人工智能应用及游戏中的人工智能

主流的人工智能技术包括：

1、专家系统（领域专业知识自动回答查询。知识库和推理机构，系统代替专家做出决策和判断）

2、基于范式的推理（大数据）

3、有限状态机（有限的状态和状态间的转移，彼此连接成一个有向图）

4、生产式系统（规则数据库中同时满足多个条件时的冲突解决机制）

5、决策树（ID3、C4.5等算法）

6、搜索方法（满足某个目标的状态或动作序列）

7、规划／调度系统（一种搜索方法）

8、一阶逻辑（在给定环境推理智能主体的相关情况）

9、情景演算（自动推理决定智能主体达到最优状态时所采取的动作序列）

10、多智能体系统（通过多个彼此竞争和协作的智能主体间的交互来产生智能行为）

11、人工生命（为虚拟环境中的智能主体赋予某些生物体的共性）

12、群聚技术（协调多个人工生命智能主体，使之整体成为一个生物群）

13、机器人技术（让机器在现实世界中与人类进行交互）

14、遗传算法（模拟生物进化的过程，在一系列程序、算法、参数间做出选择、杂交、随机变异和交叉）

15、神经网络（基于生物大脑和神经系统的机器学习算法）

16、模糊逻辑（采用实数值来表示对象属于集合的程度）

17、置信网络（采用概率论描述不同现象间因果关系，推导现实世界状态、预测可能的动作）

 

人工智能在机器翻译、演绎推理、机器人学、模式识别、物景分析、数据库智能检索、物联网等应用非常广泛，而游戏中用到的人工智能技术通常是有限状态机、决策树、生产式系统。

 

在Pong、Pac-Man、Space Invaders和Joust等游戏中，最早应用到一些大量简单规则、动作系列、随机策略。

进一步，一些要求 unit-level 对象级的人工智能和具有相当战术策略的虚拟人物的回合制游戏，如MicroProse 的 Civilization 系列。

在 RTS 即时战略游戏中则更先进，如 WarCraft 系列、星际争霸，运算上可同时对数百个对象进行路径搜索。

FPS 中可扩展和高超的策略，如 Half-Life（半条命），Unreal：Tournament（虚幻竞技场），Thief：The Dark Project（神偷：黑暗世界）采用分级警报技术逼真的模拟了虚拟角色的感知能力，SWAT3：Close Quarters Battle（反恐特警3）采用随机化智能行为技术表示拟人动作和交互方式。

模拟类游戏如 SimCity （模拟城市）系列和 Creatures（半人马星座）采用“数字DNA”的人工生命（artificial Life）技术，TheSims（模拟人生）采用的优先状态机和极具个性的 agent。

其他包括Populous、Dungeon Keeper、Black & White（黑与白）结合人工生命技术、实时策略等智能学习技术带给了玩家新的体验。

 

游戏中人工智能的表现：

1、NPC 和 主角在场景中的移动，如随机移动、固定模式移动、追逐、逃离等。

2、NPC 行为，依据触发事件做出的反应，如谈话回话等。

3、NPC 策略，依据周围环境和自身特点做出决策，如棋牌、回合制策略游戏中的对战策略、搜索树等。

4、FPS、RPG等个体人工智能单位。

5、策略游戏中的群体人工智能。

 

游戏中人工智能的系统，首先需要按照生物结构建模 Agent 的行为，其次需要建立整体战术的抽象控制器。

1、感知和输入系统

了解周围的环境以便在推理分析阶段使用这个信息。

RTS 中敌人需要知道：玩家在哪里，在看哪里？周围的几何情况如何？彼此使用的武器？

FPS 中需要的数据：地图中每个分区的力量平衡如何？每种资源拥有多少？单位有哪些类型？在技术树中的地位如何？游戏世界的几何情况？

分析地图和从原始数据中提取重要信息是很费时的，因此也是人工智能中速度最慢的部分。

2、工作记忆

个体可以用数字值描述人工智能状态，而对于整体战术的抽象控制器存储更加复杂。

3、推理／分析内核

通过有限状态机和规则系统，使用感知数据和记忆分析当前配置并进行决策。

4、动作输出系统，转换成动作和相应的行为