AIは一般的なゲームで最も一般的にどのように実装されていますか？

私はゲーム開発者ではありません。ゲームではない好奇心盛なコーダーです。人気のある現代のゲーム、たとえばFPSでAIはどのように機能するのでしょうか？ハードコーディングされたルールに基づいていますか？他の種類のAI（自動運転車などを駆動するAIなど）との共通点はどれくらいですか？開発者はAIが自然に動作し、対戦するのが楽しいことをどのように保証しますか？

私はグーグルでMinMaxのさまざまな派生物について言及しましたが、AIが継続的で変化しやすい世界にどのように対処するか、AIがどのようなアクション/状態に報酬を与え、さまざまなアクションの成功のチャンスをどのように把握するかについては答えませんでした。Machine Learningもあちこちで言及されているのを見ましたが、深刻なゲームでは使用されていないようです。

多くの方法があります。各ジャンルには独自の問題があり、AIのアプローチは問題の領域とその表現方法に大きく依存しているため、FPSについて回答します。

一般的なFPSアプローチは次のとおりです。

• ハードコーディングされたルール（次のいずれかと論理的に同等である可能性があります）
• 有限状態マシン
• 階層的な有限状態マシン
• 行動ツリー
• 決定木
• 目標指向の行動計画

上記のさまざまな順列とバリエーション。

Minimaxは一般にFPSのような連続状態のゲームには使用されず、チェスなどの個別のゲーム空間でのターンベースのゲームには使用されません。高レベルの計画に使用できますが、一般的にはより優れたシステム（ 。上記）複数の敵、不完全な情報、しかし単純な計画に直面したとき。

プレイテストによりAIが楽しいことを確認します。難しすぎる場合は、決定ヒューリスティックにエラーを導入したり、反応に遅延を生じさせたり、照準にランダム係数を適用したりする場合があります。十分に困難でない場合、アルゴリズムに供給されるデータを改善するだけ。

さまざまなAIの仕組みに関する論文がありますが、私が最もよく知っているのはFEARです

さらに2つの一般的な方法

UCT検索。フォーマリズムがありますが、基本的には、ゲームが終了するまでランダムにプレイアウトし、負けたゲームよりも勝ったゲームの重みを大きくするフィードバックがあります。この純粋な形式の良いところは、AIが何が良いか悪いかを知る必要がないということです。

通常、アルファ-ベータツリープルーニングと組み合わせたMinmax検索は、基本的にゲーム空間の完全な検索を行い、数値を割り当てる静的エバリュエーターですべてのターミナルノードを評価します。これは、勝つための進捗を測定する明らかな指標があるゲームに適しています。