devgo.cn游戏从来不只是娱乐。对AI研究者来说，游戏是压缩过的现实：规则明确、反馈即时、复杂度可控，却能覆盖从反应速度到长期策略的各类智能挑战。Google DeepMind（谷歌旗下AI研究机构）从2010年成立起就把游戏当作核心试验场，最近他们宣布与EVE Online开发商Fenris Creations建立研究合作，把AI放进一个持续运行20多年的虚拟宇宙里。这条路线值得开发者关注，因为它展示了AI从“学会玩游戏”到“理解游戏世界”的演进，也暗示了通用智能体（能像人一样感知和操作计算机的AI）可能很快进入真实工作流。
早期成果是深度强化学习的里程碑。2015年，DeepMind团队训练了一个深度神经网络直接看Atari 2600游戏的原始像素，玩49款游戏，不需要针对每款游戏写规则。这个模型叫DQN（Deep Q-Network，深度Q网络），核心思路是用神经网络近似Q函数——也就是“在某个状态下采取某个动作能获得多少未来奖励”的估计。DQN让AI从零学会打砖块、乒乓球等，直接催化了现代深度强化学习。
随后是AlphaGo系列。2016年AlphaGo击败围棋世界冠军李世石，其中著名的“第37手”出乎所有职业棋手意料，被认为打破了数百年定式。AlphaGo Zero完全靠自我对弈，不用任何人类棋谱，超越了之前所有版本。AlphaZero把同一套算法扩展到国际象棋、将棋和围棋。MuZero更进一步，连规则都不需要提前知道，靠环境交互自己推断。2019年AlphaStar在《星际争霸II》达到宗师级，处理了实时操作和不完全信息。这些成果不仅停留在游戏里——AlphaFold把类似思路用到蛋白质结构预测，解决了50年难题，获得2024年诺贝尔化学奖。
但DeepMind的野心不止于“在给定目标下玩到最好”。真实世界没有分数和规则书，于是他们转向另一个问题：AI能不能像人一样理解并操作任意游戏世界？这就是SIMA（Scalable Instructable Multiworld Agent，可扩展可指令多世界智能体）。SIMA不追求高分，而是看屏幕上的画面，理解自然语言指令，用普通键盘鼠标操作，不需要API或源码。它基于Gemini（谷歌的多模态大模型，能处理文本、图像、音频等），能在《无人深空》《英灵神殿》等复杂3D环境里达到接近人类的表现。对游戏开发者来说，这意味着AI可以适配现有游戏，不用改一行代码，就能实现真正理解游戏世界的AI同伴，或者能动态响应的NPC（非玩家角色，游戏里由程序控制的人物）。
为什么选EVE Online作为研究场景？因为它是极端的“活世界”。EVE Online 2003年上线，数千玩家共享同一个服务器，经济系统由真实供需驱动，贸易网络横跨数千个星系，联盟、冲突、外交全由人类互动塑造。对AI研究，这正好考验四项关键能力：持续学习（在不断变化的世界里学新技能但不遗忘旧知识）、记忆（跨超长时间积累和检索信息，远超当前大模型的上下文窗口）、长时规划（以周、月甚至年为单位推理）、复杂多智能体动态（处理合作、竞争、谈判、经济、涌现社会行为）。这些能力正是未来通用AI需要的。
合作还覆盖EVE宇宙的多个层面：EVE Vanguard是第一人称视角，强调地面快速战术决策；EVE Frontier有可编程的“Smart Assemblies”（智能组件，允许玩家修改游戏规则）和开放架构，规则本身可以改变，要求AI适应全新机制。目前已经落地的成果是Aura Guidance系统，用Gemini把新手玩家的真实问答整理成知识，帮助新飞行员。研究路径很谨慎：先在离线副本里做沙盒测试，不干扰真实玩家；再在EVE Frontier里研究人类和AI共存；能力成熟后才考虑引入EVE Online和Vanguard，目标是增强而非替代人类玩家。
对普通开发者，这篇文章的启发在于：游戏AI研究的方法论可以迁移到很多场景。比如用强化学习训练机器人控制策略，用自我对弈提升决策模型，或者用SIMA这类通用智能体做软件自动化测试——游戏开发中“每次代码变更都要回归测试”的痛点，正好是通用智能体可以发挥的地方。另外，EVE Online提出的持续学习、记忆、长时规划，也是构建任何长期运行AI系统都要面对的问题。值得注意的坑是：这类研究需要大量算力和精心设计的奖励机制，直接照搬容易失败；而且从研究到产品有很长距离，像DeepMind这样分阶段验证是更稳妥的做法。游戏是AI的镜子，当游戏世界越来越复杂，AI也在被逼着越来越通用。
内容与图片版权归原作者所有 · 原文: https://deepmind.google/blog/from-atari-to-eve-online-building-on-15-years-of-ai-research-in-games/