Q:
Wie wird eine Finite-State-Maschine in der künstlichen Intelligenz eingesetzt?
EIN:Finite-State-Machines (FSMs) sind Rechenmodelle, die durch eine Liste eindeutiger Satzzustände definiert sind, die nur einzeln ausgewählt werden können. Kurz gesagt, FSMs sind einfache, aber elegante Lösungen zum Erstellen von KI, bei denen sich die Maschine zu einem Zeitpunkt nur in einem Zustand befinden kann und nur durch einen Übergang von einem Zustand in einen anderen wechseln kann, wenn eine Eingabe empfangen wird. Das traditionellste Beispiel ist eine Ampel, die nach einer festgelegten Zeit von grün nach gelb und von gelb nach rot wechselt. In diesem Fall wird der Eingang durch die Zeit dargestellt, es ist jedoch keine echte KI beteiligt, da das Gerät vollständig passiv ist. Nur wenn die Ampel auf Passanten reagieren könnte, könnte die KI beteiligt sein.
FSMs werden in der Videospielbranche häufig wegen ihrer inhärenten Einfachheit und Vorhersagbarkeit zur Unterstützung grundlegender, aber funktionaler KI verwendet. Zum Beispiel werden sie hauptsächlich in Action- und RPG-Spielen von nicht spielbaren Charakteren (NPCs) verwendet. Ein relativ einfaches KI-Modell ist so aufgebaut, dass ein bestimmter NPC (normalerweise ein Feind) nur ein bestimmtes Verhalten auswählen kann - zum Beispiel angreifen, fliehen, verteidigen, erkennen usw. Sie können auch für Hauptcharaktere verwendet werden, zum Beispiel wenn der Spieler Erhält ein Power-Up oder einen Bonus oder modelliert UI- und Kontrollschemata in Plattformspielen (um den geduckten Zustand oder den Schnellfeuermodus einzustellen).
Mit FSMs können realistische Simulationen von Softwarearchitektur und Kommunikationsprotokollen für Cybersicherheitszwecke erstellt werden. FSM-Modelle von anfälligen Vorgängen werden erstellt, um alle möglichen Exploits zu verstehen und der KI zu ermöglichen, die besten Lösungen zu finden, um diese zu verringern. Diese Simulationen dienen zum Testen und Bewerten von Sicherheitsprotokollen, ihrer Robustheit und der Sicherheitslage eines Systems. Sie können später verwendet werden, um Cybersicherheitsrichtlinien und Best Practices festzulegen.
FSMs wurden auch auf dem Gebiet der Computerlinguistik verwendet, um NLP-Tools (Natural Language Processing) und Chatbots mit gemischten Ergebnissen zu erstellen. Die natürliche menschliche Sprache steckt jedoch voller Unklarheiten im Kontext, die andere Menschen bei Gesprächen im realen Leben (oder sogar beim Lesen eines Textes) leicht ableiten können. FSMs versuchen, die Sprache mit einem deterministischen Ansatz zu analysieren, der oft zu starr ist, um natürliche Konversationen richtig zu handhaben. Daher sind statistische Inferenz- und Entscheidungstheorien in der Regel die bevorzugten Methoden. FSMs stellen immer noch eine gute Grundlage dar, auf der in der Vergangenheit eine einfache, aber effiziente NLP-KI aufgebaut wurde. In Software und Anwendungen, in denen Dialoge im Quellcode einer bestimmten Programmiersprache fest codiert sind, können FSMs jedoch effizient genug eingesetzt werden.
