Um time de quatro agentes de IA derrotou o Ender Dragon, o chefe final do Minecraft, sem nenhuma intervenção humana durante a execução. Um artigo publicado no site de pesquisas arXiv em 15 de outubro descreve o experimento, e a Engadget o noticiou em 19 de outubro.
Os agentes eram quatro cópias do Gemini 4 Argon, do Google, trabalhando juntas. A execução levou 27 horas e 14 minutos. Veja como funcionou e onde, segundo os autores, o resultado termina.
Como o experimento foi montado
Cada jogador era um agente de programação de uso geral, o Gemini 4 Argon, rodando em uma máquina própria na nuvem. Um quinto agente, chamado Observador, não jogava. A função dele era conferir o que os jogadores afirmavam com o registro e sinalizar trapaça ou resultados inventados.
O jogo era o Minecraft Java Edition 1.20.4, em modo sobrevivência, na dificuldade fácil, num mundo gerado de forma aleatória. Os comandos de trapaça estavam desligados. Cada agente controlava um personagem por meio de uma biblioteca de código aberto chamada Mineflayer, escrevendo e executando programas em JavaScript e lendo o texto que voltava.
Os agentes tinham uma memória privada e uma memória compartilhada do time, e conversavam entre si pelo chat do jogo. Receberam um parágrafo sobre o objetivo, que era derrotar o Ender Dragon, e conselhos gerais, como verificar resultados e relatar com honestidade. Não receberam estratégia, papéis definidos nem rota.
O que aconteceu
O artigo traz uma linha do tempo:
| Tempo de execução | Marco |
|---|---|
| Cerca de 10 minutos | Papéis propostos e definidos |
| 1h42 | Portal do Nether aceso |
| Cerca de 10h45 | Fortaleza localizada por triangulação |
| 13h17 | Portal do End aceso |
| 27h14 | Dragão derrotado |
Só juntar pó de blaze levou mais de seis horas. No End, o dragão matou a equipe 69 vezes. Cerca de 21 horas depois do início, os agentes perceberam que precisavam destruir os cristais de cura que mantêm o dragão vivo. Levaram cerca de 4 horas e 40 minutos para destruir os dez, e o dragão morreu 39 minutos depois do último.
Ao todo, o time escreveu 2.783 programas antes de vencer, trocou 229 mensagens no chat e morreu 605 vezes, na maioria para monstros. O servidor foi reiniciado seis vezes.
Trabalho em equipe sem ordens
Ninguém disse aos agentes quem devia fazer o quê, e os autores descrevem papéis que surgiram sozinhos. Um jogador juntava suprimentos e destruiu seis cristais. Outro fazia ferramentas e encontrou a fortaleza. Outros cuidavam do portal, construíam abrigos e lutavam contra o dragão.
Eles compartilharam coordenadas de baús, portais e perigos, avisaram uns aos outros de ameaças e recuperaram itens de colegas que tinham morrido. Um jogador recuperou doze Olhos do Ender depois de se afogar. Os agentes também retiraram afirmações falsas no chat. O Observador, que os conferia, não sinalizou trapaça.
Quanto custou
A Engadget informa que a execução usou cerca de 1,35 bilhão de tokens de entrada. O artigo estima o custo da sessão toda em cerca de US$ 810 no preço introdutório, ou US$ 1.620 no preço padrão, e o dos jogadores sozinhos em cerca de US$ 520 ou US$ 1.040. Os autores chamam isso de estimativa, não do que custaria servir o modelo.
O que os autores dizem que o experimento mostra, e o que não mostra
Os autores dizem que agentes de programação conseguem manter um plano coerente por milhares de etapas dependentes durante mais de um dia e se coordenar como equipe sem papéis atribuídos. Eles chamam o feito, “to our knowledge” (até onde sabem), de a primeira conclusão totalmente autônoma do Minecraft por agentes de IA usando apenas o Mineflayer padrão.
O artigo também lista limites. Os agentes viam o jogo por meio de código, que dá dados exatos sobre blocos e entidades, e não por pixels. A dificuldade era fácil. O modelo pode ter conhecido o Minecraft e o Mineflayer pelos dados de treinamento. Houve muitas falhas pelo caminho. E foi uma única execução, então não sabemos o quão confiável é o resultado. O artigo diz que não mostra jogo por pixels com teclado e mouse, sucesso nas dificuldades normal ou difícil, nem sucesso em um jogo que o modelo nunca viu.
Como interpretar
É um resultado de pesquisa, não um produto. Serve como teste de se agentes conseguem se manter na tarefa durante um trabalho muito longo, e a execução foi gravada e conferida por um agente observador e por um registro do servidor. Mas não replicamos o experimento, e ninguém mais informou ter feito isso. Vamos atualizar este texto se aparecerem resultados independentes.
Deixe um comentário