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 memperlihatkan melalui eksperimen empat agen AI yang berkolaborasi menyelesaikan tantangan Minecraft. Penelitian tersebut memanfaatkan agen berbasis Gemini 4 Argon yang diberikan satu tujuan utama, yaitu menyelesaikan pertarungan melawan Ender Dragon. Jika dibandingkan dengan pengalaman bermain menggunakan keyboard, setiap agen menjalankan aksi dengan instruksi pemrograman. Dengan pendekatan tersebut, AI harus merencanakan tindakan sebelum menggerakkan karakter. Pencapaian eksperimen tersebut memperlihatkan perkembangan agen pemrograman.
Penelitian Google DeepMind ini dipaparkan melalui publikasi penelitian berjudul A team of Gemini 4 Argon agents beats Minecraft yang disusun oleh Maxence Faldor, Satinder Singh, dan Roberta Raileanu. Dokumen ilmiah tersebut tersedia sebagai makalah penelitian sejak 15 Oktober 2026. Dalam pengujiannya, para agen memasuki lingkungan Minecraft dengan peta acak. Pengaturan tantangan menggunakan pilihan Easy, sementara fitur perintah curang tidak digunakan. Tim pengembang eksperimen tidak menulis logika permainan khusus untuk membantu setiap agen. Kendati tidak diarahkan selama permainan, eksperimen dijalankan dalam sistem sandbox. Batas eksperimen tersebut penting untuk memahami hasil secara tepat.
Teknologi Mineflayer Membantu Gemini Mengendalikan Karakter
Ketika berinteraksi dengan dunia virtual, setiap agen AI menggunakan pustaka sumber terbuka Mineflayer yang mendukung operasi pemain menggunakan kode. Berkat antarmuka Mineflayer, agen mampu menentukan arah perjalanan, mengambil sumber daya, merakit item permainan, serta menjalankan strategi pertahanan. Ketika hendak menyelesaikan pekerjaan, agen menulis rangkaian perintah pemrograman untuk menyelesaikan langkah permainan. Jika kode tidak menghasilkan tindakan yang diharapkan, sistem mengevaluasi respons perangkat lunak dan mencoba pendekatan pemrograman lain. Mekanisme pengendalian tersebut memperlihatkan penggunaan bahasa pemrograman untuk bertindak secara otonom.
Dalam keseluruhan proses menyelesaikan permainan, keempat agen menghasilkan 2.783 program JavaScript. Ribuan program yang dihasilkan memperlihatkan kompleksitas pekerjaan. Program yang ditulis tidak semuanya langsung berhasil, karena sekitar 22 persen berakhir dengan kesalahan. Meski tingkat kegagalan program tergolong berarti, agen berupaya memperbaiki strategi. Proses pemulihan tersebut menjadi contoh penting dalam pengembangan agen AI otonom. Pada pekerjaan perangkat lunak profesional, kemampuan menulis kode saja belum cukup. Oleh sebab itu, pengawasan terhadap kualitas keluaran harus diperhatikan.
Koordinasi Empat Agen Gemini dalam Menyelesaikan Minecraft
Pencapaian yang dilaporkan Google DeepMind ditentukan oleh koordinasi beberapa agen. Empat karakter yang dikendalikan AI bertukar informasi menggunakan chat Minecraft serta mengakses penyimpanan informasi kolektif. Dengan menggunakan komunikasi ini, setiap agen bisa membagikan informasi penting mengenai rute perjalanan, ancaman musuh, serta tugas yang sedang dikerjakan. Pembagian peran berkembang selama interaksi berlangsung, bukan ditetapkan secara langsung oleh peneliti. Pendekatan ini membantu menjelaskan bagaimana beberapa agen dapat bekerja menuju satu sasaran.
Contoh koordinasi yang menarik terjadi ketika pemain yang dikendalikan AI gagal bertahan. Pada mekanisme permainan tersebut, barang yang dibawa pemain dapat terjatuh di lokasi tertentu. Agen yang mengalami kejadian tersebut berpeluang memberitahukan lokasi kematiannya kepada anggota tim lainnya. Selanjutnya, anggota tim melakukan perjalanan menuju lokasi yang dilaporkan. Bentuk kolaborasi tersebut memungkinkan sumber daya digunakan kembali. Selama eksperimen, para agen mengandalkan percakapan untuk menyesuaikan strategi. Interaksi yang berlangsung menunjukkan pentingnya informasi bersama.
Tantangan Google DeepMind Menyelesaikan Minecraft Secara Otonom
Dalam perjalanan menuju pertarungan terakhir, para agen dituntut memenuhi sejumlah persyaratan permainan. Ketika permainan dimulai, para agen mencari sumber daya penting untuk membuat peralatan. Setelah kebutuhan dasar terpenuhi, tim dituntut mencari material untuk membuka jalur berikutnya. Ketika menjelajahi dunia Minecraft, agen berhadapan dengan kondisi yang tidak selalu terduga. Untuk mempertahankan kemajuan, para agen mengubah rencana berdasarkan informasi baru. Setiap kemajuan mempengaruhi pilihan tindakan selanjutnya. Karakteristik tersebut memberikan tantangan perencanaan jangka panjang.
Setelah melewati berbagai tahapan, para agen berhasil mengalahkan Ender Dragon dalam durasi total 27 jam 14 menit. Selama perjalanan tersebut, karakter yang dikendalikan AI menghadapi total 605 kematian. Jumlah kegagalan karakter tersebut menggambarkan tingginya kebutuhan percobaan dan pemulihan. Porsi waktu yang cukup besar tercurah pada upaya mengalahkan bos terakhir. Strategi yang digunakan pada tahap tersebut memanfaatkan penempatan blok sebagai pijakan untuk menjangkau kristal penyembuh naga. Taktik selama pertarungan menjadi bagian penting dalam penyelesaian misi. Walaupun tujuan akhirnya tercapai, hasil tersebut belum menunjukkan kemampuan bermain tanpa kesalahan.
Biaya Komputasi dan Batas Eksperimen Minecraft Google DeepMind
Hasil eksperimen Google DeepMind juga membutuhkan biaya komputasi. Dalam evaluasi penggunaan model, proses mencapai kemenangan diperkirakan menelan biaya sekitar 520 dolar AS menggunakan harga promosi awal model. Jika dihitung memakai harga reguler, 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 memerlukan kestabilan sistem. Oleh sebab itu, biaya dan keandalan menjadi indikator penting.
Penelitian ini memiliki sejumlah batasan. Sebagai pertimbangan awal, permainan dijalankan pada tingkat Easy sehingga tantangannya berbeda dari mode lebih sulit. Kedua, agen mengakses informasi permainan melalui antarmuka program, bukan memproses tampilan visual sebagaimana pemain biasa. Informasi tersebut memungkinkan penggunaan informasi terstruktur dari permainan. Tidak kalah penting, eksperimen merupakan demonstrasi satu penyelesaian. Untuk menilai kemampuan lebih luas, penelitian lanjutan perlu menguji berbagai kondisi guna mengukur konsistensi agen.
Masa Depan AI Otonom setelah Eksperimen Minecraft
Pencapaian tim Gemini 4 Argon memperlihatkan kemajuan menarik dalam penerapan pemrograman otomatis. Berkat kemampuan menghasilkan 2.783 program JavaScript, berkoordinasi melalui komunikasi antarsistem, dan menyesuaikan tindakan berdasarkan hasil sebelumnya, keempat agen menuntaskan tujuan utama eksperimen. 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 dapat menjadi acuan studi perencanaan jangka panjang untuk pekerjaan dengan banyak tahapan saling bergantung. Menurut Anda, apakah sistem yang dapat menulis ribuan program sendiri akan mempercepat perkembangan asisten pemrograman? Ceritakan pemikiran Anda mengenai potensi kerja sama kecerdasan buatan dalam menyelesaikan tugas kompleks.
