如果说人工智能技术已经在自动驾驶和其他学习人类日常行为的领域拥有出色的表现，那么现在人工智能已经开始进一步学习如何应对未知的环境了。而这就是机器学习技术的意义，需要对现实世界的例子进行学习，从而提升人工智能技术的能力。

不过，目前为止大多数用来训练机器学习技术的环境都是虚拟的，而现在来自于英国微软研究院的一组科学家开始使用游戏回放数据训练人工智能技术解决复杂问题的能力，而这对于这一现状的改变起到了很大的作用。

研究人员利用《Atari 2600》这款经典的游戏来为深度机器学习系统提供真实世界的数据，额这个系统通过实验和反复的错误纠正，来强化学习技术适应未知环境。在研究中这些数据正是研究人员口中“最大、最多样化的数据库”，同时现在这些数据已经被公开。

这些数据都是基于Web版Arari 2600模拟器得出，而这个游戏正是使用了Javascript语言和Javatari工具编写。研究人员使用了一种游戏化的众包模式，并且利用人们的意愿来玩游戏，并且获得游戏中的奖励，并且对所有玩家的表现进行排名。

研究人员收集和分析了大约970万帧，约合45小时的游戏时间，通过五个不同的游戏嘲和不同的难度来创造不同的复杂程度，包括视频弹球、Qbert太空入侵者、吃豆人和Montezuma复仇等。

从目前的测试结果来看非常顺利，通过将信息输入到系统中，人工智能能够像普通游戏玩家一样活得游戏中的奖励和分数，研究人员通过这种数据训练来证明机器学习系统的价值。

展望未来，研究人员希望利用更专业的数据来提高机器学习的训练能力，让人工智能在应对未知状况时采取更有效的措施。