十五年来，游戏一直是我们AI研究的重要试验场。

从掌握雅达利游戏到在《星际争霸II》中达到宗师级别，游戏推动了我们一系列重大的AI突破。

我们与SIMA的合作让智能体学会了理解三维世界，但学习驾驭真实的人类社会动态，需要一个鲜活、持久的虚拟宇宙。

通过与@FenrisCreations的研究合作，我们正在探索如何应对AI领域的开放挑战：

• 持续学习：在不遗忘过往知识的前提下习得新技能。
• 深度记忆系统：存储和检索远超当前上下文窗口的信息。
• 长周期规划：进行跨越数周、数月甚至数年的规划。
• 多智能体动态：涵盖合作、谈判、经济以及涌现行为等复杂场景。

我们的长期目标是与游戏开发者合作，利用AI发现全新的游戏体验——让游戏更易上手、更具个性化——同时将我们在游戏中所学应用于现实世界的问题和科学发现。

了解更多 → https://goo.gle/4xcwzOH

从雅达利到《星战前夜》：植根于15年游戏AI研究

来源：https://deepmind.google/blog/from-atari-to-eve-online-building-on-15-years-of-ai-research-in-games/?utm_source=x&utm_medium=social&utm_campaign=&utm_content= 从雅达利到围棋，再到《星际争霸》，游戏推动了AI领域一些最重大的突破。如今，我们正与游戏开发者合作，打造原型式的新游戏体验，推动游戏与AI的前沿发展。

自2010年DeepMind成立以来，游戏这种既具约束又富内涵的世界，在理解智能方面发挥了关键作用。从掌握雅达利游戏到助力解决蛋白质结构预测问题，游戏推动了我们一系列重大的AI突破，并且至今仍是我们工作的核心。

游戏是GDM（Google DeepMind）DNA的一部分。Google DeepMind的联合创始人之一德米斯·哈萨比斯本人就是前游戏开发者，我们团队中许多人也都有游戏开发背景。我们共同拥有数十年的游戏开发实践经验，并对游戏制作工艺怀有深深的敬意。

我们一直明确指出，利用游戏进行AI研究需要与开发者建立深度的合作伙伴关系——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-deepmind）建立的重大研究合作伙伴关系，以及今年早些时候揭幕的EVE宇宙，还包括我们与Hello Games (https://hellogames.org/)、Coffee Stain Studios (https://coffeestain.com/)、Foulball Hangover (https://www.foulballhangover.com/) 等知名工作室共同完成的工作。

游戏：AI研究的引擎

我们的征程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）无需任何针对特定游戏的工程设计，就学会了玩49种不同的游戏——从《乒乓》到《打砖块》再到《太空侵略者》。2015年发表在《自然》杂志上的DQN论文（https://www.nature.com/articles/nature14236）推动了现代深度强化学习时代的到来。

此后，我们尝试征服更复杂的游戏，每个里程碑都催生出更强大、更通用的系统。AlphaGo（https://deepmind.google/research/breakthroughs/alphago/）在2016年击败了围棋世界冠军李世石——这一成就曾被许多专家认为还需十年之久。AlphaGo Zero（https://www.nature.com/articles/nature24270）完全通过自我对弈学习，甚至不需要任何人类数据，超越了之前的所有版本。AlphaZero（https://www.science.org/doi/10.1126/science.aar6404）将这种方法泛化，用单一算法掌握了国际象棋、将棋和围棋。而MuZero（https://www.nature.com/articles/s41586-020-03051-4）甚至能在不知道规则的情况下学习游戏。2019年，AlphaStar（https://www.nature.com/articles/s41586-019-1724-z）在《星际争霸II》中达到了宗师级别，驾驭了实时复杂性和不完全信息。

对于每一款游戏，AI都丰富了游戏体验。AlphaGo著名的“第37手”（https://deepmind.google/research/breakthroughs/alphago/）出人意料，以至于专业解说最初认为是个错误，它颠覆了围棋数百年来的固有观念，并激励专家探索新的策略。AlphaZero同样为国际象棋启发了全新的对弈思路。至关重要的是，在游戏中成功的探索精神也对其他AI系统产生了深远影响：AlphaFold（https://deepmind.google/science/alphafold/）运用这些基础，助力解决了蛋白质结构预测这一持续50年的重大挑战，这项突破荣获了2024年诺贝尔化学奖。

从精通游戏到理解游戏

我们早期的工作证明，只要有明确的目标和足够的训练，AI可以掌握任何游戏。但现实世界没有分数和规则书——这促使我们提出了一个根本性不同的问题：AI能否像人一样理解并参与任何游戏世界？

这正是SIMA（https://deepmind.google/blog/sima-generalist-ai-agent-for-3d-virtual-environments/），即可扩展、可指令的多世界智能体，背后的核心挑战。SIMA并非针对高分进行优化，而是一个通用智能体，它能“看到”玩家在屏幕上看到的内容，理解自然语言指令，并通过普通的键盘和鼠标进行操作——无需API或源代码访问权限。

由我们的前沿AI模型Gemini驱动，SIMA 2（https://deepmind.google/blog/sima-2-an-agent-that-plays-reasons-and-learns-with-you-in-virtual-3d-worlds/）作为一个交互式伙伴，能够进行实时推理和对话。它在包括《无人深空》、《英灵神殿》、《水力采矿》在内的复杂3D研究环境和视频游戏中，实现了类人的游戏表现。

对于游戏开发者而言，一个真正通用的游戏智能体将解锁能与现有游戏配合使用的AI能力——无需修改游戏代码。这可以驱动全新的游戏玩法，从真正理解游戏世界的AI伙伴，到能够以脚本系统无法实现的方式进行适应和回应的非玩家角色（NPC）。

通用游戏智能体也可能改变游戏的制作方式。在开发阶段，游戏随每次提交而变化，这样的智能体可以实现真正健壮的QA测试。在游戏发布后，当引入新内容或玩家行为不可预测时，它们可以实时适应——泛化到新情况，而无需重新编写脚本。

为了安全且负责任地开发SIMA智能体，我们已与知名的游戏工作室合作，并正在为AI研究构建一个不断丰富的游戏作品集。这使我们能够用日益复杂的任务挑战我们的智能体，这些任务未来或许能够迁移到解决现实世界的问题中。

与游戏开发者携手，探索AI与游戏研究的新前沿

游戏工作室带来精湛的技艺、非凡的游戏世界和对玩家的深刻理解。我们带来前沿的AI技术——从Gemini到生成式交互环境与具身智能体的研究——以及我们团队独特的游戏开发背景和在交互式环境中构建AI的多年经验。我们共同努力，旨在发现突破性的体验——那些没有AI就不可能实现的前所未见的游戏玩法。

关键不在于技术，而在于有趣的体验。因此，我们与合作伙伴采取“展示，而非讲述”的方式。我们的团队与游戏开发者携手合作，探索新想法，构建可玩的原型，以发现乐趣所在。

我们与EVE Universe背后的独立工作室Fenris Creations（https://www.fenris.com/）最新的研究合作，标志着我们游戏AI研究历史的新篇章。

Fenris Creations用超过二十年的时间，打造了游戏中最非凡的持久世界之一。《星战前夜》（EVE Online）于2003年推出，是一款大型多人太空模拟游戏，数千名玩家共享一个持续进化了20多年的单一宇宙。其玩家驱动的经济体系具有真实的供需动态和横跨数千个星系的贸易网络。其由联盟、冲突和外交塑造的格局，由人类互动驱动。

对于AI研究而言，这是一个黄金机遇。这是一个鲜活、不断演进的世界，恰好需要我们相信对前沿AI至关重要的那些能力：

• 持续学习：在不断变化的世界中，不遗忘过往知识地习得新技能。
• 记忆：积累和检索跨越远超当前模型上下文窗口时间尺度的知识。
• 长周期规划：进行数周、数月甚至数年的推理。
• 复杂的多智能体动态：驾驭大规模的合作、竞争、谈判、经济以及涌现的社会行为。

这些挑战是我们更广泛研究计划的核心，该计划旨在创建能够从经验中持续学习的系统，且学习速率随时间推移而加快。我们相信，这些前沿能力未来将能够解锁新的游戏体验。

我们的研究合作覆盖Fenris Creations不断扩展的宇宙，为AI开发提供多样化的环境。《星战前夜》提供了一个大规模的单星域持久宇宙，而《星战前夜：先锋》（EVE Vanguard）则从第一人称视角进行，为更宏大的持久世界带来地面级的快节奏战术决策。这为研究智能体在多个抽象层面（从瞬息万变的战术到覆盖银河的战略）运作创造了机会。

此外，《星战前夜：前沿》（EVE Frontier）凭借其可编程的“智能组件”及其开放的、可扩展的架构，提供了一个开放式的环境，其中的世界规则本身可以改变，要求智能体适应全新的游戏机制。

在与Google DeepMind和Fenris Creations的工作坊中，我们团队进行“展示，而非讲述”环节，分享可玩原型、反馈，并讨论新游戏体验的创意。

我们的合作已经为玩家带来了切实价值：Aura Guidance（https://www.eveonline.com/news/view/eve-evolved-aura-guidance）系统利用Gemini，基于真实的新手帮助问答，为新手飞行员提供玩家生成的知识。

我们更长期的研究计划始于《星战前夜》的一个离线实例，这是一个安全的沙盒，与现役玩家分离。然后通过《星战前夜：前沿》逐步推进，作为研究人类与智能体如何在持久且开放的世界中并存的领域。只有当能力成熟时，我们才会考虑将它们应用到《星战前夜》和《星战前夜：先锋》，旨在丰富人类的游戏体验。

前方的道路

游戏一直是智能的一面镜子。随着它们变得更复杂、更持久、更开放，我们为驾驭它们而构建的AI系统也是如此。

我们追求与以往相同的终极目标：AI作为催化剂，而非替代品。我们的长期愿景是解锁突破性的游戏体验，让游戏更易上手、更个性化，并且——正如我们从AlphaGo到AlphaFold所看到的——将我们在游戏中的所学应用于现实世界的问题，推动科学发现。

我们感谢所有在这段旅程中与我们同行的游戏合作伙伴，也感谢Fenris Creations加入我们的新篇章。我们迫不及待地想分享我们的发现。

致谢

我们要感谢Google DeepMind内部的众多团队，感谢他们多年来为在游戏领域安全、负责任地推进AI研究做出的贡献。

特别感谢所有与我们合作的游戏开发者：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（《水力采矿》）、Hello Games（《无人深空》）、Keen Software House（《太空工程师》）、RubberbandGames（《摇摆人生》）、Strange Loop Games（《生态》）、Thunderful Games（《ASKA》、《黏黏世界》、《蒸汽世界：建造》）、Digixart（《96号公路》）以及Tuxedo Labs & Saber Interactive（《拆迁》）。

SIMA 2：在虚拟3D世界中与您一起游戏、推理和学习的智能体