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
Para peneliti Google DeepMind berhasil mendemonstrasikan empat agen AI yang menjalankan misi permainan Minecraft secara otonom. Penelitian tersebut menggunakan model Gemini 4 Argon yang menerima target permainan yang sama, yaitu menaklukkan musuh terakhir Minecraft. Berbeda dari permainan biasa, setiap agen mengoperasikan karakter melalui kode program. Berkat mekanisme pengendalian tersebut, AI harus merencanakan tindakan sebelum mengambil sumber daya. Keberhasilan yang dilaporkan menunjukkan kemampuan koordinasi yang menjanjikan.
Penelitian Google DeepMind ini dipaparkan melalui publikasi penelitian berjudul A team of Gemini 4 Argon agents beats Minecraft yang dikerjakan oleh Maxence Faldor, Satinder Singh, dan Roberta Raileanu. Hasil penelitian itu tersedia sebagai makalah penelitian sejak 15 Oktober 2026. Ketika percobaan dimulai, para agen ditempatkan dalam dunia survival yang dibuat secara acak. Mode permainan menggunakan pilihan Easy, sementara fitur perintah curang tidak digunakan. Pengawas penelitian tidak menentukan strategi permainan untuk membantu setiap agen. Kendati tidak diarahkan selama permainan, eksperimen tetap berlangsung di lingkungan pengujian terkontrol. Kondisi tersebut membedakan demonstrasi dari permainan manusia biasa.
Teknologi Mineflayer Membantu Gemini Mengendalikan Karakter
Untuk mengendalikan permainan, setiap agen AI memanfaatkan library Mineflayer yang menyediakan antarmuka pemrograman untuk Minecraft. Dengan bantuan perangkat lunak ini, agen bisa mengendalikan aktivitas pemain, mengumpulkan material, merakit item permainan, serta melakukan tindakan pertempuran. Setiap kali membutuhkan tindakan, agen menyusun program JavaScript untuk menjalankan aktivitas yang direncanakan. Jika kode tidak menghasilkan tindakan yang diharapkan, sistem mengevaluasi respons perangkat lunak dan menyusun instruksi pengganti. Kemampuan tersebut memperlihatkan penggunaan bahasa pemrograman untuk bertindak secara otonom.
Dalam keseluruhan proses menyelesaikan permainan, keempat agen menulis sebanyak 2.783 program. Ribuan program yang dihasilkan menggambarkan banyaknya tindakan yang harus direncanakan. Program yang ditulis tidak selalu berjalan tanpa kendala, karena sekitar 22 persen berakhir dengan kesalahan. Walaupun kesalahan cukup sering terjadi, agen berupaya memperbaiki strategi. Kemampuan menghadapi kegagalan ini memperlihatkan salah satu tantangan dalam penerapan pemrograman berbasis AI. Untuk penerapan di luar permainan, keberhasilan membutuhkan pemeriksaan hasil. Dengan mempertimbangkan hal tersebut, mekanisme pengujian dan pemulihan tetap diperlukan.
Koordinasi Empat Agen Gemini dalam Menyelesaikan Minecraft
Hasil permainan tersebut tidak hanya bergantung pada kemampuan pemrograman. Seluruh anggota tim virtual berkomunikasi melalui percakapan dalam permainan serta berbagi catatan pekerjaan. Melalui mekanisme tersebut, setiap agen dapat menyampaikan temuan mengenai lokasi material, ancaman musuh, serta pekerjaan yang telah selesai. Penentuan pekerjaan dilakukan secara otonom, bukan ditetapkan secara langsung oleh peneliti. Koordinasi multiagen tersebut menjadi contoh penerapan kecerdasan kolektif berbasis perangkat lunak.
Contoh koordinasi yang menarik muncul saat salah satu agen kehilangan perlengkapannya. Dalam Minecraft, barang yang tersimpan dalam inventaris karakter dapat terjatuh di lokasi tertentu. Sistem yang baru mengalami kegagalan berpeluang memberitahukan lokasi kematiannya kepada karakter yang masih beroperasi. Berdasarkan pesan yang diberikan, anggota tim melakukan perjalanan menuju lokasi yang dilaporkan. Pendekatan pemulihan tersebut berpotensi mempertahankan kemajuan permainan. Dalam proses permainan, para agen juga bertukar ratusan pesan. Pola komunikasi tersebut menunjukkan pentingnya informasi bersama.
Tantangan Google DeepMind Menyelesaikan Minecraft Secara Otonom
Sebelum dapat menghadapi Ender Dragon, para agen dituntut memenuhi sejumlah persyaratan permainan. Mereka terlebih dahulu mengumpulkan bahan dasar untuk membuat peralatan. Selanjutnya, tim harus mengakses lingkungan permainan berbeda. Dalam proses tersebut, agen menghadapi berbagai ancaman. Mereka juga menyusun strategi eksplorasi. Pencapaian pada satu tahap sering menjadi syarat bagi langkah berikutnya. Hubungan antartugas semacam ini sesuai untuk mempelajari kemampuan agen menyelesaikan tugas kompleks.
Sesudah menjalankan serangkaian pekerjaan, para agen mampu menuntaskan pertarungan terakhir dalam 27 jam 14 menit. Dalam keseluruhan misi, karakter yang dikendalikan AI mengalami 605 kematian. Banyaknya kematian itu menggambarkan tingginya kebutuhan percobaan dan pemulihan. Sebagian besar waktu dihabiskan dalam tahap pertarungan terakhir. Strategi yang digunakan pada tahap tersebut menggunakan tumpukan blok tanah untuk menjangkau kristal penyembuh naga. Cara yang dipilih AI menjadi bagian penting dalam penyelesaian misi. Meski kemenangan berhasil diperoleh, efisiensi agen masih memiliki ruang perbaikan.
Kelemahan Agen Gemini 4 Argon Meski Berhasil Menamatkan Minecraft
Keberhasilan agen AI juga membutuhkan biaya komputasi. Berdasarkan perhitungan dalam penelitian, proses mencapai kemenangan memerlukan pengeluaran sekitar 520 dolar AS menggunakan tarif pengenalan yang dijadikan acuan. Jika dihitung memakai harga reguler, jumlah tersebut setara dengan perkiraan biaya 1.040 dolar AS. Perbedaan angka tersebut menunjukkan pentingnya memahami asumsi harga. Pada sisi sumber daya, pengoperasian selama lebih dari satu hari memerlukan kestabilan sistem. Dengan mempertimbangkan karakteristiknya, biaya dan keandalan menjadi indikator penting.
Hasil Google DeepMind perlu dipahami berdasarkan kondisi pengujiannya. Pertama, permainan dijalankan pada tingkat Easy sehingga hasilnya belum tentu langsung berlaku pada semua tingkat kesulitan. Kedua, agen mengakses informasi permainan melalui antarmuka program, bukan memproses tampilan visual sebagaimana pemain biasa. Informasi tersebut memungkinkan penggunaan informasi terstruktur dari permainan. Ketiga, eksperimen belum membuktikan tingkat keberhasilan dalam banyak percobaan. Untuk menilai kemampuan lebih luas, penelitian lanjutan perlu menguji berbagai kondisi guna mengukur konsistensi agen.
Dampak Eksperimen Gemini 4 Argon bagi Perkembangan TEKNOLOGI
Keberhasilan empat agen Google DeepMind menghadirkan bukti kemampuan yang menjanjikan dalam pengembangan sistem AI otonom. Dengan menulis 2.783 program JavaScript, mengatur tugas tanpa penugasan manusia, dan memulihkan diri setelah berbagai kegagalan, keempat agen mampu menyelesaikan target permainan. Walaupun hasil akhirnya berhasil, 605 kematian serta penggunaan sumber daya komputasi yang besar menjadi pengingat penting mengenai batas kemampuan AI. Dalam perkembangan TEKNOLOGI, penelitian ini membuka peluang penelitian koordinasi multiagen untuk pekerjaan dengan banyak tahapan saling bergantung. Menurut Anda, apakah kolaborasi beberapa agen kecerdasan buatan akan membantu otomatisasi pekerjaan digital? Bagikan pendapat Anda mengenai potensi kerja sama kecerdasan buatan dalam menyelesaikan tugas kompleks.
