DeepMind：从 Atari 到 EVE Online，15 年游戏 AI 研究再出发

Google DeepMind 于 8 月 21 日发布博客，回顾自 2010 年成立以来游戏在其 AI 研究中的核心地位，并介绍了由 Gemini 驱动的通用游戏智能体 SIMA 2，以及与 EVE Online 开发商 Fenris Creations 的最新研究合作。

游戏：AI 研究的试验场

DeepMind 在博客中梳理了过去 15 年里游戏对 AI 发展的关键推动作用。从 2015 年在《Nature》发表的 DQN（Deep Q-Network）论文开始，团队仅凭原始像素输入就让深度神经网络掌握了 49 款雅达利 2600 游戏，标志着现代深度强化学习时代的开启。此后，更复杂的里程碑接连出现：

• AlphaGo 于 2016 年击败围棋世界冠军李世乭；
• AlphaGo Zero 完全通过自我对弈超越所有前代版本，无需人类棋谱；
• AlphaZero 用同一套算法通吃国际象棋、将棋与围棋；
• MuZero 进一步突破，甚至不需要预先告知规则即可学会游戏；
• AlphaStar 于 2019 年在《星际争霸 II》中达到 Grandmaster 段位，应对实时操作与不完全信息的双重挑战。

DeepMind 特别提到，AlphaGo 第 37 手这一突破性下法曾被职业解说误判为失误，却颠覆了围棋数百年的传统定式；AlphaZero 同样为国际象棋开辟了全新开局思路。更重要的是，这种"在游戏中探索"的精神延伸到了游戏之外——AlphaFold 据此攻克了困扰学界 50 年的蛋白质结构预测难题，并因此获得 2024 年诺贝尔化学奖。

从"精通游戏"到"理解游戏"

博客指出，以往的 AI 系统在目标明确、规则清晰的条件下可以精通任何游戏，但现实世界并没有分数与规则手册。为此，团队提出了一个根本不同的命题：AI 能否像人一样理解并操作任何游戏世界？

这正是 SIMA（Scalable Instructable Multiworld Agent）的研究目标。与追求高分的传统游戏 AI 不同，SIMA 是一种通用智能体：它"看到"屏幕画面、理解自然语言指令、并通过普通的键鼠进行操作——无需 API 或源代码访问。基于 DeepMind 前沿模型 Gemini 打造的 SIMA 2 进一步具备实时推理与对话能力，已在《无人深空》《英灵神殿》《Hydroneer》等复杂 3D 环境中实现类人游戏表现。

对游戏开发者而言，通用游戏智能体意味着 AI 能力可直接接入既有游戏，无需修改代码：

• 真正懂得游戏世界的 AI 伙伴；
• 能实时自适应玩家行为与非玩家角色（NPC）的新一代 NPC；
• 开发阶段每次提交都能用的稳健 QA 测试；
• 上线后面对新内容或玩家异常行为时，无需重新脚本化即可泛化应对。

与开发商合作：探索 AI 与游戏的新边界

DeepMind 强调，游戏 AI 研究离不开与开发商的深度合作。博客透露，团队正与 Hello Games、Coffee Stain Studios、Foulball Hangover 等知名工作室协作，共同打造可用于 AI 研究的游戏组合。

最新一项合作是与独立工作室 Fenris Creations 联手。Fenris 是 EVE 宇宙（EVE Universe）的开发者，自 2003 年推出《EVE Online》以来，已在大型多人在线太空模拟领域深耕超过 20 年，其持久化世界在游戏行业中独树一帜。DeepMind 表示，双方将结合 Fenris 在世界构建与玩家理解方面的深厚积累，以及 DeepMind 从 Gemini 到生成式交互环境、具身智能体的前沿 AI 能力，共同探索"没有 AI 就无法实现的全新游戏体验"。

DeepMind 在博客结尾表示，AI 在游戏中的下一个阶段，不是炫技，而是让玩家真正感到好玩。团队将继续以"展示而非讲述"的方式与开发商并肩工作，通过可玩原型去寻找乐趣所在。