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
Tim riset kecerdasan buatan Google DeepMind berhasil mendemonstrasikan empat agen AI yang bekerja sama menamatkan Minecraft. Eksperimen ini mengandalkan sistem Gemini 4 Argon yang diberikan satu tujuan utama, yaitu menyelesaikan pertarungan melawan 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. Hasil akhirnya memberikan gambaran potensi AI untuk tugas panjang.
Penelitian Google DeepMind ini dijelaskan dalam makalah ilmiah berjudul A team of Gemini 4 Argon agents beats Minecraft yang disusun oleh Maxence Faldor, Satinder Singh, dan Roberta Raileanu. Dokumen ilmiah tersebut tersedia sebagai makalah penelitian sejak 15 Oktober 2026. Ketika percobaan dimulai, para agen memasuki lingkungan Minecraft dengan peta acak. Mode permainan berada pada tingkat Easy, sementara fitur perintah curang tidak digunakan. Tim pengembang eksperimen tidak memberikan pembagian peran untuk membantu setiap agen. Meski demikian, eksperimen tetap berlangsung di lingkungan pengujian terkontrol. Kondisi tersebut menjelaskan konteks keberhasilan yang dilaporkan.
Cara Agen AI Google DeepMind Menulis Ribuan Program Minecraft
Ketika berinteraksi dengan dunia virtual, setiap agen AI mengandalkan perangkat lunak Mineflayer yang memungkinkan pengendalian karakter melalui JavaScript. Dengan bantuan perangkat lunak ini, agen mampu menentukan arah perjalanan, melakukan penambangan, menjalankan proses crafting, serta menjalankan strategi pertahanan. Ketika hendak menyelesaikan pekerjaan, agen menulis rangkaian perintah pemrograman untuk menyelesaikan langkah permainan. Apabila program mengalami masalah, sistem dapat memeriksa hasil eksekusi dan menulis perbaikan. Mekanisme pengendalian tersebut menjadi bagian penting keberhasilan eksperimen.
Dalam keseluruhan proses menyelesaikan permainan, keempat agen menciptakan total 2.783 rangkaian kode. Banyaknya instruksi pemrograman tersebut menunjukkan tingginya kebutuhan pengendalian. Program yang ditulis tidak semuanya langsung berhasil, karena sekitar 22 persen tidak menyelesaikan eksekusi dengan benar. Walaupun kesalahan cukup sering terjadi, agen berupaya memperbaiki strategi. Proses pemulihan tersebut memperlihatkan salah satu tantangan dalam pengembangan agen AI otonom. Pada pekerjaan perangkat lunak profesional, keberhasilan membutuhkan pemeriksaan hasil. Oleh sebab itu, penanganan kesalahan menjadi bagian penting.
Strategi Pembagian Tugas dan Memori Bersama pada Agen AI
Hasil permainan tersebut 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 rute perjalanan, risiko di wilayah tertentu, serta kebutuhan bantuan dari anggota lain. Pengaturan aktivitas tim berkembang selama interaksi berlangsung, bukan ditetapkan secara langsung oleh peneliti. Sistem kerja sama tersebut membantu menjelaskan bagaimana beberapa agen dapat bekerja menuju satu sasaran.
Contoh koordinasi yang menarik terjadi ketika pemain yang dikendalikan AI gagal bertahan. Dalam Minecraft, barang yang dimiliki sebelum kematian mungkin harus diambil kembali. Karakter AI yang kehilangan barang berpeluang memberitahukan lokasi kematiannya kepada anggota tim lainnya. Selanjutnya, anggota tim melakukan perjalanan menuju lokasi yang dilaporkan. Bentuk kolaborasi tersebut memungkinkan sumber daya digunakan kembali. Sepanjang pelaksanaan tantangan, para agen juga bertukar ratusan pesan. Interaksi yang berlangsung mendukung pengembangan sistem AI yang bekerja sebagai tim.
Tantangan Google DeepMind Menyelesaikan Minecraft Secara Otonom
Sebelum dapat menghadapi Ender Dragon, para agen dituntut memenuhi sejumlah persyaratan permainan. Pada tahap awal, sistem menyiapkan perlengkapan awal untuk mendukung aktivitas eksplorasi. Setelah kebutuhan dasar terpenuhi, tim harus mengakses lingkungan permainan berbeda. Dalam proses tersebut, agen menghadapi berbagai ancaman. Mereka juga menggunakan temuan sebelumnya untuk menentukan tindakan. Setiap kemajuan dibutuhkan untuk membuka tahapan permainan lain. Karakteristik tersebut memberikan tantangan perencanaan jangka panjang.
Setelah melewati berbagai tahapan, para agen berhasil mengalahkan Ender Dragon dalam durasi total 27 jam 14 menit. Sepanjang proses menuju kemenangan, karakter yang dikendalikan AI menghadapi total 605 kematian. Angka tersebut memperlihatkan bahwa keberhasilan tidak berlangsung mulus. Porsi waktu yang cukup besar digunakan untuk menghadapi Ender Dragon. Pendekatan yang dipilih para agen melibatkan pembangunan struktur tanah untuk mengakses End Crystal yang berada di tempat tinggi. Taktik selama pertarungan menjadi bagian penting dalam penyelesaian misi. Meski kemenangan berhasil diperoleh, hasil tersebut belum menunjukkan kemampuan bermain tanpa kesalahan.
Kelemahan Agen Gemini 4 Argon Meski Berhasil Menamatkan Minecraft
Keberhasilan agen AI memerlukan pemrosesan model dalam jumlah besar. Dalam evaluasi penggunaan model, proses mencapai kemenangan memiliki estimasi biaya sekitar 520 dolar AS menggunakan tarif pengenalan yang dijadikan acuan. Apabila menggunakan tarif standar, jumlah tersebut meningkat menjadi sekitar 1.040 dolar AS. Variasi perhitungan biaya ini berkaitan dengan tarif layanan yang digunakan. Pada sisi sumber daya, 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. Salah satu batasannya, permainan dijalankan pada tingkat Easy sehingga tantangannya berbeda dari mode lebih sulit. Selain itu, agen memperoleh data lingkungan menggunakan Mineflayer, bukan memproses tampilan visual sebagaimana pemain biasa. Metode pengendalian tersebut berbeda dari pengalaman yang mengandalkan gambar layar. Batasan berikutnya, eksperimen tidak menunjukkan bahwa seluruh pengujian akan berakhir sama. Karena itu, penelitian lanjutan perlu menguji berbagai kondisi guna memahami keandalan strategi.
Kesimpulan Keberhasilan Agen AI Google DeepMind di Minecraft
Keberhasilan empat agen Google DeepMind memperlihatkan kemajuan menarik dalam penerapan pemrograman otomatis. Berkat kemampuan menghasilkan 2.783 program JavaScript, membagi pekerjaan secara mandiri, dan memulihkan diri setelah berbagai kegagalan, keempat agen berhasil mengalahkan Ender Dragon. Walaupun hasil akhirnya berhasil, 605 kematian serta keterbatasan pengujian pada mode Easy menjadi pengingat penting mengenai batas kemampuan AI. Seiring kemajuan kecerdasan buatan, penelitian ini berpotensi mendukung pengembangan agen pemrograman untuk tugas perangkat lunak yang kompleks. Menurut Anda, apakah sistem yang dapat menulis ribuan program sendiri akan membantu otomatisasi pekerjaan digital? Bagikan pendapat Anda mengenai masa depan pemrograman otomatis.
