NPC的发展，盘点游戏史上AI的成长历史

　电子游戏和棋盘游戏等传统游戏在概念上最大的区别之一是，与后者相比，必然会有对手或合作角色都是人类。多人一起游，游戏程序也需要在一定程度上负责操纵敌人。在这里，所有被游戏本身控制的角色，甚至是其他无形的组件，也都需要一个具有解决问题能力的人工智能——负责掩护主角，拥有非凡技能的能干的NPC同伴的协助。数十年游戏 AI 开发的成果。

　01游戏AI从零到一

　游戏AI是指由游戏程序控制的伪智能，多应用于行动中的敌人或NPC。例如，敌人可以避开我们的攻击；同伴会自动回复主角等，这些动作都是由AI引起的。如今，如果游戏缺少AI的输入，几乎可以肯定它不再起作用，但没想到，游戏AI从电玩开始就没有出现过。

　在1972年推出的可以说是最早流行的主场游戏《乒乓》中，玩家和对手控制左右的白板，将光球弹向对手的位置进行计数作为胜利。如果只有一个玩家，由于对手没有人来操纵关系，游戏就不可能成功。打“乒乓”，两个人必须一起游泳。

　渐渐地，单机游戏越来越流行，但没有对手又怎么能做得到呢？由视频游戏本身控制的对手角色就成为必需品。比如1974年的赛车街机《Speed Race》中，玩家驾驶汽车在马路上穿梭，马路上有汽车挡路，玩家将其撞上，Game Over。这些汽车在离开场景时会朝不同的方向移动，让玩家很难掌握他们的路线。当然是游戏程序控制小车，但其实只是小车出来时预设的运动路线。从“与玩家互动”的能力来看，这绝对不叫AI。

　电子游戏行业正式发展AI的时期，是最先影响社会层面的“太空侵略者”时代。 "《太空侵略者》的突破之一是第一部有敌人“向玩家自己的机器开火”的作品，这意味着程序控制的敌人会分析机器的位置进行狙击。可以算是最基本的游戏AI。

　在《太空侵略者》之后，类似的仿制品如雨后春笋般涌现，但也有一些在原作上有所改进，尤其是敌人的动作变化越来越大，比如万代南梦宫大名鼎鼎的“银河系”（小蜜蜂），敌人的动作模式非常丰富多彩，其中一些会单独向我们这边移动，而这款游戏与《太空侵略者》的节目水平差距就更加明显了。之后，这种类型的AI被引入到《吃豆人》等追逐类动作游戏中。敌人和玩家都必须根据对手的动作做出适当的反应。在这里，AI已经植根于游戏。

　02设计的人工智能

　AI虽然被称为“人工智能”，但并不是真正的智能，而是一系列复杂的程序，让交互对象（玩家）产生“对方有意识”的错觉。也就是说，程序越详细，人工智能的动作就越自然和不可预测。不过早期的游戏设计比较简单，NPC和NPC的存在在一定程度上只是“舞台设定”的一部分，无论从技术上还是在实践上都不需要太详细的AI。

　长期以来，游戏行业一直使用一种称为有限状态机（FSM）的编程方法来处理 AI。简单来说，就是为NPC设置各种状态（State）。当情况满足状态条件时，NPC会自动切换。到另一个状态。 “吃豆人”就是一个非常简单的例子。吃豆人没有吃能量饼干的时候，鬼的状态是“追吃豆人”；但如果他们吃了能量饼干，鬼的状态会变成“远离吃豆人（逃生）”。就是这么简单的两个状态，就可以成功地创造出一个捉迷藏的游戏，这是一种巧妙的方法。

　事实上，FSM 仍然被许多游戏所使用。当然，游戏内嵌的程序密度非常高，出来的AI动作也比较细心。像女神异闻录5“而其他作品也有遇到敌人的捉迷藏方法，但敌人变成了“会在特定区域巡逻”、“找到我们后追到一定距离后自动返回巡逻地点” 、“探索我们的范围为视距”、“随着警戒级别的提高，探索和追踪的力量会增加”等等，级别已经和《吃豆人》不同了。

　除了敌人，FSM也用在同伴NPC身上，让同伴按照程序指令行动，无需每次都等待玩家指令。说到这里，绝对不能不提《FF》（最终幻想）系列的不同配色作品《FFXII》。除了是唯一一款采用Ivalice Alliance世界观的官方《FF》外，这款游戏的Gambit系统也颇为特别。

　简单来说，Gambit就是在游戏中控制同伴的AI的指令。在本作中，同伴基本会自动行动，而Gambit是游戏过程中可以获得的各种命令的片段。为同伴装备 Gambit 后，同伴将按照 Gambit 的指示行动。例如，如果你加载你的同伴“给无法战斗的同伴”和“使用凤尾”，他们会按照指示去做。小伙伴一共可以装备12条指令，按重要性降序排列。如果没有“不能战斗的同伴”，角色将执行下一个不太重要的指令，以此类推。

　使用 Gambit，玩家可以设置适合自己想法的战斗模式。如果他们熟练的话，即使是boss战也可以全自动进行，玩家不需要全程操作。但相对而言，一些更有用的Gambits，比如目标范围更广，使用强力魔法或道具的说明等，需要在游戏后期获得，这是我们实力增加的另一种体现。

　03让AI自学

　FMS的优点是计算方式比较简单，调试容易，所以长期以来一直是游戏中常见的AI控制方式。但是，FMS 必须要求程序员确定各种场景的输入状态。游戏复杂，这种形式设计的AI很难完全对应千变万化的游戏场景，所以另一种形式的AI——自动名义代理人逐渐发展并在视频游戏行业中流行起来。

　与 FMS 指示 AI 行动相比，Autonomous Agent 将决策权留给了 AI，AI 必须从大量的重复尝试中找到最佳的行动模式。听起来AI自己学习很难，但其实早在1990年，红白机上的最后一部《DQ》（勇者斗恶龙）——《DQIV》就已经安装了AI学习系统。

　《DQIV》红白版战斗系统最大的特点就是玩家无法控制除主角外的其他同伴，只能通过“Saving Spell”等战斗选项给出简单的指令，动作完全交给AI负责。基本上，同伴AI主要是以FSM的形式设计的，但它有一个简单的关于敌人抵抗的学习功能。

　当同伴对从未见过的敌人使用法术模式并被敌人的抵抗属性阻挡时，同伴将有一定的概率明白他们无法再攻击具有该类型属性的敌人，并且会被在接下来的战斗中。减少使用。但是，这并不意味着 AI 会立即学习。当AI被敌人的抗性属性挡住时，学习等级会以一定的概率提升，从而进一步减少使用。当它达到最高3级时，同伴将完全不使用抵抗属性攻击相关敌人。

　《DQIV》的AI学习仅限于敌人的属性，设计非常简单。随着技术的发展，学习方法不再局限于准确率。一种常见的形式是进化。例如，开发团队将AI操作的NPC放入与敌人战斗的场景中，以击败敌人为目标。这时，AI可以选择向不同方向躲避、反击、使用道具，甚至不采取任何行动。 AI在多次尝试各种操作后，选择能存活最久的动作——比如回避，作为下一代。准备学习。

　下一个AI的第一个动作是闪避，然后和之前一样尝试不同的动作，选择能存活最久的动作，以此作为二代的基础。以此类推，经过AI数万次尝试，终于找到了打败敌人的方法。开发团队然后将学习到的AI放到敌人身上。如果玩家做出与之前学过的对手相同的动作，AI就会知道如何应对，这个过程不涉及开发团队的任何指令。

　说起这类最经典的游戏AI，你一定不能错过PS的《天文》。在本作中，玩家是一位未来的宇宙农民，在外太空星系中种植头顶蔬菜和水果。玩家除了培育和改良品种等基本技能外，还需要对付每天来袭的外星害虫，但他们的学习能力很高，绝对不是容易对付的对手。

　比如玩家在田野里放下陷阱，第一时间会摔倒，然后会根据自己的特点避开陷阱，仿佛绕道躲开，甚至长出翅膀飞过去。此外，随着拆除陷阱所需的技能，害虫的能力（体力、臂力等）也会增加。也就是说，害虫吃了一两次同一个陷阱就可以完全躲避，玩家必须优化陷阱或者改变对策才能继续阻止害虫入侵。反之，如果玩家一开始就放过害虫，害虫可以毫不费力地在场上大开杀戒，渐渐地，它们的能力就会减弱，击退它们就会变得更容易。

　04 隐形人工智能

　你可能认为游戏中的AI是直接和NPC联系在一起的，而AI的思维能力都是由NPC体现的。但其实除了NPC，AI还可以用在游戏的其他方面，只是这些AI不像NPC的动作那么明显，比如导航AI就是一个很好的例子。

　现在游戏里的信息量很大，如果玩家自己去管理，那就太多了。所以很多作品都会加入导航AI，让游戏界面和数据整合更加人性化。似乎是RPG中经常出现的“自动装备”——选择后，电脑会自动为角色选择最强的装备。其实它已经是一种导航AI；简单的AI可能只追求能力值，但更复杂的AI会考虑不同的属性组合、附加效果等来满足玩家的需求。尽管在大多数情况下玩家仍然需要手动调整。

　除了数值，导航也会具体提示，比如《开放世界》作品中必须安装的目的地导航，有时游戏会尝试建议绕道避开山川河流等人迹罕至的地形，而不是直接指示最近的方向，这也涉及到AI分析。

　退一步说，游戏AI的开发不再局限于支持游戏的某个部分，而是可以从开发团队的角度延伸到对整个游戏的管理。在僵尸游戏《生存之路》中，系统会从各种环境信息和玩家动作中分析玩家的紧张情绪；当玩家处于放松状态时，敌人的攻击数量会增加，反之，如果玩家处于紧张状态，敌人的数量会增加会减少。使用这种设计，游戏可以在没有开发团队明确指示的情况下调整工作的整体氛围和平衡。

　整体管理AI还可以处理过去被认为非常固定的对话和其他游戏程序。今天的游戏中除了剧情对话，还会有很多闲聊等低重要性的对话，用来营造气氛；比如主角打败敌人的时候，同伴会说一些赞美的对话。

　这个时候，如果小伙伴们都一起说“干得好”，就会觉得很多余。这时候管理AI会让其他同伴说出其他的对话，或者利用与其他同伴的对话来圈圈夸奖玩家。这样一来，游戏的气氛就如同现实中一样自然。当然，如果我们没有决心学习游戏 AI，我们真的不需要了解它们的工作方式有多紧密。不过随着游戏AI的应用和发展越来越广泛，如果大家在玩游戏的时候多关注隐藏在游戏各个部分的AI的表现，其实还是蛮有意思的。