Google DeepMind نے گیمز میں اپنی 15 سالہ آرک آف AI ریسرچ کا ایک تفصیلی سابقہ ​​منظر شائع کیا ہے، جس کا اختتام EVE آن لائن کے پیچھے آزاد اسٹوڈیو، Fenris Creations کے ساتھ اس کی تحقیقی شراکت داری پر ہوا — اور اسٹیجڈ ریسرچ پروگرام ترتیب دیا گیا ہے جو دونوں تنظیمیں EVE کائنات کے اندر چلانے کا ارادہ رکھتی ہیں۔

21 اگست کی پوسٹ، جس کی تصنیف الیگزینڈر موفاریک اور ایڈرین بولٹن نے کی ہے، لیب کے ابتدائی کمک سیکھنے کے نتائج کو جنرلسٹ ایجنٹوں پر اس کے موجودہ کام سے جوڑتی ہے۔ یہ اس سال کے شروع میں پہلی بار منظر عام پر آنے والی شراکت کا ابھی تک کا سب سے مکمل حساب کتاب ہے، اور یہ اس بات کا اشارہ ہے کہ جہاں دنیا کی معروف AI لیبز میں سے ایک AI ریسرچ کے اگلے محاذ پر یقین رکھتی ہے: واضح اسکور کے ساتھ کسی ایک گیم میں مہارت حاصل کرنے میں نہیں، بلکہ ایک زندہ دنیا کو زندہ رکھنے میں جو 2003 سے مسلسل چل رہی ہے۔

اٹاری پکسلز سے الفا اسٹار تک

سابقہ ​​گیم کے نتائج کی زنجیر کا پتہ لگاتا ہے جس نے DeepMind کے تحقیقی پروگرام کو بنایا۔ دی ڈیپ کیو نیٹ ورک (DQN)، جسے 2015 کے نیچر پیپر میں بیان کیا گیا ہے، نے 49 Atari 2600 گیمز کو براہ راست کچے پکسلز سے کھیلنا سیکھا — Pong سے لے کر بریک آؤٹ سے Space Invaders تک — بغیر کسی گیم مخصوص انجینئرنگ کے، جس سے گہری کمک سیکھنے کے جدید دور کو متحرک کرنے میں مدد ملتی ہے۔

ہر بعد کے سنگ میل نے زیادہ قابل اور زیادہ عمومی نظام تیار کیے ہیں۔ AlphaGo نے 2016 میں عالمی چیمپیئن Lee Sedol کو شکست دی، ایک ایسا کارنامہ جو بہت سے ماہرین کے خیال میں ابھی ایک دہائی باقی ہے۔ AlphaGo Zero نے مکمل طور پر سیلف پلے سے سیکھ کر ہر پچھلے ورژن کو پیچھے چھوڑ دیا، اور AlphaZero نے ایک الگورتھم کے ساتھ ماسٹر شطرنج، شوگی اور Go کے نقطہ نظر کو عام کیا۔ MuZero مزید آگے چلا گیا، قوانین کو جانے بغیر کھیلنا سیکھا۔ 2019 میں، AlphaStar StarCraft II میں گرینڈ ماسٹر کی سطح پر پہنچ گیا، ریئل ٹائم پیچیدگی اور نامکمل معلومات کو نیویگیٹ کرتے ہوئے۔

ڈیپ مائنڈ نوٹ کرتا ہے کہ ایکسپلوریشن کا یہ جذبہ گیمز سے آگے بڑھتا ہے: الفا فولڈ نے وہی بنیادیں پروٹین کے ڈھانچے کی پیشین گوئی پر لاگو کیں، جو کیمسٹری میں 2024 کے نوبل انعام کے ساتھ تسلیم شدہ پیش رفت ہے۔

جنرلسٹ ایجنٹوں کی طرف شفٹ

پوسٹ سمت میں ایک بنیادی تبدیلی کا فریم کرتا ہے۔ پہلے کے کام نے یہ ظاہر کیا کہ AI کسی بھی کھیل میں مہارت حاصل کر سکتا ہے جس کا مقصد واضح اور کافی تربیت ہے۔ لیکن، جیسا کہ مصنفین لکھتے ہیں، "حقیقی دنیا اسکور اور اصول کی کتابوں کے ساتھ نہیں آتی ہے۔" اس سے ایک مختلف سوال پیدا ہوا: کیا AI کسی بھی گیم کی دنیا کو اس طرح سمجھ سکتا ہے اور اس کے ساتھ بات چیت کر سکتا ہے جس طرح کوئی شخص کرے گا؟

اس عزائم کے لیے گاڑی SIMA ہے، قابل توسیع ہدایات ملٹی ورلڈ ایجنٹ۔ اعلی سکور کے لیے بہتر بنانے کے بجائے، SIMA یہ سمجھتا ہے کہ کھلاڑی اسکرین پر کیا دیکھتا ہے، فطری زبان کی ہدایات کو سمجھتا ہے، اور عام کی بورڈ اور ماؤس کنٹرولز کے ذریعے کام کرتا ہے — کسی APIs یا سورس کوڈ تک رسائی کی ضرورت نہیں ہے۔ SIMA 2، جو نومبر 2025 میں جیمنی ماڈل کے ساتھ متعارف کرایا گیا تھا، ایک انٹرایکٹو ساتھی کے طور پر کام کرتا ہے جو حقیقی وقت میں استدلال اور گفتگو کرنے کی صلاحیت رکھتا ہے، اور پیچیدہ 3D ماحول بشمول No Man's Sky، Valheim، اور Hydroneer میں انسان جیسا کھیل حاصل کرتا ہے۔

لیب ایجنٹ کی حدود کے بارے میں واضح ہے: SIMA 2 اب بھی بہت طویل افق کے کاموں کے ساتھ جدوجہد کرتا ہے اور کم تاخیر کے تعامل کے لئے درکار سیاق و سباق کی ونڈو کے ذریعہ محدود ایک مختصر میموری سے کام کرتا ہے۔ یہ ایک محدود تحقیقی پیش نظارہ ہے جو ماہرین تعلیم اور گیم ڈویلپرز کے ایک چھوٹے سے گروپ کے لیے دستیاب ہے۔

ایو آن لائن کیوں؟

Fenris Creations پارٹنرشپ ڈیپ مائنڈ کو ایسی چیز تک رسائی فراہم کرتی ہے جس کا کوئی بینچ مارک نقل نہیں کرسکتا: ایک مستقل، سنگل شارڈ کائنات جہاں ہزاروں کھلاڑی حقیقی سپلائی اور ڈیمانڈ کی حرکیات کے ساتھ ایک معیشت کا اشتراک کرتے ہیں، ہزاروں اسٹار سسٹمز پر محیط تجارتی نیٹ ورکس، اور سیاسی ڈھانچے مکمل طور پر کھلاڑیوں کے تعامل کے ذریعے بنائے گئے ہیں۔

ڈیپ مائنڈ چار صلاحیتوں کی نشاندہی کرتا ہے جو ماحول کو استعمال کرنے کے لیے ڈیزائن کیا گیا ہے: بھولے بغیر مسلسل سیکھنا، یادداشت جو آج کے ماڈل سیاق و سباق کی کھڑکیوں سے بہت آگے تک پھیلی ہوئی ہے، ہفتوں، مہینوں، یا سالوں میں طویل افق کی منصوبہ بندی، اور پیچیدہ کثیر ایجنٹ حرکیات جس میں تعاون، مسابقت، گفت و شنید، اور معاشیات شامل ہیں۔

"گوگل ڈیپ مائنڈ کے ساتھ مل کر، ہم ایسے غیر متزلزل علاقے کی طرف دھکیل رہے ہیں جہاں AI کو سیکھنا، اپنانا اور ٹائم اسکیل پر یاد رکھنا چاہیے جس کا کوئی اور گیم ماحول نہیں مانگتا، جب کہ ہمیں یہ سمجھنے میں مدد ملتی ہے کہ انسان اور AI کس طرح ایک مجازی ماحول میں ایک ساتھ رہ سکتے ہیں اس سے پہلے کہ ہمیں حقیقی زندگی میں ایک جیسے سوالات کا سامنا کرنا پڑے،" Fenris Creations کے سی ای او ہلمار نے پوسٹ میں کہا۔

شراکت داری تین الگ الگ ماحول پر محیط ہے۔ EVE آن لائن بڑے پیمانے پر مستقل کائنات پیش کرتا ہے۔ EVE Vanguard فرسٹ پرسن، تیز رفتار حکمت عملی سے متعلق فیصلہ سازی کو شامل کرتا ہے، جس سے تجرید کی متعدد سطحوں پر کام کرنے والے ایجنٹوں کا مطالعہ کرنے کے مواقع پیدا ہوتے ہیں - twitch-level tactics سے لے کر کہکشاں تک پھیلانے والی حکمت عملی تک۔ EVE Frontier، اس کے قابل پروگرام سمارٹ اسمبلیوں اور کھلے فن تعمیر کے ساتھ، ایک ایسی دنیا پیش کرتا ہے جہاں بہت سے اصول بدل سکتے ہیں۔

اہم بات یہ ہے کہ تحقیقی پروگرام ایک مرحلہ وار راستہ اختیار کرتا ہے۔ یہ EVE آن لائن کے ایک آف لائن مثال میں شروع ہوتا ہے، لائیو پلیئرز سے الگ ایک محفوظ سینڈ باکس۔ اس کے بعد یہ مطالعہ کرنے کے لیے EVE Frontier کے ذریعے ترقی کرتا ہے کہ انسان اور ایجنٹ ایک مستقل، کھلی دنیا میں کیسے ایک ساتھ رہ سکتے ہیں۔ صرف اس صورت میں جب صلاحیتیں پختہ ہوں گی ڈیپ مائنڈ انہیں لائیو گیمز میں لانے پر غور کرے گا - اور پھر، پوسٹ انسانی کھیل کو تقویت دینے کے مقصد پر زور دیتی ہے۔

اے آئی پہلے ہی کاک پٹ میں ہے۔

تعاون کا ایک نتیجہ پہلے ہی کھلاڑیوں کے سامنے ہے۔ Aura Guidance، جو نئے پائلٹوں کی مدد کے لیے حقیقی Rookie Help کے سوالات اور جوابات سے حاصل کردہ پلیئر کے ذریعے تیار کردہ علم فراہم کرنے کے لیے Gemini کا استعمال کرتی ہے، جو 17 فروری 2026 کو پروٹو ٹائپ میں شروع کی گئی تھی، اور یہ ایک کنٹرول شدہ A/B ٹیسٹ کے طور پر چل رہی ہے جس کی پیمائش کی جاتی ہے کہ آیا یہ نئے کھلاڑیوں کی برقراری کو بہتر بناتا ہے۔

گیم ڈویلپرز کے لیے، طویل مدتی داؤ اہم ہیں۔ واقعی ایک عام گیمنگ ایجنٹ - جو گیم کوڈ میں ترمیم کیے بغیر موجودہ گیمز کے ساتھ کام کرتا ہے - AI ساتھیوں کو طاقت دے سکتا ہے جو گیم کی دنیا کو حقیقی طور پر سمجھتے ہیں، NPCs جو اسکرپٹڈ سسٹمز کو کبھی نہیں ڈھال سکتے ہیں، اور ترقی کے دوران مضبوط QA ٹیسٹنگ جب گیم ہر کمٹ کے ساتھ تبدیل ہوتی ہے۔

پوسٹ لیب کے حتمی فریمنگ کے ساتھ بند ہوتی ہے: AI بطور اتپریرک، متبادل نہیں۔ مصنفین لکھتے ہیں "گیمز ہمیشہ ذہانت کا آئینہ ہوتے ہیں۔ جیسے جیسے گیمز زیادہ پیچیدہ، زیادہ مستقل اور زیادہ کھلے ہوتے جاتے ہیں، اسی طرح AI سسٹمز بھی ان کو نیویگیٹ کرنے کے لیے بنائے جاتے ہیں - اور جیسا کہ اس سے پہلے AlphaGo اور AlphaFold کے ساتھ تھا، DeepMind توقع کرتا ہے کہ ورچوئل دنیا میں سیکھے گئے اسباق کو حقیقی مسائل کی طرف منتقل کیا جائے گا۔

AI سے آگے رہیں

کمک سیکھنے کے سنگ میل سے لے کر فرنٹیئر ریسرچ پارٹنرشپ تک، دریافت کی رفتار میں کمی کا کوئی نشان نہیں ہے۔ AI Buzz Wire ماخذ سے تصدیق شدہ رپورٹنگ کے ساتھ ہر بڑی AI ریسرچ ڈیولپمنٹ کا احاطہ کرتا ہے — کوئی قیاس نہیں، کوئی ہائپ نہیں۔

مزید AI تحقیقی خبریں پڑھیں →