Selama ribuan tahun, manusia telah mencoba memahami cara berpikirnya. Di bidang kecerdasan buatan (AI), tugas yang lebih penting sedang diselesaikan: para spesialis di bidang ini mencoba tidak hanya memahami sifat kecerdasan, tetapi juga menciptakan entitas cerdas.

Saat ini, topik kecerdasan buatan mencakup sejumlah besar bidang ilmiah, mulai dari masalah umum seperti pembelajaran dan persepsi, hingga tugas khusus seperti bermain catur, membuktikan teorema matematika, menulis puisi, dan mendiagnosis penyakit. Dalam kecerdasan buatan, tugas-tugas intelektual disistematisasikan dan diotomatisasi, dan oleh karena itu bidang ini menyangkut semua bidang aktivitas intelektual manusia. Dalam pengertian ini, kecerdasan buatan adalah bidang ilmiah yang benar-benar universal.

Baru-baru ini, hal itu merupakan sesuatu yang keluar dari fiksi ilmiah. Sekarang ini cukup nyata, dan hari ini kita akan belajar cara membuat kecerdasan buatan sederhana menggunakan layanan online yang luar biasa.

Saya sedang berbicara tentang situs http://iii.ru (Ay-ya-yai.ru)
Dengan bantuan sumber daya ini kita akan menciptakan apa yang disebut “INFA”.
Ini binatang apa ya Inf? Inf adalah karakter kecil (hewan atau orang atau keajaiban Yudo) yang dapat berbicara dengan seseorang di Internet (ya, bisa juga disebut chatbot). Anda dapat mengirim binatang ini ke teman, di halaman beranda Anda, menaruhnya di tanda tangan di forum, secara umum, di mana pun imajinasi Anda inginkan!
Pada awalnya, informasi Anda tentu saja akan sedikit “bodoh”, tetapi kita dapat memperbaikinya dengan mengajarkannya!

Mari kita lihat lebih dekat bagaimana semua ini dilakukan:

Saat memasuki situs kita menemukan diri kita dalam apa yang disebut “ garasi”, di mana kita dapat mengobrol dengan beberapa informasi yang sudah jadi dan mulai membuat informasi kita sendiri!

Untuk mulai membuat karakter Anda sendiri, Anda perlu mendaftar. Untuk melakukan ini, di layar garasi, klik tombol “Saya ingin info” dan setelah mengisi beberapa baris tentang diri Anda dan membaca perjanjian lisensi, klik tombol “Daftar”.

Sekarang kita masuk ke layar pembuatan karakter.

Anda harus memilih karakter “manusia”, “binatang” atau keajaiban lainnya

Kami menyesuaikan penampilan - mulut, hidung, mata, dan aksesori lainnya. Jika Anda tidak menyukainya di kemudian hari, jangan putus asa, semua ini bisa diperbaiki.

Sekarang mari kita lihat bagian yang paling menarik – pelatihan karakter. Klik pada tab "Pelatihan". Daftar metode yang mungkin akan terbuka:

Kuesioner - mengisi informasi tentang informasi pribadi Anda, mengubah namanya jika Anda mau, dll.

Reaksi terhadap peristiwa - Anda dapat memilih apa yang akan disampaikan oleh informasi tersebut jika, misalnya, Anda mengkliknya dengan mouse, atau jika Anda tidak berbicara dengannya dalam waktu lama.

• tutorial

Pernahkah Anda memikirkan betapa mudahnya menulis kecerdasan buatan Anda sendiri yang akan membuat keputusan dalam permainan? Tapi ini sangat sederhana. Biarkan dia membuat keputusan secara acak pada awalnya, tetapi kemudian Anda dapat mendidiknya, mengajarinya menganalisis situasi, dan kemudian dia akan mulai membuat keputusan secara sadar. Pada artikel ini saya akan memberi tahu Anda bagaimana saya menulis bot saya, dan juga menunjukkan bagaimana Anda dapat menulis bot Anda sendiri dalam beberapa menit. Komputer kita akan memainkan tiruan dari game Tron, atau lebih tepatnya bagian di mana Anda harus mengalahkan musuh dengan sepeda motor.

Di bawah potongan ada 10 megabyte file gif.

Tentang permainan

Antarmuka bot

1. Menyimpan data tentang semua sepeda motor yang dimainkan saat menambahkannya
2. Menyimpan tautan ke sepeda motor Anda saat Anda menambahkannya
3. Update data tentang semua motor yang bermain
4. Menyetel ulang status saat memulai ulang game

Kecerdasan buatan

1. Tidak ada hubungannya, langsung saja
2. Belok ke kanan
3. Belok kiri

Ketika saya memutuskan untuk menulis bot, saya tidak tahu bagaimana hal itu bisa dilakukan. Saya mencoba kode yang sangat sederhana:
BotSocket.prototype.update = function() ( var r = Math.random(); if (r > 0.95) ( this.control(("button": "right")); ) else if (r >
Perilakunya kira-kira seperti ini:

Saya memandangnya dan merasakan kegembiraan yang luar biasa; menurut saya dia sekarang sudah mandiri. Tampaknya dia sendiri berusaha untuk bertahan hidup, berjuang di sana seolah-olah hidup. Pemandangan yang menyentuh.

Tapi saya ingin dia hidup semaksimal mungkin. Saya mulai mencari informasi tentang bagaimana AI ditulis untuk game. Saya menemukan artikel yang menjelaskan pendekatan berbeda. Tapi saya mencari sesuatu yang sangat sederhana. Saya menemukan di Habré di salah satu artikel tentang bot untuk game seperti Zuma yang menyebutkan metode gelombang. Algoritma Aka Lee. Saya menganggapnya sangat sederhana dan tepat. Ini adalah algoritma untuk menemukan jalur terpendek dari satu titik ke titik lain di sepanjang lapangan, di mana sel dapat bebas atau terisi. Intinya sederhana. Kita mulai dari titik tujuan, berikan nilai 1 padanya, dan tandai semua sel bebas yang berdekatan dengan angka satu lebih tinggi. Kemudian kami mengambil semua tanda bebas tetangga dan menandainya lagi. Jadi kami memperluas ke seluruh bidang sampai kami mencapai tujuan kami. Dan kami membangun jalur dengan mencari dari jalur tetangga dengan mengurangi angkanya hingga mencapai 1. Saya melihat algoritme untuk menemukan jalur terpendek dalam grafik, tetapi yang ini sepertinya paling cocok bagi saya.

Saya mentransfer algoritma salin-tempel dari halaman ke wiki, memberinya nama BotSocket.prototype.algorithmLee. Untuk bidang tersebut saya pertama kali membuat objek medan perang, di mana, dengan setiap pembaruan, titik-titik yang diduduki ditandai dengan koordinatnya. Dan dalam algoritma Lee, dia mengurangi bidang ini menjadi bidang yang sama, tetapi dengan langkah 1.

Entah bagaimana, penting untuk menentukan tujuannya. Saya memutuskan untuk memilihnya secara acak pada interval tertentu. Saya membuat metode untuk mencari titik bebas acak di lapangan:
BotSocket.prototype.getDesiredPoint = function() ( var point = ; var H = Object.keys(this.battleground).length - 1; var W = Object.keys(this.battleground).length - 1; var x, y , saya, j; var ditemukan = salah; var iter = 0; lakukan ( saya = ini.getRandomInt(1, W); j = ini.getRandomInt(1, H); x = saya * ini.moveStepSize; y = j * this.moveStepSize; if (ini.battleground[x][y] === this.BG_EMPTY) ( ditemukan = true; ) iter++ ) while (!ditemukan && iter< 100); point = ; return point; };

Sekarang saya bisa menulis ulang pembaruan:
BotSocket.prototype.update = function() ( if (!this.desiredPoint || this.movements % this.updDestinationInterval === 0) ( this.desiredPoint = this.getDesiredPoint(); ) if (!this.desiredPoint) ( return; ) var currentPoint = ; var path = this.algorithmLee(currentPoint, this.desiredPoint); if (path && typeof path !== "tidak terdefinisi") ( this.moveToPoint(path); ) else ( this.desiredPoint = ini .getDesiredPoint();
Metode disebutkan di sini pindahToPoint, yang berbelok sesuai kebutuhan untuk mencapai titik pertama dari jalur terpendek berdasarkan arah saat ini.

Kemudian saya memutuskan untuk membuat bot lebih agresif dan alih-alih mencari titik acak yang diinginkan, saya mencari titik di depan musuh untuk menghalangi jalan mereka. Atau agar mereka tidak bermain-main terlalu lama.

Bot sisi klien

Setelah berpikir lama, saya menyadari bahwa itu adalah penundaan. Bot mengirimkan perintah belok, tetapi tiba setelah memperbarui posisinya di server, itulah sebabnya sering kali tidak dapat mencapai jalur langsung ke titik yang diinginkan. Tapi saya ingin bot normal di sisi klien. Oleh karena itu, saya memutuskan untuk memperhitungkan penundaan tersebut. Untuk melakukan ini, saya menulis lagi ekstensi BotSocket. Artikelnya semakin panjang, jadi saya akan menjelaskan solusi utamanya. Sebelum memanggil algoritma Lee, alih-alih titik saat ini, saya mengganti posisi yang diprediksi, dengan mempertimbangkan posisi dan arah saat ini, serta pengganda penundaan. Pengganda latensi adalah berapa kali latensi dikalikan dengan tingkat pembaruan posisi server. Saya juga perlu memprediksi titik masa depan dalam metode ini pindahToPoint().

Prediksinya berhasil jika Anda bermain sendiri. Namun jika ada peserta lain, maka bot tidak memperhitungkan hal ini dan diarahkan ke tempat yang setelah beberapa waktu sudah dilewati pemain lain. Untuk mengatasi masalah ini, saya memodifikasi metode yang menandai sel-sel bidang sebagai terisi. Saya mulai menandai mereka sibuk dalam radius tertentu dari pergerakan sepeda motor. Radiusnya tergantung pada pengali penundaan.
Sebelumnya, saya melengkapi bot dengan fungsi debugging, yaitu menggambar titik yang diinginkan dan menempati titik di lapangan. Versi bot klien saya yang berbasis latensi sekarang bergerak seperti ini:


Anakku, sisanya adalah server.

Yang terpenting adalah mencoba membuat bot sendiri

1. Unggah file js ke server mana pun yang dapat diakses oleh browser Anda. Tempelkan URL ke skrip Anda di game di sebelah tombol “Muat skrip AI Anda”. Setelah mengklik tombol ini, objek baru akan dibuat dan diisi botSocket, yang metodenya akan dipanggil awal().
2. Gunakan konsol browser (Firebug – F12, Firefox – Ctrl+Shift+K, Chrome – Ctrl+Shift+J, lainnya – ).

Jika Anda telah memutuskan metode masukan kode Anda, coba ganti metode kelas BotSocket. Hal paling sederhana untuk memulai:
BotSocket.prototype.update = function() ( var r = Math.random(); if (r > 0.95) ( this.control(("button": "right")); ) else if (r > 0.90) ( this.control(("tombol": "kiri"));

Setelah ini, buat ulang objek botSocket dengan memasukkan
botSocket = nol;
Dalam hal ini, kode pada halaman akan membuat ulang dan mengisi objek dengan sendirinya. Ini akan mengubah perilaku standar bot menjadi acak. Dan terserah imajinasi atau pengetahuan mendalam Anda.
Anda juga dapat menghubungkan skrip bot saya yang ditingkatkan, dengan mempertimbangkan penundaan, dengan memasukkan https://raw.github.com/rnixik/tronode-js/master/public/javascripts/MyBotSocketClient.js ke dalam url bot

Kesimpulan

Jika Anda tidak memiliki node.js, Anda dapat menggunakan aplikasi yang saya terapkan:

1) tronode.livelevel.net - VPS termurah di DigitalOcean,
2) tronode-js.herokuapp.com - unit virtual gratis di Heroku.

Yang pertama, kemungkinan besar, mungkin bukan yang pertama mengatasi beban, dan yang kedua di beberapa komputer mengatur ulang transport socket.io ke polling xhr, karena itu permainannya sangat lambat.
Jika Anda ingin tahu lebih banyak tentang cara saya memprogram logika permainan, Anda dapat membaca. Ada juga informasi tentang penerapan node.js dan sedikit tentang bagian grafis.

Jika Anda tidak memiliki akun di Habré, Anda dapat mengajukan pertanyaan atau mengirimkan saran menarik kepada saya melalui email [dilindungi email].

Tag: Tambahkan tag

Tidak semua orang mengetahui apa yang tersembunyi dibalik ungkapan “kecerdasan buatan” atau AI (Artificial Intelligence). Kebanyakan orang mungkin menganggap AI sebagai komputer yang telah diprogram untuk “berpikir” sendiri, membuat keputusan cerdas, dan merespons rangsangan. Gagasan ini tidak sepenuhnya benar. Tidak ada komputer atau mesin yang benar-benar dapat berpikir - karena hal ini memerlukan kesadaran, yang tidak dimiliki oleh “mesin tanpa jiwa”. Komputer hanya dapat melakukan apa yang diperintahkan seseorang.

Secara singkat tentang pemrograman AI

Memprogram kecerdasan buatan bukan tentang mengajarkan komputer cara berpikir. Sebaliknya, ia akan diprogram untuk mempelajari dan memecahkan masalah tertentu secara mandiri berdasarkan pengalamannya. Tapi di sini juga, kita tidak berbicara tentang pemikiran seseorang, tapi tentang peniruan. Hal ini juga berlaku untuk keputusan yang dibuat oleh AI. dapat mempertimbangkan pilihan dan kemudian membuat pilihan. Namun, pilihannya akan selalu didasarkan pada parameter yang telah diprogram sebelumnya.

Dengan demikian, kecerdasan buatan hanya dapat melakukan apa yang telah ditentukan sebelumnya untuk komputer, tetapi lebih baik, lebih akurat, dan lebih cepat daripada manusia. Omong-omong, jika Anda ingin mempelajari cara memprogram, perhatikan saran kami untuk programmer pemula.

Menggunakan kecerdasan buatan

Kecerdasan buatan sudah digunakan di banyak bidang, seperti permainan komputer yang kompleks dan mesin pencari. Saat memprogram AI, seperangkat disiplin ilmu memainkan peran penting, bukan hanya ilmu komputer atau matematika. Filsafat, psikologi, ilmu saraf dan linguistik sangat penting.

Kecerdasan buatan dibagi menjadi saraf dan simbolik (kuat dan lemah). Upaya pertama meniru struktur dan fungsi otak manusia. Yang terakhir berfokus pada masalah dan hasil yang relevan.

Dalam kehidupan sehari-hari misalnya, kecerdasan buatan diprogram dan digunakan dalam robotika. Ini digunakan untuk mengontrol proses produksi atau sekadar melakukan tugas sehari-hari. juga digunakan untuk visualisasi. Contoh paling populer adalah pengenalan wajah atau sidik jari.

Langkah lain dalam menciptakan kecerdasan buatan adalah sistem berbasis pengetahuan. Kemudian data terkait pemrograman dimasukkan ke dalam program. Hal ini memungkinkan kecerdasan buatan untuk secara logis dan mandiri memberikan jawaban atas pertanyaan yang diajukan. Namun, “jawaban independen” ini hanya didasarkan pada pengetahuan yang pada awalnya dimiliki oleh kecerdasan buatan.

Mereka mengatakan bahwa kecerdasan buatan telah bekerja di laboratorium militer sejak tahun 2007. Kemungkinan sudah ada hasilnya. Bukan suatu kebetulan bahwa sebulan yang lalu, Elon Musk mengumumkan dukungan untuk teknologi kontra-kecerdasan buatan dan menginvestasikan $7 juta dalam penelitian di bidang ini.

“Ada risiko sesuatu yang sangat berbahaya akan terjadi dalam lima tahun ke depan. “Paling lama sepuluh tahun,” kata pengusaha itu dalam sebuah diskusi di edge.org.

Elon Musk, pendiri Tesla dan SpaceX

Steve Wozniak juga sependapat dengan Musk, yang percaya bahwa “kecerdasan buatan suatu hari nanti akan menjadi cukup pintar untuk menyingkirkan manusia.” Bill Gates yakin bahwa jika penciptaan AI tidak dikendalikan, maka “kecerdasan buatan akan berkembang menjadi suatu kondisi yang bertentangan dengan tujuan sistem manusia.” Dan terakhir, ahli astrofisika terkenal Stephen Hawking secara langsung menyatakan bahwa “kecerdasan buatan dapat mengakhiri keberadaan umat manusia.”

Bersama Elon Musk, Hawking menerbitkan surat terbuka di situs futureoflife.org yang menyerukan kepada komunitas ilmiah untuk memperhatikan kemajuan penelitian mereka di bidang kecerdasan buatan. Namun, di antara penandatangan tidak ada nama Sergey Brin dan Larry Page. Dan ini bukanlah suatu kebetulan. Baru-baru ini, Google mengumumkan pembuatan AI baru yang dibangun berdasarkan pemodelan percakapan.

Berikut cuplikan singkat percakapan antara manusia dan Mesin Google:

C: Apa arti hidup?

M.: Berbuat baik.

C.: Untuk apa kita hidup?

M.: Untuk hidup selamanya.

C.: Apa arti keberadaan?

G: Untuk mengetahui apa yang akan terjadi ketika kita mencapai planet Bumi.

C: Dimana kamu sekarang?

M.: Di tengah kehampaan.

C: Apa arti kematian?

M.: Untuk mendapatkan kehidupan.

C: Apa yang dimaksud dengan akal?

M.: Ini tentang memahami apa itu.

C: Apa yang dimaksud dengan perasaan?

G.: Saya tidak tahu.

Percakapan yang cukup bermakna. “Ini adalah titik awal, semacam inti masa depan kecerdasan buatan,” kata Evgeniy Karyuk, direktur eksekutif perusahaan Biplan. “Bahkan saat ini kita dapat berasumsi bahwa pada tahun 2030 kita akan melihat prototipe nyata yang dilengkapi dengan kecerdasan buatan, meskipun masih dalam tahap awal.”

Konten lengkap dari semua percakapan manusia dan Mesin Google dapat dilihat. Percakapan antara seseorang dan Cleverbot juga diberikan di sana sebagai perbandingan. Cleverbot adalah aplikasi web yang menggunakan algoritma kecerdasan buatan untuk mengobrol dengan seseorang. Itu ditemukan pada tahun 1988 oleh ilmuwan Rollo Carpenter. Selama keberadaannya, Cleverbot telah melakukan lebih dari 65 juta percakapan dengan manusia. Pada tahun 2011, Cleverbot mendapat skor 51% pada tes Turing.

Tes Turing adalah tes empiris yang dikemukakan oleh Alan Turing dalam artikelnya tahun 1950 "Mesin Komputasi dan Pikiran" di jurnal filosofis Mind. Tujuan dari tes ini adalah untuk mengetahui apakah komputer dapat berpikir.

Dan inilah percakapan saya dengan Cleverbot:

Pria: Apa arti hidup?

Cleverbot: Tidak ada makna dalam hidup.

Pria: Untuk apa kita hidup?

Cleverbot: Ya, kita hidup untuk seseorang, dan jika kamu kesepian, tidak ada gunanya hidup.

Manusia: Apa arti dari keberadaan?

Orang : Dimana kamu sekarang?

Cleverbot: Di Moskow.

Pria: Apa arti kematian?

Cleverbot: Ini yang ingin saya tanyakan pada Anda.

Manusia: Apa yang dimaksud dengan akal?

Cleverbot: Saya punya jawaban sendiri untuk pertanyaan ini.

Orang: Apa arti perasaan?

Cleverbot: Mengapa saya dilahirkan?

Jelas sekali, Mesin Google memberikan jawaban yang jauh lebih bermakna. Cleverbot mengganti frasa yang menurutnya cocok dari orang lain. Terkadang sepertinya orang lain yang menjawab, tapi tidak lebih.

Ada sudut pandang lain yang menyatakan bahwa kecerdasan buatan pada prinsipnya tidak mungkin. Teorema ketidaklengkapan Gödel sering dijadikan argumen utama. Intinya adalah seseorang mampu memecahkan masalah yang tidak dapat diselesaikan secara algoritmik, tetapi komputer tidak. “Pada usia tiga tahun, seorang anak dengan percaya diri memecahkan masalah matang atau tidaknya suatu buah, karena ia memiliki koneksi saraf yang dengannya ia dapat menjawab pertanyaan tentang kematangan: warna, rasa, bau, kelembutan atau kekerasan. ,” kata Evgeniy Pluzhnik, wakil rektor pertama Institut Teknologi Moskow. - Apakah mesin mampu mempelajari hal ini? Saya yakin begitu! Jika memiliki database gambar yang besar, maka akan dapat mengukur kandungan fruktosa dan menentukan kelembutan buah. Namun apa jadinya jika Anda memasukkan spons bercat biru dan direndam dalam air manis ke dalam mobil Anda? Apakah mesin tersebut mampu memahami dengan benar pada saat ini?”

“Komputer modern dapat dengan mudah mengatasi aktivitas kompleks apa pun, baik itu catur atau perhitungan matematis, selama aktivitas tersebut dapat dijelaskan dengan menggunakan aturan komputasi yang jelas,” kata ahli matematika terkenal Roger Penrose dalam salah satu kuliahnya. “Kecerdasan buatan adalah kemampuan suatu sistem untuk membuat program selama pembelajaran mandiri yang mampu memecahkan masalah dengan tingkat kompleksitas tertentu,” kata Evgeniy Pluzhnik. “Saya yakin kita tidak akan melihat munculnya kecerdasan buatan yang kuat dalam 100 tahun mendatang.”

Dan sebagai kesimpulan, satu pertanyaan lagi untuk Cleverbot.

Orang: Ada 1 apel, 1 tomat, 1 mentimun, dan 1 pir. Berapa jumlah buah seluruhnya?
Cleverbot: Jam sepuluh malam.

P.V. Kazakov, V.A. Shkaberin
DASAR-DASAR KECERDASAN BUATAN

1. PENGANTAR KECERDASAN BUATAN

Kecerdasan buatan (AI) adalah salah satu bidang prioritas dalam ilmu komputer modern, terkait dengan penciptaan tahap perkembangan selanjutnya - teknologi informasi baru. Tujuan mereka adalah untuk meminimalkan partisipasi manusia sebagai programmer dalam pembuatan sistem informasi, tetapi untuk melibatkannya sebagai guru, mitra dalam sistem manusia-mesin. Namun, istilah “kecerdasan buatan” tidak dapat diartikan secara harfiah. Lebih tepat untuk menganggapnya sebagai nama metaforis untuk serangkaian metode, yang penerapannya pada komputer memungkinkan seseorang memperoleh hasil yang mendekati hasil yang dihasilkan oleh pemikiran manusia.

1.1. Beberapa konsep kecerdasan buatan

Gagasan menciptakan kecerdasan buatan dikaitkan dengan keinginan terus-menerus seseorang untuk mengalihkan solusi masalah kompleks ke asisten mekanik, kemudian elektronik. Satu-satunya cara untuk mewujudkan hal ini adalah dengan mencontohkan, melalui berbagai cara, kemampuan intelektual manusia.

Di sini, kecerdasan harus dipahami sebagai kemampuan otak dalam memecahkan masalah dengan memperoleh, menghafal, dan dengan sengaja mentransformasikan pengetahuan dalam proses belajar dari pengalaman dan beradaptasi dengan berbagai kondisi.

Kecerdasan Buatan (AI) sebagai bidang ilmiah telah ada sejak tahun 1956, ketika matematikawan Inggris Alan Turing menerbitkan artikelnya “Can the Machine Think?” (“Dapatkah mesin berpikir?”). Dia juga mengusulkan tes kecerdasan program. Ini terdiri dari yang berikut: "komunikasi" diatur antara seseorang dan program komputer, yang terletak di ruangan yang berbeda, dan sampai peneliti menentukan siapa yang berada di balik tembok - seseorang atau program, perilaku yang terakhir dipertimbangkan. intelektual. Berdasarkan hal ini, Turing mengusulkan kriteria kecerdasan suatu program berikut: “Jika perilaku komputer dalam menjawab pertanyaan tidak dapat dibedakan dari perilaku seseorang dalam menjawab pertanyaan serupa, maka komputer tersebut memiliki kecerdasan.”

Saat ini terdapat tiga pandangan utama mengenai maksud dan tujuan penelitian di bidang kecerdasan buatan. Menurut yang pertama, penelitian di bidang ini sangat mendasar, dalam proses pengembangan model dan metode baru untuk memecahkan masalah yang secara tradisional dianggap intelektual dan sebelumnya tidak dapat diformalkan menggunakan metode algoritmik klasik, serta otomatisasi. Kecerdasan dan pemikiran berkaitan langsung dengan pemecahan masalah seperti pembuktian teorema, analisis logis, mengenali situasi, merencanakan perilaku, mengelola dalam kondisi ketidakpastian, dll. Ciri-ciri kecerdasan yang muncul dalam proses pemecahan masalah tersebut adalah kemampuan belajar, menggeneralisasi, mengumpulkan pengalaman dan beradaptasi dengan perubahan kondisi dalam proses pemecahan masalah. Karena kualitas kecerdasan tersebut, otak dapat memecahkan berbagai masalah, dan juga mudah beradaptasi dari penyelesaian satu masalah ke masalah lainnya. Dengan demikian, otak, yang diberkahi dengan kecerdasan, adalah sarana universal untuk memecahkan berbagai masalah (termasuk masalah yang diformalkan dengan buruk), yang tidak ada metode penyelesaian standar yang diketahui sebelumnya. Menurut sudut pandang kedua, arah ini dikaitkan dengan ide-ide baru untuk memecahkan masalah pada komputer, dengan pengembangan teknologi pemrograman baru dan dengan transisi ke komputer dengan arsitektur yang berbeda dari von Neumann. Jadi, sebagai dasar untuk sistem tersebut, berbagai pendekatan diusulkan berdasarkan jaringan saraf tiruan yang memodelkan prinsip-prinsip paling umum dari otak. Model seperti ini dicirikan oleh paralelisasi algoritme yang mudah dan kinerja tinggi yang terkait, serta kemampuan untuk bekerja bahkan dengan informasi lingkungan yang tidak lengkap. Sudut pandang ketiga didasarkan pada kenyataan bahwa sebagai hasil penelitian yang dilakukan di bidang AI, banyak bermunculan sistem aplikasi yang mampu memecahkan masalah yang tidak sesuai dengan sistem yang dibuat sebelumnya.

Meringkas hal di atas, kami akan mendefinisikan kecerdasan buatan sebagai arah ilmiah, yang tugasnya terkait dengan pengembangan metode untuk memodelkan fungsi individu kecerdasan manusia menggunakan perangkat lunak dan perangkat keras komputer.

Secara historis, ada tiga pendekatan utama dalam melakukan penelitian di bidang kecerdasan buatan.

Pendekatan pertama (kecerdasan mesin) menganggap kecerdasan buatan sebagai objek penelitian dan terdiri dari pemodelan manifestasi eksternal aktivitas intelektual manusia dengan menggunakan komputer. Hal ini didasarkan pada tesis bahwa mesin Turing adalah model teoritis otak, oleh karena itu arah kerja utama terkait dengan penciptaan perangkat lunak algoritmik dan komputer yang memungkinkan penyelesaian masalah intelektual yang tidak lebih buruk daripada manusia. Contohnya adalah program catur yang wujud kecerdasannya berupa pencarian taktik permainan yang mendekati taktik manusia. Namun, hal ini dicapai secara eksklusif melalui perhitungan berkecepatan tinggi, sedangkan pada manusia dicapai melalui pemikiran yang sangat efisien.

Seperti yang Anda ketahui, otak manusia beroperasi dengan informasi yang berkelanjutan, di mana setiap pemikiran hanya ada dalam konteksnya. Pengetahuan disimpan dalam bentuk gambaran, yang seringkali sulit diungkapkan dengan kata-kata. Pada saat yang sama, gambar itu sendiri ditandai dengan ketidakjelasan dan ketidakjelasan, dan pemrosesan informasi ditandai dengan kedalaman rendah dan paralelisme tinggi. Semua ini menunjukkan perbedaan yang signifikan dengan prinsip-prinsip mesin Turing dan, sebagai konsekuensinya, memerlukan pendekatan non-komputer yang berbeda untuk memodelkan proses intelektual.

Pendekatan kedua (kecerdasan buatan) mempertimbangkan data tentang mekanisme neurofisiologis dan psikologis dari aktivitas intelektual dan perilaku cerdas manusia.

Bagaimana cara menciptakan kecerdasan buatan? Panduan (hampir) komprehensif

Ia berupaya mereproduksi mekanisme ini menggunakan perangkat lunak dan perangkat keras. Perkembangan bidang ini erat kaitannya dengan keberhasilan ilmu-ilmu kemanusiaan, terutama ilmu saraf (neurobiologi, genetika, dll).

Pendekatan ketiga difokuskan pada penciptaan sistem kecerdasan campuran manusia-mesin sebagai simbiosis kemampuan kecerdasan alami dan buatan. Masalah terpenting dalam studi ini adalah distribusi fungsi yang optimal antara kecerdasan alami dan buatan, serta pengorganisasian dialog antara manusia dan mesin.

Masing-masing bidang yang disebutkan mencakup sejumlah bagian, yang utamanya meliputi pengembangan sistem berbasis pengetahuan, analisis bahasa alami dan komunikasi dengan komputer, pengenalan gambar, analisis ucapan, pembuatan sistem adaptif, permainan dan kreativitas mesin, dll. . Pada gilirannya, implementasi sistem tersebut dapat dilakukan berdasarkan teknologi AI seperti representasi dan pemrosesan pengetahuan, pemrograman heuristik, jaringan saraf tiruan, algoritma evolusioner, himpunan fuzzy, dll.

Hingga saat ini, berbagai macam sistem perangkat lunak telah dikembangkan yang mengimplementasikan teknologi AI tertentu. Sistem seperti ini biasa disebut sistem cerdas. Sistem pertama mencakup program “Ahli Teori Logika” (A. Newell, A. Turing, dll.), yang dirancang untuk membuktikan teorema kalkulus proposisional.

Yang kami maksud dengan sistem cerdas adalah sistem adaptif yang memungkinkan seseorang membangun program kegiatan yang ditargetkan untuk menyelesaikan tugas yang diberikan kepadanya berdasarkan situasi spesifik yang sedang berkembang di lingkungannya. Pada gilirannya, sistem adaptif dapat dicirikan sebagai sistem yang tetap beroperasi jika terjadi perubahan tak terduga pada properti objek yang dikendalikan, tujuan pengendalian, atau lingkungan dengan mengubah algoritme fungsi, program perilaku, atau mencari yang optimal, dalam beberapa kasus. cukup efektif, solusi dan status. Secara tradisional, menurut metode adaptasi, sistem penyesuaian diri, pembelajaran mandiri, dan pengorganisasian mandiri dibedakan. Ruang lingkup tugas yang diselesaikan oleh sistem cerdas mencakup tugas-tugas yang, pada umumnya, memiliki ciri-ciri berikut:

— algoritma solusi tidak diketahui atau tidak dapat diterapkan;
— jika terdapat solusi algoritmik, namun tidak dapat digunakan karena keterbatasan sumber daya (waktu, memori);
— tugas tidak dapat dirumuskan dalam bentuk angka;
— tujuan tidak dapat dinyatakan dalam fungsi tujuan yang didefinisikan secara tepat.

Pengembangan sistem cerdas, pada umumnya, dilakukan dalam satu atau beberapa bidang AI, yang saat ini terdapat banyak variasinya. Yang utama dibahas secara singkat di bawah ini.

1.2. Arah utama penelitian di bidang kecerdasan buatan

Pengembangan sistem berbasis pengetahuan. Ini adalah salah satu arahan utama dalam kecerdasan buatan. Tujuan utama pembuatan sistem tersebut adalah untuk mengidentifikasi, mempelajari dan menerapkan pengetahuan para spesialis untuk memecahkan berbagai masalah praktis. Biasanya pengetahuan tersebut diformalkan dalam bentuk suatu sistem aturan. Dalam bidang penelitian ini dikembangkan model ekstraksi, representasi dan penataan pengetahuan dengan memperhatikan komputerisasinya dalam bentuk basis pengetahuan. Contoh pengembangan praktis dari sistem seperti ini biasanya dikaitkan dengan sistem pakar.

Pengembangan sistem komunikasi bahasa alami dan terjemahan mesin. Ini adalah hal yang paling penting dari sudut pandang peralihan ke tingkat kualitatif baru interaksi dengan komputer. Upaya untuk menciptakan sistem seperti itu telah dilakukan sejak tahun 1950-an pada abad ke-20. Dasar dari sistem terjemahan mesin adalah klasifikasi aturan tata bahasa dan teknik penggunaan kamus. Namun, untuk memproses teks lisan yang kompleks, diperlukan algoritma untuk menganalisis maknanya, yang pembuatannya merupakan tugas yang sangat memakan waktu dan belum terpecahkan. Oleh karena itu, saat ini tersedia sistem yang menyediakan dialog antara seseorang dan komputer dalam bahasa alami yang disederhanakan dan disederhanakan, program terjemahan elektronik yang efektif terutama ketika bekerja dengan teks bersuku kata satu, serta fungsi pencarian kontekstual asosiatif dalam kamus elektronik.

Pengembangan sistem cerdas berdasarkan prinsip pembelajaran, pengorganisasian diri dan evolusi. Pemodelan prinsip-prinsip ini ditujukan untuk mengeksplorasi kemungkinan pemecahan masalah dengan menggunakan hukum fungsi yang paling khas dari sistem biologis. Proses pembelajaran dikaitkan dengan kemampuan sistem untuk mengumpulkan informasi dan secara rasional menyesuaikan perilakunya agar sesuai dengannya. Pengorganisasian mandiri menyiratkan kemampuan suatu sistem untuk menggeneralisasi informasi yang terakumulasi, misalnya, untuk mencari pola di dalamnya. Penggunaan prinsip evolusi memungkinkan sistem memperoleh kualitas dan properti baru agar berfungsi paling optimal.

Pengenalan pola. Ini adalah salah satu bidang awal kecerdasan buatan. Hal ini terkait dengan pemodelan fitur persepsi dunia luar dan pengenalan objek. Hal ini didasarkan pada kenyataan bahwa semua objek dapat diklasifikasikan menurut karakteristik tertentu dan, oleh karena itu, kemampuan untuk membedakan manifestasinya memungkinkan seseorang untuk mengidentifikasi objek yang sesuai.

Permainan dan kreativitas mesin. Kreativitas mesin meliputi komposisi musik komputer, puisi, dan otomatisasi penemuan objek baru. Permainan komputer merupakan bidang kecerdasan buatan yang paling familiar bagi sebagian besar pengguna. Tingkat penerapan AI dalam sebuah game sangat menentukan daya tariknya, sehingga pengembang game komputer terus meningkatkan komponen intelektualnya.

Perangkat lunak untuk sistem kecerdasan buatan.

Alat untuk pengembangan sistem cerdas mencakup bahasa pemrograman khusus, representasi pengetahuan, lingkungan untuk membuat sistem AI, serta cangkang sistem pakar.

Robot cerdas. Penciptaan mereka dikaitkan dengan kombinasi teknologi kecerdasan buatan dan metode sibernetika dan robotika. Saat ini produksinya terbatas pada manipulator dengan rangkaian kendali yang kaku, serta robot untuk hiburan dan keperluan rumah tangga dengan cakupan sempit dan fungsi terbatas. Faktor pembatas dalam pengembangan sistem sibernetik yang lebih maju adalah masalah yang belum terpecahkan di bidang visi komputer, perilaku adaptif, akumulasi dan pemrosesan informasi visual tiga dimensi.

Tingkat penelitian teoretis tentang kecerdasan buatan di Rusia tidak kalah dengan dunia. Awal pembentukan arah ilmiah ini di negara kita harus dipertimbangkan pada tahun 1954, ketika seminar "Automata dan Pemikiran" dimulai di Universitas Negeri Moskow di bawah kepemimpinan Akademisi A.A. Selanjutnya, bidang yang berkaitan dengan representasi dan pemrosesan pengetahuan, manajemen situasional, pemodelan penalaran, pengenalan pola, dan pemrosesan bahasa alami mulai berkembang secara aktif.

Perkembangan kecerdasan buatan di Rusia modern dikaitkan dengan pembentukan Asosiasi Kecerdasan Buatan pada tahun 1988, yang menyatukan sekolah ilmiah dan peneliti di berbagai bidang AI. Di bawah naungannya, berbagai penelitian dilakukan, seminar untuk para spesialis diselenggarakan, konferensi diselenggarakan, dan jurnal ilmiah diterbitkan.

Pada saat yang sama, pelaksanaan penelitian terapan dan implementasi hasilnya dalam pengembangan komersial terjadi jauh lebih lambat dibandingkan di luar negeri. Hal ini sebagian besar disebabkan oleh konservatisme calon konsumen teknologi informasi baru, serta sikap waspada terhadap kemampuan kecerdasan buatan.

Mikhail Burtsev, kepala Laboratorium Sistem Saraf dan Pembelajaran Mendalam di MIPT, berbicara tentang apakah mungkin untuk membuat analog komputer lengkap dari pikiran manusia, dan menjelaskan mengapa para ilmuwan mengembangkannya dan bagaimana hal itu dapat dilindungi dari troll serangan.

Pada akhir Juli, para ilmuwan dari MIPT meluncurkan kompetisi internasional untuk sistem kecerdasan buatan “percakapan” yang mampu meniru manusia hidup, dan mengundang semua orang untuk berkomunikasi dengan mereka dan mengevaluasi dialog yang dihasilkan.

Dengan bantuan para sukarelawan, para ilmuwan berharap dapat menciptakan asisten suara dalam tiga tahun ke depan yang dapat berkomunikasi dengan seseorang hampir seperti halnya lawan bicara secara langsung.

Kompetisi ini diselenggarakan bersama oleh para ilmuwan dari universitas Montreal, McGill dan Carnegie Mellon. Anda dapat mengambil bagian dalam pengujian sistem dialog menggunakan tautan ini.

Faktanya, ide-ide ini tidak ditemukan saat ini - asisten suara modern dari Google, Apple, Amazon, dan perusahaan IT lainnya berakar pada masa lalu, di awal era komputer. Mesin bicara pertama, bernama ELIZA, diciptakan pada tahun 1966 dan sebenarnya adalah sebuah lelucon, parodi dari seorang psikoterapis yang memberikan nasihat tidak berguna kepada pasien.

Pada tahun-tahun dan dekade-dekade berikutnya, para pemrogram menciptakan sistem yang semakin kompleks dan “hidup” untuk berkomunikasi dengan komputer.

Sistem yang paling canggih dapat mengenali suasana hati pemiliknya, mengingat keinginan dan preferensi lamanya, dan menyelesaikan beberapa tugas rutin dan rumah tangga untuknya, memesan makanan atau barang di toko atau berperan sebagai operator di pusat panggilan.

- Mikhail, hampir 50 tahun telah berlalu sejak penciptaan ELIZA. Apa yang telah berubah secara umum selama ini dan dapatkah kita, pada prinsipnya, berharap bahwa di masa depan para ilmuwan akan mampu menciptakan sistem yang tidak dapat dibedakan oleh manusia dari lawan bicaranya yang hidup?

Saya pikir dalam waktu dekat akan dimungkinkan untuk menciptakan teknologi kecerdasan percakapan yang memungkinkan mesin mendekati tingkat dialog manusia. Kami mengerjakan tugas ini dalam kerangka proyek iPavlov, yang merupakan bagian dari Inisiatif Teknologi Nasional.

Pengguna harus merasa nyaman berkomunikasi dengan sistem dialog otomatis seperti halnya dengan orang sungguhan. Hal ini akan memungkinkan terciptanya sistem informasi yang dapat lebih memahami apa yang diinginkan seseorang darinya dan meresponsnya dalam bahasa alami.

Kecerdasan percakapan dapat digunakan untuk mengotomatiskan banyak antarmuka suara dan teks, termasuk pesan instan seperti Telegram. Messenger, seperti yang ditunjukkan statistik, saat ini digunakan lebih aktif daripada jejaring sosial, dan sejumlah besar informasi melewati saluran komunikasi teks.

Misalnya, mereka nyaman digunakan dalam transportasi, dan menambahkan asisten dialog - bot obrolan - akan memungkinkan pengguna tidak hanya berkomunikasi satu sama lain, tetapi juga memperoleh informasi yang diperlukan, melakukan pembelian, dan melakukan banyak hal lainnya.

- Mengingat kehadiran Apple, Google dan Amazon di pasar ini, apakah Rusia dapat bersaing di sini? Apakah ada ciri khusus bahasa Rusia yang dapat menghalangi calon pesaing perusahaan dan ilmuwan Rusia?

Tentu saja, bahasa Rusia lebih kompleks, dan beberapa metode yang digunakan saat ini dalam pengembangan sistem dialog dan asisten suara di dunia tidak dapat digunakan tanpa penyempurnaan dan modifikasi signifikan yang memungkinkan mereka bekerja dengan tata bahasa yang lebih kaya.

Di sisi lain, tidak ada yang menyembunyikan algoritma dasar yang digunakan dalam pekerjaan Siri, Cortana, Google dan asisten digital lainnya - mereka tersedia bagi kita setidaknya pada tingkat penelitian dan konsep.

Artikel penelitian dan kode program sering kali tersedia untuk umum - pada prinsipnya, dapat disesuaikan dengan bahasa Rusia.

Dalam foto: Dalam foto: Mikhail Burtsev, kepala laboratorium sistem saraf dan pembelajaran mendalam di MIPT

Foto: Dari arsip pribadi Mikhail Burtsev

Selain itu, tidak banyak upaya untuk menerapkan hal ini di tingkat “industri”. Satu-satunya proyek besar sedang dilakukan oleh Yandex, yang mengembangkan asisten sebagai bagian dari proyek Alice.

Dalam proyek kami, kami mencoba menciptakan alat yang dapat menyederhanakan dan mempercepat penciptaan sistem dialog “industri” yang dimaksudkan untuk berbagai tujuan. Namun mengembangkan asisten suara universal yang mampu memecahkan masalah apa pun adalah tugas yang sangat sulit bahkan untuk perusahaan besar.

Di sisi lain, otomatisasi usaha kecil, yang akan menggunakan sistem dialog khusus, jauh lebih mudah diterapkan. Kami berharap alat yang akan kami buat akan membantu pengusaha dan pemrogram memecahkan masalah tersebut dengan cukup cepat, tanpa memiliki pengetahuan yang mendalam dan tanpa melakukan upaya ekstra.

- Banyak ilmuwan, seperti Roger Penrose atau Stuart Hameroff, percaya bahwa pikiran manusia bersifat kuantum dan pada prinsipnya tidak mungkin membuat analogi mesinnya. Apakah Anda setuju dengan mereka atau tidak?

Menurut saya, jika kita melihat apa yang kita ketahui saat ini tentang struktur otak dan hakikat kesadaran manusia, maka sejauh ini kita tidak menghadapi kendala mendasar untuk mereproduksi kerjanya dengan menggunakan komputer.

Penrose dan Hameroff memiliki serangkaian hipotesis yang menurut mereka menjelaskan mengapa hal ini tidak dapat dilakukan. Sejauh ini, ahli neurofisiologi belum menemukan bukti eksperimental apa pun bahwa hipotesis ini benar, dan pengetahuan kita saat ini mendukung hal sebaliknya.

Hal lainnya adalah kerangka waktu kapan mesin tersebut akan dibuat masih belum sepenuhnya ditentukan. Menurut saya, hal ini mungkin terjadi tidak kurang dari 50, atau bahkan 100 tahun.

- Apakah hal ini memerlukan teknologi dan komputer baru yang fundamental, yang prinsip pengoperasiannya lebih mirip dengan neuron daripada logika digital?

Jika kita percaya bahwa kecerdasan manusia didasarkan pada suatu bentuk komputasi, maka sistem komputasi universal apa pun yang setara dengan mesin Turing, secara teori, dapat meniru fungsi otak manusia.

Hal lainnya adalah mesin ini dapat bekerja sangat lambat, sehingga tidak berguna dari sudut pandang praktis. Saat ini sulit membayangkan teknologi apa untuk membuat komputer yang kita perlukan di sini.

- Tugas apa lagi yang dapat diselesaikan oleh asisten digital selain hal-hal yang mereka lakukan saat ini? Bisakah mereka digunakan untuk menguraikan teks dalam bahasa atau kode mati seperti naskah Voynich?

Sampai saat ini, sejauh yang saya tahu, belum ada yang mencoba menggunakan jaringan saraf untuk mengungkap rahasia bahasa mati dan menguraikan teks, tetapi saya merasa seseorang akan mencoba melakukan ini dalam waktu dekat. Kami, sebaliknya, belum tertarik dengan hal-hal seperti itu.

"Helper" sebenarnya adalah konsep yang sangat luas yang dapat mencakup banyak hal berbeda. Jika kita mengambil, misalnya, ELIZA yang sama, seorang “psikoterapis” virtual, maka muncul pertanyaan: apakah dia seorang asisten atau bukan?

Sistem percakapan dapat digunakan tidak hanya untuk memecahkan masalah-masalah praktis, tetapi juga untuk menghibur orang atau menjaga semangat mereka.

Pertanyaannya di sini sebenarnya adalah apa yang dimaksud dengan konsep asisten pribadi dan seberapa luas atau sempitnya. Jika kita melihatnya secara lebih luas, maka semua permasalahan yang berkaitan dengan komunikasi dapat diselesaikan dengan sistem tersebut, walaupun dengan tingkat keberhasilan yang berbeda-beda.

Antarmuka percakapan, selain komunikasi langsung dengan manusia, juga dapat digunakan untuk mengajarkan mesin agar cepat menemukan bahasa yang sama dan mentransfer informasi dari satu sistem ke sistem lainnya.

Hal ini akan menghindari masalah dalam membuat koneksi dan mentransfer data antara layanan yang ada dan yang dibuat, karena keduanya tidak perlu mengetahui spesifikasi API masing-masing untuk berkomunikasi satu sama lain. Mereka akan dapat bertukar data menggunakan bahasa alami atau bahasa buatan mereka sendiri, yang akan diciptakan oleh mesin atau manusia untuk tujuan tersebut.

Secara kasar, bahkan sistem yang “tidak akrab” satu sama lain akan dapat mencapai kesepakatan dengan menggunakan bahasa komunikasi yang sama, dan bukan menggunakan aturan tetap untuk pertukaran informasi.

Jika ada sesuatu yang tidak jelas bagi mereka, maka mereka dapat bertanya satu sama lain tentang hal-hal yang tidak mereka ketahui, yang akan membuat seluruh infrastruktur untuk menyediakan layanan di Internet menjadi sangat fleksibel dan memungkinkan mereka dengan cepat mengintegrasikan layanan baru tanpa bantuan orang.

- Dalam hal ini, timbul pertanyaan - siapa yang harus bertanggung jawab atas rekomendasi dari "psikoterapis" ELIZA, dokter komputer dan asisten suara lainnya, yang nasihatnya dapat sangat mempengaruhi kesejahteraan dan kesehatan seseorang?

Ini adalah pertanyaan yang sangat sulit, karena saat ini tidak ada kriteria jelas yang dapat membantu kita memahami bagaimana bertindak dalam kasus seperti ini. Banyak layanan dan layanan Internet yang memberikan rekomendasi kepada pengguna mulai berfungsi hanya setelah pengguna menyetujui persyaratan layanan dan konsekuensi yang mungkin timbul akibat bekerja dengannya.

Bagaimana cara menciptakan kecerdasan buatan?

Misalnya, jika bot hanya mencari dan menganalisis informasi, bertindak dengan cara yang hampir sama seperti mesin pencari, maka aturan yang sama mungkin berlaku untuk bot tersebut. Jika ia akan memberikan nasihat medis atau hukum, bentuk tanggung jawabnya harus berbeda.

Misalnya, sistem tersebut harus dengan jelas memberi tahu pengguna tentang konsekuensi memilih antara kecerdasan buatan dan dokter biasa. Seseorang akan memiliki pilihan - mempercayai dokter yang, misalnya, 10% selalu salah, atau bertaruh pada mesin yang memberikan jawaban salah dalam 3% kasus. Dalam kasus pertama, dokter akan bertanggung jawab atas kesalahan tersebut, dan dalam kasus kedua, pengguna sendiri yang akan bertanggung jawab.

- Tahun lalu, Microsoft meluncurkan chatbot Tay. AI, yang harus dia matikan sehari kemudian karena fakta bahwa netizen mengubah "gadis remaja" menjadi rasis sejati. Apakah mungkin untuk melindungi sistem dialog seperti itu dari troll dan orang iseng?

Tampaknya bagi saya bahwa melindungi diri Anda sendiri adalah mungkin, tetapi apakah hal itu layak dilakukan tergantung pada tujuan sistem. Jelas bahwa jika sistem tidak mengeluarkan pernyataan spesifik apa pun - kasar atau ekstremis, maka kami dapat memfilter tanggapannya. Pemfilteran ini dapat terjadi baik pada tahap pelatihan sistem, atau selama pembuatan jawaban.

Omong-omong, masalah serupa dalam menilai kualitas dialog diselesaikan oleh tim di sekolah hackathon ilmiah DeepHack Turing, yang diadakan di Institut Fisika dan Teknologi beberapa minggu lalu. Pesertanya mengembangkan algoritma yang dapat memprediksi, berdasarkan dialog, penilaian apa yang akan diberikan seseorang pada sistem dialog.

Langkah selanjutnya dalam mengembangkan pendekatan ini adalah membuat program yang akan mengevaluasi penerimaan frasa atau keandalan sumber yang digunakan dalam menghasilkan jawaban atas pertanyaan pengguna. Menurut saya, ini akan membantu menyelesaikan masalah ini.