A CMU mesterséges intelligenciája a Stratego legjobb játékosait is legyőzi

Az Ataraxos a rejtett bábuk között dönt

A Carnegie Mellon University Kenneth C. Griffin School of Computer Science kutatói által fejlesztett Ataraxos olyan Stratego-játékos AI, amelynek a rendszer nem ismeri az ellenfél bábuinak pontos azonosságát. A kutatásról a Nature folyóiratban jelent meg tanulmány, a CMU közleménye pedig 2026. október 8-án számolt be az eredményről.

A Strategóban mindkét játékos egy 40 bábból álló sereget irányít. A bábuk különböző erősségűek, az identitásukat azonban a játékosok elrejtik egymás elől. A cél az ellenfél zászlajának elfoglalása, miközben minden lépés bizonytalansággal jár, mert a játékosok nem tudják pontosan, milyen bábuk állnak velük szemben.

A rendszernek ezért nem elég minden lehetséges állást kiszámolnia. A kutatók szerint a nagyszámú rejtett elrendezés miatt az Ataraxosnak azt kell megbecsülnie, mi lehet elrejtve, és az eddigi események alapján milyen valószínűséggel áll fenn az egyes lehetőség.

Önjátékkal tanul, majd minden lépést újratervez

Az Ataraxos két, egymást kiegészítő módszert használ. Megerősítéses tanulással saját maga ellen játszik, így fokozatosan alakít ki egy általános Stratego-stratégiát. Ez erős kiindulópontot ad a játék megközelítéséhez.

A rendszer azonban nem követi vakon ezt az általános stratégiát. Minden lépés előtt döntési idejű tervezést végez, vagyis az adott játszma körülményei alapján újraértékeli a lehetőségeit. Egy generatív modell megbecsüli az ellenfél rejtett bábuinak valószínű azonosságát, így az AI több lehetséges folytatást is megvizsgálhat anélkül, hogy a tábla minden elképzelhető konfigurációját kezelnie kellene.

Az eredmény azért is figyelemre méltó, mert a Google DeepMind korábban már fejlesztett erős Stratego-rendszert, az azonban nem érte el a legjobb emberi játékosok szintjét. A CMU szerint az Ataraxos ezt a teljesítményt is felülmúlja.

A kutatók szerint a Stratego túlmutat a társasjátékon

Samuel Sokota, a CMU gépi tanulással foglalkozó doktorandusza szerint sok valós döntési helyzetben olyan szereplők vesznek részt, akiknek eltérő információik és érdekeik vannak. „Általános módszereket szeretnénk fejleszteni, amelyek hatékonyan és gyakorlati számítási költség mellett képesek kezelni ezeket a helyzeteket. A Stratego eredményei megmutatják, mekkora előrelépést értünk el”, mondta.

A projektet Sokota mellett Gabriele Farina vezette, aki a CMU-n szerzett doktori fokozatot, jelenleg pedig a Massachusetts Institute of Technology professzora. A munkában Zico Kolter, a CMU gépi tanulási tanszékének professzora és vezetője, Eugene Vinitsky, a New York University professzora, valamint a Stanford és az MIT doktoranduszai, Hengyuan Hu és Zhiyuan Fan is részt vett.

Farina szerint a játékok ellenőrzött környezetet biztosítanak az AI-kutatóknak, ahol egy adott döntéshozatali probléma, a szabályok, a lehetséges lépések és a célok világosan meghatározhatók, a teljesítmény pedig képzett emberi játékosokkal vethető össze. A kutató úgy fogalmazott: „A Stratego természetesen játék, de szerintem valójában szerencsések vagyunk, hogy rendelkezésünkre állnak ezek a társasjátékok.”

A közlemény szerint az ilyen technikák idővel olyan valós helyzetekben is alkalmazhatók lehetnek, mint a pénzügyi piacok, a tárgyalások és más összetett szituációk, ahol a legjobb döntés attól is függ, mit léphetnek a többi döntéshozók. A kutatást részben az Office of Naval Research és a National Science Foundation finanszírozta.