尽管图形是我主要关注的领域，但我已经花了很长时间研究Game AI概念。从简单的A *寻路到复杂的感知器。
我的问题是这个；是否有人在大规模商业游戏中成功实现（或更有趣的是失败）某些高级AI概念的实例？
在更高层次上，我指的是通常在Pure AI中发现的模拟智能的方法。例如。
我了解到，除了财务预算外，开发人员还具有内存使用预算（AI经常处于后排位置）。这些方法中的许多方法实施起来成本高昂，而且回报有限。.我很感兴趣找出是否有人在其中部署了这些方法（或我忘记提及的任何其他高级概念）的位置或时间。任何知名游戏：）
我也知道，在这个行业中，商业秘密是不争的事实；）除了AAA头衔之外，如果您有自己的成功案例（或灾难），那么听听他们会很高兴！：D
Answers:
一般来说，游戏中没有使用神经网络和遗传算法，除了最近对使用神经网络进行深度学习的兴趣外，游戏中也很少使用。
这些在AI学术界教授的主要原因不是因为它们的实际适用性，而是因为它们很容易解释为教学设备-两者都具有数学和生物类似物，使学生能够理解他们如何工作。
在现实世界中，您通常需要可靠性和可预测性。学习方法的问题在于，如果他们“在野外”学习，那么他们会学习错误的模式并且变得不可靠。NN或GA可能会达到局部最大值，例如不能保证该最大值足以提供所需的游戏体验。在其他时候，它可能会变得太好了，找到了无与伦比的完美策略。在大多数娱乐产品中，这都不是理想的。
即使您进行离线训练（即，在发射前，而不是在游戏过程中），看起来很漂亮的一组数据也可能隐藏了异常现象，一旦被玩家发现，这些异常现象就很容易被利用。尤其是神经网络通常会演化出一组权重，这些权重对于研究而言是相当不透明的，并且很难做出推理。设计人员很难调整此类AI例程以按需执行。
但也许最令人毛骨悚然的问题是，GA和NN通常不是用于任何游戏开发任务的最佳工具。虽然教学设备不错，但对主题领域有足够了解的任何人通常都可以使用不同的方法来获得类似的结果。从支持向量机或行为树之类的其他AI技术到状态机之类的更简单方法，甚至是一连串的if-then条件，它可以是任何东西。这些方法倾向于更好地利用开发人员的领域知识，并且比学习方法更可靠和可预测。
但是，我听说有些开发人员在开发过程中使用了神经网络来训练驾驶员在赛道周围寻找一条好的路线，然后可以将此路线作为游戏的一部分进行运输。请注意，最终游戏不需要任何神经网络代码即可运行，甚至不需要训练有素的网络。
顺便说一句，该方法的“成本”并不是真正的问题。NN和GA都可以非常便宜地实现，其中NN特别适合于预先计算和优化。问题的实质是能够从中获得有用的东西。
“学术” AI在游戏中的应用比人们通常认为的游戏领域中的AI的类型要隐蔽得多。当我在学校时，我的游戏AI教授的很多精力都集中在相机控制的AI上。他的另一个感兴趣的领域是AI叙事管理，据我所知，在很大程度上它仍然限于学术界。后面的一个显着的例子是facade。
游戏中“学术” AI的主要问题是它们正在解决不同的问题。您通常不想在游戏中满足要求；你只想满足。就像以前所说的那样：您不想变得轻松，但是您也不想让AI对手变得太困难。
话虽这么说，Lionhead的黑白系列游戏确实使用了AI（类似于您在上述问题中所说的），并且至少足以使他们制作续集。
我还记得《上古卷轴IV：遗忘》中有关辐射性AI的报道，这本来也是这种行为脉络的一个例子，但由于诸如NPC在食物上互相残杀等奇怪的意外行为，它不得不被愚弄。
Forza将神经网络用于汽车AI。据我了解，他们在交付游戏之前就提前进行了所有学习，因此在运行时它是一个静态神经网络。
我在该项目上的一个伙伴告诉了我有关此事的信息，但本文也对此进行了讨论：http : //gamingbolt.com/forza-5-developer-best-explains-cloud-technology-create-ai-agents-to-为你而赢
自从您问了工业界的例子以来，这里有一个适合您的东西：我知道最早使用神经网络的名称是《幻想帝国》，这是1993年发行的D＆D TBS /动作游戏。以“智能”但“不可预测”的方式进行...如果您玩了很多游戏，则可能会不同意！动画地牢大师级人物会根据您最近的动作，使用NN从一系列静态声音片段中为您的游戏风格提供指导。我认为这确实是一个非常简单的网络。
（有关详细信息，请参见手册第57页）
