看到AlphaGo以4：1碾压人类最优秀的围棋选手时，我的第一反应是，唉，小学时我就下不过小霸王学习机上的“象棋大师”了，

如果你从小就爱玩游戏，那很多年前，你应该就接触过AI（人工智能）这个词，很多游戏的单机模式用它来指代由程序控制的电脑玩家，我和小伙伴们统称之为“电脑人”。

不知道你的经历如何，我学习游戏的过程基本就是被“电脑人”惨虐的过程：红色警戒，开局对方一阵异常猛烈的攻势经常让我撑不过5分钟；CS（反恐精英），电脑人飘忽不定的走位和精准的枪法也时不时让我怀疑人生；最惨的是Dota，AI的反应速度简直是神级水准，最初学习游戏的很长一段时间，杀一次AI都会让我兴奋半天。

Dota的游戏画面

为什么我们对这些游戏里的AI早就习以为常，却对AlphaGo这个人工智能系统战胜李世石大惊失色，开始认真考虑机器会不会取代人类？如果你有类似的疑问，那就来了解一下游戏AI是怎么工作的吧。

“我就静静地等着你来唤醒”

很多MMO游戏（大型多人在线游戏）走的就是这个路子，游戏里的NPC（非玩家角色）出现的时间、地点，遇到NPC后续的剧情等都是提前设定好的，玩家在完成游戏任务的过程中，按照提示和NPC相遇，就能触发预设的剧情。

这是最简单的游戏AI类型之一，实现难度也不高，主要依赖一种被称为“有限状态机”的解决方案，即当满足某种状态时，AI才会从一个状态转移到下一个状态，而且状态总数是有限的，这也是游戏AI实现更高级的动作的基础。

网络游戏中的NPC

如果你接触过编程，简单来说“有限状态机”就是一堆if else语句：“如果玩家点了对话，AI就把任务告诉他”，“玩家完成了一个任务，AI就把奖励给他”……

当然，这类AI的缺点也不言自明：即使从表面来看，它也太不智能了。

“对面有一个敌人，砍！对面有一群敌人，跑！”

像CS（反恐精英）这样的射击游戏和Dota这样的即时战略游戏，AI就需要做一些复杂的事情了。

在玩CS时，你会发现“电脑人”有时会蹲下瞄准射击（准确度最高但也最容易被击中），有时又会选择跑动射击（准确度降低但可以躲避子弹）；在Dota中，电脑控制的英雄有时会坚决地试图击杀你，有时看到你又掉头就跑。

CS GO中的“电脑人”

这个时候，游戏AI在什么情况下执行什么状态就需要一个决策支持系统。知乎用户韦易笑用篮球游戏AI解释了何为决策支持系统，如果又兴趣你可以进一步了解。

简单来说，游戏AI要根据当前的游戏情况来确定首要目标是进攻还是防守，之后，再根据不同的情况决定具体的策略。

比如在一场篮球游戏中，整个球场被划分为若干个相同的格子，球员和篮板所在格子的距离、球员和球员之间的距离等都会有一个分值。当球在AI手中时，它的首要目标就是进攻，具体执行防守策略时，持球队员和防守队员之间的距离、和队友间的距离、和篮筐的距离都会有一个分值，这些分值根据不同的加权相加，会得到一个总分数。AI根据这个总分值确定接下来采取的行动。

这一类AI就聪明多了，毫秒级的响应速度让它们反应迅速，操作犀利，游戏的初学者通常很难战胜他们。

“你下一步，我已经算出了之后的12步”

在五子棋、国际象棋、围棋等游戏中，AI的行动同样依靠类似的决策支持系统，对当前局面下的每一种合法走法所直接导致的局面进行评估，然后选择“获胜概率”最高的局面所对应的那个走法。

和要在毫秒之间做出反应的即时战略游戏不同，的计算时间比较宽裕，游戏规则也更加明确。不过，这并不意味着这类AI的开发难度更低。拿国际象棋来说，每盘旗大约80步，每一步有35种可选下法，所以要计算35^80种情况，大概是10^124。而在人类已经观测到的宇宙中，原子的数量才10^80个。即使是对每秒可以计算2亿步棋的“深蓝”超级计算机来说，这个数字也过于庞大。

深蓝和国际象棋大师卡斯帕罗夫对弈 / AP Photo/George Widman

所以，“深蓝”还采用了剪枝算法。通俗来说就是，“深蓝”在下棋时会往前看几步（比如12步），然后对棋局进行打分（分数越大表明对我方越有利，反之表明对对方有利），并将该分数向上传递。当搜索其他可能的走法时，会利用已有的分数，减掉对我方不利对对方有利的走法，尽可能最大化我方所得分数，按照我方所能得到的最大分数选择走步。

所以，理论上来说，当AI的搜索深度，也就是能往前看的步数大于人类时，它获胜的概率就大大提高。“深蓝”战胜人类象棋大师，是一个里程碑式的事件。

为什么AlphaGo值得我们特别关注

回到开头的问题，为什么AlphaGo战胜李世石值得我们特别关注呢？

首先，相比国际象棋，围棋的复杂程度是呈指数级上升的。即使在深蓝战胜人类最优秀的国际象棋大师后很多年，能和职业围棋手过招的人工智能依然迟迟没有突破，甚至就在比赛前，多数意见都认为AlphaGo战胜李世石。

AlphaGo做到了，它依靠的是“两个大脑”：政策网络（policy）和价值网络（value network），前者用来预测下一步，后者用来预测棋盘上不同的分布会带来什么不同的结果。

政策网络可以把非常复杂的搜索树减到可操作的规模，AlphaGo只需要从几十种最有前景的“下一步”中选择一种；价值网络则能减少搜索的深度，AlphaGo不用往下看几百步，只需要搜索最有价值的10-20多步。

还有更不一样的，AlphaGo并不是只会下围棋，它背后的人工智能系统一种具有广泛适应性的强化学习模型，也就是说，用同样一套算法，它可以下围棋，也可以玩打砖块、太空侵略者等。