Четыре ИИ-агента от Google DeepMind смогли одержать победу над Драконом Края в игре Minecraft. Для достижения цели им потребовалось 27 часов и 14 минут игрового времени. В процессе агенты самостоятельно писали программы, координировали свои действия и совершили 605 «летальных исходов».
Эксперимент проводился без вмешательства человека. Агенты делили задачи, обменивались ресурсами и исправляли ошибки, создав в общей сложности 2 783 программы. Исследование, опубликованное на arXiv, ставило целью проверить, смогут ли универсальные ИИ-агенты для написания кода поддерживать план действий на протяжении тысяч связанных операций.
Исследователи предоставили четырем экземплярам Gemini 4 Argon контроль над отдельными игроками в общем мире с задачей победить дракона. При этом никаких игровых стратегий или ролей им не назначали. Агенты справились с задачей, но с низкой эффективностью: их персонажи не выжили 605 раз, 22% программ завершались с ошибкой, а финальная стадия битвы с драконом заняла почти 14 часов. Эксперимент проводился на легкой сложности с использованием подробных игровых данных, что ставит под сомнение надежность и производительность в более сложных условиях.
В ходе игры агенты использовали Minecraft Java Edition 1.20.4 в режиме выживания. Для управления персонажами применялась библиотека Mineflayer. Вместо использования клавиатуры и мыши, каждый агент писал короткие программы на JavaScript, которые определяли его действия: передвижение, создание предметов, атаки. Программное обеспечение возвращало информацию о состоянии персонажа, а агент использовал эти данные для написания следующей программы. Агенты самостоятельно определяли цели и писали код для их достижения, при этом получая общие инструкции по проверке действий, созданию многоразовых инструментов и сохранению полученных уроков в общей памяти.
Пятый ИИ-агент осуществлял мониторинг сессии, но не участвовал в игре. Исследователи могли наблюдать за процессом и при необходимости останавливать эксперимент, однако вмешательство не потребовалось. Уже через 10 минут после начала игры один из агентов предложил разделение труда, и другие начали подстраиваться под предложенный план. В процессе игры сформировались роли: один агент отвечал за еду и припасы, другой — за создание инструментов и поиск важных структур, третьи занимались порталами, укрытиями и подготовкой к бою.
Команда обменялась 229 сообщениями до победы. Общие сундуки позволяли игрокам объединять ресурсы, а чат и заметки сохраняли координаты, предупреждения и информацию об инструментах. Один из примеров показывает, как локальное исправление распространилось по команде: после сообщения об ошибке в работе системы создания предметов, связанная с ней вспомогательная функция появилась в 655 программах, написанных всеми четырьмя агентами.
Агенты также разработали программное обеспечение для поддержания персонажей на плаву, подсчета предметов и остановки выполнения устаревших инструкций. Эти инструменты помогли команде справиться с практической сложностью длительной работы ИИ. Агенту приходилось сохранять полезную информацию при переходе между задачами и сокращать историю диалогов. Общие заметки служили записью, которая могла сохраняться при таких переходах. Ошибки также приводили к изменениям в поведении. Например, после того как вражеский огненный шар уничтожил выпавшие припасы, агенты разместили предупреждение и проработали более безопасный маршрут возвращения…
