16块GPU击败四届世界冠军：AI终破S... Latest News
据科技媒体Ars Technica 2026年10月1日报道，由卡内基梅隆大学、麻省理工学院、纽约大学和斯坦福大学组成的联合团队成功开发出一款名为Ataraxos的人工智能，在经典棋盘游戏Stratego中碾压人类顶级选手。四届世界冠军皮姆·尼梅耶尔在20局对决中以1胜15负4平惨败，而支撑这一成绩的硬件仅需16块GPU，训练成本不过数千美元。此项研究同时发表于《自然》杂志，标志着人工智能在不完全信息博弈领域迈出关键一步。
婚恋综艺隐藏棋子的巨量组合：为何Stratego比围棋更难
在Stratego中，双方各控制40枚棋子，包括元帅、将军、间谍、炸弹和军旗等，目标夺取对方军旗。关键在于：玩家能看到对方棋子的位置，却不知道具体身份——只有两枚棋子碰撞时才会揭示强弱。这种“不完全信息”特性使游戏复杂程度远超围棋或象棋。据Ars Technica报道，麻省理工学院计算机科学家、共同作者加布里埃尔·法里纳指出：“在德州扑克中，隐藏信息只有两张手牌，共1326种可能，机器可以逐一评估。但在Stratego中，40枚棋子可以任意排列，可能性超过10^30种。”更棘手的是，一局Stratego平均持续2000步，而一局象棋仅约40步。尤金·维尼茨基（纽约大学研究员）解释说：“Stratego的独特之处在于海量隐藏信息在极长时间尺度上逐步显现。”
综艺看点信念模型：让AI学会“猜”对方的牌
此前DeepMind开发的DeepNash（2022年）虽然学习了Stratego，但未能击败顶尖人类。Ataraxos的核心突破在于引入第二个神经网络——信念模型。该模型根据对手棋子之前的移动模式，实时推测隐藏棋子的身份。法里纳表示：“这是我们设法解决的问题。”具体来说，Ataraxos无需遍历所有可能的排列，而是从信念模型采样的合理布局中推演候选走法，再选择胜率最高的行动。此外，训练策略上，团队在初期进行大幅策略调整，后期则精细微调，以应对隐藏信息导致的自对弈循环。Ataraxos通过1.63亿局自我对弈完成训练，相比DeepNash使用的约55亿局，效率提升了34倍。
综艺花絮硬件成本对比：从百万美元到几千美元
据《自然》杂志提供的论文细节，DeepNash在1024块Google定制TPU上训练了2-3个月，按2025年价格估算成本高达300万至450万美元。而Ataraxos仅需16块GPU训练一周，外加4块GPU用4天训练信念模型。下表直观对比两套系统：
综艺嘉宾| 对比项 | DeepNash | Ataraxos |
|---|
| ------- | ---------- | ---------- |
|---|
| 训练硬件 | 1024块Google TPU | 16块GPU（主模型）+4块GPU（信念模型） |
|---|
| 训练时长 | 2-3个月 | 1周+4天 |
|---|
| 估算成本 | 300万-450万美元 | 约数千美元 |
|---|
| 自我对弈局数 | ~55亿局（团队估算） | 1.63亿局 |
|---|
| 对战人类冠军 | 未公开击败顶级选手 | 15胜1负4平（对尼梅耶尔） |
|---|
Ataraxos的首席作者塞缪尔·索科塔解释，高效率得益于自行编写的模拟器，能在显卡上每秒执行数百万次走法。法里纳说：“在学术环境中，我们不可能拥有一整片GPU集群。”
综艺收视冷静如顽石：Ataraxos的独特风格
Ataraxos的名字源自古希腊语“ataraxia”，意为“平静、不为所动”。法里纳描述：“即便在人类会惊慌失措的劣势局面下，AI也不会冲动行事。”在比赛中，当Ataraxos落后时，它不依赖大赌注翻盘，而是有条不紊地逐步挽回颓势。维尼茨基补充：“我们曾看到AI从仅2%的胜率开始非常随意地‘诈唬’回来。”这种策略部分源于AI对人类心理盲点的利用：当对手没有理由怀疑某处薄弱时，Ataraxos会选择不暴露弱点，即使从全局视角看那处防守如同灾难。法里纳说：“对人性而言，明知秘密却要忽略它做出决策极为困难；对机器却轻而易举。”
现场挑战：世界大赛38胜2负
在2025年Stratego世界锦标赛上，Ataraxos接受了来自各地选手的现场挑战，以38胜2负的成绩碾压全场。不仅如此，它还改变了顶级玩家的战术风格。法里纳表示：“这个AI已经有点扭曲了元游戏。”例如，AI频繁采用“仅用两枚炸弹掩护军旗置于角落”的罕见布局，令人类选手大为震惊。此前人类冠军尼梅耶尔在为期三周的线上比赛中曾有机会研究AI的模式，但他仅仅依靠运气赢下一局。法里纳承认：“即便是完美策略，有时也会输——运气始终是Stratego的一部分。”维尼茨基也笑称：“有时候我们也走运。”
超越棋盘：战争推演与可解释性难题
研究团队已经将Ataraxos框架应用于其他不完全信息游戏，包括快速变体Barrage Stratego、合作扑克Hanabi以及中国斗地主。在这些游戏中，Ataraxos均击败了世界冠军或顶尖机器人。维尼茨基指出：“战争推演是常见需求。可以用这里的技术推演局势，观察强对手如何回应你的行动。”然而，当前AI无法解释自己的决策。法里纳说：“我们正在研究既能产出强策略又可解释、可说明的机器。目前还远未达到。”下一步，团队希望提升决策的透明度，让Ataraxos不仅会赢，还能“说”出为什么赢。
Q1: Ataraxos为何能击败人类冠军？
A1: 主要归功于两点：一是信念模型，它能根据对手移动模式估算隐藏棋子身份，从而在合理布局中搜索最优走法；二是训练策略上初期大幅调整、后期精细调整，解决了隐藏信息导致的训练循环问题。同时，AI不会像人类那样情绪化决策，能冷静执行微小优势的累积。
Q2: Ataraxos的成功对现实世界有何意义？
A2: 核心价值在于证明了在大规模不完全信息、长时域场景下，结合信念搜索的强化学习可以高效实用。这为金融博弈、军事推演、商业谈判等真实复杂问题提供了可借鉴的范式——尽管这些场景规则不固定且赢家不明确，但简化建模后，类似的技术可以辅助决策。
人工智能攻破Stratego不仅填补了棋盘游戏领域最后一块拼图，更以低成本高效率展示了学术团队在顶级AI竞赛中的独特实力。当AI学会在迷雾中猜测对手的心思，其应用边界或许将远远超出40枚棋子构成的战场。
Related Articles - 花边消息
卡内基梅隆、MIT等高校团队开发的Ataraxos人工智能，以16块GPU和数千美元成本击败Stratego四届世界冠军。信念模型与高效自我对弈带来突破，成果发表于《自然》杂志。
