有没有什么高智商AI的即时战略游戏_百度知道
有没有什么高智商AI的即时战略游戏
我有更好的答案
罗马执政官： 要塞系列：要塞1：要塞十字军东征要塞2要塞传奇
（有魔幻色彩）
采纳率：71%
为您推荐：
其他类似问题
您可能关注的内容
换一换
回答问题，赢新手礼包
个人、企业类
违法有害信息,请在下方选择后提交
色情、暴力
我们会通过消息、邮箱等方式尽快将举报结果通知您。游戏AI进化史：战场接连失利，能阻止AlphaGo的只剩狼人杀了
日期：&&&&来源：&&&&作者：早优夫斯基&&&&浏览：1167&&&&
围棋和星际争霸都可以输，毕竟狼人杀才是人类在游戏上的最后阵地，等 AI 能玩狼人杀了，那时候才需要恐慌……
　　「刺激战场黄金段位以下，一局 80 个 AI」，这是最近关于手机吃鸡游戏一个绕不开的话题。
　　且不论吃鸡手游是不是真的快凉了，毕竟这类百人在线手游用凑数加快匹配节奏也没什么稀奇的。但为什么，几乎所有玩过刺激战场的人都会不约而同的发出质疑&&「这都是机器人吧」。答案也显而易见，里面用来凑数的机器人实在是傻的没边。
　　不搜集装备、不找掩体、枪法奇差、反应迟钝&&在一个人人机关算尽的游戏中，这些特殊玩家就像送装备的快递员，异常突兀。即使是否是出于照顾新手玩家游戏体验的考虑，但在高端局中同样会遇到这类「傻白甜」，这就让人不禁想问：这些 AI 难道就不能做的聪明一点吗？
　　今天，我们就聊聊在游戏发展史中，AI 玩家的过去、现在和未来。
　　游戏 AI 进化史
　　电子游戏诞生伊始就有了游戏 AI 的影子，无论是最早的示波器网球还是井字棋，尤其是在多人在线游戏还受困于网络技术难以普及的过去，单机游戏中的 AI 成了玩家最可靠的陪伴，也成了彼时游戏世界的绝对霸主。
　　从某种意义上来说，经典的街机游戏《吃豆人》中或许就已经出现了电子游戏 AI 的原型。在当时，游戏中的 AI 正在世界范围内开始兴起，而当时的《吃豆人》则是在这方面做出了一个绝妙的尝试。游戏中一共存在 4 种不同颜色的怪物，并且每一种怪物都拥有不同的追击算法，且为所有的怪物设定了包围追击的统一目标。所以，在当时的游戏中，那些怪物并没有排着队来追击玩家，而是从不同的路径和方式对玩家进行「围追堵截」，在每个路口都可能有不同的选择。这一机制让《吃豆人》这款游戏为现代电子游戏 AI 做出了一次意义非凡的尝试，也让吃豆人成为了游戏玩家心中的经典。
　　其后，更多的经典游戏开始开始围绕对抗 AI 角色展开，《超级马里奥兄弟》、《塞尔达传说》、《波斯王子》、《洛克人 2》，在这些风靡一时的游戏中，AI 都成为了保证游戏体验和控制游戏难易度的关键。那时的游戏核心，其实就是玩家和 AI 的对抗，只不过通过不同的方式而已。
　　那时候 AI 的存在最终目的就是为了让玩家击败，然后获取成就感。只不过那时的 AI 仍还属于「伪智能」阶段，游戏中相关虚拟角色的动作是基于事先设置好的一系列基于条件判断语言的脚本完成。
　　不过随着游戏类型和玩法的演进，AI 的角色和功能也在发生变化。其中的典型例子就要属 1987 年的《合金装备》，在那款作品中 AI 首次以和玩家对等的角色身份出现在游戏中，被赋予了巡逻的角色，并首次加入了对玩家的敌对反应机制，这一机制日后也逐渐形成了《合金装备》系列中核心的 NPC 的遇敌报警模式。这种 AI 模式的出现也进一步拓展了游戏中 AI 的使命和角色范围。
　　而随着电子游戏行业过去 30 年在硬件设备、算法和计算能力上的突飞猛进，游戏中 AI 的进化速度逐渐和人类玩家拉开差距。尤其是彼时大多数制都是在考验玩家的反应和操作，在这些方面，AI 很快已经完爆人类，第一人称射击类游戏就是一个很好的例子。
　　从 1999 年的《反恐精英》开始，到之后的《求生之路》，Valve 奠定了 FPS 类游戏 AI 的基础，但早年间 CS 中的机器人一直都是玩家吐槽的地方之一。那时的机器人在游戏中一个重要任务就是负责填补空位，除了成为炮灰和肉盾之外没有什么其他作用，因为它们基本都是按照容易掌握的规律行动，非新手玩家大多能轻而易举地杀死它们。
　　不过，熟悉 FPS 游戏的人不难发现，近年来众多 FPS 游戏中的 AI 开始变得越来越「凶残」，难度层级也有了更多梯度，很多时候，最高难度的 AI 战斗力已经远超大多数玩家的。在不久前的某次《CS：GO》的线上精英赛中，就曾上演了惊人的一幕&&一个叫 BOT Connor 的机器人，单枪匹马干掉了敌对队伍的成员。
　　（图片来源：PcGamer）
　　如今，AI 开始在不同游戏的方方面面超越人类，就连人类引以为豪的各种棋类游戏也早已被 IBM、Google 等一众科技巨头分别吊打，不久前围棋也毫不意外地彻底失守了。
　　人类负责发明游戏，而 AI 则负责征服游戏和玩家，这似乎成了不可逆的趋势。但其实，在游戏的领域始终存在一块阵地，在这里 AI 始终无法完全战胜人类。
　　即时战略，人类的最后一块「高地」？
　　在去年 5 月 AlphaGo 以 0：3 完胜柯洁后，很多人都感叹，在「Game」这条路上，人类彻底沦为了追赶者。不过 AlphaGo 却不这么认为，因为它还有下一个目标&&《星际争霸》。
　　早在 2016 年，AlphaGo 战胜李世石之后，Deepmind 就宣布未来将以 AI 挑战《星际争霸》与玩家对抗。可一年过去之后，当 AlphaGo 在围棋界已经独孤求败时，AI 在《星际争霸》的赛场上，却仍是遭到人类顶尖选手的「碾压」。谷歌的 DeepMind 练了一年，甚至还打不过简易 NPC； 2017 年底的一场比赛中，来自 Facebook AI 研究院的 CherryPi 也是 0：4 被韩国前职业玩家宋炳具横扫。
　　AI 在其他领域摧枯拉朽的势头，在面对《星际争霸》时似乎戛然而止了，造成这一切的原因正是《星际争霸》这类游戏特有的机制&&战争迷雾。
　　《星际争霸》和围棋一样属于博弈类游戏，但却因为「战争迷雾」机制的加入成为了让 AI 无法跨越的一道鸿沟。
　　在围棋的对局中，双方随时都能看到对方目前的情况，意味着玩家没有隐藏信息，过去的所有信息一目了然，所谓知己知彼，靠的是玩家对于游戏规则的透彻理解和想象力。大家熟知的国际象棋、围棋等都是这样，它们被称为「完全信息博弈」。
　　而在《星际争霸》等即时战略游戏中，战争迷雾让游戏中对局双方无法知晓全部信息，在这种情况下，根据已收集的有限信息对动态局势做出判断和决策，什么时候该做什么，很多时候需要依靠推断和猜测。这就是让 AI 头疼的「不完全信息博弈」，像魔兽争霸、Dota 等都属于此类游戏。
　　顶级 AI 在这类游戏中和人类对战都存在一个普遍现象&&赢了战斗，输了战争。如果剖析 AI 和人类之间的差距，直观来说主要在于「大局观」和「节奏感」两个方面。
　　就像极客公园在之前的文章《先赢围棋，再胜刀塔，跟游戏较劲的人工智能要怎么赶超人类？》中提到的，在这类游戏中实力的变化更加动态化，没有谁是绝对强势和弱势，真正胜利的一方也许是在某一时间点抓住了对方的弱势，而这一时间点的判断是通过侦查和经验判断来做出的复杂决策。对局双方可以通过诱导、佯攻的方式改变战场走向。即便处于弱势，也能通过一些心理博弈达到局势的转化。
　　什么时候进攻，什么时候撤退，从哪进攻，分兵和包抄，偷袭和骚扰，佯攻和引诱&&在不完全的信息中，AI 很难梳理出绝对成立的逻辑来支撑决策，所以很难在正确的时机做出关键的判断。
　　所以，过去很多即时战略游戏，都只能依靠增加 AI 资源收入、建造速度和地图全开等方式来提高 AI 水平，在和人类玩家相同的限制条件下，很难单纯依靠操作来赢得整场胜利。
　　游戏 AI 的未来在哪？
　　或许 AI 在不久之后将能够在即时战略游戏的领域战胜人类，但那并不是游戏 AI 的未来。
　　随着 Google、Facebook、IBM 等科技巨头在这方面的投入和引导，AI 未来很可能在即时战略游戏上打败人类，这并不让人惊奇。对于人类来说，更重要的是，如果更好的利用 AI 的发展来给玩家提供更好的游戏体验。就像当 AlphaGo 击败柯洁之后，AlphaGo 并没有毁掉这款 3000 年历史的游戏，反而通过自己的优势给人类打开了围棋新世界的大门。
　　关于游戏 AI 未来的探索，著名的游戏大作《GTA5》则是一个非常完美的案例。这款拥有极高真实度和复杂性的开放游戏存在着庞大的随机性，给玩家提供了一个前所未有的游戏体验。更有趣的是，这款游戏同时还成为了众多自动驾驶 AI 的实验田。Intel 实验室、德国达姆施塔特工业大学和普林斯顿大学都选择了利用《GTA5》游戏来训练自动驾驶的人工智能。
　　要知道，更聪明的 AI 在游戏中能做的远不止是独孤求败的对手，更重要的是根据剧情发展和玩家特性，提供更完美的游戏体验，可以是动态增加难度，当然也可以是降低，一切都是为了让游戏玩起来更有意思。
　　而关于 AI 是否会最终战胜人类则没必要太过担心，毕竟我们还有狼人杀。要是某天 AI 真的能够察言观色，解读表情、语气，然后骗过所有人类获胜，那才是 AI 的终点&&
中外玩具网微信公众号玩具业领先的网络全媒体，唯一被百度、谷歌、搜狗等搜索引擎同时收录的新闻源，为业界提供及时、权威、丰富的行业资讯
发现产品的价值
热度：1245文章：35
热点推荐：《傲世三国1》游戏秘籍_飞翔单机游戏网
您的位置： →
→ 《傲世三国1》游戏秘籍
【飞翔导读】《傲世三国1》游戏秘籍。!om+godblessovermax! 选中的将军级别成为最高并且增加资源
是一款即时战略类游戏。游戏中玩家要不断侦查对手的动向。明白对手在做什么。只要发现机会就将对方歼灭。也有人说“秘籍在手天下我有”有秘籍一切变得简单。但是我不建议大家经常使用秘籍。偶尔用一两次无妨。游戏秘籍!om+playercontrolai! 恢复控制!om+aicontrolplayer! AI控制玩家!om+clearvp! 清理屏幕里的敌人!om+openlevels! 任意级别!om+godblessovermax! 选中的将军级别成为最高并且增加资源!om+fps! 显示刷新率!om+fog! 取消迷雾!om+speed! 游戏提速!om+god! 无敌!obj+win! 立即取胜!obj+all! 货物最大化!obj+iron! 获得铁器!obj+wine! 获得酒水!obj+food! 获得食物!obj+corn! 获得谷类!obj+rawmeat! 获得生肉!obj+timber! 获得木材!obj+gold! 获得金钱
飞翔声明：飞翔网登载此文出于传递更多信息之目的，并不意味着赞同其观点或证实其描述。
评论：0 次
阅读本文后您有什么感想? 已有 0 人给出评价!即时战略游戏的AI是怎样实现的？
我的图书馆
即时战略游戏的AI是怎样实现的？
　　导读：作为实际开发过AI的人，拿一份五年前的代码，以最难的体育竞技类游戏为例，来科普一下，什么叫做游戏团队策略，什么叫做分层状态机?具体该如何落地到代码?如果你能实现体育竞技的AI，那即时战略只是小事一桩。
　　国内真正做过游戏AI的很少，说概念的人很多，所以看了半天离实际编码还是很远，不知道该怎么入手，因为国内游戏主要以MMO和卡牌为主，RTS比较少，体育竞技类游戏更少，没几个真正写过强AI代码的。而从AI的难度上来看，是：MMO & FPS & RTS & 体育竞技。作为实际开发过AI的人，拿一份五年前的代码，以最难的体育竞技类游戏为例，来科普一下，什么叫做游戏团队策略，什么叫做分层状态机?具体该如何落地到代码?如果你能实现体育竞技的AI，那即时战略只是小事一桩。
　　硬派，不是虚无缥缈的神经网络，用神经网络其实是一个黑洞，把问题一脚踢给计算机，认为我只要训练它，它就能解决一切问题的懒人想法。更不是遗传算法和模糊逻辑，你想想以前8位机，16位机上就能有比较激烈对抗的足球游戏、篮球游戏，那么差的处理器能做这些计算么?
　　硬派游戏AI，就是状态机和行为树。状态机是基本功，行为树可选(早年AI没行为树这东西，大家都是hard code的)。大部分人说到这里也就没了，各位读完还是无法写代码。因为没有把最核心的三个问题讲清楚，即：分层状态机、决策支持系统、以及团队角色分配。下面分类介绍：
　　何为分层状态机?
　　每个人物身上，有三层状态机：基础层状态机、行为层状态机、角色层状态机。每一层状态机解决一个层次的复杂度，并对上层提供接口，上层状态机通过设置下层状态机的目标实现更复杂的逻辑。
　　基础状态机：直接控制角色动画、提供基础动作实现，为上层提供支持。
　　行为状态机：分解动作，躲避跑、直线移动、原地站立、要球、传球、射球、追球、打人、跳。
　　角色状态机：实现更复杂的逻辑，比如防射求、篮板等都是由N次直线运动+跳跃或者打人完成。
　　每一层状态机都是通过为下一层状态机设定目标来实现控制(目标设定后，下层状态机将自动工作，上层不用关心动画到底播到哪了，现在到底是跑是跳)，从而为上层提供更加高级拟人化的行为，所有状态机固定频率更新(如每秒10次)，用于判断状态变迁和检查底层目标完成情况。最高层的角色状态机的工作由团队AI来掌控，即角色分配的工作。而行为状态机以上的状态抉择，比如回防，到底是跑到哪一点，射球，到底在哪里起跳，路径是怎样的，则由决策支持系统提供支持。
　　何为决策支持系统?
　　状态机为角色的大脑，而决策支持系统是眼睛和耳朵，常见的工具有势力图(Influence Map)和白板(相当于不同角色间喊话)，其中势力图比较常用，篮球游戏AI势力图可以用下面几张图表示：
　　势力图1：于防守篮板距离的map，每格分值为最远距离减去该格到篮板所在格子的距离
　　势力图2：进攻篮板距离的map，每个分值为最远距离减去该格到篮板距离，篮板后为0
　　势力图3：同敌人距离，每个敌人有影响范围，范围内，离敌人越近分越低，范围重叠选低的
　　势力图4：同所有队友目标位置距离map，打分方法类似上图
　　势力图5：与每个队友目标位置距离的map，标识单个队友目标位置距离的map
　　势力图6：现实传球可行性的map，分数越高，越容易把球传到该格子上
　　势力图7：容易把球传出的位置map，越容易直接传球给队友的区域分数越高
　　势力图8：综合map，把以上map按一定加权求和。球员有合法目标区域，便于实现内线游走和外线游走
　　每个球员性格不同，权值也不同，有保守的球员，有喜欢冒险的球员，权值不同而已。这些势力图都是为了给上面的三层状态机和团队状态机提供决策支持的。
　　何为团队角色分配?
　　每一层状态机为下一层设定一个目标，让下层自动工作，顶层角色层的目标则由最高层的团队ai进行战术指导。
　　团队状态机跟据当前的情况确定当前首要目标(进攻或者防守)，又根据当前的势力图等信息，确定进攻或者防守的具体战略(比如中路突破、盘路包抄、下底传中等)，最终为当前己方的所有角色分配一个新的任务，即设定角色层状态机的新目标，确定他是做主攻还是做助攻，还是联防还是策应。具体该怎么联防，怎么策应，那就是角色层状态机的事情了。
　　话题总结
　　其实团队AI没那么玄乎，任何问题就是一个编程的建模问题，而最复杂的体育竞技类游戏的AI策略，上文已经给出模型，相信各位略加修改即可使用。写状态机是游戏AI的硬功夫，如果状态机逻辑经常改变或者项目规模大了以后可以考虑引入决策树来控制状态机，程序提供一系列接口，然后用可视化的编辑器进行更改，感兴趣的人可以参考决策树相关文章。
　　概率统计
　　如果上面这些逻辑都实现了，这时候才可以辅助与概率统计来让角色具备学习特性，比如统计某个策略对对手的成败情况，用来支撑下一次决策，这样能够逐步发现对手的弱点，还可以统计所有用户的大数据，来确定某种情况下，选择什么策略，能够对付60%的。
　　神经网络
　　在上面所有逻辑都实现了，你调试好了，玩着比较顺畅的时候，再在团队角色分配处尝试使用神经网络或者模糊逻辑，同样是学习大数据，来引入一些不可控的人性化的成分，让游戏更加有意思。(EA的 FIFA 20XX号称引入神经网络，Call of Duty的AI也号称引入了神经网络和学习机制)。确实能让游戏更有趣一点，但是仅仅有趣了一点而已。
　　相关阅读：
　　《娱家》：进军游戏全靠演技?王石女友田朴珺手游打脸记
　　社交APP的18种常见死法，听野路子产品菜狗怎么说
　　上方汇携手欧美移动产业精英刨析产业链现状
TA的最新馆藏
喜欢该文的人也喜欢游戏AI进化史 能阻止AlphaGo的或许只有狼人杀了
作者：早优夫斯基
“刺激战场黄金段位以下，一局 80 个 AI”，这是最近关于手机吃鸡游戏一个绕不开的话题。
且不论吃鸡手游是不是真的快凉了，毕竟这类百人在线手游用机器人凑数加快匹配节奏也没什么稀奇的。但为什么，几乎所有玩过刺激战场的人都会不约而同的发出质疑——「这都是机器人吧」。答案也显而易见，里面用来凑数的机器人实在是傻的没边。
不搜集装备、不找掩体、枪法奇差、反应迟钝……在一个人人机关算尽的游戏中，这些特殊玩家就像送装备的快递员，异常突兀。即使是否是出于照顾新手玩家游戏体验的考虑，但在高端局中同样会遇到这类「傻白甜」，这就让人不禁想问：这些 AI 难道就不能做的聪明一点吗？
今天，我们就聊聊在游戏发展史中，AI 玩家的过去、现在和未来。
游戏 AI 进化史
电子游戏诞生伊始就有了游戏 AI 的影子，无论是最早的示波器网球还是井字棋，尤其是在多人在线游戏还受困于网络技术难以普及的过去，单机游戏中的 AI 成了玩家最可靠的陪伴，也成了彼时游戏世界的绝对霸主。
从某种意义上来说，经典的街机游戏《吃豆人》中或许就已经出现了电子游戏 AI 的原型。在当时，游戏中的 AI 正在世界范围内开始兴起，而当时的《吃豆人》则是在这方面做出了一个绝妙的尝试。游戏中一共存在 4 种不同颜色的怪物，并且每一种怪物都拥有不同的追击算法，且为所有的怪物设定了包围追击的统一目标。所以，在当时的游戏中，那些怪物并没有排着队来追击玩家，而是从不同的路径和方式对玩家进行「围追堵截」，在每个路口都可能有不同的选择。这一机制让《吃豆人》这款游戏为现代电子游戏 AI 做出了一次意义非凡的尝试，也让吃豆人成为了游戏玩家心中的经典。
其后，更多的经典游戏开始开始围绕对抗 AI 角色展开，《超级马里奥兄弟》、《塞尔达传说》、《波斯王子》、《洛克人 2》，在这些风靡一时的游戏中，AI 都成为了保证游戏体验和控制游戏难易度的关键。那时的游戏核心，其实就是玩家和 AI 的对抗，只不过通过不同的方式而已。
那时候 AI 的存在最终目的就是为了让玩家击败，然后获取成就感。只不过那时的 AI 仍还属于「伪智能」阶段，游戏中相关虚拟角色的动作是基于事先设置好的一系列基于条件判断语言的脚本完成。
不过随着游戏类型和玩法的演进，AI 的角色和功能也在发生变化。其中的典型例子就要属 1987 年的《合金装备》，在那款作品中 AI 首次以和玩家对等的角色身份出现在游戏中，被赋予了巡逻的角色，并首次加入了对玩家的敌对反应机制，这一机制日后也逐渐形成了《合金装备》系列中核心的 NPC 的遇敌报警模式。这种 AI 模式的出现也进一步拓展了游戏中 AI 的使命和角色范围。
而随着电子游戏行业过去 30 年在硬件设备、算法和计算能力上的突飞猛进，游戏中 AI 的进化速度逐渐和人类玩家拉开差距。尤其是彼时大多数游戏机制都是在考验玩家的反应和操作，在这些方面，AI 很快已经完爆人类，第一人称射击类游戏就是一个很好的例子。
从 1999 年的《反恐精英》开始，到之后的《求生之路》，Valve 奠定了 FPS 类游戏 AI 的基础，但早年间 CS 中的机器人一直都是玩家吐槽的地方之一。那时的机器人在游戏中一个重要任务就是负责填补空位，除了成为炮灰和肉盾之外没有什么其他作用，因为它们基本都是按照容易掌握的规律行动，非新手玩家大多能轻而易举地杀死它们。
不过，熟悉 FPS 游戏的人不难发现，近年来众多 FPS 游戏中的 AI 开始变得越来越「凶残」，难度层级也有了更多梯度，很多时候，最高难度的 AI 战斗力已经远超大多数玩家的。在不久前的某次《CS：GO》的线上精英赛中，就曾上演了惊人的一幕——一个叫 BOT Connor 的机器人，单枪匹马干掉了敌对队伍的成员。
如今，AI 开始在不同游戏的方方面面超越人类，就连人类引以为豪的各种棋类游戏也早已被 IBM、Google 等一众科技巨头分别吊打，不久前围棋也毫不意外地彻底失守了。
人类负责发明游戏，而 AI 则负责征服游戏和玩家，这似乎成了不可逆的趋势。但其实，在游戏的领域始终存在一块阵地，在这里 AI 始终无法完全战胜人类。
即时战略，人类的最后一块「高地」？
在去年 5 月 AlphaGo 以 0：3 完胜柯洁后，很多人都感叹，在「Game」这条路上，人类彻底沦为了追赶者。不过 AlphaGo 却不这么认为，因为它还有下一个目标——《星际争霸》。
早在 2016 年，AlphaGo 战胜李世石之后，Deepmind 就宣布未来将以 AI 挑战《星际争霸》与玩家对抗。可一年过去之后，当 AlphaGo 在围棋界已经独孤求败时，AI 在《星际争霸》的赛场上，却仍是遭到人类顶尖选手的「碾压」。谷歌的 DeepMind 练了一年，甚至还打不过简易 NPC； 2017 年底的一场比赛中，来自 Facebook AI 研究院的 CherryPi 也是 0：4 被韩国前职业玩家宋炳具横扫。
AI 在其他领域摧枯拉朽的势头，在面对《星际争霸》时似乎戛然而止了，造成这一切的原因正是《星际争霸》这类游戏特有的机制——战争迷雾。
《星际争霸》和围棋一样属于博弈类游戏，但却因为「战争迷雾」机制的加入成为了让 AI 无法跨越的一道鸿沟。
在围棋的对局中，双方随时都能看到对方目前的情况，意味着玩家没有隐藏信息，过去的所有信息一目了然，所谓知己知彼，靠的是玩家对于游戏规则的透彻理解和想象力。大家熟知的国际象棋、围棋等都是这样，它们被称为「完全信息博弈」。
而在《星际争霸》等即时战略游戏中，战争迷雾让游戏中对局双方无法知晓全部信息，在这种情况下，根据已收集的有限信息对动态局势做出判断和决策，什么时候该做什么，很多时候需要依靠推断和猜测。这就是让 AI 头疼的「不完全信息博弈」，像魔兽争霸、Dota 等都属于此类游戏。
顶级 AI 在这类游戏中和人类对战都存在一个普遍现象——赢了战斗，输了战争。如果剖析 AI 和人类之间的差距，直观来说主要在于「大局观」和「节奏感」两个方面。
就像极客公园在之前的文章《先赢围棋，再胜刀塔，跟游戏较劲的人工智能要怎么赶超人类？》中提到的，在这类游戏中实力的变化更加动态化，没有谁是绝对强势和弱势，真正胜利的一方也许是在某一时间点抓住了对方的弱势，而这一时间点的判断是通过侦查和经验判断来做出的复杂决策。对局双方可以通过诱导、佯攻的方式改变战场走向。即便处于弱势，也能通过一些心理博弈达到局势的转化。
什么时候进攻，什么时候撤退，从哪进攻，分兵和包抄，偷袭和骚扰，佯攻和引诱……在不完全的信息中，AI 很难梳理出绝对成立的逻辑来支撑决策，所以很难在正确的时机做出关键的判断。
所以，过去很多即时战略游戏，都只能依靠增加 AI 资源收入、建造速度和地图全开等方式来提高 AI 水平，在和人类玩家相同的限制条件下，很难单纯依靠操作来赢得整场胜利。
游戏 AI 的未来在哪？
或许 AI 在不久之后将能够在即时战略游戏的领域战胜人类，但那并不是游戏 AI 的未来。
随着 Google、Facebook、IBM 等科技巨头在这方面的投入和引导，AI 未来很可能在即时战略游戏上打败人类，这并不让人惊奇。对于人类来说，更重要的是，如果更好的利用 AI 的发展来给玩家提供更好的游戏体验。就像当 AlphaGo 击败柯洁之后，AlphaGo 并没有毁掉这款 3000 年历史的游戏，反而通过自己的优势给人类打开了围棋新世界的大门。
关于游戏 AI 未来的探索，著名的游戏大作《GTA5》则是一个非常完美的案例。这款拥有极高真实度和复杂性的开放游戏存在着庞大的随机性，给玩家提供了一个前所未有的游戏体验。更有趣的是，这款游戏同时还成为了众多自动驾驶 AI 的实验田。Intel 实验室、德国达姆施塔特工业大学和普林斯顿大学都选择了利用《GTA5》游戏来训练自动驾驶的人工智能。
要知道，更聪明的 AI 在游戏中能做的远不止是独孤求败的对手，更重要的是根据剧情发展和玩家特性，提供更完美的游戏体验，可以是动态增加难度，当然也可以是降低，一切都是为了让游戏玩起来更有意思。
而关于 AI 是否会最终战胜人类则没必要太过担心，毕竟我们还有狼人杀。要是某天 AI 真的能够察言观色，解读表情、语气，然后骗过所有人类获胜，那才是 AI 的终点……
Sina.cn(京ICP0000007) &