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.
Empat Agen Gemini 4 Argon Berhasil Mengalahkan Ender Dragon
Para peneliti Google DeepMind berhasil mendemonstrasikan empat agen AI yang berkolaborasi menyelesaikan tantangan Minecraft. Pengujian yang dilakukan para ilmuwan mengandalkan sistem Gemini 4 Argon yang menerima target permainan yang sama, yaitu menaklukkan musuh terakhir Minecraft. Berbeda dari permainan biasa, setiap agen mengontrol pemain menggunakan program yang ditulis sendiri. Melalui metode ini, AI perlu menyusun strategi sebelum menggerakkan karakter. Pencapaian eksperimen tersebut memberikan gambaran potensi AI untuk tugas panjang.
Penelitian Google DeepMind ini didokumentasikan dalam karya riset berjudul A team of Gemini 4 Argon agents beats Minecraft yang ditulis oleh Maxence Faldor, Satinder Singh, dan Roberta Raileanu. Hasil penelitian itu dipublikasikan pada 15 Oktober 2026. Ketika percobaan dimulai, para agen ditempatkan dalam dunia survival yang dibuat secara acak. Mode permainan menggunakan pilihan Easy, sementara fitur perintah curang tidak digunakan. Pengawas penelitian tidak memberikan pembagian peran untuk mengatur pekerjaan karakter. Kendati tidak diarahkan selama permainan, eksperimen dijalankan dalam sistem sandbox. Pengaturan penelitian ini penting untuk memahami hasil secara tepat.
Cara Agen AI Google DeepMind Menulis Ribuan Program Minecraft
Dalam menjalankan aktivitas Minecraft, setiap agen AI mengandalkan perangkat lunak Mineflayer yang memungkinkan pengendalian karakter melalui JavaScript. Melalui pustaka tersebut, agen dapat menggerakkan karakter, mengumpulkan material, merakit item permainan, serta menghadapi musuh. Setiap kali membutuhkan tindakan, agen menghasilkan instruksi melalui kode untuk menyelesaikan langkah permainan. Apabila program mengalami masalah, sistem berupaya memahami kegagalan program dan mencoba pendekatan pemrograman lain. Kemampuan tersebut menunjukkan penerapan AI sebagai agen coding.
Sepanjang perjalanan menuju kemenangan, keempat agen menulis sebanyak 2.783 program. Banyaknya instruksi pemrograman tersebut memperlihatkan kompleksitas pekerjaan. Program yang ditulis masih menghadapi masalah eksekusi, karena sekitar 22 persen berakhir dengan kesalahan. Walaupun kesalahan cukup sering terjadi, agen tetap dapat melanjutkan pekerjaan. Kemampuan menghadapi kegagalan ini menjadi contoh penting dalam penerapan pemrograman berbasis AI. Pada pekerjaan perangkat lunak profesional, kemampuan menulis kode saja belum cukup. Oleh sebab itu, penanganan kesalahan menjadi bagian penting.
Koordinasi Empat Agen Gemini dalam Menyelesaikan Minecraft
Keberhasilan eksperimen tidak hanya bergantung pada kemampuan pemrograman. Empat karakter yang dikendalikan AI menyampaikan pesan melalui fasilitas komunikasi permainan serta berbagi catatan pekerjaan. Melalui mekanisme tersebut, setiap agen mampu melaporkan perkembangan mengenai rute perjalanan, risiko di wilayah tertentu, serta tugas yang sedang dikerjakan. Pengaturan aktivitas tim muncul melalui keputusan para agen sendiri, bukan ditetapkan secara langsung oleh peneliti. Koordinasi multiagen tersebut memperlihatkan potensi kolaborasi AI.
Salah satu bentuk kerja sama muncul saat salah satu agen kehilangan perlengkapannya. Pada mekanisme permainan tersebut, barang yang dibawa pemain mungkin harus diambil kembali. Karakter AI yang kehilangan barang berpeluang memberitahukan lokasi kematiannya kepada agen lain dalam permainan. Setelah menerima informasi, anggota tim melakukan perjalanan menuju lokasi yang dilaporkan. Pendekatan pemulihan tersebut membantu mengurangi dampak kegagalan. Sepanjang pelaksanaan tantangan, para agen juga bertukar ratusan pesan. Hal tersebut memperlihatkan kebutuhan koordinasi antartugas.
Tantangan Google DeepMind Menyelesaikan Minecraft Secara Otonom
Sebelum dapat menghadapi Ender Dragon, para agen harus menyelesaikan banyak tahapan. Ketika permainan dimulai, para agen mencari sumber daya penting untuk membuat peralatan. Selanjutnya, tim dituntut mencari material untuk membuka jalur berikutnya. Sepanjang tahap persiapan, agen berhadapan dengan kondisi yang tidak selalu terduga. Keempat sistem tersebut turut mengubah rencana berdasarkan informasi baru. Setiap kemajuan mempengaruhi pilihan tindakan selanjutnya. Rangkaian ketergantungan ini sesuai untuk mempelajari kemampuan agen menyelesaikan tugas kompleks.
Sesudah menjalankan serangkaian pekerjaan, para agen berhasil mengalahkan Ender Dragon dalam durasi total 27 jam 14 menit. Sepanjang proses menuju kemenangan, karakter yang dikendalikan AI menghadapi total 605 kematian. Banyaknya kematian itu menggambarkan tingginya kebutuhan percobaan dan pemulihan. Hampir separuh durasi eksperimen digunakan untuk menghadapi Ender Dragon. Strategi yang digunakan pada tahap tersebut memanfaatkan penempatan blok sebagai pijakan untuk menghancurkan kristal yang mendukung pemulihan Ender Dragon. Cara yang dipilih AI menjadi bagian penting dalam penyelesaian misi. Meski kemenangan berhasil diperoleh, efisiensi agen masih memiliki ruang perbaikan.
Biaya Komputasi dan Batas Eksperimen Minecraft Google DeepMind
Hasil eksperimen Google DeepMind memerlukan pemrosesan model dalam jumlah besar. Berdasarkan perhitungan dalam penelitian, proses mencapai kemenangan memiliki estimasi biaya sekitar 520 dolar AS menggunakan harga promosi awal model. Jika dihitung memakai harga reguler, jumlah tersebut meningkat menjadi sekitar 1.040 dolar AS. Variasi perhitungan biaya ini berkaitan dengan tarif layanan yang digunakan. Pada sisi sumber daya, pengoperasian selama lebih dari satu hari memerlukan kestabilan sistem. Dengan mempertimbangkan karakteristiknya, biaya dan keandalan menjadi indikator penting.
Penelitian ini memiliki sejumlah batasan. Sebagai pertimbangan awal, permainan dijalankan pada tingkat Easy sehingga risiko pertempuran tidak sama dengan tingkat Hard. Pertimbangan lainnya, agen memperoleh data lingkungan menggunakan Mineflayer, bukan melihat layar permainan secara langsung. Akses data semacam ini memungkinkan penggunaan informasi terstruktur dari permainan. Batasan berikutnya, eksperimen belum membuktikan tingkat keberhasilan dalam banyak percobaan. Karena itu, penelitian lanjutan dapat mengevaluasi pengulangan eksperimen guna mengetahui batas kemampuan sebenarnya.
Dampak Eksperimen Gemini 4 Argon bagi Perkembangan TEKNOLOGI
Pencapaian tim Gemini 4 Argon memperlihatkan kemajuan menarik dalam penerapan pemrograman otomatis. Dengan menulis 2.783 program JavaScript, membagi pekerjaan secara mandiri, dan menyesuaikan tindakan berdasarkan hasil sebelumnya, keempat agen mampu menyelesaikan target permainan. Meski pencapaian tersebut penting, 605 kematian serta penggunaan sumber daya komputasi yang besar menjadi pengingat penting mengenai batas kemampuan AI. Seiring kemajuan kecerdasan buatan, penelitian ini membuka peluang penelitian koordinasi multiagen untuk tugas perangkat lunak yang kompleks. Dari sudut pandang Anda, apakah kolaborasi beberapa agen kecerdasan buatan akan membantu otomatisasi pekerjaan digital? Bagikan pendapat Anda mengenai masa depan pemrograman otomatis.
