ארבעה סוכני AI הפועלים על Gemini 4 Argon של גוגל ניצחו את מיינקראפט ללא כל קלט אנושי, והרגו את אנדר דרקון בריצה אוטונומית מלאה שנמשכה 27 שעות ו-14 דקות. צוות Google DeepMind הפיל את הסוכנים לעולם שנוצר באקראי מבלי להקצות תפקידים, אסטרטגיות או כלים ספציפיים למשחק, על פי מאמר של Faldor et al. מכוסה על ידי המפענח - והסוכנים התארגנו, שיתפו פעולה וזכו.

מיינקראפט כבר מזמן מהווה אמת מידה עיקשת עבור AI. בניגוד לשחמט או ל-Go, זה דורש תכנון אופק ארוך, חקר פתוח, יצירת כלים ותיאום - הכל בעולם שמשתנה בכל פעם שאתה נכנס אליו. לנצח את הבוס האחרון של המשחק נדרשה היסטורית הדרכה אנושית או מערכי אימון עם תסריטים כבדים. הריצה הזו, לעומת זאת, התחילה עם ארבעה סוכנים ותו לא.

הריצה במספרים

הנתונים הסטטיסטיים מהמפגש נקראים כמו יומן של משלחת כאוטית אך מוצלחת בסופו של דבר:

  • 27 שעות, 14 דקות של משחק אוטונומי מתמשך
  • 2,783 תוכניות JavaScript שנכתבו על ידי הסוכנים עצמם
  • 229 הודעות צ'אט הוחלפו בין ארבעת הסוכנים
  • 605 מקרי מוות בדרך

הנתון האחרון ראוי להדגשה. הסוכנים מתו יותר משש מאות פעמים לפני שהשלימו את המשחק, ולפי הסיקור של Tom's Hardware בעיתון, הם עשו זאת בהגדרת הקושי קל של המשחק. אותו דו"ח העריך את ההוצאה הסמלית לריצה בכ-520 דולר, בעוד שהמפענח, בחישוב לפי התמחור הסטנדרטי של Gemini 4 Argon שנכנס לתוקף ב-2027, העמיד את הסכום הכולל על 1,620 דולר. כך או כך, העלות של השלמת Minecraft מקצה לקצה על ידי סוכני AI למטרות כלליות נמדדת כעת במאות דולרים - לא במיליונים שהושקעו ב-AI של המשחקים הייעודיים של שנים קודמות.

עבודת צוות מתעוררת, ללא סקריפטים

מה שהופך את התוצאה לבולטת הוא לא רק שהסוכנים ניצחו, אלא איך. ללא שום תפקידים, ארבעת הסוכנים מחלקים משימות בינם לבין עצמם, מדווח The Decoder. הם הזהירו אחד את השני מפני איומים, שחזרו פריטים מחברי צוות מתים ורישמו טעויות בזיכרון משותף שאפשרו לקבוצה להימנע משגיאות חוזרות.

במילים אחרות, התנהגות התיאום שמפתחי משחקים מקודדים בדרך כלל בצוותי NPC נוצרה מעצמה מארבעה מקרים של אותו מודל, עולם משותף וערוץ תקשורת. 2,783 תוכניות ה-JavaScript שנכתבו בעצמם מתפקדות כספריית מיומנויות הולכת וגדלה: ברגע שסוכן מגלה איך להמיס ברזל או להביס מיניבוס, הידע הזה נמשך כקוד לשימוש חוזר במקום לחיות רק בחלון ההקשר של המודל.

פירוט הזיכרון המשותף חשוב לכל מי שעוקב אחר מחקר סוכנים. צוותים של סוכנים שיכולים לצבור ולהעביר לקחים - במקום להתחיל מחדש מאפס אחרי כל כישלון - מטפלים באחת החולשות המרכזיות של סוכני ה-AI של ימינו, הנוטים לאבד התקדמות שהושגה קשה ברגע שבו סשן מסתיים.

מאלופים מכוונים לסוכנים כלליים

התוצאה היא הדוגמה העדכנית ביותר לדפוס שהתגבר על פני השדה. לפני עשור, כדי לנצח את הבינה המלאכותית של משחקי וידאו ברמה עולמית, נדרשו מערכות מותאמות אישית שאומנו מאפס למשחק אחד: AlphaGo for Go של DeepMind, OpenAI Five עבור Dota 2, AlphaStar עבור StarCraft II. כל אחד מהם היה מאמץ הנדסי מונומנטלי שיכול היה לעשות בדיוק דבר אחד.

סוכנים למטרות כלליות מנקים כעת אתגרי המשחק שפעם דרשו שנים של הכשרה מיוחדת - והם עושים זאת עם אותו מודל שיכול לענות למיילים או לכתוב קוד. המפענח מציין שמיינקראפט היא רק הדוגמה העדכנית ביותר לדגמי בינה מלאכותית סוכנית המנצחת משחקי וידאו שבעבר דרשו מערכות ייעודיות. כל תוצאה כזו מקצרת את המרחק בין "הדגמה מרשימה" ל"עוזר בעל יכולת כללית שיכולה לרדוף אחרי מטרה ארוכה בסביבה מבולגנת".

זו בדיוק הסיבה שמיינקראפט הייתה ערכת מחקר מתמשכת כל כך: הישרדות שרצים היא מקרית, אבל שמירה על התנהגות מכוונת מטרה על פני עשרות שעות בעולם פתוח היא פרוקסי הגון לסוג האוטונומיה שמעבדות בינה מלאכותית מנסות לבנות.

אזהרות והקשר

יש אזהרות שכדאי לזכור. הריצה השתמשה בדרגת קושי קלה, לפי החומרה של טום, ומיינקראפט - למרות שהן פתוחות המפורסמות - נותרה משחק עם חוקים מוגדרים היטב, פיזיקה דטרמיניסטית ומכניקת החזרה נדיבה. 605 מקרי המוות יהיו קטלניים ברוב המסגרות בעולם האמיתי; כאן הם עולים זמן ואסימונים.

גם את נתוני החישוב והעלות כדאי לקרוא בעיון: שתי ההערכות שפורסמו נבדלות בפקטור של שלושה בהתאם למודל התמחור בו נעשה שימוש, תזכורת של"כמה עלה הסוכן ריצה" אין תשובה אחת עד שמחירי ההסקה מתייצבים.

ובכל זאת, כל זה לא מקטין את תוצאת הליבה. ארבעה סוכנים למטרות כלליות, שלא קיבלו דבר מלבד עולם ומלואו, התארגנו בעצמם לצוות יעיל וסיימו את אחד מאתגרי הבינה המלאכותית הארוכים ביותר של המשחקים תוך בקושי יותר מיממה.

מה זה מאותת עבור AI Agentic

עבור DeepMind, ההדגמה משמשת כחלון ראווה ליכולות הסוכניות של Gemini 4 Argon - משפחת הדגמים שגוגל מציבה בדיוק לסוג כזה של עבודה עם כלים לאורך אופק ארוך. כאשר ארגונים מעבירים את סוכני הבינה המלאכותית ממענה על שאלות לביצוע זרימות עבודה מרובות ימים, אמות מידה כמו זה מציעות הצצה למה שהמודלים הנוכחיים יכולים לקיים כשהמטרה ארוכה, הסביבה מתנגדת, וכישלון נמדד במאות מקרי מוות קטנים ולא אחד גדול.

דרקון האנדר נפל למכונות בעבר, עם פיגומים אנושיים כבדים. הפעם, ארבעה סוכנים נכנסו לעולם אקראי לבד - ויצאו כאלופים.

---

הישאר לפני AI

קבל את החדשות, הניתוחים ופריצות הדרך האחרונות של AI - הכל במקום אחד.

קרא עוד חדשות AI →