Шахматы давно отдали корону компьютерам, покер научил машины блефовать, а теперь ИИ добрался до игры, где почти вся армия противника остаётся невидимой. Система Ataraxos разгромила четырёхкратного чемпиона мира по «Стратего» Пима Нимейера со счётом 15 побед, 1 поражение и 4 ничьи.
«Стратего» гораздо неудобнее для алгоритмов, чем шахматы. Каждый игрок тайно расставляет 40 фигур, а соперник не знает их рангов, пока фигуры не столкнутся. Машине приходится не просто рассчитывать ходы, а постоянно строить версии чужой расстановки, скрывать собственные намерения и решать, когда рискнуть. Подобные игры с неполной информацией давно считаются одним из сложных полигонов для стратегического ИИ.
Система Ataraxos сначала учится в партиях против самой себя, а во время настоящей игры дополнительно пересчитывает ситуацию. Отдельная генеративная модель оценивает, какие фигуры могут скрываться на неизвестных клетках, после чего Ataraxos проверяет возможные продолжения и выбирает ход.
Подход оказался не только сильнее прежних решений, но и заметно экономнее. Ataraxos превзошёл DeepNash от Google DeepMind, использовав менее одной сотой числа обучающих примеров и менее одной тридцатой количества партий против самого себя. Обучение всей системы обошлось в несколько тысяч долларов. Для сравнения, предыдущие попытки приблизиться к вершине «Стратего» требовали вычислений стоимостью в миллионы долларов. Похожее обучение с подкреплением уже помогало ИИ осваивать шахматы и другие стратегические задачи.
Одного матча с Нимейером авторам показалось мало. На чемпионате мира по «Стратего» 2025 года посетители сыграли против Ataraxos ещё 40 партий. Люди выиграли только две. Тот же подход перенесли на ускоренную версию Barrage Stratego, кооперативную карточную Hanabi и китайскую игру доу дичжу. Во всех случаях алгоритмы приблизились к лучшим результатам или превзошли человека.
Особенно интересен стиль игры Ataraxos. Алгоритм умеет сохранять слабость в секрете и не пытается судорожно защищать ценную фигуру только потому, что разработчику известна её роль. Такое поведение порождает ходы, похожие на хладнокровный блеф. В покере машины освоили похожий навык гораздо раньше, но там объём скрытой информации намного меньше.
Авторы рассматривают «Стратего» не только как очередной трофей для ИИ. Работа с неполными данными встречается в переговорах, финансовых рынках, военном планировании и кибербезопасности, где стороне почти никогда не известны все намерения и ресурсы противника. Опубликованные результаты матча показывают, что Ataraxos справляется с подобным поиском стратегии без перебора всех возможных состояний.
При этом победа в настольной игре сама по себе не превращает Ataraxos в универсального переговорщика или военного советника. В «Стратего» правила фиксированы, цель однозначна, а результат каждого хода легко проверить. Разработчики уже называют следующим шагом инструменты интерпретации, которые позволят человеку понять причину рекомендации перед применением подобных алгоритмов за пределами игры.
Путь к нынешнему результату начался задолго до Ataraxos. В 1997 году Deep Blue победил Гарри Каспарова и показал, насколько далеко машина может зайти в игре с полностью открытой доской. Следующие поколения алгоритмов постепенно переходили к средам, где одного перебора вариантов уже недостаточно.
Следующей крупной вехой стала игра го. AlphaGo заставила пересмотреть представления о границах машинной стратегии, а поражение Ли Седоля превратилось в один из символов нового этапа развития ИИ. Позднее алгоритмы начали находить и неожиданные стратегии, которые меняли подход уже самих профессиональных игроков.
Покер добавил машине ещё один навык, которого нет в шахматах, работу с неизвестными картами и намерениями соперника. Libratus и Pluribus доказали, что покерные боты способны блефовать против профессионалов. Ataraxos переносит похожую логику в игру, где скрыты десятки фигур и неопределённость сохраняется на протяжении сотен ходов.
