O Google DeepMind publicou uma retrospectiva detalhada de seu arco de 15 anos de pesquisa de IA em jogos, culminando em sua parceria de pesquisa com Fenris Creations, o estúdio independente por trás do EVE Online – e apresentando o programa de pesquisa encenado que as duas organizações planejam executar dentro do universo EVE.

A postagem de 21 de agosto, de autoria de Alexandre Moufarek e Adrian Bolton, conecta os primeiros resultados de aprendizagem por reforço do laboratório ao seu trabalho atual com agentes generalistas. É o relato mais completo de uma parceria revelada pela primeira vez no início deste ano e sinaliza onde um dos principais laboratórios de IA do mundo acredita que está a próxima fronteira da pesquisa em IA: não em dominar um único jogo com uma pontuação clara, mas em sobreviver a um mundo vivo que funciona continuamente desde 2003.

De Atari Pixels a AlphaStar

A retrospectiva traça a cadeia de resultados de jogos que construiu o programa de pesquisa da DeepMind. A Deep Q-Network (DQN), descrita em um artigo da Nature de 2015, aprendeu a jogar 49 jogos Atari 2600 diretamente de pixels brutos – de Pong a Breakout e Space Invaders – sem qualquer engenharia específica de jogo, ajudando a catalisar a era moderna de aprendizagem por reforço profundo.

Cada marco subsequente produziu sistemas mais capazes e mais gerais. AlphaGo derrotou o campeão mundial Lee Sedol em 2016, um feito que muitos especialistas pensavam que ainda estava a uma década de distância. AlphaGo Zero superou todas as versões anteriores aprendendo inteiramente com o jogo autônomo, e AlphaZero generalizou essa abordagem para dominar xadrez, shogi e Go com um único algoritmo. MuZero foi ainda mais longe, aprendendo a jogar sem nem conhecer as regras. Em 2019, AlphaStar alcançou o nível de Grande Mestre em StarCraft II, navegando pela complexidade em tempo real e por informações imperfeitas.

A DeepMind observa que esse espírito de exploração foi além dos jogos: AlphaFold aplicou os mesmos fundamentos à previsão da estrutura de proteínas, um avanço reconhecido com o Prêmio Nobel de Química de 2024.

A mudança para agentes generalistas

A postagem enquadra uma mudança fundamental de direção. Trabalhos anteriores demonstraram que a IA poderia dominar qualquer jogo com um objetivo claro e treinamento suficiente. Mas, como escrevem os autores, “o mundo real não vem com pontuações e livros de regras”. Isso levou a uma questão diferente: a IA pode compreender e interagir com qualquer mundo de jogo da mesma forma que uma pessoa faria?

O veículo para essa ambição é o SIMA, o Scalable Instructable Multiworld Agent. Em vez de otimizar para obter uma pontuação alta, o SIMA percebe o que um jogador vê na tela, entende as instruções em linguagem natural e atua por meio de controles comuns de teclado e mouse – sem necessidade de APIs ou acesso ao código-fonte. SIMA 2, lançado em novembro de 2025 com um modelo Gemini em seu núcleo, atua como um companheiro interativo capaz de raciocínio e conversação em tempo real e proporciona jogo semelhante ao humano em ambientes 3D complexos, incluindo No Man's Sky, Valheim e Hydroneer.

O laboratório é sincero sobre os limites do agente: o SIMA 2 ainda enfrenta tarefas de horizonte muito longo e funciona com uma memória curta limitada pela janela de contexto necessária para interação de baixa latência. Continua sendo uma prévia limitada de pesquisa disponível para um pequeno grupo de acadêmicos e desenvolvedores de jogos.

Por que EVE Online

A parceria Fenris Creations dá à DeepMind acesso a algo que nenhum benchmark pode replicar: um universo persistente e de fragmento único onde milhares de jogadores compartilham uma economia com dinâmicas reais de oferta e demanda, redes comerciais que abrangem milhares de sistemas estelares e estruturas políticas construídas inteiramente pela interação dos jogadores.

A DeepMind identifica quatro capacidades que o ambiente foi projetado para exercer: aprendizagem contínua sem esquecimento, memória que se estende muito além das janelas de contexto do modelo atual, planejamento de longo horizonte ao longo de semanas, meses ou até anos, e dinâmica multiagente complexa que abrange cooperação, competição, negociação e economia.

“Juntamente com o Google DeepMind, estamos avançando para um território desconhecido onde a IA deve aprender, adaptar-se e lembrar em escalas de tempo que nenhum outro ambiente de jogo exige, ao mesmo tempo que nos ajuda a entender como os humanos e a IA podem coexistir em um ambiente virtual antes de termos que enfrentar as mesmas questões na vida real”, disse o CEO da Fenris Creations, Hilmar Pétursson, no post.

A parceria abrange três ambientes distintos. EVE Online oferece um universo persistente em grande escala. EVE Vanguard adiciona tomada de decisão tática em ritmo acelerado em primeira pessoa, criando oportunidades para estudar agentes que operam em vários níveis de abstração – desde táticas de nível de contração até estratégia que abrange toda a galáxia. EVE Frontier, com seus Smart Assemblies programáveis ​​e arquitetura aberta, apresenta um mundo onde as próprias regras podem mudar.

Fundamentalmente, o programa de investigação segue um caminho faseado. Começa em uma instância offline do EVE Online, uma sandbox segura separada dos jogadores ao vivo. Em seguida, avança através de EVE Frontier para estudar como humanos e agentes podem coexistir em um mundo persistente e aberto. Somente quando as capacidades estiverem maduras a DeepMind consideraria trazê-las para os jogos ao vivo – e então, enfatiza a postagem, com o objetivo de enriquecer o jogo humano.

AI já está no cockpit

Uma saída da colaboração já está na frente dos jogadores. Aura Guidance, que usa Gemini para fornecer conhecimento gerado pelo jogador com base em perguntas e respostas reais do Rookie Help para auxiliar novos pilotos, foi lançado em protótipo em 17 de fevereiro de 2026 e está sendo executado como um teste A/B controlado que mede se melhora a retenção de novos jogadores.

Para os desenvolvedores de jogos, os riscos de longo prazo são significativos. Um agente de jogos verdadeiramente geral – aquele que trabalha com jogos existentes sem modificações no código do jogo – poderia fornecer companheiros de IA que entendem genuinamente o mundo do jogo, NPCs que se adaptam de uma forma que os sistemas com script nunca poderiam fazer e testes robustos de controle de qualidade durante o desenvolvimento quando o jogo muda a cada commit.

A postagem termina com o enquadramento definitivo do laboratório: IA como catalisador, não como substituto. “Os jogos sempre foram um espelho da inteligência”, escrevem os autores. À medida que os jogos se tornam mais complexos, mais persistentes e mais abertos, o mesmo acontece com os sistemas de IA construídos para navegá-los – e, como aconteceu com AlphaGo e AlphaFold antes dele, a DeepMind espera que as lições aprendidas em mundos virtuais sejam transferidas para problemas no mundo real.

Fique à frente da IA

Desde marcos de aprendizagem por reforço até parcerias de investigação de ponta, o ritmo da descoberta não mostra sinais de abrandamento. AI Buzz Wire cobre todos os principais desenvolvimentos de pesquisa em IA com relatórios verificados na fonte - sem especulação, sem exageros.

Leia mais notícias sobre pesquisa de IA →