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 melaporkan keberhasilan empat agen AI yang menjalankan misi permainan Minecraft secara otonom. Penelitian tersebut mengandalkan sistem Gemini 4 Argon yang ditugaskan mencapai satu sasaran, yaitu mengalahkan Ender Dragon. Berbeda dari permainan biasa, setiap agen mengoperasikan karakter melalui kode program. Dengan pendekatan tersebut, AI harus merencanakan tindakan sebelum menjalankan aktivitas permainan. Keberhasilan yang dilaporkan 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. Dokumen ilmiah tersebut tersedia sebagai makalah penelitian sejak 15 Oktober 2026. Ketika percobaan dimulai, para agen ditempatkan dalam dunia survival yang dibuat secara acak. Tingkat kesulitan berada pada tingkat Easy, sementara fitur perintah curang tidak digunakan. Para peneliti tidak menentukan strategi permainan untuk menentukan tindakan para pemain. Walaupun berjalan secara otonom, eksperimen dijalankan dalam sistem sandbox. Kondisi tersebut membedakan demonstrasi dari permainan manusia biasa.
Cara Agen AI Google DeepMind Menulis Ribuan Program Minecraft
Dalam menjalankan aktivitas Minecraft, setiap agen AI menggunakan pustaka sumber terbuka Mineflayer yang menyediakan antarmuka pemrograman untuk Minecraft. Berkat antarmuka Mineflayer, agen mampu menentukan arah perjalanan, melakukan penambangan, membuat peralatan, serta menjalankan strategi pertahanan. Ketika hendak menyelesaikan pekerjaan, agen menghasilkan instruksi melalui kode untuk menyelesaikan langkah permainan. Ketika instruksi menemui kesalahan, sistem mengevaluasi respons perangkat lunak dan menulis perbaikan. Proses pemrograman berulang ini menunjukkan penerapan AI sebagai agen coding.
Selama eksperimen berlangsung, keempat agen menulis sebanyak 2.783 program. Jumlah tersebut menunjukkan tingginya kebutuhan pengendalian. Instruksi yang dihasilkan tidak selalu berjalan tanpa kendala, karena sekitar 22 persen mengalami error ketika dijalankan. Namun demikian, agen berupaya memperbaiki strategi. Situasi tersebut memperlihatkan salah satu tantangan dalam pembangunan sistem yang menjalankan tugas panjang. Untuk penerapan di luar permainan, keberhasilan membutuhkan pemeriksaan hasil. Untuk memperoleh sistem yang lebih andal, pengawasan terhadap kualitas keluaran harus diperhatikan.
Cara Agen Google DeepMind Berkomunikasi untuk Mencapai Tujuan
Pencapaian yang dilaporkan Google DeepMind juga membutuhkan kerja sama antarsistem. Empat karakter yang dikendalikan AI menyampaikan pesan melalui fasilitas komunikasi permainan serta berbagi catatan pekerjaan. Dengan menggunakan komunikasi ini, setiap agen dapat menyampaikan temuan mengenai kondisi lingkungan, ancaman musuh, serta kebutuhan bantuan dari anggota lain. Penentuan pekerjaan muncul melalui keputusan para agen sendiri, bukan dipaksakan melalui pembagian manual. Sistem kerja sama tersebut menjadi contoh penerapan kecerdasan kolektif berbasis perangkat lunak.
Penerapan komunikasi praktis terjadi ketika pemain yang dikendalikan AI gagal bertahan. Dalam Minecraft, barang yang dimiliki sebelum kematian mungkin harus diambil kembali. Sistem yang baru mengalami kegagalan dapat membagikan informasi koordinat kepada agen lain dalam permainan. Selanjutnya, anggota tim dapat mencoba mengambil perlengkapan yang tertinggal. Bentuk kolaborasi tersebut berpotensi mempertahankan kemajuan permainan. Dalam proses permainan, para agen juga bertukar ratusan pesan. Hal tersebut memperlihatkan kebutuhan koordinasi antartugas.
Perjalanan Agen AI Mengalahkan Ender Dragon dalam 27 Jam
Untuk mencapai tujuan akhir, para agen harus menyelesaikan banyak tahapan. Ketika permainan dimulai, para agen mencari sumber daya penting untuk mendukung aktivitas eksplorasi. Setelah kebutuhan dasar terpenuhi, tim harus mengakses lingkungan permainan berbeda. Sepanjang tahap persiapan, agen berhadapan dengan kondisi yang tidak selalu terduga. Mereka juga menyusun strategi eksplorasi. Pencapaian pada satu tahap dibutuhkan untuk membuka tahapan permainan lain. Rangkaian ketergantungan ini memberikan tantangan perencanaan jangka panjang.
Pada akhirnya, para agen menyelesaikan sasaran utama permainan dalam waktu 27 jam dan 14 menit. Selama perjalanan tersebut, karakter yang dikendalikan AI mengalami 605 kematian. Angka tersebut memperlihatkan bahwa keberhasilan tidak berlangsung mulus. Hampir separuh durasi eksperimen digunakan untuk menghadapi Ender Dragon. Salah satu solusi yang ditemukan menggunakan tumpukan blok tanah untuk mengakses End Crystal yang berada di tempat tinggi. Cara yang dipilih AI membantu membuka peluang kemenangan. Walaupun tujuan akhirnya tercapai, efisiensi agen masih memiliki ruang perbaikan.
Biaya Komputasi dan Batas Eksperimen Minecraft Google DeepMind
Hasil eksperimen Google DeepMind tidak terlepas dari penggunaan sumber daya AI. Menurut estimasi biaya yang dijelaskan peneliti, proses mencapai kemenangan diperkirakan menelan biaya 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 berkaitan dengan tarif layanan yang digunakan. Selain biaya, pengoperasian selama lebih dari satu hari membutuhkan pengelolaan pekerjaan berkelanjutan. 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. Pertimbangan lainnya, agen membaca keadaan dunia melalui representasi terstruktur, bukan memproses tampilan visual sebagaimana pemain biasa. Akses data semacam ini dapat memberikan detail lingkungan yang sulit dilihat pemain manusia. Ketiga, eksperimen tidak menunjukkan bahwa seluruh pengujian akan berakhir sama. Karena itu, penelitian lanjutan dapat mengevaluasi pengulangan eksperimen guna memahami keandalan strategi.
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, berkoordinasi melalui komunikasi antarsistem, dan memulihkan diri setelah berbagai kegagalan, keempat agen berhasil mengalahkan Ender Dragon. Walaupun hasil akhirnya berhasil, 605 kematian serta penggunaan sumber daya komputasi yang besar memperlihatkan kebutuhan pengembangan lanjutan. Di tengah pertumbuhan sistem agen otonom, penelitian ini membuka peluang penelitian koordinasi multiagen untuk tugas perangkat lunak yang kompleks. Dari sudut pandang Anda, apakah agen AI yang mampu menamatkan Minecraft akan mempercepat perkembangan asisten pemrograman? Bagikan pendapat Anda mengenai potensi kerja sama kecerdasan buatan dalam menyelesaikan tugas kompleks.
