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
Para peneliti Google DeepMind melaporkan keberhasilan empat agen AI yang berkolaborasi menyelesaikan tantangan Minecraft. Eksperimen ini mengandalkan sistem Gemini 4 Argon yang menerima target permainan yang sama, yaitu menyelesaikan pertarungan melawan Ender Dragon. Tidak seperti pemain manusia yang mengendalikan karakter langsung, setiap agen mengontrol pemain menggunakan program yang ditulis sendiri. Berkat mekanisme pengendalian tersebut, AI perlu menyusun strategi sebelum menjalankan aktivitas permainan. Hasil akhirnya memperlihatkan perkembangan agen pemrograman.
Eksperimen tersebut didokumentasikan dalam karya riset berjudul A team of Gemini 4 Argon agents beats Minecraft yang disusun oleh Maxence Faldor, Satinder Singh, dan Roberta Raileanu. Hasil penelitian itu dirilis melalui arXiv pada 15 Oktober 2026. Pada pelaksanaan eksperimen, para agen memasuki lingkungan Minecraft dengan peta acak. Mode permainan menggunakan pilihan Easy, sementara penggunaan cheat tidak diizinkan. Pengawas penelitian tidak memberikan pembagian peran untuk menentukan tindakan para pemain. Meski demikian, eksperimen dijalankan dalam sistem sandbox. Kondisi tersebut menjelaskan konteks keberhasilan yang dilaporkan.
Teknologi Mineflayer Membantu Gemini Mengendalikan Karakter
Dalam menjalankan aktivitas Minecraft, setiap agen AI mengandalkan perangkat lunak Mineflayer yang memungkinkan pengendalian karakter melalui JavaScript. Berkat antarmuka Mineflayer, agen mampu menentukan arah perjalanan, mengambil sumber daya, menjalankan proses crafting, serta menjalankan strategi pertahanan. Ketika hendak menyelesaikan pekerjaan, agen menyusun program JavaScript untuk melaksanakan tindakan karakter. Apabila program mengalami masalah, sistem mengevaluasi respons perangkat lunak dan menyusun instruksi pengganti. Kemampuan tersebut menjadi bagian penting keberhasilan eksperimen.
Sepanjang perjalanan menuju kemenangan, keempat agen menulis sebanyak 2.783 program. Banyaknya instruksi pemrograman tersebut menggambarkan banyaknya tindakan yang harus direncanakan. Kode yang digunakan tidak selalu berjalan tanpa kendala, karena sekitar 22 persen tidak menyelesaikan eksekusi dengan benar. Namun demikian, agen berupaya memperbaiki strategi. Kemampuan menghadapi kegagalan ini memberikan gambaran menarik dalam pengembangan agen AI otonom. Untuk penerapan di luar permainan, proses pemrograman harus disertai validasi. Untuk memperoleh sistem yang lebih andal, penanganan kesalahan menjadi bagian penting.
Cara Agen Google DeepMind Berkomunikasi untuk Mencapai Tujuan
Hasil permainan tersebut juga membutuhkan kerja sama antarsistem. Empat karakter yang dikendalikan AI menyampaikan pesan melalui fasilitas komunikasi permainan serta memanfaatkan memori bersama. Dengan menggunakan komunikasi ini, setiap agen bisa membagikan informasi penting mengenai rute perjalanan, risiko di wilayah tertentu, serta pekerjaan yang telah selesai. Pengaturan aktivitas tim muncul melalui keputusan para agen sendiri, bukan ditentukan melalui perintah khusus manusia. Sistem kerja sama tersebut memperlihatkan potensi kolaborasi AI.
Salah satu bentuk kerja sama muncul saat salah satu agen kehilangan perlengkapannya. Dalam Minecraft, barang yang dibawa pemain berpotensi tertinggal pada tempat kejadian. Karakter AI yang kehilangan barang dapat membagikan informasi koordinat kepada karakter yang masih beroperasi. Setelah menerima informasi, anggota tim dapat mencoba mengambil perlengkapan yang tertinggal. Pendekatan pemulihan tersebut memungkinkan sumber daya digunakan kembali. Dalam proses permainan, para agen mengandalkan percakapan untuk menyesuaikan strategi. Pola komunikasi tersebut memperlihatkan kebutuhan koordinasi antartugas.
Tantangan Google DeepMind Menyelesaikan Minecraft Secara Otonom
Dalam perjalanan menuju pertarungan terakhir, para agen perlu melewati rangkaian pekerjaan panjang. Ketika permainan dimulai, para agen menyiapkan perlengkapan awal untuk membuat peralatan. Selanjutnya, tim harus mengakses lingkungan permainan berbeda. Dalam proses tersebut, agen berhadapan dengan kondisi yang tidak selalu terduga. Keempat sistem tersebut turut menyusun strategi eksplorasi. Hasil dari sebuah pekerjaan dibutuhkan untuk membuka tahapan permainan lain. Rangkaian ketergantungan ini sesuai untuk mempelajari kemampuan agen menyelesaikan tugas kompleks.
Pada akhirnya, 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. Jumlah kegagalan karakter tersebut menunjukkan masih adanya kesulitan pengambilan keputusan. Sebagian besar waktu dihabiskan dalam tahap pertarungan terakhir. Pendekatan yang dipilih para agen menggunakan tumpukan blok tanah untuk mengakses End Crystal yang berada di tempat tinggi. Cara yang dipilih AI membantu membuka peluang kemenangan. Meski kemenangan berhasil diperoleh, efisiensi agen masih memiliki ruang perbaikan.
Mengukur Efisiensi dan Keandalan Agen AI dalam Permainan
Keberhasilan agen AI tidak terlepas dari penggunaan sumber daya AI. Berdasarkan perhitungan dalam penelitian, proses mencapai kemenangan memerlukan pengeluaran sekitar 520 dolar AS menggunakan perhitungan berdasarkan tarif pengantar. Apabila menggunakan tarif standar, jumlah tersebut diperkirakan mencapai sekitar 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, efisiensi komputasi juga perlu dievaluasi.
Hasil Google DeepMind perlu dipahami berdasarkan kondisi pengujiannya. Salah satu batasannya, permainan menggunakan pengaturan kesulitan Easy sehingga tantangannya berbeda dari mode lebih sulit. Kedua, agen membaca keadaan dunia melalui representasi terstruktur, bukan melihat layar permainan secara langsung. Informasi tersebut memungkinkan penggunaan informasi terstruktur dari permainan. Tidak kalah penting, eksperimen merupakan demonstrasi satu penyelesaian. Untuk menilai kemampuan lebih luas, penelitian lanjutan perlu menguji berbagai kondisi guna mengukur konsistensi agen.
Masa Depan AI Otonom setelah Eksperimen Minecraft
Keberhasilan empat agen Google DeepMind memperlihatkan kemajuan menarik dalam penerapan pemrograman otomatis. Dengan menulis 2.783 program JavaScript, membagi pekerjaan secara mandiri, dan menyesuaikan tindakan berdasarkan hasil sebelumnya, keempat agen menuntaskan tujuan utama eksperimen. Namun demikian, 605 kematian serta keterbatasan pengujian pada mode Easy menjadi pengingat penting mengenai batas kemampuan AI. Dalam perkembangan TEKNOLOGI, penelitian ini membuka peluang penelitian koordinasi multiagen untuk sistem otomatis yang membutuhkan pemulihan kesalahan. Bagaimana pendapat Anda, apakah agen AI yang mampu menamatkan Minecraft akan membantu otomatisasi pekerjaan digital? Ceritakan pemikiran Anda mengenai masa depan pemrograman otomatis.
