在AlphaGo成名之前DeepMind团队早已使用49个雅达利的老游戏用来测试AI，但当时其AI尽管能够通过机器学习完成对每一个游戏的挑战，不过有个遗憾就是AI在学习新游戏玩法后就会很快忘记此前游戏的玩法，法从旧游戏中总结出解决新游戏的玩法，也就是说人工智能在运用过去的经验和知识方面是受限的。

现在DeepMind团队宣布其联合帝国理工学院已经开发出了命名为弹性权重固化（Elastic Weight Consolidation，EWC）的新算法，能够让AI通过机器学习记住并重新使用旧信息来解决新问题，也就是说拥有了初步的“记忆能力”。研究论文已经发布在近期的《美国科学院院报（PNAS）》上。

据研究论文解释，EWC算法所依赖的是“突触固化（synaptic consolidation）”理论，能够解决在被分配到新任务时产生“灾难性遗忘”这一人工智能难以克服的问题，人工智能会覆盖掉此前掌握和学习到的技能和知识。　论文称：“我们的方法是通过有选择性地减慢对重要权重值的学习，使机器能记住之前的任务。”

DeepMind的James Kirkpatrick称“人类和动物能够掌握大量知识的一个关键因素，就在于他们可以在以前知识的基础上不断学习新东西。”算法会选择运用它所学习的内容来玩一款游戏，然后保留其中学到的最为重要的部分。“我们只允许程序间非常缓慢地渐进式的改变，那样的话才总是会有学习新任务的空间，而同时这种改变不会覆盖我们之前学到的内容。”

在测试中，研究人员利用被新算法强化过的DQN深度神经网络随机玩10款Atari公司的游戏，几天之后，他们发现AI已经可以做到和人类玩家一样优秀了。