編按：本文綜合整理自 Ars Technica 原報導、MIT News、Nature 期刊論文（DOI: 10.1038/s41586-026-11036-y）、The Decoder、Mindplex Magazine，並加入 Siami 編輯部觀點與分析。
棋盤遊戲一直是 AI 研究的重要試金石。1997 年 Deep Blue 擊敗西洋棋世界冠軍 Garry Kasparov，2016 年 AlphaGo 擊敗圍棋世界冠軍 Lee Sedol，撲克機器人也早就打贏職業玩家。然而，一款看似簡單的桌遊 Stratego（陸軍棋）卻始終是 AI 無法跨越的高牆。現在，這面高牆被一個名為 Ataraxos 的 AI 系統推倒了，而且整個訓練只需要 16 張 GPU、幾千美元。
Stratego 為何困住 AI 數十年
Stratego 是一款典型的不完美資訊遊戲（imperfect-information game）。每位玩家擁有 40 個棋子，從元帥到間諜，還有炸彈與軍旗。雙方都知道對方棋子的位置，卻不知道它們的身分。只有當兩個棋子碰撞時，較弱的一方被移除，勝者的身分才會揭曉。最終目標是奪取對方的軍旗。
這與撲克類似，但資訊規模差距極為懸殊。MIT 電腦科學家、同時也是論文共同作者的 Gabriele Farina 指出，德州撲克只有 2 張隱藏牌，可能的手牌組合只有 1,326 種，電腦可以全部列舉權衡。但 Stratego 的 40 個棋子可以任意排列，可能的開局組合超過 10 的 33 次方。再加上遊戲長度動輒 2,000 步，是西洋棋的 50 倍，連 DeepMind 在 2022 年推出的 DeepNash 也只能在業餘玩家等級徘徊。
「Stratego 的特別之處在於：隱藏的資訊量極為龐大，而且會在很長的時間軸上逐步展開。」——Eugene Vinitsky，NYU 研究員、論文共同作者
Ataraxos 的兩大關鍵突破
Ataraxos 由 Carnegie Mellon、MIT、NYU、Stanford 四校合作開發，名字取自古希臘文「ataraxia」，意指「平靜、不受擾動的狀態」。這個名字精準捕捉了 AI 的核心風格：冷靜、不情緒化。
信念模型：模擬對手可能的盤面
DeepNash 與 Ataraxos 都採用自我對弈（self-play）的強化學習方法，總共對戰了 1.63 億場。比賽後，AI 會強化獲勝的走法、弱化失敗的走法。但若隱藏資訊過多，自我對弈容易陷入迴圈。
Ataraxos 的核心突破在於引入一個 信念模型（belief model）——第二個神經網路，用來根據對手棋子的移動軌跡，推測它們的真實身分。當 AI 準備落子時，信念模型會抽樣「合理的隱藏盤面」，然後在每個抽樣中模擬候選走法，最終選出最佳行動。
這個機制解決了 DeepMind 留下的開放問題：在 Stratego 這種龐大搜尋空間中，能否在落子前進行前瞻搜尋？答案是肯定的，前提是要有好的信念模型。
訓練效率：DeepNash 的 1/34 對戰場數
DeepNash 訓練 2 至 3 個月，使用 1,024 顆 Google 特殊晶片，估計成本 300 萬至 450 萬美元。Ataraxos 只用了 16 張 GPU 訓練一週，加上 4 張 GPU 訓練信念模型 4 天。總訓練場數只有 DeepNash 的 1/34，卻強大得多。
Farina 與第一作者 Samuel Sokota 的關鍵優化是寫了一個高效模擬器，能在 GPU 上每秒執行數百萬步動作。「在學術界，我們沒有 Google 那種規模的 GPU 叢集，」Farina 說。
對戰結果：15 勝 1 敗 4 和
在為期 3 週、20 場的正式對戰中，Ataraxos 對上 4 屆世界冠軍 Pim Niemeijer。Niemeijer 曾連續 600 週以上佔據世界排名第一，總獎金超過 6 位數美元，是公認的史上最強 Stratego 玩家。
最終戰績：15 勝 1 敗 4 和。Ataraxos 在世界錦標賽現場更拿下 38 勝 2 敗的恐怖成績。
唯一的 1 場敗仗，研究團隊認為是運氣成分。Stratego 的棋子擺設必須隨機化，再完美的策略也無法 100% 勝出。Niemeijer 那場剛好猜對了 AI 的軍旗位置，但研究人員也承認「有時候我們也走運」。
「我會看著這個 AI 從 2% 的勝率冷靜地逆轉，感覺超不真實。」——Vinitsky 描述 Ataraxos 的逆風球風格
為什麼這件事重要
Stratego 不只是另一個被 AI 征服的桌遊。它的難度特性——大量隱藏資訊、漫長的對戰時程、需要虛張聲勢的博弈——更接近現實世界中的真實決策場景。從商業談判、軍事衝突模擬、到金融市場操作，參與者都無法看見對手的全部資訊，而且一個決定可能在數百步之後才會看到後果。
Ataraxos 團隊強調，棋盤遊戲有固定規則、勝負明確，但現實問題通常不是這樣。然而，處理任何現實問題的第一步，都是為它建立簡化模型。研究人員已經將同一套架構應用於：
- Barrage Stratego：8 個棋子的快節奏變體，擊敗 3 位世界冠軍
- Hanabi：需要合作推理的紙牌遊戲，達到大師級
- 鬥地主：中國常見的鬥智紙牌遊戲，擊敗頂尖機器人
「戰棋推演是軍事領域常見的做法，」Vinitsky 指出，「你可以用這裡衍生的技術，把場景往前推演，看看對手會如何回應你的行動。」
數據解讀與質疑
這次突破有幾個值得深入檢視的面向：
-
成本差距懸殊：DeepNash 花 300 至 450 萬美元，Ataraxos 只花幾千美元。這個 1000 倍的成本差距，意味著 AI 研究不再被科技巨頭壟斷。學術機構用合理預算就能做出超人等級的 AI。
-
架構可遷移性：Ataraxos 不是專為 Stratego 設計，而是通用架構。同一套信念模型 + 自我對弈 + 搜尋的組合，在多款遊戲都達到大師級。這暗示在現實應用中，只要能定義「合理的隱藏狀態」，就有機會套用這套方法。
-
缺乏可解釋性：研究人員坦承，目前 Ataraxos 無法解釋「為什麼走這步」。這在學術發表沒問題，但在軍事、金融、醫療等高風險領域是阻礙應用的硬傷。Farina 表示團隊正在研究「更強但也更可解釋的策略」。
-
人類牌風被迫改變：Ataraxos 的旗子常藏在角落只配 2 顆炸彈，這是極少人使用的擺法。現在人類玩家被迫模仿這個 AI 策略，整個遊戲的「meta」已經被改變。
編按：本文綜合整理自 Ars Technica、MIT News、Nature 期刊論文、The Decoder、Mindplex Magazine，並加入 Siami 編輯部觀點與分析。