我的遊戲開發研究歷程3：遊戲中的人工智慧是怎樣的？

如果您對此類文章有興趣，請務必關注科技曲奇。

隨著如今計算機算力的發展，曾經被一度拋棄的神經網路演算法被重新拾起。自深度神經網路在圖片預測上極大超越了原有機器學習演算法后，人工智慧便依靠著神經網路的發展而蓬勃了起來。互聯網、物聯網和大數據，都使現實世界中的人工智慧得到了飛速發展。

但是在遊戲方面的人工智慧呢？其實遊戲中的人工智慧並不能都算得上真正意義上的人工智慧，主要原因是因為它沒有學習能力，並且不會從已有數據中分析和自我優化。目前雖然有利用人工智慧來進行早期版本星際爭霸的對戰，並使機器不斷學習獲得勝利的例子，不過也是逐幀圖像分析，在處理了極大數據過後的。

為什麼遊戲中的人工智慧會很落後呢？我的看法如下：

其一，學習和行為反應是多層次的，比如受到攻擊后逃跑，是最底層的；而受到攻擊后是否要給隊友拖時間，又是另一個層次的；以及受到攻擊后是否會影響全局，又是更高一個層次的，遊戲中的AI很難兼顧，一般層次都比較低。而神經網路正好可以覆蓋多層的特徵，這就是為什麼在AI上表現較佳。

其二，一般遊戲根本用不到太高層的AI，不需要具有全局統籌能力，只需要集中個體打敗玩家即可，也就是說，AI很少有群體行為。或是以個體行為為主，構成群體行為，這樣的話，個體的AI最終能構成怎樣的群體行為，就需要一些試驗模擬嘗試了。當然，如果能設計群體行為樹的話就更好了。

實際上，在我看來，遊戲中的AI實現比現實中容易多了，其一，遊戲中的數據獲得十分簡單，只需要找找所需要的類和變數就行了，並且數據也是結構化的。其二，遊戲中的數據非常單純、有限，相比現實世界簡單多了。

這裡我以虛幻4引擎的一個非常經典的AIBehaviorToolKit包講解AI的個人行為樹，這個行為樹的總體是這樣的：

左上分支。

這個AI行為樹是針對Owner個體的，實現的內容基本上就是：

1、檢測距離觸發條件是否滿足？滿足過後，轉到切換行為這個service，這個service會根據玩家設置的條件（後面會講到）進行行為切換，改變移動速度，重置delay trigger等，並把切換后的變數寫在AI樹對應的黑板上（黑板就是一個變數存儲工具）

2、根據黑板上的變數進行判斷，部署下一步行為，比如，如果變數是至idle（空閑），根據設置切換至隨機行走、工作、和靜止。如果是AttckMelee（近戰攻擊），就執行相應的動畫。

接著就是行為樹上的擴展，我的一個拓展思路如下：

首先創建一個包含此行為樹的NPC實例，然後創建子類並調整參數（如武器Mesh和攻擊動畫、傷害、頻率等），建立一系列兵種。在兵種下再創建子類，建立具有成套行為的多個NPC（如中立、敵方、盟友、平民和夥伴）。最後根據需要建立獨特的子類，用來調整特殊的參數（如陣營等）。

接著簡要講一下中立生物、守衛和平民基於上面AI樹的實現：

中立生物：初始是空閑行為，在受到攻擊后，將攻擊者的tag加入近戰或遠程攻擊的tag中，並切換到攻擊行為。

守衛：初始是空閑或者巡邏行為，看到敵方後會觸發攻擊行為，並設置2秒的delay trigger（意思是經過兩秒之後），切換回空閑和巡邏，（此時如果再次遇到敵方又會觸發攻擊）。

這裡另外提到一個區域Message的概念：比如玩家攻擊過後，會在原地一定半徑內生成一個傳遞「攻擊」Message的區域，所有在這個半徑之內的AI都會接收到這個內容為「攻擊」的Message，接著就需要設置一下行為，比如守衛接收到這個Message就切換成攻擊；平民接收到這個Message就切換成逃跑。

平民：除了上面說的收到「攻擊」Message會逃跑外，逃跑也有一定距離，距離結束之後切換成空閑狀態。

AI行為大概就是這些了。

值得一提的是，上面的所有參數都是值得去構建一個反饋系統的，比如，平民在逃跑之後並沒有傷亡，下次可以把逃跑距離設置更低一點兒。設置玩家殺死敵方單位平均執行的攻擊次數/世界平均攻擊次數這個值，轉換成敵方單位以玩家不可追上的速度逃跑的概率，可以動態調整平衡。

可以說，比起真正的人工智慧來講，把玩家創造的數據用起來，再反饋到遊戲世界中，形成一個動態平衡，比前者實現起來更容易也更有效。

筆者是想到哪就寫到哪，思路有些不連貫，有什麼問題還請各位讀者提出。對此類文章有興趣的，請務必關注科技曲奇。