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 menjalankan misi permainan Minecraft secara otonom. Pengujian yang dilakukan para ilmuwan memanfaatkan agen berbasis Gemini 4 Argon yang menerima target permainan yang sama, yaitu mengalahkan Ender Dragon. Jika dibandingkan dengan pengalaman bermain menggunakan keyboard, setiap agen mengontrol pemain menggunakan program yang ditulis sendiri. Berkat mekanisme pengendalian tersebut, AI dituntut menentukan langkah sebelum mengambil sumber daya. Hasil akhirnya memberikan gambaran potensi AI untuk tugas panjang.
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. Dokumen ilmiah tersebut dirilis melalui arXiv pada 15 Oktober 2026. Ketika percobaan dimulai, para agen memasuki lingkungan Minecraft dengan peta acak. Mode permainan berada pada tingkat Easy, sementara penggunaan cheat tidak diizinkan. Pengawas penelitian tidak menentukan strategi permainan untuk mengatur pekerjaan karakter. Kendati tidak diarahkan selama permainan, eksperimen menggunakan infrastruktur penelitian yang diawasi. Kondisi tersebut membedakan demonstrasi dari permainan manusia biasa.
Teknologi Mineflayer Membantu Gemini Mengendalikan Karakter
Ketika berinteraksi dengan dunia virtual, setiap agen AI mengandalkan perangkat lunak Mineflayer yang mendukung operasi pemain menggunakan kode. Melalui pustaka tersebut, agen bisa mengendalikan aktivitas pemain, mengambil sumber daya, membuat peralatan, serta menjalankan strategi pertahanan. Saat menghadapi situasi tertentu, agen menghasilkan instruksi melalui kode untuk melaksanakan tindakan karakter. Ketika instruksi menemui kesalahan, sistem mengevaluasi respons perangkat lunak dan mencoba pendekatan pemrograman lain. Proses pemrograman berulang ini menunjukkan penerapan AI sebagai agen coding.
Dalam keseluruhan proses menyelesaikan permainan, keempat agen menulis sebanyak 2.783 program. Ribuan program yang dihasilkan memperlihatkan kompleksitas pekerjaan. Kode yang digunakan tidak semuanya langsung berhasil, karena sekitar 22 persen berakhir dengan kesalahan. Walaupun kesalahan cukup sering terjadi, agen mampu mencoba kembali melalui instruksi baru. Situasi tersebut memberikan gambaran menarik dalam penerapan pemrograman berbasis AI. Untuk penerapan di luar permainan, keberhasilan membutuhkan pemeriksaan hasil. Untuk memperoleh sistem yang lebih andal, pengawasan terhadap kualitas keluaran harus diperhatikan.
Koordinasi Empat Agen Gemini dalam Menyelesaikan Minecraft
Keberhasilan eksperimen ditentukan oleh koordinasi beberapa agen. Keempat agen berkomunikasi melalui percakapan dalam permainan serta memanfaatkan memori bersama. Melalui mekanisme tersebut, setiap agen bisa membagikan informasi penting mengenai lokasi material, ancaman musuh, serta pekerjaan yang telah selesai. Pengaturan aktivitas tim dilakukan secara otonom, bukan ditentukan melalui perintah khusus manusia. Sistem kerja sama tersebut menjadi contoh penerapan kecerdasan kolektif berbasis perangkat lunak.
Contoh koordinasi yang menarik muncul saat salah satu agen kehilangan perlengkapannya. Ketika karakter mati di dunia survival, barang yang dimiliki sebelum kematian berpotensi tertinggal pada tempat kejadian. Karakter AI yang kehilangan barang berpeluang memberitahukan lokasi kematiannya kepada anggota tim lainnya. Setelah menerima informasi, anggota tim membantu memulihkan barang penting. Pendekatan pemulihan tersebut membantu mengurangi dampak kegagalan. Selama eksperimen, para agen menggunakan komunikasi secara berulang. Pola komunikasi tersebut menunjukkan pentingnya informasi bersama.
Tantangan Google DeepMind Menyelesaikan Minecraft Secara Otonom
Dalam perjalanan menuju pertarungan terakhir, para agen perlu melewati rangkaian pekerjaan panjang. Ketika permainan dimulai, para agen menyiapkan perlengkapan awal untuk membuat peralatan. Pada langkah berikutnya, tim harus mengakses lingkungan permainan berbeda. Dalam proses tersebut, agen berhadapan dengan kondisi yang tidak selalu terduga. Keempat sistem tersebut turut menyusun strategi eksplorasi. Hasil dari sebuah pekerjaan sering menjadi syarat bagi langkah berikutnya. Hubungan antartugas semacam ini memberikan tantangan perencanaan jangka panjang.
Pada akhirnya, para agen mampu menuntaskan pertarungan terakhir dalam waktu 27 jam dan 14 menit. Selama perjalanan tersebut, karakter yang dikendalikan AI mengalami 605 kematian. Banyaknya kematian itu menggambarkan tingginya kebutuhan percobaan dan pemulihan. Sebagian besar waktu digunakan untuk menghadapi Ender Dragon. Salah satu solusi yang ditemukan menggunakan tumpukan blok tanah untuk menghancurkan kristal yang mendukung pemulihan Ender Dragon. Strategi tersebut memungkinkan tim mengatasi hambatan pertempuran. Namun demikian, efisiensi agen masih memiliki ruang perbaikan.
Mengukur Efisiensi dan Keandalan Agen AI dalam Permainan
Keberhasilan agen AI tidak terlepas dari penggunaan sumber daya AI. Menurut estimasi biaya yang dijelaskan peneliti, proses mencapai kemenangan memerlukan pengeluaran sekitar 520 dolar AS menggunakan perhitungan berdasarkan tarif pengantar. Dalam skema harga normal, jumlah tersebut setara dengan perkiraan biaya 1.040 dolar AS. Perbedaan angka tersebut berkaitan dengan tarif layanan yang digunakan. Pada sisi sumber daya, pengoperasian selama lebih dari satu hari membutuhkan pengelolaan pekerjaan berkelanjutan. Karena itu, efisiensi komputasi juga perlu dievaluasi.
Eksperimen tersebut tetap menyisakan keterbatasan. Salah satu batasannya, permainan berlangsung dengan kesulitan yang lebih rendah sehingga risiko pertempuran tidak sama dengan tingkat Hard. Kedua, agen memperoleh data lingkungan menggunakan Mineflayer, bukan mengandalkan penglihatan seperti manusia. Informasi tersebut memungkinkan penggunaan informasi terstruktur dari permainan. Batasan berikutnya, eksperimen merupakan demonstrasi satu penyelesaian. Karena itu, penelitian lanjutan dapat mengevaluasi pengulangan eksperimen guna memahami keandalan strategi.
Masa Depan AI Otonom setelah Eksperimen Minecraft
Keberhasilan empat agen Google DeepMind menunjukkan perkembangan penting dalam penerapan pemrograman otomatis. Melalui pembuatan 2.783 program JavaScript, berkoordinasi melalui komunikasi antarsistem, dan memulihkan diri setelah berbagai kegagalan, keempat agen berhasil mengalahkan Ender Dragon. Meski pencapaian tersebut penting, 605 kematian serta penggunaan sumber daya komputasi yang besar memperlihatkan kebutuhan pengembangan lanjutan. Dalam perkembangan TEKNOLOGI, penelitian ini membuka peluang penelitian koordinasi multiagen untuk sistem otomatis yang membutuhkan pemulihan kesalahan. Dari sudut pandang Anda, apakah sistem yang dapat menulis ribuan program sendiri akan membantu otomatisasi pekerjaan digital? Bagikan pendapat Anda mengenai perkembangan agen AI.
