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 bekerja sama menamatkan Minecraft. Pengujian yang dilakukan para ilmuwan menggunakan model Gemini 4 Argon yang menerima target permainan yang sama, yaitu menyelesaikan pertarungan melawan Ender Dragon. Berbeda dari permainan biasa, setiap agen mengoperasikan karakter melalui kode program. Dengan pendekatan tersebut, AI perlu menyusun strategi sebelum menjalankan aktivitas permainan. Pencapaian eksperimen tersebut menunjukkan kemampuan koordinasi yang menjanjikan.
Penelitian Google DeepMind ini dijelaskan dalam makalah ilmiah berjudul A team of Gemini 4 Argon agents beats Minecraft yang dikerjakan oleh Maxence Faldor, Satinder Singh, dan Roberta Raileanu. Hasil penelitian itu dirilis melalui arXiv pada 15 Oktober 2026. Ketika percobaan dimulai, para agen memasuki lingkungan Minecraft dengan peta acak. Mode permainan ditetapkan pada Easy, sementara fitur perintah curang tidak digunakan. Tim pengembang eksperimen tidak menentukan strategi permainan untuk membantu setiap agen. Walaupun berjalan secara otonom, eksperimen menggunakan infrastruktur penelitian yang diawasi. Batas eksperimen tersebut membedakan demonstrasi dari permainan manusia biasa.
Mekanisme Pemrograman Otomatis dalam Eksperimen Minecraft
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 mampu menentukan arah perjalanan, mengumpulkan material, membuat peralatan, serta menjalankan strategi pertahanan. Saat menghadapi situasi tertentu, agen menulis rangkaian perintah pemrograman untuk menjalankan aktivitas yang direncanakan. Apabila program mengalami masalah, sistem mengevaluasi respons perangkat lunak dan menyusun instruksi pengganti. Mekanisme pengendalian tersebut menunjukkan penerapan AI sebagai agen coding.
Dalam keseluruhan proses menyelesaikan permainan, keempat agen menulis sebanyak 2.783 program. Ribuan program yang dihasilkan memperlihatkan kompleksitas pekerjaan. Program yang ditulis tidak semuanya langsung berhasil, karena sekitar 22 persen tidak menyelesaikan eksekusi dengan benar. Namun demikian, agen tetap dapat melanjutkan pekerjaan. Proses pemulihan tersebut memberikan gambaran menarik dalam pembangunan sistem yang menjalankan tugas panjang. Dalam penggunaan nyata, keberhasilan membutuhkan pemeriksaan hasil. Untuk memperoleh sistem yang lebih andal, penanganan kesalahan menjadi bagian penting.
Strategi Pembagian Tugas dan Memori Bersama pada Agen AI
Pencapaian yang dilaporkan Google DeepMind ditentukan oleh koordinasi beberapa agen. Seluruh anggota tim virtual bertukar informasi menggunakan chat Minecraft serta berbagi catatan pekerjaan. Berkat sistem koordinasi tersebut, setiap agen dapat menyampaikan temuan mengenai lokasi material, ancaman musuh, serta kebutuhan bantuan dari anggota lain. Pembagian peran dilakukan secara otonom, 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 terlihat ketika karakter mengalami kematian. Ketika karakter mati di dunia survival, barang yang dibawa pemain berpotensi tertinggal pada tempat kejadian. Sistem yang baru mengalami kegagalan berpeluang memberitahukan lokasi kematiannya kepada karakter yang masih beroperasi. Setelah menerima informasi, anggota tim membantu memulihkan barang penting. Pendekatan pemulihan tersebut membantu mengurangi dampak kegagalan. Dalam proses permainan, para agen menggunakan komunikasi secara berulang. Hal 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 dituntut memenuhi sejumlah persyaratan permainan. Pada tahap awal, sistem mencari sumber daya penting untuk mendukung aktivitas eksplorasi. Selanjutnya, tim perlu menemukan sumber daya yang lebih sulit. Dalam proses tersebut, agen berhadapan dengan kondisi yang tidak selalu terduga. Untuk mempertahankan kemajuan, para agen menggunakan temuan sebelumnya untuk menentukan tindakan. Hasil dari sebuah pekerjaan dibutuhkan untuk membuka tahapan permainan lain. Rangkaian ketergantungan ini memberikan tantangan perencanaan jangka panjang.
Setelah melewati berbagai tahapan, para agen berhasil mengalahkan Ender Dragon dalam 27 jam 14 menit. Sepanjang proses menuju kemenangan, karakter yang dikendalikan AI mengalami 605 kematian. Jumlah kegagalan karakter tersebut menunjukkan masih adanya kesulitan pengambilan keputusan. Porsi waktu yang cukup besar tercurah pada upaya mengalahkan bos terakhir. Salah satu solusi yang ditemukan melibatkan pembangunan struktur tanah untuk menjangkau kristal penyembuh naga. Strategi tersebut memungkinkan tim mengatasi hambatan pertempuran. Namun demikian, efisiensi agen masih memiliki ruang perbaikan.
Biaya Komputasi dan Batas Eksperimen Minecraft Google DeepMind
Hasil eksperimen Google DeepMind tidak terlepas dari penggunaan sumber daya AI. Berdasarkan perhitungan dalam penelitian, proses mencapai kemenangan memerlukan pengeluaran sekitar 520 dolar AS menggunakan harga promosi awal model. Jika dihitung memakai harga reguler, jumlah tersebut setara dengan perkiraan biaya 1.040 dolar AS. Selisih estimasi pengeluaran tersebut perlu diperhatikan ketika membandingkan biaya eksperimen. Di luar kebutuhan finansial, pengoperasian selama lebih dari satu hari memerlukan kestabilan sistem. Karena itu, keberhasilan tugas panjang tidak hanya diukur dari hasil akhir.
Penelitian ini memiliki sejumlah batasan. Salah satu batasannya, permainan menggunakan pengaturan kesulitan Easy sehingga tantangannya berbeda dari mode lebih sulit. Kedua, agen mengakses informasi permainan melalui antarmuka program, bukan mengandalkan penglihatan seperti manusia. Informasi tersebut memungkinkan penggunaan informasi terstruktur dari permainan. Tidak kalah penting, eksperimen tidak menunjukkan bahwa seluruh pengujian akan berakhir sama. Untuk menilai kemampuan lebih luas, penelitian lanjutan dapat mengevaluasi pengulangan eksperimen guna mengukur konsistensi agen.
Kesimpulan Keberhasilan Agen AI Google DeepMind di Minecraft
Pencapaian tim Gemini 4 Argon menghadirkan bukti kemampuan yang menjanjikan dalam penerapan pemrograman otomatis. Dengan menulis 2.783 program JavaScript, berkoordinasi melalui komunikasi antarsistem, dan menyesuaikan tindakan berdasarkan hasil sebelumnya, keempat agen mampu menyelesaikan target permainan. Namun demikian, 605 kematian serta tingkat kesalahan program yang masih tinggi memperlihatkan kebutuhan pengembangan lanjutan. Di tengah pertumbuhan sistem agen otonom, penelitian ini berpotensi mendukung pengembangan agen pemrograman untuk sistem otomatis yang membutuhkan pemulihan kesalahan. Dari sudut pandang Anda, apakah agen AI yang mampu menamatkan Minecraft akan menjadi fondasi teknologi AI masa depan? Bagikan pendapat Anda mengenai perkembangan agen AI.
