Un IA es ya quien mejor juega a Stratego.

Recordemos que el juego proviene de una idea de Hermance Edan, el juego L'Attaque (1908). Puede guardar parecidos con el tradicional Dou Shou Qi chino en las piezas con rangos en escala, pero con la importante diferencia de que las piezas están ocultas al rival. Después, Jacques Johan Mogendorff (1898-1961) le daría la forma definitiva y la salida comercial como Stratego en 1946.

Pim Niemeijer ha ganado 4 mundiales de Stratego (2008, 2010, 2012 y 2015), más de una decena de campeonatos de Países Bajos, y ha sido la persona en el número 1 del ranking de la International Stratego Federation (ISF) durante años (desde 2008 a años recientes). Se le atribuye un gran control del faroleo, fundamental en Stratego.

Niemeijer ha colaborado para enfrentarse a diversas inteligencias artificiales (IA), pues ya sabemos que el Stratego es un ejemplo muy bueno de juego con información no perfecta - como DeepNash desde 2022.

La IA especializada llamada Ataraxos ya se puso a prueba en el mundial WC Stratego 2025, con un resultado de 38 victorias en 40 partidas contra diferentes personas contrincantes. Mientras DeepNash se entrenó 3 meses con 1.024 chips especializados e Google, Ataraxos ha necesitado 16 GPUs una semana, más 4 días de entrenamiento con 4 CPUs, jugando la IA contra sí misma y aprendiendo.

Un equipo de investigación de Carnegie Mellon (MIT, New York University) y Stanford University ha publicado un articulo en el que detallan como Ataraxos ya ha conseguido vencer sobradamente al ser humano en el Stratego, en Nature: Scalable decision-making for games of imperfect information - Samuel Sokota, Eugene Vinitsky, Hengyuan Hu, Zhiyuan Fan, J. Zico Kolter & Gabriele Farina (Nature volume 658, pages 55–59 (2026))

La toma de decisiones en el mundo real suele implicar información oculta, es decir, información que un agente desconoce pero que otro posee. Lamentablemente, la presencia de grandes cantidades de información oculta hace que los enfoques establecidos de aprendizaje por refuerzo y búsqueda resulten ineficaces. Incluso con esfuerzos de investigación industrial que han supuesto inversiones multimillonarias¹, alcanzar el nivel de los mejores jugadores humanos en Stratego —un juego de guerra de mesa con información oculta a gran escala— ha seguido estando fuera del alcance de la inteligencia artificial (IA). Aquí presentamos Ataraxos, una IA para Stratego basada en técnicas generales que hemos desarrollado tanto para el aprendizaje por refuerzo mediante juego autónomo como para la búsqueda en tiempo de prueba en entornos con información oculta. Ataraxos derrotó por un amplio margen al jugador humano de Stratego más laureado de todos los tiempos —logrando, según nuestro conocimiento, el primer resultado sobrehumano en la historia del juego—, al tiempo que consumió órdenes de magnitud menos recursos computacionales y datos que los esfuerzos anteriores. Utilizando las mismas técnicas, hemos creado una IA sobrehumana para el «Barrage Stratego» e IAs de vanguardia para «Hanabi» [de Antoine Bauza] y «dou dizhu», todas ellas con un bajo coste y una alta eficiencia de muestreo. El éxito de este enfoque en juegos adversarios, cooperativos y por equipos establece un patrón de diseño para el aprendizaje por refuerzo y la búsqueda que resulta eficaz ante grandes cantidades de información oculta, un objetivo largamente anhelado en el campo de la toma de decisiones estratégicas.

A lo largo de tres semanas, Niemeijer jugó 20 partidas en línea contra Ataraxos (con un premio de 100 $ por victoria). Solo consiguió ganar una vez y empatar 4, para un resultado global de 15 a 1 a favor de Ataraxos.

Es el primer resultado verdaderamente sobrehumano de una IA en un juego como Stratego, repleto de faroleo e información oculta. Otro paso más en la evolución de las IAs, donde los juegos de mesa están suponiendo una forma de entrenamiento y aprendizaje muy útil.

Dice el grupo de investigación responsable de Ataraxos que el siguiente paso es conseguir que la IA explique porqué elige un movimiento y no otro, algo que ahora mismo no saben discernir.

¡Nos jugamos!