By Alexandre Moufarek and Adrian Bolton

從 Atari 到 Go 再到 StarCraft，遊戲推動了 AI 的一些最大突破。Google DeepMind 現正與遊戲開發者合作，打造原型新玩法體驗，推動遊戲與 AI 的邊界。

自 DeepMind 於 2010 年成立以來，受限但又豐富的遊戲世界在理解智慧方面扮演了關鍵角色。它們推動了該組織一些最重要的 AI 突破，從掌握 Atari 到協助解決蛋白質結構預測，而它們至今仍是團隊工作的核心。

遊戲已深植於 Google DeepMind（GDM）的 DNA 中。Google DeepMind 的共同創辦人之一 Demis Hassabis 本身就是前遊戲開發者——他曾在 Bullfrog Productions 參與 1994 年暢銷作品 Theme Park 的開發，之後創立了自己的工作室 Elixir Studios——GDM 團隊中也有許多成員同樣出身遊戲產業。對此，他們擁有數十年親身投入遊戲開發的經驗，並對製作遊戲的工藝抱有深厚敬意。

Google DeepMind 一直明確指出，透過遊戲進行 AI 研究，需要與遊戲開發者建立深度合作——就像今年稍早揭露的、與 Fenris Creations and the EVE Universe 的重大新研究合作，以及與 Hello Games、Coffee Stain Studios、Foulball Hangover 等知名工作室共同完成的工作。

遊戲作為 AI 研究的引擎

這段旅程始於一個小團隊訓練深度神經網路，直接從原始像素玩 Atari 2600 遊戲。Deep Q-Network（DQN）學會了 49 種不同遊戲——從 Pong 到 Breakout 再到 Space Invaders——且無需任何針對特定遊戲的工程設計。這篇 2015 年關於 DQN 的 Nature 論文 推動了現代深度強化學習時代的到來。

之後，團隊嘗試攻克更複雜的遊戲，每一個里程碑都帶來更強大、也更通用的系統。AlphaGo 在 2016 年擊敗圍棋世界冠軍李世乭，這項成就當時被許多專家認為至少還要十年才可能出現。AlphaGo Zero 完全透過自我對弈學習，沒有使用任何人類資料，便超越了此前所有版本。AlphaZero 則將這種方法推廣到用單一演算法精通西洋棋、將棋與圍棋，而 MuZero 甚至在不知道規則的情況下學會了遊玩。2019 年，AlphaStar 在 StarCraft II 中達到特級大師等級，能應對即時複雜性與不完全資訊。

對每一款遊戲而言，AI 都豐富了遊玩體驗。AlphaGo 著名的 Move 37——在 2016 年對局的第二盤中落下——是一手出人意料到讓專業解說員起初以為是失誤的棋，顛覆了圍棋中沿襲數百年的既有觀念，並啟發專家探索新的策略。AlphaZero 也同樣激發了西洋棋中全新的下法。關鍵的是，這種在遊戲中成功的探索精神，對其他 AI 系統產生了深遠影響：AlphaFold 將這些基礎應用於解決長達 50 年的蛋白質結構預測重大挑戰，這項突破也獲得了 2024 年諾貝爾化學獎的肯定。

從精通遊戲到理解遊戲

早期工作證明，只要有明確目標與足夠訓練，AI 就能精通任何遊戲。但現實世界沒有分數與規則書——這讓團隊提出了一個完全不同的問題：AI 能否像人一樣理解並與任何遊戲世界互動？

這就是 SIMA 背後的挑戰；SIMA 是 Scalable Instructable Multiworld Agent，於 2024 年由 Google DeepMind 首次推出。SIMA 不追求高分，而是一個通用代理，能「看見」玩家在螢幕上所見、理解自然語言指令，並透過一般的鍵盤與滑鼠控制來行動——不需要 API 或原始碼存取。

由 Gemini——Google 的前沿 AI 模型——驅動的 SIMA 2 可作為能即時推理與對話的互動夥伴。它能在複雜的 3D 研究環境與電玩中展現類人遊玩表現，包括 No Man's Sky、Valheim、Hydroneer 等。

對遊戲開發者而言，一個真正通用的遊戲代理將解鎖可運作於現有遊戲中的 AI 能力——無需修改遊戲程式碼。這可能帶來全新的遊戲玩法，從真正理解遊戲世界的 AI 夥伴，到能以腳本系統無法實現的方式自適應並回應的非玩家角色（NPC）。

通用遊戲代理也可能改變遊戲製作方式。在開發期間，當遊戲每次提交都會變動時，這類代理可帶來真正穩健的 QA 測試。上線後，當新增內容或玩家行為難以預測時，它們可即時調整——無需重新編寫腳本即可泛化到新情境。

為了安全且負責任地開發 SIMA 代理，Google DeepMind 已與知名遊戲工作室合作，並持續建立一個不斷擴大的遊戲研究作品集。這使團隊能以愈來愈複雜的任務挑戰代理，這些能力未來有望轉移到解決現實世界問題。

與遊戲開發者一起探索 AI 與遊戲研究的新前沿

遊戲工作室帶來專業工藝、非凡的遊戲世界，以及對玩家的深刻理解。Google DeepMind 帶來前沿 AI——從 Gemini 到生成式互動環境與具身代理研究——研究專長，以及團隊獨特的遊戲開發背景與多年互動環境 AI 建構經驗。雙方合作聚焦於發現突破性體驗——這些是沒有 AI 就無法實現、前所未見的玩法。

重點不在技術本身，而在有趣的體驗。因此 Google DeepMind 與合作夥伴採取「show, don't tell」的方式。團隊與遊戲開發者並肩合作，探索新想法並建立可遊玩的原型，以找出其中的樂趣。

最新的研究合作對象是 Fenris Creations，這家獨立工作室是 EVE Universe 的幕後團隊，代表著 Google DeepMind 遊戲 AI 研究史上的新篇章。

EVE Universe：一個研究前沿

Fenris Creations——製作 EVE Online、前身為 CCP Games 的工作室——用了二十多年打造遊戲界最非凡的持久世界之一。EVE Online 於 2003 年推出，是一款大型多人太空模擬遊戲，數千名玩家共享同一個持續演化超過 20 年的宇宙。其玩家驅動經濟具備真實的供需動態與橫跨數千個恆星系統的貿易網絡。其地貌——由同盟、衝突與外交所塑造——則由人類互動驅動，玩家之間的戰爭也造就了線上遊戲史上一些規模最大的戰役。

對 AI 研究而言，這是一次絕佳機會。這是一個活生生、持續演化的世界，恰好需要 Google DeepMind 認為對前沿 AI 至關重要的能力：

• 持續學習： 在不斷變化的世界中學習新技能，同時不忘記過去所學。
• 記憶： 在遠超今天模型上下文視窗的時間尺度上累積並檢索知識。
• 長期規劃： 針對數週、數月，甚至數年的時間跨度進行推理。
• 複雜多代理動態： 大規模應對合作、競爭、談判、經濟與湧現式社會行為。

這些挑戰位於 Google DeepMind 更廣泛研究倡議的核心，該倡議旨在建立能從經驗中持續學習、且學習速度會隨時間加快的系統。公司認為，這些前沿能力未來可能釋放新的遊戲體驗。

EVE Online 從一開始就被構想為一個由玩家塑造、後果長存的沙盒。這在數十年間為玩家與員工帶來了無數成長故事。與 Google DeepMind 一起，我們正進入一個前所未有的領域，在這裡 AI 必須在其他遊戲環境都不要求的時間尺度上學習、適應並記憶，同時幫助我們理解在人類真正面對現實中的同樣問題之前，人類與 AI 如何在虛擬環境中共存。

這項研究合作延伸至 Fenris Creations 不斷擴張的宇宙，為 AI 開發提供不同環境。EVE Online 提供大型、單一分片的持久宇宙；EVE Vanguard 則以第一人稱視角遊玩，將地面層級、快節奏的戰術決策帶入更廣泛的持久世界。這為研究跨越不同抽象層級運作的代理提供了機會，從即時反應層級的戰術到橫跨整個星系的戰略。

此外，EVE Frontier 擁有可程式化的「Smart Assemblies」與開放、可擴充的架構，提供一個開放式環境，讓世界規則本身都能改變，要求代理適應全新的遊戲機制。

在與 Google DeepMind 和 Fenris Creations 的工作坊中，一場「show, don't tell」的環節，雙方團隊分享可遊玩原型、回饋並討論新的遊戲體驗構想

這項合作已經帶來實際的玩家價值：Aura Guidance 系統使用 Gemini，根據真實的 Rookie Help 問答，提供玩家生成的知識，以協助新飛行員。

更長期的研究計畫從離線版 EVE Online 開始，這是一個與真實玩家隔離的安全沙盒。之後將進展到 EVE Frontier，作為研究人類與代理如何在持久且開放式的世界中共存的空間。只有在能力成熟時，Google DeepMind 才會考慮將其帶入 EVE Online 與 EVE Vanguard，目標是豐富人類的遊玩體驗。

未來之路

遊戲一直是智慧的一面鏡子。隨著它們變得更複雜、更持久、也更開放式，我們所建構用來應對它們的 AI 系統也同樣如此。

Google DeepMind 一直追求的最終目標並未改變：讓 AI 成為催化劑，而非替代品。其長期願景是釋放突破性的遊戲體驗，讓遊戲更易接近、也更個人化，並且——正如從 AlphaGo 到 AlphaFold 所見——將在遊戲中學到的東西應用到現實世界問題並推動科學發現。該合作既定路線圖中的下一階段，是先取得離線 EVE Online 實例的研究成果，再進行 EVE Frontier 中的人機共存實驗——任何線上遊戲整合都會等到能力成熟後才考慮。

團隊感謝這段旅程中的所有遊戲合作夥伴，也感謝 Fenris Creations 加入下一個篇章，並表示迫不及待想分享他們的發現。

致謝

Google DeepMind 感謝多年來組織內眾多團隊在安全且負責任地推進遊戲中的 AI 研究上所做的貢獻，並特別感謝所有與公司合作的遊戲開發者：Coffee Stain（Valheim、Satisfactory、Goat Simulator 3）、Fenris Creations（EVE Online、EVE Vanguard、EVE Frontier）、Foulball Hangover（Hydroneer）、Hello Games（No Man's Sky）、Keen Software House（Space Engineers）、RubberbandGames（Wobbly Life）、Strange Loop Games（Eco）、Thunderful Games（ASKA、The Gunk、Steamworld Build）、Digixart（Road 96），以及 Tuxedo Labs 與 Saber Interactive（Teardown）。

來源：Google DeepMind Blog — https://deepmind.google/blog/from-atari-to-eve-online-building-on-15-years-of-ai-research-in-games/