本文编译自Gamasutra，原作者Tommy Thompson，由于本文篇幅较长，预计将分两期发布
AI始终是游戏设计中一个绕不开的话题，它们的问世往往是为了充当一把钥匙，以便让游戏系统解决短期或者长期的决策问题。说道游戏AI，许多玩家首先想到的莫过于FPS，其中，AI可以凭借精确的枪法和灵活的判断，为游戏增加不少的乐趣。
但在一些领域，FPS的AI又很难和RTS（即时战略类游戏）的AI相提并论。具体而言，RTS中AI需要兼顾的元素更多，而且某些方面产生的影响更是牵一发而动全身，举个例子，在作战中，哪怕是一个微小的、即时的、被动的决策，都完全有可能影响未来几个小时的战场态势，而在这些即时战略游戏中，无论是玩家、开发人员和游戏研究者，只要谈到AI面临的挑战和创新，就不会忽视一个系列，它就是Creative Assembly（后文简称为“CA社”）的《全面战争》。
如今，《全战》系列的阵容已经极为庞大
自2000年问世以来，《全战》阵容在不断壮大，同时，随着每部游戏推出，开发者的野心也在膨胀，这让AI的处理数据量和复杂程度也在不断增加。正是因此，开发团队在游戏AI的研发上持续倾注了巨大的精力，它让游戏史上堪称罕见。 不过另一方面，在最近的一些作品，如《阿提拉：全面战争》和《战锤：全面战争》中，游戏AI的问题也非常明显。在文中，我们不仅将介绍《全面战争》AI的设计思路，还会介绍它们在每代作品中如何得到了强化、调整甚至是完全重组。另外，尤其需要指出的是，热心玩家在其中发挥了重要作用，他们推出了许多精良的mod，帮助调整了许多重要的参数——不仅如此，相关的mod开发者社区也蓬勃发展，并给了厂方不少启示。
首先，我们要简要介绍的是即时战略类游戏发展的历程，也只有通过这些，我们才能了解《全战》在其中的地位。所有即时战略游戏中，都存在一个焦点，这就是对领土和资源的控制。具体来说，在游戏中，会有两个或两个以上的敌对势力出现在同一张地图上，他们会通过争夺特定区域内的资源和位置，来让自己占据支配地位。具体而言， 为实现这一目标，每个势力将按照特定的架构组建一支军队，以前往特定地区收集资源，并保卫现有的地盘，同时，他们还要对敌人势力范围进行侦察，进而占领整个区域。
在这个过程中，这些部队还需要摧毁敌人的部队，期间，玩家需要探索未知的区域，穿过所谓的“战争迷雾”以确定敌人和资源的位置。 此外，随着时间的推移，每个阵营都将在之前组织和单位的基础上，增强现有的军事水平和资源开采能力。
《沙丘2》在RTS的发展史上起到了开创性的作用
尽管算不上人类历史上第一款RTS，但Westwood于1992年推出的《沙丘2》仍然起到了开创性的作用，它影响的游戏可以列出一长串：比如《命令与征服》《帝国时代》《家园》，还有暴雪的《魔兽》和《星际》系列等。而在1990年代后期，《战争黎明》和《星球大战：战争帝国》等游戏则采用了不同的思路——它们更强调战术的价值，而将资源管理放在了一个次要的位置。
在《沙丘2》的启示下，暴雪用一系列大作做到了青出于蓝，它们至今仍是RTS的标杆
与此同时，1994年出品的《UFO：未知敌人》则致力于在即时和回合制之间取得平衡，其上市后的人气始终很高——2012年，该系列更是随着《幽浮：未知敌人（XCOM: Enemy Unknown）》的发售而被正式重启。
另外，尽管在是否属于RTS上存在争议，MOBA类游戏事实上也在其中占据了一席之地，它们源自《魔兽争霸3》的DOTA模组，后来则诞生了《Dota 2》和《英雄联盟》等独立作品，其中，玩家操控的单位是各种英雄，而他们的行动也将决定或影响宏观层面的战局。
不管该归入RTS这一大类，还是自成一系，无可否认的是，MOBA源于RTS，而且两者间存在许多割不断的联系
之所以提及RTS的演变史，是因为AI在其诞生之初便是重要一环。在这类游戏中，玩家需要管理阵营内各个单位的部署——你可以命令它们去往某个地方，但又不能直接进行操纵。为取得理想的结果，玩家就得与系统进行互动。另外，AI也对单人游戏部分也至关重要，因为其任务不仅是依据玩家的命令做出反应，同时，它们还扮演着敌军指挥官的角色——和玩家一样，AI也需要管理自己的单位、同时针对敌人行动制定各种反制策略。也正是因为任务极为重要，因此，AI设计一直被公认是一项挑战。
有人也许会问，为什么本文会关注《全战》系列呢？答案是它很有特点。作为CA社的代表作，它将不同种类的战略游戏模式都融入了同一部作品里面：其中既有回合制的资源管理和战略规划，同时还有大部队的实时战斗——更令人称奇的是，在战斗中，还同时包含了微观和宏观层面的指挥：这里既有AI对小单位的控制，还允许玩家对大部队进行整体的指挥，同时对战场阵型和部署进行管理——这在战略游戏中可谓相当罕见。
《幕府将军》是《全战》系列的第一作
作为系列的第一作，《幕府将军：全面战争》树立了一种风格：它既平衡了拟真性和原创性，还加入了政治和战略因素。至于它为何将背景设定在16世纪的日本战国时期——则受了电影导演黑泽明的影响——尤其是他导演的《影子武士》《七武士》和《乱》，为了致敬这些经典，开发者甚至将一部分画面移植到了游戏的过场动画中。
黑泽明电影《乱》的剧照，这些作品充当了《幕府将军：全面战争》等游戏的灵感之源
在游戏中，玩家和敌方的AI都扮演着当时的“大名”：他们控制着日本境内的不同地区，可以在大地图上采取各种军事和外交行动。而在战斗模式下，玩家又将成为“将军”，并调遣成百上千的部队。另外，就战国时代本身而言，它也非常适合游戏的开发，因为当时的政治和经济都大名们的军事行动关系密切。
另外，《全战》还有许多不同于传统RTS之处，它在微观战斗中取消了诸如“战争迷雾”之类的机制，在资源管理上也被简化到了极点。而在AI方面，由于游戏的性质使然，它们也分成了三个不同的系统：
第一种AI是“战役和外交AI”，它负责处理每个回合的战略决策，比如在地图上调遣军队、从事外交活动（派遣特使或刺客、结盟或缓解对立）、在各地发展农业和建造基础设施等。
另一种AI则是“战术AI”，它决定了战斗单位的编组、行动策略和攻击模式。它们操纵的领域和人类玩家差不多，但它们只会从更宏观层面上对部队的行动进行管理。
最后一种则是每个小型单位自己的AI，它们决定了面对千变万化的战场局势，各个小单位会自己做出怎样的反应。
《幕府将军》的战略地图和战术地图
要全面理解《全战》系列的AI，必须从最底层开始，自下而上对整个系统进行探索——具体而言，就是从单个部队的控制入手，逐渐延伸到能让构成日本地图的战略系统方面。
从某种意义上说，军事单位也是《全战》系列的核心：从近战兵，到弓箭手，再到骑兵，根据兵种的不同，它们可以各自编组在一起。游戏中，这些作战单位不仅要保持阵型，而且要到处移动，并作为一个整体单位投入战斗。而对设计者来说，保证这些部队能顺利调动是一项有挑战的任务，特别是它们穿越山脉和森林等各种复杂地形时。
人工神经网络的运作原理
为此，《全面战争》采用了人工神经网络（Artificial Neural Network）来管理游戏中的单位。在AI设计中，为让操控对象迅速做出期望的反应，人工神经网络是一种相当有效的手段。具体来说，在这种系统中，处理数据的是一个个“神经元”——即简单的处理单元，它一方面从外界的来源接收数据，另一方面，这些来源又有着不同的权重。根据数据和权重的不同，它会自动得出最有利的结果，并以此来指引单位的行动。另外，在游戏设计中，开发者可以通过一些手段，让机器自己“学习”，并对相关数据的权重进行调整。一旦人工神经网络掌握了合适的行动方法，他们可以在瞬间做出反应。另外，“训练有素”的神经网络还能学会类比：这意味着，它能根据之前的经验，识别类似的情况，并做出在类似情况下最优的决策。
但另一方面，假如神经网络需要同时完成多个目标，其决策的效果却常常不甚理想，当这些目标存在对立时更是如此。具体到游戏中，其每支部队都有不同的神经网络，不管控制这些单位的是玩家还是更高层级的AI，它们都会根据不同的命令采取不同的行动：如移动、躲避火力，坚守阵地等，但另一方面，在早期的几部作品中，这些网络中的参数都是预先设定好的，并不会随着游戏过程自动调整或优化，所以，指望它随着游戏的进行变得精明，实际上也是不可能的。
更多相关资讯请关注：幕府将军：全面战争专区
