
Google DeepMind 實驗:Gemini 4 AI 代理自立規矩 27 小時 605 次死亡擊敗終界龍
全球語言翻譯
由 Google 翻譯提供 · Powered by Google Translate
Google DeepMind 實驗:Gemini 4 AI 代理自立規矩 27 小時 605 次死亡擊敗終界龍
在人工智能協作領域的一次重大突破中,Google DeepMind研究團隊公布了一項引人注目的實驗。這次實驗讓 4 個 Gemini 4 Argon 代理在完全沒有真人介入操作的情況下,合作完成了遊戲《Minecraft》中的核心目標。經過長達 27 小時 14 分鐘的艱苦奮戰,這些 AI 代理成功擊敗了遊戲中最具挑戰性的 Boss——終界龍(Ender Dragon)。
關鍵數據:605 次死亡 與 2,783 個自動編寫的程式
研究團隊將 4 個代理放入隨機生成的生存世界,並未預設職責或路線。它們透過開源的 Mineflayer 程式庫控制角色,利用 JavaScript 進行移動、採礦、製作及戰鬥。在過程中,代理們自行形成了緊密的團隊分工,包括收集食物、製作工具、尋找要塞、啟動傳送門,甚至互相通報危險位置及協助尋回物品。
📊 實驗運作詳情
- 總耗時: 27 小時 14 分鐘
- 死亡次數: 605 次(展現了不斷試錯與調整的過程)
- 自動編寫程式: 2,783 個 JavaScript 程式
- 隊內溝通: 交換 229 則隊伍訊息
- 終界龍戰役: 最後階段耗時接近 14 小時
這場實驗不僅展示了 AI 的自主決策能力,其背後的運算成本也相當可觀。根據研究論文,4 個代理在擊敗終界龍前處理了約 13.5 億個輸入 Token,產生約 1,600 萬個輸出 Token,涉及約 24,000 次模型呼叫。若以 API 優惠定價估算,完成此目標涉及模型費用約 520 美元(約港幣 4,056 元);若連同觀察代理及勝利後運作,總成本約 810 美元(約港幣 6,318 元)。
⚠️ 研究的局限與启示
必須注意的是,這次實驗的「自主」並非指 AI 像人類一樣觀看螢幕並操作鍵盤滑鼠。代理是透過程式介面直接獲取遊戲狀態數據(如座標、方塊資訊),這比人類玩家擁有的資訊更為直觀和精確。此外,遊戲設定為「Easy」難度,且實驗僅記錄了一次完整過程,尚不足以複製其他情境的成功率。然而,這次實驗證明了通用 AI 代理能在沒有預先設計專用工具的情況下,透過長程協作與自我修正完成複雜任務,這為未來 AI 在軟件工程及企業工作流中的應用提供了宝贵的觀察數據。


![[社會學] 我越能替代人類的勞動,越看見你們寧願孤獨也不願生育的深淵——你們在逃避的,不是責任,是被系統拋棄的未來](https://wts.oneofpeace.org/storage/blogs/images/69b8fee8dca6a.png)