En Stratego, ver el tablero no basta para saber qué está ocurriendo. Las piezas rivales ocultan su identidad y cada movimiento puede revelar una intención o esconder un engaño. Ataraxos, un sistema presentado por investigadores del MIT y otras universidades el 30 de septiembre, utiliza ese juego para estudiar decisiones con información incompleta. El equipo comunica resultados frente a jugadores expertos y una mejora de eficiencia respecto a sistemas anteriores.

La noticia no significa que una máquina capaz de ganar partidas pueda resolver automáticamente una negociación o una operación de rescate. Sí permite examinar una cuestión común a muchos problemas: cómo actuar cuando no conocemos el estado completo de lo que tenemos delante y nuestras decisiones modifican lo que el otro participante aprende.

El rival no es una posición fija

En un juego de información perfecta, ambos participantes conocen las piezas y su situación. En Stratego, una parte del estado permanece oculta. Mover una pieza puede ayudar a descubrir al contrario, pero también proporcionar pistas sobre la propia disposición. Esperar, atacar o retirarse tiene consecuencias sobre la información disponible en turnos posteriores.

El artículo científico de Ataraxos, publicado en Nature con el título Scalable decision-making for games of imperfect information, combina aprendizaje por autojuego y planificación durante la partida. El sistema prepara una estrategia de base y después adapta sus decisiones a la situación concreta. La propuesta utiliza un modelo de posibilidades para razonar sobre identidades que aún no se han revelado.

No se trata de adivinar una única configuración y darla por cierta. El problema exige considerar varias situaciones compatibles con lo observado. Una jugada razonable debe valorar tanto la recompensa potencial como el riesgo de que la interpretación sea equivocada. Esa diferencia ayuda a entender por qué un plan puede cambiar después de un movimiento aparentemente pequeño.

Aprender antes y calcular durante

Preparar una estrategia mediante autojuego permite reunir experiencia sin necesitar una persona para cada partida. Durante ese entrenamiento, el sistema encuentra patrones de acción y respuesta. La planificación posterior utiliza esa base para decidir en el momento, teniendo en cuenta el tablero y el comportamiento del adversario que está encontrando.

La comunicación del MIT informa de victorias frente a jugadores de alto nivel y de reducciones en ejemplos de entrenamiento respecto a DeepNash. Son comparaciones del trabajo presentado, con métricas y escenarios concretos. Para interpretarlas conviene distinguir partidas de entrenamiento, posiciones utilizadas y resultados de competición. Cada medida responde a una pregunta diferente sobre coste o capacidad.

DeepMind ya había investigado Stratego con DeepNash, descrito en 2022. Ese antecedente demuestra que el problema lleva años sirviendo para evaluar métodos de decisión. El interés de Ataraxos está en su combinación de rendimiento, planificación y eficiencia, sin necesidad de borrar los logros previos ni presentar el juego como un territorio que nadie hubiera explorado.

Ganar más no responde todas las preguntas

Una puntuación elevada puede resumir muchas partidas, pero no explica por qué se tomó una decisión particular. Para utilizar una recomendación en un contexto importante, una persona puede necesitar comprender qué información la sostiene y qué situaciones alternativas se han considerado. Un resultado agregado favorable no resuelve esa necesidad de interpretación.

Tampoco todas las partidas tienen la misma dificultad. Influyen el nivel del rival, las reglas, el tiempo disponible y la forma de medir el éxito. Una comparación útil debe mantener visibles esas condiciones. Si cambian varios factores a la vez, resulta más difícil atribuir una mejora a una innovación concreta del sistema.

Hay además una diferencia entre aprender las reglas de un juego y enfrentarse a la realidad. En un tablero, las acciones posibles y las condiciones de victoria están definidas. Fuera de él puede haber objetivos contradictorios, participantes que cambian las reglas o datos que llegan tarde. Un algoritmo que trabaja bien dentro de un marco preciso necesita una evaluación adicional cuando ese marco deja de estar garantizado.

La utilidad de reconocer la incertidumbre

Una aplicación potencial de estos métodos sería apoyar decisiones en las que conviene comparar escenarios en lugar de defender una predicción única. Por ejemplo, un equipo podría querer conocer qué información adicional cambia de verdad una elección. Es una forma de plantear preguntas al sistema, no una capacidad comercial que Ataraxos haya demostrado en cualquier sector.

El juego también enseña que revelar información tiene un coste. Una acción que parece poco rentable a corto plazo puede ayudar a discriminar entre situaciones distintas. Otra que obtiene una ventaja inmediata puede dejar expuesta una pieza importante. La calidad de una decisión depende del recorrido posterior, no solo de lo que consigue en el turno actual.

La investigación mantiene abiertas cuestiones de interpretación y traslado a otros problemas. Ahí será necesario conservar la intervención humana y definir límites claros para las recomendaciones. El resultado de Stratego es valioso precisamente porque puede describirse y compararse con detalle, sin convertirlo en una afirmación ilimitada sobre inteligencia general.

Ataraxos ofrece una nueva manera de estudiar cómo se combinan preparación, información parcial y cálculo durante una interacción. Su prueba está en el tablero. Su posible recorrido fuera de él dependerá de demostrar que las hipótesis siguen siendo válidas y de ofrecer razones que permitan a las personas decidir cuándo merece la pena seguir una recomendación.