Čtyři agenti AI běžící na Gemini 4 Argon od Googlu porazili Minecraft bez jakéhokoli lidského zásahu a zabili Ender Dragon v plně autonomním běhu, který trval 27 hodin a 14 minut. Podle článku Faldora et al. pokrytý The Decoder – a agenti se zorganizovali, spolupracovali a vyhráli.

Minecraft je již dlouho tvrdohlavým měřítkem pro AI. Na rozdíl od šachů nebo Go vyžaduje plánování s dlouhým horizontem, průzkum s otevřeným koncem, vytváření nástrojů a koordinaci – to vše ve světě, který se mění pokaždé, když se do něj objevíte. Porazit posledního bosse hry historicky vyžadovalo buď lidské vedení, nebo silně naskriptované tréninkové nastavení. Tento běh naproti tomu začal se čtyřmi agenty a ničím jiným.

The Run in Numbers

Statistiky z relace se čtou jako deník chaotické, ale nakonec úspěšné expedice:

  • 27 hodin, 14 minut nepřetržitého autonomního přehrávání
  • 2 783 JavaScriptových programů napsaných samotnými agenty
  • 229 chat zpráv vyměněných mezi čtyřmi agenty
  • 605 úmrtí na cestě

Poslední údaj si zaslouží důraz. Agenti zemřeli více než šest setkrát, než hru dokončili, a podle popisu v novinách Tom's Hardware to udělali s nastavením obtížnosti hry Easy. Stejná zpráva odhadla útratu za token na zhruba 520 $, zatímco The Decoder, počítající se standardní cenou Gemini 4 Argon, která vstoupí v platnost v roce 2027, vyčíslil celkovou částku na 1 620 $. Ať tak či onak, náklady na kompletní dokončení Minecraftu pomocí univerzálních agentů AI se nyní měří ve stovkách dolarů – nikoli v milionech investovaných do účelových herních AI v předchozích letech.

Nouzová týmová práce, žádné skripty

To, co dělá výsledek pozoruhodným, není jen to, že agenti vyhráli, ale jak. Bez přidělených rolí si čtyři agenti mezi sebou rozdělili úkoly, uvádí The Decoder. Vzájemně se varovali před hrozbami, obnovovali předměty od mrtvých spoluhráčů a zaznamenávali chyby do sdílené paměti, což skupině umožnilo vyhnout se opakování chyb.

Jinými slovy, koordinační chování, které herní vývojáři obvykle natvrdo kódují do NPC týmů, vyplynulo samo o sobě ze čtyř příkladů stejného modelu, sdíleného světa a komunikačního kanálu. 2 783 samostatně napsaných JavaScript programů funguje jako neustále se rozrůstající knihovna dovedností: jakmile agent přijde na to, jak tavit železo nebo porazit minibosse, tato znalost přetrvává jako opakovaně použitelný kód, než aby žila pouze v kontextovém okně modelu.

Podrobnosti o sdílené paměti jsou důležité pro každého, kdo sleduje průzkum agentů. Týmy agentů, které dokážou shromažďovat a předávat lekce – namísto restartování od nuly po každém selhání – řeší jednu z hlavních slabin dnešních agentů umělé inteligence, kteří mají tendenci ztrácet těžce vydobytý pokrok v okamžiku, kdy relace skončí.

Od účelových šampionů po generální agenty

Výsledkem je nejnovější příklad vzoru, který se v terénu zrychluje. Před deseti lety bylo k překonání světové úrovně umělé inteligence videoher zapotřebí systémů na míru vyškolených od nuly pro jednu hru: AlphaGo for Go od DeepMind, OpenAI Five pro Dota 2, AlphaStar pro StarCraft II. Každý z nich představoval monumentální inženýrské úsilí, které dokázalo přesně jednu věc.

Agenti pro všeobecné účely nyní řeší herní výzvy, které kdysi vyžadovaly roky specializovaného školení – a dělají to stejným modelem, který dokáže odpovídat na e-maily nebo psát kód. Decoder poznamenává, že Minecraft je jen nejnovějším příkladem agentních modelů umělé inteligence, které porážejí videohry, které dříve vyžadovaly účelové systémy. Každý takový výsledek zkracuje vzdálenost mezi „působivou ukázkou“ a „obecně schopným asistentem, který dokáže sledovat dlouhý cíl v chaotickém prostředí“.

To je přesně důvod, proč byl Minecraft tak vytrvalým výzkumným testovacím prostředím: přežití popínavých rostlin je náhodné, ale udržení cílevědomého chování po desítky hodin v otevřeném světě je slušnou náhradou za druh autonomie, který se laboratoře AI snaží vybudovat.

Upozornění a kontext

Existují upozornění, která stojí za to mít na paměti. Běh využíval obtížnost Easy podle Tom's Hardware a Minecraft – i když je skvěle otevřený – zůstává hrou s dobře definovanými pravidly, deterministickou fyzikou a velkorysou mechanikou respawnu. Těch 605 úmrtí by ve většině reálných prostředí bylo smrtelných; zde stojí čas a žetony.

Údaje o výpočtech a nákladech také stojí za to si pozorně přečíst: dva publikované odhady se liší o faktor tři v závislosti na použitém cenovém modelu, což je připomínka, že „kolik stál agent provozovaný“, nemá jedinou odpověď, dokud se ceny nestabilizují.

Nic z toho však nesnižuje hlavní výsledek. Čtyři univerzální agenti, kterým není nic jiného než svět a jeden druhého, se sami zorganizovali do efektivního týmu a dokončili jednu z nejdéle trvajících herních výzev AI za sotva více než jeden den.

Co to signalizuje pro Agentickou AI

Pro DeepMind demonstrace slouží jako ukázka agentních schopností Gemini 4 Argon – modelová rodina, kterou Google umístí přesně pro tento druh práce s dlouhým horizontem a používáním nástrojů. Jak podniky přesouvají agenty umělé inteligence od odpovídání na otázky k provádění vícedenních pracovních postupů, benchmarky, jako je tento, nabízejí pohled na to, co současné modely vydrží, když je cíl dlouhý, prostředí je nepřátelské a selhání se měří ve stovkách malých úmrtí, spíše než v jednom velkém.

Ender Dragon už dříve spadl na stroje s těžkým lidským lešením. Tentokrát čtyři agenti vešli do náhodného světa sami – a odešli jako šampióni.

---

Stay Ahead of AI

Získejte nejnovější zprávy, analýzy a průlomové informace o umělé inteligenci – vše na jednom místě.

Přečtěte si další zprávy o AI →