正文
同一时间，
IBM 的 Arthur Samuel（被誉为“机器学习之父”）设计了一款可以学习的西洋跳棋程序
，能通过观察棋子的走位来构建新的模型，并用其提高自己的下棋技巧。在和这个程序进行多场对弈后，Arthur Samuel发现程序的棋艺变得越来越好。
此后，游戏人工智能的研究多集中在类似的游戏方向，尤其是国际跳棋（Checkers）和国际象棋。这一方向第一次被普通大众关注是在1994年，当年8月加拿大Jonathan Schaeffer教授率团队编写的跳棋程序Chinook Checkers，单挑人类数学家、世界冠军Marion Tinsley，后者在40年职业生涯中只有9负，人称恐怖选手的数学家Marion Tinsley。2007年，国际跳棋的问题已经被机器彻底解决。
这一方向在普通大众心中第一次高光时刻则是在1997年，IBM的Deep Blue深蓝以4：2战胜了国际象棋世界冠军卡斯帕罗夫。虽然最后深蓝 “ 惨遭肢解” ，一半送进史密森尼博物院，另一半归美国计算机历史博物馆，但却给整个世界极大的震撼。
这一方向近期最大的新进展就是AlphaGo。2016年3月，Google旗下DeepMind公司开发的人工智能程序AlphaGo，4：1战胜世界围棋冠军李世石。2017年5月，AlphaGo又以3：0战胜人类排名第一的选手柯杰。
这类游戏都是完美信息下的博弈，即对弈双方都看得见棋盘和走子变化，基础算法是搜索。如果将下棋的每一步看做搜索的一个决策点，搜索过程形成一颗树，树展开每个可能的走子，从中寻找最佳的走法，获取使对方不利己方有利的胜算。这样搜索的空间是很庞大的，寻找最佳走法所需花的时间很长，从三连棋、五子棋、国际跳棋、国际象棋、围棋，搜索的空间依次大幅提升。而人类不断攻克这些难题，背后除了机器算力的提升，也有算法的不断优化与进步。
二
电子游戏兴起，开发者也开始尝试将人工智能应用到电子游戏中，尤其是第一人称射击游戏 （FPS）和即时策略类游戏（RTS），主要的应用则体现在NPC（非玩家角色）行为控制、虚拟摄像机的决策。
很多人都认为这方面的技术进展比较缓慢，但研究游戏人工智能的马耳他大学副教授 Georgios N. Yannakakis 和纽约大学副教授Julian Togelius 都认为，其实技术的提升一直是在进展的。
《神偷》（Thief ，1998）
《神偷》系列的第一部《神偷：暗黑计划》是由Looking Glass Studios开发的，采用了自研的“Dark”引擎。根据公开的资料，“Dark”引擎虽然在图像方面比不上同一时间的“雷神之锤（Quake）2”或“虚幻（Unreal）”引擎，但在人工智能方面它的水准却远远高于后两者，游戏中的敌人懂得根据声音辨认你的方位，能够分辨出不同地面上的脚步声，在不同的光照环境下有不同的目力，发现同伴的尸体后会进入警戒状态，还会针对你的行动做出各种合理的反应，你必须躲在暗处不被敌人发现才有可能完成任务，这在以往那些纯粹的杀戮游戏中是根本见不到的。《神偷》系列的第二部《神偷II：金属时代》在AI方面又有了进一步的提升。值得一提的是，为了提升游戏的画质，工作人员还牺牲了自己的休假时间来用数码相机拍摄了2000多张纹理素材照片。
《半条命》（Half-Life，1998）
作为FPS经典游戏，《半条命》在技术上的突破可圈可点。 Valve在Quake和Quake II引擎的混合体之上，添加了两个重要的特性：一是脚本序列技术，可以令游戏以合乎情理的节奏通过触动事件的方式让玩家真实地体验到情节的发展，这对于很少注重情节的第一人称射击游戏来说意义重大；第二个特性是对人工智能引擎的改进，《半条命》中敌人的行动与以往相比明显有了更多的狡诈，不再是单纯地扑向枪口。
