Ataraxos triumfuje w Stratego: system AI po raz pierwszy pokonał mistrza świata

Przez dziesięciolecia klasyczna gra planszowa Stratego uchodziła za niezdobytą twierdzę dla algorytmów sztucznej inteligencji. Podczas gdy komputery zdominowały szachy dzięki Deep Blue w 1997 roku, Go za sprawą AlphaGo w 2016 roku, a także profesjonalnego pokera, Stratego skutecznie opierało się maszynom ze względu na ogromną skalę ukrytych informacji oraz konieczność wielopoziomowego blefowania. Impas został przełamany: zespół naukowców z Carnegie Mellon University, MIT, New York University oraz Stanford University zaprezentował system AI o nazwie Ataraxos. W oficjalnej serii 20 partii nowy model pokonał Pima Niemeijera — czterokrotnego mistrza świata i najbardziej utytułowanego gracza w historii — osiągając bilans 15 zwycięstw, 4 remisów i zaledwie 1 porażki.

Wyniki badań opublikowano na łamach prestiżowego czasopisma naukowego Nature (DOI: 10.1038/s41586-026-11036-y). Sukces Ataraxos nie tylko zamyka wieloletni rozdział zmagań algorytmów z tradycyjnymi grami planszowymi, lecz także wyznacza nowy standard efektywności obliczeniowej w dziedzinie uczenia maszynowego.

Dlaczego Stratego opierało się sztucznej inteligencji?

W Stratego każdy z graczy dowodzi 40 pionami reprezentującymi stopnie wojskowe — od marszałka po szpiega — uzupełnionymi o bomby oraz flagę, której zdobycie decyduje o zwycięstwie. Tożsamość jednostek pozostaje jednak zakryta przed przeciwnikiem aż do momentu bezpośredniego starcia na planszy. Oznacza to, że Stratego jest grą o niepełnej informacji (imperfect-information game).

Skala trudności drastycznie przewyższa inne dyscypliny tego typu. W pokerze wariantu Texas Hold’em gracz dysponuje zaledwie dwiema zakrytymi kartami, co przekłada się na 1 326 możliwych układów początkowych — przestrzeń w pełni policzalną dla współczesnych komputerów. W Stratego 40 pionów można rozmieścić na ponad decylion (>10³³) sposobów. Do tego dochodzi horyzont czasowy: o ile partia szachowa zamyka się zazwyczaj w 40 posunięciach, o tyle pojedynek w Stratego potrafi trwać nawet 2 000 ruchów. Gracze muszą nieustannie blefować — na przykład poruszając słabym pionem tak, jakby był marszałkiem — zachowując przy tym balans między agresją a przewidywalnością. Właśnie ta dynamika uniemożliwiała wcześniejszym systemom osiągnięcie stabilnego poziomu mistrzowskiego.

Architektura Ataraxos: model przekonań i przełom na skromnym budżecie

W 2022 roku laboratorium DeepMind przedstawiło algorytm DeepNash, który osiągnął poziom ekspercki w Stratego za pomocą samouczącego się algorytmu poszukiwania równowagi teorii gier. DeepNash nie potrafił jednak analizować drzewa gry przed wykonaniem posunięcia w czasie rzeczywistym (test-time search), ponieważ przestrzeń stanów uznawano za zbyt rozległą. Zespół kierowany przez Samuela Sokotę (głównego autora z Carnegie Mellon University) oraz Gabriele Farinę (MIT) rozwiązał ten problem.

Ataraxos wykorzystuje drugą sieć neuronową — model przekonań (belief model). Zadaniem tego modułu jest szacowanie tożsamości zakrytych figur rywala na podstawie historii ich dotychczasowych ruchów. Zamiast przeszukiwać decylion abstrakcyjnych konfiguracji, Ataraxos próbkuje najbardziej prawdopodobne rozkłady planszy, symuluje warianty ruchów i wybiera optymalne posunięcie. Dodatkowo w procesie samouczenia (self-play obejmującym 163 miliony partii) wprowadzono zmienny harmonogram aktualizacji: głębokie, śmiałe modyfikacje strategii na początku treningu oraz drobne korekty w fazie końcowej, co zapobiegło zapętleniu strategii.

Przełomem okazała się również optymalizacja kodu. Badacze stworzyli wyspecjalizowany symulator GPU wykonujący miliony posunięć na sekundę, dzięki czemu trenowanie nie wymagało wielomilionowej infrastruktury korporacyjnej.

Chłodna kalkulacja i przedefiniowanie metagry

Nazwa Ataraxos nawiązuje do greckiego pojęcia ataraksji — stanu wewnętrznego spokoju i niewzruszenia. Jak zauważył Gabriele Farina, architektura modelu eliminuje ludzkie emocje i impulsywne reakcje. Gdy człowiek dysponuje wiedzą o słabym punkcie, ma tendencję do nadmiernej asekuracji. Ataraxos potrafi całkowicie zignorować własną słabość, o ile kalkuluje, że przeciwnik nie ma przesłanek, by o niej wiedzieć. Eugene Vinitsky z New York University podkreślił, że bot potrafił metodycznie wyciągać partię z pozycji o zaledwie dwuprocentowym prawdopodobieństwie zwycięstwa.

Pim Niemeijer, który spędził ponad 600 tygodni na pierwszym miejscu rankingu światowego, rywalizował z Ataraxos przez trzy tygodnie, otrzymując 100 dolarów za każdą wygraną partię. Zdołał triumfować zaledwie raz. Podczas turnieju 2025 Stratego World Championship pretendenci zdołali wygrać zaledwie 2 z 40 pojedynków przeciwko botowi.

Styl gry maszyny wymusił rewizję utartych schematów. Ataraxos zaskoczył arcymistrzów m.in. umieszczaniem flagi w samym rogu planszy, zabezpieczonej zaledwie dwiema bombami — formacją dotychczas uchodzącą w ludzkiej metagrze za zbyt ryzykowną.

Od planszy do symulacji strategicznych

Skuteczność architektury Ataraxos wykracza poza tradycyjne Stratego. To samo podejście pozwoliło pokonać trzech mistrzów świata w dynamicznym wariancie Barrage Stratego (rozgrywanym 8 pionami), a także zdominować kooperacyjną grę karcianą Hanabi oraz wygrać z czołowymi botami w popularnej chińskiej grze Dou dizhu.

Twórcy wskazują, że rozwiązanie problemu podejmowania decyzji w warunkach wieloetapowej niepewności ma bezpośrednie przełożenie na realny świat. Mechanizmy modelowania przekonań o intencjach rywala mogą znaleźć zastosowanie w negocjacjach handlowych, analizie rynków finansowych, cyberbezpieczeństwie oraz w symulacjach wojskowych (war gaming). Kolejnym wyzwaniem badawczym pozostaje jednak interpretowalność: w obecnej formie Ataraxos nie potrafi jeszcze wyjaśnić ludziom przyczyn i motywacji stojących za podejmowanymi posunięciami.