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.
Empat Agen Gemini 4 Argon Berhasil Mengalahkan Ender Dragon
Tim riset kecerdasan buatan Google DeepMind melaporkan keberhasilan empat agen AI yang berkolaborasi menyelesaikan tantangan Minecraft. Pengujian yang dilakukan para ilmuwan memanfaatkan agen berbasis Gemini 4 Argon yang ditugaskan mencapai satu sasaran, yaitu menaklukkan musuh terakhir Minecraft. Jika dibandingkan dengan pengalaman bermain menggunakan keyboard, setiap agen mengoperasikan karakter melalui kode program. Dengan pendekatan tersebut, AI dituntut menentukan langkah sebelum menggerakkan karakter. Pencapaian eksperimen tersebut memperlihatkan perkembangan agen pemrograman.
Penelitian Google DeepMind ini dipaparkan melalui publikasi penelitian 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. Ketika percobaan dimulai, para agen menggunakan dunia permainan survival yang belum dipilih sebelumnya. Pengaturan tantangan menggunakan pilihan Easy, sementara fitur perintah curang tidak digunakan. Pengawas penelitian tidak menentukan strategi permainan untuk menentukan tindakan para pemain. Meski demikian, eksperimen tetap berlangsung di lingkungan pengujian terkontrol. Pengaturan penelitian ini menjelaskan konteks keberhasilan yang dilaporkan.
Teknologi Mineflayer Membantu Gemini Mengendalikan Karakter
Ketika berinteraksi dengan dunia virtual, setiap agen AI menggunakan pustaka sumber terbuka Mineflayer yang memungkinkan pengendalian karakter melalui JavaScript. Dengan bantuan perangkat lunak ini, agen bisa mengendalikan aktivitas pemain, melakukan penambangan, 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 mengevaluasi respons perangkat lunak dan menyusun instruksi pengganti. Proses pemrograman berulang ini menjadi bagian penting keberhasilan eksperimen.
Sepanjang perjalanan menuju kemenangan, keempat agen menghasilkan 2.783 program JavaScript. Banyaknya instruksi pemrograman tersebut menunjukkan tingginya kebutuhan pengendalian. Instruksi yang dihasilkan tidak semuanya langsung berhasil, karena sekitar 22 persen berakhir dengan kesalahan. Walaupun kesalahan cukup sering terjadi, agen berupaya memperbaiki strategi. Situasi tersebut memperlihatkan salah satu tantangan dalam penerapan pemrograman berbasis AI. Pada pekerjaan perangkat lunak profesional, keberhasilan membutuhkan pemeriksaan hasil. Dengan mempertimbangkan hal tersebut, penanganan kesalahan menjadi bagian penting.
Strategi Pembagian Tugas dan Memori Bersama pada Agen AI
Pencapaian yang dilaporkan Google DeepMind tidak hanya bergantung pada kemampuan pemrograman. Seluruh anggota tim virtual menyampaikan pesan melalui fasilitas komunikasi permainan serta mengakses penyimpanan informasi kolektif. Berkat sistem koordinasi tersebut, setiap agen bisa membagikan informasi penting mengenai kondisi lingkungan, risiko di wilayah tertentu, serta kebutuhan bantuan dari anggota lain. Pembagian peran dilakukan secara otonom, bukan dipaksakan melalui pembagian manual. Sistem kerja sama tersebut menjadi contoh penerapan kecerdasan kolektif berbasis perangkat lunak.
Salah satu bentuk kerja sama muncul saat salah satu agen kehilangan perlengkapannya. Ketika karakter mati di dunia survival, barang yang dimiliki sebelum kematian mungkin harus diambil kembali. Sistem yang baru mengalami kegagalan mampu meminta bantuan melalui pesan kepada anggota tim lainnya. Selanjutnya, anggota tim melakukan perjalanan menuju lokasi yang dilaporkan. Pendekatan pemulihan tersebut berpotensi mempertahankan kemajuan permainan. Sepanjang pelaksanaan tantangan, para agen mengandalkan percakapan untuk menyesuaikan strategi. Pola komunikasi tersebut mendukung pengembangan sistem AI yang bekerja sebagai tim.
Tantangan Google DeepMind Menyelesaikan Minecraft Secara Otonom
Untuk mencapai tujuan akhir, para agen dituntut memenuhi sejumlah persyaratan permainan. Ketika permainan dimulai, para agen mencari sumber daya penting untuk membuat peralatan. Pada langkah berikutnya, tim harus mengakses lingkungan permainan berbeda. Ketika menjelajahi dunia Minecraft, agen menemui hambatan navigasi. Mereka juga menggunakan temuan sebelumnya untuk menentukan tindakan. Setiap kemajuan dibutuhkan untuk membuka tahapan permainan lain. Rangkaian ketergantungan ini membuat Minecraft menjadi lingkungan pengujian yang menarik.
Pada akhirnya, para agen mampu menuntaskan pertarungan terakhir dalam 27 jam 14 menit. Selama perjalanan tersebut, karakter yang dikendalikan AI mengalami 605 kematian. Angka tersebut memperlihatkan bahwa keberhasilan tidak berlangsung mulus. Hampir separuh durasi eksperimen tercurah pada upaya mengalahkan bos terakhir. Salah satu solusi yang ditemukan menggunakan tumpukan blok tanah untuk menjangkau kristal penyembuh naga. Taktik selama pertarungan membantu membuka peluang kemenangan. Walaupun tujuan akhirnya tercapai, jumlah kegagalan yang tinggi tetap menjadi catatan.
Kelemahan Agen Gemini 4 Argon Meski Berhasil Menamatkan Minecraft
Keberhasilan agen AI tidak terlepas dari penggunaan sumber daya AI. Berdasarkan perhitungan dalam penelitian, proses mencapai kemenangan diperkirakan menelan biaya sekitar 520 dolar AS menggunakan harga promosi awal model. Dalam skema harga normal, jumlah tersebut setara dengan perkiraan biaya 1.040 dolar AS. Variasi perhitungan biaya ini perlu diperhatikan ketika membandingkan biaya eksperimen. Selain biaya, pengoperasian selama lebih dari satu hari memerlukan kestabilan sistem. Oleh sebab itu, efisiensi komputasi juga perlu dievaluasi.
Eksperimen tersebut tetap menyisakan keterbatasan. Sebagai pertimbangan awal, permainan berlangsung dengan kesulitan yang lebih rendah sehingga hasilnya belum tentu langsung berlaku pada semua tingkat kesulitan. Selain itu, agen memperoleh data lingkungan menggunakan Mineflayer, bukan memproses tampilan visual sebagaimana pemain biasa. Metode pengendalian tersebut dapat memberikan detail lingkungan yang sulit dilihat pemain manusia. Ketiga, eksperimen tidak menunjukkan bahwa seluruh pengujian akan berakhir sama. Oleh sebab itu, 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 menghadirkan bukti kemampuan yang menjanjikan dalam penerapan pemrograman otomatis. Dengan menulis 2.783 program JavaScript, berkoordinasi melalui komunikasi antarsistem, dan memulihkan diri setelah berbagai kegagalan, keempat agen mampu menyelesaikan target permainan. Walaupun hasil akhirnya berhasil, 605 kematian serta penggunaan sumber daya komputasi yang besar menjadi pengingat penting mengenai batas kemampuan AI. Seiring kemajuan kecerdasan buatan, penelitian ini berpotensi mendukung pengembangan agen pemrograman untuk pekerjaan dengan banyak tahapan saling bergantung. Bagaimana pendapat Anda, apakah kolaborasi beberapa agen kecerdasan buatan akan menjadi fondasi teknologi AI masa depan? Sampaikan pandangan Anda mengenai perkembangan agen AI.
