虚拟游戏环境中类人智能体的诸多挑战

类人智能体在游戏及其他领域日益成为一个重要课题。可信的非玩家角色通过提升沉浸感和提供娱乐来增强游戏体验。它们还为玩家提供了与 AI 实体互动的机会，这些 AI 实体可以作为对手、教师或合作伙伴。此外，在禁止使用机器人的游戏中——在非游戏环境中更是如此——需要有能力识别数字交互是发生在与机器人还是与人类之间。这引出了两个基本研究问题： 如何建模和实现类人 AI； 如何衡量其类人程度。本文提供了两项贡献。第一项是对在游戏（或任何具有模拟智能体的虚拟环境，尽管本文专门聚焦于游戏）中实现类人 AI 的最重大挑战的综述。详细讨论了十三个此类挑战，包括概念和技术方面的挑战。第二项是在一款战术视频游戏中进行的实证研究，探讨研究问题：“是否有可能基于实证数据区分人类玩家与机器人（AI 智能体）？”我们提出了一种使用定制深度循环卷积神经网络的机器学习方法。我们假设，为给定游戏创造类人 AI 的挑战越大，开发区分人类与 AI 驱动玩家的方法就越容易。