Gemini 4 di Google sconfigge il drago di Minecraft senza assistenza umana

Una sfida senza precedenti per l’intelligenza artificiale

Google ha continuato a utilizzare i videogiochi come banco di prova per le proprie tecnologie di intelligenza artificiale. Dopo il successo di AlphaStar, che nel 2019 è diventato il primo agente a battere un professionista di StarCraft II, il nuovo progetto DeepMind ha puntato su Gemini 4 Argon, una rete di quattro agenti IA progettati per affrontare Minecraft, un titolo noto per la sua complessità e libertà creativa.

Secondo una pubblicazione scientifica di DeepMind, i quattro agenti hanno affrontato un mondo di sopravvivenza generato casualmente con l’obiettivo unico di sconfiggere l’Ender Dragon, la creatura finale del gioco, senza ricevere alcuna strategia predefinita o strumenti speciali.

Il setup dell’esperimento

Ogni agente ha controllato un personaggio tramite l’interfaccia Mineflayer, comunicando tra loro attraverso la chat di gioco e una memoria condivisa. Nessuna delle entità ha ricevuto istruzioni su come procedere; hanno dovuto invece imparare a cooperare spontaneamente, suddividendo i compiti necessari per avanzare.

La prova ha previsto che i quattro agenti:

• raccogliessero risorse e cibo,
• esplorassero il territorio,
• costruissero strumenti e rifugi,
• attivassero il portale per l’End e infine
• combattessero l’Ender Dragon.

Coordinazione autonoma e specializzazione

Nel corso delle prime ore, i bot hanno iniziato a distribuirsi i ruoli. Uno si è dedicato alla fabbricazione di utensili avanzati, un altro ha accumulato cibo e provviste, il terzo ha attivato il portale dell’End, mentre il quarto ha costruito rifugi per raccogliere perle di Ender dai Endermen e ha infine inflitto il colpo finale al drago.

Questa divisione del lavoro non è stata programmata a priori; è emersa dalla necessità di ottimizzare le azioni in un ambiente dinamico. La comunicazione avveniva tramite 229 messaggi scambiati nel corso della partita, in cui gli agenti avvisavano di pericoli, condividevano consigli di combattimento e si supportavano quando uno perdeva equipaggiamento a seguito di una morte.

Statistiche della partita

La durata totale della partita è stata di 27,23 ore: circa la metà del tempo è stata impiegata per raggiungere l’End, l’altra metà per la battaglia contro l’Ender Dragon. Durante l’avventura, i bot hanno eseguito 2 783 programmi distinti e sono morti complessivamente 605 volte, dimostrando una capacità di apprendimento e recupero notevole.

Per completare Minecraft è necessario superare diversi obiettivi intermedi, come la raccolta di materiali, la produzione di strumenti avanzati e la creazione degli Oculi di End, indispensabili per localizzare e attivare il portale.

Impatto e costi dell’esperimento

Gli autori sottolineano che si tratta della prima volta in cui un gruppo di agenti IA completa Minecraft dall’inizio alla fine usando solo gli strumenti standard del gioco e senza indicazioni su come risolverlo. Il consumo di risorse computazionali è stato considerevole: la partita ha richiesto circa 1 350 milioni di token di input, equivalenti a circa 1 620 dollari secondo la tariffa standard.

Nonostante l’impresa rappresenti un passo avanti per Gemini 4 e per la ricerca di DeepMind, il risultato più sorprendente rimane ancora nelle mani degli umani. Un speedrunner ha infatti completato Minecraft, partendo dalle attrezzature più basilari, e ha sconfitto l’Ender Dragon in soli 6 minuti e 36 secondi, dimostrando la differenza ancora esistente tra l’IA cooperativa e la destrezza umana estrema.

Prospettive future

Il successo di Gemini 4 apre la porta a nuove applicazioni della cooperazione tra più agenti IA in ambienti complessi, dal controllo di robot in missioni di soccorso a simulazioni di scenari di emergenza. La capacità di suddividere autonomamente i compiti, di comunicare e di adattarsi a condizioni variabili è considerata un elemento chiave per lo sviluppo di sistemi intelligenti più robusti e scalabili.

In sintesi, l’esperimento dimostra che le intelligenze artificiali moderne non solo possono imparare a giocare, ma possono anche organizzarsi in squadre auto‑dirette per raggiungere obiettivi di lunga durata, segnando un nuovo capitolo nella ricerca sull’apprendimento multi‑agente.