我正在读Glenn Seemann和David M Bourg的书“游戏开发人员的AI”，他们使用视频游戏AI作为基于规则的系统学习的一个例子。
从本质上讲，该玩家有3种可能的动作，并以三次打击的组合命中。人工智能的目标是预测玩家的第三次打击。系统的规则是所有可能的3移动组合。每条规则都有一个与之相关的“权重”。每次系统猜错时，规则的权重都会降低。当系统必须选择规则时，它会选择权重最高的规则。
这与基于强化学习的系统有什么不同？谢谢！
是的，这是在该术语的established use中强化学习。你可能会遇到今天进行积极研究的人的反对意见，因为“热门”部分涉及深度学习应用程序。
您的应用程序有一个定义明确的游戏树来搜索;你可以使用与游戏直接对应的数学结构来指导增援。这是一个机器学习应用程序，沿着完善的学习算法。
当前的“热门”研究正在处理更复杂的游戏情境，其中动作与其结果之间的对应关系没有明确定义。这些视频游戏使用DL网络而不是游戏树，以最终发现将带来更高成功的行动规则。它们完全属于AI的DL部分，这就是为什么你会在你阅读的内容中看到分区的原因。