Papat agen AI sing mlaku ing Google Gemini 4 Argon wis ngalahake Minecraft tanpa input manungsa, mateni Naga Ender kanthi otonom kanthi wektu 27 jam lan 14 menit. Tim Google DeepMind nyelehake agen kasebut menyang jagad sing digawe kanthi acak tanpa menehi peran, strategi utawa alat khusus game, miturut kertas dening Faldor et al. dijamin dening The Decoder - lan agen diatur piyambak, cooperated, lan menang.
Minecraft wis suwe dadi pathokan kanggo AI. Ora kaya catur utawa Go, mbutuhake perencanaan jangka panjang, eksplorasi sing mbukak, nggawe alat, lan koordinasi - kabeh ing jagad sing ganti saben sampeyan miwiti. Ngalahake bos pungkasan game kasebut kanthi historis mbutuhake tuntunan manungsa utawa persiyapan latihan sing akeh banget. Run iki, kanthi kontras, diwiwiti kanthi papat agen lan ora liya.
Run in Numbers
Statistik saka sesi kasebut kaya log ekspedisi sing kacau nanging pungkasane sukses:
- 27 jam, 14 menit muter otonomi terus
- 2.783 program JavaScript ditulis dening agen dhewe
- 229 pesen chatting diijolke antarane papat agen
- 605 tiwas ing dalan
Sing tokoh pungkasan pantes emphasis. Agen mati luwih saka enem atus kaping sadurunge ngrampungake game, lan saben jangkoan Tom kang Hardware kertas, padha nindakake ing setelan kangelan Gampang game. Laporan sing padha ngira-ngira mbuwang token kanggo mlaku kira-kira $520, dene The Decoder, ngitung rega standar Gemini 4 Argon sing ditrapake ing taun 2027, nggawe total $1,620. Ing endi wae, biaya ngrampungake Minecraft end-to-end dening agen AI tujuan umum saiki diukur ing atusan dolar - dudu jutaan sing nandur modal ing AI game sing dibangun ing taun-taun sadurunge.
Kerja tim sing muncul, Ora Ana Skrip
Sing nggawe asil kasebut ora mung agen sing menang, nanging kepiye carane. Kanthi ora ana peran sing ditugasake, papat agen kasebut mbagi tugas ing antarane dheweke, laporan The Decoder. Padha dielingake saben liyane babagan ancaman, mbalekake item saka bolo mati, lan log kesalahane ing memori sambungan sing supaya grup supaya kesalahan mbaleni.
Ing tembung liyane, prilaku koordinasi sing biasane gawe kode hard-code menyang tim NPC muncul dhewe saka patang kedadean saka model padha, donya sambungan, lan saluran komunikasi. 2,783 program JavaScript sing ditulis dhewe minangka perpustakaan katrampilan sing terus berkembang: yen agen ngerti carane nglebur wesi utawa ngalahake miniboss, kawruh kasebut tetep dadi kode sing bisa digunakake maneh tinimbang mung manggon ing jendela konteks model.
Rincian memori bareng penting kanggo sapa wae sing melu riset agen. Tim agen sing bisa nglumpukake lan ngirim pelajaran - tinimbang miwiti maneh saka nol sawise saben gagal - ngatasi salah sawijining kelemahan utama agen AI saiki, sing cenderung kelangan kemajuan sing dimenangi kanthi angel nalika sesi rampung.
Saka Juara-Dibangun Tujuan kanggo Agen Umum
Asil kasebut minangka conto paling anyar saka pola sing wis nyepetake ing lapangan. Dasawarsa kepungkur, ngalahake AI game video kelas donya mbutuhake sistem bespoke sing dilatih saka awal kanggo siji game: DeepMind's AlphaGo for Go, OpenAI Five kanggo Dota 2, AlphaStar kanggo StarCraft II. Saben ana gaweyan engineering monumental sing bisa nindakake persis siji bab.
Agen tujuan umum saiki ngresiki tantangan game sing nate nuntut latihan khusus taun-taun - lan nindakake kanthi model sing padha sing bisa mangsuli email utawa nulis kode. Decoder nyathet yen Minecraft mung minangka conto paling anyar saka model AI agen sing ngalahake game video sing mbutuhake sistem sing dibangun kanthi tujuan. Saben asil kasebut nyepetake jarak antarane "demo sing nyengsemaken" lan "asisten umum sing bisa nggayuh tujuan sing dawa ing lingkungan sing rame."
Pramila Minecraft wis dadi uji coba riset sing terus-terusan: creepers sing isih urip ora kedadeyan, nanging njaga prilaku sing diarahake kanthi tujuan sajrone puluhan jam ing jagad terbuka minangka proksi sing cocog kanggo jinis laboratorium AI otonomi sing nyoba dibangun.
Peringatan lan Konteks
Ana caveats worth mbudidaya. Run digunakake gampang kangelan, saben Tom kang Hardware, lan Minecraft - nalika kondhang mbukak-rampung - tetep game karo aturan uga ditetepake, fisika deterministik lan mekanika respawn loman. 605 tiwas bakal dadi fatal ing umume setelan nyata; kene padha biaya wektu lan token.
Angka komputasi lan biaya uga kudu diwaca kanthi teliti: loro prakiraan sing diterbitake beda-beda kanthi faktor telu gumantung saka model rega sing digunakake, pangeling yen "pira regane agen" ora ana jawaban siji nganti rega inferensi stabil.
Nanging, ora ana sing nyuda asil inti. Papat agen tujuan umum, ora diwenehi apa-apa kajaba jagad lan saben liyane, diatur dhewe dadi tim sing efektif lan ngrampungake salah sawijining tantangan AI sing paling dawa ing game sajrone sedina.
Apa Sinyal kanggo Agentic AI
Kanggo DeepMind, demonstrasi kasebut dadi pertunjukan kanggo kapabilitas agen Gemini 4 Argon - model kulawarga sing diposisikan Google kanggo pakaryan sing dawa lan nggunakake alat iki. Nalika perusahaan mindhah agen AI saka mangsuli pitakon menyang nglakokake alur kerja pirang-pirang dina, benchmark kaya iki menehi gambaran babagan model saiki sing bisa ditindakake nalika tujuane dawa, lingkungan dadi mungsuh, lan kegagalan diukur kanthi atusan pati cilik tinimbang siji gedhe.
Ender Dragon wis tiba ing mesin sadurunge, kanthi scaffolding manungsa sing abot. Wektu iki, papat agen mlaku menyang jagad acak dhewe - lan metu minangka juara.
---
Tetep Ahead of AIEntuk warta, analisis, lan terobosan AI paling anyar - kabeh ing sak panggonan.
Waca liyane AI warta →
