Научные работники из Google DeepMind Калифорнийского университета, который находится в Беркли, и других учреждений создали систему на базе рекурентной LTSM-сети. Для того, чтобы её обучить, авторы использовали два различных виртуальных мира, где компьютер должен был взаимодействовать с окружающими его предметами.
В первом мире рядом с ним были четыре куба, одинаковых по размеру. Их масса была различной в каждой сессии эксперимента. Во втором мире пятеро кубов складывались в башню.
Компьютер должен был в первом мире найти наиболее тяжёлый куб. Для того, чтобы выполнить эту задачу, он мог двигать предметы по вертикали, применяя определённую силу. В случае успешного выполнения задания, компьютер должен был получить условное вознаграждения, если бы у него не получилось – штраф. После 100 000 повторений компьютер «догадался», что для того, чтобы найти самый тяжёлый куб, необходимо прежде взвесить все остальные. Во втором мире нужно определить количество кубов, находившихся перед компьютером.
