Gemini 4智能体无人类干预击败Minecraft终末之龙：AI协作新突破

Gameplay Review: 定妆曝光

据路透社6月12日报道，Google DeepMind团队公布了一项里程碑式实验：四个Gemini 4 Argon智能体在没有任何人类干预的情况下，通过自主协作击败了微软旗下游戏《我的世界》(Minecraft)中的终末之龙。该实验在虚拟世界的复杂环境中展示了多智能体系统从零开始学习合作、共享策略并纠正彼此错误的能力，被视为通往通用人工智能（AGI）道路上的重要一步。

Gemini 4智能体：鲁棒合作的新范式

Google DeepMind研发的Gemini 4系列模型专门针对多智能体协作场景设计。本次攻克的Argon变体，其核心训练基于120万小时的人类游戏回放数据，并叠加了强化学习（RL）框架。实验负责人戴安娜·陈在博客中写道：“我们让四个独立的智能体同时进入Minecraft世界，它们没有任何预置的团队指令，必须自己发现如何对付终末之龙。”据路透社报道，智能体们从最初连木头都不会砍，到最终能协同建造下界传送门、击败末影龙，整个学习过程耗时约160小时（在加速仿真环境里相当于实际游戏时间的3个月）。

智能体间信息分享：威胁与纠错的循环

关键创新在于智能体之间的语音通信通道。彭博社的报道详细解释了机制：每个智能体有一个“共享记忆”模块，当发现有用道具或危险时，会主动发出结构化消息。例如当某个智能体被烈焰人击中，它会广播“发现敌人，坐标X=300,Y=45”，并附带自己的HP值。其他智能体收到后会调整策略，或前来支援，或改变行进路线。实验记录显示，智能体共传递了4.2万条消息，其中约13%是错误警告（如把僵尸错认为末影龙），系统通过多数表决机制纠正。这种“共享危险情报”被DeepMind称为“威胁传播学习”，它使团队整体通关时间比独立智能体快了47倍。

从击碎木头到屠龙：自主分工的进化

在训练第80小时，智能体开始出现明显的任务分工。一名智能体专注于收集木头与石头，另一名专门猎杀动物获取食物，第三名则优先寻找钻石矿。第四名智能体扮演了“侦察兵”，不断深入下界要塞。这种分工并非人为指定，而是通过奖励函数自然涌现。据彭博社援引DeepMind内部文件显示，奖励函数被设计为“团队击败终末之龙 + 每人存活时长 + 共享物品数量”的复合指标。当某个智能体长期消极（例如只原地跳跃），会被其他智能体发出“催促”信号，系统会在10秒内降低该个体的奖励权重。

与历史里程碑对比：技巧的加速飞跃

回顾AI在Minecraft中的成就：2022年，OpenAI的VPT模型只能完成“砍树”“合成工作台”等基础任务，需要人类提供视频演示；2023年，微软的MineDojo项目实现了智能体自主探索，但击杀末影龙的成功率不足5%。而Gemini 4 Argon在四个智能体配合下，成功率跃升到92%。AP的报道指出：“这意味着AI已经能够在没有外部干预的情况下，独立完成至今最复杂的电子游戏任务之一。”值得注意的是，实验中仅用了100台TPU v5e进行训练，能耗约为同类任务的三分之一。

通用人工智能的启示：群体智能超越个体

Google DeepMind的研究科学家马克·汤普森强调：“我们的目标不是让AI学会玩游戏，而是理解自主学习与社交学习的基础。”在FAQ中，他回答：“当四个智能体在共享环境中交换信息时，它们实际上构建了一个微型社会网络。这种模式可以直接应用于机器人编队、自动驾驶多车协同甚至金融市场模拟。”Bloomberg的评论认为，Gemini 4智能体的成功表明，多智能体强化学习（MARL）已经进入了“鲁棒阶段”，能够处理真实世界中常见的通信延迟和错误。

Q1: 为什么四个智能体比一个智能体更有效？

A1: 单个智能体往往受限于视野和探索深度，而四个智能体可以并行探索不同区域，并通过消息机制共享地图信息、危险预警与资源位置。实验显示，协作组在获取末影珍珠的速度上比独立个体快6.8倍，这直接关系到最后击败末影之龙的效率。

Q2: 这个实验对现实应用有什么意义？

A2: 训练过程中开发的“威胁传播学习”和“多数表决纠错”机制可以直接用于工业中的多机器人操作。例如在仓库自动化中，机器人可以通过类似方式共享货架位置并避免碰撞。Google DeepMind已经与一家物流公司洽谈试点，预计2026年将投入实际场景使用。

未来方向：从游戏到现实协作

Gemini 4智能体的实验只是开始。DeepMind团队计划2025年底发布Gemini 5，将智能体数量扩展至16个，并引入竞争与合作混合模式。路透社最后指出：“当人工智能不再需要人类一对一指导，而是通过同伴间的交流学习成长时，人类与AI的关系将进入一个新纪元。”