推一下這位喬治亞理工學院助理教授 Brian Magerko 開授的 Game AI 課程。
看那為 "入門者" 設計 16 周課表，實在有紮實到。課程藉著由淺入深的小型實作專案，用以戰養戰的過程讓學生獲得明確能派上用場、解決問題的 AI 技術。
課程前四周讓學生幫「小精靈」的鬼與玩家角色寫 AI，這段時間可習得路徑搜索、有限狀態機等基礎技術。
下一個四周，每位學生都得在知名的「瑪莉歐AI」大賽實作自己的 AI 作品。
儘管教授表示這僅是一種具有動態環境的 AI 比賽，但學生可得在這段時間具備決策樹、類神經網路、基因演算法、模糊邏輯以及機器學習的技巧，才有可能在瑪莉歐 AI 中過關阿。
以國內一般電腦科學系的授課情形，四周看似不太可能教完這麼多理論，但若只針對務實實作技巧，略過部分推導或著論證整個領域知識體系，的確有可能教完。
後半段 8 周課程重點則是分組合作，在課堂灌輸 AI 知識的同時，讓學生持續製作、改良自己那具備高等智慧的遊戲作品！
看看他的學生們做過哪些成果
塔防 AI
NPC 懂得尋找玩家配置的弱點來進攻。
群體 AI
殭屍怎麼打團戰!
博奕 AI
儘管沒有視覺特效，機率算牌仍然是經典問題。
桌遊 AI
相信很多人都玩過的知名桌遊 「dominion」，也幫它做了 AI 玩家!
經濟 AI
企圖 "宏觀調控" 遊戲世界裡的複雜經濟系統
相信這些大學部學生修課後的期末專題，都足以證明他們的學習成果。從授課的觀點來看，教授認為必須讓學生構想自己的 AI 專案，身為老師的任務則是鼓勵學生冒險，再從旁協助排除太過異想天開、無法達成的目標。自行決定目標的好處有二：一是學生願意驅使自己努力達成目標，二是培養鑒別問題的能力！此外漸進式小型專題也很重要，需長時間完成的作業容易讓學生失去學習熱情。
總的來說，遊戲所需的 AI 技術進入高等教育課程，意味著業界務實經驗已累積到足夠多的量，並且被整理成系統化的知識，能在校園裡有效率地複製到學生的腦中。這些成果值得我們思考與借鏡。
