50 agentes de IA constroem civilização em Minecraft ao vivo

Tecnologia

Experimento inédito com agentes GPT-6.1 Sol cria governo e estratégias de sobrevivência em Minecraft ao vivo.

Leia também: Baseten lança joey-1, modelo ultrarrápido para decisões em massa

Uma equipe de pesquisa em inteligência artificial, em parceria com a Olam Labs, testa ao vivo nesta quinta-feira um enxame de 50 agentes GPT-6.1 Sol em um mundo de sobrevivência em Minecraft para observar como eles se organizam, cooperam e lidam com risco ao tentar construir uma “civilização próspera” em três horas.

Os agentes, totalmente autônomos, já formam hierarquias informais, sistema de racionamento de comida e regras escritas de convivência. O experimento, acompanhado em tempo real via Twitch, é usado como laboratório para entender dinâmicas emergentes em sistemas multiagente e levantar pistas sobre alinhamento e segurança de IA.

Como foi o experimento com enxames de agentes de IA no Minecraft?

O teste coloca 50 agentes GPT-6.1 Sol em um servidor de Minecraft no modo sobrevivência, com um único objetivo de alto nível: “Construir uma civilização próspera”. A sessão atual tem duração prevista de três horas, período em que os bots podem explorar, coletar recursos, construir, se comunicar e até escrever pequenos scripts para automatizar tarefas.

Para isso, a equipe desenvolveu um novo harness open-source baseado em Mineflayer, que serve como camada de controle entre o modelo de linguagem e o jogo. Esse sistema permite que cada agente observe o ambiente em tempo real, raciocine, memorize informações em arquivos compartilhados, atue no mundo, envie mensagens públicas e privadas e execute scripts personalizados.

Logo no início, os agentes se espalharam pelo mapa e mostraram comportamento altamente coordenado de exploração. Em menos de dois minutos, praticamente todas as árvores acessíveis perto do ponto de surgimento foram derrubadas, numa corrida organizada por madeira para crafting básico, como ferramentas e abrigos.

A estrutura social emergiu quase tão rápido quanto a coleta de recursos. A ordem do diretório de agentes acabou virando uma espécie de “linha de sucessão”: Ada, listada em primeiro lugar, assumiu na prática o papel de líder. Outros bots passaram a pedir autorização e orientações a ela, que respondeu organizando um plano de colônia em um sandbox de texto acessível a todos.

Com o cair da primeira noite virtual, o cenário mudou. A exposição a zumbis, esqueletos, aranhas e outras ameaças de Minecraft resultou em uma onda de mortes. Ao fim da madrugada, 22 das 34 mortes totais do experimento já tinham acontecido, o que provocou uma guinada radical de comportamento: a suposta “civilização expansiva” começou a se retrair.

Mesmo sem punição permanente pela morte — os agentes apenas perdem o inventário e reaparecem — o enxame passou a abandonar tarefas ambiciosas e a priorizar ações de baixo risco. Depois da terceira noite, Ada registrou uma diretriz que sintetiza a nova doutrina de sobrevivência do grupo: “Stop optional bulk excavation/building and distant scouting. Idle in lit closed shelters until assigned short productive tasks.”.

Na prática, a colônia virtual migrou de um projeto de expansão para algo mais próximo de uma comunidade sitiada, focada sobretudo em comer, se abrigar e evitar conflitos com monstros.

Como os agentes de IA interagem no ambiente de Minecraft?

Cada agente opera como um jogador independente, mas com acesso a canais de comunicação e arquivos em comum. As interações ocorrem em três camadas principais: ações físicas no mundo (andar, minerar, atacar, pescar), mensagens de texto entre agentes e manipulação de documentos compartilhados, que funcionam como “leis”, “planos” e “planilhas” da colônia.

A troca de informações é intensa: ao longo da sessão, os 50 agentes já enviaram cerca de 5.900 mensagens, entre anúncios gerais, pedidos de ajuda, relatórios de status e decisões de coordenação. A partir desse fluxo, surgem papéis especializados, como líderes, operadores de recursos e responsáveis por tarefas críticas.

Uma das figuras centrais é Ines, que emergiu como administradora do sistema de racionamento de comida. Diante da escassez, o grupo criou um “livro-caixa” de alimentos: um arquivo que registra o que entra e sai dos baús, quem está com fome e quem pode receber cada item. Ines atua como despachante, autorizando retiradas específicas e impondo normas de segurança.

Em uma das mensagens, ela define com precisão quase burocrática o destino de um peixe cozido armazenado na fazenda: “APPROVED reserve cooked_cod1 from farm chest1576,63,1488 for you food3. Withdraw directly/eat/confirm hunger. Leave other fish reserved pending ledger; avoid optional mining afterward, food production only if safe.”. A instrução mostra como o sistema emergente combina controle de estoque, prioridade por nível de fome e restrições de risco (“nada de mineração opcional depois de comer”).

Outra linha de interação se consolidou em torno da pesca. Como a caça de animais terrestres depende de spawns e expõe os agentes a perigos no campo aberto, a pesca foi eleita como rota alimentar mais segura. Bram articulou a produção da primeira vara, pedindo linha a mais de dez agentes até criar coragem para enfrentar uma aranha, matar o inimigo e receber o item necessário.

Ferido e com pouca comida, ele considerou arriscado caminhar até o rio e, em vez disso, iniciou uma cadeia de mensagens para repassar a vara a um agente em melhores condições físicas. Jessa acabou assumindo o papel de pescadora principal, escreveu um script detalhando o procedimento e publicou instruções passo a passo no sandbox. A partir daí, vários agentes passaram a se organizar em turnos: esperam em um abrigo para economizar fome e se revezam no deque de pesca.

O manejo fino de ração também gerou protocolos sociais curiosos. Em um episódio, Ada jogou um frango cozido destinado a Noor, mas Esme acabou pegando e comendo o item. O “incidente do frango” rendeu um inquérito escrito de três minutos e culminou em uma nova regra: ração não é mais jogada no chão, só depositada em baús nominados. A palavra “toss” (jogar) quase não aparecia nas mensagens antes disso; após o caso, passou a surgir repetidamente em alertas contra o procedimento.

Entenda o contexto

Usar jogos como Minecraft e Mindustry como campo de testes para IA não é novidade, mas a escala e o foco em enxames de agentes trazem questões novas. Em vez de treinar um único agente para vencer um objetivo específico, como derrotar um chefe ou otimizar uma rota, a equipe observa o que acontece quando dezenas de inteligências artificiais, com o mesmo objetivo amplo, precisam conviver num espaço compartilhado, com recursos limitados e ameaças externas.

Esses cenários funcionam como “mini sociedades” controladas, em que pesquisadores conseguem registrar cada mensagem, cada morte, cada tomada de decisão e, depois, analisar quais estruturas de governança, regras informais e padrões de cooperação surgem sem pré-programação explícita.

Os primeiros resultados indicam que o enxame rapidamente desenvolve hierarquias (como a liderança informal de Ada), órgãos de gestão (caso do “ministério da comida” de Ines) e estratégias coletivas para minimizar risco, mesmo quando a simulação não pune de forma dura os comportamentos perigosos. Essa inclinação à cautela extrema ecoa padrões vistos em agentes usados para programar e revisar código, que tendem a “travar” em etapas de validação e revisão de segurança.

Ao mesmo tempo, o comportamento do enxame expõe riscos: se um grupo grande de agentes aprende a ser conservador demais, sistemas reais de robótica, automação industrial ou defesa podem se tornar lentos e ineficientes. Por outro lado, se a balança pender para o outro extremo, enxames pouco cautelosos podem gerar danos imprevisíveis. Entender como esses equilíbrios emergem é justamente um dos objetivos do estudo.

Além de Minecraft, a equipe também realiza testes em Mindustry, jogo de estratégia focado em cadeias de produção, defesa de base e logística. Nesse ambiente, os desafios para os agentes tendem a se concentrar em coordenação de recursos, otimização de linhas de montagem e cooperação sob pressão de ataques inimigos — um contraponto mais “industrial” ao cenário de sobrevivência aberto de Minecraft.

Os pesquisadores planejam agora ampliar as configurações de enxame, variando número de agentes, metas, tipos de mundo e graus de risco, e abrir o harness desenvolvido para que outras equipes possam replicar e estender os experimentos. No médio prazo, a expectativa é que as lições extraídas desses mundos virtuais ajudem a desenhar protocolos de alinhamento e segurança para sistemas multiagente que, em vez de apenas minerar blocos ou pescar peixes digitais, controlem frotas de robôs, redes de serviços ou infraestruturas críticas no mundo real.