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
Sekelompok ilmuwan dari Google DeepMind berhasil mendemonstrasikan empat agen AI yang bekerja sama menamatkan Minecraft. Eksperimen ini memanfaatkan agen berbasis Gemini 4 Argon yang menerima target permainan yang sama, yaitu mengalahkan Ender Dragon. Berbeda dari permainan biasa, setiap agen mengontrol pemain menggunakan program yang ditulis sendiri. Berkat mekanisme pengendalian tersebut, AI dituntut menentukan langkah sebelum menjalankan aktivitas permainan. Keberhasilan yang dilaporkan memberikan gambaran potensi AI untuk tugas panjang.
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. Dokumen ilmiah tersebut dipublikasikan pada 15 Oktober 2026. Ketika percobaan dimulai, para agen memasuki lingkungan Minecraft dengan peta acak. Mode permainan menggunakan pilihan Easy, sementara fitur perintah curang tidak digunakan. Pengawas penelitian tidak menulis logika permainan khusus untuk menentukan tindakan para pemain. Kendati tidak diarahkan selama permainan, eksperimen tetap berlangsung di lingkungan pengujian terkontrol. Pengaturan penelitian ini penting untuk memahami hasil secara tepat.
Mekanisme Pemrograman Otomatis dalam Eksperimen Minecraft
Ketika berinteraksi dengan dunia virtual, setiap agen AI menggunakan pustaka sumber terbuka Mineflayer yang mendukung operasi pemain menggunakan kode. Dengan bantuan perangkat lunak ini, agen mampu menentukan arah perjalanan, mengumpulkan material, merakit item permainan, serta menjalankan strategi pertahanan. Saat menghadapi situasi tertentu, agen menulis rangkaian perintah pemrograman untuk melaksanakan tindakan karakter. Jika kode tidak menghasilkan tindakan yang diharapkan, sistem mengevaluasi respons perangkat lunak dan menyusun instruksi pengganti. Kemampuan tersebut menunjukkan penerapan AI sebagai agen coding.
Dalam keseluruhan proses menyelesaikan permainan, keempat agen menciptakan total 2.783 rangkaian kode. Banyaknya instruksi pemrograman tersebut memperlihatkan kompleksitas pekerjaan. Instruksi yang dihasilkan tidak selalu berjalan tanpa kendala, karena sekitar 22 persen berakhir dengan kesalahan. Walaupun kesalahan cukup sering terjadi, agen tetap dapat melanjutkan pekerjaan. Situasi tersebut memberikan gambaran menarik dalam pengembangan agen AI otonom. Pada pekerjaan perangkat lunak profesional, kemampuan menulis kode saja belum cukup. Oleh sebab itu, pengawasan terhadap kualitas keluaran harus diperhatikan.
Koordinasi Empat Agen Gemini dalam Menyelesaikan Minecraft
Keberhasilan eksperimen ditentukan oleh koordinasi beberapa agen. Empat karakter yang dikendalikan AI menyampaikan pesan melalui fasilitas komunikasi permainan serta memanfaatkan memori bersama. Dengan menggunakan komunikasi ini, setiap agen mampu melaporkan perkembangan mengenai rute perjalanan, ancaman musuh, serta tugas yang sedang dikerjakan. Pengaturan aktivitas tim dilakukan secara otonom, bukan dipaksakan melalui pembagian manual. Koordinasi multiagen tersebut menjadi contoh penerapan kecerdasan kolektif berbasis perangkat lunak.
Salah satu bentuk kerja sama terlihat ketika karakter mengalami kematian. Dalam Minecraft, barang yang dimiliki sebelum kematian berpotensi tertinggal pada tempat kejadian. Agen yang mengalami kejadian tersebut dapat membagikan informasi koordinat kepada karakter yang masih beroperasi. Selanjutnya, anggota tim melakukan perjalanan menuju lokasi yang dilaporkan. Strategi ini membantu mengurangi dampak kegagalan. Dalam proses permainan, 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
Dalam perjalanan menuju pertarungan terakhir, para agen perlu melewati rangkaian pekerjaan panjang. Ketika permainan dimulai, para agen mengumpulkan bahan dasar untuk meningkatkan kemampuan bertahan. Selanjutnya, tim dituntut mencari material untuk membuka jalur berikutnya. Sepanjang tahap persiapan, agen berhadapan dengan kondisi yang tidak selalu terduga. Mereka juga mengubah rencana berdasarkan informasi baru. Setiap kemajuan sering menjadi syarat bagi langkah berikutnya. Rangkaian ketergantungan ini membuat Minecraft menjadi lingkungan pengujian yang menarik.
Sesudah menjalankan serangkaian pekerjaan, para agen mampu menuntaskan pertarungan terakhir dalam 27 jam 14 menit. Dalam keseluruhan misi, karakter yang dikendalikan AI tercatat mati sebanyak 605 kali. Angka tersebut menggambarkan tingginya kebutuhan percobaan dan pemulihan. Porsi waktu yang cukup besar digunakan untuk menghadapi Ender Dragon. Strategi yang digunakan pada tahap tersebut memanfaatkan penempatan blok sebagai pijakan untuk menjangkau kristal penyembuh naga. Taktik selama pertarungan memungkinkan tim mengatasi hambatan pertempuran. Namun demikian, hasil tersebut belum menunjukkan kemampuan bermain tanpa kesalahan.
Kelemahan Agen Gemini 4 Argon Meski Berhasil Menamatkan Minecraft
Pencapaian sistem Gemini 4 Argon tidak terlepas dari penggunaan sumber daya AI. Dalam evaluasi penggunaan model, proses mencapai kemenangan memiliki estimasi biaya sekitar 520 dolar AS menggunakan tarif pengenalan yang dijadikan acuan. Jika dihitung memakai harga reguler, jumlah tersebut diperkirakan mencapai sekitar 1.040 dolar AS. Perbedaan angka tersebut menunjukkan pentingnya memahami asumsi harga. Selain biaya, pengoperasian selama lebih dari satu hari bergantung pada kemampuan memulihkan proses. Oleh sebab itu, efisiensi komputasi juga perlu dievaluasi.
Hasil Google DeepMind perlu dipahami berdasarkan kondisi pengujiannya. Salah satu batasannya, permainan berlangsung dengan kesulitan yang lebih rendah sehingga risiko pertempuran tidak sama dengan tingkat Hard. Kedua, agen mengakses informasi permainan melalui antarmuka program, bukan mengandalkan penglihatan seperti manusia. Informasi tersebut dapat memberikan detail lingkungan yang sulit dilihat pemain manusia. Ketiga, eksperimen merupakan demonstrasi satu penyelesaian. Karena itu, penelitian lanjutan sebaiknya membandingkan tingkat kesulitan berbeda 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. Melalui pembuatan 2.783 program JavaScript, mengatur tugas tanpa penugasan manusia, dan memulihkan diri setelah berbagai kegagalan, keempat agen berhasil mengalahkan Ender Dragon. Walaupun hasil akhirnya berhasil, 605 kematian serta penggunaan sumber daya komputasi yang besar menunjukkan bahwa sistem belum sempurna. Dalam perkembangan TEKNOLOGI, penelitian ini berpotensi mendukung pengembangan agen pemrograman untuk pekerjaan dengan banyak tahapan saling bergantung. Bagaimana pendapat Anda, apakah agen AI yang mampu menamatkan Minecraft akan membantu otomatisasi pekerjaan digital? Ceritakan pemikiran Anda mengenai potensi kerja sama kecerdasan buatan dalam menyelesaikan tugas kompleks.
