一.遊戲AI
遊戲AI（Game AI），是指在遊戲中，由已經寫定好的程序控制的“類人化玩家”，俗稱電腦玩家。一般的遊戲AI能夠擁有對真實玩家的一系列操作感知的能力並對此作出交互行爲，比如：攻擊（Attack），逃跑（Run away）等。而且AI所做出的反應並不是憑空生成，而是通過模仿真實玩家的操作使其行爲富有“智能化（Intelligent）”。
需要注意的是，一般的遊戲AI與我們討論計算機視覺、自然語言處理等領域時所說的AI（人工智能）並不相同，考慮到遊戲的開發成本，週期以及家用計算機處理能力，遊戲AI的智能度相對較低。不過隨着硬件的發展，遊戲AI始終會朝着真正AI的方向發展。
遊戲AI中通常分爲定性和非定性兩種。
- 定性：定性即AI的行爲是人爲設計好的，只有true（做出反應）或false（不做出反應）。比如說怪物AI，感知到玩家進入視野範圍，就會往玩家此時的方位移動，AI不會思考玩家是否攜帶武器，是否處於某種狀態之類的情況。
- 非定性：非定性即AI的行爲有一部分是不可預測的，具體實例是讓AI角色學習到適應玩家的行爲。這樣的學習能力可以利用人工智能的神經網絡、貝葉斯技術或遺傳算法得到。該技術可以讓 AI 自主進行學習，並進化出新的行爲，增加遊戲可玩性。開發者也無需考慮到AI在遊戲中所出現的所有情況，可以減少定性AI所產生的一些BUG。目前已經有一些3A開發廠商開始對這一方面進行深入研究。
目前遊戲AI基本歸結爲三個部分的能力：感知，思考，動作。
- 感知：是指能夠察覺到周圍環境變化，如玩家進入視野，AI受到攻擊等。
- 思考：是指能夠對感知到的事物進行一個選擇反饋，“思考”該做出什麼行爲，這是AI中最主要的組成部分。
- 動作：是指AI通過思考得出結果並根據該結果在遊戲做出實際的行爲，攻擊，逃跑，交流等都屬於這一類。
二.遊戲AI的基本實現方式
Ⅰ.樸素AI
樸素AI指的是僅僅使用簡單的分支語句（if…else或switch…case）對AI的行爲進行判別和分類。
舉個栗子，一個敵方士兵在基地站崗，擁有以下幾個基本行爲：
- 玩家未靠近時自動巡邏
- 玩家靠近基地時(5m)向玩家移動
- 碰見玩家(<2m)就進行攻擊
- 血量低於30%時尋找掩體並躲起來
- 血量爲0時死亡
IF…ELSE實現：
if(AI.HP == 0){
AI.Dead();
}else if(AI.HP > 0 && AI.HP <= 0.2){
AI.FindBunker();
}else if(AI.Distance - Player.Distance <= 2){
AI.Attack();
}else if(AI.Distance - Player.Distance <= 5){
AI.MoveToPlayer()
}else{
AI.Patrol();
}
由於遊戲中有多種AI，每種AI的行爲方式不盡相同，用這種方法我們需要爲每一種AI單獨寫一份代碼，幾乎沒有可重用性，會使開發人員的工作量增大。但是因爲樸素AI的效率高，代碼直觀，所以一般用在項目初期的測試以及應急時期。
Ⅱ.AI有限狀態機 (Finite-state machine,FSM)
有限狀態機是一種抽象機制，通常設定了各種不同的預定狀態。有限狀態機也可以定義一連串的條件，以便確認何時應該改變狀態，當一個事件的發生，將會觸發一個動作，或者執行一次狀態的遷移。FSM中一定存在兩種狀態–初始狀態和結束狀態，在啓動一個FSM時，首先必須將FSM置於“起始狀態”，然後通過輸入一系列操作，最終，FSM會到達“結束狀態”或者“消亡狀態”。
任何一個FSM都可以用狀態轉換圖來描述。這裏我仍然拿上一個栗子來說，下面是一個實際栗子的狀態轉換圖：
簡單的FSM代碼：
private Enemy enemy = new Enemy();
public void EnemyAction()
{
if(enemy.HP){
status = AI.Dead();
}else if(enemy.HPLower){
status = AI.FindBunker();
}else if(enemy.CloseToPlayer){
status = AI.Attack();
}else if(!enemy.CloseToPlayer && enemy.DistanceToPlayer){
status = AI.MoveToPlayer()
}else{
status = AI.Patrol();
}
}
FSM相比於樸素AI的優點：
- 可以通過分類封裝接口，讓每一種AI調用接口來實現狀態的遷移
- 不需要實時計算各類函數，減少計算產生的損耗
但是也有缺點：
- AI越智能，狀態流程圖就越複雜，後期難以維護
- AI的功能難以擴展，新加狀態的時候需要考慮目前狀態間的關係
Ⅲ.AI行爲樹 (Behavior Tree,BT)
Behavior Tree是一種樹狀的數據結構。每次調用都會從根節點開始遍歷，自頂向下，通過一些條件來檢索這顆樹，最終確定需要做的行爲並執行。下面是一個簡單的行爲樹：
在遊戲中，行爲樹的父節點統稱控制節點，而子節點則稱行爲節點。
- 控制節點：當AI接收到來自遊戲中的某一條件時，就會開始遍歷這顆行爲樹，例如：Attack的時候就會從根節點遍歷到Attack這個節點上去，並且執行該節點下的行爲。這時候的控制節點的作用就是接收信息並對信息進行決策篩選，它沒有執行具體操作的功能。
- 行爲節點：行爲節點處於樹的最底端，是最後一個接受信息的地方，意味着它需要對控制節點篩選出來的信息進行具體的操作反饋，是執行具體狀態行爲的地方。
事實上，行爲樹又稱決策樹，因爲整棵樹最主要的部分是控制節點，它需要對條件進行決策，判斷出需要執行的正確的行爲。
行爲樹的優點不僅在於它邏輯清晰，而且我們可以對其控制節點自定義判斷。一般簡單的自定義控制節點有三種：
- 選擇（Selector）：根據條件信息，只選擇其子節點的某一個執行。
- 序列（Sequence）：根據條件信息，將其所有子節點依次執行一遍，只有當前一個子節點返回“完成”狀態後，才能繼續運行下一個子節點。
- 並行（Parallel）：根據條件信息，將其所有子節點都運行一遍。
不過單獨使用行爲樹也是有缺點：
- 行爲樹後期分支數量龐大，每次遍歷尋找合適節點的過程消耗高。
- 如果需要序列或並行狀態，需要對整棵樹進行多次遍歷，過程繁瑣。
Ⅳ.個人總結
無論是什麼遊戲，遊戲AI所使用的最好的方法從來不是一個，而是通過不同類型AI來尋找適合該時期使用的方法：狀態機+行爲樹，樸素AI+狀態機+行爲樹等等。隨着遊戲的不斷髮展，遊戲AI也還有很大的成長空間，會有更多的算法和優化方法去構造更加智能的遊戲AI。