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 memperlihatkan melalui eksperimen empat agen AI yang menjalankan misi permainan Minecraft secara otonom. Pengujian yang dilakukan para ilmuwan memanfaatkan agen berbasis Gemini 4 Argon yang diberikan satu tujuan utama, yaitu menaklukkan musuh terakhir Minecraft. Jika dibandingkan dengan pengalaman bermain menggunakan keyboard, setiap agen mengontrol pemain menggunakan program yang ditulis sendiri. Melalui metode ini, AI harus merencanakan tindakan sebelum menjalankan aktivitas permainan. Keberhasilan yang dilaporkan memberikan gambaran potensi AI untuk tugas panjang.
Uji kemampuan agen AI tersebut dipaparkan melalui publikasi penelitian berjudul A team of Gemini 4 Argon agents beats Minecraft yang dikerjakan 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. Tingkat kesulitan ditetapkan pada Easy, sementara penggunaan cheat tidak diizinkan. Para peneliti tidak menulis logika permainan khusus untuk membantu setiap agen. Kendati tidak diarahkan selama permainan, eksperimen dijalankan dalam sistem sandbox. Pengaturan penelitian ini membedakan demonstrasi dari permainan manusia biasa.
Teknologi Mineflayer Membantu Gemini Mengendalikan Karakter
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, merakit item permainan, serta menjalankan strategi pertahanan. Setiap kali membutuhkan tindakan, agen menulis rangkaian perintah pemrograman untuk menjalankan aktivitas yang direncanakan. Apabila program mengalami masalah, sistem dapat memeriksa hasil eksekusi dan mencoba pendekatan pemrograman lain. Mekanisme pengendalian tersebut menjadi bagian penting keberhasilan eksperimen.
Selama eksperimen berlangsung, keempat agen menghasilkan 2.783 program JavaScript. Banyaknya instruksi pemrograman tersebut menggambarkan banyaknya tindakan yang harus direncanakan. Program yang ditulis masih menghadapi masalah eksekusi, karena sekitar 22 persen berakhir dengan kesalahan. Meski tingkat kegagalan program tergolong berarti, agen mampu mencoba kembali melalui instruksi baru. Proses pemulihan tersebut memperlihatkan salah satu tantangan dalam pengembangan agen AI otonom. Dalam penggunaan nyata, keberhasilan membutuhkan pemeriksaan hasil. Untuk memperoleh sistem yang lebih andal, mekanisme pengujian dan pemulihan tetap diperlukan.
Koordinasi Empat Agen Gemini dalam Menyelesaikan Minecraft
Hasil permainan tersebut tidak hanya bergantung pada kemampuan pemrograman. Keempat agen bertukar informasi menggunakan chat Minecraft serta berbagi catatan pekerjaan. Dengan menggunakan komunikasi ini, setiap agen dapat menyampaikan temuan mengenai lokasi material, hambatan yang ditemukan, serta kebutuhan bantuan dari anggota lain. Pembagian peran berkembang selama interaksi berlangsung, bukan ditentukan melalui perintah khusus manusia. Pendekatan ini menjadi contoh penerapan kecerdasan kolektif berbasis perangkat lunak.
Contoh koordinasi yang menarik terlihat ketika karakter mengalami kematian. Pada mekanisme permainan tersebut, barang yang tersimpan dalam inventaris karakter dapat terjatuh di lokasi tertentu. Karakter AI yang kehilangan barang dapat membagikan informasi koordinat kepada agen lain dalam permainan. Setelah menerima informasi, anggota tim melakukan perjalanan menuju lokasi yang dilaporkan. Strategi ini berpotensi mempertahankan kemajuan permainan. Sepanjang pelaksanaan tantangan, para agen menggunakan komunikasi secara berulang. Pola komunikasi tersebut mendukung pengembangan sistem AI yang bekerja sebagai tim.
Perjalanan Agen AI Mengalahkan Ender Dragon dalam 27 Jam
Untuk mencapai tujuan akhir, para agen dituntut memenuhi sejumlah persyaratan permainan. Ketika permainan dimulai, para agen mengumpulkan bahan dasar untuk membuat peralatan. Selanjutnya, tim harus mengakses lingkungan permainan berbeda. Ketika menjelajahi dunia Minecraft, agen menghadapi berbagai ancaman. Keempat sistem tersebut turut mengubah rencana berdasarkan informasi baru. Setiap kemajuan sering menjadi syarat bagi langkah berikutnya. Rangkaian ketergantungan ini memberikan tantangan perencanaan jangka panjang.
Setelah melewati berbagai tahapan, para agen menyelesaikan sasaran utama permainan dalam 27 jam 14 menit. Dalam keseluruhan misi, karakter yang dikendalikan AI tercatat mati sebanyak 605 kali. Banyaknya kematian itu menunjukkan masih adanya kesulitan pengambilan keputusan. Porsi waktu yang cukup besar digunakan untuk menghadapi Ender Dragon. Pendekatan yang dipilih para agen menggunakan tumpukan blok tanah untuk mengakses End Crystal yang berada di tempat tinggi. Strategi tersebut membantu membuka peluang kemenangan. Walaupun tujuan akhirnya tercapai, efisiensi agen masih memiliki ruang perbaikan.
Biaya Komputasi dan Batas Eksperimen Minecraft Google DeepMind
Keberhasilan agen AI tidak terlepas dari penggunaan sumber daya AI. Menurut estimasi biaya yang dijelaskan peneliti, proses mencapai kemenangan memiliki estimasi biaya sekitar 520 dolar AS menggunakan harga promosi awal model. Jika dihitung memakai harga reguler, jumlah tersebut setara dengan perkiraan biaya 1.040 dolar AS. Selisih estimasi pengeluaran tersebut perlu diperhatikan ketika membandingkan biaya eksperimen. Pada sisi sumber daya, pengoperasian selama lebih dari satu hari membutuhkan pengelolaan pekerjaan berkelanjutan. Karena itu, biaya dan keandalan menjadi indikator penting.
Hasil Google DeepMind perlu dipahami berdasarkan kondisi pengujiannya. Pertama, permainan menggunakan pengaturan kesulitan Easy sehingga hasilnya belum tentu langsung berlaku pada semua tingkat kesulitan. Pertimbangan lainnya, agen mengakses informasi permainan melalui antarmuka program, bukan mengandalkan penglihatan seperti manusia. Akses data semacam ini berbeda dari pengalaman yang mengandalkan gambar layar. Tidak kalah penting, eksperimen belum membuktikan tingkat keberhasilan dalam banyak percobaan. Untuk menilai kemampuan lebih luas, penelitian lanjutan dapat mengevaluasi pengulangan eksperimen guna mengukur konsistensi agen.
Masa Depan AI Otonom setelah Eksperimen Minecraft
Keberhasilan empat agen Google DeepMind memperlihatkan kemajuan menarik dalam pengembangan sistem AI otonom. Berkat kemampuan menghasilkan 2.783 program JavaScript, berkoordinasi melalui komunikasi antarsistem, dan menyesuaikan tindakan berdasarkan hasil sebelumnya, keempat agen berhasil mengalahkan Ender Dragon. Meski pencapaian tersebut penting, 605 kematian serta tingkat kesalahan program yang masih tinggi menjadi pengingat penting mengenai batas kemampuan AI. Di tengah pertumbuhan sistem agen otonom, penelitian ini membuka peluang penelitian koordinasi multiagen untuk tugas perangkat lunak yang kompleks. Menurut Anda, apakah kolaborasi beberapa agen kecerdasan buatan akan menjadi fondasi teknologi AI masa depan? Bagikan pendapat Anda mengenai potensi kerja sama kecerdasan buatan dalam menyelesaikan tugas kompleks.
