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.
Google DeepMind Membuktikan Kemampuan Agen AI Menamatkan Minecraft
Sekelompok ilmuwan dari Google DeepMind berhasil mendemonstrasikan empat agen AI yang menjalankan misi permainan Minecraft secara otonom. Eksperimen ini menggunakan model Gemini 4 Argon yang ditugaskan mencapai satu sasaran, yaitu menyelesaikan pertarungan melawan Ender Dragon. Jika dibandingkan dengan pengalaman bermain menggunakan keyboard, setiap agen menjalankan aksi dengan instruksi pemrograman. Melalui metode ini, AI dituntut menentukan langkah sebelum menggerakkan karakter. Pencapaian eksperimen tersebut memberikan gambaran potensi AI untuk tugas panjang.
Penelitian Google DeepMind ini dipaparkan melalui publikasi penelitian berjudul A team of Gemini 4 Argon agents beats Minecraft yang ditulis oleh Maxence Faldor, Satinder Singh, dan Roberta Raileanu. Dokumen ilmiah tersebut tersedia sebagai makalah penelitian sejak 15 Oktober 2026. Ketika percobaan dimulai, para agen menggunakan dunia permainan survival yang belum dipilih sebelumnya. Tingkat kesulitan menggunakan pilihan Easy, sementara perintah cheat dinonaktifkan. Pengawas penelitian tidak menentukan strategi permainan untuk menentukan tindakan para pemain. Kendati tidak diarahkan selama permainan, eksperimen menggunakan infrastruktur penelitian yang diawasi. Batas eksperimen tersebut membedakan demonstrasi dari permainan manusia biasa.
Teknologi Mineflayer Membantu Gemini Mengendalikan Karakter
Ketika berinteraksi dengan dunia virtual, setiap agen AI menggunakan pustaka sumber terbuka Mineflayer yang mendukung operasi pemain menggunakan kode. Berkat antarmuka Mineflayer, agen dapat menggerakkan karakter, mengumpulkan material, merakit item permainan, serta menjalankan strategi pertahanan. Ketika hendak menyelesaikan pekerjaan, agen menghasilkan instruksi melalui kode untuk menyelesaikan langkah permainan. Apabila program mengalami masalah, sistem berupaya memahami kegagalan program dan mencoba pendekatan pemrograman lain. Proses pemrograman berulang ini menunjukkan penerapan AI sebagai agen coding.
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 selalu berjalan tanpa kendala, karena sekitar 22 persen mengalami error ketika dijalankan. Walaupun kesalahan cukup sering terjadi, agen tetap dapat melanjutkan pekerjaan. Situasi tersebut menjadi contoh penting dalam pembangunan sistem yang menjalankan tugas panjang. Dalam penggunaan nyata, proses pemrograman harus disertai validasi. Oleh sebab itu, mekanisme pengujian dan pemulihan tetap diperlukan.
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 memanfaatkan memori bersama. Berkat sistem koordinasi tersebut, setiap agen dapat menyampaikan temuan mengenai kondisi lingkungan, hambatan yang ditemukan, serta tugas yang sedang dikerjakan. Penentuan pekerjaan berkembang selama interaksi berlangsung, bukan dipaksakan melalui pembagian manual. Koordinasi multiagen tersebut memperlihatkan potensi kolaborasi AI.
Salah satu bentuk kerja sama terlihat ketika karakter mengalami kematian. Pada mekanisme permainan tersebut, barang yang tersimpan dalam inventaris karakter berpotensi tertinggal pada tempat kejadian. Karakter AI yang kehilangan barang berpeluang memberitahukan lokasi kematiannya kepada anggota tim lainnya. Berdasarkan pesan yang diberikan, anggota tim melakukan perjalanan menuju lokasi yang dilaporkan. Pendekatan pemulihan tersebut memungkinkan sumber daya digunakan kembali. Dalam proses permainan, para agen menggunakan komunikasi secara berulang. Pola komunikasi tersebut mendukung pengembangan sistem AI yang bekerja sebagai tim.
Tantangan Google DeepMind Menyelesaikan Minecraft Secara Otonom
Sebelum dapat menghadapi Ender Dragon, para agen harus menyelesaikan banyak tahapan. Ketika permainan dimulai, para agen mengumpulkan bahan dasar untuk meningkatkan kemampuan bertahan. Selanjutnya, tim dituntut mencari material untuk membuka jalur berikutnya. 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. Hubungan antartugas semacam ini membuat Minecraft menjadi lingkungan pengujian yang menarik.
Setelah melewati berbagai tahapan, para agen mampu menuntaskan pertarungan terakhir dalam durasi total 27 jam 14 menit. Sepanjang proses menuju kemenangan, karakter yang dikendalikan AI mengalami 605 kematian. Jumlah kegagalan karakter tersebut menggambarkan tingginya kebutuhan percobaan dan pemulihan. Porsi waktu yang cukup besar tercurah pada upaya mengalahkan bos terakhir. Strategi yang digunakan pada tahap tersebut melibatkan pembangunan struktur tanah untuk menjangkau kristal penyembuh naga. Taktik selama pertarungan menjadi bagian penting dalam penyelesaian misi. Namun demikian, hasil tersebut belum menunjukkan kemampuan bermain tanpa kesalahan.
Mengukur Efisiensi dan Keandalan Agen AI dalam Permainan
Pencapaian sistem Gemini 4 Argon tidak terlepas dari penggunaan sumber daya AI. Berdasarkan perhitungan dalam penelitian, proses mencapai kemenangan diperkirakan menelan biaya 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 perlu diperhatikan ketika membandingkan biaya eksperimen. Pada sisi sumber daya, pengoperasian selama lebih dari satu hari memerlukan kestabilan sistem. Karena itu, keberhasilan tugas panjang tidak hanya diukur dari hasil akhir.
Eksperimen tersebut tetap menyisakan keterbatasan. Pertama, permainan berlangsung dengan kesulitan yang lebih rendah sehingga risiko pertempuran tidak sama dengan tingkat Hard. Selain itu, agen membaca keadaan dunia melalui representasi terstruktur, bukan melihat layar permainan secara langsung. Akses data semacam ini dapat memberikan detail lingkungan yang sulit dilihat pemain manusia. Tidak kalah penting, eksperimen merupakan demonstrasi satu penyelesaian. Untuk menilai kemampuan lebih luas, penelitian lanjutan perlu menguji berbagai kondisi guna mengetahui batas kemampuan sebenarnya.
Dampak Eksperimen Gemini 4 Argon bagi Perkembangan TEKNOLOGI
Keberhasilan empat agen Google DeepMind memperlihatkan kemajuan menarik dalam bidang agen kecerdasan buatan. Dengan menulis 2.783 program JavaScript, membagi pekerjaan secara mandiri, dan memulihkan diri setelah berbagai kegagalan, keempat agen berhasil mengalahkan Ender Dragon. Namun demikian, 605 kematian serta tingkat kesalahan program yang masih tinggi memperlihatkan kebutuhan pengembangan lanjutan. Seiring kemajuan kecerdasan buatan, penelitian ini berpotensi mendukung pengembangan agen pemrograman untuk pekerjaan dengan banyak tahapan saling bergantung. Bagaimana pendapat Anda, apakah agen AI yang mampu menamatkan Minecraft akan menjadi fondasi teknologi AI masa depan? Ceritakan pemikiran Anda mengenai masa depan pemrograman otomatis.
