这个人工智能软件会研究2D视频游戏的画面，包括图形、物件和玩家移动等诸多方面，理解游戏的玩法，再自己着手克隆完整的游戏引擎。

　　该团队带着这个AI软件进入《超级马里奥兄弟》（Super Mario Brothers）1级，以两种不同玩家的类型训练它。一种是“探索型”边打边研究的打法，另一种则是以“快跑”风格直奔目标。人工智能观察游戏的各帧画面，预测未来事件，包括玩家要走的路径和对手的反应。观看了2分钟，人工智能就“胸有成竹”地开始建立自己的游戏模型。

　　“我们的AI在创建预测模型的过程中并没有访问游戏代码，只是看游戏的视频画面，建立其中所有子图形的视觉词典，理解物体位置和移动速度等基本概念。而它对未来事件的预测，则比传统的卷积神经网络准确得多。”项目首席研究员马修·古兹迪阿尔说，“当然，单看一段视频还不能克隆出完美的游戏引擎，如果多用几个视频训练AI，它交出的东西接近完美。”

　　游戏引擎建立后，团队让另一个AI来通同一关，以测试系统在自建的该级别上的实际游戏能力。研究者报告，克隆的引擎几可乱真，尽管曾经有些小瑕疵，如丢失某些帧、主角暂时消失等。

　　“这项技术借助相对简单的搜索算法，搜索最能预测帧转换的可能规则集，”项目合作者、佐治亚理工互动计算副教授马克·里德尔说，“就我们所知，能学习游戏引擎、并用游戏画面模拟游戏世界的AI技术，这是第一个。”

　　试过《超级马里奥兄弟》后，团队开始训练它玩其他2D游戏，比如《洛克人》（Mega Man）和《刺猬索尼克》（Sonic the Hedgehog）。团队说，对那些屏幕外有动作的复杂游戏，如《部落冲突》（clash of clans），该技术可能力不从心。不过它还是能加快某些游戏的开发速度，提供更多试验空间。

　　古兹迪阿尔说，“如果要将智能代理推进到不同的技术应用，它们必须能预测所在的环境。这个模型现在可用于许多培训或教育任务，我们将不断进步，扩展到多种类型的游戏。”稼正