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 melaporkan keberhasilan empat agen AI yang berkolaborasi menyelesaikan tantangan Minecraft. Eksperimen ini memanfaatkan agen berbasis Gemini 4 Argon yang menerima target permainan yang sama, yaitu mengalahkan Ender Dragon. Jika dibandingkan dengan pengalaman bermain menggunakan keyboard, setiap agen mengontrol pemain menggunakan program yang ditulis sendiri. Dengan pendekatan tersebut, AI harus merencanakan tindakan sebelum mengambil sumber daya. Pencapaian eksperimen tersebut memberikan gambaran potensi AI untuk tugas panjang.
Eksperimen tersebut dijelaskan dalam makalah ilmiah berjudul A team of Gemini 4 Argon agents beats Minecraft yang disusun oleh Maxence Faldor, Satinder Singh, dan Roberta Raileanu. Hasil penelitian itu dirilis melalui arXiv pada 15 Oktober 2026. Dalam pengujiannya, para agen menggunakan dunia permainan survival yang belum dipilih sebelumnya. Tingkat kesulitan ditetapkan pada Easy, sementara fitur perintah curang tidak digunakan. Para peneliti tidak menulis logika permainan khusus untuk mengatur pekerjaan karakter. Kendati tidak diarahkan selama permainan, eksperimen dijalankan dalam sistem sandbox. Kondisi tersebut membedakan demonstrasi dari permainan manusia biasa.
Cara Agen AI Google DeepMind Menulis Ribuan Program Minecraft
Untuk mengendalikan permainan, setiap agen AI memanfaatkan library Mineflayer yang menyediakan antarmuka pemrograman untuk Minecraft. Dengan bantuan perangkat lunak ini, agen mampu menentukan arah perjalanan, melakukan penambangan, merakit item permainan, serta menjalankan strategi pertahanan. Saat menghadapi situasi tertentu, agen menyusun program JavaScript untuk melaksanakan tindakan karakter. Ketika instruksi menemui kesalahan, sistem dapat memeriksa hasil eksekusi dan menulis perbaikan. Kemampuan tersebut menjadi bagian penting keberhasilan eksperimen.
Sepanjang perjalanan menuju kemenangan, keempat agen menciptakan total 2.783 rangkaian kode. Jumlah tersebut menggambarkan banyaknya tindakan yang harus direncanakan. Program yang ditulis tidak selalu berjalan tanpa kendala, karena sekitar 22 persen tidak menyelesaikan eksekusi dengan benar. Namun demikian, agen tetap dapat melanjutkan pekerjaan. Situasi tersebut memberikan gambaran menarik dalam pembangunan sistem yang menjalankan tugas panjang. Untuk penerapan di luar permainan, keberhasilan membutuhkan pemeriksaan hasil. Oleh sebab itu, pengawasan terhadap kualitas keluaran harus diperhatikan.
Koordinasi Empat Agen Gemini dalam Menyelesaikan Minecraft
Hasil permainan tersebut juga membutuhkan kerja sama antarsistem. Seluruh anggota tim virtual menyampaikan pesan melalui fasilitas komunikasi permainan serta mengakses penyimpanan informasi kolektif. Melalui mekanisme tersebut, setiap agen bisa membagikan informasi penting mengenai rute perjalanan, ancaman musuh, serta kebutuhan bantuan dari anggota lain. Penentuan pekerjaan muncul melalui keputusan para agen sendiri, bukan dipaksakan melalui pembagian manual. Pendekatan ini menjadi contoh penerapan kecerdasan kolektif berbasis perangkat lunak.
Contoh koordinasi yang menarik muncul saat salah satu agen kehilangan perlengkapannya. Dalam Minecraft, barang yang dibawa pemain berpotensi tertinggal pada tempat kejadian. Sistem yang baru mengalami kegagalan berpeluang memberitahukan lokasi kematiannya kepada karakter yang masih beroperasi. Selanjutnya, anggota tim melakukan perjalanan menuju lokasi yang dilaporkan. Bentuk kolaborasi tersebut membantu mengurangi dampak kegagalan. Selama eksperimen, para agen mengandalkan percakapan untuk menyesuaikan strategi. Hal tersebut mendukung pengembangan sistem AI yang bekerja sebagai tim.
Tantangan Google DeepMind Menyelesaikan Minecraft Secara Otonom
Sebelum dapat menghadapi Ender Dragon, para agen dituntut memenuhi sejumlah persyaratan permainan. Pada tahap awal, sistem mengumpulkan bahan dasar untuk membuat peralatan. Setelah kebutuhan dasar terpenuhi, tim perlu menemukan sumber daya yang lebih sulit. Ketika menjelajahi dunia Minecraft, agen menghadapi berbagai ancaman. Mereka juga menyusun strategi eksplorasi. Pencapaian pada satu tahap sering menjadi syarat bagi langkah berikutnya. Hubungan antartugas semacam ini sesuai untuk mempelajari kemampuan agen menyelesaikan tugas kompleks.
Pada akhirnya, para agen berhasil mengalahkan Ender Dragon dalam 27 jam 14 menit. Dalam keseluruhan misi, karakter yang dikendalikan AI tercatat mati sebanyak 605 kali. Jumlah kegagalan karakter tersebut menunjukkan masih adanya kesulitan pengambilan keputusan. Porsi waktu yang cukup besar digunakan untuk menghadapi Ender Dragon. Pendekatan yang dipilih para agen memanfaatkan penempatan blok sebagai pijakan untuk menjangkau kristal penyembuh naga. Cara yang dipilih AI memungkinkan tim mengatasi hambatan pertempuran. Namun demikian, efisiensi agen masih memiliki ruang perbaikan.
Kelemahan Agen Gemini 4 Argon Meski Berhasil Menamatkan Minecraft
Pencapaian sistem Gemini 4 Argon memerlukan pemrosesan model dalam jumlah besar. Menurut estimasi biaya yang dijelaskan peneliti, proses mencapai kemenangan memiliki estimasi biaya sekitar 520 dolar AS menggunakan perhitungan berdasarkan tarif pengantar. Dalam skema harga normal, jumlah tersebut meningkat menjadi sekitar 1.040 dolar AS. Perbedaan angka tersebut 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.
Hasil Google DeepMind perlu dipahami berdasarkan kondisi pengujiannya. Salah satu batasannya, permainan menggunakan pengaturan kesulitan Easy sehingga tantangannya berbeda dari mode lebih sulit. Kedua, agen mengakses informasi permainan melalui antarmuka program, bukan mengandalkan penglihatan seperti manusia. Metode pengendalian tersebut berbeda dari pengalaman yang mengandalkan gambar layar. Tidak kalah penting, eksperimen tidak menunjukkan bahwa seluruh pengujian akan berakhir sama. Untuk menilai kemampuan lebih luas, penelitian lanjutan perlu menguji berbagai kondisi guna mengetahui batas kemampuan sebenarnya.
Masa Depan AI Otonom setelah Eksperimen Minecraft
Pencapaian tim Gemini 4 Argon menghadirkan bukti kemampuan yang menjanjikan dalam pengembangan sistem AI otonom. Berkat kemampuan menghasilkan 2.783 program JavaScript, membagi pekerjaan secara mandiri, dan memulihkan diri setelah berbagai kegagalan, keempat agen menuntaskan tujuan utama eksperimen. Walaupun hasil akhirnya berhasil, 605 kematian serta penggunaan sumber daya komputasi yang besar menjadi pengingat penting mengenai batas kemampuan AI. Di tengah pertumbuhan sistem agen otonom, penelitian ini dapat menjadi acuan studi perencanaan jangka panjang untuk tugas perangkat lunak yang kompleks. Menurut Anda, apakah sistem yang dapat menulis ribuan program sendiri akan menjadi fondasi teknologi AI masa depan? Ceritakan pemikiran Anda mengenai masa depan pemrograman otomatis.
