遊戲中的AI，大多數都是按照規則設定好的，沒有太多花哨的技術。原因有幾個：
一是出於風險成本的考慮，用一個新技術，需要程序員開發相應的算法和框架，遊戲設計師重新上手設計方法和摸索算法的適用範圍，小團隊承受不起這樣的開銷，大團隊又怕做壞名聲；
二是“高級”的AI算法並不直觀，難以設計。舉一個例子，怎麼利用神經網絡來訓練一個士兵AI？我見過的一個例子是設計師用幾個按鍵來操作士兵移動攻擊，然後程序自動記錄敵我雙方的數據和設計師的操作，最後利用這些信息作爲input構建一個行爲樹。這個方法的問題有三個，一是效率奇慢，因爲如果數據不夠，行爲樹就可能覆蓋不了所有情況，但多少纔是“夠”，又沒有定論；二是錯誤的操作也會被記錄下來，當然可以開發一個功能來刪除設計師的某個動作；三是行爲樹的結果是無法解釋的，相當於一個黑箱。
由於上述的原因，一般的公司都會使用比較傳統的有限狀態機。
雖然第一次聽的話可能會拗口，其實有限狀態機的意思其實很簡單，它包含了有限個的狀態和狀態間的轉換條件。最直白的說法就是幾個if...else...語句。爲了弄明白這個概念，我們講一個英雄的故事：
從前有一個膽小如鼠的英雄，
- 他看到哥布林就會跑過去打它；
- 他看到半獸人就會逃跑；
- 他看不到哥布林也看不到半獸人就會休息；
- 他看到哥布林也看到半獸人也會跑。
我們可以從中抽象出這樣的一個有限狀態機：
有限狀態機很符合我們的認知，但它有一個致命的缺點——它隨着狀態和轉換條件的增多而急速地變得錯綜複雜，以至於很難對它做出改動（想象一下，多加一個狀態，則需要增加幾條轉換線，越多狀態，需要增加的轉換線越多）。
也由於這個原因，比較多的開發者投入了行爲樹的懷抱。
行爲樹
定義
行爲樹的概念會比狀態機要複雜些——行爲樹是一個包含邏輯節點和行爲節點的樹結構，每次需要找出一個行爲的時候，會從樹的根節點出發，遍歷各個節點，找出第一個和當前數據相符合的行爲。行爲樹的執行順序爲從左到右，並且按深度優先的順序。
很拗口對吧，下面來一個生動點的解釋，繼續上面的英雄的故事，但是是用行爲樹表達出來：
這個行爲樹是等價於之前的有限狀態機的。其中
Root是根節點，每次需要尋找行爲的時候都必須從這裏開始。
Priority Selector是一個邏輯節點，它的意思是讓從左到右遍歷自己的子節點，如果子節點的准入條件符合信息的話，就執行該子節點。如果英雄只看到哥布林，那麼Orc in sight這個准入條件不符合，Escape不執行；Globlin in sight符合，於是執行Fight；因爲Fight在Idle的左邊，所以Fight的優先程度更高，於是Idle不執行。在我們的例子中，Idle可以看作是default behavior。
優點
從簡單的行爲樹和有限狀態機的對比，我們就可以看出，行爲樹由於引入了邏輯節點，它的轉換條件更加少（線更少，更清晰），讓拓展AI變得更加容易。
行爲樹還有另外一個優點：行爲的重用（reuse)。
例如，Escape有一個跑的行爲，而Fight則有跑的行爲，和砍怪的行爲。請看圖：
Sequence同樣是一個邏輯節點，它的意思是從左到右按順序執行子節點，並且僅僅在一個子節點執行完成後才執行下一個子節點。在例子中，Do Run需要有一個自己判斷到達目的地的方法，當該方法返回end的時候，纔會執行Do Slash。
Escape和Fight的Do Run行爲節點是一樣的，只是Fight多了一個Do Slash行爲節點而已。所以Do Run是一個可以重用的節點。
在行爲樹中，我們能夠編寫好Do Run，Do Slash這些基礎的行爲節點，和設定一些准入條件，就可以組成千變萬化的AI了！
我們希望英雄在逃跑的時候羣衆發出噓聲，而在攻擊的時候出現歡呼聲：
省略了其他部分，只畫Escape部分。
Parallel是一個邏輯節點，它的意思是讓所有子節點同時運行，那它什麼時候結束呢，可以使當所有子節點都完成的時候結束，也可以讓任一子節點完成時結束，根據需要來做出選擇。