DeepMind联手Fenris Creations：用活态游戏宇宙攻克AI持续学习难题

游戏：AI研究长达15年的核心试验场

在人工智能的发展历程中，游戏一直扮演着独特而关键的角色。从早期让AI学会玩雅达利（Atari）经典游戏，到在《星际争霸II》中达到宗师（Grandmaster）级别，游戏环境为AI研究提供了理想的试验场。据DeepMind最新披露，这一探索已持续超过15年，并推动了多项重大的AI突破。

这一探索的里程碑清晰可循。2013年，DeepMind发表的DQN（Deep Q-Network）论文首次证明，深度强化学习可以直接从像素输入学会玩多款Atari 2600游戏，且达到甚至超越人类水平。其关键在于将卷积神经网络与Q-learning算法结合，让智能体无需手工设计特征即可自主学习策略。随后，AlphaGo在2016年击败围棋世界冠军李世石，AlphaStar在2019年于《星际争霸II》中达到宗师级别——后者尤为重要，因为星际争霸涉及不完全信息、实时决策、长期规划和多单位协调等多重挑战，复杂度远超棋盘游戏，更接近现实世界的决策场景。

为什么游戏如此重要？答案在于游戏兼具复杂性与可控性——它们拥有明确的规则和目标，却又足够复杂，能够考验智能体的感知、决策、规划与适应能力。相比现实世界的高成本与不可控性，游戏为算法迭代提供了低风险、高效率的闭环环境。

从SIMA项目到活态持久宇宙的进化

此前，DeepMind的SIMA（可扩展指令式多世界智能体）项目已经教会智能体理解并操作三维世界，让AI能够在多种游戏环境中执行自然语言指令。这是一次重要的跨越——AI不再局限于单一游戏，而是开始具备跨环境的泛化能力。

SIMA项目于2024年正式公布，其核心创新在于训练出能够跨越不同3D游戏环境执行自然语言指令的通用智能体。传统游戏AI通常针对单一游戏进行专项训练，而SIMA在多款商业游戏（包括No Man's Sky、Teardown等）以及专门构建的研究环境中进行训练，使其具备了在未见过的游戏中也能理解并执行指令的泛化能力。这标志着从「专才AI」向「通才AI」的重要转变，其背后依赖的是大规模视觉-语言模型与强化学习的深度融合。

然而，DeepMind指出，理解3D世界只是第一步。要真正掌握复杂的人类动态（human dynamics），仅靠静态或短时的环境远远不够，AI需要一个「活态的、持续存在的宇宙」（living, persistent universe）。换句话说，一个不会在每局游戏结束后就「重置」的世界，才能真正考验AI的长期学习与记忆能力。

DeepMind与Fenris Creations合作攻克四大AI挑战

为此，DeepMind宣布与游戏工作室Fenris Creations建立研究合作伙伴关系，聚焦于四大尚未解决的AI核心挑战。Fenris Creations是一家专注于构建持久在线世界的游戏工作室，其设计理念强调世界状态的连续性——玩家的每一个行为都会永久改变世界，不存在传统游戏中的「重置」或「副本」机制。这种设计哲学与DeepMind的研究需求高度契合：只有在真正持久的世界中，智能体才需要面对长期后果、声誉积累、资源稀缺等现实世界特有的挑战。相比DeepMind自行搭建研究环境，与专业游戏工作室合作能够获得更高保真度、更丰富生态的测试平台。

持续学习：解决灾难性遗忘问题

如何让智能体在获取新技能的同时，不遗忘过去掌握的知识？这被称为「灾难性遗忘」（catastrophic forgetting）问题，是当前深度学习面临的顽疾之一。

从技术层面看，灾难性遗忘是神经网络的固有缺陷：当网络学习新任务时，梯度更新会覆盖先前任务所依赖的权重参数，导致旧知识快速退化。这与人类大脑的互补学习系统（Complementary Learning Systems）形成鲜明对比——人脑通过海马体进行快速学习，再在睡眠期间将知识逐步固化到新皮层中。当前的应对策略包括弹性权重巩固（Elastic Weight Consolidation, EWC）、渐进式神经网络（Progressive Neural Networks）、经验回放（Experience Replay）等，但尚无方案能完美解决这一问题。活态游戏世界的独特价值在于，它天然地、持续地引入新情境，为测试和优化持续学习算法提供了无法用静态数据集替代的动态基准。智能体需要在不断变化的环境中积累和保持能力，这正是对持续学习算法最严苛也最真实的考验。

深度记忆系统：突破上下文窗口限制

如何存储和检索远超当前上下文窗口（context window）限制的信息？现有大模型的记忆能力受限于有限的上下文长度，而游戏中的长期互动要求AI具备真正意义上的长期记忆，能够回溯数天甚至数月前的关键信息。

上下文窗口是指大语言模型在一次推理中能处理的最大token数量。即便最先进的模型已将上下文窗口扩展至百万级token（如Google的Gemini 1.5支持200万token），这仍然本质上是一种「短期工作记忆」，而非真正的长期记忆——模型无法在推理结束后自主保留和检索历史信息。当前的外挂记忆方案，如检索增强生成（RAG, Retrieval-Augmented Generation）和向量数据库，虽能部分缓解问题，但在信息筛选、关联推理和自适应遗忘管理方面远不如人类的情景记忆系统。在持久游戏世界中，一个智能体可能需要记住数千次交互中的关键事件、其他玩家的行为模式和资源变化趋势，这对深度记忆系统的架构设计提出了极为苛刻的要求，也为突破当前技术瓶颈提供了理想的研究场景。

长时程规划：跨越时间尺度的决策能力

如何让AI在数周、数月甚至数年的时间尺度上进行规划？这远超目前多数AI系统的能力边界，也是通往更高级智能的关键一环。持久游戏世界提供了自然的长周期目标设定环境。当前主流的强化学习算法在处理长时间跨度任务时面临奖励稀疏、信用分配困难等根本性挑战——智能体很难将当下的行为与遥远未来的收益建立因果关联。层次化强化学习（Hierarchical RL）和基于世界模型的规划（Model-Based Planning）是两条被寄予厚望的技术路径，而持久游戏世界恰好为验证这些方法提供了自然的长周期实验环境。

多智能体动态：涌现复杂社会行为

涵盖合作、谈判、经济行为以及涌现行为（emergent behaviors）。在一个由多个智能体构成的持续世界中，复杂的社会性互动将自然涌现，这为研究多智能体系统提供了丰富素材。

涌现行为是指系统整体表现出个体规则无法直接预测的复杂模式。在多智能体系统中，已有经典案例验证了这一现象：OpenAI曾在捉迷藏环境中观察到智能体自发发明工具使用和建造防御工事等策略——这些行为从未被显式编程。涌现现象之所以对AI研究意义重大，是因为它暗示了一条通往复杂智能的可能路径：无需手动设计复杂行为，只需设计恰当的环境和激励机制，复杂行为便可自发产生。持久多人游戏世界有望催生出经济系统自组织、联盟政治博弈、文化传承与演化等高度复杂的社会性涌现现象——这些在短期实验中根本无法观察到，唯有在持续运行的活态世界中才可能浮现。

长期目标：从游戏AI迁移到科学发现

DeepMind强调，这次合作的意义远不止于游戏本身。其长期目标包含两个层面：

一方面，借助AI与游戏开发者的协作，探索全新的游戏玩法体验，让游戏变得更易上手、更个性化。这意味着AI不只是游戏中的对手或NPC，而可能成为共同创作的伙伴。

另一方面，也是更宏大的愿景，是将在游戏环境中习得的能力迁移到现实世界的问题以及科学发现之中。这种能力迁移并非空想——DeepMind已有成功先例：AlphaFold将在蛋白质结构预测「竞赛」中锤炼的深度学习能力应用于生物学，彻底改变了结构生物学的研究范式。类似地，在游戏中训练出的持续学习能力可迁移至终身学习的机器人系统；深度记忆能力可应用于需要长期跟踪的医疗诊断；长时程规划能力可服务于气候建模和供应链优化；而多智能体协调能力则可直接应用于自动驾驶车队协同和分布式能源管理等复杂协调场景。持续学习、深度记忆、长时程规划这些能力，恰恰是通用人工智能（AGI）走向现实应用所必需的基础能力。

游戏作为通往通用人工智能的阶梯

从雅达利到星际争霸，再到如今的活态持久宇宙，DeepMind对游戏的持续投入揭示了一条清晰的研究脉络：游戏不仅是娱乐，更是通向通用智能的重要阶梯。每一代游戏AI的突破，都对应着一类核心智能能力的解锁——Atari对应感知与基础决策，围棋对应深度搜索与直觉评估，星际争霸对应不完全信息下的实时多任务协调，而活态持久宇宙将对应持续学习、长期记忆、跨时间尺度规划与复杂社会智能的综合考验。

此次与Fenris Creations的合作，将四大前沿挑战集中在一个可控又足够复杂的环境中攻关，或将为下一代AI系统的能力跃迁奠定基础。

对于关注AI发展的人来说，这一动向值得持续追踪——它可能预示着，未来能在现实世界与科学难题中大显身手的AI，正在一个个虚拟世界中悄然成长。

核心要点