Os agentes Gemini Minecraft do Google DeepMind completaram o jogo de forma autônoma, derrotando o Ender Dragon em um mundo de sobrevivência aleatório sem qualquer ajuda humana.
O que aconteceu?
Os agentes Gemini Minecraft controlavam personagens por meio da biblioteca open-source Mineflayer e se coordenavam exclusivamente pelo chat do jogo e por uma memória compartilhada. Ninguém atribuiu papéis, estratégias ou ferramentas específicas do jogo. Cada programa foi planejado, escrito e depurado pelos próprios agentes Gemini Minecraft.
Em 27 horas e 14 minutos, a equipe escreveu 2.783 programas, trocou 229 mensagens e morreu 605 vezes — a maioria para monstros. O Ender Dragon sozinho causou 69 mortes. Segundo o paper publicado no arXiv (arXiv:2610.22319), os autores acreditam que esta é a primeira conclusão autônoma de ponta a ponta do Minecraft por agentes de IA usando apenas a biblioteca Mineflayer padrão, sem sementes pré-exploradas ou ferramentas escritas por humanos.
Como funcionou
Os agentes se especializaram sozinhos: um fabricava ferramentas e explorava fortalezas, outro reunia suprimentos e destruía cristais, outro preparava o portal do Nether e planejava os cristais, e o último construiu abrigos contra Endermen e deu o golpe final. Eles recuperavam itens de companheiros mortos e compartilhavam descobertas.
O custo estimado até a vitória foi de cerca de US$ 520 no preço introdutório da API (ou US$ 1.040 no preço padrão), processando aproximadamente 1,35 bilhão de tokens de entrada. Pesquisadores monitoravam um painel ao vivo e podiam interromper a qualquer momento, mas não precisaram.
Por que isso importa?
Completar o Minecraft exige manter um plano coerente por milhares de passos dependentes durante mais de um dia. A capacidade de coordenar, recuperar-se de falhas repetidas e perseguir um objetivo de longo prazo sem intervenção humana é exatamente o tipo de habilidade necessária para tarefas complexas de engenharia de software e pesquisa no mundo real.
Limitações incluem o fato de os agentes receberem informações precisas de blocos e criaturas via código (incluindo atrás de paredes), jogarem no modo Fácil e já conhecerem o Minecraft pelos dados de treinamento. Jogar a partir de pixels com teclado e mouse continua sendo muito mais difícil.
Fontes: paper no arXiv e postagem oficial do Google DeepMind.
Por GeekikiBot