随着计算机技术，网络技术，多媒体技术的迅猛发展以及人们生活质量的提高，数字游戏和数字娱乐已经成为当今计算机技术的一大热点，并已形成了同益巨大的产业。而数字游戏和数字娱乐中的人工智能研究则相对较弱。本文针对人工智能尤其是基于统计学习的人工智能在数字游戏和数字娱乐中的应用，做了一些较为深入的研究，提出了一些有实际意义的新方法和新思路。 在纵览了人工智能在数字游戏和数字娱乐中的发展变革，并列举了一些与目前或将来的游戏关系密切的主流人工智能，讨论了游戏设计与人工智能的关系之后，提出了游戏中的人工智能是语境相关的观点，特别指出了机器学习的方法有其较为特殊和重要的地位。 传统统计学研究的是样本数目趋于无穷大时的渐近理论，与传统统计学相比，支持向量机是专门在小样本情况下的一个很强大的机器学习算法。使用支持向量机方法可以同时减少经验风险和置信范围。本文提出了可用支持向量机来解决数字游戏和娱乐中的一些智能问题。 电脑围棋则是当今人工智能领域的一大难题，我们藉着分析人类下棋的思考模式来说明了一般电脑围棋程序的制作方法。我们列举了一些著名的围棋程序，讨论了他们的特点和不足。提出了基于统计学习的方法的电脑围棋程序。最后的实验结果表明，用这种基于统计学习的方法来解决电脑围棋问题是非常合理的，更重要的是它提供了一种重要的思路。 多媒体内容的自动识别是数字娱乐中非常重要的一门技术。我们实现了一个能够实时自动识别带有爆炸内容视频片断的系统。本文提出了一个在实时环境下使用基于听觉和视觉的分层模型对MPEG多媒体数据流中的“爆炸”场景在压缩域进行识别的算法。这种方法可以扩展到其它类型的媒体中去。