目前網路或單機遊戲中的 AI 能達到怎樣的水平，未來的發展前景如何？
我發現在這幾年裡遊戲的AI發展了不少，很多遊戲如《上古捲軸5》和《神鬼寓言》裡面的NPC都能有自己的職業和作息規律，在戰鬥方面貌似也有不凡的表現，特別是在第一人稱射擊遊戲裡面。但是我不知道目前的遊戲AI發展的真實現狀怎麼樣，尤其是在任務劇情和協作溝通上，以及未來的發展是怎麼樣一個方向？
謝邀。
關於這個問題，我們以一款上世紀80年代風靡一時的電子遊戲「吃豆小姐」為例看看AI到底能達到怎樣的水平。來自微軟今年早些時候收購的加拿大的深度學習初創企業Maluuba團隊使用增強學習的技術，在Atari 2600版「吃豆小姐」遊戲中表現完美，獲得了999,990的歷史最高分。
————這裡是正式回答的分割線————
微軟的研究人員在近期創建了一套基於人工智慧的系統，以學習如何在20世紀80年代風靡一時的電子遊戲「吃豆小姐」中獲得最高分。該系統運用了「分而治之」的方法，可廣泛用於對AI代理（agents）進行訓練，使之掌握能夠增強人類能力的複雜任務。
為什麼選擇「吃豆小姐」遊戲？
你可能很奇怪為什麼要用最先進的AI研究方法來對付上個世紀80年代Atari遊戲這樣看似簡單的東西，但事實上Maluuba公司項目經理Rahul Mehrotra表示，搞清楚如何在這類電子遊戲中勝出實際上是相當複雜的，因為在玩遊戲時你可能遇到各種各樣的情況。
Mehrotra說：「在遊戲中取勝需要很多與人類十分相似的『智力』，所以很多從事AI研究的公司都使用電子遊戲來構建智能演算法。」
「吃豆小姐」遊戲街機版的共同發明者之一Steve Golson說，這款遊戲入門很簡單但打通關卻幾乎不可能，因為它最初是針對街機設計的，店老闆們總是希望人們不斷地往裡面投幣。「店家希望玩家們覺得，『哦，哦，我差一點就打通關了！我要再試一次，」Golson說。「再投一個幣。」他們當初設計「吃豆小姐」時有意讓她比普通的「吃豆人」更難以預測，讓玩家更難打通關。而這使得它成為研究人員訓練AI代理對隨機環境做出反應的理想環境。「這款遊戲看起來很簡單，」他說，「但由於遊戲中的各種隨機情況，其複雜性又十分驚人。」
混合獎勵結構——AI代理
蒙特利爾麥吉爾大學計算機科學副教授Doina Precup表示，這是AI研究人員的重大成就。過去他們一直在用各類電子遊戲對系統進行測試，發現「吃豆小姐」是其中最難攻克的。但是，Precup同時表示，令她印象深刻的不僅僅是研究人員所取得的成績，更在於他們所採取的方法。為了獲得高分，Maluuba團隊把「吃豆小姐」打通關這個終極任務拆分成了多個小任務，然後再分配給多個AI代理。
「這種讓它們（AI代理）朝著一個共同目標分工協作的想法非常有趣，」Precup說。她指出，這一點與某些有關大腦工作機理的學說頗為類似，並且有可能在訓練AI代理憑藉有限信息完成複雜任務方面產生廣泛影響。她說：「這真是非常令人興奮，我們又朝著更加通用的人工智慧邁進了一步。」
Maluuba團隊將這種方法稱為「混合獎勵結構（Hybrid Reward Architecture）」，其中使用了150多個代理，每個代理都能與其他代理並行工作，以掌握「吃豆小姐」遊戲的玩法。例如，一些代理成功找到某個特定「豆子」時會獲得獎勵，而另一些代理則被指定負責設法避開「鬼怪」。
接著，研究人員創建了一個上層代理——就像一家企業的高級經理，負責從所有其他代理處收集建議，並據此決定下一步如何移動吃豆小姐。上層代理會計算主張向某個方向前進的代理的數量，但也會考察了它們希望採取行動的願望強度。
例如，假設100個代理希望向右移動，因為這是通向某個豆子的最佳路徑，但是另外3個代理希望向左移動，因為右方有一個致命的鬼怪，那麼上層代理會提高那些注意到鬼怪的代理的願望權重，並決定向左移動。
Maluuba公司的研究經理Harm Van Seijen，同時也是關於這項成就的新論文的主要作者，他表示，當每個代理都自發地採取行動時，就會實現最好的結果。例如，其它每個代理只關注獲取豆子的最佳方式，而由上層代理決定如何運用來自各個代理的信息，做出對每個人都最有利的選擇。
他說：「一方面它們要設法根據所有代理的偏好展開合作，但另一方面每個代理又只關心一個特定問題，這樣就產生了良性互動，對大家都有好處。」
增強學習
對於在不斷發展的增強學習領域從事研究工作的人來說，這種不可預測性是特別有價值的。在AI研究中，監督學習是一種更為常用的人工智慧方法，通過用越來越多包含「正確行為」的樣本訓練系統，使其會變得越來越擅長從事某種工作。
而增強學習的原理卻大相徑庭。通過增強學習，代理所嘗試做出的每個動作都會獲得積極或消極的反饋，並從嘗試和試錯中不斷學習，以最大限度地獲得積極反饋，或稱之為獎勵。
採用監督學習的AI系統，將通過學習好的或差的的回應示例，學會在對話中給出適當回應。另一方面，對於採用增強學習方法的系統，人們期望它僅從高級別反饋（例如一個人表示自己很喜歡當前對話）中學習適當的回應，這項任務的難度要高得多。
AI專家認為，增強學習可以用於創建AI代理，讓它能夠獨立做出更多的決定、承擔更為複雜的工作，把人們解放出來去從事更有價值的工作。
例如，Mehrotra表示，他們所開發的「吃豆小姐」打通關方法可用於幫助公司的銷售部門針對某個特定日期或特定時刻的潛在客戶進行準確預測。系統可以使用多個代理，每個代理盯住一名客戶，由一個上層代理對多項因素加以權衡，如哪些客戶即將續約，哪些合同對公司最有價值，以及某一天或某一時刻潛在客戶通常是否在辦公室或可前往拜訪等。
相應地，銷售主管會得到解放，就能夠把自己的時間全部放在銷售事務上，這樣將會增加成交幾率，因為她只需要瞄準最容易接受的客戶即可。
Van Seijen表示，這種「分而治之」的方法還可用於其它AI研究領域，如自然語言處理等。他說：「它確實能讓我們在解決這些異常複雜的問題上取得深入進展。」
以上回答摘選自微軟研究院AI頭條，999,990歷史最高分！看微軟AI如何把「吃豆小姐」玩通關。
感謝大家的閱讀。
本賬號為微軟亞洲研究院的官方知乎賬號。本賬號立足於計算機領域，特別是人工智慧相關的前沿研究，旨在為人工智慧的相關研究提供範例，從專業的角度促進公眾對人工智慧的理解，並為研究人員提供討論和參與的開放平台，從而共建計算機領域的未來。
微軟亞洲研究院的每一位專家都是我們的智囊團，你在這個賬號可以閱讀到來自計算機科學領域各個不同方向的專家們的見解。請大家不要吝惜手裡的「邀請」，讓我們在分享中共同進步。
也歡迎大家關注我們的微博和微信 (ID:MSRAsia) 賬號，了解更多我們的研究。
我見過的最強的遊戲AI策略應該還是棒雞當年給《HALO》開發的AI。曾經出現在無數關於AI技術的研討會上。
就說HALO1里的一個情況。
當時是在一個高台上，只有兩個入口。我守在上面。AI首先是分析地形，制定大戰術前面牽制我的注意力，分兵從後方繞上來。然後是對己方兵種和武器優勢的分析與安排，在前面吸引我注意力的是遠程攻擊兵，一堆小兵，一個精英領隊，精英和小兵可以吸引我注意，遠程可以趁機攻擊到我。再就是戰術配合的細節，繞後攻擊的隊伍，利用樓梯狹窄的特點，盾牌兵走在最前，強力近身戰精英跟在後面，防備我的攻擊，到達平台後立刻散開多面攻擊，同時下面還有小兵射擊檢漏。FPS的地形一般是很模糊的，能實時分析其拓撲特點，然後將設計好的戰術元素還原成為有效戰術動作，過去的遊戲中從來沒有這麼流暢過。
我在網戰中見過的多數人類對地形的分析和隊友間的配合，完全不能和這AI比。
當然老玩家就別和AI比了。HALO給我印象最深的還有攻擊的層次性，每波敵人的組合，攻擊的路徑，時機把握，都以給玩家帶來最大壓力為目的。甚至敵人什麼時候用人海戰術強攻，什麼時候故意拖延時間轉移玩家注意力，都是有安排的。
按照棒雞的說法，HALO的AI的聰明有很大程度是故意表演給你看的，看上去牛逼的戰術動作，實際並不一定真的有效。
這是10年前的事了，但這些年接觸的FPS里，還沒有哪個AI超過HALO的表現。其實我覺得這絕B應該算COD腳本風潮導致的悲劇。FEAR1跟2的，尤其是1代.遊戲本身設定是孤身戰鬥吃血包回血的FPS。主要以光線不好的室內作戰為主。AI看到主角的手電筒聽到槍聲會警覺這類基礎的就不提了，關鍵是他們攻擊主角會採用的AB隊交替躍進戰術。下面是高玩寫的fear評測，文字很長，有興趣的可以看下，沒興趣的記住FEAR的AI很牛逼這句話就是了。此遊戲高難度下能通關純粹是因為主角能開子彈時間以及SL大法
「從一代開始，FEAR的敵人採用的就已經是CQB的戰法，在復甦里他們交替躍進的前進方式更明顯，A隊先進入可疑區域搜索，clear以後，B隊躍進，A隊固守，但兩隊的防守區域並不完全是分割的，這也就是為何玩家感到敵人明顯比以前來得快數量也多的原因，一般情況下，消滅了A隊，B隊往往就不會直接衝出
來了，而是用固守的方式給玩家下套，一旦玩家進入紅線區域，他們馬上以進攻隊形，正面兩人加上側面兩人的方式進攻玩家，當然在子彈時間這個逆天的東西面
前，這都是無力的。由於FEAR里隊和組是有區別的，首先給出隊的定義，據觀察，隊基本相當於一個班的配置，人數在十人左右，由兩個組和兩名重武器手構成，一個組人數基本為四人，遊戲中後期一個組可能會和一名重武器手一起行動。
接下來分析一下B組的常見戰術，前面已經說過了，遭遇B組的時候玩家通常已經消滅了A組，這時候B組通常會選擇固守並且積極防禦的態勢，有幾種表現：
第一，玩家尚未發現B組尖兵，但對方已發現玩家不過由於射程問題射不到，這種時候通常就會聽到一顆雷從身邊滾過。。。。按照CQB的標準，在對方不踏入紅線
之前是不會輕易暴露己方位置的，而玩家在聽到有雷滾過的情況下，必然有一個逃竄的過程，這時候B隊就會採取兩名尖兵抵近射擊的戰術。
第二，有時候地形比較
複雜，不適宜扔雷但適宜躲藏，B2，B3會在發現玩家的前提下，進行靜默等待，一旦玩家進入紅線，馬上用交叉火力壓得玩家抬不起頭，如果玩家原地不動一直
反擊，就有可能被B4包抄後路，所以貼牆行動是一個比較保險的做法.
原來的區域持續搜索並攻擊玩家，在視野好的前提下，採用放過B2而先攻B3是很有趣的戰法，可以看到敵方會驚慌失措，比較好笑.第四，一些特定的戰鬥，比較明顯的喧嘩式的戰鬥，最好例子之一就是《珀爾修斯的指令》中在撿到手機以後，前進一段路會遇上的四名特工，態勢是僱傭軍夜魔已經發現了玩家入侵，全體
都出於最高戒備狀態，這裡也有一個隱藏的redline，玩家不踩到這個區域里就是發出再大的聲響敵人死活也是不會出現的，一旦進入，對方巡邏的尖兵會以
一種很華麗的姿勢從樓上一躍而下。。。隨後，啪啪啪。。。玩笑了，對方四名特工都是手持重武器並且帶有自動炮塔，這樣的一個B組結構很難輕易突破，幸運的
是此處沒有後路可抄，玩家可以慢慢磨死對方，一代系列中，抄後路往往會對玩家很有利，復甦中這點被適當弱化了，但依然保留了從一點到另一點基本都有兩條路
的設計，不喜歡尋路的玩家只走正面很容易被對方逮個正著，所以CQB戰術的一個要點在於，不要走一些顯而易見的路線，除非你確信它是很安穩的，否則試試一
些特殊的路線，往往會有驚喜，復甦里更是如此，一些死路里都有補給品，而且沒有驚嚇玩家，一些很明顯的路線一不小心就會被交叉火力圍困難以脫身」來源：FEAR與CQB戰術_f.e.a.r吧
最虐的ai一定是老《幽浮》。ai合理性的範例是三國志系列。ai要讓玩家舒服，有時和擬真或者博弈是相悖的。
近幾年國外有很多知名大學在研究星際爭霸的人工智慧，好像某名校有教授帶博士專門搞這個，利用機器學習的方法一年以前好像已經能偶爾擊敗職業選手了。也有一些星際人工智慧的比賽。一些相關鏈接：Berkeley OvermindStarCraft AI CompetitionIEEE Xplore -
SCAIL: An integrated Starcraft AI systemCan a Machine Beat a Human at StarCraft?
堪比沃森的遊戲AI 星際爭霸用於人工智慧
AI，其實嚴格來講，必須是要有學習能力和自我意識的，是一種非常強大的智能。具體形態可以參見《光環》系列中的飛船AI 科塔娜，以及《質量效應》系列中的諾曼底飛船AI 伊蒂 。
至少短時間內，不可能實現真正的AI。目前遊戲中的AI，只是一系列行為反饋的邏輯而已，行為庫越豐富，反饋類型越豐富，就會使AI「看起來更聰明」，但這其實只是一個用窮舉法虛擬的AI而已。
不過從玩家體驗上來講，一個遊戲中的單個NPC或怪物，跟他互動的時間其實是比較短的，那麼在一個合理豐富的行為反饋庫的支持下，就能使玩家感覺到這個AI就是足夠聰明，達到玩家預期的，能夠使玩家在與NPC或者怪物的互動過程中感受到樂趣，這就足夠了。
打個比方，真正的AI，你對他理論上可以做出1000種行為，而AI會反饋給你5000種行為。但其實玩家跟這個NPC只會互動5分鐘左右，最多能對它做出20種行為，而玩家覺得NPC只要能對這20種行為，給出100種不同的反饋，就非常滿意了。那麼在這種情況下，20個行為數量的行為庫+100個行為數量的反饋庫，就可以讓這個假AI跟真AI看起來一樣。上古捲軸里的npc還是有些死板把，日出而作日落而息。不是見了你打聲招呼，就是委託你殺個土匪，掏個地洞，或者是掏地洞里去殺土匪。自己的小跟班一旦跟了你就言聽計從，不敢說半個不字，開簡單模式好像砍他到死也不會背叛。
可能畢竟是他的rpg色彩不是特別的濃厚。有人說他是古裝版的fps
但是B社的輻射系列，尤其是輻射新維加斯，因為有較為強烈故事情節（至少對於近幾年的國外rpg），場景較小，能更好的刻畫npc的細節，所以說我比較青睞他
比如說持槍見人，居民們會叫你收起來；朝空開一槍，居民會大驚小怪，軍警會訓斥你。而且村民們心地善良（至少比老滾里的），給你的任務幾乎沒有掏地洞殺土匪這種千篇一律的刷副本任務（雖然這遊戲里也有不少避難所副本）
同伴們會對你敞開心扉訴說自己的革命家史——前提是你平時做事的好惡和對同伴的態度，而且他們的命運轉折可能就在你的態度
你讓同伴幫你背東西時，她會抱怨：我又不是雙頭牛
同伴也不會把你當成天，一路上當著你的面和酒館裡的小士兵調個情啥的，，看的我火大
而且你的同伴們會拒絕穿有違自己勢力，信仰的衣物。。一開始我不知道，以為這小妞偷偷把衣服賣了換錢。。結果有次無意間回到原地時看見一大堆衣服扔在地上。。
還有一次，我從屍體上拔了一堆禮服，想到身邊的V妹一直抱怨自己沒幾身衣服。我就送了她一裙子，結果她立馬就說這是她期盼已久的。。老滾里我送雷迪亞那麼多東西也沒見說個謝字-_-||
你誤射她時會大聲叫嚷，她生命垂危時會低聲暗禱。我有一次要辭退卡斯大姐，在再三得知我要她離開後，幽幽的和我說：那麼，我會在走遠之後再哭的。
立馬我就心軟了。好吧，我剛才只是開個玩笑，，你還是革命隊伍的一部分
AI不需要多聰明，能完善一些小細節，我就很是知足了
從玩家的角度隨便回答一下
老滾，GTA那種沙箱遊戲的AI，印象中都採用了比較討巧的辦法，讓玩家看起來好像NPC都很智能，但是其實不是 不然就不會有我膝蓋中了一箭那種笑話了我不知道這個東西具體有多難，反正呢我這麼多年玩下來隱約感覺AI的確是一個很難調整的東西
不過我更多地是關注動作類遊戲了，我自己日式遊戲玩的比較多······拿三國無雙來比吧，低難度敵人犯傻發獃逛街高難度各種暴擊配合，其實那個並不是配合，感覺是自己失去了優勢的攻擊節奏然後被雜兵碾壓了這種割草遊戲（或者概括為判定不會太過嚴謹的遊戲），怎麼說呢其實把敵人的攻擊頻率和攻擊慾望提高，給玩家的壓力馬上就會大起來攻擊頻率好理解就是提高屬性嘛，其實玩這麼多年遊戲了，很多時候難度的提升就靠提升敵人屬性這種簡單粗暴的辦法，大概就是因為從AI方面的細節調整入手會麻煩很多吧攻擊慾望就是一個程序問題，就是比方說一個敵人（隊友）在這兒他可以選擇：
1、攻擊2、回復3、防禦4、迴避5、發獃······之類的，有很多選擇，但是可能會傾向於選擇幾種無雙的敵人多啊，就算是每個雜兵都可以兩刀秒，一起群毆你也不好受忍龍那種boss的AI就不談了，都會頂著玩家的收招硬直攻擊的，真的不想說了···累感不愛啊FTG的高手也是把判定和AI摸得很熟的人吧說不下去了= =就這樣，好像跑題了，求摺疊又看了大家的答案，想說說些別的，再次扯淡就是怪物獵人的boss的AI這個算是提供一種思路而已吧首先，這個遊戲的設定是，玩家的體積跟boss的體積差很大，所以攻擊範圍就差很大了遠程武器也由於各種負的補正導致輸出不算很高，除非技術很好吧然後一開始玩這個遊戲會感覺，怎麼好像boss把自己的攻擊思路都看透了的感覺我現在是這麼想的，遊戲必然有很多設定上的限制，所以我們能夠採取的行動也就比較有限那麼只要採樣充足了，能這麼把boss的AI調到反人類的級別也不是不可能的還有就是這個遊戲裡面隊友的AI，從2G開始有了貓，3G是奇面，後面又變回去了根據個人的經驗體會，隊友的作用伴隨著玩家的技術呈現弱——強——弱的趨勢相比於某些搓比遊戲，連自己掛了都沒有NPC隊友來救，紅血了也不會給你回血的情況好多了隊友貓貓和奇面族的倒地值比玩家低得多，也就是說很容易被擊退被打飛所以我們要幫助他們輸出，其實主要還是我們打= =但是我們打的越積極，他們的作用越大，當然如果技術好到一個層次了，隊友就是干擾的意義大於幫助的意義了我覺得既然要說AI，那麼關注的重點就應該是所謂單機遊戲，應為只有單機才需要讓NPC有更好的反應然遊戲體驗變得更真實和有趣，網路遊戲則要偏向於與真人玩家的互動上。要說AI的較高（沒有最高，不同遊戲需要的AI類型是不一樣的）水平，按我玩遊戲的經驗，在ACT遊戲方面，是忍者龍劍傳系列，原因是敵人之間的互動性。往往像老滾這類RPG遊戲會出現一個讓人哭笑不得的事實，敵人抱團互相之間阻礙了各自的行動，亦或是跟班在門口擋著玩家。當然，再出了血族DLC後，大小姐的AI已經上了一個層次，但敵人之間的互動依然是大問題。反觀忍龍，所有新手都會有一個感覺是自己下一步要做什麼總會被boss猜到，在多個敵人的時候，有的特別活躍，吸引你的注意力，你去打他了，被後面的敵人捅了一刀，並且除了2中好漢坡那一場之外，每一波敵人很少，但就是團隊配合好的讓你想死。這就是AI強大的表現，有的遊戲AI僅僅考慮NPC與玩家之間的互動，而忽略了NPC之間的。
圖來自有哪些單機遊戲是挫折感大於成就感的？
當然，忍龍的AI其實也是依靠編寫程序時竟可能想到非常多的情況才呈現的，至於《光環》中的小藍妞，還太遙遠了。但本人猜想其實是把初音未來那樣的全息技術配合上嚴密的編程的產物，只不過那個編程將更加複雜，將包含更多的可能性。至於未來AI前景，我只是個遊戲迷，還在上高中，沒有參加過相關工作。但我期待出現的AI最起碼要比siri要高級，也就是說，RPG類遊戲要讓玩家可以通過話筒直接與NPC對話，並且NPC的回答不是「講述人」腔調。再讓玩家控制角色行為，其實，以後說不定玩遊戲根本不需要手柄或鍵鼠，直接可以用身體玩，用眼睛看。。換句話說，你想去羅馬旅遊，但沒時間，你玩一次遊戲，就等於去了一趟，其中NPC給你感覺就是真人。也就是正在研究中的虛擬現實的最理想結果。假如想找到一個具象化的概念，那就是刺客信條里的Animus系統。以上是理想的發展，但實際上，許多家用機遊戲產商都意識到，與真人互動會使遊戲性更強，所以無論是AC系列，生化危機系列，眾多FPS遊戲，都出了多人模式，相對的，在AI上下的工夫，就少多了。估計以後AI要迎來大發展，還是得靠沙盤遊戲和ACT遊戲，我覺得以後有可能出現的作品，是擁有刺客信條那樣的動作捕捉（偏寫實），老滾那樣的世界觀以及忍龍的AI的升級版（也就是敵人會講究職業搭配，而不僅僅是以一命換一命），是各大優勢的互相融合，而不是某一方面猛增，特別是AI方面可能一時半會還沒辦法達到偽真人水平，畢竟沒有人拿超級計算機來玩遊戲。。。。。暫時憑記憶是能想起這麼一點了。目前人工智慧主要是窮舉法吧，不僅是遊戲行業，其他應用也是如此。當然也有以龐大的數據量作為基礎，通過高速運算來得出結果的AI，類似下棋機器人這種。如果將來遊戲行業能夠以海量的玩家行為數據作為支持，發展出一套AI，也許會比現在的AI更為逼真。
事實上ai這個概念是個50後，但是受限於各種條件沒有什麼發展。最讓我們能接觸的遊戲ai設計應該是魔獸的地圖編輯器了，寫個觸發 調整動作鏡頭和語言。 看上去老土了些，不過其本質和現在的ai並沒有什麼不同。沒有學習能力的ai是沒有意義的，這點我們可以看一看p社的歐陸風雲4，其中就有學習功能。通過我們人類控制軍隊的方法來學習如何攻擊。但是常常因為不分場合的學習，導致各種情況出現。這就說明了，沒有判斷能力的ai也是沒有意義的。事實上上古捲軸也無非是一些模板套用而已，也許你所做的一些任務會有影響但也是有限的。而像星際 紅警的ai 看上去狂霸酷炫，其實不過是通過數據上內部作弊得來的，俗稱上頭有人。因此我們所看到的ai無非是模板多了些，擁有幾個判斷機制來進行預設好的幾個方針，甚至還要擁有一些天生優勢來完成其所應當完成的任務。總結一下 如今的技術條件，ai就是個人力項目。。。另，ai更加適合像是siri功能，但siri還是比不上windows的語音識別。。。可那糟糕的用戶體驗，學習能力，目前還不怎麼樣
個人認為當下的AI還是比較低端的。首先是規律性動作，這個就是以時間為周期的觸發與判定，作為最基礎層的智能，可以說是呆……其次是進階的內容，就是應激，通過玩家的動作做出的判定與觸發，實際上也是程序既定的內容，可以稱之為小聰明……私以為AI之大成，一定要有內在的數據收集裝置，通過玩家的動作數據的收集來更新人工智慧的反應，當然要讓計算機通過自主計算進行更新還是有困難的，不如辛苦一下製作人，在發行前儘可能多的手機數據改進，當然此處就要摻和遊戲製作與發行的問題了，難以深究。
人工智慧的目的，無非是給予玩家更人性的體驗，以彌補與機器玩耍的空虛……所以有時候會曲解人工智慧，為AI增加更有感情的對白和感情多變得反應，會給人帶來貌似智能很高的錯覺。
其實吧，人工智慧終究不能替代了真人，說不定未來的某一天，你面對的npc那頭坐著一個苦逼的童鞋在跟你對話呢……
以上，拙見。
上古5的NPC我覺得跟空軌里的沒什麼區別...也就是玩家的任務進程影響了整個上古世界而已，至於戰鬥中NPC和怪物表現出來的AI，只是有上古特色。
不過上古里的AI設定比較有趣，比如殺了雞村子裡就殺你，比如總是偷東西，跟班的會憤然離你而去，但是我覺得這僅僅是設定比較特別，而不是這個遊戲的NPC有多「智能」。目前單機遊戲的AI發展已然停滯，眾廠商都走到了聯網這一步，畢竟即使在純正的人工智慧領域，現在的最新成果也就是那麼回事，更何況遊戲里的所謂AI！所以，PVP才是遊戲的最終歸宿，不管是網遊的MMORPG，還是類似D3的戰網小隊模式，是今後的發展方向。其實毛主席他老人家早就說了：......與人斗,其樂無窮!我會說我打dota時經常被AI各種包抄各種虐么
怎麼理解AI是非常重要的，人工編程複雜化的進階版還是合理化程序的自發有序編程，類似遵循機器人三大定律。如果是前者，我們的遊戲公司正在讓他更複雜更完善但是還是永遠的既定程序變化；第二種人作為編寫者甚至參與者，是無法用邏輯參照的，因為人類現階段無法解釋分解從細胞活動到思維動作的步驟，因此思維生命等情緒語言的控制仍舊不可實現。
AI,總讓我想起星際1拿原子彈炸湖會炸出湖怪的故事。（電腦學習玩家，也拿原子彈炸湖）
我覺得ai的設置看你的遊戲是給誰玩的，休閑的還是需要費腦子的，這個多難都能做出來，智能系統可以替代人腦了，所以就看遊戲設計者能不能把握一個度來吸引玩家
目前最強的ai就是資料庫足夠大，能夠最多地對玩家可能進行的動作做出相應反應的ai。未來的發展模式還是有自我學習能力的ai吧
我覺得AI以後的水平是取決於玩家的狀況，不然打電腦都輸，誰還玩啊！
英雄連的AI真的是喪心病狂，一次戰鬥陷入被動，之後所有的行動都會很被動。
AI現在就可以很強，可以精確計算讓玩家連跪，普通玩家被吊著打，要不是照顧玩家情緒…哼哼
推薦閱讀：
※怎麼看最終幻想15的結局？你是怎麼理解的？
※任天堂遊戲為何能夠經久不衰？
※微軟是不是三大主機廠商中對中國玩家最差的一家？
※如何評論陰陽師雨女副本？
※你玩過的最複雜的卡牌遊戲是哪個？