這個非常的簡單其實他就是一段程式。

舉個大家都比較熟悉的例子，早先還沒有網際網路的年代，就有了很多PC遊戲（或者其他形式）。這種遊戲都是單機的（受當時網際網路的限制）。拿一個單機的象棋遊戲來說，製作者想讓這個遊戲有市場，有人愛玩。那麼首先要解決的就是玩家跟誰玩的問題。在那個年代，能做的事情最簡單的就是用程式去模擬一個對手。至於怎麼模擬，設計的人顯然就是要用程式去實現一種方式，讓玩家感覺“對手”像人。那麼這段程式其實是“機器”在跑，只不過模擬人的行為，所以就有了人機對戰這個說法。

可以算是一種人工智慧演算法，但是那個年代應該還沒有機器學習。當然，如果一個遊戲的“機器”程式碼，寫的複雜一點，能不停的從跟玩家對戰的行為中不斷的建立自己的“資料庫”，並從中演化出更深、更廣的行為，其實也就是在機器學習了。我相信在現在的機器學習的詞語出現前，一定有這樣的遊戲。但是遊戲中的AI定義和目前科學上的AI定義不完全一樣。

科學的AI比較偏向機器學習，也就是得學習的。

遊戲中絕大多數的AI都是定死的邏輯，也不用學習。比如最常見的就是警戒範圍，在魔獸3裡的有攻擊性的中立單位，如果你不靠近到一定範圍內，他是不會靠近攻擊的。

。

1讓萌新練槍提高自己的膽識

2可以更好的幫助聽聲辯位

3可以算人頭分

4可以提高自己的kda

AI遊戲裡的機器人十分複雜，首先他有不同的狀態，而在不同的狀態條件下執行不同的行為。你要讓AI像人，那你得把人的行為儘可能的用樹狀結構進行分類並且得出不同的執行目標。

這裡就要提到機器學習，機器學習是什麼呢?——使計算機無需程式設計即可行動的科學。深度學習是機器學習的一個子集，用非常簡單的術語來說，它可以被認為是預測分析的自動化。常用的機器學習演算法有：

監督學習：標記資料集，以便可以檢測模式並用於標記新資料集

無監督學習：資料集未標記，並根據相似性或差異進行排序

強化學習：資料集沒有標記，但在執行動作或多個動作後，AI系統會得到反饋

所以，在提到AI的時候總是和大資料相關聯，沒有資料的支援人工智慧離人工智障不遠了。

Ai機器人，透過演算法和機制執行，簡單點解釋就是程式設計師設定一個程式，當你玩到某一步時，ai會自動檢測到，並且觸發程式設計師已經設定好的機制

人機中的“機”就是指電腦AI，它的行為就是一系列提前設計好的行為根據不同條件租和成的，專業點叫做“行為樹”

程式設計師可以提前設計好電腦的行為，跑、跳、攻擊、防守等等，然後將其與條件繫結在一起。比如玩家跑，電腦就執行跑；玩家攻擊，電腦就執行防禦；玩家不動，電腦就執行攻擊；

人機對戰的難度，其實就是電腦AI設定的難度，你覺得電腦簡單，是因為這個難度設計的狀態行為相對簡單。

人機中的套路，基本上就是電腦的程式漏洞，除了電腦自行學習和隨機要素兩點之外，在A條件下必定觸發B動作的情況，還是非常多的，只要玩家抓住這種技巧，就能輕鬆戰勝電腦。各種型別的遊戲中都能找到體現。

人機對戰就是這麼簡單的原理

你好，我是阿恆，非常願意解答這個問題。

首先和人機對戰的人無非就三種心理。

1.體驗樂趣的心理，有許多小夥伴打匹配模式打不贏玩家，老是被他人單殺，這這就讓他十分惱火，感覺打不贏，所以才會去打人機，體驗贏的感覺。

2.優越的心理。那些在匹配模式打不贏玩家的小夥伴，就想在人機中大殺四方，體驗優越的感覺。

3.提升自己技術的心理。有的小夥伴，為了把某些英雄玩好，不坑隊友，就瘋狂的打人機去練習自己的技術，只為把這個英雄玩好。

遊戲中的人力對戰，或者說NPC（怪物也可以說成遊戲裡面的NPC）的AI主要採用“行為樹”和“狀態機”兩種模式。（比較形象的解釋，可能不太準確）行為樹就像給了你很多錦囊，符合哪種條件你就開錦囊，然後按照指示繼續做。狀態機就像豎了幾個牌，符合這個狀態你就要做什麼。行為樹和狀態機和單獨使用，也可以結合使用。

我舉個例子：在一個MMO遊戲中的小怪，比如1級哥布林。他被放入了幾條命令。

1：會在A→B之間來回巡邏（忽略速度）。

2：可以發現周身半徑5米的敵人。

3：求救技能，可以尋找周身半徑5米以內的同類來幫助，釋放條件時自身血量少於50%。

4：戰鬥，直至死亡。

看到這幾個簡單的命令，我們可以想象到。我從這個哥布林身邊經過，他就發現我，然後開打。打到一半發現搞不過我，就呼叫同伴來群毆（1級怪物有這個難度有點卑鄙）。不會逃跑（還好），然後力戰而死。

這就是一個簡單的行為樹的NPC的AI設計方案。

所以以前不論是MMO的BOSS，還是MOBA、FPS、賽車等等其他型別的遊戲，我們可以設定很多很複雜的條件。這種情況考慮的越周密，那麼玩家能夠感到這個AI越難，或者越真實。總之，就是靠設計者不斷地去添磚加瓦，豐富這個AI。

2、在深度學習演算法出來以後，目前大多數遊戲的怪物AI還是採用以前的模式，深度學習演算法更多的被運用到匹配等規則較明確的功能當中。遊戲中為什麼不用深度學習演算法來做AI呢？有幾個先決條件要解決：

1：如何將你的規則明確化。深度學習演算法不是萬金油，你得先讓電腦懂這套規則，才能開始學習。電腦不是人類，教幾次就會，你得幫他總結規則。所以規則複雜的遊戲，有一道坎。萬一你版本更新，改規則了，又得讓機器知道，幫他重新迭代下。程式想要打死產品經理的節奏。

2：透過人機對戰獲得大資料。這個在尤其上線運營之後還好解決，不過研發階段就得自己想辦法機器和機器打了。

雖然新聞上說深度學習算的電腦可以玩星際爭霸，玩dota等等。但是讓他來玩我們遊戲試試？

以上是一個門外漢的介紹，不對勿怪。

遊戲中人機對戰的原理很簡單。

其實，兩個機器人在對抗，只是其中的一個機器人是被真人玩家操控，而另一個機器人則是系統已經設計好的固定程式在演繹。

較起真來，真人操控的比率還不如程式設計師前置設計量，十分之一都不到。

從這個意義上說，其實真人才是被程式操控的玩偶。只是為遊戲的賣點需求，設計出來的程式必須以人的體驗為本，於是，程式會將大部分節點設定成人是對抗結果的勝者，把對抗機器人設計成簡單模型，令它們的行為傻乎乎的，僅此而已。

這很自然。

由於人類永遠都趕不上電腦的計算速度和計算量，只要把機器人的動作速度的設定，比人的極限速度高出那麼一點點，則人將必敗。比如我們經常遇到的，即便是大家服氣公認的高手們，也贏不過攜帶外掛的玩家。因為攜帶外掛的真人玩家，他們所操控的程式被設計成比官方提供的正規系統程式要高那麼一籌，玩家就全然沒辦法應對了。

說到底，遊戲中的對抗行為，其實就是不同設計水平創作產生的程式之間的對抗。真人玩家的操控成分佔有量很少，僅限於在同等條件下，玩家之間的反應速度和操作靈敏程度的比拼。

很多玩家總是願意戲稱：

你玩的是人機局吧... ...

你被人機給虐了......

你是人機殺手吧... ...

... ...

豈不知，你玩到現在，所有被擊殺的情形當中早已有數千次是被程式操控的人機殺掉，而非真人玩家操控的，所以，千萬別輕言。

由於，相關計算機語言程式設計、程式和程式設計等方面的知識，即使在高中以上文化程度都不一定能搞懂，還要學到大學的知識，甚至是在讀研、讀博的階段後才能夠獲得點點的，所以，對這個方面的看法，最好不要自以為是地發表狂妄的言論。

不知道你是還在義務教育階段的學生，否則就可能被人誤解，甚至恥笑你太無知，少見多怪。

當然，不知者不為怪。

反正你要了解，真人玩家與機器對抗想要做到戰無不勝，那要看程式設計師的顏色。

如果某款遊戲的程式設計師，就是不想任何一個高手闖過這一關，那很簡單。程式設計師選來當前這款遊戲玩最好的玩家，把他的動作以及速度資料作為模組拿過來，稍加修飾重組，提高點關鍵資料的強度就能夠做到無人能夠闖過這一關了。

告訴你，這個時候，真人是玩不起的，但可能還有躲得起的漏洞，溜之大吉為妙咯。