Yapay zekâ, belirsizlik ve stratejinin iç içe geçtiği masa oyunlarında yeni bir eşiğe ulaştı. MIT ve New York Üniversitesi araştırmacılarının geliştirdiği Ataraxos, gizli bilgilerin belirleyici olduğu Stratego'da insan oyuncuların en üst seviyesini geçti.
Stratego, her oyuncunun 40 taşının kimliğini rakibinden sakladığı, uzun vadeli planlama kadar sezgi, blöf ve olasılık değerlendirmesi gerektiren bir oyun. Oyuncular taşların konumunu görse de hangi taşın ne olduğunu ancak karşılaşma anında öğrenebiliyor. Bu yapı, yapay zekâ için klasik satranç benzeri oyunlardan çok daha karmaşık bir karar alanı yaratıyor.
Gizli bilgiyi olasılıklarla yorumladı
Nature'da yayımlanan çalışmaya göre Ataraxos, dört kez dünya şampiyonu olan Pim Niemeijer ile oynadığı karşılaşmalarda 15 galibiyet, bir mağlubiyet ve dört beraberlik elde etti. Sistem ayrıca 2025 Stratego Dünya Şampiyonası kapsamındaki gösteri oyunlarında da dikkat çekici bir performans sergiledi.
Ataraxos, milyonlarca kendi kendine oynama turuyla genel bir oyun stratejisi oluşturdu. Onu farklılaştıran temel unsur ise her hamle öncesinde rakibin görünmeyen taşları için olası senaryolar üretmesi oldu. Ayrı bir sinir ağı, bu taşların muhtemel kimliklerini tahmin ediyor; sistem de en gerçekçi ihtimaller üzerinde alternatif hamleleri değerlendiriyor.
Bu yaklaşım, yapay zekânın tüm ihtimalleri hesaplamaya çalışmak yerine makul senaryolara odaklanmasını sağlıyor. Böylece Ataraxos, büyük belirsizlik altında daha verimli biçimde plan yapabiliyor ve rakibin blöflerini değerlendirebiliyor.
Daha verimli yapay zekâ tasarımı
Araştırmacılar, eğitim sürecinin önceki ileri seviye Stratego sistemlerine kıyasla çok daha düşük hesaplama kaynağıyla yürütüldüğünü belirtiyor. Aynı yöntem; Barrage Stratego, Hanabi ve dou dizhu gibi farklı kurallara ve bilgi yapısına sahip oyunlarda da güçlü sonuçlar verdi.
Ataraxos'un başarısı, yapay zekânın yalnızca hesaplama gücüyle değil, belirsizliği yönetme becerisiyle de ilerlediğini gösteriyor. Hızlı ve güvenilir simülasyonların kurulabildiği alanlarda bu yaklaşım, gelecekte daha şeffaf ve insan denetimli karar destek sistemlerinin gelişimine katkı sunabilir.
