Исследователи из Университета Карнеги — Меллона, MIT, Нью-Йоркского университета и Стэнфорда создали ИИ Ataraxos для игры в Stratego. Система обыграла четырехкратного чемпиона мира Пима Нимейера в 15 из 20 партий, завершив четыре вничью и проиграв лишь один раз.
Ataraxos обучался методом самоигры, проведя 163 миллиона партий. В отличие от модели DeepNash, новинка использует «модель убеждений», которая анализирует вероятные позиции противника, позволяя ИИ просчитывать ходы заранее, а не полагаться только на общую стратегию.
Обучение Ataraxos потребовало 16 графических процессоров в течение недели и еще четырех GPU в течение четырех дней для настройки модели. Это значительно дешевле и быстрее, чем обучение DeepNash, для которого требовалось 1024 специализированных чипа на несколько месяцев.
Алгоритм также освоил другие игры: Barrage Stratego, Hanabi и dou dizhu. Разработчики полагают, что эти методы применимы для моделирования переговоров, финансовых рынков и военных конфликтов, где требуется учитывать действия сильного противника.
В будущем команда планирует сделать логику ИИ более прозрачной. Сейчас Ataraxos способен эффективно блефовать и находить выигрышные стратегии, однако он не может объяснить причины своих решений, что является ключевой задачей для дальнейших исследований.
