Исследователи Google DeepMind показали, что четыре ИИ-агента Gemini 4 Argon могут автономно пройти Minecraft, победив финального босса игры после более чем 27 часов непрерывного взаимодействия.

Согласно исследовательской работе, опубликованной в четверг, агенты написали и выполнили 2783 программы на JavaScript, обменялись 229 сообщениями и погибли 605 раз, прежде чем одолеть Дракона Края.

Прохождение проходило в случайно сгенерированном мире выживания Minecraft на легком уровне сложности — настройке, уменьшающей урон, наносимый враждебными существами игры. Исследователи поставили перед агентами единственную цель и не назначали роли, не разрабатывали игровые стратегии и не вмешивались на каком-либо этапе попытки. DeepMind назвал результат первым известным автономным прохождением Minecraft от начала до конца с использованием ИИ-агентов общего назначения, без специализированных игровых инструментов или заранее заданных конфигураций мира.

Агенты координировались и вырабатывали собственные стратегии

Каждый агент управлял персонажем Minecraft через Mineflayer — открытую библиотеку JavaScript, позволяющую программам взаимодействовать с игрой. Вмест нажатия клавиш или визуального восприятия игрового процесса агенты писали код для навигации по миру, сбора ресурсов, создания снаряжения и борьбы с врагами.

Разделение труда сформировалось в первые десять минут. Один агент собирал припасы, другой занимался инструментами и исследованием, а остальные готовились к более опасным регионам игры. Агенты также поддерживали общую память, записывая местоположения, стратегии и уроки из предыдущих неудач. За время прохождения они разработали 42 переиспользуемые вспомогательные функции для автоматизации передвижения, сбора ресурсов и выживания.

Один агент вычислил местоположение скры крепости, отслеживая движение двух Очей Эндера — внутриигровых предметов, чьи траектории полета указывают на крепость, — и определяя точку пересечения их путей; оценка отклонилась менее чем на 43 метра от реальной комнаты портала.

Команда столкнулась со значительными трудностями после входа в Край, где дракон неоднократно убивал участников. Прорыв произошел, когда агенты выявили десять кристаллов, непрерывно восстанавливающих здоровье дракона. Они разработали стратегию с использованием сложенных блоков земли, чтобы добраться до кристаллов и уничтожить их, после чего победили босса.

Все прохождение заняло 27 часов и 14 минут, включая шесть перезапусков сервера.

Испытание долгосрочной автономной координации

Эксперимент проведен на фоне более широкого движения ИИ-индустрии к агентам — системам, которые планируют и выполняют многоэтапные задачи с ограниченным участием человека, — где сохранение надежной работы на протяжении долгих периодов взаимозависимой работы остается центральной проблемой.

Помимо прохождения игры, эксперимент проверил, могут ли ИИ-системы общего назначения координировать действия в тысячах взаимозависимых задач без постоянного человеческого руководства. Четыре агента в совокупности сгенерировали около 63 313 строк JavaScript и удерживали общую стратегию более суток активной работы.

По данным исследователей, агенты обработали примерно 1,35 млрд входных токенов — единиц текста и кода, которые читает модель, — и сгенерировали 16 млн выходных токенов за около 24 000 вызовов модели. По стартовым тарифам API Gemini 4 Argon прохождение игры обошлось примерно в $520; по стандартным тарифам сумма возрастает до $1040. Поскольку модели тарифицируются по объему токенов, затраты прямо пропорциональны длительности и сложности работы агента.

Исследователи утверждают, что результат демонстрирует возможности, значимые для сложной разработки ПО и корпоративных процессов, где ИИ-системы должны планировать, координировать и восстанавливаться после сбоев на протяжении длительных периодов. Тем не менее прохождение проводилось в контролируемой игровой среде с программным доступом к игровой информации, а не через визуальное взаимодействие. Исследователи также признали, что эксперимент не устанавливает, переносимы ли такие возможности напрямую в реальные условия, где задачи менее предсказуемы, а ошибки обходятся дороже.

Эта оговорка определяет, за чем следить далее: смогут ли последующие работы показать, что подобная длительная несанкционированная координация сохраняется вне игрового движка, где действия сложнее отменить, а ошибки влекут реальные последствия.

Тем не менее результаты указывают на прогресс в создании ИИ-систем, способных удерживать цели, создавать инструменты и автономно взаимодействовать в протяженных последовательностях действий.