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

Tim riset kecerdasan buatan Google DeepMind berhasil mendemonstrasikan empat agen AI yang berkolaborasi menyelesaikan tantangan Minecraft. Eksperimen ini mengandalkan sistem Gemini 4 Argon yang ditugaskan mencapai satu sasaran, yaitu mengalahkan Ender Dragon. Tidak seperti pemain manusia yang mengendalikan karakter langsung, setiap agen mengoperasikan karakter melalui kode program. Melalui metode ini, AI perlu menyusun strategi sebelum menjalankan aktivitas permainan. Pencapaian eksperimen tersebut memberikan gambaran potensi AI untuk tugas panjang.

Penelitian Google DeepMind ini dijelaskan dalam makalah ilmiah berjudul A team of Gemini 4 Argon agents beats Minecraft yang disusun 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 memberikan pembagian peran untuk mengatur pekerjaan karakter. Kendati tidak diarahkan selama permainan, eksperimen tetap berlangsung di lingkungan pengujian terkontrol. Kondisi tersebut penting untuk memahami hasil secara tepat.

Teknologi Mineflayer Membantu Gemini Mengendalikan Karakter

Untuk mengendalikan permainan, setiap agen AI mengandalkan perangkat lunak Mineflayer yang mendukung operasi pemain menggunakan kode. Berkat antarmuka Mineflayer, agen mampu menentukan arah perjalanan, mengambil sumber daya, menjalankan proses crafting, serta menjalankan strategi pertahanan. Ketika hendak menyelesaikan pekerjaan, agen menulis rangkaian perintah pemrograman untuk menyelesaikan langkah permainan. Ketika instruksi menemui kesalahan, sistem berupaya memahami kegagalan program dan mencoba pendekatan pemrograman lain. Kemampuan tersebut menunjukkan penerapan AI sebagai agen coding.

Selama eksperimen berlangsung, keempat agen menulis sebanyak 2.783 program. Banyaknya instruksi pemrograman tersebut memperlihatkan kompleksitas pekerjaan. Kode yang digunakan masih menghadapi masalah eksekusi, karena sekitar 22 persen berakhir dengan kesalahan. Meski tingkat kegagalan program tergolong berarti, agen berupaya memperbaiki strategi. Kemampuan menghadapi kegagalan ini memberikan gambaran menarik dalam penerapan pemrograman berbasis AI. Untuk penerapan di luar permainan, proses pemrograman harus disertai validasi. Oleh sebab itu, penanganan kesalahan menjadi bagian penting.

Cara Agen Google DeepMind Berkomunikasi untuk Mencapai Tujuan

Keberhasilan eksperimen juga membutuhkan kerja sama antarsistem. Seluruh anggota tim virtual menyampaikan pesan melalui fasilitas komunikasi permainan serta berbagi catatan pekerjaan. Berkat sistem koordinasi tersebut, setiap agen bisa membagikan informasi penting mengenai rute perjalanan, hambatan yang ditemukan, serta pekerjaan yang telah selesai. Penentuan pekerjaan dilakukan secara otonom, bukan dipaksakan melalui pembagian manual. Sistem kerja sama tersebut membantu menjelaskan bagaimana beberapa agen dapat bekerja menuju satu sasaran.

Salah satu bentuk kerja sama terjadi ketika pemain yang dikendalikan AI gagal bertahan. Ketika karakter mati di dunia survival, barang yang tersimpan dalam inventaris karakter mungkin harus diambil kembali. Agen yang mengalami kejadian tersebut berpeluang memberitahukan lokasi kematiannya kepada karakter yang masih beroperasi. Selanjutnya, anggota tim melakukan perjalanan menuju lokasi yang dilaporkan. Bentuk kolaborasi tersebut membantu mengurangi dampak kegagalan. Selama eksperimen, para agen juga bertukar ratusan pesan. Hal tersebut memperlihatkan kebutuhan koordinasi antartugas.

Tantangan Google DeepMind Menyelesaikan Minecraft Secara Otonom

Sebelum dapat menghadapi Ender Dragon, para agen perlu melewati rangkaian pekerjaan panjang. Ketika permainan dimulai, para agen mencari sumber daya penting untuk meningkatkan kemampuan bertahan. Selanjutnya, tim harus mengakses lingkungan permainan berbeda. Dalam proses tersebut, agen menghadapi berbagai ancaman. Mereka juga menggunakan temuan sebelumnya untuk menentukan tindakan. Pencapaian pada satu tahap dibutuhkan untuk membuka tahapan permainan lain. Karakteristik tersebut memberikan tantangan perencanaan jangka panjang.

Pada akhirnya, para agen menyelesaikan sasaran utama permainan dalam waktu 27 jam dan 14 menit. Dalam keseluruhan misi, karakter yang dikendalikan AI menghadapi total 605 kematian. Jumlah kegagalan karakter tersebut menunjukkan masih adanya kesulitan pengambilan keputusan. Hampir separuh durasi eksperimen digunakan untuk menghadapi Ender Dragon. Salah satu solusi yang ditemukan menggunakan tumpukan blok tanah untuk menghancurkan kristal yang mendukung pemulihan Ender Dragon. Strategi tersebut menjadi bagian penting dalam penyelesaian misi. Namun demikian, hasil tersebut belum menunjukkan kemampuan bermain tanpa kesalahan.

Biaya Komputasi dan Batas Eksperimen Minecraft Google DeepMind

Keberhasilan agen AI memerlukan pemrosesan model dalam jumlah besar. Menurut estimasi biaya yang dijelaskan peneliti, proses mencapai kemenangan memerlukan pengeluaran sekitar 520 dolar AS menggunakan harga promosi awal model. Apabila menggunakan tarif standar, jumlah tersebut diperkirakan mencapai sekitar 1.040 dolar AS. Perbedaan angka tersebut menunjukkan pentingnya memahami asumsi harga. Pada sisi sumber daya, pengoperasian selama lebih dari satu hari memerlukan kestabilan sistem. Karena itu, keberhasilan tugas panjang tidak hanya diukur dari hasil akhir.

Eksperimen tersebut tetap menyisakan keterbatasan. Pertama, permainan dijalankan pada tingkat Easy sehingga hasilnya belum tentu langsung berlaku pada semua tingkat kesulitan. Kedua, agen memperoleh data lingkungan menggunakan Mineflayer, bukan memproses tampilan visual sebagaimana pemain biasa. Informasi tersebut dapat memberikan detail lingkungan yang sulit dilihat pemain manusia. Batasan berikutnya, eksperimen belum membuktikan tingkat keberhasilan dalam banyak percobaan. Karena itu, penelitian lanjutan perlu menguji berbagai kondisi guna memahami keandalan strategi.

Dampak Eksperimen Gemini 4 Argon bagi Perkembangan TEKNOLOGI

Keberhasilan empat agen Google DeepMind memperlihatkan kemajuan menarik dalam pengembangan sistem AI otonom. Dengan menulis 2.783 program JavaScript, membagi pekerjaan secara mandiri, dan menyesuaikan tindakan berdasarkan hasil sebelumnya, keempat agen berhasil mengalahkan Ender Dragon. Meski pencapaian tersebut penting, 605 kematian serta keterbatasan pengujian pada mode Easy memperlihatkan kebutuhan pengembangan lanjutan. Seiring kemajuan kecerdasan buatan, penelitian ini berpotensi mendukung pengembangan agen pemrograman untuk sistem otomatis yang membutuhkan pemulihan kesalahan. Bagaimana pendapat Anda, apakah kolaborasi beberapa agen kecerdasan buatan akan membantu otomatisasi pekerjaan digital? Bagikan pendapat Anda mengenai perkembangan agen AI.