從電子遊戲產業起步之初就已經開始使用路徑查找和有限狀態機了。但是他們也會創造新的特性，例如場景交互，導航行為，視覺/聲音感知，以及AI互動。很多東西在當時不存在，但是今天這些特性廣泛地被不同類型的遊戲使用，例如體育、賽車、格鬥以及第一人稱射擊（FPS）遊戲，下面也會介紹到。
在其他所有類型的遊戲中也都是這樣，特別是當需要改善這些AI以使得遊戲感覺更加逼真時，還有許多額外的要素是必須實現的。 我們討論一下體育遊戲，尤其是那些試圖模擬真實世界團隊行為的遊戲，例如足球和籃球。玩家的交互並不是我們唯一需要關注的事情，很早前我們就已經沒有面對國際象棋那種1V1的情況了。現在我們想要的更多，看到其他遊戲有着真實的AI行為，體育狂熱者們開始要求他們喜歡的遊戲也應該有那樣棒的AI，畢竟這些遊戲是基於真實世界的事物，因此AI應該儘可能真實地做出反應。 在這一點上，開發者和遊戲設計師開始考慮AI互動本身，像《吃豆人》中的敵人會使玩家得到這樣一種印象，即遊戲中每個角色都有自我思考，對其他角色的反應都有不同。如果我們仔細分析，體育遊戲中的AI和FPS或者RTS遊戲中的AI是非常接近的，都是使用不同的動畫狀態，通用的移動、交互、單獨決策，以及戰術和集體決策。因此，體育遊戲與其他在AI開發方面已經非常成熟的遊戲類型一樣，也可以擁有足夠真實的AI，這不足為奇。不過，只有體育遊戲在當時面臨幾個問題：如何使這麼多同屏角色產生不同的反應，但同時又能讓這些角色共同努力實現相同的目標。考慮到這個問題，開發者開始改進每一個角色的獨立行為，不僅僅包括玩家的對立陣營AI，還有與玩家同陣營的AI。有限狀態機在這裏又一次成為人工智能的一個重要組成部分，而且，潛行遊戲中的感知和預測對於創造儘可能真實的體育遊戲也非常有幫助。電腦需要計算玩家正在做什麼，球在哪裏，以及所有這些東西的座標，且還得讓同陣營的AI看起來像是在團隊協作。在這些數量眾多的同屏角色的身上加入潛行遊戲中的新特性，可以改進已有的體育類型遊戲，多年來這種做法已經獲得了廣泛的應用。這也有助於讓我們明白，我們幾乎可以使用相同的方法來創造任何類型的遊戲，即使它們看起來完全不同。我們看到電腦AI下棋時使用的核心原則，其對於30年後發行的體育遊戲仍然是有價值的。 讓我們繼續最後一個例子，這個例子對於如何使得AI角色的行為更加真實有着非常高的價值：這個遊戲是Monolith Productions開發的《極度恐慌》（F.E.A.R.）。使這個遊戲在人工智能方面顯得相當特別的是敵人角色之間的對話。雖然從技術角度來看這並不是什麼進步，但它確實有助於展示角色AI的所有開發工作，假如AI之間沒有這麼説話，便不會使遊戲顯得與眾不同。這在創建具有真實感的AI時是一個非常重要的考量因素，AI的這種行為會讓人覺得其自身的反應以及其與玩家的交互行為跟人類非常接近，使人產生錯覺。對話不僅有助於創造類人的氣氛，還有助於讓角色顯得更加立體，如果沒有這些對話的話，玩家很難注意到這些。當AI第一次察覺到玩家時，它會大喊發現玩家了；當AI視野內丟失玩家時，它也會喊出來。當AI小隊試圖搜尋或伏擊玩家時，AI小隊會進行討論，讓玩家想象敵人真的有能力去制定策略來迎戰玩家。為什麼這點這麼重要？因為如果這些角色只有數字和數學公式般的機械行為，那麼它們會按照既定的做，但是並沒有人的特性，為了使這些AI角色更加人性化，就需要讓它們有一些過失、錯誤以及對話，這可以讓玩家覺得自己不是在與蒼白的機器對戰。
整個電子遊戲的歷史中人工智能距離完美還很遙遠，我們可能需要花費幾十年時間去一點點地改進。從20世紀50年代初期到今天，我們已經取得了很大的突破，所以不要害怕探索，你應該去學習、融合，甚至是打碎重建一些事物，以得到不同的結果。因為偉大的遊戲在過去都這麼做了，且它們獲得了巨大的成功。
