Q:
Bagaimana mesin negara terbatas digunakan dalam kecerdasan buatan?
SEBUAH:Finite state Machines (FSMs), adalah model komputasi yang ditentukan oleh daftar kondisi himpunan unik yang hanya dapat diambil satu per satu. Singkatnya, FSM adalah solusi sederhana namun elegan untuk membangun AI di mana mesin hanya dapat berada dalam satu kondisi kapan saja, dan hanya dapat beralih dari satu kondisi ke kondisi lainnya melalui transisi saat input diterima. Contoh paling tradisional adalah lampu lalu lintas, yang transisi dari hijau ke kuning, dan dari kuning ke merah setelah jumlah waktu yang ditentukan. Dalam hal ini, input diwakili oleh waktu, tetapi tidak ada AI nyata yang terlibat karena perangkat ini sepenuhnya pasif. Hanya jika lampu lalu lintas dapat bereaksi terhadap orang yang lewat, maka AI dapat terlibat.
FSM secara luas digunakan dalam industri video game karena kesederhanaan dan prediktabilitasnya yang melekat untuk mendukung AI dasar tetapi fungsional. Misalnya, mereka sebagian besar digunakan dalam game aksi dan RPG oleh karakter yang tidak dapat dimainkan (NPC). Model AI yang relatif sederhana dibangun sehingga NPC yang diberikan (biasanya musuh) hanya dapat memilih perilaku tertentu - misalnya, menyerang, melarikan diri, mempertahankan, mendeteksi, dll. Mereka juga dapat digunakan untuk karakter utama, misalnya ketika pemain mendapat power-up atau bonus, atau untuk memodelkan UI dan mengontrol skema dalam game platforming (untuk mengatur mode jongkok atau mode tembakan cepat).
FSM dapat digunakan untuk membuat simulasi arsitektur perangkat lunak dan protokol komunikasi yang realistis untuk keperluan keamanan siber. Model FSM dari operasi yang rentan dihasilkan untuk memahami semua kemungkinan eksploitasi, dan biarkan AI menemukan solusi terbaik untuk memitigasi mereka. Simulasi ini digunakan untuk menguji dan mengevaluasi protokol keamanan, kekokohannya, dan postur keamanan suatu sistem. Mereka kemudian dapat digunakan untuk menetapkan kebijakan keamanan siber dan praktik terbaik.
FSM juga telah digunakan di bidang linguistik komputasi untuk membangun alat pemrosesan bahasa alami (NLP) dan chatbot dengan hasil yang beragam. Bahasa manusia alami, bagaimanapun, penuh dengan ambiguitas dalam konteks yang mudah disimpulkan oleh manusia lain selama percakapan kehidupan nyata (atau bahkan saat membaca teks). FSM mencoba mengurai bahasa dengan pendekatan deterministik yang seringkali terlalu kaku untuk menangani percakapan yang wajar, sehingga teori statistik kesimpulan dan keputusan biasanya merupakan metode yang lebih disukai. FSM masih merupakan fondasi yang baik di mana AI NLP sederhana namun efisien telah dibangun di masa lalu. Dalam perangkat lunak dan aplikasi di mana dialog-kode di dalam kode sumber dari bahasa pemrograman tertentu, bagaimanapun, FSM dapat digunakan cukup efisien.
