Google の Gemini 4 Argon を実行している 4 人の AI エージェントは、ランダムなスポーンからエンダー ドラゴンの敗北まで人間の指示なしで Minecraft を完成させました。研究者らはこれを、AI エージェントによる最初のエンドツーエンドの自律的なゲーム完了であると説明しています。

この結果は、Google DeepMind チーム (Maxence Faldor、Satinder Singh、Roberta Raileanu) が、「Gemini 4 Argon エージェントのチームが Minecraft に勝つ」というタイトルで 10 月 15 日に arXiv に投稿された論文で発表されました。この取り組みは、The Decoder が 10 月 18 日に取り上げた後、幅広い注目を集めました。この取り組みは、フロンティア モデルが最近になって専用のゲーム固有の AI システムを必要としたタスクに急速に植民地化している瞬間に着陸しました。 最新の AI 開発 を追跡している読者にとって、これは、調整された目標に向けた作業を長時間にわたって維持するフロンティア モデルのこれまでで最も明確なデモンストレーションの 1 つです。

サンドボックス、目標は 1 つ、人間によるスクリプトは不要

実験装置は意図的に余裕を持たせた。研究者らは 4 人の Gemini 4 Argon エージェントをサンドボックス化された Minecraft サバイバル ワールドに難易度 Easy で配置し、ランダムに生成された世界から開始し、エンダー ドラゴンを倒すという 1 つの目標をチームに与えました。

誰も役割を割り当てていません。ゲームのロジック、戦略、ゲーム固有のツールを書いた人は誰もいません。事前に調査されたシードは使用されませんでした。これは、エージェントに既知のマップを効果的に渡す、Minecraft AI 研究における一般的なショートカットです。各エージェントは、プログラム可能な Minecraft クライアント用のオープンソース JavaScript ライブラリである Mineflayer を通じてプレイヤーを制御し、ゲーム内チャットと共有メモリ ストアを通じて 4 つのエージェントが調整されました。

「難易度 Easy でランダムに生成された世界からスタートして、チームは 2,783 のプログラムを作成し、途中で 605 回死にながら 27 時間 14 分でドラゴンを倒しました」と論文には記載されています。 「私たちの知る限り、これは AI エージェントによる Minecraft の最初のエンドツーエンドの自律的な完成であり、事前に調査されたシードや人間が作成したその他のゲーム固有のツールを使用せず、標準の Mineflayer ライブラリのみを使用して達成されました。」

エージェントがどのように組織されたか

この躍進を注目に値するのは、勝利というよりも、分業が自ら生まれてきたことである。同紙とザ・デコーダーの報道によると、エージェントたちは指示なしにタスクを分割し、脅威について互いに警告し、倒れたチームメイトからアイテムを回収し、同じエラーがやみくもに繰り返されないよう共有メモリにミスを記録したという。

この数字は、1 日を超える自律プレイの質感を表しています。エージェントによって作成およびデバッグされた 2,783 個の JavaScript プログラム、交換されたゲーム内チャット メッセージ 229 件、途中で発生した 605 人の死亡者です。研究者らはライブダッシュボードで実行全体を監視でき、いつでも一時停止または停止する権限を与えられていたが、介入する理由はなかったと報告している。

法案: 1,620 ドル

この規模の自律性は無料ではありません。 Decoder の計算では、セッション全体のコストは、2027 年に発効する Gemini 4 Argon の標準価格で約 1,620 ドルとなります。この数字には立ち止まる価値があります。マルチエージェント チームが敵対的な 3D 世界を探索し、クラフト エコノミーを習得し、4 桁半ばの API 請求額で 1 日以上の実時間をかけてボス戦を実行しました。人間による再トレーニング、微調整、報酬形成は一切ありません。

また、経済状況の変化の速さも反映しています。 Minecraft に勝つことは、つい最近まで、数百万フレームのゲームプレイでゼロからトレーニングされた特注のシステムを必要とする一種のマイルストーンでした。ここでは、愛好家向けの Minecraft ライブラリを通じて使用される汎用のフロンティア モデルになりました。

ゲームを超えて重要な理由

「勝利するには、エージェントが数千の依存ステップにわたって一貫した計画を 1 日以上維持する必要があった」と著者らは書いています。 「現実世界の複雑なソフトウェア エンジニアリングとエンタープライズ タスクでは、同じ長期的なコーディングとマルチ エージェントの調整が必要です。」

このフレーミングは、ブロック ゲームのボス戦がスタントではなく研究結果として提示されている理由を説明しています。歴史的に AI エージェントを制限してきた失敗モードは、短期間での知能ではなく、時間の経過による一貫性です。つまり、数百のステップにわたってプロットを失ったり、以前の決定に矛盾したり、堂々巡りでやり直したりすることです。 Minecraft の実行は、フロンティア モデルが時間単位で測定される地平線全体に構造を保持できることを証明しています。

限界は現実のものであり、著者はそれにフラグを立てています。簡単な難易度、制限された世界、そして明快な勝利条件により、Minecraft は無制限の職場よりもフレンドリーな環境になっています。論文自体は結果の境界にスペースを割いており、ボスの殺害で終わる実行では、最終状態が定義されていない厄介なタスクについてはほとんど語られていません。

コンテキスト: 急速に進むフロンティア

The Decoder によると、Gemini 4 Argon は Google の最も有能なフロンティア モデルであり、現在世界中で入手可能であり、Minecraft の結果は、今年のフロンティア モデルによる一連の長期にわたるゲーム成果の最新のものです。エージェントがより長い任務に取り組むにつれて、評価は 1 ターンの質問応答から、まさにこの種の 1 日にわたる自律性テストへと移行しています。

マインクラフトは天井にはなりません。しかし、ここで示されているレシピ (ジェネラリスト モデル、既製ツール、共有メモリ、人間による足場なし) は、一般化する部分です。

---

AI の先を行く

最新の AI ニュース、分析、画期的な情報をすべて 1 か所で入手できます。

AI ニュースをもっと読む→