尽管人工智能早已在国际象棋、围棋乃至《毁灭战士》等游戏中超越人类，但战略棋（Stratego）和外交棋（Diplomacy）这类更复杂的棋盘游戏仍对计算机系统构成挑战。如今，AI在战略棋中表现惊艳，在外交棋中也达到了尚可的人类水平。
这并非仅因游戏需要长期规划与策略——国际象棋和围棋同样如此。关键区别在于，后两者属于不完全信息博弈：国际象棋和围棋的棋盘完全透明；而战略棋隐藏棋子身份直至遭遇，外交棋则核心依赖秘密协议、联盟与世仇。这种机制要求AI具备“虚张声势”（bluff）的能力，通过揣摩对手心理并打破其预期来说服对方，而非单纯依靠最优走法压制。
DeepNash：以不可预测性制胜
DeepMind推出的战略棋AI模型DeepNash（以纳什均衡命名），专注于构建无法被利用或预测的玩法。在一场团队观战的人类对局中，它曾主动牺牲高级棋子制造物质劣势，实则为诱敌深入并布局反制，最终获胜。该模型几乎能击败所有同类系统，并对经验丰富的人类玩家保持84%胜率。鉴于传统算法失效，研究团队开发了“正则化纳什动态”新算法。（注：具体技术细节请参阅原论文，此处附一局带注释对局供参考。）
Cicero：掌握马基雅维利式谈判
Meta与CSAIL联合研发的外交棋AI Cicero，已能达到人类水平。考虑到外交棋中充斥着阴谋、背刺与虚假承诺，甚至在许多友好社群中被禁玩，计算机能驾驭此类“恶作剧”实属不易。其难点不仅在于评估地图与棋子，更在于解读局势背后的阴谋潜力（例如判断威尼斯是受困还是设伏），以及通过对话证明自身真诚与意图——这远超纯算力范畴。
Cicero的工作流程如下：
- 结合棋盘状态与当前对话，初步预测各方行为；
- 通过规划完善预测，并据此形成己方及盟友意图；
- 基于状态、对话及意图生成多条候选消息；
- 筛选消息以剔除无效内容、最大化价值并确保意图一致。
随后，AI陈述理由并期待对手未将其置于死地。在webDiplomacy.net部署测试中，Cicero在19名选手中排名第2，得分普遍高于其他玩家。尽管该项目仍在完善中（偶有遗忘对话或犯下非典型错误），但其展现出的竞争力已令人惊叹。