Ataraxos: przełom w grach o niepełnej informacji, osiągnięty taniej niż kiedykolwiek
Druga sprawa badawcza nie pojawiała się dotąd w naszej serii i zasługuje na osobną uwagę. Praca opublikowana trzydziestego września w „Nature" opisuje system Ataraxos, zbudowany przez badaczy z MIT, Carnegie Mellon, Uniwersytetu Nowojorskiego i Stanforda, który rozwiązał problem, z którym nie poradziło sobie wcześniej nawet DeepMind: grę w Stratego, czyli planszową grę wojenną o niepełnej informacji, gdzie tożsamość bierek przeciwnika pozostaje ukryta. Ataraxos pokonał uznawanego za najlepszego gracza w historii Pima Niemeijera stosunkiem piętnastu zwycięstw do jednej porażki przy czterech remisach, a na mistrzostwach świata zanotował trzydzieści dziewięć zwycięstw i dwie porażki. Kluczowe nie jest jednak samo zwycięstwo, lecz jego koszt. System wytrenowano na szesnastu układach H100 przez tydzień, a model wierzeń o ukrytych bierkach na czterech układach przez cztery dni, co autorzy wyceniają na mniej niż osiem tysięcy dolarów wynajmu sprzętu w cenach z 2025 roku, podczas gdy koszt wcześniejszego DeepNasha szacują na od trzech do czterech i pół miliona dolarów. Innymi słowy, użyto mniej niż jednej setnej przykładów treningowych i mniej niż jednej trzydziestej partii treningowych. Informacje podały MIT News trzydziestego września oraz Ars Technica drugiego października.
Istota metody jest inżynierska i przenośna. Zamiast mnożyć rozmiar modelu, zespół rozdzielił dwa zadania: szeroką strategię wstępną wyuczył przez samodzielną grę, a następnie w każdej konkretnej partii dołożył planowanie w czasie decyzji oparte na osobnym modelu generatywnym, który szacuje prawdopodobieństwa ukrytych układów przeciwnika i skupia obliczenia na najbardziej prawdopodobnych scenariuszach. Ten sam mechanizm zadziałał w innych grach o ukrytej informacji, w tym w szybszym wariancie Stratego, w kooperacyjnej grze Hanabi oraz w chińskiej grze w karty. Trzeba jednak zaznaczyć ograniczenia, które sami autorzy podnoszą. Gry mają stałe reguły i tanie, wiarygodne symulacje, więc wynik nie dowodzi, że małe zespoły mogą tak samo tanio wytrenować dowolny system decyzyjny. Osiem tysięcy dolarów obejmuje wyłącznie moc obliczeniową, a nie pensje, prace badawcze ani infrastrukturę instytucjonalną. System nie potrafi na razie wyjaśnić swoich decyzji, a autorzy wprost mówią, że bez warstwy audytu nie widzą drogi do praktycznego wdrożenia. Mimo tych zastrzeżeń sens jest czytelny: przewagę można zbudować nie skalą, lecz lepszym podziałem pracy między przygotowanie ogólne a rozumowanie celowane, a to teza, która dla zakupów sprzętu i usług ma bezpośrednie znaczenie.