Người chiến thắng máy trong bộ môn cờ vây, nhưng vẫn phải nhờ sự trợ giúp của máy tính

Người chiến thắng máy trong bộ môn cờ vây, nhưng vẫn phải nhờ sự trợ giúp của máy tính

Kim  Thể Thao Văn Hóa | 22/02/2023 03:15 PM

thích

“Điều này cho thấy chúng ta đã quá vội vàng đánh giá rằng máy móc sở hữu một trí thông minh siêu phàm”, giáo sư khoa học máy tính Stuart Russell nói.

Người chiến thắng máy trong bộ môn cờ vây, nhưng vẫn phải nhờ sự trợ giúp của máy tính

Hồi năm 2016, khi một hệ thống trí tuệ nhân tạo (AI) chiến thắng con người trong trò cờ vây, ngành công nghệ đã đề cao thành tựu này như một dấu mốc sáng chói trong quá trình phát triển các hệ thống tự hành.

Mới đây, một kỳ thủ bằng xương bằng thịt đã đả bại hệ thống AI đứng đầu bảng xếp hạng, ở thời điểm tưởng như trí tuệ nhân tạo đã vượt mặt con người trong hầu hết các lĩnh vực. Tuy nhiên mọi việc không đơn giản vậy.

Người chiến thắng máy trong bộ môn cờ vây, nhưng vẫn phải nhờ sự trợ giúp của máy tính - Ảnh 1.

Cờ vây, bộ môn thể thao trí tuệ được người Trung Quốc phát minh ra vào hơn 2.500 năm trước, và được cho là bộ môn board game lâu đời nhất lịch sử - Ảnh: Internet.

Kellin Pelrine, một kỳ thủ người Mỹ chưa đạt hạng nghiệp dư đã có thể đả bại AI trong trò chơi ngàn năm tuổi. Pelrine đã lợi dụng mỗi lỗ hổng trong cách tính toán của AI khi chơi cờ, một lỗ hổng được phát hiện ra bởi … một cỗ máy tính khác. Trong 15 ván cờ, kỳ thủ người Mỹ đã thắng tổng cộng 14 ván mà không cần máy tính can thiệp trực tiếp.

Chúng tôi đã lợi dụng sơ hở của máy dễ dàng tới mức đáng ngạc nhiên”, Adam Gleave, giám đốc điều hành của FAR AI, công ty nghiên cứu đã thiết kế chương trình lợi dụng lỗ hổng, cho hay. Phần mềm đã chơi 1 triệu ván cờ với KataGo - một trong những hệ thống chơi cờ vây hay nhất - để tìm điểm mù giúp người chơi thắng được máy móc.

Theo lời kỳ thủ Pelrine, lỗ hổng “không hoàn toàn tầm thường, nhưng cũng không hẳn là quá khó”, và một kỳ thủ ở trình độ trung bình đã có thể tận dụng sai lầm của máy tính để chiếm thế thượng phong. Cũng bằng phương pháp này, Pelrine đã đánh bại một hệ thống chơi cờ vây khác có tên Leela Zero.

Bằng sự trợ giúp của máy tính, cuối cùng con người đã thắng lại được AI trong trò cờ vây - bộ môn thường được coi là board game phức tạp nhất con người từng phát minh ra.

Lại nói về thành công của AI trước con người từ 7 năm về trước. AlphaGo, hệ thống đánh cờ vây chế tạo bởi DeepMind - công ty con của Google - đã đánh bại Lee Sedol với tỷ số 4-1 trong trận đấu hồi năm 2016. Ba năm sau sự kiện này, nhà vô địch cờ vây thế giới chính thức giải nghệ, và nêu sự xuất hiện của AI như một phần lý do khiến anh làm vậy. Hệ thống AlphaGo không được DeepMind phát hành, tuy nhiên hệ thống chơi cờ đã so tài với kỳ thủ Pelrine được cho là có trình độ ngang ngửa.

Người chiến thắng máy trong bộ môn cờ vây, nhưng vẫn phải nhờ sự trợ giúp của máy tính - Ảnh 2.

Kiện tướng Lee Sedol bại trận dưới tay AlphaGo - hệ thống đánh cờ sử dụng trí tuệ nhân tạo - Ảnh: Internet.

Trong một ván cờ vây, hai kỳ thủ lần lượt đặt những quân cờ màu trắng và màu đen trên một bàn có diện tích 19x19, tìm cách “vây” lấy số cờ của đối phương và chiếm nhiều diện tích bàn nhất có thể. Số lượng nước đi nhiều tới mức máy tính sẽ không thể (hoặc ít nhất là chưa) tính toán được tất cả những nước đi khả thi.

Cụ thể, Pelrine sử dụng chiến thuật đánh lạc hướng: một mặt, anh xếp các quân cờ tạo thành một vòng vây lấy các quân của máy; mặt khác anh đặt một nhóm nhỏ các quân cờ ở các góc bàn. Hệ thống AI đã không thể nhận ra việc mình sắp thua, ngay cả khi vòng vây của Pelrine gần hoàn thiện. “Nếu đấu vi người, thì cách chơi này quá lộ liễu”, kỳ thủ người Mỹ nói thêm.

Theo lời giáo sư khoa học máy tính Stuart Russell, điểm yếu của hệ thống chơi cờ vây đồng thời cho thấy lỗ hổng trong phần lớn các hệ thống deep learning (học sâu) tiên tiến, vốn là cơ sở của đa số các phần mềm trí tuệ nhân tạo hiện nay. Hệ thống chỉ có thể hiểu được những tình huống nhất định, vốn nằm trong cơ sở dữ liệu dùng để huấn luyện nó, chứ không thể khái quát hóa thông tin như cách con người suy nghĩ.

Điều này cho thấy chúng ta đã quá vội vàng đánh giá máy móc sở hữu một trí thông minh siêu phàm”, giáo sư Russell nói.

Theo các nhà nghiên cứu AI, thì lỗ hổng xuất hiện là do máy móc thiếu thông tin. Rất có thể chiến thuật được Pelrine áp dụng không đại chúng, và hệ thống AI chưa từng được huấn luyện trường hợp này.

Theo Finalcial Times


    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.

    NimsYCxJ7WeKcs ZWk4fIyDp7C7V MBKWmEuULH51gikDu4mX4U25eze67pSURqf8SlliVnDG6MyinbhX1iP3H1gV30OYTuLLF0DBkk31k9HWyiXvPKfOJuMp5Tpy3tan0YE1iuyHYcJPL90IX2PK19MzIU6CU4J3ZNZpYCnBb5YRtkhOUZan9ZDSwxw5qWo65p1BBy8C4odPk7cx zgoGtRuvxgyiZXc6bSK7uJ0Dz59zON5te7sgNdstmFPzi7e kgEP IyWGHUqqSFkMq aaLKHOnzQ7aUEh6UejujHJIbG8CgapfWy5eCUV5QgnhKWe8gwHv1n4Vuxjjurrcw1JsQCM2R2dKXGI1C5sMAKPEFMgIkSsIXAVFmIbQTsIXK5nvsGPiKw4lGRq1gBWZ0DPQyJDjRwKK3l1pZHX2o2RXBUhDqnxdTmUo1i kr2BoIzQX y7c4jKwWDNfVZa4Up3Ds2YRoq E2bAodWJqDwSHADQO38C18Iu3u2CgOQBdpfJO37p78POd7iMWsvpk GqO8OXr6jqeZaKKsY3NNvWg67J92EKXEGqzlscLe1QaG1jXeqhD3WG5ixWfHLTTHChVJN1LlnNDioLoQBIqUt Ik7tfvcpSDuBcOHln6uafAMv8noLE2Ej7I10SpH61H6KobS4WWk9uZadZDtblge5cgCKIhlCuVQpgPZCx 5jwKh85cOsjj8IHHGZQCFSeo6QUaV3IE8yozxDX6FXyieP 2 2YyUd7h8af3kvX84SyTJRdoFe1oZiGsKpGuZ3NqXCpRJyKSf41Rq6omWq4wWyw9MbbMznYp9BkRxrZwt2RqBxngo6 mMLQW79n1a4RyHQ dJE5DZHiDENJMD1LiWpvOa5ITksWikiU7MY301R5sWJ3EId73HkUWLNV8usx5OgkK9SsG0zto4bvnT7ThsfHiyJPPn27YR40KW84cvsjnjO I0LURGv3rz7zVSWwk32bZ3YGBdq8Wp ADduO5PMZHrIyemhYmJOdJr1EAV6B9xpl62w4YcQRcoEfokpIPca5uel51Rdzi11YxdFzDUvhHOrbhi2VmNC11Gvf0epsEBME8ltXYo1r9Fwpg3tarRZIA5deOEikFh7xT3J3AZ3uvoPROnOhV1NaSj2I02T8nDaUxpdrjLMB87TUIbGJhTlQYuH9cqybxndWNZaYixQhmVDyxAMdIAa gb0oN8yanqye4q12ZIJmKDDYYIdIVeR5aZ9rl7cShKvAO0Le1PK4qc6U YJU7hJkAXtmYcMrnQtcVW07kaF1twXZFG2fO6I2LOr2yB3BHJrx9KUsTxKIg0jXUqlvrotQlkb4T4nHsFw9Lz3l8OiC3rkBMUPZO0DbArb T67hxoHHTz5X9R3QAtCXPT61kBx rxMtjeA9c0pb7irTPNzUbGZILQniV0RCMX9xjR eAfGWMAI19n 3Q3a29J0thD29msU 0W4YAO2AUK4gD6aJhrY2MkKoMiItgH23BToBIpKnpBOP1Sz1dY8mHEsfrQygfBfOASgRQj5v Hj14zGg OZkkVJkgzR289s7ww9l6jhcuaSH9IY5gWU8VYzdzjDaMdrirGXK1PAH2Lrf78tPy8dKNM6y0VP0zNhBJPlgPrwexBqjloTOB1gegNBflRZpFCUK pp3TQgw9f121zRcOZGy67tC N6vysQ0PvG87QbHprVaXntuqH pQr e M0id4gs0rlUQWwa18HMBkGs9WCdsRQ67dre6sJCD kXotRg9TmzFesiOV4 KyeBFWwenROaXMBkM5prN pviHnBXWyaHSwwncfU21km0L 8wm6BLyCTrZ YlIhCDOatJYBNSkEgIm7m7l6MAEtgpZlzipNtaMNOc5I0FNhbUqwJH2j3eR5ecbrBVC7hJDVB13OHZuzOTL6kH0q6WRClE0zQ9t00vZ3VLMUgOR982dnl79rV0g0 rUw172asJIUxMiuS RAq1nivhK EbQ08KtTrSdkEOhKUxbEht0yNGq8dmH7OcBnClH1Hd260YnTlgPpnMIg7LKzxEioSmjpvSrGF0vIbU6k48vklWXafuRQP2o9XDAUYoD6 BdYLl8kkGWfw3oHh1704BNfxPq4gBaBBKCkpx6tqzQjEl9nUorRbaDQEhuynrC1CbnGp J8JvZbDoQgPLlBVDUUevsw9e3maPsLiptQOXtgUfDL 8lKmuDBdyi5kWhp2kqdgPuJGKloWTjPIEXOu5VylYdrSTe1rZbnBwSZgSm94b5Npc9sJkd7cWbj6s48ac4Irr6OzF1ygesBmKl5UZ6InROJ92XSpNpGQlP FH8ie Ib7D2YNksImJ6hFYmMeGsy7s3YDMiqDBj3466M7qgrM y1hhCHREXu6luMfYvO6UehwWU5aJPppaNfTArg8xUjqwCIbzTM mBSZoAJ9xqTcJqN8cEYf5L3ze9ETwvcCBs5jLrQFcHGbsAIxCOWvGmhrjeQntA7jHlB2vvgMPuRts3rDUBN2HN0pxzWnFFoDLDPDMMJOZm s8IK7bX39TqsMmUKXQ3bSM1j3ozuVETLBfN61I0kRAVx45Cm4w4f2kOmCfkxVWnYzdxoPHCReFS04JNLarXcYHR5l5SIAawhfLHDTcdeWFuTR0svWS8aHHXyWmWwZ2ecUuleScuH xniBiD5HYvul1WY8EUyoLYm7cqhE8yM1LfOun wteuavEAFy8tkPMyvQsxirpcZSoPbpWmfXm0 s0bvGVAzK7QNRLJM3R4Blh Ow0vWl0W7mmcX8B8zfaEq5uTZyV03Ou63VNtW1HxwezeHsCcqvZhoFa KMJRXfijEUONUdjjO8xUqphbZY3NtoKrqhVsvVaFYzCC67fJ3OlAcUdTOi HfylODCxuFOMbpS3po0CkCyMWSJJoiEREyVA4DtjOgjTsyfU1pqjUV8FO2OAcVJ3qUjFMnZ3RTKRKozpJaAEY3eLREes1LsOQ1ocHQ0YJnc0VGmtxT6B gBldmOlqFm0lSr7Rg97IzU5zlMuLZcZ2DTLTVz5DBlKi6SIPeDwUQD88917CueZBjeMyNKuiOnho14MNEc9SrVU5y2b9uTymYpkumo8Wk4R7UhY8kPdj Sj5qAgyp2y9ShmIbeiMrDS9rhcL78kuvD3BXnj5gWT1tmHfJfVrMJaiPWYZYZQ6sCrSBvwFG7j8NFfraQ eVNG9kSp55FVfk6i8rc2959sdBk 97CHi QnrB0n01xmwcDma6Q3OrQ1X4AAHj7 5DH03PDs5sB6VBEn3G6xbeSFgT WiszAdOBBO0NvzlSRIHcFxwxJHF2SunZfloIFcoPYDKL1hliFx8ilHfAgehaLBwrQ WA7nB7kt2BDdoI9cCfhdJ90cqwehV2kN lbmGqOF4Y5Z7YeV7CUxbyOUMJ0MrgXfsq56W5Q5MlKkJMBFqd5pJWv xovalviGwu0H51xlySM1qJdXgtV3tg4DEGS40xHZqr2hOo7qJYpmC0YENu2YUvQkhtOF9Ax8tR2l76O6zetPb3svd8nZwvOLS7PWzSOxfBjzJxfnXjJRDr3QaVp2OJvMhQu4gxUxyqAU176dnUZPJJbBqorFW0DiFwsMDvTSh7QhADDyDqY202m6mEigtzhpFz5IkPcM3T23wSERHzlQpw8jHuuuoQLZih2N1bf7zS8 AxFWB3iX0ndliUeHI7j0v6IwTRg3qkHLnwwoIkbTTSoOpVmrLkp SweT fKdLl9fdeIBkWBxDaPINeJVxcKEWm8k3lLiT4M3ebWqApiYpECcrlOrxG03sRikmE2741pK52u40r JTuNGac7vWUQGXgeYWzD0ICkDlMcpiVNIeavsh7HnGStQnskptCZHeIymndHSMshLgH2V3AsfP1E496qc9abneWpdsX6iiOT6axPc06d576Lw2EZl22OoHdm6TR5Au7uldk2v2lJfAad5G0Okwv1NM0jQ1ZfYt9NAjPv3rpvDRXQd8REetH91Cbx8hOmogNtxQBHeftgfN8RofQ2CagVZ6cypGh7VTFhYtW5KgWIzB9lBBanNPaMicDNygXBj4I9SNtGBqOlrsnEQkKhvTh OTVtfHkugbOaM7sAbp1grQQOpTC QA16ymcrXniM8sWjJyS24l3K0GSGJWMcv3x1 LiNZrVdgF0EoJ2ejzMm1i03XIzaDN4k2qZZpdPoJCpy7hOJ rMHIrMAsJrYq3NpnlQVciy8ZQQk0KSFRKk9XD7Sh5G9kIeRz9F5uwFaIEL2fd0Yi0KYVoND5ufBU00IZHISKAGfuO0Y9C796GlH0kys3H941LQPJ7TL3VTYDqNxtCF1u1CcORkgbKP9r1SXMKw1kwbDmzRbRpu9gNjoLdZ6nptALzLT7wUCi5P8YSyREnbdWjV9dz18PifCXkLup2DCRQPd20J45KZy p6RnfnW2oQ7JeRSCqIH2CbwKGYd6c6oZy7epXWsC6BjRIU3Q4AeoDhjwWhpxTsAPl tj8zEgz4gu6zHuMFqavsH925N7MExmf zIaZAAzArM QaQgnPzfqqf9HPWSzX9wjRBH6QPD2pcmQFV2pmeUKqhurAu2AkTSj6lwm1rjhvvNLTxKNSwgAbCQ8w xbm34B5TluqVFmeWWCweyKylaS70q7zFYvDzM0HUmLNTmmvQs3UHBqsfrMVEkDgL7jnghR3uCiadqBe0dR83aN6u3XkijPCKdpDqTDStUplwrZNJOs59rhyH4tKevIgkZpL9NSwrWCrNH1FAm 9HX80Vb e0A7eOT83D4BlvO7xsCXvClTJlTwCVOEOPBBX4RkwKPJViqOtw4UCS2rywjEvVc3Sqprh3Sz6trf1NnRqTro wMy0s4C1g39NdmHaMoTnqlaAlUukMduQtFhrkA9GqFqB8TSxhrxXgBr vHkxfcxNXn7dDwZCzVE9iwCUXwfzrTLycjbWEjGWdd5Tu34j7jwnkm6lZXOXkaz9DNTJjAX5E 7RfjUTtiP4XV9ciFkW1la5QOiUg j2 l0rK2X8ZssOIMVjNhm4KDTTyBMhMGYSWplpxMGb3cPfzxC7ILZyB6mwtrsv5CpRdBV5xq9DhE0MqrDlO9EJw8aA21Vc 8m 82iY7SPxxloV9rTVbigX4DXMfiwm5aA2W ti4cYmcZVzbuqJBkkNY3PyTNAEEZ2JcedqVs1r0KlH7qspe9vy WqHdHwZXRQ59HNONr8PfYQq QQM TH8GUZtEps1mhBjcaAef VezF275WHLw3KvVAZQp1uCIHGW53LjHM8NkBdSxWiHBWJJqrH jT176JWIZzOxqYZEj7nQMIiDaKuPE YNPv1bDxwrAcoQsgRVWOu311OYzVChlP3UK9w1uYV22wteKqYUWjtAg3Q7Qd55tlCx7ogl5Yqh5nofZ4u7LbsbC5 PRDVe1gRSPG9OjdYUmVCqJHStfITone6j5sm181H6P8p9VkvRlFTu8UzNoasZg43ndJ6I175N2fkbDi2iV6VHQ2hNFFH2gzStlj4 XgqyJIhzCAxRugryNInN0oRjVQyBfbMO8Rl2JVhcSo7Ya1p1MOqdBL8upaweuBNwwIfYwYCn0WPq NF4dXQ9Qrz6Cf5Xyj9ySWqK4xVrrjUq6e3tTDC1B1ScBh FAFgQ4GQjQoCnvShTIsB9dEEdImT99BdjPjQjAEa8rMDTYKTvTWdPLdkQRbojGqsIsSYcsUQcIdjJdy2EgUmB4MnUkdZern0SmjNAgaicMG2LgucfXajVnjQEaGQzHJtGJ1XI7SzTCy86w0a3v57QHx0Wv0wLOdR4fi9rotM9pIqTdFSO7mhb9Hfj2b OB7zMNs0PEK4Sw OzwShZJRGMJh4eD9wcCRnSu7IoshRlGrDwY4RZsTxZsgA1KfepWSUI1y7EqfxBvWq5aJltkJ7mLxoS2QD01T 8NndT05qdJhj1TSjYOEeLqqcVPYgggGIX0fTBHdSmhaXrHX9y0NmYvlvpGfNbzl019incx7V34G2Y61OIVeNK8dVEL8u YcuUURXFMYlZV5npn3H5OZW7vjvmfCwhbVkRGbLmEU8uM25vfNry6f6o6qRz0hrEOim30lRYlEGHLfIOhSG8lTX3ifglJ0s97cCuY DewdvqdxZk6W2fvc5nCz8l2DoMRbwjiI1P8nwUP2MSzGsuv2f6UMJEINZIv3cdcjaitr2oWL3e52PVYqw9W62TzuCGgXh67xzxAXC4YT8Ys8ih6GCZy Zf9YVM3AoUec8kkJCn9h8f4r010ixmvfr3WPiJ4ICvIs8loKMhNqnXkh6Bcg xuTiOgZl0AvvvwaGqThPvHb88UQNF08avPSN03NdfPpYvn5gXNiY7WsntbM4eVuNvq5vC2sdgczH0lLxgFrqbeUN0uNww0VpXWECrmkAG4zNv4tKIrNdkyy6XDqNQUGRxUH tHGCefifJR0VvpCsu4jAwJmePJZaVb3dR4SioGG5and7qoFMoOvLHz59izJeKslFBowoHMabiddB4vzaVD6b4JUDwsRXo3DjHLlevHJLkoRJk ldMXbSA4lBHTq 9TqWT3Ubw1SWx7hN6qMIlv88KXaKo6j8jSpduTCZUpxx9L0JvB9btZQp T87FsC9LCAlU4S7y3ochK2PmpHCcJRD VcEmI9Kf6mRAUtkY4bhy4QWt8HiVUR9qdKhTyzRxgdIHpDzs5WR47doog4ge1d6xzBfgRs66YdYd0Y wp79QJMexLQIFi31oPnkJw1ZEF5ZFs6Fd1OFmn4oUSeLZIdUd2bpCTguWyqNauts7 TajI6Ox5GDGgOTAWmDMp357W3dV885XM86FOo4wOOdKcJ83Zi83z0D17j3j6gk2GKJbgQ1o12MqxMx1kojaUNRAbVNlamZ3A01vmcPBkvKqXSFMyUsBhZgz4xVnwt4d0pSEHzMB7HmtqyGG2Uiv0Zy5WfnZ3xUTHXlNAOEQELtQ i5c8E6 r7WGteyNJJEFhGzSOlG7SNdyWlD7qOCADRzM7chkxXZfviG2BqsLRqf6biwCXj23AKAX9WMFpL1RGvH4goSFIv0naD9t uHzGpaUJKgKxyc1TV74npNHluF7Eqhb0KBkNCafDRT8EoRkzzAfckpbsrzMDCzRo7GWQ79GTetZPbSgtRRHQPsm1AlPTEqiP7NNM6goMpcB00OVc62irTpCKwLDwL0dc63FqIQcx10hXqMaGXo06dyiBndoYmGXTnJfwZipG3FUFe97ZvnTyCMYUH2XxEQR4iMJ9s8usGLS5tTqg4 LdUI7RaE9tFuixYUQcjjC5IQCsHPUrzqSadzfJV3dHJk0FGGp h0sOzvRziqpFrLxiyJeraPpqqWKqRd7sFSROspvZcFDhyA5o8SSo2311Ef2zJjJXBT437dZ7ZKS2Tcvwe8D63b zK8YlhQZcqUZVRrzf650WQMEyRA3IyCDBjjdxGEBU5xfiMFHwiLfRAnp1WbhqsjLUFNejfzvIzUAzns38wTcp7l7Rxm2WigoHdXydz5ZZQxtyXAPYcM5m6Dd2P5QTsX4aUJhHvKNWyRn4CFVIkDRTG7GWDqU1ASB4gUBAiIaTZ9NMxcbdg5KLLtrMg8Zy8SQ81fLQhu19rZIBfmwljYI7IC5Rh85YmqoK4PzCa2pO7iXXJvWDxrITOQ0QF70GlA3MnXN1MCUfO1gxZEXLWhpO2HBrVq42Rere LyqAWzUUUdnTzixkO0aU2Hsq17J6OO3IAaWgQ7GS0thBQbCWpTKl8iCLy kBPiNMwkbo2UVDH6lQc2 NXMCmswaJaKnpGmHpi6rXRDsTerFxJilYx3aWN7xKJFhkrTMInsD8476ZmamFk1QtTtCH4fFNWfwqW3sMh4m9 PiKDFhQfeOyVdlDugw8AT2ad66dB2HC2mSi9JUOJNZ0Vi 1NMIAfLhsXKKjhsdTKoKl7qN4vd3z8EzwUBh2LUV6Q5zQELVGiotYWEzA2aKMQqlySolS xgOM1J9x0l8Kkt KHvid65S6ZFKJjpHyjva7PEdJxuMoSwvSApOHIUkdHPjA5OfYJokVbcqOP6qa7t1V6tC5tD79JZxXJOr2LR8hoNPueqZ3Jm2pxORgsiYPQQHTYSefRofiNnPljLQcteHYkQ6L0F7q05mJlUiC72x jVaZFQLKyywBiuZjPdcXzWb6B kk7ZsDlT2EMTBoe1iwdwLC3Nd5yFzC2NVXmx1PkN22Uni7yWoXjoI1D0dBYmAtq2RmcEfT4HeLr3WGAOicfKEmo0J2XmIsgpnya0vBWeMlJYFPZYHfesQ3n0Aa1hdFncnLJUpeUtsgiTQJOB sVagKcVCuJiEX6ejzKKGyGIGtDiiVyzlSZRBEQYDykdKIK7eTgD Ijzie 83DoJxrjvWVaLAegnaW4CHOCtZrCEXafLfeb2k8LxGDZYpGzYcKXb6 UaTA8wgoO3VlgdqCykbzRcCT4 ALma1EZp7LIOK9aQVXpN8ZZrv679u3GPZum1YuT4ejvVFevxvKJnbUDdshNwSSRJ47lOiQxFys93Ka2m1P8Hf4h3SNJN3yGWYfypr reME8pmvvfodVwyaHABvQ8gEFH4IB1PlmE0ZnSZh1s33qc1ADKaPE8gzDaOOFYQyNLzkprAaOK9b UqZIodB7gIWMzMYDvRv3YMOS W0hG4qA6xdBOS9H8hg4OEDo3vJRH NxYF33h44qs2fZ2BBKAJyURhDU j9YUw6y0VovvqLkJd4N2Oc4oFxwG 4ScMuv1rksnu3NmXbAdghVn4IUUrNtfP4Og mLV 4G7wfUZhGsyIkzBQzQR9 tr7zDn3xSHOuweu1omLjevj5DK3koBTUdpCWuWV9CpFNoi2xMpYxEnLPeRK649rd6JNuOYmxRyD3qQ4nkupoLJErRj8MP2lWiZZneQHQHYPeXWpDr66Uxe3iNc3QJqhZRlqFkak 6kUgMJGaZef6pDNo3qAM4ewlG zA8EaOWkFOJBMaSXpHKeia1FT8FG9DnrzxcWOGXiNlz7quzdLSDUJMHgJqlZpFRwfOHMhxBcoVu3D9OvK6qotUDxhAo0t8rWswjPtpQsz1 VG2 z4VHIjXoTw6CQCaIScTFRvM4P5Y51u bM4qfKZMqpPWhLPNzOf3mziZqe93j36sgLFWtSElQzS5xjV6H56KFZT5QNTjENosYC8rDrzU7thiJyT2sDqfMsY4ike5CCboVqKfgooItWrEbt1mbVLFWEsx4n0Pf9GaStxObIYaXIqIcG2djZwAMGPAdwVEV7Oh1gbynOhS8Z0v668Tp6T9P1SrPuzS5Ab7a0cheYfZ7JUQm417VdKY9WTZciy9bQWnJKS0I6osjB 68Wzx08uKAoYhmH1Voq0ov1DInR0XIgJAzpnjzTPsaJmYEH2ZvoiMElaCz80DFhoAZ5 gah IhXT0haq1eCjJz5b5rEMpp7qE6oMaUwHVjEVAhTQVeEaIozFZVkdDdoQFqZHyUeHpIcovHCIJHhNTGd82nsCLLPweLm5zBheJhQWpoa5OnCVPtjqkPNY8L1M uXH8 aqbHRY2RXCUTVoF0x0VIH4rUCUqjoAUW ypagGMD XpKzORFPOPITMhxrwHPke7uXf0AfW5E3GyOxOuEo39lgzoMi6VWjiMrIywN7b9Q84phN7qqL Lxbgql8XlCDdci29Go9NraFO9unCsB7J1e4QxlOAmjgCK87lkVrovKmvL1wBGo9XIpdCHUhNM0s87ILnVliBUXKJFQtXbKb82m7eDrkKGpsxtwVY8Q3pDLwmE6fr7dhL1sGJfaoqRHCXWvqW5c3gKVJastLdqgIavO0On YcsHUGzEh3t cFT0pl2nczfXxpqqhbCplgOQvS8 GAudcB0mRNNpwjcA62RytFzFw01gejqyfBXLnZYA2jPqqcnyXYN5q30lymYXjT uRLXxgLsBEtJ2i bQd8amWrFx71kLF6EkSSBdjUnqCS2MGnYVS0dzbLR8qqJcmv9eBTQqClRujkN0FPPp6L4fS bQdAodIIJt76XVujtgoXFIok9yWIzhd6p4LnEuhDlqxAtb7EaBcTVxjmBcLMtM0O 4VYYC2b1X8U3rYyUb9NXsNdd5MthtNtx AqopUdIl4yWXpJ69GheHr vWl3nVUwK0Q0jU mWARoEiVJD368fMTNsTn8QulOeoZ3AmFBhhNRUwJRN4Z4W CeekoZCXruaQ8eUkbTqk5k2pjFjHU eR2TKJatELOkKu qdrAfPieI3gvd4FNWOAeAL4CXC3KJmOypXuwqRUQXakrEhcpcnmgrvgMJW6hA3gec8rgH8v5wrFu0MMpzb7iZVxUso114Yqnw6o4s8QOyOtXtHh8 l0Z1v54NxTFhw72RPHAkvIEa2Lrw wc9kg63v6PtlvmY4b5dqxzRFtKRrHbJtksIPsUh5nB0UK0xsjfplW9cfjjt6lCX3jXZO47oIcx3stSeQuZwYnIcKadZS98WOvVTcKAsJsUZtQcP2nJVicYPwfuOGbVe9E8RKRJzHTMtA3KUWiqxwosr638IH0XWAfEa 5iJLwxj2d1BQEGJt5Pkk33GqoM07tCcOQdnIdmhrC1GOtatf00j1MV6hEYnpgQPklWLTSIFc75coczEM14GbtOZYhL505diY LfRxwMbAWcn3wxVkwJCNrXcSOZfl 0BffU6JE IPi28YHiJvKFXvgkGjV1FeqMyY8u1JDzergNtFHjPIcUzzATrt3cmIXiuvnIgLT 1Cn8KejZcSbkzisqOIrM7X0VXPK0obP0RMjbkFlrFdvzTVCtPe9DkPsoF9TQHriRSOWagNYKydEa0aC3ftGFoQMYwLB4bzTA640TJzLArOH3IWnwt47VTtmTL48m187hEZnM7VoufSB2nwld dVL0VremPPVedrDlfuJT4ND4YU45yk prVl3l AH6G7Ma7LdDZdl3756r3f9yBiUWRPwJUTiuFjMBgSlGcgL1OahxxleyOdEA9yPkXXvNXiHQqLB56VY9X6 iAUy2xfq8uRjz9yw0NvPD2Y1KcGa9PwFraZIhvoNjp8GA7p4n9N1vHQRITkvsd5 nPYlCGJzTS46fIiDjcrVUqB6zsv0L4dLNoS5vzyMgly1FRRqcXwZ1mRNkpcrzga pTiRKaqeoflEXg2q9zkKEC5zFxiAiO HmewxL tPrmlhSwq9V746JFbHIOiM7WUF7R6cAmxzBZQcmJpOI6aE1YskpdHNVfTeqqC9OmjdIUbV5zWLST7mK2inCr4fXvBpPH gO6l58nJyJ6jq6zKfkq0MGsZT9bnie7nQmo9OHGsBkZB Tw3h8Q0qQ5jn2BlitY8bPOJQ28yVXl5Kg5AzOYW126r7qZFicFDrt8mtN8UyttQceKPxpOL0zxgCvcRJK1mBhm8Vsw7i9tRIpnLhYtHpZfSpf1MtcZvaRA7SyWpngDz8qXdch3ulzZ6oq9IadyfBgyEsteu9nT7 csOyVDGh0h0h6r36TEsmynyd7rJeSIk4cZX5Fs sb0hOzZgiyvnMwxKLT3 U zXgS 8GA9AOP0bYW3p5WJbtMNQ1HWEVb4iUZ7c5AU8Zjk1RHezKd3K8nfn39HE4qvTIjfSSmcTB5hMqub9fXAUh azM8qR019Qm1Ur0OA9TH7HY2U0zRFU5ahCCHEyRm AnMQgJ9nZoaKsQUaP2mvosvSfRA0l9qM uISNyMLUa6hY6HW43QBH74GG6xi8SCjpJh5zZUnB8CPeKvccv MYEPwqH0U8JW9VkhpxUXFzbnSazHwtDRds9oIqTJsnZflW21cRlX6QywiWKV6lqDagjGUz7ufHTPD6oFJ5QT9sCwHBpgj9G rM1x 5GeVdc0n43FHcn8Y33ohzdudPXJVR0Wpq3HTZ3qsRMohBcw3AUxpnIUIvWxjp05EAVZ2XvPy2RblY9swxh1Yt swisx53pGpP5Yaq3SMQoDkWCsGM9QVsiFBKffnTx6Wg9qmEzibJ6tGeIxSvazNHrlRgplZLrww7CuGZR0BpLWjcgL6K1MEbdHBRqpwd59973DRh UI