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 berkolaborasi menyelesaikan tantangan Minecraft. Eksperimen ini memanfaatkan agen berbasis Gemini 4 Argon yang ditugaskan mencapai satu sasaran, yaitu menyelesaikan pertarungan melawan 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 mengambil sumber daya. Keberhasilan yang dilaporkan menunjukkan kemampuan koordinasi yang menjanjikan.
Uji kemampuan agen AI tersebut didokumentasikan dalam karya riset 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. Pada pelaksanaan eksperimen, para agen menggunakan dunia permainan survival yang belum dipilih sebelumnya. Pengaturan tantangan berada pada tingkat Easy, sementara fitur perintah curang tidak digunakan. Pengawas penelitian tidak menulis logika permainan khusus untuk mengatur pekerjaan karakter. Meski demikian, eksperimen dijalankan dalam sistem sandbox. Pengaturan penelitian ini membedakan demonstrasi dari permainan manusia biasa.
Teknologi Mineflayer Membantu Gemini Mengendalikan Karakter
Ketika berinteraksi dengan dunia virtual, setiap agen AI mengandalkan perangkat lunak Mineflayer yang mendukung operasi pemain menggunakan kode. Dengan bantuan perangkat lunak ini, agen mampu menentukan arah perjalanan, mengambil sumber daya, membuat peralatan, serta melakukan tindakan pertempuran. Setiap kali membutuhkan tindakan, agen menyusun program JavaScript untuk melaksanakan tindakan karakter. Apabila program mengalami masalah, sistem dapat memeriksa hasil eksekusi dan menyusun instruksi pengganti. Proses pemrograman berulang ini memperlihatkan penggunaan bahasa pemrograman untuk bertindak secara otonom.
Dalam keseluruhan proses menyelesaikan permainan, keempat agen menulis sebanyak 2.783 program. Ribuan program yang dihasilkan memperlihatkan kompleksitas pekerjaan. Instruksi yang dihasilkan tidak selalu berjalan tanpa kendala, karena sekitar 22 persen berakhir dengan kesalahan. Meski tingkat kegagalan program tergolong berarti, agen tetap dapat melanjutkan pekerjaan. Situasi tersebut memberikan gambaran menarik dalam pembangunan sistem yang menjalankan tugas panjang. Dalam penggunaan nyata, kemampuan menulis kode saja belum cukup. Oleh sebab itu, penanganan kesalahan menjadi bagian penting.
Koordinasi Empat Agen Gemini dalam Menyelesaikan Minecraft
Keberhasilan eksperimen tidak hanya bergantung pada kemampuan pemrograman. Empat karakter yang dikendalikan AI bertukar informasi menggunakan chat Minecraft serta mengakses penyimpanan informasi kolektif. Melalui mekanisme tersebut, setiap agen dapat menyampaikan temuan mengenai kondisi lingkungan, risiko di wilayah tertentu, serta tugas yang sedang dikerjakan. Penentuan pekerjaan berkembang selama interaksi berlangsung, bukan dipaksakan melalui pembagian manual. Koordinasi multiagen tersebut menjadi contoh penerapan kecerdasan kolektif berbasis perangkat lunak.
Penerapan komunikasi praktis muncul saat salah satu agen kehilangan perlengkapannya. Ketika karakter mati di dunia survival, barang yang dibawa pemain berpotensi tertinggal pada tempat kejadian. Agen yang mengalami kejadian tersebut berpeluang memberitahukan lokasi kematiannya kepada anggota tim lainnya. Berdasarkan pesan yang diberikan, anggota tim melakukan perjalanan menuju lokasi yang dilaporkan. Pendekatan pemulihan tersebut memungkinkan sumber daya digunakan kembali. Sepanjang pelaksanaan tantangan, para agen juga bertukar ratusan pesan. Pola komunikasi tersebut memperlihatkan kebutuhan koordinasi antartugas.
Tantangan Google DeepMind Menyelesaikan Minecraft Secara Otonom
Untuk mencapai tujuan akhir, para agen perlu melewati rangkaian pekerjaan panjang. Mereka terlebih dahulu menyiapkan perlengkapan awal untuk mendukung aktivitas eksplorasi. Selanjutnya, tim dituntut mencari material untuk membuka jalur berikutnya. Ketika menjelajahi dunia Minecraft, agen menemui hambatan navigasi. Keempat sistem tersebut turut menggunakan temuan sebelumnya untuk menentukan tindakan. Setiap kemajuan dibutuhkan untuk membuka tahapan permainan lain. Rangkaian ketergantungan ini memberikan tantangan perencanaan jangka panjang.
Pada akhirnya, para agen berhasil mengalahkan Ender Dragon dalam waktu 27 jam dan 14 menit. Dalam keseluruhan misi, karakter yang dikendalikan AI tercatat mati sebanyak 605 kali. Banyaknya kematian itu menunjukkan masih adanya kesulitan pengambilan keputusan. Sebagian besar waktu dihabiskan dalam tahap pertarungan terakhir. Pendekatan yang dipilih para agen menggunakan tumpukan blok tanah untuk menjangkau kristal penyembuh naga. Cara yang dipilih AI menjadi bagian penting dalam penyelesaian misi. Walaupun tujuan akhirnya tercapai, jumlah kegagalan yang tinggi tetap menjadi catatan.
Mengukur Efisiensi dan Keandalan Agen AI dalam Permainan
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 harga promosi awal model. Dalam skema harga normal, jumlah tersebut meningkat menjadi sekitar 1.040 dolar AS. Perbedaan angka tersebut berkaitan dengan tarif layanan yang digunakan. Selain biaya, pengoperasian selama lebih dari satu hari membutuhkan pengelolaan pekerjaan berkelanjutan. 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 tantangannya berbeda dari mode lebih sulit. Pertimbangan lainnya, agen membaca keadaan dunia melalui representasi terstruktur, bukan memproses tampilan visual sebagaimana pemain biasa. Akses data semacam ini 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 memahami keandalan strategi.
Masa Depan AI Otonom setelah Eksperimen Minecraft
Keberhasilan empat agen Google DeepMind memperlihatkan kemajuan menarik dalam bidang agen kecerdasan buatan. Dengan menulis 2.783 program JavaScript, mengatur tugas tanpa penugasan manusia, dan memperbaiki strategi ketika menghadapi hambatan, keempat agen mampu menyelesaikan target permainan. Namun demikian, 605 kematian serta tingkat kesalahan program yang masih tinggi menunjukkan bahwa sistem belum sempurna. Seiring kemajuan kecerdasan buatan, penelitian ini membuka peluang penelitian koordinasi multiagen untuk sistem otomatis yang membutuhkan pemulihan kesalahan. Dari sudut pandang Anda, apakah agen AI yang mampu menamatkan Minecraft akan mempercepat perkembangan asisten pemrograman? Sampaikan pandangan Anda mengenai masa depan pemrograman otomatis.
