شبکه‌های عصبی برخلاف الگوریتم‌های هوش مصنوعی قدیمی که باید با دستورالعمل‌های خاصی برنامه‌ریزی می‌شدند، بیشتر به مغزهای ارگانیک شباهت دارند که یادگیری آنها به مرور زمان و براساس تجربه‌صورت می‌گیرد. این تجربه را می‌توان مانند یک مجموعه بزرگ داده به سیستم تزریق کرد و سپس قوانین را برای تولید مفاهیم به کار برد. در سال‌های اخیر، از اینگونه سیستم‌ها برای به کار بردن سبک‌ها یا ویدئوهای هنری گوناگون استفاده شده است. در این روش، از تصاویر مبتنی بر پیش‌بینی در مورد رخداد بعدی استفاده می‌شود و قاب‌هایی برای ساخت کلیپ با تصویر آهسته به کار می‌روند.

این گروه پژوهشی، از یک چارچوب یادگیری عمیق «پای‌تورچ» (PyTorch) استفاده کرد و سیستم هوش مصنوعی را با هزاران ویدئوی شهر مجازی و مجموعه داده‌ها آموزش داد. پژوهشگران، پایه‌های یک شهر مجازی را با استفاده از «موتور بازی‌سازی آن‌ریل ۴» (Unreal Engine ۴) به وجود آوردند و طرح کلی و جایگاه اشیایی مانند ساختمان‌ها، درختان و خودروها را مشخص کردند. سپس شبکه عصبی براساس آموزش‌های صورت گرفته از جمله جزئیات، رنگ، نور و بافت، فضاهای خالی را پر کرد.

نتیجه نهایی این فرآیند، یک جهان مجازی برای انیمیشن یا بازی‌های ویدئویی بود که با سرعتی بیش از سرعت کار هنرمندان انسان صورت گرفت. گفتنی است که می‌توان جزئیات مورد نیاز را در مراحل بعد، اضافه، حذف یا اصلاح کرد. این روش برای حذف عناصر خلاق انسانی از فرآیند مورد نظر طراحی نشده بلکه هدف از طراحی آن، سرعت بخشیدن به جنبه‌های خاص فرآیند است. «برایان کاتانزارو» (Bryan Catanzaro)، پژوهشگر ارشد این پروژه گفت: شبکه‌های عصبی، روش ایجاد گرافیک‌ها را تغییر می‌دهند. یکی از موانع اصلی که طراحان با آن روبه‌رو هستند، هزینه بالای ایجاد مفاهیم جهان مجازی برای بازی، دور‌حضوری (Telepresence) یا کاربردهای دیگر است. روش ما به هنرمندان و طراحان امکان می‌دهد جهان‌های مجازی را با استفاده از هوش مصنوعی و با هزینه پایین‌تر ابداع کنند.