如何在流行游戏中最常见地实现AI？

我不是gamedev，我只是一个非游戏的好奇的编码者。我想知道，人工智能如何在流行的现代游戏中发挥作用，例如FPS？它基于硬编码规则吗？它与其他种类的AI（例如为自动驾驶汽车提供动力的AI）有多少共同点？开发人员如何确保AI的行为自然且有趣呢？

我在Google上搜索的资料提到了MinMax的不同派生产品，但未能回答AI如何应对持续变化的世界，为AI所奖励的行为/状态以及AI如何找出成功实施不同行为的机会。我也看到过机器学习在这里和那里提到过，但是似乎没有在任何严肃的游戏中使用它吗？

有很多方法。我将回答FPS，因为每种类型都有其自身的问题集，而AI方法在很大程度上取决于问题域以及如何最好地表示它。

常见的FPS方法包括：

• 硬编码规则（在逻辑上可以等同于以下任何规则）
• 有限状态机
• 分层有限状态机
• 行为树
• 决策树
• 目标导向的行动计划

以及以上的各种排列和变化。

Minimax通常不用于具有连续状态的游戏（例如FPS），更多地用于离散游戏空间（如国际象棋等）中的回合制游戏。它可以用于较高水平的计划，但是通常不是因为有更好的系统（例如（以上））面对多个敌人时，信息不完整，但计划简单。

他们通过游戏测试确保AI很有趣。如果挑战性太大，他们可能会将错误引入任何决策启发法中，或者延迟他们的反应，或者将随机因素应用于他们的目标，等等。如果挑战性不够，他们只需要改善提供给算法的数据即可。

那里有关于各种AI如何工作的论文，我最熟悉的是FEAR

两种其他常用方法

UCT搜索。有形式主义，但基本上的想法是在比赛结束之前进行随机播放，并通过反馈来对胜出的游戏给予更大的权重。纯形式的好处在于，AI不需要了解什么可能是更好还是更坏的举动。

Minmax搜索通常与alpha-beta树修剪结合使用，基本上可以对游戏空间进行一定程度的完整搜索，并使用分配数值的静态评估器评估每个终端节点。这对于有明显指标衡量获胜进度的游戏非常有效。