AI can be defined as "A way through which machine can be made to understand environment, logically reason the information and learn for acting better." -- [Preface] Trends in Ambient Intelligent Systems: The Role of Computational Intelligence

准备研读一下AI方面的东西，进而想阅读关于AR－AI相关联的。找到一个很有趣的ppt，是关于游戏中AI设计的。不得不说是个启蒙的好路子。

首先要有最初的分别：

以人为本的思考，以人为本的行动，以理性为本的思考，以理性为本的行动。智能的要求是以人的模式思维，同时行为也要。

http://games.ws.dei.polimi.it/wp-content/vdp/VDP2013-11-ArtificialIntelligence.pdf

(Artificial Intelligence for Games  http://ai4g.com/) 

这个ppt里提到的“好的AI”和“有趣的AI”两个概念。

然人想起当年相声大师侯宝林的训条“你是要当好演员还是著名演员！”

这种思维模式很正确，一个追求AI极致（目的是胜利，也就是痛扁玩家）。一个追求用户体验（目的是被花式吊打），算法基于不同意图。目标看你做什么。极致情况应该是往增强智能Augmented Intelligence 方向走吧。而fun的则是游戏中被主角虐或互动的npc们。前段时间腾讯游戏开发频道里有篇介绍设计BOSS的经典文章“大傻逼”。其中的傻就是指的此处的“有趣的AI”。

“好的AI” 为了胜利而玩／扮演

各种规律法则是定死的，对称，多玩家，无限制的策略，（适应）客观进化演变，与图灵测试相关。感觉到深深的“以不变应万变”的太极版独孤九剑。

“有趣的AI” 为了失败而玩／扮演

各种规律法则不断演化，不对称，单个玩家，有限制的策略，主观演化，不相关。感觉就是“玩家虐我千百遍，我待玩家如初恋”。

AI在（有画面的）游戏中

在电子游戏中，AI扮演非玩家的所有角色。需要（根据设计的诱因）产生意图，然后（表演）程序动画 （不能光想啊，要让玩家看到反应，就如黑魂和血缘里玩家对防火女／木偶做动作得到不同表情回应一样），对玩家行为进行分析，自适应游戏，（未完自己去琢磨或者翻书吧）

对游戏AI的定义

在游戏流程中控制所有的（非玩家）角色。

决定：做什么，在哪做，如何做，什么时候做。

敌对，同盟的AI

路径计划（计划通），同时避免冲突

选择不同的动画。

例子🌰

Nascar 2002：每个家使用拥有各自的性格和独特的驾驶风格。

魔兽3: 友方npc会侦查周边区域然后定制战斗策略。

模拟人生：npc拥有各自性格，特征，需求

AI控制NPC的方式

一般模式：通过感受器，找出诱因，做出反应。

演化型AI：鲁棒式解决问题，时间需求，空间需求，实际足够

反应时间要求：30 fps，33ms／frame，AI要在1-3ms内做出反应，为每个单位作出计划的时间大概在100ms。 

游戏AI应该怎么做？

1. 尽量靠近玩家的规则和局限性（这样才能公平地游戏）

2. 在策略游戏中，人类玩家只能看到部分地图，AI应该一样。

3. 在一些特别情况／环境下，AI反应不好，比如黑魂中，npc很容易跌落悬崖，或者卡在某个地方。

4. 作为权宜之计，AI系统要适当“作弊”

AI如何作弊？

对世界了若指掌，知道玩家位置，玩家的手牌，玩家的资源

主流AI技术

1. 有限状态机：

用状态值作为输入，并转化为表现，这种机制过去常用

2. 生产系统（对输入进行分析）

大体上是一套if-then-else规则

在冒险游戏中十分管用。输入和状态的组合可以诠释一个情境。

3. 搜索

置换出所有可能的游戏板块状态来试图预测应将发生的。（象棋）

4. 计划系统

用来决定最佳配置，从一个开始状态到一个结束状态。比如组织一个组单位来达成一个目的。

5. 代理和多代理系统

用来模块化单个或多个NPC

6. 人工人生／生命

多代理系统试图用生活体系来模拟AI代理，如模拟人生还有孢子。

7. Flocking积累

用来控制大群单位的组织和行动，比如鸟群或者军队。

有限状态机

第一个有AI机制的游戏是Pong

然后讲了经典的吃豆人的案例：三个状态模式：追捕，散漫，受惊

低级时只有一个小鬼在一心追吃豆人，高级时两个，另外两个只有大概三分之二的时间在追吃豆人。

这也是有限状态机的雏形。

有限状态机概念平易近人，容易实现，而且已经有很多中间件可用比如Unity AI。

缺点是：很快就会变的巨大，而且笨重。很难Debug！！！很难扩展！有大量重复代码。

总之有限状态机已经过时了。还罗列了十宗罪。

挑简单的：low，逻辑限制多，需要用户扩展，很难标准化，无法协商，在同步上问题很大，规模小。新技术已经来了。

现在流行Scripts with coroutines 协同程序脚本

游戏AI的进化

格斗游戏最先引进了复杂complex AI

这是基于用户行动，位置以及游戏状态

第一步：用户的行动和位置将在一个检索表中搜索，并且得到最相似的值，找到对应的反应决定。

第二步：用minimax or minmax算法来搜索可能的状态空间并决定最好的可行性行动。

2001年的“黑与白”就是个例子。

pathfinding

四个表现：网格，航点图，导航网，Delaunay Triangulation

内容不少，跳过了

behavior trees 行为树被广泛运用

1 在系统中：角色AI，Squad（队）逻辑，策略AI，指导，AI指挥

2 构造引擎中：CRY，Unity，Evolution

3 游戏例子 很多

Node选择：

优先：子节点被按照顺序审查，直到有一个通过审核

顺序：第一个子节点被审核并运行，当其运行结束，再开始审核下一个

随机：所有子节点都被审核，每次随机选一个来审核

图例

行为树是状态机的进化版，增加了限制，同时又有更多适合的结构遍历

叶节点leaf node：

行动：实现一个动作或者游戏世界状态改变，比方说计划一个路径，并且随之移动，感知最近的敌人，作出特定动作，换武器，播放音效等等。第二点看不懂

判断：检查特定的动作或某些游戏状态，中间中断整条结束，第二三点看不懂

情绪，互动，慢慢悠

说了一段挺有意思的话，老式的AI按照指令行动，而如今的AI在面对命令时，有了选择。（通过情绪，或者是你设定的情绪）

心理学情绪模型：

喜悦：积极反馈，在一瞬间达到峰值，随时间降低

恐惧：被动消极，逐渐达到峰值，主要发生在安全的环境中。

其它感觉：成功／失败，危险／安全，期望，信任，惊喜，厌恶，预期。

多样Diversity：两个单位永远不会有完全一样的情绪应答（应该是随机的）

立体化动作表现：比如恐惧：角色就会产生快速的头部动作，低姿态，双眼膨胀；又比如开心：微笑，身体拉直，缓慢而优雅的动作（踢起小碎步）。

案例Left4Dead

和另外三个角色合作完成游戏。

从反恐精英吸取的经验：单调不变的战斗是厌倦的。长周期令人乏味。

游戏强度的峰值和低谷值是不可预测的时候，可以营造出一个非常具有吸引力和重玩体验的效果。比如黑魂，宫崎英高就是牢牢抓住了这点。即使是同样的情境，几乎一样的地图，达到了完全不同的体验。

插一句，对比猫里奥，黑魂的故事性和内涵以及艺术设计更是其成功的主梁。

总之，要通过心理学分析，在适当的时候刺激玩家。Fun AI。

以Left4Dead为例,运用了一个有趣的算法来使AI更戏剧化

1.估算每个幸存者的“情感强度”

2.追踪四个幸存者强度的最大值

3.如果强度过大，出去主要威胁一会儿

4.相反，创造一个有趣的威胁

感觉就是要把玩家控制在心流之中，AI指挥会在幸存者情绪稳定时创造单位（来袭击），情绪过于不稳定时降低进攻。

进化算法

将系统的性状编码成基因的形式。用变异和交叉来产生并保留合适的性状，从而达到不断进化的目的。

更聪明。

［ppt结束］

另外：

发现一本论文集挺有意思，Transactions on Edutainment XII,但还是有点贵。Edutainment = 寓教于乐.

公开课资料 http://www.techug.com/awesome-artificial-intelligence