AI攻克暗信息博弈Stratego，仅花数千美元

1997年，IBM的“深蓝”击败国际象棋世界冠军卡斯帕罗夫；2016年，AlphaGo战胜围棋传奇李世石；扑克AI则早已把职业牌手甩在身后。但棋盘游戏的历史长卷里，始终留着一块没被机器啃下的硬骨头——经典桌游Stratego。即便是预算雄厚、算力惊人的DeepMind，也一直没能造出一台能稳定击败人类顶尖棋手的机器。如今这道难题终于被解开：一支横跨卡内基梅隆大学、麻省理工学院、纽约大学和斯坦福大学的团队打造出名为Ataraxos的AI，以15胜1负、外加4盘和棋的压倒性战绩，击败了公认史上最强的Stratego棋手皮姆·尼迈耶（Pim Niemeijer），而训练它的全部开销，不过是16块GPU和几千美元。

从深蓝到AlphaGo，棋盘上只剩一座孤岛

机器攻克棋类游戏的历史，几乎就是一部AI进化史。1997年，深蓝（Deep Blue）在国际象棋对决中掀翻加里·卡斯帕罗夫，第一次让“机器胜过人类世界冠军”成为现实；2016年，DeepMind的AlphaGo以4比1战胜李世石，宣告连最复杂的完全信息博弈也守不住了。在暗信息一侧，扑克同样早已失守：多年以来，扑克机器人战胜职业牌手已属常态，卡内基梅隆大学开发的Libratus和Pluribus先后在单挑与多人德州扑克中击败顶级职业选手，计算机破解扑克已是多年前的事情。

唯独Stratego始终坚守。这款在荷兰等地尤为流行的经典桌游，规则朴素却暗藏玄机，让一代代AI研究者折戟。此前DeepMind曾推出专门攻关Stratego的DeepNash，虽能跻身高手行列，却始终做不到稳定击败人类最强棋手——毕竟这家公司坐拥业界顶尖的算力与资金，依然没能拿下这座堡垒。直到这次，一支由四所高校组成的小团队用另一条路径完成了最后的突破。

40枚暗棋：位置公开，身份成谜

Stratego的设定颇有战场意味：每位玩家手握40枚棋子，代表从元帅到间谍的不同军衔，另外还有炸弹和军旗，而胜利目标只有一个——夺取对方的军旗。它的残酷之处在于信息不对称：对手能看见你的每一枚棋子“在哪里”，却完全不知道它们“是什么”。只有当两枚棋子在格子上相撞、短兵相接时，身份才会揭晓——较弱的一方被移出棋盘，而幸存胜者的身份也随之公开。

正因如此，Stratego被归为不完美信息博弈（imperfect-information game），与扑克同属一类。但它的难度远超扑克：扑克的暗信息集中在几张手牌里，一局牌几百个决策之内便能见分晓；Stratego则要同时推理40枚棋子的身份，并在动辄上百回合的长局中不断试探、欺骗、更新判断。此前有研究估计，Stratego的状态空间高达10^535量级，比围棋还要高出数百个数量级。海量隐藏信息叠加超长的博弈时间尺度，正是它迟迟未被攻克的症结。

小预算的逆袭：16块GPU打赢“人类天花板”

这项研究由卡内基梅隆大学、麻省理工学院、纽约大学与斯坦福大学的研究者联合完成，他们的AI被命名为Ataraxos。面对皮姆·尼迈耶——这位被广泛视为Stratego历史上最强棋手的人类选手——Ataraxos打出了近乎碾压的战绩：

• 战绩：15胜1负，另有4盘和棋，人类仅拿下其中一局；
• 成本：训练仅使用16块GPU，花费几千美元；
• 团队：来自四所高校的研究者，没有大厂级别的算力加持。

这份成绩单最震撼的地方在于成本端的对比。DeepMind拥有exceptional budget级别的投入，尚且无法稳定战胜人类最强棋手；而Ataraxos只靠几千美元和一小簇GPU就达成了同一目标。这意味着顶尖博弈AI的研发门槛正被大幅拉低——攻克一个经典博弈难题，不再必然是大厂的专利，高校实验室乃至小团队也有机会亲手改写历史。

“海量暗信息，在超长时间尺度上展开”

“Stratego有一种非常独特的特质：它是在一个非常长的时间尺度上展开的海量隐藏信息。”——纽约大学研究员、本研究合著者尤金·维尼茨基（Eugene Vinitsky）

维尼茨基的这句话点破了Stratego之于AI研究的独特价值。与扑克不同，Stratego的暗信息体量大得多、展开周期也长得多：玩家必须在几十步乃至上百步的序列里，依据每一次“碰撞”暴露的有限信息，不断修正对整支隐藏军团的推断，同时还要释放假信号诱导对手误判。这对策略的长期一致性提出了苛刻要求，也正是现有暗信息AI技术最难啃的部分。

这也让Ataraxos的意义跳出了棋盘本身。商业谈判、网络安全攻防、军事推演、自动驾驶中的多方博弈，本质上都是“位置可观测、意图不可观测”的Stratego式难题。一套能在长时程、大规模暗信息环境中保持稳定策略、且只需桌面级算力就能训练出来的方法，无论对学术界还是产业界，都是极具吸引力的信号。

从深蓝到AlphaGo，再到今天的Ataraxos，AI每攻下一款游戏，其方法论都会外溢到更广阔的现实场景。Stratego的沦陷，很可能正是通往真实世界复杂决策的跳板——当AI学会了在暗雾中排兵布阵、与对手长期周旋，它下一步要面对的，或许就不再是棋盘上的40枚棋子，而是真实世界里数不清的未知变量。