程序丨腾讯技术专家答疑专场：游戏中的人工智能
什么是AI？AI在游戏里面的运用是哪些？如何学习AI知识？AI的未来如何？本期【我问大咖】以“AI技术”为主题，腾讯AI技术专家唐向兴、葛诚，后台技术专家李勍、熊松为你答疑，一起来回顾本场精彩内容吧！
Q：什么是AI？仅仅是简单的规则而已吗？
葛诚：首先我默认你说的AI是Game AI。Game AI其实是一个决策系统，输入AI感知，外部事件，输出下一个动作。这个Decision Making系统可以是规则集合，也可以是其他模型，比如规划器，概率模型，神经网络。目前大部分游戏还是用脚本 BT这样的脚本工具去写规则；一些追求浮现性（Emergence）的游戏会加入Planner，使Agent在完成一项任务的时候会走不同的Action线路，本质是个搜索问题；还有一些追求类人属性的游戏，在尝试使用DNN，去模仿人类的行为。
Q：AI在游戏里面的运用是哪些？如何学习AI知识？
熊松：个人工作经历中应用的游戏AI主要有过以下几个方面：
1、驱动游戏中对象的行为，例如NPC、boss、小怪、机器人等。
2、智能问答系统，例如问答助手。
3、智能监控系统，通过监控玩家的各种游戏内行为，来获得精准的行为统计、异常监控、告警等。
AI本质上是一个模拟行为的算法，在游戏领域目前我见到的都还是弱AI，打下扎实的算法基础能极大帮助游戏AI的开发，例如FSM、群体AI策略、基础的寻路算法、各种目标选择策略等。
唐向兴：游戏里的AI，我们可以简单理解为，游戏里的非玩家角色，可以根据环境，状态，玩家交互等数据，做出相应决策的行为。例如，游戏里的野怪，boss等角色。
学习AI知识，有很多途径，有部分游戏是开放源代码的，例如Quake3里的分层状态机方案，FEAR开源的GOAP SDK， 饥荒里用lua实现的AI行为树，都可以参考学习。看项目代码是比较有效的学习方法，但前提得有一定的理论基础。要补充理论基础的话，我推荐你可以看这本书： 《Artificial Intelligence for Games, 2nd edition》。这本书对当前主流的游戏AI技术做了系统性的介绍。
葛诚：
补充几条算法类的：初阶FSM，脚本，基本的寻路结构，寻路算法；中阶的BehaviorTree, HFSM，和AI很近的物理动画系统最好也能有所了解，动态场景寻路；高阶的各种Planner（GOAP，HTN），常用的机器学习方法，LR，决策树，SVM；研究级别的深度学习，增强学习等等。
Q：有没有对于游戏AI设计的书籍可以推荐一下？
唐向兴：《游戏编程中的人工智能技术》、《Artificial Intelligence for Games, 2nd edition 2009》、《Game AI Pro- Collected Wisdom of Game AI Professionals》、《Game AI Pro 2 Collected Wisdom of Game AI Professionals》。还有很多其他的书籍，可以网上搜索。但这几本书应该可以覆盖当前的游戏AI主流技术。
Q：游戏中的AI一般使用什么训练数据呢，人造吗？
唐向兴：要看具体的游戏AI实现技术了，有一种QLearning的方式训练AI玩游戏，它用图像处理的方法，运行游戏的同时获得游戏结果，这种方法基本不需要训练数据。这里有个开源的案例可供参考https://yanpanlau.github.io/2016/07/10/FlappyBird-Keras.html
对于其他基于神经网络的AI技术，训练数据有的来自游戏后台用户的操作日志，也有比较暴力方法，就是“人造”。
Q：在3D ARPG项目里，服务器端要检测，对象(PC/NPC)之间的碰撞和阻挡，对象和场景/物件之间的碰撞和阻挡，物件可破坏，对象需要动态寻路(绕场景/物件/PC/NPC)，有没有推荐的思路?
李勍：服务器可以考虑采用PhysX在后台进行物理计算，寻路可以用Recastnavigation从Unity中导出NavMesh并在PhysX中加载进行寻路计算。
Q：Unity NPC寻路如何实现跨场景？《星露谷物语》中有类似功能，NPC可以像玩家一样有自己的行为逻辑，比如 早上从城镇走到 传送点 到达 树林，然后开始伐木，下午 NPC 会自己再跑会城镇，中间玩家在不同时间去找NPC，可以看到他做不同的事。
熊松：NPC行为在游戏中还是比较常见的，我以网游为例，假设NPC的AI在服务器执行。服务器同时会处理大量的这种非角色行为，所以会用最基本的FSM来实现，按照固定的时间频率（例如每秒一次）驱动AI。
在设计游戏对象的时候会让角色和NPC、怪物都继承于一个游戏可见、可移动对象，具备视野显示、移动等功能。
通过脚本、表格或者固定代码的方式驱动NPC对象在指定的时间触发指定的行为。AI对象一般有一块AI状态数据来记录当前状态和状态附加数据。
葛诚：这些应该是脚本写好的，中间即使被玩家打断，也能被事件继续驱动。至于你说的跨场景寻路，可以把寻路做成两层，一层是小块地图连通图上的寻路，在每张地图内部再根据路点，或是NaviMesh，Grid寻路。整个串起来，脚本写好故事线，事件处理，需要走到那个地点，再调用寻路系统即可。
Q：我们在游戏中使用了A*的寻路插件，依靠grid_map实现怪物寻路。在使用过程中为了实现怪物间的躲避，需要频繁update grid map，但是因为整张地图较大，所以很费。有没有什么办法可以减少这里的开支？
唐向兴：这个问题属于碰撞回避问题，A* Project组件里有个RVO的示例，你可以直接参考Demo里的代码实现。这是简单介绍的连接：
https://arongranberg.com/astar/docs/writing-rvo-colliders.php
Q：有个项目要求500个角色同屏运动，运动要自然，第一想法是考虑使用RVO算法，但是500角色用了，每三帧查询一次K-D感觉性能都影响很大。是否考虑不用RVO，有其他解决方案吗？
唐向兴：ORCA 算法性能上和效果上会比RVO算法要好，性能问题，可以通过多线程的方式解决，毕竟运动逻辑和渲染逻辑是分离的，可以用多线程的方式提高性能。
但同屏500个角色，性能可能还是会一个大问题，尤其是在手游上。要看你项目的具体需求是什么，能否简化需求。像现在的MMORPG游戏角色之间是没有碰撞的，就能避开这种性能的问题。
Q：像阿尔法狗那种级别AI，什么时候才能实际商业应用到游戏中？之前看TI7与dota冠军对战的AI实际上只用了一台普通的商用PC，最后击败了dota世界冠军。那么能够达到世界冠军级别的AI什么时候才能实际应用在网络游戏或者单机游戏中呢？能否从开发成本，使用成本，使用价值等角度初步分析一下？
熊松：谈一点我个人的想法。围棋算是棋类项目的皇冠，也是AI比较高端的应用场景，其他棋类项目（例如象棋、国际象棋、五子棋）在几十年前世界冠军就不是电脑的对手了，因为他们的计算空间存在几个量级的差异。
在绝大部分类型的游戏里，AI是远远优于人的，而且只需要使用极少数的计算资源，例如一台普通服务器可以执行上千个这样的AI。
1、人有反应时间，会被情绪控制，会操作失误。而AI没有这些缺点。
2、人只有自己的当前视野和信息量。而AI可以有全局数据，可以准确预测、控制行为。
3、人会疲劳，经验很难积累、继承和传播，需要不断练习和学习。而AI可以廉价、持续、高效地获得这些资源。
当然，人也会有灵犀一动的神操作，但是概率很低，并且被AI掌握后会进入学习策略库。
唐向兴：看了下，这个AI玩家对抗的场景是1v1，1v1的AI相对好实现，而且比较容易达到好的效果。moba类游戏是多人协作的游戏，要实现5v5的对抗而且能战胜职业玩家，个人认为不太容易。
至于什么时候，出现游戏AI玩MOBA类游戏/RTS类游戏可以战胜世界冠军级别玩家的，这个不太好说。听说AlphaGo正在和暴雪合作，实现AlphaGo打星际2，我们可以期待一下。
一旦出现了成熟的方案能实现这种游戏AI，我相信开发成本和使用成本都不算太高，毕竟就是多几台高性能的服务器。但游戏AI的初衷是陪玩家玩游戏，而不是战胜玩家。游戏里出现不可战胜的AI，我相信很多玩家都会觉得索然无味吧。
Q：能谈机器学习技术对未来游戏产业的影响么？
葛诚：这个问题略大，学术AI尤其是机器学习已经在影响着游戏这一垂直领域。主要体现在体验和效率两方面。体验方面，比如已机器学习为主要方法的识别技术（视觉，语音），为游戏带来了新的交互体验，比如：AR Game。效率方面，视觉上的合成技术为超分辨率，纹理材质自动生成，光线跟踪，渲染图像增强等方面带来了较大的提升。
错过上次的提问机会也不用担心，现在，以“游戏开发中的物理系统”为主题的答疑专场正在火热进行中，腾讯前台程序专家方煜宽、朱新铭及《穿越火线：枪战王者》主程谢文将回答大家提出的问题。有什么想问的赶紧点击阅读原文，去问专家吧！
----------------------
今日推荐
添加小编微信，可享双重福利
1.加入GAD程序猿交流基地
获取行业干货资讯，观看大牛分享直播
2.领取60G独家程序资料，地址在小编朋友圈
包括腾讯内部分享、文章教程、视频教程等全套资料
↓长按添加小编GAD苏苏↓