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
Tim riset kecerdasan buatan Google DeepMind melaporkan keberhasilan empat agen AI yang berkolaborasi menyelesaikan tantangan Minecraft. Penelitian tersebut menggunakan model Gemini 4 Argon yang diberikan satu tujuan utama, yaitu mengalahkan Ender Dragon. Tidak seperti pemain manusia yang mengendalikan karakter langsung, setiap agen mengontrol pemain menggunakan program yang ditulis sendiri. Melalui metode ini, AI harus merencanakan tindakan sebelum menjalankan aktivitas permainan. Hasil akhirnya menunjukkan kemampuan koordinasi yang menjanjikan.
Eksperimen tersebut dipaparkan melalui publikasi penelitian berjudul A team of Gemini 4 Argon agents beats Minecraft yang disusun oleh Maxence Faldor, Satinder Singh, dan Roberta Raileanu. Hasil penelitian itu tersedia sebagai makalah penelitian sejak 15 Oktober 2026. Dalam pengujiannya, para agen memasuki lingkungan Minecraft dengan peta acak. Pengaturan tantangan ditetapkan pada Easy, sementara penggunaan cheat tidak diizinkan. Pengawas penelitian tidak menulis logika permainan khusus untuk membantu setiap agen. Walaupun berjalan secara otonom, eksperimen tetap berlangsung di lingkungan pengujian terkontrol. Kondisi tersebut membedakan demonstrasi dari permainan manusia biasa.
Mekanisme Pemrograman Otomatis dalam Eksperimen Minecraft
Untuk mengendalikan permainan, setiap agen AI menggunakan pustaka sumber terbuka Mineflayer yang menyediakan antarmuka pemrograman untuk Minecraft. Berkat antarmuka Mineflayer, agen bisa mengendalikan aktivitas pemain, mengambil sumber daya, membuat peralatan, serta menghadapi musuh. Ketika hendak menyelesaikan pekerjaan, agen menghasilkan instruksi melalui kode untuk menjalankan aktivitas yang direncanakan. Apabila program mengalami masalah, sistem berupaya memahami kegagalan program dan mencoba pendekatan pemrograman lain. Mekanisme pengendalian tersebut menunjukkan penerapan AI sebagai agen coding.
Selama eksperimen berlangsung, keempat agen menulis sebanyak 2.783 program. Jumlah tersebut memperlihatkan kompleksitas pekerjaan. Program yang ditulis masih menghadapi masalah eksekusi, karena sekitar 22 persen mengalami error ketika dijalankan. Meski tingkat kegagalan program tergolong berarti, agen berupaya memperbaiki strategi. Situasi tersebut menjadi contoh penting dalam pembangunan sistem yang menjalankan tugas panjang. Pada pekerjaan perangkat lunak profesional, keberhasilan membutuhkan pemeriksaan hasil. Oleh sebab itu, mekanisme pengujian dan pemulihan tetap diperlukan.
Cara Agen Google DeepMind Berkomunikasi untuk Mencapai Tujuan
Hasil permainan tersebut juga membutuhkan kerja sama antarsistem. Keempat agen menyampaikan pesan melalui fasilitas komunikasi permainan serta berbagi catatan pekerjaan. Dengan menggunakan komunikasi ini, setiap agen bisa membagikan informasi penting mengenai lokasi material, ancaman musuh, serta kebutuhan bantuan dari anggota lain. Pembagian peran muncul melalui keputusan para agen sendiri, bukan ditentukan melalui perintah khusus manusia. Sistem kerja sama tersebut memperlihatkan potensi kolaborasi AI.
Penerapan komunikasi praktis muncul saat salah satu agen kehilangan perlengkapannya. Dalam Minecraft, barang yang dimiliki sebelum kematian dapat terjatuh di lokasi tertentu. Agen yang mengalami kejadian tersebut dapat membagikan informasi koordinat kepada anggota tim lainnya. Selanjutnya, anggota tim dapat mencoba mengambil perlengkapan yang tertinggal. Strategi ini berpotensi mempertahankan kemajuan permainan. Dalam proses permainan, para agen juga bertukar ratusan pesan. Hal tersebut memperlihatkan kebutuhan koordinasi antartugas.
Ribuan Program dan Ratusan Kematian dalam Eksperimen Minecraft
Sebelum dapat menghadapi Ender Dragon, para agen harus menyelesaikan banyak tahapan. Pada tahap awal, sistem mengumpulkan bahan dasar untuk membuat peralatan. Pada langkah berikutnya, tim harus mengakses lingkungan permainan berbeda. Sepanjang tahap persiapan, agen berhadapan dengan kondisi yang tidak selalu terduga. Mereka juga menyusun strategi eksplorasi. Hasil dari sebuah pekerjaan mempengaruhi pilihan tindakan selanjutnya. Hubungan antartugas semacam ini membuat Minecraft menjadi lingkungan pengujian yang menarik.
Sesudah menjalankan serangkaian pekerjaan, para agen menyelesaikan sasaran utama permainan dalam durasi total 27 jam 14 menit. Dalam keseluruhan misi, karakter yang dikendalikan AI tercatat mati sebanyak 605 kali. Angka tersebut menggambarkan tingginya kebutuhan percobaan dan pemulihan. Hampir separuh durasi eksperimen dihabiskan dalam tahap pertarungan terakhir. Pendekatan yang dipilih para agen memanfaatkan penempatan blok sebagai pijakan untuk mengakses End Crystal yang berada di tempat tinggi. Taktik selama pertarungan membantu membuka peluang kemenangan. Namun demikian, jumlah kegagalan yang tinggi tetap menjadi catatan.
Mengukur Efisiensi dan Keandalan Agen AI dalam Permainan
Keberhasilan agen AI memerlukan pemrosesan model dalam jumlah besar. Berdasarkan perhitungan dalam penelitian, proses mencapai kemenangan memerlukan pengeluaran sekitar 520 dolar AS menggunakan perhitungan berdasarkan tarif pengantar. Apabila menggunakan tarif standar, jumlah tersebut meningkat menjadi sekitar 1.040 dolar AS. Selisih estimasi pengeluaran tersebut menunjukkan pentingnya memahami asumsi harga. Selain biaya, pengoperasian selama lebih dari satu hari bergantung pada kemampuan memulihkan proses. Karena itu, biaya dan keandalan menjadi indikator penting.
Eksperimen tersebut tetap menyisakan keterbatasan. Sebagai pertimbangan awal, permainan berlangsung dengan kesulitan yang lebih rendah sehingga tantangannya berbeda dari mode lebih sulit. Selain itu, agen memperoleh data lingkungan menggunakan Mineflayer, bukan melihat layar permainan secara langsung. Metode pengendalian tersebut berbeda dari pengalaman yang mengandalkan gambar layar. Ketiga, eksperimen tidak menunjukkan bahwa seluruh pengujian akan berakhir sama. Untuk menilai kemampuan lebih luas, penelitian lanjutan sebaiknya membandingkan tingkat kesulitan berbeda guna mengetahui batas kemampuan sebenarnya.
Masa Depan AI Otonom setelah Eksperimen Minecraft
Hasil eksperimen agen AI dalam Minecraft memperlihatkan kemajuan menarik dalam pengembangan sistem AI otonom. Melalui pembuatan 2.783 program JavaScript, mengatur tugas tanpa penugasan manusia, dan menyesuaikan tindakan berdasarkan hasil sebelumnya, keempat agen berhasil mengalahkan Ender Dragon. Namun demikian, 605 kematian serta penggunaan sumber daya komputasi yang besar memperlihatkan kebutuhan pengembangan lanjutan. Di tengah pertumbuhan sistem agen otonom, penelitian ini berpotensi mendukung pengembangan agen pemrograman untuk tugas perangkat lunak yang kompleks. Dari sudut pandang Anda, apakah agen AI yang mampu menamatkan Minecraft akan mempercepat perkembangan asisten pemrograman? Ceritakan pemikiran Anda mengenai masa depan pemrograman otomatis.
