Google DeepMind опублікував детальну ретроспективу своїх 15-річних досліджень штучного інтелекту в іграх, кульмінацією яких стало його дослідницьке партнерство з Fenris Creations, незалежною студією, що стоїть за EVE Online, і викладення поетапної дослідницької програми, яку дві організації планують запустити у всесвіті EVE.

Повідомлення від 21 серпня, авторами якого є Александр Муфарек і Адріан Болтон, пов’язує найперші результати лабораторії щодо підкріплення з її поточною роботою над агентами широкого профілю. Це найповніший звіт про партнерство, яке вперше було оприлюднено на початку цього року, і воно сигналізує про те, де, на думку однієї з провідних світових лабораторій штучного інтелекту, лежить наступний рубіж [досліджень штучного інтелекту] (https://aibuzzwire.news): не в освоєнні однієї гри з чітким результатом, а у виживанні живого світу, який безперервно працює з 2003 року.

Від Atari Pixels до AlphaStar

Ретроспектива простежує ланцюжок результатів гри, які створили дослідницьку програму DeepMind. Deep Q-Network (DQN), описана в статті Nature 2015 року, навчилася грати в 49 ігор Atari 2600 безпосередньо з необроблених пікселів — від Pong до Breakout і Space Invaders — без будь-якої спеціалізованої ігри, допомагаючи каталізувати сучасну еру глибокого навчання з підкріпленням.

Кожна наступна віха створювала більш ефективні та більш загальні системи. AlphaGo переміг чемпіона світу Лі Седоля в 2016 році, до досягнення якого, на думку багатьох експертів, залишилося ще десять років. AlphaGo Zero перевершив усі попередні версії, навчаючись повністю на самостійній грі, і AlphaZero узагальнив цей підхід до оволодіння шахами, сьогі та го за допомогою єдиного алгоритму. MuZero пішов ще далі, навчившись грати, навіть не знаючи правил. У 2019 році AlphaStar досяг рівня Grandmaster у StarCraft II, керуючись складністю в реальному часі та недосконалою інформацією.

DeepMind зазначає, що цей дух дослідження вийшов за межі ігор: AlphaFold застосував ті самі основи для прогнозування структури білків, прорив був визнаний Нобелівською премією з хімії 2024 року.

Перехід до агентів широкого профілю

Пост обрамляє фундаментальну зміну напрямку. Попередня робота показала, що штучний інтелект може освоїти будь-яку гру за умови чіткої мети та достатнього навчання. Але, як пишуть автори, «реальний світ не приходить із балами та книгами правил». Це призвело до іншого питання: чи може штучний інтелект розуміти будь-який ігровий світ і взаємодіяти з ним так, як це робила б людина?

Засіб для реалізації цієї амбіції — SIMA, Scalable Instructable Multiworld Agent. Замість того, щоб оптимізуватись для отримання високого результату, SIMA сприймає те, що бачить гравець на екрані, розуміє інструкції природною мовою та діє за допомогою звичайних елементів керування клавіатури та миші — не потрібні API або доступ до вихідного коду. SIMA 2, представлена ​​в листопаді 2025 року з моделлю Gemini в основі, діє як інтерактивний компаньйон, здатний міркувати та розмовляти в реальному часі, і досягає людської гри в складних 3D-середовищах, включаючи No Man's Sky, Valheim і Hydroneer.

Лабораторія відверта щодо обмежень агента: SIMA 2 все ще бореться з дуже довгостроковими завданнями та працює з короткою пам’яттю, обмеженою контекстним вікном, необхідним для взаємодії з низькою затримкою. Це залишається обмеженим попереднім переглядом дослідження, доступним для невеликої групи вчених і розробників ігор.

Чому EVE Online

Партнерство Fenris Creations надає DeepMind доступ до того, чого не може відтворити жоден еталонний тест: стійкий єдиний всесвіт, де тисячі гравців ділять одну економіку з реальною динамікою попиту та пропозиції, торгові мережі, що охоплюють тисячі зоряних систем, і політичні структури, побудовані виключно завдяки взаємодії гравців.

DeepMind визначає чотири можливості, для реалізації яких створено середовище: постійне навчання без забування, пам’ять, що виходить далеко за рамки вікон контексту сучасної моделі, перспективне планування на тижні, місяці чи навіть роки та складна багатоагентна динаміка, яка охоплює співпрацю, конкуренцію, переговори та економіку.

«Разом із Google DeepMind ми просуваємося на незвідану територію, де штучний інтелект має вчитися, адаптуватися та запам’ятовувати в часові рамки, яких не вимагає жодне інше ігрове середовище, допомагаючи нам зрозуміти, як люди та штучний інтелект можуть співіснувати у віртуальному середовищі, перш ніж нам доведеться стикатися з тими самими питаннями в реальному житті», — сказав генеральний директор Fenris Creations Гілмар Петурссон у дописі.

Партнерство охоплює три різні середовища. EVE Online пропонує великомасштабний постійний всесвіт. EVE Vanguard додає швидке прийняття тактичних рішень від першої особи, створюючи можливості для вивчення агентів, що діють на кількох рівнях абстракції — від тактики на рівні посмикування до стратегії охоплення галактики. EVE Frontier зі своїми програмованими розумними збірками та відкритою архітектурою представляє світ, де самі правила можуть змінюватися.

Важливо те, що дослідницька програма йде поетапно. Він починається в офлайн-примірнику EVE Online, безпечній пісочниці, відокремленій від живих гравців. Потім він просувається через EVE Frontier, щоб дослідити, як люди та агенти можуть співіснувати в постійному, відкритому світі. Лише тоді, коли можливості стануть зрілими, DeepMind розгляне можливість використання їх у живих іграх — і тоді, як наголошується в публікації, з метою збагачення людської гри.

ШІ вже в кабіні

Один результат співпраці вже є перед гравцями. Прототип Aura Guidance, який використовує Gemini для передачі знань, отриманих гравцями на основі запитань і відповідей із справжньої довідки Rookie Help для нових пілотів, запущено 17 лютого 2026 року та виконується як контрольоване A/B-тестування, щоб визначити, чи покращує це утримання нових гравців.

Для розробників ігор довгострокові ставки є значними. По-справжньому загальний ігровий агент — такий, який працює з існуючими іграми без змін коду гри — міг би підтримувати компаньйонів зі штучним інтелектом, які справді розуміють ігровий світ, NPC, які адаптуються так, як це ніколи не могли б зробити сценарні системи, і надійне тестування якості під час розробки, коли гра змінюється з кожним комітом.

Публікація завершується найкращою структурою лабораторії: ШІ як каталізатор, а не заміна. «Ігри завжди були дзеркалом інтелекту», — пишуть автори. У міру того як ігри стають складнішими, наполегливішими та більш відкритими, системи штучного інтелекту, створені для навігації в них, також стають більш складними, і, як і раніше з AlphaGo та AlphaFold, DeepMind очікує, що уроки, отримані у віртуальних світах, перенесуть на проблеми в реальному.

Будьте попереду ШІ

Швидкість відкриттів не сповільнюється, починаючи від етапів навчання з підкріпленням і закінчуючи передовими дослідницькими партнерствами. [AI Buzz Wire] (https://aibuzzwire.news) охоплює всі основні розробки ШІ з перевіреними звітами — без спекуляцій і галасу.

Читати більше новин про дослідження ШІ →