Q:
Hvordan bruges en finite-maskine til kunstig intelligens?
EN:Finite state-maskiner (FSM'er) er beregningsmodeller defineret af en liste over unikke sættilstande, der kun kan vælges én efter én. Kort sagt er FSM'er enkle, men elegante løsninger til at opbygge AI, hvor maskinen kun kan være i en tilstand til enhver tid og kun kan skifte fra en tilstand til en anden gennem en overgang, når en input modtages. Det mest traditionelle eksempel er et trafiklys, der overgår fra grønt til gult og fra gult til rødt efter en defineret tidsperiode. I dette tilfælde er input repræsenteret af tid, men ingen reel AI er involveret, da enheden er fuldstændig passiv. Kun hvis trafiklyset kunne reagere på forbipasserende, kunne AI være involveret.
FSM'er bruges bredt i videospilsindustrien på grund af deres iboende enkelhed og forudsigelighed til at understøtte grundlæggende, men funktionelle AI. F.eks. Bruges de stort set i action- og RPG-spil af ikke-spillbare tegn (NPC'er). En relativt simpel AI-model er bygget, så en given NPC (normalt en fjende) kun kan vælge en bestemt opførsel - sig, angribe, flygte, forsvare, opdage osv. De kan også bruges til hovedpersoner, for eksempel når spilleren får en power-up eller bonus, eller til at modellere UI og kontrolordninger i platformspil (for at indstille crouched tilstand eller quick-fire-tilstand).
FSM'er kan bruges til at oprette realistiske simuleringer af softwarearkitektur og kommunikationsprotokoller til cybersikkerhedsformål. FSM-modeller af sårbare operationer genereres for at forstå alle mulige udnyttelser og lade AI finde de bedste løsninger til at afbøde dem. Disse simuleringer bruges til at teste og evaluere sikkerhedsprotokoller, deres robusthed og sikkerhedssituationen i et system. De kan senere bruges til at etablere cybersikkerhedspolitikker og bedste praksis.
FSM'er er også blevet anvendt inden for computervingvistik til at oprette NLP-værktøjer og chatbots med blandede resultater. Naturligt menneskeligt sprog er imidlertid fuld af uklarheder i sammenhæng, som let kan udledes af andre mennesker under virkelige samtaler (eller endda under læsning af en tekst). FSM'er forsøger at analysere sprog med en deterministisk tilgang, der ofte er for stiv til korrekt at håndtere naturlige samtaler, så statistiske inferencer og beslutningsteorier er normalt de foretrukne metoder. FSM'er repræsenterer stadig et godt fundament, hvorpå en enkel, men effektiv NLP AI er bygget tidligere. I software og applikationer, hvor dialogbokse er hårdkodet inden i kildekoden til et bestemt programmeringssprog, kan FSM'er dog bruges effektivt nok.
