為什么游戲中見不到深度學習的身影？因為它不能把工作都交給“黑盒子”手游
提起游戲中的AI，似乎和我們現在談論的人工智能是兩個完全不同的東西。可當今天我們為人臉識別技術驚艷時，卻忘了我們在上古時代的游戲CS1.5里被電腦爆頭的恐懼。
當然，研發和運行成本所限，游戲AI中很少應用到神經網絡、深度學習等等現在流行的技術，但游戲AI也絕不僅僅像是王者榮耀中人機比賽中那么簡單。
首先我們要知道一點，游戲AI的愚蠢并非技術所限，是因為它們被設計來更好的陪伴玩家游戲，給予玩家成就感，而不是把玩家揍成狗（LOL末日人機笑而不語）。另外，游戲AI的強大，很多時候也不是因為技術，而是機器可以更準確的看到你的技能范圍，有著更穩定的走位不受狀態和情緒的影響。
不過在我們玩過的游戲中，的確有一些讓我們感受到AI的存在，《模擬人生》系列就是最好的例子。在知乎有過一個問題叫“你在模擬人生中經歷的最感動的事情是什么？”，里面有大量關于游戲中角色自我行為的討論。
沒錯，在這個游戲中，你細致的設置過角色的星座、性格、喜好后，它會按照設定進行自我行動，配上游戲題材，幾乎和人類無疑。
做到這一點，依靠的是“行為樹”。行為樹和此前介紹過的決策樹非常相似，通過狀態枚舉、流程控制來設計游戲中人物的行為。只是相比決策樹單純的通過各個節點進行IF，THEN的判斷，行為樹中充滿了條件節點、動作節點、選擇節點、順序節點等等更復雜的東西。再加上一些隨機動作，行為樹下的NPC幾乎可以以假亂真。
如上圖所示，黃色矩形為執行節點，白色字體為為條件節點。模擬人生人物在“吃飯”這一組合節點中，首先要判斷自己是否饑餓、冰箱里是否有食物，如果結果都是“是”，就會執行做飯這一行為。
現在很多游戲中的NPC都采取了行為樹技術，尤其是在MMORPG中。根據自身數值和周圍環境對自己的行為作出判斷執行，聽起來似乎很容易理解，不過在FIFA、實況足球等等車球槍游戲中，AI又是如何進行團隊協作的呢？多層狀態機是解決方案之一。
狀態機本身是一種很基礎的計算理論，挑選出可以描述問題的變量和影響問題的外部變量，對各個有效狀態進行動態分析，找到動作和狀態的對應關系。最后確定目標問題的初始狀態，就可以執行對應動作。
實現團隊協作，需要設置多層狀態機配合目標設定。將團隊協作分為1+X層，其中1是為團隊狀態機，負責判斷團隊整體狀態和動作，X則是各個角色需要完成動作的多層狀態機設置，像是最起碼的跑步路線，到再上一層的射門、傳球，繼續下去可以有射門角度、傳球速度等等細節。
在這一邏輯之上，還有很多錦上添花的部分，像是游戲內數據的概率統計、隨機動作等等。據說也有一些游戲已經引入了神經網絡，比如FIFA、使命召喚等等。
下面可以簡單介紹幾款有趣的游戲AI。
《黑與白》是一款意識超前的游戲，玩家在游戲中扮演上帝的角色，組建城市、發展文明。其中的寵物就有很高的智能程度，擁有自行學習的機制。做了壞事可以被玩家懲罰，懲罰后會改變行為，如果放任自如則會加重壞行為。有趣的是，這款游戲的首席人工智能官就是Demis Hassabis，也就我們熟悉的阿爾法狗之父。
作為一款FPS游戲，很難說《求生之路》里的怪物有多智能——它們本來就該是愚蠢而兇猛的。正在有技術含量的是它的“導演系統”，AI Director作為后臺的核心，會根據玩家在游戲中的具體表現調控游戲的節奏。怪物出現的地點、數量，何處刷新道具等等，配合上根據形勢動態變換的音樂，給了用戶更真實的游戲體驗。
各種角色扮演/沙盒游戲中的NPC
在一些自由度較高的游戲中，為了讓玩家更好的融入這個世界，游戲會對NPC進行很多詳細的設定。比如在《巫師》系列中，每個NPC都有自己的性格設定，包括會話數據庫，讓他們可以進行豐富的動作和對話。在GTA這種沙盒游戲中更是這樣。
總之和現在流行的深度學習不同，游戲AI沒法把一切工作都交給黑盒子，只尋求一個結果，游戲AI通常是把每一步的動作都規劃好。其實，即使在競技游戲中，大部分人體會到的快樂也來自于技能釋放的精準、走位的風騷，還輪不到和AI對抗策略計謀的地步。所以，游戲AI的目標不一定是模仿真實玩家，而是讓我們的游戲體驗更好。
1.砍柴網遵循行業規范，任何轉載的稿件都會明確標注作者和來源；2.砍柴網的原創文章，請轉載時務必注明文章作者和"來源：砍柴網"，不尊重原創的行為砍柴網或將追究責任；3.作者投稿可能會經砍柴網編輯修改或補充。
京公網安備 11010502032797號