Seit der Gründung im Jahr 2010 dienen Spiele Google DeepMind als wichtiges Testfeld für künstliche Intelligenz. Die KI-Forschung in Spielen hat wegweisende Technologien hervorgebracht, von Atari-Klassikern bis hin zur Proteinstrukturvorhersage. Jetzt geht das Unternehmen neue Wege und kooperiert eng mit Spieleentwicklern, um innovative Gameplay-Erlebnisse zu schaffen.

KI-Forschung in Spielen: Von Atari bis AlphaFold

Der Erfolg begann mit einem tiefen neuronalen Netzwerk, das direkt aus Rohpixeln Atari 2600-Spiele erlernte. Das Deep Q-Network (DQN) beherrschte 49 verschiedene Titel – von Pong bis Space Invaders – ohne spielspezifische Programmierung. Die Veröffentlichung in Nature begründete die moderne Ära des Deep Reinforcement Learning.

Jeder weitere Meilenstein führte zu leistungsfähigeren Systemen. AlphaGo besiegte 2016 den Weltmeister Lee Sedol im Brettspiel Go, ein Erfolg, den Experten erst für eine Dekade später prognostiziert hatten. AlphaGo Zero übertraf alle Vorgänger durch reines Selbstlernen, während AlphaZero Schach, Shogi und Go mit einem einzigen Algorithmus meisterte. MuZero lernte sogar ohne Kenntnis der Regeln. 2019 erreichte AlphaStar Grandmaster-Niveau in StarCraft II.

Besonders bemerkenswert ist, dass diese Fortschritte weit über die Spielwelt hinauswirken. AlphaGos berühmter Zug 37 überwand jahrhundertealtes Go-Wissen und inspirierte neue Strategien. Dieser Geist der Exploration führte zu AlphaFold, das die 50 Jahre alte Herausforderung der Proteinstrukturvorhersage löste – eine Leistung, die 2024 mit dem Nobelpreis für Chemie gewürdigt wurde.

Vom Meistern zum Verstehen: Die SIMA-Technologie

Lange Zeit zeigte DeepMind, dass KI jedes Spiel meistern kann, wenn ein klares Ziel und genügend Trainingsdaten vorhanden sind. Die reale Welt bietet jedoch keine Punktestände oder Regelbücher. Dies führte zu einer fundamental neuen Frage: Kann KI eine Spielwelt verstehen und mit ihr interagieren wie ein Mensch?

Hier setzt SIMA an, der Scalable Instructable Multiworld Agent. Statt auf einen Highscore zu optimieren, handelt SIMA als Generalist. Er sieht denselben Bildschirm wie ein Spieler, versteht natürlichsprachige Anweisungen und steuert über Tastatur und Maus – ohne API-Zugriff oder Quellcode.

Auf Basis der Gemini-Modelle agiert SIMA 2 als interaktiver Begleiter mit Echtzeit-Argumentation und Konversationsfähigkeit. Er erreicht menschenähnliches Spielverhalten in komplexen 3D-Umgebungen und Titeln wie No Man’s Sky, Valheim und Hydroneer.

Revolution für Entwickler und Spieler

Für Spieleentwickler eröffnet ein echter Generalisten-Agent völlig neue Möglichkeiten. Bestehende Spiele benötigen keine Code-Änderungen, um KI-Funktionen zu integrieren. KI-Begleiter könnten die Spielwelt tatsächlich verstehen, und NPCs würden sich adaptiv verhalten, statt starren Skripts zu folgen.

Auch die Entwicklung selbst würde sich verändern. Während der Entwicklungsphase, in der sich das Spiel mit jedem Commit ändert, ermöglichen solche Agenten robustes QA-Testing. Nach dem Launch passen sie sich in Echtzeit an neue Inhalte oder unerwartetes Spielerverhalten an – ohne Neuprogrammierung.

Partnerschaft mit Fenris Creations und dem EVE-Universum

Die jüngste Forschungspartnerschaft mit Fenris Creations, dem Studio hinter EVE Online, markiert ein neues Kapitel. EVE Online ist seit 2003 eine persistente Weltraum-Simulation mit einer von Spielern getriebenen Wirtschaft und einer durch Allianzen, Konflikte und Diplomatie geformten Landschaft.

Für die KI-Forschung bietet diese Welt einzigartige Herausforderungen:

• Kontinuierliches Lernen: Neue Fähigkeiten erwerben, ohne bisheriges Wissen zu vergessen.
• Langzeitgedächtnis: Wissen über Zeiträume hinweg speichern und abrufen, die weit über aktuelle Kontextfenster hinausgehen.
• Langfristige Planung: Über Wochen, Monate oder Jahre hinweg planen.
• Komplexe Multi-Agent-Dynamik: Kooperation, Konkurrenz, Verhandlungen und emergentes Sozialverhalten im großen Maßstab.

Diese Herausforderungen stehen im Kern der Initiative, Systeme zu entwickeln, die kontinuierlich aus Erfahrung lernen. Ziel ist es, neue Gameplay-Erfahrungen zu ermöglichen, die ohne KI nicht möglich wären.

EVE Frontier und die Zukunft der Kooperation

Die Partnerschaft erstreckt sich über das gesamte EVE-Universum. Während EVE Online ein großangelegtes Persistent-Universum bietet, liefert EVE Vanguard taktische Entscheidungen aus der Egoperspektive. EVE Frontier wiederum bietet eine offene, erweiterbare Architektur mit programmierbaren Smart Assemblies, bei der sich die Regeln der Welt ändern können.

Bereits jetzt schafft die Zusammenarbeit Mehrwert für Spieler. Das Aura Guidance System nutzt Gemini, um neuen Piloten wissensbasierte Hilfestellungen zu geben. Die langfristige Forschung beginnt in einer isolierten Offline-Instanz von EVE Online. Erst wenn die Fähigkeiten ausgereift sind, sollen sie EVE Online und EVE Vanguard bereichern – immer mit dem Ziel, das menschliche Spielerlebnis zu erweitern.

Der Weg nach vorn

Spiele waren schon immer ein Spiegel für Intelligenz. Je komplexer, persistenter und offener diese Welten werden, desto anspruchsvoller werden auch die KI-Systeme, die sie navigieren.

Das Ziel bleibt unverändert: KI als Katalysator, nicht als Ersatz. Die langfristige Ambition ist es, bahnbrechende Gameplay-Erlebnisse zu erschließen, Spiele zugänglicher und personalisierter zu machen und Erkenntnisse aus der virtuellen Welt auf reale Probleme zu übertragen – wie bereits von AlphaGo bis hin zu AlphaFold bewiesen.

Quelle: DeepMind Blog