P:
Kako se konačni državni stroj koristi u umjetnoj inteligenciji?
A:Strojevi s konačnim stanjem (FSM) su računski modeli definirani popisom jedinstvenih stanja stanja koja se mogu odabrati samo jedno po jedno. Ukratko, FSM-ovi su jednostavna, ali elegantna rješenja za izgradnju AI-a gdje stroj u bilo kojem trenutku može biti samo u jednom stanju i može prijeći iz jednog stanja u drugo putem prijelaza kad se primi ulaz. Najtradicionalniji primjer je semafor, koji nakon određenog vremena prelazi iz zelene u žutu, te iz žute u crvenu. U ovom je slučaju ulaz prikazan vremenom, ali nije uključen pravi AI jer je uređaj potpuno pasivan. Samo ako bi semafor mogao reagirati na prolaznike, tada bi AI mogao biti uključen.
FSM-ovi se široko koriste u industriji videoigara zbog njihove inherentne jednostavnosti i predvidljivosti kako bi podržali osnovni, ali funkcionalni AI. Na primjer, oni se uglavnom koriste u akcijskim i RPG igrama likova koji se ne mogu igrati (NPC-ovi). Relativno jednostavan AI model izgrađen je tako da određeni NPC (obično neprijatelj) može odabrati samo određeno ponašanje - recimo, napasti, bježati, braniti, detektirati itd. Mogu se koristiti i za glavne likove, primjerice kada igrač dobiva power-up ili bonus ili modelira korisničko sučelje i upravljačke sheme u platforming igrama (za postavljanje skučenog stanja ili način brze vatre).
FSM-ovi se mogu koristiti za stvaranje realističnih simulacija softverske arhitekture i komunikacijskih protokola u svrhe cyber-sigurnosti. FSM modeli ranjivih operacija generirani su za razumijevanje svih mogućih iskorištavanja i omogućuju AI pronalaženje najboljih rješenja za njihovo ublažavanje. Ove se simulacije koriste za testiranje i procjenu sigurnosnih protokola, njihove robusnosti i sigurnosnog položaja sustava. Kasnije se mogu koristiti za uspostavljanje politika cyber-sigurnosti i najboljih praksi.
FSM-ovi su također korišteni u području računalne lingvistike za izradu alata i chatbota za prirodnu obradu jezika s mješovitim rezultatima. Međutim, prirodni je ljudski jezik prepun nejasnoća u kontekstu koje drugi ljudi lako zaključuju tijekom razgovora iz stvarnog života (ili čak dok čitaju tekst). FSM pokušavaju raščlaniti jezik determiniranim pristupom koji je često previše krut da bi mogao pravilno voditi prirodne razgovore, pa su statističke zaključke i teorije odluka najčešće preferirane metode. FSM i dalje predstavljaju dobar temelj na kojem je u prošlosti izgrađen jednostavan, ali učinkovit NLP AI. U softveru i aplikacijama gdje su dijalozi tvrdo kodirani unutar izvornog koda određenog programskog jezika, FSM-ovi se mogu dovoljno učinkovito koristiti.
