2026年2月11日，CBS News刊文报道，一支跨学科研究团队利用人工智能，对一款长期被标注为“神秘”的古代棋盘游戏规则进行了重建。研究者没有简单套用现代棋类范式，而是把出土的棋盘结构、考古记录和历史语境一并编码进计算模型，再用算法逐步排查可能的规则组合。
报道描述，研究团队为AI设定了数千种候选规则集，包含棋子移动方式、吃子与围堵判定、胜负条件以及局中特殊格的功能。每套规则都被用来进行大量对弈模拟，模型根据与考古证据（如棋盘布穴、出土棋子数量、棋子形态）的一致性以及胜负分布拟合度，逐步剔除不合逻辑的方案。
研究结果显示，这款“看似简单却充满刺激的策略游戏”（原文称“deceptively simple but thrilling strategy game”）的核心目标，是在尽量少的步数内猎捕并困住对手的棋子。研究者指出，符合证据的规则强调机动性与围堵技巧：单子通过特定路径推进，同时存在诱导对方进入陷阱或被围死的机制。
CBS的报道还强调了方法上的关键细节：并非把AI当作“黑盒翻译器”，而是把它当作广泛规则空间的筛选器。研究团队手工定义了可能的规则原型，再让算法通过自我对弈、蒙特卡洛树搜索等技术评估每种规则在大规模随机对局中的表现，最终挑出与现存考古证据吻合度最高的解释。
这项工作不仅还原了一种古老娱乐的玩法，更展示了AI与人文学科结合的新路径。报道引用研究者的话称，这种方法可以被推广到其他“残缺”的文化遗产：当物证不能直接告诉我们如何使用某件器物时，计算模拟能把概率最高的使用方式筛选出来。
文中并未把游戏直接等同为现代任何一种棋类，而是把它置于当时社会的文化语境里：棋盘与陪葬物的分布、棋子材质与制作工艺都被用作约束条件，帮助排除那些在实际出土形制上不可能存在的规则变体。
CBS News在报道结尾提醒读者，这类研究仍存在不确定性：模型的结论依赖于输入的规则原型与考古解释，但2026年2月11日这份研究为理解古人如何思考策略与博弈提供了更具体的视角，也为未来用AI解开历史谜题提供了范例。