AI krossar världsmästaren i Stratego – det sista stora spelet med dolda pjäser som motstod maskinerna

Det sista fästet faller

Schack föll 1997. Go föll 2016. Poker har länge varit ett löst problem. Men Stratego – det till synes enkla brädspelet med soldater, minor och dolda pjäser – har envist hållit emot. Tills nu.

Ett forskarlag från Carnegie Mellon, MIT, New York University och Stanford har byggt systemet Ataraxos, som enligt Ars Technica besegrade Pim Niemeijer – allmänt betraktad som världens bäste Strategospelare – med det krossande resultatet 15–1, med fyra oavgjorda partier. Det som gör segern extra anmärkningsvärd är budgeten: träningen krävde bara 16 grafikkort och kostade några tusen dollar. En löjligt liten summa jämfört med vad exempelvis DeepMind lade ned på sina tidigare, misslyckade försök.

Men varför har Stratego varit så svårt? Det handlar om ofullständig information – precis som poker. Motståndarens 40 pjäser är dolda tills de möts i strid, vilket skapar ett astronomiskt söknmöjlighetsrum på mer än en deciljon möjliga uppställningar. Partierna kan pågå i upp till 2 000 drag. Och sedan finns det bluffningen: en svag pjäs kan röras som om den vore den starkaste för att skrämma bort motståndaren. Bluffar man aldrig, blir man förutsägbar. Bluffar man för ofta, förlorar hoten sin verkan. Det är en balansgång som tidigare system aldrig riktigt behärskat.

Ataraxos löste detta genom att aktivt modellera motståndarens dolda pjäser – och anpassa sin bluffstrategi därefter. Det är ett genuint genombrott, inte bara för spel, utan för hur AI hanterar ofullständig och dold information.

Förutsägelser utan träning – är det möjligt?

Parallellt med Stratego-triumfen lanserar NVIDIA något som vid första anblick låter nästan orimligt: en AI-modell för tabelldata som gör förutsägelser utan att behöva tränas på din data.

Modellen heter Kumo Tabular och finns i tre storlekar, från 28 till 215 miljoner parametrar. Den är förtränad uteslutande på konstgjorda tabeller och hanterar klassificering och regression i ett enda beräkningssteg – utan finjustering, utan att kräva anpassning av indata. Saknade värden? Hanteras automatiskt.

Enligt MarkTechPost placerar sig Kumo Tabular i topp på flera oberoende riktmärken och uppges vara 17 gånger snabbare än konkurrenten LimiX-2 på en enskild grafikprocessor. Modellen distribueras under licensen OpenMDW-1.1, vilket tillåter kommersiell användning – ett medvetet val som särskiljer den från konkurrenter med icke-kommersiella villkor.

För oss som jobbar med datadriven systemutveckling är det här en stor sak. Tabelldata är fortfarande den absolut vanligaste datatypen i affärssystem, och den har traditionellt krävt betydande manuell hantering och domänspecifik träning för varje nytt användningsfall. Om Kumo Tabular håller vad det lovar i verkliga produktionsmiljöer kan det sänka tröskeln för prediktiv analys dramatiskt.

Bättre svar – och bevisen som stöder dem

Den tredje pusselbiten kommer från Perplexity, som tillsammans med turbopuffer lanserat inbäddningsmodellen pplx-embed-v2-context-9b-preview. Den är byggd för RAG-system – det vill säga system som kombinerar informationshämtning med generativ text – men med en viktig skillnad mot traditionella lösningar.

I stället för att bara returnera det mest troliga textstycket hämtar modellen även det omgivande sammanhang som behövs för att verifiera svaret. Träningsmetoden är också nyskapande: i stället för grova binära etiketter används en lärarmodell som poängsätter varje enskild språkenhet, vilket ger mjukare och mer nyanserade träningsmål.

Resultaten är enligt MarkTechPost övertygande – 45,5 procents svarsprecision vid tio hämtade resultat på det interna riktmärket context-bench, hela 14,4 procentenheter bättre än närmaste konkurrent. Modellvikterna finns öppet tillgängliga på Hugging Face under MIT-licens.

Tre nyheter – ett mönster

Läser man dessa tre nyheter var för sig ser de ut som separata framsteg inom spelforskning, maskininlärning och informationshämtning. Men zoomar man ut framträder ett tydligare mönster: AI-system blir allt bättre på att generalisera – att hantera situationer de inte explicit tränats för, att navigera dold information, att fungera utan skräddarsydda datauppsättningar.

Ataraxos hanterar osynliga pjäser. Kumo Tabular förutsäger utan domänspecifik träning. Perplexitys modell hämtar inte bara svar utan även deras kontext. Det handlar inte längre bara om att prestera bättre på väldefinierade uppgifter – det handlar om att hantera verklighetens oordning.