1997年的5月11日，在连续三盘和棋后，“深蓝”终于在第六局战胜了当时在国际象棋领域独领风骚的卡斯帕罗夫。自此，人类在棋类游戏中与电脑的博弈，只剩下围棋这一座山峰孤傲的耸立着。
19年后，这座最后的堡垒在Alpha GO与李世石的世纪之战中被攻下，甚至在2017年初，以“Master”为名的升级版Alpha GO，更是用60连胜宣告了人工智能在围棋领域的完全进化和绝对领先。
就在围棋被“斩落马下”后，游戏似乎成为了很多人看作是人工智能（下文简称AI）将会大行其道的下一个领域，但事实上，游戏与AI、玩家与AI甚至是开发者与玩家之间的博弈，在轰轰烈烈的游戏发展大背景之下，已经悄然进行了许多年。
但真正能够被称之为主战场的，并非是舆论大肆渲染的电子竞技领域，而是如今越发在游戏玩法上挑战玩家极限和乐趣感的单机游戏。
你所知道与不知道的游戏AI
从游戏设计与开发的角度来看，AI在游戏中的应用远比普通人想想中的要多，不仅仅只是在学习层面去模仿人类的思维。常见的AI应用有“有限状态自动机”、“模糊逻辑”、“产生式系统”、“脚本设计”以及较为高端的“人工生命”、“遗传算法”和“神经网络”等。而在这些或繁复或简单的AI中，玩家经常与之相抗衡的AI系统，要数“有限状态自动机“了。
简而言之，有限状态自动机的触发原理就是通过开发者的设定，让游戏AI在当前所处的状态下选择最好的应对方式。也就是说，如果游戏开发者将所有预想到的玩家反馈形成一个机制库，那么AI就可以在遇到库中的某一个类型时采取应对措施。比如《魔兽世界》中部分具有狂暴机制的BOSS，就是当玩家无法在限定时间内将其击杀或达到某种状态，AI就会自动判定狂暴技能触发，直接引起BOSS攻击力和技能释放频率变高；而在像《红色警戒》、《星际争霸》、《帝国时代》等一众RTS游戏AI所表现出来的与玩家对抗中的“资源积累——兵种生产——战斗”机制，同样都是在有限状态自动机的控制下做出的实际反馈。
如果站在一个开发者的角度来看待AI的成长，那么从感知玩家操作，到形成直觉反应再到采取行动，并最终在整个库中达到一定的学习能力，是围绕在如今AI发展方向中的基本逻辑。也就是说，“有限状态自动机”中感知、反应、行动这三点的达成，使得这一整套系统简单而有效的完成了游戏中对于AI部分的原始需求。
但是，在这种必须要不断扩充内容的“库”中，伴随着玩家能力的不断增长，游戏类型的不断扩充，有限状态自动机本身所需要处理的数据量就会越来越大，开发者也必须要不断的去考虑玩家会在游戏中做出怎样的举动并做出应对。于是，对于AI的要求，也从简单的玩家动作反馈，上升到了需要不断自我学习的层面上来。
可以很弱，也可以很强的AI们
在当下网络游戏大行其道，所有人都在提倡“与人斗其乐无穷“的时候，单机游戏仍旧在提升玩家与AI对抗乐趣上，不断提出了一个又一个全新的思路和方式。于是，我们看到了像《上古卷轴》系列等RPG游戏中，玩家的善恶值和完成任务时选择的方式会导致NPC对玩家态度的变化；在《极限竞速》等赛车类游戏中，AI会根据上一次的行车轨迹来学习玩家的驾驶行为，并且在下一场比赛中做出针对性的调整，或者干脆提供一条最佳行车轨迹供玩家来不断挑战；而像《Halo》这样的FPS游戏中，AI又会根据玩家射击能力的高低，不断调整当前战斗中敌人的移动速度和射击频率，甚至是改变队伍构成，从压迫感和节奏上给予水准较高的玩家挑战高难度AI的可能；又或者像《星际争霸》等RTS中，AI不仅仅会自主控制资源采集和兵种生产，也会根据玩家出兵的不同，做出科技和兵种搭配上的不同，或者是战略战术上的不一样。
而在游戏AI上真正玩出花的，除了在游戏场景中能够做到事无巨细地控制一座城市的变化、让每一个普通市民对于玩家动作即时反馈的《GTA》系列等沙盒游戏外，还有《黑魂》和《怪物猎人》系列等。以借助各种武器道具来狩猎怪物，这只是《怪物猎人》系列最原始的表达，归根结底能够吸引玩家长期留驻在游戏中的原因，就是那些有时甚至可把玩家玩弄于股掌之间的怪物们。《怪物猎人》中的怪物无一例外的都懂的利用环境来保护自己或者攻击玩家，哪怕是玩家布下的陷阱，在部分鸟龙类怪兽眼中都会被轻易识破，更不用说即使处于濒死状态，怪兽们还会选择逃跑来躲避玩家的致命攻击。
而魂系列的出现，更是让动作类游戏从AI设计上达到了一个玩家前所未见的高度，不少第一次接触该系列的玩家，甚至连游戏开局的小喽啰们都无法应对，游戏中的敌人甚至会拿着与玩家一样的武器，在战斗中不断使用魔法、道具来袭扰玩家。就是这种不会一味傻打，一击不中就会等待下一次进攻时机的游戏AI，让老玩家则在这种近乎于自虐的游戏进程中，不断地深陷在了整个游戏所提供的挑战氛围当中。
这就是高级AI能够达到的学习能力，在一个复杂的有限状态自动机中，AI不仅仅是对玩家当前的动作做出反馈，也会一边纪录玩家的行为变化，通过分析和积累，在下一次战斗中对玩家做出不同的应对。这也是为何像《黑魂》系列、《怪物猎人》系列虽然整体游戏难度和AI反馈时的能力表现在所有游戏基准线之上，甚至是大幅超越普通玩家所能承受的范围，仍旧可以在玩家群体中受到热捧的原因。
为什么是《星际争霸》？
当“Master”的出现，让每个人惊叹AI的学习能力之余，也在思考着其下一个目标会是哪个领域。于是，游戏似乎当仁不让的成为了在围棋之余被人谈论最多的领域，那么，谁又会是众多候选者中在AI领域获得突破的游戏呢？会是《星际争霸》么？
早在上世纪90年代，RTS游戏的AI机制还仅仅停留在提高APM，加速生产，没有战争迷雾等对于玩家来说作弊的行为，而在《星际争霸》等游戏出现后，玩家发现AI不再是简单的堆积兵种无脑一波流，也会根据玩家的操作进行更合理的应对，比如人类玩家使用的枪兵流在第一次交战可能占据了战场主动，而在下一次交锋中就有可能会遇到星族电脑精准的闪电风暴打击。
虽然在如今的《星际争霸2》中，最高难度的AI不能算得上是难以逾越的高山，很多玩家都可以从容面对多个这种级别的AI并取得胜利，但这在很多时候都得益于人类的学习能力和大局观，如果从战斗微操的能力上来看，AI的表现却可以说是难以匹敌的。因为AI可以直接调取游戏数据的先天优势，在玩家下达攻击指令的很短时间内，AI就可以瞬间调整队伍位置，成功躲过打击。
除了尽可能的扩大有限状态自动机中的“库”的数据和内容外，围绕在《星际争霸》中对于游戏AI发展的尝试还有很多，这其中就包括高端AI开发：神经网络。2014年，斯坦福大学的一位研究人员就曾经在《星际争霸2》中开发一个可以通过接受渲染器正在渲染的数据来分辨当前单位和建筑物信息的AI。也就是说，这个AI可以根据当前调用的材质来“看到“这一单位，从而达到与玩家人眼所见到的信息一致的状态。于是，这种近乎于以”人类的方式“来游戏的AI，甚至可以做到战胜疯狂以下难度的AI，这又为游戏AI的发展提出了一个全新的发展思路。
所以，我们也就不难理解，为何DeepMind会选择《星际争霸》而不是其他更具有电竞元素的游戏来尝试提升AI能力的合作者。现在，AI研究者先通过数字模型和预设规则来让AI击败国际象棋或围棋棋手，而在未来，AI将会突破开发者为期预设的“库”，通过学习更多不可预见的情况，并及时拿出措施来反馈给玩家，让他们真实感受到在与AI对战时的乐趣，从而在强化单机游戏乐趣的同时，提升AI与玩家真实互动的感觉，而不是简单的“有一说一”式的应对。
强化游戏AI的意义在于？
无限制的在游戏中提升AI的“智力“和学习能力，最终只能导致玩家被吊打，在神经网络运算体系之下，AI对于游戏方式和对战中使用不同在战略战术的学习可以达到几千万次甚至是上亿次的尝试，而人类在一年对于一款游戏的练习最多也就是上千次。所以，强调单机游戏中的AI成长与发展，并非是一味的让玩家在失败中找寻可能翻盘的方式并以此学习，而是让游戏看起来更加的人性化，更加符合在游戏中扮演的角色，毕竟不是所有的NPC都与玩家是敌对状态。尤其是在游戏网络化的当下，不在意AI设计，过分强调数值与战力堆叠所给玩家带来的”碾压“乐趣的做法，看起来达到了标榜玩家至上的理念，但实际上却是在破坏玩家与AI之间的良性互动。
当年RTS游戏强调人机对战功能的火爆，引起了游戏开发者对于多人在线对战机制的深度挖掘并形成了如今的网络游戏市场，而如今以Alpha GO为代表的“Master们”对于人类智力领域的一次又一次的挑战，虽然还不能说会威胁到人类社会根基的稳定，但仍旧给予了包括游戏在内的众多领域对于人工智能发展潜力的再思考。借助这样的动力，游戏AI，尤其是单机游戏中的AI系统或许将会在未来几年中迎来更好的发展机遇，而最终受益者，将会不仅仅是那些希望通过反馈更积极、应对更复杂的AI系统来获得锻炼的电竞选手，更是每一个普通的玩家。
欢迎参加——爱玩网百万稿费征稿活动：当金牌作者，开网易专栏，领丰厚稿费，得专属周边！
欢迎关注爱玩APP【精选】板块，更多精彩等着你！
本文来源：爱玩网
作者：砂砾
责任编辑：
侯雁飞_NG2619
