第9章電子游戲中的人工智能教材：

王萬良《人工智能通識導(dǎo)論》高等教育出版社，20252第9章電子游戲中的人工智能人工智能游戲的快速發(fā)展，為計算機(jī)游戲產(chǎn)業(yè)提供了新的機(jī)遇，目前人工智能技術(shù)已經(jīng)成為優(yōu)秀計算機(jī)游戲開發(fā)中不可缺少的部分。本章首先從介紹史上最著名的人機(jī)游戲大戰(zhàn)，給出人工智能游戲取得的輝煌成就，也說明游戲成為人工智能研究中的“果蠅”作用，然后介紹人工智能游戲和游戲人工智能的概念、分類、使用的基本人工智能技術(shù)，最后簡單介紹掃雷機(jī)智能游戲開發(fā)和人工智能游戲的現(xiàn)狀與未來。3第9章電子游戲中的人工智能9.1史上最著名的人機(jī)游戲大戰(zhàn)9.2人工智能游戲9.3游戲人工智能

9.4掃雷機(jī)智能游戲開發(fā)9.5人工智能游戲的現(xiàn)狀與未來4

2.機(jī)器感知

此后的十年里，人類與機(jī)器在國際象棋比賽上互有勝負(fù)，直到2006年棋王姆尼克被國際象棋軟件深弗里茨擊敗后，人類再也沒有擊敗過電腦。9.1.1深藍(lán)戰(zhàn)勝國際象棋棋王卡斯帕羅夫5

2.機(jī)器感知

阿爾法狗與深藍(lán)等最本質(zhì)的差異：阿爾法狗不需要師傅，能根據(jù)以往的經(jīng)驗來不斷優(yōu)化算法，梳理決策模式，吸取比賽經(jīng)驗，并通過與自己下棋來強(qiáng)化學(xué)習(xí)。9.1.2AlphaGo無師自通橫掃世界圍棋大師6

2.機(jī)器感知機(jī)器博弈是人工智能研究中的最好試驗場

一是博弈問題非常復(fù)雜，能夠讓人工智能大顯身手。二是人工智能算法在博弈問題中容易實現(xiàn)，特別是人工智能算法產(chǎn)生錯誤不會產(chǎn)生重大損失。9.1.3人工智能研究中的果7第9章電子游戲中的人工智能9.1史上最著名的人機(jī)游戲大戰(zhàn)9.2人工智能游戲

9.3游戲人工智能

9.4掃雷機(jī)智能游戲開發(fā)9.5人工智能游戲的現(xiàn)狀與未來

89.2人工智能游戲人工智能游戲（AIGame）為計算機(jī)游戲業(yè)提供了新機(jī)遇，目前已經(jīng)形成了數(shù)十億美圓的產(chǎn)業(yè)。人工智能技術(shù)已經(jīng)是優(yōu)秀電腦游戲開發(fā)中不可缺少的部分，是游戲產(chǎn)品暢銷與否的一個決定性因素。應(yīng)用人工智能技術(shù)設(shè)計的游戲稱為人工智能游戲（AIGame），或簡稱為智能游戲。99.2人工智能游戲正如經(jīng)典游戲“小精靈”里的魔鬼、“Unreal”第一人稱射擊游戲（FPS）里的虛擬戰(zhàn)友，以及其他游戲角色，看起來都是具有智慧的生命，這種游戲可以認(rèn)為是有智能的。有人將游戲中的路徑搜索、碰撞檢測等，也列入游戲智能的范疇。在游戲中包括角色從簡單的追逐、閃躲、移動到復(fù)雜的神經(jīng)網(wǎng)絡(luò)和遺傳算法應(yīng)用等，體現(xiàn)角色行動的“自主性”，則說明游戲具有智能性。幾種游戲的智能性的觀點：109.2人工智能游戲人工智能游戲并不是特別關(guān)心智能體是否表現(xiàn)得像人類一樣，而是更加關(guān)心游戲人工智能的智能極限——能否戰(zhàn)勝人類的領(lǐng)域?qū)＜遥纾篧aston在智能問答方面戰(zhàn)勝了Jeopardy!超級明星KenJennings和BradRutter；AlphaGo在圍棋上戰(zhàn)勝了歐洲冠軍樊麾。目前最有影響的AI游戲比賽是國際機(jī)器人圖靈測試比賽。從商業(yè)角度，游戲產(chǎn)業(yè)主要關(guān)心的是采用新技術(shù)所帶來的效益。人工智能技術(shù)將成為游戲革新的新驅(qū)動力，帶來新風(fēng)格的游戲，為主流玩家提供令人興奮的效果，提供有助于市場競爭的新的計算機(jī)游戲產(chǎn)品。11第9章電子游戲中的人工智能9.1史上最著名的人機(jī)游戲大戰(zhàn)9.2人工智能游戲

9.3游戲人工智能

9.4掃雷機(jī)智能游戲開發(fā)9.5人工智能游戲的現(xiàn)狀與未來

129.3游戲人工智能適合游戲開發(fā)的人工智能技術(shù)稱為游戲人工智能（GameAI）。游戲人工智能算法不一定要滿足通用性，只要能夠使角色的行為在某些場合內(nèi)合理就行了。游戲中的活動對象分為兩類：一類是背景中的活動對象，如天上飄著的云、飛過的鳥等。需要掌握2D或者3D圖形、動畫技術(shù)，和藝術(shù)修養(yǎng)。但它們在游戲中無須人工干預(yù)，變化也不多，控制的邏輯比較簡單。另一類活動對象是游戲中的各種角色，或者稱為游戲代理，如虛擬的人、獸、怪物、機(jī)器人等。所有角色扮演類游戲都需要智能。139.3.2游戲人工智能的分類定性技術(shù)是游戲AI的基礎(chǔ)。用這些技術(shù)設(shè)計的角色行為是特定的、可預(yù)測的。這種技術(shù)實現(xiàn)容易，理解方便，也便于游戲軟件的調(diào)試和測試。在設(shè)計游戲時，游戲開發(fā)者必須考慮所有的可預(yù)測行為，而且無法幫助非玩家角色的學(xué)習(xí)或演化。在這種游戲中，玩家只要重復(fù)玩幾次游戲，便可知道NPC的定性行為，這樣，玩家就會失去游戲的興趣，從而影響游戲軟件的“生命”。游戲人工智能分為定性和非定性兩類。14非定性技術(shù)是定性技術(shù)的一種提高。用這些技術(shù)設(shè)計的角色行為具有某種程序的不確定性和不可預(yù)測性。在這種游戲中，NPC能夠?qū)W習(xí)到玩家的作戰(zhàn)行為，并推出新行為，甚至引發(fā)突現(xiàn)行為，也就是沒有明確指示而出現(xiàn)的行為。由于非定性的不可預(yù)測性，會給游戲軟件的調(diào)試和測試帶來一定的難度，但也增加玩家對游戲的興趣，延長游戲軟件的“生命”。游戲人工智能分為定性和非定性兩類。9.3.2游戲人工智能的分類15未來的游戲AI越來越注重非定性技術(shù)的研究與應(yīng)用。非玩家角色的行為從玩家那里學(xué)習(xí)，使玩家難以預(yù)測游戲行為，使游戲更具挑戰(zhàn)性。主流游戲Creatures，Black&White，Battlecruiser3000AD，DirtTrackRacing，F(xiàn)ieldsofBattle，HeavyGear等，都采用了非定性技術(shù)，并具有一定的學(xué)習(xí)功能。游戲人工智能分為定性和非定性兩類。9.3.2游戲人工智能的分類16使用定性技術(shù)，解決軟件的一部分調(diào)試和測試問題；使用非定性技術(shù)，增強(qiáng)軟件的智能性，賦予軟件更強(qiáng)的生命力和挑戰(zhàn)性。在使用非定性技術(shù)時，恰當(dāng)?shù)倪\(yùn)用定性技術(shù)，對軟件開發(fā)的周期、軟件質(zhì)量等環(huán)節(jié)都是非常有益的。目前，在人工智能技術(shù)中，采用神經(jīng)網(wǎng)絡(luò)、貝葉斯技術(shù)、遺傳算法、有限狀態(tài)機(jī)等用來實現(xiàn)游戲中的非定性行為。成功的游戲軟件采用定性和非定性技術(shù)相結(jié)合的方法。9.3.2游戲人工智能的分類179.3.3基本的游戲人工智能技術(shù)神經(jīng)網(wǎng)絡(luò)是基于生物大腦和神經(jīng)系統(tǒng)中的神經(jīng)連接結(jié)構(gòu)的一系列機(jī)器學(xué)習(xí)算法的總和。在具體使用中，通過反復(fù)調(diào)節(jié)神經(jīng)網(wǎng)絡(luò)中互連結(jié)點之間的參數(shù)值（權(quán)重）來獲得針對不同學(xué)習(xí)任務(wù)的最優(yōu)和近似最優(yōu)反饋值。GoogleDeepMind的AlphaGo使用值網(wǎng)絡(luò)用來評價棋局形式，使用策略網(wǎng)絡(luò)用來選擇棋盤著法，使用蒙特卡洛樹用來預(yù)測和前瞻棋局，試圖沖破人類智能最后的堡壘。神經(jīng)網(wǎng)絡(luò)18機(jī)器學(xué)習(xí)9.3.3基本的游戲人工智能技術(shù)1956阿瑟·塞繆爾的西洋跳棋程序僅通過強(qiáng)化學(xué)習(xí)算法自己和自己對戰(zhàn)就可以戰(zhàn)勝康涅狄格州的西洋跳棋冠軍。分類是有監(jiān)督學(xué)習(xí)方法，旨在具有標(biāo)簽的數(shù)據(jù)中挖掘出類別的分類特性，也是游戲人工智能的重要方法。GoogleDeepMind的圍棋程序AlphaGo就使用了監(jiān)督學(xué)習(xí)訓(xùn)練策略網(wǎng)絡(luò)，用以指導(dǎo)游戲決策；它的SL策略網(wǎng)絡(luò)是從KGSGO服務(wù)器上的30,000,000萬棋局記錄中使用隨機(jī)梯度上升法訓(xùn)練的一個13層的神經(jīng)網(wǎng)絡(luò)，在測試集上達(dá)到57.0%的準(zhǔn)確率，為圍棋的下子策略提供了幫助。199.3.3基本的游戲人工智能技術(shù)智能游戲的知識庫在表達(dá)上不像專家系統(tǒng)的知識庫那樣正式，但它們的效果是一致的，也就是模擬專業(yè)玩家的行為。游戲開發(fā)人員編寫知識庫控制角色的行為。但隨著游戲的日益復(fù)雜化，專家系統(tǒng)越來越難以建立?，F(xiàn)在有少數(shù)游戲?qū)＜蚁到y(tǒng)中引入機(jī)器學(xué)習(xí)。機(jī)器學(xué)習(xí)將在未來智能游戲開發(fā)中得到越來越廣泛的應(yīng)用。專家系統(tǒng)20搜索技術(shù)在游戲中應(yīng)用非常廣泛，特別是用于路徑規(guī)劃。在追捕游戲中，只要追逐角色與任一非追逐角色相鄰，所對應(yīng)的狀態(tài)就是目標(biāo)狀態(tài)。對于簡單的情況，廣泛采用寬度優(yōu)先和深度優(yōu)先等非啟發(fā)式搜索算法。但這需要指數(shù)級內(nèi)存來存儲游戲狀態(tài)的實例。在游戲設(shè)計中廣泛應(yīng)用A*算法，例如在追捕游戲中以兩點間歐氏距離為啟發(fā)函數(shù)。搜索是游戲設(shè)計中重要的研究內(nèi)容，例如，需要研究對抗搜索等方法。搜索技術(shù)9.3.3基本的游戲人工智能技術(shù)21在游戲設(shè)計中廣泛應(yīng)用模糊邏輯方法。例如用模糊邏輯控制隊友，或者其他非玩家角色，能夠?qū)崿F(xiàn)平滑運(yùn)動，看上去更自然。在戰(zhàn)爭游戲中，計算機(jī)軍隊可以根據(jù)敵軍的距離以及規(guī)模等用模糊邏輯評估玩家對計算機(jī)軍隊的威脅。距離用很近、較近、較遠(yuǎn)和很遠(yuǎn)等表示；規(guī)模用零星、少量、中等、大量等表示；威脅程度分為無、小、中、大等。根據(jù)玩家或者非玩家角色的體力、武器熟練度、被擊中次數(shù)、盔甲等級等因素，將玩家或者非玩家的戰(zhàn)斗能力分為弱、較弱、一般、較強(qiáng)、很強(qiáng)等。模糊邏輯9.3.3基本的游戲人工智能技術(shù)22這種技術(shù)廣泛應(yīng)用于智能游戲設(shè)計。游戲設(shè)計中為角色尋找最優(yōu)路徑。采用遺傳算法設(shè)計游戲時，可以定義一個考慮移動距離、地形坡度、地表屬性等要素的適應(yīng)度函數(shù)，從而達(dá)到較好的平衡，而不是僅僅找到距離最短的路徑。如果道路泥濘則該道路總的適應(yīng)度就小，選擇這條路的可能性就小。如果這條路短使適應(yīng)度增加，選擇這條路的可能性變大。對地形坡度的處理也是類似的。遺傳算法9.3.3基本的游戲人工智能技術(shù)239.3.3基本的游戲人工智能技術(shù)在游戲設(shè)計中，用一階謂詞邏輯描述變化世界的方法，稱為情景演算（situationcalculus）。用一階謂詞邏輯來計算給定情況下智能主體的應(yīng)有動作，用自動推理來決定達(dá)到最優(yōu)狀態(tài)所需采取的動作序列。正是由于需要智能角色去思考變化的世界，而情景演算正好適合描述變化的事物，因此得到較為廣泛的應(yīng)用。但它不適用于對性能要求很高的實時游戲中，而且用邏輯語言來描述復(fù)雜游戲是比較困難的。一階謂詞邏輯24決策樹表達(dá)一系列產(chǎn)生式規(guī)則if...then形式的條件判斷。許多諸如國際象棋和西洋雙陸棋等棋類游戲中成功采用了游戲樹和樹的搜索方法。決策樹很容易轉(zhuǎn)化為一組產(chǎn)生式規(guī)則。它在計算機(jī)游戲中經(jīng)常被用來表達(dá)控制器。決策樹的編程容易實現(xiàn)。非程序人員可以通過圖象用戶界面方便地建立與維護(hù)決策樹。如果每個葉節(jié)點所對應(yīng)的不是單一的行動選擇，而是一個所有可能行動的概率分布函數(shù)，那么，就成為隨機(jī)決策樹，可用于表達(dá)隨機(jī)化控制器。決策樹（DecisionTree）9.3.3基本的游戲人工智能技術(shù)25通過多個彼此競爭和協(xié)作的智能主體描述角色之間的交互。游戲中存在的眾多角色彼此既有競爭也有合作，因此可以用多智能體來自然地產(chǎn)生智能行為。智能體

9.3.3基本的游戲人工智能技術(shù)人工生命（artificiallife）由簡單的個體行為組合成復(fù)雜模式的研究，稱為人工生命。這是多智能體系統(tǒng)中的一種，著重研究如何為虛擬環(huán)境中的智能主體賦予某些生物體的共性。游戲TheSims和SimCity的成功證明了人工生命技術(shù)的有效性和娛樂價值。例如用人工生命設(shè)計群聚，控制對象的智能化運(yùn)動，協(xié)調(diào)多個智能主體的動作，使它們在整體上看起來像逼真的動物群。26第9章電子游戲中的人工智能9.1史上最著名的人機(jī)游戲大戰(zhàn)9.2人工智能游戲

9.3游戲人工智能

9.4掃雷機(jī)智能游戲開發(fā)9.5人工智能游戲的現(xiàn)狀與未來

279.4掃雷機(jī)智能游戲開發(fā)掃雷機(jī)能夠自己演化去尋找隨機(jī)散布的地雷。289.4掃雷機(jī)智能游戲開發(fā)基本方法是用一個神經(jīng)網(wǎng)絡(luò)控制一個掃雷機(jī)，它的權(quán)值用遺傳算法進(jìn)行演化，使掃雷機(jī)更聰明?？梢酝ㄟ^改變左右兩個輪軌的相對速度來控制掃雷機(jī)向前前進(jìn)的速度以及向左或者向右轉(zhuǎn)彎的角度。因此，選擇左右兩個履帶輪的速度作為神經(jīng)網(wǎng)絡(luò)的兩個輸出?？刂茠呃讬C(jī)的輸入信息是掃雷機(jī)的視線向量和從掃雷機(jī)到達(dá)其最近地雷的向量這4個參數(shù)。選擇幾個（例如10個）神經(jīng)元作為隱層，構(gòu)成一個三層BP神經(jīng)網(wǎng)絡(luò)。神經(jīng)元的非線性函數(shù)取S型函數(shù)。掃雷機(jī)能夠自己演化去尋找隨機(jī)散布的地雷。299.4掃雷機(jī)智能游戲開發(fā)30第9章電子游戲中的人工智能9.1史上最著名的人機(jī)游戲大戰(zhàn)9.2人工智能游戲

9.3游戲人工智能

9.4掃雷機(jī)智能游戲開發(fā)9.5人工智能游戲的現(xiàn)狀與未來31現(xiàn)階段游戲中的人工智能的局限性主要有：（1）游戲軟件的實時性限制了計算量較大的AI的應(yīng)用。（2）自于人工智能理論本身發(fā)展的限制。雖然專家系統(tǒng)、模糊邏輯、人工神經(jīng)網(wǎng)絡(luò)等方法漸漸為游戲AI開發(fā)者所考慮，但由于建模的復(fù)雜性，這些工具不能很好地求解游戲中的問題。（3）游戲中角色不是真正的智能體。而骨架動畫藝術(shù)創(chuàng)作的復(fù)雜度幾乎是無限的，甚至是通過動作捕捉技術(shù)實現(xiàn)?，F(xiàn)有的人工智能技術(shù)水平無法與之匹配。（4）游戲人工智能的主要目的是為了讓玩家產(chǎn)生真實環(huán)境的錯覺，并不是為了使求解問題的性能度量最大化。例如，游戲中一個按照路徑規(guī)劃算法尋路的對手，玩家可能認(rèn)為它的尋路能力過于完美，不符合人類真實的情況。9.