La IA que por fin descifró Stratego y lo hizo con solo 16 GPUs

With most information hidden, the game Stratego had stumped AI–until now

La IA que por fin descifró Stratego y lo hizo con solo 16 GPUs

Investigadores de Carnegie Mellon, MIT, NYU y Stanford crearon Ataraxos, una IA que venció 15 a 1 al mejor jugador de Stratego de la historia, con cuatro empates. La clave fue una segunda red neuronal que adivina las piezas ocultas del rival y permite planificar antes de mover. A diferencia de DeepNash, que costó millones, se entrenó con 16 GPUs durante una semana.

Para los humanos es muy difícil, cuando conoces un secreto, tomar decisiones ignorando el hecho de que lo conoces. Para las máquinas, es fácil.
  1. SwellJoe

    Me encantaba el Stratego de niño. Pero, con el tiempo, no encontraba a nadie con quien jugar porque arrasaba con todos, incluido mi padre, que era mucho mejor que yo en ajedrez. Sin embargo, nunca habría pensado que fuera un juego con el que los modelos tendrían dificultades. Parece relativamente simple. Y, inexplicablemente, ni siquiera se me pasó por la cabeza que pudiera haber jugadores serios... He conservado el juego de mesa, una de las pocas cosas que tengo de mi primera infancia, pero hace veinte años que no juego. Supongo que es hora de buscar un Stratego online. Seguro que alguien en el mundo entero puede ganarme.

    Lástima que nunca jugué contra una IA antes de que la descifraran.

  2. janalsncm

    > El algoritmo también aprendió mucho más rápido: jugó aproximadamente 34 veces menos partidas que DeepNash, y aun así acabó siendo mucho más fuerte.

    En mi opinión, esta es la pieza clave y lo que hace que la IA funcione en absoluto.

    Con juegos de información oculta, la mejor jugada depende de información que no tienes. Así que una jugada puede ser buena o mala, simplemente depende de algo que es imposible de saber.

    Te gustaría buscar hacia adelante, es decir, "si hago esto, ellos harán aquello", pero eso es imposible ya que ni siquiera sabes lo que puede hacer el oponente porque no conoces su estado oculto.

    Si los posibles estados ocultos están distribuidos aleatoriamente, estás perdido. Es como el piedra, papel o tijera: no hay una mejor jugada si tu oponente es impredecible.

    Sin embargo, si puedes aprender rápidamente a predecir sus movimientos, se vuelve posible tomar decisiones informadas sobre qué hacer.

  3. dmurray

    ¡Oh, no! El Stratego había estado en mi mente como algo para lo que simplemente no habíamos intentado lo suficiente crear un bot ganador, incluido el esfuerzo de DeepMind de 2022. Planeaba hacer el primero.

    Pensé que esto era un poco menos de chiflados que intentar demostrar la Hipótesis de Riemann, pero quizás hoy en día solo le pides a Claude que lo haga y te dice que hay un contraejemplo en 1 + πi que nadie había notado antes.

  4. erwincoumans

    Recuerdo jugar al Stratego de niño en casa de un amigo, y con el tiempo descubrí que algunas de sus piezas estaban sutilmente marcadas (con muescas). Desocultar información era muy injusto :)

  5. rovr138

    > Ahora, un equipo de investigadores de Carnegie Mellon, MIT, New York University y Stanford University lo ha logrado. Su IA, llamada Ataraxos, venció a Pim Niemeijer, posiblemente el mejor jugador de Stratego de todos los tiempos, 15 partidas a una, con cuatro empates. Y solo necesitó 16 GPUs y unos pocos miles de dólares para entrenarla.

    ¿Solo 16 GPUs y unos pocos miles de dólares?

    ¿Y qué hay de "investigadores de Carnegie Mellon, MIT, New York University y Stanford University"? No eran precisamente cualquiera.

  6. smokel

    Esto pone en perspectiva el anterior "Mastering the Game of Stratego with Model-Free Multiagent Reinforcement Learning", de 2022 [1]. Aparentemente, lo de "mastering" en 2022 no estaba del todo logrado. Cuatro años después, el nuevo enfoque parece ser realmente mejor que los humanos.

    [1] https://arxiv.org/abs/2206.15378

  7. smokel

    Este enfoque también funciona para Hanabi, que es un juego muy interesante. No puedes ver tus propias cartas, pero los otros jugadores sí. Compré el juego porque alguien en un podcast de aprendizaje por refuerzo [2] lo mencionó, y de hecho lo jugué varias veces.

    [1] https://en.wikipedia.org/wiki/Hanabi_(card_game)

    [2] https://www.talkrl.com/episodes/jakob-foerster

  8. hnedeotes

    Creo que lo que hace que estos juegos sean derrotables repetidamente es que son estáticos. No digo que un algoritmo bien entrenado no juegue mejor que el jugador promedio en un juego como MtG, o en mi propio https://aethersummon.com (especialmente ahora que solo tiene menos de 90 pergaminos posibles), pero si tienes una cadencia regular de lanzamientos (digamos semanal o quincenal) de nuevas "cartas" relevantes, entonces creo que el campo de juego está mucho más equilibrado para los humanos.

    Esas nuevas adiciones pueden invalidar todos los datos de entrenamiento con una sola "carta" nueva que cambie por completo la dinámica y que sería fácil para un jugador entender e incorporar, pero no para un algoritmo (quizás con suficiente cómputo para reentrenarlo regularmente sí podría). Eso, junto con que los árboles de decisión son órdenes de magnitud más profundos, amplios y con más condicionales que el go, el ajedrez o el Stratego, incluso en el mismo turno con las mismas cartas disponibles y el mismo estado de la mesa, probablemente plantearía problemas mucho más difíciles para un algoritmo limitado por cómputo.

Más de este día

2026-10-02