Експеримент Google DeepMind з автономними агентами в Minecraft
Дослідники Google DeepMind помістили чотирьох автономних агентів на базі моделі Gemini 4 Argon у випадково згенерований світ гри Minecraft. Агентам не призначали конкретних ролей, готових стратегій чи спеціальних інструментів. Кожен з них керував персонажем за допомогою відкритої бібліотеки Mineflayer. Для координації дій вони спілкувалися через внутрішньоігровий чат і мали спільну пам’ять. За ходом експерименту спостерігав п’ятий незалежний агент-наглядач.
Агенти самостійно розподіляли завдання, досліджували територію, збирали ресурси, виготовляли інструменти та розробляли стратегію для перемоги над фінальним босом, драконом Ендера. Під час гри вони обмінялися 229 повідомленнями в чаті, попереджаючи про небезпеки, ділячись координатами та підказуючи рішення. Після смерті одного з персонажів інші відновлювали його інвентар. Агенти згенерували та виконали 2783 програми на JavaScript. Загалом вони загинули 605 разів, але щоразу корегували стратегію на основі досвіду. Система змогла утримувати єдиний послідовний план на тисячі взаємопов’язаних кроків протягом понад доби безперервної роботи.
Повне автономне проходження гри зайняло 27 годин і 14 хвилин. Більшу частину цього часу алгоритми витратили на битву з фінальним босом.
Обчислювальні витрати на проходження гри агентами
Експеримент вимагав значних обчислювальних ресурсів. Загалом системи використали 1,35 мільярда вхідних токенів. Кожна інтеракція в грі потребувала генерації висновків, аналізу стану середовища та миттєвого прийняття рішень. За стандартними тарифами на модель Gemini вартість цих обчислень склала близько 1620 доларів. За оптовою ціною вона оцінюється приблизно в 810 доларів.
Значення експерименту для розвитку штучного інтелекту
За словами науковців Google, це перше в світі повністю автономне проходження Minecraft з використанням загальних моделей штучного інтелекту без попередньо розвіданого світу чи створених людиною алгоритмів під конкретні завдання. Успіх експерименту демонструє, що сучасні генеративні моделі здатні вирішувати комплексні, багатоетапні завдання у складних і динамічних середовищах без створення спеціалізованого програмного забезпечення.
Ключова перевага таких моделей полягає в їхній гнучкості. Вони можуть аналізувати контекст, формулювати нові плани та адаптувати їх у реальному часі в умовах невизначеності. З цим не справляються традиційні системи, налаштовані на чіткі умови. Це досягнення показує прогрес у сфері довготривалої автономності штучного інтелекту та його потенціал для вирішення практичних проблем з мінімальним контролем з боку людини.