花几千小时玩《侠盗猎车手》，对人的健康肯定不好，但是对计算机可能有益，它能让计算机更加智能。在一些流行游戏内有快速行驶的汽车，有各种“邪恶”行为。研究人员用游戏训练算法，帮助无人驾驶汽车在真实世界行驶。即使玩一些暴力游戏，计算机也不太可能学会“邪恶行为”。

在《侠盗猎车手》和其它虚拟世界中，场景极为真实，机器可以通过游戏理解真实世界。有了机器学习技术，计算机可以做一些匪夷所思的事，比如像人一样识别人脸和语音。但是机器学习技术需要大量的数据，收集足够多的数据面临很大的挑战，也很费时间。许多游戏的场景极为真实，它生成的数据可以和真实图片（来自真实世界的图片）生成的数据一样好。一些研究人员用游戏引擎开发3D模型，生成训练数据供算法使用。现有计算机游戏拥有许多逼真的图片，可以从中抽取大量的训练数据。英特尔实验室、德国达姆施塔特大学的研究团队已经找到一套实用方法，从《侠盗猎车手》游戏中抽取训练数据。

研究人员开发了一个软件层，介于游戏和计算机硬件之间，自动给游戏道路场景中的不同对象分类。在处理过程中会形成标签，然后输入到机器学习算法，让算法可以识别汽车、行人、其它目标物，既能识别游戏中的东西，也能识别真实街道上的东西。研究人员表示，如果搭配一些合成图片，真实训练图片可以得到改进。强大的机器学习算法需要海量的数据，如何满足需求是AI的一大挑战。在执行真实任务（真实世界的任务）时，比如汽车驾驶，这个问题尤其值得注意。在执行过程中需要收集成千上万小时的街道图像，还要花大量的时间为所有图片标上标签。真实生活中会有无数种可能的场景，要一一检查根本不切实际，比如汽车高速冲上砖砌的墙壁。

英属哥伦比亚大学博士生阿里泽拉 沙菲埃（Alizera Shafaei）表示：“为真实世界的数据做注释要花很多的钱，现有方法很难大规模采用。”沙菲埃最近发表一篇论文，他解释了如何用视频游戏来训练计算机视觉系统，在某些情况下，训练的结果和真实数据一样好。沙菲埃与英属哥伦比亚大学助理教授、顾问马克 施密特（Mark Schmidt）携手合作，他们认为，视频游戏是一种比较容易的方法，可以用来区分训练数据中不同的环境条件。“通过人造环境，我们可以不费吹灰之力、大规模准确注释数据，根据不同的光照条件、气候条件注释。”沙菲埃说，“跟真实训练数据相比，合成数据几乎一样好，有时甚至更好。”AI研究人员已经开始用简单的游戏来测试算法的学习能力。

用游戏场景也可以为视觉训练算法提供数据，大家对这种方法越来越感兴趣。巴尔的摩约翰-霍普金斯大学有一个团队正在开发新工具，凡是用流行游戏引擎Unreal制作的环境，都可以用工具连接到机器学习算法。这些游戏包括《追风筝的人》、《地狱之刃》，以及许多的建筑学可视化产品。