学习人工智能和象征主义人工智能

── 比如在游戏中，角色如何学会绕路并选择绕路？

在讲解学习之前，人工智能技术迄今为止已经经历了三次热潮，所以我想先介绍一下技术的流程。

人工智能研究有两种体系，一种是神经网络。它模仿大脑中的神经元作为电子电路，被称为联结主义。深度学习就是由此发展而来的。

另一种是基于符号的人工智能，以搜索引擎为代表。人工智能是通过符号来表达的。第一次繁荣始于 1960 年，这两个系统开始出现。后来，在 20 世纪 80 年代，神经网络得到改进，能够使用模式识别来识别字符和图像。符号主义开发了基于规则的专家系统和更先进的逻辑推理。这是第二次繁荣。直到第二次繁荣时期，“学习”这个任务几乎没有被使用过。当时人们认为学习没有那么有用，机器动力和学习资料也很少，所以第二次繁荣在1993-1994年左右结束。

随着互联网时代的到来，当几乎每个人都开始使用博客和SNS（社交网络服务）自行传输信息时，大量的文本、图像和视频数据开始存储在计算机上。此外，计算机不断发展，速度越来越快，2006年，深度学习基础的自动编码器方法被开发出来，使得利用联结主义学习大量数据成为可能。深度学习在2010年左右开始正式应用，目前第三次热潮已经到来。

第三次热潮后进入人工智能领域的人有这样的观念：人工智能=学习。然而，第二次热潮以来一直从事人工智能工作的人都知道，学习受到了压迫，也知道深度学习只是人工智能的一个领域。游戏开发的历史跨越了第二次和第三次AI热潮，因此游戏中使用的AI不仅仅是学习。我们正在追求一种将符号建筑和学习相结合的方法。

角色AI与路径搜索技术

目前，游戏角色使用自主角色 AI，可以自行做出决定并采取行动。另外，地图上布满了角色可以移动的三角形区域，称为导航网格，可以搜索角色AI的移动位置和范围，并可以根据需要计算最短路线和预测移动路线。这就是路径搜索算法。我就是这么说的。

最初，大部分游戏的AI技术都是借鉴自机器人技术。在研究游戏人工智能之前，我研究了导航技术。构成角色AI基础的路径搜索技术和决策技术都源自机器人导航技术。

过去，没有路径搜索技术，所以你可以给角色的唯一命令就是“直走”。这导致角色被困在某些路径或空房间中。现在我们可以计算游戏中的行进路径，允许角色自行从地图的一端走到另一端。换句话说，游戏已经变成了一个开放的世界，角色现在可以自己走到边缘。上述技术构成了游戏AI的基础。

游戏决策的变化

── 游戏中的决策发生了怎样的变化？

　到目前为止，当游戏中发生某些事情时，我们会条件反射地做出决定，决定下一步该做什么，但现在我们可以从游戏的一端移动到另一端，预测未来就变得有必要了。例如，现在可以画一个故事，角色在城堡里遇见了国王，听了他的故事，然后拿起剑前往某个地点，然后让角色去执行，所以制定计划并执行的决策能力变得越来越普遍。还需要强大的思维，从 2000 年左右开始，决策就被纳入了游戏中。

── AI做决定意味着什么？

　在此之前，先介绍一下游戏中使用的AI。游戏中有三个AI。它们是角色本身具有的角色 AI、导航 AI 和元 AI（图 1）。

[图1]游戏中使用的三个AI
来源：史克威尔艾尼克斯有限公司

角色AI做出自主决策，并具有与朋友合作的作用。导航人工智能分析游戏中的地形并找到到达目的地所需的点和路径。另一个元人工智能监视情况并向角色发出命令，让他们在正确的时间扮演关键角色并娱乐玩家。