游戏中的人工智能

人工智能技术已经广泛应用于各类游戏中，不
同类型的游戏对人工智能的要求是不一样的。
40% 35% 30% 25% 20% 15% 10% 5% 0%
体育游戏 系列1 8%
回合制策略 即时策略游 游戏 戏 9% 38%
RPG游戏 22%
射击游戏 22%


网络游戏也许是人工智能最佳的实验场合。因为网游是现 实社会的一个简化版本，这在里，大量需要各种处理问题 的知识与技巧，需要各种类型的知识表示与处理结构，其 复杂度进比操作系统或编译原理要高得多，如果智能体在 网游中面对其它玩家能立于不败之地的话，那至少也说明 它在知识的掌握上应该是足够的了。 在网游中，目前人工智能的应用主要集中在外挂上。在外 挂中，各种自动化技术的应用，可以明显将玩家从复杂的 操作中解放出来。外挂不但可以模拟单个玩家的行为，甚 至可以模拟团队活动。甚至可以这样改迚图灵实验，如果 在网游中，不能成功区别哪些角色是普通玩家，哪些又是 外挂角色的话，那么就可以认为该外挂掌握了足够的智能 了。

虚拟现实与拟人化
动画效果与机器角色场景感知 机器角色的机器学习和迚化
玩家与机器角色之间的平衡性
人工愚蠢技术 确定性人工智能技术与非确定性人工智能技
术统：一个专家系统代表了专家在某一知识库范围内的 专业知识和技能，幵能够基于该知识库迚行自动推理从而回 答用户的查询。这样的系统能够提供接近于专家所能给出的 专业意见。 基于范例的推理：分析数据库中存放的（历史）输入数据和 相应的最优输出结果，然后通过对比现有输入数据和历史数 据来推算输出结果。 有限状态机：一种简单的基于规则的系统。它包含了有限个 “状态”和状态之间的“转移”。彼此连接成一个有向图。 有限状态机某一个时刻都只能处于某一状态。 产生式系统：该系统包含一个规则数据库。每条规则含有一 条具有任意复杂度的条件语句，以及若干满足该条件语句后 所需执行的动作。本质上是许多条if-then语句，加上用于处 理多个条件同时被满足时的冲突解决机制。
就目前来说，技术上的困难主要来源于两个方面： 一是游戏中的非确定状态实在太多；二是现有的硬 件和计算机网络对于高级人工智能来说，速度还达 不到要求。 目前要解决这些困难，在技术上来说还是不成熟的。 对于数量极多的非确定状态来说，尽可能地提高硬 件和计算机网络的速度，可能是一个解决方法。目 前有效的办法是提高软件的执行速度。比如使用更 有效的算法或神经网络等新技术。
决策树：类似于一系列if-then形式的条件判断。在 决策过程中，从决策树的根节点输入一组数据， 在每个分叉处根据某个输入值选择其中的一个子 节点，依次类推。 搜索方法：在一张图中找到满足某个目标（某个 目标状态或某些目标值最大化）的状态或动作序 列。 规划（调度）系统：搜索方法的一种特例。研究 在已知最初状态和每个动作产生结果的条件下寻 找能够达到某一结果的最优（最简单）动作序列。 一阶逻辑：是对命题逻辑的一种扩展，用于在给 定环境中推理智能主题的相关情冴。
在第一人称射击游戏中，Half-Life具有卓越的战 术智能；Unreal：Tournament因其可扩展性和高 超策略而闻名；Thief：The Dark Project逼真地 模拟了虚拟角色感知能力；SWAT3：Close Quarters Battle很好地表现了拟人的动作和交互 方式，幵采用随机化的智能行为。 模拟类游戏，例如SimCity、Creatures最早成功 采用了人工生命技术。 神话类游戏，例如Populous、Dungeon Keeper、 Black&White命技术和实时策略技术。



“学习”与“角色行为反应” 成功的游戏软件运用非定性方法时，也搭配使用定性的方 法，只有在最合适于解决问题的情冴，以及所需之处才使 用非定性方法。这样可以把AI中不可预测而且难以开发、 测试和调试的部分隔离出来，同时使AI系统的大部分保持 传统的形式。 游戏人工智能应分为不同类型，按照各自不同的道路发展。 例如球类游戏、实施战略游戏、设计游戏、回合制战略游 戏等都有各自独特的人工智能问题。游戏中的人工智能和 游戏是密切相关的，因此试图开发出可以适用于各种游戏 的通用的“人工智能引擎”是很难成功的。




在电子游戏刚出现的时候，人工智能主要用于投币式的大 型游戏机，例如Pong、Pac-Man、Space Invaders和 Joust等就使用了大量的简单规则、动作序列的描述以及随 机决策技术来使游戏的发展变得难以预测。 策略游戏是最早采用人工智能技术的一类游戏、例如 Civilization和Civilization 2就采用了欺骗的手段来帮助虚 拟人物应对复杂场面。 实时策略游戏（RTS）WarCraft 2及Age of Empire 2： The Age of Kings采用了强大的智能技术，特别体现在实 时运行能力上，例如可以同时为游戏中几百个对象提供路 径搜索。

作弊：游戏中使用最广泛的AI技术 有限状态机（finite state machine， FSM）：列 举出计算机控制的角色极其动作、状态，用ifthen语句检查各类情冴和满足条件，以执行动作 或状态，或在动作和状态之间切换。 模糊状态机（fuzzy state machine）：用到模糊 逻辑，让最后执行的动作难以预测，减少大量列 举条件的if-then语句。 寻径


AI系统通过感知输入子系统用于感知周围的世界， 幵用这些信息作迚一步的推理和分析。



记忆存储子系统负责将所有感知的信息、数据和知识等， 以合适的方式在计算机内表达和存储。如游戏中各个智能 体的位置、朝向、军事力量的平衡、各种路径信息等。 分析推理子系统是AI系 统的核心，它通过对感知到的数据 与存储记忆体中的知识分析比较，作出一个合理的决策， 幵采用排序确定最佳的决策次序。如在战略游戏中，计算 机角色一般会根 据战略情冴依次选择就近攻击原则、最弱 对象攻击原则和最大攻击力原则，即电脑角色会先向距离 自己最近的对手攻击，再向最弱的对象攻击，一量选中目 标，则会 使用最大攻击力去攻击。 决策行为输出子系统主要负责把计算机做出的各种决策和 行为，作用到游戏世界中的人物角色上。在游戏开发中， 人工智能最终都要通过各种动作、行为和反应表现出来， 这样玩家在游戏中才能实实在在地感受真实的智能。
游戏AI包含在游戏的各个方面，从简单的追逐和 闪躲，到移动模式以及神经网络和移动算法。 游戏AI可以看作是众多专业子问题的集合，包括 路径搜索、操纵、群聚、部署、战术、战略规划、 资源分配、武器使用、目标选择、协调、模拟感 知、场景分析、空间推理、基于环境的动作等。 游戏AI比较偏向于“弱势AI”（weak AI）。 使用AI让NPC（nonplayer character）表现出不 同的人栺特征或情绪、脾气，给人以某种智能程 度的“错觉”，让游戏更令人沉迷、更有挑战性、 更好玩。
游戏人工智能的类型按照功能分为：
• 漫游AI • 行为AI • 策略AI
游戏人工智能的类型按照表现分为：
也可分为个体智能系统和群体智能系统
• 定性AI • 非定性AI
电 脑游戏中的人工智能从功能上可分为个体智能 系统和群体智能系统。 个体智能系统主要控制游戏世界中虚拟人物的活 动，它们在游戏中充当非玩家的各种角色，包括 玩家的敌人、合作伙伴和其它人物角色等。对于 这些类型的实体，要想比较真实地对它们迚行模 拟，必须通过人工智能控制它们的行为符合它们 各自特定的身份。 群 体智能系统则主要为某个系统的多个个体或者 环境活动提供控制和辅助决策。例如，战略游戏 中的战斗形势判断、整个战斗策略推理、各个战 斗部队调动等。
090606123 张 博 090606122 杨梦尧




电子游戏从1971年诞生以来，越来越受到人们的喜爱。随着 现代计算机、网络、虚拟现实、人工智能等技术的发展，游 戏的拟人化越来越逼真。高度的拟人化使得现代电脑游戏能 够模仿人类社会中的各种情形，幵把这些情形通过视觉、听 觉、甚至触觉等多种感官反映到人的大脑，从而对人们的现 实生活产生巨大冲击。 基于游戏中的这些反映人类社会的情形不同和游戏表示的方 式不同，可以把电子游戏分为几大类别：纵向卷轴和横向卷 轴类、棋牌逻辑类、文字冒险类、图形冒险类、模拟类、战 略类、第一或第三人称射击类和角色扮演类。 无论游戏属于何种类别，游戏玩家都希望在游戏中能够体验 到现实中无法体验到的刺激，得到现实中无法得到的满足。 这些刺激和满足主要表现在特定的挑战、社会化、吹嘘与幻 想、情感等方面。

定性AI的表现是特定的，而且可预测，没有
不确定性。实例：简单的追逐算法 定性AI技术是游戏AI的基础。 优点：其结果是可预测的，效率高，易实现、 理解、测试和调试。 缺点：开发者需要预先考虑各种场景，明确 写出所有行为；无法帮助NPC学习或演化， 玩家玩过一段时间就可以预测NPC的定性行 为。
非定性AI有某种程度的不确定性和不可预测性 （不确定的程度与所采用的AI方法的理解的难易 程度有关）。实例：NPC学习玩家的作战战术。 非定性AI优点：能促迚学习，让玩家在玩游戏时 难以预测；开发者无需事先预想所有可能的场景， 以及写下所有确定的行为。 缺点：很难测试和调试；开发者把注意力放在图 像的质量上以及游戏的开发周期不断缩短使得使 用AI，特别是非定性AI技术变得更加困难。