AI 遊戲開發和深度學習進階

伊庭齊誌（Hitoshi Iba），工學博士，東京大學大學院情報理工學系研究科電子信息學專業教授，他從事人工智能和人工生命的研究，主要研究領域包括進化系統、基因組信息處理、金融工程和覆雜系統。

譯者序
前言
第1章　謎題與遊戲AI的過去和現在 1
1.1　關於AI的預言成真了嗎 1
1.2　遊戲AI的歷史和背景 2
1.3　遊戲AI是否會剝奪人類的樂趣 7
1.4　遊戲AI的意義 9
1.5　遊戲的深奧程度與“先下手為強”定理 10

第2章　解謎的AI 14
2.1　搜索樹 14
2.1.1　樹的構造和圖形表達 14
2.1.2　深度優先搜索 21
2.1.3　寬度優先搜索 28
2.1.4　A*搜索 32
2.2　推箱子 40
2.3　數字連線 43
2.4　日式華容道 46
2.5　孔明棋 48
2.6　嘗試用數學知識解決數獨問題 51

第3章　依賴約束的謎題和非單調推理 58
3.1　縱向搜索與回溯 58
3.2　數學家弄錯的國際象棋謎題 58
3.3　線條圖的解釋與錯覺畫 63
3.4　ATMS與四色問題 71
3.5　解開國際象棋謎題 83
3.5.1　盡可能放置多個棋子 84
3.5.2　盡可能攻擊多個區域 86
3.6　Knuth的謎題與位棋盤 88

第4章　會玩遊戲的AI 90
4.1　井字棋與樹 90
4.2　遊戲的樹搜索 91
4.3　黑白棋與Fool’s mate 104
4.4　A*馬裏奧 110
4.5　蒙特卡羅樹搜索 114
4.6　立體四子棋 118
4.7　黑白棋的蒙特卡羅算法和NegaScout算法 123
4.8　如何贏得博弈 124
4.9　消滅幽靈：AI吃豆人 132

第5章　學習、進化和遊戲AI 140
5.1　來自AlphaGo的震撼 140
5.2　DQN和街機遊戲 151
5.3　進化的馬裏奧 155
5.4　神經進化 158
5.5　吃豆人的神經進化 161
5.6　充滿好奇心的馬裏奧 166

第6章　遊戲AI與類人化 174
6.1　為什麼需要類人化的AI 174
6.2　通用遊戲是什麼 175
6.3　圖靈測試和最類人化的AI 178
6.4　不使用“類人化”函數的類人化遊戲AI 182
6.5　使用“類人化”函數的類人化遊戲AI 190
參考文獻 199