Vì sao trò chơi cờ Stratego thách thức các hệ thống trí tuệ nhân tạo?

Trong nhiều thập kỷ, các trò chơi cờ như cờ vua hay cờ vây được coi là thước đo cho sức mạnh của trí tuệ nhân tạo. Tuy nhiên, ở những trò chơi đó, cả hai bên đều nhìn thấy toàn bộ bàn cờ và vị trí quân cờ của nhau. Trái lại, trò chơi Stratego đặt ra một thử thách hoàn toàn khác: hầu hết thông tin về đối phương đều bị ẩn đi. Với hơn 10 mũ 66 cấu hình bàn cờ có thể xảy ra cùng nghệ thuật nghi binh, Stratego từng khiến các mô hình AI thông thường vốn rất mạnh về cờ vua phải chịu thua. Bước ngoặt chỉ xuất hiện khi các nhà nghiên cứu phát triển một hệ thống thuật toán mới có khả năng tính toán chiến lược tối ưu trong môi trường thông tin không hoàn hảo với chi phí cực kỳ tiết kiệm. [1]

Thách thức từ những quân cờ ẩn mặt

Stratego là trò chơi mô phỏng chiến thuật dành cho hai người. Mỗi bên sắp xếp 40 quân cờ trên bàn cờ của mình và di chuyển chúng nhằm đánh chiếm lá cờ của đối phương. Điểm đặc trưng là danh tính của các quân cờ đều được giữ bí mật và chỉ lộ diện khi hai quân cờ va chạm vào nhau, lúc đó quân có cấp bậc thấp hơn sẽ bị loại khỏi cuộc chơi. [1]

Sự nghi binh và thông tin ẩn làm cho việc suy luận trở nên vô cùng phức tạp. Một nước đi tung đòn hờm nhằm đánh lừa có thể làm đối phương đề phòng hơn, từ đó làm giảm giá trị của các cú nghi binh tiếp theo. Khác với cờ vua — nơi một nước đi tốt nhất luôn duy trì giá trị bất kể được sử dụng bao nhiêu lần — Stratego đòi hỏi người chơi phải liên tục cân nhắc giữa yếu tố tâm lý và khả năng phán đoán. [1]

Sự bùng nổ của các khả năng và giới hạn của AI truyền thống

Số lượng cấu hình bàn cờ tiềm năng trong Stratego vượt quá 10 mũ 66, lớn hơn rất nhiều so với cờ vua. Trong môi trường này, mỗi quyết định đưa ra hay không đưa ra của các bên đều đan xen chặt chẽ, tạo nên vô số tình huống có thể xảy ra. Sự bùng nổ không gian trạng thái này khiến việc duyệt qua mọi khả năng trở nên bất khả thi. [1]

Các phương pháp AI trước đây từng thành công trong trò chơi poker cũng không thể mở rộng quy mô để đáp ứng Stratego. Thậm chí, những hệ thống tiêu tốn hàng triệu USD kinh phí huấn luyện như DeepNash của DeepMind dù sử dụng nguồn lực tính toán khổng lồ vẫn chưa thể vượt qua những người chơi người thật xuất sắc nhất. [1]

Hệ thống Ataraxos và chiến lược hai bước

Để giải quyết rào cản này, nhóm nghiên cứu hợp tác giữa Viện Công nghệ Massachusetts (MIT), Đại học Carnegie Mellon, Đại học New York và Đại học Stanford đã thiết kế hệ thống AI mang tên Ataraxos. Mô hình sử dụng phương pháp học tăng cường tự chơi để xây dựng một "chiến lược bản thiết kế" làm cơ sở ban đầu cho việc xếp cờ và hoạch định nước đi. [1]

Điểm mấu chốt giúp Ataraxos vượt trội là kỹ thuật hoạch định tại thời điểm ra quyết định. Trước khi thực hiện nước đi, hệ thống kết hợp một mô hình sinh xác suất để ước tính danh tính khả thi nhất của các quân cờ ẩn phía đối phương. Nhờ tập trung vào trạng thái thực tế nhất của bàn cờ hiện tại thay vì đoán mò hay duyệt qua mọi kịch bản, Ataraxos đã tiết kiệm năng lượng tính toán đáng kể. [1]

Hiệu quả vượt trội so với các mô hình trước

So với hệ thống DeepNash, Ataraxos đạt được sức mạnh chơi cao hơn hẳn trong khi chỉ sử dụng chưa tới 1/100 số lượng dữ liệu huấn luyện và ít hơn 1/30 số trận tự chơi. Điều này chứng minh sự cải thiện lớn về mặt hiệu suất và chi phí vận hành thuật toán. [1]

Trong các cuộc đối đầu thử nghiệm, Ataraxos đã giành chiến thắng trước cựu vô địch thế giới người thật với tỷ số 15-1-4 và đạt thành tích 39-2 trước các kỳ thủ hàng đầu tại giải vô địch Stratego thế giới. Khả năng quản lý rủi ro điềm tĩnh, không quá lo lắng khi quân cờ quan trọng bị lộ diện giúp AI duy trì sự ổn định chiến thuật mà con người khó đạt được. [1]

Ứng dụng thuật toán thông tin ẩn trong thực tế

Không chỉ dừng lại ở Stratego, mô hình Ataraxos còn thể hiện năng lực vượt trội ở các trò chơi khác có quy tắc khác biệt như biến thể Barrage Stratego, trò chơi bài hợp tác Hanabi và trò chơi bài Đấu địa chủ. Sự linh hoạt này cho thấy thuật toán có khả năng áp dụng rộng rãi cho nhiều dạng bài toán thông tin không hoàn hảo. [1]

Trong đời sống thực tế, các quyết định thường xuyên phải đưa ra mà không có đủ thông tin, ví dụ như nhà đầu tư trên thị trường tài chính không rõ lý do giao dịch của người khác hay lực lượng quân sự không có bản đồ vị trí đối phương. Những thuật toán như Ataraxos hứa hẹn hỗ trợ con người giải quyết các bài toán phức tạp này trong thương lượng kinh doanh hoặc an ninh mạng. Trong tương lai, các nhà nghiên cứu hướng tới việc bổ sung cơ chế giải thích nước đi để con người có thể thẩm định trước khi đưa ra quyết định cuối cùng. [1]