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.
Empat Agen Gemini 4 Argon Berhasil Mengalahkan Ender Dragon
Para peneliti Google DeepMind memperlihatkan melalui eksperimen empat agen AI yang bekerja sama menamatkan Minecraft. Pengujian yang dilakukan para ilmuwan mengandalkan sistem Gemini 4 Argon yang menerima target permainan yang sama, yaitu menyelesaikan pertarungan melawan Ender Dragon. Jika dibandingkan dengan pengalaman bermain menggunakan keyboard, setiap agen menjalankan aksi dengan instruksi pemrograman. Dengan pendekatan tersebut, AI dituntut menentukan langkah sebelum menjalankan aktivitas permainan. Pencapaian eksperimen tersebut memberikan gambaran potensi AI untuk tugas panjang.
Penelitian Google DeepMind ini dijelaskan dalam makalah ilmiah berjudul A team of Gemini 4 Argon agents beats Minecraft yang ditulis oleh Maxence Faldor, Satinder Singh, dan Roberta Raileanu. Dokumen ilmiah tersebut dipublikasikan pada 15 Oktober 2026. Ketika percobaan dimulai, para agen menggunakan dunia permainan survival yang belum dipilih sebelumnya. Pengaturan tantangan menggunakan pilihan Easy, sementara perintah cheat dinonaktifkan. Tim pengembang eksperimen tidak memberikan pembagian peran untuk membantu setiap agen. Kendati tidak diarahkan selama permainan, eksperimen dijalankan dalam sistem sandbox. Kondisi tersebut 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. Dengan bantuan perangkat lunak ini, agen bisa mengendalikan aktivitas pemain, mengumpulkan material, menjalankan proses crafting, serta melakukan tindakan pertempuran. Setiap kali membutuhkan tindakan, agen menghasilkan instruksi melalui kode untuk menyelesaikan langkah permainan. Ketika instruksi menemui kesalahan, sistem dapat memeriksa hasil eksekusi dan mencoba pendekatan pemrograman lain. Proses pemrograman berulang ini menunjukkan penerapan AI sebagai agen coding.
Selama eksperimen berlangsung, keempat agen menulis sebanyak 2.783 program. Jumlah tersebut menunjukkan tingginya kebutuhan pengendalian. Instruksi yang dihasilkan tidak semuanya langsung berhasil, karena sekitar 22 persen berakhir dengan kesalahan. Walaupun kesalahan cukup sering terjadi, agen mampu mencoba kembali melalui instruksi baru. Proses pemulihan tersebut menjadi contoh penting dalam penerapan pemrograman berbasis AI. Pada pekerjaan perangkat lunak profesional, proses pemrograman harus disertai validasi. Dengan mempertimbangkan hal tersebut, mekanisme pengujian dan pemulihan tetap diperlukan.
Cara Agen Google DeepMind Berkomunikasi untuk Mencapai Tujuan
Keberhasilan eksperimen tidak hanya bergantung pada kemampuan pemrograman. Seluruh anggota tim virtual berkomunikasi melalui percakapan dalam permainan serta mengakses penyimpanan informasi kolektif. Melalui mekanisme tersebut, setiap agen dapat menyampaikan temuan mengenai lokasi material, risiko di wilayah tertentu, serta pekerjaan yang telah selesai. Penentuan pekerjaan berkembang selama interaksi berlangsung, bukan ditentukan melalui perintah khusus manusia. Koordinasi multiagen tersebut membantu menjelaskan bagaimana beberapa agen dapat bekerja menuju satu sasaran.
Salah satu bentuk kerja sama terjadi ketika pemain yang dikendalikan AI gagal bertahan. Pada mekanisme permainan tersebut, barang yang tersimpan dalam inventaris karakter dapat terjatuh di lokasi tertentu. Sistem yang baru mengalami kegagalan berpeluang memberitahukan lokasi kematiannya kepada karakter yang masih beroperasi. Berdasarkan pesan yang diberikan, anggota tim melakukan perjalanan menuju lokasi yang dilaporkan. Strategi ini memungkinkan sumber daya digunakan kembali. Dalam proses permainan, para agen menggunakan komunikasi secara berulang. Hal tersebut memperlihatkan kebutuhan koordinasi antartugas.
Tantangan Google DeepMind Menyelesaikan Minecraft Secara Otonom
Untuk mencapai tujuan akhir, para agen dituntut memenuhi sejumlah persyaratan permainan. Mereka terlebih dahulu menyiapkan perlengkapan awal untuk meningkatkan kemampuan bertahan. Pada langkah berikutnya, tim harus mengakses lingkungan permainan berbeda. Dalam proses tersebut, agen menghadapi berbagai ancaman. Keempat sistem tersebut turut menyusun strategi eksplorasi. Hasil dari sebuah pekerjaan mempengaruhi pilihan tindakan selanjutnya. Rangkaian ketergantungan ini sesuai untuk mempelajari kemampuan agen menyelesaikan tugas kompleks.
Sesudah menjalankan serangkaian pekerjaan, para agen menyelesaikan sasaran utama permainan dalam durasi total 27 jam 14 menit. Sepanjang proses menuju kemenangan, karakter yang dikendalikan AI mengalami 605 kematian. Banyaknya kematian itu menggambarkan tingginya kebutuhan percobaan dan pemulihan. Porsi waktu yang cukup besar digunakan untuk menghadapi Ender Dragon. Strategi yang digunakan pada tahap tersebut menggunakan tumpukan blok tanah untuk mengakses End Crystal yang berada di tempat tinggi. Cara yang dipilih AI membantu membuka peluang kemenangan. Walaupun tujuan akhirnya tercapai, hasil tersebut belum menunjukkan kemampuan bermain tanpa kesalahan.
Kelemahan Agen Gemini 4 Argon Meski Berhasil Menamatkan Minecraft
Pencapaian sistem Gemini 4 Argon tidak terlepas dari penggunaan sumber daya AI. Menurut estimasi biaya yang dijelaskan peneliti, proses mencapai kemenangan diperkirakan menelan biaya sekitar 520 dolar AS menggunakan tarif pengenalan yang dijadikan acuan. Dalam skema harga normal, jumlah tersebut diperkirakan mencapai sekitar 1.040 dolar AS. Perbedaan angka tersebut perlu diperhatikan ketika membandingkan biaya eksperimen. Pada sisi sumber daya, pengoperasian selama lebih dari satu hari memerlukan kestabilan sistem. Dengan mempertimbangkan karakteristiknya, biaya dan keandalan menjadi indikator penting.
Eksperimen tersebut tetap menyisakan keterbatasan. Sebagai pertimbangan awal, permainan dijalankan pada tingkat Easy sehingga hasilnya belum tentu langsung berlaku pada semua tingkat kesulitan. Pertimbangan lainnya, agen mengakses informasi permainan melalui antarmuka program, bukan memproses tampilan visual sebagaimana pemain biasa. Metode pengendalian tersebut dapat memberikan detail lingkungan yang sulit dilihat pemain manusia. Ketiga, eksperimen tidak menunjukkan bahwa seluruh pengujian akan berakhir sama. Oleh sebab itu, penelitian lanjutan perlu menguji berbagai kondisi guna mengetahui batas kemampuan sebenarnya.
Kesimpulan Keberhasilan Agen AI Google DeepMind di Minecraft
Hasil eksperimen agen AI dalam Minecraft memperlihatkan kemajuan menarik dalam penerapan pemrograman otomatis. Berkat kemampuan menghasilkan 2.783 program JavaScript, membagi pekerjaan secara mandiri, dan menyesuaikan tindakan berdasarkan hasil sebelumnya, keempat agen berhasil mengalahkan Ender Dragon. Meski pencapaian tersebut penting, 605 kematian serta keterbatasan pengujian pada mode Easy memperlihatkan kebutuhan pengembangan lanjutan. 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 kolaborasi beberapa agen kecerdasan buatan akan mempercepat perkembangan asisten pemrograman? Bagikan pendapat Anda mengenai perkembangan agen AI.
