Najnowsze agenty AI od Google właśnie udowodniły, że potrafią współpracować bez instrukcji

Większość szumu wokół sztucznej inteligencji skupia się na cyfrowym lokaju, który rozumie twoją duszę, ale rzeczywistość to zazwyczaj chatbot, który ma trudności z zaplanowaniem prostego spotkania. Najnowszy eksperyment Google z agentami Gemini 4 Argon sugeruje, że branża wykracza poza zwykłą konwersację w stronę faktycznej pracy. W badaniu opublikowanym niedawno przez Google DeepMind, cztery agenty AI wkroczyły do nieprzewidywalnego świata Minecrafta i pokonały Smoka Kresu (Ender Dragon) bez żadnych wskazówek ze strony człowieka. To zmiana w stosunku do ery AlphaGo, który opanował grę o ustalonych zasadach i płaskiej planszy. Minecraft to chaotyczna, trójwymiarowa piaskownica, w której zasoby są rzadkie, a zagrożenia stałe. Agenty nie tylko grały w grę; zorganizowały się w funkcjonalną jednostkę, aby przetrwać.

Technolodzy często opisują AI jako niestrudzonego stażystę, ale te agenty zachowywały się bardziej jak zdecentralizowana ekipa budowlana. Przybyły na miejsce bez planów i bez przypisanych ról. Każdy agent kontrolował swoją postać za pomocą biblioteki Mineflayer, narzędzia open-source, które tłumaczy logikę AI na ruchy w grze. Zamiast ludzkiego programisty mówiącego im, by wydobywali węgiel lub polowali na jedzenie, agenty korzystały ze wspólnego systemu pamięci i okna czatu, aby decydować, co jest konieczne w danym momencie. Ten eksperyment to test warunków skrajnych dla tego, jak ogólne modele AI radzą sobie z długoterminowymi celami, które wymagają tysięcy indywidualnych, zależnych od siebie kroków.

Logistyka cyfrowego polowania na smoka

Misja trwała 27,23 godziny. W tym czasie cztery agenty — nazwane Janesick, Gyldenia, Auratian i Bulicame — wykonywały zadania, które zazwyczaj wymagają wysokiego poziomu ludzkiej intuicji. Nie błąkały się bez celu. Agenty napisały i uruchomiły 2 783 programy, aby wchodzić w interakcję ze światem. Wymieniły 229 wiadomości, aby koordynować swoje wysiłki. Gdy jeden agent zginął, pozostali nie zignorowali po prostu straty. Udali się na miejsce wypadku, aby odzyskać przedmioty, co demonstruje jasne zrozumienie zarządzania zasobami i wartości zespołu.

Każdy agent naturalnie przyjął określoną rolę w oparciu o natychmiastowe potrzeby grupy. Janesick skupił się na wytwarzaniu narzędzi niezbędnych do przetrwania. Gyldenia przejęła kontrolę nad zapasami żywności, dbając o to, by zespół nie głodował podczas eksploracji. Auratian zajęła się złożonym zadaniem rozpalenia portalu do wymiaru „End”, podczas gdy Bulicame budował schronienia i ostatecznie zadał smokowi decydujący cios. Ta specjalizacja nastąpiła bez centralnej struktury dowodzenia. Agenty dostrzegały problem, komunikowały potrzebę rozwiązania i realizowały plan. W praktyce jest to pierwszy raz, kiedy AI ukończyła Minecrafta od początku do końca bez wcześniej sprawdzonych ziarn świata (seeds) lub strategii napisanych przez człowieka.

Wysoki koszt autonomicznej pracy

Choć wyczyn techniczny jest imponujący, ekonomia eksperymentu stanowi otrzeźwienie dla przeciętnego użytkownika. Uruchomienie tych czterech agentów nie było tanie. Przy cenach katalogowych Gemini eksperyment kosztował 810 USD. Przy standardowych stawkach rynkowych kwota ta wzrasta do 1 620 USD. Agenty skonsumowały 1,35 miliarda tokenów wejściowych, aby przetworzyć swoje otoczenie i podjąć decyzje. Jak na pojedynczą sesję gry wideo, ta cena jest astronomiczna. Ludzki gracz może przejść grę za cenę kanapki i kilku godzin wolnego czasu.

Z punktu widzenia rynku, ten koszt stanowi znaczącą barierę dla powszechnej adopcji. Jeśli działanie agenta AI kosztuje od 30 do 60 USD za godzinę, jest on droższy niż wielu ludzkich pracowników. Jest to jednak obraz technologii na wczesnym etapie rozwoju. Historycznie koszt mocy obliczeniowej spada, gdy sprzęt staje się bardziej wydajny, a modele bardziej zoptymalizowane. Dla biznesu wartość nie leży w samej grze, ale w zdolności AI do utrzymania spójnego planu przez ponad 24 godziny bez odrywania się od zadania. Fakt, że agenty zginęły 605 razy, ale kontynuowały dążenie do celu, pokazuje poziom wytrwałości, którego brakowało poprzednim modelom.

Dlaczego obserwator ma znaczenie dla przejrzystości

Google włączyło do eksperymentu piątego agenta zwanego Obserwatorem. Ten agent nie brał udziału w grze. Jego jedynym celem było pełnienie roli niezależnego świadka. Monitorował pozostałe cztery agenty pod kątem oszustw, podsumowywał ich postępy i publikował raporty na temat ich zachowania. Ta konfiguracja to praktyczne spojrzenie na to, jak firmy mogą zarządzać AI w przyszłości. W miarę jak modele te będą podejmować bardziej złożone zadania w finansach lub logistyce, niezależny audytor AI mógłby zapewnić warstwę przejrzystości, którą ludziom trudno byłoby utrzymać ręcznie.

W codziennym życiu ten rodzaj nadzoru sprawia, że systemy automatyczne stają się godne zaufania. Obserwator jest cyfrowym odpowiednikiem czarnej skrzynki w samolocie. Rejestruje logikę każdej decyzji i każdej porażki. Poprzez nadzór AI nad innymi AI, Google stworzyło pętlę informacji zwrotnej, która pozwala na szczegółową autopsję przyczyn niepowodzeń. Jest to szczególnie istotne, biorąc pod uwagę 605 zgonów, których doznały agenty. Analiza tych porażek pozwala systemowi nauczyć się unikania zagrożeń w przyszłych iteracjach.

Przejście z gier do świata rzeczywistego

Przejście z kontrolowanego środowiska, takiego jak szachownica, do losowego świata, takiego jak Minecraft, to duży krok dla agentowej sztucznej inteligencji. W grze Go każda informacja jest widoczna na ekranie. W Minecrafcie świat jest ukryty za wzgórzami i wewnątrz jaskiń. Agenty musiały radzić sobie z „mgłą wojny”, co oznaczało, że musiały eksplorować i zapamiętywać swoje otoczenie, aby odnieść sukces. Odzwierciedla to sposób, w jaki asystent w świecie rzeczywistym musi poruszać się po zagraconym biurze lub złożonym łańcuchu dostaw.

Dla przeciętnego konsumenta oznacza to, że „agent AI” w telefonie lub laptopie stanie się o wiele bardziej kompetentny. Zamiast tylko ustawiać przypomnienie, przyszła wersja tej technologii mogłaby potencjalnie zaplanować trzydniową podróż służbową, skoordynować ją z kalendarzami współpracowników i zmienić rezerwację lotów, gdy uderzy burza. Zrobiłaby to, dzieląc zadanie między różne pod-agenty — jeden do podróży, jeden do harmonogramowania i jeden do zarządzania budżetem — podobnie jak zespół Minecrafta podzielił wydobycie i rolnictwo.

Podsumowanie dla użytkowników i branży

Obserwujemy przejście od AI jako wyszukiwarki do AI jako menedżera projektów. Eksperyment w Minecrafcie dowodzi, że modele te potrafią poradzić sobie z tysiącami zależnych kroków, nie tracąc z oczu linii mety. Potrafią uczyć się na błędach swoich kolegów z zespołu i dostosowywać strategię w czasie rzeczywistym. Tu nie chodzi o gry; chodzi o zdolność oprogramowania do funkcjonowania w świecie, do którego nie zostało specjalnie zaprogramowane.

Jednak koszt pozostaje problemem spowalniającym rewolucję AI. Dopóki cena za token nie spadnie znacząco, te systemy wieloagentowe pozostaną placem zabaw dla wielkich firm technologicznych i wysokobudżetowych projektów przemysłowych. Prawdopodobnie w przyszłym tygodniu nie będziesz mieć zespołu czterech agentów Gemini grających dla ciebie w gry, ale fundamenty pod tego rodzaju automatyzację zostały już położone. Eksperyment pokazuje, że wąskim gardłem nie jest już inteligencja ani koordynacja; wąskim gardłem jest cena energii elektrycznej i krzemu wymaganych do działania systemu.

Ostatecznie zwycięstwo w Minecrafcie jest sygnałem dla rynku, że modele ogólnego przeznaczenia są gotowe do złożonej, wspólnej pracy. Następnym razem, gdy użyjesz narzędzia AI, szukaj oznak „myślenia” etapami, a nie tylko szybkiej odpowiedzi. Era samotnego chatbota dobiega końca. Zaczyna się era cyfrowej siły roboczej. Obserwuj, jak zmieniają się twoje własne cyfrowe nawyki, gdy te narzędzia stają się bardziej autonomiczne i zaczynają obsługiwać obowiązki, które wcześniej wykonywałeś sam.

Źródła

• Google DeepMind Research Paper: "Collaborative Research with Gemini 4 Argon Agents in Sandbox Environments"
• Mineflayer Open Source Documentation and Library Specifications
• Alphabet Inc. Q3 2026 Earnings and Compute Cost Estimates
• Technical Analysis of Token Consumption in Large Language Models (LLMs)
• DeepMind Historical Archives: From AlphaGo to Agentic Workflows