Dandanes lahko veliko naprav zajema, kaj se dogaja s kamero, kaj pa če bi lahko na video posneli, kaj se še mora zgoditi? Raziskovalci na MIT CSAIL so ustvarili algoritem za poglobljeno učenje, ki je sposoben ustvariti videoposnetke, ki prikazujejo pričakovanja v prihodnosti. Po intenzivnem treningu (2 milijona videoposnetkov) je sistem umetne inteligence začel ustvarjati okvirje, ki sta si dve nevronski mreži nasprotovali. Eden je ustvaril sceno tako, da je določil, kateri predmeti v danem okvirju so se takrat premikali. Drugi pa je medtem deloval kot preverjevalec kakovosti - ugotavljal je, ali je video resničen ali simuliran, umetni video pa je bil ocenjen kot uspešen, ko je bil preveritveni AI prevaran, da je posnetek resničen.
Vendar ima tehnologija svoje omejitve. Videoposnetkov ne more ustvariti dlje kot sekundo in pol v prihodnost, rezultati pa niso presenetljivo realistični, vendar je tehnologija še vedno dovolj dobra, da lahko na primer napove premikanje valov na plaži ali ljudi, ki hodijo po travi.
Če pa bodo raziskovalci lahko napovedi naredili bolj realistične in časovno daljše, bi to lahko imelo daljnosežne posledice. Samovozeči avtomobili bodo lahko napovedovali, kam in kako gredo druga vozila in pešci, varnostne kamere pa bodo lahko na posnetkih označile neskladja glede na to, kaj pričakujejo. Tehnologijo bi lahko uporabili tudi za vsakodnevna opravila, kot je dodajanje animacije nepokretnim slikam ali stiskanje videa (saj vsak video okvir ni več potreben). In ne glede na okoliščine lahko napovedovanje prihodnosti pomaga umetni inteligenci razumeti, kaj se trenutno dogaja - lahko pomaga v vseh primerih, ko je strojno prepoznavanje vzorcev bistvenega pomena.