Fyrafaldige världsmästaren i Stratego besegrad – för en åttiotusenlapps träningskostnad

Det sista mänskliga fästet föll – och det kostade en spottstyver

Stratego är inget vanligt brädspel. Med 40 pjäser per spelare, samtliga dolda för motståndaren, och mer än 10³³ möjliga utgångslägen, handlar spelet lika mycket om psykologi och osäkerhet som om ren beräkningskraft. Det är precis den kombinationen som länge gjort spelet till en av de sista arenorna där människan kunnat hävda sig mot maskinen.

Nu är även det fästet intaget.

Enligt The Decoder har ett AI-system vid namn Ataraxos besegrat Jitse Niemeijer – fyrafaldige världsmästare och av många betraktad som den skickligaste Stratego-spelaren i historien. Det imponerande är inte bara segern i sig, utan hur den uppnåddes.

En femhundradel av kostnaden

När DeepMind för några år sedan tränade sitt system DeepNash för att bemästra Stratego, krävdes 1 024 specialprocessorer under två till tre månaders intensiv körning. Totalkostnaden uppskattas i dagens penningvärde till uppemot 45 miljoner kronor.

Ataraxos tränade på 16 grafikkort under en vecka, med några extra dagar för ett kompletterande nätverk. Totalkostnad: runt 80 000 kronor. Det är en minskning med en faktor fem hundra.

Det är den typen av siffror som tvingar en att stanna upp. Vi ser en liknande kurva som vi sett inom halvledarutveckling, lagring och nätverkskapacitet – men nu gäller det alltså träningskostnaden för topprestanda inom AI. Och kurvan pekar brant nedåt.

Självspel utan mänsklig inblandning

Ataraxos tränas helt utan mänskliga speldata. Systemet lär sig enbart genom att spela mot sig självt – så kallat självspel – och bygger sin förståelse för spelet från grunden. Det är en metodik vi känner igen från AlphaGo och dess efterföljare, men här tillämpad med dramatiskt lägre resurskrav.

En central del av systemets styrka verkar vara att det hanterar spelets inbyggda osäkerhet på ett sofistikerat sätt. Att inte veta var motståndarens pjäser befinner sig är inte bara ett hinder – det är en strategisk dimension som Ataraxos lärt sig att utnyttja aktivt.

Det är värt att notera att Ataraxos och DeepNash aldrig mötts i direkt match. Forskarteamet bakom Ataraxos erbjöd sig att bygga infrastruktur för en sådan jämförelse, men fick beskedet att DeepNashs källkod inte längre är funktionell. En smula ironiskt, men också talande: den gamla generationens system är redan föråldrad.

Vad detta egentligen betyder

Jag har följt AI-utvecklingen länge nog för att bli avtrubbad av rubriker om system som "besegrar mästare". Schack föll 1997. Go föll 2016. Poker, Starcraft, Dota – listan är lång. Men det som gör Ataraxos-fallet intressant är inte spelresultatet i sig, utan kostnadskollapsen.

När topprestanda kräver miljardinvesteringar är det i praktiken bara ett fåtal aktörer – stora teknikbolag och välfinansierade forskningsinstitut – som kan delta i kapprustningen. Men när samma kapacitet kan uppnås med en akademisk budget öppnar sig spelet för en helt annan grupp aktörer.

Det vi ser är demokratisering av AI-kapacitet i realtid. Och det sker snabbare än de flesta räknat med.

För oss som bygger system är det här genuint spännande. Tekniker och metoder som för tre år sedan krävde datacenterresurser i världsklass kan i dag implementeras av ett litet team med rimlig hårdvara. Det sänker trösklarna för innovation och öppnar för fler röster och perspektiv i hur systemen utformas.

Utmaningarna finns förstås. Snabbt sjunkande kostnader innebär också att kapaciteten sprids bredare och snabbare – vilket ställer högre krav på ansvarsfull användning och genomtänkt tillämpning. Men den diskussionen förs bäst med öppna ögon för vad tekniken faktiskt kan, inte med överdrifter åt något håll.