Чеський студент створив ШІ-модель для прогнозування раундів у CS2: точність перевищила 77%

Counter-Strike 2 дедалі частіше стає не лише кіберспортивною дисципліною, а й об'єктом академічних досліджень. Черговим підтвердженням цього стала бакалаврська робота студента з Чехії, присвячена прогнозуванню результатів раундів у CS2 за допомогою технологій машинного навчання.

Студент факультету інформатики та статистики Празького економічного університету Ондржей Чех успішно захистив дослідження під назвою Predicting Round Outcomes in Counter-Strike 2 Using Machine Learning. У своїй роботі він розробив дві моделі штучного інтелекту, здатні визначати ймовірного переможця окремого раунду як до його початку, так і в будь-який момент по ходу гри.

Для аналізу алгоритми використовували понад 40 різних показників, які впливають на перебіг матчу. Серед них — кількість гравців, що залишилися в живих, озброєння та екіпірування команд, економіка, час до завершення раунду, а також інші ключові ігрові параметри.

Система враховувала навіть дрібні ігрові епізоди. Наприклад, використання димових гранат чи інших утиліт миттєво відображалося в моделі та коригувало прогноз щодо результату раунду.

Для тестування розробки автор використав дані більш ніж 400 професійних матчів із великих турнірів, зокрема IEM Katowice 2025 та BLAST.tv Austin Major 2025. За підсумками перевірки моделі правильно передбачали результат раундів у понад 77% випадків.

Результати дослідження демонструють, що сучасні алгоритми машинного навчання можуть ефективно аналізувати події всередині матчів і прогнозувати їхній розвиток. Подібні моделі потенційно можуть знайти застосування не лише в аналітиці професійного кіберспорту, а й у сфері трансляцій, статистичних сервісів та інструментів для команд.

Хоча автор роботи прямо не пов'язував своє дослідження з бетингом, подібні алгоритми можуть бути корисними й для компаній, які працюють із лайв-аналітикою кіберспортивних матчів. Водночас великі букмекерські оператори вже давно використовують власні математичні моделі для формування коефіцієнтів у режимі реального часу.