Google DeepMind อธิบายว่าการวิจัยเกมตลอด 15 ปีนำไปสู่ EVE Online อย่างไร

Google DeepMind ได้เผยแพร่บัญชีรายละเอียดของเส้นโค้งการวิจัย AI ในเกมตลอด 15 ปีของตน ซึ่งจบลงด้วยความร่วมมือการวิจัยกับ Fenris Creations สตูดิโออิสระที่อยู่เบื้องหลัง EVE Online และได้วางแผนโปรแกรมการวิจัยแบบขั้นเป็นขั้นที่สององค์กรนี้ตั้งใจจะดำเนินการภายในจักรวาล EVE. โพสต์วันที่ 21 สิงหาคม 2026 เชื่อมโยงผลการเรียนรู้เสริมเริ่มแรกของห้องทดลองกับงานปัจจุบันเกี่ยวกับเอเจนต์ทั่วไปและระบุความสามารถเฉพาะที่คาดว่า สภาพแวดล้อม EVE จะทดสอบ.

การทบทวนนี้ครอบคลุมสายผลลัพธ์เกมที่สร้างโปรแกรมการวิจัยของห้องทดลอง: Deep Q-Network ที่เรียนรู้ 49 เกม Atari 2600 จากพิกเซลดิบ ซึ่งได้บันทึกใน บทความ Nature ปี 2015; ความสำเร็จของ AlphaGo ในปี 2016 ที่เอาชนะแชมป์โลก Lee Sae Dol; AlphaGo Zero และ AlphaZero ที่ตัดข้อมูลมนุษย์ออกและทำทั่วไปในหมากรุก, โชกิ, และโก; MuZero ที่เล่นโดยไม่ต้องรู้กฎ; และ AlphaStar ที่ถึงระดับ Grandmaster ใน StarCraft II ในปี 2019. พื้นฐานเดียวกัน, ตามที่โพสต์ระบุ, ได้นำไปสู่ AlphaFold ระบบโครงสร้างโปรตีนที่ได้รับรางวัลโนเบลสาขาเคมีปี 2024.

จากการเชี่ยวชาญเกมสู่การทำงานภายในเกม

โพสต์นี้กำหนดกรอบการเปลี่ยนแปลงในการวิจัยเกมของห้องทดลอง: จากระบบที่เชี่ยวชาญเกมเดียวที่มีคะแนนชัดเจน ไปสู่เอเจนต์ที่สามารถทำงานในโลกเกมใดก็ได้เช่นเดียวกับคนทั่วไป. ยานพาหนะสำหรับสิ่งนั้นคือ SIMA, Scalable Instructable Multiworld Agent, ซึ่งรับรู้สิ่งที่ผู้เล่นเห็นบนหน้าจอและกระทำผ่านการควบคุมคีย์บอร์ดและเมาส์แบบปกติโดยไม่ต้องเข้าถึงโค้ดเกม.

SIMA 2, ซึ่งเปิดตัวในเดือนพฤศจิกายน 2025 ด้วยโมเดล Gemini เป็นแกนหลัก, ได้ก้าวข้ามชุดทักษะการตามภาษากว่า 600 อย่างของเวอร์ชันแรก ไปสู่การให้เหตุผลเกี่ยวกับเป้าหมาย, การสนทนากับผู้ใช้, และการปรับปรุงผ่านการเล่นด้วยตนเอง. Google DeepMind รายงานว่า SIMA 2 ปิดช่องว่างที่สำคัญระหว่างประสิทธิภาพการทำงานของมนุษย์ในงานต่าง ๆ ทั่วสภาพแวดล้อมการฝึกของมัน, รวมถึงเกมที่ไม่เคยได้รับการฝึก เช่น ASKA และการนำไปใช้ในงานวิจัย Minecraft. ข้อจำกัดที่ห้องทดลองระบุเอง: เอเจนต์ยังคงประสบปัญหาในงานที่มีระยะเวลายาวมาก, ทำงานจากหน่วยความจำสั้นที่จำกัดโดยหน้าต่างบริบทที่จำเป็นสำหรับการโต้ตอบความหน่วงต่ำ, และมีให้ใช้งานเฉพาะเป็นการพรีวิวการวิจัยแบบจำกัดสำหรับกลุ่มนักวิชาการและนักพัฒนาเกมจำนวนเล็กน้อย.

สิ่งที่ความร่วมมือกับ EVE เพิ่มเติม

ความร่วมมือกับ Fenris Creations ที่เปิดตัวเมื่อต้นปีนี้เมื่อสตูดิโอที่อยู่เบื้องหลัง EVE Online แยกตัวเป็นอิสระ ทำให้ DeepMind เข้าถึงโลกที่คงอยู่ต่อเนื่องตั้งแต่ปี 2003. จักรวาลแบบ single-shard ของ EVE Online มีผู้เล่นหลายพันคนในเศรษฐกิจร่วมที่มีพลวัตอุปสงค์-อุปทานจริงและโครงสร้างทางการเมืองที่สร้างขึ้นโดยผู้เล่นทั้งหมด. Fenris Creations, สตูดิโออิสระที่อยู่เบื้องหลังจักรวาล EVE, ได้ใช้เวลากว่าสองทศวรรษในการสร้างหนึ่งในโลกเกมที่คงอยู่ยาวนานที่สุด.

โพสต์ระบุสี่ความสามารถที่คาดว่าสภาพแวดล้อมนี้จะทดสอบ: การเรียนรู้อย่างต่อเนื่องโดยไม่ลืม, หน่วยความจำที่ขยายเกินหน้าต่างบริบทปัจจุบัน, การวางแผนระยะยาวหลายสัปดาห์หรือหลายเดือน, และพลวัตหลายเอเจนต์ที่ซับซ้อนครอบคลุมการร่วมมือ, การแข่งขัน, การเจรจา, และเศรษฐศาสตร์.

“ร่วมกับ Google DeepMind เรากำลังก้าวสู่ดินแดนที่ยังไม่เคยสำรวจซึ่ง AI ต้องเรียนรู้ ปรับตัว และจดจำในช่วงเวลาที่ไม่มีสภาพแวดล้อมเกมอื่นใดเรียกร้อง,” Hilmar Pétursson, CEO ของ Fenris Creations, กล่าวในโพสต์.

ความร่วมมือขยายไปยังสามสภาพแวดล้อมที่แตกต่างกัน. EVE Online ให้จักรวาลคงที่ขนาดใหญ่; EVE Vanguard เพิ่มการตัดสินใจเชิงยุทธศาสตร์แบบมุมมองบุคคลแรกที่รวดเร็ว; EVE Frontier, พร้อมกับ Smart Assemblies ที่สามารถโปรแกรมได้, นำเสนอโลกที่กฎระเบียบเองสามารถเปลี่ยนแปลงได้.

โปรแกรมการวิจัยดำเนินตามเส้นทางแบบขั้นตอน: เริ่มจากอินสแตนซ์ออฟไลน์ของ EVE Online ที่แยกจากผู้เล่นจริง, ผ่าน EVE Frontier เพื่อศึกษาว่ามนุษย์และเอเจนต์อยู่ร่วมกันในโลกคงที่ได้อย่างไร, และเข้าสู่เกมสดเฉพาะเมื่อความสามารถพร้อม. ระบบหนึ่งจากความร่วมมือได้อยู่หน้าผู้เล่นแล้ว: Aura Guidance, เปิดตัวเป็นต้นแบบเมื่อ 17 กุมภาพันธ์ 2026, ใช้ Gemini เพื่อตอบคำถามของผู้เล่นใหม่ที่ดึงมาจากฐานข้อมูลคำถาม Rookie Help ที่ได้รับการตรวจสอบ, และกำลังทำการทดสอบ A/B อย่างควบคุมเพื่อวัดว่ามันช่วยเพิ่มการคงอยู่ของผู้เล่นใหม่หรือไม่.

เส้นโค้งที่ยาวขึ้น, ตามที่โพสต์กำหนด, เริ่มจากพิกเซลดิบของ Atari ไปสู่จักรวาลคงที่อายุ 23 ปี: แต่ละสภาพแวดล้อมถูกเลือกเพราะบังคับให้เอเจนต์ทั่วไปต้องพัฒนาความสามารถต่อไปตามที่ห้องทดลองเชื่อว่าเป็นสิ่งจำเป็น. จักรวาล EVE เป็นการทดสอบปัจจุบันของแนวทางนี้, และ sandbox แบบออฟไลน์คือจุดเริ่มต้นของงานในขณะนี้.