Um novo sistema de IA que se destaca em jogos desafiadores com informação oculta pode um dia ajudar tomadores de decisão humanos a selecionar estratégias ideais para superar oponentes em situações complicadas como manobras militares.
Usando avanços em ML, pesquisadores do MIT, Carnegie Mellon University, New York University e Stanford University desenvolveram uma IA que derrotou jogadores humanos de alto nível do jogo de guerra de tabuleiro Stratego por uma grande margem — algo que nenhum sistema de IA havia conseguido alcançar.
Stratego, um jogo para dois jogadores de informação imperfeita, no qual as identidades das peças do oponente permanecem ocultas, é frequentemente usado como um benchmark para testar as habilidades de pensamento estratégico de poderosos modelos de IA.
Para construir seu modelo, os pesquisadores combinaram algoritmos de treinamento eficientes com novas técnicas adaptadas para a tomada de decisões calculadas em cenários de informação oculta.
O sistema de IA alcançou maior desempenho no Stratego do que os próximos melhores modelos, sendo muito mais barato e menos exigente computacionalmente para treinar. O sistema também superou os melhores jogadores humanos em outros jogos estratégicos com regras e designs diferentes, demonstrando como pode ser generalizado para uma variedade de casos de uso.
O sistema de IA pode ser adaptado para ajudar humanos a lidar com muitos problemas do mundo real com informação oculta, como negociações comerciais ou cibersegurança.
“Nos tipos de tarefas de informação imperfeita que você enfrentaria na realidade, muitas vezes você não tem o luxo de enumerar todas as possibilidades. Existem simplesmente muitas. Ter algoritmos de IA que são de propósito geral e podem provar que realizam essa tarefa desafiadora tão bem é um grande passo à frente”, diz Gabriele Farina, professor assistente no Departamento de Engenharia Elétrica e Ciência da Computação (EECS), investigador principal no Laboratório de Sistemas de Informação e Decisão (LIDS), e seni
Fonte: MIT News - AI
Publicado em 2026-09-30