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 berhasil mendemonstrasikan empat agen AI yang berkolaborasi menyelesaikan tantangan Minecraft. Eksperimen ini mengandalkan sistem Gemini 4 Argon yang menerima target permainan yang sama, yaitu menyelesaikan pertarungan melawan Ender Dragon. Berbeda dari permainan biasa, setiap agen mengoperasikan karakter melalui kode program. Melalui metode ini, AI harus merencanakan tindakan sebelum mengambil sumber daya. Keberhasilan yang dilaporkan menunjukkan kemampuan koordinasi yang menjanjikan.
Uji kemampuan agen AI tersebut didokumentasikan dalam karya riset berjudul A team of Gemini 4 Argon agents beats Minecraft yang dikerjakan oleh Maxence Faldor, Satinder Singh, dan Roberta Raileanu. Dokumen ilmiah tersebut tersedia sebagai makalah penelitian sejak 15 Oktober 2026. Ketika percobaan dimulai, para agen memasuki lingkungan Minecraft dengan peta acak. Mode permainan menggunakan pilihan Easy, sementara fitur perintah curang tidak digunakan. Pengawas penelitian tidak memberikan pembagian peran untuk membantu setiap agen. Meski demikian, 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 mengandalkan perangkat lunak Mineflayer yang memungkinkan pengendalian karakter melalui JavaScript. Melalui pustaka tersebut, agen bisa mengendalikan aktivitas pemain, mengambil sumber daya, merakit item permainan, serta menghadapi musuh. Saat menghadapi situasi tertentu, agen menulis rangkaian perintah pemrograman untuk melaksanakan tindakan karakter. Apabila program mengalami masalah, sistem mengevaluasi respons perangkat lunak dan mencoba pendekatan pemrograman lain. Proses pemrograman berulang ini menjadi bagian penting keberhasilan eksperimen.
Sepanjang perjalanan menuju kemenangan, keempat agen menghasilkan 2.783 program JavaScript. Ribuan program yang dihasilkan memperlihatkan kompleksitas pekerjaan. Instruksi yang dihasilkan tidak semuanya langsung berhasil, karena sekitar 22 persen mengalami error ketika dijalankan. Namun demikian, agen mampu mencoba kembali melalui instruksi baru. Kemampuan menghadapi kegagalan ini menjadi contoh penting dalam pengembangan agen AI otonom. Dalam penggunaan nyata, 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 juga membutuhkan kerja sama antarsistem. Keempat agen menyampaikan pesan melalui fasilitas komunikasi permainan serta berbagi catatan pekerjaan. Melalui mekanisme tersebut, setiap agen dapat menyampaikan temuan mengenai kondisi lingkungan, risiko di wilayah tertentu, serta kebutuhan bantuan dari anggota lain. Penentuan pekerjaan dilakukan secara otonom, bukan ditentukan melalui perintah khusus manusia. Sistem kerja sama tersebut menjadi contoh penerapan kecerdasan kolektif berbasis perangkat lunak.
Penerapan komunikasi praktis terjadi ketika pemain yang dikendalikan AI gagal bertahan. Dalam Minecraft, barang yang dimiliki sebelum kematian berpotensi tertinggal pada tempat kejadian. Sistem yang baru mengalami kegagalan mampu meminta bantuan melalui pesan kepada anggota tim lainnya. Berdasarkan pesan yang diberikan, anggota tim membantu memulihkan barang penting. Strategi ini memungkinkan sumber daya digunakan kembali. Selama eksperimen, para agen mengandalkan percakapan untuk menyesuaikan strategi. Hal tersebut mendukung pengembangan sistem AI yang bekerja sebagai tim.
Ribuan Program dan Ratusan Kematian dalam Eksperimen Minecraft
Dalam perjalanan menuju pertarungan terakhir, para agen harus menyelesaikan banyak tahapan. Ketika permainan dimulai, para agen mencari sumber daya penting untuk membuat peralatan. Setelah kebutuhan dasar terpenuhi, tim perlu menemukan sumber daya yang lebih sulit. Ketika menjelajahi dunia Minecraft, agen berhadapan dengan kondisi yang tidak selalu terduga. Keempat sistem tersebut turut menyusun strategi eksplorasi. Setiap kemajuan dibutuhkan untuk membuka tahapan permainan lain. Karakteristik tersebut sesuai untuk mempelajari kemampuan agen menyelesaikan tugas kompleks.
Pada akhirnya, para agen menyelesaikan sasaran utama permainan dalam 27 jam 14 menit. Dalam keseluruhan misi, karakter yang dikendalikan AI mengalami 605 kematian. Banyaknya kematian itu menggambarkan tingginya kebutuhan percobaan dan pemulihan. Porsi waktu yang cukup besar digunakan untuk menghadapi Ender Dragon. Salah satu solusi yang ditemukan melibatkan pembangunan struktur tanah untuk menghancurkan kristal yang mendukung pemulihan Ender Dragon. Cara yang dipilih AI menjadi bagian penting dalam penyelesaian misi. Namun demikian, efisiensi agen masih memiliki ruang perbaikan.
Mengukur Efisiensi dan Keandalan Agen AI dalam Permainan
Pencapaian sistem Gemini 4 Argon juga membutuhkan biaya komputasi. Menurut estimasi biaya yang dijelaskan peneliti, proses mencapai kemenangan diperkirakan menelan biaya sekitar 520 dolar AS menggunakan harga promosi awal model. Dalam skema harga normal, jumlah tersebut meningkat menjadi sekitar 1.040 dolar AS. Selisih estimasi pengeluaran tersebut perlu diperhatikan ketika membandingkan biaya eksperimen. Di luar kebutuhan finansial, pengoperasian selama lebih dari satu hari membutuhkan pengelolaan pekerjaan berkelanjutan. Oleh sebab itu, biaya dan keandalan menjadi indikator penting.
Hasil Google DeepMind perlu dipahami berdasarkan kondisi pengujiannya. Sebagai pertimbangan awal, permainan dijalankan pada tingkat Easy sehingga risiko pertempuran tidak sama dengan tingkat Hard. Pertimbangan lainnya, agen mengakses informasi permainan melalui antarmuka program, bukan melihat layar permainan secara langsung. Akses data semacam ini berbeda dari pengalaman yang mengandalkan gambar layar. Batasan berikutnya, eksperimen belum membuktikan tingkat keberhasilan dalam banyak percobaan. Untuk menilai kemampuan lebih luas, penelitian lanjutan perlu menguji berbagai kondisi guna mengetahui batas kemampuan sebenarnya.
Dampak Eksperimen Gemini 4 Argon bagi Perkembangan TEKNOLOGI
Hasil eksperimen agen AI dalam Minecraft menunjukkan perkembangan penting dalam bidang agen kecerdasan buatan. Berkat kemampuan menghasilkan 2.783 program JavaScript, mengatur tugas tanpa penugasan manusia, dan memperbaiki strategi ketika menghadapi hambatan, keempat agen menuntaskan tujuan utama eksperimen. Namun demikian, 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 sistem otomatis yang membutuhkan pemulihan kesalahan. Dari sudut pandang Anda, apakah kolaborasi beberapa agen kecerdasan buatan akan menjadi fondasi teknologi AI masa depan? Ceritakan pemikiran Anda mengenai potensi kerja sama kecerdasan buatan dalam menyelesaikan tugas kompleks.
