游戏AI之初步介绍

　　在早期的游戏开发中，AI（人工智能）主要依赖程序员预先编写的行为规则，而不具备机器学习的自我学习能力。这是因为游戏AI的主要任务是模拟智能行为，而非学习过程，例如游戏中避让车辆的行人、乱飞的小鸟、巡逻的守卫以及游戏中的小兵等。这些AI往往采用行为树等人工设计方法，较少涉及机器学习技术。实际上，这类AI可以被视为智能的表象。

　　尽管基于机器学习的游戏AI已有所应用，如围棋AI和DOTA2的OPEN AI等，但它们更多是从玩家角度设计，而非传统意义上服务于玩家的NPC（非玩家角色）AI。然而，随着机器学习技术的普及，它也开始被应用于传统意义上的游戏AI中。现在，通过机器学习可以训练出简单的生物（如遇到人类就跑的兔子）乃至更复杂的对象（如遵守交通规则的车辆和行人），甚至整个游戏机制都可以通过学习来生成（例如AI自动生成游戏环境）。这一过程只需将AI部署到服务器上运行一段时间即可完成，无需设计师手工设计，极大地提高了生产效率。这一技术将在未来的游戏工业中发挥重要作用。

　　因此，机器学习已成为游戏AI不可或缺的一部分。游戏AI应分为人工设计和机器学习训练两大类。

　　以《群星》、《文明》和《王国风云》为代表的4X游戏，是战略游戏的一种，其目标包括探索（eXplore）、扩张（eXpand）、掠夺（eXploit）和毁灭（eXterminate）。为了让玩家在4X进程中遭遇挑战，4X游戏的AI必须足够聪明以做出决策。但为了避免玩家感到无法胜利，AI往往不采用最优策略，而是采用更“人性化”的策略，如反应延迟、路径扭曲和模糊决策等。

　　在《求生之路》这款FPS游戏中，虽然怪物本身并不具备高智能，但其“导演系统”中的AI Director能根据玩家表现调控游戏节奏，包括怪物出现地点、数量以及道具刷新等，配合动态音乐，为玩家提供更为真实的游戏体验。

　　在自由度较高的游戏中，为了让玩家更好地融入世界，游戏会对NPC进行详尽的设定。例如在《巫师》系列中，每个NPC都有自己的性格设定和会话数据库，能够做出丰富的动作和对话。沙盒游戏如GTA更是如此。

　　由于游戏AI需求多样，博主总结了所有可用的基础知识、解决方案和杂项<a href="https://www.ecreat.cn/tag/%e6%8a%80%e5%b7%a7″ target=”_blank”>技巧。其中，重要的基础知识会特别标注出来。例如状态机是一种表示状态并控制状态切换的设计模式，常用于设计对象的多个状态；行为树则是一种树状结构的决策模式，也是现代游戏AI最常用的决策结构；路径规划涉及在已知地图上规划从位置A到位置B的路径；使用脚本可以灵活编写逻辑代码而无需编译；机器学习训练可以极大解放AI设计师的生产力；群体智能涉及集群AI的控制和管理；模糊逻辑和黑板模式则用于增强游戏AI的人性化和数据共享；协程和抖动等技巧可用于增强拟人性。此外还介绍了资源分配树、依存图和势力图等概念以及相关的书籍和网站资源供进一步学习参考。

　　最后更新于2020年6月。