27 valandų prireikė Google agentams įveikti Minecraft

Keturi Google DeepMind DI agentai įveikė Minecraft pagrindinį tikslą per 27 valandas ir 14 minučių, žaidimo metu nesulaukę žmonių pagalbos. Spalio 15 dieną paskelbta tyrėjų publikacija nagrinėja, kaip bendrosios paskirties programavimo agentai koordinuoja ilgą užduotį ir atsigauna po nesėkmių.

Tyrimą aprašė Maxence Faldor, Satinder Singh ir Roberta Raileanu, o spalio 18 dieną apie rezultatą pranešė The Decoder. Autoriai pabrėžia, kad agentai naudojo Gemini 4 Argon ir standartinę Mineflayer biblioteką, tačiau negavo žmonių parengtos žaidimo strategijos.

Pagal publikaciją, kiekvienas agentas valdė atskirą veikėją rašydamas ir vykdydamas trumpas JavaScript programas, o ne stebėdamas ekraną. Atgal jis gaudavo tekstinius duomenis apie poziciją, sveikatą, turimus daiktus, aplinkinius objektus ir vykdant programą pasitaikiusias klaidas.

Tyrėjai nurodo, kad komanda iki pergalės parašė 2 783 programas, apsikeitė 229 pokalbio žinutėmis ir patyrė 605 veikėjų žūtis. Agentai savarankiškai pasidalijo išteklių rinkimo, įrankių gamybos bei portalų statymo darbais ir bendroje atmintyje kaupė pamokas.

Vienas publikacijoje aprašytas epizodas parodo, kaip komanda reagavo į praradimus: nuskendus veikėjui su svarbiais daiktais, kolegos perdavė tikslias koordinates. Kitas agentas juos atgavo likus maždaug dviem su puse minutės iki daiktų išnykimo žaidimo pasaulyje.

Autoriai atskirai išskiria kainą, kuri priklauso nuo skaičiuojamos bandymo dalies ir pasirinkto API tarifo, todėl vieno skaičiaus neužtenka. Keturių žaidėjų veikla iki pergalės įvertinta maždaug 520 dolerių pagal įvadinį tarifą arba 1 040 dolerių standartine kaina.

Visa sesija, įskaitant stebėtoją ir po pergalės vykusią veiklą, tyrime įvertinta maždaug 810 arba 1 620 dolerių. Tyrėjai pažymi, kad tai pagal žetonų apskaitą ir viešus tarifus apskaičiuotos sumos, o ne faktinės modelio aptarnavimo sąnaudos.

Publikacijoje išvardytos svarbios ribos: žaista lengvu sudėtingumu, o Mineflayer teikė informaciją, kurios žmogus ekrane iš karto nepamatytų. Bibliotekos maršrutų paieška taip pat padėjo judėti, 22 procentai programų baigėsi klaida, o galutinė kova truko beveik 14 valandų.

Tyrime nurodoma Minecraft Java Edition 1.20.4 versija, atsitiktinai sugeneruotas pasaulis ir išjungtos sukčiavimo komandos, todėl kelias nebuvo parinktas iš anksto. Pasaulio serveris bandymo metu persikrovė šešis kartus, o šios pertraukos bendrai sustabdė žaidimą maždaug dvidešimčiai minučių.

Autoriai skelbia, kad visa iki pergalės sukaupta veikla užfiksuota programų išvestyse, pokalbių įrašuose ir serverio žurnale, leidžiančiame patikrinti pasiekimą. Jų skaičiavimu, agentai apdorojo maždaug 1,35 milijardo įvesties žetonų, tačiau 91 procentas buvo aptarnautas iš konteksto podėlio.

Penktas agentas tik stebėjo bandymą, o tyrėjai galėjo bet kada jį sustabdyti; autoriai teigia nenustatę sukčiavimo ar saugumo incidentų. Vis dėlto aprašytas tik vienas paleidimas, todėl tolesni bandymai turės parodyti, kaip patikimai tokia komanda pakartoja rezultatą.