电脑终于赢了顶尖Stratego选手，关键是在落子前推测暗牌

强化学习 / 不完全信息博弈 / 论文 · 8.5/10 · 值得读方法

Stratego是一种对手棋子身份隐藏的棋类游戏。相比围棋，AI不仅要选下一步，还要估计对手手里究竟有什么。9月30日的Nature论文介绍Ataraxos：它在与顶尖选手的20局比赛中取得15胜、1负、4平。作者称训练只花费数千美元量级，远低于过去同题研究的大规模计算投入。MIT的研究介绍也提供了较易读的背景。

方法并非穷举所有暗牌。系统先通过自博弈学一套基本策略；另一个“信念模型”根据当前可见信息，给隐藏棋子抽样可能的分布；真正落子前再搜索这些可能局面，修正原先的动作选择。也就是说，它把计算用在当前这一步最有可能遇到的未知情况，而不是提前假设对手所有信息都已知。作者还把同一框架用于Barrage Stratego、Hanabi和斗地主，显示它并非只为一种棋的规则写死。

真人对局规模仍小，各系统训练费用也由研究者按自己的口径报告。现实谈判、金融交易和军事决策虽然同样存在隐藏信息，却没有游戏那样明确的规则和结果反馈。论文真正证明的是一种在复杂不完全信息游戏里有效的设计方法，距离现实决策助手仍有很长的验证路要走。