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.
Google DeepMind Membuktikan Kemampuan Agen AI Menamatkan Minecraft
Para peneliti Google DeepMind memperlihatkan melalui eksperimen empat agen AI yang menjalankan misi permainan Minecraft secara otonom. Penelitian tersebut mengandalkan sistem Gemini 4 Argon yang diberikan satu tujuan utama, yaitu mengalahkan Ender Dragon. Tidak seperti pemain manusia yang mengendalikan karakter langsung, setiap agen mengoperasikan karakter melalui kode program. Berkat mekanisme pengendalian tersebut, AI dituntut menentukan langkah sebelum menggerakkan karakter. Pencapaian eksperimen tersebut memperlihatkan perkembangan agen pemrograman.
Penelitian Google DeepMind ini didokumentasikan dalam karya riset 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. Dalam pengujiannya, para agen ditempatkan dalam dunia survival yang dibuat secara acak. Pengaturan tantangan menggunakan pilihan Easy, sementara penggunaan cheat tidak diizinkan. Pengawas penelitian tidak memberikan pembagian peran untuk menentukan tindakan para pemain. Kendati tidak diarahkan selama permainan, eksperimen menggunakan infrastruktur penelitian yang diawasi. Pengaturan penelitian ini menjelaskan konteks keberhasilan yang dilaporkan.
Teknologi Mineflayer Membantu Gemini Mengendalikan Karakter
Ketika berinteraksi dengan dunia virtual, setiap agen AI menggunakan pustaka sumber terbuka Mineflayer yang memungkinkan pengendalian karakter melalui JavaScript. Dengan bantuan perangkat lunak ini, agen bisa mengendalikan aktivitas pemain, mengumpulkan material, membuat peralatan, serta melakukan tindakan pertempuran. Setiap kali membutuhkan tindakan, agen menghasilkan instruksi melalui kode untuk menyelesaikan langkah permainan. Apabila program mengalami masalah, sistem mengevaluasi respons perangkat lunak dan menulis perbaikan. Proses pemrograman berulang ini menjadi bagian penting keberhasilan eksperimen.
Dalam keseluruhan proses menyelesaikan permainan, keempat agen menciptakan total 2.783 rangkaian kode. Jumlah tersebut menunjukkan tingginya kebutuhan pengendalian. Kode yang digunakan 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 pengembangan agen AI otonom. Pada pekerjaan perangkat lunak profesional, proses pemrograman harus disertai validasi. Dengan mempertimbangkan hal tersebut, pengawasan terhadap kualitas keluaran harus diperhatikan.
Cara Agen Google DeepMind Berkomunikasi untuk Mencapai Tujuan
Pencapaian yang dilaporkan Google DeepMind tidak hanya bergantung pada kemampuan pemrograman. Empat karakter yang dikendalikan AI bertukar informasi menggunakan chat Minecraft serta mengakses penyimpanan informasi kolektif. Dengan menggunakan komunikasi ini, setiap agen bisa membagikan informasi penting mengenai kondisi lingkungan, risiko di wilayah tertentu, serta kebutuhan bantuan dari anggota lain. Penentuan pekerjaan berkembang selama interaksi berlangsung, bukan ditetapkan secara langsung oleh peneliti. Pendekatan ini memperlihatkan potensi kolaborasi AI.
Salah satu bentuk kerja sama muncul saat salah satu agen kehilangan perlengkapannya. Ketika karakter mati di dunia survival, barang yang tersimpan dalam inventaris karakter dapat terjatuh di lokasi tertentu. Karakter AI yang kehilangan barang dapat membagikan informasi koordinat kepada anggota tim lainnya. Setelah menerima informasi, anggota tim dapat mencoba mengambil perlengkapan yang tertinggal. Bentuk kolaborasi tersebut membantu mengurangi dampak kegagalan. Sepanjang pelaksanaan tantangan, para agen juga bertukar ratusan pesan. Interaksi yang berlangsung menunjukkan pentingnya informasi bersama.
Ribuan Program dan Ratusan Kematian dalam Eksperimen Minecraft
Sebelum dapat menghadapi Ender Dragon, para agen perlu melewati rangkaian pekerjaan panjang. Ketika permainan dimulai, para agen menyiapkan perlengkapan awal untuk membuat peralatan. Selanjutnya, tim harus mengakses lingkungan permainan berbeda. Sepanjang tahap persiapan, agen menemui hambatan navigasi. Keempat sistem tersebut turut menyusun strategi eksplorasi. Setiap kemajuan dibutuhkan untuk membuka tahapan permainan lain. Karakteristik tersebut membuat Minecraft menjadi lingkungan pengujian yang menarik.
Setelah melewati berbagai tahapan, para agen menyelesaikan sasaran utama permainan dalam 27 jam 14 menit. Sepanjang proses menuju kemenangan, karakter yang dikendalikan AI menghadapi total 605 kematian. Banyaknya kematian itu menggambarkan tingginya kebutuhan percobaan dan pemulihan. Sebagian besar waktu digunakan untuk menghadapi Ender Dragon. Pendekatan yang dipilih para agen memanfaatkan penempatan blok sebagai pijakan untuk mengakses End Crystal yang berada di tempat tinggi. Taktik selama pertarungan membantu membuka peluang kemenangan. Meski kemenangan berhasil diperoleh, hasil tersebut belum menunjukkan kemampuan bermain tanpa kesalahan.
Kelemahan Agen Gemini 4 Argon Meski Berhasil Menamatkan Minecraft
Keberhasilan agen AI tidak terlepas dari penggunaan sumber daya AI. Dalam evaluasi penggunaan model, proses mencapai kemenangan memerlukan pengeluaran sekitar 520 dolar AS menggunakan perhitungan berdasarkan tarif pengantar. Dalam skema harga normal, jumlah tersebut diperkirakan mencapai sekitar 1.040 dolar AS. Perbedaan angka tersebut perlu diperhatikan ketika membandingkan biaya eksperimen. Di luar kebutuhan finansial, pengoperasian selama lebih dari satu hari bergantung pada kemampuan memulihkan proses. Karena itu, keberhasilan tugas panjang tidak hanya diukur dari hasil akhir.
Penelitian ini memiliki sejumlah batasan. Sebagai pertimbangan awal, permainan berlangsung dengan kesulitan yang lebih rendah sehingga tantangannya berbeda dari mode lebih sulit. Pertimbangan lainnya, agen mengakses informasi permainan melalui antarmuka program, bukan melihat layar permainan secara langsung. Akses data semacam ini memungkinkan penggunaan informasi terstruktur dari permainan. Ketiga, eksperimen merupakan demonstrasi satu penyelesaian. Untuk menilai kemampuan lebih luas, penelitian lanjutan perlu menguji berbagai kondisi guna mengetahui batas kemampuan sebenarnya.
Kesimpulan Keberhasilan Agen AI Google DeepMind di Minecraft
Hasil eksperimen agen AI dalam Minecraft menghadirkan bukti kemampuan yang menjanjikan dalam bidang agen kecerdasan buatan. Berkat kemampuan menghasilkan 2.783 program JavaScript, mengatur tugas tanpa penugasan manusia, dan menyesuaikan tindakan berdasarkan hasil sebelumnya, keempat agen menuntaskan tujuan utama eksperimen. Walaupun hasil akhirnya berhasil, 605 kematian serta keterbatasan pengujian pada mode Easy memperlihatkan kebutuhan pengembangan lanjutan. Dalam perkembangan TEKNOLOGI, penelitian ini berpotensi mendukung pengembangan agen pemrograman untuk tugas perangkat lunak yang kompleks. Menurut Anda, apakah sistem yang dapat menulis ribuan program sendiri akan mempercepat perkembangan asisten pemrograman? Sampaikan pandangan Anda mengenai perkembangan agen AI.
