从雅达利到《星战前夜》：基于游戏中15年AI研究的成果

# 从雅达利到星战前夜：基于15年游戏AI研究的构建之路 来源：https://deepmind.google/blog/from-atari-to-eve-online-building-on-15-years-of-ai-research-in-games/ 从雅达利到围棋再到《星际争霸》，游戏一直推动着人工智能领域最重要的突破。如今，我们正与游戏开发者合作，开发新型游戏体验原型，在游戏与AI的边界上开拓新境。 自2010年DeepMind创立以来，游戏这种既具约束力又内容丰富的虚拟世界，在理解智能本质方面扮演了关键角色。从掌握雅达利游戏到助力解决蛋白质结构预测难题，游戏驱动了我们最重大的AI突破，并且至今仍是我们研究工作的核心。 游戏已融入Google DeepMind（GDM）的基因。谷歌DeepMind联合创始人之一德米斯·哈萨比斯本身就是前游戏开发者，团队中许多成员也拥有游戏开发背景。我们拥有数十年游戏开发实战经验，并对这门艺术怀有深厚敬意。 我们始终明确：以游戏为载体开展AI研究，必须与游戏开发者建立深度合作——例如我们与Fenris Creations（https://fenris.com/news/2026/studio-behind-eve-online-goes-independent-rebrands-as-fenris-creations-enters-research-partnership-with-google-demind）开展的重大研究合作，今年早些时候公布的《EVE》宇宙计划，以及与Hello Games（https://hellogames.org/）、Coffee Stain Studios（https://coffeestain.com/）、Foulball Hangover（https://www.foulballhangover.com/）等知名工作室的合作。 ## 游戏：AI研究的引擎 我们的探索始于一个小团队训练深度神经网络直接从原始像素学习玩雅达利2600游戏。深度Q网络（DQN）无需任何特定游戏工程设计，就学会了49款不同游戏——从《乒乓》到《打砖块》再到《太空侵略者》。2015年发表在《自然》杂志的论文（https://www.nature.com/articles/nature14236）帮助催生了深度强化学习的新纪元。 此后我们尝试攻克更复杂的游戏，每个里程碑都催生出能力更强、更具通用性的系统。AlphaGo（https://deepmind.google/research/breakthroughs/alphago/）在2016年击败围棋世界冠军李世石——许多专家曾认为这至少还需十年之功。AlphaGo Zero（https://www.nature.com/articles/nature24270）通过完全自我对弈（不使用任何人类数据）超越了所有前代版本。AlphaZero（https://www.science.org/doi/10.1126/science.aar6404）将这种方法泛化，用单一算法掌握国际象棋、将棋和围棋，而MuZero（https://www.nature.com/articles/s41586-020-03051-4）甚至无需了解游戏规则就能学会游玩。2019年，AlphaStar（https://www.nature.com/articles/s41586-019-1724-z）在《星际争霸II》中达到宗师级别，驾驭了实时复杂性与非对称信息环境。 每款游戏都因AI技术而丰富了游戏体验。AlphaGo著名的“第37步棋”（https://deepmind.google/research/breakthroughs/alphago/）出人意料到专业解说最初认为是失误，颠覆了围棋数百年来的传统认知，启发专家探索新策略。AlphaZero同样在国际象棋领域开创了全新的行棋思路。关键在于，游戏中成功的探索精神对其他AI系统产生了深远影响：AlphaFold（https://deepmind.google/science/alphafold/）运用这些基础原理，成功解决了困扰科学界50年的蛋白质结构预测难题，这项突破荣获2024年诺贝尔化学奖。 ## 从精通游戏到理解游戏 我们早期工作证明，只要目标明确且训练充分，AI就能掌握任何游戏。但现实世界没有计分板和规则手册——这引出了一个本质不同的问题：AI能否像人类一样理解并与任何游戏世界交互？ 这就是SIMA（https://deepmind.google/blog/sima-generalist-ai-agent-for-3d-virtual-environments/）（可扩展指令化多世界智能体）所应对的挑战。SIMA并非以高分为优化目标，而是作为通用智能体“看到”玩家屏幕所见，理解自然语言指令，通过常规键鼠操作进行交互——无需API接口或源代码访问权限。 基于前沿AI模型Gemini，SIMA 2（https://deepmind.google/blog/sima-2-an-agent-that-plays-reasons-and-learns-with-you-in-virtual-3d-worlds/）作为交互伙伴实现实时推理与对话。它能在《无人深空》《英灵神殿》《水动力》等复杂3D研究环境及视频游戏中达到类人表现。 对游戏开发者而言，真正的通用游戏智能体将解锁现有游戏中的AI能力——无需修改游戏代码。这将催生全新玩法：从真正理解游戏世界的AI伴侣，到能够以脚本系统无法实现的方式自适应响应的非玩家角色（NPC）。 通用游戏智能体还能改变游戏制作方式。开发阶段，当游戏随每次代码提交而变化时，这类智能体可实现真正稳健的质量保障测试。发布后，当新内容引入或玩家行为不可预测时，它们能实时适应——无需重新编程即可泛化处理新情况。 为安全负责地开发SIMA智能体，我们与知名游戏工作室合作，正在构建不断扩展的AI研究游戏库。这使我们能够用日益复杂的任务挑战智能体，这些能力终有一日可能迁移到解决现实世界的问题。 ## 与游戏开发者共同探索AI与游戏研究新前沿 游戏工作室带来精湛技艺、非凡游戏世界及对玩家需求的深刻理解。我们带来前沿AI技术——从Gemini到生成式交互环境及具身智能体研究——专业知识，以及团队独特的游戏开发背景和构建交互环境AI的多年经验。我们共同致力于发现突破性体验——那些唯有通过AI才能实现、前所未见的玩法。 我们关注的不是技术本身，而是有趣的体验。因此我们采取“展示而非说教”的合作方式。团队与开发者紧密协作，探索新创意并构建可玩原型，寻找游戏乐趣。 我们与《EVE》宇宙背后的独立工作室Fenris Creations（https://www.fenris.com/）的最新研究合作，标志着游戏AI研究新篇章的开启。 Fenris Creations用二十余年时间打造了游戏界最非凡的持续性世界之一。2003年发布的《星战前夜》（EVE Online）是大型多人太空模拟游戏，数千名玩家共享一个持续演化超20年的宇宙。其玩家驱动的经济体系具备真实供需动态，贸易网络横跨数千个星系。由联盟、冲突与外交塑造的景观——完全由人类互动驱动。 对AI研究而言，这是黄金机遇。这个不断演进的鲜活世界，恰好需要我们认为对前沿AI至关重要的核心能力： - **持续学习**：在不断变化的世界中获取新技能而不遗忘先前知识 - **记忆**：在远超当前模型上下文窗口的时间跨度上积累与检索知识 - **长期规划**：进行周、月乃至年级别的推理 - **复杂多智能体动态**：驾驭大规模环境下的合作、竞争、谈判、经济及涌现社会行为 这些挑战是我们更大研究计划的核心——创建能从经验中持续学习、且学习速率随时间加速的系统。我们相信这些前沿能力将在未来开启新的游戏体验。 我们的研究合作覆盖Fenris Creations不断扩展的宇宙，为AI开发提供多样环境。《星战前夜》提供大规模单服务器持续宇宙，《星战前夜：先锋》（EVE Vanguard）采用第一人称视角，将地面快节奏战术决策引入更广阔的持续世界。这创造了研究智能体在不同抽象层级（从瞬时战术到银河战略）运行的机会。 此外，《星战前夜：前沿》（EVE Frontier）凭借其可编程“智能组件”及开放可扩展架构，提供了一个世界规则本身都可改变的开放环境，要求智能体适应全新游戏机制。 **Google DeepMind与Fenris Creations研讨会中的“展示而非说教”环节：团队分享可玩原型、反馈并讨论新游戏体验构想** 我们的合作已为玩家创造真实价值：“光环指引”（https://www.eveonline.com/news/view/eve-evolved-aura-guidance）系统利用Gemini，基于真实新手帮助问答为新飞行员提供玩家生成的知识。 我们的长期研究计划始于《星战前夜》离线实例——独立于正式玩家的安全沙盒。随后通过《星战前夜：前沿》研究人类与智能体如何在持续开放世界中共存。只有当能力成熟时，我们才会考虑将其引入《星战前夜》和《星战前夜：先锋》，以丰富人类游戏体验。 ## 未来之路 游戏始终是智能的镜像。随着游戏变得愈益复杂、持续与开放，我们构建的导航AI系统也随之进化。 我们始终追求同一个终极目标：AI作为催化剂而非替代品。长期愿景是释放突破性游戏体验，使游戏更易上手且更个性化，并——正如从AlphaGo到AlphaFold所见——将游戏中所学应用于现实世界问题，推动科学发现。 我们感谢所有游戏伙伴在此旅程中的支持，也感谢Fenris Creations加入我们开启新篇章。我们迫不及待想分享新发现。 ## 致谢 我们感谢Google DeepMind多年来在安全负责推进游戏AI研究中做出贡献的所有团队。 特别感谢所有合作的游戏开发者：Coffee Stain（《英灵神殿》《幸福工厂》《模拟山羊3》）、Fenris Creations（《星战前夜》《星战前夜：先锋》《星战前夜：前沿》）、Foulball Hangover（《水动力》）、Hello Games（《无人深空》）、Keen Software House（《太空工程师》）、RubberbandGames（《摇摆生活》）、Strange Loop Games（《生化变种》）、Thunderful Games（《ASKA》《粘粘世界》《蒸汽世界：建造》）、Digixart（《第96条公路》）以及Tuxedo Labs & Saber Interactive（《拆解》）。 ### SIMA 2：在虚拟3D世界中与你同游、推理与学习的智能体