Logo GenDocs.ru

Поиск по сайту:  

Загрузка...

Лекції - програмне забезпечення інтелектуальних систем - файл 1.doc


Лекції - програмне забезпечення інтелектуальних систем
скачать (1221 kb.)

Доступные файлы (1):

1.doc1221kb.19.11.2011 11:54скачать

содержание

1.doc

  1   2   3   4   5


Лекція 1

ОСНОВНІ ПОНЯТТЯ ЕКСПЕРТНИХ СИСТЕМ,

ЇХ ПРИЗНАЧЕННЯ І ХАРАКТЕРИСТИКИ

Основні області досліджень по штучному інтелекту
У 1950 році британського математика Алан Т'юринг опублікував в журналі "Mind" свою роботу "Обчислювальна машина і інтелект", в якій описав тест для перевірки програми на інтелектуальність. Він запропонував помістити дослідника і програму в різні кімнати і до тих пір, поки дослідник не визначить, хто за стіною - людина або програма, вважати поведінку програми розумною. Це було одне з перших визначень інтелектуальності, тобто А. Т'юринг запропонував називати інтелектуальним таку поведінку програми, яка моделюватиме розумну поведінку людини.

Відтоді з'явилося багато визначень інтелектуальних систем (ІС) і штучного інтелекту (ШІ). Сам термін ШІ (AI - Artificial Intelligence) був запропонований в 1956 році на семінарі в Дартсмутском коледжі (США).

Визначення. Штучний інтелект (ШІ) - це деяка система програмних засобів, що імітує на комп'ютері процес мислення людини.

Інтелект є сукупністю фактів і способів їх застосування для досягнення певної мети.^ А досягнення мети - це застосування необхідних правил використання відповідних фактів.
Розглянемо етапи розвитку систем штучного інтелекту :

  1. 70-і роки 20 віків характеризуються пошуком загальних методів рішень завдань і використання їх при побудові універсальних програм;

  2. 80-і роки 20 віків характеризуються пошуком загальних методів представлення інформації, її пошуку для використання при створенні спеціальних програм;

  3. 90-і роки 20 віків характеризуються використанням великих обсягів високоякісних спеціальних знань по деякій предметній області для створення спеціальних програм.

На початку 90-х років 20 віків була прийнята абсолютно нова концепція. Суть її полягає в тому, щоб зробити програму інтелектуальною, її треба забезпечити безліччю високоякісних спеціальних знань деякої предметної області. Т. ч., системи ШІ, що розробляються, повинні мати добре розвинену базу знань. Нині якнайповніший розвиток цієї концепції отримав проектування експертних систем (ЕС).
Інтелектуальний інтерфейс - це система програмних і апаратних засобів, що дозволяють користувачеві-непрограмістові використовувати ЕОМ для вирішення завдань.

Інтелектуалізація ЕОМ - це виконання машинних функцій, які до останнього часу вважалися прерогативою людини, тобто функції аналізу, планування, контролю і так далі. Для забезпечення цих функцій необхідно організувати роботу зі знанням їх представлення, зберігання, перетворення.

Інтелектуальний інтерфейс повинен виконувати три групи функцій:

  • Забезпечення для користувача можливості постановки завдання для ЕОМ шляхом повідомлення тільки умов, не задаючи програми рішення.

  • Забезпечення для користувача можливості самостійного формування операційного середовища рішення з використанням понять з предметної області користувача і на природній мові, і проведення діалогу на природній мові.

  • Можливість зміни, за бажанням користувача, структури діалогу, обмін довільними повідомленнями, наявність підказок в процесі рішення задачі.

Системою називатимемо безліч елементів, що знаходяться в стосунках один з одним і що утворюють причинно-наслідковий зв'язок.




Адаптивна система - це система, яка зберігає працездатність при непередбачених змінах властивостей керованого об'єкту, цілей управління або довкілля шляхом зміни алгоритму функціонування, програми поведінки або пошуку оптимальних, в деяких випадках просто ефективних, рішень і станів. Традиційно, за способом адаптації розрізняють самоналагоджувальні, самонавчальні і такі, що самоорганизующиеся системи.

Під алгоритмом розумітимемо послідовність заданих дій, які однозначно визначені і здійснимі на сучасних ЕОМ за прийнятний час для вирішуваної задачі.

Під ІС розумітимемо адаптивну систему, що дозволяє будувати програми доцільної діяльності за рішенням поставлених перед ними завдань на підставі конкретної ситуації, що складається на даний момент в їх довкіллі

До сфери вирішуваних ІС завдань відносяться завдання, що володіють, як правило, наступними особливостями:

  • у них невідомий алгоритм рішення завдань (такі завдання називатимемо інтелектуальними завданнями);

  • у них використовується окрім традиційних даних в числовому форматі інформація у вигляді зображень, малюнків, знаків, букв, слів, звуків;

  • у них передбачається наявність вибору (не існує алгоритму - це означає, що треба зробити вибір між багатьма варіантами в умовах невизначеності). Свобода дій є істотною складовою інтелектуальних завдань.

Ці ідеї нової технології обробки інформації призводять до зміни в підходах до процесу. При традиційному підході процес - це виконання програми - зміна станів змінних. При новій технології процес обробки інформації визначається як отримання необхідних даних, що виступає як єдина мета процесу обробки. Ця властивість, по суті, характеризує ЕС - клас систем штучного інтелекту, у складі яких обов'язкова наявність бази знань і деякої схеми розподілу.

^

До складу ЕС обов'язково входять наступні компоненти:

  • Сукупність засобів, що виконують програми (виконавська система).

  • Сукупність засобів інтелектуального інтерфейсу (система спілкування, вирішувач).

  • База знань. Займає центральне положення.

Знання, що містяться в БЗ, незалежно від оброблювальних програм утворюють цілісну систему. БЗ для обчислювальних систем доцільно будувати як дворівневу структуру: концептуальну базу знань (верхній рівень) і базу даних (нижній рівень). Для представлення знань на кожному рівні БЗ існують мови представлення знань - МПЗ.

^

На відміну від інших систем штучного інтелекту ЕС містить систему придбання знань і систему пояснення рішень і призначена для вузької сфери застосування.




^

Переваги ЕС. Завдання ЕС



Визначення. Система штучного інтелекту, створена для вирішення завдань в конкретній предметній області, називається експертною.

ЕС - це складні програмні комплекси, що акумулюють знання фахівців в конкретних предметних областях і тиражують цей емпіричний досвід для консультації менш кваліфікованих користувачів.

Джерелом знань для ЕС служать експерти у відповідній предметній області.

Розглянемо компетентність ЕС, порівнюючи систему людського інтелекту і систему ШІ.

Система людського інтелекту

Система ШІ

Недоліки.

  1. Неміцна

  2. труднопередаваєма

  3. труднодокументуєма

  4. непередбачувана

  5. дорога

Переваги

  1. постійна

  2. легкопередаваєма

  3. легкодокументуєма

  4. стійка

  5. прийнятна

Переваги

  1. творча

  2. що пристосовується

  3. використовує чуттєве сприйняття

  4. різностороння

  5. використовує широкодоступні знання

Недоліки

  1. штучно запрогроммированная

  2. потребує підказки

  3. використовує символьне сприйняття

  4. вузьконаправлена

  5. використовує спеціальні знання


Аналізуючи переваги і недоліки цих систем, можна зробити головний висновок про необхідність людини-експерта, оскільки в багатьох областях він перевершує ШІ, наприклад, по творчості, винахідливості, здатності передавати інформацію і взагалі по здоровому глузду.

ЕС охоплюють самі різні предметні області (рис. 1), серед яких лідирують бізнес, виробництво, медицина, проектування і системи управління. У багатьох випадках ЕС є інструментом, що посилює інтелектуальні здібності експерта. Крім того, ЕС може виступати в ролі:

  • консультанта для недосвідчених або непрофесійних користувачів;

  • асистента експерта-людини в процесах аналізу варіантів рішень;

  • партнера експерта в процесі рішення завдань, що вимагають залучення знань з різних предметних областей.




Рис 1. Сфери застосування експертних систем.
^ Приклади розроблених ЕС
У більшості цих ЕС як МПЗ використовувалися системи продукцій (правила) і прямий ланцюжок міркувань. Медична ЕС MYCIN розроблена в університеті Стенфордском в середині 70-х років для діагностики і лікування інфекційних захворювань крові. MYCIN нині використовується для навчання лікарів.

^ ЕС DENDRAL
розроблена в університеті Стенфордском в середині 60-х років для визначення топологічних структур органічних молекул. Система виводить молекулярну структуру хімічних речовин за даними мас-спектрометрії і ядерного магнітного резонансу.

^ ЕС PROSPECTOR розроблена в університеті Стенфордском в 1974--1983 роках для оцінки геологами потенційної рудоносності району. Система містить більше 1000 правив і реалізована на INTERLISP. Програма порівнює спостереження геологів з моделями різного роду покладів руд. Програма залучає геолога до діалогу для витягання додаткової інформації. У 1984 році вона точно передбачила існування молібденового родовища, оціненого в багатомільйонну суму.

ЕС JUDITH допомагає фахівцям з цивільних справ і разом з юристом і з його слів засвоює фактичні і юридичні передумови справи, а потім пропонує розглянути різні варіанти підходів до дозволу справи.

ЕС LRS надає допомогу в підборі і аналізі інформації про судові рішення і правові акти в області кредитно-грошового законодавства, пов'язаного з використанням векселів і чеків.

ЕС "Збиток" на основі російського трудового законодавства забезпечує юридичний аналіз ситуації залучення робітників і службовців до матеріальної відповідальності при нанесенні підприємству матеріального збитку дією або бездіяльністю.

Експертна система діагностування (ЕСД) цифрових і цифроаналогових пристроїв, в якій використовувалися системи продукций і фрейми, а також прямий і зворотний ланцюжок міркувань одночасно. Як об'єкт діагностування (ОД) в ЕСД можуть використовуватися цифрові пристрої (ЦУ), ВІС, цифро-аналогові пристрої.

Серед сучасних комерційних систем хочеться виділити експертну систему - оболонку G2 американської фірми Gensym (USA) як неперевершену експертну комерційну систему для роботи з динамічними об'єктами. Робота в реальному часі з малими часом відповіді часто потрібна при аналізі ситуацій в корпоративних інформаційних мережах, на атомних реакторах, в космічних польотах і безлічі інших завдань. У цих завданнях необхідно приймати рішення протягом мілісекунд з моменту виникнення критичної ситуації.

Як приклад швидкодіючої системи для відстежування стану корпоративної інформаційної мережі (КІС) можна привести засновану на знаннях систему моніторингу OMEGAMON фірми Candle (IBM з 2004 р.). OMEGAMON - типовий представник сучасних експертних мультиагентных динамічних систем, що працюють в реальному часі. OMEGAMON дозволяє за лічені хвилини ввести і відлагодити правила моніторингу позаштатних ситуацій для об'єктів КИЦЬ. Кількість об'єктів моніторингу (комп'ютерів КІС) може досягати декількох сотень, і на кожному об'єкті може бути декілька сотень контрольованих параметрів. Кількість платформ (типів операційних систем), на яких працюють агенти, перевищує 30, починаючи від OS/390,,OS/400, далі різні UNIX -платформы (HP_UX, AIX, Solaris) і закінчуючи Windows. На одному сервері може працювати декілька агентів одночасно. Слід підкреслити, що заснована на знаннях система моніторингу OMEGAMON - це дуже ефективна система управління обчислювальними ресурсами, надійний і незамінний помічник у пошуках рішень по оперативному усуненню критичних і важких для діагностування ситуацій, при аналізі інформаційних потоків, аналізі продуктивності і налаштуванні КІС.

ЕС імітує міркування людини, видаючи передбачувані рішення певної проблеми, а потім виділяючи найбільш відповідні з них. Це дозволяє їй із самого початку відкинути даремні рішення. Більше того, вона використовує складену структуру незалежно від отриманих суб'єктивних знань, застосовуючи розроблену людиною систему проведення експертизи до рішення життєвих проблем. Завдяки системному аналізу проблеми з різних точок зору, вона видає не просто відповідне, а найкраще рішення. ЕС цілком залежать від людської експертизи.

Розробка інструментальних засобів для створення ЕС ведеться постійно. З'являються експертні системи оболонки, удосконалюються технології створення ЕС. Мова Пролог (1975-79 років) стає одним з основних інструментів створення ЕС. Мова CLIPS (C Language Integrated Production System) почала розроблятися в космічному центрі Джонсона NASA в 1984 році. Мова CLIPS вільна від недоліків попередніх інструментальних засобів для створення ЕС, заснованих на мові LISP. З'являється інструментарій EXSYS, що став на початку 90-х років одним з лідерів по створенню ЕС. На початку ХХI століття з'являється теорія інтелектуальних агентів і експертних систем на їх основі. Web -орієнтований інструментарій JESS (Java Expert System Shell), використовуюча мова представлення знань CLIPS, став достатнім відомим нині. Серед вітчизняних інструментальних засобів слід зазначити веб-ориентированную версію комплексу АТ-ТЕХНОЛОГІЯ, розробленого на кафедрі Кібернетики МІФІ. У цьому комплексі уся прикладна логіка як комплексу в цілому, так і розроблених в нім веб-інтегрованих ЕС, зосереджена на стороні сервера.


^ СТРУКТУРА ЕКСПЕРТНИХ СИСТЕМ
Під експертною системою (ЕС) розумітимемо програму, яка використовує знання фахівців (експертів) про деяку конкретну вузько спеціалізовану предметну область і в межах цієї області здатна приймати рішення на рівні експерта-професіонала.

Основоположниками ЕС стали Фейгенбаум, С. Осуга, Р. Форсайт. Узагальнена схема ЕС приведена на рис. 2. Основу ЕС складає підсистема логічного висновку, яка використовує інформацію з бази знань (БЗ), генерує рекомендації за рішенням шуканого завдання. Найчастіше для представлення знань в ЕС використовуються системи продукций і семантичні мережі. Допустимо, БЗ складається з фактів і правил (якщо <посилка> то <заключення>). Якщо ЕС визначає, що посилка вірна, то правило визнається відповідним для цієї консультації і воно запускається в дію. Запуск правила означає прийняття заключення цього правила як складову частину процесу консультації.

Рис. 2. Структура експертної системи
Одним із складних завдань побудови ЕС є побудова бази знань системи і її заповнення. Ці два етапи взаємонаправлені, можливе повернення з другого етапу на перший, у зв'язку з тим, що отримані знання від експерта не укладаються в рамки первинної БЗ.

Підсистема логічного висновку. Її мета - узгоджена обробка даних з об'єктами зовнішнього середовища. При цьому використовується БЗ для отримання кінцевого результату. Під зовнішнім середовищем розуміється технічна система, інформацію про яку ЕС отримує через датчики або операторів. У результаті висуваються і перевіряються гіпотези, виробляються нові дані, формуються запити на введення нових даних, формуються рішення, що носять рекомендаційний або такий, що управляє характер.

Підсистема пояснення рішення служить в ЕС для пояснення користувачеві логічних дій системи, тобто для забезпечення "прозорості" ЕС. Цей блок має особливе значення в процесі освоєння ЕС користувачем, для навчальних і консультуючих ЕС. Підсистема пояснення рішення забезпечує у будь-який момент часу:

  • повну видачу даних про поточний стан системи;

  • по запиту користувача повідомляти результати раніше виконаних дій.

Редактор знань - РЗ. Призначений для допомоги інженерові по знаннях при заповненні БЗ в процесі роботи з експертами. БЗ - це файлова система, і РЗ представляє транслятор з деякої підмножини природної мови, використовуваної інженером по знаннях, в спеціальний код, орієнтований на підсистему логічного висновку.

Редактор знань повинен:

  1. бути зручним для інженера по знаннях;

  2. реалізовувати будь-яку структуру знань, передбачену складом БЗ;

  3. дозволяти коригувати елементи БЗ без зміни структури;

  4. забезпечувати "дружній інтерфейс" з інженером по знаннях.


Обов'язковими частинами будь-якої ЕС є також модуль придбання знань і модуль відображення і пояснення рішень. В більшості випадків, реальні ЕС в промисловій експлуатації працюють також на основі баз даних (БД). Тільки одночасна робота зі знаннями і великими об'ємами інформації з БД дозволяє ЕС отримати неординарні результати, наприклад, поставити складний діагноз (медичний або технічний), відкрити родовище корисних копалини, управляти ядерним реактором в реальному часі.

Лекція 2




Етапи розробки ЕС
Процес розробки експертної системи носить еволюційний характер - від прототипних версій програм до кінцевого продукту. Прототипна система є усіченою версією експертної системи, спроектованої для перевірки правильності кодування фактів, зв'язків і стратегії міркування експерта. Об'єм прототипу - це декілька десятків правил, фреймів або прикладів.

Промислова технологія створення інтелектуальних систем включає наступні етапи:

  • дослідження здійснимості проекту;

  • розробку загальної концепції системи;

  • розробку і тестування серії прототипів;

  • розробку і випробування головного зразка;

  • розробку і перевірку розширених версій системи;

  • прив'язку системи до реального робочого середовища.

Проектування ЕС засноване на трьох головних принципах:

  1. Потужність експертної системи обумовлена потужністю БЗ і можливостями її поповнення і тільки тоді - використовуваними методами (процедурами) обробки інформації.

  2. Знання, що дозволяють експертові (чи експертній системі) отримати якісні і ефективні рішення завдань, є в основному евристичними, емпіричними, невизначеними, правдоподібними.

  3. Неформальний характер вирішуваних завдань і використовуваних знань робить необхідним забезпечення активного діалогу користувача з ЕС в процесі її роботи.



При розробці ЕС, як правило, використовується концепція швидкого прототипу, суть якої полягає в тому, що розробники не намагаються відразу побудувати кінцевий продукт. На початковому етапі вони створюють прототип (можливо, не єдиний) ЕС, що задовольняє двом суперечливим вимогам: уміння вирішувати типові завдання конкретного застосування і незначний час і трудомісткість його розробки. При виконанні цих умов стає можливим паралельно вести процес накопичення і відладки знань, здійснюваний експертом, і процес вибирання (розробки) програмних засобів, що виконується інженером по знаннях і програмістами. Для задоволення вказаним вимогам при створенні прототипу використовуються різноманітні інструментальні засоби, прискорюючі процес проектування.

Традиційна технологія реалізації ЭС включає шість основних етапів (рис. 3): ідентифікацію, концептуалізацію, формалізацію, виконання, тестування, дослідну експлуатацію.


Рис. 3 Етапи розробки експертних систем.
На етапі ідентифікації визначаються завдання, що підлягають рішенню, цілі розробки, експерти і типи користувачів.

На етапі концептуалізації проводиться змістовний аналіз проблемної області, виявляються використовувані поняття і їх взаємозв'язки, визначаються методи рішення завдань.

На етапі формалізації вибираються інструментальні засоби і способи представлення усіх видів знань, формалізуються основні поняття, визначаються способи інтерпретації знань, моделюється робота системи, оцінюється адекватність системи зафіксованих понять, методів рішення, засобів представлення і маніпулювання знаннями даної предметної області.

На етапі виконання здійснюється заповнення бази знань. У зв'язку з тим, що основою ЕС є знання, цей етап є одним з найважливіших і самих трудомістких. Процес придбання знань розділяють на витягання знань в Діалозі з експертами; організацію знань, що забезпечує ефективну роботу системи, і представлення знань у виді, "зрозумілому" ЕС. Процес придбання знань здійснюється інженером по знаннях на основі аналізу діяльності експерта за рішенням реальних завдань.

На етапі тестування експерт і інженер по знаннях в інтерактивному режимі з використанням діалогових і пояснювальних засобів перевіряють компетентність ЕС. Процес тестування триває до тих пір, поки експерт не вирішить, що система досягла необхідного рівня компетентності.

На етапі дослідної експлуатації перевіряється придатність ЕС для кінцевих користувачів. Отримані результати можуть показати необхідність істотної модифікації ЕС.

Процес створення ЕС не зводиться до строгої послідовності перерахованих вище етапів. В ході розробки доводиться неодноразово повертатися на більш ранні етапи і переглядати прийняті там рішення.

Інструментальні засоби розрізняються залежно від того, яку технологію розробки ЕС вони допускають. Можна виділити, принаймні, чотири підходи до розробки ЕС:

  • підхід, що базується на поверхневих знаннях;

  • структурний підхід;

  • підхід, заснований на глибинних знаннях;

  • змішаний підхід, що спирається на використання поверхневих і глибинних знань.

Поверхневий підхід застосовується для складних завдань, які не можуть бути точно описані. Його суть полягає в отриманні від експертів фрагментів знань, релевантних вирішуваній задачі. При цьому не робиться спроб систематичного або глибинного вивчення області, що зумовлює використання пошуку в просторі станів як універсальний механізм виводу. Зазвичай в ЕС, що використовують цей підхід, як спосіб представлення знань вибираються правила. Умова кожного правила визначає зразок деякої ситуації, в якій правило може бути виконане. Пошук рішення полягає у виконанні тих правил, зразки яких зіставляються з поточними даними. При цьому передбачається, що в процесі пошуку рішення послідовність формованих таким чином ситуацій не обірветься до отримання рішення, тобто не виникне невідомої ситуації, яка не відповідає жодному правилу. Цей підхід з успіхом застосовується до широкого класу додатків, але виявляється неефективним в тих випадках, коли завдання може структуруватися або для її вирішення може використовуватися деяка модель.

Структурний підхід до побудови ЕС передбачає структуризацію знань проблемної області. Його поява обумовлена тим, що для ряду додатків застосування техніки поверхневих знань не забезпечує рішення задачі. Структурний підхід до побудови ЕС багато в чому схожий на структурне програмування. Проте стосовно ЕС йдеться не про те, щоб структуризація завдання була доведена до точного алгоритму (як в традиційному програмуванні), а передбачається, що частина завдання вирішується за допомогою евристичного пошуку. Структурний підхід в різних застосуваннях доцільно поєднувати з поверхневим або глибинним знанням.

При глибинному підході компетентність ЕС базується на моделі того проблемного середовища, в якій вона працює. Модель може бути визначена різними способами, тобто декларативно або процедурно. Експертні системи, розроблені із застосуванням глибинних знань, при виникненні невідомої ситуації здатні самостійно визначити, які дії слід виконати, за допомогою деяких загальних принципів, справедливих для цієї області експертизи. Глибинний підхід вимагає явного опису структури і взаємин між різними сутями проблемної області. У цьому підході необхідно використовувати інструментальні засоби, моделювання: об'єкти з приєднаними процедурами, ієрархічне спадкоємство властивостей, активні знання (програмування, кероване даними), механізм передачі повідомлень об'єктам (об'єктно-орієнтоване програмування) і тому подібне

Змішаний підхід в загальному випадку може поєднувати поверхневий, структурний і глибинний підходи. Наприклад, поверхневий підхід може застосовуватися для пошуку адекватних знань, які потім використовуються деякою глибинною моделлю.
Розглянемо різні способи класифікації ЕС.

За призначенням ЕС діляться на:

  • ЕС загального призначення.

  • Спеціалізовані ЕС:

    1. проблемно-орієнтовані для завдань діагности, проектування, прогнозування

    2. предметно-орієнтовані для специфічних завдань, наприклад, контролю ситуацій на атомних електростанціях.

По мірі залежності від зовнішнього середовища виділяють:

  • Статичні ЕС, не залежні від зовнішнього середовища.

  • Динамічні, такі, що враховують динаміку зовнішнього середовища і призначені для вирішення завдань в реальному часі. Час реакції в таких системах може задаватися в мілісекундах, і ці системи реалізуються, як правило, на мові С++.

За типом використання розрізняють:

  • Ізольовані ЕС.

  • ЕС на вході/виході інших систем.

  • Гібридні ЕС або, інакше кажучи, ЕС інтегровані з базами даних і іншими програмними продуктами (додатками).

По складності вирішуваних завдань розрізняють:

  • Прості ЕС - до 1000 простих правил.

  • Середні ЕС - від 1000 до 10000 структурованих правил.

  • Складні ЕС - більше 10000 структурованих правил.

По стадії створення виділяють:

  • Дослідницький зразок ЕС, розроблений за 1-2 місяці з мінімальною БЗ.

  • Демонстраційний зразок ЕС, розроблений за 2-4 місяці, наприклад, на мові типу LISP, PROLOG, CLIPS.

  • Промисловий зразок ЕС, розроблений за 4-8 місяців, наприклад, на мові типу CLIPS з повною БЗ.

  • Комерційний зразок ЕС, розроблений за 1,5-2 року, наприклад, на мові типуС++, Java з повною БЗ.

ЕС має бути випробувана, вдосконалена і протестована в лабораторних умовах, перш ніж буде передана в дослідну експлуатацію.

ЕС розвиваються як і їх засоби побудови від експериментальних до комерційних.

  1   2   3   4   5



Скачать файл (1221 kb.)

Поиск по сайту:  

© gendocs.ru
При копировании укажите ссылку.
обратиться к администрации