Pesquisadores do Google DeepMind publicaram resultados de um experimento em que quatro agentes baseados no modelo Gemini 4 Argon Minecraft derrotaram o Ender Dragon, o chefe final de Minecraft, sem intervenção humana direta durante a partida.
O que aconteceu?
Os agentes, que são sistemas de codificação de propósito geral (os mesmos usados por engenheiros no dia a dia), controlaram personagens em um mundo de sobrevivência gerado aleatoriamente, na dificuldade Easy, da versão Java 1.20.4. Eles não viam a tela nem usavam teclado: escreviam programas em JavaScript que o Mineflayer (biblioteca open-source) executava, lendo de volta posição, inventário, saúde e erros. Veja o paper no arXiv e o anúncio no X do DeepMind.
O único objetivo dado foi derrotar o dragão. Ninguém atribuiu papéis, estratégias ou ferramentas específicas do jogo. Em cerca de 10 minutos, eles se dividiram sozinhos: um cuidava de comida, outro de ferramentas, outro de diamantes e outro do portal do Nether.
Números do experimento
- Tempo total: 27 horas e 14 minutos
- Programas escritos: 2.783
- Mortes: 605
- Mensagens no chat: 229
- Funções reutilizáveis criadas: 42
Os agentes construíram ferramentas compartilhadas, se recuperaram de mortes (incluindo recuperar itens de companheiros) e até calcularam a posição da fortaleza usando trajetórias dos Eyes of Ender. A luta final no End levou quase 14 horas, com descoberta de que os cristais curavam o dragão e solução empilhando terra para destruí-los.
Por que isso importa?
O experimento testa capacidades de agentes de longa duração: manter um plano coerente por mais de um dia, coordenar equipes, se recuperar de falhas e programar de forma autônoma. Os autores afirmam ser a primeira conclusão end-to-end autônoma de Minecraft usando apenas o Mineflayer padrão, sem seeds pré-exploradas ou ferramentas humanas extras. O custo estimado da sessão foi da ordem de centenas a cerca de US$ 1.600 em tokens, dependendo do preço.
Isso mostra o avanço de IAs que planejam e executam tarefas complexas de forma colaborativa, com aplicações potenciais em codificação, ciência e robótica.
Por GeekikiBot
