Inteligência Artificial e jogos sempre tiveram uma relação especial.
Desde os primeiros experimentos com redes neurais jogando Atari até sistemas capazes de vencer campeões mundiais de Go, os games sempre funcionaram como um laboratório vivo para testar os limites do que as máquinas conseguem aprender.
Mas uma parceria recente virou a chave para um capítulo completamente diferente dessa história.
A DeepMind, divisão de IA do Google, anunciou uma colaboração com a Fenris Creations, o estúdio independente por trás do universo EVE Online, para explorar novas fronteiras da pesquisa em IA dentro dos jogos.
Não é um acordo qualquer.
Essa parceria une décadas de expertise em desenvolvimento de mundos persistentes com tecnologia de ponta em inteligência artificial, incluindo os modelos Gemini e os agentes da família SIMA.
O resultado?
Uma aposta ambiciosa em resolver alguns dos problemas mais difíceis da IA atual, como aprendizado contínuo, memória de longo prazo e planejamento estratégico em ambientes que mudam o tempo todo, usando como campo de testes um dos universos digitais mais ricos e complexos já criados.
E o que isso significa para quem joga, para quem desenvolve games e para o futuro da inteligência artificial?
É exatamente isso que vamos explorar aqui. 🚀
Quinze anos de jogos como motor da pesquisa em IA
Para entender a importância dessa nova parceria, vale a pena voltar um pouco no tempo. A jornada da DeepMind com jogos começou lá em 2010, quando a empresa foi fundada. Uma pequena equipe treinou uma rede neural profunda para jogar títulos do Atari 2600 usando apenas os pixels da tela como entrada, sem qualquer programação específica para cada jogo. Esse sistema, chamado Deep Q-Network (DQN), aprendeu a jogar 49 jogos diferentes, do Pong ao Breakout e o Space Invaders. O artigo publicado na revista Nature em 2015 sobre o DQN acabou ajudando a catalisar toda a era moderna do aprendizado por reforço profundo.
Depois disso, veio uma sequência impressionante de conquistas. O AlphaGo derrotou o campeão mundial de Go Lee Sae Dol em 2016, um feito que muitos especialistas acreditavam estar ainda a uma década de distância. Em seguida, o AlphaGo Zero superou todas as versões anteriores aprendendo inteiramente por conta própria, jogando contra si mesmo, sem usar nenhum dado humano. O AlphaZero generalizou essa abordagem e dominou xadrez, shogi e Go usando um único algoritmo, enquanto o MuZero aprendeu a jogar sem sequer conhecer as regras dos jogos. Já em 2019, o AlphaStar alcançou o nível Grão-Mestre em StarCraft II, lidando com a complexidade em tempo real e com informação imperfeita, um desafio muito mais próximo da imprevisibilidade do mundo real.
O mais interessante é que cada um desses marcos enriqueceu a própria experiência de jogar. A famosa Jogada 37 do AlphaGo foi tão inesperada que os comentaristas profissionais acharam que era um erro, mas ela acabou virando séculos de sabedoria acumulada no Go de cabeça para baixo, inspirando jogadores humanos a explorar novas estratégias. O espírito de exploração que deu certo nos jogos teve impactos profundos em outros sistemas de IA. O AlphaFold, por exemplo, aplicou essas mesmas bases para resolver o desafio de 50 anos da previsão de estrutura de proteínas, uma conquista reconhecida com o Prêmio Nobel de Química de 2024.
De dominar jogos para realmente entendê-los
Esse histórico todo mostrou que a IA conseguia dominar praticamente qualquer jogo, desde que tivesse um objetivo claro e treinamento suficiente. Mas o mundo real não vem com placares e livros de regras, o que levou a DeepMind a fazer uma pergunta bem diferente: será que a IA consegue entender e interagir com qualquer mundo de jogo da mesma forma que uma pessoa faria?
É exatamente esse o desafio por trás do SIMA, sigla para Scalable Instructable Multiworld Agent, ou Agente Multimundos Instruível e Escalável. Em vez de otimizar para conseguir a maior pontuação possível, o SIMA é um agente generalista que enxerga o que um jogador veria na tela, entende instruções em linguagem natural e age através de controles comuns de teclado e mouse, sem precisar de acesso a APIs ou ao código-fonte do jogo. Impulsionado pelos modelos Gemini, o SIMA 2 funciona como um companheiro interativo capaz de raciocinar e conversar em tempo real, alcançando um desempenho parecido com o de humanos em ambientes 3D complexos como No Man’s Sky, Valheim e Hydroneer.
Para desenvolvedores de games, um agente de jogo verdadeiramente generalista abriria possibilidades enormes, já que funcionaria com jogos existentes sem exigir nenhuma modificação no código. Isso poderia dar vida a experiências completamente novas, desde companheiros de IA que realmente entendem o mundo do jogo até NPCs que se adaptam e respondem de formas que sistemas com roteiro fixo jamais conseguiriam. Durante o desenvolvimento, quando o jogo muda a cada atualização, esses agentes também poderiam fazer testes de qualidade muito mais robustos. E após o lançamento, quando novo conteúdo é adicionado ou os jogadores se comportam de forma inesperada, eles poderiam se adaptar em tempo real sem precisar de reprogramação.
Por que o EVE Online é o cenário perfeito para testar IA
Quem conhece o EVE Online sabe que ele não é um jogo comum. Lançado em 2003 e mantido ativo até hoje, esse universo de ficção científica é um dos MMORPGs mais complexos já criados, com uma economia inteiramente controlada pelos jogadores, guerras que duram meses, alianças políticas que envolvem milhares de pessoas ao mesmo tempo e consequências reais para cada decisão tomada dentro do jogo. Diferente de outros ambientes digitais usados em pesquisas de IA, como tabuleiros de xadrez ou mapas de jogos de estratégia em tempo real, o EVE Online é um sistema vivo, onde o contexto muda constantemente e onde não existe um roteiro fixo a seguir. É exatamente esse nível de imprevisibilidade que torna o jogo tão valioso para os pesquisadores.
Para a DeepMind, trabalhar dentro de um ambiente assim representa uma oportunidade única de confrontar os agentes de IA com desafios que vão muito além do que qualquer benchmark tradicional consegue simular. Em ambientes sintéticos e controlados, um agente pode decorar padrões e repetir estratégias vencedoras indefinidamente. No EVE Online, isso simplesmente não funciona, porque os outros jogadores aprendem, adaptam e surpreendem. O mercado flutua. As guerras têm motivações humanas. As traições acontecem. Toda essa complexidade força os modelos a desenvolverem algo que pesquisadores chamam de aprendizado contínuo, a capacidade de continuar aprendendo e se adaptando sem esquecer o que já foi aprendido antes, um dos problemas mais difíceis que existem na área de inteligência artificial hoje.
Além disso, o EVE Online possui décadas de dados históricos de comportamento humano, registros de decisões econômicas, táticas de batalha, movimentos diplomáticos e padrões de cooperação entre jogadores do mundo inteiro. Esse acervo é um ativo extraordinário para treinar e avaliar modelos de IA em cenários que refletem a complexidade real do comportamento humano coletivo. Não é à toa que a Fenris Creations foi escolhida como parceira estratégica: o estúdio carrega consigo um dos repositórios mais ricos de interação humana dentro de um ambiente digital já documentados na história dos jogos.
O que a DeepMind está realmente tentando resolver
A parceria com o EVE Online não é só sobre fazer um NPC mais esperto ou criar uma experiência de jogo mais imersiva, embora esses sejam efeitos colaterais bem-vindos. O que está em jogo aqui é muito maior. A DeepMind está usando esse ambiente como campo de testes para avançar em quatro frentes específicas que representam gargalos críticos no desenvolvimento de inteligência artificial: aprendizado contínuo, memória de longo prazo, planejamento de longo horizonte e dinâmicas complexas entre múltiplos agentes. Cada uma dessas frentes é, por si só, um problema aberto que ocupa pesquisadores do mundo todo há anos, e resolvê-las de forma integrada dentro de um ambiente tão rico quanto o EVE Online seria um avanço significativo para o campo.
O aprendizado contínuo é talvez o mais urgente dos três. Modelos de IA atuais, mesmo os mais sofisticados, sofrem de um problema chamado esquecimento catastrófico, onde aprender uma nova tarefa faz com que o modelo perca parte do que aprendeu anteriormente. Em ambientes estáticos, isso pode ser contornado com retreinamentos periódicos. Mas em um universo como o EVE Online, onde as condições mudam toda semana, não existe essa possibilidade de parar e começar do zero. O agente precisa aprender em tempo real, reter conhecimento anterior e integrar novas informações sem comprometer o que já sabe. Os agentes da família SIMA, desenvolvidos pela DeepMind, foram construídos justamente com essa capacidade em mente, e o EVE Online vai funcionar como um dos testes mais rigorosos que esses modelos já enfrentaram.
Já a questão da memória de longo prazo e do planejamento estratégico caminham juntas. No EVE Online, uma decisão tomada hoje pode ter consequências que se manifestam semanas depois, seja no equilíbrio de poder entre facções, na flutuação de preços de recursos ou na dinâmica de alianças. Para um agente de IA operar de forma eficaz nesse contexto, ele precisa ser capaz de conectar eventos distantes no tempo, entender causalidades que se estendem por longos períodos e planejar ações levando em conta horizontes muito maiores do que os modelos atuais costumam trabalhar. Os modelos Gemini, que fazem parte do arsenal tecnológico que a DeepMind está trazendo para essa parceria, possuem janelas de contexto ampliadas que podem ajudar nesse aspecto, mas a aplicação dentro de um jogo persistente é uma fronteira nova mesmo para eles.
Um universo que vai muito além do EVE Online
Um detalhe importante é que a parceria não se limita apenas ao EVE Online. Ela se estende por todo o universo em expansão da Fenris Creations, oferecendo ambientes bem distintos para o desenvolvimento de IA. Enquanto o EVE Online oferece um universo persistente em larga escala com um único servidor compartilhado, o EVE Vanguard é jogado em primeira pessoa, trazendo decisões táticas rápidas e ao nível do solo para dentro desse mundo maior. Isso cria oportunidades para estudar agentes operando em múltiplos níveis de abstração, desde táticas de reflexo instantâneo até estratégias que abrangem toda a galáxia.
Já o EVE Frontier, com suas Smart Assemblies programáveis e sua arquitetura aberta e extensível, oferece um ambiente onde as próprias regras do mundo podem mudar, exigindo agentes capazes de se adaptar a mecânicas de jogo completamente novas. A colaboração, aliás, já entregou valor real para os jogadores: o sistema Aura Guidance usa o Gemini para levar conhecimento gerado pela própria comunidade, baseado em perguntas e respostas reais de ajuda para iniciantes, ajudando novos pilotos a darem seus primeiros passos nesse universo complexo.
O impacto para jogadores e desenvolvedores de games
Para quem joga EVE Online, a notícia pode soar como algo distante do dia a dia dentro do jogo. Mas as implicações práticas são mais tangíveis do que parecem. Uma das possibilidades mais discutidas é o desenvolvimento de NPCs com comportamento genuinamente adaptativo, personagens e facções controlados pelo jogo que respondem às ações dos jogadores de forma inteligente, aprendem com padrões de comportamento coletivo e criam situações que nunca foram explicitamente programadas pelos desenvolvedores. Isso mudaria completamente a dinâmica de jogos de mundo aberto, tornando cada servidor uma experiência única que evolui de acordo com a comunidade que habita aquele universo.
Para desenvolvedores de games, a parceria entre DeepMind e Fenris Creations abre uma discussão importante sobre o papel da inteligência artificial no design de experiências interativas. Durante anos, a IA em jogos foi tratada como uma ferramenta de automação, scripts para controlar inimigos, algoritmos para gerar mapas proceduralmente, sistemas de matchmaking baseados em ranking. O que essa colaboração sugere é uma mudança de paradigma, onde a IA passa a ser um componente vivo do design, capaz de gerar emergência, surpresa e profundidade sem intervenção manual constante dos criadores. Isso tem implicações diretas na forma como futuros jogos serão pensados, desde a fase de conceito até a manutenção pós-lançamento.
Outro ponto que merece atenção é o impacto sobre a economia de desenvolvimento. Mundos persistentes como o EVE Online exigem equipes enormes para criar e manter conteúdo ao longo do tempo. Se agentes de IA treinados com aprendizado contínuo puderem gerar eventos dinâmicos, adaptar a dificuldade, criar missões contextualizadas e até simular comportamentos econômicos realistas, uma parte significativa desse esforço pode ser redistribuída para aspectos mais criativos do desenvolvimento. Não é uma substituição de profissionais, mas uma expansão do que é possível criar com os mesmos recursos, algo que estúdios de todos os tamanhos têm muito interesse em explorar. 🎮
O que vem por aí nessa parceria
A colaboração entre DeepMind e Fenris Creations ainda está em seus estágios iniciais, e o plano de pesquisa foi pensado com cuidado para não afetar a experiência dos jogadores atuais. O programa de longo prazo começa com uma instância offline do EVE Online, um ambiente seguro e separado dos jogadores reais, funcionando como uma espécie de caixa de areia controlada. Depois, avança pelo EVE Frontier como um espaço para estudar como humanos e agentes podem coexistir em um mundo persistente e aberto. Só quando as capacidades estiverem maduras é que a equipe consideraria levar essas tecnologias ao EVE Online e ao EVE Vanguard, sempre com o objetivo de enriquecer a experiência humana de jogar.
O timing dessa parceria também é relevante. O campo de IA está em um momento de transição, saindo de uma fase dominada por modelos treinados em grandes corpora estáticos e avançando para sistemas que precisam operar em ambientes abertos, contínuos e imprevisíveis. Resolver esses desafios dentro de um jogo como o EVE Online, onde a complexidade é real e os dados são gerados por milhões de humanos ao longo de mais de duas décadas, é uma abordagem que pode acelerar significativamente esse processo de transição. A DeepMind sempre foi reconhecida por escolher os ambientes certos para testar suas hipóteses mais ambiciosas, e essa escolha não parece diferente.
Vale destacar que o objetivo final continua sendo o mesmo de sempre: usar a IA como um catalisador, e não como um substituto. A ambição de longo prazo é destravar experiências de jogo inéditas, tornar os games mais acessíveis e personalizados e, como já vimos acontecer do AlphaGo ao AlphaFold, aplicar o que se aprende nos jogos para resolver problemas do mundo real e impulsionar a descoberta científica.
Para a comunidade de tecnologia e inteligência artificial, essa parceria é mais um sinal de que os jogos deixaram de ser apenas entretenimento para se tornarem infraestrutura de pesquisa. O EVE Online, com toda a sua complexidade econômica, política e estratégica, pode ser exatamente o tipo de ambiente que faltava para dar o próximo salto no desenvolvimento de agentes de IA verdadeiramente autônomos e adaptativos. E se esse salto acontecer dentro de uma espaçonave voando pelo espaço virtual, talvez não seja tão diferente assim de onde a humanidade sempre imaginou que o futuro ia começar. ✨
