什么是游戏AI

总得来讲，游戏AI（Game AI）就是一种能让开发者为玩家创造引人入胜体验的东西。咱们用的每个技术、每个技巧、每一种算法，都是为了那么一个单一的目标。本文将围绕这一点展开讲解究竟什么是游戏AI。

首先须要明白的一点是，游戏AI中的AI（Artificial Intelligence，人工智能）与咱们讨论计算机视觉、天然语言处理等领域时所说的AI实际上是两回事。在本文中，咱们把后者称为学术AI（academic AI）。

那么学术AI和游戏AI本质的区别是什么呢？学术AI的目的是创造一个智能体，该智能体根据环境做出动做，以最大化成功率为目的。例如在图像识别任务中，咱们但愿AI可以得到尽可能高的准确率。而游戏AI并非要作到最大化成功率。例如在星际争霸的游戏中，咱们并非以胜利为目的来设计AI的，而是以让玩家有一段美妙的游戏体验而设计的。在这种目的的引导下，咱们有时故意把AI作的不那么强大，甚至经过让AI做弊来获取更多信息。而获取这些信息不是为了击败玩家，而是为玩家提供更好的服务（关于这些，会在后文详细展开）。有时游戏AI也会借助学术AI的方法，但绝大多数时候，他们是不一样的。游戏AI关注的是：AI的外在表现，以及给玩家带来的感受。

创造体验

上文已经提到，游戏是要为玩家创造引人入胜的体验。而游戏AI是为了支撑这段体验（游戏的其余部分其实也是）。接下来要讨论的是为了支撑这段体验，设计游戏AI时，有哪些关键因素。

(1)搁置怀疑

玩家是自愿地加入到这段咱们为他创造的体验中来的。所以，他们很是愿意搁置本身对咱们所创造的虚假世界的怀疑。而咱们的责任是维持玩家“搁置怀疑”的状态。

因为玩家自愿来享受这段体验，也由于人类大脑的工做方式，所以他们是很是宽容的。只要AI的行为基本合乎情理，玩家的大脑就会天然地向本身解释AI的行为，而那种解释每每是复杂的，比实际的AI算法复杂的多。因此，AI设计者能够尽可能设计简单但合理的AI。太过于复杂的AI反而会让玩家摸不着头脑，拔苗助长。

有一种要避免的状况，就是人造蠢货（artificial stupidity）。所谓人造蠢货就是指作一些显然错误，或没有意义的事。确实在不少游戏中出现了这样的AI，但也不是故意的设计，而是一些BUG。好比一直朝着墙走，或彻底无视玩家对他的射击。

有些行为虽然也会在真实人类身上看到，但仍然要避免，由于他们不适合AI。例如，人类老是频繁地改变本身的想法，但若是AI也这么作了，就会给玩家一种出现Bug的印象。

解决人造蠢货最简单方法就是加强AI。可是，玩家的品位各不相同，很难同时知足全部玩家。所以还诞生了一些别的方法，解决人造蠢货让玩家没法“搁置怀疑”的问题。例如，在有的僵尸游戏中，僵尸的AI被故意创形成走路缓慢、一摇一晃的样子，但因为他们是长相可怕的僵尸，仍然能够被玩家接受。还有一些游戏中，让游戏的角色喊出一些话。例如，“手榴弹（Grenade！）”，“我发现他了！”。这些并非用做游戏角色间的交流，而是向玩家解释角色的行为。有些游戏直接在角色头顶放一些图标来向玩家解释（例如模拟人生）。

(2)反应性，不肯定性和创做者控制

各类各样的结构，那个对于游戏AI来讲才是最好的？这是一个被普遍讨论的问题。

首先要讨论的是，“创做者控制（Authorial Control）”和“自我控制（Autonomy）”之间的权衡。所谓“创做者控制”是指AI的创做者对AI的掌控，创做者能根据本身的意愿调整、控制AI，而AI受环境的影响较小。“自我控制“是指AI受创做者的控制力度小，根据环境的不一样作出多变的反应。举例来讲，Alpha Go就是高度自我控制的。由于他经过蒙特卡洛树搜索+深度强化学习训练获得，设计者也不知道最终AI下棋的模式是什么样子，能够说他几乎彻底不受创做者意愿影响。下图给出了不一样算法的“创做者控制”和“自我控制”比例的相对关系。

不一样算法的“创做者控制”和“自我控制”比例的相对关系
“自我控制”不少时候称做强反应性（Reactivity）。反应性指的是AI可以根据环境不一样作出不一样行为的能力。

没有一个肯定的答案说哪种算法更好。这每每是根据需求而定的。例如策略游戏（例如魔兽争霸）就须要较强的反应性。玩家每一局的行为是不一样的，AI以不变应万变显然是不合适的。而在像魔兽世界这样的游戏中，AI的行为每每是高度受“创做者控制”的。同一个副本，刷第一遍和刷第二遍，怪物的AI并不会有什么不一样的行为。

选择AI结构时，另外一个复杂的因素是不肯定性（nondeterminism）。不少时候游戏中的随机性可以带来更多的快乐（例如Roguelike）。和反应性不一样，反应性要求的是对不一样环境做出不一样的行为，而不肯定性是指一样的状况下也能做出不一样的行为。在这一点上，behavior trees 和 utility-based AI 是比较好的。

总得来讲，结构是根据游戏需求选择的。

(3)简单和可扩展

若是熟悉游戏AI经常使用的算法，能够发现他们自己是很是简单的。而已这些算法为框架，在框架之上创建的结构才是复杂的部分。底层算法代码简洁、容易理解、容易debug，这是很是重要的。

有些算法的可扩展性不好，当AI结构愈来愈大，会愈来愈难维护。所以，一个好的游戏AI算法，不光要简单，并且要求扩展性好。

(4)技巧和做弊

首先要讲一个魔兽争霸里的剧情AI的例子。AI会等待固定的一段时间，而后产生一波兵攻击玩家。它会选择在战场迷雾的边缘产生这些单位，也就是在你的可见范围外，AI会不停的生成士兵，直到你的防护力量几乎被毁灭，而后AI就会中止，并让你用剩余的兵力赢得战斗。

在这个例子中，能够说AI是完彻底全的做弊。他不须要任何建造、采集，能够任意的让单位从天而降。但他的结果是好的，他让玩家体验了一场惊心动魄的战争。

可是，这种做弊有一个弱点，它只在玩家不知情的状况下有效。若是玩家发现了AI在作什么，那么设计者精心设计的游戏体验将毫无心义。

还有一种做弊称做“彻底信息”。即AI知道一切。他拥有全部的视野，不须要探索就能知道金矿的位置、敌人的位置。事实上这是必要的。由于目前AI尚未像人类同样的推理能力。例如一个单位出如今AI的视野里，而后消失了，但下一瞬间又出现了。人类可以推断这个单位就是以前小时的单位，可是这对AI来讲是困难的。咱们不能要求AI在玩家的电脑上存储本身的记忆。

可是，彻底信息的AI仍然须要让玩家“搁置怀疑”。即便AI知道金矿的位置，也不能所以而不去探索。让AI有必定的几率去探索一个实际已知，但却不该该知道的地方。这样一来，AI的行为就能更好得被玩家的头脑所解释。

总结

游戏AI只应该关于一件事：如何让开发者为玩家创造一段引人入胜的经历。

本文是对《Game AI PRO》第一章的总结加一点我的想法。有时间会持续更新后续章节。