Google-এর Gemini 4 Argon চালনাকারী চারজন AI এজেন্ট একটি র্যান্ডম স্পন থেকে এন্ডার ড্রাগনের পরাজয় পর্যন্ত Minecraft সম্পন্ন করেছে, যাকে গবেষকরা AI এজেন্টদের দ্বারা গেমের প্রথম এন্ড-টু-এন্ড স্বায়ত্তশাসিত সমাপ্তি হিসেবে বর্ণনা করেছেন।

15 অক্টোবর arXiv-এ পোস্ট করা একটি কাগজে "জেমিনি 4 আর্গন এজেন্টের একটি দল মাইনক্রাফ্টকে হারায়" শিরোনামে একটি গুগল ডিপমাইন্ড টিম — ম্যাক্সেন্স ফাল্ডর, সতিন্দর সিং এবং রবার্টা রাইলিয়ানু — থেকে ফলাফল এসেছে৷ 18 অক্টোবর দ্য ডিকোডার এটিকে কভার করার পরে রানটি ব্যাপক মনোযোগ আকর্ষণ করেছিল এবং এটি এমন এক মুহুর্তে অবতরণ করে যখন ফ্রন্টিয়ার মডেলগুলি দ্রুত উপনিবেশ স্থাপন করে এমন কাজগুলি যা শুধুমাত্র সম্প্রতি উদ্দেশ্য-নির্মিত, গেম-নির্দিষ্ট AI সিস্টেমের দাবি করেছিল। পাঠকদের জন্য ট্র্যাক করা সর্বশেষ AI ডেভেলপমেন্ট, এটি অনেক ঘন্টা ধরে সমন্বিত, লক্ষ্য-নির্দেশিত কাজ টিকিয়ে রাখার সীমান্ত মডেলগুলির মধ্যে একটি স্পষ্ট প্রদর্শন।

একটি স্যান্ডবক্স, একটি লক্ষ্য, এবং কোন মানব স্ক্রিপ্ট নেই

পরীক্ষামূলক সেটআপ ইচ্ছাকৃতভাবে অতিরিক্ত ছিল. গবেষকরা চারটি জেমিনি 4 আর্গন এজেন্টকে একটি স্যান্ডবক্সযুক্ত মাইনক্রাফ্ট সারভাইভাল ওয়ার্ল্ডে ইজি অসুবিধার উপর রেখেছেন, একটি এলোমেলোভাবে তৈরি করা বিশ্ব থেকে শুরু করে, এবং দলকে একটি লক্ষ্য দিয়েছেন: এন্ডার ড্রাগনকে পরাজিত করুন।

কেউ ভূমিকা বরাদ্দ. কেউ গেমের যুক্তি, কৌশল বা গেম-নির্দিষ্ট সরঞ্জাম লেখেনি। কোন প্রাক-স্কাউট বীজ ব্যবহার করা হয়নি — Minecraft AI গবেষণার একটি সাধারণ শর্টকাট যা কার্যকরভাবে এজেন্টকে একটি পরিচিত মানচিত্র দেয়। প্রতিটি এজেন্ট Mineflayer, প্রোগ্রামেবল Minecraft ক্লায়েন্টদের জন্য একটি ওপেন-সোর্স জাভাস্ক্রিপ্ট লাইব্রেরির মাধ্যমে একজন খেলোয়াড়কে নিয়ন্ত্রণ করতেন এবং চারটি ইন-গেম চ্যাট এবং একটি শেয়ার করা মেমরি স্টোরের মাধ্যমে সমন্বিত।

"সহজ অসুবিধায় এলোমেলোভাবে তৈরি করা বিশ্ব থেকে শুরু করে, দলটি 2,783টি প্রোগ্রাম লিখেছিল এবং 27 ঘন্টা এবং 14 মিনিটে ড্রাগনকে পরাজিত করেছিল, পথে 605 বার মারা গিয়েছিল," কাগজটি বলে। "আমাদের জানামতে, এটি AI এজেন্টদের দ্বারা মাইনক্রাফ্টের প্রথম এন্ড-টু-এন্ড স্বায়ত্তশাসিত সমাপ্তি, যা মানুষের দ্বারা লিখিত প্রি-স্কাউটেড বীজ বা অন্যান্য গেম-নির্দিষ্ট সরঞ্জাম ছাড়াই শুধুমাত্র স্ট্যান্ডার্ড মাইনফ্লেয়ার লাইব্রেরি ব্যবহার করে অর্জন করা হয়েছে।"

কিভাবে এজেন্টরা নিজেদের সংগঠিত করেছিল

যেটি রানকে উল্লেখযোগ্য করে তোলে তা শ্রমের বিভাজনের চেয়ে কম বিজয় যা নিজে থেকে উঠে আসে। কাগজ এবং দ্য ডিকোডারের রিপোর্ট অনুসারে, এজেন্টরা কাজগুলিকে না বলেই বিভক্ত করেছিল, একে অপরকে হুমকির বিষয়ে সতর্ক করেছিল, পতিত সতীর্থদের কাছ থেকে আইটেমগুলি পুনরুদ্ধার করেছিল এবং একটি ভাগ করা মেমরিতে ভুলগুলি লগ করেছিল যাতে একই ত্রুটি অন্ধভাবে পুনরাবৃত্তি না হয়।

সংখ্যাগুলি স্বায়ত্তশাসিত খেলার একটি দিনের প্লাস টেক্সচার ক্যাপচার করে: 2,783টি জাভাস্ক্রিপ্ট প্রোগ্রাম লিখিত এবং এজেন্টদের দ্বারা ডিবাগ করা হয়েছে, 229টি ইন-গেম চ্যাট বার্তা বিনিময় হয়েছে এবং 605টি মৃত্যুর পথ ধরে শোষিত হয়েছে৷ গবেষকরা একটি লাইভ ড্যাশবোর্ডে পুরো রান দেখতে পারতেন এবং যেকোনো সময় এটিকে বিরতি বা বন্ধ করার ক্ষমতা দেওয়া হয়েছিল - কিন্তু, তারা রিপোর্ট করেছেন, তাদের হস্তক্ষেপ করার কোনো কারণ ছিল না।

বিল: $1,620

এই স্কেলে স্বায়ত্তশাসন বিনামূল্যে নয়। ডিকোডার হিসেব করে যে পুরো সেশনের জন্য 2027 সালে কার্যকর হওয়া স্ট্যান্ডার্ড জেমিনি 4 আর্গন মূল্যে মোটামুটি $1,620 খরচ হয়েছে। এই সংখ্যাটি থামানোর মতো: একটি মাল্টি-এজেন্ট দল একটি প্রতিকূল 3D বিশ্ব অন্বেষণ করেছে, এর ক্রাফ্টিং ইকোনমি আয়ত্ত করেছে, এবং ওয়াল-ফিড-এপিআই-এর জন্য এক দিনের বেশি সময় ধরে বসের লড়াই চালিয়েছে। পুনঃপ্রশিক্ষণ, কোন সূক্ষ্ম টিউনিং, মানুষের দ্বারা কোন পুরষ্কার গঠন করা হয় না।

এটি অর্থনীতির পরিবর্তন কত দ্রুত প্রতিফলিত করে। বিটিং মাইনক্রাফ্ট, সম্প্রতি অবধি, গেমপ্লের লক্ষ লক্ষ ফ্রেমে স্ক্র্যাচ থেকে প্রশিক্ষিত বেসপোক সিস্টেমের প্রয়োজন ছিল এমন একটি মাইলফলক। এখানে এটি একটি শখের গ্রেড মাইনক্রাফ্ট লাইব্রেরির মাধ্যমে ব্যবহৃত একটি সাধারণ-উদ্দেশ্য সীমান্ত মডেলে পড়ে।

কেন এটি খেলার বাইরে গুরুত্বপূর্ণ

"জয় করার জন্য এজেন্টদের এক দিনেরও বেশি সময় ধরে হাজার হাজার নির্ভরশীল পদক্ষেপ জুড়ে একটি সুসংগত পরিকল্পনা রাখতে হবে," লেখক লিখেছেন। "জটিল বাস্তব-বিশ্ব সফ্টওয়্যার ইঞ্জিনিয়ারিং এবং এন্টারপ্রাইজের কাজগুলি একই দীর্ঘ-দিগন্ত কোডিং এবং মাল্টি-এজেন্ট সমন্বয়ের দাবি করে।"

সেই ফ্রেমিং ব্যাখ্যা করে যে কেন একটি ব্লক গেম বসের লড়াইকে স্টান্টের পরিবর্তে গবেষণার ফলাফল হিসাবে উপস্থাপন করা হচ্ছে। যে ব্যর্থতার মোডটিতে ঐতিহাসিকভাবে AI এজেন্টদের সীমাবদ্ধতা রয়েছে তা হল সংক্ষিপ্ত বিস্ফোরণে বুদ্ধিমত্তা নয় বরং সময়ের সাথে সাথে সংগতি — শত শত ধাপ পেরিয়ে প্লট হারানো, পূর্বের সিদ্ধান্তের বিরোধিতা করা বা চেনাশোনাগুলিতে পুনরায় চালু করা। মাইনক্রাফ্ট রান প্রমাণ যে একটি সীমান্ত মডেল ঘন্টার মধ্যে পরিমাপ করা একটি দিগন্ত জুড়ে কাঠামো ধরে রাখতে পারে।

সীমা বাস্তব, এবং লেখক তাদের পতাকাঙ্কিত. সহজ অসুবিধা, একটি আবদ্ধ বিশ্ব, এবং একটি চটকদার জয়ের শর্ত Minecraft একটি উন্মুক্ত কর্মক্ষেত্রের চেয়ে বন্ধুত্বপূর্ণ পরিবেশ করে তোলে। কাগজ নিজেই ফলাফলের সীমানার জন্য স্থান নিবেদন করে, এবং একটি দৌড় যা একটি বস হত্যার মধ্যে শেষ হয় তা কোন সংজ্ঞায়িত শেষ অবস্থা ছাড়া অগোছালো কাজগুলি সম্পর্কে খুব কমই বলে।

প্রসঙ্গ: একটি দ্রুত-চলন্ত সীমান্ত

Gemini 4 Argon হল Google-এর সবচেয়ে সক্ষম ফ্রন্টিয়ার মডেল, এখন দ্য ডিকোডার অনুসারে বিশ্বব্যাপী উপলব্ধ, এবং Minecraft ফলাফল এই বছরের ফ্রন্টিয়ার মডেলগুলির দীর্ঘ-দিগন্তের গেমিং কৃতিত্বের একটি স্ট্রিং মধ্যে সর্বশেষ। যেহেতু এজেন্টরা দীর্ঘ কার্যভার গ্রহণ করে, মূল্যায়ন এক-পালা প্রশ্নের উত্তর থেকে ঠিক এই ধরনের দিনব্যাপী স্বায়ত্তশাসন পরীক্ষার দিকে সরে যাচ্ছে।

Minecraft সিলিং হবে না. কিন্তু রেসিপিটি এখানে দেখানো হয়েছে — সাধারণ মডেল, অফ-দ্য-শেল্ফ টুল, শেয়ার করা মেমরি, এবং কোনও মানুষের ভারা নেই — এমন অংশ যা সাধারণীকরণ করে।

---

এআই থেকে এগিয়ে থাকুন

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

আরও এআই খবর পড়ুন →