人工智能在计算机上的实现有两种不同的方式。一是使用传统的编程技术，使系统显得智能，无论使用的方法是否与人类或动物有机体使用的方法相同。这种方法称为工程方法（ ），在一些领域已经产生了成果，如文本识别、计算机下棋等。另一种是模拟方法（ ），不仅要看效果，还需要实施方法与人类或生物体所使用的方法相同或相似。遗传算法（简称GA）和人工神经网络（简称ANN）都属于后一类。遗传算法模拟人类或生物体的遗传进化机制，而人工神经网络则模拟人类或动物大脑中神经细胞的活动。为了获得相同的智能效果，通常两种方法都可以使用。使用前一种方法需要手动详细指定程序逻辑，如果游戏简单，则比较方便。如果游戏复杂，人物数量和活动空间增加，相应的逻辑就会非常复杂（呈指数级增长），手工编程会非常繁琐，而且容易出错。一旦出现错误，就必须修改、重新编译、调试原来的程序，最后提供给用户新的版本或者新的补丁，非常麻烦。当使用后一种方法时，程序员需要为每个角色设计一个智能系统（一个模块）来控制。这个智能系统（模块）一开始什么都不懂，就像刚出生的婴儿一样，但是它可以学习，可以逐渐适应环境，应对各种复杂的情况。这种系统在开始时经常会犯错误，但它可以吸取教训并在下次运行时纠正它们。至少不会永远出错，也不需要发布新版本或者打补丁。使用这种方法来实现人工智能需要程序员具备生物思维方法，这使得上手难度加大。但一旦进入，它就可以广泛使用。由于这种方法在编程时不需要对角色的活动规则进行详细规定，因此在应用于复杂问题时通常比以前的方法更省力。