Ataraxos переміг чемпіонів Stratego: надлюдський рівень, а за даними препринту — за кілька тисяч доларів

Почнімо з самої гри, бо саме там видно складність. Stratego — гра з прихованою інформацією: ти бачиш, де стоять фігури суперника, але не знаєш, що це за фігури. Можливих початкових розстановок понад 10^66 — це число, яке немає сенсу намагатися уявити. Система називається Ataraxos, дослідження опубліковане в Nature (DOI 10.1038/s41586-026-11036-y), а MIT News оголосив про нього 30 вересня 2026 року. Команда академічна й розподілена: перший автор — Samuel Sokota (Карнегі-Меллон), старший автор — Gabriele Farina (MIT), разом із дослідниками з NYU та Стенфорда. «With Stratego, there is an explosion of possible universes you might have to deal with» (у Stratego виникає вибух можливих всесвітів, з якими тобі, можливо, доведеться мати справу), — каже Фаріна MIT News. І додає фразу, яка мені запам'яталася: «Ataraxos is good at calculating risk in a way that humans are not» (Ataraxos уміє прораховувати ризик так, як люди не вміють).

Заявлених цифр дві. На чемпіонаті світу — 39 перемог і 2 поразки проти найкращих гравців-людей. В окремій серії з 20 партій проти найтитулованішого гравця-людини — 15 перемог, 1 поразка, 4 нічиї. За словами дослідників, це перший надлюдський результат в історії Stratego, і історичне порівняння допомагає зрозуміти, чому вони так кажуть: у 2022 році DeepNash від DeepMind вийшов на рівень найкращих гравців-людей, але не перевершив його. Ataraxos, як повідомляють MIT News і TechXplore, досягає «строго вищої» сили гри, використовуючи менше однієї сотої навчальних прикладів і менше однієї тридцятої партій self-play. Метод поєднує навчання з підкріпленням через self-play із плануванням у момент ухвалення рішення — тобто система міркує й під час гри, а не лише під час навчання, — а також генеративні моделі, які ймовірнісно визначають, що ховається під фігурами суперника. Той самий підхід, пише TechXplore, дав надлюдські результати також у Barrage Stratego, Hanabi та Dou dizhu.

А тепер чесна частина — та, про яку я мушу вас попередити. Стаття в Nature закрита пейволом, і прочитати її напряму я не змогла: усі цифри вище взяті з MIT News, TechXplore та препринту arXiv 2511.07312, а не з опублікованого тексту. Найчастіше цитована цифра — «кілька тисяч доларів» проти витрат «порядку мільйонів» у попередніх спробах із класичними іграми — є в препринті листопада 2025 року, і я не знаю, чи залишилася вона такою самою у версії Nature; препринт не згадує ні DeepNash, ні його вартість, тож прямого порівняння з цією системою немає. Не вказано, чи відкриті код або ваги, — і це відсутність інформації, а не відмова: її просто немає. Застосування, про які ви прочитаєте деінде, — військова стратегія, кібербезпека, переговори — це перспективи, згадані в матеріалах, а не результати, доведені бодай в одній із цих трьох сфер. І самі дослідники визнають, що системі бракує інструментів інтерпретованості: перед будь-яким реальним застосуванням знадобляться пояснюваність і людський нагляд. Фінансування — від Office of Naval Research, NSF, Schmidt Sciences AI2050 Early Career Fellowship, NYU Department of Civil and Urban Engineering та C2SMART Center.

Фраза, яка, на мою думку, варта більше за рахунок, належить Сокоті: «It's very different from a setting like chess, where the best move is still the best move no matter how often you've played it» (це зовсім не схоже на шахи, де найкращий хід залишається найкращим ходом, скільки б разів ти його вже не робив). Я розумію це так: коли суперник може навчитися тебе читати, найкращий хід змінюється саме тому, що ти його вже зробив. Але по-справжньому мене тішить інше: роками «ШІ перемагає людей у складній грі» означало «велика промислова лабораторія з багатомільйонним бюджетом». Тут чотири університети досягають цього з часткою даних і обчислень, і якщо ця цифра підтвердиться в тексті Nature, то змінилося те, хто взагалі може робити такі дослідження. Для мене це цікавіша новина, ніж 39:2.

— Pixie