Q:
Как се използва машина с ограничени състояния в изкуствения интелект?
A:Машините с крайно състояние (FSM) са изчислителни модели, дефинирани от списък на уникални набори състояния, които могат да бъдат избрани само едно по едно. С две думи, FSM са прости, но елегантни решения за изграждане на AI, където машината може да бъде само в едно състояние по всяко време и може да преминава само от едно състояние в друго чрез преход при получаване на вход. Най-традиционният пример е светофар, който преминава от зелено към жълто и от жълто към червено след определен период от време. В този случай входът е представен от времето, но не е включен реален AI, тъй като устройството е напълно пасивно. Само ако светофарът може да реагира на минувачите, тогава AI може да се включи.
FSM са широко използвани в индустрията за видеоигри за тяхната присъща простота и предсказуемост в подкрепа на основен, но функционален AI. Например, те до голяма степен се използват в екшън и RPG игри от герои, които не могат да се играят (NPC). Сравнително прост AI модел е изграден така, че даден NPC (обикновено враг) може да избере само определено поведение - да речем, атакува, бяга, защитава, открива и т.н. Те могат да се използват и за главни герои, например когато плейърът получава захранване или бонус, или да моделира потребителски интерфейс и схеми за управление в игри с платформи (за задаване на криволичещо състояние или режим на бърз огън).
FSM могат да бъдат използвани за създаване на реалистични симулации на софтуерна архитектура и комуникационни протоколи за целите на киберсигурността. FSM моделите на уязвими операции се генерират, за да се разберат всички възможни подвизи и да се даде възможност на AI да намери най-добрите решения за тяхното смекчаване. Тези симулации се използват за тестване и оценка на протоколи за сигурност, тяхната здравина и стойката на сигурност на системата. По-късно те могат да бъдат използвани за установяване на политики за киберсигурност и най-добри практики.
FSM са използвани и в областта на компютърната лингвистика за изграждане на инструменти за обработка на естествени езици (NLP) и чатботи със смесени резултати. Естественият човешки език обаче е пълен с неясноти в контекста, които лесно се правят от други хора по време на разговори в реалния живот (или дори при четене на текст). FSM се опитват да анализират езика с детерминистичен подход, който често е твърде твърд, за да се справят с естествените разговори, така че статистическите изводи и теории за решения обикновено са предпочитаните методи. FSM все още представляват добра основа, върху която в миналото е изграден прост, но ефективен NLP AI. В софтуер и приложения, където диалозите са твърдо кодирани в изходния код на определен език за програмиране, обаче, FSM могат да се използват достатъчно ефективно.
