经典的视频游戏曾经是青少年将宿舍喂入装满拱廊的机器的掌握。现在，一台机器在游戏中首次击败了顶级人类玩家太空入侵者。
人工智能（AI）现在能够研究问题并适应比以前更高的行为。这使系统可以在不先研究人类执行任务的情况下研究如何熟练地玩游戏。
Google研究人员开发了新的人工智能系统，能够在经典街机游戏中击败最好的人类玩家。有一天，类似的设备可以用于驾驶汽车，甚至可以进行手术。
无监督学习 - 机器在没有人类指导的情况下改善性能 - 已被用来识别手写的邮政编码并识别歌曲的样本。如果相同的过程还可以帮助机器学习其他技能，那么计算机可以很快执行曾经无法执行的任务。
由计算机科学家DeMis Hassabis组成的公司DeepMind开发了新的AI技术，可用于教授计算机执行各种任务。该公司只有50名员工，以5亿美元的价格购买了Google。
深Q网络（DQN）被用来允许人造思维学习新任务。这包括两个部分 - 其中之一是一个深神网络，该网络检查游戏中的像素，并根据当前条件进行动作。另一个是Q学习，它允许机器确定哪些移动最有效。它通过记录和分析点在不同的移动序列之后积累并重复最有效的点来实现这一目标。这类似于人类和动物大脑中的奖励结构。
突破这是一种视频游戏，桨将用于在墙上弹跳球，这是用于测试新技术解决问题技能的游戏之一。没有人类的指导，人造思维就学会了人类玩家使用的几个技巧，例如反复将球瞄准墙上的一个位置。通过这样做，创建了一个孔，使球可以传递到墙壁的另一侧，四处弹跳，增加了很多点。
1980年代，共有49场经典Atari街机游戏被用作实验的一部分。使用这些游戏是因为它们足够简单，足以使AI系统能够快速学习，但是在获胜并不小的地方足够复杂。
这“表明[计算机使用]强化学习可能能够学习类似的现实任务，例如驾驶汽车。下一步是让系统从从头开始学习抽象思维，或者诸如社会感知之类的能力”说。
