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
Para peneliti Google DeepMind melaporkan keberhasilan empat agen AI yang menjalankan misi permainan Minecraft secara otonom. Pengujian yang dilakukan para ilmuwan mengandalkan sistem Gemini 4 Argon yang ditugaskan mencapai satu sasaran, yaitu mengalahkan Ender Dragon. 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. Pencapaian eksperimen tersebut menunjukkan kemampuan koordinasi yang menjanjikan.
Eksperimen 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 tersedia sebagai makalah penelitian sejak 15 Oktober 2026. Dalam pengujiannya, para agen memasuki lingkungan Minecraft dengan peta acak. Mode permainan ditetapkan pada Easy, sementara perintah cheat dinonaktifkan. Pengawas penelitian tidak menentukan strategi permainan untuk menentukan tindakan para pemain. Walaupun berjalan secara otonom, eksperimen menggunakan infrastruktur penelitian yang diawasi. Kondisi tersebut membedakan demonstrasi dari permainan manusia biasa.
Teknologi Mineflayer Membantu Gemini Mengendalikan Karakter
Dalam menjalankan aktivitas Minecraft, setiap agen AI mengandalkan perangkat lunak Mineflayer yang menyediakan antarmuka pemrograman untuk Minecraft. Melalui pustaka tersebut, agen mampu menentukan arah perjalanan, mengumpulkan material, menjalankan proses crafting, serta melakukan tindakan pertempuran. Setiap kali membutuhkan tindakan, agen menyusun program JavaScript untuk melaksanakan tindakan karakter. Ketika instruksi menemui kesalahan, sistem berupaya memahami kegagalan program dan menulis perbaikan. Mekanisme pengendalian tersebut menjadi bagian penting keberhasilan eksperimen.
Selama eksperimen berlangsung, keempat agen menghasilkan 2.783 program JavaScript. Banyaknya instruksi pemrograman tersebut menunjukkan tingginya kebutuhan pengendalian. Instruksi yang dihasilkan tidak selalu berjalan tanpa kendala, karena sekitar 22 persen berakhir dengan kesalahan. Meski tingkat kegagalan program tergolong berarti, agen mampu mencoba kembali melalui instruksi baru. Kemampuan menghadapi kegagalan ini memperlihatkan salah satu tantangan dalam penerapan pemrograman berbasis AI. Pada pekerjaan perangkat lunak profesional, kemampuan menulis kode saja belum cukup. Dengan mempertimbangkan hal tersebut, penanganan kesalahan menjadi bagian penting.
Koordinasi Empat Agen Gemini dalam Menyelesaikan Minecraft
Keberhasilan eksperimen ditentukan oleh koordinasi beberapa agen. Empat karakter yang dikendalikan AI bertukar informasi menggunakan chat Minecraft serta berbagi catatan pekerjaan. Berkat sistem koordinasi tersebut, setiap agen bisa membagikan informasi penting mengenai rute perjalanan, ancaman musuh, serta tugas yang sedang dikerjakan. Penentuan pekerjaan muncul melalui keputusan para agen sendiri, bukan ditentukan melalui perintah khusus manusia. Koordinasi multiagen tersebut menjadi contoh penerapan kecerdasan kolektif berbasis perangkat lunak.
Penerapan komunikasi praktis terjadi ketika pemain yang dikendalikan AI gagal bertahan. Dalam Minecraft, barang yang dimiliki sebelum kematian dapat terjatuh di lokasi tertentu. Sistem yang baru mengalami kegagalan mampu meminta bantuan melalui pesan kepada karakter yang masih beroperasi. Selanjutnya, anggota tim dapat mencoba mengambil perlengkapan yang tertinggal. Bentuk kolaborasi tersebut berpotensi mempertahankan kemajuan permainan. Dalam proses permainan, para agen mengandalkan percakapan untuk menyesuaikan strategi. Interaksi yang berlangsung menunjukkan pentingnya informasi bersama.
Ribuan Program dan Ratusan Kematian dalam Eksperimen Minecraft
Sebelum dapat menghadapi Ender Dragon, para agen dituntut memenuhi sejumlah persyaratan permainan. Pada tahap awal, sistem menyiapkan perlengkapan awal untuk mendukung aktivitas eksplorasi. Selanjutnya, tim harus mengakses lingkungan permainan berbeda. Sepanjang tahap persiapan, agen menemui hambatan navigasi. Untuk mempertahankan kemajuan, para agen mengubah rencana berdasarkan informasi baru. Setiap kemajuan 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 27 jam 14 menit. Dalam keseluruhan misi, karakter yang dikendalikan AI tercatat mati sebanyak 605 kali. Banyaknya kematian itu memperlihatkan bahwa keberhasilan tidak berlangsung mulus. Hampir separuh durasi eksperimen dihabiskan dalam tahap pertarungan terakhir. Salah satu solusi yang ditemukan melibatkan pembangunan struktur tanah untuk mengakses End Crystal yang berada di tempat tinggi. Taktik selama pertarungan membantu membuka peluang kemenangan. Meski kemenangan berhasil diperoleh, efisiensi agen masih memiliki ruang perbaikan.
Mengukur Efisiensi dan Keandalan Agen AI dalam Permainan
Hasil eksperimen Google DeepMind memerlukan pemrosesan model dalam jumlah besar. Dalam evaluasi penggunaan model, proses mencapai kemenangan diperkirakan menelan biaya sekitar 520 dolar AS menggunakan perhitungan berdasarkan tarif pengantar. Dalam skema harga normal, jumlah tersebut setara dengan perkiraan biaya 1.040 dolar AS. Selisih estimasi pengeluaran tersebut menunjukkan pentingnya memahami asumsi harga. Pada sisi sumber daya, pengoperasian selama lebih dari satu hari membutuhkan pengelolaan pekerjaan berkelanjutan. Dengan mempertimbangkan karakteristiknya, biaya dan keandalan menjadi indikator penting.
Eksperimen tersebut tetap menyisakan keterbatasan. Sebagai pertimbangan awal, permainan berlangsung dengan kesulitan yang lebih rendah sehingga risiko pertempuran tidak sama dengan tingkat Hard. Selain itu, agen memperoleh data lingkungan menggunakan Mineflayer, bukan mengandalkan penglihatan seperti manusia. Akses data semacam ini berbeda dari pengalaman yang mengandalkan gambar layar. Batasan berikutnya, eksperimen merupakan demonstrasi satu penyelesaian. Karena itu, penelitian lanjutan perlu menguji berbagai kondisi guna mengetahui batas kemampuan sebenarnya.
Masa Depan AI Otonom setelah Eksperimen Minecraft
Keberhasilan empat agen Google DeepMind memperlihatkan kemajuan menarik dalam bidang agen kecerdasan buatan. Melalui pembuatan 2.783 program JavaScript, mengatur tugas tanpa penugasan manusia, dan menyesuaikan tindakan berdasarkan hasil sebelumnya, keempat agen menuntaskan tujuan utama eksperimen. Meski pencapaian tersebut penting, 605 kematian serta penggunaan sumber daya komputasi yang besar menjadi pengingat penting mengenai batas kemampuan AI. Seiring kemajuan kecerdasan buatan, penelitian ini berpotensi mendukung pengembangan agen pemrograman untuk pekerjaan dengan banyak tahapan saling bergantung. Dari sudut pandang Anda, apakah kolaborasi beberapa agen kecerdasan buatan akan membantu otomatisasi pekerjaan digital? Bagikan pendapat Anda mengenai potensi kerja sama kecerdasan buatan dalam menyelesaikan tugas kompleks.
