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
Para peneliti Google DeepMind melaporkan keberhasilan empat agen AI yang bekerja sama menamatkan Minecraft. Pengujian yang dilakukan para ilmuwan mengandalkan sistem Gemini 4 Argon yang menerima target permainan yang sama, yaitu menaklukkan musuh terakhir Minecraft. Tidak seperti pemain manusia yang mengendalikan karakter langsung, setiap agen mengoperasikan karakter melalui kode program. Berkat mekanisme pengendalian tersebut, AI harus merencanakan tindakan sebelum menjalankan aktivitas permainan. Pencapaian eksperimen tersebut memperlihatkan perkembangan agen pemrograman.
Uji kemampuan agen AI tersebut didokumentasikan dalam karya riset berjudul A team of Gemini 4 Argon agents beats Minecraft yang dikerjakan oleh Maxence Faldor, Satinder Singh, dan Roberta Raileanu. Makalah tersebut dirilis melalui arXiv pada 15 Oktober 2026. Pada pelaksanaan eksperimen, para agen menggunakan dunia permainan survival yang belum dipilih sebelumnya. Tingkat kesulitan berada pada tingkat Easy, sementara perintah cheat dinonaktifkan. Tim pengembang eksperimen tidak memberikan pembagian peran untuk mengatur pekerjaan karakter. Meski demikian, eksperimen tetap berlangsung di lingkungan pengujian terkontrol. Kondisi tersebut menjelaskan konteks keberhasilan yang dilaporkan.
Mekanisme Pemrograman Otomatis dalam Eksperimen Minecraft
Untuk mengendalikan permainan, setiap agen AI memanfaatkan library Mineflayer yang menyediakan antarmuka pemrograman untuk Minecraft. Dengan bantuan perangkat lunak ini, agen mampu menentukan arah perjalanan, melakukan penambangan, menjalankan proses crafting, serta melakukan tindakan pertempuran. Saat menghadapi situasi tertentu, agen menyusun program JavaScript untuk menyelesaikan langkah permainan. Jika kode tidak menghasilkan tindakan yang diharapkan, sistem berupaya memahami kegagalan program dan menyusun instruksi pengganti. Mekanisme pengendalian tersebut menjadi bagian penting keberhasilan eksperimen.
Dalam keseluruhan proses menyelesaikan permainan, keempat agen menulis sebanyak 2.783 program. Banyaknya instruksi pemrograman tersebut memperlihatkan kompleksitas pekerjaan. Program yang ditulis tidak semuanya langsung berhasil, karena sekitar 22 persen mengalami error ketika dijalankan. Meski tingkat kegagalan program tergolong berarti, agen berupaya memperbaiki strategi. Situasi tersebut memberikan gambaran menarik dalam penerapan pemrograman berbasis AI. Pada pekerjaan perangkat lunak profesional, keberhasilan membutuhkan pemeriksaan hasil. Oleh sebab itu, pengawasan terhadap kualitas keluaran harus diperhatikan.
Koordinasi Empat Agen Gemini dalam Menyelesaikan Minecraft
Pencapaian yang dilaporkan Google DeepMind tidak hanya bergantung pada kemampuan pemrograman. Empat karakter yang dikendalikan AI berkomunikasi melalui percakapan dalam permainan serta berbagi catatan pekerjaan. Dengan menggunakan komunikasi ini, setiap agen mampu melaporkan perkembangan mengenai lokasi material, ancaman musuh, serta tugas yang sedang dikerjakan. Pembagian peran berkembang selama interaksi berlangsung, bukan dipaksakan melalui pembagian manual. Sistem kerja sama tersebut membantu menjelaskan bagaimana beberapa agen dapat bekerja menuju satu sasaran.
Contoh koordinasi yang menarik muncul saat salah satu agen kehilangan perlengkapannya. Dalam Minecraft, barang yang dibawa pemain mungkin harus diambil kembali. Sistem yang baru mengalami kegagalan berpeluang memberitahukan lokasi kematiannya kepada agen lain dalam permainan. Selanjutnya, anggota tim dapat mencoba mengambil perlengkapan yang tertinggal. Bentuk kolaborasi tersebut memungkinkan sumber daya digunakan kembali. Selama eksperimen, para agen mengandalkan percakapan untuk menyesuaikan strategi. Pola komunikasi tersebut mendukung pengembangan sistem AI yang bekerja sebagai tim.
Perjalanan Agen AI Mengalahkan Ender Dragon dalam 27 Jam
Untuk mencapai tujuan akhir, para agen harus menyelesaikan banyak tahapan. Mereka terlebih dahulu menyiapkan perlengkapan awal untuk membuat peralatan. Setelah kebutuhan dasar terpenuhi, tim dituntut mencari material untuk membuka jalur berikutnya. Dalam proses tersebut, agen berhadapan dengan kondisi yang tidak selalu terduga. Mereka juga menggunakan temuan sebelumnya untuk menentukan tindakan. Setiap kemajuan mempengaruhi pilihan tindakan selanjutnya. 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. Banyaknya kematian itu menunjukkan masih adanya kesulitan pengambilan keputusan. Sebagian besar waktu digunakan untuk menghadapi Ender Dragon. Pendekatan yang dipilih para agen memanfaatkan penempatan blok sebagai pijakan untuk menghancurkan kristal yang mendukung pemulihan Ender Dragon. Cara yang dipilih AI memungkinkan tim mengatasi hambatan pertempuran. Meski kemenangan berhasil diperoleh, jumlah kegagalan yang tinggi tetap menjadi catatan.
Biaya Komputasi dan Batas Eksperimen Minecraft Google DeepMind
Keberhasilan agen AI memerlukan pemrosesan model dalam jumlah besar. Berdasarkan perhitungan dalam penelitian, proses mencapai kemenangan diperkirakan menelan biaya sekitar 520 dolar AS menggunakan perhitungan berdasarkan tarif pengantar. Jika dihitung memakai harga reguler, jumlah tersebut meningkat menjadi sekitar 1.040 dolar AS. Variasi perhitungan biaya ini menunjukkan pentingnya memahami asumsi harga. Selain biaya, pengoperasian selama lebih dari satu hari membutuhkan pengelolaan pekerjaan berkelanjutan. Karena itu, keberhasilan tugas panjang tidak hanya diukur dari hasil akhir.
Hasil Google DeepMind perlu dipahami berdasarkan kondisi pengujiannya. Salah satu batasannya, permainan menggunakan pengaturan kesulitan Easy sehingga hasilnya belum tentu langsung berlaku pada semua tingkat kesulitan. Selain itu, agen mengakses informasi permainan melalui antarmuka program, bukan memproses tampilan visual sebagaimana pemain biasa. Akses data semacam ini dapat memberikan detail lingkungan yang sulit dilihat pemain manusia. Batasan berikutnya, eksperimen tidak menunjukkan bahwa seluruh pengujian akan berakhir sama. Karena itu, penelitian lanjutan dapat mengevaluasi pengulangan eksperimen guna mengukur konsistensi agen.
Dampak Eksperimen Gemini 4 Argon bagi Perkembangan TEKNOLOGI
Keberhasilan empat agen Google DeepMind memperlihatkan kemajuan menarik dalam pengembangan sistem AI otonom. Berkat kemampuan menghasilkan 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. Di tengah pertumbuhan sistem agen otonom, penelitian ini dapat menjadi acuan studi perencanaan jangka panjang untuk pekerjaan dengan banyak tahapan saling bergantung. Menurut Anda, apakah sistem yang dapat menulis ribuan program sendiri akan menjadi fondasi teknologi AI masa depan? Ceritakan pemikiran Anda mengenai masa depan pemrograman otomatis.
