Quattro agenti AI basati su Gemini 4 Argon hanno sconfitto l'Ender Dragon, il boss finale di Minecraft, senza aiuto umano. Lo racconta un paper di Google DeepMind pubblicato su arXiv: dal primo programma alla vittoria sono passate 27 ore e 14 minuti. Il risultato riguarda però una sola partita, a difficoltà Facile, giocata via codice e non guardando lo schermo. Per gli autori conta perché mostra agenti capaci di inseguire un obiettivo per più di un giorno, coordinandosi tra loro.
Come hanno giocato gli agenti
Gli agenti non vedevano i pixel e non premevano tasti. Ognuno controllava un personaggio tramite Mineflayer, una libreria open source per creare bot di Minecraft: per agire scriveva un breve programma in JavaScript, per esempio raggiungere certe coordinate e scavare il ferro nei dintorni, poi leggeva il testo restituito dal gioco con posizione, salute, inventario o l'errore incontrato. Su questa base scriveva il programma successivo.
La partita si è svolta su Minecraft Java Edition 1.20.4, in modalità sopravvivenza, in un mondo generato a caso e con i comandi cheat disattivati. Le istruzioni sul gioco si riducevano a un paragrafo con l'obiettivo di battere il drago. Nessuno ha assegnato ruoli, scritto strumenti specifici o indicato un percorso: secondo i ricercatori, tutti i programmi usati sono stati scritti dagli agenti stessi.
I numeri della partita
In tutto gli agenti hanno scritto ed eseguito 2.783 programmi, si sono scambiati 229 messaggi nella chat del gioco e sono morti 605 volte, soprattutto per mano dei mostri. Il 22% dei programmi si è chiuso con un errore. La fase più lunga è stata lo scontro finale nell'End, durato quasi 14 ore, mentre il server è stato riavviato sei volte durante la partita.
Il lavoro di squadra è nato da solo. Dopo dieci minuti uno degli agenti ha proposto una divisione dei compiti in chat e i ruoli si sono assestati in fretta: chi cercava cibo e materiali, chi scavava per i diamanti, chi forgiava gli attrezzi, chi preparava il portale per il Nether. Il gruppo teneva note condivise con coordinate e lezioni imparate e recuperava gli oggetti persi dai compagni quando morivano.
I limiti che indica lo stesso paper
Gli autori sono i primi a ridimensionare il risultato. Mineflayer comunica agli agenti esattamente quali blocchi e creature hanno intorno, anche dietro la roccia, e il suo modulo di navigazione calcola i percorsi: informazioni che un giocatore umano deve ricavare con gli occhi o che non ha affatto. Giocare dai pixel con tastiera e mouse, scrivono, resta molto più difficile.
A difficoltà Facile i mostri infliggono meno danni e la fame non può uccidere. Gemini 4 Argon, inoltre, conosce già molto di Minecraft e di Mineflayer grazie ai dati di addestramento: il test misura la capacità di trasformare quelle conoscenze in programmi funzionanti e in coordinamento di squadra, non quella di imparare un gioco mai visto. Soprattutto, si tratta di una sola partita, il primo tentativo fatto, che non permette di dire quanto spesso l'esperimento riuscirebbe.
Perché interessa anche fuori dal gioco
Per DeepMind Minecraft è un banco di prova, non il traguardo. Secondo il paper, le stesse abilità richieste dalla partita, cioè mantenere un piano coerente attraverso migliaia di passaggi, rimediare agli errori e collaborare per più di un giorno, servono anche nello sviluppo software complesso e nei compiti aziendali.
Tutto si è svolto sotto controllo: gli agenti lavoravano in un ambiente isolato e potevano comandare solo il proprio personaggio. Un quinto agente, chiamato Observer, ha seguito la sessione come testimone indipendente per scovare imbrogli o scorciatoie, senza trovarne, e i ricercatori potevano mettere in pausa o fermare tutto da un pannello di controllo, senza mai doverlo fare. Gli autori precisano infine che si tratta di una ricerca indipendente, non approvata né collegata a Mojang o Microsoft.
Immagine: figura del paper; texture Pixel Perfection di XSSheep e Nova_Wostra, CC BY-SA 4.0.