Egy új mesterséges intelligencia fölényes győzelmet aratott a Stratego történetének legsikeresebb emberi játékosa felett. A fejlesztés a korábbi többmillió dolláros rendszerekkel szemben mindössze néhány ezer dolláros költségvetésből valósult meg.
A Stratego évtizedek óta kiemelkedő kihívást jelent a számítógépes modellek számára. Míg a sakkban vagy a góban mindkét fél teljes rálátással bír a táblára, addig a Stratégóban az ellenfél bábui lefordítva állnak. A sikeres stratégia meghatározásához nem elég az előre gondolkodás: becsülni kell a kockázatokat, fel kell ismerni a félrevezető lépéseket, és következtetni kell az ismeretlen tényezőkre.
A második neurális hálózat szerepe
Az MIT, a Carnegie Mellon, az NYU és a Stanford kutatói által megalkotott Ataraxos nevű rendszer az önálló gyakorlás mellett egy sajátos megoldást alkalmaz. A modell működésének kulcsa egy második neurális hálózat beépítése volt, amely kifejezetten a rejtett bábuk kilétének felbecsülésére szakosodott.
A rendszer nem próbálja meg az összes lehetséges táblaállást végigemezni, mivel az információs bizonytalanság miatt ez számításilag kivitelezhetetlen lenne. Ehelyett a meglévő információk alapján valószínűségi becsléseket készít az ismeretlen elemekre, majd ezekre építve választja ki a legígéretesebb lépéseket.
Költséghatékony képzés és kiemelkedő eredmények
A korábbi vezető Stratego-modellhez képest az Ataraxos a gyakorló játszmák harmincadrészével és az adatok kevesebb mint egy százalékával érte el a szuperintelligens szintet. A rendszer képzési költsége nyolcezer dollár alatt maradt, ami nagyságrendekkel alacsonyabb a korábbi ipari fejlesztések büdzséjénél.
A Stratego legsikeresebb játékosa, Pim Niemeijer ellen lefolytatott húszmeccses sorozatban a mesterséges intelligencia 15 győzelmet, egy vereséget és négy döntetlent ért el. A három héten át tartó megmérettetés során az emberi világbajnoknak bőven volt ideje felkészülni és hiányosságokat keresni az AI játékában, ám a modell stabilan tartotta előnyét.
Gyakorlati alkalmazási lehetőségek
Az információhiányos környezetben hozott hatékony döntések nemcsak a táblajátékok szempontjából lényegesek. A fejlesztők szerint a módszertan a jövőben olyan összetett, valós idejű helyzetekben is alkalmazható lesz, mint az üzleti tárgyalások vagy a kibervédelmi stratégiák alakítása.
