Google DeepMind 與 EVE Online 團隊合作，用離線沙盒研究 AI 的長期記憶與規劃

Google DeepMind 與 EVE Online 團隊合作，用離線沙盒研究 AI 的長期記憶與規劃。Google DeepMind 回顧從 Atari、圍棋到 EVE Online 的遊戲 AI 研究；右側四格包含迷宮、棋盤、3D 遊戲場景與 EVE Online 星艦戰鬥。為什麼選 EVE OnlineGoogle DeepMind 與 Fenris Creations 的研究合作，會先從一套架在本機伺服器、與正式世界 Tranquility 分開的離線 EVE Online 開始。研究人員將在這個受控環境裡使用模擬與歷史資料，不會直接拿玩家共同經營的 New Eden 當實驗場。EVE Online 的難處，在於世界不會在一場比賽後重置。市場持續變動、資源有限、資訊不完整，數十萬名玩家又各自有不同目標。AI 代理不只要學會打贏一場戰鬥，還得在不知道全貌的情況下做決策，因應別人介入，判斷對方會合作還是背叛，並承擔幾個月甚至幾年後才浮現的結果。四項研究挑戰持續學習（continual learning）：世界改變時學會新能力，同時不忘記原本會的事。 深層記憶（deep memory）：保存並取回遠超過目前模型上下文視窗的資訊。 長期規劃（long-horizon planning）：推演數週、數月到數年後的影響。 多代理互動（multi-agent dynamics）：處理合作、競爭、談判、經濟活動與大規模互動中自然出現的行為。先離線研究，再談遊戲內應用Google DeepMind 表示，研究之後可能延伸到 EVE Universe 的不同環境。EVE Frontier 的可程式化組件 Smart Assemblies 與可延伸架構，適合探索 AI 如何適應新規則，以及人類與 AI 代理如何在開放世界共存；EVE Vanguard 則提供節奏更快的第一人稱戰術情境。只有當能力夠成熟、確定能讓玩家體驗更好時，團隊才會考慮把成果帶進 EVE Online 或 EVE Vanguard。Fenris Creations 也把界線說得很清楚：不做替玩家遊玩 EVE 的系統，也不建立凌駕遊戲規則的自動化層。只要一項技術會消除風險、繞過後果，或代替玩家做決定，就違背 EVE 的核心。未來若真的採用智慧系統，也必須遵守世界規則，增加更有意義的選擇，而不是把選擇拿走。Tranquility 累積了 23 年的玩家歷史、組織、戰爭與經濟決策，因此不能被當成一般測試場。相較之下，專用測試伺服器能讓研究團隊安全試驗，也能讓玩家自行選擇是否參與。已經上線的功能，與仍在研究的方向目前 EVE 已有一項和 Google AI 技術相關的實際功能：Aura Guidance 使用 Gemini 整理 Rookie Help 裡的玩家問答，協助新手理解遊戲。不過，這和本次離線研究、EVE Frontier 的後續探索，以及可能的半自主治理系統並不是同一件事；後三者仍是研究方向，不能當成已發布功能。研究成果未來可能用於測試複雜系統、觀察模擬經濟中的變化如何擴散，或幫助新手理解大量遊戲路徑。至於用半自主系統在沙盒中創造更多衝突、機會與互動，官方只把它列為長期探索方向，沒有承諾一定會做。從遊戲研究走向真實世界這項合作延續 Google DeepMind 十多年來以遊戲研究 AI 的路線：從 Atari、AlphaGo、AlphaStar，到讓代理透過螢幕、鍵盤與滑鼠理解 3D 世界的 SIMA，遊戲一直是測試學習、推理與規劃能力的場域。EVE Online 下一步要補上的，是持續世界裡更複雜的人類互動與長期後果。雙方的長期目標，是和遊戲開發者一起找出新的玩法，讓遊戲更容易上手、更符合不同玩家需求，也把研究得到的能力帶到現實問題與科學發現。不過這項 EVE Online 研究仍在早期階段，Fenris Creations 明確表示，目前不承諾研究最後一定會走向哪裡。原文：https://easyvibecoding.app/curated/3106-google-deepmind-eve-online-offline-ai-research