Google Researchi teadlased avaldasid hiljuti artikli, milles tutvustatakse GameNGen-i, tehisintellekti juhitavat mängumootorit, mis genereerib originaalset Doomi mängimist, kasutades närvivõrku. GameNGen kasutab stabiilset difusiooni, tipptasemel tehnoloogiat, mille töötasid välja teadlased Dani Valevski, Yaniv Leviathan, Moab Arar ja Shlomi Fruchter. See tehisintellekti-põhine mootor kasutab varasemaid raame ja praeguseid mängija sisendeid, et toota uusi raame, mis näitavad silmapaistvat visuaalset täpsust ja koherentsust. Üks GameNGen-i silmapaistvamaid saavutusi on selle võime genereerida täielik mängumootor pideva loogikaga. Mängijad saavad kogeda Doomi mängimist funktsioonidega nagu pööramine, sõidukite asetamine, relvade tulistamine ja täpne kahjustus vaenlastelt ning keskkonnalisest ohust. Mängu avastamisel ehitatakse tasemed dünaamiliselt reaalajas, samal ajal jälgides mängijate relvade laskemoona. Märkimisväärselt on genereeritud mänguoskused ning graafika nii autentne, et sageli on neid raske eristada tõelisest Doomi mängust lühikestes klippides. Mäng töötab sujuvalt 20 kaadrit sekundis (FPS). GameNGen-i täpseks treenimiseks oma Doomi tasemete modelleerimiseks treenis Google'i meeskond tehisintellekti agenti erinevates raskustes Doom-i mängima ning simuleeris erinevaid mängija oskustasemeid.

Auhindu anti näiteks võitluste kogumise ja tasemete lõpetamise eest, samas kui võetud kahjustused või surm tõid kaasa karistusi. See treeningprotsess pakkus sadu tunde visuaalseid treeningandmeid, mida GameNGen mudel saaks viidata ja taasluua. Üks selle uuringu võtmehinnangutest on seotud sellega, kuidas teadlased säilitasid kaadrite vahelise koherentsuse pikema aja jooksul, kasutades stabiilset difusiooni. Stabiilne difusioon on laialdaselt kasutatav generatiivne AI mudel, mis loob pilte pildi või teksti sisestuste põhjal. Kuid see kannatab sageli järjepidevuse puudumise ja visuaalse kvaliteedi languse üle aja, nagu on näidatud Corridori lühifilmis Anime Rock Paper Scissors. Nende väljakutsete lahendamiseks parandas Google Research stabiilset difusiooni, treenides uusi kaadrid kasutades pikemat kasutajasissetuleku ja eelnevate kaadrite järjestust ning tutvustades Gaussi müra konteksti kaadrite korrumpeerimiseks. Lisaks kasutatakse eraldi, kuid omavahel ühendatud närvivõrku konteksti kaadrite parandamiseks ja pidevaks iseparandamiseks, mille tulemuseks on pikema aja jooksul kõrge stabiilsuse ja visuaalse koherentsusega pildid. Kuigi GameNGen-i praegused näited pole veatud, esineb aeg-ajalt visuaalseid anomaaliaid, nagu plekid, hägustumised ja vilkuvad elemendid. Surnud vaenlased võivad muutuda häguseks ning HUD-i Doomi tegelane tõstab ja langetab oma kulme pidevalt nagu The Rock Monday Night Raw-s. Lisaks võivad genereeritud tasemed näidata vastuolusid, nagu näidatud manustatud YouTube'i videos, kus Doomguy äkki lõpetab kahjustuste saamise 4% juures ning taseme paigutus muutub täiesti pärast 360-kraadist pööret mürgilises kraavis.