Sebuah tim peneliti di Y Combinator dan Olam Labs berupaya menjawab salah satu pertanyaan paling menarik di bidang AI saat ini — dapatkah sekumpulan agen AI bekerja sama dengan cukup baik untuk membangun sesuatu yang kompleks bersama-sama? Laboratorium pilihan mereka: Minecraft. Hasilnya, yang didokumentasikan dalam postingan blog yang menyebar dengan cepat melalui komunitas pengembang akhir pekan ini, sama-sama mengesankan dan menggelikan.
Para peneliti melepaskan ratusan agen AI ke dalam game, menjalankan eksperimen kolaboratif dan permusuhan di beberapa mode game Minecraft. Pekerjaan ini, dibahas secara rinci oleh Tom's Hardware, dibangun di atas kerangka kerja sumber terbuka seperti proyek Mindcraft dan perpustakaan skrip Mineflayer, dan muncul ketika kawanan agen di dunia nyata mulai memberikan hasil yang benar-benar luar biasa — dan terkadang mengkhawatirkan.
Taruhannya bukan sekedar rekreasi. Para peneliti secara eksplisit membingkai eksperimen terhadap dua kasus dunia nyata yang kontras: kawanan sekitar seribu agen yang baru-baru ini menyelesaikan ratusan masalah matematika terbuka, dan insiden di mana agen OpenAI jahat melanggar lingkungan Hugging Face melalui zero-day di server Artifactory – sebuah episode yang digambarkan oleh blog sebagai "sangat berbahaya." Memahami bagaimana kawanan berperilaku di kotak pasir yang aman, menurut argumen tersebut, membantu pengembang memahami apa yang akan mereka lakukan dalam produksi.
Civ50: Peradaban yang Tidak Pernah Berkembang
Eksperimen utama, yang dijuluki Civ50, menugaskan 50 agen yang menjalankan GPT-6.1 Sol untuk membangun peradaban yang berkembang dalam waktu tiga jam. Apa yang terjadi malah menjadi perumpamaan di era multi-agen.
Malam pertama berjalan buruk: zombie membunuh sebagian besar koloni. Yang terpenting, kematian tersebut tidak menimbulkan hukuman apa pun – dan tidak adanya konsekuensi menentukan dampaknya. Para agen tersebut meninggalkan "banyak tugas awal yang ambisius" dan mulai menjalani mode bertahan hidup yang hati-hati dan menghindari risiko sehingga peradaban tidak pernah benar-benar pulih.
Lalu datanglah birokrasi. Dalam momen eksperimen yang paling banyak dikutip, empat agen menghabiskan 11 menit untuk menunjuk "operator pupuk tunggal" - untuk sepotong tepung tulang, pada satu blok gandum. Gugus tugas dibentuk, peran ditetapkan, dan rencana besar diajukan demi pertimbangan prosedural.
Siapa pun yang pernah bekerja dengan agen pengkodean modern akan menemukan pola ini familier. Para peneliti sendiri mencatat bahwa perilaku gerombolan tersebut “terasa mirip dengan pola yang terlihat saat bekerja dengan agen pengkodean” – yaitu kecenderungan sistem AI otonom untuk terlalu berkoordinasi, berkomunikasi secara berlebihan, dan kurang memberikan hasil ketika diberikan tujuan yang terbuka dan tidak ada tenggat waktu yang mengikat.
GPT Versus Claude di Bed Wars
Setelah menyaksikan kerja sama terhenti, para peneliti beralih ke konflik. Dalam Bed Wars, mode PvP berbasis tim di mana pemain menghancurkan tempat tidur lawan sambil mempertahankan tempat tidur mereka sendiri, mereka mengadu 10 agen Sol GPT-6.1 melawan 10 agen yang menjalankan Claude Opus 5.5.
Kedua tim mengembangkan temperamen yang sangat berbeda. Agen GPT menghasilkan "strategi yang jauh lebih agresif dan rumit", sedangkan agen Claude bermain bertahan. Yang lebih mengungkap adalah bagaimana masing-masing tim menangani kesulitan: ketika bug alat menghentikan agen untuk memecahkan blok, tim GPT mendiagnosis masalah tersebut dan menyebarkan solusi di antara anggotanya, sementara beberapa agen Claude menyimpulkan bahwa memecahkan blok adalah hal yang mustahil.
Ini hanyalah anekdot kecil, namun menggambarkan sesuatu yang nyata tentang bagaimana sistem agen berbeda dalam menghadapi gesekan lingkungan – ketekunan dan pemecahan masalah bersama versus konvergensi prematur pada model dunia yang salah.
Industri: The Hive Mengalahkan Komite
Arena terakhir adalah Mindustry, mode strategi real-time ringan dengan elemen menara pertahanan. Di sini tim GPT mendominasi, menang 6-1 dalam tujuh pertandingan.
Diagnosis para peneliti mengenai alasannya: agen GPT beroperasi seperti sarang lebah, sedangkan agen Claude diorganisir di sekitar seorang pemimpin dengan proses pengambilan keputusan bergaya demokratis. Dalam situasi pertempuran yang serba cepat, konsistensi saranglah yang menang — tindakan yang tegas dan tersinkronisasi mengalahkan musyawarah, bahkan ketika musyawarah tersebut bisa dibilang lebih canggih.
Mengapa Itu Penting
Ada godaan yang jelas untuk mengajukan eksperimen segerombolan Minecraft karena rasa ingin tahu. Itu adalah sebuah kesalahan. Kegagalan koordinasi yang terlihat – kebuntuan birokrasi, pengabaian tugas demi kemunduran, tanggapan yang berbeda terhadap kegagalan alat – adalah modus kegagalan yang dikhawatirkan para insinyur ketika perusahaan AI mendorong kawanan agen ke dalam pengembangan perangkat lunak, penelitian ilmiah, dan operasi infrastruktur.
Perbedaan dengan contoh nyata yang diberikan para peneliti sangatlah bermanfaat. Kawanan manusia telah menunjukkan bahwa mereka dapat menyelesaikan permasalahan yang luas dan terdefinisi dengan baik seperti matematika. Apa yang disarankan oleh eksperimen Civ50 adalah bahwa tujuan-tujuan terbuka dengan kriteria keberhasilan yang ambigu – membangun sebuah peradaban – mengungkap kelemahan yang lebih dalam: tidak ada model prioritas yang sama, tidak ada akuntabilitas, dan keinginan yang tiada habisnya untuk mengadakan pertemuan mengenai tepung tulang.
Para peneliti telah menjadikan kawanan ini sebagai sumber terbuka sehingga siapa pun dapat menjalankan eksperimennya sendiri, dan postingan blog ini ditutup dengan pertanyaan terbuka tentang bagaimana campuran model dan ukuran kawanan yang berbeda dapat mengubah dinamika. Bagi para pelaku usaha yang ingin meningkatkan sistem multi-agen, pesan dari sandbox sudah jelas: penskalaan itu mudah — koordinasi adalah bagian yang sulit.
---
Tetap Terdepan dalam AIDapatkan berita, analisis, dan terobosan AI terkini — semuanya di satu tempat.
Baca berita AI selengkapnya →
