AI Umum

MineLand: Simulator Multi-Agen Minecraft yang Menjembatani Kesenjangan Simulasi Multi-Agen dengan Kompleksitas Dunia Nyata

Pendahuluan

Kecerdasan buatan (AI) telah mengalami kemajuan luar biasa dalam beberapa tahun terakhir, dengan para peneliti terus mendorong batas kemampuan mesin. Salah satu bidang yang mendapat perhatian signifikan adalah pengembangan simulator multi-agen, yang bertujuan untuk menciptakan lingkungan virtual tempat agen AI dapat berinteraksi satu sama lain dan dengan lingkungannya. Simulasi ini menawarkan kesempatan unik untuk mempelajari perilaku kolektif, dinamika sosial, dan munculnya sistem yang kompleks.

Kesenjangan dalam Simulasi Multi-Agen

Namun, banyak simulator multi-agen yang ada beroperasi dalam kondisi ideal, dengan asumsi informasi yang sempurna dan kemampuan yang tidak terbatas bagi agen yang terlibat. Kesenjangan dari kendala dunia nyata ini dapat membatasi validitas ekologis dan kekayaan interaksi yang diamati dalam lingkungan simulasi ini.

MineLand: Menjembatani Kesenjangan

Untuk menjembatani kesenjangan ini, para peneliti telah mengembangkan MineLand (ditunjukkan pada Gambar 2), simulator multi-agen berbasis Minecraft yang memperkenalkan indra multimodal terbatas dan kebutuhan fisik sebagai pendorong utama perilaku dan interaksi agen.

Fitur Utama MineLand

  • Skalabilitas Tinggi: MineLand dirancang untuk menangani jumlah agen yang belum pernah terjadi sebelumnya secara bersamaan, mendukung hingga 48 agen pada PC desktop konsumen umum.
  • Indra Multimodal Terbatas: Agen MineLand beroperasi di lingkungan yang dapat diamati sebagian dengan persepsi visual dan pendengaran yang terbatas, mencerminkan interaksi sosial kehidupan nyata.
  • Kebutuhan Fisik Realistis: MineLand mengintegrasikan kebutuhan fisik yang realistis, seperti rasa lapar dan kebutuhan akan tempat berlindung, ke dalam agennya. Kebutuhan ini memperkenalkan aspek berbasis waktu ke dalam rutinitas harian agen, yang memerlukan kolaborasi dan persaingan untuk sumber daya.
  • Berbagai Struktur Tugas: MineLand menawarkan berbagai struktur dan kesulitan tugas, mencakup skenario seperti panen, perkembangan pohon teknologi, pertempuran, bertahan hidup, konstruksi, dan pertunjukan panggung.
  • Kerangka Agen AI Alex: Para peneliti telah mengembangkan kerangka agen AI bernama Alex (ditunjukkan pada Gambar 3), yang memungkinkan simulasi dan eksekusi koordinasi dan penjadwalan yang rumit di beberapa tugas secara bersamaan.

Temuan Eksperimental

Eksperimen dengan MineLand dan Alex telah menghasilkan temuan yang menarik, antara lain:

  • Informasi multimodal memungkinkan agen untuk melakukan tindakan yang lebih tepat.
  • Mekanisme multitasking memungkinkan agen untuk memproses banyak tugas secara bersamaan dengan menentukan prioritas mereka secara mandiri.
  • Indra yang terbatas memaksa agen untuk berkomunikasi secara aktif untuk mengimbangi kekurangan sensorik.
  • Agen dengan kebutuhan fisik menunjukkan waktu bertahan hidup yang lebih lama.
  • Kolaborasi mengurangi beban kerja per agen, tetapi dengan mengorbankan peningkatan biaya komunikasi.
  • Sifat kepribadian memainkan peran penting dalam menentukan perilaku agen dalam masyarakat multi-agen.

Kesimpulan

MineLand merupakan langkah maju yang signifikan dalam menjembatani kesenjangan antara agen virtual dan manusia dunia nyata. Dengan memperkenalkan indra multimodal terbatas dan kebutuhan fisik, simulator ini menawarkan lingkungan yang lebih realistis dan bernuansa untuk mempelajari interaksi agen dan dinamika sosial yang kompleks. Temuan yang diperoleh melalui MineLand dan Alex tidak hanya memajukan pemahaman kita tentang multi-agen AI tetapi juga memiliki potensi besar untuk aplikasi di bidang-bidang seperti dinamika manusia, psikologi sosial, robotika, dan desain game.