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
Para peneliti Google DeepMind melaporkan keberhasilan empat agen AI yang menjalankan misi permainan Minecraft secara otonom. Pengujian yang dilakukan para ilmuwan 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. Dengan pendekatan tersebut, AI perlu menyusun strategi sebelum menggerakkan karakter. Pencapaian eksperimen tersebut memperlihatkan perkembangan agen pemrograman.
Uji kemampuan agen AI 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. Ketika percobaan dimulai, para agen menggunakan dunia permainan survival yang belum dipilih sebelumnya. Tingkat kesulitan berada pada tingkat Easy, sementara perintah cheat dinonaktifkan. Pengawas penelitian tidak memberikan pembagian peran untuk menentukan tindakan para pemain. Kendati tidak diarahkan selama permainan, eksperimen menggunakan infrastruktur penelitian yang diawasi. Pengaturan penelitian ini penting untuk memahami hasil secara tepat.
Cara Agen AI Google DeepMind Menulis Ribuan Program Minecraft
Ketika berinteraksi dengan dunia virtual, setiap agen AI menggunakan pustaka sumber terbuka Mineflayer yang mendukung operasi pemain menggunakan kode. Berkat antarmuka Mineflayer, agen dapat menggerakkan karakter, melakukan penambangan, menjalankan proses crafting, serta melakukan tindakan pertempuran. Saat menghadapi situasi tertentu, agen menulis rangkaian perintah pemrograman untuk menyelesaikan langkah permainan. Ketika instruksi menemui kesalahan, sistem berupaya memahami kegagalan program dan mencoba pendekatan pemrograman lain. Kemampuan tersebut menjadi bagian penting keberhasilan eksperimen.
Selama eksperimen berlangsung, keempat agen menghasilkan 2.783 program JavaScript. Ribuan program yang dihasilkan menunjukkan tingginya kebutuhan pengendalian. Program yang ditulis tidak semuanya langsung berhasil, karena sekitar 22 persen tidak menyelesaikan eksekusi dengan benar. Namun demikian, agen berupaya memperbaiki strategi. Situasi tersebut memperlihatkan salah satu tantangan dalam penerapan pemrograman berbasis AI. Untuk penerapan di luar permainan, kemampuan menulis kode saja belum cukup. Dengan mempertimbangkan hal tersebut, mekanisme pengujian dan pemulihan tetap diperlukan.
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 mampu melaporkan perkembangan mengenai kondisi lingkungan, ancaman musuh, serta tugas yang sedang dikerjakan. Pengaturan aktivitas tim muncul melalui keputusan para agen sendiri, bukan ditetapkan secara langsung oleh peneliti. Koordinasi multiagen tersebut menjadi contoh penerapan kecerdasan kolektif berbasis perangkat lunak.
Salah satu bentuk kerja sama terjadi ketika pemain yang dikendalikan AI gagal bertahan. Ketika karakter mati di dunia survival, barang yang tersimpan dalam inventaris karakter berpotensi tertinggal pada tempat kejadian. Agen yang mengalami kejadian tersebut berpeluang memberitahukan lokasi kematiannya kepada karakter yang masih beroperasi. Berdasarkan pesan yang diberikan, anggota tim dapat mencoba mengambil perlengkapan yang tertinggal. Bentuk kolaborasi tersebut berpotensi mempertahankan kemajuan permainan. Dalam proses permainan, para agen mengandalkan percakapan untuk menyesuaikan strategi. Hal tersebut menunjukkan pentingnya informasi bersama.
Perjalanan Agen AI Mengalahkan Ender Dragon dalam 27 Jam
Dalam perjalanan menuju pertarungan terakhir, para agen perlu melewati rangkaian pekerjaan panjang. Pada tahap awal, sistem mengumpulkan bahan dasar untuk meningkatkan kemampuan bertahan. Selanjutnya, tim harus mengakses lingkungan permainan berbeda. Ketika menjelajahi dunia Minecraft, agen menghadapi berbagai ancaman. Mereka juga menyusun strategi eksplorasi. Setiap kemajuan sering menjadi syarat bagi langkah berikutnya. Hubungan antartugas semacam ini memberikan tantangan perencanaan jangka panjang.
Pada akhirnya, para agen berhasil mengalahkan Ender Dragon dalam waktu 27 jam dan 14 menit. Selama perjalanan tersebut, karakter yang dikendalikan AI tercatat mati sebanyak 605 kali. Banyaknya kematian itu menunjukkan masih adanya kesulitan pengambilan keputusan. Hampir separuh durasi eksperimen tercurah pada upaya mengalahkan bos terakhir. Strategi yang digunakan pada tahap tersebut melibatkan pembangunan struktur tanah untuk mengakses End Crystal yang berada di tempat tinggi. Strategi tersebut menjadi bagian penting dalam penyelesaian misi. Meski kemenangan berhasil diperoleh, jumlah kegagalan yang tinggi tetap menjadi catatan.
Mengukur Efisiensi dan Keandalan Agen AI dalam Permainan
Hasil eksperimen Google DeepMind juga membutuhkan biaya komputasi. Berdasarkan perhitungan dalam penelitian, proses mencapai kemenangan memiliki estimasi biaya sekitar 520 dolar AS menggunakan perhitungan berdasarkan tarif pengantar. Apabila menggunakan tarif standar, jumlah tersebut meningkat menjadi sekitar 1.040 dolar AS. Perbedaan angka tersebut berkaitan dengan tarif layanan yang digunakan. Selain biaya, pengoperasian selama lebih dari satu hari membutuhkan pengelolaan pekerjaan berkelanjutan. Dengan mempertimbangkan karakteristiknya, efisiensi komputasi juga perlu dievaluasi.
Hasil Google DeepMind perlu dipahami berdasarkan kondisi pengujiannya. Salah satu batasannya, permainan dijalankan pada tingkat Easy sehingga hasilnya belum tentu langsung berlaku pada semua tingkat kesulitan. Kedua, agen membaca keadaan dunia melalui representasi terstruktur, bukan melihat layar permainan secara langsung. Metode pengendalian tersebut dapat memberikan detail lingkungan yang sulit dilihat pemain manusia. Ketiga, eksperimen belum membuktikan tingkat keberhasilan dalam banyak percobaan. Untuk menilai kemampuan lebih luas, penelitian lanjutan sebaiknya membandingkan tingkat kesulitan berbeda guna memahami keandalan strategi.
Kesimpulan Keberhasilan Agen AI Google DeepMind di Minecraft
Hasil eksperimen agen AI dalam Minecraft menghadirkan bukti kemampuan yang menjanjikan dalam bidang agen kecerdasan buatan. Berkat kemampuan menghasilkan 2.783 program JavaScript, berkoordinasi melalui komunikasi antarsistem, dan memulihkan diri setelah berbagai kegagalan, keempat agen menuntaskan tujuan utama eksperimen. Namun demikian, 605 kematian serta keterbatasan pengujian pada mode Easy memperlihatkan kebutuhan pengembangan lanjutan. Dalam perkembangan TEKNOLOGI, penelitian ini dapat menjadi acuan studi perencanaan jangka panjang untuk tugas perangkat lunak yang kompleks. Bagaimana pendapat Anda, apakah kolaborasi beberapa agen kecerdasan buatan akan membantu otomatisasi pekerjaan digital? Sampaikan pandangan Anda mengenai perkembangan agen AI.
