カーネギーメロン大学、MIT、NYU、およびスタンフォード大学の研究チームは、膨大な量の隠れた情報を特徴とする古典的なボードゲーム、ストラテゴにおいて超人的なパフォーマンスを達成したAI「Ataraxos」を開発しました。20局の対局シリーズにおいて、Ataraxosは史上最高のストラテゴプレイヤーと広く見なされている Pim Niemeijer を相手に、15勝1敗4分けの成績を収めました。
DeepMindのDeepNashのように、数百万ドルの計算資源を必要としたこれまでの試みとは異なり、Ataraxosは16個のGPUを1週間、および追加の4個のGPUを4日間使用して学習されました。2025年の価格で計算すると、総学習コストは8,000ドル未満と推定されます。この効率性は、1秒間に数百万の着手を実行できる、カスタムのCUDA加速シミュレータによって実現されました。
Ataraxosは、自己対戦強化学習とテスト時の探索を組み合わせた設計を採用しています。重要な革新点は「信念モデル（belief model）」であり、これは相手の動きに基づいて相手の隠された駒を推定するように訓練された第2のニューラルネットワークです。これにより、AIは妥当な盤面構成をサンプリングすることで先読み探索を行うことができ、これまで不完全情報ゲームにおいてAIのパフォーマンスを制限していた膨大な探索空間という課題を克服しました。
研究者たちは、同様の技術を他のゲームに適用することで、この手法の拡張性を実証しました。彼らは、Barrage Stratego、Hanabi（協力型カードゲーム）、および斗地主（中国で人気のカードゲーム）において最先端のAIの開発に成功し、対戦型、協力型、およびチーム戦の設定において高いパフォーマンスを達成しました。
出典
- With most information hidden, the game Stratego （Ars Technica AI, 2026-10-01）
- Nature