初探游戏中AI

     引言：我想说明的是，这只是我开始初涉人工智能知识的思考日志。

 

     一款有趣的游戏，必定需要游戏中各个环节的出色的发挥，比如人工智能模块的提现。还记得早期的电视游戏中的那些通关秘技吗？其实，当你在享受通关的快乐的时候，这款游戏可玩性也大大是缩短了。那么，如果Boss“学会”了思考呢？于是更智能的Boss出现了。

需要说明的是，其实游戏中人工智能只能算是人工智能，这个深奥的领域的一部分，它具有人工智能的一部分特性，但却又不完全的等同与人工智能。所以，也许Artificial Intelligence，这个名字更好些。

     既然是人造智能，那它必然需要一个载体，比如人的智慧在人体的大脑中，而这里所说的AI的载体，当然指的是计算机了。

先来看下以往游戏的AI应用。它们大部分是以两种方式来体现的。第一种，严格意义来说并不能算是AI，因为它使用的是作弊机制，即，在判断行为之前，机器人是获取得到对方的准确数据指标的，从而根据开发者的定义来决定对拿到的这份数据做什么，这种情况下，机器人只有不想赢，没有赢不了。第二种则在Half-life中体现的非常不错，它有很好的AI机制，有些遗憾的是，它基于了大量的脚本化操作。

      那如果我要撇开这两种方式，让AI更加名副其实呢？神经网络系统？或许有些宏大，但我想我可以学习其中一些概念。

      首先，在我的思考里，有这样一个初步的模型。

创造机器人，将是第一步。人对事物的容载量是在脑细胞可以承载的范围内，同样，在AI机器人创建和使用的时候，就有必要对当前载体——计算机的情况做一个评估，以保证合理应用硬件资源。就好像人类先天的天赋，这将决定后面机器思考的范围和深度。

      其次，赋予情感。人类对事物的判断，大致上基于两方面的信息：情感和思维判断。在这里，感觉也属于情感的系列。我们希望即便是机器人，也能有些性格，这样，或许看起来更丰富些，此外就像人一样，当自身的思维判断不足以作出动向的时候，就需要“感觉”去做，这，符合人类的习惯。

      再次，是计算机最擅长的方面：思维逻辑。因为在上一条，我们已经撇开了情感这种感觉类因子，所以这里的逻辑判断，也就类似人类的纯常识性判断，即，根据存储数据，以学习到的思维模式去求解，这应该是整个AI模型中很重要的一部分内容。

      情感与一些能力是人类的先天属性，AI机器人同样也需要它们，我想，或许承载它们的是一种合理的，高效的数据结构。

有了上面的思考，我的心中有了这样一个模型，或许它很初步，或许它很幼稚，或许它很不合理，但却是我了解这部分的开始，我希望它可以产生很多错误，这样我就可以不断的纠正自己。

      这个模型的定义应该是分为两个方面的：AI机器的先天属性和后天处理。

      先天部分，应该充分利用Script System，它有利于定义出一些诞生以后就不太需要改变的东西，就好像人一样，在这个部分应当包含一些FSM,FuSM,和Message，这其中包含了一定的自我修复能力，当然了，也可能被损坏，这应当是被允许的。同时它的极限能力，则是AI系统的运转能力。

      这个过程，可能以GA的方式为统筹处理以便达到生产，自我修复，接受修复，等能力的实现。因为我们的定义是要应用于游戏中，所以在设计的时候，应该注意到GA的缺点，并做出反应。当然，它不会是这部分的核心而是一个很好的统筹辅助，比如全局数量性的问题，一些非线性，非连续的处理，GA都能够很好的胜任。而它的不足之处也是它不能作为这部分核心的主要原因：时间成本，算法的随机性（在接收到的提示出现问题的时候），此外还有因为heuristic technique，而始得得到的答案未必是最优的，此外重要的是，GA调试起来非常麻烦。还有些其他问题。所以，我们要做的应该是让GA的优点极限发挥。同它一起协作辅助的还有ACO，Coevolution，AGA等。

      后天的思维模式，将会是基于NN的。它与GA看起来有些地方类似。当然它也有调试困难和学习周期等问题的存在，所以，初期只打算让它有个简单的雏形存在。除了NN，后天部分还打算具有一些Artificial Life，Planning Algorithm，Production Systems，Decision Tree，Fuzzy Logic等等。

两个部分想要以Layered Architecture的分布方式去架构，当然了，我很清楚，学习是一个过程，我的想法是在实践中掌握。

      初期，就从一个机器人智能对话的程序开始吧。

 

      Go，Go，Go。