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.
Eksperimen Minecraft Google DeepMind Menunjukkan Kemajuan AI Otonom
Tim riset kecerdasan buatan Google DeepMind berhasil mendemonstrasikan empat agen AI yang berkolaborasi menyelesaikan tantangan Minecraft. Pengujian yang dilakukan para ilmuwan mengandalkan sistem Gemini 4 Argon yang menerima target permainan yang sama, yaitu menyelesaikan pertarungan melawan Ender Dragon. Tidak seperti pemain manusia yang mengendalikan karakter langsung, setiap agen menjalankan aksi dengan instruksi pemrograman. Melalui metode ini, AI perlu menyusun strategi sebelum menjalankan aktivitas permainan. Pencapaian eksperimen tersebut menunjukkan kemampuan koordinasi yang menjanjikan.
Penelitian Google DeepMind ini dipaparkan melalui publikasi penelitian berjudul A team of Gemini 4 Argon agents beats Minecraft yang ditulis oleh Maxence Faldor, Satinder Singh, dan Roberta Raileanu. Hasil penelitian itu dirilis melalui arXiv pada 15 Oktober 2026. Pada pelaksanaan eksperimen, para agen memasuki lingkungan Minecraft dengan peta acak. Pengaturan tantangan ditetapkan pada Easy, sementara fitur perintah curang tidak digunakan. Tim pengembang eksperimen tidak memberikan pembagian peran untuk mengatur pekerjaan karakter. Walaupun berjalan secara otonom, eksperimen dijalankan dalam sistem sandbox. Kondisi tersebut menjelaskan konteks keberhasilan yang dilaporkan.
Cara Agen AI Google DeepMind Menulis Ribuan Program Minecraft
Dalam menjalankan aktivitas Minecraft, setiap agen AI menggunakan pustaka sumber terbuka Mineflayer yang menyediakan antarmuka pemrograman untuk Minecraft. Berkat antarmuka Mineflayer, agen dapat menggerakkan karakter, mengambil sumber daya, merakit item permainan, serta menjalankan strategi pertahanan. Setiap kali membutuhkan tindakan, agen menulis rangkaian perintah pemrograman untuk menyelesaikan langkah permainan. Ketika instruksi menemui kesalahan, sistem mengevaluasi respons perangkat lunak dan menyusun instruksi pengganti. Proses pemrograman berulang ini memperlihatkan penggunaan bahasa pemrograman untuk bertindak secara otonom.
Selama eksperimen berlangsung, keempat agen menghasilkan 2.783 program JavaScript. Ribuan program yang dihasilkan memperlihatkan kompleksitas pekerjaan. Program yang ditulis tidak semuanya langsung berhasil, karena sekitar 22 persen mengalami error ketika dijalankan. Namun demikian, agen berupaya memperbaiki strategi. Kemampuan menghadapi kegagalan ini memperlihatkan salah satu tantangan dalam penerapan pemrograman berbasis AI. Pada pekerjaan perangkat lunak profesional, keberhasilan membutuhkan pemeriksaan hasil. Untuk memperoleh sistem yang lebih andal, mekanisme pengujian dan pemulihan tetap diperlukan.
Strategi Pembagian Tugas dan Memori Bersama pada Agen AI
Pencapaian yang dilaporkan Google DeepMind ditentukan oleh koordinasi beberapa agen. Empat karakter yang dikendalikan AI berkomunikasi melalui percakapan dalam permainan serta mengakses penyimpanan informasi kolektif. Dengan menggunakan komunikasi ini, setiap agen bisa membagikan informasi penting mengenai rute perjalanan, risiko di wilayah tertentu, serta tugas yang sedang dikerjakan. Pembagian peran dilakukan secara otonom, bukan dipaksakan melalui pembagian manual. Pendekatan ini memperlihatkan potensi kolaborasi AI.
Penerapan komunikasi praktis terlihat ketika karakter mengalami kematian. Dalam Minecraft, barang yang dibawa pemain dapat terjatuh di lokasi tertentu. Karakter AI yang kehilangan barang berpeluang memberitahukan lokasi kematiannya kepada karakter yang masih beroperasi. Berdasarkan pesan yang diberikan, anggota tim membantu memulihkan barang penting. Pendekatan pemulihan tersebut berpotensi mempertahankan kemajuan permainan. Dalam proses permainan, para agen mengandalkan percakapan untuk menyesuaikan strategi. Interaksi yang berlangsung mendukung pengembangan sistem AI yang bekerja sebagai tim.
Perjalanan Agen AI Mengalahkan Ender Dragon dalam 27 Jam
Sebelum dapat menghadapi Ender Dragon, para agen harus menyelesaikan banyak tahapan. Pada tahap awal, sistem mencari sumber daya penting untuk membuat peralatan. Setelah kebutuhan dasar terpenuhi, 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. Setiap kemajuan sering menjadi syarat bagi langkah berikutnya. Karakteristik tersebut sesuai untuk mempelajari kemampuan agen menyelesaikan tugas kompleks.
Setelah melewati berbagai tahapan, para agen mampu menuntaskan pertarungan terakhir dalam durasi total 27 jam 14 menit. Sepanjang proses menuju kemenangan, karakter yang dikendalikan AI tercatat mati sebanyak 605 kali. Banyaknya kematian itu memperlihatkan bahwa keberhasilan tidak berlangsung mulus. Hampir separuh durasi eksperimen digunakan untuk menghadapi Ender Dragon. Strategi yang digunakan pada tahap tersebut menggunakan tumpukan blok tanah untuk menghancurkan kristal yang mendukung pemulihan Ender Dragon. Cara yang dipilih AI membantu membuka peluang kemenangan. Namun demikian, efisiensi agen masih memiliki ruang perbaikan.
Mengukur Efisiensi dan Keandalan Agen AI dalam Permainan
Pencapaian sistem Gemini 4 Argon juga membutuhkan biaya komputasi. Dalam evaluasi penggunaan model, proses mencapai kemenangan diperkirakan menelan biaya sekitar 520 dolar AS menggunakan perhitungan berdasarkan tarif pengantar. Apabila menggunakan tarif standar, jumlah tersebut diperkirakan mencapai sekitar 1.040 dolar AS. Perbedaan angka tersebut perlu diperhatikan ketika membandingkan biaya eksperimen. Pada sisi sumber daya, pengoperasian selama lebih dari satu hari bergantung pada kemampuan memulihkan proses. Oleh sebab itu, keberhasilan tugas panjang tidak hanya diukur dari hasil akhir.
Eksperimen tersebut tetap menyisakan keterbatasan. Pertama, permainan berlangsung dengan kesulitan yang lebih rendah sehingga tantangannya berbeda dari mode lebih sulit. Pertimbangan lainnya, agen memperoleh data lingkungan menggunakan Mineflayer, bukan mengandalkan penglihatan seperti manusia. Informasi tersebut dapat memberikan detail lingkungan yang sulit dilihat pemain manusia. Tidak kalah penting, eksperimen merupakan demonstrasi satu penyelesaian. Untuk menilai kemampuan lebih luas, penelitian lanjutan dapat mengevaluasi pengulangan eksperimen guna mengukur konsistensi agen.
Masa Depan AI Otonom setelah Eksperimen Minecraft
Hasil eksperimen agen AI dalam Minecraft menunjukkan perkembangan penting dalam pengembangan sistem AI otonom. Berkat kemampuan menghasilkan 2.783 program JavaScript, mengatur tugas tanpa penugasan manusia, dan menyesuaikan tindakan berdasarkan hasil sebelumnya, keempat agen mampu menyelesaikan target permainan. Meski pencapaian tersebut penting, 605 kematian serta keterbatasan pengujian pada mode Easy menjadi pengingat penting mengenai batas kemampuan AI. Di tengah pertumbuhan sistem agen otonom, penelitian ini dapat menjadi acuan studi perencanaan jangka panjang untuk pekerjaan dengan banyak tahapan saling bergantung. Dari sudut pandang Anda, apakah kolaborasi beberapa agen kecerdasan buatan akan mempercepat perkembangan asisten pemrograman? Bagikan pendapat Anda mengenai potensi kerja sama kecerdasan buatan dalam menyelesaikan tugas kompleks.
