AI首破西洋军棋超人关 成本不到8000美元

又一个「人类最后堡垒」失守。一个由卡内基梅隆大学、纽约大学、斯坦福大学和麻省理工学院组成的研究团队，训练出Stratego（西洋军棋）AI系统「Ataraxos」，在20局正式对抗中以15胜1负4平的成绩，击败了这项棋类历史上最成功的棋手皮姆·尼梅耶尔（Pim Niemeijer）。

尼梅耶尔拿过4次世界冠军、15次荷兰全国冠军和2次线上世界冠军，累计在世界排名第一的位置上待了600多周。1997年以来参加了每一届世锦赛的棋手乔治·弗兰卡称他是「史上最强的Stratego棋手」。按论文说法，Ataraxos是首个在这款游戏中达到超人水平的AI，有效胜率（平局按半胜计）达85%，这在最高水平对抗中是前所未有的。

Stratego难在哪里？双方各40枚棋子全部背面朝上布阵，可能的初始布局超过10的33次方种；一枚棋子的等级只有在与对方棋子相撞时才会暴露，率先夺旗者获胜。在这种不完全信息博弈中，一步棋的价值不仅取决于后续怎么走，还取决于此前发生了什么——这让从德州扑克AI继承的方法只在隐藏信息很少时才管用（德州扑克开局只有1326种手牌）。

于是，Stratego成了少数人类仍然占优的主流竞技棋类之一。DeepMind曾尝试用DeepNash系统攻下这座山头：据论文转述其作者回忆，DeepNash在1024个TPU节点上训练了两三个月，按2025年价格估算约需300万至450万美元；它在2023年世锦赛上赢下28局中的19局，却输给了包括尼梅耶尔在内的多数顶尖棋手。而Ataraxos只用16张英伟达H100显卡训练一周，再加4张卡训练四天做「信念网络」，总花费不到8000美元——算力成本约为前者的五百分之一，自我对弈局数为三十分之一，训练样本为百分之一。

团队把效率归功于自研的GPU模拟器、更高的样本效率，以及一个关键设计：正则化。训练中额外施加的压力会迫使AI把布阵和着法「摊开」，而不是早早锁死在固定套路里——Stratego的强手需要大量随机性，可预测的棋手会被对手吃透。研究者还会随训练推进逐步放松这种压力、同步调整学习步长：早期大幅变化、大步学习，后期谨慎推进、只做小修正，避免陷入循环或混沌。论文把正则化比作「能量储备」——烧得太快，早期见效快，之后就会丧失继续学习的能力，变得容易被打穿。

Ataraxos还配有一个「信念网络」，用于推断对手那些背面朝上的棋子到底是什么。每一步之前，它会先生成若干可能的局面、推演候选着法，再针对这一次决策做一轮额外的学习。作者称，此前的研究因为隐藏信息太多而跳过了这类搜索。

赛程安排也尽量做到了公平：系列赛分三周进行以避免疲劳，尼梅耶尔从一开始就知道AI不会针对他调整策略，还拿到了1000美元出场费，以及每胜100美元、每平50美元的奖金。但Ataraxos仍处结构性劣势——尼梅耶尔可以在多局中适应它，它却无法适应他，三次世界冠军文森特·德波尔认为这是「重大让子」。即便如此，对手仍描述它棋风「难以读懂」：敢做人类认为太冒险的诈招，落后时死缠烂打，而且「运气好得诡异」。

同一套方法还被复用到其他游戏：在Barrage Stratego变体中，它赢下四个50局系列赛；在合作卡牌游戏《花火》（Hanabi）里刷新了所有变体的纪录，双人版本所需算力比此前领先方案低两个数量级；在中国牌类游戏斗地主中，它战胜了此前的基准系统PerfectDou与DouZero。作者由此给出一个更大胆的结论：大量隐藏信息已不再是强化学习与搜索的障碍——只要能为问题造出快速而准确的模拟器，金融市场、军事冲突和谈判等不完全信息场景中的实用AI都将变得触手可及。

编译自 The Decoder，原标题："AI beats Stratego's greatest player, ending one of the last human strongholds in board games"