Google DeepMind นำเอเยนต์ AI รุ่น Gemini 4 Argon จำนวน 4 ตัวเข้าปฏิบัติภารกิจเอาชีวิตรอดในเกม Minecraft เป้าหมายหลักคือการโค่นล้มบอส Ender Dragon การทดสอบนี้ใช้เอเยนต์เขียนโค้ดอเนกประสงค์แบบเดียวกับวิศวกรซอฟต์แวร์ใช้งาน ไม่ใช่ระบบเฉพาะทางสำหรับเล่นเกม เอเยนต์ทั้ง 4 ตัวทำงานใน Sandbox (สภาพแวดล้อมจำลองแบบปิด) นักวิจัยสามารถตรวจสอบผ่านแดชบอร์ดและสั่งหยุดทำงานตลอดเวลา เอเยนต์ควบคุมตัวละครผ่านไลบรารีโอเพนซอร์ซและสื่อสารกันผ่านช่องแชตพร้อมใช้หน่วยความจำร่วมกัน ทีมงานมนุษย์ไม่กำหนดบทบาทหรือเขียนตรรกะเกมให้ เอเยนต์ต้องวางแผน เขียนโปรแกรม และ Debug (แก้ไขข้อผิดพลาด) ทั้งหมดด้วยตัวเอง
เอเยนต์ใช้เวลา 27 ชั่วโมง เขียนโปรแกรมจำนวน 2,783 ชุดเพื่อเอาชนะบอสสำเร็จ การเล่นเกมต้องทำภารกิจต่อเนื่องหลายขั้นตอน เริ่มจากขุดหาทรัพยากรพื้นฐาน เอาชีวิตรอดในมิติอันตราย คำนวณพิกัดเพื่อหาป้อมปราการใต้ดิน และต่อสู้กับบอสฟื้นฟูพลังชีวิต เอเยนต์เริ่มต้นผจญภัยบนโลกแบบสุ่มในโหมดง่าย เผชิญหน้ามอนสเตอร์โจมตีตามปกติ เอเยนต์ไม่อ่านภาพพิกเซลบนจอ แต่ทำงานผ่านการเขียนโปรแกรมสั้นๆ เช่น สั่งให้เดินไปยังพิกัดและขุดแร่เหล็กในระยะ 16 บล็อก ระบบเปิดให้เอเยนต์อ่านผลลัพธ์ตำแหน่ง พลังชีวิต สิ่งของในช่องเก็บของ และข้อความแจ้งเตือนข้อผิดพลาด
หลังเริ่มเกม 10 นาที เอเยนต์แบ่งงานกันผ่านช่องแชต ตัวแรกสร้างเครื่องมือ ตัวที่สองหาอาหาร ตัวที่สามขุดหาเพชร และตัวสุดท้ายสร้างประตูมิติ ขั้นตอนการค้นหาป้อมปราการใต้ดิน เอเยนต์ตัวหนึ่งใช้วิธีโยนไอเทมสองชิ้นจากตำแหน่งแตกต่างกัน ติดตามวิถีการลอยผ่านโค้ด และคำนวณจุดตัดของเส้นทางสองเส้น ผลการคำนวณตกห่างจากป้อมปราการเพียง 43 เมตรจากระยะทางจริง 1.3 กิโลเมตร ระหว่างทำภารกิจ เอเยนต์จดบันทึกพิกัดฟังก์ชันช่วยเหลือ นำกลับมาใช้ซ้ำ 655 ครั้ง เก็บไอเทมคืนให้กันหลังตัวละครตาย และแจ้งเตือนข้อผิดพลาดของตัวเอง
การปราบมังกรใช้เวลานานที่สุดและทำให้ตัวละครตาย 69 ครั้ง เอเยนต์สังเกตเห็นผลึกคริสตัลฟื้นฟูพลังชีวิตบอส จึงหาวิธีทำลายผลึกบนหอคอยสูงอาศัยการวางบล็อกดินต่อกันขึ้นไป โจมตีผลึก แล้วขุดดินกลับลงมา หลังคริสตัลชิ้นสุดท้ายแตก เอเยนต์ใช้เวลา 39 นาทีปราบมังกรลงสำเร็จ ตัวละครตัวสุดท้ายรอดชีวิตพร้อมพลังเพียง 2.5 จาก 20 หน่วย การทดสอบครั้งนี้มีข้อจำกัดบางประการ เอเยนต์อ่านข้อมูลโลกผ่าน API เพื่อระบุบล็อกและสิ่งมีชีวิตรอบตัว ใช้ปลั๊กอินค้นหาเส้นทางหลบหลีกสิ่งกีดขวาง ตัวละครตายรวม 605 ครั้ง และโปรแกรม 22% จบลงพร้อมข้อผิดพลาด
ความสำเร็จนี้แสดงให้เห็นความสามารถในการทำงานร่วมกันเพื่อแก้ปัญหาปลายเปิดระยะยาว เอเยนต์ทำงานตามเป้าหมายข้ามวัน เขียนและแก้บักโปรแกรมหลายพันชุด ฟื้นตัวจากความล้มเหลว ลักษณะเหล่านี้ตรงกับความต้องการของโครงการวิศวกรรมซอฟต์แวร์และการวิจัย Google DeepMind วางแผนนำเครื่องมือชุดนี้ไปใช้งานกับความท้าทายในโลกจริงต่อไป