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.

Empat Agen Gemini 4 Argon Berhasil Mengalahkan Ender Dragon

Tim riset kecerdasan buatan Google DeepMind berhasil mendemonstrasikan empat agen AI yang berkolaborasi menyelesaikan tantangan Minecraft. Pengujian yang dilakukan para ilmuwan memanfaatkan agen berbasis Gemini 4 Argon yang diberikan satu tujuan utama, yaitu mengalahkan Ender Dragon. Jika dibandingkan dengan pengalaman bermain menggunakan keyboard, setiap agen mengoperasikan karakter melalui kode program. Melalui metode ini, AI perlu menyusun strategi sebelum mengambil sumber daya. Hasil akhirnya memberikan gambaran potensi AI untuk tugas panjang.

Eksperimen tersebut dijelaskan dalam makalah ilmiah berjudul A team of Gemini 4 Argon agents beats Minecraft yang dikerjakan 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. Mode permainan ditetapkan pada Easy, sementara penggunaan cheat tidak diizinkan. Tim pengembang eksperimen tidak menulis logika permainan khusus untuk mengatur pekerjaan karakter. Meski demikian, eksperimen menggunakan infrastruktur penelitian yang diawasi. Kondisi tersebut menjelaskan konteks keberhasilan yang dilaporkan.

Mekanisme Pemrograman Otomatis dalam Eksperimen Minecraft

Untuk mengendalikan permainan, setiap agen AI menggunakan pustaka sumber terbuka Mineflayer yang memungkinkan pengendalian karakter melalui JavaScript. Berkat antarmuka Mineflayer, agen mampu menentukan arah perjalanan, mengumpulkan material, merakit item permainan, serta melakukan tindakan pertempuran. Ketika hendak menyelesaikan pekerjaan, agen menghasilkan instruksi melalui kode untuk menyelesaikan langkah permainan. Apabila program mengalami masalah, sistem mengevaluasi respons perangkat lunak dan menyusun instruksi pengganti. Mekanisme pengendalian tersebut menunjukkan penerapan AI sebagai agen coding.

Sepanjang perjalanan menuju kemenangan, keempat agen menghasilkan 2.783 program JavaScript. Ribuan program yang dihasilkan menggambarkan banyaknya tindakan yang harus direncanakan. Instruksi yang dihasilkan tidak semuanya langsung berhasil, karena sekitar 22 persen tidak menyelesaikan eksekusi dengan benar. Walaupun kesalahan cukup sering terjadi, agen tetap dapat melanjutkan pekerjaan. Situasi tersebut memperlihatkan salah satu tantangan dalam pengembangan agen AI otonom. Dalam penggunaan nyata, kemampuan menulis kode saja belum cukup. Untuk memperoleh sistem yang lebih andal, pengawasan terhadap kualitas keluaran harus diperhatikan.

Strategi Pembagian Tugas dan Memori Bersama pada Agen AI

Hasil permainan tersebut ditentukan oleh koordinasi beberapa agen. Keempat agen menyampaikan pesan melalui fasilitas komunikasi permainan serta berbagi catatan pekerjaan. Melalui mekanisme tersebut, setiap agen dapat menyampaikan temuan mengenai rute perjalanan, risiko di wilayah tertentu, serta kebutuhan bantuan dari anggota lain. Penentuan pekerjaan muncul melalui keputusan para agen sendiri, bukan ditetapkan secara langsung oleh peneliti. Koordinasi multiagen tersebut memperlihatkan potensi kolaborasi AI.

Salah satu bentuk kerja sama terjadi ketika pemain yang dikendalikan AI gagal bertahan. Pada mekanisme permainan tersebut, barang yang dibawa pemain mungkin harus diambil kembali. Sistem yang baru mengalami kegagalan mampu meminta bantuan melalui pesan kepada karakter yang masih beroperasi. Setelah menerima informasi, anggota tim dapat mencoba mengambil perlengkapan yang tertinggal. Strategi ini memungkinkan sumber daya digunakan kembali. Dalam proses permainan, para agen menggunakan komunikasi secara berulang. Hal tersebut menunjukkan pentingnya informasi bersama.

Tantangan Google DeepMind Menyelesaikan Minecraft Secara Otonom

Sebelum dapat menghadapi Ender Dragon, para agen dituntut memenuhi sejumlah persyaratan permainan. Ketika permainan dimulai, para agen menyiapkan perlengkapan awal untuk meningkatkan kemampuan bertahan. Pada langkah berikutnya, tim harus mengakses lingkungan permainan berbeda. Dalam proses tersebut, agen berhadapan dengan kondisi yang tidak selalu terduga. Keempat sistem tersebut turut menggunakan temuan sebelumnya untuk menentukan tindakan. Pencapaian pada satu tahap dibutuhkan untuk membuka tahapan permainan lain. Rangkaian ketergantungan ini memberikan tantangan perencanaan jangka panjang.

Sesudah menjalankan serangkaian pekerjaan, para agen menyelesaikan sasaran utama permainan dalam waktu 27 jam dan 14 menit. Sepanjang proses menuju kemenangan, karakter yang dikendalikan AI menghadapi total 605 kematian. Angka tersebut memperlihatkan bahwa keberhasilan tidak berlangsung mulus. Sebagian besar waktu tercurah pada upaya mengalahkan bos terakhir. Salah satu solusi yang ditemukan memanfaatkan penempatan blok sebagai pijakan untuk mengakses End Crystal yang berada di tempat tinggi. Strategi tersebut 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. Berdasarkan perhitungan dalam penelitian, proses mencapai kemenangan memerlukan pengeluaran sekitar 520 dolar AS menggunakan perhitungan berdasarkan tarif pengantar. Apabila menggunakan tarif standar, jumlah tersebut diperkirakan mencapai sekitar 1.040 dolar AS. Variasi perhitungan biaya ini berkaitan dengan tarif layanan yang digunakan. Pada sisi sumber daya, pengoperasian selama lebih dari satu hari memerlukan kestabilan sistem. Karena itu, efisiensi komputasi juga perlu dievaluasi.

Penelitian ini memiliki sejumlah batasan. Salah satu batasannya, permainan dijalankan pada tingkat Easy sehingga tantangannya berbeda dari mode lebih sulit. Selain itu, agen mengakses informasi permainan melalui antarmuka program, bukan memproses tampilan visual sebagaimana pemain biasa. Metode pengendalian tersebut memungkinkan penggunaan informasi terstruktur dari permainan. Batasan berikutnya, eksperimen merupakan demonstrasi satu penyelesaian. Karena itu, penelitian lanjutan perlu menguji berbagai kondisi guna mengetahui batas kemampuan sebenarnya.

Masa Depan AI Otonom setelah Eksperimen Minecraft

Keberhasilan empat agen Google DeepMind memperlihatkan kemajuan menarik dalam penerapan pemrograman otomatis. Melalui pembuatan 2.783 program JavaScript, berkoordinasi melalui komunikasi antarsistem, dan menyesuaikan tindakan berdasarkan hasil sebelumnya, keempat agen berhasil mengalahkan Ender Dragon. Walaupun hasil akhirnya berhasil, 605 kematian serta penggunaan sumber daya komputasi yang besar memperlihatkan kebutuhan pengembangan lanjutan. Seiring kemajuan kecerdasan buatan, penelitian ini membuka peluang penelitian koordinasi multiagen untuk pekerjaan dengan banyak tahapan saling bergantung. Dari sudut pandang Anda, apakah agen AI yang mampu menamatkan Minecraft akan membantu otomatisasi pekerjaan digital? Ceritakan pemikiran Anda mengenai perkembangan agen AI.