人工智能与游戏

《人工智能与游戏》是首本致力于解释人工智能（AI）技术如何被用于游戏内与游戏上的教材。在导论章节结束后，《人工智能与游戏》介绍了AI与游戏中的背景技术与关键技术，以及AI如何被用于玩游戏、被用于为游戏生成内容以及为玩家进行建模。 《人工智能与游戏》适用于人工智能、游戏设计、人机交互和计算智能的本科和研究生课程，也适合工业界中的游戏开发人员和从业人员用于自学。本书作者开发了一个网站（http://www.gameaibook.org），这个网站为本书所涉及的材料进行了补充，包括*新的练习、讲义幻灯片和阅读材料。

Georgios N.Yannakakis 是马耳他大学(UoM)电子游戏学院的一名副教授。他于2006年在爱丁堡大学取得信息学博士学位。他曾担任哥本哈根IT大学计算机游戏研究中心的副教授。他的研究主要集中在游戏领域中的AI、计算创意、情感计算以及人机交互。他在上述领域中发表了超过200篇期刊论文与会议论文，他的研究也受到了多项国家基金与欧盟基金的支持，并且发表在《Science Magazine》与《New Scientist》中。他是IEEE Trans. on Computational Intelligence and AI in Games的副主编，并曾经是IEEE Trans. on Affective Computing (2009-2016)的副主编。他是一些重要会议的主席，例如IEEE CIG (Computational Intelligence and Games)与Foundations of Digital Games (FDG)。 Julian Togelius 是纽约大学计算机科学与工程系的副教授，并且也是纽约大学游戏创新实验室的共同指导者。他曾担任哥本哈根IT大学计算机游戏研究中心的副教授。他的工作针对计算智能与游戏的所有方面，以及进化计算与进化强化学习的部分方面。他当前的主要研究方向涉及基于搜索的程序化内容生成、借助玩家建模的游戏调节、自动游戏设计，以及相关的以竞赛形式开展的游戏AI基准。他目前担任IEEE Transactions on Games的首席编辑。

译者序 原书序 原书前言 原书致谢 配套网站 第一部分 背景1 第1章 导论3 1.1关于本书4 1.1.1我们为何编写本书4 1.1.2谁应当阅读本书5 1.1.3术语的简短说明6 1.2 AI与游戏简史6 1.2.1学术界8 1.2.2工业界9 1.2.3分歧11 1.3为什么使用游戏来研究AI 13 1.3.1游戏是一个困难与有趣的问题13 1.3.2丰富的人机交互15 1.3.3游戏是流行的15 1.3.4对所有AI领域的挑战17 1.3.5游戏是AI的长远目标的最佳实现17 1.4为什么需要游戏中的AI 19 1.4.1AI体验并且改善你的游戏19 1.4.2更多的内容、更好的内容20 1.4.3玩家体验与行为动作分析20 1.5本书结构21 1.5.1本书中覆盖（以及未覆盖）的内容21 1.6总结23 第2章 AI方法24 2.1附注25 2.1.1表示25 2.1.2效用26 2.1.3学习=最大化效用（表示）26 2.2特定行为编辑27 2.2.1有限状态机27 2.2.2行为树28 2.2.3基于效用的AI 30 2.2.4进阶阅读32 2.3树搜索32 2.3.1非启发式搜索32 2.3.2最佳优先搜索33 2.3.3极大极小35 2.3.4蒙特卡罗树搜索36 2.3.5进阶阅读40 2.4进化计算40 2.4.1局部搜索41 2.4.2进化算法42 2.4.3进阶阅读46 2.5监督学习46 2.5.1人工神经网络48 2.5.2支持向量机53 2.5.3决策树学习55 2.5.4进阶阅读57 2.6强化学习57 2.6.1核心概念以及一种高层次的分类方法59 2.6.2Q-Learning 60 2.6.3进阶阅读61 2.7无监督学习62 2.7.1聚类62 2.7.2频繁模式挖掘64 2.7.3进阶阅读66 2.8知名的混合算法66 2.8.1神经进化66 2.8.2带有人工神经网络函数逼近器的时序差分学习67 2.8.3进阶阅读70 2.9总结71 第二部分 在游戏中使用AI的方式73 第3章玩游戏75 3.1为什么使用AI来玩游戏75 3.1.1扮演玩家角色来追求胜利76 3.1.2扮演非玩家角色来追求胜利78 3.1.3以体验为目标来扮演玩家角色玩游戏78 3.1.4以体验为目标来扮演非玩家角色玩游戏79 3.1.5关于AI在游戏过程中的目标与角色的总结80 3.2游戏设计与AI设计上的各种考量80 3.2.1各种游戏的特性81 3.2.2 AI算法设计的各种特性86 3.3 AI可以怎样地玩游戏89 3.3.1基于规划的方法89 3.3.2强化学习94 3.3.3监督学习96 3.3.4嵌合式游戏玩家97 3.4 AI可以玩什么游戏97 3.4.1棋盘游戏97 3.4.2卡牌游戏99 3.4.3传统街机游戏101 3.4.4策略游戏107 3.4.5竞速游戏111 3.4.6射击与其他第一人称游戏113 3.4.7严肃游戏115 3.4.8互动小说117 3.4.9其他游戏118 3.5进阶阅读121 3.6练习121 3.6.1为什么是吃豆小姐121 3.7总结122 第4章 生成内容123 4.1为何生成内容123 4.2分类方法125 4.2.1根据内容的分类方法125 4.2.2根据方法的分类方法126 4.2.3根据角色的分类方法127 4.3如何生成内容127 4.3.1基于搜索的方法127 4.3.2基于求解器的方法130 4.3.3基于文法的方法131 4.3.4元胞自动机134 4.3.5噪声与分型137 4.3.6机器学习138 4.4 PCG在游戏中的角色141 4.4.1混合主导的142 4.4.2自主的145 4.4.3体验主导的145 4.4.4体验无关的148 4.5有什么是可以被生成的148 4.5.1关卡与地图148 4.5.2视觉效果150 4.5.3听觉效果151 4.5.4叙事152 4.5.5规则与机制153 4.5.6游戏155 4.6为内容生成器进行评估158 4.6.1这为何很难159 4.6.2函数与美学159 4.6.3如何评估一个生成器159 4.7进阶阅读161 4.8练习162 4.8.1迷宫生成162 4.8.2平台关卡生成器162 4.9总结162 第5章 玩家建模163 5.1什么是玩家建模以及什么不是玩家建模164 5.2为什么需要对玩家进行建模165 5.3对各类方法的高层级分类法166 5.3.1基于模型（自顶向下）的方法167 5.3.2免模型（自底向上）的方法170 5.3.3混合方法170 5.4模型的输入是怎样的171 5.4.1游戏玩法171 5.4.2客观数据171 5.4.3游戏环境173 5.4.4玩家资料174 5.4.5链接数据175 5.5模型的输出是怎样的175 5.5.1对行为进行建模175 5.5.2为体验进行建模176 5.5.3无输出183 5.6如何对玩家进行建模183 5.6.1监督学习184 5.6.2强化学习187 5.6.3无监督学习188 5.7可以为何物建模189 5.7.1玩家行为189 5.7.2玩家体验195 5.8进阶阅读199 5.9练习200 5.9.1玩家行为200 5.9.2玩家体验200 5.10总结201 第三部分 未来之路203 第6章 游戏AI全景205 6.1游戏AI的全景视角206 6.1.1从方法（计算机）的角度出发206 6.1.2从末端用户（人类）的角度出发207 6.1.3从玩家-游戏交互的角度出发209 6.2各个AI领域如何启发其他领域210 6.2.1玩游戏210 6.2.2生成内容213 6.2.3为玩家建模216 6.3前行之路218 6.4总结219 第7章 游戏AI研究前沿220 7.1通用对弈游戏AI220 7.1.1通用游戏221 7.1.2通用游戏生成与编排222 7.1.3通用游戏情感循环223 7.2在游戏中的其他角色224 7.3道德上的考量226 7.4总结228 附录230 附录A英文缩略语表230 附录B游戏名称中英文对照表232 附录C中英文术语对照表237 参考文献248