FINANSIALINSIGHT.COM — Seorang penggemar Balatro mengklaim berhasil melatih simulasi otak lalat buah milik Google untuk memainkan gim kartu tersebut, dengan tingkat kemenangan saat ini sekitar 20 persen. Eksperimen ini muncul kurang dari dua pekan setelah Google merilis pemetaan lengkap otak dan sistem saraf pusat lalat buah jantan dewasa.
Pengguna Reddit bernama ActualAerie1011 membagikan video dipercepat yang memperlihatkan model berbasis pemetaan otak lalat buah itu tengah memainkan Balatro. Dari rekaman tersebut, ia memilih tingkat kesulitan terendah, White Stake, dengan dek default Red Deck.
Proyek ini bukan yang pertama memanfaatkan pemetaan otak lalat buah Google. Sebelumnya, sejumlah penggemar sudah menggunakannya untuk berbagai keperluan, mulai dari menjadikan struktur otak itu sebagai pedagang harian hingga mengajarinya parkir paralel.
Bagaimana Otak Lalat Buah Belajar Bermain Balatro
ActualAerie1011 mengaku melatih model memakai algoritma trainer yang ia kembangkan sendiri untuk menemukan seed Balatro yang berguna. Balatro, seperti gim roguelike lain, bersifat acak, sehingga algoritma semacam ini bisa menemukan seed unik yang berpotensi menghasilkan skor sangat tinggi.
Dalam proses pelatihan, perangkat otak berupa connectome beserta modelnya dan algoritma sama-sama memainkan sebuah seed. Hasil keduanya lalu dibandingkan, dan model pada otak tersebut diberi reward atau punishment berdasarkan pilihannya.
Menurut pengguna itu, model tidak mengetahui apa pun soal seed selain yang terlihat langsung di layar. Pelatihan masih berlangsung hingga sekarang.
"The fruit fly will return, strong and smarter," tulisnya dalam komentar di unggahan aslinya.
Masih Kalah Jauh dari Model AI Besar
Pencapaian ini terbilang mengesankan, meski belum sebanding dengan model AI komersial. OpenAI dengan model GPT-6 'Astra' disebut sudah menaklukkan Balatro memakai Black Deck pada tingkat kesulitan Gold Stake, kombinasi yang umum dianggap paling sulit dalam gim ini.
Sebagian komentator meragukan proyek tersebut. Pasalnya, ActualAerie1011 tidak membagikan banyak detail soal cara melatih modelnya, tidak menyertakan repositori proyek, maupun merujuk proyek open-source lain yang dipakai.
Wilayah ini sebenarnya bukan hal baru bagi Balatro. Proyek seperti BalatroBot dan BalatroLLM sudah tersedia sekitar setahun terakhir.
Kenapa Balatro Sulit Dikuasai Model AI
Balatro terlihat sederhana, tetapi melatih model untuk memainkannya ternyata jauh lebih rumit, terutama di tingkat kesulitan tinggi. Aturan dasar bermain dan menghitung nilai kartu poker memang tidak sulit.
Yang jadi masalah adalah interaksi rumit antar joker, yaitu perk yang membantu meraih skor lebih tinggi. Urutan joker, cara penilaiannya, serta ketentuan khusus seperti kemampuan boss dan joker sementara maupun permanen membuat konsistensi jadi standar yang sulit dipenuhi.
Bahkan pemain manusia pun kerap kesulitan mencapai konsistensi itu, apalagi sebuah model AI. Tingkat kemenangan 20 persen pada seed acak di level White Stake/Red Deck menunjukkan model masih jauh dari mumpuni, meski pelatihan disebut bakal terus dilanjutkan.