DeepMind 回顾 15 年游戏 AI 研究之路：从 Atari 到 EVE Online 的研究合作

Google DeepMind 于 8 月 21 日发布研究博客，梳理了自 2010 年成立以来游戏对 AI 研究的推动作用。文章指出，从用深度神经网络直接从原始像素学会玩 Atari 2600 游戏的 DQN，到 AlphaGo、AlphaGo Zero、AlphaZero、MuZero，再到 2019 年在《星际争霸 II》达到宗师级的 AlphaStar，游戏一直是 DeepMind 重大突破的摇篮。

文章强调，这些在游戏中验证的探索精神也外溢到其他领域：AlphaFold 将相关基础用于解决蛋白质结构预测这一 50 年难题，并因此获得 2024 年诺贝尔化学奖。

研究重心正从'掌握游戏'转向'理解游戏'。DeepMind 的 SIMA（可扩展、可指令、多世界 Agent）不以刷分为目标，而是像玩家一样'看'屏幕、理解自然语言指令，并通过普通键鼠操作交互，无需 API 或源码访问。由 Gemini 驱动的 SIMA 2 可作为交互伙伴实时推理与对话，在《No Man's Sky》《Valheim》《Hydroneer》等复杂 3D 环境中实现类人游玩。

DeepMind 表示正与游戏开发者深度合作，包括今年早些时候公布的与 Fenris Creations（EVE 宇宙开发商）的重大研究合作，以及与 Hello Games、Coffee Stain Studios 等工作室的协作。对开发者而言，通用游戏 Agent 可在无需修改游戏代码的前提下驱动 AI 伙伴、自适应 NPC，并用于开发期的稳健 QA 测试与上线后的实时适应。