Otak Lalat Buah Berhasil Main Balatro dengan Tingkat Kemenangan 20 Persen

Telset.id – Seorang penggemar Balatro mengklaim telah melatih pemetaan otak lalat buah untuk memainkan game tersebut, dengan tingkat kemenangan saat ini berada di angka 20 persen. Proyek ini muncul kurang dari dua minggu setelah Google merilis pemetaan lengkap otak dan sistem saraf pusat lalat buah jantan dewasa.

Pengguna Reddit bernama ActualAerie1011 membagikan video yang dipercepat dari model tersebut saat memainkan game. Berdasarkan video itu, pemain memilih tingkat kesulitan terendah (White Stake) dan menggunakan Red Deck bawaan. Sebelumnya, model GPT-6 ‘Astra’ dari OpenAI telah lebih dulu menaklukkan game ini dengan Black Deck pada tingkat kesulitan Gold Stake, kombinasi yang umumnya dianggap paling sulit dalam game.

ActualAerie1011 mengaku melatih model tersebut menggunakan algoritma trainer yang mereka kembangkan untuk menemukan seed Balatro yang berguna. Seperti game roguelike lain, Balatro bersifat acak, sehingga algoritma semacam ini dapat menemukan seed unik yang berpotensi menghasilkan skor sangat tinggi, termasuk hingga batas skor maksimal game. Untuk melatih otak lalat buah, baik perangkat otak (connectome bersama model sebenarnya) maupun algoritma memainkan sebuah seed. Hasilnya kemudian dibandingkan, dan model pada otak tersebut diberi reward atau punishment berdasarkan pilihannya.

Saat ini, pengguna tersebut menyatakan bahwa otak lalat buah memiliki tingkat keberhasilan 20 persen pada seed acak, yang diduga pada tingkat kesulitan White Stake/Red Deck yang sama. Pengguna itu juga menyebut model tersebut tidak mengetahui apa pun tentang seed di luar apa yang terlihat langsung di layar, dan pelatihan masih terus berlangsung. “The fruit fly will return, strong and smarter,” tulisnya dalam komentar pada postingan aslinya.

Respons Publik dan Tantangan Melatih Model

Meski tergolong pencapaian yang mengesankan, sejumlah komentator meragukan proyek ini. Pemain tersebut tidak membagikan banyak detail tentang bagaimana mereka melatih model selain informasi di atas, juga tidak menyertakan repo untuk proyek tersebut maupun referensi ke proyek open-source lain yang mereka gunakan. Ini bukan wilayah yang sama sekali baru bagi Balatro; proyek seperti BalatroBot dan BalatroLLM telah tersedia sekitar satu tahun.

Tim redaksi telah menghubungi ActualAerie1011 untuk melihat apakah mereka dapat memberikan detail lebih lanjut tentang cara melatih model tersebut, dan artikel ini akan diperbarui jika ada respons. Meskipun Balatro terlihat cukup sederhana, melatih model untuk memainkan game ini ternyata sulit, terutama pada tingkat kesulitan lebih tinggi. Aturan dasar bermain dan penilaian kartu poker tidaklah sulit. Namun, interaksi kompleks antar joker (perk yang membantu mencapai skor lebih tinggi), cara pengurutan dan penilaiannya, serta ketentuan spesifik seperti kemampuan boss dan joker sementara/permanen membuat konsistensi menjadi standar tinggi yang sulit dicapai, bahkan bagi pemain manusia, apalagi model AI.

Fenomena ini menjadi bagian dari tren lebih luas yang memanfaatkan pemetaan otak lalat buah untuk berbagai eksperimen tak terduga. Sebelumnya, para enthusiast telah menggunakan struktur tersebut untuk mengubah lalat buah menjadi day trader hingga mengajarinya parkir paralel. Pendekatan semacam ini menunjukkan bagaimana data ilmiah dapat dimanfaatkan untuk keperluan kreatif di luar konteks riset aslinya, termasuk dalam ranah industri game.

Proyek-proyek seperti ini juga menyoroti tantangan dalam pengembangan AI untuk game dengan tingkat kompleksitas tinggi. Balatro, yang tampak sederhana dari luar, menyimpan lapisan strategi yang membuatnya sukar dikuasai secara konsisten. Hal ini sejalan dengan tantangan yang dihadapi dalam pengembangan game yang membutuhkan pendanaan dan sumber daya besar untuk mencapai hasil optimal.

Di sisi lain, komunitas gaming terus menunjukkan antusiasme terhadap eksperimen berbasis AI. Berbagai inisiatif komunitas, termasuk penggalangan dana melalui ajang seperti Summer Games Done Quick, memperlihatkan bagaimana teknologi dan gaming dapat bersinergi untuk tujuan yang lebih luas. Pelatihan otak lalat buah untuk bermain Balatro menjadi salah satu contoh bagaimana batas antara riset neurosains dan hiburan semakin tipis.

Hingga berita ini ditulis, pelatihan model tersebut masih berlangsung dan pengguna menyatakan bahwa otak lalat buah akan kembali lebih kuat dan lebih pintar. Namun, tanpa detail teknis yang lebih transparan, tingkat keberhasilan 20 persen tersebut masih menyisakan pertanyaan di kalangan pengamat. Yang jelas, proyek ini menambah daftar panjang eksperimen kreatif yang memanfaatkan pemetaan otak lalat buah, sekaligus menegaskan bahwa Balatro tetap menjadi tantangan menarik bagi pengembang model AI maupun pemain manusia.