個人談AI 在現(xiàn)代游戲中的應(yīng)用

.ai文件修復(fù)工具(Illustrator Recovery Free)1.0.0.0 綠色版

• 類型：圖像處理大�。�1.7M語言：英文 評分：4.6
• 標(biāo)簽：

立即下載

我想說明的是，這只是我開始初涉人工智能知識的思考日志。

一款有趣的游戲，必定需要游戲中各個環(huán)節(jié)的出色的發(fā)揮，比如人工智能模塊的提現(xiàn)。還記得早期的電視游戲中的那些通關(guān)秘技嗎？其實，當(dāng)你在享受通關(guān)的快樂的時候，這款游戲可玩性也大大是縮短了。那么，如果Boss“學(xué)會”了思考呢？于是更智能的Boss出現(xiàn)了。

需要說明的是，其實游戲中人工智能只能算是人工智能，這個深奧的領(lǐng)域的一部分，它具有人工智能的一部分特性，但卻又不完全的等同與人工智能。所以，也許Artificial Intelligence，這個名字更好些。

既然是人造智能，那它必然需要一個載體，比如人的智慧在人體的大腦中，而這里所說的AI的載體，當(dāng)然指的是計算機(jī)了。

先來看下以往游戲的AI應(yīng)用。它們大部分是以兩種方式來體現(xiàn)的。第一種，嚴(yán)格意義來說并不能算是AI，因為它使用的是作弊機(jī)制，即，在判斷行為之前，機(jī)器人是獲取得到對方的準(zhǔn)確數(shù)據(jù)指標(biāo)的，從而根據(jù)開發(fā)者的定義來決定對拿到的這份數(shù)據(jù)做什么，這種情況下，機(jī)器人只有不想贏，沒有贏不了。第二種則在Half-life中體現(xiàn)的非常不錯，它有很好的AI機(jī)制，有些遺憾的是，它基于了大量的腳本化操作。

那如果我要撇開這兩種方式，讓AI更加名副其實呢？神經(jīng)網(wǎng)絡(luò)系統(tǒng)？或許有些宏大，但我想我可以學(xué)習(xí)其中一些概念。

首先，在我的思考里，有這樣一個初步的模型。

創(chuàng)造機(jī)器人，將是第一步。人對事物的容載量是在腦細(xì)胞可以承載的范圍內(nèi)，同樣，在AI機(jī)器人創(chuàng)建和使用的時候，就有必要對當(dāng)前載體——計算機(jī)的情況做一個評估，以保證合理應(yīng)用硬件資源。就好像人類先天的天賦，這將決定后面機(jī)器思考的范圍和深度。

其次，賦予情感。人類對事物的判斷，大致上基于兩方面的信息：情感和思維判斷。在這里，感覺也屬于情感的系列。我們希望即便是機(jī)器人，也能有些性格，這樣，或許看起來更豐富些，此外就像人一樣，當(dāng)自身的思維判斷不足以作出動向的時候，就需要“感覺”去做，這，符合人類的習(xí)慣。

再次，是計算機(jī)最擅長的方面：思維邏輯。因為在上一條，我們已經(jīng)撇開了情感這種感覺類因子，所以這里的邏輯判斷，也就類似人類的純常識性判斷，即，根據(jù)存儲數(shù)據(jù)，以學(xué)習(xí)到的思維模式去求解，這應(yīng)該是整個AI模型中很重要的一部分內(nèi)容。

情感與一些能力是人類的先天屬性，AI機(jī)器人同樣也需要它們，我想，或許承載它們的是一種合理的，高效的數(shù)據(jù)結(jié)構(gòu)。

有了上面的思考，我的心中有了這樣一個模型，或許它很初步，或許它很幼稚，或許它很不合理，但卻是我了解這部分的開始，我希望它可以產(chǎn)生很多錯誤，這樣我就可以不斷的糾正自己。

這個模型的定義應(yīng)該是分為兩個方面的：AI機(jī)器的先天屬性和后天處理。

先天部分，應(yīng)該充分利用Script System，它有利于定義出一些誕生以后就不太需要改變的東西，就好像人一樣，在這個部分應(yīng)當(dāng)包含一些FSM,FuSM,和Message，這其中包含了一定的自我修復(fù)能力，當(dāng)然了，也可能被損壞，這應(yīng)當(dāng)是被允許的。同時它的極限能力，則是AI系統(tǒng)的運轉(zhuǎn)能力。

這個過程，可能以GA的方式為統(tǒng)籌處理以便達(dá)到生產(chǎn)，自我修復(fù)，接受修復(fù)，等能力的實現(xiàn)。因為我們的定義是要應(yīng)用于游戲中，所以在設(shè)計的時候，應(yīng)該注意到GA的缺點，并做出反應(yīng)。當(dāng)然，它不會是這部分的核心而是一個很好的統(tǒng)籌輔助，比如全局?jǐn)?shù)量性的問題，一些非線性，非連續(xù)的處理，GA都能夠很好的勝任。而它的不足之處也是它不能作為這部分核心的主要原因：時間成本，算法的隨機(jī)性（在接收到的提示出現(xiàn)問題的時候），此外還有因為heuristic technique，而始得得到的答案未必是最優(yōu)的，此外重要的是，GA調(diào)試起來非常麻煩。還有些其他問題。所以，我們要做的應(yīng)該是讓GA的優(yōu)點極限發(fā)揮。同它一起協(xié)作輔助的還有ACO，Coevolution，AGA等。

后天的思維模式，將會是基于NN的。它與GA看起來有些地方類似。當(dāng)然它也有調(diào)試?yán)щy和學(xué)習(xí)周期等問題的存在，所以，初期只打算讓它有個簡單的雛形存在。除了NN，后天部分還打算具有一些Artificial Life，Planning Algorithm，Production Systems，Decision Tree，F(xiàn)uzzy Logic等等。

兩個部分想要以Layered Architecture的分布方式去架構(gòu)，當(dāng)然了，我很清楚，學(xué)習(xí)是一個過程，我的想法是在實踐中掌握。

初期，就從一個機(jī)器人智能對話的程序開始吧。