我知道人工智能应该做三件事：1.收集数据。2.处理数据。3.预测将要收集的NextData。
我相信我应该使用数据库来收集所有数据。
在iOS设备上的（井字游戏，国际象棋等）游戏中，我会让它自己对战30秒左右，并从错误中吸取教训，但在波斯王子这样的游戏中，刺客我会学习（从中）玩家的技能（从游戏的前 3 分钟开始，玩家的技能将被测试），然后让游戏适应玩家的技能，所以如果玩家是个好人游戏会带来很多乐趣，但如果玩家是初学者，我会给予更多探索，并且容易杀死“邪恶的士兵”。
“终于问题来了” 1.这种方法有效吗？还是有更好的？
免责声明：我在《波斯王子》和《刺客信条》这两个游戏上工作了 2 年多，法律上不允许我告诉你这些游戏是如何制作的，但我会尽力为你提供有关游戏 AI 的一般知识。大多数游戏不像你描述的那样使用学习。
artificial intelligence首先，您所针对的语言或平台（或设备）与您将使用的工具无关。
第二，你的第一个例子，井字棋和国际象棋是turn-based游戏，这与游戏完全不同real-time。此外，这两款游戏都在有限的棋盘上运行，而search space. 使用其他算法比学习（例如极小极大）更容易解决这些游戏。
对于real-time像您描述的那些 3D 空间中的冒险游戏，即使找到context或者input您将提供给您的学习系统的内容也很困难......哪些元素与决策相关：最近的音频刺激，视觉刺激，这些刺激在空间和时间上的相对性、周围的敌人或盟友等……那么，考虑到这些世界的复杂性以及NPC允许做什么，你如何定义output你的学习算法？此输出如何在后续查询中保持凝聚力？
请记住，您对游戏设计所做的任何更改都需要重新运行学习过程，并且可能需要重新运行input和output.
你最好走标准路线，使用众所周知的方法，如finite state machines, fuzzy state machines, behavior trees,planning等……你将对决策有更多的控制权，并且实际上能够设计你无法做到的NPC行为做学习。
我真的认为这是您作为开发人员想要的。如果你想要一个无与伦比的 AI，那么你的方法会有所不同，那就是从游戏中获得最大乐趣。
根据玩家的表现来调整 AI 技能。我不会说“AI”更像是一种编码方式，让玩家获得最大的乐趣。
如果它是真正的 AI，那么它将是程序员可以构建的最佳玩家。当我制作 AI 时，我要做的是构建一个初始 AI，然后构建一个可以击败该 AI 的 AI，每个版本都是必须被击败的基准。我不认为你想走人工智能从错误中“学习”的路线，因为这会带来很多开销和很长的学习曲线。作为游戏开发人员，您可能会非常清楚如何制作一个能够击败学习一切的 AI 的 AI。这只是我的看法。