01.AI将改变未来的游戏

写在前面：这是我和好朋友大空新一的一个实验，大空新一写DPU专栏，每周一更新，我写GameAI专栏，每周二更新，欢迎关注评论并转发。

游戏AI

AI在近年来取得了巨大的进步，更多的AI落地应用出现在我们的生活中，让人们能够更好的执行和理解图像，语音和文字。在比如情感检测，自动驾驶汽车，多模态搜索，辅助创意设计，蛋白质结构预测等任务上都有所突破。特别在游戏上，有一些任务，机器已经达到甚至超越了人类的水平。    其实自从AI诞生开始，游戏一直为AI的研究提供助力。因为游戏不仅提出了有趣且复杂的问题，而且游戏还是科学与艺术相互碰撞出来的领域，这给AI提供了独特且优秀的研究环境。

1997年，IBM设计的深蓝击败国际象棋世界冠军卡斯帕罗夫，2016年DeepMind研发的围棋AI AlphaGo击败韩国著名棋手李世石，2017年AlphaGo战胜世界第一棋手柯洁，然后围棋AI再无人类对手。

最近，柯洁在比赛中完败一向有“申工智能”之称的申真谞后，在微博留下一句：“我受够了AI围棋”。这也说明人类正在向围棋AI学习，越来越像AI了。

                          *  AlphaGo对战李世石*

在AlphaGo后，还出现了更多的游戏AI。比如在星际争霸中击败99.8%的玩家的“AlphaStar” ，在电竞游戏中击败世界冠军的Dota2 AI “OpenAI Five”，以及在六人无限制德州扑克中击败人类职业选手的Pluribus，越来越多的游戏被AI突破。 

AI如何改变游戏

随着AI在游戏中不断的应用，AI将改变游戏的未来。不止是在上面提到的AI玩游戏这个方向，AI会在游戏的各个方面起到变革的作用。

很多游戏AI的研究者把游戏AI分为玩游戏，生成内容和对玩家建模三种。   本专栏主要讨论的是，针对设计师的生成内容和针对玩家的玩家建模以及自动生成内容和玩游戏，不讨论利用游戏进行AGI（通用人工智能）研究和对玩家行为进行数据挖掘等方向。

          来自：《人工智能与游戏》p208

专栏内容涉及到的算法，既有传统的AI算法，像行为树，有限状态机，决策树，路径规划等，也会有进化计算，监督学习和强化学习等算法。

开始我会从一些游戏AI的案例讲起，比如经典街机游戏《吃豆人》的AI，流行的视频游戏如《巫师3》的AI实现，再到使用GPT-3文本生成内容的AI Dungeon，以及会带你解析最近OpenAI的Codex，为什么能用7句话就能生成一个极简版塞尔达，还会介绍我们应该怎么使用AI来解决wordle这种字谜游戏。

                     *         吃豆人游戏*

专栏内容如果碰到算法原理，我会尽量用代码的方式来解释说明各种算法，也会把完整代码放出来供大家运行，希望达到一个直观的学习效果。

游戏AI方法

- 特定行为编辑

有限状态机

- 行为树

- 基于效用的AI

- 树搜索

非启发式搜索

深度优先

- 广度优先

- 最佳优先搜索

A*

- 极大极小

- 蒙特卡罗树搜索

- 进化计算

局部搜索

- 进化算法

- 监督学习

神经网络

- SVM

- 决策树

- 强化学习

动态规划

- 蒙特卡罗方法

- 时序差分学习

Q-learning

- 无监督学习

聚类

km聚类

- 层次聚类

- 频繁模式挖掘

Apriori

- 广义序贯模式

- 混合算法

神经进化

- ANN+时序差分学习

TD-Gammon

- Deep Q network

上面的游戏AI方法，我基本都会提到，但是会有一部分没有案例解答，一是因为我研究的重点在PCG(程序化内容生成）和基于AI的游戏，很多方向不是很熟悉。二是专栏是周更，内容太多更不完，也没那么多的精力。如果有同学对某个方法有研究，欢迎投稿给我。   如果需要完整的学习整个游戏AI，可以参考下面的参考书籍和参考资源。   除了上面的游戏AI方法，我还会对基于AI的游戏进行进一步的讨论，包括现在的游戏Chatbot，AI文字游戏等利用AI作为游戏内容一部分的游戏。

** ** 参考书籍 - 游戏中的人工智能（第3版)

• 人工智能与游戏

参考资源

• AI and Game Youtube频道 https://www.youtube.com/c/AIGamesSeries - 人工智能与游戏的官网  http://gameaibook.org

往期推荐 游戏，人工智能与元宇宙