큐:
유한 상태 기계는 인공 지능에 어떻게 사용됩니까?
ㅏ:유한 상태 머신 (FSM)은 하나씩 만 선택할 수있는 고유 한 세트 상태 목록으로 정의 된 계산 모델입니다. 간단히 말해서, FSM은 기계가 언제라도 한 상태에만있을 수있는 AI를 구축하는 단순하지만 우아한 솔루션이며 입력이 수신 될 때 전환을 통해 한 상태에서 다른 상태로만 전환 할 수 있습니다. 가장 일반적인 예는 정의 된 시간이 지나면 녹색에서 노란색으로, 노란색에서 빨간색으로 전환되는 신호등입니다. 이 경우 입력은 시간으로 표시되지만 장치가 완전히 수동적이므로 실제 AI는 포함되지 않습니다. 신호등이 지나가는 사람에게 반응 할 수있는 경우에만 AI가 관여 할 수 있습니다.
FSM은 비디오 게임 산업에서 기본적이지만 기능적인 AI를 지원하기위한 고유의 단순성과 예측 가능성을 위해 널리 사용됩니다. 예를 들어, NPC (non-playable characters)에 의해 액션 및 RPG 게임에서 주로 사용됩니다. 주어진 NPC (보통 적)는 공격, 도망, 방어, 탐지 등 특정 행동 만 선택할 수 있도록 비교적 간단한 AI 모델이 만들어집니다. 파워 업 또는 보너스를 받거나 플랫폼 게임에서 UI 및 제어 체계를 모델링합니다 (웅크 리고 상태 또는 빠른 발사 모드 설정).
FSM을 사용하여 사이버 보안을위한 소프트웨어 아키텍처 및 통신 프로토콜의 현실적인 시뮬레이션을 만들 수 있습니다. 취약한 작업의 FSM 모델은 모든 가능한 악용을 이해하고 AI가이를 완화 할 수있는 최상의 솔루션을 찾도록합니다. 이 시뮬레이션은 보안 프로토콜, 그 견고성 및 시스템의 보안 상태를 테스트하고 평가하는 데 사용됩니다. 이들은 나중에 사이버 보안 정책 및 모범 사례를 수립하는 데 사용될 수 있습니다.
FSM은 계산 언어학 분야에서도 사용되어 결과가 혼합 된 NLP (Natural Language Processing) 도구 및 챗봇을 구축했습니다. 그러나 자연의 인간 언어는 실제 대화 중에 (또는 텍스트를 읽는 동안) 다른 인간이 쉽게 추론 할 수있는 맥락에서 모호한 내용으로 가득합니다. FSM은 자연스런 대화를 제대로 처리하기에는 너무 엄격한 결정 론적 접근 방식으로 언어를 구문 분석하려고하기 때문에 일반적으로 통계적 추론 및 결정 이론이 선호되는 방법입니다. FSM은 여전히 간단하지만 효율적인 NLP AI가 과거에 구축 된 좋은 기반을 나타냅니다. 그러나 대화 상자가 특정 프로그래밍 언어의 소스 코드 내에 하드 코딩 된 소프트웨어 및 응용 프로그램에서는 FSM을 충분히 효율적으로 사용할 수 있습니다.
