Q:
Kaip dirbtinis intelektas naudojamas baigtinės būsenos mašina?
A:Ribinių būsenų mašinos (FSM) yra skaičiavimo modeliai, apibrėžti unikalių rinkinių būsenų, kurias galima pasirinkti tik po vieną, sąrašu. Trumpai tariant, MFV yra paprasti, bet elegantiški sprendimai sukurti AI, kai mašina gali būti tik vienos būsenos bet kuriuo metu ir pereiti iš vienos būsenos į kitą gali tik perėjus, kai gaunama įvestis. Tradiciškiausias pavyzdys yra šviesoforas, kuris po nustatyto laiko pereina nuo žalios iki geltonos ir nuo geltonos iki raudonos. Šiuo atveju įvestį rodo laikas, tačiau tikroji AI nedalyvauja, nes įrenginys yra visiškai pasyvus. Tik tuo atveju, jei šviesoforas galėtų reaguoti į praeivius, tai galėtų būti ir AI.
FMV yra plačiai naudojami vaizdo žaidimų pramonėje dėl jiems būdingo paprastumo ir nuspėjamumo, kad būtų palaikomos pagrindinės, bet funkcinės PG. Pvz., Jie daugiausiai naudojami veiksmo ir RPG žaidimuose, kurių nežaidžiami personažai (NPC). Palyginti paprastas PG modelis yra sukurtas taip, kad nurodytas NPK (paprastai priešas) gali pasirinkti tik tam tikrą elgesį - pasakyti, pulti, bėgti, gintis, aptikti ir tt Jie taip pat gali būti naudojami pagrindiniams veikėjams, pavyzdžiui, kai žaidėjas gauna maitinimą arba premiją, arba modeliuoja vartotojo sąsają ir valdymo schemas platforminiuose žaidimuose (kad nustatytų sukramtytą būseną arba greito gaisro režimą).
FSM gali būti naudojami kuriant realius programinės įrangos architektūros ir ryšių protokolų modeliavimus kibernetinio saugumo tikslais. Sudaromi pažeidžiamų operacijų MFV modeliai, kad būtų galima suprasti visus galimus išnaudojimus ir leisti AI rasti geriausius sprendimus jiems sumažinti. Šie modeliavimai naudojami saugos protokolams, jų patikimumui ir sistemos laikysenai patikrinti ir įvertinti. Vėliau jie gali būti naudojami kuriant kibernetinio saugumo politiką ir geriausią praktiką.
MFV taip pat buvo naudojami skaičiavimo kalbotyros srityje kuriant natūralaus kalbų apdorojimo (NLP) įrankius ir pokalbių programas su skirtingais rezultatais. Natūralios žmonių kalbos kontekste vis dėlto gausu neaiškumų, kuriuos kiti žmonės lengvai suvokia pokalbiuose realiame gyvenime (ar net skaitydami tekstą). FMV stengiasi išanalizuoti kalbą deterministiniu metodu, kuris dažnai būna per griežtas, kad tinkamai tvarkytųsi natūralūs pokalbiai, todėl dažniausiai pasirenkami statistiniai įžvalgos ir sprendimų teorijos. FMV vis dar yra geras pagrindas, ant kurio praeityje buvo pastatytas paprastas, bet efektyvus NLP AI. Programinėje įrangoje ir programose, kuriose dialogai yra užkoduojami tam tikros programavimo kalbos šaltinio kodais, MFV gali būti naudojami pakankamai efektyviai.
