O que aconteceu
Google DeepMind descreve uma parceria de pesquisa com Fenris Creations abrangendo EVE Online, EVE Vanguard e EVE Frontier. O trabalho começará em uma instância offline do EVE Online e posteriormente passará para o EVE Frontier, com possível implantação ao vivo considerada somente após a maturidade dos sistemas.
Em uma postagem de pesquisa de 21 de agosto de 2026, Google DeepMind apresenta seu trabalho com jogos como uma progressão de 15 anos, desde sistemas que dominam jogos definidos até agentes destinados a compreender e operar em mundos virtuais abertos. A empresa relata marcos incluindo Deep Q-Networks aprendendo 49 jogos Atari a partir de pixels brutos, AlphaGo derrotando Lee Sedol, AlphaGo Zero e AlphaZero aprendendo por meio do jogo autônomo, MuZero jogando sem receber regras de jogo e AlphaStar alcançando o nível Grandmaster em StarCraft II. Estes são os relatos da fonte sobre as conquistas anteriores da DeepMind; a postagem não apresenta um novo artigo ou benchmark que valide o programa EVE.
A postagem também descreve o SIMA, ou Scalable Instructable Multiworld Agent, como um sistema de uso geral que observa um jogo através da tela, segue instruções em linguagem natural e atua por meio de controles comuns de teclado e mouse, sem acesso às APIs do jogo ou ao código-fonte. Google DeepMind diz que SIMA 2, desenvolvido por Gemini, pode raciocinar e conversar em tempo real e alcançou “jogo semelhante ao humano” em ambientes de pesquisa e jogos, incluindo No Man’s Sky, Valheim e Hydroneer. Nenhuma pontuação, definição de tarefa, protocolo de teste ou avaliação independente é fornecida para essas afirmações na fonte.
A nova direção de pesquisa centra-se na Fenris Creations e no universo EVE. Google DeepMind descreve EVE Online como uma simulação espacial persistente e de fragmento único com milhares de jogadores, uma economia dirigida por jogadores e um mundo moldado por alianças, conflitos, diplomacia e comércio. EVE Vanguard adiciona jogo tático em primeira pessoa, enquanto EVE Frontier inclui Smart Assemblies programáveis e uma arquitetura aberta na qual as regras podem mudar. As empresas dizem que sua colaboração já produziu o Aura Guidance, que usa Gemini para fornecer conhecimento gerado pelo jogador a partir de perguntas e respostas do Rookie Help para novos pilotos.
O plano de longo prazo começa com uma instância offline do EVE Online, passa para o EVE Frontier e consideraria o EVE Online ou o EVE Vanguard apenas quando os recursos estiverem maduros. A fonte não fornece cronograma ou descrição técnica do ambiente offline.
Leia a fonte primária: deepmind.google ↗
Por que isso importa
A parceria visa capacidades que os benchmarks de jogos fixos não testam completamente: aprendizagem durante longos períodos, retenção de conhecimento, adaptação a regras em mudança e operação entre muitos agentes humanos e artificiais. A fonte não oferece nenhuma avaliação independente ou evidência de que essas capacidades tenham sido demonstradas no EVE.
Os ambientes propostos são importantes porque combinam vários problemas que normalmente são separados nas avaliações de IA. Um agente num mundo persistente pode precisar de aprender novas tarefas sem perder antigas competências, recuperar informação acumulada durante longos períodos, planear através de horizontes alargados e responder à cooperação, concorrência, negociação e incentivos económicos. Google DeepMind identifica estes como os alvos centrais de pesquisa. O mundo em constante mudança de EVE poderia, portanto, servir como um exigente banco de testes para determinar se um agente permanece útil após a mudança das condições, dos objectivos e das relações sociais. Esta é uma justificativa de pesquisa, e não uma evidência de que o sistema já funciona de forma confiável nessas condições.
O trabalho também poderá afetar a forma como os jogos são construídos e jogados se os recursos propostos se tornarem confiáveis. Google DeepMind diz que os agentes de jogos em geral podem apoiar companheiros que entendem o mundo do jogo, personagens não-jogadores que respondem além de scripts fixos e sistemas de garantia de qualidade que continuam sendo testados conforme o jogo muda. Esses usos poderiam reduzir alguns encargos de desenvolvimento ou tornar os jogos mais acessíveis e personalizados. Atualmente, porém, a postagem os descreve como aplicações potenciais. Ele não relata um sistema NPC adaptativo implantado, um resultado de controle de qualidade de produção ou uma comparação controlada mostrando que o SIMA 2 melhora a experiência dos jogadores.
A empresa vincula sua pesquisa em jogos ao progresso científico mais amplo, citando AlphaFold como um exemplo de ideias desenvolvidas por meio de pesquisas em jogos que contribuem para a previsão da estrutura de proteínas. Essa história ajuda a explicar por que a DeepMind trata os jogos como ambientes controlados para estudar inteligência. A analogia tem limites: os jogos fornecem observações e ações digitais, enquanto os sistemas do mundo real enfrentam sensores incompletos, consequências físicas, regras institucionais e obrigações éticas. A fonte não estabelece que as competências aprendidas no EVE serão transferidas para tarefas do mundo real. A sua ambição declarada de utilizar jogos para promover a descoberta científica continua a ser prospectiva.
O plano de implantação em etapas tem consequências porque o EVE não é apenas um nível de teste estático. A fonte descreve uma economia compartilhada e um ambiente social em que as ações dos jogadores têm efeitos duradouros. A introdução de agentes num tal cenário poderia mudar a forma como as pessoas aprendem, competem, comercializam ou colaboram, mesmo que o objectivo declarado seja enriquecer o jogo humano. Começar offline e depois usar o EVE Frontier cria uma separação dos jogadores ao vivo enquanto o trabalho se desenvolve, mas o artigo não explica consentimento, privacidade, retenção de dados, monitoramento, restrições de acesso, testes de equipe vermelha ou supervisão independente. Essas omissões limitam o que pode ser concluído sobre o impacto público ou a segurança do programa.
O que assistir a seguir
A próxima evidência importante serão os resultados mensuráveis do ambiente offline, os controles de segurança no EVE Frontier e os detalhes de qualquer eventual implantação de serviço ao vivo. Fique atento aos métodos de avaliação, permissões dos agentes, divulgação dos jogadores, práticas de dados e efeitos na economia impulsionada pelos jogadores do EVE.
O primeiro ponto de verificação deve ser uma avaliação detalhada do ambiente offline do EVE Online. Evidências úteis incluiriam tarefas claramente definidas, linhas de base contra agentes e atores humanos existentes, desempenho durante longos períodos de tempo, retenção após novas habilidades serem aprendidas, recuperação de condições variáveis e taxas de fracasso em tarefas que exigem planejamento ou negociação. A fonte atual nomeia os recursos que a DeepMind deseja estudar, mas não fornece nenhuma dessas medidas. Um relatório técnico, materiais de teste reproduzíveis ou uma descrição de como a instância offline difere do jogo ao vivo tornariam as reivindicações mais fáceis de avaliar.
O próximo ponto de verificação é EVE Frontier. Seus Smart Assemblies programáveis e arquitetura aberta têm como objetivo testar a adaptação quando a própria mecânica pode mudar. Os relatórios devem estabelecer se os agentes podem reconhecer e aprender novas regras sem comportamento inseguro ou não intencional, quais ferramentas e permissões eles recebem e se os operadores humanos podem inspecionar, pausar ou reverter as suas ações. Também será importante distinguir um agente que pode completar uma demonstração limitada de um script daquele que pode continuar a aprender de forma robusta num ambiente genuinamente em mudança.
Qualquer movimento em direção ao EVE Online ou EVE Vanguard merece um exame minucioso. Google DeepMind afirma que a implantação em tempo real seria considerada somente depois que os recursos amadurecessem, mas não dá nenhuma definição de maturidade ou tempo esperado. Anúncios futuros devem esclarecer se os agentes serão companheiros, personagens não-jogadores, ferramentas de teste ou participantes com capacidade de afetar a economia compartilhada e outros jogadores. Devem também abordar a divulgação aos jogadores, as opções de exclusão ou participação, os limites à acção autónoma, a justiça competitiva e as salvaguardas contra a perturbação de um mundo persistente.
Finalmente, procure evidências sobre a fronteira entre as afirmações da pesquisa e a realidade do produto. A fonte apresenta o SIMA 2 como um agente de jogo conversacional e de raciocínio e o Aura Guidance como um aplicativo existente voltado para o jogador, mas não mostra como os dois sistemas se relacionam tecnicamente ou como ambos foram avaliados. Testes independentes, casos de falha documentados, informações sobre treinamento e dados gerados pelos jogadores e resultados de implantações reais ajudariam a estabelecer se o programa oferece benefícios duradouros. Até então, a conclusão verificada mais forte é que Google DeepMind e Fenris Creations estão buscando uma colaboração de pesquisa encenada - não que tenham resolvido o aprendizado multiagente de longo horizonte em uma sociedade virtual viva.
