Q:
Яким чином кінцева державна машина використовується в штучному інтелекті?
A:Машини з кінцевим станом (FSM) - це обчислювальні моделі, визначені переліком унікальних наборів станів, які можна вибирати лише по одному. Коротше кажучи, FSM - це прості, але елегантні рішення для створення AI, де машина може знаходитися лише в одному стані в будь-який час і може лише переходити з одного стану в інший через перехід при отриманні входу. Найбільш традиційний приклад - світлофор, який переходить від зеленого до жовтого і від жовтого до червоного через певний час. У цьому випадку вхід відображається часом, але ніякого реального ІІ не бере участь, оскільки пристрій повністю пасивний. Тільки якщо світлофор міг би реагувати на перехожих, то AI міг би бути залучений.
FSM широко використовуються в індустрії відеоігор для їх притаманної простоти та передбачуваності для підтримки основних, але функціональних AI. Наприклад, вони в значній мірі використовуються в іграх з дією та RPG неіграючими персонажами (NPC). Порівняно проста модель AI побудована так, що даний NPC (зазвичай ворог) може вибрати лише певну поведінку - скажімо, атакувати, тікати, захищати, виявляти і т. Д. Вони також можуть використовуватися для головних героїв, наприклад, коли гравець отримує живлення або бонус, або моделює інтерфейс користувача та схеми управління в іграх з платформою (для встановлення режиму скрученого або швидкого вогню).
FSM можна використовувати для створення реалістичного моделювання архітектури програмного забезпечення та протоколів зв'язку для цілей кібербезпеки. Моделі FSM вразливих операцій створюються для розуміння всіх можливих подвигів і дозволяють ШІ знайти найкращі рішення для їх зменшення. Ці імітації використовуються для тестування та оцінки протоколів безпеки, їх надійності та безпеки системи. Пізніше вони можуть бути використані для розробки політики кібербезпеки та найкращої практики.
ФДМ також використовувались у галузі обчислювальної лінгвістики для побудови інструментів обробки природних мов (НЛП) та чат-ботів із неоднозначними результатами. Природна людська мова, однак, сповнена неоднозначностей у контексті, про які легко виводиться іншими людьми під час бесід у реальному житті (або навіть під час читання тексту). FSM намагаються розбирати мову детермінованим підходом, який часто є занадто жорстким, щоб правильно обробити природні бесіди, тому статистичні умовиводи та теорії прийняття рішень зазвичай є бажаними методами. FSM все ще є доброю основою, на якій в минулому будувався простий, але ефективний ІС NLP. Однак у програмному забезпеченні та додатках, де діалоги жорстко закодовані у вихідному коді певної мови програмування, однак, FSM можна використовувати досить ефективно.
