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
Tim riset kecerdasan buatan Google DeepMind melaporkan keberhasilan empat agen AI yang berkolaborasi menyelesaikan tantangan Minecraft. Eksperimen ini menggunakan model Gemini 4 Argon yang ditugaskan mencapai satu sasaran, yaitu menyelesaikan pertarungan melawan Ender Dragon. Jika dibandingkan dengan pengalaman bermain menggunakan keyboard, setiap agen mengoperasikan karakter melalui kode program. Dengan pendekatan tersebut, AI perlu menyusun strategi sebelum menjalankan aktivitas permainan. Keberhasilan yang dilaporkan memberikan gambaran potensi AI untuk tugas panjang.
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 dirilis melalui arXiv pada 15 Oktober 2026. Dalam pengujiannya, para agen memasuki lingkungan Minecraft dengan peta acak. Mode permainan berada pada tingkat Easy, sementara fitur perintah curang tidak digunakan. Pengawas penelitian tidak menulis logika permainan khusus untuk membantu setiap agen. Meski demikian, eksperimen dijalankan dalam sistem sandbox. Kondisi tersebut menjelaskan konteks keberhasilan yang dilaporkan.
Cara Agen AI Google DeepMind Menulis Ribuan Program Minecraft
Untuk mengendalikan permainan, setiap agen AI memanfaatkan library Mineflayer yang memungkinkan pengendalian karakter melalui JavaScript. Melalui pustaka tersebut, agen bisa mengendalikan aktivitas pemain, mengambil sumber daya, merakit item permainan, serta menghadapi musuh. Ketika hendak menyelesaikan pekerjaan, agen menghasilkan instruksi melalui kode untuk melaksanakan tindakan karakter. Apabila program mengalami masalah, sistem berupaya memahami kegagalan program dan menyusun instruksi pengganti. Proses pemrograman berulang ini menjadi bagian penting keberhasilan eksperimen.
Sepanjang perjalanan menuju kemenangan, keempat agen menghasilkan 2.783 program JavaScript. Ribuan program yang dihasilkan menggambarkan banyaknya tindakan yang harus direncanakan. Program yang ditulis tidak selalu berjalan tanpa kendala, karena sekitar 22 persen berakhir dengan kesalahan. Walaupun kesalahan cukup sering terjadi, agen mampu mencoba kembali melalui instruksi baru. Situasi tersebut memperlihatkan salah satu tantangan dalam pembangunan sistem yang menjalankan tugas panjang. Pada pekerjaan perangkat lunak profesional, kemampuan menulis kode saja belum cukup. Dengan mempertimbangkan hal tersebut, penanganan kesalahan menjadi bagian penting.
Cara Agen Google DeepMind Berkomunikasi untuk Mencapai Tujuan
Pencapaian yang dilaporkan Google DeepMind tidak hanya bergantung pada kemampuan pemrograman. Keempat agen bertukar informasi menggunakan chat Minecraft serta berbagi catatan pekerjaan. Melalui mekanisme tersebut, setiap agen mampu melaporkan perkembangan mengenai lokasi material, ancaman musuh, serta kebutuhan bantuan dari anggota lain. Pengaturan aktivitas tim berkembang selama interaksi berlangsung, bukan ditentukan melalui perintah khusus manusia. Koordinasi multiagen tersebut membantu menjelaskan bagaimana beberapa agen dapat bekerja menuju satu sasaran.
Contoh koordinasi yang menarik terjadi ketika pemain yang dikendalikan AI gagal bertahan. Dalam Minecraft, barang yang dibawa pemain mungkin harus diambil kembali. Agen yang mengalami kejadian tersebut berpeluang memberitahukan lokasi kematiannya kepada anggota tim lainnya. Setelah menerima informasi, anggota tim melakukan perjalanan menuju lokasi yang dilaporkan. Strategi ini membantu mengurangi dampak kegagalan. Dalam proses permainan, para agen mengandalkan percakapan untuk menyesuaikan strategi. Hal tersebut menunjukkan pentingnya informasi bersama.
Ribuan Program dan Ratusan Kematian dalam Eksperimen Minecraft
Untuk mencapai tujuan akhir, para agen perlu melewati rangkaian pekerjaan panjang. Pada tahap awal, sistem menyiapkan perlengkapan awal untuk mendukung aktivitas eksplorasi. Setelah kebutuhan dasar terpenuhi, tim dituntut mencari material untuk membuka jalur berikutnya. Sepanjang tahap persiapan, agen menghadapi berbagai ancaman. Keempat sistem tersebut turut menyusun strategi eksplorasi. Hasil dari sebuah pekerjaan sering menjadi syarat bagi langkah berikutnya. Hubungan antartugas semacam ini membuat Minecraft menjadi lingkungan pengujian yang menarik.
Setelah melewati berbagai tahapan, para agen berhasil mengalahkan Ender Dragon dalam durasi total 27 jam 14 menit. Sepanjang proses menuju kemenangan, karakter yang dikendalikan AI tercatat mati sebanyak 605 kali. Banyaknya kematian itu menggambarkan tingginya kebutuhan percobaan dan pemulihan. Sebagian besar waktu digunakan untuk menghadapi Ender Dragon. Strategi yang digunakan pada tahap tersebut melibatkan pembangunan struktur tanah untuk menghancurkan kristal yang mendukung pemulihan Ender Dragon. Cara yang dipilih AI menjadi bagian penting dalam penyelesaian misi. Namun demikian, efisiensi agen masih memiliki ruang perbaikan.
Mengukur Efisiensi dan Keandalan Agen AI dalam Permainan
Keberhasilan agen AI tidak terlepas dari penggunaan sumber daya AI. Berdasarkan perhitungan dalam penelitian, proses mencapai kemenangan memerlukan pengeluaran sekitar 520 dolar AS menggunakan tarif pengenalan yang dijadikan acuan. Jika dihitung memakai harga reguler, jumlah tersebut diperkirakan mencapai sekitar 1.040 dolar AS. Perbedaan angka tersebut menunjukkan pentingnya memahami asumsi harga. Selain biaya, pengoperasian selama lebih dari satu hari memerlukan kestabilan sistem. Dengan mempertimbangkan karakteristiknya, biaya dan keandalan menjadi indikator penting.
Penelitian ini memiliki sejumlah batasan. Sebagai pertimbangan awal, permainan menggunakan pengaturan kesulitan Easy sehingga risiko pertempuran tidak sama dengan tingkat Hard. Kedua, agen memperoleh data lingkungan menggunakan Mineflayer, bukan memproses tampilan visual sebagaimana pemain biasa. Akses data semacam ini berbeda dari pengalaman yang mengandalkan gambar layar. Tidak kalah penting, eksperimen belum membuktikan tingkat keberhasilan dalam banyak percobaan. Oleh sebab itu, penelitian lanjutan perlu menguji berbagai kondisi guna mengetahui batas kemampuan sebenarnya.
Masa Depan AI Otonom setelah Eksperimen Minecraft
Keberhasilan empat agen Google DeepMind menunjukkan perkembangan penting dalam bidang agen kecerdasan buatan. Berkat kemampuan menghasilkan 2.783 program JavaScript, mengatur tugas tanpa penugasan manusia, dan memulihkan diri setelah berbagai kegagalan, keempat agen berhasil mengalahkan Ender Dragon. Meski pencapaian tersebut penting, 605 kematian serta penggunaan sumber daya komputasi yang besar menjadi pengingat penting mengenai batas kemampuan AI. Seiring kemajuan kecerdasan buatan, penelitian ini berpotensi mendukung pengembangan agen pemrograman untuk sistem otomatis yang membutuhkan pemulihan kesalahan. Bagaimana pendapat Anda, apakah kolaborasi beberapa agen kecerdasan buatan akan mempercepat perkembangan asisten pemrograman? Ceritakan pemikiran Anda mengenai masa depan pemrograman otomatis.
