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
Para peneliti Google DeepMind berhasil mendemonstrasikan empat agen AI yang menjalankan misi permainan Minecraft secara otonom. Eksperimen ini memanfaatkan agen berbasis Gemini 4 Argon yang ditugaskan mencapai satu sasaran, yaitu mengalahkan Ender Dragon. Tidak seperti pemain manusia yang mengendalikan karakter langsung, setiap agen mengontrol pemain menggunakan program yang ditulis sendiri. Berkat mekanisme pengendalian tersebut, AI perlu menyusun strategi sebelum menggerakkan karakter. Hasil akhirnya memberikan gambaran potensi AI untuk tugas panjang.
Penelitian Google DeepMind ini dijelaskan dalam makalah ilmiah berjudul A team of Gemini 4 Argon agents beats Minecraft yang dikerjakan oleh Maxence Faldor, Satinder Singh, dan Roberta Raileanu. Makalah tersebut dirilis melalui arXiv pada 15 Oktober 2026. Dalam pengujiannya, para agen memasuki lingkungan Minecraft dengan peta acak. Pengaturan tantangan berada pada tingkat Easy, sementara fitur perintah curang tidak digunakan. Pengawas penelitian tidak menentukan strategi permainan untuk membantu setiap agen. Walaupun berjalan secara otonom, eksperimen menggunakan infrastruktur penelitian yang diawasi. Batas eksperimen tersebut menjelaskan konteks keberhasilan yang dilaporkan.
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. Melalui pustaka tersebut, agen dapat menggerakkan karakter, mengambil sumber daya, membuat peralatan, serta menjalankan strategi pertahanan. Saat menghadapi situasi tertentu, agen menyusun program JavaScript untuk menyelesaikan langkah permainan. Ketika instruksi menemui kesalahan, sistem berupaya memahami kegagalan program dan menulis perbaikan. Mekanisme pengendalian tersebut memperlihatkan penggunaan bahasa pemrograman untuk bertindak secara otonom.
Selama eksperimen berlangsung, keempat agen menciptakan total 2.783 rangkaian kode. Jumlah tersebut menggambarkan banyaknya tindakan yang harus direncanakan. Instruksi yang dihasilkan masih menghadapi masalah eksekusi, karena sekitar 22 persen mengalami error ketika dijalankan. Walaupun kesalahan cukup sering terjadi, agen berupaya memperbaiki strategi. Proses pemulihan tersebut menjadi contoh penting dalam pengembangan agen AI otonom. Untuk penerapan di luar permainan, kemampuan menulis kode saja belum cukup. Untuk memperoleh sistem yang lebih andal, pengawasan terhadap kualitas keluaran harus diperhatikan.
Strategi Pembagian Tugas dan Memori Bersama pada Agen AI
Hasil permainan tersebut tidak hanya bergantung pada kemampuan pemrograman. Empat karakter yang dikendalikan AI bertukar informasi menggunakan chat Minecraft serta mengakses penyimpanan informasi kolektif. Dengan menggunakan komunikasi ini, setiap agen mampu melaporkan perkembangan mengenai kondisi lingkungan, risiko di wilayah tertentu, serta tugas yang sedang dikerjakan. Penentuan pekerjaan berkembang selama interaksi berlangsung, bukan ditentukan melalui perintah khusus manusia. Sistem kerja sama tersebut menjadi contoh penerapan kecerdasan kolektif berbasis perangkat lunak.
Salah satu bentuk kerja sama terjadi ketika pemain yang dikendalikan AI gagal bertahan. Pada mekanisme permainan tersebut, barang yang tersimpan dalam inventaris karakter dapat terjatuh di lokasi tertentu. Karakter AI yang kehilangan barang mampu meminta bantuan melalui pesan kepada karakter yang masih beroperasi. Setelah menerima informasi, anggota tim membantu memulihkan barang penting. Strategi ini membantu mengurangi dampak kegagalan. Sepanjang pelaksanaan tantangan, para agen juga bertukar ratusan pesan. Hal tersebut memperlihatkan kebutuhan koordinasi antartugas.
Ribuan Program dan Ratusan Kematian dalam Eksperimen Minecraft
Sebelum dapat menghadapi Ender Dragon, para agen dituntut memenuhi sejumlah persyaratan permainan. Mereka terlebih dahulu menyiapkan perlengkapan awal untuk meningkatkan kemampuan bertahan. Setelah kebutuhan dasar terpenuhi, tim perlu menemukan sumber daya yang lebih sulit. Dalam proses tersebut, agen menghadapi berbagai ancaman. Keempat sistem tersebut turut menyusun strategi eksplorasi. Setiap kemajuan mempengaruhi pilihan tindakan selanjutnya. Rangkaian ketergantungan ini sesuai untuk mempelajari kemampuan agen menyelesaikan tugas kompleks.
Setelah melewati berbagai tahapan, para agen mampu menuntaskan pertarungan terakhir dalam 27 jam 14 menit. Sepanjang proses menuju kemenangan, karakter yang dikendalikan AI tercatat mati sebanyak 605 kali. Jumlah kegagalan karakter tersebut 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. Walaupun tujuan akhirnya tercapai, efisiensi agen masih memiliki ruang perbaikan.
Kelemahan Agen Gemini 4 Argon Meski Berhasil Menamatkan Minecraft
Keberhasilan agen AI memerlukan pemrosesan model dalam jumlah besar. Berdasarkan perhitungan dalam penelitian, proses mencapai kemenangan memiliki estimasi biaya sekitar 520 dolar AS menggunakan tarif pengenalan yang dijadikan acuan. Jika dihitung memakai harga reguler, jumlah tersebut diperkirakan mencapai sekitar 1.040 dolar AS. Perbedaan angka tersebut berkaitan dengan tarif layanan yang digunakan. Di luar kebutuhan finansial, pengoperasian selama lebih dari satu hari bergantung pada kemampuan memulihkan proses. Dengan mempertimbangkan karakteristiknya, biaya dan keandalan menjadi indikator penting.
Penelitian ini memiliki sejumlah batasan. Salah satu batasannya, permainan menggunakan pengaturan kesulitan Easy sehingga hasilnya belum tentu langsung berlaku pada semua tingkat kesulitan. Selain itu, agen membaca keadaan dunia melalui representasi terstruktur, bukan mengandalkan penglihatan seperti manusia. Akses data semacam ini dapat memberikan detail lingkungan yang sulit dilihat pemain manusia. Batasan berikutnya, eksperimen belum membuktikan tingkat keberhasilan dalam banyak percobaan. Untuk menilai kemampuan lebih luas, penelitian lanjutan sebaiknya membandingkan tingkat kesulitan berbeda guna mengetahui batas kemampuan sebenarnya.
Masa Depan AI Otonom setelah Eksperimen Minecraft
Pencapaian tim Gemini 4 Argon menunjukkan perkembangan penting dalam penerapan pemrograman otomatis. Melalui pembuatan 2.783 program JavaScript, berkoordinasi melalui komunikasi antarsistem, dan memperbaiki strategi ketika menghadapi hambatan, keempat agen menuntaskan tujuan utama eksperimen. Namun demikian, 605 kematian serta tingkat kesalahan program yang masih tinggi memperlihatkan kebutuhan pengembangan lanjutan. Dalam perkembangan TEKNOLOGI, penelitian ini dapat menjadi acuan studi perencanaan jangka panjang untuk sistem otomatis yang membutuhkan pemulihan kesalahan. Menurut Anda, apakah agen AI yang mampu menamatkan Minecraft akan membantu otomatisasi pekerjaan digital? Bagikan pendapat Anda mengenai masa depan pemrograman otomatis.
