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
Sekelompok ilmuwan dari Google DeepMind berhasil mendemonstrasikan empat agen AI yang berkolaborasi menyelesaikan tantangan Minecraft. Eksperimen ini mengandalkan sistem Gemini 4 Argon yang diberikan satu tujuan utama, yaitu menaklukkan musuh terakhir Minecraft. Berbeda dari permainan biasa, setiap agen mengoperasikan karakter melalui kode program. Dengan pendekatan tersebut, AI perlu menyusun strategi sebelum menjalankan aktivitas permainan. Pencapaian eksperimen tersebut menunjukkan kemampuan koordinasi yang menjanjikan.
Penelitian Google DeepMind ini dipaparkan melalui publikasi penelitian berjudul A team of Gemini 4 Argon agents beats Minecraft yang dikerjakan oleh Maxence Faldor, Satinder Singh, dan Roberta Raileanu. Makalah tersebut tersedia sebagai makalah penelitian sejak 15 Oktober 2026. Pada pelaksanaan eksperimen, para agen ditempatkan dalam dunia survival yang dibuat secara acak. Mode permainan menggunakan pilihan Easy, sementara penggunaan cheat tidak diizinkan. Para peneliti tidak memberikan pembagian peran untuk menentukan tindakan para pemain. Kendati tidak diarahkan selama permainan, eksperimen tetap berlangsung di lingkungan pengujian terkontrol. Pengaturan penelitian ini penting untuk memahami hasil secara tepat.
Cara Agen AI Google DeepMind Menulis Ribuan Program Minecraft
Ketika berinteraksi dengan dunia virtual, setiap agen AI menggunakan pustaka sumber terbuka Mineflayer yang menyediakan antarmuka pemrograman untuk Minecraft. Dengan bantuan perangkat lunak ini, agen mampu menentukan arah perjalanan, melakukan penambangan, merakit item permainan, serta menghadapi musuh. Ketika hendak menyelesaikan pekerjaan, agen menghasilkan instruksi melalui kode untuk menyelesaikan langkah permainan. Jika kode tidak menghasilkan tindakan yang diharapkan, sistem mengevaluasi respons perangkat lunak dan menyusun instruksi pengganti. Mekanisme pengendalian tersebut memperlihatkan penggunaan bahasa pemrograman untuk bertindak secara otonom.
Dalam keseluruhan proses menyelesaikan permainan, keempat agen menghasilkan 2.783 program JavaScript. Banyaknya instruksi pemrograman tersebut menunjukkan tingginya kebutuhan pengendalian. Program yang ditulis tidak semuanya langsung berhasil, karena sekitar 22 persen tidak menyelesaikan eksekusi dengan benar. Namun demikian, agen berupaya memperbaiki strategi. Kemampuan menghadapi kegagalan ini memberikan gambaran menarik dalam penerapan pemrograman berbasis AI. Untuk penerapan di luar permainan, 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 tidak hanya bergantung pada kemampuan pemrograman. Keempat agen bertukar informasi menggunakan chat Minecraft serta mengakses penyimpanan informasi kolektif. Melalui mekanisme tersebut, setiap agen dapat menyampaikan temuan mengenai rute perjalanan, risiko di wilayah tertentu, serta pekerjaan yang telah selesai. Pembagian peran muncul melalui keputusan para agen sendiri, bukan dipaksakan melalui pembagian manual. Sistem kerja sama tersebut menjadi contoh penerapan kecerdasan kolektif berbasis perangkat lunak.
Contoh koordinasi yang menarik terlihat ketika karakter mengalami kematian. Pada mekanisme permainan tersebut, barang yang dibawa pemain berpotensi tertinggal pada tempat kejadian. Agen yang mengalami kejadian tersebut mampu meminta bantuan melalui pesan kepada agen lain dalam permainan. Setelah menerima informasi, anggota tim membantu memulihkan barang penting. Strategi ini memungkinkan sumber daya digunakan kembali. Dalam proses permainan, para agen menggunakan komunikasi secara berulang. Hal tersebut menunjukkan pentingnya informasi bersama.
Ribuan Program dan Ratusan Kematian dalam Eksperimen Minecraft
Sebelum dapat menghadapi Ender Dragon, para agen dituntut memenuhi sejumlah persyaratan permainan. Pada tahap awal, sistem mencari sumber daya penting untuk membuat peralatan. Setelah kebutuhan dasar terpenuhi, tim dituntut mencari material untuk membuka jalur berikutnya. Ketika menjelajahi dunia Minecraft, agen menghadapi berbagai ancaman. Mereka juga menggunakan temuan sebelumnya untuk menentukan tindakan. Setiap kemajuan sering menjadi syarat bagi langkah berikutnya. Rangkaian ketergantungan ini memberikan tantangan perencanaan jangka panjang.
Pada akhirnya, para agen mampu menuntaskan pertarungan terakhir dalam waktu 27 jam dan 14 menit. Sepanjang proses menuju kemenangan, karakter yang dikendalikan AI mengalami 605 kematian. Banyaknya kematian itu memperlihatkan bahwa keberhasilan tidak berlangsung mulus. Hampir separuh durasi eksperimen digunakan untuk menghadapi Ender Dragon. Strategi yang digunakan pada tahap tersebut menggunakan tumpukan blok tanah untuk menjangkau kristal penyembuh naga. Cara yang dipilih AI memungkinkan tim mengatasi hambatan pertempuran. Walaupun tujuan akhirnya tercapai, jumlah kegagalan yang tinggi tetap menjadi catatan.
Kelemahan Agen Gemini 4 Argon Meski Berhasil Menamatkan Minecraft
Keberhasilan agen AI tidak terlepas dari penggunaan sumber daya AI. Menurut estimasi biaya yang dijelaskan peneliti, proses mencapai kemenangan memerlukan pengeluaran sekitar 520 dolar AS menggunakan tarif pengenalan yang dijadikan acuan. Dalam skema harga normal, 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 memerlukan kestabilan sistem. Oleh sebab itu, biaya dan keandalan menjadi indikator penting.
Hasil Google DeepMind perlu dipahami berdasarkan kondisi pengujiannya. Pertama, permainan berlangsung dengan kesulitan yang lebih rendah sehingga hasilnya belum tentu langsung berlaku pada semua tingkat kesulitan. Pertimbangan lainnya, agen membaca keadaan dunia melalui representasi terstruktur, bukan memproses tampilan visual sebagaimana pemain biasa. Akses data semacam ini 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 memahami keandalan strategi.
Masa Depan AI Otonom setelah Eksperimen Minecraft
Hasil eksperimen agen AI dalam Minecraft menunjukkan perkembangan penting dalam penerapan pemrograman otomatis. Berkat kemampuan menghasilkan 2.783 program JavaScript, berkoordinasi melalui komunikasi antarsistem, dan menyesuaikan tindakan berdasarkan hasil sebelumnya, keempat agen berhasil mengalahkan Ender Dragon. Meski pencapaian tersebut penting, 605 kematian serta penggunaan sumber daya komputasi yang besar menunjukkan bahwa sistem belum sempurna. Di tengah pertumbuhan sistem agen otonom, penelitian ini berpotensi mendukung pengembangan agen pemrograman untuk pekerjaan dengan banyak tahapan saling bergantung. Bagaimana pendapat Anda, apakah agen AI yang mampu menamatkan Minecraft akan membantu otomatisasi pekerjaan digital? Bagikan pendapat Anda mengenai masa depan pemrograman otomatis.
