Q:
Ako sa v umelej inteligencii používa konečný stroj?
A:Stroje na konečný stav (FSM) sú výpočtové modely definované zoznamom jedinečných množín stavov, ktoré je možné vyberať iba jeden po druhom. Stručne povedané, FSM sú jednoduché, ale elegantné riešenia na vytváranie AI, kde môže byť stroj kedykoľvek v jednom stave a keď je prijatý vstup, môže prepínať z jedného stavu do druhého iba prechodom. Najtradičnejším príkladom je semafor, ktorý po definovanom čase prechádza zo zelenej na žltú a zo žltej na červenú. V tomto prípade je vstup reprezentovaný časom, ale nie je zapojený žiadny skutočný AI, pretože zariadenie je úplne pasívne. Iba ak semafor mohol reagovať na okoloidúcich, mohlo by ísť o AI.
FSM sa v priemysle videohier bežne používajú kvôli svojej základnej jednoduchosti a predvídateľnosti na podporu základnej, ale funkčnej AI. Napríklad ich vo veľkej miere používajú v akčných a RPG hrách nehratými postavami (NPC). Pomerne jednoduchý AI model je zostavený tak, že daný NPC (zvyčajne nepriateľ) si môže zvoliť len konkrétne správanie - povedzme, zaútočiť, utiecť, brániť, odhaliť atď. Môžu sa použiť aj pre hlavné postavy, napríklad keď hráč dostane power-up alebo bonus, alebo modelovať UI a kontrolné schémy v plošinových hrách (na nastavenie krčeného stavu alebo režimu rýchleho streľby).
FSM sa môžu použiť na vytvorenie realistických simulácií softvérovej architektúry a komunikačných protokolov na účely kybernetickej bezpečnosti. Vytvárajú sa modely zraniteľných operácií FSM, ktoré slúžia na pochopenie všetkých možných výhod a umožňujú AI nájsť najlepšie riešenia na ich zmiernenie. Tieto simulácie sa používajú na testovanie a hodnotenie bezpečnostných protokolov, ich robustnosti a bezpečnostnej polohy systému. Neskôr ich možno použiť na stanovenie politík a osvedčených postupov v oblasti kybernetickej bezpečnosti.
FSM sa tiež používali v oblasti výpočtovej lingvistiky na vytváranie nástrojov na spracovanie prirodzeného jazyka (NLP) a chatbotov so zmiešanými výsledkami. Prirodzený ľudský jazyk je však plný nejasností v kontexte, ktoré ostatní ľudia ľahko vyvodzujú počas konverzácií v reálnom živote (alebo dokonca pri čítaní textu). FSM sa snažia analyzovať jazyk s deterministickým prístupom, ktorý je často príliš rigidný na to, aby správne zvládol prirodzené rozhovory, takže štatistickými inferenčnými a rozhodovacími teóriami sú zvyčajne preferované metódy. FSM sú stále dobrým základom, na ktorom bola v minulosti vybudovaná jednoduchá, ale účinná AI NLP. V softvéroch a aplikáciách, v ktorých sú dialógy pevne zakódované vo zdrojovom kóde konkrétneho programovacieho jazyka, sa však FSM môžu využívať dostatočne efektívne.
