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 bekerja sama menamatkan Minecraft. Eksperimen ini mengandalkan sistem Gemini 4 Argon yang ditugaskan mencapai satu sasaran, yaitu menyelesaikan pertarungan melawan Ender Dragon. Berbeda dari permainan biasa, setiap agen mengontrol pemain menggunakan program yang ditulis sendiri. Berkat mekanisme pengendalian tersebut, AI harus merencanakan tindakan sebelum mengambil sumber daya. Pencapaian eksperimen tersebut memperlihatkan perkembangan agen pemrograman.
Uji kemampuan agen AI tersebut dipaparkan melalui publikasi penelitian berjudul A team of Gemini 4 Argon agents beats Minecraft yang ditulis oleh Maxence Faldor, Satinder Singh, dan Roberta Raileanu. Makalah tersebut dipublikasikan pada 15 Oktober 2026. Pada pelaksanaan eksperimen, 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 membantu setiap agen. Walaupun berjalan secara otonom, eksperimen menggunakan infrastruktur penelitian yang diawasi. Pengaturan penelitian ini menjelaskan konteks keberhasilan yang dilaporkan.
Teknologi Mineflayer Membantu Gemini Mengendalikan Karakter
Ketika berinteraksi dengan dunia virtual, setiap agen AI mengandalkan perangkat lunak Mineflayer yang mendukung operasi pemain menggunakan kode. Melalui pustaka tersebut, agen bisa mengendalikan aktivitas pemain, mengumpulkan material, menjalankan proses crafting, serta menjalankan strategi pertahanan. Saat menghadapi situasi tertentu, agen menghasilkan instruksi melalui kode untuk menjalankan aktivitas yang direncanakan. Jika kode tidak menghasilkan tindakan yang diharapkan, sistem dapat memeriksa hasil eksekusi dan menulis perbaikan. Kemampuan tersebut menjadi bagian penting keberhasilan eksperimen.
Selama eksperimen berlangsung, keempat agen menciptakan total 2.783 rangkaian kode. Jumlah tersebut menunjukkan tingginya kebutuhan pengendalian. Instruksi yang dihasilkan tidak selalu berjalan tanpa kendala, karena sekitar 22 persen mengalami error ketika dijalankan. Namun demikian, agen berupaya memperbaiki strategi. Kemampuan menghadapi kegagalan ini memperlihatkan salah satu tantangan dalam pengembangan agen AI otonom. Pada pekerjaan perangkat lunak profesional, proses pemrograman harus disertai validasi. Oleh sebab itu, mekanisme pengujian dan pemulihan tetap diperlukan.
Strategi Pembagian Tugas dan Memori Bersama pada Agen AI
Keberhasilan eksperimen juga membutuhkan kerja sama antarsistem. Keempat agen menyampaikan pesan melalui fasilitas komunikasi permainan serta berbagi catatan pekerjaan. Dengan menggunakan komunikasi ini, setiap agen dapat menyampaikan temuan mengenai rute perjalanan, hambatan yang ditemukan, serta kebutuhan bantuan dari anggota lain. Pengaturan aktivitas tim muncul melalui keputusan para agen sendiri, bukan ditetapkan secara langsung oleh peneliti. Sistem kerja sama tersebut menjadi contoh penerapan kecerdasan kolektif berbasis perangkat lunak.
Contoh koordinasi yang menarik terjadi ketika pemain yang dikendalikan AI gagal bertahan. Dalam Minecraft, barang yang tersimpan dalam inventaris karakter mungkin harus diambil kembali. Sistem yang baru mengalami kegagalan mampu meminta bantuan melalui pesan kepada karakter yang masih beroperasi. Selanjutnya, anggota tim dapat mencoba mengambil perlengkapan yang tertinggal. Pendekatan pemulihan tersebut memungkinkan sumber daya digunakan kembali. Sepanjang pelaksanaan tantangan, para agen juga bertukar ratusan pesan. Pola komunikasi tersebut mendukung pengembangan sistem AI yang bekerja sebagai tim.
Ribuan Program dan Ratusan Kematian dalam Eksperimen Minecraft
Dalam perjalanan menuju pertarungan terakhir, para agen perlu melewati rangkaian pekerjaan panjang. Ketika permainan dimulai, para agen mengumpulkan bahan dasar untuk mendukung aktivitas eksplorasi. Setelah kebutuhan dasar terpenuhi, tim harus mengakses lingkungan permainan berbeda. Sepanjang tahap persiapan, agen berhadapan dengan kondisi yang tidak selalu terduga. Mereka juga menggunakan temuan sebelumnya untuk menentukan tindakan. Setiap kemajuan mempengaruhi pilihan tindakan selanjutnya. Hubungan antartugas semacam ini membuat Minecraft menjadi lingkungan pengujian yang menarik.
Pada akhirnya, para agen berhasil mengalahkan Ender Dragon dalam 27 jam 14 menit. Sepanjang proses menuju kemenangan, karakter yang dikendalikan AI mengalami 605 kematian. Banyaknya kematian itu menunjukkan masih adanya kesulitan pengambilan keputusan. Sebagian besar waktu dihabiskan dalam tahap pertarungan terakhir. Pendekatan yang dipilih para agen memanfaatkan penempatan blok sebagai pijakan untuk menjangkau kristal penyembuh naga. Cara yang dipilih AI menjadi bagian penting dalam penyelesaian misi. Namun demikian, jumlah kegagalan yang tinggi tetap menjadi catatan.
Kelemahan Agen Gemini 4 Argon Meski Berhasil Menamatkan Minecraft
Pencapaian sistem Gemini 4 Argon memerlukan pemrosesan model dalam jumlah besar. Dalam evaluasi penggunaan model, proses mencapai kemenangan diperkirakan menelan biaya sekitar 520 dolar AS menggunakan perhitungan berdasarkan tarif pengantar. Jika dihitung memakai harga reguler, jumlah tersebut diperkirakan mencapai sekitar 1.040 dolar AS. Perbedaan angka tersebut perlu diperhatikan ketika membandingkan biaya eksperimen. Di luar kebutuhan finansial, pengoperasian selama lebih dari satu hari bergantung pada kemampuan memulihkan proses. Oleh sebab itu, biaya dan keandalan menjadi indikator penting.
Eksperimen tersebut tetap menyisakan keterbatasan. Pertama, permainan dijalankan pada tingkat Easy sehingga hasilnya belum tentu langsung berlaku pada semua tingkat kesulitan. Kedua, agen mengakses informasi permainan melalui antarmuka program, bukan mengandalkan penglihatan seperti manusia. Metode pengendalian tersebut memungkinkan penggunaan informasi terstruktur dari permainan. Ketiga, eksperimen belum membuktikan tingkat keberhasilan dalam banyak percobaan. Untuk menilai kemampuan lebih luas, penelitian lanjutan perlu menguji berbagai kondisi guna memahami keandalan strategi.
Kesimpulan Keberhasilan Agen AI Google DeepMind di Minecraft
Hasil eksperimen agen AI dalam Minecraft menunjukkan perkembangan penting dalam penerapan pemrograman otomatis. Melalui pembuatan 2.783 program JavaScript, membagi pekerjaan secara mandiri, dan memulihkan diri setelah berbagai kegagalan, keempat agen mampu menyelesaikan target permainan. Meski pencapaian tersebut penting, 605 kematian serta penggunaan sumber daya komputasi yang besar menunjukkan bahwa sistem belum sempurna. Di tengah pertumbuhan sistem agen otonom, penelitian ini berpotensi mendukung pengembangan agen pemrograman untuk pekerjaan dengan banyak tahapan saling bergantung. Bagaimana pendapat Anda, apakah agen AI yang mampu menamatkan Minecraft akan mempercepat perkembangan asisten pemrograman? Bagikan pendapat Anda mengenai perkembangan agen AI.
