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

Para peneliti Google DeepMind melaporkan keberhasilan empat agen AI yang berkolaborasi menyelesaikan tantangan Minecraft. Eksperimen ini mengandalkan sistem Gemini 4 Argon yang ditugaskan mencapai satu sasaran, yaitu menyelesaikan pertarungan melawan Ender Dragon. Tidak seperti pemain manusia yang mengendalikan karakter langsung, setiap agen menjalankan aksi dengan instruksi pemrograman. Dengan pendekatan tersebut, AI harus merencanakan tindakan sebelum menjalankan aktivitas permainan. 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 tersedia sebagai makalah penelitian sejak 15 Oktober 2026. Pada pelaksanaan eksperimen, para agen ditempatkan dalam dunia survival yang dibuat secara acak. Mode permainan menggunakan pilihan Easy, sementara perintah cheat dinonaktifkan. Para peneliti tidak menulis logika permainan khusus untuk menentukan tindakan para pemain. Walaupun berjalan secara otonom, eksperimen dijalankan dalam sistem sandbox. Batas eksperimen tersebut penting untuk memahami hasil secara tepat.

Mekanisme Pemrograman Otomatis dalam Eksperimen Minecraft

Dalam menjalankan aktivitas Minecraft, setiap agen AI menggunakan pustaka sumber terbuka Mineflayer yang menyediakan antarmuka pemrograman untuk Minecraft. Dengan bantuan perangkat lunak ini, agen bisa mengendalikan aktivitas pemain, melakukan penambangan, merakit item permainan, serta melakukan tindakan pertempuran. Setiap kali membutuhkan tindakan, agen menghasilkan instruksi melalui kode untuk menyelesaikan langkah permainan. Jika kode tidak menghasilkan tindakan yang diharapkan, sistem berupaya memahami kegagalan program dan menulis perbaikan. Mekanisme pengendalian tersebut memperlihatkan penggunaan bahasa pemrograman untuk bertindak secara otonom.

Selama eksperimen berlangsung, keempat agen menciptakan total 2.783 rangkaian kode. Banyaknya instruksi pemrograman tersebut menunjukkan tingginya kebutuhan pengendalian. Instruksi yang dihasilkan tidak semuanya langsung berhasil, karena sekitar 22 persen mengalami error ketika dijalankan. Walaupun kesalahan cukup sering terjadi, agen tetap dapat melanjutkan pekerjaan. Proses pemulihan tersebut menjadi contoh penting dalam pengembangan agen AI otonom. Pada pekerjaan perangkat lunak profesional, keberhasilan membutuhkan pemeriksaan hasil. Oleh sebab itu, mekanisme pengujian dan pemulihan tetap diperlukan.

Strategi Pembagian Tugas dan Memori Bersama pada Agen AI

Pencapaian yang dilaporkan Google DeepMind juga membutuhkan kerja sama antarsistem. Keempat agen berkomunikasi melalui percakapan dalam permainan serta memanfaatkan memori bersama. Dengan menggunakan komunikasi ini, setiap agen mampu melaporkan perkembangan mengenai rute perjalanan, risiko di wilayah tertentu, serta kebutuhan bantuan dari anggota lain. Penentuan pekerjaan berkembang selama interaksi berlangsung, bukan ditetapkan secara langsung oleh peneliti. Pendekatan ini memperlihatkan potensi kolaborasi AI.

Penerapan komunikasi praktis terjadi ketika pemain yang dikendalikan AI gagal bertahan. Dalam Minecraft, barang yang dibawa pemain dapat terjatuh di lokasi tertentu. Sistem yang baru mengalami kegagalan dapat membagikan informasi koordinat kepada anggota tim lainnya. Setelah menerima informasi, anggota tim membantu memulihkan barang penting. Bentuk kolaborasi tersebut memungkinkan sumber daya digunakan kembali. Sepanjang pelaksanaan tantangan, para agen mengandalkan percakapan untuk menyesuaikan strategi. Pola komunikasi tersebut menunjukkan pentingnya informasi bersama.

Perjalanan Agen AI Mengalahkan Ender Dragon dalam 27 Jam

Sebelum dapat menghadapi Ender Dragon, para agen harus menyelesaikan banyak tahapan. Ketika permainan dimulai, para agen mengumpulkan bahan dasar untuk meningkatkan kemampuan bertahan. Pada langkah berikutnya, tim dituntut mencari material untuk membuka jalur berikutnya. Dalam proses tersebut, agen menemui hambatan navigasi. Mereka juga menyusun strategi eksplorasi. Hasil dari sebuah pekerjaan mempengaruhi pilihan tindakan selanjutnya. Karakteristik tersebut sesuai untuk mempelajari kemampuan agen menyelesaikan tugas kompleks.

Sesudah menjalankan serangkaian pekerjaan, para agen mampu menuntaskan pertarungan terakhir dalam durasi total 27 jam 14 menit. Selama perjalanan tersebut, karakter yang dikendalikan AI menghadapi total 605 kematian. Angka tersebut menggambarkan tingginya kebutuhan percobaan dan pemulihan. Sebagian besar waktu tercurah pada upaya mengalahkan bos terakhir. Salah satu solusi yang ditemukan memanfaatkan penempatan blok sebagai pijakan untuk menghancurkan kristal yang mendukung pemulihan Ender Dragon. Strategi tersebut menjadi bagian penting dalam penyelesaian misi. Walaupun tujuan akhirnya tercapai, hasil tersebut belum menunjukkan kemampuan bermain tanpa kesalahan.

Biaya Komputasi dan Batas Eksperimen Minecraft Google DeepMind

Pencapaian sistem Gemini 4 Argon juga membutuhkan biaya komputasi. Menurut estimasi biaya yang dijelaskan peneliti, proses mencapai kemenangan diperkirakan menelan biaya 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 perlu diperhatikan ketika membandingkan biaya eksperimen. Pada sisi sumber daya, pengoperasian selama lebih dari satu hari membutuhkan pengelolaan pekerjaan berkelanjutan. Dengan mempertimbangkan karakteristiknya, efisiensi komputasi juga perlu dievaluasi.

Penelitian ini memiliki sejumlah batasan. Sebagai pertimbangan awal, permainan menggunakan pengaturan kesulitan Easy sehingga risiko pertempuran tidak sama dengan tingkat Hard. Selain itu, agen mengakses informasi permainan melalui antarmuka program, bukan memproses tampilan visual sebagaimana pemain biasa. Metode pengendalian tersebut berbeda dari pengalaman yang mengandalkan gambar layar. Ketiga, eksperimen belum membuktikan tingkat keberhasilan dalam banyak percobaan. Karena itu, penelitian lanjutan sebaiknya membandingkan tingkat kesulitan berbeda guna mengetahui batas kemampuan sebenarnya.

Kesimpulan Keberhasilan Agen AI Google DeepMind di Minecraft

Hasil eksperimen agen AI dalam Minecraft menghadirkan bukti kemampuan yang menjanjikan dalam bidang agen kecerdasan buatan. Dengan menulis 2.783 program JavaScript, mengatur tugas tanpa penugasan manusia, dan memperbaiki strategi ketika menghadapi hambatan, keempat agen berhasil mengalahkan Ender Dragon. 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 pekerjaan dengan banyak tahapan saling bergantung. Bagaimana pendapat Anda, apakah sistem yang dapat menulis ribuan program sendiri akan membantu otomatisasi pekerjaan digital? Sampaikan pandangan Anda mengenai potensi kerja sama kecerdasan buatan dalam menyelesaikan tugas kompleks.