Google DeepMind、ゲームAI研究の15年をEVE Onlineへ拡張

Google DeepMindは、ゲームにおけるAI研究の15年にわたる軌跡を詳細にまとめた報告を公開し、EVE Onlineの独立スタジオであるFenris Creationsとの研究パートナーシップで結実させ、両組織がEVEユニバース内で実施する段階的研究プログラムを提示しました。2026年8月21日の投稿は、ラボの初期の強化学習成果を現在の汎用エージェント研究と結びつけ、EVE環境で検証されることが期待される具体的な能力を列挙しています。

回顧的な概要では、ラボの研究プログラムを構築したゲーム成果の連鎖が示されています。生のピクセルから49種のAtari 2600ゲームを学習したDeep Q-Network（2015年Nature論文で報告）、2016年に世界チャンピオンLee Sedolに勝利したAlphaGo、ヒューマンデータを排除しチェス・将棋・囲碁全般に汎化したAlphaGo ZeroとAlphaZero、ルールを知らずにプレイしたMuZero、そして2019年にStarCraft IIでグランドマスターランクに到達したAlphaStarです。同じ基盤が、2024年ノーベル化学賞を受賞したタンパク質構造予測システムAlphaFoldにも受け継がれたと、投稿は指摘しています。

ゲームを攻略するAIから、その世界の中で活動するAIへ

この投稿は、ラボのゲーム研究の方向性転換を示しています。単一ゲームで明確なスコアをマスターするシステムから、人が行うように任意のゲーム世界で操作できるエージェントへとシフトするのです。その手段となるのがSIMA（Scalable Instructable Multiworld Agent）で、プレイヤーが画面上で見るものを認識し、ゲームコードにアクセスせずにキーボードとマウスの通常操作で行動します。

SIMA 2は、2025年11月にGeminiモデルを核に導入され、600以上の言語指示スキルを備えた初代版から、目標に関する推論、ユーザーとの対話、自己主導的なプレイによる改善へと機能を拡張しました。Google DeepMindは、SIMA 2が訓練環境全体で人間のタスク達成性能との差を大幅に縮小し、ASKAやMinecraftの研究実装など、訓練されていないゲームでも成果を上げていると報告しています。ラボが自ら提示する限界としては、非常に長期的なタスクで依然苦戦し、低遅延インタラクションに必要なコンテキストウィンドウに制約された短期記憶で動作し、限定的な研究プレビューとして少数の学者とゲーム開発者にのみ提供されている点が挙げられます。

EVEとの提携で加わるもの

Fenris Creationsとのパートナーシップは、同スタジオが独立した今年初めに発表され、DeepMindに2003年から継続稼働している永続的な世界へのアクセスを提供します。EVE Onlineの単一シャード宇宙は、数千人のプレイヤーが共有する経済圏を持ち、実際の需給ダイナミクスとプレイヤー主導の政治構造が完全に形成されています。EVEユニバースを手掛ける独立スタジオFenris Creationsは、20年以上にわたりゲーム史上最も永続的な世界の一つを構築してきました。

投稿は、環境が検証すべき4つの能力を挙げています：忘却しない継続的学習、現在のコンテキストウィンドウを超える記憶、数週間から数か月にわたる長期計画、協力・競争・交渉・経済を含む複雑なマルチエージェントダイナミクスです。

「Google DeepMindと共に、他のゲーム環境が要求しない時間スケールでAIが学習・適応・記憶しなければならない未踏の領域に挑んでいます」と、Fenris CreationsのCEO Hilmar Péturssonは投稿で述べています。

パートナーシップは3つの異なる環境にまたがります。EVE Onlineは大規模な永続宇宙を提供し、EVE Vanguardは第一人称の高速戦術的意思決定を追加し、EVE Frontierはプログラム可能なSmart Assembliesによりルール自体が変化し得る世界を提示します。

研究プログラムは段階的な道筋をたどります：まずライブプレイヤーから切り離されたEVE Onlineのオフラインインスタンスで開始し、次にEVE Frontierを通じて人間とエージェントが永続世界で共存する様子を研究し、能力が成熟した段階でライブゲームへと移行します。協業から生まれたシステムの一例として、Aura Guidanceがあります。これは2026年2月17日にプロトタイプとして開始され、Geminiを用いて新規プレイヤーの質問に実際の新人支援チャットから精査された回答を提供し、A/Bテストで新規プレイヤーの定着率向上を測定しています。

投稿が示すように、長いアークはAtariの生ピクセルから23年続く永続宇宙へと続きます。各環境は、ラボが汎用エージェントに必要と考える次の能力を強制的に引き出すために選ばれました。EVEユニバースはこのアプローチの現在のテストケースであり、オフラインサンドボックスが今取り組みを開始する場所です。