1、游戏AI的特点
随着深度学习等技术的突破性进展，现代的人工智能技术进步神速，已经在自然语言处理、机器翻译和图像识别等众多方面取得了进步，而且已经影响到了现实生活。
如果把围棋也看作游戏，那么大名鼎鼎的AlphaGo系列人工智能，已经体现了人工智能在为围棋项目中的较高水平。另外，也有一些人工智能再经济类电子游戏中取得了良好的成绩。
从概念上讲，游戏AI指的并不是此类AI。
电子游戏在早期就开始包含了计算机控制的敌方角色，但设计精妙的游戏AI再电子游戏早期历史中比较少见。其中一个受到广泛欢迎的作品是著名的《吃豆人》。
在《吃豆人》游戏中，玩家扮演吃豆人在平面迷宫中移动，目标是走过迷宫中所有的位置，吃光所有的豆子。而敌人则会组织玩家，吃豆人被敌人碰到就会失败一次。
在此游戏中，设计师制作了多种类型的AI，每种敌人的行为逻辑都有所不同。例如，有些敌人会随机漫游，有些敌人会沿最短路径追击吃豆人的当前位置，有些敌人会以吃豆人前方为目标，还有一些敌人则以吃豆人的旁边或后方为目标。多个不同行为逻辑的敌人同时行动，迫使玩家不断观察、快速决策并付诸行动。虽然敌人总是遵循某种特定逻辑，但因敌人速度不同、关卡设计不同以及玩家行为不同，局面会时刻发生变化。因此虽然敌人行为模式相同，但每一局游戏都会给玩家新的体验。
从原理上来看，用4个敌人围住吃豆人并不是非常困难的事情。例如，在吃豆人进入某些出口较少的局部区域时，让敌人角色分别把守几个出口，玩家就很难找到突破的方法了。那为什么游戏开发者不从“如何彻底困死玩家”的角度考虑设计呢？显然，如果敌人真的足够聪明，那么这个游戏就不会令人着迷了，就像不太会有人喜欢一直与AlphaGo下围棋一样。
明白了这个例子，再与广义的人工智能对比，就很容易理解游戏AI的主要目标是什么了，以及它与普遍意义上的人工智能之间的区别。
通常人工智能的目标是解决具体问题。无论是语音识别、图像识别，还是机器翻译，这类问题都是有具体目标的。无论AI得到的结果正确与否，但至少有一个确定的答案或者相对确定的答案。
而游戏AI的目标是：让计算机角色与玩家有效交互 ，鼓励玩家积极尝试和探索，表达设计师的想法和理念，最终让玩家经理某种体验并收获了去。换句话说，游戏AI的核心不是“智能”，而是“乐趣”。
如果以乐趣和体验作为主要目的，那么我们对于游戏AI的认识就更清晰了。
2、常用AI技术
由于核心目标不同，设计游戏AI常用的技术也不同。游戏AI 开发最基本也最常用的方法是FSM（Finite State Machine）。
FSM本质上只是机械化的程序逻辑，只需要用最基本的分支语句就可以实现。设计FSM的难点在于针对需求设计状态转移图，并设计精确的从一个状态转移到另一个状态的条件。只有有了清晰的状态转移图，才可能用明确的代码描述规则。
另外，在重度AI游戏中（如足球或现实模拟类型的游戏），行为树（Behaviour Tree）也是一种常用的AI架构方法，而理解行为树的设计思路，依然需要状态机思想作为铺垫。
3、AI的层次
人们在考虑问题时，思路是“分层”的。例如在《吃豆人》游戏中，玩家在开局时要先观察地图，确认主角和敌人的位置；然后再做整体性决策，如先去哪一个区域，再去哪一个；最后才是具体操作，输入方向指令让主角沿着道路前进，朝预期的方向移动。当敌人和主角的位置发生变化时，需要再重复一次从观察、决策到具体操作的过程。每一次过程可能非常短暂，毕竟游戏高手习惯于这种快速的观察、决策和行动。
游戏AI亦是如此，一般来说稍微有点智能的AI角色，这稍有决策和行动两个层次的“思路”。如果只有一个层次的思路，行为就会变得极为单一。
而思维层次的高低与变成难度往往不成正比。例如，AI角色对当前局势进行判断和切换当前状态的操作，看上去很高级，但实现并不困难。而低级行为，如沿着地图移动到合适的位置，这种基本的寻路行为却涉及多种复杂算法。
通用的自动寻路并移动的算法，设计了搜索算法、三角形剖分（处理场景中的障碍物）、路径优化和动态避障等多种算法，而且在各种具体场景中会有大量细节需要处理。亲自动手实现一套导航系统难度相当大，好在Unity已经提供了较完善的导航系统，设计游戏AI可以从学习导航系统开始。