Czterech agentów AI korzystających z Google Gemini 4 Argon ukończyło grę Minecraft od losowego spawnu do pokonania Smoka Endera bez ani jednej instrukcji ze strony człowieka, co badacze opisują jako pierwsze kompleksowe, autonomiczne ukończenie gry przez agentów AI.
Wynik pochodzi od zespołu Google DeepMind — Maxence Faldor, Satinder Singh i Roberta Raileanu — w artykule opublikowanym w arXiv 15 października pod tytułem „Zespół agentów Gemini 4 Argon pokonuje Minecraft”. Akcja przyciągnęła szerszą uwagę po tym, jak The Decoder opisał ją 18 października, i wylądowała w momencie, gdy pionierskie modele szybko kolonizują zadania, które dopiero niedawno wymagały specjalnie zaprojektowanych, dostosowanych do gier systemów sztucznej inteligencji. Dla czytelników śledzących najnowsze osiągnięcia sztucznej inteligencji jest to jedna z najwyraźniejszych jak dotąd demonstracji pionierskich modeli umożliwiających skoordynowaną, ukierunkowaną na cel pracę przez wiele godzin.
Piaskownica, jeden cel i brak ludzkich skryptów
Układ eksperymentalny był celowo oszczędny. Badacze umieścili czterech agentów Gemini 4 Argon w piaskownicowym świecie przetrwania Minecraft na łatwym poziomie trudności, zaczynając od losowo wygenerowanego świata, i wyznaczyli zespołowi jeden cel: pokonanie Smoka Endera.
Nikt nie przydzielił ról. Nikt nie napisał logiki gry, strategii ani narzędzi specyficznych dla gier. Nie użyto żadnych wstępnie zbadanych nasion — jest to powszechny skrót w badaniach nad sztuczną inteligencją w Minecraft, który skutecznie przekazuje agentowi znaną mapę. Każdy agent kontrolował gracza za pośrednictwem Mineflayera, biblioteki JavaScript o otwartym kodzie źródłowym dla programowalnych klientów Minecrafta, a cała czwórka koordynowała działania za pośrednictwem czatu w grze i magazynu pamięci współdzielonej.
„Zaczynając od losowo generowanego świata na łatwym poziomie trudności, zespół napisał 2783 programy i pokonał smoka w 27 godzin i 14 minut, umierając po drodze 605 razy” – czytamy w artykule. „Według naszej wiedzy jest to pierwsze kompleksowe, autonomiczne ukończenie gry Minecraft przez agentów AI, osiągnięte przy użyciu wyłącznie standardowej biblioteki Mineflayer bez wstępnie sprawdzonych nasion lub innych narzędzi specyficznych dla gry napisanych przez ludzi”.
Jak agenci zorganizowali się
Tym, co czyni tę ucieczkę godną uwagi, jest nie tyle zwycięstwo, co podział pracy, który wyłonił się sam. Według gazety i raportu The Decoder agenci bez polecenia dzielili się zadaniami, ostrzegali się nawzajem o zagrożeniach, odzyskiwali przedmioty od poległych członków drużyny i rejestrowali błędy we wspólnej pamięci, aby ten sam błąd nie powtarzał się na ślepo.
Liczby oddają charakter całodziennej gry autonomicznej: 2783 programy JavaScript napisane i debugowane przez agentów, 229 wiadomości wymienionych na czacie w grze i 605 zgonów pochłoniętych po drodze. Badacze mogli oglądać cały przebieg na żywo na pulpicie nawigacyjnym i mieli możliwość wstrzymania lub zatrzymania go w dowolnym momencie, ale według nich nie mieli powodu interweniować.
Rachunek: 1620 dolarów
Autonomia na taką skalę nie jest darmowa. Dekoder oblicza, że cała sesja kosztuje około 1620 dolarów według standardowej ceny Gemini 4 Argon, która zacznie obowiązywać w 2027 roku. Warto zatrzymać się na tej liczbie: wieloagentowy zespół zbadał wrogi świat 3D, opanował ekonomię rzemiosła i stoczył walkę z bossem przez ponad jeden dzień zegara ściennego za średnio czterocyfrowy rachunek za API – bez przekwalifikowania, bez dostrajania, bez kształtowania nagród przez ludzi.
Odzwierciedla to także szybkość zmian w gospodarce. Pokonanie Minecrafta było do niedawna kamieniem milowym wymagającym trenowania od podstaw specjalnie zaprojektowanych systemów na milionach klatek rozgrywki. Tutaj padło na uniwersalny model graniczny używany w bibliotece Minecrafta dla hobbystów.
Dlaczego ma to znaczenie poza grą
„Zwycięstwo wymagało od agentów utrzymania spójnego planu obejmującego tysiące zależnych kroków przez ponad jeden dzień” – piszą autorzy. „Złożone zadania związane z inżynierią oprogramowania w świecie rzeczywistym i zadania w przedsiębiorstwie wymagają takiego samego długoterminowego kodowania i koordynacji wielu agentów”.
To sformułowanie wyjaśnia, dlaczego walka z bossem w grze blokowej jest przedstawiana jako wynik badań, a nie wyczyn kaskaderski. Trybem niepowodzenia, który w przeszłości ograniczał agentów AI, nie jest inteligencja w krótkich seriach, ale spójność w czasie – utrata fabuły na przestrzeni setek kroków, zaprzeczanie wcześniejszym decyzjom lub powtarzanie w kółko. Próba gry Minecraft jest dowodem na to, że model graniczny może utrzymać strukturę na horyzoncie mierzonym w godzinach.
Granice są realne i autorzy je flagują. Łatwy poziom trudności, ograniczony świat i wyraźne warunki zwycięstwa sprawiają, że Minecraft jest bardziej przyjaznym środowiskiem niż otwarte miejsce pracy. Sam artykuł poświęca miejsce granicom wyniku, a przebieg kończący się zabiciem bossa niewiele mówi o niechlujnych zadaniach bez określonego stanu końcowego.
Kontekst: szybko zmieniająca się granica
Gemini 4 Argon to najpotężniejszy pionierski model Google, obecnie dostępny na całym świecie według The Decoder, a wynik gry Minecraft jest najnowszym z szeregu długoterminowych osiągnięć pionierskich modeli w grach w tym roku. W miarę jak agenci podejmują się dłuższych zadań, ocena przesuwa się z odpowiedzi na pytania zawarte w jednej turze w stronę dokładnie tego rodzaju całodniowego testu autonomii.
Minecraft nie będzie sufitem. Ale przepis tutaj pokazany – modele ogólne, gotowe narzędzia, wspólna pamięć i brak ludzkich rusztowań – to część, która uogólnia.
---
Wyprzedź sztuczną inteligencjęOtrzymuj najnowsze wiadomości, analizy i przełomowe informacje dotyczące sztucznej inteligencji — wszystko w jednym miejscu.
Przeczytaj więcej aktualności o sztucznej inteligencji →
