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
Sekelompok ilmuwan dari Google DeepMind berhasil mendemonstrasikan empat agen AI yang bekerja sama menamatkan Minecraft. Pengujian yang dilakukan para ilmuwan menggunakan model Gemini 4 Argon yang menerima target permainan yang sama, yaitu mengalahkan Ender Dragon. Jika dibandingkan dengan pengalaman bermain menggunakan keyboard, setiap agen mengoperasikan karakter melalui kode program. Dengan pendekatan tersebut, AI dituntut menentukan langkah sebelum mengambil sumber daya. Hasil akhirnya menunjukkan kemampuan koordinasi yang menjanjikan.
Eksperimen tersebut dijelaskan dalam makalah ilmiah berjudul A team of Gemini 4 Argon agents beats Minecraft yang dikerjakan oleh Maxence Faldor, Satinder Singh, dan Roberta Raileanu. Hasil penelitian itu dirilis melalui arXiv pada 15 Oktober 2026. Dalam pengujiannya, para agen memasuki lingkungan Minecraft dengan peta acak. Tingkat kesulitan berada pada tingkat Easy, sementara perintah cheat dinonaktifkan. Pengawas penelitian tidak memberikan pembagian peran untuk membantu setiap agen. Walaupun berjalan secara otonom, eksperimen dijalankan dalam sistem sandbox. Pengaturan penelitian ini menjelaskan konteks keberhasilan yang dilaporkan.
Teknologi Mineflayer Membantu Gemini Mengendalikan Karakter
Dalam menjalankan aktivitas Minecraft, setiap agen AI memanfaatkan library Mineflayer yang menyediakan antarmuka pemrograman untuk Minecraft. Dengan bantuan perangkat lunak ini, agen dapat menggerakkan karakter, mengumpulkan material, menjalankan proses crafting, serta menjalankan strategi pertahanan. Setiap kali membutuhkan tindakan, agen menulis rangkaian perintah pemrograman untuk melaksanakan tindakan karakter. Ketika instruksi menemui kesalahan, sistem berupaya memahami kegagalan program dan menyusun instruksi pengganti. Mekanisme pengendalian tersebut menjadi bagian penting keberhasilan eksperimen.
Sepanjang perjalanan menuju kemenangan, keempat agen menulis sebanyak 2.783 program. Ribuan program yang dihasilkan menunjukkan tingginya kebutuhan pengendalian. Instruksi yang dihasilkan masih menghadapi masalah eksekusi, 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 pembangunan sistem yang menjalankan tugas panjang. Pada pekerjaan perangkat lunak profesional, proses pemrograman harus disertai validasi. Dengan mempertimbangkan hal tersebut, mekanisme pengujian dan pemulihan tetap diperlukan.
Koordinasi Empat Agen Gemini dalam Menyelesaikan Minecraft
Keberhasilan eksperimen tidak hanya bergantung pada kemampuan pemrograman. Keempat agen berkomunikasi melalui percakapan dalam permainan serta memanfaatkan memori bersama. Dengan menggunakan komunikasi ini, setiap agen mampu melaporkan perkembangan mengenai rute perjalanan, risiko di wilayah tertentu, serta pekerjaan yang telah selesai. Penentuan pekerjaan dilakukan secara otonom, bukan ditetapkan secara langsung oleh peneliti. Sistem kerja sama tersebut memperlihatkan potensi kolaborasi AI.
Penerapan komunikasi praktis terlihat ketika karakter mengalami kematian. Ketika karakter mati di dunia survival, barang yang tersimpan dalam inventaris karakter dapat terjatuh di lokasi tertentu. Agen yang mengalami kejadian tersebut dapat membagikan informasi koordinat kepada karakter yang masih beroperasi. Berdasarkan pesan yang diberikan, anggota tim melakukan perjalanan menuju lokasi yang dilaporkan. Strategi ini berpotensi mempertahankan kemajuan permainan. Selama eksperimen, para agen juga bertukar ratusan pesan. Interaksi yang berlangsung memperlihatkan kebutuhan koordinasi antartugas.
Perjalanan Agen AI Mengalahkan Ender Dragon dalam 27 Jam
Sebelum dapat menghadapi Ender Dragon, para agen harus menyelesaikan banyak tahapan. Pada tahap awal, sistem mengumpulkan bahan dasar untuk mendukung aktivitas eksplorasi. Pada langkah berikutnya, tim dituntut mencari material untuk membuka jalur berikutnya. Sepanjang tahap persiapan, agen menghadapi berbagai ancaman. Untuk mempertahankan kemajuan, para agen mengubah rencana berdasarkan informasi baru. Setiap kemajuan sering menjadi syarat bagi langkah berikutnya. Karakteristik tersebut sesuai untuk mempelajari kemampuan agen menyelesaikan tugas kompleks.
Sesudah menjalankan serangkaian pekerjaan, para agen berhasil mengalahkan Ender Dragon dalam durasi total 27 jam 14 menit. Selama perjalanan tersebut, 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. Salah satu solusi yang ditemukan melibatkan pembangunan struktur tanah untuk menjangkau kristal penyembuh naga. Strategi tersebut memungkinkan tim mengatasi hambatan pertempuran. Walaupun tujuan akhirnya tercapai, efisiensi agen masih memiliki ruang perbaikan.
Biaya Komputasi dan Batas Eksperimen Minecraft Google DeepMind
Pencapaian sistem Gemini 4 Argon juga membutuhkan biaya komputasi. Menurut estimasi biaya yang dijelaskan peneliti, proses mencapai kemenangan memiliki estimasi biaya sekitar 520 dolar AS menggunakan tarif pengenalan yang dijadikan acuan. Jika dihitung memakai harga reguler, jumlah tersebut meningkat menjadi sekitar 1.040 dolar AS. Variasi perhitungan biaya ini menunjukkan pentingnya memahami asumsi harga. Di luar kebutuhan finansial, pengoperasian selama lebih dari satu hari bergantung pada kemampuan memulihkan proses. Karena itu, keberhasilan tugas panjang tidak hanya diukur dari hasil akhir.
Hasil Google DeepMind perlu dipahami berdasarkan kondisi pengujiannya. Pertama, permainan berlangsung dengan kesulitan yang lebih rendah sehingga hasilnya belum tentu langsung berlaku pada semua tingkat kesulitan. Pertimbangan lainnya, agen mengakses informasi permainan melalui antarmuka program, bukan mengandalkan penglihatan seperti manusia. Informasi tersebut memungkinkan penggunaan informasi terstruktur dari permainan. Tidak kalah penting, eksperimen merupakan demonstrasi satu penyelesaian. Karena itu, penelitian lanjutan dapat mengevaluasi pengulangan eksperimen guna mengukur konsistensi agen.
Kesimpulan Keberhasilan Agen AI Google DeepMind di Minecraft
Hasil eksperimen agen AI dalam Minecraft menghadirkan bukti kemampuan yang menjanjikan dalam penerapan pemrograman otomatis. Melalui pembuatan 2.783 program JavaScript, berkoordinasi melalui komunikasi antarsistem, dan memulihkan diri setelah berbagai kegagalan, keempat agen mampu menyelesaikan target permainan. Namun demikian, 605 kematian serta tingkat kesalahan program yang masih tinggi menunjukkan bahwa sistem belum sempurna. Dalam perkembangan TEKNOLOGI, penelitian ini membuka peluang penelitian koordinasi multiagen untuk pekerjaan dengan banyak tahapan saling bergantung. Menurut Anda, apakah agen AI yang mampu menamatkan Minecraft akan mempercepat perkembangan asisten pemrograman? Bagikan pendapat Anda mengenai masa depan pemrograman otomatis.
