么行业都能成功，投资在你身上一定不会错的。但我还是觉得很可惜，你本来能够成为一个举世闻名的棋手。”
哈萨比斯摇摇头道：“人工智能已经攻克了国际象棋，就算我能拿到棋王又能如何，依然不是人工智能的对手。所以我的目标早就改变了，我希望通过人工智能给人类提供更强大的逻辑运算能力，攻克世界上所有的游戏！我们在这方面已经有了非常大的进展！”
辛顿惊讶的道：“你们攻克了《打砖块》？”
哈萨比斯眉开眼笑的道：“没错！”
“快演示给我看看！”辛顿颇为激动。
从上个世纪50年代人工智能刚形成概念的时候起，游戏始终都是人工智能的重要测试手段。
早在1990年的时候，人工智能就在跳棋项目上击败了人类世界冠军。
1997年，ibm的超级计算机“深蓝”击败了国际象棋世界冠军卡斯帕罗夫。
2011年，另一台ibm计算机“沃森”在游戏《危险边缘》中击败了所有人类玩家。
deepmind也试图从游戏项目入手挖掘人工智能的潜力，他们开发出了一个会玩游戏的人工智能，主要目标瞄准了雅达利游戏。
雅达利是一种上世纪80年代流行一时的主机，曾经是游戏市场的霸主，却由于推出了一款史上最垃圾的游戏《et》而一蹶不振，最后被任天堂的fc取而代之。ww
但在很多欧镁人的心中，雅达利游戏依然是经典，其中最出名的几款游戏《太空入侵者》、《乒乓》和《打砖块》都被deepmind列入人工智能的攻克名单。
来到演示电脑前，屏幕上正在进行着一场《打砖块》游戏，没有人操控，挡板自动的在屏幕下方游走，一次又一次的把小球弹向上方砖墙。
哈萨比斯道：“弗拉德，你来给大家讲解一下吧。”
弗拉德·姆尼是deepmind的资深工程师，这台正在打砖块的人工智能系统正是他率领团队做出来的，闻言点了点头道：“诸位，我们使用一种全新的深度神经网络构造方法，制作出了这个系统。通过反复试错来学习《打砖块》的游戏方法和每一种击球角度的细微差别，目前已经玩了14283局游戏，系统已经能够分析出哪一种动作是有效击打，哪一种是无效击打，我们称这种学习方式为强化学习。”
“在最初的系统中，它需要300个小时以上，才能精通这款游戏，并且通关。经过我们不断调整算法和结构之后，它现在已经能够在30分钟之内学会游戏的基本规则