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 berhasil mendemonstrasikan empat agen AI yang bekerja sama menamatkan Minecraft. Eksperimen ini menggunakan model Gemini 4 Argon yang menerima target permainan yang sama, yaitu menaklukkan musuh terakhir Minecraft. Berbeda dari permainan biasa, setiap agen mengontrol pemain menggunakan program yang ditulis sendiri. Berkat mekanisme pengendalian tersebut, AI dituntut menentukan langkah sebelum mengambil sumber daya. Hasil akhirnya menunjukkan kemampuan koordinasi yang menjanjikan.
Eksperimen tersebut dipaparkan melalui publikasi penelitian berjudul A team of Gemini 4 Argon agents beats Minecraft yang ditulis oleh Maxence Faldor, Satinder Singh, dan Roberta Raileanu. Makalah tersebut dirilis melalui arXiv pada 15 Oktober 2026. Ketika percobaan dimulai, para agen ditempatkan dalam dunia survival yang dibuat secara acak. Tingkat kesulitan berada pada tingkat Easy, sementara perintah cheat dinonaktifkan. Tim pengembang eksperimen tidak menulis logika permainan khusus untuk mengatur pekerjaan karakter. Meski demikian, eksperimen dijalankan dalam sistem sandbox. Kondisi tersebut membedakan demonstrasi dari permainan manusia biasa.
Cara Agen AI Google DeepMind Menulis Ribuan Program Minecraft
Ketika berinteraksi dengan dunia virtual, setiap agen AI memanfaatkan library Mineflayer yang mendukung operasi pemain menggunakan kode. Melalui pustaka tersebut, agen dapat menggerakkan karakter, melakukan penambangan, menjalankan proses crafting, serta menjalankan strategi pertahanan. Setiap kali membutuhkan tindakan, agen menulis rangkaian perintah pemrograman untuk menjalankan aktivitas yang direncanakan. Apabila program mengalami masalah, sistem dapat memeriksa hasil eksekusi dan mencoba pendekatan pemrograman lain. Proses pemrograman berulang ini menjadi bagian penting keberhasilan eksperimen.
Selama eksperimen berlangsung, keempat agen menulis sebanyak 2.783 program. Ribuan program yang dihasilkan menunjukkan tingginya kebutuhan pengendalian. Kode yang digunakan tidak selalu berjalan tanpa kendala, karena sekitar 22 persen tidak menyelesaikan eksekusi dengan benar. Namun demikian, agen berupaya memperbaiki strategi. Proses pemulihan tersebut memperlihatkan salah satu tantangan dalam pengembangan agen AI otonom. Untuk penerapan di luar permainan, kemampuan menulis kode saja belum cukup. Oleh sebab itu, penanganan kesalahan menjadi bagian penting.
Koordinasi Empat Agen Gemini dalam Menyelesaikan Minecraft
Pencapaian yang dilaporkan Google DeepMind tidak hanya bergantung pada kemampuan pemrograman. Seluruh anggota tim virtual berkomunikasi melalui percakapan dalam permainan serta memanfaatkan memori bersama. Melalui mekanisme tersebut, setiap agen mampu melaporkan perkembangan mengenai lokasi material, risiko di wilayah tertentu, serta pekerjaan yang telah selesai. Pembagian peran berkembang selama interaksi berlangsung, bukan dipaksakan melalui pembagian manual. Koordinasi multiagen tersebut memperlihatkan potensi kolaborasi AI.
Penerapan komunikasi praktis terlihat ketika karakter mengalami kematian. Ketika karakter mati di dunia survival, barang yang dimiliki sebelum kematian mungkin harus diambil kembali. Agen yang mengalami kejadian tersebut mampu meminta bantuan melalui pesan kepada karakter yang masih beroperasi. Berdasarkan pesan yang diberikan, anggota tim melakukan perjalanan menuju lokasi yang dilaporkan. Bentuk kolaborasi tersebut memungkinkan sumber daya digunakan kembali. Selama eksperimen, para agen juga bertukar ratusan pesan. Hal tersebut menunjukkan pentingnya informasi bersama.
Tantangan Google DeepMind Menyelesaikan Minecraft Secara Otonom
Sebelum dapat menghadapi Ender Dragon, para agen perlu melewati rangkaian pekerjaan panjang. Mereka terlebih dahulu menyiapkan perlengkapan awal untuk membuat peralatan. Setelah kebutuhan dasar terpenuhi, tim harus mengakses lingkungan permainan berbeda. Sepanjang tahap persiapan, agen berhadapan dengan kondisi yang tidak selalu terduga. Untuk mempertahankan kemajuan, para agen menggunakan temuan sebelumnya untuk menentukan tindakan. Setiap kemajuan dibutuhkan untuk membuka tahapan permainan lain. Karakteristik tersebut membuat Minecraft menjadi lingkungan pengujian yang menarik.
Setelah melewati berbagai tahapan, para agen mampu menuntaskan pertarungan terakhir dalam durasi total 27 jam 14 menit. Dalam keseluruhan misi, karakter yang dikendalikan AI tercatat mati sebanyak 605 kali. Jumlah kegagalan karakter tersebut menggambarkan tingginya kebutuhan percobaan dan pemulihan. Hampir separuh durasi eksperimen digunakan untuk menghadapi Ender Dragon. Strategi yang digunakan pada tahap tersebut menggunakan tumpukan blok tanah untuk menjangkau kristal penyembuh naga. Taktik selama pertarungan menjadi bagian penting dalam penyelesaian misi. Meski kemenangan berhasil diperoleh, hasil tersebut belum menunjukkan kemampuan bermain tanpa kesalahan.
Kelemahan Agen Gemini 4 Argon Meski Berhasil Menamatkan Minecraft
Pencapaian sistem Gemini 4 Argon tidak terlepas dari penggunaan sumber daya AI. Dalam evaluasi penggunaan model, proses mencapai kemenangan diperkirakan menelan biaya sekitar 520 dolar AS menggunakan perhitungan berdasarkan tarif pengantar. Dalam skema harga normal, jumlah tersebut diperkirakan mencapai sekitar 1.040 dolar AS. Variasi perhitungan biaya ini menunjukkan pentingnya memahami asumsi harga. Pada sisi sumber daya, pengoperasian selama lebih dari satu hari bergantung pada kemampuan memulihkan proses. Dengan mempertimbangkan karakteristiknya, efisiensi komputasi juga perlu dievaluasi.
Hasil Google DeepMind perlu dipahami berdasarkan kondisi pengujiannya. Salah satu batasannya, permainan dijalankan pada tingkat Easy sehingga tantangannya berbeda dari mode lebih sulit. 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. Tidak kalah penting, eksperimen tidak menunjukkan bahwa seluruh pengujian akan berakhir sama. Untuk menilai kemampuan lebih luas, penelitian lanjutan dapat mengevaluasi pengulangan eksperimen guna memahami keandalan strategi.
Dampak Eksperimen Gemini 4 Argon bagi Perkembangan TEKNOLOGI
Hasil eksperimen agen AI dalam Minecraft menunjukkan perkembangan penting dalam penerapan pemrograman otomatis. Dengan menulis 2.783 program JavaScript, berkoordinasi melalui komunikasi antarsistem, dan memperbaiki strategi ketika menghadapi hambatan, keempat agen menuntaskan tujuan utama eksperimen. Meski pencapaian tersebut penting, 605 kematian serta tingkat kesalahan program yang masih tinggi menunjukkan bahwa sistem belum sempurna. Di tengah pertumbuhan sistem agen otonom, penelitian ini dapat menjadi acuan studi perencanaan jangka panjang untuk pekerjaan dengan banyak tahapan saling bergantung. Menurut Anda, apakah sistem yang dapat menulis ribuan program sendiri akan menjadi fondasi teknologi AI masa depan? Bagikan pendapat Anda mengenai perkembangan agen AI.
