反应式AI，先YY

这是关于游戏AI的一点头脑风暴的结果。

状态机、行为树，作为传统游戏AI的两大主流设计模式，在各个游戏中，为全球玩家带来了巨大的乐趣；

状态机是一种以迭代的方式，基于对象状态的变化，从而实现对象连续行为的机制，而从状态机的分类中，可以通过构建无限状态机，来实现一个长时间运作的AI；

个人观点来说，行为树是一种更优秀的模式，它的优秀不在于运行效率或者灵活性，而是在于理解成本和开发成本，特别是配置成本，

它可以通过把行为细节拆分的方式，罗列并依照概率或者顺序来执行这些行为，与对象的状态关联性比较弱，比起状态机，它要好实现一点，而且里面可以包含状态机；

then，在这些祖辈们留下的设计的基础上，俺继续YY，而YY的方向反而不是计算机或者具体游戏模型等内容，而是从人体入手：

说句废话：人都是由大脑操纵的，大脑操纵人的连接工具是神经（脊髓）。

之后，YY有了更深入的一步：

  ·大脑，就是一个处理器，如果要让它消耗最小的能量，那么它最好是静态的；

  ·对于一直处于静态的大脑，要驱动大脑思考并作出反应，唯一的手段就是给大脑进行刺激；

  ·所谓的刺激，从计算机的角度来看，就是输入（input）；

  ·刺激大脑的内容，必然是一种或者多种神经信号（signal）；

  ·受到刺激（input）的大脑，它会通过里面所蕴藏（或者天生、或者后天）的处理机制、习惯、思维模式等，作出反应；

  ·这些反应会化作信号（reflection signal），然后输出（output）；

从俺们人体的角度出发，抽象出一个简单的处理过程，就是这么一个流程；

这一套流程，俺暂时称之为 神经传递-反应。

简单模型就是：

                        (signal)     (reflection signal)

                              |                   |

man ----> input ----> brain ----> output ----> man

   |                                                                            |

(body part1)                                               (body part 1 or other)

这么一回事

再回到游戏AI上，如果把上面那啥 神经传递-反应 作为一种AI模式来控制对象，那么它的主要业务就是：

 ·对象有个AI用以控制它，这个AI很像一个懒惰的大脑（brain），它静态；

 ·从对象身上各个可能的部位（神经元）得到输入信号（signal）；

 ·处理输入信号，呕出输出信号；

 ·把输出信号传递到相应的神经元，命令对象一些部位作出反应。

挺简单的吧，模型也和上面非常相似：

                               (signal)           (reflection signal)

                                    |                                  |

object  ---->  input  ---->  brain_object  ----->  output  ----->  object

     |                                                                                                       |

 (member function 1)                                                        (member function 1 or other)

最后，俺很负责任地给这个AI模式起个拉风的名字：神经型反应式AI（Neuronalreaction AI， NR）