A DeepMind több játékstúdióval működik együtt új, általános játékügynökök (generalist agents) és játékmeneti prototípusok kifejlesztésén, amelyek egyszerre tolhatják előre a játékfejlesztés és a mesterséges intelligencia határait. A kutatás célja olyan rendszerek létrehozása, amelyek meglévő játékokkal képesek együttműködni anélkül, hogy a játék forráskódját vagy API-jait módosítani kellene.
Miért fontosak a játékok a DeepMind számára
A DeepMind 2010-es alapítása óta a játékok szűk, de gazdag környezete kulcsfontosságú volt az intelligencia megértésében és az AI áttörések elérésében. Korai mérföldkövek közé tartozik a Deep Q-Network (DQN), amely nyers pixelekből tanulva 49 Atari 2600 játékot tanult meg játszani — ideértve a Pongot, a Breakoutot és a Space Invaderst —, és a 2015-ös Nature-cikk miatt vált a modern mély megerősítéses tanulás egyik katalizátorává.
Ezt követték további eredmények: az AlphaGo 2016-ban legyőzte a világbajnok Go-játékost Lee Sae Dolt; az AlphaGo Zero emberi adat nélkül, kizárólag önjátékkal tanult; az AlphaZero egyetlen algoritmussal sakkban, shogiban és Go-ban ért el kimagasló eredményeket; a MuZero pedig szabályismeret nélkül tanult meg játszani; míg az AlphaStar 2019-ben Grandmaster szintet ért el a StarCraft II-ben. A játékokon elért kutatási eredmények gyakorlati áttételeket is hoztak: az AlphaFold alapjait felhasználva sikerült előrelépni a fehérjestruktúra-predikció terén, amiért 2024-ben a kémiai Nobel-díjat ítélték oda.
A következő kérdés: az AI megértse és interakcióba lépjen a játékvilágokkal
A korábbi munkák azt bizonyították, hogy egyértelmű cél és elegendő tanulás mellett az AI képes mesteri szintre jutni játékokban. Ugyanakkor a valós világ nem jár pontozással és játékszabályokkal, ezért a DeepMind egy másik felvetést vizsgál: lehetséges-e, hogy egy AI bármely játékvilágot úgy értsen meg és úgy lépjen vele kapcsolatba, mint egy ember?
Ennek a kihívásnak a középpontjában áll a SIMA (Scalable Instructable Multiworld Agent) nevű kutatás. A SIMA nem magas pontszámra optimalizált bot, hanem egy általános ügynök, amelyet úgy terveztek, hogy azt lássa, amit a játékos lát a képernyőn, értse a természetes nyelvű utasításokat és billentyűzeten, egéren keresztül cselekedjen — API- vagy forráskód-hozzáférés nélkül.
A SIMA rendszerek a Gemini határmodelljeire épülnek: a SIMA 2 valós idejű érvelésre és beszélgetésre képes interaktív társ, amely emberihez közelítő játékteljesítményt mutat komplex 3D kutatókörnyezetekben és címekben, mint a No Man's Sky, Valheim és Hydroneer.
Milyen előnyöket hozhat ez a fejlesztőknek és játékosoknak
Egy valóban általános játékügynök lehetővé tenné, hogy AI-k a meglévő játékokban működjenek anélkül, hogy a játék kódját módosítani kellene. Ez új játékmeneti lehetőségeket nyithat meg: például olyan AI-társakat, amelyek valóban értik a játék világát, vagy olyan nem-játékos karaktereket (NPC-ket), amelyek alkalmazkodnak és reagálnak komplex módon, amit a hagyományos szkriptek nem tudnak.
A fejlesztés folyamatában az ilyen ügynökök a folyamatosan változó kódnál is robosztus tesztelést (QA) biztosíthatnak; a játék életciklusában pedig új tartalom vagy kiszámíthatatlan játékosi viselkedés esetén valós időben tudnának alkalmazkodni, új helyzetekhez általánosítva anélkül, hogy újra kellene őket szkriptelni.
A SIMA fejlesztését biztonságos és felelős módon végzik, együttműködve elismert játékstúdiókkal, és egyre növekvő kutatási játékportfóliót építenek, hogy a rendszereket egyre összetettebb feladatokkal teszteljék.
Együttműködés a játékstúdiókkal: fenntartható és játékos-központú megközelítés
A játékstúdiók szakértelme, világépítése és a játékosok ismerete kiegészíti a DeepMind mesterséges intelligencia-kutatását — a Gemini modellektől az interaktív, generatív környezetek és megtestesült ügynökök kutatásáig. A hangsúly nem pusztán a technológián van, hanem a játékélményen: a DeepMind „mutasd, ne mondd” módszerrel dolgozik partnereivel, kéz a kézben fejlesztve játszható prototípusokat és keresve a valódi szórakozást.
Fenris Creations és az EVE-univerzum: tartós, élő laboratórium
A DeepMind legújabb jelentős kutatási partnere a Fenris Creations, amely az EVE-univerzum mögött álló független stúdió. A Fenris Creations több mint húsz éve épít egy kivételesen tartós multiplayer világot: az EVE Online 2003-as rajtja óta egyetlen, folyamatosan fejlődő univerzum, ahol ezrek osztoznak egy játéktereken átívelő gazdaságon és diplomácián.
Az EVE különlegessége, hogy játékosvezérelt piacok, ellátási láncok és emberi konfliktusok alakítják a világát — ezért ideális terep az olyan AI-képességek kutatására, amelyekre a DeepMind fókuszál:
- Folyamatos tanulás: új készségek elsajátítása anélkül, hogy a korábbiakat elfelejtenék, egy változó világban.
- Memória: tudás felhalmozása és előhívása olyan időtávokon, amelyek messze túlmutatnak a mai modellek kontextus-ablakán.
- Hosszú távú tervezés: hetekre, hónapokra vagy akár évekre kiterjedő stratégiai gondolkodás.
- Komplex többügynökös dinamika: együttműködés, versengés, tárgyalás, gazdaság és társadalmi jelenségek skálázása.
A DeepMind kutatási programja egy offline, elszigetelt EVE Online példánnyal kezd — biztonságos homokozóként, amely elkülönül a valódi játékosoktól. Ezt követően az EVE Frontier szolgálhatja a vizsgálatot arról, hogyan élhetnek együtt emberek és ügynökök egy kitárulkozó és nyitott világban. Csak akkor mérlegelik a technológiák bevitelét az élő EVE Online és EVE Vanguard környezetekbe, amikor a képességek érettek és a cél az emberi játék gazdagítása.
Már látható eredmények és a jövő
A közös munka már konkrét értéket hozott: az Aura Guidance rendszer a Gemini modelleket használva a játékosok által generált tudást és Rookie Help kérdésekre adott válaszokat adja tovább az új pilótáknak. Ez a gyakorlatias alkalmazás jól példázza, hogyan lehet a kutatást játékosok hasznára fordítani.
A DeepMind hosszú távú célja változatlan: a mesterséges intelligenciát katalizátorként, nem helyettesítőként használni. A célok között szerepel áttörő játékmeneti élmények létrehozása, a játékok hozzáférhetőbbé és személyre szabottabbá tétele, illetve a játékokban szerzett tapasztalatok valós világban és tudományos kutatásban való hasznosítása — ahogy az AlphaGo-tól az AlphaFoldig láthattuk.
A DeepMind köszönetét fejezi ki minden videojáték-fejlesztő partnerének, különös tekintettel a Fenris Creationsre, és várja, hogy megossza a jövőbeni felfedezéseket.
Elismerések
A DeepMind megköszöni a Google DeepMind számos csapatának a hosszú évek óta tartó hozzájárulását az AI biztonságos és felelős játékokban történő kutatásához. Külön köszönet illeti a partnerstúdiókat: 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) és Tuxedo Labs & Saber Interactive (Teardown).
