IA llamada Ataraxos vence al mejor jugador de Stratego con entrenamiento de 8.000 dólares

Un equipo de investigadores del Instituto Tecnológico de Massachusetts, Carnegie Mellon, Stanford y la Universidad de Nueva York desarrolló un sistema de inteligencia artificial capaz de vencer al mejor jugador de Stratego de la historia. El sistema, llamado Ataraxos, derrotó al neerlandés Pim Niemeijer por 15 victorias, una derrota y cuatro empates en una serie de 20 partidas. Los resultados del estudio fueron publicados en la revista Nature.

El costo que cambia todo

Lo que distingue a Ataraxias de intentos anteriores no es únicamente el resultado, sino el precio. El entrenamiento del sistema costó menos de 8.000 dólares, utilizando una semana con 16 procesadores gráficos Nvidia H100, más cuatro días adicionales con otros cuatro para entrenar una red que calcula las jugadas probables del rival.

La comparación directa es con DeepNash, el sistema que Google DeepMind presentó en 2022, que entrenó durante dos a tres meses sobre 1.024 nodos de TPU. Los autores del nuevo estudio estiman que ese entrenamiento costaría entre 3 y 4,5 millones de dólares a precios actuales. DeepNash había logrado ubicarse entre los mejores tres jugadores de la plataforma Gravon, pero nunca logró superar de forma sostenida a los jugadores humanos de élite.

Ataraxos, en cambio, acumuló un historial de 39 victorias y dos derrotas contra jugadores de primer nivel en el campeonato mundial de Stratego, además del resultado contra Niemeijer.

Por qué Stratego era un desafío mayor que el ajedrez

A diferencia del ajedrez o el Go, donde ambos jugadores ven el tablero completo, en Stratego cada bando conoce la posición de las 40 piezas rivales pero no su identidad. Esa información oculta multiplica las combinaciones posibles y había frenado durante años los intentos de lograr un desempeño sobrehumano en este juego de guerra de mesa.

"Con Stratego hay una explosión de universos posibles con los que hay que liar. Las técnicas de inteligencia artificial que se desarrollaron para juegos como el póker no podían escalar en este entorno", explicó Gabriele Farina, profesor asistente del MIT y uno de los autores del trabajo.

El equipo combinó aprendizaje por refuerzo, una técnica en la que el sistema aprende jugando contra sí mismo millones de veces, con una red de creencias que estima en cada turno cuál es la configuración más probable del tablero rival. Los investigadores también presionaron al modelo durante el entrenamiento para que variara sus configuraciones y movimientos en lugar de fijar una estrategia temprana, algo que resulta decisivo en Stratego porque los jugadores predecibles son explotados por el rivales.

La serie contra Niemeijer se extendió durante tres semanas, lo que le dio al jugador neerlandés tiempo para estudiar al rival entre partidas y buscar debilidades.

Qué sigue

Los mismos autores aplicaron la técnica a otros juegos con información oculta. Lograron el primer resultado sobrehumano documentado en Barrage Stratego, una variante más rápida y con menos piezas, derrotando a tres campeones mundiales de esa modalidad. También alcanzaron nuevos récords en el juego cooperativo Hanabi y superaron a los sistemas de referencia existentes en dou dizhu, un juego de cartas chino.

Los investigadores plantean que el método podría extenderse a problemas del mundo real donde la información está repartida de forma desigual entre las partes, como negociaciones comerciales, simulaciones de ciberseguridad o planificación militar, siempre que se pueda construir un simulador rápido y preciso del escenario.

El equipo señaló que su próximo paso es incorporar mecanismos de interpretabilidad al sistema, de forma que Ataraxos pueda explicar sus decisiones en un lenguaje comprensible para las personas que deban supervisar o validar sus recomendaciones.

Con información de infobae.