淺談游戲開發(fā)中的人工智能技術

[摘要] 當今的游戲產(chǎn)業(yè)以驚人的速度蓬勃發(fā)展，探索游戲開發(fā)中的關鍵技術——人工智能（AI）技術，挖掘當今游戲產(chǎn)業(yè)發(fā)展的內幕；預測游戲業(yè)發(fā)展的未來。

[關鍵詞] 游戲人工智能 遺傳算法 AI技術

一、游戲與人工智能

當今游戲產(chǎn)業(yè)正不斷擴展，吸引著更多新的玩家，并以史無前列的速度蓬勃發(fā)展。隨著新的游戲機和PC平臺不斷涌入市場，為游戲開發(fā)者提供了充裕的物質條件：更大的記憶空間，更快的CPU速度，更多的連接選項和更高的視頻分辨率。但同時也讓他們面對更多的取舍與重點選擇。新游戲應更關注視頻分辨率還是碰撞的真實感呢？在游戲速度方面，經(jīng)過一年多甚至更長時間制作完成的游戲，在上市時，能夠在那時的主流機上作何種程度的開發(fā)呢？如何使我們的游戲優(yōu)于競爭對手的產(chǎn)品呢？

游戲人工智能（AI）的應用使游戲開發(fā)發(fā)生了質的飛躍。 高質量的游戲AI已不再僅僅為提高幀率而考慮，而是促進還是阻礙游戲產(chǎn)品暢銷的一個決定性因素。因此，游戲開發(fā)者竭盡所能研究新的AI技術，以構筑更好、更聰明的游戲AI，以盡可能吸引多的玩家，提升產(chǎn)品銷量。例如，多年來開發(fā)者利用AI開發(fā)的經(jīng)典游戲“小精靈”（pac-man）里的魔鬼、“Unreal”第一人稱射擊游戲里的虛擬隊友，以及許多介于兩者之間的其他游戲角色，在游戲中看起來都具有智慧生命，因此，這類游戲頗受市場歡迎。然而，開發(fā)者的理想不僅僅局限于此，他們想使AI不僅能創(chuàng)造有趣的游戲對手，能夠與玩家交談（talk），能和眾多的在線冒險家周旋（interact with），能在游戲中不斷學習，使它在下一輪的游戲中變得更加聰明機智。

二、現(xiàn)有的游戲AI技術

1.也許，游戲中最廣泛使用的AI技術就是弊端。例如，在戰(zhàn)爭模擬游戲中，由計算機控制的玩家，可以得知對手（人類）的所有信息，根本不用像人類玩家那樣派出偵察兵去收集情報。這種作弊手法是很常見的，讓計算機可以比人類玩家取得某種優(yōu)勢。作弊必須采取中庸之道，替玩家創(chuàng)造足夠的挑戰(zhàn)性，讓游戲既有趣又好玩。

2.作弊不是惟一常用的現(xiàn)有AI技術。有限狀態(tài)機（finite state machine， FSM）是到處可見的游戲AI技術。

3.開發(fā)者時常在模糊狀態(tài)機（fuzzy state machine）中用到模糊邏輯（fuzzy logic），讓最后執(zhí)行的動作難以預測，減少必須以if-then 語句大量列舉條件的負擔。

4.在各類游戲中，非玩家角色的基本任務，是必須快速地找出有效的路徑。在戰(zhàn)爭模擬游戲中，非玩家角色的軍隊必須能夠通過各種地形，避開各種障礙物，抵達敵軍所在地。第一人稱射擊游戲中的生物，必須能夠通過地牢或建筑物，以便和玩家相遇或逃離玩家的視線。

5.替玩家做出有挑戰(zhàn)性的游戲環(huán)境是游戲設計師的職責。事實上，游戲在開發(fā)時大部分都是在平衡這個游戲世界。游戲必須讓玩家覺得有足夠的難度，既能調動玩家的興趣又不使玩家受挫。有時玩家會發(fā)現(xiàn)一些漏洞或竅門，也就是作弊。替不同技巧水平的玩家，做出一個真正平衡而又有挑戰(zhàn)性的游戲，那是一項艱難的任務。所幸，遺傳算法（genetic algorithm）可助一臂之力。

在真實世界中，物種會不斷演化，試著在其環(huán)境中很好地適應。這些物種都是最適宜繼續(xù)存活下去的生物。1859年，達爾文在其著名的《物種起源》一書中提出這個規(guī)則。最能夠在當下環(huán)境中生存下去的物種，就能將其特征傳遞給下一代。個體的特征都編寫在染色體內。到了下一代，這些染色體會通過交叉（crossover），把染色體結合起來。交叉是后代重組染色體的方式。如圖1說明了此過程。

圖1交叉

在圖1中，我們使用隨機字母來表示染色體。雙親中的每一位，都會將其一半的基因傳給子代。然而，現(xiàn)實世界中不一定完全遵守這種交叉過程，隨機突變也會發(fā)生，如圖2。

圖2隨機突變

隨機突變是大自然嘗試新事物的方式。如果某項隨機突變改良了該物種，就會傳給未來的后代。如果沒有，就不傳遞下去。上一代最優(yōu)良的生物做這個固定的染色體重組，再配合隨機突變，就能使得生出的后代適應能力更強，從而在其環(huán)境中繁衍不息。我們可以在游戲中應用相同的概念。就像在生物世界中那樣，游戲世界中的元素也可以演化，并適應變動的形式。

這些只是現(xiàn)有游戲AI技術的少數(shù)幾種，其他還有以規(guī)則為主的描述式系統(tǒng)，以及某些人工生命技術，種類繁多，這里不一一列舉。

三、游戲AI的未來

游戲AI的下一件大事就是“學習”。游戲上市后，所有非玩家角色的行為，不再事先按排，游戲玩得愈久，游戲就會更多地演化和學習，更具適應性。這樣的游戲會跟玩家一起成長，玩家也難以預測游戲行為，因此就能擴展游戲的生命周期。游戲會學習并演化，造就了本身無法預測的本質，很顯然，這讓AI開發(fā)者帶著相當大的惶恐去探索“學習”技術。

“學習”與“角色行為反應”技術，屬于非定性AI的范圍，這種技術要花費很長時間開發(fā)和測試。再者，要了解AI究竟會做什么也很困難，這就使得調試更加困難。已經(jīng)證實這些因素是“學習”AI技術得以廣泛應用的巨大障。不過這一切都在悄然地發(fā)生改變。

注：本文中所涉及到的圖表、注解、公式等內容請以PDF格式閱讀原文。