Google DeepMind mencatat pencapaian menarik dalam pengembangan kecerdasan buatan setelah empat agen AI berbasis Gemini 4 Argon berhasil menamatkan Minecraft dengan mengalahkan Ender Dragon. Dalam eksperimen yang dipublikasikan pada 15 Oktober 2026, para agen tersebut menyelesaikan tantangan selama 27 jam 14 menit dengan menulis 2.783 program secara mandiri. Mereka bekerja sama, membagi tugas, mengumpulkan sumber daya, dan memperbaiki kesalahan tanpa arahan langsung manusia selama permainan. Meski mengalami 605 kematian karakter, sistem akhirnya mencapai tujuan. Pencapaian ini memperlihatkan perkembangan TEKNOLOGI agen AI dalam perencanaan jangka panjang, pemrograman otomatis, dan koordinasi antarsistem.
Google DeepMind Membuktikan Kemampuan Agen AI Menamatkan Minecraft
Tim riset kecerdasan buatan Google DeepMind memperlihatkan melalui eksperimen empat agen AI yang berkolaborasi menyelesaikan tantangan Minecraft. Penelitian tersebut menggunakan model Gemini 4 Argon yang ditugaskan mencapai satu sasaran, yaitu menyelesaikan pertarungan melawan Ender Dragon. Jika dibandingkan dengan pengalaman bermain menggunakan keyboard, setiap agen mengoperasikan karakter melalui kode program. Berkat mekanisme pengendalian tersebut, AI harus merencanakan tindakan sebelum mengambil sumber daya. Hasil akhirnya menunjukkan kemampuan koordinasi yang menjanjikan.
Eksperimen tersebut didokumentasikan dalam karya riset berjudul A team of Gemini 4 Argon agents beats Minecraft yang disusun oleh Maxence Faldor, Satinder Singh, dan Roberta Raileanu. Makalah tersebut tersedia sebagai makalah penelitian sejak 15 Oktober 2026. Dalam pengujiannya, para agen memasuki lingkungan Minecraft dengan peta acak. Mode permainan menggunakan pilihan Easy, sementara fitur perintah curang tidak digunakan. Tim pengembang eksperimen tidak memberikan pembagian peran untuk menentukan tindakan para pemain. Kendati tidak diarahkan selama permainan, eksperimen menggunakan infrastruktur penelitian yang diawasi. Pengaturan penelitian ini membedakan demonstrasi dari permainan manusia biasa.
Cara Agen AI Google DeepMind Menulis Ribuan Program Minecraft
Dalam menjalankan aktivitas Minecraft, setiap agen AI menggunakan pustaka sumber terbuka Mineflayer yang menyediakan antarmuka pemrograman untuk Minecraft. Berkat antarmuka Mineflayer, agen mampu menentukan arah perjalanan, mengambil sumber daya, menjalankan proses crafting, serta melakukan tindakan pertempuran. Setiap kali membutuhkan tindakan, agen menulis rangkaian perintah pemrograman untuk menyelesaikan langkah permainan. Ketika instruksi menemui kesalahan, sistem mengevaluasi respons perangkat lunak dan menyusun instruksi pengganti. Mekanisme pengendalian tersebut menjadi bagian penting keberhasilan eksperimen.
Selama eksperimen berlangsung, keempat agen menciptakan total 2.783 rangkaian kode. Banyaknya instruksi pemrograman tersebut memperlihatkan kompleksitas pekerjaan. Instruksi yang dihasilkan masih menghadapi masalah eksekusi, karena sekitar 22 persen tidak menyelesaikan eksekusi dengan benar. Meski tingkat kegagalan program tergolong berarti, agen berupaya memperbaiki strategi. Kemampuan menghadapi kegagalan ini menjadi contoh penting dalam pengembangan agen AI otonom. Pada pekerjaan perangkat lunak profesional, proses pemrograman harus disertai validasi. Untuk memperoleh sistem yang lebih andal, penanganan kesalahan menjadi bagian penting.
Koordinasi Empat Agen Gemini dalam Menyelesaikan Minecraft
Keberhasilan eksperimen ditentukan oleh koordinasi beberapa agen. Keempat agen menyampaikan pesan melalui fasilitas komunikasi permainan serta mengakses penyimpanan informasi kolektif. Dengan menggunakan komunikasi ini, setiap agen dapat menyampaikan temuan mengenai rute perjalanan, risiko di wilayah tertentu, serta kebutuhan bantuan dari anggota lain. Pembagian peran muncul melalui keputusan para agen sendiri, bukan ditetapkan secara langsung oleh peneliti. Sistem kerja sama tersebut membantu menjelaskan bagaimana beberapa agen dapat bekerja menuju satu sasaran.
Salah satu bentuk kerja sama terjadi ketika pemain yang dikendalikan AI gagal bertahan. Ketika karakter mati di dunia survival, barang yang dibawa pemain berpotensi tertinggal pada tempat kejadian. Karakter AI yang kehilangan barang dapat membagikan informasi koordinat kepada karakter yang masih beroperasi. Berdasarkan pesan yang diberikan, anggota tim dapat mencoba mengambil perlengkapan yang tertinggal. Bentuk kolaborasi tersebut membantu mengurangi dampak kegagalan. Selama eksperimen, para agen mengandalkan percakapan untuk menyesuaikan strategi. Hal tersebut memperlihatkan kebutuhan koordinasi antartugas.
Tantangan Google DeepMind Menyelesaikan Minecraft Secara Otonom
Untuk mencapai tujuan akhir, para agen perlu melewati rangkaian pekerjaan panjang. Ketika permainan dimulai, para agen mencari sumber daya penting untuk membuat peralatan. Selanjutnya, tim dituntut mencari material untuk membuka jalur berikutnya. Dalam proses tersebut, agen berhadapan dengan kondisi yang tidak selalu terduga. Untuk mempertahankan kemajuan, para agen menggunakan temuan sebelumnya untuk menentukan tindakan. Setiap kemajuan mempengaruhi pilihan tindakan selanjutnya. Hubungan antartugas semacam ini sesuai untuk mempelajari kemampuan agen menyelesaikan tugas kompleks.
Setelah melewati berbagai tahapan, para agen menyelesaikan sasaran utama permainan dalam durasi total 27 jam 14 menit. Dalam keseluruhan misi, karakter yang dikendalikan AI tercatat mati sebanyak 605 kali. Jumlah kegagalan karakter tersebut memperlihatkan bahwa keberhasilan tidak berlangsung mulus. Porsi waktu yang cukup besar digunakan untuk menghadapi Ender Dragon. Strategi yang digunakan pada tahap tersebut memanfaatkan penempatan blok sebagai pijakan untuk menghancurkan kristal yang mendukung pemulihan Ender Dragon. Cara yang dipilih AI menjadi bagian penting dalam penyelesaian misi. Meski kemenangan berhasil diperoleh, hasil tersebut belum menunjukkan kemampuan bermain tanpa kesalahan.
Kelemahan Agen Gemini 4 Argon Meski Berhasil Menamatkan Minecraft
Hasil eksperimen Google DeepMind tidak terlepas dari penggunaan sumber daya AI. Menurut estimasi biaya yang dijelaskan peneliti, proses mencapai kemenangan memerlukan pengeluaran sekitar 520 dolar AS menggunakan perhitungan berdasarkan tarif pengantar. Jika dihitung memakai harga reguler, jumlah tersebut meningkat menjadi sekitar 1.040 dolar AS. Variasi perhitungan biaya ini menunjukkan pentingnya memahami asumsi harga. Selain biaya, pengoperasian selama lebih dari satu hari bergantung pada kemampuan memulihkan proses. Oleh sebab itu, efisiensi komputasi juga perlu dievaluasi.
Eksperimen tersebut tetap menyisakan keterbatasan. Pertama, permainan dijalankan pada tingkat Easy sehingga hasilnya belum tentu langsung berlaku pada semua tingkat kesulitan. Pertimbangan lainnya, agen membaca keadaan dunia melalui representasi terstruktur, bukan melihat layar permainan secara langsung. Akses data semacam ini dapat memberikan detail lingkungan yang sulit dilihat pemain manusia. Batasan berikutnya, eksperimen belum membuktikan tingkat keberhasilan dalam banyak percobaan. Untuk menilai kemampuan lebih luas, penelitian lanjutan sebaiknya membandingkan tingkat kesulitan berbeda guna mengetahui batas kemampuan sebenarnya.
Masa Depan AI Otonom setelah Eksperimen Minecraft
Hasil eksperimen agen AI dalam Minecraft memperlihatkan kemajuan menarik dalam bidang agen kecerdasan buatan. Berkat kemampuan menghasilkan 2.783 program JavaScript, berkoordinasi melalui komunikasi antarsistem, dan menyesuaikan tindakan berdasarkan hasil sebelumnya, keempat agen mampu menyelesaikan target permainan. Walaupun hasil akhirnya berhasil, 605 kematian serta tingkat kesalahan program yang masih tinggi menjadi pengingat penting mengenai batas kemampuan AI. Dalam perkembangan TEKNOLOGI, penelitian ini membuka peluang penelitian koordinasi multiagen untuk tugas perangkat lunak yang kompleks. Dari sudut pandang Anda, apakah kolaborasi beberapa agen kecerdasan buatan akan membantu otomatisasi pekerjaan digital? Bagikan pendapat Anda mengenai masa depan pemrograman otomatis.
