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
Tim riset kecerdasan buatan Google DeepMind memperlihatkan melalui eksperimen empat agen AI yang berkolaborasi menyelesaikan tantangan Minecraft. Pengujian yang dilakukan para ilmuwan menggunakan model Gemini 4 Argon yang ditugaskan mencapai satu sasaran, yaitu mengalahkan Ender Dragon. Berbeda dari permainan biasa, setiap agen mengoperasikan karakter melalui kode program. Berkat mekanisme pengendalian tersebut, AI harus merencanakan tindakan sebelum menjalankan aktivitas permainan. Hasil akhirnya memperlihatkan perkembangan agen pemrograman.
Uji kemampuan agen AI tersebut didokumentasikan dalam karya riset berjudul A team of Gemini 4 Argon agents beats Minecraft yang ditulis oleh Maxence Faldor, Satinder Singh, dan Roberta Raileanu. Hasil penelitian itu tersedia sebagai makalah penelitian sejak 15 Oktober 2026. Dalam pengujiannya, para agen menggunakan dunia permainan survival yang belum dipilih sebelumnya. Mode permainan menggunakan pilihan Easy, sementara penggunaan cheat tidak diizinkan. Para peneliti tidak memberikan pembagian peran untuk menentukan tindakan para pemain. Kendati tidak diarahkan selama permainan, eksperimen dijalankan dalam sistem sandbox. Kondisi tersebut membedakan demonstrasi dari permainan manusia biasa.
Mekanisme Pemrograman Otomatis dalam Eksperimen Minecraft
Dalam menjalankan aktivitas Minecraft, setiap agen AI memanfaatkan library Mineflayer yang menyediakan antarmuka pemrograman untuk Minecraft. Melalui pustaka tersebut, agen bisa mengendalikan aktivitas pemain, melakukan penambangan, membuat peralatan, serta menjalankan strategi pertahanan. Saat menghadapi situasi tertentu, agen menghasilkan instruksi melalui kode untuk menjalankan aktivitas yang direncanakan. Ketika instruksi menemui kesalahan, sistem mengevaluasi respons perangkat lunak dan mencoba pendekatan pemrograman lain. Proses pemrograman berulang ini memperlihatkan penggunaan bahasa pemrograman untuk bertindak secara otonom.
Dalam keseluruhan proses menyelesaikan permainan, keempat agen menghasilkan 2.783 program JavaScript. Ribuan program yang dihasilkan menunjukkan tingginya kebutuhan pengendalian. Kode yang digunakan masih menghadapi masalah eksekusi, karena sekitar 22 persen mengalami error ketika dijalankan. Namun demikian, agen berupaya memperbaiki strategi. Proses pemulihan tersebut memperlihatkan salah satu tantangan dalam pengembangan agen AI otonom. Pada pekerjaan perangkat lunak profesional, keberhasilan membutuhkan pemeriksaan hasil. Oleh sebab itu, penanganan kesalahan menjadi bagian penting.
Strategi Pembagian Tugas dan Memori Bersama pada Agen AI
Pencapaian yang dilaporkan Google DeepMind juga membutuhkan kerja sama antarsistem. Empat karakter yang dikendalikan AI berkomunikasi melalui percakapan dalam permainan serta mengakses penyimpanan informasi kolektif. Dengan menggunakan komunikasi ini, setiap agen dapat menyampaikan temuan mengenai rute perjalanan, ancaman musuh, serta tugas yang sedang dikerjakan. Pembagian peran dilakukan secara otonom, bukan ditetapkan secara langsung oleh peneliti. Sistem kerja sama tersebut memperlihatkan potensi kolaborasi AI.
Salah satu bentuk kerja sama terjadi ketika pemain yang dikendalikan AI gagal bertahan. Pada mekanisme permainan tersebut, barang yang dimiliki sebelum kematian berpotensi tertinggal pada tempat kejadian. Agen yang mengalami kejadian tersebut dapat membagikan informasi koordinat kepada karakter yang masih beroperasi. Berdasarkan pesan yang diberikan, anggota tim dapat mencoba mengambil perlengkapan yang tertinggal. Bentuk kolaborasi tersebut memungkinkan sumber daya digunakan kembali. Dalam proses permainan, para agen juga bertukar ratusan pesan. Pola komunikasi tersebut menunjukkan pentingnya informasi bersama.
Perjalanan Agen AI Mengalahkan Ender Dragon dalam 27 Jam
Dalam perjalanan menuju pertarungan terakhir, para agen dituntut memenuhi sejumlah persyaratan permainan. Pada tahap awal, sistem menyiapkan perlengkapan awal untuk meningkatkan kemampuan bertahan. Selanjutnya, tim dituntut mencari material untuk membuka jalur berikutnya. Ketika menjelajahi dunia Minecraft, agen menemui hambatan navigasi. Untuk mempertahankan kemajuan, para agen menggunakan temuan sebelumnya untuk menentukan tindakan. Hasil dari sebuah pekerjaan dibutuhkan untuk membuka tahapan permainan lain. Hubungan antartugas semacam ini membuat Minecraft menjadi lingkungan pengujian yang menarik.
Sesudah menjalankan serangkaian pekerjaan, para agen menyelesaikan sasaran utama permainan dalam durasi total 27 jam 14 menit. Sepanjang proses menuju kemenangan, karakter yang dikendalikan AI menghadapi total 605 kematian. Jumlah kegagalan karakter tersebut memperlihatkan bahwa keberhasilan tidak berlangsung mulus. Hampir separuh durasi eksperimen digunakan untuk menghadapi Ender Dragon. Pendekatan yang dipilih para agen melibatkan pembangunan struktur tanah untuk menghancurkan kristal yang mendukung pemulihan Ender Dragon. Strategi tersebut membantu membuka peluang kemenangan. Namun demikian, hasil tersebut belum menunjukkan kemampuan bermain tanpa kesalahan.
Kelemahan Agen Gemini 4 Argon Meski Berhasil Menamatkan Minecraft
Hasil eksperimen Google DeepMind memerlukan pemrosesan model dalam jumlah besar. Berdasarkan perhitungan dalam penelitian, proses mencapai kemenangan diperkirakan menelan biaya sekitar 520 dolar AS menggunakan tarif pengenalan yang dijadikan acuan. Apabila menggunakan tarif standar, jumlah tersebut setara dengan perkiraan biaya 1.040 dolar AS. Variasi perhitungan biaya ini berkaitan dengan tarif layanan yang digunakan. Di luar kebutuhan finansial, pengoperasian selama lebih dari satu hari membutuhkan pengelolaan pekerjaan berkelanjutan. Oleh sebab itu, efisiensi komputasi juga perlu dievaluasi.
Penelitian ini memiliki sejumlah batasan. Salah satu batasannya, permainan berlangsung dengan kesulitan yang lebih rendah sehingga tantangannya berbeda dari mode lebih sulit. Selain itu, agen mengakses informasi permainan melalui antarmuka program, bukan mengandalkan penglihatan seperti manusia. Informasi tersebut 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.
Kesimpulan Keberhasilan Agen AI Google DeepMind di Minecraft
Hasil eksperimen agen AI dalam Minecraft memperlihatkan kemajuan menarik dalam penerapan pemrograman otomatis. Melalui pembuatan 2.783 program JavaScript, mengatur tugas tanpa penugasan manusia, dan memulihkan diri setelah berbagai kegagalan, keempat agen mampu menyelesaikan target permainan. 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 menjadi fondasi teknologi AI masa depan? Sampaikan pandangan Anda mengenai perkembangan agen AI.
