游戏AI与理论AI的区别：游戏AI是智能假象吗？
目录游戏AI是什么？游戏AI和理论AI
但是，值得注意的是，游戏AI和理论研究的AI存在不同之处 。
我们平时熟悉的人工智能，大多指的是理论AI ，比如深度学习 ，还有机器学习 。
游戏AI常常很少运用理论AI流行的技术，比如神经网络、深度学习等技术 。
智能的假象
游戏AI主要是由程序员预先定义编写好可能发生的行为，它不具备理论人工智能所拥有的自我“学习”特性 。
因为游戏AI主要职责是模拟出智能行为，而并非学习
请你提供一下具体需要改写的句子内容呀，这样我才能按照要求进行改写。
可以说游戏AI是智能的假象。
要是游戏功能需要进行自我学习，要是游戏功能需要尽可能做出最优策略，那就更应该使用理论AI（也就是我们熟悉的那个人工智能），通过神经网络来实现，通过深度学习等流行技术来实现。
例如：围棋AI阿法狗，DOTA2的
（更新）游戏AI和机器学习
以前觉得机器学习要应用于游戏AI，还远得很。
最近看了一些资料，之后尝试玩了玩Unity机器学习，这才发觉机器学习在游戏AI领域占据一席之地存在可能性以及发展趋势 。
这使我对游戏AI的看法产生了改变，这也使我对理论AI的看法产生了改变，所以下面的介绍会提及机器学习。
因此现在看来，理论AI可归纳为游戏AI的一部分 ，游戏AI应分为人工制作的 ，以及机器学习训练的 。
介绍一些游戏AI4X游戏AI
以《群星》《文明》《王国风云》等为代表的游戏，属于战略游戏的一种，其主要有四个游戏目的，分别是：
（探索），（扩张），（掠夺），（毁灭）。
为了使玩家在4X进程中遭遇阻碍，4X游戏AI必须足够聪慧，进而做出决策。
但同时，为了不让玩家觉得无法取得胜利，它往往不采用最优策略，而是采用更“人性化”的策略。
（例如反应延迟，走的路径稍微扭曲，模糊决策等做法）。
《求生之路》系列
《求生之路》是一款FPS游戏，很难讲其中的怪物有多智能，它们本就应是愚蠢且凶猛的。真正有技术含量的是其“导演系统”，AI是后台核心，会依据玩家在游戏里的具体表现调控游戏节奏。怪物出现的地点、数量，道具刷新位置等，再配上根据形势动态变换的音乐，给用户带来了更真实的游戏体验。
角色扮演/沙盒游戏中的NPC
在一些自由度较高的游戏里，为使玩家更好地融入这个世界，游戏会对NPC做诸多详细设定，像在《巫师》系列中，每个NPC都有自身性格设定，还有会话数据库，能让他们开展丰富动作与对话，GTA这种沙盒游戏更是如此。
游戏AI 需要学些什么？
下面列出部分游戏AI所需掌握的知识和简要介绍：
自治智能体
智能体，简单来说就是包含AI的对象物体，这些对象常常具备自治动作，也就是在特定情况下知道做出何种反应，在《看门狗》《GTA》中，街上行走的人或者行驶的汽车就是自治智能体，若主角开车冲向它们，这些自治智能体能够自行判断并做出躲避动作。
群体智能
正如其名称所示，与自治智能体相反，“群体智能”通常用于编队的人工智能或者集群的人工智能，比如在足球游戏中，人工智能操控一方的所有球员相互配合传球踢球，又如在射击游戏里，人工智能操控一支小队运用战术进攻据点。
感知
智能体获取的信息总是受限的。引入“感知”概念，模拟智能体的感官，使智能体获取一定程度的信息，用于后续的决策判断。
可参考：游戏AI之感知（1） -- 博客园
状态机（重要）
“状态机”是一种设计模式，它能表示状态，还能控制状态切换，常被用于设计某种东西的多个状态。
一个人存在站立的状态，存在跑动的状态，存在走路的状态，存在蹲下的状态，存在开火的状态等...
当它应用于游戏AI时，它能够作为AI的决策结构，以前老游戏的AI决策结构几乎都采用状态机 。
可参考：游戏设计模式——有限状态机 -- 博客园
可参考：游戏AI的决策结构，即有限状态机/行为树（2） -- 博客园
行为树（重要）
“行为树”是一种决策模式，它以树状结构来表达 ，它还是一种设计模式 。它也是现代游戏AI最常用的决策结构 。
https://img1.baidu.com/it/u=76536217,3434492805&fm=253&fmt=JPEG&app=138&f=JPEG?w=500&h=645
可参考：游戏AI之决策结构—有限状态机/行为树（2） -- 博客园
寻路/搜索/规划（重要）
“寻路”是游戏里很常见的操作，常用的算法有A*算法，若要更优化，寻路则依赖规划网格 。
可参考：A*寻路算法 -- 博客园
“搜索”实际上应当与寻路合并，只是游戏AI或许会用到图搜索。
在《群星》当中，借助一条条“航路”，千千万万个星球被连接起来，此时，每当AI进行决策派遣舰队之际 ，
需要考虑到达这张“图”的各个星球的权值和最优期望。
“规划”是对游戏进行预处理，比如提前构建路线，划分区域等，这样在游戏进行后，就能利用预先处理好的数据进行高效的算法操作。
可参考：游戏AI之路径规划（3） -- 博客园
黑板
“黑板”指的是可访问的共享数据，其作用是实现多模块间的数据共享。编写游戏AI引擎时，各模块之间的通信难以避免，而采用黑板模式是非常好的选择 。
可参考：游戏设计模式——黑板模式 -- 博客园
模糊逻辑(不常用)
要让游戏AI更加人性化，模糊逻辑是非常必要的。制作游戏AI时，通常不是要做出最优解，而是要做出类似人类的解。
在某些特定的时候，比如说，某个AI战斗结束以后，进行判断，要是子弹数量少，那就回基地去取弹药。
“子弹数量少”这个条件就可以做成一种模糊逻辑条件。
可参考：游戏AI之模糊逻辑（4） -- 博客园
杂项技巧
这里存在着各种各样的杂项技巧，还有欺骗玩家的障眼法，这也是老鸟们口中所说的“Trick” 。
运用“抖动”“平滑”等技巧，能够增强拟人性，能让AI变得像人一样愚笨 。
脚本驱动（重要）
使用脚本，能够随意编写出逻辑代码，无需再次进行编译，进而极大减少修改逻辑所需的成本。
游戏AI的逻辑修改常常十分频繁，采用脚本编写AI逻辑显然是必不可少的。
此外游戏程序最常用的脚本语言——Lua.
可参考：C++ 与 Lua 交互的配置、交互原理及示例 - 博客园
机器学习（有潜力）
机器学习训练出游戏AI的优势在于：
但缺点也是有的：
因此目前来看，机器学习训练出的AI可用于进行简单交互，比如能让类似看到人就跑的小动物来实现，更复杂一些的是，会有遵守交通规则的路人或车辆来达成 。
若对Unity的机器学习插件感兴趣，那就用Unity的ml-机器学习打造一个游戏AI吧，这里还有环境配置相关内容，来自博客园
用 Unity 借助 ml-机器学习打造一个游戏 AI，这是入门 DEMO， 博客园
游戏AI 基本设计
实际世界的智能：
一个正常的智能体，要先感知周围的事物，之后才能思考下一步该做什么，最后才能做出反应行为。
基于这个便自然而然分出以下三个模块：
感知
一般的游戏AI，首先需要获取到感知的信息。
例如：
<p><pre> <code class="language-cpp"><code>class AgentPerception {
public:
//进行一次感知探测
void check();
//访问感知目标结果
信息，获取检查结果（常量）；
private:
//...
};</code></code></pre></p>
决策
https://img1.baidu.com/it/u=3862399783,3199389646&fm=253&fmt=JPEG&app=138&f=JPEG?w=797&h=500
决策模块通常会对感知信息展开分析，接着进行计算，最后输出接下来想要做的行为所产生的结果。
例如：
可以将决策模块想象成一个大脑 ，为了进行类比 ，能够把下面的 “决策模块” 字样视作 “大脑” 。
决策模块可以获取智能体模型的感知信息，对这些信息进行分析，然后返回行动决策。
<p><pre> <code class="language-cpp"><code>class AgentBrain{
public:
//计算得出智能体的决策
计算决策（智能体*智能体）
//获取感知信息
信息与信息，等于智能体调用其感知模块获取的结果 。
//根据感知信息，让寄主执行行为
if(information...){
返回决策（移动到，……），此为移动到……的决策 。
}
if(information...){
返回决策（攻击），此决策为攻击决策 。
}
//....
}
private:
//...
};</code></code></pre></p>
行为
一般的游戏模型要提供相应的行为接口，行为模块负责处理决策，行为模块执行对应的行为。
<p><pre> <code class="language-cpp"><code>//一个智能体类例子
class Agent{
public:
//智能体的各种行为接口
//...
声明一个函数，函数名为moveTo ，该函数接受一个常量引用参数，参数类型为Vector3 ，参数名为pos ；
void attack();
protected:
//智能体的各种变量
//....
Vector3，这是一个变量名，mPosition，它表示当前位置 。
定义一个整型变量mAttack，用于表示攻击力。
创建一个名为ViewPerception的视野感知模块，将其命名为mPerception 。
};</code></code></pre></p>
<p><pre> <code class="language-cpp"><code>class AgentAction{
public:
//处理决策，让智能体执行对应行为
定义一个函数，名为doAction，该函数带有两个参数，一个是Agent类型的指针，名为agent，另一个是const修饰的Decision类型的变量，名为decision；
};</code></code></pre></p>
小结
这样，一种简单基本的设计就浮现了：
页:
[1]