Google DeepMind ha vuelto a poner a los videojuegos en el centro de sus pruebas para medir avances en inteligencia artificial. En un experimento que mezcla coordinación, observación y toma de decisiones en tiempo real, la versión Gemini 4 Argon logró una proeza: completar Minecraft y derrotar al mítico Ender Dragon sin ayuda humana directa.
El logro, documentado en un informe técnico de la compañía, muestra cómo varios agentes autónomos pueden cooperar en un entorno abierto y desconocido para alcanzar objetivos complejos. A continuación desglosamos el método, los números clave y lo que esto significa para la investigación sobre agentes multiagente y aprendizaje en entornos virtuales.
Detalle del experimento: cuatro agentes en un mundo de supervivencia
DeepMind configuró un mundo aleatorio en el modo supervivencia de Minecraft y desplegó cuatro instancias del modelo Gemini 4 Argon, cada una controlando a un jugador virtual. Los agentes no recibieron instrucciones paso a paso ni herramientas diseñadas ad hoc para resolver el juego: debían descubrir y ejecutar las acciones necesarias por sí mismos.
Para interactuar con el juego se basaron en una API estándar (Mineflayer) y en mecanismos para comunicarse entre ellos. La coordinación se produjo mediante el chat interno del juego y una memoria compartida que permitió intercambiar objetivos y estado del mundo en tiempo real.
Organización emergente: especialización y reparto de tareas
Desde los primeros minutos, los agentes mostraron una división tácita del trabajo en vez de funcionar como una única unidad centralizada. Esa organización espontánea permitió optimizar recursos y progresar hacia el objetivo final.
- Recolección y supervivencia: uno de los agentes se concentró en conseguir alimentos y materiales básicos.
- Fabricación de herramientas: otro se especializó en elaborar hachas, picos y armaduras necesarias para avanzar.
- Exploración y portal: un tercero se encargó de buscar perlas de Ender y activar el portal al End.
- Combate y recursos finales: el cuarto construyó zonas para farmear Endermen y realizó el ataque decisivo contra el Ender Dragon.
Durante la sesión, los agentes se avisaban de peligros, proponían tácticas de combate y se recuperaban cuando uno perdía su equipo tras morir. Esta interacción cooperativa fue clave para completar los pasos intermedios exigidos por Minecraft, como obtener perlas de Ender y crear Ojos de Ender.
Resultados cuantitativos: tiempo, mensajes y costes
El informe presenta varios indicadores que permiten dimensionar el esfuerzo y la complejidad de la prueba. La partida duró un total de 27,23 horas, divididas entre alcanzar el End y derrotar al dragón. En el proceso los agentes intercambiaron 229 mensajes, ejecutaron 2.783 programas distintos y sufrieron 605 muertes.
- Duración completa: 27,23 horas.
- Mensajes entre agentes: 229.
- Programas ejecutados: 2.783.
- Veces que murieron los agentes: 605.
- Tokens de entrada consumidos: unos 1.350 millones.
- Estimación del coste por tokens: aproximadamente 1.620 USD con la tarifa estándar.
Herramientas y flujo de trabajo técnico
El experimento se apoyó en herramientas estándar de la comunidad y en la capacidad del modelo para generar y ejecutar pequeños programas que interactúan con el entorno del juego. No hubo scripts maestros ni guías predefinidas sobre cómo superar los desafíos; todo el razonamiento surgió a partir de la política y la comunicación entre agentes.
Por qué importa: implicaciones para la investigación en IA
Completar Minecraft de principio a fin con un conjunto de agentes autónomos y sin instrucciones específicas representa, según los autores, un hito porque demuestra la capacidad de sistemas de IA para planificar a largo plazo, dividir tareas y adaptarse en un entorno abierto y parcialmente observable.
Este tipo de pruebas aporta pistas sobre cómo escalar la autonomía en tareas reales que requieren coordinación entre múltiples actores, desde robots colaborativos hasta asistentes digitales que gestionan flujos de trabajo complejos.
Comparación con logros anteriores y con jugadores humanos
DeepMind ya había utilizado antes videojuegos como banco de pruebas: AlphaStar venció a jugadores profesionales en StarCraft II. Sin embargo, la forma de medir el éxito en cada título cambia según los retos que plantea el juego.
- En Minecraft, la prueba con Gemini 4 usó agentes múltiples y un mundo generado aleatoriamente, lo que añade variabilidad y exige soluciones generalizables.
- Los humanos aún dominan ciertos récords: un speedrunner completó el juego y venció al Ender Dragon en 6 minutos y 36 segundos, una marca imposible de igualar por la ejecución compleja y deliberada de los agentes en esta prueba.
Los investigadores subrayan que, pese al progreso, las habilidades específicas de los humanos —como la rapidez extrema en rutas optimizadas— siguen siendo superiores en algunos escenarios, mientras que la IA muestra fortaleza en coordinación sostenida y experimentación sistemática.
Artículos similares
- Gemini 4: Google revela nuevas pistas sobre llegada, dice el jefe de DeepMind
- Xcode 27 de Apple integra IA y reinventa la programación para desarrolladores
- Google Gemini Spark: alternativa a OpenClaw y cómo funciona
- Google lanza carrito universal: compra con IA desde búsqueda, Gemini y YouTube
- Google restringe su nueva IA Agente Smith por ser demasiado potente
Tomás Villalba es un periodista especializado en ciencia y tecnología. Sus artículos destacan la inteligencia artificial, el espacio, la robótica y las innovaciones digitales que están transformando el mundo. Con un estilo claro y preciso, ayuda a los lectores a comprender los avances que influyen en su vida diaria.
