自AlphaGO圍棋大戰後，不少人已經瞭解到人工智慧AI和深度學習的威力。 當它們有大量的樣本、資料支援的狀態下，在遊戲上要戰勝專業人士也是可能的事。同時，人工智慧能夠通過每次學習來提升相應的能力，達到所需的研究目的。
為此，有不少人工智慧研究團隊選擇通過“玩遊戲”的方式，讓人工智慧進行深度學習。但他們這次不是要和棋牌界的大神們比拼，而是要去攻略電子遊戲。
根據彭博社的報導，麻省理工大學的人工智慧研究團隊，就在今年2月份發佈了相關的論文。在測試過程中，他們讓AI去攻略一些較早期的遊戲，例如超級馬里奧、太空侵略者，又或者是憤怒的小鳥等簡單的手機遊戲。研究者用這種方式，來提升人工智慧的能力。 研究者Vlad Firoiu表示，遊戲能夠讓AI面對一些接近現實的難題。通過攻略遊戲中的成千上萬次運算，AI在應付不確定狀況的能力上會有提升，能解決的也會變得更多。只有這樣循序漸進地做下去，AI才能夠達到你所需要的層面。 當然，AI運算性能提升是一個方面。通過攻略遊戲這個行為，AI能夠產生大量的資料，這些對於其他問題的研究也有作用。
DeepMind Technologies的首席執行官Demis Hassabis在接受彭博社訪問的時候表示： AI攻略遊戲這個行為，能夠產生大量的資料。同時，遊戲本身就是一個模擬環境，無需要人為建立。這就為AI研究提供了環境。不過，現時的演算法還未能完全支援這種研究。這還需要再進一步的提升。 現在有不少遊戲是以真實環境做模擬的。這裡包括之前推出的GTA5，還有最近廣受好評的大作《塞爾達傳說：荒野之息》，這些真實程度極高的遊戲。 AI在遊戲世界中運作，要做的並不是簡單的預判和策略謀劃，而是要針對遊戲中各個細節去攻略，才能完成。這裡需要用人一樣的思考模式去運算，工程量很大。所以，研究者目前都是以遞進的方式來進行研究，遊戲也從簡單到深入開始變化。
當然，也會有團隊根據自己所需要的目標，來選擇研究的遊戲。涉足無人駕駛的Uber Technologies，就選擇了GTA5作為攻略對象。遊戲中的駕駛資料，有助於行車研究。而在遊戲中研究行車，絕對比讓AI在路上開要安全得多。 總的來說，選擇用遊戲來輔助研究，讓AI和專業人士競技，這一些都是以資料為最主要的著眼點。通過這種方法獲得的資料，能夠説明人類用AI去解決現實問題。
微軟的首席執行官Satya Nadella在去年9月份的開發者大會上提出這個觀點：這些研究的目標，並不是要讓AI來擊敗人類。我們要做的，是通過這些實驗讓AI進步，以幫助我們去解決目前最迫切的問題。 在未來，這種研究將會越來越普遍。有樂觀主義者預測，未來人類可能會通過遊戲和AI結合開發出的新產品，可以幫助人類去對抗疾病。