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.
Eksperimen Minecraft Google DeepMind Menunjukkan Kemajuan AI Otonom
Tim riset kecerdasan buatan Google DeepMind melaporkan keberhasilan empat agen AI yang berkolaborasi menyelesaikan tantangan Minecraft. Penelitian tersebut menggunakan model Gemini 4 Argon yang diberikan satu tujuan utama, yaitu menaklukkan musuh terakhir Minecraft. Tidak seperti pemain manusia yang mengendalikan karakter langsung, setiap agen menjalankan aksi dengan instruksi pemrograman. Melalui metode ini, AI harus merencanakan tindakan sebelum menjalankan aktivitas permainan. Hasil akhirnya menunjukkan kemampuan koordinasi yang menjanjikan.
Uji kemampuan agen AI tersebut dipaparkan melalui publikasi penelitian berjudul A team of Gemini 4 Argon agents beats Minecraft yang disusun oleh Maxence Faldor, Satinder Singh, dan Roberta Raileanu. Hasil penelitian itu tersedia sebagai makalah penelitian sejak 15 Oktober 2026. Pada pelaksanaan eksperimen, para agen menggunakan dunia permainan survival yang belum dipilih sebelumnya. Pengaturan tantangan menggunakan pilihan Easy, sementara perintah cheat dinonaktifkan. Pengawas penelitian tidak menentukan strategi permainan untuk menentukan tindakan para pemain. Kendati tidak diarahkan selama permainan, eksperimen dijalankan dalam sistem sandbox. Kondisi tersebut menjelaskan konteks keberhasilan yang dilaporkan.
Teknologi Mineflayer Membantu Gemini Mengendalikan Karakter
Dalam menjalankan aktivitas Minecraft, setiap agen AI mengandalkan perangkat lunak Mineflayer yang mendukung operasi pemain menggunakan kode. Melalui pustaka tersebut, agen bisa mengendalikan aktivitas pemain, mengumpulkan material, merakit item permainan, serta melakukan tindakan pertempuran. Saat menghadapi situasi tertentu, agen menulis rangkaian perintah pemrograman untuk menjalankan aktivitas yang direncanakan. Apabila program mengalami masalah, sistem mengevaluasi respons perangkat lunak dan menyusun instruksi pengganti. Mekanisme pengendalian tersebut memperlihatkan penggunaan bahasa pemrograman untuk bertindak secara otonom.
Selama eksperimen berlangsung, keempat agen menciptakan total 2.783 rangkaian kode. Banyaknya instruksi pemrograman tersebut menunjukkan tingginya kebutuhan pengendalian. Program yang ditulis tidak semuanya langsung berhasil, karena sekitar 22 persen berakhir dengan kesalahan. Namun demikian, agen tetap dapat melanjutkan pekerjaan. Situasi tersebut memberikan gambaran menarik dalam pengembangan agen AI otonom. Pada pekerjaan perangkat lunak profesional, keberhasilan membutuhkan pemeriksaan hasil. Dengan mempertimbangkan hal tersebut, pengawasan terhadap kualitas keluaran harus diperhatikan.
Koordinasi Empat Agen Gemini dalam Menyelesaikan Minecraft
Pencapaian yang dilaporkan Google DeepMind ditentukan oleh koordinasi beberapa agen. Keempat agen bertukar informasi menggunakan chat Minecraft serta mengakses penyimpanan informasi kolektif. Dengan menggunakan komunikasi ini, setiap agen dapat menyampaikan temuan mengenai rute perjalanan, hambatan yang ditemukan, serta kebutuhan bantuan dari anggota lain. Pembagian peran muncul melalui keputusan para agen sendiri, bukan ditentukan melalui perintah khusus manusia. Koordinasi multiagen tersebut membantu menjelaskan bagaimana beberapa agen dapat bekerja menuju satu sasaran.
Penerapan komunikasi praktis terlihat ketika karakter mengalami kematian. Pada mekanisme permainan tersebut, barang yang dibawa pemain mungkin harus diambil kembali. Karakter AI yang kehilangan barang mampu meminta bantuan melalui pesan kepada agen lain dalam permainan. Berdasarkan pesan yang diberikan, anggota tim membantu memulihkan barang penting. Pendekatan pemulihan tersebut membantu mengurangi dampak kegagalan. Sepanjang pelaksanaan tantangan, para agen mengandalkan percakapan untuk menyesuaikan strategi. Pola komunikasi tersebut menunjukkan pentingnya informasi bersama.
Perjalanan Agen AI Mengalahkan Ender Dragon dalam 27 Jam
Sebelum dapat menghadapi Ender Dragon, para agen harus menyelesaikan banyak tahapan. Ketika permainan dimulai, para agen mencari sumber daya penting untuk mendukung aktivitas eksplorasi. Pada langkah berikutnya, tim perlu menemukan sumber daya yang lebih sulit. Ketika menjelajahi dunia Minecraft, agen menemui hambatan navigasi. Mereka juga mengubah rencana berdasarkan informasi baru. Pencapaian pada satu tahap mempengaruhi pilihan tindakan selanjutnya. Rangkaian ketergantungan 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. Selama perjalanan tersebut, karakter yang dikendalikan AI mengalami 605 kematian. Jumlah kegagalan karakter tersebut memperlihatkan bahwa keberhasilan tidak berlangsung mulus. Hampir separuh durasi eksperimen tercurah pada upaya mengalahkan bos terakhir. Strategi yang digunakan pada tahap tersebut memanfaatkan penempatan blok sebagai pijakan untuk mengakses End Crystal yang berada di tempat tinggi. Strategi tersebut menjadi bagian penting dalam penyelesaian misi. Namun demikian, efisiensi agen masih memiliki ruang perbaikan.
Biaya Komputasi dan Batas Eksperimen Minecraft Google DeepMind
Pencapaian sistem Gemini 4 Argon tidak terlepas dari penggunaan sumber daya AI. Berdasarkan perhitungan dalam penelitian, proses mencapai kemenangan memiliki estimasi biaya sekitar 520 dolar AS menggunakan perhitungan berdasarkan tarif pengantar. Dalam skema harga normal, jumlah tersebut diperkirakan mencapai sekitar 1.040 dolar AS. Perbedaan angka tersebut menunjukkan pentingnya memahami asumsi harga. Pada sisi sumber daya, pengoperasian selama lebih dari satu hari memerlukan kestabilan sistem. Oleh sebab itu, efisiensi komputasi juga perlu dievaluasi.
Penelitian ini memiliki sejumlah batasan. Pertama, permainan menggunakan pengaturan kesulitan Easy sehingga tantangannya berbeda dari mode lebih sulit. Pertimbangan lainnya, agen mengakses informasi permainan melalui antarmuka program, bukan memproses tampilan visual sebagaimana pemain biasa. Informasi tersebut dapat memberikan detail lingkungan yang sulit dilihat pemain manusia. Batasan berikutnya, eksperimen merupakan demonstrasi satu penyelesaian. Untuk menilai kemampuan lebih luas, penelitian lanjutan sebaiknya membandingkan tingkat kesulitan berbeda guna mengetahui batas kemampuan sebenarnya.
Dampak Eksperimen Gemini 4 Argon bagi Perkembangan TEKNOLOGI
Hasil eksperimen agen AI dalam Minecraft menghadirkan bukti kemampuan yang menjanjikan dalam pengembangan sistem AI otonom. Berkat kemampuan menghasilkan 2.783 program JavaScript, berkoordinasi melalui komunikasi antarsistem, dan memperbaiki strategi ketika menghadapi hambatan, keempat agen mampu menyelesaikan target permainan. Namun demikian, 605 kematian serta penggunaan sumber daya komputasi yang besar menjadi pengingat penting mengenai batas kemampuan AI. Di tengah pertumbuhan sistem agen otonom, penelitian ini membuka peluang penelitian koordinasi multiagen untuk pekerjaan dengan banyak tahapan saling bergantung. Dari sudut pandang Anda, apakah sistem yang dapat menulis ribuan program sendiri akan mempercepat perkembangan asisten pemrograman? Ceritakan pemikiran Anda mengenai potensi kerja sama kecerdasan buatan dalam menyelesaikan tugas kompleks.
