Google DeepMind telah menerbitkan retrospektif terperinci dari penelitian AI dalam game selama 15 tahun, yang berpuncak pada kemitraan penelitiannya dengan Fenris Creations, studio independen di balik EVE Online — dan menyusun program penelitian bertahap yang rencananya akan dijalankan oleh kedua organisasi di dalam dunia EVE.

Postingan tanggal 21 Agustus, ditulis oleh Alexandre Moufarek dan Adrian Bolton, menghubungkan hasil pembelajaran penguatan paling awal di laboratorium dengan pekerjaan saat ini pada agen generalis. Ini adalah penghitungan paling lengkap dari kemitraan yang pertama kali diumumkan pada awal tahun ini, dan ini menandakan bahwa salah satu laboratorium AI terkemuka di dunia yakin bahwa batasan berikutnya dari penelitian AI terletak: bukan pada penguasaan satu game dengan skor yang jelas, namun pada kelangsungan hidup di dunia yang terus berjalan sejak tahun 2003.

Dari Piksel Atari hingga AlphaStar

Retrospektif menelusuri rangkaian hasil permainan yang membangun program penelitian DeepMind. Deep Q-Network (DQN), yang dijelaskan dalam makalah Nature tahun 2015, belajar memainkan 49 game Atari 2600 langsung dari piksel mentah — dari Pong hingga Breakout hingga Space Invaders — tanpa rekayasa khusus game apa pun, sehingga membantu mengkatalisasi era modern pembelajaran penguatan mendalam.

Setiap pencapaian berikutnya menghasilkan sistem yang lebih mampu dan lebih umum. AlphaGo mengalahkan juara dunia Lee Sedol pada tahun 2016, suatu prestasi yang menurut banyak ahli masih tinggal satu dekade lagi. AlphaGo Zero melampaui setiap versi sebelumnya dengan belajar sepenuhnya dari permainan mandiri, dan AlphaZero menggeneralisasi pendekatan tersebut untuk menguasai catur, shogi, dan Go dengan satu algoritma. MuZero melangkah lebih jauh lagi, belajar bermain tanpa mengetahui aturannya. Pada tahun 2019, AlphaStar mencapai level Grandmaster di StarCraft II, menavigasi kompleksitas waktu nyata dan informasi yang tidak sempurna.

DeepMind mencatat bahwa semangat eksplorasi ini melampaui permainan: AlphaFold menerapkan dasar yang sama pada prediksi struktur protein, sebuah terobosan yang diakui dengan Hadiah Nobel Kimia tahun 2024.

Pergeseran ke Agen Generalis

Postingan tersebut membingkai perubahan arah yang mendasar. Penelitian sebelumnya menunjukkan bahwa AI dapat menguasai game apa pun jika memiliki tujuan yang jelas dan pelatihan yang cukup. Namun, seperti yang ditulis oleh penulisnya, "dunia nyata tidak disertai dengan skor dan buku peraturan." Hal ini menimbulkan pertanyaan berbeda: dapatkah AI memahami dan berinteraksi dengan dunia game seperti yang dilakukan manusia?

Sarana untuk ambisi tersebut adalah SIMA, Agen Multidunia yang Dapat Diinstruksikan dengan Skalabel. Daripada mengoptimalkan untuk mendapatkan skor tinggi, SIMA memahami apa yang dilihat pemain di layar, memahami instruksi bahasa alami, dan bertindak melalui kontrol keyboard dan mouse biasa — tidak memerlukan akses API atau kode sumber. SIMA 2, diperkenalkan pada November 2025 dengan model Gemini sebagai intinya, bertindak sebagai pendamping interaktif yang mampu melakukan penalaran dan percakapan secara real-time, dan mencapai permainan mirip manusia di lingkungan 3D yang kompleks termasuk No Man's Sky, Valheim, dan Hydroneer.

Lab ini berterus terang tentang batasan agen: SIMA 2 masih kesulitan dengan tugas-tugas dengan horizon yang sangat panjang dan bekerja dari memori yang pendek yang dibatasi oleh jendela konteks yang diperlukan untuk interaksi latensi rendah. Ini masih merupakan tinjauan penelitian terbatas yang tersedia untuk sekelompok kecil akademisi dan pengembang game.

Mengapa EVE Online

Kemitraan Fenris Creations memberi DeepMind akses ke sesuatu yang tidak dapat ditiru oleh tolok ukur mana pun: dunia pecahan tunggal yang persisten tempat ribuan pemain berbagi satu perekonomian dengan dinamika penawaran dan permintaan yang nyata, jaringan perdagangan yang mencakup ribuan sistem bintang, dan struktur politik yang dibangun sepenuhnya oleh interaksi pemain.

DeepMind mengidentifikasi empat kemampuan yang dirancang untuk dijalankan oleh lingkungan: pembelajaran terus-menerus tanpa melupakan, memori yang melampaui jendela konteks model saat ini, perencanaan jangka panjang selama berminggu-minggu, berbulan-bulan, atau bahkan bertahun-tahun, dan dinamika multi-agen kompleks yang mencakup kerja sama, persaingan, negosiasi, dan ekonomi.

“Bersama dengan Google DeepMind, kami memasuki wilayah yang belum dipetakan di mana AI harus belajar, beradaptasi, dan mengingat dalam rentang waktu yang tidak dituntut oleh lingkungan game lainnya, sekaligus membantu kami memahami bagaimana manusia dan AI dapat hidup berdampingan dalam lingkungan virtual sebelum kami harus menjawab pertanyaan yang sama di kehidupan nyata,” CEO Fenris Creations Hilmar Pétursson mengatakan dalam postingannya.

Kemitraan ini mencakup tiga lingkungan berbeda. EVE Online menawarkan alam semesta persisten berskala besar. EVE Vanguard menambahkan pengambilan keputusan taktis orang pertama yang bergerak cepat, menciptakan peluang untuk mempelajari agen yang beroperasi di berbagai tingkat abstraksi — mulai dari taktik tingkat kedutan hingga strategi yang mencakup galaksi. EVE Frontier, dengan Smart Assemblies yang dapat diprogram dan arsitektur terbuka, menghadirkan dunia di mana peraturan dapat berubah.

Yang terpenting, program penelitian mengikuti jalur bertahap. Ini dimulai dalam contoh offline EVE Online, kotak pasir aman yang dipisahkan dari pemain langsung. Kemudian berlanjut melalui EVE Frontier untuk mempelajari bagaimana manusia dan agen dapat hidup berdampingan di dunia yang terus-menerus dan terbuka. Hanya ketika kemampuannya sudah matang barulah DeepMind mempertimbangkan untuk membawanya ke permainan langsung — dan kemudian, postingan tersebut menekankan, dengan tujuan memperkaya permainan manusia.

AI Sudah Ada di Kokpit

Salah satu hasil kolaborasi sudah ada di hadapan para pemain. Aura Guidance, yang menggunakan Gemini untuk memberikan pengetahuan yang dihasilkan pemain yang diambil dari pertanyaan dan jawaban Bantuan Rookie nyata untuk membantu pilot baru, diluncurkan dalam bentuk prototipe pada 17 Februari 2026, dan dijalankan sebagai pengujian A/B terkontrol yang mengukur apakah hal tersebut meningkatkan retensi pemain baru.

Bagi pengembang game, taruhan jangka panjang sangatlah penting. Agen game yang benar-benar umum — agen yang bekerja dengan game yang sudah ada tanpa modifikasi pada kode game — dapat mendukung AI yang benar-benar memahami dunia game, NPC yang beradaptasi dengan cara yang tidak dapat dilakukan oleh sistem skrip, dan pengujian QA yang kuat selama pengembangan saat game berubah seiring dengan setiap komitmen.

Postingan ini ditutup dengan kerangka utama lab: AI sebagai katalis, bukan pengganti. “Game selalu menjadi cermin kecerdasan,” tulis para penulis. Ketika game menjadi lebih kompleks, lebih persisten, dan lebih terbuka, begitu pula sistem AI yang dibangun untuk menavigasinya — dan, seperti AlphaGo dan AlphaFold sebelumnya, DeepMind mengharapkan pembelajaran di dunia virtual dapat diterapkan pada masalah di dunia nyata.

Tetap Terdepan dalam AI

Dari pencapaian pembelajaran penguatan hingga kemitraan penelitian terdepan, laju penemuan tidak menunjukkan tanda-tanda melambat. AI Buzz Wire meliput setiap pengembangan penelitian AI besar dengan pelaporan yang diverifikasi sumber — tanpa spekulasi, tanpa hype.

Baca lebih lanjut berita penelitian AI →