Los videojuegos han sido, desde hace más de una década, el campo de entrenamiento predilecto para los sistemas de inteligencia artificial más avanzados. Ahora, en un paso que busca expandir los límites de esta tecnología, Google DeepMind ha presentado una alianza de investigación con Fenris Creations, el estudio independiente detrás de EVE Online.
El anuncio, realizado el pasado 21 de agosto de 2026, marca un cambio de enfoque: los investigadores ya no buscan que la máquina simplemente supere la puntuación de un humano, sino que comprenda y coopere en entornos tridimensionales complejos que simulan dinámicas sociales y económicas reales. Esta colaboración abre la puerta a asistentes virtuales que interactúan de forma natural y a personajes no jugadores capaces de adaptarse sin necesidad de programación rígida. Con quince años de experiencia, la compañía demuestra que resolver los retos de persistencia, memoria y planificación dentro de una galaxia digital ayuda a perfeccionar algoritmos que más tarde resolverán problemas complejos y retos científicos en el mundo real.
¿En qué consisten las pruebas en el servidor aislado de EVE Online?
El programa de investigación conjunta entre Google DeepMind y el estudio Fenris Creations tiene como punto de partida un entorno de simulación altamente controlado. Las evaluaciones iniciales se realizarán en una instancia offline de EVE Online, que funciona como un entorno de pruebas seguro y completamente separado de los servidores comerciales donde interactúan los jugadores reales en su día a día. Este aislamiento garantiza que los investigadores puedan evaluar las capacidades de la tecnología sin interferir en la experiencia de juego de la comunidad general.
En este entorno cerrado, el objetivo principal es poner a prueba a SIMA (Scalable Instructable Multiworld Agent), el agente generalista de la compañía diseñado para interactuar con mundos tridimensionales. A diferencia de los sistemas tradicionales que requieren modificaciones internas en el software, SIMA opera de la misma forma que un usuario humano: percibe visualmente lo que se muestra en la pantalla y ejecuta acciones utilizando únicamente el teclado y el ratón, sin necesidad de acceder al código fuente ni a interfaces de programación específicas.
El proyecto se apoyará en los últimos avances de los modelos Gemini de Google. Su versión más reciente, SIMA 2, se comporta como un compañero virtual capaz de entablar conversaciones y razonar sobre lo que ocurre a su alrededor en tiempo real. Tras consolidar el aprendizaje en este servidor aislado de EVE Online, los científicos prevén expandir las pruebas a otros desarrollos del estudio como EVE Vanguard, que introduce acción táctica en primera persona, y EVE Frontier, una simulación con mecánicas y reglas modificables.
¿Por qué importa entrenar a la inteligencia artificial en simulaciones persistentes?
Durante más de quince años, la investigación en inteligencia artificial ha utilizado los videojuegos como el laboratorio ideal para perfeccionar algoritmos. Sin embargo, la gran mayoría de los entornos previos contaban con reglas estáticas y metas predefinidas. Un universo persistente y activo desde 2003 como el de EVE Online cambia las reglas del juego, planteando retos que se asemejan mucho más a la complejidad de las interacciones humanas y físicas.
El entrenamiento de agentes autónomos en este ecosistema exige el desarrollo de cuatro habilidades fundamentales que hoy en día siguen siendo grandes desafíos para el sector:
- Aprendizaje continuo: La capacidad de asimilar destrezas nuevas de forma constante sin olvidar los conocimientos adquiridos previamente.
- Memoria a largo plazo: Retener información crucial y recuperarla a lo largo de escalas temporales prolongadas, superando las limitaciones de los modelos actuales.
- Planificación estratégica: Tomar decisiones cuyos efectos o recompensas se manifestarán semanas o meses después.
- Interacción multiagente: Negociar, colaborar o competir con otros agentes inteligentes en un entorno con dinámicas sociales complejas.
Para la industria de los videojuegos, este avance facilitará el desarrollo de personajes no jugadores capaces de reaccionar de manera imprevista y de adaptarse a las acciones de los usuarios reales. Asimismo, permitirá agilizar las tareas de control de calidad, ya que los desarrolladores podrán utilizar estos agentes generalistas para buscar fallos de programación de manera automatizada tras cada actualización de código.
La trayectoria de Google DeepMind: de Atari a la ciencia real
La estrategia de emplear juegos como motor de desarrollo científico forma parte de la identidad de la división de inteligencia artificial de Google desde su fundación en 2010. De hecho, uno de sus fundadores, Demis Hassabis, comenzó su carrera como desarrollador de videojuegos, una experiencia que impregnó la cultura de la empresa. El primer gran avance llegó en 2015 con la red DQN, que aprendió de manera autónoma a jugar a 49 títulos de la consola Atari 2600 utilizando solo la información visual de la pantalla.
Este logro sirvió de base para desarrollos posteriores. En 2016, el sistema AlphaGo derrotó al campeón mundial Lee Sae Dol en el milenario juego del Go, realizando jugadas creativas que rompieron con siglos de teoría establecida. Posteriormente, algoritmos como AlphaZero y MuZero demostraron que era posible dominar el ajedrez y el shogi aprendiendo únicamente mediante el juego contra sí mismos, sin instrucciones previas. En 2019, el agente AlphaStar alcanzó la categoría de Gran Maestro en el complejo simulador de estrategia StarCraft II.
La tecnología desarrollada en este proceso de entrenamiento lúdico ha tenido repercusiones científicas de enorme valor. Los mismos principios matemáticos aplicados a los videojuegos inspiraron el diseño de AlphaFold, la herramienta que resolvió el misterio de la estructura tridimensional de las proteínas y que valió a sus creadores el Premio Nobel de Química en 2024. En la actualidad, la colaboración con Fenris Creations ya se ha traducido en soluciones prácticas para la comunidad, como el desarrollo del sistema de asistencia Aura, que procesa las dudas de los usuarios novatos con el apoyo del modelo Gemini.
¿Qué significa esto para el futuro de la tecnología?
La ambición última de este proyecto no consiste en sustituir a las personas, sino en concebir la inteligencia artificial como una herramienta de apoyo que enriquezca la experiencia humana. Al superar los desafíos de persistencia, cooperación y adaptación en una galaxia virtual, los científicos no solo mejoran el entretenimiento digital, sino que diseñan la estructura de los futuros asistentes del mundo real. Estas pruebas demuestran que, antes de desplegar agentes autónomos en la sociedad, los mundos virtuales nos ofrecen el espacio idóneo para aprender a coexistir de forma segura y colaborativa.
