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.
Google DeepMind Membuktikan Kemampuan Agen AI Menamatkan Minecraft
Para peneliti Google DeepMind memperlihatkan melalui eksperimen empat agen AI yang bekerja sama menamatkan Minecraft. Penelitian tersebut menggunakan model Gemini 4 Argon yang ditugaskan mencapai satu sasaran, yaitu menaklukkan musuh terakhir Minecraft. Jika dibandingkan dengan pengalaman bermain menggunakan keyboard, setiap agen menjalankan aksi dengan instruksi pemrograman. Dengan pendekatan tersebut, AI harus merencanakan tindakan sebelum menjalankan aktivitas permainan. Keberhasilan yang dilaporkan menunjukkan kemampuan koordinasi yang menjanjikan.
Eksperimen tersebut 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 tersedia sebagai makalah penelitian sejak 15 Oktober 2026. Pada pelaksanaan eksperimen, para agen ditempatkan dalam dunia survival yang dibuat secara acak. Mode permainan ditetapkan pada Easy, sementara perintah cheat dinonaktifkan. Pengawas penelitian tidak menulis logika permainan khusus untuk mengatur pekerjaan karakter. Kendati tidak diarahkan selama permainan, eksperimen dijalankan dalam sistem sandbox. Pengaturan penelitian ini menjelaskan konteks keberhasilan yang dilaporkan.
Teknologi Mineflayer Membantu Gemini Mengendalikan Karakter
Untuk mengendalikan permainan, setiap agen AI mengandalkan perangkat lunak Mineflayer yang mendukung operasi pemain menggunakan kode. Melalui pustaka tersebut, agen bisa mengendalikan aktivitas pemain, mengumpulkan material, membuat peralatan, serta melakukan tindakan pertempuran. Ketika hendak menyelesaikan pekerjaan, agen menghasilkan instruksi melalui kode untuk menyelesaikan langkah permainan. Ketika instruksi menemui kesalahan, sistem mengevaluasi respons perangkat lunak dan menulis perbaikan. Kemampuan tersebut memperlihatkan penggunaan bahasa pemrograman untuk bertindak secara otonom.
Selama eksperimen berlangsung, keempat agen menulis sebanyak 2.783 program. Jumlah tersebut menggambarkan banyaknya tindakan yang harus direncanakan. Instruksi yang dihasilkan masih menghadapi masalah eksekusi, karena sekitar 22 persen mengalami error ketika dijalankan. Namun demikian, agen tetap dapat melanjutkan pekerjaan. Situasi tersebut memberikan gambaran menarik dalam pengembangan agen AI otonom. Untuk penerapan di luar permainan, keberhasilan membutuhkan pemeriksaan hasil. Untuk memperoleh sistem yang lebih andal, pengawasan terhadap kualitas keluaran harus diperhatikan.
Cara Agen Google DeepMind Berkomunikasi untuk Mencapai Tujuan
Hasil permainan tersebut tidak hanya bergantung pada kemampuan pemrograman. Seluruh anggota tim virtual bertukar informasi menggunakan chat Minecraft serta berbagi catatan pekerjaan. Melalui mekanisme tersebut, setiap agen bisa membagikan informasi penting mengenai rute perjalanan, ancaman musuh, serta kebutuhan bantuan dari anggota lain. Pembagian peran dilakukan secara otonom, bukan ditentukan melalui perintah khusus manusia. Sistem kerja sama tersebut membantu menjelaskan bagaimana beberapa agen dapat bekerja menuju satu sasaran.
Penerapan komunikasi praktis terlihat ketika karakter mengalami kematian. Dalam Minecraft, barang yang dimiliki sebelum kematian mungkin harus diambil kembali. Sistem yang baru mengalami kegagalan mampu meminta bantuan melalui pesan kepada anggota tim lainnya. Setelah menerima informasi, anggota tim dapat mencoba mengambil perlengkapan yang tertinggal. Strategi ini membantu mengurangi dampak kegagalan. Sepanjang pelaksanaan tantangan, para agen menggunakan komunikasi secara berulang. Pola komunikasi tersebut menunjukkan pentingnya informasi bersama.
Perjalanan Agen AI Mengalahkan Ender Dragon dalam 27 Jam
Untuk mencapai tujuan akhir, para agen perlu melewati rangkaian pekerjaan panjang. Mereka terlebih dahulu menyiapkan perlengkapan awal untuk mendukung aktivitas eksplorasi. Setelah kebutuhan dasar terpenuhi, tim dituntut mencari material untuk membuka jalur berikutnya. Dalam proses tersebut, agen menghadapi berbagai ancaman. Mereka juga menggunakan temuan sebelumnya untuk menentukan tindakan. Hasil dari sebuah pekerjaan dibutuhkan untuk membuka tahapan permainan lain. Hubungan antartugas semacam ini membuat Minecraft menjadi lingkungan pengujian yang menarik.
Pada akhirnya, para agen menyelesaikan sasaran utama permainan dalam 27 jam 14 menit. Selama perjalanan tersebut, karakter yang dikendalikan AI menghadapi total 605 kematian. Banyaknya kematian itu menunjukkan masih adanya kesulitan pengambilan keputusan. Porsi waktu yang cukup besar dihabiskan dalam tahap pertarungan terakhir. Strategi yang digunakan pada tahap tersebut menggunakan tumpukan blok tanah untuk menghancurkan kristal yang mendukung pemulihan Ender Dragon. Taktik selama pertarungan memungkinkan tim mengatasi hambatan pertempuran. Namun demikian, hasil tersebut belum menunjukkan kemampuan bermain tanpa kesalahan.
Biaya Komputasi dan Batas Eksperimen Minecraft Google DeepMind
Hasil eksperimen Google DeepMind memerlukan pemrosesan model dalam jumlah besar. Berdasarkan perhitungan dalam penelitian, proses mencapai kemenangan memerlukan pengeluaran sekitar 520 dolar AS menggunakan perhitungan berdasarkan tarif pengantar. Dalam skema harga normal, jumlah tersebut meningkat menjadi sekitar 1.040 dolar AS. Selisih estimasi pengeluaran tersebut perlu diperhatikan ketika membandingkan biaya eksperimen. Di luar kebutuhan finansial, pengoperasian selama lebih dari satu hari bergantung pada kemampuan memulihkan proses. Dengan mempertimbangkan karakteristiknya, biaya dan keandalan menjadi indikator penting.
Hasil Google DeepMind perlu dipahami berdasarkan kondisi pengujiannya. Salah satu batasannya, permainan menggunakan pengaturan kesulitan Easy sehingga hasilnya belum tentu langsung berlaku pada semua tingkat kesulitan. Kedua, agen membaca keadaan dunia melalui representasi terstruktur, bukan memproses tampilan visual sebagaimana pemain biasa. 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 perlu menguji berbagai kondisi guna memahami keandalan strategi.
Dampak Eksperimen Gemini 4 Argon bagi Perkembangan TEKNOLOGI
Pencapaian tim Gemini 4 Argon menghadirkan bukti kemampuan yang menjanjikan dalam pengembangan sistem AI otonom. Dengan menulis 2.783 program JavaScript, membagi pekerjaan secara mandiri, dan memulihkan diri setelah berbagai kegagalan, keempat agen berhasil mengalahkan Ender Dragon. Namun demikian, 605 kematian serta keterbatasan pengujian pada mode Easy menunjukkan bahwa sistem belum sempurna. Dalam perkembangan TEKNOLOGI, penelitian ini dapat menjadi acuan studi perencanaan jangka panjang untuk sistem otomatis yang membutuhkan pemulihan kesalahan. Bagaimana pendapat Anda, apakah kolaborasi beberapa agen kecerdasan buatan akan mempercepat perkembangan asisten pemrograman? Sampaikan pandangan Anda mengenai potensi kerja sama kecerdasan buatan dalam menyelesaikan tugas kompleks.
