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
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 mengalahkan Ender Dragon. Tidak seperti pemain manusia yang mengendalikan karakter langsung, setiap agen mengontrol pemain menggunakan program yang ditulis sendiri. Dengan pendekatan tersebut, AI perlu menyusun strategi sebelum mengambil sumber daya. Pencapaian eksperimen tersebut memperlihatkan perkembangan agen pemrograman.
Eksperimen tersebut 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 dipublikasikan pada 15 Oktober 2026. Pada pelaksanaan eksperimen, para agen ditempatkan dalam dunia survival yang dibuat secara acak. Mode permainan berada pada tingkat Easy, sementara perintah cheat dinonaktifkan. Pengawas penelitian tidak memberikan pembagian peran untuk mengatur pekerjaan karakter. Meski demikian, eksperimen menggunakan infrastruktur penelitian yang diawasi. Pengaturan penelitian ini menjelaskan konteks keberhasilan yang dilaporkan.
Mekanisme Pemrograman Otomatis dalam Eksperimen Minecraft
Untuk mengendalikan permainan, setiap agen AI mengandalkan perangkat lunak Mineflayer yang menyediakan antarmuka pemrograman untuk Minecraft. Berkat antarmuka Mineflayer, agen dapat menggerakkan karakter, mengambil sumber daya, membuat peralatan, serta menjalankan strategi pertahanan. Ketika hendak menyelesaikan pekerjaan, agen menghasilkan instruksi melalui kode untuk menjalankan aktivitas yang direncanakan. Apabila program mengalami masalah, sistem mengevaluasi respons perangkat lunak dan mencoba pendekatan pemrograman lain. Mekanisme pengendalian tersebut menunjukkan penerapan AI sebagai agen coding.
Selama eksperimen berlangsung, keempat agen menghasilkan 2.783 program JavaScript. Jumlah tersebut memperlihatkan kompleksitas pekerjaan. Program yang ditulis masih menghadapi masalah eksekusi, karena sekitar 22 persen mengalami error ketika dijalankan. Walaupun kesalahan cukup sering terjadi, agen berupaya memperbaiki strategi. Kemampuan menghadapi kegagalan ini memberikan gambaran menarik dalam pembangunan sistem yang menjalankan tugas panjang. Dalam penggunaan nyata, keberhasilan membutuhkan pemeriksaan hasil. Oleh sebab itu, penanganan kesalahan menjadi bagian penting.
Strategi Pembagian Tugas dan Memori Bersama pada Agen AI
Hasil permainan tersebut tidak hanya bergantung pada kemampuan pemrograman. Seluruh anggota tim virtual menyampaikan pesan melalui fasilitas komunikasi permainan serta memanfaatkan memori bersama. Melalui mekanisme tersebut, setiap agen dapat menyampaikan temuan mengenai rute perjalanan, hambatan yang ditemukan, serta tugas yang sedang dikerjakan. Pengaturan aktivitas tim muncul melalui keputusan para agen sendiri, bukan ditetapkan secara langsung oleh peneliti. Sistem kerja sama tersebut membantu menjelaskan bagaimana beberapa agen dapat bekerja menuju satu sasaran.
Salah satu bentuk kerja sama muncul saat salah satu agen kehilangan perlengkapannya. Pada mekanisme permainan tersebut, barang yang tersimpan dalam inventaris karakter mungkin harus diambil kembali. Sistem yang baru mengalami kegagalan dapat membagikan informasi koordinat kepada karakter yang masih beroperasi. Setelah menerima informasi, anggota tim melakukan perjalanan menuju lokasi yang dilaporkan. Strategi ini berpotensi mempertahankan kemajuan permainan. Dalam proses permainan, para agen juga bertukar ratusan pesan. Hal tersebut menunjukkan pentingnya informasi bersama.
Perjalanan Agen AI Mengalahkan Ender Dragon dalam 27 Jam
Sebelum dapat menghadapi Ender Dragon, para agen perlu melewati rangkaian pekerjaan panjang. Ketika permainan dimulai, para agen mengumpulkan bahan dasar untuk membuat peralatan. Selanjutnya, tim harus mengakses lingkungan permainan berbeda. Sepanjang tahap persiapan, agen menemui hambatan navigasi. Mereka juga menyusun strategi eksplorasi. Pencapaian pada satu tahap mempengaruhi pilihan tindakan selanjutnya. Hubungan antartugas semacam ini sesuai untuk mempelajari kemampuan agen menyelesaikan tugas kompleks.
Sesudah menjalankan serangkaian pekerjaan, para agen berhasil mengalahkan Ender Dragon dalam durasi total 27 jam 14 menit. Selama perjalanan tersebut, karakter yang dikendalikan AI menghadapi total 605 kematian. Angka tersebut menggambarkan tingginya kebutuhan percobaan dan pemulihan. 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. Meski kemenangan berhasil diperoleh, jumlah kegagalan yang tinggi tetap menjadi catatan.
Kelemahan Agen Gemini 4 Argon Meski Berhasil Menamatkan Minecraft
Keberhasilan agen AI juga membutuhkan biaya komputasi. Dalam evaluasi penggunaan model, proses mencapai kemenangan memiliki estimasi biaya sekitar 520 dolar AS menggunakan perhitungan berdasarkan tarif pengantar. Jika dihitung memakai harga reguler, 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 memerlukan kestabilan sistem. Oleh sebab itu, keberhasilan tugas panjang tidak hanya diukur dari hasil akhir.
Eksperimen tersebut tetap menyisakan keterbatasan. Salah satu batasannya, permainan dijalankan pada tingkat Easy sehingga tantangannya berbeda dari mode lebih sulit. Selain itu, agen mengakses informasi permainan melalui antarmuka program, bukan mengandalkan penglihatan seperti manusia. Informasi tersebut memungkinkan penggunaan informasi terstruktur dari permainan. Ketiga, eksperimen merupakan demonstrasi satu penyelesaian. Karena itu, penelitian lanjutan perlu menguji berbagai kondisi guna mengetahui batas kemampuan sebenarnya.
Kesimpulan Keberhasilan Agen AI Google DeepMind di Minecraft
Keberhasilan empat agen Google DeepMind memperlihatkan kemajuan menarik dalam pengembangan sistem AI otonom. Dengan menulis 2.783 program JavaScript, mengatur tugas tanpa penugasan manusia, dan menyesuaikan tindakan berdasarkan hasil sebelumnya, keempat agen berhasil mengalahkan Ender Dragon. Namun demikian, 605 kematian serta penggunaan sumber daya komputasi yang besar menjadi pengingat penting mengenai batas kemampuan AI. Di tengah pertumbuhan sistem agen otonom, penelitian ini berpotensi mendukung pengembangan agen pemrograman untuk pekerjaan dengan banyak tahapan saling bergantung. Menurut Anda, apakah agen AI yang mampu menamatkan Minecraft akan membantu otomatisasi pekerjaan digital? Sampaikan pandangan Anda mengenai potensi kerja sama kecerdasan buatan dalam menyelesaikan tugas kompleks.
