Google-এর Gemini 4 Argon-এ চলমান চারটি AI এজেন্ট কোনো মানবিক ইনপুট ছাড়াই Minecraft-কে পরাজিত করেছে, সম্পূর্ণ স্বায়ত্তশাসিত দৌড়ে এন্ডার ড্রাগনকে হত্যা করেছে যা 27 ঘন্টা এবং 14 মিনিট স্থায়ী হয়েছিল৷ Google ডিপমাইন্ড টিম এজেন্টদের ভূমিকা, কৌশল বা গেম-নির্দিষ্ট সরঞ্জামগুলি বরাদ্দ না করেই এলোমেলোভাবে তৈরি বিশ্বে ফেলে দিয়েছে, ফ্যাল্ডর এট আল-এর একটি গবেষণাপত্র অনুসারে। দ্য ডিকোডার দ্বারা আচ্ছাদিত — এবং এজেন্টরা নিজেদের সংগঠিত করেছে, সহযোগিতা করেছে এবং জিতেছে।

মাইনক্রাফ্ট দীর্ঘকাল ধরে এআই-এর জন্য একগুঁয়ে বেঞ্চমার্ক। দাবা বা গো থেকে ভিন্ন, এটি দীর্ঘ-দিগন্তের পরিকল্পনা, উন্মুক্ত অন্বেষণ, টুল ক্রাফটিং এবং সমন্বয়ের দাবি রাখে — এই সবই এমন একটি বিশ্বে যা প্রতিবার আপনি এটিতে জন্মানোর সময় পরিবর্তন করেন। গেমের চূড়ান্ত বসকে পরাজিত করার জন্য ঐতিহাসিকভাবে হয় মানব নির্দেশিকা বা ভারী স্ক্রিপ্টযুক্ত প্রশিক্ষণ সেটআপের প্রয়োজন। এই দৌড়, বিপরীতে, চার এজেন্ট দিয়ে শুরু হয়েছিল এবং অন্য কিছু নয়।

সংখ্যায় রান

অধিবেশনের পরিসংখ্যানগুলি একটি বিশৃঙ্খল কিন্তু শেষ পর্যন্ত সফল অভিযানের লগের মতো পড়ে:

  • 27 ঘন্টা, 14 মিনিট একটানা স্বায়ত্তশাসিত খেলা
  • 2,783 জাভাস্ক্রিপ্ট প্রোগ্রাম এজেন্ট নিজেরাই লিখিত
  • ২২৯টি চ্যাট মেসেজ চারটি এজেন্টের মধ্যে বিনিময় হয়েছে
  • পথে 605 মৃত্যু

যে শেষ চিত্র জোর প্রাপ্য. এজেন্টরা গেমটি শেষ করার আগে ছয় শতাধিক বার মারা গিয়েছিল এবং টমের হার্ডওয়্যারের কাগজের কভারেজ অনুসারে, তারা গেমের সহজ অসুবিধা সেটিংয়ে এটি করেছিল। একই রিপোর্টে রানের জন্য টোকেন খরচের অনুমান করা হয়েছে মোটামুটি $520, যখন দ্য ডিকোডার, Gemini 4 Argon-এর স্ট্যান্ডার্ড প্রাইসিং যা 2027 সালে কার্যকর হবে, তা গণনা করে মোট $1,620 করেছে। যেভাবেই হোক, সাধারণ-উদ্দেশ্য AI এজেন্টদের দ্বারা এন্ড-টু-এন্ড মাইনক্রাফ্ট সম্পূর্ণ করার খরচ এখন শত শত ডলারে পরিমাপ করা হয় — আগের বছরের উদ্দেশ্য-নির্মিত গেম AI-তে বিনিয়োগ করা লক্ষ লক্ষ নয়।

জরুরী টিমওয়ার্ক, কোন স্ক্রিপ্ট নেই

কি ফলাফল উল্লেখযোগ্য করে তোলে শুধু যে এজেন্ট জিতেছে না, কিন্তু কিভাবে. কোন ভূমিকা বরাদ্দ না করে, চারটি এজেন্ট নিজেদের মধ্যে কাজগুলি ভাগ করে নেয়, দ্য ডিকোডার রিপোর্ট করে। তারা একে অপরকে হুমকি সম্পর্কে সতর্ক করেছিল, মৃত সতীর্থদের কাছ থেকে আইটেমগুলি পুনরুদ্ধার করেছিল এবং একটি ভাগ করা মেমরিতে ভুলগুলি লগ করেছিল যা গ্রুপটিকে পুনরাবৃত্তি করা ত্রুটিগুলি এড়াতে দেয়।

অন্য কথায়, গেম ডেভেলপাররা সাধারণত NPC টিমে হার্ড-কোড করে যে সমন্বয় আচরণ একই মডেল, একটি শেয়ার্ড ওয়ার্ল্ড এবং একটি কমিউনিকেশন চ্যানেলের চারটি দৃষ্টান্ত থেকে নিজেই উদ্ভূত হয়। 2,783টি স্ব-লিখিত জাভাস্ক্রিপ্ট প্রোগ্রামগুলি একটি ক্রমবর্ধমান দক্ষতা লাইব্রেরি হিসাবে কাজ করে: একবার একজন এজেন্ট কীভাবে লোহা গলতে বা একটি মিনিবসকে পরাজিত করতে হয় তা বের করে, সেই জ্ঞান শুধুমাত্র মডেলের প্রসঙ্গ উইন্ডোতে থাকার পরিবর্তে পুনরায় ব্যবহারযোগ্য কোড হিসাবে টিকে থাকে।

শেয়ার্ড-মেমরির বিশদ বিবরণ এজেন্ট গবেষণা অনুসরণকারী যে কারো জন্য গুরুত্বপূর্ণ। এজেন্টদের দল যারা পাঠ সংগ্রহ করতে এবং প্রেরণ করতে পারে — প্রতিটি ব্যর্থতার পরে শূন্য থেকে পুনরায় আরম্ভ করার পরিবর্তে — আজকের এআই এজেন্টদের কেন্দ্রীয় দুর্বলতাগুলির মধ্যে একটিকে সমাধান করে, যেটি একটি অধিবেশন শেষ হওয়ার মুহুর্তে কঠোরভাবে জয়ী অগ্রগতি হারাতে থাকে।

উদ্দেশ্য-নির্মিত চ্যাম্পিয়ন থেকে সাধারণ এজেন্ট পর্যন্ত

ফলাফল হল একটি প্যাটার্নের সর্বশেষ উদাহরণ যা মাঠ জুড়ে ত্বরান্বিত হয়েছে। এক দশক আগে, বিশ্ব-মানের ভিডিও গেম এআইকে হারানোর জন্য একটি গেমের জন্য স্ক্র্যাচ থেকে প্রশিক্ষিত বেসপোক সিস্টেমের প্রয়োজন: ডিপমাইন্ডের আলফাগো ফর গো, ডোটা 2-এর জন্য ওপেনএআই ফাইভ, স্টারক্রাফ্ট II-এর জন্য আলফাস্টার৷ প্রতিটিই ছিল একটি মনুমেন্টাল ইঞ্জিনিয়ারিং প্রচেষ্টা যা ঠিক একটি জিনিস করতে পারে।

সাধারণ-উদ্দেশ্যের এজেন্টরা এখন গেমের চ্যালেঞ্জগুলি সাফ করছে যা একসময় বছরের বিশেষ প্রশিক্ষণের দাবি করেছিল — এবং তারা একই মডেলের সাথে এটি করে যা ইমেলের উত্তর দিতে পারে বা কোড লিখতে পারে। ডিকোডার নোট করে যে মাইনক্রাফ্ট হল এজেন্টিক এআই মডেলের ভিডিও গেমগুলিকে মারধরের সর্বশেষ উদাহরণ যা উদ্দেশ্য-নির্মিত সিস্টেমের প্রয়োজন হয়। এই জাতীয় প্রতিটি ফলাফল "চিত্তাকর্ষক ডেমো" এবং "সাধারণত সক্ষম সহকারী যা একটি অগোছালো পরিবেশে দীর্ঘ লক্ষ্য অনুসরণ করতে পারে" এর মধ্যে দূরত্বকে ছোট করে।

ঠিক এই কারণেই Minecraft একটি ক্রমাগত গবেষণার টেষ্টবেড হয়েছে: ক্রিপারদের বেঁচে থাকা আনুষঙ্গিক, কিন্তু একটি উন্মুক্ত বিশ্বে কয়েক ঘন্টা ধরে লক্ষ্য-নির্দেশিত আচরণ বজায় রাখা AI ল্যাবগুলি যে ধরনের স্বায়ত্তশাসন তৈরি করার চেষ্টা করছে তার জন্য একটি উপযুক্ত প্রক্সি।

সতর্কতা এবং প্রসঙ্গ

মনে রাখা মূল্য সতর্কতা আছে. টমের হার্ডওয়্যার এবং মাইনক্রাফ্টের জন্য ইজি অসুবিধা ব্যবহার করা হয়েছে - যদিও বিখ্যাতভাবে ওপেন-এন্ডেড - সু-সংজ্ঞায়িত নিয়ম, নির্ধারক পদার্থবিদ্যা এবং উদার respawn মেকানিক্স সহ একটি গেম রয়ে গেছে। বেশিরভাগ বাস্তব-বিশ্বের সেটিংসে 605 জন মৃত্যু মারাত্মক হবে; এখানে তারা সময় এবং টোকেন খরচ.

গণনা এবং খরচের পরিসংখ্যানগুলিও মনোযোগ সহকারে পড়ার যোগ্য: দুটি প্রকাশিত অনুমান ব্যবহৃত মূল্যের মডেলের উপর নির্ভর করে তিনটির ফ্যাক্টর দ্বারা পৃথক, একটি অনুস্মারক যে "এজেন্টের খরচ কত ছিল" অনুমান মূল্য স্থিতিশীল না হওয়া পর্যন্ত কোনও একক উত্তর নেই৷

তবুও, এর কোনটিই মূল ফলাফলকে হ্রাস করে না। চারটি সাধারণ-উদ্দেশ্য এজেন্ট, একটি বিশ্ব এবং একে অপরকে ছাড়া কিছুই না দেওয়া, একটি কার্যকর দলে স্ব-সংগঠিত এবং মাত্র একদিনেরও বেশি সময়ে গেমিংয়ের দীর্ঘতম-চালিত AI চ্যালেঞ্জগুলির একটি শেষ করেছে৷

এটি এজেন্টিক এআই-এর জন্য কী সংকেত দেয়

ডিপমাইন্ডের জন্য, জেমিনি 4 আর্গনের এজেন্টিক ক্ষমতার প্রদর্শনী হিসাবে প্রদর্শনটি দ্বিগুণ হয়ে যায় — মডেল পরিবার Google ঠিক এই ধরনের দীর্ঘ-দিগন্ত, টুল-ব্যবহারের কাজের জন্য অবস্থান করছে। এন্টারপ্রাইজগুলি AI এজেন্টদের প্রশ্নের উত্তর দেওয়া থেকে বহু-দিনের কর্মপ্রবাহ কার্যকর করার জন্য নিয়ে যায়, এই ধরনের বেঞ্চমার্কগুলি একটি আভাস দেয় যে বর্তমান মডেলগুলি কী টিকিয়ে রাখতে পারে যখন উদ্দেশ্যটি দীর্ঘ হয়, পরিবেশ প্রতিকূল হয় এবং ব্যর্থতা একটি বড় একটির পরিবর্তে শত শত ছোট মৃত্যুতে পরিমাপ করা হয়।

এন্ডার ড্রাগন এর আগেও যন্ত্রের কাছে পড়ে গেছে, ভারী মানব ভারা সহ। এইবার, চারজন এজেন্ট একাই এক এলোমেলো জগতে চলে গেল — এবং চ্যাম্পিয়ন হয়ে বেরিয়ে গেল।

---

এআই থেকে এগিয়ে থাকুন

সর্বশেষ AI খবর, বিশ্লেষণ এবং সাফল্য পান — সব এক জায়গায়।

আরও এআই খবর পড়ুন →