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
Tim riset kecerdasan buatan Google DeepMind melaporkan keberhasilan empat agen AI yang bekerja sama menamatkan Minecraft. Penelitian tersebut menggunakan model Gemini 4 Argon yang menerima target permainan yang sama, yaitu mengalahkan Ender Dragon. Berbeda dari permainan biasa, setiap agen menjalankan aksi dengan instruksi pemrograman. Dengan pendekatan tersebut, AI harus merencanakan tindakan sebelum mengambil sumber daya. Keberhasilan yang dilaporkan memberikan gambaran potensi AI untuk tugas panjang.
Eksperimen tersebut dipaparkan melalui publikasi penelitian berjudul A team of Gemini 4 Argon agents beats Minecraft yang disusun oleh Maxence Faldor, Satinder Singh, dan Roberta Raileanu. Makalah tersebut dipublikasikan pada 15 Oktober 2026. Pada pelaksanaan eksperimen, para agen ditempatkan dalam dunia survival yang dibuat secara acak. Mode permainan berada pada tingkat Easy, sementara perintah cheat dinonaktifkan. Tim pengembang eksperimen tidak memberikan pembagian peran untuk mengatur pekerjaan karakter. Kendati tidak diarahkan selama permainan, eksperimen tetap berlangsung di lingkungan pengujian terkontrol. Pengaturan penelitian ini membedakan demonstrasi dari permainan manusia biasa.
Mekanisme Pemrograman Otomatis dalam Eksperimen Minecraft
Dalam menjalankan aktivitas Minecraft, setiap agen AI memanfaatkan library Mineflayer yang menyediakan antarmuka pemrograman untuk Minecraft. Dengan bantuan perangkat lunak ini, agen mampu menentukan arah perjalanan, melakukan penambangan, menjalankan proses crafting, serta menghadapi musuh. Setiap kali membutuhkan tindakan, agen menulis rangkaian perintah pemrograman untuk menjalankan aktivitas yang direncanakan. Ketika instruksi menemui kesalahan, sistem mengevaluasi respons perangkat lunak dan menulis perbaikan. Mekanisme pengendalian tersebut menunjukkan penerapan AI sebagai agen coding.
Sepanjang perjalanan menuju kemenangan, keempat agen menulis sebanyak 2.783 program. Banyaknya instruksi pemrograman tersebut menunjukkan tingginya kebutuhan pengendalian. Program yang ditulis masih menghadapi masalah eksekusi, karena sekitar 22 persen berakhir dengan kesalahan. Namun demikian, agen berupaya memperbaiki strategi. Situasi tersebut memperlihatkan salah satu tantangan dalam pembangunan sistem yang menjalankan tugas panjang. Untuk penerapan di luar permainan, proses pemrograman harus disertai validasi. Oleh sebab itu, pengawasan terhadap kualitas keluaran harus diperhatikan.
Koordinasi Empat Agen Gemini dalam Menyelesaikan Minecraft
Hasil permainan tersebut ditentukan oleh koordinasi beberapa agen. Seluruh anggota tim virtual menyampaikan pesan melalui fasilitas komunikasi permainan serta berbagi catatan pekerjaan. Melalui mekanisme tersebut, setiap agen bisa membagikan informasi penting mengenai lokasi material, risiko di wilayah tertentu, serta pekerjaan yang telah selesai. Pengaturan aktivitas tim muncul melalui keputusan para agen sendiri, bukan ditentukan melalui perintah khusus manusia. Koordinasi multiagen tersebut membantu menjelaskan bagaimana beberapa agen dapat bekerja menuju satu sasaran.
Salah satu bentuk kerja sama muncul saat salah satu agen kehilangan perlengkapannya. Ketika karakter mati di dunia survival, barang yang dibawa pemain mungkin harus diambil kembali. Karakter AI yang kehilangan barang dapat membagikan informasi koordinat kepada anggota tim lainnya. Setelah menerima informasi, anggota tim melakukan perjalanan menuju lokasi yang dilaporkan. Bentuk kolaborasi tersebut berpotensi mempertahankan kemajuan permainan. Sepanjang pelaksanaan tantangan, para agen mengandalkan percakapan untuk menyesuaikan strategi. Pola komunikasi tersebut menunjukkan pentingnya informasi bersama.
Ribuan Program dan Ratusan Kematian dalam Eksperimen Minecraft
Untuk mencapai tujuan akhir, para agen harus menyelesaikan banyak tahapan. Pada tahap awal, sistem mengumpulkan bahan dasar untuk membuat peralatan. Selanjutnya, tim dituntut mencari material untuk membuka jalur berikutnya. Sepanjang tahap persiapan, agen berhadapan dengan kondisi yang tidak selalu terduga. Mereka juga menggunakan temuan sebelumnya untuk menentukan tindakan. Setiap kemajuan dibutuhkan untuk membuka tahapan permainan lain. Rangkaian ketergantungan ini sesuai untuk mempelajari kemampuan agen menyelesaikan tugas kompleks.
Sesudah menjalankan serangkaian pekerjaan, para agen mampu menuntaskan pertarungan terakhir dalam durasi total 27 jam 14 menit. Selama perjalanan tersebut, karakter yang dikendalikan AI mengalami 605 kematian. Jumlah kegagalan karakter tersebut menunjukkan masih adanya kesulitan pengambilan keputusan. Sebagian besar waktu digunakan untuk menghadapi Ender Dragon. Strategi yang digunakan pada tahap tersebut melibatkan pembangunan struktur tanah untuk menjangkau kristal penyembuh naga. Cara yang dipilih AI memungkinkan tim mengatasi hambatan pertempuran. Meski kemenangan berhasil diperoleh, efisiensi agen masih memiliki ruang perbaikan.
Biaya Komputasi dan Batas Eksperimen Minecraft Google DeepMind
Pencapaian sistem Gemini 4 Argon tidak terlepas dari penggunaan sumber daya AI. Dalam evaluasi penggunaan model, proses mencapai kemenangan memerlukan pengeluaran sekitar 520 dolar AS menggunakan tarif pengenalan yang dijadikan acuan. Jika dihitung memakai harga reguler, jumlah tersebut meningkat menjadi sekitar 1.040 dolar AS. Perbedaan angka tersebut perlu diperhatikan ketika membandingkan biaya eksperimen. Di luar kebutuhan finansial, pengoperasian selama lebih dari satu hari membutuhkan pengelolaan pekerjaan berkelanjutan. Dengan mempertimbangkan karakteristiknya, biaya dan keandalan menjadi indikator penting.
Penelitian ini memiliki sejumlah batasan. Salah satu batasannya, permainan berlangsung dengan kesulitan yang lebih rendah sehingga hasilnya belum tentu langsung berlaku pada semua tingkat kesulitan. Pertimbangan lainnya, agen memperoleh data lingkungan menggunakan Mineflayer, bukan mengandalkan penglihatan seperti manusia. Metode pengendalian tersebut berbeda dari pengalaman yang mengandalkan gambar layar. Tidak kalah penting, eksperimen merupakan demonstrasi satu penyelesaian. Oleh sebab itu, penelitian lanjutan perlu menguji berbagai kondisi guna mengukur konsistensi agen.
Kesimpulan Keberhasilan Agen AI Google DeepMind di Minecraft
Hasil eksperimen agen AI dalam Minecraft menghadirkan bukti kemampuan yang menjanjikan dalam penerapan pemrograman otomatis. Berkat kemampuan menghasilkan 2.783 program JavaScript, membagi pekerjaan secara mandiri, dan menyesuaikan tindakan berdasarkan hasil sebelumnya, keempat agen mampu menyelesaikan target permainan. Walaupun hasil akhirnya berhasil, 605 kematian serta tingkat kesalahan program yang masih tinggi memperlihatkan kebutuhan pengembangan lanjutan. Di tengah pertumbuhan sistem agen otonom, penelitian ini membuka peluang penelitian koordinasi multiagen untuk pekerjaan dengan banyak tahapan saling bergantung. Bagaimana pendapat Anda, apakah agen AI yang mampu menamatkan Minecraft akan menjadi fondasi teknologi AI masa depan? Bagikan pendapat Anda mengenai masa depan pemrograman otomatis.
