ל-Open AI הוכיחה את כוחה של למידה מתוגמלת בהשגת ביצועים על-אנושיים במשחקי וידאו. באמצעות תהליך איטרטיבי של ניסוי וטעייה ומשוב רציף, מערכות הבינה הלאומית שלהם היו מסוגלות לשפר את האסטרטגיות שלהם לרמות על-אנושיות.

היבטים מרכזיים של הגישה שלהם כוללים:

1. למידה מתוגמלת: מערכות הבינה הלאומית מקבלות משוב מסביבת המשחק ומשפרות את ביצועיהן באופן רציף דרך תהליך איטרטיבי זה. בשונה מבני אדם שעשויים לקחת ימים או חודשים ללמוד מטעויותיהם, הבינה הלאומית יכולה לבצע ולהפיק לקחים ממיליוני טעויות בפרק זמן קצר.

2. משחק עצמי וסוג-התפתחות: סוכני הבינה הלאומית מתאמנים זה נגד זה ונגד גרסאות קודמות של עצמם, מה שמאפשר להם לפתח אסטרטגיות מתוחכמות יותר דרך תחרות ושיתוף פעולה.

3. הכללה של מיומנויות: המיומנויות והאסטרטגיות שנלמדו במשחקי וידאו ניתנות להכללה לתחומים אחרים, כמו מתמטיקה, מדע ופתרון בעיות מורכבות בעולם האמיתי. הדבר מודגם על ידי סוכן SEMA של Google, אשר עולה על סוכנים ייעודיים שהוכשרו על משחקים בודדים.

4. התנהגות מתפתחת: על ידי לא להדריך במפורש את סוכני הבינה הלאומית לתוצאות ספציפיות, אלא לאפשר להם לחקור ולהתאים, החוקרים הצליחו לצפות בהתפתחות של התנהגויות חדשניות ובלתי צפויות, כמו למידת הסוכנים להשתמש בכלים ולשבור את פיזיקת הסביבה המדומה.