2000年的游戲開發(fā)者大會清楚呈現(xiàn)的一點趨勢是：在開發(fā)者、制作人和管理人士心中，游戲AI最終“實現(xiàn)自己的目標”。游戲AI如今已被視作游戲設(shè)計過程的重要組成元素，而不再被歸到項目計劃的次要位置，由兼職實習(xí)生利用暑假時間完成。在很多人看來，游戲AI已變得和游戲圖像引擎所包含的功能一樣重要。換而言之，游戲AI如今已變成“制作清單”上的重要事項，我們從會議的反應(yīng)及關(guān)于此內(nèi)容的問卷調(diào)查中就能發(fā)現(xiàn)這點。

本文主要分享我、Neil Kirby及Eric Dybsand關(guān)于游戲AI的看法。這有助于探究開發(fā)者所面臨的問題、他們所采用的技術(shù)，及他們對于行業(yè)未來發(fā)展的看法。文章還涉及我過去1年通過網(wǎng)站收集的問卷調(diào)查結(jié)果。

資源——不再是問題

之前，我曾在其他文章中提到，AI開發(fā)者越來越多地參與至游戲設(shè)計過程，協(xié)助團隊制作出更優(yōu)質(zhì)的AI元素。我還提到，許多項目將越來越多的程序員分配到游戲AI制作，AI程序員也逐漸享有更多的CPU資源。

從這次的會議來看，資源戰(zhàn)爭基本已經(jīng)結(jié)束。近80%的會議參與者表示，他們在當前及之前的項目中都配備至少1位全職AI工作人員；有近1/3的人士表示，他們目前有2位或更多開發(fā)者全職負責AI內(nèi)容。編程資源的提高在過去幾年里主要體現(xiàn)在業(yè)內(nèi)AI質(zhì)量的提升，就行業(yè)和市場實況來看，我們未來甚至有望看到整個團隊都投身AI工作的現(xiàn)象。

AI開發(fā)資源調(diào)查(from gamasutra)

更有趣的地方在于開發(fā)者獲得的CPU資源數(shù)量。開發(fā)者稱他們現(xiàn)在通常能夠得到25%的CPU資源（游戲邦注：這比1999年提高250%）。若你將CPU操作能力的提高考慮在內(nèi)，其趨勢就會變成更明顯。

很多開發(fā)者還表示，大家對于游戲AI的態(tài)度也發(fā)生轉(zhuǎn)變。前幾年大家的理念是“（AI）只要不影響幀速率就行”，但如今整個游戲團隊慢慢覺得AI和其他游戲元素一樣重要。有些程序員表示，許多開發(fā)者都向團隊成員這樣表示，“新圖像功能只要不減緩AI速度即可?！边@顯然說明游戲AI已受到廣泛關(guān)注。

開發(fā)者同時也沒有承受資源壓力。有些開發(fā)者依然歡快地表示他們將幾乎100%的電腦資源都投入到電腦AI中，但他們還稱這能夠帶來更深刻的玩法，但不一定是更優(yōu)質(zhì)的玩法。幾乎所有開發(fā)者都為AI投入大量資源，部分原因是為了更好利用CPU，但也是為了將AI過程從其余游戲引擎中分離出來。

AI開發(fā)者依然不滿3D圖像芯片過多運用CPU資源，稱圖像程序員不再像過去那樣需要如此多CPU資源。

近年來的趨勢

于1998和1999年GDC誕生的眾多AI技術(shù)過去1年來持續(xù)保持發(fā)展勢頭。近幾個月問世的基于有趣AI的游戲證明，行業(yè)水平已有明顯提高。下面就來看看幾個主要發(fā)展趨勢。

人造生命。自1999年GDC以來最突出的發(fā)展趨勢也許就是許多游戲紛紛采用人造生命（A-Life）技術(shù)。從Maxis的《模擬人生》到CogniToy的《Mind Rover》，開發(fā)者發(fā)現(xiàn)，A-Life技術(shù)讓他們能夠靈活地在游戲角色中呈現(xiàn)栩栩如生的行為。

the sims(from gamesradar.com)

A-Life技術(shù)來自于對真實生物體的研究。A-Life旨在通過硬編碼規(guī)則、基因算法和群集算法等方式模仿人類行為。開發(fā)者無需編寫各種相當復(fù)雜的行為，而是將問題分解成更小元素。這些行為通常同游戲角色進行的決策層次存在某種聯(lián)系，這些決策旨在判斷他們要如何實現(xiàn)目標。低級別編碼行為和角色需求間的互動令高級“明智”行為能夠在沒有復(fù)雜編程的情況下形成。

此方式的簡單性及其所帶來的驚人行為令眾多開發(fā)者在過去1年中難以對其視而不見，很多游戲紛紛采用此技術(shù)。《模擬人生》無疑是大家最熟悉的一款。這款游戲運用被Maxis聯(lián)合創(chuàng)始人和游戲設(shè)計師Will Wright稱作“智能地形”的技術(shù)。在這款游戲中，所有角色具有各種動機和需求，地形提供各種方式滿足玩家的這些需求。各地形會向附近玩家發(fā)布其能夠提供的信息。例如，當饑餓角色靠近冰箱時，冰箱的“我有食物”消息發(fā)布促使玩家決定從中拿些東西。食物會自己告訴玩家其需要進行烹飪。因此角色在游戲的逐步指引下進行操作，只受到簡單的物件程序的驅(qū)動。

開發(fā)者顯然深深著迷于此方式的發(fā)展?jié)摿?，廣泛討論此話題。此理念顯然也適合其他游戲題材。例如在第一人稱射擊游戲中，既定房間會出現(xiàn)許多碎片彈，旨在“示意”NPC幫助玩家角色。然后NPC會變得非常緊張，對房間產(chǎn)生“糟糕感覺”（游戲邦注：所有這些都旨在強化游戲體驗，讓其變得更逼真和有趣）。若干開發(fā)者頗關(guān)注此技巧，所以我們未來會看到更多A-Life出現(xiàn)在游戲中。

探險。和以往會議不同，此次GDC開發(fā)者并沒有過多談及探險內(nèi)容。A*算法依然是最佳探險算法，雖然各項目會做出相應(yīng)調(diào)整。開發(fā)者稱需要在游戲中融入探險元素的游戲都會運用一定的A*算法。多數(shù)游戲還采用影響地圖、吸引-沖擊機制以及群集模式。總體而言，游戲社區(qū)已順利解決此問題，如今開始瞄準特定游戲的具體執(zhí)行方式。

開發(fā)者越來越習(xí)慣于他們的探險工具，我們開始看到結(jié)合地形分析的復(fù)雜探險內(nèi)容。地形分析是比簡單探險內(nèi)容更復(fù)雜的問題，其AI需要研究地形情況，尋找各種自然特征——閘口處和埋伏地點等。全面地形分析能夠給予游戲AI各種關(guān)于游戲地圖信息的“解決方案”，專門解決復(fù)雜探險問題。地形分析能夠讓AI的地圖知識更基于地點，這能夠簡化許多AI任務(wù)。遺憾的是，當游戲采用隨機地圖（此功能頻繁出現(xiàn)于當前的游戲中）時，地形分析就變得越發(fā)艱巨。隨機生成地形讓開發(fā)者無法手動“預(yù)先分析”地圖，然后將結(jié)果直接植入游戲AI中。

過去發(fā)行的很多游戲都嘗試地形分析元素。例如，Ensemble Studios完全調(diào)整《帝國時代》續(xù)作《Age of Kings》的探險模式，游戲采用相當復(fù)雜的地形分析元素。影響地圖用于辨別重要地點，例如金礦及創(chuàng)建相關(guān)建筑物的最佳地點。他們還被用于標記集結(jié)待命區(qū)和進攻路線：AI劃分既有敵人的影響，所以他能夠找到深入敵人區(qū)域的路線，避開所有潛在警報。

另一巧妙運用地形分析模式的游戲是Red Storm的《Force 21》。開發(fā)者利用可視圖表將游戲地形分解成若干界限分明但存有聯(lián)系的區(qū)域；然后AI就能夠運用這些更大區(qū)域進行高級探險及指引車輛。通過將地圖劃分成“我能夠進入的區(qū)域”和“我無法進入的區(qū)域”，AI能夠向其組成成員發(fā)布更高級的操作指令，將執(zhí)行任務(wù)留給組成成員。這反過來能夠帶來額外好處：組成成員能夠利用A*算法解決更小的局部問題，將更多的CPU留給其他AI活動。

結(jié)構(gòu)。和探險主題密切聯(lián)系的是組成成員的結(jié)構(gòu)——開發(fā)者采用此策略讓軍隊的表現(xiàn)更逼真。雖然會上只有少數(shù)開發(fā)者真正需要在他們的游戲中融入結(jié)構(gòu)元素，但此話題引起頗多關(guān)注。多數(shù)融入結(jié)構(gòu)元素的開發(fā)者都基于嚴格規(guī)則系統(tǒng)落實這些聚集方式，旨在確保各成員處于他們應(yīng)該停留的位置。有位正在制作運動游戲的開發(fā)者稱自己正在研究“劇本”模式。

狀態(tài)機制和分層AI。基于規(guī)則的簡單限定和模糊狀態(tài)機器（FSM和FuSM）依然是開發(fā)者的選擇工具，令那些更“學(xué)術(shù)”性的技術(shù)黯然失色，例如神經(jīng)網(wǎng)絡(luò)和基因算法。開發(fā)者發(fā)現(xiàn)簡單性促使這些方式通俗易懂，易于調(diào)試，它們在結(jié)合A-Life游戲中的封裝游戲中表現(xiàn)更突出。

開發(fā)者正在尋找運用這些工具的新方式。出于許多相同的原因，A-Life方式被用于將復(fù)雜AI決策分解及簡化成若干易于定義的步驟，開發(fā)者在AI設(shè)計上更多采用分層方式。Interplay的《Starfleet Command》和Red Storm的《Force 21》就是采用此模式，通過高級“海軍上將”或“將軍”向旗下的戰(zhàn)略小組發(fā)出常規(guī)活動和進攻指令。在《Force 21》中，這些小組基于戰(zhàn)略層面組合而成；每個小組都有一個“謀士”，旨在詮釋收到的指令，然后將其變成各交通工具的具體操作和進攻指令。

會上眾多投身策略游戲的開發(fā)者表示，他們計劃或已將此分層模式運用至他們的AI引擎中。這不僅是更逼真的呈現(xiàn)方式，而且將故障排除過程變得更簡單。很多開發(fā)者采用此方式的原因是他們能夠提高游戲在戰(zhàn)略層面的吸引力，允許玩家自定義AI，謀劃策略，同時排除那些玩家偶爾會遇到的低水平“任務(wù)式”AI。這是我們從策略游戲中看到的另一備受玩家青睞的趨勢——見證游戲的各種“帝國模組”，例如《Stars》、《Empire of the Fading Suns》和《Alpha Centauri》。

emperor-of-the-fading-suns(from sztab.com)

AI SDK是否有所幫助？

GDC 2000圓桌會議的一大討論話題是AI SDK的可行性。AI開發(fā)者目前能夠接觸到的軟件開發(fā)工具至少有3種：

* Mathématiques Appliquées的DirectIA，這是個代理工具包，其通過狀態(tài)機器創(chuàng)建各種突發(fā)行為。

* Louder Than A Bomb的Spark!，這是個邏輯模糊的編輯器，主要服務(wù)AI引擎設(shè)計師。

* The Motion Factory的Motivate，這能夠賦予動畫角色相當復(fù)雜的動作/反應(yīng)狀態(tài)機制特性（游戲邦注：這被運用至Red Orb《波斯王子》的3D版本及其他作品中）。

許多開發(fā)者之前都沒有發(fā)現(xiàn)這些工具，因此對它們的特性非常感興趣。但在那些有經(jīng)驗的開發(fā)者看來，這些工具的作用并不那么顯著，盡管問卷調(diào)查結(jié)果顯示，目前有1-2個開發(fā)者正在評估DirectIA工具包。不過許多開發(fā)者表示，未來行業(yè)也許將出現(xiàn)更多有效的SDK。

談到潛在功能，許多開發(fā)者都覺得提供簡單群集或探險功能的SDK最能滿足他們的需求。有位開發(fā)者表示，他希望在AI腳本中看到標準化的“機器人式”語言，雖然這點獲得的共鳴很少。此外，他們還表示開發(fā)者愿意掏錢購買的SDK工具包應(yīng)觸手可及。多數(shù)開發(fā)者覺得價格不是問題；如今開發(fā)者已習(xí)慣投入大筆資金購買工具包、SDK和模型等元素。這意味著若有人能夠制作出靈活配合開發(fā)者需求的AI SDK，他們的產(chǎn)品就會很有市場。

逐漸淡出的技術(shù)

自去年圓桌會議來就日益突出的情況是，越來越多“非傳統(tǒng)”AI技術(shù)，例如神經(jīng)網(wǎng)絡(luò)和基因算法（GA）的影響開始逐漸衰弱。過去幾年里，開發(fā)者主要談?wù)撍麄冊谠O(shè)計和開發(fā)過程中如何挖掘這些技術(shù)，但今年的會議更多著眼于如何將更傳統(tǒng)的模式發(fā)揮得更好。這里涉及的原因很多，但主要歸結(jié)于這些模式已被開發(fā)者更好地掌握，并且性能表現(xiàn)“更突出”。開發(fā)者似乎想要更多著眼于如何更好運用此模式，傾向?qū)⑾嚓P(guān)理論的探索留給學(xué)術(shù)領(lǐng)域。

基因算法在過去1年里受到嚴重打擊。會上沒有任何開發(fā)者將此方式運用于自己當前的項目中，許多開發(fā)者覺得，其優(yōu)點被過分夸大。雖然去年有一組成員表示他們打算嘗試將GA方式運用至游戲調(diào)試中，但試驗過的開發(fā)者今年表示，此方式作用不大。GA方式主要被運用于《Creatures》和《Petz》系列之類的“生活模擬”游戲中。

一個例外情況是A-Life持續(xù)受到開發(fā)者的青睞。從協(xié)助指導(dǎo)成員結(jié)構(gòu)的群集算法（游戲邦注：包括《Force 21》、《Age of King》和《Homeworld》）到面向物件的欲望/滿足感方式（《模擬人生》），開發(fā)者逐漸發(fā)現(xiàn)這些技巧令他們的游戲變得更栩栩如生，融入更多“意料之中的意外”的意味。

未來發(fā)展

圓桌會議的有趣之處在于，總是會談到行業(yè)未來發(fā)展，今年還則特別談到游戲AI的發(fā)展趨勢。和以往一樣，開發(fā)者呈現(xiàn)的看法各不相同，但其中也存在若干普遍看法。

所有開發(fā)者都認為，游戲AI將依然是游戲的主要組成要素。當前發(fā)展勢頭不會被新涌現(xiàn)的“炫酷”3D圖像引擎所淹沒，CPU和3D顯卡特性的持續(xù)提高將繼續(xù)給AI開發(fā)者帶來更多力量。和去年一樣，開發(fā)者都覺得行業(yè)會繼續(xù)慢慢遠離單一而刻板的規(guī)則模式，轉(zhuǎn)而通過各種方式創(chuàng)造更多有目的性的靈活A(yù)I。可以說，可拓展AI將繼續(xù)得到更多關(guān)注和支持，主要體現(xiàn)在第一人稱射擊游戲領(lǐng)域和更復(fù)雜的策略游戲。

學(xué)術(shù)和辯論觀點將繼續(xù)影響游戲AI領(lǐng)域，雖然有時學(xué)術(shù)領(lǐng)域似乎從開發(fā)者身上學(xué)到更多。多數(shù)情況下，開發(fā)者都覺得，有關(guān)AI的學(xué)術(shù)研究非常有趣，但無法真正幫助他們制作游戲，而學(xué)術(shù)領(lǐng)域的研究人員覺得游戲領(lǐng)域的快速發(fā)展趨勢令人稱羨，雖然相關(guān)技術(shù)并未得到充分證實。

游戲AI領(lǐng)域無疑依然是游戲開發(fā)中最具創(chuàng)新性的領(lǐng)域之一。我們很清楚哪些研究成果和工具將幫助我們進行開發(fā)工作。鑒于CPU限制條件已被完全克服，如今優(yōu)質(zhì)游戲AI日漸成為設(shè)計過程的組成要素，AI開發(fā)者有望看到更富創(chuàng)新性和實驗精神的未來。

可視圖像

游戲AI開始探索的一個有趣領(lǐng)域是地形分析。地形分析主要處理此簡單任務(wù)：探索地圖，尋找下步合理操作，讓AI發(fā)現(xiàn)各種地形特征（游戲邦注：例如丘陵、山脊和凸點）的戰(zhàn)略和策略價值，將此認知融入計劃中。幫助完成此任務(wù)的一個工具就是可視圖像。

可視圖像是非常簡單的概念，原先主要用于機器人操作空間。其運作模式是：假設(shè)你看到一張中間有丘陵，四周被樹木環(huán)繞的牧場地圖。地圖以相應(yīng)形狀的幾何圖形代表此丘陵和樹木。此場景的可視圖像以幾何圖形的頂點代表圖像的頂點，設(shè)定頂點間的圖像邊界，相應(yīng)幾何圖形頂點之間總是存在清晰的路徑。各連接線的粗細相當于兩個對應(yīng)幾何圖形頂點的距離。這呈現(xiàn)簡單地圖，其中你能夠通過探險算法穿越地圖，同時避開障礙。

但可視圖像也存在些許問題。它們只提供粗糙連接信息，基于此圖像所創(chuàng)建的路徑看起來有點呆板。此外，開發(fā)者需要投以特別關(guān)注，防止最小組成成員運動時碰到幾何圖形的邊緣，因為可視圖像生成的路徑不會考慮組成成員的大小。但這依然是將地形分解成簡單區(qū)域的最直接方式，它們被運用于探索、埋伏及地形生成內(nèi)容中。

游戲邦注：原文發(fā)布于2000年11月1日，文章敘述以當時為背景。

本文來自：http://gamerboom.com/archives/46101
英文原文：http://www.gamasutra.com/view/feature/3570/game_ai_the_state_of_the_industry.php