541
機器人
人工智能在遊戲中的十個應用場景
本文大約3000字，泛讀時間11分鍾，精讀需要半小時以上。
最基礎的概念
人工智能的概念，受到眾多科幻小說的“普及”，大家都對其有了初步的印象。從本質上，這種印象並沒有什麼壞處，但具體到“專業”與“非專業”群體時，你向被人描述你對“人工智能”的未來想法時，別人就會覺得你不懂人工智能，很Low。
人工智能這玩意，用普通話應該怎麼說？
用普通話了解人工智能
假設一張圖片，分辨率是28*28，這張圖上別人手寫了個位的阿拉伯數字，那麼，計算機該如何識別圖上的數字？
這也許不是最簡單，但絕對是最典型的例子，有了解過人工智能的童鞋，一定對這個例子十分熟悉，如果不了解，不要緊，我們稍後對它更多的介紹，現在，把注意力放到這個問題。
如果要使用人工智能技術去解決這個問題，首先就需要明白人腦是怎麼處理這個問題的。通常，我們會把問題拆分為：“輸入”、“輸出”，通過不斷的將輸入信息與輸出信息做關聯，最後大腦在沒有看到輸出信息的時候，通過輸入信息也能判斷出結果。
再簡單點的例子就是：
我們的老師，告訴了我們 “1 1 = 2”
通過作業題的訓練，當我們看到 “1 1 =” 時候，自然就明白了後續的結果：2
其中：“1 1 =” 就是輸入參數
而2，就是我們大腦的輸出結果。
有關大腦如何決策與學習的例子，可以參考《認知模型》。
“人工智能”的基本原理，也是如此，我將其稱唿為“映射”，其執行過程就是：“給當前輸入的參數，找到一個最合適的結果，並輸出”。
回到“手寫數字識別” 問題上，假設我們已經有了很多手寫數字的數據，其中包含了圖片，與圖片對應結果，也就是阿拉伯數字的0~9，接下裏，我們隻用不斷的告訴計算機：這張圖，就是這個數字，那張圖，就是那個數字即可。
當人腦不斷的被告知這是“1”時，當下一次不給告知時，我們就這是1.
同樣的，當“人工智能”的計算機被不斷的告訴這是1後，下一次不告訴他結果時，他也知道這是1.
這，就是“人工智能”最基礎，也是最重要的作用：
“通過過往的學習，去映射最近似的結果”。
案例
基於現在的技術，計算機還隻能理解數學問題，所以像圖片這樣的信息，我們都要把它轉化為數學表達，才能讓計算機認識這些“輸入”的東西。
在《MNIST機器學習入門》中，對這個案例進行了詳細的講解，而文章的此處，我們就簡單的對其進行介紹。
1. 假設，我有一個“人工智能”，我叫他X先生。
2. 假設，我有一堆手寫圖片，我叫他：Inputs數據集。
3. 假設，我還提前知道了，這些手寫的圖片對應什麼數字，我叫他：Labels數據集
那麼，接下來我該怎麼做？
結合前麵的知識點，我想部分觀眾的心理應該能從最上層的邏輯明白我應該做些什麼。很簡單。
第一步：在X先生的耳邊，嘮叨幾千字，告訴他每一張圖，對應著哪個數字
第二步：給X先生一張圖，問問他，你識不識得？
第三步：向別人吹牛逼：“我的朋友X先生，他已經能夠識別人類手寫的數字了！”
普通話
用普通話來說，人工智能就是一個黑盒子，它的機製與我們的人腦是一樣的，不同的是輸入的信息不同，所以暫時無法讓人工智能變成人類一般的智能。
但在具體的應用範圍內，我們將人與人工智能所遇到的環境信息都限定得一樣了，人工智能就會發揮出與人一般，甚至比人還要好的效果。
再次記住：“一個黑盒子，多次丟進去環境信息 結果，就可以隻憑環境信息得到之前學會的結果。”這是人工智能的本質。
超級簡單的案例
要想功夫深，基礎就得好，今天我們先不講解各種具體的實現，我們針對人工智能的概念，以及它的應用場景，進行大膽的假設與設計。
通過上麵的例子，我們已經明白，假設存在一個人工智能，我叫X先生，他的作用不過是把曾經 輸入 與 輸出 的關連複習好，當我們展現給他 輸入 時，他就會告訴我們，根據他的學習，此時應該出現的結果應該是……
問題來了，我們知道了這種機製後，這種模仿人類大腦的機製後，如何用到遊戲中？
場景一、SLG中的用戶行為模擬
這個標題是不是吼厲害，每個字都看得懂，連在一起就無法給出清晰的定義。
沒關係，三分鍾後，你就會喊出：“我曹，原來這麼簡單！”
準備好了嗎？我們開始！
設計目的
了解SLG遊戲類型的用戶應該知道，SLG品類的遊戲對於用戶量的需求是十分龐大的，通常一個服務器需要幾千名用戶共同生存，它的生態才是健康的，直白點的話就是：“才有足夠的免費玩家讓付費玩家去欺負”。
那麼，模擬出行為類似於真人的機器人，就是突破該品類市場難度的重要方向。
從簡單的應用題開始
我們假設一款SLG中，玩家有一下行為：建造、造兵，打野
再假設玩家看到的信息有：建築等級，金錢，兵力
我們先從玩家的大腦開始分析，有這個一個邏輯：“當玩家看到遊戲內的信息（inputs）時，做出了選擇（labels）“，這和人工智能的原理一模一樣。
其中，包含了一個未知信息：“當玩家做出決策時，我們不知道他觀察了哪些信息。”
通常我們寫普通AI時，就需對它們進行逐一的判斷。
n 如果 兵力足夠 ，那麼 去打野
n 如果 錢 足夠，那麼去建築 或 造兵
n …
等等之類的，通常是通過非常複雜的“人工編寫”的智能去完成NPC的行為邏輯。
建模
回歸到人工智能的話題上，這個命題就會變得十分的簡單。
再次思考之前我們得到的結論，人工智能不過是：“一個X先生，你要不斷的丟給他數據，以後再丟類似的，他就知道結果是啥了。“
也就是說，關於人工智能的建模過程，就是建立輸入與輸出一一對應的過程，而建出來的模型，也就是平常所說的：“數據模型“。
問題：對於SLG玩家這個命題，其中哪些數據，是需要輸入的，哪些數據，是輸出的？
參考前麵“手寫數字識別”的例子，labels的取值範圍為0~9，於是教程裏通過標記位的方式，來將結果整合成統一的表達方式。這裏麵有三種行為，分別是：“建造”、“造兵”、“打野”。我們就手動的，做出三種label，分別代表它們：
- 建造 = [1,0,0]
- 造兵 = [0,1,0]
- 打野 = [0,0,1]
而inputs，整理後，就成了
- [1,333,44] = 【等級，金錢，兵力】
代表著，我等級為1，金錢為333，兵力為44。
最後，我們就有一種映射表達式：
- [1, 999, 0] = [1,0,0]
//這代表著，當我一級時，有999的錢，我沒有兵，所以我去建造。
再通俗點說，也就是，我輸入了長度為3的數據，會得到一個長度為1的結果。
數據
建出了這樣的模型後，缺乏的就是數據源，我們的題目是：“模擬用戶的行為”，所以數據來源不是電腦對抗（類似於Zero戰勝阿爾法狗），而是通過學習玩家的行為，來模擬玩家的決策方式，更接近於阿爾法狗的實現模式。
我們采集每個用戶在進行有效決策時，他的角色信息，這樣，我們就可以得到大量的，來源於玩家的數據。
最後就會形成類似於下麵這樣的數據集：
在程序裏能夠得到這樣的數據後，在本篇中暫時忽略歸一化等操作，我們把這張表交給X先生，等他做出的充足的學習後，他就可以根據此時的三個環境參數，來判斷應該做出什麼樣的行為。
如果還沒有明白的觀眾，我可以再詳細的解釋一下剛才我們做了什麼。
我們建了一個模型
等玩家玩的時候，數據按照模型的要求被記錄了下來
我們把玩家數據丟給X先生
X先生學習完後，能夠根據當前輸入做出決策，模仿出玩家的樣子進行遊戲
這種實現方式，避免的複雜邏輯“人工編寫”，當信息量隻有如例子所示的三個元素時，我們還可以通過人工編寫去達到AI的靈巧，但輸入數據的長度達到幾十個時，我們就難再編寫出不容易被看出的遊戲AI。
結束語
概念講解到此，X先生已經能夠在這個超級簡單的版本的SLG中進行自我控製行為，這些行為來源於在相同機製下，其他玩家大量的做出了如此的決策被X先生所學習。
本篇文章作為整個係列的開篇，不求精彩，隻求能夠最簡單的方式，向大家傳達什麼是人工智能這個概念，並通過一個超級簡單，但絕對可以實用的案例，描述了人工智能這玩意在沒有複雜的代碼邏輯與數學知識時，是如何被一個工程師應用到具體的項目中。
我們的文章題目，是“十個應用”場景，也就是說，我真的儲備了從簡到到複雜的十個應用場景來向大家描述，當今的技術，在遊戲中實現人工智能幫助我們提升遊戲體驗是多麼簡單的一件事。
但在寫的過程中，我也遇到了困難，這是一個看起來很高級的學科，想要很好的在遊戲中設計出這樣的應用場景，就需要設計的人既懂得遊戲設計，也要懂得人工智能。當我講解概念時，人們就會說缺乏實例，而當我講解實例時，文章又會顯得冗長惡心。
所以在第一篇，我會盡量的用最簡單的方式先把概念講出來，這部分內容就不分策劃還是程序，大家都可以看，而之後的章節，我也會去探索如何更好的將這種設計與技術融合的文章給表達清楚。
今天的內容就到這裏，謝謝大家。也希望大家隨意在文章評論區攻擊，畢竟你們的攻擊，才是我們進步的最大源泉。
後續內容
如果沒有太監，根據目錄，接下來的內容可能會有：
本文由EEA探娛互動研究院（Explore Entertainment Academy）在騰訊GAD上發布，前往騰訊GAD平台，可與作者互動，探討文章內容。
最後更新：2017-11-09 22:55:47