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 melaporkan keberhasilan empat agen AI yang menjalankan misi permainan Minecraft secara otonom. Penelitian tersebut mengandalkan sistem Gemini 4 Argon yang menerima target permainan yang sama, yaitu menaklukkan musuh terakhir Minecraft. Tidak seperti pemain manusia yang mengendalikan karakter langsung, setiap agen mengontrol pemain menggunakan program yang ditulis sendiri. Dengan pendekatan tersebut, AI perlu menyusun strategi sebelum menggerakkan karakter. Hasil akhirnya memberikan gambaran potensi AI untuk tugas panjang.
Uji kemampuan agen AI tersebut dipaparkan melalui publikasi penelitian berjudul A team of Gemini 4 Argon agents beats Minecraft yang ditulis oleh Maxence Faldor, Satinder Singh, dan Roberta Raileanu. Makalah tersebut dipublikasikan pada 15 Oktober 2026. Ketika percobaan dimulai, para agen memasuki lingkungan Minecraft dengan peta acak. Pengaturan tantangan menggunakan pilihan Easy, sementara fitur perintah curang tidak digunakan. Para peneliti tidak memberikan pembagian peran untuk mengatur pekerjaan karakter. Walaupun berjalan secara otonom, eksperimen tetap berlangsung di lingkungan pengujian terkontrol. Pengaturan penelitian ini penting untuk memahami hasil secara tepat.
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. Dengan bantuan perangkat lunak ini, agen dapat menggerakkan karakter, mengambil sumber daya, menjalankan proses crafting, serta melakukan tindakan pertempuran. Setiap kali membutuhkan tindakan, agen menulis rangkaian perintah pemrograman untuk menjalankan aktivitas yang direncanakan. Apabila program mengalami masalah, sistem berupaya memahami kegagalan program dan menyusun instruksi pengganti. Kemampuan tersebut menunjukkan penerapan AI sebagai agen coding.
Dalam keseluruhan proses menyelesaikan permainan, keempat agen menghasilkan 2.783 program JavaScript. Jumlah tersebut menggambarkan banyaknya tindakan yang harus direncanakan. Program yang ditulis tidak semuanya langsung berhasil, karena sekitar 22 persen mengalami error ketika dijalankan. Meski tingkat kegagalan program tergolong berarti, agen mampu mencoba kembali melalui instruksi baru. Proses pemulihan tersebut memberikan gambaran menarik dalam penerapan pemrograman berbasis AI. Dalam penggunaan nyata, keberhasilan membutuhkan pemeriksaan hasil. 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 berkomunikasi melalui percakapan dalam permainan serta berbagi catatan pekerjaan. Dengan menggunakan komunikasi ini, setiap agen mampu melaporkan perkembangan mengenai rute perjalanan, ancaman musuh, serta kebutuhan bantuan dari anggota lain. Penentuan pekerjaan dilakukan secara otonom, bukan ditentukan melalui perintah khusus manusia. Pendekatan ini menjadi contoh penerapan kecerdasan kolektif berbasis perangkat lunak.
Contoh koordinasi yang menarik terlihat ketika karakter mengalami kematian. Dalam Minecraft, barang yang dibawa pemain berpotensi tertinggal pada tempat kejadian. Sistem yang baru mengalami kegagalan berpeluang memberitahukan lokasi kematiannya kepada anggota tim lainnya. Setelah menerima informasi, anggota tim melakukan perjalanan menuju lokasi yang dilaporkan. Pendekatan pemulihan tersebut membantu mengurangi dampak kegagalan. Selama eksperimen, para agen juga bertukar ratusan pesan. Interaksi yang berlangsung menunjukkan pentingnya informasi bersama.
Ribuan Program dan Ratusan Kematian dalam Eksperimen Minecraft
Untuk mencapai tujuan akhir, para agen harus menyelesaikan banyak tahapan. Ketika permainan dimulai, para agen menyiapkan perlengkapan awal untuk membuat peralatan. Pada langkah berikutnya, tim perlu menemukan sumber daya yang lebih sulit. Dalam proses tersebut, agen menemui hambatan navigasi. Untuk mempertahankan kemajuan, para agen menggunakan temuan sebelumnya untuk menentukan tindakan. Setiap kemajuan dibutuhkan untuk membuka tahapan permainan lain. Karakteristik tersebut memberikan tantangan perencanaan jangka panjang.
Sesudah menjalankan serangkaian pekerjaan, para agen mampu menuntaskan pertarungan terakhir dalam waktu 27 jam dan 14 menit. Sepanjang proses menuju kemenangan, karakter yang dikendalikan AI tercatat mati sebanyak 605 kali. Banyaknya kematian itu menggambarkan tingginya kebutuhan percobaan dan pemulihan. Sebagian besar waktu dihabiskan dalam tahap pertarungan terakhir. Strategi yang digunakan pada tahap tersebut memanfaatkan penempatan blok sebagai pijakan untuk mengakses End Crystal yang berada di tempat tinggi. Strategi tersebut memungkinkan tim mengatasi hambatan pertempuran. Namun demikian, jumlah kegagalan yang tinggi tetap menjadi catatan.
Kelemahan Agen Gemini 4 Argon Meski Berhasil Menamatkan Minecraft
Keberhasilan agen AI juga membutuhkan biaya komputasi. Menurut estimasi biaya yang dijelaskan peneliti, 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. Selisih estimasi pengeluaran tersebut menunjukkan pentingnya memahami asumsi harga. Selain biaya, pengoperasian selama lebih dari satu hari membutuhkan pengelolaan pekerjaan berkelanjutan. Karena itu, efisiensi komputasi juga perlu dievaluasi.
Penelitian ini memiliki sejumlah batasan. Sebagai pertimbangan awal, permainan menggunakan pengaturan kesulitan Easy sehingga hasilnya belum tentu langsung berlaku pada semua tingkat kesulitan. Selain itu, agen memperoleh data lingkungan menggunakan Mineflayer, bukan mengandalkan penglihatan seperti manusia. Akses data semacam ini memungkinkan penggunaan informasi terstruktur dari permainan. Tidak kalah penting, eksperimen belum membuktikan tingkat keberhasilan dalam banyak percobaan. Oleh sebab itu, penelitian lanjutan perlu menguji berbagai kondisi guna mengetahui batas kemampuan sebenarnya.
Kesimpulan Keberhasilan Agen AI Google DeepMind di Minecraft
Hasil eksperimen agen AI dalam Minecraft 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 tingkat kesalahan program yang masih tinggi menunjukkan bahwa sistem belum sempurna. Seiring kemajuan kecerdasan buatan, penelitian ini berpotensi mendukung pengembangan agen pemrograman untuk pekerjaan dengan banyak tahapan saling bergantung. Menurut Anda, apakah kolaborasi beberapa agen kecerdasan buatan akan menjadi fondasi teknologi AI masa depan? Ceritakan pemikiran Anda mengenai masa depan pemrograman otomatis.
