當前AI最厲害的戰略遊戲是什麼？

01-11

喜歡玩三國志，鋼鐵雄心這類的遊戲。然而無奈電腦的AI太弱，不能獲得足夠的代入感。如今AlphaGo Zero已經可以從零學起成為最強的圍棋軟體了，那類似的技術有沒有運用到其它戰略遊戲中呢？

你可以試試加強版mod

其實，只是沒人把ai做的太強，否則會沒人玩的

你想，假如你新買了一個遊戲，ai和你一樣，不作弊，你卻打的很累甚至打不過，你會不會直接就不玩了？

所以現在這種ai設計方式，是雙贏的，一方面高難度電腦啟用作弊，遊戲公司節省研發ai的費用，一方面玩家心裡想，我很強，開心

題主你這兩個遊戲玩多了，自然覺得ai弱智了

其實遊戲公司定期出出補丁dlc加強ai，多幾個難度，倒是蠻好

謝邀。

首先簡要概括一下AlphaGo Zero中的主要技術，再談談這些技術在其它戰略遊戲中的應用。

AlphaGo Zero中的主要技術是深度強化學習（Deep Reinforcement Learning，DRL）和蒙特卡洛樹搜索（Monte Carlo Tree Search，MCTS），其中的深度強化學習又包括基於策略梯度的強化學習和基於殘差結構的卷積神經網路，也就是大名鼎鼎的ResNet。

深度強化學習在遊戲AI領域有著廣泛的應用。早期，遊戲AI主要基於專家知識庫和推理系統實現的。後來，隨著機器學習的不斷發展，基於強化學習、神經網路、搜索等方法能夠提高AI的水平，但由於這類方法在很大程度上需要人工構建特徵，這種做法的難度較大、代價較高，從而導致遊戲AI的水平難以突破。現如今，深度強化學習是一種端到端的機器學習方法，它將深度學習和強化學習的優勢合二為一，在Atari視頻遊戲（如DeepMind的DQN方法）、棋類遊戲（如DeepMind的AlphaGo Zero）、星際爭霸遊戲（如Facebook的CherryPi）中都有所應用，並取得了一定的成果。

相反，遊戲AI是一個衡量深度強化學習技術發展水平的標尺，許多機構都開放了遊戲AI測試平台，其目的就是希望研發人員通過研發遊戲AI來不斷發展深度強化學習技術。主要有：

1、Bellemare等於2013年開放的街機測試環境（Arcade Learning Environment，ALE）；

2、OpenAI的Brockman等人於2016年整合的OpenAI Gym，隨後又將其發展為介面更加豐富的Universe平台；

3、DeepMind開放了內測平台DeepMind Lab，提供了一個基於3D迷宮遊戲的測試環境；

4、The Open Racing Car Simulator（Torcs）是一款3D賽車遊戲，主要用於自動駕駛的模擬；

5、微軟的Project Malmo是一個基於MineCraft的AI測試平台；

6、開放了StarCraftI、II的AI介面，等等。

深度強化學習是目前遊戲AI領域的主流技術，但仍有很長的路要走。例如，對於圍棋這種回合制的遊戲，AI已能夠超越人類的頂級水平，但像星際爭霸這種即時戰略遊戲，它對實時性要求很高，這類遊戲的AI仍未超越人類（星際I的人類職業玩家以4:0的成績碾壓最強AI，星際II更加複雜）。

另外，我還想補充一點，遊戲AI無論多麼強大，也不代表人類變得一無是處。比如，儘管圍棋AI已經超越了人類，它知道哪步棋是非常好的一步棋，這是因為它能算出這步棋的統計分數，但從棋理的角度來講，它可能並不知道為什麼好。因此，就目前的研究現狀來看，這部分仍需要由人類棋手經過討論和分析再給出答案。在不久的將來，這也許是AI領域更深層次的研究問題了。

淺見，以上。

請容許我先做個表情

感謝邀請

答案是有的

十字軍之王、文明、全面戰爭等等...

這還只是枚舉了一些知名的遊戲，不知名的遊戲做得虐心的比比皆是

因為你玩遊戲是在一定的規則下完成的

而設計者是清楚這些規則的，所以想怎麼玩你都很輕鬆

而很多時候玩大了

玩家就又會喊怎麼這麼難，是不是人玩的，卧槽，死不死啊，卧槽，他怎麼知道我在這兒

所以

作為一個遊戲設計人員

我一般不會把怪物設計的太聰明

不然你沒得玩

我覺得吧是地球ol

其實一般遊戲都是給ai加資源的

簡單粗暴

文明群星紅警三

當然也許因為我太菜了。。。

中國象棋？

鋼鐵雄心能調難度，有黑冰mod。有挑戰性的。

迄今為止我遇到的最強的AI還是群星的5倍天災。。。還沒贏過。

可恥的匿了。

看怎麼算了，要是AI只能看屏幕，那弱爆了，如果直接讀取內存，還記得100小狗沖臉打爆20輛坦克嗎？

機器人永遠，永遠都不可能理解人類，由於人類的特性和出爾反爾聲東擊西的習慣，機器人沒法想到人類現在在想什麼陰謀的伎倆對付你。無論是fps，rts遊戲，還是別的什麼，機器人很難勝得過人類，圍棋這種遊戲規則簡單的機器人容易掌握，但是fps，rts這種擁有各種變數且遊戲規則複雜的機器人甚至可能不如小孩子玩的好。