Stratego war für KI jahrelang unbezwingbar – bis jetzt
With most information hidden, the game Stratego had stumped AI–until now

Stratego galt als letzte große Herausforderung für KI: massives verborgenes Wissen, Spiele über Tausende Züge, Bluffen. Ein Team von Carnegie Mellon, MIT, NYU und Stanford hat mit Ataraxos die beste menschliche Spielerin oder den besten Spieler besiegt – 15 zu 1, mit vier Unentschieden. Der Clou: ein zweites neuronales Netz, das verborgene Figuren errät, und nur 16 GPUs für wenige tausend Dollar.
Für Menschen ist es sehr schwer, wenn man ein Geheimnis kennt, Entscheidungen zu treffen und dabei zu ignorieren, dass man dieses Geheimnis kennt. Für Maschinen ist es einfach.
- SwellJoe
Ich habe Stratego als Kind sehr geliebt. Aber irgendwann konnte ich niemanden mehr finden, der mit mir spielen wollte, weil ich alle platt gemacht habe, auch meinen Dad, der viel besser Schach spielte als ich. Aber ich hätte nie gedacht, dass es ein Spiel ist, mit dem Modelle Schwierigkeiten haben würden. Es wirkt relativ einfach. Und seltsamerweise habe ich nie daran gedacht, dass es ernsthafte Spieler geben könnte ... Ich habe das Brettspiel behalten, eines der wenigen Dinge, die ich aus meiner frühen Kindheit habe, aber es ist zwanzig Jahre her, dass ich gespielt habe. Ich schätze, es ist Zeit, ein Online-Stratego zu finden. Sicher kann mich jemand auf der ganzen Welt schlagen.
Schade, dass ich nie gegen eine KI gespielt habe, bevor sie es geknackt haben.
- janalsncm
> Der Algorithmus lernte auch viel schneller – er spielte etwa 34-mal weniger Partien als DeepNash und war trotzdem viel stärker.
Meiner Meinung nach ist das der entscheidende Punkt und überhaupt der Grund, warum die KI funktioniert.
Bei Spielen mit verborgenen Informationen hängt der beste Zug von Informationen ab, die man nicht hat. Ein Zug könnte also gut oder schlecht sein, es hängt einfach von etwas ab, das unmöglich zu wissen ist.
Man würde gerne vorausschauen, also „wenn ich das mache, machen sie das“, aber das ist unmöglich, da man nicht einmal weiß, was der Gegner tun kann, weil man seinen verborgenen Zustand nicht kennt.
Wenn die möglichen verborgenen Zustände zufällig verteilt sind, ist man am Arsch. Es ist genau wie Schere, Stein, Papier: Es gibt keinen besten Zug, wenn der Gegner unvorhersehbar ist.
Wenn man jedoch schnell lernen kann, seine Züge vorherzusagen, wird es möglich, fundierte Entscheidungen darüber zu treffen, was zu tun ist.
- dmurray
Oh nein! Stratego war für mich immer etwas, bei dem wir einfach nicht hart genug versucht hatten, einen gewinnenden Bot zu bauen, einschließlich der DeepMind-Bemühungen von 2022. Ich hatte vor, den ersten zu bauen.
Ich dachte, das sei etwas weniger verrückt als der Versuch, die Riemannsche Vermutung zu beweisen, aber vielleicht bittet man heutzutage einfach Claude darum, und es sagt einem, dass es bei 1 + πi ein Gegenbeispiel gibt, das noch nie jemand bemerkt hat.
- erwincoumans
Ich erinnere mich, dass ich als Kind bei einem Freund Stratego gespielt habe und irgendwann herausfand, dass einige seiner Figuren subtil markiert waren (Kerben in den Figuren). Informationen aufzudecken war sehr unfair :)
- rovr138
> Jetzt hat ein Forscherteam von Carnegie Mellon, MIT, New York University und Stanford University es geschafft. Ihre KI namens Ataraxos besiegte Pim Niemeijer, wohl den besten Stratego-Spieler aller Zeiten, mit 15 zu 1 und vier Unentschieden. Und es brauchte nur 16 GPUs und ein paar tausend Dollar, um sie zu trainieren.
Nur 16 GPUs und ein paar tausend Dollar?
Was ist mit „Forscher von Carnegie Mellon, MIT, New York University und Stanford University“ – das war nicht irgendwer.
- smokel
Das relativiert das frühere „Mastering the Game of Stratego with Model-Free Multiagent Reinforcement Learning“ von 2022 [1] etwas. Anscheinend war das „Mastering“ von 2022 noch nicht ganz so weit. Vier Jahre später scheint der neue Ansatz tatsächlich besser als Menschen zu sein.
- smokel
Dieser Ansatz funktioniert auch für Hanabi, ein sehr interessantes Spiel. Man kann seine eigenen Karten nicht sehen, aber die anderen Spieler können es. Ich habe das Spiel gekauft, weil jemand in einem Reinforcement-Learning-Podcast [2] es erwähnt hat, und habe es tatsächlich mehrmals gespielt.
- hnedeotes
Ich denke, was diese Spiele wiederholt schlagbar macht, ist, dass sie statisch sind. Ich sage nicht, dass ein richtig trainiertes Algorithmus nicht besser als der Durchschnittsspieler ein Spiel wie MtG spielen würde, oder mein eigenes https://aethersummon.com (besonders jetzt, wo es nur unter 90 mögliche Schriftrollen hat), aber wenn man einen regelmäßigen Veröffentlichungsrhythmus (sagen wir wöchentlich oder zweiwöchentlich) von relevanten neuen „Karten“ hat, dann ist das Spielfeld für Menschen viel ausgeglichener.
Diese neuen Ergänzungen können die gesamten Trainingsdaten durch eine einzige neue „Karte“ ungültig machen, die die Dynamik völlig verändert und für einen Spieler leicht zu verstehen und einzubinden wäre, aber nicht für einen Algorithmus (vielleicht mit genügend Rechenleistung, um ihn regelmäßig neu zu trainieren, könnte er es) – das zusammen mit den Entscheidungsbäumen, die um Größenordnungen tiefer, breiter und mit mehr Bedingungen versehen sind als bei Go, Schach oder Stratego – selbst während desselben Zuges mit denselben verfügbaren Karten und demselben Tischzustand – würde wahrscheinlich viel schwierigere Probleme für einen rechengebundenen Algorithmus darstellen.