Agen AI Google DeepMind Berhasil Menamatkan Minecraft dengan Menulis Ribuan Program Sendiri
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
Para peneliti Google DeepMind berhasil mendemonstrasikan empat agen AI yang berkolaborasi menyelesaikan tantangan Minecraft. Pengujian yang dilakukan para ilmuwan menggunakan model Gemini 4 Argon yang menerima target permainan yang sama, yaitu menyelesaikan pertarungan melawan Ender Dragon. Berbeda dari permainan biasa, setiap agen mengontrol pemain menggunakan program yang ditulis sendiri. Berkat mekanisme pengendalian tersebut, AI perlu menyusun strategi sebelum menggerakkan karakter. Hasil akhirnya memperlihatkan perkembangan agen pemrograman.
Penelitian Google DeepMind ini didokumentasikan dalam karya riset berjudul A team of Gemini 4 Argon agents beats Minecraft yang dikerjakan oleh Maxence Faldor, Satinder Singh, dan Roberta Raileanu. Makalah tersebut dirilis melalui arXiv pada 15 Oktober 2026. Ketika percobaan dimulai, para agen ditempatkan dalam dunia survival yang dibuat secara acak. Tingkat kesulitan ditetapkan pada Easy, sementara perintah cheat dinonaktifkan. Pengawas penelitian tidak menentukan strategi permainan untuk mengatur pekerjaan karakter. Kendati tidak diarahkan selama permainan, eksperimen dijalankan dalam sistem sandbox. Batas eksperimen tersebut menjelaskan konteks keberhasilan yang dilaporkan.
Cara Agen AI Google DeepMind Menulis Ribuan Program Minecraft
Dalam menjalankan aktivitas Minecraft, setiap agen AI memanfaatkan library Mineflayer yang memungkinkan pengendalian karakter melalui JavaScript. Melalui pustaka tersebut, agen mampu menentukan arah perjalanan, mengambil sumber daya, membuat peralatan, serta menghadapi musuh. Saat menghadapi situasi tertentu, agen menulis rangkaian perintah pemrograman untuk menjalankan aktivitas yang direncanakan. Apabila program mengalami masalah, sistem mengevaluasi respons perangkat lunak dan menyusun instruksi pengganti. Proses pemrograman berulang ini menunjukkan penerapan AI sebagai agen coding.
Dalam keseluruhan proses menyelesaikan permainan, keempat agen menciptakan total 2.783 rangkaian kode. Ribuan program yang dihasilkan memperlihatkan kompleksitas pekerjaan. Kode yang digunakan masih menghadapi masalah eksekusi, karena sekitar 22 persen tidak menyelesaikan eksekusi dengan benar. Namun demikian, agen mampu mencoba kembali melalui instruksi baru. Proses pemulihan tersebut memberikan gambaran menarik dalam pembangunan sistem yang menjalankan tugas panjang. Untuk penerapan di luar permainan, keberhasilan membutuhkan pemeriksaan hasil. Untuk memperoleh sistem yang lebih andal, penanganan kesalahan menjadi bagian penting.
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 mengakses penyimpanan informasi kolektif. Berkat sistem koordinasi tersebut, setiap agen bisa membagikan informasi penting mengenai kondisi lingkungan, ancaman musuh, serta pekerjaan yang telah selesai. Pembagian peran berkembang selama interaksi berlangsung, bukan ditentukan melalui perintah khusus manusia. Pendekatan ini membantu menjelaskan bagaimana beberapa agen dapat bekerja menuju satu sasaran.
Salah satu bentuk kerja sama muncul saat salah satu agen kehilangan perlengkapannya. Pada mekanisme permainan tersebut, barang yang dibawa pemain berpotensi tertinggal pada tempat kejadian. Agen yang mengalami kejadian tersebut dapat membagikan informasi koordinat kepada agen lain dalam permainan. Setelah menerima informasi, anggota tim melakukan perjalanan menuju lokasi yang dilaporkan. Pendekatan pemulihan tersebut memungkinkan sumber daya digunakan kembali. Dalam proses permainan, para agen mengandalkan percakapan untuk menyesuaikan strategi. Pola komunikasi tersebut mendukung pengembangan sistem AI yang bekerja sebagai tim.
Perjalanan Agen AI Mengalahkan Ender Dragon dalam 27 Jam
Dalam perjalanan menuju pertarungan terakhir, para agen perlu melewati rangkaian pekerjaan panjang. Ketika permainan dimulai, para agen mengumpulkan bahan dasar untuk mendukung aktivitas eksplorasi. Setelah kebutuhan dasar terpenuhi, tim dituntut mencari material untuk membuka jalur berikutnya. Dalam proses tersebut, agen menemui hambatan navigasi. Mereka juga menggunakan temuan sebelumnya untuk menentukan tindakan. Hasil dari sebuah pekerjaan sering menjadi syarat bagi langkah berikutnya. Karakteristik tersebut membuat Minecraft menjadi lingkungan pengujian yang menarik.
Setelah melewati berbagai tahapan, para agen berhasil mengalahkan Ender Dragon dalam 27 jam 14 menit. Selama perjalanan tersebut, karakter yang dikendalikan AI menghadapi total 605 kematian. Banyaknya kematian itu menggambarkan tingginya kebutuhan percobaan dan pemulihan. Hampir separuh durasi eksperimen tercurah pada upaya mengalahkan bos terakhir. Strategi yang digunakan pada tahap tersebut melibatkan pembangunan struktur tanah untuk menjangkau kristal penyembuh naga. Strategi tersebut menjadi bagian penting dalam penyelesaian misi. Walaupun tujuan akhirnya tercapai, efisiensi agen masih memiliki ruang perbaikan.
Kelemahan Agen Gemini 4 Argon Meski Berhasil Menamatkan Minecraft
Pencapaian sistem Gemini 4 Argon tidak terlepas dari penggunaan sumber daya AI. Berdasarkan perhitungan dalam penelitian, proses mencapai kemenangan diperkirakan menelan biaya sekitar 520 dolar AS menggunakan perhitungan berdasarkan tarif pengantar. Jika dihitung memakai harga reguler, jumlah tersebut meningkat menjadi sekitar 1.040 dolar AS. Variasi perhitungan biaya ini berkaitan dengan tarif layanan yang digunakan. Di luar kebutuhan finansial, pengoperasian selama lebih dari satu hari membutuhkan pengelolaan pekerjaan berkelanjutan. Oleh sebab itu, efisiensi komputasi juga perlu dievaluasi.
Penelitian ini memiliki sejumlah batasan. Pertama, permainan menggunakan pengaturan kesulitan Easy sehingga risiko pertempuran tidak sama dengan tingkat Hard. Selain itu, agen mengakses informasi permainan melalui antarmuka program, bukan melihat layar permainan secara langsung. Akses data semacam ini dapat memberikan detail lingkungan yang sulit dilihat pemain manusia. Tidak kalah penting, eksperimen tidak menunjukkan bahwa seluruh pengujian akan berakhir sama. Oleh sebab itu, penelitian lanjutan dapat mengevaluasi pengulangan eksperimen guna mengukur konsistensi agen.
Masa Depan AI Otonom setelah Eksperimen Minecraft
Hasil eksperimen agen AI dalam Minecraft menunjukkan perkembangan penting dalam pengembangan sistem AI otonom. Melalui pembuatan 2.783 program JavaScript, membagi pekerjaan secara mandiri, dan menyesuaikan tindakan berdasarkan hasil sebelumnya, keempat agen menuntaskan tujuan utama eksperimen. Walaupun hasil akhirnya berhasil, 605 kematian serta keterbatasan pengujian pada mode Easy menjadi pengingat penting mengenai batas kemampuan AI. Seiring kemajuan kecerdasan buatan, penelitian ini berpotensi mendukung pengembangan agen pemrograman untuk pekerjaan dengan banyak tahapan saling bergantung. Dari sudut pandang Anda, apakah agen AI yang mampu menamatkan Minecraft akan mempercepat perkembangan asisten pemrograman? Bagikan pendapat Anda mengenai perkembangan agen AI.
