深度学习在图像识别领域的应用和发展，从AlexNet在ImageNet大赛上的胜利开始，技术的进步使得AI的识别精度超过人眼，如日常的扫脸支付。然而，直到AlphaGo战胜围棋世界冠军，人们才更广泛地认识到人工智能的力量，因为下围棋被看作需要深入思考的高级智能活动。通过深度学习，计算机不仅模仿了人类的直觉，还实现了对棋局的深思熟虑，这标志着AI时代的真正到来。作者曹旸强调研究游戏AI的重要性，认为它可能揭示人类思维的秘密，帮助我们理解生活中的选择和权衡。



译者序

游戏AI的发展引发的讨论，有人担忧它会夺走人类玩游戏的乐趣。以国际象棋为例，Bobby Fischer认为因开局套路化和依赖数据库，国际象棋的艺术性降低。哲学家John Searle和计算机科学家Douglas Richard Hofstadter对AI在游戏中的表现持有保留态度，他们更看重人类的思考和洞察力。为增加趣味性，西洋跳棋限制两步开局，菲舍尔任意制国际象棋改变开局布局。Kasparov提出人机组合的“高级国际象棋”，展现出人与机器合作的潜力，即“Kasparov法则”。游戏AI不仅测试计算机能力，还推动高效算法研究，甚至被用于数学领域的实验性计算。通过AI解决谜题和游戏，能启发人类新的思考方式。章节结尾处通过Chomp游戏展示了游戏策略的复杂性，即使看似简单的规则也可能隐藏着未发现的胜利方法。



第1章 谜题与游戏AI的过去和现在

深度优先搜索（DFS）和宽度优先搜索（BFS）是两种常用的搜索方法。DFS对树结构进行深入探索，快速找到解但可能扩展大量节点；而BFS按层次遍历节点，确保找到解并求得最短路径，不过需要更多内存存储所有节点信息。启发式搜索如A*算法，则利用问题特定知识智能选择扩展节点，通常效果更佳。

文章通过“传教士与野人”和8谜题实例展示了DFS、BFS以及A*的实际应用。在解决推箱子问题时，BFS和迭代加深搜索都能找到最小代价解，但节点生成数量不同；而A*在复杂情况下表现出更高的空间和时间效率。数字连线、日式华容道等益智游戏的策略也进行了讨论，启发式函数在此类问题中起到关键作用。

孔明棋和数独问题的解决方法各有特色。对于数独，数学表达式处理程序Sage结合Gröbner基技术能找出满足约束条件的整数值解，适用于不同大小的格子，如4×4的“shidoku”和6×6的“rokudoku”。此外，“killer sudoku”等变种问题也引起了关注。

在解决复杂问题时，选择合适的搜索策略至关重要。DFS、BFS和A*各有优势，能适应不同的问题情境。而利用数学工具，如Sage和Gröbner基技术，则能在特定领域如数独中找到高效解法。这些方法的灵活运用，有助于我们更有效地解决现实生活中的各种挑战。

第2章 解谜的AI

线条画解释是一种通过在图像中添加标记来解析其结构的方法，适用于处理包括漂浮和靠墙图形在内的多种情况。然而，对于不存在的物体如错觉图，需要更复杂的约束条件。非单调逻辑推理允许新信息可能导致先前结论被推翻并重新评估。ATMS（Assumption-Truth Maintenance System）系统支持基于假设的推理，例如在解决N皇后问题和覆盖问题时构建网格模型，逐步删除不兼容情况找到答案。

四色问题虽然已有数学证明，但在实际应用中仍具挑战性。通过创建表示每个区域颜色选择的假设，并定义相邻区域使用相同颜色为冲突（Nogood），如图3.22所示的四个区域，所有可能的颜色组合产生相应假设，任何两个区域同时涂成红、绿、蓝或黄构成Nogood。ATMS推理可用于正确地图着色，鼓励读者尝试更复杂的图3.23和图3.24。

章节还探讨了国际象棋谜题，涉及在棋盘上放置不同棋子以最大化数量或避免相互攻击的问题，这些问题可通过约束满足问题的搜索策略求解。这种方法展示了如何运用逻辑和系统化思考解决各种看似复杂的问题。

第3章 依赖约束的谜题和非单调推理

井字棋游戏的搜索技术探讨了MIN/MAX算法及其优化版α-β剪枝。通过对比不同方法下的节点扩展数量，验证了α-β剪枝在降低计算量方面的显著优势。评价函数的设计是关键，强调了系数的重要性以及随游戏阶段动态调整的必要性。引入棋步排序技术能优化节点访问顺序，进一步提升搜索效率。文中还介绍了一个特殊规则的井字棋变体，胜利条件为先完成三子一线者输，展示了如何调整MIN/MAX策略适应新规则。通过实例解析了使用评价函数进行决策的过程，并揭示了获胜策略的特征。

马里奥AI性能评估涉及深度优先搜索、宽度优先搜索和A*搜索在不同策略下的表现。A*搜索展现出更强的到达终点能力，而深度优先搜索在特定插入顺序下能获得较高分数。宽度优先搜索虽减少了右方向搜索，但影响有限。文章还提到了蒙特卡罗树搜索，它不依赖评价函数，通过模拟随机游戏进程评估策略胜率，并优化决策。

吃豆人游戏的AI策略研究中，MIN/MAX算法因其计算量大而受限，相比之下，蒙特卡罗树搜索在效率和稳定性上更优，尤其适合于评价函数难以明确定义的复杂环境。吃豆人的随机性和实时性使得蒙特卡罗树搜索成为实现有效AI策略的理想工具。尽管MIN/MAX有一定的性能，但其计算成本较高，而蒙特卡罗树搜索在处理复杂和动态环境时表现出色，有助于玩家制定精细战略以获取高分。

第4章 会玩游戏的AI

AlphaGo ZERO是一款表现出色的程序，它在自我对弈中保持全胜，并通过持续学习，在未借助人类知识输入的情况下，超越了Stockfish在国际象棋领域的表现。相较于AlphaGo，AlphaGo ZERO使用较少的计算资源，展现出更高的学习效率。职业选手对AlphaGo比赛的独特体验以及人工智能可能带来的乐趣减少问题也在讨论之中。

章节中还涉及了深度强化学习算法（DQN）的应用，它结合了卷积神经网络（CNN），使AI无需规则指导就能在Atari游戏中达到超越人类的水平。遗传算法（GA）在马里奥游戏中被用来训练虚拟角色，通过优化跳跃、向右移动、投掷火球或冲刺等动作组合来提升表现。随着进化代数增加，马里奥的移动距离增长，显示策略不断改善。

神经进化技术，如NEAT（NeuroEvolution of Augmenting Topologies），结合了进化方法和神经网络，能有效优化网络结构和参数，减少搜索时间。在吃豆人游戏中应用NEAT时，模块化的NEAT学习多种策略，特别是在利用方向传感器避开敌人方面表现出色。然而，游戏中的时间限制和其他AI方法的比较显示，神经进化在此类游戏中有超越性表现。

最后，文章提到了马里奥游戏中的好奇心实验。通过内部奖励鼓励探索和减少预测误差，AI在缺乏外部奖励的情况下学习有效策略，并展现出泛化能力。这些研究展示了人工智能在复杂环境下的适应性和学习潜力。

第5章 学习、进化和游戏AI

类人化AI在游戏中的应用价值显著，如协助调整难度、充当教程演示，以及与不确定性的人工智能对战的趣味性。然而，在成人社交活动如麻将和高尔夫中，类人化AI需更高级智能来模仿人类互动，如“拍马屁”，以提升对战乐趣。

不依赖“类人化”功能的游戏AI学习方法包括基于过去T帧状态的人类动作预测，通过整理统计游戏记录创建S到A函数，并可能需要压缩状态空间。中野等人利用进化计算调整参数实现类人化行为，而Mozgovoy等人直接使用玩家记录检索相似状态并采取行动。这些方法有效但受限于特定游戏知识和人工设定。相比之下，DQN输出的维度压缩方法更通用，无需特定游戏知识且执行效率高。实验显示这类AI在GVG设计的躲避球和平台游戏中模仿人类行为，尽管动作可能非最优，但仍表现出类人化特征。

研究人员通过奖励模型实现AI动作类人化，引入认知延迟、疲倦等生物限制条件。然而，这些特性需手动设置且单纯模仿不足以达到完全类人化。比较蒙特卡罗树搜索与人类表现发现，人类有更多重复动作和长时间停顿。因此，在评价函数中添加约束使AI动作频率更接近人类，但效果仍有待提升。通过问卷调查识别出人类玩家的特征如动作迟缓、大范围移动等，并据此改进算法。调整参数和观察反馈后，新AI在某些游戏中的类人化表现增强，但在其他游戏中效果不明显。这表明胜率、通关时间和自然行为是衡量类人化程度的关键因素。

研究者的目标是通过这些方法，创造出更接近人类的强人工智能，以期未来能实现这一愿景。

AI游戏开发和深度学习进阶