【译】【干货】7个游戏AI的例子，每个开发者都应该学习
发表于2016-04-07
几乎所有的游戏都需要一些人工智能，最常用的是给玩家用的非人类的对手。但在游戏中的好的AI对话仍然占据主导地位像 婚姻战争, Black & White, The Sims, Versu, F.E.A.R. 这些早在年前就出来了。
这些游戏并不是唯一的例子，我们可以从中吸取并展望人工智能系统。我们向多家开发人员联系，他们在最近的游戏中更多的对AI的创新和有益的应用投入。
以下的游戏列表都是值得注意的有趣，聪明，和或他们使用人工智能的新奇方式。如果你渴望让一个小的算法思维提高你的游戏设计，那么所有的都是值得仔细注意的。基本思想是他们探索的方向，令人兴奋和多样化的未来人工智能可以有。
(沿着这些，一定要查看GaD对有关于程序生成和制作系统有有益用途的开发圈。)
1) The Division's AI-driven path finding for changing cover
Division中的敌人真是令人爱恨交加——在某些时刻他们会站出来，完全没有一点点防备，然后接下来他们会偷偷摸摸回来，在你头上突然发出巨响。
它试图逐步赶上十年前值得仔细检查的高作恐惧，但真正的明星Division的 AI， 程序是他会更改覆盖路径寻找。
像汤姆·克兰西的幽灵行动，玩家可以扫描，但在这里（游戏中），他们也可以按住〇使角色自动运行到新的位置。从本质上讲，这意味着〇是自动的，所以玩家可以专注于战术。从本质上讲，这意味着〇是自动的，所以玩家可以专注于战术。而且，因为在屏幕上显示的路径（一条小的白线），玩家可以准确地看到他们（AI）将如何到达那里-这有助于在排序策略，因为他们可以猜测多久还有他们将采取使自动化野牛冲刺。
外卖：人工智能可以推动力学，帮助玩家更快更有效地得到更多的帮助，这让他们有额外的心智带宽处理重要的东西，如谁射和如何射（只是开枪而已别想太多）。
甜橙子君扫盲：决策所需的心力称之为“带宽”(bandwidth)。心理学中的名词。
2) Forza's Drivatar adaptive AI system
自2005年成立以来， Forza series系列已经青睐学习神经网络传统的AI设计控制非人类的司机。Drivatar系统看你玩，并且模仿你的驾驶风格——就像一个许多计时赛幽灵的混合物。
最新的迭代运算，drivatar系统已经连接到微软的云服务。它可以把AI赛车基于其他人的玩家，以及每个玩家的更大量数据。现在你的AI对手模仿其他来自世界各地玩家，他们的愚蠢错误，怪癖，优势和弱点会有一个更多的不可预知感的亲身感受。
好的一面是，AI司机能学会做各种复杂的动作，并表现出不同的赛车风格，这使得他们看起来似乎更像人类。
不幸的是，这也意味着即使困难累哭了，模拟赛车纯粹主义者难找到非人对手实践 因为几个drivatars(AI)实际上驾驶任何情况都像一个专业的赛车手。
外卖：模仿真实的人可以使敌人和对手看起来更人性化，但你仍然需要记住，在游戏中最接近真实生活的人，大多数人都不会像真正的专业人士那样行事。
3) Alien: Isolation's hunting Xenomorph
第一人称射击游戏通常展示敌人的AI当他们去射击所有移动的东西时只足够聪明来挑战玩家
。玩家是一个捕食者，就像移动的一大群绕着屏幕上的猎物酷似匆匆疾走的坏人。
但Alien:Isolation的异形惯例的反转( Alien: Isolation's Xenomorph reverses that convention翻译不能)，自由漫游的外星人是处于高度强力的位置，但是玩家——剥夺了她（女王）的力量——有了去感受被猎杀的感觉。你带着枪，但要用它来吸引出所有超强的杀不死的异形。（一个喷火器最终会让情况复杂化，并且给玩家带来一些力量，但即使这样，外星人仍然是猎人。）
外星人可能仅仅是随着行为树和程式编码成为数字式运算（这一切都太明显了如果你试图智胜异形或测试极限）,但很难预测何时会出现在附近。
这种不可预测性与外星人的感知能力相结合--它有敏锐的听觉—和某些类型的负责系统，运行着的外星人一般总是在玩家附近某处。结果是紧张，可怕的经验，推动玩家躲在储物柜几分钟时间和不断地环顾四周，寻找潜伏在走廊和通风口的猎人。
外卖：一个敌人的AI设计，无情地追捕玩家，因为他们漫游游戏世界可以提供一个不可预测的和紧张的构建元素的级别设计。
4) The Ice-Bound Concordance's combinatorial narrative
Ice-Bound Concordance，可能似乎在第一眼就能“精心挑选自己的冒险”的游戏，KRIS的故事，AI就像一个作者，不是建立分支路径。相反，相反，玩家和人工智能相结合的预写（除非一些变量）片段的故事片段拼凑出一种新的小说。这是通过在游戏对话树做的相互作用，在克里斯的创作过程中玩家干预，象征和事件为情节的选择之外，通过网页的播放器显示克里斯从实际自然陪伴的书，人工智能的不应该看到。
开发商称大量的AI走上cyoa组合叙事系统。
许多老人尝试负责游戏故事的算法——如婚姻战争和次（世代互动叙事游戏引擎）Versu——都专注在社会交往。Ice-Bound看起来更向内告诉更多的文学故事-或更确切地说，许多故事。它可以处理成千上万的或更多的排列的一个文学框架，由许多叙事片段和一套复杂的规则，这些可能被激活和停用。AI和玩家（和设计师制作的叙事片段），从而成为故事过程中的合作者，与AI的目标是，以确保玩家得到一个令人满意的故事。
外卖：你可以用AI来讲述一个令人满意的故事，即使它是文字类型-这是动态塑造的，塑造的玩家选择一个比传统的分支路径更有机的方式（更多更容易选择）。
5) City Conquest's playtesting via genetic algorithm
塔防御（和进攻）的游戏 City Conquest是不通寻常的，其最大的使用AI的设计过程。在这里，AI成为了一个工具，不是为了扩大或细化玩家的瞬间体验，但不断发展的实际设计，以提高游戏的平衡，并（希望）工程师有更令人愉快的整体体验，通过测量如何在每次迭代设计达到其目标。
AI没有处理的设计修改的是，你的想法。设计师保罗Tozour写了一种自动化遗传算法作为虚拟的游戏测试团队。可以演变成高手玩家的过程中确定需要调整的主导的策略元素和微量元素。通过看这些机器和人类玩家如何走进游戏，tozour发现缺陷的大小，获得了大量的数据帮助他调整游戏的参数。
外卖：AI可以帮助你使你的游戏更好之前，用它均匀的试玩来发现优势策略。
6) Testing for walkability in The Witness
乔纳生·布洛 想走在证人的路上有不引人注目的可能经验。如果玩家在墙壁上边缘被夹住了或被卡在墙里，如果他们能在一个方向上移动，但不是另一个方向，它会把他们从世界上拉出来。它会打破无言的沉静，这是最重要的游戏愿景。为确保这不会发生，他问程序员Casey Muratori提高玩家的移动代码。Muratori回应写一个测试的碰撞算法。
他的演算法以取代玩家，探索整个岛屿。他在地面上连接这些它创建的节点和显示线。白色线意味着可以行走，红色则代表不能。（它一样可以在靠近边界更高密度的区域中链接）
如果状况改变了——比如说，一扇门打开了——它可以回去重从该点继续向以外的区域运行。从看到的结果，开发团队能找到有问题的运动代码或者或水平几何有待完善。
外卖：AI可以找到所有的棘手的问题，找出可能会阻挠玩家只是想探索你的游戏世界的繁重的工作。
7) The AI Directors in Left 4 Dead, Rocksmith 2014, and others
在过去几年中，生死四人组的AI使用了一个迷人的导演系统，用于控制一个多人游戏的合作（橙：如尸潮）。导演用一种令人满意、可信的方式处理典型的AI的任务，如敌人的代理移动和人的代理移动。但真正使它有趣的是，它在每一个会话有更高级别的影响。
导演的主要工作是管理节奏。它建立了一个强度值峰的，然后简化了，然后建立起来，当玩家靠近退出的边缘的一段时间处处重复发生。它通过模拟玩家的压力水平。（影响的事物，接近与远距离作战，弹药和血槽，接近的僵尸），然后调整僵尸如何攻击-他们是从哪里来的，多少人攻击，哪类攻击，他们把注意力集中在攻击谁的身上。
在许多其他的游戏中AI Directors(人工智能导演)已经被应用到很好的效果，如Left 4 Dead, Far Cry , Evolve,Rocksmith 2014 。在游戏的会话模式中，它使用它的导演系统来处理你吉他的音乐伴奏。但Left 4 Dead仍然是来学习的最好例子。
外卖：每个玩家都是不同的，并通过有一个AI改变游戏的流和强度，以时刻满足他们，你可以确保每个人都得到一个令人满意具有挑战性的经验。
Beyond bullet sponges
这些例子表明，AI可以用在游戏中有无数方式。它可能是一个测试工具，使您的代码或设计更强大，使最终的游戏更有趣，或者它可以使非玩家角色显得更聪明，即使他们仍然愚蠢-只是表现出一些基本的学习策略或适应性。
AI可以作为一只高难度导演，展示或地狱模式和玩家同行的角色。人工智能可以引导玩家或误导他们，帮助他们或阻碍他们。它可以使坏人与他们真诚合作，杀死或伤害的玩家，也可以把一个敌人变成一个可怕的猎手。AI可以模仿，效仿，学习，忘记，教，和合作。【bullet sponges即Bullet hell（mode）。我翻译为地狱模式。】
它只是算法，所以它会做任何你想做的事。你只需要思考如何以创新的方法利用其能力引诱、迷惑、弄糟、援助、阻碍，过程和分享。不要这么认为，不要认为在敌人方面，只是勉强够聪明，以减缓玩家为目的的敌人。相反，想象一下在一些小的或大的方式中，它会如何提升经验。
感谢 Jonathan Tremblay, David Churchill, Anne Sullivan 协助完成这篇文章，Tommy Thompson和他的AI与游戏的YouTube频道，提供了进一步的指导。
感谢自己用了2天空闲时间翻译+机译
但效果仍然差劲