Google DeepMind Mengambil Penyelidikan AI Permainannya Ke Alam Semesta Persistent Berusia 23 Tahun EVE Online

Google DeepMind telah menerbitkan retrospektif terperinci mengenai penyelidikan AI selama 15 tahun dalam permainan, yang memuncak dalam perkongsian penyelidikannya dengan Fenris Creations, studio bebas di belakang EVE Online — dan menyusun program penyelidikan berperingkat yang kedua-dua organisasi merancang untuk dijalankan di dalam alam semesta EVE.

Catatan 21 Ogos, yang dikarang oleh Alexandre Moufarek dan Adrian Bolton, menghubungkan hasil pembelajaran tetulang terawal makmal dengan kerja semasa mengenai ejen generalis. Ia merupakan perakaunan penuh bagi perkongsian yang pertama kali diumumkan awal tahun ini, dan ia menandakan di mana salah satu makmal AI terkemuka di dunia percaya sempadan seterusnya bagi penyelidikan AI terletak: bukan dalam menguasai satu permainan dengan skor yang jelas, tetapi dalam mengharungi dunia yang hidup yang telah berjalan secara berterusan sejak 2003.

Daripada Atari Pixels kepada AlphaStar

Retrospektif mengesan rantaian keputusan permainan yang membina program penyelidikan DeepMind. The Deep Q-Network (DQN), yang diterangkan dalam kertas Nature 2015, belajar bermain 49 Atari 2600 permainan terus daripada piksel mentah — daripada Pong ke Breakout ke Space Invaders — tanpa sebarang kejuruteraan khusus permainan, membantu memangkinkan era moden pembelajaran pengukuhan mendalam.

Setiap pencapaian berikutnya menghasilkan sistem yang lebih berkebolehan dan lebih umum. AlphaGo menewaskan juara dunia Lee Sedol pada 2016, satu pencapaian yang dianggap ramai pakar masih tinggal sedekad lagi. AlphaGo Zero mengatasi setiap versi sebelumnya dengan belajar sepenuhnya daripada permainan sendiri, dan AlphaZero menyamaratakan pendekatan itu untuk menguasai catur, shogi dan Go dengan satu algoritma. MuZero melangkah lebih jauh, belajar bermain tanpa mengetahui peraturannya. Pada 2019, AlphaStar mencapai tahap Grandmaster dalam StarCraft II, menavigasi kerumitan masa nyata dan maklumat yang tidak sempurna.

DeepMind menyatakan bahawa semangat penerokaan ini melangkaui permainan: AlphaFold menggunakan asas yang sama pada ramalan struktur protein, satu kejayaan yang diiktiraf dengan Hadiah Nobel dalam Kimia 2024.

Peralihan kepada Ejen Generalis

Jawatan itu merangka perubahan asas dalam arah. Kerja terdahulu menunjukkan bahawa AI boleh menguasai mana-mana permainan dengan objektif yang jelas dan latihan yang mencukupi. Tetapi, seperti yang ditulis oleh pengarang, "dunia sebenar tidak datang dengan markah dan buku peraturan." Itu membawa kepada soalan yang berbeza: bolehkah AI memahami dan berinteraksi dengan mana-mana dunia permainan seperti yang dilakukan seseorang?

Kenderaan untuk cita-cita itu ialah SIMA, Agen Multiworld Instructable Scalable. Daripada mengoptimumkan skor tinggi, SIMA melihat perkara yang dilihat pemain pada skrin, memahami arahan bahasa semula jadi dan bertindak melalui kawalan papan kekunci dan tetikus biasa — tiada API atau akses kod sumber diperlukan. SIMA 2, yang diperkenalkan pada November 2025 dengan model Gemini pada terasnya, bertindak sebagai teman interaktif yang mampu membuat penaakulan dan perbualan masa nyata, dan mencapai permainan seperti manusia merentas persekitaran 3D yang kompleks termasuk No Man's Sky, Valheim dan Hydroneer.

Makmal ini berterus terang tentang had ejen: SIMA 2 masih bergelut dengan tugasan yang sangat panjang dan berfungsi dari ingatan pendek yang dikekang oleh tetingkap konteks yang diperlukan untuk interaksi kependaman rendah. Ia kekal sebagai pratonton penyelidikan terhad yang tersedia untuk kohort kecil ahli akademik dan pembangun permainan.

Mengapa EVE Online

Perkongsian Fenris Creations memberikan DeepMind akses kepada sesuatu yang tidak boleh ditiru oleh penanda aras: alam semesta berpecah tunggal yang berterusan di mana beribu-ribu pemain berkongsi satu ekonomi dengan dinamik penawaran-dan-permintaan sebenar, rangkaian perdagangan yang merangkumi ribuan sistem bintang, dan struktur politik yang dibina sepenuhnya oleh interaksi pemain.

DeepMind mengenal pasti empat keupayaan persekitaran yang direka bentuk untuk digunakan: pembelajaran berterusan tanpa melupakan, ingatan yang menjangkau jauh melangkaui tingkap konteks model hari ini, perancangan jangka panjang selama beberapa minggu, bulan atau bahkan bertahun-tahun, dan dinamik pelbagai ejen yang kompleks merangkumi kerjasama, persaingan, rundingan dan ekonomi.

"Bersama-sama dengan Google DeepMind, kami bergerak ke wilayah yang belum dipetakan di mana AI mesti belajar, menyesuaikan diri dan mengingati pada skala masa yang tidak diperlukan oleh persekitaran permainan lain, sambil membantu kami memahami bagaimana manusia dan AI boleh wujud bersama dalam persekitaran maya sebelum kami perlu berdepan dengan soalan yang sama dalam kehidupan sebenar," kata Ketua Pegawai Eksekutif Fenris Creations Hilmar Pétursson dalam catatan tersebut.

Perkongsian itu merangkumi tiga persekitaran yang berbeza. EVE Online menawarkan alam semesta berterusan berskala besar. EVE Vanguard menambah orang pertama, membuat keputusan taktikal pantas, mewujudkan peluang untuk mengkaji ejen yang beroperasi merentasi pelbagai peringkat abstraksi — daripada taktik peringkat kedutan kepada strategi menjangkau galaksi. EVE Frontier, dengan Perhimpunan Pintar yang boleh diprogramkan dan seni bina terbuka, mempersembahkan dunia di mana peraturan boleh berubah.

Yang penting, program penyelidikan mengikut laluan berperingkat. Ia bermula dalam contoh luar talian EVE Online, kotak pasir selamat yang dipisahkan daripada pemain langsung. Ia kemudiannya berkembang melalui EVE Frontier untuk mengkaji bagaimana manusia dan ejen boleh wujud bersama dalam dunia yang berterusan dan terbuka. Hanya apabila keupayaan matang akan DeepMind mempertimbangkan untuk membawa mereka ke permainan langsung — dan kemudian, siaran itu menekankan, dengan tujuan memperkayakan permainan manusia.

AI Sudah Ada di Kokpit

Satu hasil kerjasama sudah pun di hadapan pemain. Aura Guidance, yang menggunakan Gemini untuk menyampaikan pengetahuan janaan pemain yang diperoleh daripada soalan dan jawapan Bantuan Rookie sebenar untuk membantu juruterbang baharu, dilancarkan dalam prototaip pada 17 Februari 2026, dan dijalankan sebagai ujian A/B terkawal yang mengukur sama ada ia meningkatkan pengekalan pemain baharu.

Bagi pembangun permainan, pertaruhan jangka panjang adalah penting. Ejen permainan yang benar-benar umum — yang berfungsi dengan permainan sedia ada tanpa pengubahsuaian pada kod permainan — boleh memberi kuasa kepada rakan AI yang benar-benar memahami dunia permainan, NPC yang menyesuaikan diri dengan cara yang tidak boleh dilakukan oleh sistem skrip, dan ujian QA yang mantap semasa pembangunan apabila permainan berubah dengan setiap komitmen.

Siaran ditutup dengan pembingkaian muktamad makmal: AI sebagai pemangkin, bukan pengganti. "Permainan sentiasa menjadi cermin untuk kecerdasan, " tulis penulis. Apabila permainan menjadi lebih kompleks, lebih gigih dan lebih terbuka, begitu juga sistem AI yang dibina untuk menavigasinya — dan, seperti AlphaGo dan AlphaFold sebelum ini, DeepMind menjangkakan pelajaran yang dipelajari di dunia maya akan dipindahkan kepada masalah yang sebenar.

Kekal Mendahului AI

Daripada pencapaian pembelajaran pengukuhan kepada perkongsian penyelidikan sempadan, kadar penemuan tidak menunjukkan tanda-tanda perlahan. AI Buzz Wire merangkumi setiap pembangunan penyelidikan AI utama dengan laporan yang disahkan sumber — tiada spekulasi, tiada gembar-gembur.

Baca lebih banyak berita penyelidikan AI →