随着信息技术和网络技术的快速发展，教育游戏已成为教育信息模式下的重要学习工具。然而，近十年来，虚拟现实技术的产生、3D效果的加入以及计算机软硬件的大规模升级，为游戏开发提供了大量的技术支持，导致大量游戏开发者致力于开发具有强烈视觉冲击力的游戏画面。因此，为了牢牢吸引玩家的注意力，延长教育游戏的生命周期，智能角色的设计成为研究的重点。综上所述，本文在人工智能理论的基础上，提出了教育游戏中智能角色的模型设计。

1 相关概念

教育游戏是一种具有游戏特点和教育功能的电子游戏。通过创造虚拟情境，激发学习者的好奇心，激发学习者的幻想，进而鼓励学习者不断探索学习目标。

通常的智能角色包括虚拟动物、神化生物和无机物体（如会说话的教科书）。本研究中提到的智能角色是关注具有人类思维和行为特征的虚拟生物，即游戏中的非玩家角色（NPC，Non-Player Character），它可以在游戏中扮演各种各样的游戏角色，如玩家的助手、对手或同伴。此外，智能角色具有自适应性、在线学习、不可预测性等特点，这将决定智能角色可以根据动态游戏环境状态、自身行为状态，结合游戏过程中的学习和经验探索，不断优化与玩家角色的合理互动模式，增强玩家角色（即学习者）的真实体验。这无疑决定了智能角色的设计将影响教育游戏的成败。

2 模型设计的智能角色

俗话说，与人打架很有趣，所以无论是在商业游戏还是教育游戏中，玩家都喜欢体验在线在线游戏，因为在这些游戏中，玩家来自四面八方，他们的个性不同，技能水平不均匀，这将导致游戏过程充满不确定性，这个难以理解的游戏秘密将大大增强游戏的真实性。因此，游戏开发人员试图在游戏中开发更多具有人类思维的智能角色，使其行为能够使玩家误以为自己在与现实中的人类竞争，从而给玩家带来不寻常的游戏体验。

但重点是：智能角色的作用不是打败所有的学习者，其主要设计目的不仅是提供更实际的行为和情感，而且为玩家提供更高层次的需求，让玩家获得置入感、沉浸感，然后处于情感状态，忘记自己，从而达到发展智能角色的目的。

但是如何在以游戏情境为背景的任务中呈现智能角色呢？只要体验过游戏的玩家清楚地知道，任何游戏的叙事结构都是以任务引导玩家一级通关，只要教育游戏中的多层任务逐渐分解成普遍适用的任务结构模式，就便于游戏中智能角色的程序实现。比如“我要去图书馆”，可以分为“寻找图书馆所在地”、“选择通往目的地的路径”、“根据选择执行移动行为”等小目标。智能角色的程序实现也是如此，可以根据任务目标一步一步实现，最终在后台程序中实现。

图1将任务分为三层：动机层、任务层和实现层。动机层的任务是选择目前应该做的正确的事情；任务层负责如何以正确的方式做事；实现层是如何做到的。动机层是高层目标，智能身体根据感知环境和自身情况决定做什么。任务层根据动机层的目标选择相关动作，以实现上层目标。最低层是实现任务层选择的具体目标。经过上述多层任务结构模式的划分，本文借鉴了近年来人工智能技术在游戏中的应用（主要是吸收学习智能身体的优势），开发了教育游戏中的智能角色。其目的是使智能角色能够在最初未知的游戏环境中不断学习系统知识，完善知识体系，进而提高行为技能。综上所述，本文提出了教育游戏中智能角色的模型设计，如图2所示。

智能角色模型设计工作流程如下：宏观分析，教育游戏根据不同阶段的学习目标分为多个学习任务，然后构建动机层、任务层、实现层三个模块；从微观分析，如图2所示，本文将动机层分为评价模块和感知模块，任务层分为学习模块、战略选择模块、问题发生器模块，实现层分为实现层模块。如果将这三个层次的划分与游戏程序的实现进行比较，它也可以被视为程序数据的输入、处理和输出功能模块。

1)智能角色的动机层模块。该模块要求智能角色不仅通过感知和监控游戏环境的变化及其当前的具体环境状态，而且根据游戏背景系统制定的游戏奖惩规则判断上一任务阶段的行为奖惩值，作为输入反馈或加强。通过这种详细的感知分析，系统可以制定下一个实现目标的步骤。

2)智能角色的任务层模块。在上一阶段获得知识后，如何合理地实现这一目标？该系统在游戏的任务层中开发了一个学习模块，主要记录了智能角色所学习的知识系统，为战略选择模块开发了一些选择行为的基础，这里使用的策略是在系统开发之前已经确定的行为选择策略。但最重要的是：如果策略是自己的，总是根据自己已知的知识采取最佳行为，很难平衡游戏角色行为选择的探索和利用，因此问题发生器根据学习目标提出一些探索行动的建议，优化策略的决策能力。

本文中拿ε-以贪婪策略为例，其运行机制是当游戏角色处于某种环境状态时，以1为例-ε选择最大Q的概率（S，A）值的行为，ε随机选择概率的行为。因此，建议在学习任务开始时使用，使之成为学习任务的开始。ε值更大，尽量探索一些未使用的行为。虽然短期内可能不是最好的行为，但长期来看可能是最好的行为。这样，随着尝试次数的增加，系统应该逐渐减少角色在游戏任务中的多次学习ε值的大小，让它尝试利用之前在游戏中经历过的学习行为，减少选择行为的时间，提高游戏角色学习的效率。

但需要特别注意的是，如果对环境信息了解不够，智能角色必须通过合理的探索收集有用的信息，只有这样才能合理地选择外部行为。

3)智能角色的执行层模块。当智能角色根据某种策略选择外部行为模式时，需要通过实现层执行模块接口来执行这种行为。虽然这种行为当时的临时奖励值可能不是很好，但从长远来看会是一个不错的选择。

3 小结

近年来，教育游戏已经成为学生学习的一种新的媒介方式，但由于游戏的可玩性不高，开发的教育游戏的利用率并不高。因此，本文提出了智能角色的模型设计，为教育游戏中的玩家角色提供良好的真实性、置入感、成就感和归属感，提高教育游戏的使用效率。