人工智能在計(jì)算機(jī)上實(shí)現(xiàn)時有2種不同的方式。一種是采用傳統(tǒng)的編程技術(shù),使系統(tǒng)呈現(xiàn)智能的效果,而不考慮所用方法是否與人或動物機(jī)體所用的方法相同。這種方法叫工程學(xué)方法(ENGINEERING APPROACH),它已在一些領(lǐng)域內(nèi)作出了成果,如文字識別、電腦下棋等。另一種是模擬法(MODELING APPROACH),它不僅要看效果,還要求實(shí)現(xiàn)方法也和人類或生物機(jī)體所用的方法相同或相類似。遺傳算法(GENERIC ALGORITHM,簡稱GA)和人工神經(jīng)網(wǎng)絡(luò)(ARTIFICIAL NEURAL NETWORK,簡稱ANN)均屬后一類型。遺傳算法模擬人類或生物的遺傳-進(jìn)化機(jī)制,人工神經(jīng)網(wǎng)絡(luò)則是模擬人類或動物大腦中神經(jīng)細(xì)胞的活動方式。為了得到相同智能效果,兩種方式通常都可使用。采用前一種方法,需要人工詳細(xì)規(guī)定程序邏輯,如果游戲簡單,還是方便的。如果游戲復(fù)雜,角色數(shù)量和活動空間增加,相應(yīng)的邏輯就會很復(fù)雜(按指數(shù)式增長),人工編程就非常繁瑣,容易出錯。而一旦出錯,就必須修改原程序,重新編譯、調(diào)試,最后為用戶提供一個新的版本或提供一個新補(bǔ)丁,非常麻煩。采用后一種方法時,編程者要為每一角色設(shè)計(jì)一個智能系統(tǒng)(一個模塊)來進(jìn)行控制,這個智能系統(tǒng)(模塊)開始什么也不懂,就像初生嬰兒那樣,但它能夠?qū)W習(xí),能漸漸地適應(yīng)環(huán)境,應(yīng)付各種復(fù)雜情況。這種系統(tǒng)開始也常犯錯誤,但它能吸取教訓(xùn),下一次運(yùn)行時就可能改正,至少不會永遠(yuǎn)錯下去,用不到發(fā)布新版本或打補(bǔ)丁。利用這種方法來實(shí)現(xiàn)人工智能,要求編程者具有生物學(xué)的思考方法,入門難度大一點(diǎn)。但一旦入了門,就可得到廣泛應(yīng)用。由于這種方法編程時無須對角色的活動規(guī)律做詳細(xì)規(guī)定,應(yīng)用于復(fù)雜問題,通常會比前一種方法更省力。