Nvidia所开发的人工智能模型GameGAN，可以通过查看游戏历程，就能重新创造出Pac-Man游戏，这样的结果让原本游戏开发商BANDAI NAMCO都震惊。这个研究的价值在于人工智能可以通过观察习得规则，而不需要了解游戏底层，这个应用可以扩展到机器人或是自动驾驶应用。
GameGAN是生成对抗网络（Generative Adversarial Network，GAN），通过生成网络和判别网络两个互相竞争的神经网络，进行学习并创建出新的内容。而Nvidia的GameGAN则可在经过5万回游戏训练之后，不需要底层游戏引擎，就能生成完整的Pac-Man游戏，也就是说，即便一开始人工智能不了解游戏的基本规则，也能够通过观察学习，理解游戏的规则。
BANDAI NAMCO研究人员Koichiro Tsutsumi提到，在看到结果的时候他们很惊讶，人工智能可以在没有游戏引擎的情况下，重新创建他们具代表性的Pac-Man游戏，而这项技术有许多潜在可能性，对游戏产业来说，可以提升游戏开发人员创建新关卡、角色，甚至是游戏本身的速度。
Nvidia研究人员使用BANDAI NAMCO提供的训练资料来训练GameGAN，人工智能可以关注虚拟世界，并且记住已经生成的内容，在影格与影格之间维持视觉的一致性，Nvidia提到，无论应用在哪种游戏中，生成对抗网络都可以从游戏历史记录学习游戏规则，BANDAI NAMCO所提供的5万回训练资料，包含了游戏画面录像的数百万影格，以及按钮记录资料。
经过训练的GameGAN模型，会产生环境的静态元素，诸如一致的迷宫形状、点以及大力丸（Power Pellets），另外也会产生像是幽灵或是小精灵等动态元素。游戏规则就像是原始游戏一样，小精灵无法穿墙，随着移动会吃掉点，在吃到大力丸的时候便可以反吃变成蓝色的幽灵等。
目前开发各种自动机器人必须依赖模拟器，像是让仓库机器人学会抓握，或是让送货机器人学会在指定的路线上运输物品，Nvidia提到，创建模拟器是一个耗时的工作，开发人员必需要撰写有关于对象在环境中交互的规则。
而Nvidia的这项研究提供了一种更简单的可能性，训练神经网络来取代人类编写的模拟器，例如在自动驾驶汽车的应用上，可通过汽车上的摄影机，记录道路环境和驾驶员行为，让模型预测驾驶员在各种情况下的动作，并在发生意外事故时，即时作出反应。