我想說明的是，這只是我開始初涉人工智能知識的思考日志。
一款有趣的游戲，必定需要游戲中各個環節的出色的發揮，比如人工智能模塊的提現。還記得早期的電視游戲中的那些通關秘技嗎？其實，當你在享受通關的快樂的時候，這款游戲可玩性也大大是縮短了。那么，如果Boss“學會”了思考呢？于是更智能的Boss出現了。
需要說明的是，其實游戲中人工智能只能算是人工智能，這個深奧的領域的一部分，它具有人工智能的一部分特性，但卻又不完全的等同與人工智能。所以，也許Artificial Intelligence，這個名字更好些。
既然是人造智能，那它必然需要一個載體，比如人的智慧在人體的大腦中，而這里所說的AI的載體，當然指的是計算機了。
先來看下以往游戲的AI應用。它們大部分是以兩種方式來體現的。第一種，嚴格意義來說并不能算是AI，因為它使用的是作弊機制，即，在判斷行為之前，機器人是獲取得到對方的準確數據指標的，從而根據開發者的定義來決定對拿到的這份數據做什么，這種情況下，機器人只有不想贏，沒有贏不了。第二種則在Half-life中體現的非常不錯，它有很好的AI機制，有些遺憾的是，它基于了大量的腳本化操作。
那如果我要撇開這兩種方式，讓AI更加名副其實呢？神經網絡系統？或許有些宏大，但我想我可以學習其中一些概念。
首先，在我的思考里，有這樣一個初步的模型。
創造機器人，將是第一步。人對事物的容載量是在腦細胞可以承載的范圍內，同樣，在AI機器人創建和使用的時候，就有必要對當前載體——計算機的情況做一個評估，以保證合理應用硬件資源。就好像人類先天的天賦，這將決定后面機器思考的范圍和深度。
其次，賦予情感。人類對事物的判斷，大致上基于兩方面的信息：情感和思維判斷。在這里，感覺也屬于情感的系列。我們希望即便是機器人，也能有些性格，這樣，或許看起來更豐富些，此外就像人一樣，當自身的思維判斷不足以作出動向的時候，就需要“感覺”去做，這，符合人類的習慣。
再次，是計算機最擅長的方面：思維邏輯。因為在上一條，我們已經撇開了情感這種感覺類因子，所以這里的邏輯判斷，也就類似人類的純常識性判斷，即，根據存儲數據，以學習到的思維模式去求解，這應該是整個AI模型中很重要的一部分內容。
情感與一些能力是人類的先天屬性，AI機器人同樣也需要它們，我想，或許承載它們的是一種合理的，高效的數據結構。
有了上面的思考，我的心中有了這樣一個模型，或許它很初步，或許它很幼稚，或許它很不合理，但卻是我了解這部分的開始，我希望它可以產生很多錯誤，這樣我就可以不斷的糾正自己。
這個模型的定義應該是分為兩個方面的：AI機器的先天屬性和后天處理。
先天部分，應該充分利用Script System，它有利于定義出一些誕生以后就不太需要改變的東西，就好像人一樣，在這個部分應當包含一些FSM,FuSM,和Message，這其中包含了一定的自我修復能力，當然了，也可能被損壞，這應當是被允許的。同時它的極限能力，則是AI系統的運轉能力。
這個過程，可能以GA的方式為統籌處理以便達到生產，自我修復，接受修復，等能力的實現。因為我們的定義是要應用于游戲中，所以在設計的時候，應該注意到GA的缺點，并做出反應。當然，它不會是這部分的核心而是一個很好的統籌輔助，比如全局數量性的問題，一些非線性，非連續的處理，GA都能夠很好的勝任。而它的不足之處也是它不能作為這部分核心的主要原因：時間成本，算法的隨機性（在接收到的提示出現問題的時候），此外還有因為heuristic technique，而始得得到的答案未必是最優的，此外重要的是，GA調試起來非常麻煩。還有些其他問題。所以，我們要做的應該是讓GA的優點極限發揮。同它一起協作輔助的還有ACO，Coevolution，AGA等。
后天的思維模式，將會是基于NN的。它與GA看起來有些地方類似。當然它也有調試困難和學習周期等問題的存在，所以，初期只打算讓它有個簡單的雛形存在。除了NN，后天部分還打算具有一些Artificial Life，Planning Algorithm，Production Systems，Decision Tree，Fuzzy Logic等等。
兩個部分想要以Layered Architecture的分布方式去架構，當然了，我很清楚，學習是一個過程，我的想法是在實踐中掌握。
初期，就從一個機器人智能對話的程序開始吧。
下載 
下載 
下載 
喜歡 
頂
難過
囧
圍觀
無聊
