Firma Google DeepMind opublikowała szczegółową retrospektywę swoich 15-letnich badań nad sztuczną inteligencją w grach, których zwieńczeniem była współpraca badawcza z Fenris Creations, niezależnym studiem stojącym za EVE Online, oraz opracowanie etapowego programu badawczego, który obie organizacje planują przeprowadzić we wszechświecie EVE.

Post z 21 sierpnia, którego autorami są Alexandre Moufarek i Adrian Bolton, łączy najwcześniejsze wyniki laboratorium w zakresie uczenia się przez wzmacnianie z bieżącymi pracami nad agentami ogólnymi. Jest to najpełniejszy jak dotąd raport dotyczący partnerstwa zaprezentowanego po raz pierwszy na początku tego roku i sygnalizuje, gdzie według jednego z wiodących na świecie laboratoriów zajmujących się sztuczną inteligencją leży kolejna granica badań nad sztuczną inteligencją: nie opanowanie jednej gry z wyraźnym wynikiem, ale przetrwanie w żywym świecie, który działa nieprzerwanie od 2003 roku.

Od Atari Pixels do AlphaStar

Retrospektywa śledzi łańcuch wyników gier, na których opierał się program badawczy DeepMind. Sieć Deep Q-Network (DQN), opisana w artykule Nature z 2015 r., nauczyła się grać w 49 gier na Atari 2600 bezpośrednio z surowych pikseli — od Ponga przez Breakout po Space Invaders — bez żadnej inżynierii specyficznej dla gry, pomagając katalizować współczesną erę głębokiego uczenia się przez wzmacnianie.

Każdy kolejny kamień milowy stworzył wydajniejsze i bardziej ogólne systemy. AlphaGo pokonało mistrza świata Lee Sedola w 2016 roku, a wielu ekspertów uważało, że do wyczynu potrzeba jeszcze dekady. AlphaGo Zero przewyższa każdą poprzednią wersję, ucząc się wyłącznie na podstawie samodzielnej gry, a AlphaZero uogólniła to podejście do opanowania szachów, shogi i Go za pomocą jednego algorytmu. MuZero poszedł jeszcze dalej, ucząc się grać, nawet nie znając zasad. W 2019 roku AlphaStar osiągnął poziom arcymistrzowski w StarCraft II, radząc sobie ze złożonością w czasie rzeczywistym i niedoskonałymi informacjami.

DeepMind zauważa, że ​​ten duch eksploracji wyniósł się poza gry: AlphaFold zastosował te same podstawy do przewidywania struktury białek, co stanowi przełom doceniony Nagrodą Nobla w dziedzinie chemii w 2024 roku.

Przejście na agentów ogólnych

Post przedstawia zasadniczą zmianę kierunku. Wcześniejsze prace wykazały, że sztuczna inteligencja może opanować każdą grę, jeśli ma jasny cel i jest odpowiednio przeszkolona. Jednak, jak piszą autorzy, „w prawdziwym świecie nie ma partytur ani podręczników”. To doprowadziło do innego pytania: czy sztuczna inteligencja może zrozumieć dowolny świat gry i wchodzić w interakcję z nim w taki sam sposób, w jaki zrobiłby to człowiek?

Narzędziem do realizacji tych ambicji jest SIMA, skalowalny, instruktażowy agent wieloświatowy. Zamiast optymalizować pod kątem wysokiego wyniku, SIMA postrzega to, co gracz widzi na ekranie, rozumie instrukcje w języku naturalnym i działa za pomocą zwykłej klawiatury i myszy – nie są wymagane żadne interfejsy API ani dostęp do kodu źródłowego. SIMA 2, wprowadzona na rynek w listopadzie 2025 r., a jej rdzeniem jest model Gemini, działa jako interaktywny towarzysz zdolny do rozumowania i prowadzenia rozmów w czasie rzeczywistym, a także umożliwia grę na poziomie człowieka w złożonych środowiskach 3D, w tym No Man's Sky, Valheim i Hydroneer.

Laboratorium szczerze mówi o ograniczeniach agenta: SIMA 2 nadal boryka się z zadaniami o bardzo długim horyzoncie czasowym i działa z krótkiej pamięci ograniczonej przez okno kontekstowe potrzebne do interakcji z niskimi opóźnieniami. Pozostaje ograniczonym podglądem badań dostępnym dla małej grupy naukowców i twórców gier.

Dlaczego EVE Online

Partnerstwo z Fenris Creations daje DeepMind dostęp do czegoś, czego żaden benchmark nie jest w stanie odtworzyć: trwałego wszechświata składającego się z jednego fragmentu, w którym tysiące graczy dzieli jedną gospodarkę z rzeczywistą dynamiką podaży i popytu, sieci handlowych obejmujących tysiące systemów gwiezdnych oraz struktur politycznych zbudowanych całkowicie w wyniku interakcji graczy.

DeepMind identyfikuje cztery możliwości, do których używania środowisko zostało zaprojektowane: ciągłe uczenie się bez zapominania, pamięć wykraczająca daleko poza okna kontekstowe dzisiejszego modelu, planowanie długoterminowe na tygodnie, miesiące, a nawet lata oraz złożona dynamika wieloagentowa obejmująca współpracę, konkurencję, negocjacje i ekonomię.

„Wspólnie z Google DeepMind wkraczamy na niezbadane terytorium, gdzie sztuczna inteligencja musi się uczyć, dostosowywać i zapamiętywać w czasie, jakiego nie wymaga żadne inne środowisko gry, pomagając nam jednocześnie zrozumieć, w jaki sposób ludzie i sztuczna inteligencja mogą współistnieć w środowisku wirtualnym, zanim będziemy musieli zmagać się z tymi samymi problemami w prawdziwym życiu” – powiedział w poście dyrektor generalny Fenris Creations, Hilmar Pétursson.

Partnerstwo obejmuje trzy różne środowiska. EVE Online oferuje trwały wszechświat na dużą skalę. EVE Vanguard dodaje pierwszoosobowe, szybkie taktyczne podejmowanie decyzji, tworząc możliwości badania agentów działających na wielu poziomach abstrakcji – od taktyk na poziomie drgań po strategię obejmującą całą galaktykę. EVE Frontier, dzięki programowalnym inteligentnym zespołom i otwartej architekturze, przedstawia świat, w którym mogą zmienić się same zasady.

Co najważniejsze, program badawczy przebiega etapowo. Rozpoczyna się w instancji offline EVE Online, bezpiecznej piaskownicy oddzielonej od żywych graczy. Następnie przechodzi przez EVE Frontier, aby zbadać, w jaki sposób ludzie i agenci mogą współistnieć w trwałym, otwartym świecie. Dopiero gdy możliwości będą dojrzałe, DeepMind rozważy wprowadzenie ich do gier na żywo – a następnie – jak podkreśla post – w celu wzbogacenia ludzkiej rozgrywki.

AI jest już w kokpicie

Jeden z rezultatów współpracy jest już dostępny dla graczy. Aura Guidance, które wykorzystuje Gemini do dostarczania wiedzy generowanej przez graczy, zaczerpniętej z prawdziwych pytań i odpowiedzi Pomocy dla nowicjuszy, aby pomóc nowym pilotom, zostało wprowadzone w prototypie 17 lutego 2026 r. i działa jako kontrolowany test A/B sprawdzający, czy poprawia to retencję nowych graczy.

Dla twórców gier długoterminowe stawki są znaczące. Naprawdę uniwersalny agent gier — taki, który współpracuje z istniejącymi grami bez modyfikacji kodu gry — może zapewnić towarzyszom AI, którzy naprawdę rozumieją świat gry, NPC, którzy dostosowują się w sposób, w jaki systemy skryptowe nigdy nie byłyby w stanie, oraz solidne testy kontroli jakości podczas tworzenia, gdy gra zmienia się przy każdym zatwierdzeniu.

Post kończy się ostatecznym zarysem laboratorium: sztuczna inteligencja jako katalizator, a nie zamiennik. „Gry zawsze były zwierciadłem inteligencji” – piszą autorzy. W miarę jak gry stają się coraz bardziej złożone, trwalsze i bardziej otwarte, rosną także systemy sztucznej inteligencji zbudowane do nawigacji w nich — i podobnie jak w przypadku AlphaGo i AlphaFold wcześniej, DeepMind oczekuje, że wnioski wyciągnięte w wirtualnych światach przełożą się na problemy w prawdziwym.

Wyprzedź sztuczną inteligencję

Od kamieni milowych w zakresie uczenia się przez wzmacnianie po pionierskie partnerstwa badawcze – tempo odkryć nie wykazuje oznak spowolnienia. AI Buzz Wire opisuje każdy większy rozwój badań nad sztuczną inteligencją za pomocą raportów zweryfikowanych przez źródło — bez spekulacji i szumu.

Przeczytaj więcej aktualności z badań nad sztuczną inteligencją →