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.

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 diberikan satu tujuan utama, yaitu menyelesaikan pertarungan melawan Ender Dragon. Jika dibandingkan dengan pengalaman bermain menggunakan keyboard, setiap agen menjalankan aksi dengan instruksi pemrograman. Melalui metode ini, AI dituntut menentukan langkah sebelum menggerakkan karakter. Pencapaian eksperimen tersebut memperlihatkan perkembangan agen pemrograman.

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. Dokumen ilmiah tersebut dipublikasikan pada 15 Oktober 2026. Ketika percobaan dimulai, para agen ditempatkan dalam dunia survival yang dibuat secara acak. Pengaturan tantangan ditetapkan pada Easy, sementara perintah cheat dinonaktifkan. Pengawas penelitian tidak menulis logika permainan khusus untuk membantu setiap agen. Meski demikian, eksperimen tetap berlangsung di lingkungan pengujian terkontrol. Kondisi tersebut penting untuk memahami hasil secara tepat.

Cara Agen AI Google DeepMind Menulis Ribuan Program Minecraft

Untuk mengendalikan permainan, setiap agen AI memanfaatkan library Mineflayer yang mendukung operasi pemain menggunakan kode. Berkat antarmuka Mineflayer, agen bisa mengendalikan aktivitas pemain, mengumpulkan material, merakit item permainan, serta menghadapi musuh. Saat menghadapi situasi tertentu, agen menulis rangkaian perintah pemrograman untuk melaksanakan tindakan karakter. Jika kode tidak menghasilkan tindakan yang diharapkan, sistem dapat memeriksa hasil eksekusi dan menyusun instruksi pengganti. Mekanisme pengendalian tersebut memperlihatkan penggunaan bahasa pemrograman untuk bertindak secara otonom.

Dalam keseluruhan proses menyelesaikan permainan, keempat agen menciptakan total 2.783 rangkaian kode. Jumlah tersebut menggambarkan banyaknya tindakan yang harus direncanakan. Kode yang digunakan tidak semuanya langsung berhasil, karena sekitar 22 persen mengalami error ketika dijalankan. Walaupun kesalahan cukup sering terjadi, agen tetap dapat melanjutkan pekerjaan. Kemampuan menghadapi kegagalan ini menjadi contoh penting dalam pengembangan agen AI otonom. Pada pekerjaan perangkat lunak profesional, kemampuan menulis kode saja belum cukup. Untuk memperoleh sistem yang lebih andal, penanganan kesalahan menjadi bagian penting.

Cara Agen Google DeepMind Berkomunikasi untuk Mencapai Tujuan

Hasil permainan tersebut juga membutuhkan kerja sama antarsistem. Empat karakter yang dikendalikan AI berkomunikasi melalui percakapan dalam permainan serta memanfaatkan memori bersama. Dengan menggunakan komunikasi ini, setiap agen bisa membagikan informasi penting mengenai rute perjalanan, ancaman musuh, serta pekerjaan yang telah selesai. Pengaturan aktivitas tim berkembang selama interaksi berlangsung, bukan dipaksakan melalui pembagian manual. Sistem kerja sama tersebut membantu menjelaskan bagaimana beberapa agen dapat bekerja menuju satu sasaran.

Penerapan komunikasi praktis muncul saat salah satu agen kehilangan perlengkapannya. Ketika karakter mati di dunia survival, barang yang tersimpan dalam inventaris karakter dapat terjatuh di lokasi tertentu. Karakter AI yang kehilangan barang dapat membagikan informasi koordinat kepada agen lain dalam permainan. Selanjutnya, anggota tim melakukan perjalanan menuju lokasi yang dilaporkan. Strategi ini memungkinkan sumber daya digunakan kembali. Sepanjang pelaksanaan tantangan, para agen mengandalkan percakapan untuk menyesuaikan strategi. Hal tersebut memperlihatkan kebutuhan koordinasi antartugas.

Tantangan Google DeepMind Menyelesaikan Minecraft Secara Otonom

Sebelum dapat menghadapi Ender Dragon, para agen harus menyelesaikan banyak tahapan. Pada tahap awal, sistem menyiapkan perlengkapan awal untuk mendukung aktivitas eksplorasi. Setelah kebutuhan dasar terpenuhi, tim perlu menemukan sumber daya yang lebih sulit. Sepanjang tahap persiapan, agen berhadapan dengan kondisi yang tidak selalu terduga. Mereka juga mengubah rencana berdasarkan informasi baru. Pencapaian pada satu tahap dibutuhkan untuk membuka tahapan permainan lain. Rangkaian ketergantungan ini membuat Minecraft menjadi lingkungan pengujian yang menarik.

Pada akhirnya, para agen mampu menuntaskan pertarungan terakhir dalam waktu 27 jam dan 14 menit. Sepanjang proses menuju kemenangan, karakter yang dikendalikan AI mengalami 605 kematian. Jumlah kegagalan karakter tersebut menunjukkan masih adanya kesulitan pengambilan keputusan. Hampir separuh durasi eksperimen tercurah pada upaya mengalahkan bos 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, jumlah kegagalan yang tinggi tetap menjadi catatan.

Kelemahan Agen Gemini 4 Argon Meski Berhasil Menamatkan Minecraft

Hasil eksperimen Google DeepMind memerlukan pemrosesan model dalam jumlah besar. Dalam evaluasi penggunaan model, 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 menunjukkan pentingnya memahami asumsi harga. Di luar kebutuhan finansial, pengoperasian selama lebih dari satu hari bergantung pada kemampuan memulihkan proses. Karena itu, biaya dan keandalan menjadi indikator penting.

Penelitian ini memiliki sejumlah batasan. Sebagai pertimbangan awal, permainan berlangsung dengan kesulitan yang lebih rendah sehingga tantangannya berbeda dari mode lebih sulit. Pertimbangan lainnya, agen membaca keadaan dunia melalui representasi terstruktur, bukan mengandalkan penglihatan seperti manusia. Akses data semacam ini berbeda dari pengalaman yang mengandalkan gambar layar. Batasan berikutnya, eksperimen tidak menunjukkan bahwa seluruh pengujian akan berakhir sama. Karena itu, penelitian lanjutan dapat mengevaluasi pengulangan eksperimen guna mengukur konsistensi agen.

Masa Depan AI Otonom setelah Eksperimen Minecraft

Keberhasilan empat agen Google DeepMind menunjukkan perkembangan penting dalam bidang agen kecerdasan buatan. Melalui pembuatan 2.783 program JavaScript, berkoordinasi melalui komunikasi antarsistem, dan memulihkan diri setelah berbagai kegagalan, keempat agen menuntaskan tujuan utama eksperimen. Namun demikian, 605 kematian serta keterbatasan pengujian pada mode Easy menjadi pengingat penting mengenai batas kemampuan AI. Di tengah pertumbuhan sistem agen otonom, penelitian ini membuka peluang penelitian koordinasi multiagen untuk tugas perangkat lunak yang kompleks. Bagaimana pendapat Anda, apakah agen AI yang mampu menamatkan Minecraft akan membantu otomatisasi pekerjaan digital? Bagikan pendapat Anda mengenai perkembangan agen AI.