بازی‌های ویدیویی ساده روشی مناسب برای ارزیابی کارایی سیستم‌های هوش‌مصنوعی است. بررسی عملکرد این سیستم‌ها با امتیازدهی میزان موفقیت آنها ممکن می‌شود. دیپ‌مایند آلفابت ۵۷ بازی مخصوص آتاری را برای سنجش هوش‌مصنوعی خود به کار برده و با امتیازدهی، آن را با یک بازیکن متوسط انسانی مقایسه کرده‌است. آخرین سیستم این شرکت، Agent57، عملکردی با اختلاف بسیار نسبت به سیستم‌های قبلی از خود نشان داده و نخستین سیستم هوش‌مصنوعی بوده که توانسته از انسان عملکرد بهتری به‌جای بگذارد. به‌طور دقیق‌تر، Agent57 عملکرد خارق‌العاده‌ای در بازی‌های Pitfall, Montezuma's Revenge, Solaris and Skiing از خود نشان داده‌است. این بازی‌ها چالش بزرگی برای سایر سیستم‌های هوش‌مصنوعی بوده‌اند.
طبق دیدگاه تکنولوژی ریویو MIT، بازی‌های Pitfall و Montezuma's Revenge نیاز به تجربه بیشتری برای هوش‌مصنوعی دارند. در عین حال بازی‌های Solaris و Skiing برای سیستم‌های هوش مصنوعی رشوارند زیرا مولفه‌های پیروزی کم بوده و هوش‌مصنوعی نمی‌داند که حرکاتش در طولانی‌مدت منجر به پیروزی خواهد شد یا خیر.
تکنولوژی ریویو به این نکته اشاره می‌کند که اگرچه این نتایج درخشان هستند اما هوش‌مصنوعی هنوز راه درازی در پیش دارد. این سیستم‌ها تنها از پس یک بازی در یک زمان برمی‌آیند.
انعطاف‌پذیری که نوزاد انسان از آن بهره‌مند است هنوز بسیار فراتر از سیستم‌های هوش‌مصنوعی فعلی‌است.
هوش مصنوعی هم‌اکنون در صنایع مورد استفاده بوده و به‌کارگیری تجربیات Agent57 می‌تواند منجر به بهبود عملکرد این سیستم‌ها شود؛ حتی با وجود اینکه این سیستم‌ها هنوز به اندازه انسان توانمند نیستند.
