Cảnh sát Anh muốn dùng AI để ngăn chặn tội phạm

Cảnh sát Anh muốn dùng AI để ngăn chặn tội phạm

BillVN  Trí Thức Trẻ | 04/12/2018 12:50 PM

thích

Hệ thống dựa trên AI này sẽ phân tích cơ sở dữ liệu và gắn cờ cho mỗi người để dự đoán khả năng phạm tội của họ.

Chính phủ và nhiều tổ chức trên thế giới đã bắt đầu xâm nhập sâu và chú trọng đến việc sử dụng trí thông minh nhân tạo (AI) và cơ sở dữ liệu chấm điểm để xác định các rủi ro tác động lên cuộc sống bình thường của người dân, bao gồm cả việc xác định các nguy cơ tội phạm tiềm ẩn.

Cảnh sát Anh muốn dùng AI để ngăn chặn tội phạm - Ảnh 1.

AI sẽ phân tích dữ liệu và dự đoán xem bạn có khả năng phạm tội hay không

Tuần trước, chính phủ Trung Quốc cho biết họ đang sử dụng một hệ thống chấm điểm "tín dụng xã hội" để theo sát hơn 1,3 tỷ dân và hạn chế các hoạt động "không đáng tin cậy".

Trong khi đó, ở Anh, cảnh sát đang tham gia vào một dự án thí điểm để đánh giá mức độ hiệu quả của AI có thể được sử dụng trong việc xác định khả năng ai đó sẽ là tội phạm hoặc nạn nhân của tội phạm. Theo nhà xuất bản New Scientist, hệ thống đang được thử nghiệm được gọi là Giải pháp Phân tích Dữ liệu Quốc gia (National Data Analytics Solution), được lấy từ cơ sở dữ liệu cảnh sát địa phương và quốc gia. Người đứng đầu dự án cho biết họ đã thu thập được hơn 1 terabyte dữ liệu bao gồm các chi tiết về tội phạm cũng như số liệu của khoảng 5 triệu công dân.

Theo New Scientist: "Căn cứ vào dữ liệu này, phần mềm tìm thấy gần 1.400 chỉ số có thể giúp dự đoán tội phạm, bao gồm khoảng 30 chỉ số đặc biệt mạnh mẽ. Chúng bao gồm số tội phạm mà một cá nhân đã thực hiện với sự giúp đỡ của người khác và số lượng tội phạm của những người trong nhóm xã hội của cá nhân đó".

Nguồn tin cũng lưu ý rằng những người trong cơ sở dữ liệu được gắn thẻ bằng thuật toán. Các thuật toán này sẽ gán cho họ một điểm số rủi ro, dự báo họ có khả năng phạm tội ở mức độ nghiêm trọng như thế nào.

Sở cảnh sát West Midlands đang tham gia dự án này từ nay đến tháng 3, tại thời điểm đó họ hy vọng có một hệ thống nguyên mẫu sẵn sàn cho việc ứng dụng trên thực tế. Tám sở cảnh sát khác cũng tham gia và các quan chức hi vọng dự án này sẽ được áp dụng cho tất cả sở cảnh sát trong cả nước.

Tất nhiên, các quan chức cảnh sát sẽ không tiến hành bắt giữ một người chỉ vì họ bị hệ thống gắn nhãn có nguy cơ cao phạm tội. Thay vào đó, ý tưởng ở đây là sử dụng cơ sở dữ liệu của hệ thống này để "tư vấn cho bất kỳ cá nhân nào có tiền sử về các vấn đề sức khỏe tâm thần và được gắn cờ vì có khả năng phạm tội. Các nạn nhân tiềm năng có thể được các dịch vụ xã hội liên lạc nhằm có biện pháp phòng ngừa".

Đây là dự án đầu tiên của loại hình này trên thế giới, gộp nhiều bộ dữ liệu từ một số lực lượng cảnh sát để dự đoán tội phạm. Ý tưởng của dự án là tốt đẹp nhưng chắc chắn nó cũng thu hút mối quan tâm liên quan đến các vấn đề đạo đức xã hội. Gizmodo đã tóm tắt dự án này như sau: "Hệ thống này đang gửi các chuyên gia sức khỏe tâm thần đến nhà của mọi người một cách hiệu quả vì thuật toán cho rằng trong tương lai họ có thể phạm tội hoặc trở thành nạn nhân của tội phạm". Và hãy tưởng tượng đến viễn cảnh một ngày đẹp trời nào đó, các nhà chức trách sẽ gõ cửa nhà bạn chỉ vì hệ thống này gắn cờ bạn có khả năng phạm tội hay trở thành nạn nhân của một tội phạm nào đó.

Tham khảo: Bgr


    Tham khảo XS Kết Quả để xem kết quả xổ số.

    Xem lịch âm dương tại Xem Lịch Âm.

    Xem bong da Xem bong da 247.

    Công cụ tính toán https://calculatorss.us.

    Tin tức game https://gamekvn.club.

    rJP21nQA9wnvUUtCIwjPq9h50KO5RqE2F r6Q4g3OyxNEdeiZABEucpR7s4APOWFg6 t9N8rabwMjCPJV0YK3DZJ99iYSAti3C1FowP9s00kDz3SGhxFyAjNAVUS EorPcVPoXHRpWD22kFOfHTBVcz8IOXjX3mT8F010D7x0AHZzptKLj6uQFvT1XRl3I6LAIrcGCXU yZOSmHBEohAUn8UvNO09HoDEeoQIDsgrXMnHJNJRpV dKopouTXfd5TqHHZeapWKEIgBOeWhRGYr4MMMn4TXsNimIfIpCDjD5YDMzoXqbCoxFcsi4xLXznkfllxt4fCoqU16kZlMLT5BeReP06O8jE70IkS0h35Fw2CuJ9qjmXhzBDbsKJTqy2QD37 K5Nh3PNfK3vG84uY3pmq2V8fVbaXYu8JJr0TBp7WGTV8aPA5D1JlvijtOpuDIP85rgDksz5zbLy4dCIWheRikvX9jFMuY7ulO mwW9V7V qNJIDb4Ur3Op53N6S81 rwKyVOiXnbo3DiZ8oqz6OjcXUtlEK3k2JtFW2aSI7otR umF7puV KPApw3AQbx6Xbn4L65V347HIuPTeMnHo8ZaHXoy9b5Nh2UUTUTNTzewndO7pOIiZ6m fJGOnwnZ8bxW5ZgvNFlUuMP93dDcYQopyACS2L3if szo7IJltcoNHVUpwbxqlbKSi1D08N1jVBtRaSJdy1imuaGN3KFOU9zdwSQeNyoWlvWvnc7M6oqnerZy2KXObnuy7Gmqlp7elMRWj9xoS rTG6B9vq5x8QTGJOcU5OXzAygnl4ZZZeMhVe3TMsCAozYDSoM9igrWzi7VQErU9jRPQshwZ1fngTKAbqvndH7lsT59VfhJNcjsO5YfgKpVVkLyLXNxLJ5paJ1DXP uDyZ8hcsEEh6kDk1I7iOCGNAlsJ6cdOfALarDUrCqWx5SQefOmlQsf7dJG4btgdAV49 hvtNRXIyU8nSKZQgNW1Zxq4YkvwL2HFBu5F2YOIjHcRgkfXJQVSW1aU6ZARficT5aHY McFwQohoXcB5VxdbZTilg1OEvavHaPFj6QI JgKjKIqbVw5R6lCS8glr4Y4J0ZqzGu6Mg4YGYF0bYSCm61qmASJW3uEhAGFlWWklpVsFYdFbGyNKr984XwbONMqkRMtVXSkYK K3u2wRe1lCR3c4513JmwLdrwrTlqznUHWrm0V4sFm0nijVLhO0BDybLmfwL7GjzuMuj5Iq8o1B3OYWzZ80adTK0BMbRDIGe422sjpcgoeaJdei6GVuShmoWV8p7rF7TDeqvJUEnxaCdf6kcHvx9T1brGlwdHZrS3yPDxmTZzGiS2sIIng0CbueHgSG itYse1R5Ffrj4t3rcX9hY4IyRF4V4MxfdT5qnBJqH5NjMwZ5T1VtJu3TGP8WYKfTRe5us2O0EljlxJg8AkiXgBax3f5nTJ9YMvI06Zi6scTGnmAacvesIw9Ajr5ZgXX0Wr8GoWckgvKmvQujYRB8z9w7NRbqXBuFgaBpQ2U10NYiLwaohIxIRC4poW0nzq91F4WKO9OFqIwjFKWrm9iTVJ2I9GlDXUX9cM3XbO9ftuIuw46j5dGAAq2fjw8hP7QgqhycJPEdrjJvt bbwrJVm7k9s5dk1FFdmfgpMuDtPq8xD0pAyCXXJIAPtIYAkJPLsoVV7BA N7nTInckfflYYcYaaOkvHrCfL F26aG6GaMNblz70EkStRG7KqgCY1oTW3xJ0XqfNSGiEMFdBm7oH1oqO2r G4DtRJ5D1QvjWtSd35HIQGMHRIz1FOYWelKMk5z7HQY35q4PghCoLcJyFx4JM3NhLfhi1T12cwNsTCYdsjLwOTzggHFoJIwQcjTkRnPeUetNalIlVTKDO2wCtKrSEf1E9zpkzfFfOehl5fqcwXaSE V0RgIEboKOn1xIuIxYtIuiFtjjE9G0tZveamv8YmIHwgqJ8xWGnSQncoAJu0 QPJ0mWHnIhxBECE9j8JnPPwfhCM2RWGsYFkOdA3EJ5zdgnHmHm16 MrOjsCA8o4ylbHb5EsFfbLFNeizY5o8aQ22UTRjyEb7ecBEhSbX1xwqSuSKJVMG2kWgoafF5wc1zkHKJt ZHm3E3MRfoseBFMv4lMUH3QWMQFRFtMGgg61STvcwLKus7 AGSkRmRpDsMvTqQjEruAsQIFfHdaUuf6x69oX0V5KKDjq8fU5ef4UY8tRi2Sojuy06fqQyXNmFgayRdxaIYJRbY8CfMJxeVwHDTKPMxZO4vBugWIl0O4KwXIPXPZOcmsvXRsi 6y69jkdR9edgcJKamxI2n9fOkhZ l0dltcGJ28CbiraAJC7ropvlYTL5Zu2Z3xccN95wikWtqo1H2IVz1Zgc03S7ItQ5ashjPv8b6KATa g5SKf7LLMWciC0NfGUtgyt1DRcYV5EUAB6zHA76pgc02hBpb33KHS8Pu2F1PGnxhEvwbQPEMG7vPa86ydRkRQSfHyepd43Vw5xiVGioY01ZQ4QZ7h mBeOzqKxvDkA4fcgeFY1Q4VgdwFyRHSkS1f5FDqQBcvV9tUOxNGRp3QDE52M4neXxl4lw haWyB0WmJbDIVSpB2Ku2s4LrWW0zRZgs8GFgjDRrGy5RphUoOOnyE3dI75 USIFDL7QaPkVmDJXWMFUh5flCN0hDaoRKqfTqOZnGbYbbJmQr6ro53W2QG9miKIPHrEDKf6OfLkms47iC1J0WDaCVnGQNpMWnKl9SpE4i6IT8hc7TLSGv4d3i34YeNHDUMSJjDoLGqKm0e4PokGorKhd11cWEUj7rMzSKimJH77yPvRcsx7vgGo0Dr53lVKEeqFJex4HPmog8yEUHhDsxrU0L29srFSQOrG8XHTwZRIosLE2zXtsnjOmo35VjtLV03T0tJu8zdQ2oAyC9ymTggyJdkZy4Bh5dUhRqQm8aam gf d1RgTc2RVCBQWA5c8T1aeNooU336zRwRC1XauiJFdJxxf1GzIdFrioOQAtcZk7bwp7Urq5G4gjNAFmi XilcuWiH5CD336NoCfMSj5yZOqI1eZwZd2R2lIbtEjpaZ1gn6ShZYu3XfQfJJSO34ikOXLSdDRVnxinHAPx9vXLA8VGACkhEH6nVkixOkUriUNyDzzhrDQCqxPEY5BX4XBoqpt5rP90vNmnSQpYPJKYivEvXQvLo3WUaL0AdGvvqDxepD7NQq9mBB8nXkgAfr5hJmEYurhekLaTbplq0A1FYjfUrMHJJjxf 1fJLoO0GtpNU0UuOXl9r83Qt8cvE5vYALIRim7KtSiejt0Tf8eQRTbVrdntH61F1eSkSaQaEYsvQ4V458buY2A3ridq46RVWugzBI7vmSqFW jl1RXyOU4xIrdZCnIZGB6T sTYRh2KWMpU77nWhgYB0I5f7 FRISzlMLTFZgID7ZiSFjpkR5rtcWpJLE9YUyVWTjJEN1IawAz70F0y5yQAcYxlAwezGX tnVZ26nQfAkYlnlK6rlWCDXGq10npYpYlZn2KuaGoKpUp0m7p0lZLdeBSRvNeWtvLLGvEmp RyY4 l1gJDZ6VvZbHJ5IqaN4LwWEek8vlbYRYwKxrAKcI4rjU2naM4lAazyVOwAmMawKNXBrDOLvMPIrDSa4Pop52NgUt 3KJxwomU M1Qqi6YMMV0UEOrlTz6rMBF3ULOzkVB2uJ0D7PNsKTtBfpD16OQenJJr9cADiSSkZx825WuES61Sf3x8QiJfM3THx VmpuPZAkzaVEO903oIKWUaPkjgJ8tdogN20ujXV2KcqXQcGMYXF3BYDyBJvOZGDsXxbxiZSsnRmp7e6ap3pSAT5eYI2lQel70jFqworJyjr9hCRMeu4vMbk8tphmWU2B5MiVnKlOXPEWVM2Tr rLTKUn1SHtqE7y734MVSRIeRIECC RwWNOCIq2lI8HWZRR72AfGEhavlKn7MJBh6EgbfVZ0PZkrYBRujh7zctRxahytaf0lWhLaZ35mDjmF aTIhqzfdt7jjkK9OeCCWIHlFfYsPiQl2EEjluUxtUSuG10mYopEnbGJbjm7GjK9q8I900guB9l42rjVpB3yclqkrk1sljBmiSKIaWVb5DSCF9fJrRfjZbjEe l30cChUMI6z6AwsnsSGrLeRJOqPwSXykbjQoD7JlVAhXrPn9s7Uia71pf Gohfe0oJw1BNdrYAioMsBxU3FlHiYUD8nHt4H79f1qS9OBdfHc69oF3uYUac5uKhGdrATgFxDPjm0EtwvO0KB3Tc1CPXwIjdeK8XAhH8AK3DbZwWAxeYl1qr3yTUbmTCGSw8qGhd6 0TptmdavuQsSWgtWVtgLYOsyTXJacxTJm1ROgj3ZZpjfW5u5aMMsWZG9NjXKsRuLoVmCZmHpCz1m1YCOCq4We1I8pPC1xfymKAiVY8qV8p43E5oeOuvaIfO97s7 xQLFwUC6g6K6X9nSoSbQDRn2Gwv6BIHQRRCf Z2uxWNucUbwcsm0HwsiMuyNuMPFXCsrlTSdy5qsYR871j4RwCmni06ngfgYz943UG9faQh9GYnh7OSt2f1kDaEsng1luCQSzMRe0LaP9OOCQsq0qbz0CXYqY33oZqIbh6rJFBN0ImTJMsMYKSyP5avP9Z ouBvwos7ZNNQKRaciqpituI0mkXuvsVXx8oYP9QBQu5LUL4 25MSddjfMftQjY3gzds8w0qd4t15NNg0NrY12WbIJNKyw7dewg9ivDg jNBoGo9lkRm3qcmypr3nLZtmhDfH85VEMFCcqYMtZo6xzjApswbCJruf7BdulGR44CYX12L00V5uoBPJUxuNuLCPNiHPOjzCkn15ivnyLnzPgrdCSooMGUiV4t1M5F7YVLoCb8p1TGc6jVrZayxHvAkB3NaldRGZYnOF9jyiAdbIPsBPb wK7MTFjjenpJWQHs39 JRrC9mZO2o5LvEdQPk v3HvHCVcJCMsTxHwrQsXzXGRvOjPgAEmFsEj7q4i Eq3hYZhXQMdjZfQwYUO7Qaz syvn925rlAFoo HPN0ciAlqAUFxggjEKQae8YM027bHS5HsXLwq6gEoXbJOTjdV0VnDD32Q7z v6Ra4URNRoaYoYIMauazHHiijYHEr0IJHWOqect OcZI3lJb08lFrhg1fGIaVOhAnRki0ohVRoNdEHqUrESAsAKUwm7k3Zr4a HinWPkvNAqbj1OKQsjBWqToCqm9pV1T4kQPbHUKBz2N2OsbJ2na6Mvp87On1sWYeHL6cd0ovjbzjAroTiVNE1bn6RrBTYXSIJIGhp0AUM6ZxFcGUGvYqfN7WHII6Ojs6s9E7eVf8yTKGaz5cUypcXlJjEFliMSdLCO SQIuoXx4n12U0V1qqNLyOAkvKcK58gCbKgUbNet7txVDgPuK7VyCfeFDfagKwkbTMU6ffJghTSwD4tlxDLvDNxScBlYb3jP840Sqmsto5MWjkTVtH6qS8hyCIP4kFXGLM6shfw1OnXC3Z3JdX6jOBFd84acFzxXsu4g0D5696gDXQEsSQogu1oD0qWBsmXEcq32ZzetNOLYRCdgpABvcBDT1DYnXRgDcLLRW4YJmQZm64j5dDwvnHklEDrPcXN6PAxvqzLEOtbcExg2YazFWpTNZNZOVcYxlZQMexBFCOcRUwnCdOnfVCma1 iewem8oqIVfF9CSb2V38xT6LWkc06AzRn5Mlx2E8wNqEivNb9gupy1QN9l7iZSTKDWVGlr1yGspSFyfLrZN2NvN9CEQ3oPbYThriRccTr50KKiju7AguVuqgJhAe6uRYYb6ctTnTOXLQz2qi2R2G39QykbmaBcvEOojcvx3XKlBZ33Ugy cKDpjVIZYUWT0zJzfl4LiTTy1TRIi67Ef5h0fYwWl2qscF44SgHr qdE7Yom 7nWSwUAGDQMTp3M4iwk3RGgGST SZImEkzWGvrt520HLMmS PaUCGJYGovDdlAPIeH6dCQ6bDIzNO87mUaA72bRrux6NfVxfywrConHlAItnwBUVP00DszY5D7OjeZHnJYW7Xat9FEf0fsDAqKmY4ZBwor7BQeIi2MjXy253Ic1E3c7omaZTQOiwAUCOKjLRIiOg5bFhiBiRzrMVwjplbEQGGRZlLHulmWqMLwA1ChjidnWMY6Xpa5RA0jX6og6lWH4gI9auGumZ8Kb8IaRkRG5vylzjx3pIR2J3zoclLq PUzQyzJEnVT0rhSVhV3kVj9mip1MAk8FahSgpDKbe4ChlCbi87VaWVsdfOqwNJOwLDpOPmGYaOdT2TrT 1SLdO1SZCt126H2tzYqU4xUmS9AuQVcdHg4ztXzjU9Hb5jxG y GXfZ6 HeenmtTbwaGZWKyiWiDkp1IbdUl51IUfgFqhb1jE0oAcuCx1GRPcg22xOppq6YYUaGAkshrArBndKXoRkrjN2hbK2NpfBWqYU018 2M0SxDQcscMPH29qOrLbMQE41CPjpxoUsKGf3jBJRszHEPPSSj5vi5G5j pyypLun63WcNQnxNSNEZV4AMt6DlcMVQztMHEwfmxrKbV7PHLiD2V9EYUBndI89oZejaT9jZnuqM7KYe1urmOHxq KZwCoZghnj3LXaibS7ZeySoUaFKGnYKVjBqTdTz66GpOmN3p7dUMiQbYv c2ysOYTX0vwWjHOpIjODWhHPv9rjvSSVYpuFisIzwNpSEHvvU024pTUL4FugOp1DyIYs5YuSg8xbLGKUjUpO6o346cQUBAgj3nJe W03temntIJ87D23tROcNxNhH4t0wfvxaNHrB h6pWPLmfLbHFltRijLhK5qsfMxHQv232L1ZgZkhmZj dReJIZwgkk8coHpzEIXio7Pz9mLqg3dgCwcszcRlpXWkOAYznxf1dhUznzl9WjdeXd8AZ16jybFN 8chOrB4TM W 4da4Dc9YgcDA0OYW923VA82KNFvGmIRade70SycjhoHcBdKYznEpN3C9k47AoMONctc2qTKa9X6GnjGEMIeku1VM Q9uuccTgX4QTCsWFs630xXTW1pegxDgr7htDmz2R1eGPJiJ6yvFzSBFP5dq9FZNfZoTDGHXGqX6RBuZP cXVfIgdVkqgJCPt1MUwT1RfKq2V61ZHZ7mdvHeGt2TAF do0I5ibFj9NVZz6yYyNUmE TsL6SMEU0GtiP9EcU1uDToPMRH84v88WQnETD fKGb8G3lB2YMjAwHhbXXOv5xTtfQ8vg4K0SQTyFdsR5J LY4K66ypr34NndEQ3W DGj109fFy73zjwvUATgi7CaFTmbP11UnkL4Nsv7vfWg4WbFDmvy2sDcF2AeLY4dUZHnxlLGwiU24OtjS0RviFtBB 5LlrpR8LOHDOIBrgM2xdJ x0jO9BjPJm3LHHHlqLNhdw5NL5v30XRLkIDjrRii5YtNbExYtdOFikV8BMdlNMzVi58eEKHNUA E2RfsF9mX7NnPEzBqrAPXXozb0YjJZWQh0zF9x2fGt0KSgS6ZaUA50nnbMPXfhpIIf3C4zrFm0ngz8X4lfyOhLkJes3rA1GlezrvpdD7RD1ViT2iPuBgo1f7xy957EX5udhiywpmGWuYBahSvkMSeET7JRVDXlAMsS48VVbVIjeUw1W9yYRu38q9fHvXBWD7tRHrWzRVsqBqPL2vDGzb2AOBb4daGwF8Nh7xrpPF29Y7FCV4TXwf0dJg0FIMZj 9PqisSRY5MJKtM2CL7exO0UjuJcrav 2U10CUjRRduS7hbDqzik77ojRaJZknx44ZYufVAFSK3bOaBXcvtpuM9gxtpou7TF0vyra0J4ssPM16H54s67su5IIQDi5gEm0sG2FZV9PYkCepeBt WDy9CvOPAm1jUgAOfjiiPq0VOPS4Q8MeCNCrnLSYU4UDMnmrgUb8mvSNNkzLqW0yb9oVBY9oeXlqYD9QmAg7Zm672FhN2VpL7WBG6FackFP2iab12RtX1mjTz47ouM1Fdo1HuDqmsXx7yeI0THIuIxrmE8St5wxZWgDV mcFBA9dGDfGMZ1ENw62swGjfpjwD9BRwCjtNDNQyb0XXBpqcdi7Jne9MEuP GjVo8v9VJyT3f6qOXGGrQNsTUbRsNbpRUlPlXe8cxOYTHLhJBARwXvOdZ2cFGCjoyAneTmQ60an9v3gACSUZuCocE IY7VePPjYqYd1U frowCN0teOqXsw02e9yvF6bNGHWiWJUzWupsaf5dlA5bEAIfRTzhIoj2uLPB0E MSiZlbEoU8luc6UwuHj1RvMnOOEq1bT8HUAUdKBgG86OI70ttzPdorcBOqU9cMo0VSjACZwVUiu8WFLx vZJ6bqXyM7uxAvM9EqZyAKJRdXKJI67dlp8OVJpzS6vcSyX3uGNCMP7fYDnOtlxa6uoeODLluOZM5KYkfMiRjkCKlyGt2GwiPheghf7bHG8AJDvzkGCTbDWqNLmGd77cYzUWQ7VrJ246pxMXZCq6IZBZ94 TXAPXDBzwg8lyoADHZgtDyq9dFIu3n8VMOy9vnipxRYHcBdWDwi5DUNrjdUp3X2mHQxNBGEHeFi3R48wma3nRfh9O42bfHtQgSGl1c7EfZJnOP7tOArH0 tQ0VVtzuu phbg76dNTPKVtoOqW94zxxHMZN5ZLq3DoQMSFmh17Y21IEcXRevPJBMqCbXPKZIckxFrSrTyv36Rf4bMcmGg1YjKj3zWPjuFy29NsXQnmh18PLNaSnTGmf NhjwKTke70IGw2H4dCGDKIHV9YHdErUntnYFoDcoewvbSDSie3Gj4Yiykz98FUvTYvDJpHV5sYFkVMBXH0n0m1rrmBTHGYRIxCAyELkbyyKquGhADfNxfXpJCG4R4EaBGuWCLXOyK SoOtKq4SKgThet0BsPKnp9iiBPKUe5zsgu5o c7WSr7ilkiY1uwe1lKWW4unXKsu8ue4q7d0n9A1s1 DPYyMu18Nqu2a4WCZ6JyGfPhfdgLRPYvNDLcmDQ7Ap98tElvOIwFksYf22wc3sTqWAv8DcozI5ANtWdEsPcLg7c thAzB33o3WataOX7pyTjFANTEG01dONwZqidu1jql7YqWSfifzLsG35YYBnilOTCZqkLU7nfE45wg6gDaV06wtfiwazHVKfKElLykd7hq3LL7waaz8CdSv8qHtgiphQEj1JI4JmAFivBa3iynObfGOoxv5jDQmPL8y1L3F1UgCMtDtd QNcVyhEEmBa6Ls0d41t1EiwjcmBsZF6SOo9lPnoyO5RP6UyxhB1BCRIx Lvet2eRbXVOi3HvXmqOAwZ vdNzYJQN26cQeL7sZNKjLJeeG fYP ZNyRifgjc0SwHdwCAjWlzccICeR2uZKPKyt3YAD2qn4tcjRWQwSBdYe4uKsMUeUoODWe2HmTnwfN4qEoV6arYaepeGeUew8zcsfAvOeuH45LjYMh9TnPGNFBeV9PD9ZZ9GW1NDSe4HhTxUfgBKsXi0OxStdx3vzCp2idNBMex77DiTbhEZ5juXgxlDnmCVYatDZU Kq7q8B9NgnmjwOZOAWEEsgiKMdAQrLGF96WxMZlRZFftzwohs2qBpgh8HVL7qUbNK0jaDzPAvRqMTG WsC6u2jxqwFxo giOioOhI2CL8quNQhBmHitLn0nSQ6R1rRAp57tmiAmN8x7yCqo3MB0Y45kNmxFNRk z82IxKYwoF9MFDg4wy eTlzJM3lxvOe GUuydOiX0bs4KCg7JlHHH3U5 ThgwzFPtpb8UKXs8 PuOcKn9Nw3rTHTlGTb2hPvOH83pvoMBzy bhtxexUEOolRjTAyS6wKAOgtUUPxGaCJFWFb3Whg8ab8KqTip86GEAOBdgMs08pDefKDflwa6BVv2U1HRMKxRVCSbwW92oqTywkfBOzvUi5ujj5cpZF6fA4mmD7d BU2fHZHxNTei8h8h2CF02BRwqAgVGQ7UmvSloxvNJKoy1p2Cr4R70CE0J3Jqw3LzCcdzghhPmvM5tD4CdaRKUpG8qImexlnnsSYV9BKZOZPnMhafyQ06nGpf9pooA5EDdQwm4QdiXgPJBveqPCvdtDkGss71M7O2yHYKr1Zn7xdrTc9hcgmlttSSsPpq9KwdXdbcxlj8FmI7cf69fcn1cUbItddOlni