AI击败军棋史上最强人类选手，攻克棋类游戏最后的人类堡垒之一

来自卡内基梅隆大学、纽约大学、斯坦福大学和麻省理工学院的一个团队构建了一个AI，决定性击败了历史上最成功的军棋选手。据报道，其训练成本不到8,000美元。

卡内基梅隆大学、纽约大学、斯坦福大学和麻省理工学院的 researchers 在《自然》杂志上发表的一篇论文中介绍了军棋AI Ataraxos。据作者所知，这是首个在该棋类游戏中达到超越人类水平的AI。在官方20局系列赛中，Ataraxos以15胜1负4平的战绩击败了荷兰选手 Pim Niemeijer。

Niemeijer 被认为是军棋历史上成就最高的选手。他曾四次获得世界冠军，15次荷兰全国冠军，两次线上世界冠军，并连续600多周位居世界排名第一。自1997年以来，唯一参加每一届世界锦标赛的选手 George Franka 称 Niemeijer 为"史上最优秀的军棋选手"。

军棋对AI来说是极严峻的考验，因为双方会将40枚棋子扣着放置。根据论文，可能的开局阵型超过 $10^{33}$ 种。在这类信息不完全的博弈中，一步棋的价值不仅取决于之后的局势演变，还取决于决策前和决策过程中的情况，第一作者 Samuel Sokota 在 X 上写道。

据 Sokota 介绍，源自扑克AI的方法确实绕过了这一问题，但仅在隐藏信息较少的情况下有效。在德州扑克中，只有1,326种可能的起手牌，而论文指出，这些方法所需的计算量随隐藏信息量的增加而上升。因此，军棋曾是少数几个人类仍胜过AI的主要竞技棋类游戏之一。

大学预算击败了 DeepMind 数百万美元都做不到的事

DeepMind 此前曾在同一款游戏上未能突破顶级人类选手的水平。据论文所述，DeepNash 的作者回忆，该系统用了 1,024 个 TPU 节点训练了两到三个月。Ataraxos 团队估算，按 2025 年的价格，这要花掉 300 万到 450 万美元。

相比之下，Ataraxos 只用了 16 块 Nvidia H100 GPU 训练一周，外加其信念网络在 4 块 GPU 上多训练四天。按 2025 年的价格算，成本不到 8,000 美元。研究人员估算，其算力成本约为前者的 1/500，自对弈局数约为 1/30，训练样本约为 1/100。他们将此归功于自研的 GPU 模拟器，以及高得多的样本效率。Sokota 写道，团队受限于学术界的计算资源，多年来积累了大量实用技巧。

两套系统并没有进行过正面对决。研究人员表示，他们曾主动提出搭建对弈所需的基础设施，但 DeepMind 告知这不可行，因为 DeepNash 的代码已无法运行。在 2023 年的世界锦标赛上，DeepNash 在 28 局中赢了 19 局，但输给了大多数顶级选手，其中包括 Niemeijer。

迫使 AI 打法多样化，避免陷入僵局

Ataraxos 不使用任何人类数据，完全靠自对弈学习。论文指出，关键在于训练中施加的“变化压力”强度。训练中的一个额外约束条件会让 AI 分散自己的布阵和走法，而不是过早锁定固定策略。这就是所谓的正则化（regularization）。作者表示，这在 Stratego 中尤为重要，因为高水平对局需要大量随机性，打法可预测的玩家很容易被针对。

研究人员会随训练推进逐渐放松这种压力，并相应调整学习步长。早期，Ataraxos 打法变化很大，学习步伐也大；后期则打得更谨慎，只做小幅修正。这能避免学习过程陷入循环或变得混乱——这类问题在不完全信息博弈中很常见。研究人员把正则化比作一份能量储备：如果 AI 消耗得太快，虽然早期进步迅速，但会逐渐丧失持续学习的能力，而且往往变得容易被利用。

Atarixos 还采用了一种信念网络来预测对手藏起的棋子。在每次走棋前，AI 会利用该网络生成可能的游戏状态，推演候选着法，并针对当次决策执行额外的学习步骤。作者指出，以往的工作之所以跳过这种搜索，是因为在海量隐藏信息下，大家普遍认为其难度过高。

AI 克服内置劣势实现大胜

为避免疲劳并给 Niemeijer 留出备战时间，研究人员将对抗系列赛安排在整整三周内进行。Niemeijer 知道 Atarixos 不会针对他的风格做出调整。他因参与比赛获得 1,000 美元报酬，每赢一局再得 100 美元，每平一局得 50 美元，因此他有充分的动力去全力以赴。

作者表示，若将平局折算为半胜，Atarixos 的有效胜率高达 85%，这在最高竞技水平上前所未有。三届世界冠军亚军 Max Roelofs 指出，由于该游戏迫使玩家冒险，顶尖选手之间的差距本就毫厘必争。此外，AI 在结构上处于劣势。Niemeijer 可以在多局比赛中针对它进行调整，但 AI 却无法反向针对他。论文提到，三届世界冠军 Vincent de Boer 认为这是一个重大 handicap。

在 2025 年 Stratego 世界锦标赛期间的展示赛中，Atarixos 对阵参赛选手的 40 局里赢了 38 局。选手们形容它的棋风难以捉摸。AI 常做出人类认为风险过高的诈唬，落后时又极其顽强地拖延，让部分对手觉得不礼貌。它还显得幸运得近乎诡异，因为其棋子似乎总恰好位于最关键的位置。Atarixos 与 Niemeijer 的对局录像 已在线上公开。

该方法在 Stratego 之外的表现同样出色

研究人员利用同一方法构建了其他系统。在 Barrage 变体中，他们的 AI 击败了前四名中三位顶级选手，并在三场 50 局的系列赛中获胜，这三位选手均为两届 Barrage 世界冠军。在合作卡牌游戏《花火》（Hanabi）中，该 AI 在所有变体中均刷新纪录；在双人对局版本中，其算力需求比此前的领先者低两个数量级。在中国卡牌游戏《斗地主》中，它击败了 PerfectDou 和 DouZero 这两个先前的基准系统。

作者据此得出一个结论：大量隐藏信息已不再是强化学习和搜索算法的障碍。这意味着，只要能为这些策略决策问题构建快速且精确的模拟器，实用型AI便触手可及。文中举例称，金融市场、军事冲突和谈判等场景均属于此类不完全信息环境。

研究人员承认存在一项局限：由于搜索过程仅模拟了单次学习步骤，仅靠增加计算时间无法持续提升性能。若采用更复杂的搜索方法，或许能打破这一瓶颈。研究团队已将 Ataraxos 的代码 公开。