下面是示意图，选择得分为 9 的最下面那条路线，显然结果最好（能够拿到 3 顶帽子）。
实际上，类似的思路也被用于游戏环境中的规划问题，但 Facebook 研究人员表示，这种方法此前还从未被用于语言研究，原因是可以选择的行动数量过于巨大。
为了提高效率，FAIR 研究人员首先生成了一小部分备选的表述（utterance），然后重复模拟未来的整个对话，从而估算这种表述成功的程度。FAIR 开发的这种模型，预测准确率足够高，从而在好几个方面极大提升了谈判策略：
更努力地谈判（Negotiating harder）：新的智能体能与人类进行更长时间的对话，不会那么快就成交。模型会一直谈判一直谈判，直到达成协议。
有策略地谈判（Intelligent maneuvers）：在一些案例中，智能体在最开始会对自己不感兴趣的东西装作很感兴趣，之后把这些东西放弃，显得自己做出了妥协——人在谈判时也常常使用这种策略。FAIR 研究人员表示，这不是编程实现的，而是 bot 自己观察后认为这是一种实现目的的好方法。
生成新的句子（Producing novel sentences）：神经网络往往倾向于重复训练数据中见过的句子，但在这项研究中，模型在必要时生成了新的句子。
从 Facebook 官博上给出的例子（见下），这个谈判 AI 开发还是成功的：
AI 用人类不懂的方式沟通非常正常，难的是让 AI“说人话”
现在，Facebook 确实关闭了这个对话项目，但并不是因为他们对创造出可能不受控制的智能体感到恐慌。
在 FastCo 的报道中，FAIR 另一名研究员 Mike Lewis 说，他们决定关闭对话，因为“我们感兴趣的是做能够与人类对话的 bot”，而不是 bot 互相间能够很有效率地进行对话，“我们要求 bot 相互之间的对话要能够被人理解”。
但在这个媒体浮夸的时代，新闻报道所做的可能与这些机器人并没什么不同，这个故事从关注机器学习技术的短期实现潜力，演变成制造恐慌的末日故事。
实际上，正如 Dhruv Batra 所说，AI 之间“交流”是非常普通的一个现象，只要你把两个机器学习设备放在一起，并让它们相互学习，都会出现这样的现象。值得一提的是，假如 bot 之间简略的“语言”可以解释，出来的对话也就能够理解，并且完全不像之前的那么可怕。
这类机器学习技术可能让智能设备或系统更高效地相互交流。如果说这些成果引出一些问题，就是一旦这样的系统出错，debug 会非常不容易！但这完全不是说人工智能脱离了人类的控制。
上海交通大学教授、斯坦福 AI Lab 博士后卢策吾在接受新智元采访时表示，这件事情告诉我们，没有很 solid 和 novel 的工作，PR 需谨慎，可能对自己和机构都是副作用。研究计算机是否能（非监督地）独立产生自己的语言，这件事情本身是非常有意义的科学探索，因为这是检验计算机是否理解人类高级语义和抽象概念的好方法。
他也建议大家有兴趣的话，可以看一下Noam Chomsky 的经典讨论，这样更能把语言产生这件事的高度提高一下。
“这就像一个与世隔绝的部落，AI 独立产生了自己语言，虽然符号表达和我们不一样，但是我们一翻译，发现它们有和我们一样的高级语义，比如“朋友”，“爱情”等等，我会说他们真的理解这些概念，具有人类的高级智能。”卢策吾告诉新智元。
目前，计算机能识别“猫”，“狗”，“汽车”，但计算机真的理解这个概念吗？卢策吾认为不一定，更多是像模式识别（pattern recognition）。“例如，有一辆外形奇怪的车，在训练集合里没出现过，计算机马上就挂了，因为计算机没有‘什么是车’这个概念，而是记下一般情况下车的长相。”卢策吾说：“这样就看出，目前计算机没有真正全面地理解人类概念，还是比较低级别的 AI。如果计算机真的理解人类概念，其对现实世界的改造威力将会大上好几个量级。”