自动化处理领域所用到的技术主要是强化学习Reinforcement Learning（RL），强化学习的原理是给定一个目标，指定规格和奖励方式，然后让模型以蒙特卡洛树的方法去搜索学习，其实就是“试错”学习，通过大量的尝试学习，来区分对与错，模型对正确的选择会进行奖励，而错误的选择会受到惩罚。这样模型在一个较好的奖励机制下，将会学到如何获取更多的奖励，也就是让模型更好的理解当前的环境。在游戏方面就是对游戏者进行指定规则以及奖励方式，让游戏者在游戏环境中去尝试学习，使其能够在当前游戏环境中掌握游戏的规律，从而达到可以“玩”游戏的目的。

自动化处理在游戏方面的应用比较广泛，大众较为熟悉的就是AlphaGo大战李世石的那场围棋比赛。结果阿尔法围棋（AlphaGo）成为了第一个击败人类职业围棋选手、第一个战胜围棋世界冠军的人工智能。在这之后，基于深度强化学习的模型出现了很多游戏和娱乐方面的应用，比如专业打星际争霸的AlphaStar，同样以较高的得分击败了人类职业选手。