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. Pengujian yang dilakukan para ilmuwan 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 mengambil sumber daya. Pencapaian eksperimen tersebut menunjukkan kemampuan koordinasi yang menjanjikan.
Eksperimen tersebut dijelaskan dalam makalah ilmiah berjudul A team of Gemini 4 Argon agents beats Minecraft yang ditulis oleh Maxence Faldor, Satinder Singh, dan Roberta Raileanu. Hasil penelitian itu dirilis melalui arXiv pada 15 Oktober 2026. Dalam pengujiannya, para agen menggunakan dunia permainan survival yang belum dipilih sebelumnya. Pengaturan tantangan ditetapkan pada Easy, sementara fitur perintah curang tidak digunakan. Pengawas penelitian tidak menulis logika permainan khusus untuk menentukan tindakan para pemain. Kendati tidak diarahkan selama permainan, eksperimen tetap berlangsung di lingkungan pengujian terkontrol. Kondisi tersebut penting untuk memahami hasil secara tepat.
Mekanisme Pemrograman Otomatis dalam Eksperimen Minecraft
Dalam menjalankan aktivitas Minecraft, setiap agen AI menggunakan pustaka sumber terbuka Mineflayer yang memungkinkan pengendalian karakter melalui JavaScript. Berkat antarmuka Mineflayer, agen bisa mengendalikan aktivitas pemain, mengumpulkan material, menjalankan proses crafting, serta melakukan tindakan pertempuran. Ketika hendak menyelesaikan pekerjaan, agen menulis rangkaian perintah pemrograman untuk melaksanakan tindakan karakter. Jika kode tidak menghasilkan tindakan yang diharapkan, sistem mengevaluasi respons perangkat lunak dan mencoba pendekatan pemrograman lain. Kemampuan tersebut menunjukkan penerapan AI sebagai agen coding.
Sepanjang perjalanan menuju kemenangan, keempat agen menciptakan total 2.783 rangkaian kode. Ribuan program yang dihasilkan memperlihatkan kompleksitas pekerjaan. Program yang ditulis masih menghadapi masalah eksekusi, karena sekitar 22 persen tidak menyelesaikan eksekusi dengan benar. Namun demikian, agen tetap dapat melanjutkan pekerjaan. Situasi tersebut menjadi contoh penting dalam pengembangan agen AI otonom. Pada pekerjaan perangkat lunak profesional, 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 tidak hanya bergantung pada kemampuan pemrograman. Seluruh anggota tim virtual berkomunikasi melalui percakapan dalam permainan serta memanfaatkan memori bersama. Dengan menggunakan komunikasi ini, setiap agen mampu melaporkan perkembangan mengenai lokasi material, ancaman musuh, serta tugas yang sedang dikerjakan. Penentuan pekerjaan muncul melalui keputusan para agen sendiri, bukan ditetapkan secara langsung oleh peneliti. Koordinasi multiagen tersebut membantu menjelaskan bagaimana beberapa agen dapat bekerja menuju satu sasaran.
Penerapan komunikasi praktis terjadi ketika pemain yang dikendalikan AI gagal bertahan. Ketika karakter mati di dunia survival, barang yang tersimpan dalam inventaris karakter dapat terjatuh di lokasi tertentu. Agen yang mengalami kejadian tersebut dapat membagikan informasi koordinat kepada karakter yang masih beroperasi. Setelah menerima informasi, anggota tim membantu memulihkan barang penting. Pendekatan pemulihan tersebut membantu mengurangi dampak kegagalan. Sepanjang pelaksanaan tantangan, para agen mengandalkan percakapan untuk menyesuaikan strategi. Hal tersebut mendukung pengembangan sistem AI yang bekerja sebagai tim.
Perjalanan Agen AI Mengalahkan Ender Dragon dalam 27 Jam
Untuk mencapai tujuan akhir, para agen dituntut memenuhi sejumlah persyaratan permainan. Mereka terlebih dahulu mencari sumber daya penting untuk membuat peralatan. Selanjutnya, tim perlu menemukan sumber daya yang lebih sulit. Sepanjang tahap persiapan, agen berhadapan dengan kondisi yang tidak selalu terduga. Untuk mempertahankan kemajuan, para agen mengubah rencana berdasarkan informasi baru. Pencapaian pada satu tahap sering menjadi syarat bagi langkah berikutnya. Hubungan antartugas semacam ini sesuai untuk mempelajari kemampuan agen menyelesaikan tugas kompleks.
Sesudah menjalankan serangkaian pekerjaan, para agen menyelesaikan sasaran utama permainan dalam durasi total 27 jam 14 menit. Selama perjalanan tersebut, karakter yang dikendalikan AI mengalami 605 kematian. Jumlah kegagalan karakter tersebut memperlihatkan bahwa keberhasilan tidak berlangsung mulus. Hampir separuh durasi eksperimen digunakan untuk menghadapi Ender Dragon. Pendekatan yang dipilih para agen melibatkan pembangunan struktur tanah untuk mengakses End Crystal yang berada di tempat tinggi. Cara yang dipilih AI menjadi bagian penting dalam penyelesaian misi. Walaupun tujuan akhirnya tercapai, jumlah kegagalan yang tinggi tetap menjadi catatan.
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 diperkirakan menelan biaya sekitar 520 dolar AS menggunakan tarif pengenalan yang dijadikan acuan. Apabila menggunakan tarif standar, jumlah tersebut diperkirakan mencapai sekitar 1.040 dolar AS. Selisih estimasi pengeluaran tersebut berkaitan dengan tarif layanan yang digunakan. Di luar kebutuhan finansial, pengoperasian selama lebih dari satu hari membutuhkan pengelolaan pekerjaan berkelanjutan. Dengan mempertimbangkan karakteristiknya, efisiensi komputasi juga perlu dievaluasi.
Hasil Google DeepMind perlu dipahami berdasarkan kondisi pengujiannya. Pertama, permainan dijalankan pada tingkat Easy sehingga tantangannya berbeda dari mode lebih sulit. Pertimbangan lainnya, agen memperoleh data lingkungan menggunakan Mineflayer, bukan memproses tampilan visual sebagaimana pemain biasa. Akses data semacam ini dapat memberikan detail lingkungan yang sulit dilihat pemain manusia. Ketiga, eksperimen belum membuktikan tingkat keberhasilan dalam banyak percobaan. Karena itu, penelitian lanjutan perlu menguji berbagai kondisi guna mengetahui batas kemampuan sebenarnya.
Dampak Eksperimen Gemini 4 Argon bagi Perkembangan TEKNOLOGI
Pencapaian tim Gemini 4 Argon menghadirkan bukti kemampuan yang menjanjikan dalam pengembangan sistem AI otonom. Dengan menulis 2.783 program JavaScript, mengatur tugas tanpa penugasan manusia, dan memperbaiki strategi ketika menghadapi hambatan, keempat agen menuntaskan tujuan utama eksperimen. Walaupun hasil akhirnya berhasil, 605 kematian serta keterbatasan pengujian pada mode Easy menjadi pengingat penting mengenai batas kemampuan AI. Dalam perkembangan TEKNOLOGI, penelitian ini dapat menjadi acuan studi perencanaan jangka panjang untuk tugas perangkat lunak yang kompleks. Menurut Anda, apakah agen AI yang mampu menamatkan Minecraft akan membantu otomatisasi pekerjaan digital? Ceritakan pemikiran Anda mengenai masa depan pemrograman otomatis.
