前段日子，和以前大学的同窗们聚会，很多人都是好久未见，有些人也是难得从国外回来一次，大家相聊甚欢，说说近况如何云云。

正巧，有个人现在在美国某著名大学读PHD，而且主要研究的是人工智能相关，那我作为一个AI程序员，对她研究的东西自然也就要打听一番。聊了一点之后，发现学术的东西还真是学术，和我现在在做的非常的不同，不仅偏向于理论，而且门类非常的窄。虽然，这也是在我的预料之中的，虽然，我在游戏行业里对AI技术摸爬滚打了几年，但还是不得不感叹：此AI非彼AI。

游戏中用到的AI技术，不管从架构还是实现上，较之于学术上的AI研究来说，都是相当简单的东西了。当然，不是说游戏AI不追求前沿，这也是有原因的，首先游戏AI技术的发展，和其他游戏技术一样，也是依赖于硬件的发展，在红白机时代，受硬件所限很难处理复杂的AI逻辑，所以看以前的游戏，AI大多是简单的if-else逻辑，或者简单的脚本化的逻辑为主。随着游戏硬件的处理速度越来越快，AI才可以越来越多的用到一些稍稍复杂或者高级的技术。

其次就是游戏对于处理速度的要求是相当之追求的，如果一个60帧的游戏，那一帧的处理时间就是16毫秒左右，在这之中分给AI的时间一般也就是6～8毫秒（视具体要求和如何划分AI而定）。所以游戏的AI很难选用一些，虽然很强劲，但很费时的算法，而我们知道，学术上的一些人工智能的研究，它的一些算法是很费时间的，这也就导致了很多学术上的研究并不能直接给游戏AI所用。

还有，就是可控性和灵活性。人工智能的极致就是极度的拟真，让人感觉不出这个是由程序算出来的结果，对于学术研究来说，这个是他们所最求的目标，但游戏的AI不同，拟真只是一个方面，游戏的AI是为游戏服务的，拥有一个拟真的AI的游戏，并不一定是一个好玩的游戏。所以有时，游戏的AI会作假，会不断的根据设计的要求调整，所以，游戏AI技术一般是注重于模块化的，灵活的架构，而不是拟真的算法。就拿神经网络来说，20世纪40年代就提出了神经网络的基本概念和雏形，做为一种学习型的算法和结构，可以说非常吸引人。但直到现在，我还是很少看到游戏中用神经网络作为主要的AI架构的，归根结底，就是它并不符合我提到的可控性和灵活性的要求。作为一个游戏的AI架构来说，太难以掌控和调式了。在游戏中，我所看到的一些运用到神经网络的地方，还是在一些语音识别的处理上。当然，可能以后会有更多的发展和运用，但就我现在的感觉来说，游戏AI还是需要具备可控性和灵活性的特点。

当然，不少游戏AI技术，也是取自于从学术研究。比如现在很多游戏用到的HTN（Hierarchical task network），中文翻译应该叫“层次化的任务网络”，就是一种实时的做计划（Plan）的系统，类似的学术研究其实从20世纪70年代就开始了，现在经过各种发展，慢慢的也应用到了游戏中了，而且不管从性能，还是最后的效果来看，还是很不错的。随便说一句，类Planner的AI系统，这也是我将来会重点学习和研究的地方。

游戏AI和游戏中的3D技术很不一样，3D技术经常是能把一些最新的研究带入进来，呈现出极其真实的画面，但游戏AI，就像我前面所说的那样，一方面要考虑的计算量的问题，更重要的是，它是为游戏服务的，所以好的游戏AI可能被学院派所不屑（因为并没有艰深的理论和算法），但它确实常常能表现出极佳的游戏性，这不是正是我们做游戏的人来说，最追求的吗？:)

所以，此AI非彼AI，不过多接触和了解一些前沿的AI研究，对于拓宽思路还是很有益的，最后，推荐一本书，《人工智能的未来》，记得当初读的时候，是通宵读完的，而且兴奋的满脑子都是里面的字句。真是非常有意思的书，我想，大家看完也会有种豁然和不一样的感觉。

————————————————————————
作者：Finney
Blog：AI分享站(http://www.aisharing.com/)
Email：finneytang@gmail.com
本文欢迎转载和引用，请保留本说明并注明出处
————————————————————————