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
Para peneliti Google DeepMind berhasil mendemonstrasikan empat agen AI yang menjalankan misi permainan Minecraft secara otonom. Penelitian tersebut mengandalkan sistem Gemini 4 Argon yang diberikan satu tujuan utama, yaitu menyelesaikan pertarungan melawan Ender Dragon. Jika dibandingkan dengan pengalaman bermain menggunakan keyboard, setiap agen mengontrol pemain menggunakan program yang ditulis sendiri. Melalui metode ini, AI perlu menyusun strategi sebelum mengambil sumber daya. Pencapaian eksperimen tersebut memperlihatkan perkembangan agen pemrograman.
Uji kemampuan agen AI tersebut dipaparkan melalui publikasi penelitian berjudul A team of Gemini 4 Argon agents beats Minecraft yang dikerjakan oleh Maxence Faldor, Satinder Singh, dan Roberta Raileanu. Dokumen ilmiah tersebut dirilis melalui arXiv pada 15 Oktober 2026. Ketika percobaan dimulai, para agen menggunakan dunia permainan survival yang belum dipilih sebelumnya. Tingkat kesulitan berada pada tingkat Easy, sementara fitur perintah curang tidak digunakan. Para peneliti tidak menentukan strategi permainan untuk membantu setiap agen. Walaupun berjalan secara otonom, eksperimen menggunakan infrastruktur penelitian yang diawasi. Pengaturan penelitian ini penting untuk memahami hasil secara tepat.
Mekanisme Pemrograman Otomatis dalam Eksperimen Minecraft
Ketika berinteraksi dengan dunia virtual, setiap agen AI menggunakan pustaka sumber terbuka Mineflayer yang menyediakan antarmuka pemrograman untuk Minecraft. Melalui pustaka tersebut, agen dapat menggerakkan karakter, mengambil sumber daya, menjalankan proses crafting, serta menghadapi musuh. Ketika hendak menyelesaikan pekerjaan, agen menulis rangkaian perintah pemrograman untuk menyelesaikan langkah permainan. Apabila program mengalami masalah, sistem berupaya memahami kegagalan program dan menyusun instruksi pengganti. Mekanisme pengendalian tersebut menjadi bagian penting keberhasilan eksperimen.
Sepanjang perjalanan menuju kemenangan, keempat agen menciptakan total 2.783 rangkaian kode. Banyaknya instruksi pemrograman tersebut menggambarkan banyaknya tindakan yang harus direncanakan. Kode yang digunakan 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, kemampuan menulis kode saja belum cukup. Dengan mempertimbangkan hal tersebut, mekanisme pengujian dan pemulihan tetap diperlukan.
Strategi Pembagian Tugas dan Memori Bersama pada Agen AI
Keberhasilan eksperimen juga membutuhkan kerja sama antarsistem. Seluruh anggota tim virtual menyampaikan pesan melalui fasilitas komunikasi permainan serta mengakses penyimpanan informasi kolektif. Dengan menggunakan komunikasi ini, setiap agen mampu melaporkan perkembangan 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. Pendekatan ini menjadi contoh penerapan kecerdasan kolektif berbasis perangkat lunak.
Contoh koordinasi yang menarik terlihat ketika karakter mengalami kematian. Dalam Minecraft, barang yang dimiliki sebelum kematian dapat terjatuh di lokasi tertentu. Karakter AI yang kehilangan barang berpeluang memberitahukan lokasi kematiannya kepada agen lain dalam permainan. Berdasarkan pesan yang diberikan, anggota tim melakukan perjalanan menuju lokasi yang dilaporkan. Bentuk kolaborasi tersebut membantu mengurangi dampak kegagalan. Selama eksperimen, para agen juga bertukar ratusan pesan. Pola komunikasi tersebut memperlihatkan kebutuhan koordinasi antartugas.
Ribuan Program dan Ratusan Kematian dalam Eksperimen Minecraft
Sebelum dapat menghadapi Ender Dragon, para agen harus menyelesaikan banyak tahapan. Mereka terlebih dahulu mengumpulkan bahan dasar untuk mendukung aktivitas eksplorasi. Selanjutnya, tim harus mengakses lingkungan permainan berbeda. Dalam proses tersebut, agen menghadapi berbagai ancaman. Keempat sistem tersebut turut menyusun strategi eksplorasi. Hasil dari sebuah pekerjaan dibutuhkan untuk membuka tahapan permainan lain. Karakteristik tersebut membuat Minecraft menjadi lingkungan pengujian yang menarik.
Setelah melewati berbagai tahapan, para agen berhasil mengalahkan Ender Dragon dalam 27 jam 14 menit. Sepanjang proses menuju kemenangan, karakter yang dikendalikan AI tercatat mati sebanyak 605 kali. Jumlah kegagalan karakter tersebut menggambarkan tingginya kebutuhan percobaan dan pemulihan. Sebagian besar waktu dihabiskan dalam tahap pertarungan terakhir. Pendekatan yang dipilih para agen memanfaatkan penempatan blok sebagai pijakan untuk menghancurkan kristal yang mendukung pemulihan Ender Dragon. Taktik selama pertarungan memungkinkan tim mengatasi hambatan pertempuran. Walaupun tujuan akhirnya tercapai, jumlah kegagalan yang tinggi tetap menjadi catatan.
Biaya Komputasi dan Batas Eksperimen Minecraft Google DeepMind
Keberhasilan agen AI juga membutuhkan biaya komputasi. Dalam evaluasi penggunaan model, proses mencapai kemenangan diperkirakan menelan biaya sekitar 520 dolar AS menggunakan harga promosi awal model. Apabila menggunakan tarif standar, jumlah tersebut setara dengan perkiraan biaya 1.040 dolar AS. Perbedaan angka tersebut berkaitan dengan tarif layanan yang digunakan. Di luar kebutuhan finansial, pengoperasian selama lebih dari satu hari memerlukan kestabilan sistem. Karena itu, efisiensi komputasi juga perlu dievaluasi.
Penelitian ini memiliki sejumlah batasan. Sebagai pertimbangan awal, permainan berlangsung dengan kesulitan yang lebih rendah sehingga risiko pertempuran tidak sama dengan tingkat Hard. Selain itu, agen mengakses informasi permainan melalui antarmuka program, bukan memproses tampilan visual sebagaimana pemain biasa. Metode pengendalian tersebut berbeda dari pengalaman yang mengandalkan gambar layar. Ketiga, eksperimen tidak menunjukkan bahwa seluruh pengujian akan berakhir sama. Untuk menilai kemampuan lebih luas, penelitian lanjutan sebaiknya membandingkan tingkat kesulitan berbeda guna memahami keandalan strategi.
Kesimpulan Keberhasilan Agen AI Google DeepMind di Minecraft
Pencapaian tim Gemini 4 Argon menunjukkan perkembangan penting dalam bidang agen kecerdasan buatan. Berkat kemampuan menghasilkan 2.783 program JavaScript, berkoordinasi melalui komunikasi antarsistem, dan memperbaiki strategi ketika menghadapi hambatan, keempat agen berhasil mengalahkan Ender Dragon. Walaupun hasil akhirnya berhasil, 605 kematian serta penggunaan sumber daya komputasi yang besar memperlihatkan kebutuhan pengembangan lanjutan. Seiring kemajuan kecerdasan buatan, penelitian ini berpotensi mendukung pengembangan agen pemrograman untuk tugas perangkat lunak yang kompleks. Dari sudut pandang Anda, apakah agen AI yang mampu menamatkan Minecraft akan mempercepat perkembangan asisten pemrograman? Sampaikan pandangan Anda mengenai masa depan pemrograman otomatis.
