เจ้าหน้าที่ AI สี่คนที่ทำงานบน Gemini 4 Argon ของ Google ได้เอาชนะ Minecraft โดยไม่ต้องอาศัยคำสั่งจากมนุษย์ และสังหาร Ender Dragon ในโหมดอัตโนมัติเต็มรูปแบบซึ่งกินเวลา 27 ชั่วโมง 14 นาที ทีม Google DeepMind ส่งเจ้าหน้าที่เข้าไปในโลกที่สร้างขึ้นแบบสุ่มโดยไม่ต้องมอบหมายบทบาท กลยุทธ์ หรือเครื่องมือเฉพาะเกม ตามรายงานของ Faldor และคณะ ครอบคลุมโดย The Decoder — และเจ้าหน้าที่ก็รวมตัวกัน ร่วมมือ และชนะ

Minecraft เป็นมาตรฐานที่ดื้อรั้นสำหรับ AI มานานแล้ว เกมนี้แตกต่างจากหมากรุกหรือ Go ตรงที่ต้องใช้การวางแผนในขอบเขตอันยาวนาน การสำรวจแบบปลายเปิด การสร้างเครื่องมือ และการประสานงาน ทั้งหมดนี้อยู่ในโลกที่เปลี่ยนแปลงทุกครั้งที่คุณเกิด การเอาชนะบอสตัวสุดท้ายของเกมนั้น ในอดีตนั้นจำเป็นต้องมีคำแนะนำจากมนุษย์หรือการตั้งค่าการฝึกที่มีสคริปต์อย่างหนัก ในทางตรงกันข้าม การดำเนินการนี้เริ่มต้นด้วยเจ้าหน้าที่สี่คนและไม่มีอะไรอื่นอีก

การวิ่งในตัวเลข

สถิติจากเซสชั่นนี้เหมือนบันทึกของการสำรวจที่วุ่นวายแต่ในที่สุดก็ประสบความสำเร็จ:

  • 27 ชั่วโมง 14 นาที ของการเล่นอัตโนมัติต่อเนื่อง
  • โปรแกรม JavaScript 2,783 โปรแกรม เขียนโดยตัวแทนเอง
  • 229 ข้อความแชท แลกเปลี่ยนกันระหว่างเจ้าหน้าที่ทั้งสี่คน
  • เสียชีวิต 605 ราย ระหว่างทาง

ตัวเลขสุดท้ายนั้นสมควรได้รับการเน้น เจ้าหน้าที่เสียชีวิตมากกว่าหกร้อยครั้งก่อนที่จะจบเกม และตามรายงานของ Tom's Hardware พวกเขาทำได้โดยใช้การตั้งค่าความยากง่ายของเกม รายงานเดียวกันนี้ประเมินการใช้จ่ายโทเค็นสำหรับการเรียกใช้ที่ประมาณ 520 ดอลลาร์ ในขณะที่ The Decoder ซึ่งคำนวณตามราคามาตรฐานของ Gemini 4 Argon ซึ่งจะมีผลในปี 2570 รวมอยู่ที่ 1,620 ดอลลาร์ ไม่ว่าจะด้วยวิธีใด ค่าใช้จ่ายในการสร้าง Minecraft แบบ end-to-end โดยตัวแทน AI เอนกประสงค์นั้นวัดกันเป็นหลายร้อยดอลลาร์ ไม่ใช่เงินหลายล้านที่ลงทุนในเกม AI ที่สร้างขึ้นตามวัตถุประสงค์ของปีก่อน ๆ

การทำงานเป็นทีมที่เกิดขึ้นใหม่ ไม่มีสคริปต์

สิ่งที่ทำให้ผลลัพธ์โดดเด่นไม่ใช่แค่ว่าตัวแทนชนะเท่านั้น แต่ยังทำอย่างไรอีกด้วย เมื่อไม่มีการกำหนดบทบาท เจ้าหน้าที่ทั้งสี่จึงแบ่งงานกันเอง The Decoder รายงาน พวกเขาเตือนกันและกันเกี่ยวกับภัยคุกคาม กู้คืนไอเท็มจากเพื่อนร่วมทีมที่เสียชีวิต และบันทึกข้อผิดพลาดไว้ในหน่วยความจำที่ใช้ร่วมกัน ซึ่งช่วยให้กลุ่มหลีกเลี่ยงข้อผิดพลาดซ้ำ

กล่าวอีกนัยหนึ่ง พฤติกรรมการประสานงานที่นักพัฒนาเกมมักจะฮาร์ดโค้ดลงในทีม NPC เกิดขึ้นจากอินสแตนซ์สี่อินสแตนซ์ของโมเดลเดียวกัน โลกที่ใช้ร่วมกัน และช่องทางการสื่อสาร โปรแกรม JavaScript ที่เขียนเอง 2,783 โปรแกรมทำหน้าที่เป็นคลังทักษะที่เพิ่มขึ้นเรื่อยๆ: เมื่อตัวแทนรู้วิธีหลอมเหล็กหรือเอาชนะมินิบอส ความรู้นั้นก็จะยังคงเป็นโค้ดที่สามารถนำมาใช้ซ้ำได้ แทนที่จะใช้ชีวิตอยู่ในหน้าต่างบริบทของโมเดลเท่านั้น

รายละเอียดหน่วยความจำแบบแบ่งใช้มีความสำคัญสำหรับทุกคนที่ติดตามการวิจัยเอเจนต์ ทีมตัวแทนที่สามารถสะสมและส่งบทเรียน แทนที่จะเริ่มต้นใหม่จากศูนย์หลังจากความล้มเหลวทุกครั้ง กล่าวถึงจุดอ่อนหลักประการหนึ่งของเจ้าหน้าที่ AI ในปัจจุบัน ซึ่งมักจะสูญเสียความคืบหน้าที่ได้มาอย่างยากลำบากทันทีที่เซสชั่นสิ้นสุดลง

จากแชมเปี้ยนที่สร้างขึ้นตามวัตถุประสงค์ไปจนถึงตัวแทนทั่วไป

ผลลัพธ์คือตัวอย่างล่าสุดของรูปแบบที่เร่งตัวไปทั่วสนาม หนึ่งทศวรรษที่แล้ว การเอาชนะวิดีโอเกมระดับโลกด้วย AI จำเป็นต้องมีระบบสั่งทำพิเศษที่ได้รับการฝึกฝนตั้งแต่เริ่มต้นสำหรับหนึ่งเกม ได้แก่ AlphaGo for Go ของ DeepMind, OpenAI Five สำหรับ Dota 2, AlphaStar สำหรับ StarCraft II แต่ละอย่างเป็นความพยายามทางวิศวกรรมที่ยิ่งใหญ่ซึ่งสามารถทำสิ่งเดียวได้อย่างแน่นอน

ขณะนี้เจ้าหน้าที่ทั่วไปกำลังเคลียร์ความท้าทายในเกมที่ครั้งหนึ่งเคยต้องใช้การฝึกอบรมเฉพาะทางเป็นเวลาหลายปี และพวกเขาก็ทำแบบนั้นด้วยโมเดลเดียวกันกับที่ตอบอีเมลหรือเขียนโค้ดได้ ตัวถอดรหัสตั้งข้อสังเกตว่า Minecraft เป็นเพียงตัวอย่างล่าสุดของโมเดล AI แบบเอเจนต์ที่เอาชนะวิดีโอเกมที่เคยต้องใช้ระบบที่สร้างขึ้นตามวัตถุประสงค์ ผลลัพธ์แต่ละอย่างจะช่วยลดระยะห่างระหว่าง "การสาธิตที่น่าประทับใจ" และ "ผู้ช่วยที่มีความสามารถทั่วไปที่สามารถบรรลุเป้าหมายระยะยาวในสภาพแวดล้อมที่ยุ่งเหยิง"

นั่นเป็นเหตุผลว่าทำไม Minecraft จึงเป็นการทดสอบการวิจัยอย่างต่อเนื่อง: ไม้เลื้อยที่รอดชีวิตนั้นเป็นเรื่องบังเอิญ แต่การรักษาพฤติกรรมที่มุ่งเป้าหมายไว้เป็นเวลาหลายสิบชั่วโมงในโลกเปิดนั้นเป็นตัวแทนที่ดีสำหรับห้องทดลอง AI ที่เป็นอิสระประเภทหนึ่งที่พยายามสร้าง

คำเตือนและบริบท

มีข้อแม้ที่ควรคำนึงถึง เกมดังกล่าวใช้ความยากระดับง่ายตาม Tom's Hardware และ Minecraft แม้จะยังเป็นเกมปลายเปิดที่โด่งดัง แต่ยังคงเป็นเกมที่มีกฎเกณฑ์ที่ชัดเจน ฟิสิกส์ที่กำหนดตายตัว และกลไกการเกิดใหม่อย่างเอื้อเฟื้อ การเสียชีวิต 605 รายอาจถึงแก่ชีวิตได้ในโลกแห่งความเป็นจริงส่วนใหญ่ ที่นี่พวกเขาใช้เวลาและโทเค็น

ตัวเลขการคำนวณและต้นทุนก็ควรค่าแก่การอ่านอย่างละเอียดเช่นกัน การประมาณการที่เผยแพร่ทั้งสองรายการแตกต่างกัน 3 เท่า ขึ้นอยู่กับรูปแบบการกำหนดราคาที่ใช้ ข้อเตือนใจว่า "ต้นทุนการดำเนินการของตัวแทนเป็นเท่าใด" ไม่มีคำตอบเดียวจนกว่าราคาอนุมานจะคงที่

ถึงกระนั้น สิ่งเหล่านี้ก็ไม่ทำให้ผลลัพธ์หลักลดน้อยลง เจ้าหน้าที่อเนกประสงค์สี่คนไม่ได้ให้อะไรเลยนอกจากโลกและกันและกัน รวมตัวกันเป็นทีมที่มีประสิทธิภาพและเอาชนะหนึ่งในความท้าทายด้าน AI ที่ดำเนินมายาวนานที่สุดของเกมโดยใช้เวลามากกว่าหนึ่งวัน

สิ่งที่ส่งสัญญาณสำหรับ Agentic AI

สำหรับ DeepMind การสาธิตนี้ถือเป็นการแสดงความสามารถด้านเอเจนต์ของ Gemini 4 Argon ด้วยเช่นกัน ซึ่งเป็นกลุ่มตัวอย่างที่ Google วางตำแหน่งสำหรับงานที่ใช้เครื่องมือและขอบเขตอันยาวนานประเภทนี้ ในขณะที่องค์กรต่างๆ ย้ายตัวแทน AI จากการตอบคำถามไปสู่การดำเนินการเวิร์กโฟลว์แบบหลายวัน เกณฑ์มาตรฐานเช่นนี้ช่วยให้มองเห็นคร่าวๆ ว่าโมเดลปัจจุบันสามารถคงอยู่ต่อไปได้เมื่อวัตถุประสงค์นั้นยาว สภาพแวดล้อมเป็นศัตรูกัน และความล้มเหลวจะถูกวัดจากการเสียชีวิตเล็กๆ น้อยๆ หลายร้อยราย แทนที่จะเป็นการเสียชีวิตครั้งใหญ่เพียงครั้งเดียว

Ender Dragon เคยตกอยู่กับเครื่องจักรมาก่อน โดยมีนั่งร้านของมนุษย์หนักมาก คราวนี้ เจ้าหน้าที่สี่คนเดินเข้าไปในโลกสุ่มตามลำพัง — และเดินออกไปในฐานะแชมป์เปี้ยน

---

ก้าวนำหน้า AI

รับข่าวสาร AI การวิเคราะห์ และความก้าวหน้าล่าสุด ทั้งหมดในที่เดียว

อ่านข่าว AI เพิ่มเติม →