如何做游戲人工智慧
❶ 怎麼讓人工智慧學習玩游戲的方法
現代電腦游戲簡介
電子游戲從1971年誕生以來，越來越受到人們的喜愛。隨著現代計算機、網路、虛擬現實、人工智慧等技術的發展，游戲的擬人化越來越逼真。高度的擬人化使得現代電腦游戲能夠模仿人類社會中的各種情形，並把這些情形通過視覺、聽覺、甚至觸覺等多種感官反映到人的大腦，從而對人們的現實生活產生巨大沖擊。基於游戲中的這些反映人類社會的情形不同和游戲表示的方式不同，可以把電子游戲分為幾大類別：縱向卷軸和橫向卷軸類、棋牌邏輯類、文字冒險類、圖形冒險類、模擬類、戰略類、第一或第三人稱射擊類和角色扮演類。
無論游戲屬於何種類別，游戲玩家都希望在游戲中能夠體驗到現實中無法體驗到的刺激，得到現實中無法得到的滿足。這些刺激和滿足主要表現在特定的挑戰、社會化、吹噓與幻想、情感等方面。實際上，大部分的玩家並不能預先知道他們想要什麼樣的游戲，但是他們往往在看到了一個精美的游戲後說，「嗯，我要的就是這個！」
要使得玩家喜歡游戲，游戲的開發過程必須得到重視。一般來說，游戲的開發過程主要分為四個階段：構想階段、總體設計階段、細節設計階段和建設階段。[1]
萬事開頭難，構想階段是游戲開發中最為重要的階段。一個好的游戲背景故事是整個游戲成功的一半。在准備好游戲故事之後，就需要考慮游戲採用何種游戲類型，並把游戲故事分割成幕(Act)，改編為游戲劇本(Gameplay)。
在總體設計階段，要考慮每個幕中的角色和規則，同時也要考慮相關的技術問題。比如，游戲將採用何種技術、准備運行在什麼平台上等。
在細節設計階段，要對每一幕中的焦點(Focus)進行設計，對每一幕的效果產生效果圖，選擇合適的音樂匹配到各個場景，設計各個角色和場景的細節。
最後是建設階段。開發者要採用選定的技術對游戲進行開發。游戲製作包括編程和觸發器的製作。最後要進行游戲測試。2. 基於電腦游戲的圖靈實驗
人們在娛樂電腦游戲的時候，往往希望游戲中的其他角色能夠擁有某些程度上的智能。這些智能可以使得人們能夠在游戲的同時得到滿足。然而，這種智能必須得到控制。如果游戲中的機器角色的智能明顯高於玩家的能力，使得玩家對勝利喪失信心，那麼玩家會放棄這樣的游戲。所以，人工愚蠢(Artificial Stupidity)技術也是必不可少的。在游戲中，太強或太弱的人工智慧都是不合適的。
那何種程度的人工智慧才是合適的呢？回答這個問題首先要考慮怎樣的機器可以算作智能機器。圖靈曾經提出了「圖靈實驗」的概念。他認為能夠通過圖靈實驗的機器是具有智能的。其實，在游戲中也是一樣的。「圖靈實驗」在游戲中可以這樣描述：當玩家和其他玩家同諸多機器在同時游戲時，如果這個玩家通過游戲規則中的任何方式都無法分辨游戲中的其他角色哪個是其他玩家，哪個是機器的線程，那麼我們可以說這個游戲通過了「游戲中的圖靈測試」。[2]一般來說，通過了「游戲中的圖靈測試」的游戲是最適合玩家娛樂的。3. 游戲中的人工智慧技術
人工智慧在游戲中的目標主要有五個：一是為玩家提供適合的挑戰；二是使玩家處於亢奮狀態；三是提供不可預知性結果；四是幫助完成游戲的故事情節；五是創造一個生動的世界。這個生動的世界可以是類似現實生活中的世界，也可以是與現實世界完全不同的世界。但不管何種世界都要求有一整套能夠自圓其說的游戲規則。
在游戲製作過程中，實現人工智慧的關鍵主要有：虛擬現實與擬人化、動畫效果與機器角色場景感知[3]、機器角色的機器學習和進化、玩家與機器角色之間的平衡性、人工愚蠢技術、確定性人工智慧技術與非確定性人工智慧技術的互補。
游戲中的人工智慧的主要技術主要有：有限狀態自動機(Finite State Machines)、模糊邏輯(Fuzzy Logic)、A*演算法與有效尋徑(A* Algorithm for Efficient Pathfinding)、腳本設計(Scripting)、基於規則的人工智慧和系統(Rules-based AI and Systems)、人工生命(Artificial life)、貝葉斯推論(Bayesian Inference)和非確定性貝葉斯網路(Bayesian Networks for Uncertainty Decisions)、神經網路(Neural Networks)和遺傳演算法(Genetic Algorithms)等。4. 目前的局限與前景展望
就目前來說，技術上的困難主要來源於兩個方面：一是游戲中的非確定狀態實在太多；二是現有的硬體和計算機網路對於高級人工智慧還說，速度還達不到要求。[4]
目前要解決這些困難，在技術上來說還是不成熟的。對於數量極多的非確定狀態來說，盡可能地提高硬體和計算機網路的速度，可能是一個解決方法。但是要提高硬體和計算機網路的速度也並非易事。這可能要等到全息光學計算機和光互聯網誕生之後才能徹底解決。但目前有效的辦法是提高的執行速度。比如使用更有效的演算法或神經網路等新技術。