П:
Како се користи машина са коначним стањем у вештачкој интелигенцији?
А:Машине са коначним стањем (ФСМ) су рачунски модели дефинисани списком јединствених скупа стања која се могу одабрати само једно по једно. Укратко, ФСМ-ови су једноставна, али елегантна решења за изградњу АИ-а где машина може бити у само једном стању и може прелазити из једног стања у друго путем прелаза када се прими улаз. Најтрадиционалнији пример је семафор, који прелази из зелене у жуту, и из жуте у црвену након одређеног времена. У овом случају, улаз је представљен временом, али није укључен прави АИ јер је уређај потпуно пасиван. Само ако семафор може реаговати на пролазнике, тада би АИ могао бити укључен.
ФСМ се широко користе у индустрији видео игара због њихове инхерентне једноставности и предвидљивости за подршку основном, али функционалном АИ. На пример, они се у великој мери користе у акционим и РПГ играма ликова који се не могу играти (НПЦ). Релативно једноставан АИ модел изграђен је тако да одређени НПЦ (обично непријатељ) може да одабере само одређено понашање - рецимо, напад, бег, одбрана, откривање итд. Могу се користити и за главне ликове, на пример када играч добија повер-уп или бонус, или да моделира корисничко сучеље и шеме контроле у платформинг играма (за подешавање скученог стања или начина брзог пожара).
ФСМ-ови се могу користити за креирање реалистичних симулација софтверске архитектуре и комуникационих протокола у сврхе цибер-сигурности. ФСМ модели рањивих операција генерирани су да би се разумели сви могући подвизи, и нека АИ пронађе најбоља решења за њихово ублажавање. Ове се симулације користе за тестирање и процену безбедносних протокола, њихове робусности и безбедносног држања система. Касније се могу користити за успостављање политика кибернетичке сигурности и најбољих пракси.
ФСМ-ови су такође коришћени у области рачунске лингвистике за изградњу алата за обраду природних језика (НЛП) и цхатбота са мешовитим резултатима. Међутим, природни људски језик препун је нејасноћа у контексту које други људи лако закључују током разговора из стварног живота (или чак док читају текст). ФСМ покушавају да рашчлане језик детерминираним приступом који је често превише крут да би се правилно руковали природним разговорима, па су статистичке закључке и теорије одлука најчешће префериране методе. ФСМ и даље представљају добру основу на којој је изграђен једноставан, али ефикасан НЛП АИ у прошлости. У софтверу и апликацијама где су дијалози тврдо кодирани унутар изворног кода одређеног програмског језика, ФСМ-ови се могу довољно ефикасно користити.
