Google DeepMind ha pubblicato una retrospettiva dettagliata del suo arco di 15 anni di ricerca sull'intelligenza artificiale nei giochi, culminato nella sua partnership di ricerca con Fenris Creations, lo studio indipendente dietro EVE Online - e delineando il programma di ricerca graduale che le due organizzazioni intendono condurre all'interno dell'universo di EVE.

Il post del 21 agosto, scritto da Alexandre Moufarek e Adrian Bolton, collega i primi risultati dell'apprendimento per rinforzo del laboratorio al suo attuale lavoro sugli agenti generalisti. Si tratta del resoconto più completo finora di una partnership svelata per la prima volta all'inizio di quest'anno, e indica dove uno dei principali laboratori di intelligenza artificiale del mondo ritiene che si trovi la prossima frontiera della ricerca sull'intelligenza artificiale: non nel padroneggiare un singolo gioco con un punteggio chiaro, ma nel sopravvivere a un mondo vivente che funziona ininterrottamente dal 2003.

Dai pixel Atari ad AlphaStar

La retrospettiva ripercorre la catena dei risultati del gioco che ha costruito il programma di ricerca di DeepMind. Il Deep Q-Network (DQN), descritto in un articolo di Nature del 2015, ha imparato a giocare a 49 giochi Atari 2600 direttamente da pixel grezzi - da Pong a Breakout a Space Invaders - senza alcuna ingegneria specifica del gioco, contribuendo a catalizzare l'era moderna dell'apprendimento profondo per rinforzo.

Ogni pietra miliare successiva ha prodotto sistemi più capaci e più generali. AlphaGo ha sconfitto il campione del mondo Lee Sedol nel 2016, un’impresa che molti esperti pensavano fosse ancora lontana un decennio. AlphaGo Zero ha superato ogni versione precedente imparando interamente dal gioco autonomo e AlphaZero ha generalizzato quell'approccio per padroneggiare gli scacchi, lo shogi e il Go con un unico algoritmo. MuZero è andato ancora oltre, imparando a giocare senza nemmeno conoscere le regole. Nel 2019, AlphaStar ha raggiunto il livello Grandmaster in StarCraft II, affrontando la complessità in tempo reale e le informazioni imperfette.

DeepMind osserva che questo spirito di esplorazione è andato oltre i giochi: AlphaFold ha applicato gli stessi fondamenti alla previsione della struttura delle proteine, una svolta riconosciuta con il Premio Nobel per la Chimica 2024.

Il passaggio agli agenti generalisti

Il post incornicia un cambiamento fondamentale di direzione. Lavori precedenti avevano dimostrato che l’intelligenza artificiale poteva padroneggiare qualsiasi gioco con un obiettivo chiaro e una formazione sufficiente. Ma, come scrivono gli autori, "il mondo reale non arriva con spartiti e libri di regole". Ciò ha portato a una domanda diversa: l’intelligenza artificiale può comprendere e interagire con qualsiasi mondo di gioco come farebbe una persona?

Il veicolo per raggiungere questa ambizione è SIMA, lo Scalable Instructable Multiworld Agent. Invece di ottimizzare per un punteggio elevato, SIMA percepisce ciò che un giocatore vede sullo schermo, comprende le istruzioni in linguaggio naturale e agisce tramite i normali controlli di tastiera e mouse, senza bisogno di API o accesso al codice sorgente. SIMA 2, introdotto nel novembre 2025 con un modello Gemini al centro, funge da compagno interattivo capace di ragionamento e conversazione in tempo reale e raggiunge un gioco simile a quello umano in ambienti 3D complessi tra cui No Man's Sky, Valheim e Hydroneer.

Il laboratorio è sincero riguardo ai limiti dell'agente: SIMA 2 ha ancora difficoltà con compiti con orizzonte molto lungo e funziona con una memoria breve limitata dalla finestra di contesto necessaria per l'interazione a bassa latenza. Rimane un'anteprima di ricerca limitata disponibile per un piccolo gruppo di accademici e sviluppatori di giochi.

Perché EVE Online

La partnership con Fenris Creations offre a DeepMind l'accesso a qualcosa che nessun benchmark può replicare: un universo persistente, a singolo frammento, in cui migliaia di giocatori condividono un'economia con reali dinamiche di domanda e offerta, reti commerciali che abbracciano migliaia di sistemi stellari e strutture politiche costruite interamente dall'interazione dei giocatori.

DeepMind identifica quattro capacità che l'ambiente è progettato per esercitare: apprendimento continuo senza dimenticare, memoria che si estende ben oltre le finestre di contesto del modello odierno, pianificazione a lungo orizzonte per settimane, mesi o addirittura anni e complesse dinamiche multi-agente che abbracciano cooperazione, competizione, negoziazione ed economia.

"Insieme a Google DeepMind, ci stiamo spingendo in un territorio inesplorato in cui l'intelligenza artificiale deve apprendere, adattarsi e ricordare in tempi che nessun altro ambiente di gioco richiede, aiutandoci a capire come gli esseri umani e l'intelligenza artificiale possono coesistere in un ambiente virtuale prima di dover affrontare le stesse domande nella vita reale", ha affermato nel post Hilmar Pétursson, CEO di Fenris Creations.

La partnership abbraccia tre ambienti distinti. EVE Online offre l'universo persistente su larga scala. EVE Vanguard aggiunge un processo decisionale tattico frenetico in prima persona, creando opportunità per studiare gli agenti che operano su più livelli di astrazione, dalle tattiche a livello di contrazione alla strategia che abbraccia tutta la galassia. EVE Frontier, con i suoi Smart Assemblies programmabili e l'architettura aperta, presenta un mondo in cui le regole stesse possono cambiare.

Fondamentalmente, il programma di ricerca segue un percorso graduale. Inizia in un'istanza offline di EVE Online, un sandbox sicuro separato dai giocatori dal vivo. Procede poi attraverso EVE Frontier per studiare come gli esseri umani e gli agenti possono coesistere in un mondo persistente e senza limiti. Solo quando le capacità saranno mature, DeepMind prenderà in considerazione la possibilità di portarle nei giochi dal vivo – e poi, sottolinea il post, con l’obiettivo di arricchire il gioco umano.

L'intelligenza artificiale è già nella cabina di pilotaggio

Un risultato della collaborazione è già davanti ai giocatori. Aura Guidance, che utilizza Gemini per fornire conoscenze generate dai giocatori tratte da domande e risposte reali del Rookie Help per assistere i nuovi piloti, è stato lanciato come prototipo il 17 febbraio 2026 ed è in esecuzione come test A/B controllato per misurare se migliora la fidelizzazione dei nuovi giocatori.

Per gli sviluppatori di giochi, la posta in gioco a lungo termine è significativa. Un agente di gioco veramente generale, che funzioni con i giochi esistenti senza modifiche al codice del gioco, potrebbe fornire compagni di intelligenza artificiale che comprendono veramente il mondo del gioco, NPC che si adattano in modi che i sistemi basati su script non potrebbero mai fare e robusti test di QA durante lo sviluppo quando il gioco cambia ad ogni commit.

Il post si chiude con l'inquadramento definitivo del laboratorio: l'intelligenza artificiale come catalizzatore, non come sostituto. "I giochi sono sempre stati uno specchio dell'intelligenza", scrivono gli autori. Man mano che i giochi diventano più complessi, più persistenti e più aperti, lo stesso fanno i sistemi di intelligenza artificiale costruiti per navigarvi e, come con AlphaGo e AlphaFold prima, DeepMind si aspetta che le lezioni apprese nei mondi virtuali si trasferiscano ai problemi di quello reale.

Stai al passo con l'intelligenza artificiale

Dalle tappe fondamentali dell’apprendimento per rinforzo ai partenariati di ricerca di frontiera, il ritmo della scoperta non mostra segni di rallentamento. AI Buzz Wire copre tutti i principali sviluppi della ricerca sull'intelligenza artificiale con rapporti verificati alla fonte: nessuna speculazione, nessuna pubblicità.

Leggi altre notizie sulla ricerca sull'intelligenza artificiale →