Agen AI Google DeepMind Berhasil Menamatkan Minecraft dengan Menulis Ribuan Program Sendiri
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
Sekelompok ilmuwan dari Google DeepMind berhasil mendemonstrasikan empat agen AI yang menjalankan misi permainan Minecraft secara otonom. Penelitian tersebut 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. Berkat mekanisme pengendalian tersebut, AI harus merencanakan tindakan sebelum menggerakkan karakter. Keberhasilan yang dilaporkan menunjukkan kemampuan koordinasi yang menjanjikan.
Eksperimen tersebut dipaparkan melalui publikasi penelitian berjudul A team of Gemini 4 Argon agents beats Minecraft yang disusun oleh Maxence Faldor, Satinder Singh, dan Roberta Raileanu. Dokumen ilmiah 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 penggunaan cheat tidak diizinkan. Para peneliti tidak menulis logika permainan khusus untuk membantu setiap agen. Kendati tidak diarahkan selama permainan, eksperimen menggunakan infrastruktur penelitian yang diawasi. Pengaturan penelitian ini membedakan demonstrasi dari permainan manusia biasa.
Mekanisme Pemrograman Otomatis dalam Eksperimen Minecraft
Ketika berinteraksi dengan dunia virtual, setiap agen AI memanfaatkan library Mineflayer yang mendukung operasi pemain menggunakan kode. Dengan bantuan perangkat lunak ini, agen bisa mengendalikan aktivitas pemain, mengambil sumber daya, menjalankan proses crafting, serta melakukan tindakan pertempuran. Saat menghadapi situasi tertentu, agen menulis rangkaian perintah pemrograman untuk menjalankan aktivitas yang direncanakan. Apabila program mengalami masalah, sistem berupaya memahami kegagalan program dan menyusun instruksi pengganti. Kemampuan tersebut memperlihatkan penggunaan bahasa pemrograman untuk bertindak secara otonom.
Dalam keseluruhan proses menyelesaikan permainan, keempat agen menghasilkan 2.783 program JavaScript. Ribuan program yang dihasilkan memperlihatkan kompleksitas pekerjaan. Kode yang digunakan masih menghadapi masalah eksekusi, karena sekitar 22 persen tidak menyelesaikan eksekusi dengan benar. Meski tingkat kegagalan program tergolong berarti, agen tetap dapat melanjutkan pekerjaan. Proses pemulihan tersebut memberikan gambaran menarik dalam pengembangan agen AI otonom. Pada pekerjaan perangkat lunak profesional, kemampuan menulis kode saja belum cukup. Oleh sebab itu, mekanisme pengujian dan pemulihan tetap diperlukan.
Strategi Pembagian Tugas dan Memori Bersama pada Agen AI
Pencapaian yang dilaporkan Google DeepMind juga membutuhkan kerja sama antarsistem. Seluruh anggota tim virtual bertukar informasi menggunakan chat Minecraft serta mengakses penyimpanan informasi kolektif. Dengan menggunakan komunikasi ini, setiap agen mampu melaporkan perkembangan mengenai rute perjalanan, hambatan yang ditemukan, serta tugas yang sedang dikerjakan. Pengaturan aktivitas tim muncul melalui keputusan para agen sendiri, bukan ditentukan melalui perintah khusus manusia. Koordinasi multiagen tersebut menjadi contoh penerapan kecerdasan kolektif berbasis perangkat lunak.
Contoh koordinasi yang menarik muncul saat salah satu agen kehilangan perlengkapannya. Pada mekanisme permainan tersebut, barang yang tersimpan dalam inventaris karakter dapat terjatuh di lokasi tertentu. Agen yang mengalami kejadian tersebut berpeluang memberitahukan lokasi kematiannya kepada agen lain dalam permainan. Selanjutnya, anggota tim membantu memulihkan barang penting. Bentuk kolaborasi tersebut berpotensi mempertahankan kemajuan permainan. Selama eksperimen, para agen menggunakan komunikasi secara berulang. Pola komunikasi tersebut mendukung pengembangan sistem AI yang bekerja sebagai tim.
Tantangan Google DeepMind Menyelesaikan Minecraft Secara Otonom
Dalam perjalanan menuju pertarungan terakhir, para agen dituntut memenuhi sejumlah persyaratan permainan. Pada tahap awal, sistem mengumpulkan bahan dasar untuk mendukung aktivitas eksplorasi. Selanjutnya, tim harus mengakses lingkungan permainan berbeda. Ketika menjelajahi dunia Minecraft, agen menemui hambatan navigasi. Untuk mempertahankan kemajuan, para agen menggunakan temuan sebelumnya untuk menentukan tindakan. Setiap kemajuan mempengaruhi pilihan tindakan selanjutnya. Karakteristik tersebut memberikan tantangan perencanaan jangka panjang.
Pada akhirnya, para agen berhasil mengalahkan Ender Dragon dalam durasi total 27 jam 14 menit. Sepanjang proses menuju kemenangan, karakter yang dikendalikan AI menghadapi total 605 kematian. Angka tersebut 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 menjangkau kristal penyembuh naga. Taktik selama pertarungan memungkinkan tim mengatasi hambatan pertempuran. Namun demikian, hasil tersebut belum menunjukkan kemampuan bermain tanpa kesalahan.
Biaya Komputasi dan Batas Eksperimen Minecraft Google DeepMind
Pencapaian sistem Gemini 4 Argon tidak terlepas dari penggunaan sumber daya AI. Berdasarkan perhitungan dalam penelitian, proses mencapai kemenangan diperkirakan menelan biaya sekitar 520 dolar AS menggunakan tarif pengenalan yang dijadikan acuan. Jika dihitung memakai harga reguler, jumlah tersebut meningkat menjadi sekitar 1.040 dolar AS. Variasi perhitungan biaya ini berkaitan dengan tarif layanan yang digunakan. Di luar kebutuhan finansial, pengoperasian selama lebih dari satu hari bergantung pada kemampuan memulihkan proses. Karena itu, efisiensi komputasi juga perlu dievaluasi.
Eksperimen tersebut tetap menyisakan keterbatasan. Sebagai pertimbangan awal, permainan menggunakan pengaturan kesulitan Easy sehingga risiko pertempuran tidak sama dengan tingkat Hard. Pertimbangan lainnya, agen mengakses informasi permainan melalui antarmuka program, bukan memproses tampilan visual sebagaimana pemain biasa. Metode pengendalian tersebut berbeda dari pengalaman yang mengandalkan gambar layar. Tidak kalah penting, eksperimen tidak menunjukkan bahwa seluruh pengujian akan berakhir sama. Oleh sebab itu, penelitian lanjutan perlu menguji berbagai kondisi guna memahami keandalan strategi.
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, membagi pekerjaan secara mandiri, dan menyesuaikan tindakan berdasarkan hasil sebelumnya, 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 tugas perangkat lunak yang kompleks. Dari sudut pandang Anda, apakah agen AI yang mampu menamatkan Minecraft akan menjadi fondasi teknologi AI masa depan? Bagikan pendapat Anda mengenai masa depan pemrograman otomatis.
