电子游戏和桌游等传统游戏在概念上其中一个最不同的地方，就是相对于后者必然会有同为人类的对手或协力角色，前者则一般都是玩家单独与游戏揉合；即使是多人数同游，游戏程序亦需要负责操纵敌人等一定程度介入。
在此，由游戏自身负责控制的所有角色、甚至是看不见的其他成份，也需要有一个具有解决问题能力的人工智能协助——负责掩护主角、身手不凡的有能NPC同伴，其实背后是前人数十年游戏AI发展而至的成果。
游戏AI从零到一
游戏AI是指由游戏程序控制的拟似智能，多为套用于作中的敌我NPC上，如敌人能回避我方攻击；同伴会自动为主角回复等，这些行动都是由AI所致。今时今日如游戏缺少AI的投入，几乎可以肯定说已经不能运作，但意外地，游戏AI却非打从电子游戏发迹开始便以出现。
以1972年推出、可以说是最早流行起来的家用游戏《乒乓球（Pong）》中，玩家与对手各自控制左右两方的白板，将光球反弹往对方阵地便算胜利。如果玩家只有一人的话，由于对手一方没有人操纵关系，游戏就不能成事，要玩《乒乓球》必须要二人同游。
渐渐地，单机向的游戏渐渐盛行，但没有对手又怎成事？由电子游戏自身控制的对手角色于是成为必然的事。如1974年赛车街机作《Speed Race》中，玩家驾驶着赛车穿梭在道路上，路上则设有阻路的车子，玩家撞上它们就Game Over。这些车子会在出场时向不同方向移动，让玩家难以把握其路线。当然，控制车子的是游戏程序，但其实不过是预设车子在出场时的移动路线而言，从需具有「与玩家互动性」的能力来看，这个绝对称不上是AI。
电子游戏界正式发展AI的时期，正是首度影响社会层面的《太空侵略者》年代。《太空侵略者》其中一个突破，是首款设有「朝着玩家自机开火」敌人的作品，即是说由程序操纵的敌人会分析出自机位置狙击，虽然程度远不及时下游戏，但已经算得上是个最基本的游戏AI。
《太空侵略者》之后，同类模仿作如雨后春笋般涌现，但部分却在原作之上加以改良，特别是敌人行动上越来越多变化，像是万代南梦宫名作《Galaxian》（小蜜蜂），其敌人行动模式非常多姿多采，部分更会个别冲着我方来移动，更见此作跟《太空侵略者》之间的程序水准差距。在此之后，这类AI被引入往《吃豆人》等追逐型动作游戏上，不管是敌人还是玩家都要根据对方行动作出适当反应，来到这里，AI已经植根于游戏之中。
被设计的AI
AI虽说是「人工智能」，但其实它并非真正的智能，而是令互动对象（玩家）有一种「对方具有意识」错觉的一连串精密程序。即是说，程序越细致，AI行动便越自然、越难预测。不过早期游戏设计较简单，敌我NPC的存在某程度上不过是「舞台布景」的其中一环，不管在技术上还是实用上都不用过于细密的AI。
游戏界长时间以一种名为Finite State Machine（FSM）的编程方法来处理AI，简单来说就是为NPC设定各种状态（State），当情况满足状态条件时，NPC会自动切换至另一种状态。《吃豆人》是个非常浅白的例子，吃豆人未有吃下能源曲奇时，幽灵们的状态为「追着吃豆人」；但如果已吃下的话，幽灵的状态则转为「远离吃豆人（逃走）」。就是这么简单的两个状态，便能成功塑造出捉迷藏游戏，是个聪明的手段。
事实上，FSM至今仍被不少游戏采用，当然时下游戏的程序埋入密度度十分高，出来的AI行动更仔细。如《女神异闻录 5》等作品也有捉迷藏式遇敌法，不过敌人已变成「会在特定地区巡逻」、「发现我方时追捕一段距离后自动回到巡逻地点」、「探索我方范围为目视距离」、「随着警戒度上升会增加探索及追踪力」等，层次已经和《吃豆人》两码子的事。
除了敌人外，FSM也有被用于同伴NPC身上，让同伴依照已编好的指令行动，不用每每等玩家指示。说到这里，绝对不能不提《FF》（最终幻想）系列的异色作《FFXII》。此作除了是现时唯一一款采用 Ivalice Alliance世界观的正传《FF》外，其Gambit系统也相当特别。
简单而言，Gambit是控制作中同伴AI的指令。在此作中同伴基本上会自动行动，Gambit则是各种指令的断片，可于游玩过程中取得。为同伴装备Gambit后，同伴就会根据Gambit的指示排列而行动。比方说为同伴装下「向『战斗不能的同伴』」「使用『凤凰尾巴』」的话，他们就会依照指示来做。同伴合计可装备12个指示，重要度依高而低排列，如没有「战斗不能的同伴」，角色会进行下个重要度较低的指示，如此类推。
利用Gambit，玩家可设定出合自己心意的战斗模式，有技术的话更可连首领战都全自动，全程不用玩家操作。但相对地，一些较有用的Gambit，如目标范围较广及指示使用强力魔法或道具等指示，则需要在游戏较后盘才可取得，算是我方实力越来越高的另类反映。
让AI自行学习
FMS的好处是设算方式较简单，Debug也容易，因此长久以来均是游戏常见的AI制御方法，不过FMS必须要程序员想定各种场面输入状态，随着游戏复杂化，以此形式设计的AI很难能全方位对应千变万化的游戏场面，于是另一种AI形式——Autonomous Agent渐渐在电子游戏界中发展及流行。
相对于FMS要指示AI行动，Autonomous Agent则是把决定权交由AI负责，而AI则要从大量反复尝试中，找出最佳的行动模式。听起来，要AI自行学习好像十分困难，但其实早于1990年红白机上最后一款《DQ》（勇者斗恶龙）——《DQIV》中已有实装AI学习系统。
红白机版《DQIV》的战斗系统最大特征，就是除主角之外玩家不能操控其他同伴，只能透过「节约咒纹」之类的作战选项作简单指示，行动则完全交由AI负责。基本上，同伴AI主要是以FSM形式设计，但有关敌人耐性方面却具备简单的学习功能。
当同伴面对从未见过的敌人使用咒纹，而被该敌人的耐性属性挡下时，同伴会有一定确率明白到不能再以这类属性攻击该敌人，在下次战斗时会减少使用。可是这不代表AI会马上学习到，当AI再被敌人的耐性属性挡下咒纹时，学习等级有一定确率会再提升，从而进一步减少使用。到了最高的第3等级时，同伴便会完全不使用耐性属性来攻击相关敌人。
《DQIV》的AI学习只限于敌人属性上，设计非常简单，随着技术发展，学习方法已不再单纯限于确率之上，时下其中一种常见的有进化形式。举个例子，开发组把AI操作的NPC放入与敌人战斗的场面，目标是战胜敌人。这时AI可以选择向不同方向回避、反击、使用道具甚至不作任何行动等形形式式操作，AI反复尝试过各种操作多次后，选择能生存最久的行动——例如回避，作为下世代学习的准备。
接下来AI的首个行动便决定是回避，然后再跟之前一样作不同行动尝试，选择能生存最长的行动，并以此作第二世代的基本。如此类推，AI在经过成千上万次的尝试后，终能找到打倒敌人的方法。开发组再把已学习完成的AI放入敌人身上，玩家作出与之前学习时的对手相同行动的话，AI便知道要如何应对，过程不涉及任何开发组的指令。
说到这类游戏AI的最经典，必不能错过PS的《Astronoka》。在此作中，玩家是一名未来的宇宙农夫，在外太空星系种植架空蔬果。除了培育、改良品种等基本功外，玩家还需要对付每天来袭的外星害虫，不过他们具有高度学习能力，绝对不是容易应付的对手。
例如玩家在田里放下陷阱时，第一次牠们会中伏，接下来牠们会根据自己的特征来回避陷阱，好像绕道回避，甚至会长出翅膀飞过。另外，随着拆解陷阱所需技巧，害虫的能力（体力、腕力等）也会有所增加。换言之，害虫在吃下一、两次相同陷阱后就能完全回避，玩家必须把陷阱优化或更改对策才能继续阻止害虫入侵。相反，若玩家一开始放任害虫的话，害虫因为不用花工夫便可在田里大开派对，渐渐地牠们的能力会弱化，要击退牠们也变得轻而易举。
看不见的AI
可能大家会觉得，游戏AI与NPC直结，AI的思考能力全由NPC上反映出来。但其实除了NPC外，AI亦能运用在游戏其他方面，只是这些AI不像NPC的行动如此显然易见，如导航性AI正是个好例子。
现在游戏内资讯繁多，单单靠玩家自行管理的话会吃不消，因此不少作品都会加入导航AI，令游戏界面及资料整合更人性化。好像在RPG中经常见到的「自动装备」——选择后由电脑自动为角色选择最强装备，其实已是导航AI的一种；简单的AI可能纯粹只追求能力值，但较精密的AI则会考虑属性、追加效果等不同组合，以迎合玩家需要。虽然大多数情况下玩家还是要手动调整。
除了数值外，导航也会具体的提示，例如“开放世界”类作品必须要装设的目的地导航，有时游戏会尝试提出绕道来避过山脉、河流等不能通过的地形，而非直接指示最近的方向，当中亦涉及AI分析。
再退一步，游戏AI发展已不再限于在作中担任某部分支援，而是能站在开发组的角度，延伸至管理整个游戏。在丧尸游戏《求生之路》里，系统会从各种环境资讯及玩家行动中分析玩家的紧张度；当玩家处于放松状态时，敌人来袭次数会增加，相反处于紧张状态的话，敌人数目则会减少。利用这个设计，游戏便能在没有开发组明确指示下调整作品整体气氛及平衡。
整体管理AI还可以应对对白等以往被认为非常固定的游戏程序。时下游戏除剧情对白外，还会有大量闲聊等重要度低、用于营造气氛的对白；比方说当主角打倒敌人后，同伴们会说些赞赏对白。这时，如果同伴们都一起说「做得好」的话感觉会十分冗赘，这时管理AI会让其他同伴说其他对白，又或者是借与其他同伴的交流对白绕圈赞赏玩家。如此一来，游戏气氛就如在现实般自然。
当然，不是立志要学习游戏AI的话，我们的确不用怎样仔细了解它们的运作。不过随着游戏AI应用及发展越来越快及广泛，大家在玩游戏时如能多留意潜藏在游戏各地方的AI表现的话，其实也是件颇有趣的事。
,
