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.
Empat Agen Gemini 4 Argon Berhasil Mengalahkan Ender Dragon
Sekelompok ilmuwan dari Google DeepMind berhasil mendemonstrasikan empat agen AI yang bekerja sama menamatkan Minecraft. Pengujian yang dilakukan para ilmuwan menggunakan model Gemini 4 Argon yang diberikan satu tujuan utama, yaitu menaklukkan musuh terakhir Minecraft. Jika dibandingkan dengan pengalaman bermain menggunakan keyboard, setiap agen mengoperasikan karakter melalui kode program. Dengan pendekatan tersebut, AI perlu menyusun strategi sebelum menggerakkan karakter. Keberhasilan yang dilaporkan memperlihatkan perkembangan agen pemrograman.
Penelitian Google DeepMind ini dijelaskan dalam makalah ilmiah berjudul A team of Gemini 4 Argon agents beats Minecraft yang ditulis oleh Maxence Faldor, Satinder Singh, dan Roberta Raileanu. Dokumen ilmiah tersebut dirilis melalui arXiv pada 15 Oktober 2026. Dalam pengujiannya, para agen menggunakan dunia permainan survival yang belum dipilih sebelumnya. Mode permainan berada pada tingkat Easy, sementara fitur perintah curang tidak digunakan. Pengawas penelitian tidak menentukan strategi permainan untuk menentukan tindakan para pemain. Walaupun berjalan secara otonom, eksperimen dijalankan dalam sistem sandbox. Batas eksperimen tersebut membedakan demonstrasi dari permainan manusia biasa.
Mekanisme Pemrograman Otomatis dalam Eksperimen Minecraft
Ketika berinteraksi dengan dunia virtual, setiap agen AI mengandalkan perangkat lunak Mineflayer yang menyediakan antarmuka pemrograman untuk Minecraft. Berkat antarmuka Mineflayer, agen mampu menentukan arah perjalanan, mengambil sumber daya, merakit item permainan, serta menghadapi musuh. Ketika hendak menyelesaikan pekerjaan, agen menyusun program JavaScript untuk melaksanakan tindakan karakter. Ketika instruksi menemui kesalahan, sistem dapat memeriksa hasil eksekusi dan mencoba pendekatan pemrograman lain. Mekanisme pengendalian tersebut menunjukkan penerapan AI sebagai agen coding.
Sepanjang perjalanan menuju kemenangan, keempat agen menghasilkan 2.783 program JavaScript. Jumlah tersebut memperlihatkan kompleksitas pekerjaan. Instruksi yang dihasilkan tidak selalu berjalan tanpa kendala, karena sekitar 22 persen tidak menyelesaikan eksekusi dengan benar. Walaupun kesalahan cukup sering terjadi, agen berupaya memperbaiki strategi. Proses pemulihan tersebut memberikan gambaran menarik dalam penerapan pemrograman berbasis AI. Pada pekerjaan perangkat lunak profesional, keberhasilan membutuhkan pemeriksaan hasil. Dengan mempertimbangkan hal tersebut, penanganan kesalahan menjadi bagian penting.
Cara Agen Google DeepMind Berkomunikasi untuk Mencapai Tujuan
Pencapaian yang dilaporkan Google DeepMind juga membutuhkan kerja sama antarsistem. Seluruh anggota tim virtual bertukar informasi menggunakan chat Minecraft serta berbagi catatan pekerjaan. Melalui mekanisme tersebut, setiap agen mampu melaporkan perkembangan mengenai lokasi material, ancaman musuh, serta tugas yang sedang dikerjakan. Penentuan pekerjaan berkembang selama interaksi berlangsung, bukan ditetapkan secara langsung oleh peneliti. Koordinasi multiagen tersebut membantu menjelaskan bagaimana beberapa agen dapat bekerja menuju satu sasaran.
Salah satu bentuk kerja sama muncul saat salah satu agen kehilangan perlengkapannya. Dalam Minecraft, barang yang tersimpan dalam inventaris karakter berpotensi tertinggal pada tempat kejadian. Agen yang mengalami kejadian tersebut mampu meminta bantuan melalui pesan kepada agen lain dalam permainan. Selanjutnya, anggota tim melakukan perjalanan menuju lokasi yang dilaporkan. Strategi ini berpotensi mempertahankan kemajuan permainan. Dalam proses permainan, para agen menggunakan komunikasi secara berulang. Interaksi yang berlangsung menunjukkan pentingnya informasi bersama.
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 perlu menemukan sumber daya yang lebih sulit. Dalam proses tersebut, agen menemui hambatan navigasi. Keempat sistem tersebut turut 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 berhasil mengalahkan Ender Dragon dalam durasi total 27 jam 14 menit. Selama perjalanan tersebut, karakter yang dikendalikan AI mengalami 605 kematian. Angka tersebut menunjukkan masih adanya kesulitan pengambilan keputusan. Porsi waktu yang cukup besar dihabiskan dalam tahap pertarungan terakhir. Pendekatan yang dipilih para agen melibatkan pembangunan struktur tanah untuk mengakses End Crystal yang berada di tempat tinggi. Taktik selama pertarungan memungkinkan tim mengatasi hambatan pertempuran. Meski kemenangan berhasil diperoleh, efisiensi agen masih memiliki ruang perbaikan.
Mengukur Efisiensi dan Keandalan Agen AI dalam Permainan
Hasil eksperimen Google DeepMind tidak terlepas dari penggunaan sumber daya AI. Menurut estimasi biaya yang dijelaskan peneliti, proses mencapai kemenangan memerlukan pengeluaran sekitar 520 dolar AS menggunakan perhitungan berdasarkan tarif pengantar. Dalam skema harga normal, jumlah tersebut setara dengan perkiraan biaya 1.040 dolar AS. Perbedaan angka tersebut berkaitan dengan tarif layanan yang digunakan. Pada sisi sumber daya, pengoperasian selama lebih dari satu hari bergantung pada kemampuan memulihkan proses. Dengan mempertimbangkan karakteristiknya, biaya dan keandalan menjadi indikator penting.
Penelitian ini memiliki sejumlah batasan. Sebagai pertimbangan awal, permainan menggunakan pengaturan kesulitan Easy sehingga tantangannya berbeda dari mode lebih sulit. Selain itu, agen membaca keadaan dunia melalui representasi terstruktur, bukan memproses tampilan visual sebagaimana pemain biasa. Akses data semacam ini berbeda dari pengalaman yang mengandalkan gambar layar. Tidak kalah penting, eksperimen belum membuktikan tingkat keberhasilan dalam banyak percobaan. Untuk menilai kemampuan lebih luas, penelitian lanjutan dapat mengevaluasi pengulangan eksperimen guna mengukur konsistensi agen.
Masa Depan AI Otonom setelah Eksperimen Minecraft
Keberhasilan empat agen Google DeepMind memperlihatkan kemajuan menarik dalam bidang agen kecerdasan buatan. Melalui pembuatan 2.783 program JavaScript, berkoordinasi melalui komunikasi antarsistem, dan memulihkan diri setelah berbagai kegagalan, keempat agen berhasil mengalahkan Ender Dragon. Walaupun hasil akhirnya berhasil, 605 kematian serta tingkat kesalahan program yang masih tinggi memperlihatkan kebutuhan pengembangan lanjutan. Seiring kemajuan kecerdasan buatan, penelitian ini dapat menjadi acuan studi perencanaan jangka panjang untuk tugas perangkat lunak yang kompleks. Dari sudut pandang Anda, apakah kolaborasi beberapa agen kecerdasan buatan akan menjadi fondasi teknologi AI masa depan? Bagikan pendapat Anda mengenai potensi kerja sama kecerdasan buatan dalam menyelesaikan tugas kompleks.
