今天我们将讨论“情景感知”，这是《从军》中AI的一个重要组成部分。更具体地说，这将使你的AI队员更好地识别危险和优先目标，并它允许你队伍中的士兵做出自己的决定。
经过多次测试之后，我们决定提升您AI队友的智力。我们将教他们越过障碍，听从指挥官的命令，使用掩体，甚至投掷手榴弹。最后一项也是最重要的一项，是允许AI识别敌方的威胁和敌方单位目标。这都归功于“仇恨计”威胁积累系统。
打个比方，使用了“仇恨计”威胁积累系统的AI士兵。当您对AI造成伤害或击杀AI的队友时，该系统将会积累AI士兵可见的目标的“威胁”指数，。
该系统确实能够正常工作，但在某种特定情况下事情变得有些不对劲了，打个比方当敌方处在一个比较低“威胁”值的状态，但有更好的射击角度时。在权衡了所有的利弊之后，我们决定重新设计系统，采用一种叫做“效用函数”的不同方法。
这些指针（向量）是针对AI士兵的，主要目的是权衡各个方向的威胁大小。
这就是AI士兵看待和评估危险的方式。
从技术上讲，新的算法是输入值之上的一组数学函数。最后一个函数允许AI衡量输入值，并将结果作为一个单一的数字——来自敌人的危险，AI使用这个数字来确定自己的目标。这种方法打开了大量可以配置的参数，从而影响AI行为。
对玩家来说，这意味着使用“效用函数”算法选择目标的AI士兵在快速变化的战斗环境中反应更灵敏。第一次内部测试已经表明，士兵的行动与真实玩家的行动明显更相似:他们对危险反应更快，更愿意在不同目标之间切换。
特别有趣的是，在新算法中，我们看到了机器学习的潜力，它将不断改进人工智能士兵的行为。
我们可以说，一个人工智能系统(通过机器学习)让另一个人工智能模块(目标选择模块)在战斗中更加有效，显示出更好的结果。
我们仍在为AI的学习选择正确的标准，甚至可能会为不同的任务训练AI，追求更高的生存能力或在战斗中能有更好的表现。
打个比方，处于防守状态的士兵应该选择威胁最大的目标，而在进攻状态下，应该选择最容易击杀的目标。很明显，这些目标并不总是一致的。学习可以让我们结合人工智能领域当前的发展，并在未来有效地应用它们来改善游戏中AI的行为。