瞭解遊戲編程與 AI

噫語系列。。。

閒話

最近在重寫個人一個 QQ 羣機器人項目，並嘗試將它改爲更通用的結構，以方便在將來加入對 Wechat 和 Telegram 的支持。

在查資料的過程當中，發現不少人認爲一個羣內多人遊戲，很差寫。
仔細想一想，這個東西難不難寫，不在羣 robot 自己，而在多人遊戲這個詞上。

而後就專門瞭解了一下這個。遊戲編程，和一般的 Web 後端差異很大。
Web 後端不少操做都是無狀態的，操做基本都直接和數據庫關聯。
而通用的 session、驗證碼等東西，基本都有現成的庫可用，並且這些東西只有兩個狀態，根本不須要去作複雜的設計。

可是對於遊戲，就不同了。就算只是一個簡單的多人文字遊戲，也須要維持多個狀態：

1. 須要先收到 /start，才能開始遊戲。狀態是遊戲中。
2. 參與遊戲的用戶，每一個人都須要一個狀態。遊戲進行時，每一個人的狀態都會不斷髮生遷移。
3. 須要一個全局的狀態：誰是勝利者，或者別的什麼。
4. 羣聊機器人通常都會服務多個羣，每一個羣的全局狀態須要分開。
5. 何時遊戲結束？

顯然遊戲編程，須要維護各類狀態。狀態和行爲是核心。根據用戶發出的命令，程序須要按狀況更改整個遊戲中的各類狀態。

按個人想法的話，我須要一個遊戲池來存放正在進行的遊戲，用羣id 來區分各羣的遊戲。而後每一個遊戲就會有一個對象來存放各類狀態，全局的和各用戶的都放在裏邊。
一個遊戲，就是一個羣會話（GameSession），也應該有過時時間。

總之，我發現遊戲編程，和 Web 後端編程，須要的思想很不同。

遊戲 AI

就想到之前的街機遊戲，AI 是不可缺乏的一部分：魂鬥羅、拳皇、坦克大戰、超級馬里奧、忍者神龜……這些遊戲的 AI 都算是遊戲的核心了。

對的，我又瞭解了一下游戲 AI：

1. 經典的實現方式是有限狀態機（Finite State Machine），適用於簡單的 AI。其實就是定義一些狀態，而後用 switch 在狀態間切換。。
   • 狀態機是一種「事件觸發型」AI，就是隻有事件的觸發纔會發生引發狀態的變化。
   • 過年在家下了個遊戲：《異常》，那個差很少就是 FSM.
2. 對狀態比較多的狀況，FSM 代碼可能會變得很複雜，難以維護。解決方法有分層有限狀態機（Heirarchical Finite State Machine）
   • 也就是將狀態分類，抽離出來，將同類型的狀態作爲一個狀態機，而後再作一個大的狀態機，來維護這些子狀態機。
   • 這樣在外部咱們只須要關心大狀態的切換，在內部咱們只須要關注小狀態之間的切換。（而對 FSM，咱們須要考慮全部狀態機之間的切換。。）
3. 狀態機代碼難以複用，並且邏輯的更改可能須要修改大量代碼。爲了複用，能夠改用行爲樹（Behavior Tree）
   • 它是一種「輪詢式機制」。每次更新都會遍歷樹，斷定邏輯是否成立，是否該繼續往下執行。

真正的 AI

以上方法都是基於人工編寫規則的 AI，並非真正的智能。

要說到真正的 AI，以前最火的莫過於 DeepMind 的 AlphaGo 了。它使用 AI 技術，在圍棋領域超越了人類的極限。

由於圍棋的複雜度過高，AlphaGo 沒法採用與當初征服國際象棋領域的【深藍】同樣的方法：生成全部可能的走法，而後執行儘量深的搜索，並不斷對局面進行評估，嘗試找出最佳走法。

AlphaGo 使用蒙特卡洛樹搜索（Monte Carlo tree search），藉助估值網絡（value network）與走棋網絡（policy network）這兩種深度神經網絡，經過估值網絡來評估大量選點，並經過走棋網絡選擇落點。AlphaGo 最初經過模仿人類玩家，嘗試匹配職業棋手的過往棋局，其數據庫中約含3000萬步棋着。後來它達到了必定的熟練程度，它開始和本身對弈大量棋局，使用強化學習進一步改善它。
圍棋沒法僅經過尋找最佳棋步來解決：遊戲一盤平均約有150步，每一步平均約有200種可選的下法，[66]這意味着有太多須要解決的可能性。

繼 AlphaGo 以後，DeepMind 又進一步打算攻克另外一道難關：星際爭霸。這裏的最大的難點是不徹底信息， 其次是須要遠期計劃，另外就是實時性與多主體博弈。

不徹底信息，就是說你沒法看到視野以外的狀況，那裏可能有對方的軍隊在採礦， 或者大批小兵集結， 這可能與我此刻的決策關係很大， 可是卻不爲我所知。
這與圍棋這樣的遊戲有着本質的區別， 由於圍棋這樣的遊戲， 即便策略在複雜， 你方和我方的狀況都是一目瞭然的。圍棋遊戲的複雜體如今策略空間的巨大致使的維度災難， 然而始終都是你知我知的。

能夠說 AI 正在經過遊戲領域，一步步走向最終目標：通用的 AI.
1997 年深藍打敗國際象棋冠軍卡斯帕羅夫時，就曾引發 AI 恐慌。但是如今 20 多年過去了，咱們發現 AI 的路還很長。
目前已有的全部 AI 系統，都是「專家系統」，只擅長某一個特定的領域，並且它學習到的東西也沒法應用到別的地方。

The End

嗯。。隨便寫寫。。

參考

• 漫談遊戲中的人工智能