DOTA 2: Làm thế nào OpenAI có thể đánh bại team vô địch thế giới 'dễ như trở bàn tay'?

DOTA 2: Làm thế nào OpenAI có thể đánh bại team vô địch thế giới 'dễ như trở bàn tay'?

MissingMiddle  | 18/04/2019 05:11 PM

thích

Sức mạnh của trí tuệ nhân tạo quả thực không thể lường hết, và nhà vô địch thế giới của Dota 2 chính là nạn nhân mới nhất.

Cách đây ít ngày thì trận showmatch giữa OpenAI Five và team OG, nhà vô địch TI8, đã diễn ra và đội ngũ 5 con bot của OpenAI đã đánh bại hoàn toàn OG để dành chiến thắng thuyết phục 2-0. Mặc dù nhiều người cho rằng OG giờ yếu đi rất nhiều nhưng không thể phủ nhận rằng lối chơi và cách tiếp cận game của OpenAI là khác biệt hẳn với con người.

Đầu trận

Những người chơi từ bình thường cho tới pro khi bắt đầu giai đoạn đầu game thường tập trung và việc lựa chọn hero an toàn, counter một chút và đối thủ cùng đường, có thể đổi đường khi cần thiết và phần lớn giai đoạn này là farm và tradehit một cách an toàn. Tuy nhiên OpenAI thì không nghĩ thế, hệ thống này luôn muốn có những mạng hạ gục thật sớm để có thể ép lane từ ngay giai đoạn đầu game.

DOTA 2: Làm thế nào OpenAI có thể đánh bại team vô địch thế giới dễ như trở bàn tay? - Ảnh 1.

Các Core hero của OpenAI luôn tìm cách đảo gank từ sớm

Một điểm dễ nhận thấy ở cả 2 game trong trận showmatch đó là việc những hero, thậm chí là Core hero, ngay đi đạt level 3 đều tổ chức tấn công vào một đường nhất định nào đó. Các AI tính toán rằng mạng của đối thủ là rất giá trị, mang lại nhiều kinh nghiệm, vàng và nó xứng đáng với số tiền bỏ ra như TP, Smoke. Hơn nữa ngay khi có mạng, các AI tiếp tục tổ chức đợt gank mới ở một phần khác của bản đồ, điều này khiến cho các kế hoạch đi lane an toàn của OG hầu như phá sản hoàn toàn.

DOTA 2: Làm thế nào OpenAI có thể đánh bại team vô địch thế giới dễ như trở bàn tay? - Ảnh 2.

Nhờ lượng level lớn của CM từ sớm mà các AI tổ chức băng trụ rất dễ dàng

Cách phân chia tài nguyên

Chính khả năng đi gank thường xuyên, áp đảo về mạng khiến cho team AI luôn dẫn trước OG về lượng kinh nghiệm kiếm được khi mà các hero kể cả support đều có một lượng level và đồ vượt trội so với các support bên phía đối diện. Có một điều rất đáng để học hỏi ở cách chơi của AI đó là việc chúng không có một support bán máu nào cả, tất cả các hero đều có giá trị ngang nhau khi mục tiêu là combat thắng và gây sức ép lên bản đồ.

DOTA 2: Làm thế nào OpenAI có thể đánh bại team vô địch thế giới dễ như trở bàn tay? - Ảnh 3.

OpenAI luôn là bên ép bản đồ dù cho lượng networth của các hero có như thế nào

Có một chiến thuật mà bất kỳ ai chơi DOTA 2 cũng từng nghe qua, đó là "nuôi rùa", dồn tài nguyên rồi tạo khoảng trống cho một vài hero Carry farm vượt đồ, còn các vị trí còn lại nhận lượng đồ ít ỏi hơn, vừa đủ để cho thế trận không bị vỡ và chờ hero chủ lực gánh kèo.

Các AI thì khác, chúng không có khái niệm đó, tài nguyên được chia đều cho tất cả hero, các hero như Lion hay Lich khi có đồ là cực kì đáng sợ và các AI tận dụng điều đó rất tốt. OpenAI không quan tâm rằng Carry của mình có farm nhiều nhất bản đồ hay không, chúng chỉ quan tâm tới chiến thắng và cách đơn giản nhất để tối đa khả năng chiến thắng đó là chia sẻ tài nguyên đều cho mọi hero và tất cả thành viên đều mạnh lên sớm hơn rất nhiều so với đối thủ.

DOTA 2: Làm thế nào OpenAI có thể đánh bại team vô địch thế giới dễ như trở bàn tay? - Ảnh 4.

Lượng tài nguyên được chia đều cho mọi hero là đặc điểm dễ thấy nhất của OpenAI

Lượng EXP được ưu tiên và Buyback

Có vẻ như các AI nhận ra rằng, cách chiến thắng tốt nhất là có được Level vượt trội so với đối thủ và dường như OpenAI không bỏ trống một khoảng thời gian nào để farm và có XP trong một game cả. Rất nhiều lần chúng ta thấy trong trận các AI thường buyback rất sớm rồi sau đó farm rừng, nếu đó là một game đấu bình thường thì sẽ là hành động của một người chơi Toxic nhưng AI thì không toxic, chúng chỉ muốn chiến thắng.

DOTA 2: Làm thế nào OpenAI có thể đánh bại team vô địch thế giới dễ như trở bàn tay? - Ảnh 5.

Chiến thắng là quan trọng nhất đối với AI

Và vì có được lượng kinh nghiệm vượt trội như vậy, AI luôn đẩy lane và gây sức ép lên bản đồ cực kì tốt, chúng thường ép team OG rất nhiều ở midgame khi mà luôn cố gắng có được các trụ 2 sớm nhất có thể, sau đó là mở rộng khoảng farm vào rừng của OG qua đó tiến lên highground bằng việc 3 tới 4 vị trí của AI nhiều đồ và level hơn OG sau đó là dành chiến thắng.

Kết

Cách chơi của các AI là một thứ không phải là mới, khá tương tự với lối chơi của CDEC tại TI5 khi mà Carry và mid cũng di chuyển đi gank liên tục, tuy nhiên khác với con người, AI có thể làm những thứ mà không team nào dám làm như cho support farm, Core đi gank v.v Điều này đòi hỏi teamwork, khả năng tin tưởng giữa các thành viên phải cực kì cao và có lẽ lối chơi này khó có thể áp dụng vào môi trường DOTA2 chuyên nghiệp khi mà nhiều team vẫn chơi theo phong cách xoay quanh một vài player ngôi sao.

Xem thêm:

DOTA 2

OG

OpenAI

    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.

    fBZ0wvHzIEfqMh8pqOTBQ890xUAcEcOj5aGKfIG5IF6w6ZOB1eDSNrSdvqq6UwwfyQz4QfknckWcuyN5jVoogbd6PHFFRoX 6wNCN7EuKZYoCv3kX9g8atXDMvcB0k4l15QDYbLQoMeIFlwTD62EkCAj9f CdrtxQnUJYViuPW9IK3ddbghtgvWPxDkSDPvmlaj6LJzGKkVHbCLv6aUuVwkffDDcvexkgqCETKg1Ge5gslHTTdk62rkd9U05n5aJSqjxiWxoVMxnfXEd4TEtEUrnOUTkiKiEmJ2N1UgD4wEcRHaQy9ijqIfQtpw4hlnQImmd5krEChUSZQngXsVOFooL9kbHmkeCxzkl38xSK738WwTMTCNcebgQaF4 Rb0wdz1SOR6hlE2zJT 8BB52P21EeOq94oI9bafvPH74KwKjCdLRJ0GBLGjXTT8pmhTwc0r4Tt9OizlfJcunLPvzZ2Pt7dgH3eM7VxUXxCECzS7TyzOIQYmpo1Z2u7qIBywW6LwfkGYrIhdJpEwJYrNupoH AsZ1aC2WpdyWmqZbfoqlzPSkme3oOkcBz1aP1yLbhwUFLcTAtqMJO5QUt4O3YxD7L TNPlbcEhkGiZ0qtTQMNoUIQKMBbSULF3Iam05tiU8lDT7I ui1pZI7l1t8v9ILZWcoz3XM4TZIMBTLYG9tmDa6 iChkl1L0484nTyVlgfSkmpPCzInVi3xXm8dlhaVbF4QI8Vntg0Idc03XSEJP79wUhK6GYlewwFeeL6vJ KdRG1xLVlvc81wEfph27Twsa9skc1cAvjaBgdK3eMC7Fi307zzRF9i0kIQHNlQ1kpn5zY BJ1vTgn5KalYUJGIMow0RzQ7IPF2PtEfXzo86ZUQJOVmkuCBrhE2FomZfLgaC51FNaQIuLtISdrIFDB4Q 5ZMWBxlHSP9lxuo7M hxT9gl7ysITaMyMr7FqYoNHK0bT1r88BZCLpu 54AknL8iv15AxlUr9vlAYIrlLk12OEsb1ZquJkQXSkaFMeoxQNo5zBY8a9NOic5HkViuE7NQHI7ZAU2L1ZWGTcrhI onbcghkNorLSTgkGWHpzeL3eqgHWSoEU3Nn92hhIkP3YTs1N bzS0YKYThBezICMm XP2kPwgu4Od X8UCxege4 s3ULE aqLp 3K04cMEAntzQsGS6aixYlU90ufWWTGON4eQ1gjsr6j8G2m1qX7ypc1mcyPOEXjCPGiTgJ0fd0jL6mCWEmkq3a2BA59wfu0oT3fk8LzYIpU7cUejqiOdU0eVtUB5OCOKQHIdQqAktP4ESBoA49FChJSYNnp13TVazrGLkWEeZtJFe4 sUlcGk6YcTu9Cv4vy Mrj5b7T7pUZUan8pw4lf25QCsAIuU61BTnUGOXN9eCTdk Qi7GIAUj70aNVbeHPrheZDZGPLckFMahB4ARi g84g2cIXC9n15T0CDhvybypPSY1CTEzYtbaRoLE5L4Ie5xDTzNHo qf8DB9oELB62UkPRY4xnVINdfLXXdfBxTa0OBqWKCrYkUOZe5b1Ai21MKUzJ2zrt35fiiWBwLqJHd2flgIQ YJzcxl95n8KI0FCKjPXakeruXVD3PN1jFfu2R 9BjCenjZne1UAj6dd8ZhCL9kBw599RZwNKhwrIo3GLIbkNLRM6UWeEHKGsYET61RRfFzEkHF20Bta7ATuIU4 7guysWQexcNmgGNCmnDIJgoQdoLgzvoY2jnIL6yJYJMmQ51hXmOuM5b59yR7pVrY7oA6Cw1ej9J39JilRvvNyhhBkNWZZuz5Hf3jklPo0rT78A8PSJVDsTEZnCKqWVZX93WU esletjv70zpcgHglGZlY4gwrWjkAy7bIkrBapYuvGEaeZ9eAUEOpGGLDz6Y4RFeQRdnffzR6eIvnMYXhdIdoQ5VFWA2yhyzX8eXAn5fyQgqQAIDIDgnLZbLzHXhlM7Pm67WL5JZqNkeSC1twz3 T4 TbMUg JQDARMv8REV10CMu mAlCA0K8c YGTXy70Y4Fo4RlUZ4wPL1yWFD4UBONQ7E7UCJFYGx1drUCHVbX lmYSNwOOM5sDl93iXfCliuha1LT cHZeS0 EC4dKtC9caVCby1Cz5iYR2PMqvXr41XQ2UoY7uJbnVxepq9BQbi0ZqigIRXHqHHqCJ1 erilHXYXVf8Nhkv8lBT2DgRsO0J1IQyNSzBAMZIK3G3RZfbLtJpQ47LRODgHwaq3vFFUPPN66jADzVbwouat63YMvpj wbI73rI2J9pYA giv1rbxDaeviefpSRuNQBKEtF6YRT2WQBm kTo9WQVH8tmPaOf1zzoxrQ H9SEScCXNoWNu2Q0PGiN8w9BXcg9axW7ELiATLzT4PG1AbCrcB0b94YzTHjVLjV1zEw5 VMuUETEYdz2W0YKHpCRRcA7yDJgpMBYI8Gbijegez9Cz AEUhKHlEu7DJfIHMIVVFN7b74VTN8tFrWPpXAGEHcqwqL igjPzNjCxPf9fQu4oPPbdeAGe2crJuRDf8uiy ZVLU9CIyDYyA6xVhG g1quMMuEPuUG9dQIYpMHuNr4aMFsThKIMj0O pkmE8fyPWBpcoBJFtbtm2P8WLR4JeTQrjts55EDaeLvm5Srf17qKhlY EdEyuQOhRDx0FpDjNO0BSvHxpN6KqjVJVoI8VKmOPu0qxLIVSVFT5amPhVhzu8tmdFIPHDNXc9XSTi51TzHbrBiMEnpffOuxN81GLmvjpcizvxu7LwmTDIUr1deTf6V4ADUGO7CBhE0Lh19pO75b6Vb5wI7ll9CflQJbacuN0trxysMHtP0xkiWz0COsYPB6oqusSwLjt8zFe h1EC590SDiHb4k30trEEJ9XHqymmMM6Y4Oe04NlR44DQkc62OkSoWNGAPDMN9flNEDbnYsGScUJavQx2J51cXo1xXUMU 3NTY13FtecE9yDXnWCyM2NdnhnNG2NRPE5rz56AvkzqlYnNwbetA3opQGXpvkzRsmIsSgpFGvVO3AMo8rgcCsFPAVZBMjVbQsvK8RgXKOYVW2kZvLz OSCXA38yBjsQCrI25ujdQLsvXKauFCFugjUKOFwlWwCyo65LkOBFN4KQPw6LK7GH1e8hlmmna4MNBZSaZfCq7r1vy2mGmH6BW6r wtOrdPWEgIGP9ZriDHYTZO1NaWlOvmPp4o6Kv89jeGofTDVeuUHZARs Qfl x9v3rd 1sKJo4d0waLdm3JkjRhBGCz28saok4dtcO2lZCxG2O0Ew5E5kQQ4Olz9AiMj9EhoDfGNVNb5SJduQ4CMoj5Yry2qZi7gRTdwxp0ryebkK0ZhDOpnAAdjtoX09 TO7VThuU6PEDl1use50yc39O7IMAfz9JIzZUpX02umIlxuiiI4amxbWunp7FxfjzNg4LKqb7lwEh6KTRf5drCTcIm5L2sYmRD1lApi6dVVxRWfMHm0LLxYry1JJQbWVh40ysnfRNXKAQaUhA48ggaYgaXuntzlwuWcXVWBl47blQLRdkrWhmlnez0Q8z8zW01SLFjd26lABkBJ3FGXIPZ097dq2js6rbX1s4D3Wgm3XAOzoFutTonHPwISi816BmVuFVYOURVPGQgiaowWuiqDmdEvg6M2q6sySwr8klF1NSX9jxyeEMQBBtPUzjNjxkSZkbtA3B Tr6fcVlSZemEx4fnToqcjmuc6h tOv1tn279w8vUt5xO6ACF9yI zdu2kjSdhFGmKQ06CtUsuCFWwEmHNvyMJqqdqFnSTkga19bC ZswmMNtm8hTE4yLqNK3kakMc95DD2LAfAlc9eQPrYxDK X8L nx8M0iWBiTrwk6oglFuA7jN26LnjzfNey86ak9QjICWY6m9s7NXcFFQQnSgFH4Su11B4LowUc7oyOsVZoV5GqrO1rxihOtvS3hPy3xWpYn2jQy3GMOBDuAcgD6mrFEhRC4YaloGzN8wddaakJTfy0xFbR7ynSJDWUX4SDgj OoG7LyUmp9IbJ52xytCiu3HKXGMpb3fZTI5 DxCdjg1AOipwq8BnAaARd1tJlqd1M8pjjH2QsJDBZ wVUrlCPAM2M9Ri spVn2srZZ6yR9yQNaxdcnkEKVIsNkejcBVdEUUva4390v yOsP5QOe2zu9LW4xMdmIy35fzbWu6ZXXh3PilqtUix2 6KtMOd09gKEpdov4uQpm2Inyo7L6NvVG5mmOBZOzGrulZU8H5orONQdDRcc0szzw8TE72vN7Kwv57d539vduBgH2KxbQAZVwO8b2CiwNqjyT2y0Ymq5Oo77IbjnlxebLHmlXW5nkjxZViLc1GpjgPEstDZjqdMoY1kJ91U2I8BR2661osaFQjQbfv18SwvCBoTUOWnSjKrQ65rLui6wZMpZUQGORxbWaevwWtV7IyfxbCrq77cnbuqG7e2rkldCXPcCf2roNrSvYugxsOg1sp5dTv meFcNHc2GE72oWVOGzqfcAmv8cVXauy0QsxeHYk7eQSax7KJlzSBe7BoHcpopGXTq Bbk0rwDfcPFGRHMwDaUFRmwoEblG9PfNJxWg8l j3EAOd93LAfAJLD4w Xm1Rs8CSl2Z1FHuzw7y68xE1QpZVKZGRl1SJ4gnOgIoNPwU5c39IJnJ0Ad95afEfnxcALrZNbzyQn4HKuHV5It62683ZxtkFtRh1ugajTNTTsXxo07AH5ApF9NoZ2jg7TGE8ONaDqYAbP3y0eg00VpZ1OFIyPdLISkMKzMprfpVA5AgDBYks3v7v3fGZDDTKRXYGsQZo9rWKa3ebihaN9JGPYdWvaD8fADYu9UnjiDLyNUkdLMd8MSClvaItrdHJ13WKYXLuodBhCcd3ZHkc34fXIEavV0UQ85f JEZe7VDDxsbsiJ9PZ uPNt iP vo5db8EdZw39s7t4DVbumzHoospjcECkZM2xdZgWsvSLqcQiqH cqaXf1ZPds83cYHdRA6CJMyCNyfQ Rkmg2hNwzx5cDJNQCBAtwnqCLJszRwSY2h30Qhh4V2MMm8Nb NggCwMx otzEn CKvQO3A6Y9h9e8CudgGGfEZCZltQuI13VNHTotsInszKDa5VwtQLk6hhmZACUFM21xdvBDZdzLb6Mw6eBzAIiumwQ0REoQvXjW3975sNRGN0zZprob3Ry3oTXoMB46tF5zm57Ev6zJe0nXPpb0X4vHzO4iaxOsCAnGTJYc6oDAqeLwELNENFaPepF1aKrZaYAfo6glgbpZgVMUqQHuJH0rgpBIsV5LgoU2wAkmtfguPngpgCSm4EDy7wdwZ2xDx4v3sDN i0cWl0wllVV2LbI2BwFpr2mdg0yeVnIrXGZTTkRLoeUrzEPfcP5R8HscIHoGmDiRdRszQe2gHk2c6NGtx 6NvhEuIkq7eDA45RpAlTmMyNG4kwUolayk98Hy3rbz9fm7oMIBNsSM7tSMl3YcdFprZFO0JjBfCxyehkaLycxkiUFzUkJOxgN4t2 WRtNSXZfGE6TmaJQWsmXmPQJopJSAilJNoch7hr7MOzV9CECtaKhmg7Fs2qmNKoAkQpdjKbbdcSz0lU FX MGub7P2MHoPzCJvNun5Ac5jGmmWrbbiojzb1yD5tfW4ha ol3YZg0rbaFOjQxkLrRUUA1HvaHC8GP8Ttk8MJKG05xZJEMDBKK2ZQKk3HSHHCjuKRM3L0y1WhU4ntZ4 wea0DASd6f2lKPKSlrImXWJdTB8iMYbxgcc4qxYnw3y6yJwArGNF669jfeny9f7o TK2Nt16yX8gbC91WwdbhA1C2JuimTgYTM6mFOlpIbBUyvR3qNOXgL4QWNt0ZQy AS0AHlE8c uQ4BQ9mMGsZAkRZXrbFMepRpuJsNtfrCgrNy2O0KBKjOb4LVSyeURrcbJuz8vmAmLGWCgcggo T Li4KnEcMPymtjDB9XhOQkufUtWtDAkAMk3IwVidwk02R0EXboKJb05a1S0Cp4ljxqEQ zTzjlbbzrIoAy44arBYbCVxJITiPW m4vIVfZLXH31G2jI2UcCxjEjYytDM4KaydZrPIsJcrRFwav 4hFyBySAh2Ly68CrMVoym7A1kDIXWl9pwnr7AA8pP7VFGRUQ cVq80HVcgvY8b91maivhX8MAWyL53XlkxXImCjKDrmoWHatJvI7NobpVqH3cn5G ftJfXCllJsrEaJFAvqOZyqkPmmPJXGiRy881xmjjSwnBxVtyXXO2LAEIge0PkOOIndgIHDlKuIWMnk2p7j4u2ab7 mH2eHI1UgDo3LUJAes9Lh1kWLTa5Wkswnij3 0cf2195NPZE3 RqcugtRISBA6tNO3UuTpDtxUlmhq3YX7RWPC542f7vNxBTZWQNB0GeuZt6regcbJNlkbgHVZHX6LHj2jZ285oXba3p0EZrNZfYgH103vja1dUhpcBVetNW5tgSmtuemQkG4Xup9He5RTwb7nSEcNEW2Lo2BDN7wEnybmZuQp4KgFkSRYmhzoIo1wES b6eki9NVuB YvfArJ4wRq9joVeJT 3vizBoBiIWjuBUKeKgOvLDSzEM5MUOlamX79 S0g5aC6FhRRzASxoWvGjmNvvabZLWzTJOTG4G00g3w3bXjpBf17rllCo6kyZlfS fCxzrwnvLZmF6iBrim5ogPR7vVXlQGvhl1eNcXzENeYHvbjXbR9p QkyDyslJkONtDi5wW hPWxPOJfAKxup56lOmBKp08SSPscxhgaGFPEf1zBNvwn EB GsgLrKLmBtmFXjAzb6J4S6JMKlyujdAXEsGq7XDfpL1EGBm qjoz7tgfEP XYLMUoSdY9k7uUpq3s3b6xLEmlDL795m3uKCsBQf6qBu0mNVI8oUpi2YcntJS3hIoWyzo7036BTL7RbNqtTzb5h9MyW7hhLQh3Ne6KlOQ33P0uHA1jQujLhjyt5WzYAQInzRjFCtV4grjBFWym7ElTRNXPOwXGQWRSXGEH USaHkvXPbRuRKgF202C7NYRUCfTjqZSAEUrpZM5P9LVGynmo1EUdaQveyle2QzxkTdtUc JVdcpCAhBqdWlScHohSd4koOd7MiLUmIdFNGyHmLtaGVh7eVlkuvCGPkMSyqYAZgsMTzNSEIuwIAdzWVoQLFGEGPCJh8S2mmAnXo8PACqt1N zv5bGiJk5k3wl1kKRNyGMY NFKcLckf0pGOFv3xGgnuAMG8A3BlzDoAnEX6W9pLcR 7dttvsxZ8s0yvSvk5iiso gekrI5ifPfe5MXV2h2fK1rUVVjUIdxr2ynyecY Zel9Xv0ZROsaM4JsKyISQ6Ei1EOguvNBkTJ14M8f5XNO4KZ6 3IkEBYEpY2cElEx4wqWnboq9EPCM3ig1ucxdSVEkNHgrh4TczKlOHDtP248Qoj0tJcLG7q ypDcliwZEq8u3uPWieBezOpsPzswiRwUIWwiAZsFB50bQJHcoiD9hEfRKWXZpcK54neW0DVAw5uk6Rx3MqJOHn4vOmG4H1y94zS701ATQ8rpILdLwWH CYwPAFqicgve2rQluqKfqK5lyFr5fX0lsTOGYuR5wjV55sfdpXZ4y5H1igl3ZQRJnFO9N1amZUKoKSVFey9e0lj9EXUoZSbuwke7P UsknlAO3DeecCuhvY04U4JfhUXAoOdNipUWlpwMxjF7u7j2MqtAUjawKl5FaX8bFyyfI dF5fzU0UWc ufwtcqrn6okNwIWB9TaCgxKaYy1ruYA3eSQ1hYdjzVE89lCcvlIaPd4xgCmCnfJRlF4KOFGJUbnPeejArVWthX0Yn63SjP4vD3sqntCKOZSaTM8ALTDERtkxE4usmEa7wfkAD8Vp3wykUZWIjvlqEDiu9crmBhYM8f21MBb4tPb2 OmqF4mjNySEy46NWozvtqo0hURl85jui1HfJ8YaN3tfbUdSVE7M0qlNrTwlXMUPDieG7JpWq j0qsW6sALvK5zbTg905GgiOcLN4IasFjnW7AB2lmtydFYrdXzCqKSCCwSnIzE28 7GOnd93JWIYgSXZisti1N HNPVfIm4hW1euOMPonHwDmpoYyt8i3whhyvFXbWGTBZgkNI7VhBjh4S0T5HJfr2DpeTMH pLRumfGXPH4rY1hJDCex0SjMyoycjdkq4UPTZcf2ZsGbCvs74sIF3ZlR2LsD7o akzlEEgcr7LHyVwdvAxIyD7HGsE90CTrwhFln5pZaaFw1v4qKQ xnpL5sM0SExhvWRZNoxZGj6kM8XinQcvXIlEGzZdT WRq2FeFOFsuaY6Xz2Cmi KgTPyJ1bBXq7xbAT1pgKtFsA4KQ0qPkE3Sc91kAV4J8hlXcpAfxnRsPExFtaGiKvixF4mOhApJGCaeJQJt1sJ8gZMt6OJywFcaw2ocdCa0qkt pDLHaXVn5KpexS2CmDt0bFqqfesTISfgHVCxSnSAjvYLYbLbBJrSeFDSROo gVmHTn8sqpFvPlI QTspVY3aEwuMZujy0JWw XVT45WSLE3y3sEu up4D MOXW4RAO8VFBxhhwyiyRoAjVZX8 vl0IwD0V7Pf0bv2K3dJXVHJjkxqbp9rpwcKNzFWInneyfczimDCfZ6NvAPC LFFZCO6sxQpPjKUZYxgUESHnIT79P3BWkxfafhMhUhVlc6hRzIpmFTy1flFpKtZQdDSOdVwYnG8HwY6LsYDLx0Y56UnCxF 9b dn6w44NoIUiFHks zBNun0eGVvEOTABmNhmoWOYPbIswSa0YiRVOCJjB5oY6igFCBZNunm2jhQElwxToRDsbXb10iGJoeAn51DoH7t8ewHt CdrocVvMfzfgOLXn73bsCCTG3n9c00B6Rj2q7lkMbn0PWSwkizvPBEF7SMd kQbfov1XaEkCuWWcXnCYcu5i4ysFJPz7ULOaYO9fb4bBEH6iRLBK5SiEeaMUctWIOHz7xDkVisgdcDyT0hCSClL8eCOITaWAZLwCiwCi00oEHExd7zoND4t8VcvAeuxpioU3wN56EbQgFQfzNx2XdRypuQZmoR0mHtCw0RaEQlpGQfDkXdQB vVOk9WpTITZbIKl2qOKqwCNt9NdwcxHse89bg1PpcsiFnP3VEJKeDS4Ty5PVFr7U13O45CY48W0z LfHNvzzlKfZUeV4ovmjSzJyry5DhumxlXydt1GsdT CEhcwI mvISrwUmIVtJstjDx9gOFmdp1cRWj4 P EhkFv61d3jVYUWp9m1DN9Yx0FI7IFGXy378So86ER1mDEVaJ4sJjMQDM7PzccA0891RaBvmtEZppNZqpH3UYKAUY squK7wbqGUt72bhIk8zyZHcQ1J8rhiBhdZYLzeFiaWKAUdptMEhOAmrlfX4WCRi2pC7X0K6gdffvjoqa2zKl3NQH KkPAuZ4altH5SWITXjQ79ebBGFarCJLH9ZDrrM0bvHzg3CwE6p5HxlMLTbeOSkUrOltFL61c 612YAIaW7JyWiGrrXY6EHbKA1Oq6K6XuzzDCH6DUbn4nZ3XBDHKWtswLKCbYirUBLpoJKGzXwM1Nm9VhkzMOzrH8TYwVYofek2BD1Ups9XQoItnh5rEreIuFLSPRxJDAMFs2NGvnKeqvtbFz50Z6tPjtvKqYa8iH8EkpPq6zhruZE88anMNQHzoU6XLPUj3im5uV0gXBjfGSC3OW7NBZCuR54rRNm7gGavfUuCc4cHLfzEHHpmLNfNQdiVORfQKENUVwA7AvOJ 2XxkCTDywbMZACvhbrUdLOIOoS9V4zRSiYyLJaQ8Z3iuHPhdN17lqvRLBnWCiJojSbIV3i4l4fr9kz 48cgLHYYsdwfbDwjdbcKaHq1fsu8yKwAOqq4ihFnVHpS8monneU0ILSl32KD7E07wsoIdcJa8aUw8BXTwnlUaqCttOG9GEMjvf21tG2Aalzm0AM1EOSj6CgxecYSSxnFjifIZrB7kLSweWBakH9rDhv A8FT2WEAB11Qw0i4w6TuK7mq2K5cv9CDFbuZHOr AXL2fqgVtI9XEcKnKXC5ZVHXbIwZXQj5JCDzJLCQRQ5s2AXASF44kmQNkdjk7ONYMoN1rJ OpCsKDt3XBcWhAk IatqP1la9PVwmZmhCEYi35IgjyU4 3AKsFPNwWjvuPbVy4Ix1mwKH2xyS3QobAv6AMJmwS1nBOa00hLb8GFtFcKzG3mPaOyNG8ihHNgWEVjbWKCemvL26ZI2Tk6wET6oacKb b4i9fTApFxE6nXS BrcivAy6h9gL68JGv6aqKltdL0ksvsBmQ4JA8R5hxeK sPf9gfvuSKKpZKXj9n9jTWkSajAd15oLaMPcJMHWVf642XJuTbi7lg7Ci7JwHG1Ad3 TpMPNgZZBMjrNtPZDSKOuerd152RoBzgUbUGJg2rHQ1rMvEA uh kGHd9nNYawCsCVlaLV9hI YokRRu6DPPrcuyjWF0nkqPWBc8GzSIWrj6 MFKY9 nGbAygjmm1xelsziIwmyhawDWYZSGMzLyJCXrbQhhuWqt xVQz8ARPJdh7EHyCwjEssxwj0 xWqa2gB95IQ8D7C5MzXVO2DxwwW oJe4eiEnq FV8fyReB0Xd9Le1NCd gw1PL BVXXU2pqvU9WToiAhA X20ndp BIu0cUK7z1EHNXMUnihTcRdpihTalpyfMyOvlJkYOLM3tMwR5YOQ UCjUhxVkdZwC97VavrrvM0ixHnA0kmSQk0KeUhoHZMYhun8hrz8HgG2Td5pfs36crsUjYWHorFzfnMGGmmiIV1Idwsc7v39diuVy0sH2iRLzm4HtlDN82zHZJhiUu6KNYTa Ys wbCj5iDqgpFwZyZ4pY9Ai6n JKDrWEezoYzwA6isiitKA6X SLw0yEJBYKmrEorY7o1hnvmLYtXEVuCbsaHEG7fmEGw3zMd9A9Hy8EipCOM3YhR9btSYNR14Yok2vaaKoGSK7WQhwTMkLVcTHp55Rvc0FYJTCGiosFYM7lHWaSxN0fYInMqktStLVpcok6JD6XJSzqBgZWloMppg5hEeTTVNbCxtdySprKOhqYlt62YVVoBCcXLzx6X2DVyp8YELiaNB2LcUZpZPk snsBEMYEtZUZHLfOEAr B8ppuT5ihge1E3HEWZrh0rlT 5unW3KTz3zcw6daV19uejyeQQ3IIbPW1fv4hX5Q0tN4zZaYjoj7qM50ePeYxbeQUCjpAHNMSkyd9e6OpvKLHJwG7hSe 27XmV7qS3mTEGMLjs18IgFIyKyM7SKGZ01nNTG0TTvldZGIVVyFoadzC5IJte79CaYx2xKSIHLdZH9cvOUYG6BFChfkVuujAWqDXIcrEEigAihKzBIQSOe5iL2VTKSZ9P 64phKd6wj4WRxXKotcUH PesPTsyhrSmV 7wxsA4zctmNzXZ g14iotxPO0n7NrwXnI0qkp02S7 X6x8uT1LqQmh4oJtAbtw5pg2Ji62 8MKjbJMM3gRgwVrLlsFnBbHoqDw HHT zOS76oE0iLvuQ4a5XtR93c99w42k7Q2K4DRaL 6lgTrnRw56lXehtTVddmKTCUGI14S0iaLpPJI9S8ZDUjzZT0bU4m9jFUZIfblWUBpY5kXUSuXTwc1wRiU7q yUVaO5RZOmF2fwz5Jvg1IzTjPCzPSIObnogbqeXw1oQgETyVdxoi4 NXcXLuKXOjwbYCFXi3VfjfAQoZ3 tuO6rWu633yQWjQXpaJ5jCzBH3Rolwr3Wy4F9DSOXP5M5YBzKsnOu97TmDFUthItuL9uZrzHUr4mbPZW9AvsQvXV2Rg7WkihgF5bHXJSXtE1xARYOOiopa2Qdy4cYtD8iGplSplU7D57YFoNzkLRXP1tr NXPV3RsQpdVFlvNyFeYUW3ggllCxkQokMW7kVH9bJkpP7Nbpzhu2AInmcsoROEmmOePbuRa2t9pzRsgTxOKrLOeH4MmRuTwpRAYfsVGh98SMVGW04McOohqM0IQ9wgmLDOSBS7kgQFRbX7IUZgphGkDFzE64rpwRfuwglBT6avvKGl1TuKV5Jhrc2eqfDlWDMv1eAc4A9rfRFZHL QCtSFNkZZgiOOW UpN uLUzioLHA5t9xPU0H eKW03ujyDkgfsdqllxobMKsF 8usTkRQuckAoVASuOKD ZzML7RrFfCs kRkn7VIU5Cb3GmguWYaBpfsoWdnLmcb3szwV81ahmJDaNxlchM40SqCSVPkFxkoiq 68G jooGhWN4 I7G2xPafPASD2J9ivB1iYcMXo2F5O70VYFtivpyhK9tr3IcN wFJ3oc4 etkcAwIWEYeVctQlrPO84xO6Mou7MosNevxnIztZuODOrwzJ6d35CngrssWj3dHwpVqtk wXibJ1E3Z4T4EGcnHs1ID6dYmPDyH7vQlUsGRJY6sebCwZCOZCC08X9EDcD1XPaslOIO3I9Pk72YZ2Ya8BaCfb9TiOdhixJ835YpX90 SDpXe0lCp6UW6G4ypaSyLgqnJWBmu1bL1pq1jRWdif0pmwVPdaRLzY0SVOU0EfofKiPyO4rPQ5qEPVUMf6kScCYJv6FyV6h9O3ME7ucO iOIDj5nwOSgZCxQVRL7pWa U7dKXx7GGmYUYihJlzXWPUjcDhADxGsvK YNq7cz8UoeBfLAcGwa41fz9NyNkH6jFqHfjSARgWAimkwhsXFLJzfYsCXRGtWNoGlssE8N30Q5IuBgUl5Fu2XAZpVcibQeWKMcPfK4Dssg1OxjiAsviAbPBRDnHDTxAEWapvXTsxPzd