教育游戏中智能角色的模型设计

　　中图分类号：G434 文献标识码：B

　　文章编号：1671-489X（2014）18-0088-02

　　Intelligent Character Model Design in Education Game//ZHOU Wenjuan， ZHANG Shengnan， CUI Xiaoluo

　　Abstract Intelligent character in the education game design is the key factor to enhance the game play， it can bring the real experience feeling to players and prolong the lifecycle of the education game. So this paper combined with the feature of education games entertaining and educational， it puts forward the intelligent character model design for related research in the field of theory and practice basis in the future.

　　Key words education game； intelligent character； game play； experience

　　随着信息技术和网络技术的迅猛发展，教育游戏已经成为教育信息化模式下的重要学习工具。但是近十几年来虚拟现实技术的产生、3D效果的加入以及计算机软硬件方面的大幅度更新换代，为游戏开发提供了大量的技术支持，于是造成大批的游戏开发商致力于开发具有强烈视觉冲击的游戏画面，结果最终导致商家一味追求美轮美奂的视觉效果，严重忽视玩家角色在游戏中的真实体验这一因素。因此，为了牢牢地吸引玩家的注意力，延长教育游戏的生命周期，智能角色的设计成为研究的重点。综上所述，本文在基于人工智能理论的基础之上，提出教育游戏中智能角色的模型设计。

　　1 相关概念

　　教育游戏是一种具有游戏特性和教育功用的电子游戏，它通过创设虚拟的情境，引发学习者的好奇心，激发学习者的幻想，进而激励学习者不断探索学习目标。

　　通常的智能角色包括虚拟动物、神化生物以及展示生命特性的无机物体（如会说话的课本）等。而本研究中所提及的智能角色是侧重于具有人类思维和行为特点的虚拟生物，也即游戏中的非玩家角色（NPC，Non-Player Character），它可以在游戏中扮演各种各样的游戏角色，如玩家的协助者、对手或者同伴等。另外，智能角色具有自适应性、在线学习性、不可预测性等特点，这将决定智能角色可以根据动态的游戏环境状态、自身的行为状态，并结合以前在游戏进程中的学习与经验探索，不断优化自身与玩家角色的合理化交互行为模式，进而增强玩家角色（即学习者）的真实体验。这无疑决定了智能角色的设计会影响教育游戏的成败。

　　2 智能角色的模型设计

　　俗话说与人斗其乐无穷，所以不管是在商业游戏里还是在教育游戏里，玩家都喜欢体验在线的联机游戏，因为在这些游戏里，玩家来自四面八方，他们性格迥异，技能水平亦是高低不平，这将导致游戏进程里充满很多的不确定性，这种难以摸透的游戏奥妙将会极大地增强游戏的真实感。因此，游戏开发人员试图在游戏里开发出更多的具有人类思维的智能角色，使其行为能够发挥使玩家误认为是在和现实中的人类进行较量的体验，从而带给玩家不同寻常的游戏感受。

　　但是需要把握的重点是：智能角色的作用并非是把所有的学习者都打败，它的主要设计目的不仅是提供更加切实的行为和情感，而且要为玩家提供更高层次的需求，使玩家获得置入感、沉浸感，进而处于情不自禁、忘记自我的情感状态，这样才能达到开发智能角色的目的。

　　但如何使智能角色在以游戏情境为背景的任务里所呈现呢？只要体验过游戏的玩家都清楚地知道，任何游戏的叙事结构都是以任务来引导玩家一级一级地通关，只要把教育游戏中的多层任务进行逐步的分解，分解成普遍适用的任务结构模式，这样就便于智能角色在游戏中的程序实现。如“我要去图书馆”这一件事情，可以将其分为“找寻图书馆所在地”“选择通往目的地的路径”“根据选择执行移动的行为”等细小的目标。智能角色的程序实现也即如此，可以按照任务目标一步一步地执行，最终在后台程序得以实现。

　　图1把任务分为三层：动机层、任务层及实现层。动机层的任务是选择当前应该做的正确的事情；任务层是负责怎么用正确的方式做事情；实现层是具体怎么做。动机层为高层目标，智能体根据感知的环境并结合自身的状况，去决定做什么事情。任务层根据动机层的目标选择相关的动作，去实现上层的目标。最低层是把任务层选择的具体目标实现。经过上述的多层任务结构模式划分之后，本论文借鉴了近几年来人工智能技术在游戏方面的应用（主要是吸收学习智能体方面的优点）来开发教育游戏中的智能角色。目的在于使智能角色可以在初始未知的游戏环境里不断学习系统知识，完善知识体系，继而提升行为技能。综上所述，本论文提出教育游戏中智能角色的模型设计，如图2所示。

　　其智能角色的模型设计工作流程如下：从宏观方面分析，在教育游戏中要根据不同阶段的学习目标详细划分为多个学习任务，然后针对这些多个细小的学习任务，构建成动机层、任务层、实现层三个模块；从微观方面分析，正如图2中虚线区域的划分范围，本论文将动机层划分为评价模块和感知模块，将任务层划分为学习模块、策略选择模块、问题产生器模块，将实现层划分为实现层模块。如果这三个层次的划分结合游戏程序实现来比较的话，也可将其认为是程序数据的输入、处理、输出功能模块。 　　1）智能角色的动机层模块。该模块要求智能角色不仅要及时通过感知监听游戏环境的变化及此刻自身所处的具体环境状态，还要依据游戏后台系统制定的游戏奖惩规则，判断上一任务阶段执行的行为奖惩值，这一奖惩值将用来作为输入反馈或者强化。经过这一详细的感知分析，系统就能制定出下一步的实现目标。

　　2）智能角色的任务层模块。经过上一阶段感知获取知识之后，如何合理地实现这一目标呢？系统在游戏的任务层中开发了学习模块，它主要记录智能角色曾经学习的知识体系，这就为策略选择模块制定了部分选择行为的依据，而这里所用到的策略是系统开发之前就已经确定的行为选择策略。但是最为关键的是：如果策略自行其是，一直根据自己已知的知识采取最佳行为，这样就很难权衡游戏角色行为选择的探索与利用问题，于是问题发生器依据学习目标提出一些关于探索性行动的建议，优化策略的决策能力。

　　本文中拿ε-贪心策略为例，其运行机制是当游戏角色处于某一环境状态下时，以1-ε的概率选取最大Q（S，A）值的行为，ε概率的随机选择行为。因此，建议在学习任务的开始之际，使ε的值大一些，尽量多地探索一些没使用过的行为。虽然短期内它可能不是最优的行为，但是长期而言可能是最好的行为。这样随着尝试次数的增加，角色在游戏任务中的多次学习，系统要逐渐递减ε值的大小，让其尝试利用以前在游戏中体验过的学习行为方式，减少选择行为的时间，提高游戏角色学习的效率。

　　但是需要特别注意的是：如果对环境信息没有足够的了解时，智能角色必须通过理性的探索来收集有用的信息，只有这样才能合理地选择外部行为。

　　3）智能角色的执行层模块。当智能角色基于某一策略选择出外部的行为模式之后，需要通过实现层的执行模块接口去执行这一行为，虽然可能这一行为对于当时的状态临时奖励值不是太优，但是以长远眼光来审视时，它会是一个不错的选择。

　　3 小结

　　近年来教育游戏成为学生学习的新的媒介方式，但由于游戏的可玩性不高，导致开发出来的教育游戏使用率不高。所以本文提出了智能角色的模型设计，以期能够为教育游戏中的玩家角色提供良好的真实感、置入感、成就感和归属感，进而提高教育游戏的使用效率。

本文链接：http://www.qk112.com/lwfw/jiaoyulunwen/jiaoyulilun/201801.html