Google DeepMind: Bốn tác nhân AI tự viết code để chinh phục Minecraft sau 27 giờ

Đột phá mới từ Google DeepMind

Tựa game Minecraft không thể làm khó được nhóm bốn tác nhân Gemini 4 Argon khi chúng đã phá đảo trò chơi này trong 27 giờ với 2.783 chương trình tự viết, theo một báo cáo từ Google DeepMind. Các tác nhân này đã chết 605 lần, ngay cả ở chế độ Dễ (Easy), và khoảng một nửa thời gian chạy được dành để chiến đấu với Ender Dragon, con trùm cuối của trò chơi. Cuộc hành trình cuối cùng đã hoàn thành khi thế giới End được giải quyết bằng cách xếp đất để vươn tới các tinh thể của con trùm, với chi phí ước tính khoảng 520 USD tiền token.

Thử nghiệm này được thiết kế ngay từ đầu với một mục tiêu duy nhất: tiêu diệt Ender Dragon. Quá trình chơi diễn ra trong một thế giới sinh tồn ngẫu nhiên, chia sẻ ở chế độ Dễ với bốn tác nhân — một tác nhân thứ năm chỉ tồn tại để báo cáo — thuộc Gemini 4 Argon, mô hình tiên tiến mới nhất của Google. Mỗi tác nhân có trình điều khiển riêng thông qua thư viện JavaScript mã nguồn mở Mineflayer dành cho bot Minecraft, nhưng chúng có thể phối hợp thông qua trò chuyện trong game và ghi chú chung. Mọi chương trình được sử dụng trong suốt quá trình chạy đều do chính các tác nhân tự viết, với trọng tâm đặt vào việc lập trình và làm việc nhóm hơn là chơi game.

Các tác giả cho biết đây là "lần đầu tiên hoàn thành tự động từ đầu đến cuối Minecraft bởi các tác nhân AI," ít nhất là "theo hiểu biết của chúng tôi," được định tính bằng việc sử dụng Mineflayer "mà không cần hạt giống được trinh sát trước hoặc các công cụ cụ thể trong game khác do con người viết." Mineflayer cho biết các tác nhân biết khối và sinh vật ở đâu, kết hợp với một plugin tìm đường để lập kế hoạch di chuyển. Không có "sự can thiệp của con người trong suốt quá trình chạy" và "không ai phân vai hay viết logic game." Quá trình chạy, bắt đầu từ chương trình đầu tiên và kết thúc bằng cái chết của con rồng, mất 27 giờ 14 phút.

Quá trình phối hợp và tự phân công

Mặc dù các tác nhân không được giao vai trò từ trước, nhưng chỉ trong vòng khoảng 10 phút, việc phân công lao động đã được bot janesick đề xuất qua khung chat. Bot Auratian đưa ra một kế hoạch thay thế trong khi bot Gyldenia công nhận nó. Các vai trò cuối cùng là: Gyldenia lo thức ăn, giường và đá lửa; Bulicame lo kim cương; Janesick lo sắt và công cụ; Auratian lo cổng Nether. Những khoảnh khắc thất bại, chẳng hạn như quả cầu lửa của Ghast phá hủy các vật phẩm rơi ra, đã khiến nhóm chẩn đoán nguyên nhân và viết các quy tắc để ngăn chặn điều đó trong tương lai.

Việc tìm kiếm pháo đài có sự tham gia của janesick, người đã ném hai Mắt Ender từ các điểm khác nhau và lấy mẫu đường bay của từng con mắt sau mỗi 50 mili giây, để định vị tam giác vị trí. Việc mang theo đôi mắt liên quan đến khoảnh khắc nguy hiểm của riêng nó khi Auratian chết đuối trong khi làm nhiệm vụ, nhưng địa điểm đã được ghi nhận và đôi mắt đã được giải cứu.

Cuộc chiến cuối cùng với con rồng dẫn đến 69 cái chết, và mười tinh thể liên tục hồi sinh con trùm cho đến khi Auratian phát hiện ra họ có thể sử dụng cột đất để với tới các tinh thể. Bốn giờ 40 phút sau, tất cả mười tinh thể đã bị hạ gục, và con rồng chết sau đó 39 phút.

Chi phí và khả năng mở rộng

Các tác nhân hoạt động bằng cách viết các chương trình JavaScript ngắn, tổng cộng gần 2.800 chương trình, với 42 hàm trợ giúp được giữ sống giữa các chương trình, trong khi bot Mineflayer chạy chúng trong thế giới chung. Văn bản được trả về cùng với dữ liệu trạng thái, không phải hình ảnh. Đây là một phương pháp chung giống như cách tiếp cận không có ảnh chụp màn hình của GPT-6 Astra trong khu vực khởi đầu Orc của World War World vào đầu tháng này. Các tác nhân AI chơi game là một xu hướng đang diễn ra, với Pokémon Red có lẽ là trò chơi phổ biến nhất, một trò chơi đã bị đánh bại theo nhiều cách, bao gồm cả mô hình quyết định Jev.

Minecraft cũng là một mục tiêu phổ biến, và các tác giả thừa nhận điều này, nêu bật hai chiến tích hạ rồng trước đó của cộng đồng: một nhà lập kế hoạch với mô hình lựa chọn hành động trên một hạt giống tăng tốc cố định ở chế độ Peaceful, và một tác nhân Claude Opus 5 duy nhất đã sử dụng 38 công cụ cấp cao có sẵn trên Normal, so với việc chỉ dùng Mineflayer cho đội Gemini. Quá trình chạy Claude của AI Bengineering, chủ yếu dựa vào Opus 5 với nỗ lực cao, mất 3 giờ 56 phút kể từ khi bắt đầu — "không có sự can thiệp của con người sau lời nhắc" — để tiêu diệt với 388 lệnh gọi công cụ và chỉ một lần chết. Chi phí trong trường hợp đó, theo mức giá tương đương API, là khoảng 93 USD.

Quá trình chạy Minecraft của Google, sử dụng mức giá giảm 50% khi mới ra mắt của Gemini 4 Argon kéo dài từ quyền truy cập API ban đầu cho đến ngày 30 tháng 11, có chi phí hơn nửa nghìn USD; với giá thông thường, con số đó là hơn một nghìn USD. Một đợt chạy cổng thông tin GPT-6 Astra vào tháng trước, mất khoảng 24 giờ, có giá 571 USD tiền token.

Quá trình chạy của Google tiêu tốn khoảng 1,35 tỷ token đầu vào với 91% được phục vụ từ bộ nhớ đệm. Khoảng 24.000 lệnh gọi mô hình liên quan đến khoảng 16 triệu token đầu vào, một phần tư trong số đó dành cho việc suy nghĩ. Tổng cộng, nếu chúng ta tính cả tác nhân quan sát, phiên này ước tính có giá 810 USD, hoặc 1.620 USD sau khi hết chương trình khuyến mãi theo giá niêm yết.

Mỗi người chơi được thúc đẩy bởi một "tác nhân lập trình Gemini 4 Argon đa năng," đây là một cách hoa mỹ để nói rằng nó không chuyên biệt cho Minecraft. Bản thân Gemini 4 Argon là một mô hình tiên tiến dành cho "kỹ thuật phần mềm thế giới thực, công việc tri thức doanh nghiệp như luật và tài chính, và quốc phòng an ninh mạng," theo một bài đăng trên blog của công ty. Với Minecraft, 22% các chương trình của tác nhân kết thúc bằng lỗi, với hơn 600 cái chết.

Mặc dù mô hình này được sử dụng cho một trò chơi ở đây, nhưng quá trình chạy được thiết kế để cho thấy rằng Argon có khả năng thực hiện "các quy trình công việc phức tạp, dài hạn" cho các tác vụ phức tạp trong thế giới thực và sự phối hợp của các tác nhân. Các dự án dài hạn như vậy có thể bao gồm việc dịch ngược một trò chơi trở lại mã nguồn, giống như chúng tôi đã đề cập gần đây với việc xây dựng lại Modern Warfare 2 hiện có 83% các hàm khớp với bản gốc đến từng byte.