Google DeepMind heeft een gedetailleerd overzicht gepubliceerd van de vijftien jaar durende AI-onderzoek in games, met als hoogtepunt het onderzoekspartnerschap met Fenris Creations, de onafhankelijke studio achter EVE Online – en waarin het gefaseerde onderzoeksprogramma wordt uiteengezet dat de twee organisaties van plan zijn uit te voeren binnen het EVE-universum.

Het bericht van 21 augustus, geschreven door Alexandre Moufarek en Adrian Bolton, verbindt de vroegste leerresultaten van het laboratorium met het huidige werk aan generalistische agenten. Het is de meest volledige verantwoording tot nu toe van een partnerschap dat eerder dit jaar voor het eerst werd onthuld, en het geeft aan waar een van 's werelds toonaangevende AI-laboratoria gelooft dat de volgende grens van [AI-onderzoek] (https://aibuzzwire.news) ligt: niet in het beheersen van een enkel spel met een duidelijke score, maar in het overleven van een levende wereld die sinds 2003 onafgebroken draait.

Van Atari-pixels tot AlphaStar

De retrospectieve schetst de keten van gameresultaten die het onderzoeksprogramma van DeepMind hebben opgebouwd. Het Deep Q-Network (DQN), beschreven in een Nature-paper uit 2015, leerde 49 Atari 2600-games rechtstreeks vanuit onbewerkte pixels spelen – van Pong tot Breakout tot Space Invaders – zonder enige gamespecifieke techniek, waardoor het moderne tijdperk van diepgaand leren werd gestimuleerd.

Elke volgende mijlpaal leverde capabelere en algemenere systemen op. AlphaGo versloeg wereldkampioen Lee Sedol in 2016, een prestatie waarvan veel experts dachten dat het nog tien jaar zou duren. AlphaGo Zero overtrof elke voorgaande versie door volledig te leren van zelfspel, en AlphaZero generaliseerde die aanpak om schaken, shogi en Go onder de knie te krijgen met één enkel algoritme. MuZero ging nog verder en leerde spelen zonder zelfs maar de regels te kennen. In 2019 bereikte AlphaStar het Grandmaster-niveau in StarCraft II, waarbij hij door realtime complexiteit en imperfecte informatie navigeerde.

DeepMind merkt op dat deze geest van onderzoek verder reikte dan games: AlphaFold paste dezelfde basis toe bij het voorspellen van de eiwitstructuur, een doorbraak die werd erkend met de Nobelprijs voor de Scheikunde van 2024.

De verschuiving naar generalistische agenten

De post kadert in een fundamentele koerswijziging. Eerder werk toonde aan dat AI elk spel onder de knie zou kunnen krijgen, mits een duidelijk doel en voldoende training. Maar, zoals de auteurs schrijven: "de echte wereld bestaat niet uit scores en regelboeken." Dat leidde tot een andere vraag: kan AI elke gamewereld begrijpen en ermee omgaan zoals een mens dat zou doen?

Het voertuig voor die ambitie is SIMA, de Scalable Instructable Multiworld Agent. In plaats van te optimaliseren voor een hoge score, neemt SIMA waar wat een speler op het scherm ziet, begrijpt instructies in natuurlijke taal en handelt via gewone toetsenbord- en muisbediening – geen API's of toegang tot de broncode vereist. SIMA 2, geïntroduceerd in november 2025 met een Gemini-model als kern, fungeert als een interactieve metgezel die in staat is tot realtime redeneren en praten, en zorgt voor mensachtig spel in complexe 3D-omgevingen, waaronder No Man's Sky, Valheim en Hydroneer.

Het laboratorium is openhartig over de grenzen van de agent: SIMA 2 worstelt nog steeds met taken met een zeer lange horizon en werkt vanuit een kort geheugen dat wordt beperkt door het contextvenster dat nodig is voor interactie met lage latentie. Het blijft een beperkte onderzoekspreview die beschikbaar is voor een kleine groep academici en game-ontwikkelaars.

Waarom EVE Online

Het Fenris Creations-partnerschap geeft DeepMind toegang tot iets dat geen enkele benchmark kan repliceren: een persistent universum met één scherf waarin duizenden spelers één economie delen met een echte vraag-en-aanboddynamiek, handelsnetwerken die duizenden sterrenstelsels omspannen en politieke structuren die volledig door spelersinteractie zijn opgebouwd.

DeepMind identificeert vier mogelijkheden waarvoor de omgeving is ontworpen: voortdurend leren zonder te vergeten, geheugen dat veel verder reikt dan de huidige modelcontextvensters, lange horizonplanning over weken, maanden of zelfs jaren, en complexe multi-agentdynamiek die samenwerking, concurrentie, onderhandeling en economie omvat.

“Samen met Google DeepMind betreden we onbekend terrein waar AI moet leren, zich moet aanpassen en onthouden op tijdschalen die geen enkele andere game-omgeving vereist, terwijl we ons helpen te begrijpen hoe mensen en AI naast elkaar kunnen bestaan ​​in een virtuele omgeving voordat we in het echte leven met dezelfde vragen te maken krijgen”, zei Hilmar Pétursson, CEO van Fenris Creations in de post.

Het partnerschap omvat drie verschillende omgevingen. EVE Online biedt het grootschalige persistente universum. EVE Vanguard voegt first-person, snelle tactische besluitvorming toe, waardoor mogelijkheden worden gecreëerd om agenten te bestuderen die op meerdere abstractieniveaus opereren – van tactieken op twitch-niveau tot strategie die het hele sterrenstelsel omspant. EVE Frontier presenteert met zijn programmeerbare Smart Assemblies en open architectuur een wereld waarin de regels zelf kunnen veranderen.

Cruciaal is dat het onderzoeksprogramma een gefaseerd traject volgt. Het begint in een offline exemplaar van EVE Online, een veilige sandbox gescheiden van live spelers. Vervolgens gaat het door EVE Frontier om te bestuderen hoe mensen en agenten naast elkaar kunnen bestaan ​​in een aanhoudende wereld met een open einde. Pas als de capaciteiten volwassen zijn, zou DeepMind overwegen om ze naar de live games te brengen – en dan, zo benadrukt de post, met als doel het menselijk spel te verrijken.

AI bevindt zich al in de cockpit

Eén resultaat van de samenwerking is al zichtbaar voor spelers. Aura Guidance, dat Gemini gebruikt om door spelers gegenereerde kennis te leveren op basis van echte Rookie Help-vragen en -antwoorden om nieuwe piloten te helpen, werd in prototype gelanceerd op 17 februari 2026 en draait als een gecontroleerde A/B-test om te meten of het de retentie van nieuwe spelers verbetert.

Voor game-ontwikkelaars zijn de belangen op de langere termijn aanzienlijk. Een echt algemene gaming-agent – ​​een die met bestaande games werkt zonder aanpassingen aan de spelcode – zou AI-metgezellen kunnen aandrijven die de gamewereld echt begrijpen, NPC’s die zich aanpassen op manieren die gescripte systemen nooit zouden kunnen, en robuuste QA-tests tijdens de ontwikkeling wanneer het spel bij elke commit verandert.

De post wordt afgesloten met de ultieme formulering van het laboratorium: AI als katalysator, niet als vervanging. "Games zijn altijd een spiegel voor intelligentie geweest", schrijven de auteurs. Naarmate games complexer, persistenter en opener worden, worden de AI-systemen die zijn gebouwd om er doorheen te navigeren dat ook. Net als bij AlphaGo en AlphaFold ervoor verwacht DeepMind dat de lessen die in virtuele werelden zijn geleerd, zullen worden overgedragen op problemen in de echte wereld.

Blijf AI een stap voor

Van het versterken van leermijlpalen tot grensverleggende onderzoekspartnerschappen: het tempo van de ontdekkingen vertoont geen tekenen van vertraging. AI Buzz Wire behandelt elke grote AI-onderzoeksontwikkeling met brongeverifieerde rapportage – geen speculatie, geen hype.

Lees meer AI-onderzoeksnieuws →