如何让ai在游戏中更像一个人？

开题开了一整年是我没想到的，还因此延毕了……我重新梳理一下我想做的研究以及相关痕迹。
 

我2023年3月找到的导师。起初我发现了在玩RTS游戏中会出现很多固定的套路，选手为此要做大量的练习，我就在想如何把这部分内容借助状态机这种流程给固化下来，于是老师为我指明了一个方向——人机结合，我还和老师说了想做脑机接口和实现长生不老，老师没笑话我，而是认真的给我说了她的team没有做脑机的东西，人机结合的想法是很有价值和意义的。

老师在2023年7月、9月都很关切我，主动来问我研究进展。但是在老师的平台上难以开发界面程序，兵棋平台只适合做机器学习……加上对老师是害怕的态度，于是卡了很久又没敢说，导致2024年3月交上开题报告时一塌糊涂，线上组会参加后我又查了RLHF相关论文，发现在多智能体上采用没人做出来，都是在大预言模型上进行的。

人机结合的题目，去掉了RLHF的版本，在2024年6月着急有点逼着老师给我过了，但是评委老师那里没给过，老师对我的态度也下降了不少（生气也带上了不少失望在里面，像是我给老师画饼但没兑现相关的模块开发）。这个失败还有别的原因：人机结合的成效十分难以评价，我又是非脱产没进组，没有数据可以用来证明和评估。

后来让我自己找题目，我还是想做我的“机械飞升”，加上ai转绘已经十分发展，我想融入扩散算法来实现“人的操作的风格提取”，以达到做出“ai替身”的目标。

我就不敢做别的内容，仍然在兵棋里找，直到后来老师对我发火不让我在兵棋上做了，我才又找的别的。最后找到了开源的microRTS平台，IEEE每年的只能游戏比赛上都有它，于是我开始配置、找python的转接项目……最后终于搞通了，然后想出了“策略提取”这个题目——因为策略风格不好衡量，而策略可以作为行为序列来进行定义。再然后，想到了对“包围、穿插”等行为的识别和模仿，于是定题目为“策略提取的智能体融合与构建”，这样就能像那些ai出图网站上对不同图片风格进行“杂交”了，但是在老师那里评价到，一是工程量太大了肯定做不了，二是不好作为研究（一点突破也能毕业，但再大的工程也不能毕业），于是我开始删减，找题目。

再后来，我找到了其中的一点——策略识别上，然后开始搞星际2的数据集和相关论文。经过后来老师的提点，我找到了“计划识别”这个方向，可以作为辅助决策的用途。再经过讨论后，我这个更像是“对手建模”，在最后和老师讨论的时候，老师问我到底想做什么，我说了还是想做“AI替身”，老师说你还是做你学姐的模仿学习吧，把她出现的问题解决了，解决好能出东西，解决不了也可以分析问题也能毕业。

于是我开始想我的题目，把我的“策略提取”融入到模仿学习智能体的优化上面……就是用对手建模的方法来优化智能体。卜了一盘，说鬼神默佑而中——看看近在咫尺的ddl是否能过关吧……（生活不像故事有个结局，学业还在继续，未完持续）

---

注：2022年12月到2023年9月底我的996（实际上是早9晚10，一周六天）出差才基本结束；2024又当项目负责人，678三个月根本没自己的时间。

期间我也思考过存在的意义等问题，写成了科幻小说在国科大的科普科幻大赛小小的拿了个奖，当然，自己的思考被别人认可的感觉还是很棒的！

……看开点，失败是成功之母，失败代表着正在探索，而不是原地踏步。