AI 领域正火的神经网络和深度学习是否有机会运用在游戏 AI 上？

换个角度来说，我觉得AI方面的研究可以拓宽游戏AI的选择范围，但究竟要不要用，还和游戏本身的特性有关。

比如RPG的敌人AI，并不一定是以取胜为目的，可能反而是为了塑造角色，或者残忍，或者狡猾，或者畏畏缩缩，或者内心深处有着善良。AI暂时还没能发展到文艺创作的水平，在这些方面还是需要设计师加以调节的吧。

比如一些游戏中的队友，玩家可能并不需要队友做出十分理智而明确的反应，有的时候更需要一种“直觉”上的“靠谱”、“不坑”等等。比如游戏中有一种资源，AI如果仗着自身水平高于玩家而不给玩家利用资源的机会，反而会让人感到“喧宾夺主”吧。

在一些竞技类的游戏里，我也相信基于机器学习的AI早就被用来做数据分析和内容设计。但是作为比较偏好在游戏中寻找人文内容的我，觉得AI要达到其他一些领域可用的水平还有一些距离要走，至少要等到AI能够进行文学欣赏和文学创作……

已经有AI可以自己玩游戏了，虽然只是flappy bird级别的…下面是一些deepmind的学习成果：

Deep Reinforcement Learning for Flappy Bird   [github]

Deepmind DQN Playing List   [其中一个的github]

上面的DQN应对的是（游戏）规则不变的外界，如果是AI作为NPC的话，则是反过来应该时刻变换的玩家，alpha go已经是个很好的例子了。所以从结果来看是很有可能有机会的，只是开发成本等还需发展（废话）……

另外在deepmind官网也有一篇DeepMind Lab的pdf，只不过出发点也是以“solve any complex problem without needing to be taught how”为基础，也已开源了。

以目前的deep learning gallery来看，还是图像技术方面比较发达，搞不好以后不用捏人了，摄像头会扫描自己的脸部轮廓进入游戏什么的……

0、深度学习是一种方法，神经网络是一类深度学习算法的通称

1、玩家PVE的对手是深度学习AI（AI做为玩家之一而非游戏内容）我并不认为这算『应用在游戏上』而且这已经实现了

2、深度学习AI更加的不可控，尤其是当AI交由玩家进行培养之后，这一定程度上阻碍了游戏更好的利用AI而选择更加容易控制的BOT队友

3、未来可能会使用深度学习对游戏交互方法进行升级，比如对玩家指令进行学习之后玩家与（某个）NPC的交流不局限于选择支，而可以进行诸如文字输入的交互方法

4、深度学习可能会对游戏测试和平衡性调整有所帮助

5、深度学习训练是一个很漫长的过程，简单来说可以理解为一个主线剧情开始于五万回合后的养成游戏

6、会很有趣的是你甚至可以教你的（电子）女儿数学题，我国也有人工还能参加高考的例子

7、深度学习目前是尖端技术，一旦其发展成熟，改变的绝对不只是游戏领域，而是生活的所有方面

已经运用了。

围棋是游戏，德州扑克也是游戏，基于深度学习的AI已经在这两项上打赢人类了。DeepMind马上也要在星际2上挑战人类了。

非游戏业内人士，但数年前念书时有个课程项目就是用Reinforcement Learning做PacMan的AI，所以我猜游戏大厂们应该早已开始在游戏AI上运用机器学习的东西了吧。。

实际上目前Reinforcement Learning在互相促进，比如现在火热的自动驾驶，由于真实的行车数据有限，所以有转向像游戏一样模拟真实驾驶场景来提升训练数据的量。

而AI在游戏领域一直都需要，大家都知道的。

最近有个有意思的OpenAI项目：好像可以用来玩GTA

https://openai.com/blog/universe/

今年年初，这方面有个新闻。有群玩家给《黑魂1》做了个AI战士“The King”，还通过Cheat Engine，把这家伙放上服务器“屠杀”其他线上玩家。

Someone Spent 10 Months Reverse-Engineering Dark Souls To Destroy Other Players

这新闻页里附有一个演示视频

最开始我以为，“切，不就是一群家伙开发了一个自动PVP挂么”，之后发现不是那么一回事，这个The King是AI，是会学习、会进化的……和通常的所谓的“挂”定义不太一样。

将来的“挂”如果都这么聪明，那太可怕了。

深度学习的AI适合在一些竞技性比较强的游戏里出现来充当给玩家的「陪练」。

星际争霸2人机的那个「不断变强的AI」就是这样一个思路，当然，他的学习能力并不够。

但如果不是一个竞技性很强的游戏，这种深度学习的AI可能会起反作用。

我个人认为，非竞技游戏或者CO-OP游戏的AI难度应该循序渐进。玩家从一开始没有经历过游戏，到后面慢慢熟悉对游戏的操作打出漂亮的操作时，这代表着玩家在这款游戏上学习的成功。

确实，在游戏中，玩家是主动学习的。他们会自己尝试技巧，自己学习攻略，在不断地死亡中变得更强，在不断破解关卡或者击杀的正反馈中寻找更多有趣的因素。

所以这就意味着作为游戏，我们应当给玩家更多这样「类似成长的正反馈」。

而不是让玩家一味地体会roger like的那种特别性。