From dc8f0673cdbe2c758bb166ab7d2e229610c4b2f4 Mon Sep 17 00:00:00 2001 From: Eugen Wissner Date: Mon, 25 Mar 2024 20:55:01 +0100 Subject: [PATCH] =?UTF-8?q?KI.=20Eine=20Begriffskl=C3=A4rung=20in=20TeX?= MIME-Version: 1.0 Content-Type: text/plain; charset=UTF-8 Content-Transfer-Encoding: 8bit --- src/Main.hs | 31 +- themes/_includes/scripts.html | 22 - .../images/ki-begriffsklaerung/image1.png | Bin 0 -> 18572 bytes .../images/ki-begriffsklaerung/image2.png | Bin 0 -> 23074 bytes .../images/ki-begriffsklaerung/image3.png | Bin 0 -> 25570 bytes .../images/ki-begriffsklaerung/image4.png | Bin 0 -> 27838 bytes .../images/ki-begriffsklaerung/image5.png | Bin 0 -> 28404 bytes .../posts/2017-12-25-ki-begriffsklaerung.html | 640 ---------------- themes/posts/2017/12/ki-begriffsklaerung.tex | 717 ++++++++++++++++++ themes/templates/default.html | 2 - 10 files changed, 727 insertions(+), 685 deletions(-) delete mode 100644 themes/_includes/scripts.html create mode 100644 themes/assets/images/ki-begriffsklaerung/image1.png create mode 100644 themes/assets/images/ki-begriffsklaerung/image2.png create mode 100644 themes/assets/images/ki-begriffsklaerung/image3.png create mode 100644 themes/assets/images/ki-begriffsklaerung/image4.png create mode 100644 themes/assets/images/ki-begriffsklaerung/image5.png delete mode 100644 themes/posts/2017-12-25-ki-begriffsklaerung.html create mode 100644 themes/posts/2017/12/ki-begriffsklaerung.tex diff --git a/src/Main.hs b/src/Main.hs index 6ea7e8e..aefb0b1 100644 --- a/src/Main.hs +++ b/src/Main.hs @@ -152,14 +152,12 @@ postCtx tags <> flevumContext tags where dateField' :: Item String -> Compiler String - dateField' i = do - time <- getItemUTC defaultTimeLocale $ itemIdentifier i - pure $ formatDate time + dateField' = fmap formatDate + . getItemUTC defaultTimeLocale + . itemIdentifier flevumContext :: Tags -> Context String -flevumContext tags - = tagsCloud tags - <> defaultContext +flevumContext = (<> defaultContext) . tagsCloud tagsCloud :: Tags -> Context String tagsCloud tags @@ -182,13 +180,12 @@ tagsCloud tags pure $ Item tagId $ if isActiveClass then "active" else "" withoutRootRoute :: Routes -withoutRootRoute = customRoute generateRoute - where - generateRoute = joinPath - . drop 1 -- posts/ - . splitDirectories - . flip replaceExtension "html" - . toFilePath +withoutRootRoute = customRoute + $ joinPath + . drop 1 -- posts/ + . splitDirectories + . flip replaceExtension "html" + . toFilePath cleanIndexUrls :: Item String -> Compiler (Item String) cleanIndexUrls = return . fmap (withUrls cleanIndex) @@ -260,14 +257,6 @@ rules = do tagsRules tags $ createTagPage tags -- Blog posts. - match "posts/**.html" $ do - route withoutRootRoute - compile $ getResourceBody - >>= saveSnapshot "content" - >>= loadAndApplyTemplate "templates/post.html" (postCtx tags) - >>= loadAndApplyTemplate "templates/default.html" (postCtx tags) - >>= cleanIndexUrls - match "posts/**.tex" $ do route withoutRootRoute compile $ bibtexCompiler diff --git a/themes/_includes/scripts.html b/themes/_includes/scripts.html deleted file mode 100644 index af0c88c..0000000 --- a/themes/_includes/scripts.html +++ /dev/null @@ -1,22 +0,0 @@ - - diff --git a/themes/assets/images/ki-begriffsklaerung/image1.png b/themes/assets/images/ki-begriffsklaerung/image1.png new file mode 100644 index 0000000000000000000000000000000000000000..26bb76bdf22185152610c9f46fe444aa985f7541 GIT binary patch literal 18572 zcmYj(2{e^!`~EhSBqS9gk~tw2GG>+}B$+ZL(~-H%L&gw7l1xQHrX(3637JWfF%%`4 zGSB=kec$>0KWm+{&f15)-}iZ+=f1D$-XZF0N_!|6DF_6@o^#6bngjyT7XEvfoEZNm z{S#V&7Xqy0F~Tqh8?qr9Rdm8;J()f(xiv+b7=&lEMwRJ%137Ewf@ zkV#`5sLia(zv0KZ=Uix5+K`_8pKArbhrZ`z`)9L~d;5xti}I8yhisjvIBqH-I#u_^ zBl3-lZ>5IG^Pc@XwOWKeH3Zyi$)%{eLMnKds7CPUiAyQ_YUw2Ex+Fb4E5c^^rk#8u zq&Vz^-f_{?#oOxC9I7cyc+l#WBHFAHE$gW!Ve*kIgr$`K&H9JZUoTQDg2GkZlSNhe z=)`rVjJ1WdzFU32lWKi`x~(k7e&BnKwsp?Ui<|G&4fS<@inVC47u?~vL&KUDB*goI zCjIi!TKPwd`wnmJtrLho&v}L6F4OKz*}#$Is;wcHVsjJgPZuaSe5VffZPJtYy*XQG z+c#ME`l|#HaofAtFN;?Wot=o8ch?VNBHHMCS9?=GX34jS+4$GFILd}7;!_)e#DBaM z2k(>Yu)95Qy14j@lp2dK<;~bKA}XreGi=xMJ<8u?6c+omy;@x(Vr_Grc$Im043A}( zy|S(ofxv%s`yV3Lbm?1oai{aS3ko}bkucDT?fYI=dJ-=&I4kHl%h}zyaoyILAm@19 z#QC}ztBaMhC9Bf83+h*HQynA_SPAFkWwcy-CoA04_1E0Cd;(|^x=$o@v)>K~?>SiL zAAaNAj=M8O(-kpRy=FpIpH3w;v$ym+i^Z5d>)^Q2VI{PY)-nGq=5@!jnV=Ty7rHmj z@|halJ*%v&$a;kR70a0N=vv*%W$926BE5(qw~gy(A4IgyZhA_!jk*m`lhrwp64b=? za<#eXZ0+o>(JMYt=ca3{s{Ae*FNBKgH;CT-^UlH3#6*Ub z=7mm9*g=8Sl@;a%W_7x&1_pE?@&^1%-)qByzu*A;rY1bSW@2J;^JWp=mWO9-WSTQd znUj z3m0T$WTw^)Dhvk)1_nNTA}0BJ7gHasi(bEeJy7CM-SX+8@hQd-qIX?g2lL2=!k6Fi z5X$c_E-wDlmFFhEx|ehpC1ttyhP#CYmjOB9=O$rD>O)=KHB-}vs?RK_<@gR9qYHii zUbcjd(2SM*QUAk{PC=4?gWT`w)2F`{+yiBa4w7wOahKol^1F9u-Q3Qci^zES@@0NL z^_P#nT|`kV@0uPaCYlM-Q||DW2xgB}`Qhm1?JZ@%{P)9X1u0`1%$`PjlgiNU+s8q> zE6BwD_TO9Fb?MTj^z?Lgi5H(feHt6HDmhEYlqQI>Fx6cb>M3;^Rd%&GapHvCK>2M^ z-t9$iRbr=&>M>t=AGkXqA;CWW@0$qi-n~03E9i42Jzb`U>J%g!GE(G*9yKfHSO@zrRSpJOTA}i6Sz6XbdY3dcAFBQg zUNb4s$=PyBSY34w^M4i@NgdNLF*Wt9W9<6%>jN*%i2kl>Xk}qxVL`zY?QC3wtSoVG z^_g2c!TV7tSsj1o6*r=+K$?nvfoMJqVCw}teNp|*{UBy}X0->pf4z$hYCu3C3{Y2%&)GN6_2d3h_ya`{5Uj}BCWlC zcxG{FDf{{JJ6<;1=dheQtd9uR$6t}mQz&jh^O1C*hRvLQBpvR9{4}@Jd zG@MG6NW@LEZ2k$x-BGhhsj8~3_f>B6?LNqlok*u}?rlhD>aU$&Bu_EsmXwsdcwz70 z;Na<5{`j%4&2iq_C&`>|?i>iKGIpK&87|Lu#4N7Xl)3r6GY=}q%1oq>gowz}#l4HSE5x?!864ayY?C_rApy^9v@IpZfLlaZIM1kZ>f@_0 z*@pW168mrOdwY8~)|N^QY;WBXF3}|nJl|AIYc~^m!mXmZ-|Ez(loXbcGxu1M)QU?> z&v8p>*n50?Pj-8g+1JKDwdX(>gwuew|@wsspf?} zmZzpBC-+h-8Woz>yvrlX)!2=VJHDG`li>0DkesWL9{T$vT$Dtq~o zmY)7$bhK>iC0^PP?6bHg$whJH^iK^94R{==iro8m)MsvThw}6D+uGVHDk?rpPp_@5 zJtL&w)7PhOWHi{@8+zwXeM`%pJ$nKRr+>!tXxL|~a|=?2MMhc(#gDco9c}pbguD0a z*Q+`@5AWUk^R`PT_e*PQE4qne@;8+5prD|bw*LJTwad${>gqK2DM;8geJTv4#l&z3 z=jP_p($XTCEgmK(YiDV3aB$#!*zYlTzP#wCk8NlyD9WU!qeI^l;e-ulW0RAYH^=7rPiD`=9?>X&vSM#@Xh$I%8Zs`aAacpxLdTn!nCQ&Dk|Z@Ml+c1pI&$O)ZovLTL`xr8 zG2elvQnKPaoEjGwm(kHt@n|+H3p}!;N00LIhDsQjxwtH06aV<}gWugJtzA?~Do-=( zd3N>_EqeQy)jpfoZ{NOs`0(MxgiRN7fGX!928L3%InEWbFbO8Ul3ItvzsFgCVy}&z z9rd0)r-g+N7wPABT6@j^YOnBEs-L?$HCX90+RA)owDwWUPjsJnRc&3}bI+@&MFW4^ z3B_Z7=NVQoGBAw&9zLt_3QytX%h~R}T^6^oHqK&64Q8BNTpq(8SX0`%tcxyRzFc>H zkS?rNC0$5bI)!rZx}&3zu&^)>PlF_jMUkF`g@po}hLx2S(2fM1?_8%*ephjE@nG4_ zrWPlh`b2g!SNEF;5?O>X`a7yka3I&Ulq3CYcyH~DE*0G`_0+dqFEd0pz) zVCKF$KNfySq+VCyNL&*aC+GY3?^RS(j426Bm$!0rkB7)>8W^Ys9R+GJEm)@eOvLm` zhjn|&9wsF8_4Yo`&An+w9;U4J#&hN6A=(ckjw?e$tmlZOSdz{DxJpP%SAP1WiLxP; zx+xlgJ+?Ja;V}|#yEH!!%;B1Llt#n;ybj-xX!5;#?@S9??-%V2GO4JjFyI$CeY#VU z%hTRokdLo9-Rd#=yk72?s+VR$kJ~LjeE9IVP~y+th0z&TRn8bKk6e^$G)+`%{rL#) zl1}R)`AWHb?vk5iCcCr&v0XxyK1P!7!zC->mNgC5s}A5|IS?4Sw6 z#>NgkCuY({IY^fD`10}N+1JB|SXeHeJ9p&9W@Pcf{xaevd5?kMPHScchW0UM97i=> zo5|_v$h&s~0s`(oc;J5XQ*MtWfdiNgskoF+-fcU|zhcmZpt zEsc9*qT)J!yroddFZEY<_d~@rRM~SXDq@O{cht=QG@)d@c=6)<_wSdSypA7e`uzF6 z7VmMO6HOC!A10Z5U%q_lE4GW7qX`ZUc5-r(d}Atk9TmhFFgzn;6#HVN=i_U=T;kh9 zs2fB?L^i_W92`H=4kwxy>hc{xdjzAHpPvV#xTJ2j)Or$V@kM#Lfu`nrGof!&l5c(s zL@7IqeGS}wu-@&CyflGJEJM8B>Nr*uRajqNzbo(R(a{yadLU9=ef^V+;pBem-1pzT zd*|y*KT+0r^np^;GPv1bAFs7&l99kaC-?k@TpP zubTYuA*j|gKeZkn5UE2mJP;PBn6`IMX4|X+9XTn0(MR3Q zoNr;QcUsJky3riv=U21s9}FBu4%#D%gpSlg~ub0gMcqRg%%473x-{JJ#B5% zcaLq#OeFol_NAv(1U7GWZLR4y%F?p6v7w`*6P4;pNKB;My}NI4P}*m6U7W>(sV*ZU z1KTKE5kw)i!ciwzdv~BLZ){mbMN&e-xGQJdz(BGxyQ3-ZQk7qy6Z)KX7+D-x!OORA z4ULSb+h26lpv(358=yc@(9Qi~wEq3z z;7Y5@fSNrz#)xC7{P((i?}h9)F4Kzg^2YRwLskB5(p!lSPYRztT~u5wE@d(C>zC*` zS>A^2d)3Zfs0}+95)uNgWiPD8fl>k7<}Ai6)|6uE`NOevc%M(KO3~Z5YWF{>XMN7e z$(fm%k^A|RK4@dLtJ3?=5YfzV`uR9_cXz3^iIch7YcVP7BR^Xbo;-Q7ckf>9?905d zVtJc&K2J&4ZkJx7yj$Gh_5;^I(y_nf$0cveS8=f;iPD&wKK6~(lIr%y@o zX$h<15qh~&nNP8Wuv>!-3o9#qUc4O~9P}|a4_X#EvJv1@ZRfMrca$SYNnW0&^RnGm zgJ}U)oaVr8`KlWl8hb_c&m4TOjEWfa>gEyOFmeit=b4#6g%XGDe0(aOKc~Qo(k@7A z$}8k|vGjjWQ|DGmpZ)lcDrZMk$dN!9v zt1Pc{{wyqT(6JET=a!6!-JT?zsgvU{y^9dVAQp>$}Nw&KCk7qwdv{UW3ehB@_wn@ zV4(J*cqbY^`_rhAO-)T$cKhcjNH%J*?E1rPFgDSCvH#q_m+syoCp>|G~%MF>MOLk z*RT1HAAiD4aix8~Wl`_o#*~Y$u5NsMyuGk*F=Q1SfTgLgax^2G8*BJzms- zopE7VTB+PB^4%HFo_TLA`J^m&_-u6fT-Mg+t)?bGJ3GDI5-mNV+m$GSm4+PH zWO|@t_a*P4v}?Wf`BR~(RaI3egf_x&a&nqy+L-C- zxsM;`P-MP+_Qk7LpFe&y?&74ZW~UAD+9!Ja_#O$-$lw-p50Ex{`xoaE%!o4f|Kgjz z@Ec-^_gzN4w03$L8hdUdWmX!d=6R8LRjjsM8!>kDiBBh}J6ElXdLtqtAf!}W%|HK? zWEZI)YT~_n_vYuF|NL~O`JQ7~;T{{1beJF@`$YY2WaLgVGMOyFtj@~f;-%RiO8GU?fQCG4oyF>ea7(K5Wk~Vv9+O`7(qn zW@)Lg-`%lur;})6cel=;S$P`Lx|wg^OniK{@Lr;ae4X0I7lwz2xkI(Jv`R|bP6ABe zhJm-`^{A}&hSg%rd2J9!YJ@?_k!Ooi=dKaFYkyO!F#XsL|0gJ_AWNunp*&QlDd85Jm_aOtwC42wiG756JdGoTC zR{7QEdk9li=7lY7ZCKNh(NVc8CXrdveyq8Lpq(%~I(XYqb)EC)OL zy9z4Tqkva7Hk4vbZwxl}l0vEhFlVnikny6Zh$B`-;A+`OKaZQ8odD>2_rrmWqqo($ zKU)_8iRHac0gRV8od5Ri;hz_Li?0dNL+qV*_X1yXe&7;|Wq&_BgKHY)36ZBUL;0?( z98~yP4RIO8*7~1+BonUKfAr=T6@6H1dV-#k>o9F(9grUs6JxV^DX4a}rcc@}hgL_A zV`KO9=$0B7>gjOvx2p(pBrrxFen*{vM1V`V+n3{)m1)Ai;9x+ zb7yB%jZ>%~Gh1WhuWgY}GGv1(G_@^RvZ<|2y3}bfi>S^aP`2Rp>u1{84on#k&narb zzacv+Xi!$$GjVyd96sFo&Hml&on{@r2U%G>Sz3CAhTe@Tfj5Nv78ix1BxJb>fwD7@ z651`%Q&H1?h~ek->4g9})*oIi-Txt&{St&<3#-tLfwJF->3=XSKs&-tcC!zedwUXs z76)xeyQM_XMn8V%<41LXEa(;Wq!Gj0AZ7P%azAzsj)IMBzI@x* zgdRwdBc_4hpyb|z2enG&y`>+9uuxwoo$>q?;_=H=wz>1%M)?eIs9ZL^W;udgTf zV+AARFY^5DD&L673a8gwC*YOxj(}w7nm}=94dt0ZOd%L^U zvpa=SjGA6?K(>y+%%zDgc^j#>JGfBMQqje`Sz?vYWei5b^k}9hKz=?=iTugc9BYH8^j5}xZ_}uiTpSnbt~;H7Z)H|oP)C) zkvq;&IvH4BbpGgEKRB3DYZ~RlPJj3?)ZoKQ{ILyYz(;T@{ycRBPrT{ipuuCI!WGlBcw?2>12&l8WrU2~3)@!U zwRkzs`847@aK^YbQd+cp#gnNSuK6MOXN5#zpn za><9T!3*I#5My?nnCVcKmYB5k#bv6*^(W(FV?4)>9Sw;RtOA+jp`(avB3qEAnzFhV zX43uf<2~`?ixB~Oxd*~(QN+xIYU}Dy3^PQ3i;AZFo}9d4Y027m#tH~2JKKLfrQ^ho z#PY&&#WawQtmn_!`iec4|9ndlciEI)vsB+olXYh077%c0H;=MNldPlP1?`58BCyuf zM36psVl=Te`%1o$kWhbo-YDyToEBqZ2Wzx8AWPVtb;tHk{r>$N9KggRT%G$=LJM37 zB^pxCe$=P9-Tt;CmZkE_U{( z85!cmFF*XXj-%CKhKAg^1L@Q4%?Q~a&D69s*tVao7jQY5+uC@+aFbVByE1Gd-AfJT zg)GwEs+rQw8%GXH43?Xsz zMPy`Tw$^hT2LIja2`#rQ!%B*ZIu&j-Bthx~5`j5-yS^=iRqD}$NE(Y5Q; zR&;cA_fiBJ(oLSBrK8~B=Z{dPVN(r;whdVxmmf+$Q0nNu76NbV6k~X^!~WDOfBKZD z5+4Oul$G_`2w%K-vB~Tu`U&iG|EfP7DVy^GTeAX_hc?BMB1XKPkPs77?jZ4F{fz&S zVSn|aG6-;|_2l^YwZa}H71|eixgdGeyLMq~itmn=d7|#;?+?I$7gHWQfTV^Fd?)&R zb|)h(ttrda+x6M=NosM?(WYCKP~o0*jM<*&7duQ3q;<<&pD&RNPZ7;lPp|j;cea!^ z7G~y+?8?<_=yM*|LO@sX3^h62--gRRxpVg}>4FOtgc$HvltT>-4JxrV%TtW06cT67 ztWYMOK;{5l7=J+(9CQEv({@W7Y)CM>hP(6f^0qdow}ctPp;*?Gz*qrrI5&0fAQKbh z-|5KVjff+f-B&d+#7pR8Ou|8*4DfQMlcN5*VmCIfcu0~ zqRhVfQ=~Hf(Iaa?`uf3C2rlaRUDafgM>0zqeEkY-cPvM<0!mu6Y8C6B7X^N$!RES8c#n27mIeI%|_D76?(Num|?43S7(2m50RIp{7UXePU;6p0wN>(YP1@Fg?V*PkcsVhu#4<}B&OIg{dY&SwY8yO zjE|2`cF@H%jMN0}gL$wxHk_suxd}hNE~H`vApGgGQVQ&m=g*%5r=SC;aaev~Tsax4?F$!a8`7-y`K`V=06nCRm3eFS2JLH$v1_#?qMn(dU)Zg?HA7I@D z1P@&%#b?t^L!%v{IermxsY<%zRK}3#RO$^`b)PFHg*}FEJsFsoJjcHrCzWYzY9b@9 zis8D*$jHdL?4*TdYcQJ)l{+1;IyC30NKQ??)ne!EBseuaIvSjs=_FliT_kp*pZfQ- zqqEpm50AAci7ct-zx(f`W*r@^R%WNAtcHa?IkOM@$zztJ0qpk04-Z9ApG^sq2Uc9H ztnbFiSO7Wleu;$)i)L2N?G2F!PD+7C)#vmM2lS%!#{K%GO4k{-#B3KfI*Q7CWBj>OJVRm zn+axVm6cm_P^xhdZb1Os*05g+w#C9%v;8qXy>PSjhKDii(;^W7+tXZM5;+>j1Q-9H^KGKa3tOm3;!`bZB~- zsm62$H=!Y30WkRInEgqQvb}qzHR3A+qW$0>nFRr;zojZG9{!fE)pVPutxk&g%S)8wr#(5l%pi0pXyez8{U|g++K#L?mWzT-t4R zQ= zgqPs6(9+UwTiC-N!e6`)6wvhiZyF$?qat$xbx~ePDO-z|*8CiRLhXkSe)B1e5Dxxk z4AkA+Rx}Q78&&emgk6_D2gp8=tRwxosU*i1g=+Gqx1Ox}1sDjJ_p4W@9C_bDR%rUc z8N(wbmHf+MC^_=A4j)iF5)WqLT-bCXw*3U^$V1Bv=HDO@TG1`r&MEqf1)bq8}AJ<24UI-_X>Q3N;>2pgq50pe5kE; z8&QVk2?H$4k=INpUW+#{`qib!Ymga`y*hbvZiM~LMc-BNfObn5 zLy&_nC@b4LNj%BOsJo=W>R-i58xkOUB*-NB^1A=fUnvWKF^atzfi~3iss2(D6BYro zx*0r~_;?2XxP+vn$((UZ;e-@;q5xdc`5`7cN=kKAH%_Yi1e@Rbt0xT{)sUd9cK7fo zHQ;Zb@82_=_?IzohobxJYjrm3DEg1E7#&S3#MBHn3`4ZKgq%rk2`J*=fdgRq2H&2( ze)$qnwR10*Q45+H8)fC>WHy)s|IJ&p@ecL(_ka1K4Y%i5>RChrTM|UjHn~Gr*VYPk za)3^vxtJ^57eX7%%G`JqXC27xnX)^}N=mp7gzcuFFwjf*+Sz$oPw)4PSTb?|fQOlt zAD-fWZS5nt*!Ru%cUkuHTYo>#|Qm z%WEuaQIW#^V&+Gz`|J+W(jv7I9UWbsenP~L74o5+oE#YXQ|opM;RI9=Q0~YpngJ#c z<=If{p;vWvi5x$E97zg~4lQWk>&p(8F2yLZIdX@>Mtz!|PUc?fx?3?Vs%{v*^c7st zNvntTdn=trBb3aq=;gkK6u&sxXBWIDB5OOy!^dZHPsEI9sUl2iSvtbFar)y z1Y(1Wii!#dOp^$3l6XoPWq0E4qMTT8o3;p}z@Uj>O8%;+l-)^ty%-QD&r)JCYjkC- zBLjT))|?2qvHXp=ut)qvt+oF{zWXWUcm99+eV72yheD>Or#En>LHy-v(+|hPkq41N zN=Wdy%V&q+kGS}o!oryN__5F%4`MFn{YP|wgB?Hp6KVk54=6ffNt;r&2gylQ(rIOA z_~V+)3orhYp^LIHKh|+b#I|HI>&w6L1M9|!g^y24-7uV1fE5=hzA1_5BCYatJiWwc);L0z%Ib_cwJZWn= zf%p~MfiNf!(lkfxl{aAdBNfnTotu;6Jku)7abFFjxDEmX_<4FN;G% zL%_b8nzSgag7iS9M|bNBo$XHr%ZJp2G>n;9fMQzD1~bv8yt~kGaink(>V=h&8M=M@ z_MJO-(1i|qkp`J~d3hn>#4^de=CBagV3u!K0odyll|wV|prD`t$l!3IJd4M%&JCI` zV&Hhyf}Al7kXlFQDy}zt|6S*8X_*NNYApV-W)_sv&yu=q@6Pe>OKGzZq{qoJd)E)d;bJj8-8M=Ax|{S8Q09w z9*19|meylquWxpBRV=u=p}AS& zlX&@+4eV~b*5Ci+v$5c-qN36xx7+^Jol9@nIMKXUy}%X)iR&7QQK4#;zcPFD%8FY; z%Y*y(YfKBI9$DwKTcUqy@h;5FG+=KA#RfaNJ*KFBg%Hx*8`9)EPR@gWy& z2;`PdYgoldl(T;kGdrfixeE^lI~a{w-cFe!@HipI7!uc6`4I1y{lgsNkxuMbuhKn&#r?*Hhh#VN)c!U-FSsE5}Jd$=eWD&#im zK70T|mVEdpuiX+W`z@8&J&y4wlU0Rz@t0jxRGhp&6J3?r3%J-;0-9`u*H%_!xC{kC zW13rA8-L6qiu7smf^#iz9UPOjHSrByshsU}0BuOk@R=KVf^Ck4xauWE5a!nKim>&D5` zE_&lMog8`fzNCa=1>!p@RFMbAlN}ePCnm~0SA^VzDSejS41R@tGqT%BM5N*Ue`C8= zMK}URoH6my(cfi)#YKwQNeCH_wX^H$>a0%b0cYkIUCrM7D^g}77%Q<8Cdikru8Xu= zM^qY+DZl#F`1Xjo^^}zoB|%MwKd!C0IUq1F>V?kIshO>m9-z(W8qWy;A{fgw$CV;x z1~2n=q6QlroIH|q6Cedo9n3$hmY0u@J)<0!ID{KF@l9^%|5t<_4tvDK_oDa5s*q(c z`r6<}^}+=QQ6@W{FOrhK0r*i~Ra;{QuoX}RmgRl#EV8q+o0*x3j?vVc2_ zpS!wJ`o*ekpPB#7bW`b$yPk%Nh+IT!DjO%~j%1>DN4sraqdq}v@be@7=oOi@_2-X0 z?D%-DLclvn*eqT>I6UgyIoa9bw_YjbYGV};{S}J;K0FM^gol5PiJ2KE@HRKikU0v_ z#6*rVJMZ!1;gONS`@Zvd?rJ#d#&i_c9(U9FyN!7SqM(kz-8j6^vg@BDe{<{YAmO*( zxCakHYriW+9+sgax2HBQbTc=Ht!-H5%!6#B+MVE0WQ-kbY$m`YBDPr4HM7*Y*Ecq# zhjze%o4D#TdC~zXn!|?=Gcl>YI*1ILgCLO+-vPwFmX1@OX1oA%6v5-+q({5{VSb{1 z$E5p2^Jlev|C-yMc)aTgf7I?O4kIC~lKwm|@0Nwq%^|tpmF4A3OiU9cN4t?o>$I+L z9*Z{MpB^7yTc2wi^oBl(WEKF9Uhd+z>fmj?Cq%Ljsehl%H0f1H%xpXSXOJkWnVAws zQfXywblb??8Ux)%E(Hgj+hpGGNvhUTrWKQ88Sc}Nw$?uw^WtV-_l=YB$RLeDE}O&tvGKnPdV1^11rWAHH%D0Cegc=3xD##dZ@`On3w6TvX!mHS9GBQ;RJmI7ZO55W$D@{hUGM=O|$XfGX zEt6ljx^@kzNPa;{=BiZHE7@WPW8&! z*nCmj0{OIdoIa2YP<-rH1OvUiBm-ru9M%y}3kwOs1EHh%fsrKuDEMaX6`Lpl;4@mh zr+Im;F+6eV6e_d}lJCO8i^^Z01<0Dn%KCX-ic?8P_z^>5ke|V-Q-5Jb3Wo{qLaixK z>+O)|`(~Dwkk*tyAc3CJn9@ZUy95|kPe-S|txbTN+qW$D5+S{!;_F+6@ok>P8ygBy z=h?H~OF_-%g*tq%soC+8y*nbAMY~T#3?spmt_jnW`Sc7D1XT)dK!aXQYm()7|*MyJWgA+df$akeYnBl9&&ZXR~=A^sz(4mzrd$+umDzpAO4xsbpJtu^J+PU-cy2?t@S|IC4~ zo92>Ikr=dU#K04tWQk=WCom%X5R`JHV~)IaY3yXFn?WipEok#AWn`VW&t`d;-akF! zWf+!wKgm!o&0G_b^qCNe0TvWW|0+C8oEigHT?^t+X`V(;o&a-&_F0iZAi|EtX0tf*OXlGzzQ4$Ruh@99#)1;f z)1smU68@FsK*}4zlSwA07%yN9$K74*J_C#C|0S~dDLyijK#wRZgNIK{Ox$gA%h7RG zsrXs5Ig%XDVC^xYfX6lcNN$`Nur2~O&&kinDTi_Q?yJYMP9IZKm{`#tJDICrOifK8 zW--e|+kWEjkQF#E)%6cM1+>9AgR9;8wyIk&&{$A#0tV4`LV2)E4rBrTBt+uvO!@G! z>jgS!4No<#6cotJ#C%tWYYZMkZOFc1_Vq%PRbXwZlKRd?>g*`~ygNi`Y9T2u4ZOvQV z*Rh3hJIxC_)#?=jf?Y0OCvu)3sjldBXo_8qUMKV zUN zh(HM7JX=%=e|yIbn(H6fqV90>V~T0iUUZ~~@g~ny2r-6$5dDGC3{&QcPa4b}Y)=d_ zMb|CCL|tAM4OcvN{CJ=_{kytO7MXhp9||W-&YU99DS+ldW^-C?U9J)WzFNLyCyIsI zxnqaHL9$O{&NUBW`}}OMt|$O`c@c?WXWsV#jORRlO!)N4_h_bc#PIfvilyZr<9Cnl z$b2n#oBO=8W%4?F-7|m38(_))43@6o4EH zgG7+IgGj$Lbrp1NGhdF9z`lzJX5C*_ZPB={7rH{7{2hjmM&(|kdBRyAJr31 z{*f(vpJCsvrx{tzt|(x}#*YgMW=6#CVTFKrlJ^_2kKwsZl?Rg`HvEbOx76z--P(B9A-JGl&?}l)ztEo|i)rvK&A{!$A?i&1J zU|=91$eR_Xkci&^nq*{TkJo%-ItQhS94_((HkeuCkmlua-Y_|M?&+NKeTKR1T#5eW z%Qwpf1C`kUN0EVHU*U%@3NdJEMKrq;DY0X;Au8w3L&g2}gkX@mS-2N})p&bs(Cf+5tk1iKyv{MD>Kvp{*d{tTVF!1BExt(r7c4oxhvUjmw|^2$f^*XG@II*1toB z>K)w@g9O43!|m?{fT56KZA(z!iWI0;U~7k{*J6%jKa4>PkYWstm6f2NL8owmvjZ2q z4QwRP#n9AM&m={8veSgsQUnq!Xrwkjq+HCy&e-Aq&1=_vuwvvm0Hj7F(%GWO6}IOj zu2uT~>k#;xUiF>$?L!UB_DN3f^A3yCF7^}JmaioaVo+}YJN zEV>znDUmRNw=Y;4FoV`$vlKq;3O8})0Vl*a6B8`DnYpU}E66_*|S9@cTIatFkl!+#Z|@s-d!= zlqj1s9SU^gth#w3$ZHcY9b*{Vtfan5;aAc-b~fm9&5zmdiwk-p_Quj?m8jkq5t&{ST0-| z2S=@fM>M_-KzjWfHDrmyQl1#pS}si4m^fy%0>|G7y{o}RMuQHXJ&0iAPD4bZ|HZ{b z{#CyEySJyBcP!m!Kqv%3MOa@5*siaSN<&*L*&dO+sAgd?x)#x4TJUFO9g#4I!U&9) zL~W0phdIc_7c`hbk2x434}-^Wd#v~Wly#W`{+pxuYY_OMmiCuO_QWGm(*fViFEctvK|Lu7aOqu_Q zieiF^a+h0wA&Op8O zhx!bY8d|%u@}2E0!5-djWfIJp4?P53sJ!7OeDWlT#STIuIiCj6G%HAivEaRR)&+OT zUHTbBnC2g6UttVgzZ0xxCkTpZ&-D4=tO4cZ|KL}6J*=p zTabI|)T!;1On#TgNCzg}?ChqIxF3?;{!)PFqxqLFw;_ZiekCCYk&0^bujfnw82eyw~rQ(dS z0{y{Nf_-DEw^^JBUp4ZF6IX&xtjc*wUS1x?l(X}z$Tp9{L`c!HPjvM4FJ);#9YEFz zV8EX0@1K~0wV+d|a#jmc%G{H4a{JDM@viHF^q5#w%cy1`QIp)FZZ%_?ow^rBi?696 NoKsMf&yzLw`+pwu@WucD literal 0 HcmV?d00001 diff --git a/themes/assets/images/ki-begriffsklaerung/image2.png b/themes/assets/images/ki-begriffsklaerung/image2.png new file mode 100644 index 0000000000000000000000000000000000000000..be8e10ddfcb4639a595d1179ce56ceae9d74eff2 GIT binary patch literal 23074 zcmYhj2RN4P{|79oWQUNfB!rNJq>Lg-NJ2JAvdJbh2^l3xh)60c$zI7yNC??Gdu8wU zqv!qo-}gR_=Q%p8`?{|4Jip)1`rZL5N|(q<7)b~S2*@wXUsNR^*tLy+4-ymN|3tHa z#rVR5yB98~T)uFD&Bo5!aQtsQt0b-V7eDv54&+c|gl;-I5(la zU$Y(~FJ+F9Q{|rnL?7J|vGkokZ~G#`IASHn`Rf}}YDqiYxs~91jkmq;JgirAeI=&I zM|W0p%s^e}^uXPLcOS-{2^gPKKVxm%%5%E4fXmZRFe8KSUhE(4r^%?ciC@jl< z8~K~}2nhI(?)>YghwNoF?JrncTHdy@C%9mD z+tB{DF`Ls}dsDVcm#?a5cvH|55U>$kz9_Bc+%XyJqN&~PvYqjug43~%JwTQ^<>c8a zljjecDC(_p^yetfC{9bxyKloyUPdVv8QgOGNM2R- z;>Kjq0pk7pA8<&?6sD)!dwRy`-yjj8V+$aSY0xL;*Kpc=wOll!D=!vulV z)s4zZS+a6@4(fo5TI(82)wWE@D%|$svE}{FE-q!fd)t@8;@2)LowUn$H!vWOZT#}( z%joFnmoHL6Q5&CvPtesiH8m|PEPVeS7#*!`W@e_MLRIvT>fILAw^zHW=NcQYv4mEe zWQ8)F85kcgXgS9aT$P!5(p!q^@L{*1Z%-WV?I9-mAW0-6CU@yl^4qsUr%siZmphe+ zK9T>`*?E|r-f8ID0cXo2Dw{{B*gt*x)YQ@O^3|&!{Wg<@ch1L23JR*IsSVA{P-dL^ z_gC2V?%SuKu1-Qqs;i^Jl<7%U&LZi-#K7?4=~KcCk)0p;wEm+0PgPabg9k)~(Hn=O z@QR7yJ8{C{C&O-UsYQP&i?7B)-GxpwzusS0ny*PsPtW=MSxsHt>ek6agx=$n-oJOz z%Fgr@YhSz8KQ=a2H`8L4?cm@*FQE5eH-Yht%)>~60n^uN@71EMZwWJMXlUe`J;FP7 zbZCuSk@R5`W}MnsonM~rE*B*0F(Ov;Bp%xKGSqZ%$X4Xk*3~V(Hxkll+LcEhGT7bS zP3SH4UahCp)6>?racQ%yr6u|kFRfd zc=!RL{`u9-%}tFAJ>6XL$lBXk?O$$(4z5(QdT#uQw(j^e|LWDNzCHuGpzOjCZd#II zyVb_TOZ`(1r8-#&SGUz}-0<`B^Nx#B{L|pMbuX*E$m+1SRD7f9R_QSr_G{d<+Dm-l zHIL;6(|2y?$&)8qY3lru<(=d^&xVcIXLNC`cjJ%f`Sa)d5~HJ|+bz_&X(vR^y06S? zTNj@e7Jk6?=puXOF=LwQxl5re!+-uz4=K*i&ueRI_cJjPwy+XPQxTnHAS3okJ@Nj} z$VhVAgy@HDO3#&Y^S1QOLCLK|74Ev48kgZ$>+9?DfB%XcZ~Zf=@ksGUeLXV+gO@1t zzds=*Sl2ONN=s5{EM(c$)Y7uptSousz1mF4I)7-j+pyI!>ixcDY`_vggWde`Lu*(!+;)Q%Xnu z9(p=DitK6-J$u&8z<}-4DViQv;?J8$_Ax3eH+=jkn37U$Awo$(ksj`#;vc1ye3V#* zGrS?@%>3qzXI#TbsYRSv$Q6#K7yKy>%)0yf`i_i@yk2I-)!Y4it@_@&baUzZcaoKN zYCOH}^H;5{t=R^+1KEjX*q^lK&y3j@WMs_LE*+;LexzfvI@@1<@7}%H)(beN6yo|T zU+G_+zfa;ZJwEQbK9yV6fbH44)|&gJ0sFOeQ8iXcR8q3^GSkTDsHvJ7tzm;GC#Q+M zJ#CNEH@#hJn@2)?Dvk2<^2o@@^78U3s;jmA3O{}flS?#YkbAB2_wU~o_pRn+<>R!0 zg@xFMbQ9;_98dCDGMX8TpnAne?(x<$W9!iG4>(4e5srcypWKJJL` zICboCZKxlwFZjz`xX^#%Ar-5my{{YcttWIt1`qpwOWu)p6l&P@I0EHxKVxo9s87-|2 zoGfh9#fS{|W2a6vTZqg=@M~ck8D&zP5!t_U{M+w8Q%F+b#{W#RqT~`QtExDU9eX1G zW@~F}#$&m#cXQgwJDOOwG57}iqX2*ZeSrzn)6=tmWUw@B69+wAU9~vF`^8wOsJ@tF zT~}3YwVY29xPM$iqDyOg+mQP$heK z&D*zc)z#JCshMeNY8n}_znjcyu6`!dF6Z+*-7A5c+iYrLLR&{CwRtR0CtWY2;rsVb zwMqZ3nRwSj!=RubLT`h+cX7HZD=LglOkACvf49AS6&2OaJGV6v(%js9NE%m2_Pg{ry`L zJ5Ek+Z=;r)3C7tT;nQhKg;_HNZEd&s<2 zc_4EnFyZ9MlNU>ja0-$eO$`kVGrFj&=K=x(8XFrwe-`$Mqb2It3ft|io^p`Hk4?C_ zwl=8Vgr1I0%WYnKU$I_jg6ZwsNzu`rixX{S&NOs%OMPX#eMpBVCnuv$-LViVlz;Q! z!Gm&tN?c!Wfdj9Ih{%~Uht#vYCT}dZO)T#9Ei)A+y#7QXsi2_XtJuDQ#75IUfBtw4 z_&(^wFU>rszRd9y+cPjQ@b6zc#$d?x5Kj*r@t$6Su)wRuFxxwGRe`Bqsq@?Wa?M+SJooM}zS6yA* z*RMXMrJiPHA3{SZi`JBK6s5nW>F`$zK2}P`5!orVL$i%DVweht{sJ#}dwZ|0t|la~ z=ZP3xYUS+03JOIjQutpO;_d40PHUSWB_*}A9X%Xem6Max)TEjaD|_KW`B-!E6boTW zi*8zMibq-u*}B+UMfp?#|A$yu746k1exK_CK#T z=@jj6JrK{`@$1*KSFfzDJbDwsrTmJ6gM(=AUh0vH&!0cX@p}~=JrTb-vAFi?6^ozD zHBC+8>wZU+R6T<#fy)?~m||jLCi8r;8De8&M}EW}EipLYpS?dlkHSC8Uxx^V z0jG*zK%mzwS1+sG9Y2+#kwHD8W7S>YFxGVJQgvklx457n+Y@f@N1;0)6>#g2)JM8 zro|g2CnwYN>#VJ<$;iljEiaFqcQDCvF*TKEqcXm8r+LhNMOA7tV@oS7Cp~={&`c={ z2-q6mmzUSn=-l+Wbu|yj0jI>))>i3Cp2JUq)}KGao<99lUf2aJ`r<|2#I@bP#zsa7 z@$p}3dd)L6<>cfzxwuf`3_l1~yc*AFG-W(|SU|66)IH*^rDbqPNXVl{V&9x@TYf#k zok?}zK>yGK?MrMC3asZ`iJI~p`8{vkxPdKMI6B!hv4~fsfPPOJkuXy=Zl$`qnueOX zkAWc5cMXgG^5siXdVZDnzjV*M#S%Sx_RLqE$X5633IB3KL5B6?Q}>*mHTfgy4<2m4 z!i$qr?6%CWSCq#~$@9?AX{M*UyT3Y6lkbmRK7iau9U|lP@z6nMy#39a?fm>-2E;tD zKE5A`73&^o7w#@PS5s5NL{VMhrk>Jr_3G6hac>C6B;A(yUMC3RR*f%>Zx7Xkzj*ON zw~Z~aQBzm<{!~Zy=ACa|ul`gh<~b16*4BoyoZ~ru+%`i0*Q(E{TnEP98XbKy6reG=)K+& z3qggQ7;j0bIGL-hr3EUoWF*TLW<#pL*C+PFSg74%$(zUWf#Gj!&vk8m{ayk0eo|te zh2>?e5{`vKH0sRF48>cw27mti=~TMjZ7JbR7nFo^*w)te+Ato79nYldvoU+T>U*4a zrpB8kA3pFLJ?dL&bc9${Lj!d=*S39iX{z(gnKSXe^_N)h4^2$C4SzrQF2ADRll~yi z{G%n!I5FFVv@}b~u~?K&AUunmm(IdM?Lpeqjm>dl_zlHAXqKgW)|P(1JQ*Vw?IZ>lplGBR??L+;9z zE4fzPBqSu_wgVL`f92LzR%mgBXi3;ii$7QwDJ3_4GQI$VdxCvRPf>%GxxqwB z%RxmP-$zXnxai1#;>3Z9kz185EfGq|SCUk}R&85gr(E>!EUp9;`}*}OuD4_8LXyJe%lj!Qdmmi(bBDLcOZ%1*QlsN zw6cQ(13zNV=2AYLY?Vn;&HD7I&SV}N%+1YBU7c>W+q#87Ykk(YZ1MKEwNRA1yE|&2 zgLt>Pxwte_`WE{WZhrodkNz*7KNk@cG^qYQCi3ZIf9oo<)iMcCEe<*OYPKFL8xhdw z+Tp~;yns(Q7@k}6akvDy8d2iml;o#x|DnT!1J!5BlMFaTpV7cJLrJzbe69R#*r%K7q zV++H>!#fagW@~!JK!`E(m#4k`uPXIlg+6GWrj%nuQeUSgCsS*TNr;L2Y{Zh4;~w5u z7hPWZoSlsw74hs@>gKseC6}(zZg>smNwGQK{Cyc90M|OGNJUQ{`RLK3?BNS4w5OvK zzv%2Ce@EF@oaK1%&z!UNIN!|J*zw5PG*;{lE34@ObK(z;C|ce}B!z_j&TMbZl+FcP ze;I#MvD0B?Y`El1O-HNtTyWb(ZH2v{ouY#rcq`XGC1s*aZG+xuiceo#yVgLkskvD+ z*Ll>wK!v+PkZiPSe0;o0IKbb-j$V=ipok*S$hYE6DLksHf3~H zRvr@+q^h=VB;JDX(z<3Pm-wW5FzL;ku$m!%N>+#z5!+?p3~V>n zDf#sD^sZgI2B3l-`!X)>jv#}8J=w)emz0&1KD3OluDWoBA7W*-W@Z4Z8yFaX;1{bj zGc%*FqvO7{ksleUar^c$`vmHswKdnEN}tXutm4_3qFbB4q3`wdlvo`Oud!eKdwZg~ ztgK9Ob4h##a`WV+&5kjYJQBh%GuukWD%dE6Ro`g9ThGu3wJUrjmP6`Un)`W9SXld7>Fa@*D z&d-}$S{8e37L=B5udIj>gMriXM3|*ah1oE94!`!HCY4}O2ISzQ6N!#}`I6+YTu0DI zL!7drqE4QTAs4BvSco~^=wv`BYOSqprc&~tUA}Aad0yU$2=6x6VwML4(vKQidkm9Q z^VKhRcXiRx(Y0D;p$)e_8Tj*Or((q(WGD7XFh&24+geCIaYKB5d3j&^jl{9zE-o&v#U+J>ZV>$9 z;|;=p`~@gFJNHv2=EIh@R{t-vZ1chR%N$KrFL`iIbvfm&turc(cJY_``R(zR>YJD- zY$0I51_P73v7LR44m)1O{e{g0n;K8c=K69_V4#T0l;xea&XY1Z-v0j80W@5SoHUWO zvC+}B4Go@#%+6dD=F*PUOHK|Bry0o1lV=ad^5AzZL^8TL`S|JzI?4?M8OR>i7#DbK zt|@!2UGMC?pO>GXmYxnM9dwaBv2k=@fSQITJT8us#)`TA*RNk-gxESozo>X3TsKzc z5-){@1P3oJEtwb_|7PJQKEkN2?F05}9%S>HyPz=yR9t7G1=TRV#J|h{3)y;S6k4l5 zD(Q-l4b%3tQ)y>=`{m?jCp#{NcZGD)){mkQ=mX40j)9`RSw+Myd z`e;!X36>(xb^T403$%pAMAi3-3JO}eCDs=ZVfLMR@UA(_GHFf?^?#AMXe#~9OLBtnzE~%IN+j!ynLSPB99Ln zHZgW}$8QcM8RHz2pSEH#!^5`|8;K<*f!?f(=Ju{Mvu>|cZ)|L!Qh9oAr>64d>reU^ot-J_Deu+H zjE&!%xLw4S^JQ=j0$93EKH*i5Z@kq6<{xaXU#AJLQB+iXV7uuy*wfP17I)U^$C4+| zbHl51DDpHUegHmfw`iop&_=c?NJ)8lcnD37%Ky>P(`z-`XgoWsMX#l*h# z+lV;2c07P2d;88E-)sKWgTbMpkr5F$v-g(^K9M)pB?4`MzTy8po1BmC%B4&D>I!@; zD1YDd5P0v2M+w59zI`>Lt+22#BZz)r&e{CvCiz}pG#NSGF9w1ZN13upN<5})QHp^3 zp&wdX1W>x4zUc#$Zz{w`_Xhgaeb-}jT-9a(3{*Xe0)9vmCnudPp| zwK>yU>N!vm5F6Trg3>A9*O9Y!)SUe%tcAaywh3c3P43+B&JCW@w64H-_(*qtkyg7Ft-6iXk&yKSo9T zDJyI0_vhW8m>1hjg$tX++T<#XG8K|OHNNY8)A>t8&Sz}w?$0(+At50s$X9NU5uYcw zwy>zHt@S`O_$bJpL^ybY&iUraik#PRS?*m& z+=!D@+q=7`#>ZdA#*(Me`KOeY8JL=y=Gl)?9|)O*N(2_Kx62R;7I0C>JYg}JdE=2- zrIE3*Lo_slb${=D>D&Qe#zOsB6zxIp)IOm6XSM67s7O(j+k1Y1@dLMzn|8XQ-3XMA zuEJ<8^H%kw`BNNFNf8l8%UiA^p+xTI_0!Z*56%{B#9U+_o1O;S^K+yz&PZ$?b9Hme z*0Kco>>$mRes9LBlfxEMF?>Wpb6kbkO3EcBOTI1LPCP07|~O`*2ihM@MFg+Yj%67r=+E% z6x#IrBqrX*x!BTc}r~quf4hAWS>f%3!fp+MoGVqf7?ru!@R`M~{fbT-YanSwc^R z)X&R{x;N#}828T`C6Z?6qnn60ev!n_$izgB{RwzCsGYSnEr(@OU{-eaX?FI32!XU> zv~oc5cd4oNTF!M~@4$@!aRI9jL1FXr&ve!{kdu*NFZuWo`ox4tu`w_*en?HdNcAQy z?F0vharh*pvzV~3k3~fmk<)|>4;Po0VUXeQT)K40x;*!mNVGHsk8jzxZ{NIZ{U5}( zT!lyr+XuW(;4KMM7C>LP13)8iHiJdmjD@bEK`JZn{C0LS=iPa^I&^9ASm2n3MxVcs z`fz)(w5FXbLQ$z{X=z18F@60+@xLA@a-NE=w->*!+jxXlHu~kuM}MYVwl|kE^h+t8 z)&eV0dd&LjZ~cuFpqYSb0>(fq>+}xwdU!6ge|&2@)BmynutL#L(7JLWEu8&uFxa6BN_yz1 zsv1RJaPR-!($PWkQhMgQrPQ_0*eqwxM3whX2JGwB@}MXeqzf7z8NnW{{r;W!w3i{n z^QTXn+S>O0`6w2GrvNjuM9|=tsVVo#lTTz`PpWJlqrQxrN zvmjtVZ261)^kpOS`}Xe5`Sr9y&cwt7cVXEzpVGowR0Eg+y$o=6DZAc9q6azvB#iXP z2Bt%YuJJ@Dy%_!-xwNzdy%0zU#)^TU7!!r`KtGQ5=EerJw)28emp2xgl|@^lG<9@v zo|KZq<=@1<^F*okVQX)1rzr3h3-NvVyO4#F+$E_@TtZ@UaPWduWNf7oR8(>b3MC~a z$C&=b(Z+`oS zU%qUZ)&6apmKo*o22TWCkYByYjMeIyd>s}hCJPwATJF z7TTLvIj>tQ~^}RR=jq?9{(%=z&U$FC!%_=zOK%K zrK4oeVs1$b+om{J=wWYL#$Xc&%>0pDoSf8`mfIA}aJJno$2(-zNbL!vm~$=y zv?P)?x^*j7-@^*{T2K)3j5cctRPfC<&rOYs7b`mIVQEsbo+o=|?>25N$gsmXW6zF! zUeQfchXkpA?OLY4Ss{xi9y-c!Kp0OE?7pU^fx36kA$eeV=0_Sz>oj{mt!dw|v#>x$ z$Cv8ZUf=$~!TC>zalv3PfWa(RvE9xldqHR5I<}q2G;|ERF3vRP@cDMtM(uHIw8myj57*q=D+*P zDCahvku*ksVyb1}32QsWXq*h_OHU*4f!vCCf%uKK(D%k;$9Hr$P%>P~to{;O($$ zzn@H+I@seGrXQr%?M+QjrPy#hKpCJ}!EP*!j!9~p!1KMqbHl@<SEJyrq>D3Uli- z4Yx*ozq^~-Sv`oKzH2KRoC8|$W&1XfQ3^s}m8tp2W{5k`(ZQj+$mKfw6S4jYMb75n z!=e_RADO*%_^r*%I#$+WJGRzYd}!-zO;W1u1~u95g+ zdN}N@`&iuxn5+hIq%T~E+uj&yvpjX~98_KK5!o+ePueYT-(WF7kQC%}?=mvr+IKF# zkYfpju+b{JOL{SPjJ&tfC`yU{>W8)oIP~%ygu^37Mn;aR_QaD^(qRr;bC50JI!$%| zXlOu3^I1rCM@skc$Q==9V=}AZ3)F};h+6Yi!G{IZJnyV&=8%L80`kKM z!0Ls_9|Svevb9By;ON&H=oWWw-%expk6-KLF$Awftx^&ZaY{L{i{M$@Zl%|jw9Fk3 zP@AcS^FftrvBnvC#R_4kUC!nl>ENApE}}fY(zm(XyN@+OAqj#;M;ArPnl>MuN;K4t zVAIpttvzKxiiOD}iQFBK^{!o$4r{Iuoa`xfgA?>{yp%bni=(#YM2*P4XK^$^mEy5h z{ztvlcp!=xoOX80afEnfVz zJUT8;Bc%mR>>mh5HTn~=dZ{o-laJ-lp|325;h;V)B0}db z!QC3DE9N+)CWJ(Wv5#=!y5rk`hn4t0|!0vV=K z=yDKW@I0>+lI-8#p0nU9ctqwhpd@Tbc*4d)%whE2ik#8)f3kB<`LG?nYQh=5{|y)e z90UCecW2wV83rY01GalN}@XwXgzqt_&IBd^ZSeE| zD2X~v7jzqWi5Dr45G4VHxb?lZWa#JX3y21_hB5~KSzDZ#c++bj7<1NX8nDVBVXw|x zr7QQk&!7guwpK{`3t0c3r<{9k6om5ndo`nwdq8^#CrEATdaRVQ%1HO_#c{U~k#t`P zEARh(%#ft~BRa_1>MH)kRO8|WDE|gq)eued^U=A;$jRrNCBkcrBR`e`ETNfxtqOzx z;wNKEB~AeVE^y)m5->g;`{9UV8?h-l+1slnHm^YPRnRKIQEu@zU1jx0dN}5e>u$YSY!_`F~eQ~eb?c@nkDiMQQh1nBlty9H-> zJNOvveQN4Y>g{dMg+5a_VCz0O7Ylv6r$%-ULBc6N3|@x;YDjD;ZR_&&Rm)jkO!o_YKH+UU_> zIhZ_mH+vxt1Cm5K>W1tt7Zl7tLmYZ8;Nsu8xtkiqq}6k%BIYV|QHtoCJ-ocdIeicS zLHd}P&xwds4co=RRvcvA{*An1ho+I8oe(>_k7?uiiLlz?UAuOvY)<*c#pxRx8{?!H z7{mwr8QE9sV`0ThiZlGayE`rsWgFJ~4W1S}-HHk#Zl=!PzgM89k1ekK`lTkw zPpHpRwm#wN;u8G$@#G@s;MpCe7{5lDHf^;&MvhKQNx3~+PKh?`efKE@;I8xF?T!n| zX2OgS3bIM6Q=^A%?%hMZ^FJx+SPpsw!jBxntJv84N%W&A0jT!${5oD!Uk?x=`2!)H zjsBOZaLD7w&=pX*l&)UgPvj%uxmt^Fq2OxpSX#ivqf|+s{$eNf{2T$8511WPLmXB8 ztzmuegtpQx2XsAwv0P0)oMN)Qz6wbqr%xlp@VoXkEiJ9EurN_l^^be~5PiI*RDfu7 zbT+^4>;DIM4C8?jPG!Xoq>1nK@64v6L`r$)??chV^d&F=jQs)P`zZu&}OM62e zym~db(bRoy;eDfNYHI3(rc!dq+HB4hVjs$ns47ea<*LP^t7g;p}COQxb??+>(2yAy|)%smH@-Usn>f0(a0Z|5tG23w2CIWA>#^1x2g^H3@$I?D zF(oQ)+V3nv@4&y7zANteL<1&(!X&wz-*DT+GEc!iYA;zLtY#YIIMRfnx7Bb+^7MB2nZmLMx9+q*ji?n+F<2rPNPzXks4_A>-K=U1^S4Gw5jy0LP{3o-6WQbnuK^W&qrwehaP}_CXZ@3m!NQCuczDLc zmCxtjU(cyAUR%m7y>Ii9Q)Y<@>?>})Yoy10z8<-ulC8A~ILnYsrpqNmtIf^Lvu4iM zo1BVJ@XIOf{yAoklnOX%&I0q}pdiRjc#CAESaypt*JMNnLBK(3RcIF%79Jy$7aH1T zmfe=F>o$>=`$cGfu-qvIG9vw}dyb!()fHol5qJ1dP_TyNhAwhMaK`4>CNi|sq|Uy* zjarOX`|`J8yEDFJUI$-I`TkFl?Nt3NFiMH!p2_lE=D9LK3tQW3Y*g=B%y=TOFY&s2 zb!=@kF%&!x%s;IYFf~{%>qotUa8-3Rm@?C^zce!Ml5-IVK#()3X~uozEKQK;EFn{a&6WZ#x;>!EIC%*9}$Mg$Vq|w>dtyvRuTGay zQhu`htYry-sL>R1bk=R%t2(6JDHjhB{R5@4CrFPi zN%hRRb0;EeuhF6-Bk{E~Wp_JM6Ho-FF~DUF$MUS_mV{w4XV}!aCLMnI1 zoQWlf`0D0?-BkwBA9yj9UA*7mpH7^9ly3Ry)2A;K|D{&;n60w$h6ZLhJAx5%_( zhU{%WMb3SD_Mj#Z%3V%FZF}%QYOGiE+wfmJB7~JezS5MY(Ojij2zFigwc=iKx(cCD z?F$^#*tcQ@VWbZY(a8`g`{-EB`EmeR0Hl2d8Ak2JNAJvjdSd73NGIm0r@l&8E_gmJ zqiy0SJGf#c_}`+<;6w6hYwlKx!QM%(%SQ!;N#=y zXh$MUx5WL>hwbOs947$<%+i+>z%`Fi*C2@c=wldmv>(a~U+b7Xnm*(!VCCrTT8RBf zoawnuou&@JV1dKmp&Ex`D=MN!Q(;Ua%+Z&w$Rc(+{|8vJPGhYe745f$$ZI1W45MiB z{n$yjeA8>�<$^-zP}g%}1suB^~49@>f}9MgQ1Nwj!d)+!d?jG|_q@Q*&}?Mi<5n z2;DP<;q;hn^%UmAhf~tha0OOwZiN@w+nY+a`zbwNL`ChAgtCv!hxMQcoWSk&mX8FdZ4v{gY;ZMz<7(0}53h-quq4Vbz}J7DzYih{!Az-8em zMWf6Y)q`X9;woBqMgmLeR6;zbD9~|QTSmE_$ZMqQTuW(by$c1?Klo}U;u14m`PX%H zih?|D1j{u;I`J7{bK4VMQ!#9ZC>5e=cmw85hdV!F&{dX_u0%R!o?L{;0=pKQxK;c4 z*)DkPplWy#j9E^Q8TYCGg^ex90F>>PbW+rZ?f=rNTuMPDz^X`2qqc$}PbJYBGH_A{ z5D|Kp8N{n_BiSM=D@#Fs{buyb^{+l}VGhe(y;_en&NpM!J9}AKzp3hbTN|qwG*VYn zn+&}4!&F#ASQtnD0w!qwld>U{C*KGLtw#(7m8Z~ttSOyi4hA)H!=ToNgK;@y%RqjR zDNw--Mj7WpO1qeh)@phPo(_?u}!{Cww5mZo4VO4+zpQYj#Fmm+}b2= zmd$ukPfk|$Ov2nk)tw*J)%#?xnI}!4IASTRZ(SxsO%xT~_sJLz^3H^VtejlO)_KHd z5UnWNf9JE6$!@zsreF5^jr8rsnImgkCKi$1T&kD)d;qbe)>ieKH^+u{NhPVC78TVm za-Q>(YkA(H&l&FE!(kt_tlWRvphsiJ@8<0`Re0QOMxVDRu!#Fd~~-M zs*EymUh{PLPbTwm2V%bEsr;Lrgk5?vBr~vbzWs3J!fQtD*M3ZJUQTMlQ5hK;`hAXC zjgJmd<<$6iuRe!PN->m{+F=B@a2DAkJLrgs5GV_IL4?PIm?vWQ+D3}{ueb0;?m+P$ zue98LLd?dgQPMm3q{bLf1b~ldd5NGhvc?#LKuXEg6&0zmCtmNw=P!o!scADnF;qEw zim4i6I9eGd)^7KB1uK8U9`q`wp|d^8C&6M3mG0ljhKq6+C)oRBJAi9Mc=)YI3xa>+ zkI`Xa25z3O>wj%S@gdt=e&+bwZ`-MXm_`&oA!vW4?9`7-iH#5q11gQeYiR$?6p1$Q zAaMqb<^lPQPoGc#3JS)5M$tVqgs6a0jY^Cy+bMV)F*8JWu<|H&uC8k()`dBj%52@S zt1T=hzdboh^q4*Kw%yLCfeJU`K1er<^ytvaLL&rZ23^P3azFb=e(;2Kfwc@j`)u64 z07H&kM6=ks(7$2GBnMlH5C*=7+Fh(?ed}a)HkIJje!r$kVe3?R4#3|`O+M5jz{H5x zRXh=a4I@CmLQyd|L@X>62cLh;LA-PnejXYhMBC;O2g%W!RQtS>abAu8hdhK!xy(!&c}{b_Fja6%X`(6F+z*Q);qMW#%5||_9FS-my2l*VIa&T6^gR3vH9877U@+} zupY2o{0S9@Xl_+=KMBeB)YP66mvZK2NcMa4ziD{Re z01h-HaM=op3dnWnE`vox&Ta}q13?gI zcvN6+sG@&RFPslUY2)w2r=M0ca2C6sskNK#UW z)LrUM6bcimC*Hz^wxgQ9@93DL!d-N4gkphEI%aoZ0&WMni|P>OE6U3L^v02vp2d2- zEiDcM75h84@3^?!&;%Xd`;&PWQQ=LHSytgjyvEW~`AEo( z?SO#&kg_^?eGoW+`vBmB0RcRjhWpd^4(CGgkYLHk%hOC#*SK+`7=nXA{gP)*eaJeHwXkVEZ`ZyCU0Z& zF({}Of2iu>hq%qjJ3tcK3hYmijYn0+sg)jV#W!*2n5wbCKPMUJA)ACL?&-*X(|vX3N5wPx5(y4U1|iTuSy zQRKNv=WxUJ_MaDT!Qz1OCccPy2C)$BgB-%b3z*T~t>TG;nNj6zmR(R%vNKq6SmSnD zk^>BAbW()6;s-hjgDOeL$e{FzJB-s}D>(Z6&rShR@2q6x3e$ME{X9nxeMwt0LM{>1 zFtrn#FRh+4snHZezUJF7W*`izsr`EXVcOZ%RV&;BLXs@rg%xi?7 z%XP{u`=+LL29f^LC+UaTI={S3)mBv{)R#&~*?!K{i}E6VT=`$M=4J4 zRFTs-2$e>#m9%f(TwV6uUe55`oXDXhfRpN4{7NASc7wB<8$NG9i;wQ-e(5yz>+gRd zo&v6BYC1_J6otSPY@YvY`F;8ZkERMF#l^oH2>ytZq}1k|ywJ&7J?F4VAW|?WYPFjr z4r9chJ_*f6dwCHEMM)rY>~`%8o-*nIKCb`~K41>u)qkM?`0|FI6S|>V?I$NM2Av_j zZ%*~CWBEQBxQ)#$8aTkptk0zOB9gZ|vsMQlTuJY&Le(=CN@He$h+JbVG^%n-cVqwl z{fLF<>TV)+3{~qM+!5-4XHil6>7Ou>&l1ALf;zF2g(W4txlg|JK1^TCNh1~Czo&g< z+!L8C(DR8)P^}yf{5IQ3OitiqB}kvUpFMjPDVVK()~zye9*Y_iP&Ucc8s*fj``D0N zP6}tdkYYzAg0v2zfu>8QXZC1u7@Yk-+jk$wY3dJ>)b#YrwfbAsdA3wUQL(Y-948r8 znvt==*eA@Q@S2O)ei;Z7%p)Iw&qiQmSod7i@Vwo90|Qu*r5m?9OFK-3A7bd7h{!8O zfa>@BPz}w;I+#oF9O6m89q>}y5o|1v$Nd&?v&5WuRx=$Dn!+0i#Tukc-a|EsUB4<`>l5?KpciX84` z4(gCWL=cd@K`0u7;?S>H7#JRfgn)*iTI>YSFxz5a(1)UmsZ~E2m%l@o<>kLUFSt6l z>dqN{SN9jT=G^k~ovd~sw*vP2Bz`^$N#Kt+ zt>I>37+5@PCzL*R1ipl8tu52Y{3>Q;B_!Naytgp|m-B0O*SQ>LiC1!ofPWSuZq_Zm zTw*zQ)Q=LY>gqCMh?tc%lC zjk=Ce&x|&B@i$3*HV5cSoi`WT%0B7;%MW2hZenW=CcC85G@`{!K5WQ-A@0^?N_-7L zNI1GHA!UM-P~7v%-yuvqUizZmB;aBbdN;=Ne*P2`6N3>Lc)@XJ3Nqwg`!$5k5UJ~0r=7YfyHw*(sO@?pe^F4P&AfjdfUeA%{?=k$B@3bwJ9bl zy8PqpOzJuUkwI*a)Km7bqJbm(S@hc|A8#NxM>4?LOj0y@0?7zOC+QDU!UKRNn zZf<7wT`R-WQ^VSk2|gY^WrXP94bic<#1=CI%_TiH=Bm}>3^A3AX$|q}#ty>k=)W5s zZ6$j%1P@>`5?7zlXbRu_aAY$F_5P2eyHMof-2c{udTtD6|6rwJGS!{5#SDH%hQ6+D zx9C-&rCqcX{wOc^7DgMHrx6uvv|Tg=7k1LzhsYzdxIIq%g+4{;k>{{M$;v61#Vbs* zC@q2;Ea3~P>gY(o@Q0P9rM32TSO?koy?xn?uiGZ{M^mF;yciuDJL5FXM8?+c08Wn| z!^Y<%U&J=-IL0It1ugd)t?pSR99Ik;YtGM?sUagIy~q`|wvUKN!fnZ7utQ)pFL{*eP;xO_141AdrDdXLDStL11>$XZ$B> z#Ygo~xt8j4IO<1^V1{XRWre_e4quyiODq<$4UgpnKmT4!ANTwB zrFZWwOp$zOXq4$}Vp4?ytBp>KOaP{k$jZTpG-HSgU;x(}3sK5guyZ$o#yVok^Te?U zBpQkRzGjES!#^sW4ZL~hx6JF=sodU&FJ!QYm{VU5PrnB-R=s%bl@O} zHAFTKxfIOB;H)a1(z~LnN*!KP<7cjR1jLKnOR`A0z#W(P!+-`xyBSxQNOE9Wy8-BuA64bbE6Kq7al=}+`~6ul#($oJ<02c?=bW69)j!cc0~CPn{`WZu7tfYVPg~)027YfStJn}O z9Q0!TtyQnIPVXh7t2@EwXY= zzUQZn-NDtW2fc5I!-G3{(mUZDrqd8Cc>IR#-P-PXNePJ<74J|qko^2rXmxG_sy@QE zep>f=B_9Hez*r_`GK*3}Cx(XJ-1p5R0J}s3KfL(JLLw2RA~sa{2MjC>DE-HNxtx3A zBt1(+4ikLZ_X~gw)J3PjK0xe(J(dEag?f`j4&wsAQ0dQry9SFyyu@X$Z9$UTT}SFmn`03Me>h#P&cbH%P~14sI$hCx=?bK6KY| zW@-vi0O*bw8Jo`W?e#D9 z570Mm+?d?R1IRuj-#Zl+9vC={s=MCW=~I#z!O-3Si;gR!V^S{`FZx;Zr1RQ=uWR>Z z7?CqdO4by6>D31>y>~H+nITYWKBk5eyQ1kz zyAB^1Bp;9XSr}>1Md1=u{*SV};RAlol|_Am~!9X4==HcK~XL+^F@%q6z>1!}sXIN`xX+**d1_g}UtI z_%oT0Jnud6iovQ`+%3+@aaVKu^5a@8yOvf-Q4zA^U<-l)CqZQxU=|WcAeynOG(dC& zs&Gced3Q!DOuUwsCxX@1|MyMFcWL^BR^-U#d9eT;2L>a%;lzvj`p%gsj%~iU+!s-w z*EoLI;6JAi`y%fRfnzRNa%wahgt4OH!TjqpsB2)u#4MY;mboA^0h65>1+2;}w+F2* zv~;Ev#kBY7IHO&aSssnn4Ame&rzbhKl*e1_=za1`vo+e8kd|x_mL6e9lDBXtEu$PE zUyU%THd!U5+9`X`KG&K1qOc=rYsz44lE#?kWbKyUVt;Zc5|^*FRi+eP*JLVXcE4zP z<-vC}d;MOTLQ$ko=;!^Gm_Yxv>gBDQv$|s#{(yOp(THzCCHLspUGhlr_VH0uRFq7h z^G|QHHHR7kZ^am6(Sc^oW>*=dD{kMuJE!S~+w(qbIq!#W?^&IqlF4z#5Ek6E#M8ZL zwy#a|U>n7x8FE?UP01%w(6RQR89J$x-#FFYr4{zHl&ta_8Vc_!UfO@2D5XL>h#x8N^uqvMH88G-}IW@S|7Ags@~1vxeXg2BAnEpA-nu zXarRV;Yhggk+X+)a`2iE{_f1Sn z!o2?B94Tjk>f{_N_bWwf*DjBTZ-GOQY=x%RM!pAksj8^#Jth-E{IXD3A$`>t3WcX7 zp6^|1`~C{=>bikq4sCx>g+r`>0chRV_v+>bm?=-#6WSG4ZUgR}nD~q*UUuU_!-;pl z-_YQy8+n|>J}R$cp)LsK=byRwd3Y$LMT=RowUv!Gwa)txOS^XK>yHKKh($*1yEBKc zXyLEkUn+)d04=SP>avOZPa?IAEb!qTnLBhLlr2dw=zlgcqS{zw_xw`6)$n}w0knPy zzo5$3U?HMULW*y3K5z+tfxwQvcu@uWp0%39Jvr=J3(gLa1{j?_j3prA0}iEh`zgwr zHR)4gxqGU2_K`5zb`Rrl;WWe9U9ElzQJ0e+o{N+gcBQ}tu|*HIMaix*z2@F59u;wU zQ?(2Z612bQ@}Lu0m>iHWB*Oqx5iSUFb-mLyy7oo+93WoGV1h)bJI0@SyTRV;`59WmyFjO=W?e5*9+ zIe-+9BWX`Xe3Je}#^eaF3CT3cM&4(rYp>Kj9OBp{XDTXBi9-qawQr=R-}l>>unt1b zg0Jk=&8FmM^KlCpyuh`@k88@uWu;(d6k-Cab^pAP_<=;M+)&gvj`LBXWUD+O zch5vr3x8mL(8M;*)<>WvafAaP-gifdMq@!A9m{Y-H3ik<6QifEU(hz>JGi7>;j$)e zvUtHVyiGRIc+;{VJ##a&%HZ*|uF+mk4)mUQ&XpTJ!{_E>eMy3Fc=I(@~MxC;kN!pXMr3W5`Pj$ zBL2C;yL(?j!&WGm{H|m(8Z^0&OqVK_@CA1gZP!0MUVj;O7r}3!HXhyI*fdxJNGN9? zLm`27r+XMLn3MEBAoj6?e)EoQ*}iokKqpkoB8Hm)LRq6xyqYmMAtk7H*W4ksdey2L zbu$)Af0hg3Cq4sWtzgy1`g%#zYY-ygsL|aO?q)NCSU6NpJ&$a-UEvO}c67YL{UK+8 z&;@)0I=6YgV{o}W^ue&UNxKf=2yJMX%X{ug_)4JfA$zl`*liMv!88nm>4ztNnm<+A zB~r7`<3T%}fzM*LG$0Kb6wAUKUX)-`F_Ux{aWu6s-dR1hk}`ch=^#~1Q85Jvve*dm9ZK%jRb&1V& ziYWD>$>SC}GLdf4=DOQ)4LNuHuPh(GN3*&&D*pP{^O_U}HEn0Syh_7nvL}Z(Sp%(l zO#RfkB2H8mhMu}(A!-viCuJWOV-~ZV==SN^Zdz#vgPG-U$ENH47QqcF9?4=V{0tI0 zBgWdoC;M;ozj!(FP|)m*_Gw%DR=$(1B|N?+LbrT_l zXw!qLYoP+0d)ow~E*!kF{~qh^7jl8)s})ShK=JO7dQ&U{b8N zCZbuAc)jssOwZyKmXG5+BMWaB&X5GZ@edn&^L(5*Rzl`a-F?;en01jLIbt{IG}|x4 zsaK7S8^&^qBAdxL4GwA7VYws+#(A(G`x?baudRqH$Jho+*oszC2 z5s|>5?f)ZoOP6-RKax3}S3OJimvlcJwS<#@u@e4iztdSACwW^No9nlnh~yovn>bxJ z<8Zykm4Qu~un%58! zJ|U)>pfX_QAs&As>G{O@A*YhWAr%X?PLYYi8_%PMe%^Te>;|obD3j1t{HC=zW0=g7 z9lOqxPt>oi4UDL_a8QzP%}^va8a-N{9W|J8Oj+w%E7c*$3enVNp37=^mAn1g9VAD& zGqBn;{4KFy!29=}#@jCrw#bmSJq{%ma%0q|bCkFq%*@zFDVbSVFfuRzuX%Y%N=S6JwYAZ%4cm!zcX!v-)tQ)>Ok2r6SqPC)W6RX)=;~5QYcjod?bycE zOP4O~-o5)uuA#G&)9ov4|K7}$UrCIY|>b6 z9K28Wq@bX=uI|X`)9tI$XCx*0W9uCq9DW=4$&69^>rfM9N5{tK=;#{Wm3Zoiii(~) zckauVFLq+A9}aE*I!#zwi&a)u*4*r@`06e29X-q}EQe|9Hp`cX5^R;zH3_m#;@yJ2D;K7x z4Axf~eTVGCe)qag^$a=`lLyqAy?*aHHR>czkX7KkXl*^-+WM%^$iBGi^=n~R3X)-*ry)fE$;!F)z#H+Dbm!lgK1BnK6>-AW-(RPa@bK_=@7|HBx8v2*lUy@U@t#^%`unOpe}G!X+VVhT>4y&= z6ntuV{-e2hX{&l=#l7+{vATLA&bmQoc6PRcqT-lz zNpZ2Wv$KEY+H@uL0ajKarmvqrpL272*Z0cY++5}OhTqq(DtYSUgh86$hy8R&a4|YM zD8`TM46GQK!DTbe*V)?hyT3Z@t!;1epHom!+;c4|DPg9gb2L7aqr?B^ z?b|kAF51w~QtuQvk4q9sNW2dU+OeUSqkWV%R8LQDvZpkwSA~~e9JdnZ%B|l`Qc76( zLA7a;@m^s9iMMZUXsQ<9ai)8zbuM;xM5+7aB_$=Lw$|r@gLg8AKiA?TB_X-zdQwb` z3Get@@QaynWlE)KK4+9=nejtveTj;@@f}d-1&@l0M`)sZZ#|j#`I5?Cz3@YEedGqq+ePPwYUB*sM zA_osvJT!80a1fqvk5NvKjBI>mgLA6D+2pI0sb#!hhKtr-jCK03zYH%gucfuMR#uCF zfq}fdeA2(y(W6Hmqp8O>usa`7oCZNBuO3XFn= zRmMUK3k&5d4YrhuR3!e!78XmNb_+h+@D*ZG(bUxR^7?Ru?3%4D^{i@N^uOo+%*M|; znb5obyoa@*eZ0-c_kf7;UUEWMSXkUvO5ZgxX;kiDSr_i;^Jz^g>(zOAc{w@9@(TSp zYQKM{5o#AtnrtiITtLOz88|aNt#si+bMDUOk@@;qLDGWFFGq9#My95xr|0F-d^Mi8 zEYg#ZkZAU-#Zk}A$*JHW4$yn@jk-#6e0+R;A=lTtFNks4ZJj5@%VA^HSwp7t*RSQy z-pw~}-r&60SX<98E)ES3N7wy9Yl=~hdHC>IZ)L2J59;2{l8Ww*4rV5%Cz_f10;hO+ zm3sZ&mXvffH=mG@U|LAjcW?ElGmxP5k4>50tpvBz=5*q>db^%RA2% zTc6%M!otELARuu3_;K!%ExwqSXqt`u+~nJPbVM<&i6}#Yi>vDU9YFyBoV$Q|mLk0d zGvOHJ>vnc|D0h7+ZP=68*n~kP1_lPsLx*y_R?Q`S$g9RbdimZt%q~b`qMneY#kUY2 z>*C_Fckf=$2v+szo#OnGY_@IhOb?7tOq^ui<4@EpOwR0Y?|Y}HZ*JwiRoS8f2hH-@ zTEZY>wP}7zO3Fgx&&Eb|UiwcGRI)rmv!wZ=dO0q>`&3djEG;Z*%!E;VG+L?$^U%bx zS(S$gyEane?}>@A!!m zr0CvBA8V-z&V(I1b_IP3p=RHl4v|ibi^J*;e@iN;epQSEuhT_B;$J3Bm~~zD+U)P| z9~$Cj2wRw&3yX;Gnf+6DH21^o>R9fS;5eoKb_4uH`(&g3%NL5U>K|4`2M-?X>+AE_ zKit~d%4p;@!y~;CdW1rnhWrot$IC`{E+3PMtv4_&x}g3$&sDD*W(aeOP*H|KGq42ARGH<@C|=_O32gR#vX)I@Agg zgZK2?sLnwc*8^3fsOV(6<_%k0^>j@v6*YhR8R5>(&aHX%t@)9R6jPzN#Kgq6Js!Jx z7dlxa8urwF@`EQi64lp$;ik^nfcB1hv0ugqqYa7j5~VQgPEkn#1~pthK9+5 z{ACC6^SPyqj}TN(kz{JGFw{L1W+GxQyy8@WD zKc49s+!gIBSNyA8ot&OES>kC-%%@_YPSw{%{#jN(8@r3j*YIGnyi{j0MxT8T?gP>`BBvLJfG!tss* zCwFw+z>F4OOh^b>jPe=X%daacWQ+8?$6AjisqsW9S+^bO>F5wXo7z!PaS(7bT{Ao~ za?b4oV3t95hLPbrjqqDQ7riPJ`aq4vG zj_^Em>WmBvEv<(=EX)TEpi%-K+uPf>?&6de@(dmI^YWT!J($qI#>DjE#S0<*9RQ3? zuEuZA_HN}xu>u_2yGNO$z4oUrIypJ{-o1MtKgul6%W3qjH8wPyai8T95QsRJb|B-{ z^=sFz+1Y*X?Ug=!c*l^`)o=Y%v@NMkmY-L6EI~YE1Y(B=2lwY5zZVgq$xCl*Yuj0} ztS=B-+4uMAXZDFjAOaOt)g)=(p49`P2fwdwCE+ZiYy;HitW8 zK0J2b1M( zMaQY}7R7E{IDcMtIQzOf7j50&zm~Udz1qK2XPTcZ>5i==8sy~Ae!WQ>`e$aKX2*^l z3`rhGW4?U;{MnmTrdHtIS?5omK3Qkox}%nHf$Kq6R~P9Ch)zi~6JL^!OVod!kBcrCe`tZSn#62i!Wk78AHNHWU|z6^%5>tyi7T)4 z^EZjHi#E2lM(^zUzV^@_4I9;o4h`KUg+7+zONceKx4)RGQB_@?x=sK@QcY=QO+gXZ z-1OmPBt9Owz(`K;_Vyke9OQ9UNlQz^aj@X4tkBV_>FwPTX_2=Sc|0^^&K%Cb#^&=U z>1SJ;g}FH}bm|=ISq` z6B6oYrRYCD6)!6*%Xm%tv$a+G>eZ{@O2_LzfCLAUQQzwM5cE zoX*U~HZ-?_^Q9p`;$S&ubm>wwo~qxJl02ZR+;?krVJt(1v|C4O_$T8$>NybB>({Tn z*LQ`VOKTocDQ=TX&3pg;{nMu;HW|A3-RS7RV0U2G=glJ^8>n87d`e_;hrGY;2;eZy zX9}w>DJhY=8D=#mee&d4&Zr1r+1#65&CQpzw45mT%M7#kW9d01N3*42g941mORgOGj=BGvhxXjJDl_Tycam}uH0pvK^t8lzLapue!F)^`|Cjqyh8PL+wKE(=< zkSyj}i=QM9`gE$-tKi9#-(O;mvazv=vA)X4;1L)1Xfp?j&dkgtCMJGj*oOz>KX$BJ zdi3x3cy@~wK7K%8V3XZ*Xa^Oj&Ib>^DA^Qa{npkNdoC?sC;QDCQO>BpBO^CHZ}gUW zzAY^LiSk%k8CWv_v_4>(q%O6>g^waB*;QYE6Xy*;A0@0qpZ*Njs;{$)%hN9@pNxfW z+_-_i|HgFYG^?7Ck&(CeMw()zwzjsVh~D+Sg^vwQt==2b%q&e?Q!mN#ysYVe}1sc-{&Zmgv|c<|%buXjiDnmapLXlY4I zxlu*Gefx$h%YBXy$_J1wln*tt)XQm2xCzfQG7>oZBWZQ`8IshfckMc_q$H-MSA$}Z z>$@@53wH7wOr$kvHzNZhN2n`<4lA#u>%M&XvE_N|*5v!%jaMVP zW3cZ4bxTvdpgKMuuxv}f2Njr8<1 zGqpaCEjko?0p^>V?|kg@P|p|5Ji1P!)9J8?h?Aq^9HBru{H!y!&cu080Q>?t2L0P# z7I&Rvc6v!MT!zSKGE{|oo09v^r?DUS!h`-;?7il4^=bn6frG>AeY4m1687)kzc*B& zQEDwa{AG^+ale`YY$+}*o9uOi9Bmdut7+TtbJwglK?0^si9AK>zC+IGR+eZY04x`y9 zaaq~e6crRm{2Wl_j4IU2**vto)OWCxB{iKR z8@8ZGLx`+NTlc4;qI#n-U8AGL1B_R~!;SlklWf~vay_vY?Yn#~X$p{UdN!=O-y+3Z z+h{hBecM3mu0u-dXI|%|E1B1&~G8WnU)zxP? zvW+w~9rO%{(NRGS;#EY2g`aBh0*x=K8%{4QT+Y<`9aCW}MB*B(5K1y+cNisJHY_A{1$G!{ZnMK45|`mH`RG_*NZzB#shx1T%!)m2qp9d!&J zn661N<*_M!51NGdamds*ZJVyP)9?^O2#%y@GZ0p#ZE@bgl8EOoou_I%it zxN5X9dgaxtSG~)hPkmHv{Q4EV1A@V+@)cD%xla&f`rZd}j`cP-N5{oku0EJ*^xd4h zV&uKgtoXymVy9r)@>BagODS9H!~OlHd7tJ$LZDY(;-wFgvtOF*zGCRU1FJdcz#J|r zDQUgRr-4<{)oqVzoEyJ0szVHo6L>H>+VQuwH3)=2ENOk#RM*GhxwX|*zoXr~y|!^X z)wpOI5K07Rwj3;T5+Nsm0Gqtl0(}tFp zm)qyC|G9lgS}ygwQ*+~>1N0-QisJ_lrk0oc#xe!UrM}3@@`Pfy&?$2AWa;{BJ$kjf z`+hQCkc;FcuA#H7}pLufKWDBk`qWm6&&pB>|9+V@7z&3f8Jk;_}#6M zkrA|4^n7r;Cv2W=qMqNnaapTO^Q9PE6U!E9!me(~pBV#;4&DbbcT!bV^?kN*+r%ftPt3tKF-p;gnZ9qsM= z+XgSBYgX#J;a+7lFR)`FWjOx+{p+^1u|$2DYjAQ>AVxWyG0pGAw=ZAr_Vg<%C?p2l zmMr{_P&GWzJi-vxlxRYE+~otLpxC&$T4SM?Sy^BQOZ!Pt4o@a@%0yh>puR~$S!xS* zMH}j3lcvSD=ZZ$Y&N!N}cGeD~$?@@8GhrM9(FAYa5n0;MXVf&Lp+SR#*QdwOsvu10 zdDZ6wcc95kbet^El8n1@i_)|x{?b1sfs1z^6FC7yNKVghzbJR_eh<>ORJK$)H{6)8+zccP=LD#oFNXG?o`8Rr58ZK8 zNKEX7c9zZ441p>NrY~ogS62<+*%1%bw~uB|YFw2#efm6>F4NE6>J6@b-))&x4L_9z zkZI@_8~VaWk7lK&R?MfgjyTztZ!AJ)EGTd^HRTLH7x=vQNA2LO=hEbkojVObxa~FE zQ~T=pZ$Ml)HLwkEYM8@!8b)8bwUMdy(j+`ZgIC1xQo05&bg|V))BNQh=@*zNpO=EUKun|s}$gRk#a zZLQKTtq%Hk`nOQJ&z`N`e?xj#J`KQ(su3Hlip;hVP&Nbi$sCbeX-rbq>#)(1&R}D zs-Hd~q_XbYx8NIPmh&6?DdA~J`1pUGoqav{Qu3#jv!Y^6GVRt!gJXh%(i-utc>)l# zK7RZ-J#8m;x<&ojwrD%%#9^+O)e;dNemowkiwetVfID|~xn9mKTU$jFMI(9ad+m(x z;~8=57tFFW0REep?pN4FMiQUpEC%@vfEW={%v2bC72 zQH6SkshO^>ZcXk*l7=qXn?}O%tbm@ZtX|@GJKp{S#W;I?Bw~LECiyxjq5l5>TS_%EQaiR!1|@9ILytxQ)-n)s{&1UZSBB;0|l>Nf2)1TqL(ebGthl`x(}b{ z`%t6y<;yX#vFr_ph%P<}V-#dlR$kR0$_xe7EY_bK8w)ef+?A^F>(?(GeSON#1R0Gm z9ey@eRx~OQaf=gVQ)b!a8oY^*ACqYA;Wfb<-@G{%*HA1Y@e)Yx0((xGbDnbg?EJh! z%+D$yupd7(LGPm#9 zs;Nm!8Jk28NzB^%UgI`Hk}oFTt>;U*vvPP2?OI)OEgJB`>~&R@!kk9{IzPIT_8pQl z6GW8h+;ZUUS}z9+?S_YkLDW%EziF`nx{XauEzQmMI*EHDL~!U(XxYzaT*CDv)j>bP=faaeZT1aqSvTsbs9Yf%Yl>0YZ#r|!%! zO+(y_kB^7AnK4q9$SuMgu9u_D7egNK+fMACcx(Cj<5#xr9ft`8OF3C--wOrK8xR1q zvkUd-&vQooY-uqlcGz+Fz>5VPL+%- zq_(!!&(Ci_Ox*J-cAy!coSxq4#ZLYjMP7Oz_~EB+b>%tbkreghpG(t)jHRo4k(XZa z{$nCezQczP^VaF%K_L`^jL6<6b$lze{5z1*(5)};t&gYYdysW33e*vCo*ib_ag_SF zew*p)=rFOcNbGRftDNqDLh0-b&TtZ4iar6cf_Rmo{{E-u(n3)+cJG!5keJmPgRT!X zqt5KLd*IX>k(LKaYxbjXsV34RZtF0y>t)07GC!TtWh{!0XuqFjXOWLZ;F{;T^T~vGa>?OYqH_b9YomC)KLQ-;kWCT{D72ORg<@DESX{21K zan~zsZ{FOkFph0kEqqF*<4Y5clO({)o2S95D-e6?z( zI7LK6m_Tb8zDab!HFi&q}(_nz_3dKY8+TT=nEHYZvG+IMP62`?o7{ z(})waFu;mar`qmiS&;{PA8`_hO-MFau|3!wjPO^?}tu;BXxIm z0Ym!)JV;5|iY;HS)^Wb(?VSWT;NbyaN0;LZsud(Bd!FYt3c6^5&AIckwa1~HU>CKP z(^LgWswe?#`QJXf%b}#M9*L9SpE<#;>+5}=pzsJZJmU1LfOFC?sL}Nv(e<6?f0KTj zRO{aBf`WySMj0!Thc9vRLV|;njXN3<^*{tbEu&do4oA7yeK^VBge1s3OwJ!+s)d`# z3@C7>T0KP`hbOikD@T1y(Br;xI{Yt+AWj}0vcnF0P4nLY5{s{pK>kNNT?>15;M3|@ zjUOcHBE19b?68`=ehHPza4?~O)|r7r{mows{#?tgCFCD4BGtsEVf@uJzfjLcN$Jjl zXFD=k=|WCq0u#5fMJSv?y~5S2g2#^SA_O2X^<*M~l9CeWJvoTWsgvZ4 z!(PC^w6uYaqMO=RAN}g-xn*tr!DXVOIlC$~M_MMUMHtv8(4XTDw1Xfypw(YffCyK- ziZ+^eSC{oNC9Hs?qyy8oG&u;1L1{1(c5e)X2=4=JRw{a%ic3jN{{9WjO~=l@CBk#f z$_h#u*pU3fnftxCrblAyVc*NF?hmOP86EAo>=5F4WuY88$ExsvbeS)!C zq=)1bw72WRrsbkVAPT2OUHh4Aj&|g|dx)Q1)fGUg!;18NaGz74;bLgE_Pl){L7o0`hPj0ig*b#Gi#r$I+ET6->3Y8FmK7$HnRB>AlR( zCS1yjiHW&;_pX6YDH@k%rk9=`aopkY^5+{fHSEaktu8O~#(aUTzhtyIXml^d?a9u) z2M**kk8CdaZY=>ib4>M5cE3;YUfd5!*?!=2L8H`eLN%&IFG5lq;`iY>Xz=!~w!Tev zAp+;Zi+B8inF~U2V6r+_)|*o{osh}6mh!m5czxJ+(*lYYPC)r$QEuv=*F?p400Y5N z2bO$KUhkNJ7jX6Mtt4Z%mr7j7WOXcj-e^b<7_VGjcJuZw)y_K8Uio)w3PliQ?a{Ad z?JRh>s8&GBaN&|uQpkRA*7O3n9iuVNeDz8@tL66^u9eYxKjUiTKWXZW*Yfn0@>S&R zTEOsUUOm%9n6`3L`fX9s!T|f0&elv{Wk_XZ<@+~KagEkG+9-1&c^+GKMM0U7LUEv! zrlO<-_#5|SDk>@>yX8pXhVY3N-@fG~5Q`9YAIlF7uNcuaObE)J{^0JajCq=0Am@m~oDoLoFSz;nAd2vi{uQAux| zy#E*;1e)=`IMu9%Cf$3NtJ>N-&CXNO%|U&Djn*e6OKFv2P*hl`U+Uq!l>#(+A~Ahs zdHG&=_{7T{*M#GP<6YpwQnO3(A3f^XA$3FKabH(`clX9eizj#$6*;GPCzHI>7eM(A z`Q6ps4I^o*kA1TuSdBQW8vBWt06%}%d)G!ehrJ+#xY?FE6cp6dNVM*w2nxQ?`+b#t z+b#wn{Esr`=s);8=m6sa$SqrR8ke>7*iKD4z<0nLCyCQ?f@^0KsWP>!R@rXLrN+j# z`OgSI%5;kX??ZSY-1U0gngVB3vZVXd6ap;cgXEl1N~Wf!A6c?`b+TH%ef2%TwHgwVn?ab53hD!l_c6c8} zHPSyG>wX_TNam5OyKYf3yI$g;4aKF=%q&C<(dy`7z)KgG#l?wE9^ql4Zzv?CUMmj3 zj(`Z~(ni3-|0g}j1W#MaKbC5&p-0eFCCU-^Ke&}Fq!PPh&bXQUSi*L! z4P-nz>lvCOYhPiCcRc`=78uhOlItZvNA<&L{3%~Y$%Cw zB|8q(IquPSr^UsY%U)R(b%^b*hW3pptvMM@!Z@K;&_4hsAffHf$XKvZc59M#pS#V?g3 z95+8HUAUx=G6GbCjhnh!wIKsleG$m^Tfo(;pd}RKZ=Q|uBx&t?t*9z z8>+9*WZ+|clNT@D&1Mo(Qg_MZ%`_eUh`V=%**?UpJl{-H;H>-lmEfQB@+IHKl5qUj zyr6N2<|Zdk0R2)@4?XOgn6P2`3}OjiY4Md^v0SR#NO~-;laF`;Tw(LUB7=9u#rx># zxegzOAGw_gvMLdbt%o%H-TgKEPJn0M1OfS*J|c*hwp&BKE-I#-UKre=ee;EJDC0SH zrKSt2Xp!&}($1^G&j(khJB3f^F`VRz#wsL_TClCxFW4slz9O{b=SKu;N25w&exNWf z;@-WVMlLzpovp2lh~%|S3q{z4fn1`ysb4>8%*Ytq`PSA^jP*Xx8;ECyhE$t3y}S}t zxE0Txd!Y1eI|b{zip}U<`Q~c!q%_N-F+kHkdQOI}gPpo@(8KspKJq1*b* zVk>jWMgG)#%81OT1w}=dftWQk?5xDKk=@bI+Q-6jfjb)Q55QwTWiY(z z;}IYpf1Ny#a}0glh%$>ny0P)c#ztEQhaWXHJOTn#ffW#^kX5ej>0$eG6KNARat{Ec zD5Zx93A^Rapip~B8F5F0;G9|Natt2(0SJuTQi!T9DkYG-u=o7yV_?SEb?mgP=jhX? zoI-y=4Afw>r>Fbt&Q?_s7{a^}fx}S=XE|kkLFNijtO0^yN=mf=OwbddcbdrbYJ88P8!RNi~>?FI%79?QXTzJu=`;>Mf~1M!$pqNzc)(9Wmk=DY;t-sMfM_aI6Q}5 z=~{PIh>6nsdAW8L0;72E_v>Ooa`~mD6N7_AW9R&=pB{R*r6}f;@IC=?@HXbMzI151 zB>qHPTZs_`J014^OAU1*N5~hmxm+W?iS+d=S4%txH#fITsDu@WDgYJvTRBvRb)>lj+~s?T$_T5%U*FA#r8z9^tQyTpf1T)KFk`X zz&YW*7V%*xspdVku_siM&u8u%$MJ_%_NnQP*MIvaaOjXc6upRu#ib?ij;)zU-}$*Y z&xxY8kKu-TdaoTM<`4azoGdFSAUz~KRMFA`T?syvhnrj6JLMzv6gRD`pe?$DvZd_B zXM*CSq@;x0i-N*!guqx>5|Wb*4GgOL?2vC`_nzMi^y4)0V8icSV#?2MlIG2)m=5M1&A2uyr2UkVFFb_Sa8(gdj0nr)x2 zdus{o+|j3ng*COc-&lN!Z7ACNMhXqNcdcg$20Hi?0@;XVBAe^n?0GqjtXLlbZj$$# z$=djYP&c%*pmu=~f)zm@v=)6|SV+G?W_0BW*}&!y4>GQuo$p`065!#nxboc*vH&s) z;42wAgrVizAtAs*_ti2;&suhF7iG?}WAhP#}pCHkjG=7O2- z3oX7-1rMB{vV|Pm{ky4U7G+a45Dn_=GC>{-B1L87w05#Kh5-<-?*^CeDMgK?1AaqZ zStr$qsc`d61r8PP>{Z*+md?&B?JSU=zLUrI(uQhjYMO>A-g>8h5kb^63*yuF!2>CG z&P4(MARiJG6a*qJ$)+x7L&(``-ywVd-zxHa?>Q(f?Tg_Mbgk@c%ALL(_b>S+By?`9 zEnx~|-n|o#6m0JKol=+Z&$rAwIvjE?4e~M|Zbf3s22>8c9EQ&-9K73EnAlaiP=(h{ zbJQnFGQO`SqoEyxR zA-z-a7YNo^SimSilS8gSg*)1N zt+N+eNmNzzK)+30YiRT#t)(@Xw$1`3&iz?hIr! z=!*7qaMTPV5d_@3{yUHwgFxGXehJq}V<9GjEDb@nxZrhh@yOH^bxygv&ef|dtgP9H zG8zoP3EzM&O3a*s+^EIGUE=UYP`J|1875O12s=XjMdr1ciXyiDY{55)Kea^R>I`8q zj~}mAGa6w^X?Vm+O8ra95ywcZlvu{>WT4jLdDaSRsy z`sF6Nuz}og-mu#W&=je+@71?^Gd7cxPf{*ypnIijj{NxXBP+M;WqA{%EgUP}x0^78 z>*{vtZCxXNdS+YMKQeU=5*cCKq-an^)rdEI}g_RfE z0nvmrLPExiWo3|3Gd}mTm*-Bw?+f3l4q6x(5J1&Q#TKB(Go|6}4Y3~6Ga3?$P%c28 z;7ZGm`6}$(xf8@5_}M+y6-{G#J7ZIJ?D;#yD*h#D=_!KXY%3^K%`g_COhW>+p4sIN z`UI8#cYEUrFU5lDtJS@qE>H%*m@g_#)wA+>d% z0|CLA9VGZ4skd`Ka{K_?!tp8$Vdw*^Bx*Kzp|}^h*x99U?9A4 z(g{}L!u$RhnFkC(Y*9qP|9`QYOMEeC_F8;J+1b`xw-Jz^1?kN78axVDeRE?C^#`H3 z&!lyru*)&IUe)dGE6wWCCnp`o|NP;KQHBo~)mupyf1u<3HwlGCDA~wJq@);aM;$MP z188y4?&@%0V4^&yqH?b%S*CZ3=9?S1nvTw|kpwHrJ%Ask`FJq=Sf~O72?_*HRcwEy zs7r4kv;aw%B(MS@dQ^+?mMccxMGg2IOndi6#l!?v7~hubQ}xoyiGdv{U`q&5PHr@ z{vbJdb9v_4z#Vr3gYLol*oFsJuLqsigsZIT%d~QOc@qOE+wb)3i_0B_ejI6B2PVqk_DlDOo{T@LFjnHCMRFQp zy#WPDVzAJX5SJRW z6BpGQ3zwFIFBrp3N|8pu4HQU?T zTnQD_cbthh_kb{>Xbv@8=pn;`qq-_avH@Wv-ywcjKM3P2xNo!ky^&(r8Y&HT7O^dY zEYhX`@5rGpv35ZN*5NlVXjkFBl+g^O1rE~_Nk0T7iu3dR_4*EQ9Ce!MKijP6!%>L& z7yKGZVfK9~!6+rLT?G0!Gi$$o^_u?epFj6)VCI*#C{@VrUAx?&7j93@NFHmv%pHw~ z)2%R)V8(v~2@1841-;OEi8F>2baL_}c>V?{(*N*@Fp%)pVKZ4@z!!BAp2}vU z+SDEaxpQgAi*&^#TJ$TJSX-;`#cVr|c^hzf@^>|hOJcy@@wWszhPJaguNjq9`W@?J!U zxwr_A^|Xi;m~YFO7#jA}nVUeA21dWx_Dc5{fr}w5;ql{F2JaU|j@pxtm4hg^w~zGq z<6ilECCXRJNJvb?(x|AbD>gE5&{F_A+nlxQeV6nRDO1RSFj;8yh&0)F+-^@H3X9OY zr3mxRKr~M{QAi#JvisfeSK%hLQAc@#?vpo!nK@upGV^+bnK{V=UWziKl`@BawyGf9 zIRXv|5Sp%u8B_26uvZ>*dT1j+X*;gmt24ughF>yu;#Zv6MvVpF)NB3V>_+`9bu*Dt->prUK({OVq*ne! zAHDL*?^;%7=1R)eN(#ne`57=M2{3hlj;;Xd;+B>L^zMZI{R{K+nB2Nryx4z(UqAqj zhlNj3YypwEsHnY?Y}ovWHyj1$(r#E=W3mO4Sq!VY2(lQ(MFhV2$B)I{S>rK5dJ3q3 zyD2F6|0o5V4aMAP^q0FWRz+`GEE&m&X+2 z(sE4S4i60>Up?(68NdONfHSHVLvh;ylNXlA+W>-w_P)j~hOZMFOJ*a${5?#>?E3Z8 zX=kBCd}0B3i*eqXuk-UU@Ewhz9OVm5q}f}j-3X(5t-MY@)8Eu|F-i%f>hRIryJ+cf zuMEn(_7BFy!!8DQMy5cpkcNiliP6JHb!PDGkZ*x4B|7s6!XK;e^&qtjTue9~i9dBw z{2@nGP8wMH)ellpQ+s-NV3w&vL0Sw~zPnk0v@#g1E+8O!P3A|{)k{W3fP9e;{x<6dSDV5O`+l-^NIdgA*8{ku z1X*Zq5v^26sbIjduI@a>w<{yO)QdJDT!RB>M|?(o1ajUUk?3F*J9Jv(e_4Prr;>;W zDkxD36|UaFAvhMA-5ZmE)S2AXV0p>v`%aIwN99O`7$#zt0ay-u2&ryALl=E zM7B<^Kfd}Y=N|3kc6C+Nq+?QUf+#LF6++&lz>a!iUvJic= z$bytH4$vh{&973fn2dt?hB}2TOvyS=P^!}Q7_6?C(LXoF&yob=Zg1b7O6$z;T%B84 zhvd1wz8-yM0u2kU&>Xi$VC_3(&(60{Kz^nn2f6|(^N++3*Rj~qyR(<~)E86XOrb<> zM+A!BAO&S+roc;&p}bEn20WHzu*9L-Ah4qGYQao?oqa4*D0}u)!R2z=?O1Ds}TW5m~?i=WRL(n*>9WLAq4{`~Q+9NRw##`Bx9mxG{%w zb8v773(r1#^|Imei8w}vu#?i#m~vC%(nJ;&$&dH%*OH?ThM$9eRy{li=n$iPI9>(H zpIjj@^^<4Yx3nyK+B_%zQf&5sW4u6dD;K&GMou*4J zH`8Link(dJW0k>)kg;mAymyL&h8*Z0+67*g-{Qn~BMgF(Agxf5M29h>%a^Y==zG$^ z%aL;U!_3>K|H17zmd7D-1eU^&9}n~e065OZeE%e1eW9A%L3D3eH8dBP0HBQAdc{dQ z#~KG_p!z_h{qEvL;_p{s%v#|{#utYpWbPa6vTzEH+dL*1L)WFRUK9#Slm!_<#{_Kq za+X;wbphS9$t}52U;Brl*5|N2Vv6($u$9Y^y?<8lm3)aP*8~b8wbOXt#~aazZ&6ve3O8gFf^GT zF2^l;;SBFon{Nsky84H^dIN`rP6VWqMFui%Vgm9?x0{_c8A>d1}DwYuhrkhr-m)87&KB|;FIlQSuJR!*&< zlMUX15&2#U7>Y<}LMLHgH2Jan*z}6my&bCwY4e}y$PxU2zKa6|Nnv`=ZJnBEQcW!g zOy=i@f?4YeUuwNXZ^qDe!saQ8pn%H0cO@m0(YLX+m~ctHgErzMTCR+Tsp`jbqCTNILzl#cXY~e(BM`g`BoWRNK;STv4R=D?VyCP zJsZoLP0F35A(dxxBHtXxWw?I*F#L8ArechD%!tZl73byI!ErY>{yo%?@Ug#qZSsAJ z*X(&cy$)oHFem`>p|XClNUyu8X{NB(%GMUpN&36n1g##JGxFIX?N!FhUjH#U6<~uN+LHtwirgm4&57R4iJZ4RBvNZN?7onmZN?vL0l%#` zMfwo5v;qC0*UJbTq3OdQL2y#C$}@OX;9zaBnA+lu;+2r_O!*j8R$lxs23h3e>v+}w z{|5c^nRW!k!8KORXvW}>i;F1z4Vi<4AUTr~3LJlBW8)`M`ts?TAla_EzNs3ueRlIC zSCPmE&?ah4QQ$nFEAA9~o@CMrJPf({WQLSFGx(%m{x8D`NmG=9VA55q1 z+qch5c)uY{Z4@!*9(=S@rx+V<-nHmnP59Ab&^S8!(u8^sdIlP*K_~1NrU)`HN}QqI zt<9x{$ZBW+(b3H&p7yX(iuCpbaWlRf(RRc+aV?t^8K$~ho3^4~C zj@4!F4w9xr(RC2l^#u_1zio245P9+Rc6`f6W;g;o!vXQM?j;nv_3H3H=tVu+6Fkm zz21)OHT$l5`!a_wW=LHaqu?7w7S*R~Rw%C)NHIdXCfeEjX16G?9GHep|_{L z!Mb`9-vt2<4B~L3sDt!MFqAqP!ndCn$#G6oPL5w&yG>`)CL# z1Ilnr5Ikdx%s@DiDg=6f$YZ>bT)9;V$DuM(VUHP=5n3dEy#>CynqJCCc%7;uItK;q94 zT?dVJo1UFZ*2`go_EcwvkzN>x6nh|lbY7@U1?j{bAPhwCPFzHAO!5HaJs_SUE5o#f z0ZxQ-Kt8QSJ%z?Xd>UB#xJ;@xO0gb6*l z)I0Fm${Ue*tBdAA?h~~wZ&VH51w2wR51Li(60n|sGoJJ={i26LtRA8(0%JaU_>hns z0_1|LINkvp3cCEkqepimuDG=H?<-Tfr+mnAPrSrOhYg1x^iZD}h?GX=jL170xl=GK zXpycPefaVXh-{>6e$cIx)PQ)%ax-$y`4D}6yFai3aiqHnoEtS~cEm$qgV7PiE_;bP z5^J#fNkC)nq^Kyq`$cvKkrj(=I|UX;g}VTgMlW9c{kRx{jdR0P=*RLS^k3=)%e^*M z7Yt4{!GB5-0c*fG%rUF#D%0aBjg0uJmH6%NvMAES(xBa#y+#YhCqetUcaiB^4=4fP z8wU3FWLf;QTG&>)K(+!S(PPme>I4d&Xz>}j55^$mG<_UtZ4~i?g`0n8HxT5+Lq z1La}*B47Wni+Va)bJMAA&?zuQ$VuAF4yiQ%n;g2v+xK>NvA!C2^ku#npZl0)^F%+9 zx|F}v2!aRFzCV7@^6s05X8<45-ah~BTOQg_F;?Wx{LjBs;Ov`mGj4?* zgd94&{BPEQMjSu#N=mToH}&J-miW$u8Le+Fm6NgWAdxjO>8q{1(4_cOaGfA3j$0$et&3jVoj)GP05@sb5#fwJNJfvMZ}lWOVJT zj4M%OW=7U66|!cbmdxsv9KcL%A;@X0Ek9H{raH~9qw0_?>uXT{&R!Gfs> zJ!=w*#S>dbvUa$C$?Vd)f*ldh>~Pssf!xs ze5#2LSC~UqK_Twt8U05=uWsTIE!{0PIWdv9i`DRd<6wjE{LIb@+HdUk(Cs@9zdk6)r@Z)Hdd}h z-MK|U5G{CfP1S4HEC@$ir$>AmoAk$6RCrqndoS{}fpw0yH=^|i+Rxs4=p%fNB=LccUWg*d@u zT>GCLrVFrmAYyq(S@-X=c2!EJYR_DrSpBbCMt{^*EmtY)l*6j?p#!lT>}slP=3O#} zez&%NORtwFw0dtbX?1%ddy6U|PxfKY9WGcs^s}aAVXIj`_eT*#edv&BfhZ#}*!;?n z(S@`lmd*28Vw#0m6KHcbVE)a3oK%n7B@h~i55J5Vx{neRWI!OKK{Gva_%Q2pD}v~o z#<4G8LcrISIZMam#J5!}8ob#ai8ei0Nl%>Mk8v@et`!*N8wza|<%U5TKZ(%l==rCR z03ok3?eU^xV*R|l?vZ@ujSK;yBlR7(8EK7zI(k#R~y|qpO z4vy$E7q6cdUi~p14jjRp8XR&Uhvsk84O0HvySs|`ch{7&-gTFeuU{*Wu}3S-?Nsce zpTV(fIw6^k<^)sI=ZZSJTb~H@E2>{H=g-K%04w+U`-2>+PLs zS)VV7TqZNp(?Usoe@4l^>MZzF1?Py8hqjAa79d#2fe-E0&f=Y>(#N1`#Rci>=sX;p zOE$PZ?s@K9d{UBA$Bj=liw1D-BGG^llhWAhbMSX-rCBh|?>aM|WOL}TAygU29(Kk zLdo*X046O4f|j2T;1hHI3E|@Hmicwk(2#^~VD}Q!em!C@OrpJa_VZ=3_m_CGrdmuP zKG`+(R+?lC#37n6jo8IGUfCoPhYk5>rPU^7*a_!CBu~G2rbcRddQ_!A1qUUl!66)Q zakScfD|=v4Y{yf(Q5}*oB6+w}@Y!k2Y~r0u&}yfbwl4j9meU=5;izkbktMh?LfS~4}CI)$BR{~kiwHlMkEF|qr^_~ zQF%GaDB~~3p*qODHzztK=F4dHjOmdFZO%A|`Pt6)=IC9wz1-{w0k(P+6n1uxs*y5D@(41e-GI>`vbJXJM=a2@w$lrm37?f9!n` z>VfTU*^V0t`~}MT>CVJQ&Nr?pm?;uLBMk6LNZd_JLtO?;M>*NswD7#19{RC-YV5aB zHVEIZ5K|6bA4I)@w=r1o=%H_=ZC?UI=Ql`mE9hH@&(MZi2>J={lUSg|v6O26lpO@g zVCsq$;yu|tJ{}&yKJO~Z=AG5DYO7XGZ`*Q97=+#V)sVr_LDUQVZ)O?g3-Fv}{K>Ju z4;3P4XlM-EYV2`4^`$Srt}f`}T;01xGy%NumPR9xi8Of9klb&f&1iu+=niQxs>cmP zCr1bJ!07yne0vX!I~D_&c*euQF*v;9Jpo*Y$@$!&01*|qrvS0h^+-%&9^h8Y5PE$K z$S)>3I{*Dv!ppNbloD>;a*)eSmyEV3e64daC6ph+@0Ba?Ir z@&}1jTXxpcU*|8d?C1cKemz8}@S_~!reSov9#?@0P3MD4iA95uFfuVatW_^XKEGc{ zgeAV{Xs&Er?BqyCCu7?pR_O7(lEDa@!!%`Fl>`2y)#enS1Mn9yE-=p6y7NLd z-=^yBR6?025a~cQAD#^4M)5UF_JaaKi>5=Pvh)m=kDwe6Utz&P^aYhe`T6-Y2Sz9( zJtuT}ZthDB4(5zbc7H^W>upL*+lWA3Sv#4iFX2BL_NqZjC>Wzta32-9TPF)wp{i8L z50H)4(nV!Nd7b(>SXo6RBq$OhAk7oZmeJSAD+V13Csq~L;)~n6VJG!g=arR{!x@AN z3<%JClf$TGwAIh&2ePf%F??fn5tNB$Hxs}Q?4O_;@L|O4sr>$jc|JIxJQuzyBI-I} zM#9z$Q6TwIEL3%?T>Y`WzKRzW+-ZL~*cH#V+k<854Enumfg&9)WdhC~<_C+yb(kym z{?%wwG5VpcUcl=Rws)ATGZExrCkV#JzqNF}Sg+P&A}x4&^@OKAH# zT91lQk2Lp_eB8k6(lqBXrSuQ8q<{C58`p0CBH)*@yF_h4T8Zp50<#CM_T+jHr;nq?0pVYs;gJcm6r zFd&wimbqeFKuln(f|tk0t{zrcFfm}>Fcda0#SGRa7}%oKz+a=Q2a!zy0hwPi9wJ6Z zEq{O?149|U_AypS*+E`G!QNHiKtaEJ1|AN!^zSYiU9fO_stC8x$0@C zsv>Qms;j#(7BoIYA}R0TvMuO`GJpPEZO^`sq{Tou=h`PnJTw50KJ7TzeJZs10~F?K zZLO}A*p;s)y`AzKT?|~&K_S81wPAqOZH;?y?1IiJrm|*g5b~%I+uzD5)@ZGTPX(%a z3w3<~@!PVn^9mVV`<_pH$iVq&x><$GB2bv=?{d}>)v|lws_aKqK#Ys6r{^5jMFg`> zR(Ig`;^j|BQs!feMjx<~u)C(ZIznj1vMKlnF30)tKSTj_f=NSL&)^*LI$%pW6D7{= zDFu=%8XRj0cT!0E$5OVzfeN~y^tn#>5u>G(5e~|oD&50<^jRA4A!ekep09cn^Au0BTBNNSLxO#lW}O?kjEnD3){w zH>5LZmz<0Y>;^us9(vV?E1cIQip{U7-W)VZL|ccJFx!(C_8A`K(D=g^OXs1=~i&*d2@20;St zmt^;1?OOmrg82`01B(*qIDiQlczmxj5v;?VQ`A*e5gGam!n&<3XvDx@CJV4GLjEr5 z${Fm(Ln2!x!aJG_D#~Zg$t-y zp`#b9*NhBk^QnU=jZZ5b0|Ce4Ri8p*>;{7IaH4m+p*{Qd(tt9?VTRt!KjsGYs|x496w^cQU%>v0$NXT>8W1_?1z$1R)!BT4GsC!$QX>A%r)*wpQOsX8o7pM`$yoPc1FMFLZ=AyGG&=SVt2m z-tyxQU`J&sI1PIkDr9L*%pGd#>Np({HGw*9Ex!pMEA*wPzCIX~dc6)+-kXy^FX9_Y zAY}l3hctgEE|wop04J`bl#nS{XR8RU4dkAwZbQI=4bEiidOc)|a56>}84#|9JD2c@ zi0nVQuF6r3U31UBP?&bkb*hv$H91J~Fh2XHAM*VkJkMpign4elGJO5^WgDC+FOghD zFtL@p2i*VI7udS%U(w#fZaIDZoM)~|KU%N^(Ub$joZ^+xW>iJ=ePfPd%KX6`6$2N~ zO_TPIzVyp8dZ8=wcnyk=9HyJyU@(+ycddjed8etUH5@0VCaH(nZxRS}#k9W>U=p#y zkVhp{D2wa(gDHx0;9WObJ< zPD6u$6IhEIzzjB2&>CXfLy&+_pY6<$OrYJmPpBOF@WBy(EZ{)lK0?vp%b8_#s$-IT z+@xLb#J+TcqxDrMrf#6|ff#&7vIvM&IB?X8Q zAj0w)wUMv2XrDXXe=s*fr*%-?tDx|<@^q*DVj!X$AbN3KPy+>nX`cX#b(3Q`3Pvmn zao|D%rHO?bzzs)p_3vh7K`OzC5u0g+izY-dlnlK^38Y#U!c|~3@q@!_8QrSw3i=@f ziFd*n5Bv!5Jz+_YUxFtUUZ4k{_3XV>gjF~$`|Ks^vEcLo$$>A3Xs^X88h-Bj-)MbI VqvvcJ{`dpou&I?vnUQnU{{i389*F<| literal 0 HcmV?d00001 diff --git a/themes/assets/images/ki-begriffsklaerung/image4.png b/themes/assets/images/ki-begriffsklaerung/image4.png new file mode 100644 index 0000000000000000000000000000000000000000..c5bc268607ac324ec9460c27ea3d1ac5f2fb5e09 GIT binary patch literal 27838 zcmYhj2RN2*A2)7OS;VJJ};il8|JjNJ5fOW>&J2M1+u)knHUJ z|M)%c`yT)MIG*S56SwO+uk-wVKkIvk>*}ac?Pb|ZKtMosR$W=2fPioZUr$pI;s52< zCtL81+xBP9=$<`uhSSyE#n#@@hJb)CCLl&uy;gy>-r{@)KSP-3%U=)Dq?rsZ?06L**d8<%R_o5wVI-#p+>9Dn)-`I6()2Dr?mR#))_=OA>2_jE?!926RgwF&>-%GpY`&b;-+QUCTh`ydGGhMq%=k8I zh{J%@&2!vQCuSa9*Ck^`~Qe4~^^SxbN!fo;k?y z62GvthAg?i8ArGftLp1$g3g z>|tZg>1FR>$EkK!Th}OO=EIn& zV8S^qt-JNV5)%{a>gw38QqocsZqt66Pw$xE;o&hfGCFzkGtoB zdH9e>R*BYb>oD!ctr|-$9i6e!QBpFpUaOr$hYp=fmDASLjJS92meC=iTzL}rO+Na2 z_*It3_{2oJ$tx{izO+p&HYW&`mzC8VrwQ)jAd)<7XlR(3nfbZ7`RUWA(PMX6A~UnI zCw`V)kBNzyTR-z`DNG?McxJ}g%WI{uurOVI@zbZf8X2EkTf@8v|N9#r%#?TV2ETt> zAAd75ld!b3^zGZX&!06|smW(4NKAq#>c;+fyvOU~MJYGXfL2~5Ck)fjQ~j$REAECdS4?3u}Ucg34TOjZWVkmVW+Z4Xgb&;gOP( z(%KhinB#Qq+VK-7`s*v-81Sdc1-vrM86O`HSN;{XSDxaQOu)K9wt=9K&^0j@3k!=m z*@R{rVP+Zjyz1&yb?)`mRmY9X=g%JqSMJRS9UdOm*47qdp?X7bhLxC@#OjbT*Ecne zfEOJTi@sZxek)zw-7O_Oy}f^@r#mM+$U-g$25wJuWVQC0;<=g$4sP8oaTzq^qbCbd z%S_<>UeZ~g+v*a66!x`H|ci=$1Rl!7_w~V=s z&C%qRfl9*UXM{N6W2$YHg+QU!0%!S?Tw>z#ms8IWs%E(>JpEq%ixVjtzwVF5<=DOFR^W-v z%E~HnssI08?^Yv9&klUO)V`OARN%pR)ik*$k>3vRFnWUzcJSQ(N`P2cT zg6kA>bPA5aN@;&^jmz{QHAC~Ob#=-~TDF^HuEQTglf_-We)&?d{x=7QufD#1tlZ?% zC2e)}A16}{d1A{-OPS@Rq@|OiYewD6?1`T|d4kP7pRSV?tC2B1J?%B~Q^c7kMjh*f ze-e;!lVRsLbg0?(U9`xagG9ksf<6_beX}c$9KCeuQt-8UdJBuebMjk-Wo1dK>Gooe zA3UI4xI{%ob(EWX%11dv-`-b3fbn>oMu}6pVUBi!wVTAxpFf|>r>k?L5(NeZYGkyp zj^eC&d#_e~-J0roH>Sh8d*(hJ`zWSNr}B+0iy|Z>BsFk-B6VkTJTGW#(rb30zc^Td z^X~ooh05w->fC>qd`HwO&0PdPPEAd{?wHUj5m}leAtB-B;W4lBUuzK`G&45-U@5$B z-@bScnZ6HJ1!-w%N@=um1iMuzi<)-O-oZhIE5@g7JS#QOcm9_ODurf(;0+It?_FJQ zdmKBc8X6m0Q)I6-?Z>g#Zk%F?^sd(cUCarki0{YNj@cKoQC-6(;pH@h|>Ps zZKR41aQJXsP*PERcw!}mg@sR_wmp00VQeff56{pQ0#q;eznn4ZYinzJLqFPGUGuLJ zDIJhF`QztLF{w#nV&dwJ{@J}GL>*MLBqB>=vr5+1zt`9Ctc(RtTfEB9<%@`jXo%L& zUi=ukkC}3}=rL8VhT7*TaMI$@Rjt+wrR?mW2V`ewU;X-|;DreGE9U^c+@AmLd#dK+ zaMgNe9!rZzLUX`Ei?|{oV~jcpm$c$Q{KTe0u3@rN&qV>oNY!_9chMZI3YY~>pimAE zU$%U^tAHfuSF=%V4JJQK}bJgwa**%Fh%&0?X zF!9|F!lR=tOie@15!E>dOUcukrs?u+|4XQ@`1kp^x6JlPv^)+7*`C4^Cr->(Ea;p$ zLrfiJYGE-uIeDC)pDRYaxw+XS_w=b#ouy%o(HuVRw`#v?e((1KYB#3_WJSU)Rd#3Ghy(D0(p{u;#lR)>nRva*`mA)6=CQc~stOPxEb z(L4Fd!{kK4tOTWh_ettUw2sW9nZMA_Hq61AMn*<1{re|6sGp&K>eQ)=bS%~`c4Cje zebZx!By%|Q(%{u(cV4Y2&2CM~K9kqIu(nxWuTo%)D!|IZ;yd;wNj7~JRSGZc9JcvK zIXO88DI30g(bCta3#qx;O0ZjJ>^SZjI?dVW7 zFUSS2{I`q5BF=HraveEx{rdG2^wt9hfUI(JPZ$|>mz9+PZvfCp|D3xhn6R$&<{KM8VIB zisE##G&9=c;^JuJRtf%u%=8?JjEeI0@oBPti}rBt+_?oO)G-wr>S6Fmpbr)a9c`5klLDW|wtvaj`HrSJnIO85Y}Qy<4tp7Lrm^kg-+r2J$px-ff`?yR4m-_@&G8X33FG5s#Rc~bY&SF9dm z1nI4LRO)O4hs&3TQ@E%MYdSg>BE<(DG>>9W9X)#VnR;^yMW|A+!qD_I+B*e_lE44v zj~~XkbiiR*AAJQnqmun_yz3x z&8`r?p1x9?mzyh+^d-R}FsXTT;Qfu}j}|8c1QOScH#awVczIiLccQ+uv?RrQt*oq& zcLlk-w;Md$`I2;!lC0K!vU-ChFDvWn*|Xsq87wR;*f{7Uja+A_g1dHfIVrdpBSMwZ z^s|BOSRxw$1nTQU0q5{D>+2~gcJg6o_~YIh3&^GBbvmE~WE=dQfAtW@?l6V>NCQ=+ zxlls$2@d)Q)Dqews8LtamYv!rJm^)h;}a5?UhW)aj5y2v(2bZYhT@g{!zSyFP!SSE zt!C=k9(GOoS2%TOxG1K-e{-j{wl+2O7;Z5W6-ZCwuN|Z$i*5Qoxunb`A|dgkwKZCu z`+aGtgtYXvA`=qDLX#71E`;ozfD$<9Hl|ZGzp%xF6>dI%nVQP+Ku>zvFx%i2xXeB# zK`i3U;030txzLFTdtL8O*FVfw(&In6~|Gnw$zhQqk zp_z@9_4TV)qHNVbcPz*AO|2A`d@Co8%`*ErI8=3XbR<81T=g$5&v7HyJdd1Ea=bP5 zs%VlH&q+Xx%a;!e3AK9M%OC#{RGq@g%bSG?{8VQJIB8&D0EMotO?P!sY3k#;kbr=U z-?G55W7%)t{v+@?UR70vyJx1f4G5^Ls*;nCkdT#SYmn>v`pe}&CjgwM&3q&!HT5fl zSAYLHES$Q7E{W4HJ6k=j^Ai}SUld#Br(&J~KX^h%d;5L!1c1;v(@51TQhB6=nG&os z3#mI5KyeFe$BrFanH{7-E&6@mTP9^f>0{N0k$HT#si_I|ZnwL9eJZ_vuMV(d=Z*sB zpQ$OWbLXnvMjD2rS?K8W&!0a+zn4SK-+S!K!RD(S5BfzII?>Xe>+;3l{mXj9B)1rU z`oxJyrL?J1MScDDk;Z7?f#shJp-Mi>Q%UpbT0ELSx5ZRpwQE!FTJMKiJ<>Qjw-FW= zMng@_A|9*GZTaz4_v9%SDy(X36UD9j(b3gQU8eC*x^dTM&o*6tL&+GSt+o3CjRC&Y z*3h_h!HTns^lG@G&%fV$p6cLg$-FPT4oyuRT$=2rB0J;cl#8k(K4STd@3ZYYP%0Cg zZVL+`#t1-+YYq157%oONlC)SH1e((9v$e%xa zcZAO26Lv25xf5ds*MeJ^XAPL zFTk?UTpAl2&nPMVa6HWzaRS%z`}^bMWDDsgLdZS&3=wM z-o;WsrQ_m)3OC;K?&|QRp88)M6CN4*6JukH2M^lczvL!RXfmCy7Ok(ZuT{I?m6elo zTvD=!u7EtGCcmf%fWEk%UYPlQVj}a1TBy=xcFnzklVfAH?=wlOP`8WPdhaPe$Li)+ z*&MlPb~_=VJ1~xylQ!bDd_+Ai4Rl%dvvn%!JxI*uJ74WT@V$ChRt5kz^6S@Y!B^Mo z=GHcO&!w1^x!YLu)Ja>Sva$hU*FWRmXlQ7f$Hl^~;;>m-5`0!scztCHZ9XWd z+WywY{*!WYGrxYhzv5!Wv%VD)a!y~4nANQ3=+ZfYXbkn_B2z|Y3Q zB4z!uHCT-j$QD}~$WvF4$X#K#Y)}6E>-@9St-^*+N=oW0utG=1*p)^z172a_Ic39} zbP@IEQe=){-K-y%=wy`#?QG+$Oy^sCpYYfva4pH=(cgr~m0#gun47adinuw|x8B{| z&BVaKR?Zw!V_E7oYkuR#(w+_lai&hm`8`_@O3VbkRu&cLRU#*f%8$gTr{JJnxM1Uw zbV#~t9g432qut`gK;=X4OBkQdyD=L7Bu1(6HJb8wjj^?Cz z$xK@*1e(IaMG|BG^p`rWuCCVBFGjgys3Q$?Dg!n=O-xuKRnZxaA3uJQhW!k!wYT?= z{{E+};}E%izQ1v;HKKOZ9Z*?-vPy;pQUS2uv__m_RtIFMeB;-PiyqICtuOs{_rbzB zJHJs%OMLpY(tY&aTHyt5x)VY|X?j8O$pHNo%gP&T@wj@`SrgN-}dFpee=BN@Nh}LWk)kJGj;X5qe>#wk;+_UxM(-G z`3%hj|9}8D2{RWL7XX>!7VMjoqM}MlN(xmUr~67!EhpyH#F$@u(2eddYHE!}|vV_;waCcV18{%>s)cyqz}X|(*d1f)GF zsb2K$+F{hv5LT(Xl``B7)$hy8ryXQMYb-%6b`~ejs}-z5(%ahF0*9dCkh2y|5@X5D z%p7ZoJaq8j!7QgwC*|b_ySsVgG$J)uz}|MzpHB*~$kwl4T&vP@a@!@yYZ zh=_o+=jP@%nkN*dryl`q(8+9;)|xK(0o@Tr&q_G4+-nw{+r*~Cq3C^aahHT<#NE4g zc6P#p=!#7eeZ=pp+lG46$JH|QmzI~=HSdn6c-Hmw^t|7Dpz9+xF+cy`M`~tRq2*=I zy`f4O`T#eEIj5?2CMG7pNc&i&(aHAj-~Zw2+oGb;;o+KLSAj)?*Lit3eny6d?9EEY z?>z^6x_I$o{N2^QJ&vdS932I?xPGA+hV7X&zIbtM4WwCqXF-1G2rbh^6O-Oi?X|x~ z)$1-h%PyXM+9^8QvqclLvn8#pInZl2R%ZL6m(=t;u3QOevc?q&Fk&^6lalsa>n1>f z#~u?hulNJt9;1#jXYWd#q;=Zp`sbFGQ`?pK`EyTa{Tu&LaLMYj z$m@oVQ-0#TRarw`q%c!w)2B~2d*b?x&CH%WeVUt{O-M$nNIT@S+Lx}%c~i(sIolv` zbvSHidv>QPPb3><90g!^dyS05#>ab-%)f;==;2|&A6K>5uGx5qA>fnT&DL=*4-ao2 zA2tOWHbvSFO{#71iJ$A`@81Irlar8ajtT|&jK&!e5fcw5TUm6a>SU!#UT<(t26#w< z&T?c~gD{-*yx!BFKh4zWJ0*!0eFKb)5~{0%w6!DWH7zL?eJkBotDQcSw!9dCT4}Mf zWI@x0dtQa$Et;(MC&QW{xu8 zgu+6x2g#pD=JSoGYTO^WN|+fMGTwWho}La>Ulygyz~K8~4o7rnRA3wm?96}v{>4hs z&;9$yf9#kZe;j_)p$OWf-^x%Z3R14&K66loBXr^SJLKrW>;>4Pjrik=ii&)Ee1-_2 zdjlgvx54#u#Ci>aJFD7Ub8}H6OaljT@(Cp41M{ zdCUAKGh;8FFq%RofBg8d=%vFll)UB!<8~FYxZoRJUgCyl#lm#5@XN%PzoIG(J;tq~ z27&I%uQi<$X8y9e>V4_bQ@w!e;F)3ao5RBgDyYb6aaRx`BO>-is;2AmZHWHlyZ0tH z7b;k!YHVVn_o{haux_>iWKGee*Uz3=GM$|ULI)3N4;k>At%Rr%qPW!>xO`GbC@;@{ z^!QNb`0wA?BbDYm5f+=fdYG&Ck=f3s0A%b`QqZZ!TW zS!xF36uSIzEiEm8Z+>4J7#SG>r}HaR$)L2>IgDcCM>fChA+Vatj z9d=?31dZ>mwo+44Iv%*9o6`wepI5d1$}PF8tE=1Gk4o_Yw82B*z38{2;P`Nvr<)su=E8|GSCB=k)KeYt7Q2=CdDubywp$kk;_Z27M@Kt*de(Zc<@tDfS8Of! z4QUD{OpcBg2_5ucrOxV}T)AIxlBqMeHI-pva0A-Ypbhh3JdjooUdR@L^8_r@Qjg={O&mf>nSa*hW~J!XcA@D ztOw@@S~*F{q#Dcbot;N{cxKwk(KyouoQWkLEe+=F5oQaxQed2I@ZRYV7~}g}_v)>( zGBfYjE<^MJf}fmh9(7+iDvReCNo~bhkpK2AQ4~8Jol^R@XZ0m)=ug-pMtSB%8Vw;g zMjJTQPG7%=Cmb0`n*9+S7`Fl3dH%VDA4{%$jJgFzvyEKHxNb1+FBN|LGn>kKaEya3|YL z+0xR|)|Tgf!u9VL`>TpQQ45xSyfWZlXmfEs*We`!iPh8Psz3cf2UaEIj)$*ylj2GM{8?7BWg)n%OCd%SqdlO-n<3_y1&1j(!8ji z)lrF^0*a3oAdlAZ8^~=709l*Zh4=7 z%IV)eT>GUk)w*zik#P*tOhU7)j11JIp`ju1s(C6(vMa*O+mqGXlVdH(IFV?n-FX%k zmoAakivukx>gt-9JTAz=i3236hI=3&U#OaXI7S_Y=K1sIH8nM%u1T=!WE+SkeF+cW zL$3nRWG~hmF7(J-?EmQv%-a+_2ju0ej~l%qD5GGd_8R_3Dk0=Wk&j0VUKzh*dF@&b zfR(yXV!YU2v|LZmug%T1mcq~i%FCs>xve4Nph7V-RTLK1jW6sW`3MWi#Kc5P>;7n? zlZ%TGA0L6p7+1{8ckiy7#<^Z06S~Ej^}_nii8hBK{GPqN{aD6h&IhvSIna0cW7r+hBV^tntHa#&1EOiGGH zMNEaCzwsi)3XR=4V{Mt}d7&}H~?{_@s-l8LFQ!rFUPnZnGJv?Dt*BSjWQ zkhX{By&E1@81SD0KK6*8B#Pj(v9XD#C_lqVPRv(@#mvac>ia5B*^|12QwS{^1$Fu7 z=lJ;e2qvK!!S;P04fgKaw=!8ukW@=ac7~7MN|>1?l97!qK;yGFh{2xFkI$cT{h1DC zB_sx<(*r^gwv3FF(m8msV7~?w&kB zNkeL74K5Vcsz+4+Q_pR^kHxPe;8Rsh1857jP(eBJbD3MCr&t>TQk3_ z{aT(ZBpWKl%a{4*It)!s{g(cA2FS81JZ`wRPV$TwNMD5UrpM0|O9zL0&7<%j4_3L* z`rT|C!R`9^`etTj)r$5uT5hfRZ~y)KitV#CgouocqtECIh0wkrY(hNBt%|=Uu>Izn z9n?5%QML>%=6laUuVIV`=%JrR9XU_{yW#?|UMa08ePxWlDXQUR6e3 zMHS71IFY}faE=I~{bdXN_6;I+Z2=*n9D`RtSAOx20V;5e@jUY@_S888Ii5Ll2Hv8O z(5y$p5L@(8f;ux4^2O{dj1iq4f*2B;Dyf12KuQADu*W&4m`(6jJ`rkiy zd;5uOh7lE7Wlm%qh}fgAzEW_$t-uNXxJx0|)}HpdS9#vj&&C1zZYKr^Cwyd_Z+9&x z{`^rtcdq1s9tj{$&(+la3ZI3!a#&ix3a~TOPN$QQ@~rvG-Ftrc@ZmZY4(w@QSwos-?h^WJei=zR?_U#Kf{i~F~eLr3J zi~M}r&niEDuBY?)?rd){S@?fr?;`H&>q804We7u|hX?>Y0n{~mRr!9#o&V5Dctpg> zymR(P{vY@9?lor*R~D6%!&ZbS1f)wN9Ir-ejq-B&GAxIar%o}vZ;sjrhebr>F#XOO>&qWuq4X`_`3ZR{D{0XC`9r@zu?(U9|gt#~p?(p;a z72!lE#k^Q*P!Ra;vP4UMSol56~@6gg=@5?^C!yC=c5Hn+9_ zCa(Lk+mx9NeEYVaj_zT6yzSB`6}<{nyfQOqJ-u%++Wnkk0UrRu#>U3pzI&INwc-9y zL62UM79C%h*;V2R_zyZ01KUYy;~+}14hTKW%-#YQpShP+07PeIHh2#3;{AX8@SbQt zDxIz1^yo2QilvS#bM_uT>GJfln*f?fk*u7uShIJz@SoUS9j2 z*oZbeF)g0!Ha4W+k9#0{0~~kbM*YY<-#t9bI1SQ!c7QmLiSFFK&1(DX-MihBg2S|D z-@ZO0!uVP+Xmu9HdQL_Ibi;73-x^p)8HAmTC4}CYE_saexT&5VAunO$zNb2=iHQ<~?)zCHk?OI9 zUDVusoQJ1@E*VD~*{t??{KU_!cZ>r3Msf&_6Xpl(MZGzzb` zmg+eu@x%foLVKNlXh~^!3Y7uM{M3srY;7%`1K*dXW@o)XPLDoy#RlN#*U0Id$r(hs z#lIu{qUKM&pTyqTSw~CjHvid1>f{#oLx+gj<-?L6G>!fP1A!?6UY>v9C>Yw?w~!a7 zXJ=EBlFIVBuZmC7G&sY%f@Ao$NQIq)BS9lWsABHp{*~b-j*jR_63F!^ z=Mc`tY8t7d8=(*#j%|WWM7@9P*|*)tr$Bq}0^??#mB`$WtJc=Wb}B3R+aC^fbafe; znK>Sjf2)z<;N%3FITdw^C7K{C;x74~2Gl^`%7K;^NM(3zfEzz91j^jvgjbEaHq>;Q znG#>3=t+;sLdZgGqrmc-OT>0(wvb$GX zQ*vLwre|U@t$ay_{KWdAJxp**%V!L`746&P5^4u9^Rs6k?&UZ@=x}tr-#7wn(<3MEE8GFKZhj~_HygU(4k{VJh&jGuoU_KM@1_Yj%jxh82fSQRju z?4+cy?+vx$jr$azkWgm!hT$mb;V@eG=UwSiMr*&^-~3|h}D-$#^?b2Go|f#Jopf4|#e(bQ48aJ1ctA3MM5BX${Y zi9IhK8!s`d*pYBXGo~<$9?`jJJ{EEO^OZ701O{&W#|e#tKYw0 zz&cvEL#mPS7RB%V`(8PY4G>VFBqgf(@Zm$;aib`S zS1K9$2pV3h4h&F>-XhGcK4w*r*gWd&=!htU(>RU~1<5VQTSyRM^AXoy3I1!eTdkh^ zT>U#O={hRm8}Lgt;^HFJ8FN+0|vcPWg=QeNhqV zHrW7wuz~_^gu6W|vKn%{wswnPEODi|yrksB-@o{o8_?OtsYFrBP~nx*gf9#d&m#qK zF+(4>6+HJ22p)=z(=jG65@|td`=VYPT{PJFN00bnu2I~A0x>r?#};tkUoI#xFhwa1 ztqV32zBj^PuRv?<;qj<;n6<#{wiXXgZ+YO>dI7V7rI@GI^S8H_uVT{FP*rW$0cIB>?JRdpbBc`1q7%W|C>;CTiK@HjCXV(bQGbeawvs z6OT?+Wp3>T5nxVnaw?>Mt5_NE+l`~xZPyW>x(itcNMzDtXT2-elyl}6?91K!f(Y}M zqHEpez7t0|`A$Qf-rkr!)E!Jq0!)Sa(9en(Ua8qsCQNiaEJS(8ea2`C6!L6AFsd~$Bd;zW|CjQ89S)bU2E$|0v@7} znDOQfwIc1@7G#NYf&UJSsG+P^RBR5_grsgwU4@7S;_7dN{#sV%vr-#g|7#X8jD~0c zNalkFdy1)Uaayc?WYWrWKn`oQyriVtKNYMzlLKd=q`27AMfJ>?+LXR01iLviC_Hm3 z2=;|>1lmXSg;@p=Q+kvM@7FdtcS<3t}srl9Djx z7i&Vu0V)k?z81MowILoDAFrCG>*xVy2tShKPN#yy^O6#yTtmpTpg#d;wH^DM(Bd8( z6`}e9YX%+vbU*K$;`G~`<>h5$X=VdULqkbBE}B5+ggsDfCd?RN!(y+-6U!mvtqUQ( zBB0$)tfMR;I=VHbRRL&0O|4OILxvE#AQ-Sm4P+1q8(aN@TTh9f5-~>XY7dc-8ULBX zMKNY|@HzGMAIb`ls;H?!u!fG&k>O&uwQ@&`$LPWZS>HuINy)Xl=i4E&A<1cDGa7S4 z2HnFhBKW&9qSV9Um{rs@CMAe{6mfzd{{$rRsRc4_>aA z)v2D7BisnLp+g=9trGBG8z%57+6 zbtK7y(d@oH^s@Uo3`E_OyV+t39U$z^ofL@XCIdc2CY8m-w(=u4k!;Q<+ANtrC^i#6 zG&N;*{ydaR_&L#z8P?pY73i8l|yN9I+-`_K*uQrEF|$2thr0vYEQGmI`!~oZRQ$ zvam4TN<1GQ3$6O}B|q{pbQ0%2O77>p+`BIULBXi#=)UQLdVG(-H$;;*=Z0&6mV__M zas$m3SeLq5BMS>`0bAE@i{>MIW8m_cfy(l{w8@$ZS!{Z6gV4}WPdWu6dK&;#SRKIO zSQD($Zn-HhuNnI44tL>1YgS)xue+C533u%i1tn1g%avPEWF1&|oW60(=y4ldid8W=br5g6JP6huNs*7f~+VMz&k;2}08Zo1Cy zZi_1a9-T*&Um&@Jhlhh}!-@ku{aR^mXZD^{JtU5?!byg~X zOW}>79?1*3v(0Bwppec4kxI5_w{@*O(U!dQ#b zjC+yE7CfShTrtd9?|?#!`t=K!4mk@rJwST}!EC_UfD}h%HZ!cHx*?}dh(?3YX2-e-8t)DL31G-3g-ib;SzCiaUm0iJQ_{*^COHANVsCV zpVO*$K(l=K3eGi>3}7cuo>&VrBZRFaFGm&v$w~V9*!|GQt==-wx7}P_h57jG5Pak0 z@DD{>Rp z1qd%4K|jY72T&C7`hf!npm%0c2b>o<{^8G`m$I7MF-^Z=SG|16mpFNiboqG2J1Xe} zhPPaqMN^6j-xeHtLgs4j+#wrz)~-ZL0?KV}Zr=Bs3n6Bac8jcz`89t8y`4rRPzB4% zCQyK)y2ijP%|zV8qPGUG9Oh@T&q1m!x(WYGmbDj z9GA_O!LzHn!|x-eWO(}I$(QkS2!4vS9f)q6m1yLm3zr_KBF?M1Nt+(qn;lYaKX5dW ztofH~>4C8gaC}6Y(FD**L6TXi$5*O%0(5oT4!KkiIxoV2+MjSno&d!TE-@~Lt)imh zr2#s52=H@g&Lc=5P>=KTU6cRJA0v#YN2OQ8NdUR8t3$39l?9exXXgc0>hAB~7ct*~ zs1K95_wZcT0-g^zliI9DeDf$U^)ln~)$@!@Oh>r5mM>iD+K+M%0*Je--r1T(qro`H zS?+dh7np*dK2fX!GTcj@2qa@4(h z&%fCr79hYli6jk7H*8?87(P+ab}^!H0upj^j^@6X9TSjaXnMRGKeo2c)+GlX;aq?* z^UYEibOQ(({RG*;^TD(mx0Si@gcPf*m*D&SPgs(^<1cA;a5x>wp~>>WEx{x$9d-4& zr6q>Fp%&}y2?BW+oaC_@2pk(Pt-OHiANu^IPSzP(WdTNP0o)vtSNHDi-Ei^0a^=Y4 zhG{BN;;53)86b!`>9j%>0Plqinqs*>vGxEP+ZM1;L4n9Kis{nQ_wPTCx_h5F$DjGn z3Cs~ou91PPrj+sse9kY+Z#(P$_7+`3w}igaAOr~r);Xeb#M(PEx_pmt+{r&v-g=@l zHa;%DF?I6%^*qBIwxj0`m<08i|GagJ2)(tTK{Zm9*!m36XLP|QViKYPF3bwlGg)ko ziC3>B4{q9G+9_3t>bgF=s zE5_K|eCF;6@k?*)930%+-rbyP`tX5(EM#q?dS?SqDdEwh+hJh~YyRnl`wO?Tm_lmW zIyy#XW~e_)(=#w2h5(p@lcY3GL*h;}x4c{hasq%a;@pRw8f@#=M%hD>q2KfKXT^!J zFx7MvB@mmBiK+dFH%L9DUf1IE)Il`n^b#PI-Q+J0L)H|fNtXc6@RgOt#R|`9misG% zPa(q6&JKS2rpOb^CO%-1ZD5kPO68`kHG(+RHzd(Rm7tNjP6cVe!GaZ+S%0!5xN$^N zLjzBNL)O>8#N_X@S7F7(inKH|(Qs6-6W~>umN*9>Gj~5SvS@Ccl8jhIk37CS@)?OH0m*EZ(@NsHnm1 z%FL@#cq;S9El~_LqC*>J!y} zQ`CFZWGxrCS&9mrlhfSYEe;lg3~XNIaxWs!N1C;Fkf)pT_Qwn5fMa_ujBViu5}-mB zRZ|H0O}hjg3aP;?8s-wvQ(+iIvd!LAO<&tysdh18`a%bc8`%6&f%PuZ6l)tB2zTKs z#W4^dJ-9~A9u0$FS?C$$VZ_jee+)_?p8%=?5OeX({KUw}!mkJ+qR3WcdOJMpZ#MA4 zE_LvK+!c5)A|mJIOGte2c@PNyK?QkWJqyq?I(q8l$t&#EqZ1R7^77G~pH7D!ZM(X& zlo!qdp3^?2xxKALZ1F{ed8dd zs)oki!fiu>KO2LkZda=1xoIijw4>uX+uKV%UEc;&l3q^0VzIQXl=zPWhGf3Gjg+!3 zYlFWg#Fl_#F>e1cSz={}r0%Vo5>lD#+mNuJ+4%UZnGUYU&#S`p)7H`HE!)-BfkxWa zIlB5f+S(o@C;KJRM?+18oPexc7C1b*74Iy6Fn=^rFah%@!WHL(AF&Y%`l0q9l9)!x zAKiHJlGV`|bs!mOX9O?~gW#JuVMr)NrAL<@`3G{ol5AZ*OY82l&?(SL5#qvN5U}f9 z2H-Y=VcJHCKq^Ry%ckNn63)^WZj*;Kk5W@p&ouWf$Uq4Jb63&r7DrI9&e*@>eHCtJ zqyMa#*-z-*pQkVwKJoJkl{ zG3vACUu1$fHS2)`*9jtAG(hi$hMt9X4Q}3>_NIz-5n_)%r>S|(-ri>-BO#^a9IzTK zt!sYiYs6Ij1gEJAZlffFFg(>sNKLICzul=01ss6|H@AX-l<$B4@_UPIX5CS>93PyqqbBbPY%f6(cv|tQN zseq0*JimJD)~zj_8E6^6sH*7&XX?d4UccyufDj;{gO&@cvoFb3G|BA3g{42=(qZZG z$2o*CDgNiVqJ%xw8K0cgO#haWP?p*0fM^_ z^-x(;21I5IO71Ur%NRVWvGkw5X5qKFDw4=}lYP=hnj~&CRo2hegRrHwHK)@-vwacb z#x7F9Dk z_@DRr7-R*s6@AKYjwsuJ|8z2VD7S z117y7GOU)h27Ilp9f>_BCz9trH8b-@mrvlJ8))LLkOLpl><#Sm^om|6IgXC6%gg^Q2Fq%Q2sF+<})Pn=`uttL}I|2 zVgJ<*qqtxupv|rj-~f17Hm`PTV+BqS5fKp-G>C$Y96^rv9|U8(_U((f`+oAO2EJu1DkEa9- zOhB#MP7L=BCarc|fGYWzh<@PsFIB&!P$xPdfVUN04v+NSixh z(6yr8{zK0U_`#uuO-J}Z9e3*|$U>&qPZNxni!xJ6OLkyj(8X^oZTuN84bFpjoNwr=B|qPUYmB)bT@yMFJqAKJ(za z{|1tng#;KQs3<5vXU8TpR8&-UWe8=yK|my#Tjz5+ADfFKk}I`;_2d7|0$e}J(Xr5f zdQv=ct>>inYlNYkLu5HKTiHWu5|fh7YG}OoS;&lxdidmt8Fm;mvz<@HgGgf&lYa{f zeT?LUxjWYt_2@~465xXSU3vTVZK;_vcHhN|J;NRQgr)bKu(q`|5m6@mb28a82@f^d z?j&PGCEikRKlC$9vCSIOgV=x=yOsR}LLnBjb$1s%abntzwGkz`ZTw0rf;=!cP$+G# zUQO;AF4zxg4hL~}UPHui>48QDjL~OpcjI!aG5z6QhGp+lHGUQXw+;IUNER>ZM@xc? z5jeop{A;HrBuX(0P*t`4A-i6|4kb_p0AIEYs4om%qDJg*@ttqPMNXN?G93ua1N5DnJO3jN&toLqB4qJYMqy-YJMY3#`aW)oV^ceLk!D^CRJP+&+MMG5j}_@_X1Aw=p74_5X@0aHM}EoT@Ye5=GHXqI0wPOh{MQWU&@LBSac<#G4{Sy{ZdI2*FK zczMUSw>HK?yyQ|_N8ORVMv09Os#*oE9`kW~1D(I9Xo;fX8hJXH76PAl)_)u}$@R3d zQo?}0jSZMEh1VNK!(m?T>C`CFQI%V*#dC<6SwT-sQqreY_&yu& zUTo>Tp^ZliLo~)q12*IFrp_4h3(L?HzvNB1eYTx;`hQAAwfYcBsZ#Esc z#fjW?JzdktZpwJu(3}2#v=pp$9>_ ze`8+hYb}T*9qbOwG^3nhoc)Z{U5o?67in+TH#CgjT7-M~0+s9a zYsbc4?4GN};$mXI;V`LnU_;>O<5LwVPAIFYvb(&WKrE{qG9vAKG4{uQZehs)Q3p|m z{+`b%iz_Q5t`e3lF=Lh`rLm?P?0I5?`YxPnh3Rk}dY7ak`5YA5eeh%wOlz^CFL(f8M` zw|@Qlwr2{Qw%1o#2FZsw4b1R_9x-PC^@0de={^7asb&E4 zqX(gt$ad&X--bm~oA(-o2%)Fz_5DY#xVpC0*OMB~z9sjT8GuZXqy?ld(eOi~`J0^> zJbx0R!_v}y{3$ds>fezgU}Z%YcTQvIZ&|0Iqh*QvBUo4&nN1%i`2X0krRC)u+LjxK{mcXtt}#q+VAq08!uvih z#eJgU6!e1Kx%mUL9rkxxY@^|_zEY$%I;$<1fN9J_ly@K~hQtv=U-+MjjKa4uy_Rxq z3rw93L87_==4^xBt}f5rTtV`cO7p?a&e7S~p!|<)#l$M#fJvYEU=G{L$_fgkKs5`T z2TxDXzRkP2!&OMw87?+_9{mSIxi9N|7fYsxmsdhULSK`~uk28SlC`veDPRk!y$-u9 z^$tEgWDQUi04wM(eo;3&9Zp5mo9xcxis2gwZxP52e(kC*DG}%6`(w;Hk8Q=7+2`3` z`dL^r1ML34%$V4l}#RRGxfELGzE)1Ni#7)%?U z_kIxQBR~=Q5uYZYseFl=AhzjAQW8c6B?rD0*auukG!wj*fx#wse?k9OM@Ly_To97( zm>Vov|G8fU;<=t&ss)Bq!ZsU2v(?Xl^w>*SkSKn4I7O?CxF8ZB1;6sIlrJ&;7qmfV zZuIL#IuUo>MfHp<#SJFO$Y%y%1Fo36P1ZyQn~{tGj4szTlD6o~?{7=X%Zt|HG1a^R zXA@)88rYbsO1EELO!j(yKybJjVQUL%b^I(L?fg3TyJiOt*GgK62;p}X$qWx zKYaHdyWn#tP+W1y@tTsf`YQ%h2Dflpq3MP)*Zzv$*Kkk<;c;Q%w!^=6SXFB1-S;YeYCmS527QLZ-A2wE<(^35BN8SN{v{^*SvPeX>VN17{5*DLq^UOmD-M zjB+{=?Pz2lU6WCmIfKAyDDeU~JF!uD9M`1Z;6ITClyG!wM0T4gmy&30FtoQ}~3$U02 zIe60BZt3#X{diVY_H@9TC=Ec{!QmCe&zCPLs)8S+A8aB#_6na3kVA6)47H63!~+Q8 z_y~^^JCP>22xeh0qxUEUlgc-sBAAjLQ~Veb$EP(>MjG%hEiM+izQ-^fQvRt4eYu?u zU>(RK;q#hC&!y?v)igCh(KNvq1&GXG_7N~LpYueW=S}xOsG5LUyjo8hgLCCWYCa6R zw&tWeQDX#9Gzoq9*@sW)uwP0DOScVv0$@CZn>lzpw95 z-9w`Nf+*G|6HQA0o0}*Jkd&1@5vPGS@^mv}o=i^v&n;S9YGDh7-dkp7uB%H>sX&{9 z)C&x32(y@fq_@vML*Y==>&`&W6MK+_#lfRnH~Tw4xKoz}R}APQGifmz1G|hj!E2=4 zW%51#oQ@^AlLJK&_`LtyuXn}*!3xjxvmvHIBgVYnP|Ltm$VBYXD-&6%h8Hd%#^J5V zNltcGOg*E0mus7!mznMweE4cc74wqX*X(wknbua9J`9QX7s|s>gQ~Wc5VXcLas@jR z@>JEJ2`f&TBJG1)G-jP>kC}moLX~R%zml#z5X$v!Bg@3GBuTPNCHWOnge)1NRFcXv zktGRbD`_m*hB~s7BP5}c!dNpxwp5a&(u8D*A|^>$vd(vnZ~kjxX5ROCp8LM9?R6{x z+Z#s2;)P_rN;Er{3b~3~N8y<7Dju#Kcg(joy?9~1)xy+N$S40(^;Dl#Dh*N*K|lDc z;Kf*&PJeX|JS`M2zbcI7K6Q3pyLJr%)A_F$=UKCDHo>mYNMQH_zK6sGsN7LNrG#9> ztVu^v{Zsbc%`jC`-3FUtAR5w!27TV}qhvAx*H-}WEcO*N(Ev5+?Me~k_PKF4H!-7% zv=x{rYg_4Fo$hoLq%Y_3UFutqPsE;Fi{AHQ@1tXfcI|akrI<(sn(|^LyL_k{Hg0r8 zR)aS)zG<+}Z!i`tK>}qSN`6wb*Kyo0R3h|MwCkFJyAvghB(bBjjKdpC^j07>3uA7K zEGP*7`gqJ5DJ{E#Az>tWxnSr=B*u$z7>wc!s@psigl1a3f>q_@3=zV1_%I;yn@6;X zAD=TAQ(zR~9jT~TYbW@UzB0(xwg+e$_BC68I-)mwIz%#d8fZYn-wU|$3Igzij{N)? z*Z2j?E%b_(9}y8_W+EVdEgm^fmXy>%fh z5E&4DO#k^~Lnd<=eIN0eLy`epe&3>_kT|8FKp@MqnWLXF=v*+QLPI++P>SsV$%&pG zvMo>XvXa ziHYSbi*gVlUU|!9Y~X4nYF%`1rZKJ8iqqtoa{t1f5xc^-lyTOrKc9zZ^^{Zc%gY(g zWkA&SWFp*$KZ(G_{~19(mX=3pu}JC}oS;(z|7qCvlZQyCzUC> z+8L$*U@E$C$_MmhU|fOxE9DKbSiVXj3IQTGj2lcp+q|rj%+U>+Q`6CTl9k1AOBnS8 zg}NoqABbU^iSo8>dqwV5RLo=|00s;K-(OumvHE-Z3a}H3JE}fs3#owkXL%h%F9tI+ z=!w!Ty-)nv1n(^l)CrmR;lC4uzve&ZC(72p%0vvIe9~Dp$&ywJ!L&$2M>y^NJ)$2X z9*>JmKDGA2tfY(#MN=w^i|DZ4Yitd+(pT?Ud}Rp0Y9B3r0ZUbATg@v|MlSFQ{*%sT zI!a}CsH=+~k`#jMHlNX*=LlXAllg@U?{FHAQ7XD)n+CBst{SWq7KXSCT&BvtFVz89 zLx{D3u(bjdiC-tEx=cXcAh}wVjpX1Ci&pzPLl%%X1m&gc^P`eLrVZk z+36<>-j@RdZ?!sm*?*^4J(>zBp_%+;+1vr(Hpj_oCU%J`Nhc-ssBr9(fivU&bAsJ&M@^w@W!6Z@yjvR zG(gbh-D5;+x1DLwW-5sbJgHtyy2!$uQF*d<)F;>$G9355afqPRyMjaa-9=HSTC13? zfhl!>Qmy}-1ZIHh;akh8AodDX8tNct7Z-baYFYOf5cA-C+_e1rXZ>}cn};S5_Z-%A z`nj9i6OG|1H@BN1UC9|exfqF2p)JwxqZL%N>euG&$3sLTC!r(=c6R3dFbO9a)lBpW zh0AymWK#FobU+PNiWk&Vmwda7nKtjwGgQhLKB;^XE+Km1@s1aEHbwwFlA6&o6ciTP ziNEJm-4ovw-h8Fi`Ept&F%`D44{(B9Z5s4Y6dIZEo133UE)PsK@lv}>H_M7dG+xk@ z5{f`(C$_wa$!n~*nLaI!RJF%FKQZZq3=Ls|tX)yrG^j7)^zEPi-``r0y@(G+{LHVc z;m6=knA=1EMh6>&{YULH9T&7Rv`?>xTD>HZLv0FntO{!y=tzJUZ?pFnM+I$0*?^K9 z#;$9TkrTH1$PNNz|GPSrgh-9#QXmtzQ&RZ$#Q~oI$^^YNH4(X^bO`_R^3LV^gsj8( z2k8*_H)sq(;M0;UUfU9|LoybPc|$`3bLUxfML;P#?>ByVke6rua0&8ns3Bh~QZ+gx z7qf`fcbC8|L4L(~*+76hEW?+{Em%hqxY{Xl@+{TN^frDu5Bv}2fsnhbjC%-v^6iFGh%^D9F93pyEn&+7{8^1Yc$lezGtNeN+42OJ=A z5Zl&{?XtHIVz7w!nw_e!)=N$|Q3^D4g(9Lc!$w6_g|PNSKmQb+#8LdRO#qu6sW@RV#7c^Wb)F(tj%?<0kYP?iQ&xoZBsUR4*XetB{4nlj!GRO@jdA zooi_wOw?%{_K-n$Fd-@A>zW~i!6Y`jUF2ZS^|s*-24n11%{nn7G;Cn%NzdEu-UT_l z2jN=XT)kE%J{N=jzPnJ<1062l2WN9oQ5-+Bfv|JAOE@ZKYi*r}W{}>-nYTm;3xuQx zy(8ylJN#%#36zl0RF*CmbHhV(epNB1+q-|p^@5EJ%0e> zMwk0^98E_(&^zk+0E!E`9%3M{;+kHC6%{G1&f}G)Z^`q1 zW+xHOA)NK)N`r$dvWN2XZPNH-?mQq75jWcRi=E^LMQgpRV+T4paDz6fiBHP^> zTtMs38hfJN2+qhLJ9M4U6(!o5z=AmlnitVo)A$}KMlFVBMqu3JtYKbYe!eD!J8 zTu642*YV@+*fzd38*-ZlXVKJyL=j2VxTB#e3IQvGxw-BBq=E==kLV!*c2>w8miesO z88h6ZJ^_Ku>83aygMFK@J>a29Asf?qJzD)aJB+4J9s4MY3uI+=LTf%b~y@BlBoP3Odu{z z5zIjw3++0I2xia0acn988aCj&kO8N(*zTS`svrjJ`0K91sAeZL^gYSs9L70m35jB| zBJ6C%`dm(fqr%GBkWtwl-~i90mfl*O-d|VE!ORByxagt_6DVLHa7mTa%|hQLN+_=m z!o7iwZfY8blvOu3oAM<$;D+dh&?<>Xf78R*#J2Ay_}^4yr?eOfSMYhrKHi1#*!bWC2t6bkbuj+f{T5c#mgZ*mO~w`bSnVSrBV%VXN3(Rp z#y_8q;~jc12yVJ|*cHt{bR_uK60KZH3t%$%1n<5B$EnA8`WUb@u%L=b&4HPk>gq#n zN)I3=Si9Zs$7?SqHA(b|vw^|rG;D39{|kN@;D0vedaE;fF|+DA)$#(+U)V+6U)xLf zZxD@a`De>?)s#qh1Cn1{Aq2oFwy=EwqlM0;(GQ=R6c4Gol#nqawj2{)!*Ar|Bu7tx zwY=sM(-MY6AD_wC^%|jkX^me%gVau}F1LoaVNsE(8@%8LXoODR0oV*x25;!5X|Y$Kf`-3vg@*d)f4LYrBC?|@t62D7$_Ps(vtMkRmllC`F zku@CXwGt5SnLobV`e=;<+nly0Yw7635D7BzO+Qsp;1<;OSxX6rz13@2$jgdiag)36FtFj1-_{F}SrT2(TDg)N2l|b}^#QI94y2-v)sfGj{UOn1a7T1Q zmKK25b&#j2^yu}6*4TC(dItG_@2lSdHTCucuz7f48MCb{wMdP|QR1Ki1zC~CZ(u1^ zj~;#X(bBM|4Y<7r*eB3Nc^Q|d7iyYYhvW;`!U4(v2}FRF>S~dz20K(#5Op4cB!I`E zJqCak~<8a27@p=5Sqz^0~R#0{W=~bU0@bkTG$3rwo=qsx>PDN)>>BpuM2@3JTJFbh*b8qJeSato9MMD9l9pZt4Lxk>%7eEX|UVUWiHOj)m}g^27hBDNk1RNw3y-})sq zSdia{8MQk9!NRG3gXRg%7n=Q$Ug4x>4CCFYbJabb2)z)GMz81%pQfMuUM_=0PLy!G zlv55Viih`pmlKU_c6#ybS*Umr(!gi+9$C}Cnx?lpSXuz0Ki*C`BZp56Cf2E)iGlQ*GBSX>H0ss!P|q7T|UE_W|`06FI0y08+Q!g#+o%e+NXFFQ>Wg7{z6(!;d)cB zkl`;jVJ5vBzo#m2_P6A>@|N$TqX?eC$hAx~kHIIT6-GomfaFE^L3tiL&A^4t$k4qw z^cu2roNNoopGYAQJIAIA*J<7==iuPK!hS|TVIdr&z`ocZ@bom|9o7oWATJ}^>~GC@ z&^XW%EV5uqLpyWo*uzIKuV;os+EZVTWgIRqn4o)qDPd7Rlq}r(=FRlX49*3%2?=%5 z#!99bW;)4OcGu2Rftw_sbV|Gl;r+qEGLQ8gF2K;X4d}iW@&p~qx@t2&jribF{6a=# zC+j&Rr+-o;-(z}#fcq_r`=%NxYi=(kv!`4JS&z_VyLoyBkJrp#s;1AD18L}47k=3u z#QVozEn)J4A`g}lNG=hy2)K)EylNoIKg_KU5FDZA=s(`KE;M41fgi|dQ^t;JdHwoi zn#&nANr-77JA@?spC|*o-88Rh?(u9hl(C3LC@kSPc61#0$e-WAWVou~bVJk}c$2Nk zOX&amVlFM+xYz5&fgXi;ttgvE0_=oX%c zMiA0~)T|uMB(hFdNT1rkzN&LV#s94pea!Td zn2B)Dk7N2&0gBj~T=m`qEmuS%#2I^+7h<`!QtUq5b|hY6A$V8bGR;*@dwr?qPM5po z)?|zY+spoiE!S!1x@)C&MY(1QsU#5eaB=rp5Rl9PybPCgiY}3!nc2ad0)PI?B$S(2 zJk4Ed3!@w6N4!87Aqs8Bj*{O{*`?pSi7;Q;MMMV!FwbhYM9oJoQ~L-YAKN0$o$MFe z-Cjb*B$U@QIXw-QyeMeQ4HIer@CN4!6-`YA(MY(IFKP9-WCrn4z_~-yi$+F0z31IK zfJyYinY-^?1JhsbB~q`hP6@scF<=#>Xs~!wx?5o=niM+eR86Rt#Kd5R)LqMq!mLYJTLJ2b$8Dr3{UWf;n7Kq z->@mODn8&L3*MFeX&fs}`ajE-DrG4I;Lt2Mdcf87JG7np(HeT3hpiU$>=ec4c~g)X z28DuEV8dW3?anZD9a%w5lzrLo z^jtYy!44Oav$C>4dRs6crihJ?7r6Qql=~UqY-73WUaP0eaWqfGc3>;lnmqJS?}lL9 za3j=80>@@4ACLjEV)_=`%^DpFh~f40d=oMfQMkxnSinrbaNLO>!ya`QE?pT6#Ai9b zgE!5jHfWwcZja&2>+Wc9V%k_(_iO>X1yl@{TCNTZ>Z2O3QX15|^5owL7;#KsOr zk|-B-RJco+BPAp&o8ziM$@>cMi2O;HVdgLE3j7m@Kr|3puhul?LCOr2(W9#8r-k&D zz-V4LRF51H_A4Cc=%-XS*iumwD*A%c+lHYzfbs(DwbCJ8+tVX^k&jfg1t-(jdi|VZ z?9J}@%CoEsD7BZn^!dfPskF3p?s=Z-=_v;&m<`~O(JPWzvnHp5S#r3n>$P)PiZr4Q zklYzfGuDw2_LD-LRFe$KOixWE$iS0y^EqeWqGm zgV*Dz*oTZ0G)oop)Yc*7OBT*eTW0)4U}?i@4$*#6F5k=P(#MbSm=f4u0)0)79J#0| zn+D1yIl7xPllmNBOUo7BB`t zOd_nL?fLr%K%dJj70A$~M~al{9+dU)+e=u(A}>eFPAf8+WYJ?8%OMk_yR*f=#;$*$ zc!eyjtW0&&rWKMpBraKrS?Uipgz2fPQ*4ibk`Rx6&N?}t9DW#PbfG}Cq-Hz;C2Mjo zYArDz$=3GH^_9F^OmF#3et-AkMjlRtC2kM(l`7K@0e$H0a5}=VNiRXS5ng}1DITuy zx}pQBgv7)WyF)-;-k=z5r#3i%=v9nX%fjr02gDrI!$RdQRg&5hNLCcjXN-mhSmCS6 zi8d%6LCGOFt;h3F06k17wf5LTq6~53;lqLpXW1n?!Gk-Z5pGAQZ;LAabf~w^vE48B z_QFa*#LMHy!hC}^TwYbw(K0xJJxqDG|M)|5s8nk3$dje@AqLC8K?yM*Nhb0@>Bbih zK_!F-B846%;h7HTE_UOA1b%*x3kyB@cFu7MMIf1JjhI-$q{vnFKNGbh80YZ7oI?i= zaMC@yUtt@WZ>0fPZA>Pxw>b5OlxXCYwqdAo=1)I;!U?7mpB=VIz;Fxn<;u+Qbc}-C z1KRcabu7jFb##=N z=(`J*oZhI}`Q=e+U}^vDEE%u=Plkqd#yvz8 z@^5Cv2O93TOA~IkypQ?0a*^fz^wEjs5_%b;;F5rdsgf7dgt1cc!=E2$^~7w71}PGH z%B4GfAxt&4uxOsjD~@U>;Z!osxb7dQWbsbDXUgJ28-bGR z6-&1()|?)8Znm6iXS8%K22e5(5O5NlQC86R?47Q>rEk0%zmrcvXf<%UFjQsQg1*oH z5>d&2j0J^knOX_$8={WqB$G-$YxaJ1H9B^t?9Zu z^N@)8Zlts<-b!8#?3!>BCmmK!@36o4 z?{$P`KV?Ym(87yGf0CNoT5i7GSExGAhsAvoJ-udS^e>wBogJo~ z*-&49$;&u8I(l(&F;>Xj-PQGu4Lebu9I>nQ2?2q~$VfT{hUm}3wLNJ@d9QMEq;8CA z8X7W6?@-%r9e%+5EIqxpr$^${spa|8GUDR6<{PfAzb^Ry`y1?%Nv~eL5Iy(mkO>ONGJ)^O0YEt6Bz`*+Y z`uWL!H!D}s$;nAxULJolZ>Ia(w?{gB(q1bk-l;wqB6^y4hn1zw$Yhr4e zQoAjQJ6vMl^58JXpL zdfw>ILkqWW-)3cHm6n#i=WBTJqFSnsdw1=F2M^x9m6S}PwDCXOu!oJF}`S@c&=w>V)E4RgxDrsRKxLO z#|E9nrRLs`j*bpBL=9$yupY1&Cb1G=m%05oDM^cydfwCf`t?~74sVOMn&-~7#GkbB zf5XbgR#{e7HuI90C?F?i>Z^T{i6DcDE?Ll>+ChB3qT+}5@BQ0EG%{XiXP=R~{PfYI zZ$EzAs~yzmzhG>fsFCqu(E0lH>-;g{En`!DL6+UUy++>No3BEqfB&|^!&@^Zt-Fdk zv7!?u|2rIg&fDAjy&4r&)WFuPhepP?@2smUE3+j$C9DUScRd##rvYMJ2D`ja(3H`x?2We>1%pGpu?qzMK`qb1k zJw1K*G(p|U;hOUVh5K+gGBQ*+rjF8txwyEnu&})UFj?+A_#w}@l$V#cY9Z1IRYy-t z8}}-_`D(+*kF!SSDhdlNot*M_)On+|e4OJoua@nx7P;l?Yqq1C(}8#UReZ6 z=eG&BVk0(2M%%Y90|E$d)Jf5i1r3hQd%n}>KV_tvp~s~C`S-%w#Dv|J+C%lau|?F{ zh->+FV@Af2S{Hu_9$sElm#vq{S`Jv z{_>p9+H6N3w@HeNTQI)Z3AK#NCOsLi*=b)K+{m~u!rRB^^5x414jk~?9O7vC`t`SS z8Tw3jcXuWGDfTETGBO&np!t2f=U?Kce_T|m1bvwDi!&+a-U})U3IP!jjTvWSB_$>K z`S}elUZh~K5N6!JfB&dMTTjoWR2@c2S^WOUC#gDoBJoYmOu`hLF&bT6T{W>hG}+Id zJu56csPN$H*RKHq0rz)bl=KlDeSM7*VyTsJ#e%E-4f3nL=|FH3EK`OZey*|TTGS--ZoFa9XMvBA*P+S*zl!4PoC56@@$Z|jdACWeNj zs=~L6jPjC_lGbIct*opJ3=DoH5fol}_LZv6$idNZYsSfM_ictL|ISSDy}h+@Q%An9 zwROIF=Wq3e3l}`4eH|V1GBc0L$qlr%p}cj|+i>&7yXMi!-o2AvTy(6na>4QQ^c0V3 zI6z6+dHPpgZtl{bKVQCn{W$1M7L-<89HW~4*;<5zBxHElx}a%z__-!8H%-`$8#j&} zI~KgyB+VXGW09MeSN`@bZe+s5_BGLjqvw(x66=Wrc1vTBlk|gCp_``q9TP6*xnvSfdpw6HWI%2ni1Ud25V~y!KmrJ6iG?o^Rzh#`N^`?wd|2 z*&6w`f zRi~_=fRmaO=eoMuPgAq0uCA_8sCqMW`BVE3dz&uAl8@lV+)=rDZOm{^fuzXdsS3a%FD~+1+(?} zrzR(x&QQEQ_1%8CwUs(a8@+TNiRRxKVe+BHbv#k4!Z=M{lD&J6@bIA5 zPj4Pa6ID}d`2G9$kmskad~+L-c%X-cg#}ICLqGTI!h+1bv?@5Ymrgv<;j0^3(ACwo zX-Ss3e}7Y!3U7~d=0S4u^=zyD z%No|!*4MAUijBSK<0Hek^xlqq_pC)VDKdVPE*D2+1aY%;*s%j@l&Vj zM_h%>tGuUw*u-m&PE4H1z~xWkm97@GxwX~a-k!R$r;c}DwsR-L>!YH~&G=v6zR^(E zM1_ZwQBs!VO0-Y75d}O;O%3>LjZ&bGSZ-6}AoOWXQqXmCc5ZEMcD#IlXjw#fy~frObitmC~K1Ot}S5 z>8(|#>a7w@UR;rV@kaCM0cC39>CaR7)vwxY-6YvUYS-ISwu>_NOw7#mcXtbKnQ=W7 zJ$<^gxcFF%hNp+ZeKK*PAcrUuL7O){oJ<2fJ@KmPBO@a-{NF4NqBEL%&76wYG&q0$ zJi1as(R8>D-|*u4?Ch*K>wRUe`noz{#(Vefk*C-5(SB+1+rE)5gi%IKOnBvrwTOhM zsGGO9^pPVOfQZMB9}s0EB_p$Ua;kP23XYA9jVJjqwzy13uBwoC=gytx=4N#JJcGo< z#B05G7>NqSS~rxo(ce4&{1GWw)7I8@lavt?TbWOvIez^33Hqt^v6L~_a*x>`|1Dm8 z^XAQlyCAx1U!Rwo+xPDqPK`@TMV9COGdDN4*g_Rj?AXCgq}!2vST{Ow|GQF7EyL?^RP%)7RIBj=g04mrd%q z-m%2y(ZzM<$dB#q(W>cedHk3B{N(O%mR|4wAgsw79WS)VNgqLR{@(P=%yMLJWL$ha z9wL9tm;Qb>;*ol*|AG|%+Y}hz9v>OGBK}`6XQ*Z0py_G@Ymhw-9oloG>Pbn-FJp@U znUQZflsLs~woWlqM1Qs}G-M2x5EmyVCie95k`fp1?(4%>BUJ-ALsioWHv~A-m>C(> zGuu-gA_NS*d83a}lj_he!V#&E5+~Mzt77PsO@_s&*^aeI?%uY2El?JhxsGn zY2^F3B_(^CYU2|UM0Ro?eI9;e)51k6A}U%p==}Q4o2{*_!AP<~iK!N=!jBCNGcz-I z2;t%3C2T+MsCNIdY?l+ZDrB@aX|*j{TU)E$&!yzt7dGkd?cLV{l-t+UbUed< z+qY!IM2i%B!Ir@x?;K~dQ`fc6p3TY2+v+T>y0T&X;K7aAALYP7t#%eyukuPs^*M(Y z=!WKajr z;y-{;F+#yAjEtC@d`gn*Pt$aywoiy%Sy*0LUOpD{1>_|0>wm-~BnOCzI5<*FFaDmM zc369m1sYj0}ZujzJDZLosK~V|h;Loy|qX)CUbiM~)r^<Gcq#z-`<@1WlTX% zenLoyfh;JBT}DG){aO3OyoMpMk}ey@8A|qk*4Kk+ZMKtBQ#i6IS1;g(CnP2|AKXmU z%RY4I&_)#J$bfBpM@I)xVUom+eebS<6~*yU?%zK#H+R~t@3NKE`*r=Cj{hlq&OeK2 z9^ao1F|)FsIB`PyQ+&Q zu(DEhYw?A4W=>WX&eFWqG!?Ci1nXDOR3O8bFJIPKE%dyxX>4pftD*5II@+;kDL+3S z_r>I`n;l6=f+jDHTp-`(*Vc(8JX%_nng;aT2mCMFCuILlpA_DsnW1OyIkUo9yeu`4IlGCUf(FwKY#x%A+wFAt51q_UwTW;UaDV zKrInsU~azCbh5>82<7>-rbdB}fw1uHGRA&?e?RKt$sa5C7dbhN9UZ6eo6Ta_PHb;( zzEezfc6B8Kir>G#@Nw4H!)jjk*RElTQyigoe^FT}1Io@?NRp(DL7TOXzP<4+<7`N^ z5?VceXcui1$111lyjK*Ff5w9y& zR$PY<4?0t}qDVIXYp&_}@dMpC$n_v~qoLnJ_3!QNmkodUej=x$LfNIfBquqqo8<5B zAFWRnkY;=S{GlZ6sL;^vRSo~iuO&&Gj)ZuZ0|S2V^;3Mj$nmsLEzJbbX-8=dOzc#(=muA1xWKIMsyMx}~%F3~*!lH~Gq$n6T$)-%m%O&Ayptwu7^L{hl`AFgacF2j74nu#whGjDYb?+} z#)gLt|IQLsCU^)l$RA;eYUrB|r7+srx$Nrtt)^y>^YV?xw;zFdFTOI7Afz`JdU=SN z8Z>HjX2yqkRsfpFM;52&FJ63`SVF@}OXF%E{*PE;-@biML0P=F0oIeGJltg@Oawiy zUfuWHsh3nsOAB2?EaS_w4*R1=kM=mYqrbLly*?olpPQXMfw6>ph@ORleo<=xB34#5 zJ~xNy%pvQ&)<5UlMgQ|YwM<>g*0jxr%}omn&XXtGRafq5@*W6MjcWM0A>oPM#ui?H7CO!RXVl7&CMNn=MFOqOVm3dJCFi- zdH+cA*ixq6e_gxOX#nI7CoM4{;q@o`3;Y+ZT*>f#OwY`0WNPa8*3jGgoo^9|n_p^8 zas8(#z3gf9szxqmxxJBzdK3p~io zoDdi1`Jm`N9{<4R=xIP&u{F{<6?%GlcTYVt-}RA{&EcbBe-osWHU};P-(OBVW$@pB z|C#%)XUrJ-{r`}Wpvr3mXcSO48HCK1=I0-%^OWuQ-8c?(bNm2*5a3=9mXm?J0N zRqACw#a~HI4t_D9nkN@*Nfz|sYT~QAK|%4^3)hZls@w#1w7i*d5G)JD4PgEL87ChyG+-q$H91JDFEit~M%TUw}O zkCj~68XFs<%A|4i9-#1*V7=Ctj=SG$?W5^wY~Kh_s$@)7919XuBl10&mp?tC}bT> z8{D9?XCso5`jf9af#g>{;in8~2QN8ZC9u7{ed*Groj*c5e{g1MleKr>+34u~g4Z4w zKUx179G5#Dqd^(+=Jo3|hK^%=eE$4KQryv>p_^-77NR9X<5tNt2xL7@1A-@H>DrK)$uFZ)$AJW2!SRTL0nL?5vrg zVOe2e+s~iZt4!`jL>vgIZS&L5)<>UIJr}N#@iH&3(shK)Ff~7aE`-B(EysN8OIH_z z?5Pr~t(%f;=t~PMk~}nX`{~105oyXI2jnK&f zL%E~|ZHG|Gv57p(Sm2_#N z8V-di2PuM$KTJxZ$lZZB7Nddg6LcyW`^fD?LW)A|_e2i^kBn@bI4< z_)^l;+zi0NouRjCU8YNGdg)SpO3KBY4vYyBzX(?D#~N3Fiavf+g(yw=s25Pqt0wR** z$NT&GuEp)s=8YCe^a|$ugl_)f!yVQ1!w=N~tYu|op@~DSg+#2(1?`xNG)*sCOiT4udPvKcyv^D=5SI%0+Ef7u&|DtiLtqPN=gdJ423W`3kQc9 zwe_`YjROM%MV(Zxbq_hhl&z{JzU^>miP6Z=$WYXMtjq<1DlRE`+tX87RrN(ihC&L# z(^541%*@Pl+S)72%K^6?(yx^GBtWNuK(|y_27S>}#Ib8*Zo&-EIhbySot>R?s^^m= zqwFH?6Ii2A<?~!*)us@29^NBIpl#iYit=!Ghk~N2qB66IqvHDEF;nXDj-0hf{9p#0 zypws2v5h0aX+)xXr%f|Vv}s}kz6(MM#Iu04GC@F?fu zmQK(c5GwjJ*+06w3r5H3YS#af*w-cI}$iBlcY#iX=3k?gNCY?%RMVN!lUw1GjVG z29lGTRJb>D(NR5#VF_gI{d5eBil3kCF&P9)Tx$Hr{rTU?hEsFUB;#)9w@+xEFT*3s z+HMt6%4}brBNtu*--DF-H7CC+;n5?j(HFSM5YlkOO$3iVR7X#+`T8_~=0J%2KVjqV zZ1w>OOU5rMyZBYci+;3`txLB*`3dUx3GSB?Vf%LnV7gku0F4Yuk68$Oha&1v(4Uoi z()8tvy{)aVUpr%P<C>yr%S=zU6}4Y1L&V2j+=#L&>~_;eoiUSrzV6^4z1Vb8ob^>+o|X_9>50bV$3aC# zGrJuDcywk)Ahxluw-+!&Qc6mK^?vqs;o)D-Sp9Zdx_j?5v_xw4}mOmuLK`Ots!1cs^354i!|Kp?t1qBfkDWvKY80Nykpj83l zoN(I+b9(G4{(m)v+9kD5ub}Hd5hp4qB?^ESwO3qFj{es*d;3>rmG;|I@G#z1RKNjM z$jg@{geVXLU7MduXA15DUu+|czp57=mX->f)YM_h^bs+S9?>u{*=@T6pa6a-+%H$> z0S7!eN%JcImkRapL|K!i1_t!fVmnAzL+l<>WMKF!PD&{Q|-WhYd!XN@_`LQmo9wxoE5?muPG=bM54k6D4|M7R-4A2tuHAj*D~m= zBV9-r`oCEKT8aY)z@v5S?Ts19gEe`*fPyTFNL=ONOD_KT<8M+2-0kiz)2-|aDRI&)XbG2jelD3OIYZ=mSvRL4#CyutQp8AJG-xB z-_3wCk3oKJ-0eU7V2hA;;6-L;`?qho3>?AJ%^MhVkU3Cq#y=ZTco7UjvnReC_@<9x zu)`@w@Q8oizXtNVjKKrLXL31B6HPrP)u`;s7$t7j)X3^@@I znxd|PW~to=!Fp?Kd3hPLBrPq?$7^BZ#f(V&J!LNNo;y5U(H?`kw2t=nMER0yjPjK6 zz|>F;B$KN0Oo)f)bE`EnU~zwLX(??sH8C-%6K-l+(&1En5)*TCp7}^?6I;lp!ZYMQLei9|Q5^cnj6>cXEW(f?t|e-tG|7GFDNk zFTU2b;&y|;j`_gkA^+1gu;r@=hZlSf-HVKLDgV(JD^xp1VRZoD5uyv!m!cxkZq>h} zxpFBj=4NIk3h|l%Sp@|IkMFG10Xg{j`JFivRzK#t+&s`>k0yNs)`E-Oq2M%I6kCi2 z?paW&Y~2fLvLIOakcojYGp#$D4RYluL%i1J2k~|snp5(!viJl9`cu>h(&QNgO}e8W zFC`P`9m4EK*KKKOd6L1)LxWh6lCJJS2PdM!OBlz%lM9~S?(QoSO*K-?Q$i2bk-z{O zceELUAy-28sPE7-whlnJyvovz&Kl^!P_te<=e>IMDm?>3zDc>OeZA*F;)5`C0{k0> znD`$|0RX^}#S4!vvm_}$@|g}F~X^3e;k{(%Wa>43O+rZtC8XA>RpW zCF3|Mh`rip&J^mizf?@k%Fl24{29MXVt7wmDYGgykFc;Xq~9XBjF|2pKO7t!-gz$k zw)67jq4_*NU!chw0q+)qNr+Gs=cf-JKHweYfK143fflkdZOf z({p|Khi}c>7oL1+sRztjm9Kev+1A30R)yl++(YxGB%!|6Vv>??i;5n{#O%ctUfFUH z|FO0vP8o7mQ&ak-51eeYQ&?u5h7u9=2~VHyik!XOuTsAghbfa$QI$UXP8@8B;Rwi< z`SR9VP2OvEcKgZ6HMO*g*OvB$r@_>OUItO7HTXJpyT^OLt)(S5M0(oY%(ZFw!h!4z za=;q`P(0PB>S=$0vY9fdrjZ~S@%vasek`gf+n=#lgh5{~klMjK0Jbem~ zBWLM)(7rgK-bz3~Aiy^WQ6*GcTN^ZxG`^Rhvl>Ti(hEv376YD>`x^&gPh6hisI-=OM7$7emb9rGYqnVcJzdzYK}l>;uxk&QLZve)IHoB zd>{H(T6($%pYXmn%%CGseZ^ky;D|biRe-zPG0p4f{DJid! zFEL70cS!Gi@9IK2N+ISscS!A^Fe5qjf|UCn5o96y`y*=yk*8Wco%6hX0?7`jn;3*( z^Q%j1)7D!7b0vsqO?*3Y&3G6NVYdDT6k66lQk!Mg^|qo3$PaOz8l0ZiOm8FFvuAmA zy6NS{L@16^71Z%jBKqA_$6?^!CU3vs6IN?Vj&E}+{ma`m+ja4_XJ_e z8fVS~@UDFtT=2xBF*7p*wrSvMR>(6bEiDb?p^ea73#+%HE`$bqx;=c>YD+=%1#ZE! zXYVy!tl@3}&&9=+IYxa{`qh1-fY6{ zExsQ#-EoRNI3%Ryse}?IbyMj!VhE^zs4Z$iR@`;4Fw{U@aT#>zCf|9&YklXk(yr@ObyybO8GW*8E!VTwh=BJnJnQec6bj z@7p(cfilw4k2N59WzMK;p`(;lR9q`I+9EiD1AElz_6>k} z*uE?i$|YrGpGI5-_>PfEaO!10uCeeZ^D~Z)Ao#DgyW4O|D;r5FIFJYtn4a%ze!acH zxj*!TjkPuFd?gw47LGhzTf=jAZSq-#j<7znLKrIVoZmjZL(lY2adL8=I5ADy?u!&)&z?4%!y?A~RAucLf6pQYMAZ4xoiEPM>P; ze)J=tYm0YR?k}4g8d68pLntpUKK`w%3mT9I^P|=%h7xXu!!%)Ntof!D?zZhTm>m=p z6kV@Oy%J)&-z<~Z78@bJW-W44(o|laAVy<(Y3avGdA+bEe~fFniCAK!r6J5QXoZnE ztC3Mr`FVLgxkTG$6%6AUyrRrnIy$X`>RNm;8X(Ae+2ljp=mf#F2MY~i&IPvRtzO;$XKo*IaJhDtG)T1`vUg(1~f<*JdjU9fBx;6J1b25ePEN}xBp`se0C_D=>4gkl7>A3U#!iGc@^$#WeEE`)kU&01NUMSX+4})bqa)O$ zI4VJkJ?>+31J!^hRkgpMmbJC%!l}g>hBBNf!30+Y=w2|E<>g$!=2Zxct<{90p=Rdh zpv!oq|1EVPGg6Yo3b7RLy#@BwF}n-ma&l3ep&A)vc;;dsKaDLy-TRi=f0!7yxk5Zy6IPg6bIop8swxrF(6RgFV$kV zGa}@7?8FJMkqbE;bMF?vu2!wev`evPDd1>ZFs?MnZ7+OHlH#2E4WlN-Z(AZjo=-@q z+UKtrH7yG}`}VIuswF2hL>9)Vn5z-MJdgt56xGk2j;EFlwINiyCd%DgS$f%sWxdJGbzq4l zd%Xvx0Zq#&Z^hOl9euF4n66g%TCPb>himx{%z)nBUUV}AGB^cX=R0uw_EqcvKNeByDxY2=-x&Mp=%QTIZAbhv>JAyfK-zK=-7Q!U)f+z7P z=p!6&?EFWLGqwvw5j(qZdTG3k``ItoBH{QZ432amONM4sbs!@$vfFF(mXPl1qi-}X zvHg#Oo2~ycMht`wVo888#dBT=#QOYn|3Zbm(cka3*~2{bKM`hW<%e^^}(Vr!v^XS^HV(W$-A1k%a~JZ)s5Wv(V7c zCr^+9v=U#Y$lICqymbq8-qG0!ErQMU3^RD4latV~V-iISRAI_Qi-cu6M^8b46^#BY zUmESR^m<^W`EYFGswm0O%uMAqeGNWZ=Hw$to)s6LYCl|HIU9{+E&`vv)Y2zU2G$M& zCOJ5q@U&V!aILr(BN1=ibhWdstqp$2_rD!Hh|hVq&?v_Y0XgxbCc%IJd7Q6 zJm5(J4;6?TQNz1;iO;HxLGJtVC46R$@Ybzc7W>xbwwXj{N9B2=0p&+rZ{e7yHa|wj z1FN1A=MZ1-0cK7J{%D+N?lpKxGU6y?~+6<;A>|5k3bFL#nzhT@8=k;{9!T*iy|d43rdH z596Lbl|FT9Z{Citx~As6`}eCn=6)udbZx14;VB}OEI%41z$&HlSOCd(K|#bR5JiFy zmz|Xbznb7{(mIMJ-uxUOD?&ic#|U^Iss{`4Bx&1h9OrsyTXfI&oXE+OHS-^!W}Z0V zU}5ooJ|v1mPRv{>>>sQ3k!=4QsLsQ@qPlPU!9*l8HTAQo`Xju&+p`|kZx)77?EFGP za8zyaa&$c9lM+wGc!jTVGF(KI$iS$CT?Q3(Ij-mwK6VJtAwE6|DyU7v4jt|A|okk z4@{1ZezYoF;(!vrnm}=LWx5B&6TLwT<&sfSo-Z8WCz1D>*12<2Nw%nfDA^5lpsDS) z^|iIf$a_71E`96I^U6vezrPNn{>$@c&Yo?r*lFFEJ4)s@(_0KJ5WqY_EdY=a7Npb9 zcenK0k}H1?57RO*TtuEtPmhL$rEzEh!v@s;a8w=Z0qbN+Umvz$5G% z*e*e8jLHUa7Kcl>nn^u8R&he`#zD!@KV&FYA)=v)Ime zK3Rx86TB!WlAbxfs`zVjMUM4OER;$cML`@yQ-q@NB2&f)_7* zi9V`K#I_wn+c_>4MT+2~;P*j2ghrk+ce7FWB9(64I=Q0z5KDMGpH*Xe$o5a6) zOcVATNepbXs4uNOhOmPZ326pCJQp{2jK&DU4^V@VS`3iS%E{T?Y5)Q|*&=zkmO&ovqcsfB(XEL#z^e81tT+ zhov$b&UCXyfGc9>r)%lCo{r9ZEb0^Rb#-ol#7e>9N#Euv zataD2_cvIF*l^QSf_QPjXMr=W6H6<>3mHgqKxkT2dQ412s6ajb*EqSgRR=CP+BVK$ z`rT^44YYXRfMk9@=X{t6(%x$iYAm`PxEU5h0?{SRTBE~Ly%Q1i#u^SHrF^ub`2n?q zj8{pJK_d-PY(Hp?1o#^;f(Y}?4}cYYeJqAll@y4mgJ*kPh(7IYmMoTvGF_Hzn zgnXaU&IoL8=DJtIAy+S?ghJn2Jt7ebV4G_+i$K1OS)XZY}_QUP< zRm*u!=XPH|9Q07z*YqhhIkk`Ud03BEdzYbDdNSgDuxqP|SIRNFj zb;Lm7thFg<7SP+Z{K}Q6owcY;d&TKrS^6(gOP5Rg?2B(ZI5f?3zk7T%2JSv9rN?dz z%wukJco<3c%FREGUXu)?=v7%qUm{0&M3n%B3`Vtl(Ii9lT0Jb=PAonAxX}`@gBaMX z6gQKR-_&cs0YoQ2>TY^?aFafI@PMEtEFPmB)0d+`=JeB7IF(W_)ChZG0NYq8SK%Kc ztn><&I}guYtSMzgHXTNAr}ZJ$D_;Ef6h3w3RmAPfeEzO@%~fXZ%q=Y~RUPNI7;Z2c zcYBM_a+oss9k!WZ%AVtmMxztpVxtU@zt4*CgH%a1ig9;k1mp%vaJ=Tvc3UBCZl(OP zFw1Uek<>|h3#}}UL&%3Juq20I8v5esg6H4l!+}-R7f>`%`c)<5kog)Is7^~G8r_^G zM{2>oSokVYp$j17z3(aait;^<;2Qb)?X9e^Zvs}dwJ5i9GD|G>vo%yFbGZBXPC=70 zo%83@b@=cI>oc6vTPP=7I!Qv zE!}CC+lod+A8-=kZ5_VNjjrnCdKji`b=hL4PuE)&;uk%9?61$ixBu?S+r{GIVpO{@ni23z z!L1humAMKF3Y?LCDk)h(TCU(%BN!$mKU@q_AsGF0VDEt(o9{P`%z2~3()jLhB0SKS zY>W)IWgKQ!u%&}oBDQa2UGY@lJoZVR#}Gwhf5CRyU7m*~o_|nYn;bIfT;(czfIRdP zq~?qVHagK*%1vg?x-RoYUKb}4dv^;cxRj3OXUY)P0K$~-xcEh+{xdJt(%YII_J)Rq zeQs)c=P{S8V)TsFLx=WCp&{Tfit@UX6G$%co}W&>i-~eO>j>6t;X0MM{zE`bRCFnj zO19hG1le6LBo+|!fGW5*q;^8f4-P&c1Ax|+V}7Vn-gZxm@6~RGCRSpin*HtKfsC%u z9?^_2h@g02dt|)hqB#V9$)wp|gb?{UySke7$@@qkqF_*LY(KF?)(b9DZf=uzL*RR9S=pbht4b6 zIIzjvx_a7g1eiBC{Vs-FE9=$1_NvT;3SezODxb#_@he;YtRCdcySpDFuIpG`feWj& z6+}rz#lglV^K7|Pj3%tEr-#XCCs5VvWlj!+krn;lmdZF4kgOQYy>(4YrbkEJ|9qtx z|HDU3>aVM92%L2cihf0&1ww6C+@ zzjq@pjxo>RFMh4}oYz3#`d(r5zM^CnsgtKqljKyKyBD1~H+3MvAmKKDFeu#_9-2g- zRm|GJ1QFY<)iX$v=w-k2-FlnxjT*}~E-nkeK4|nH`Gt+wiRlsWU0nB$(V&CN%fxi+ zeRoEFz7u{ZzH?ydo}(A#@;Qi*nrF^r=jV4ZG$%sD_3`#ziH$9O{o1NAuk!FHcJeUQ z0I~qr-PsBz&uDAUPE7RVjE|-kzI#W`u8DVXk{~xf|C|=GH`(;&xAgQLsq<{WhKdLe zUlAB^iG#E&me@S#OijG7wDi2q_A2wWlP(?}Xl$cAa=XBlzL}fUYSP=T*yy49^Qg~n z%gb@XWd0ejU=*ma7>%IXK^(8Mo%XSLJ5U5E)>suHpom31tlA}M`x%WS zsHR_nc{kyfnwomWJ5HbrL5}rt4)l9cyP{X5P(Kc$?kl{$J(Y+Quev@x{Os zEMx#Sc3Y$lfc8YPoPM@Ea1y~C^s<$izD~-<2cL&wFzpM(9YoQMW9dEE zalrDT$BlFusKrRHjjmpk6@NBpgG_>*mN8y7ViEHNq{8{7Lqr zyQc>g(t5!g5sPenn7pv=$!pDgmM=hm4GjfDAwdYYyxh*lrfXmTKCYnYTVhIUSRYtJ z7>bgEW`Xj$GPT@4K(im8mt*G^_sR7m0I>YutHHw%dhc#0$eX`wG*B~A7I68M1Xs`S0h=?@U0q0OQ^@4s{i(d0F+a0mU3!YLjZxpaA$@XPgh z%@>-y=<%RKl}Nu3sKGov4DC z2QfY?%eHFGWwB zpV82OJn(06@uZyjCk@y^<19owTgf4-HSO}cv^>8OFT3S7Lzafnjwl>r!8MHsocs0* zJeBe4ymO39KBcGio*o}9ciUBIc0X*CRC2vS!eV^9+ki7xG1c?-ZRpa_5qzebke-9N zH%NS6D~9>7SkS+puCm5to{3awadO3<-%!&JQ5=el!Pv&DZ~h}+#BtQrEDBw&3~B>6;UTIO7{d0LLz2oqC5K>-NA zvz_ugvcEuG2Z`GT=s;w5lit~jU&j`)toBfSmm{MQ4Pd_}bEF)K3nYI;$NEMc&!dKQ zbO_G-I8bAO0ug*#vX&INYNh-6%Q*4SNpUPfo>ph-^K&55J@hfs(dUJX@eTwmumM_? z=tqy-wQ9TFp9$kfV;fO4lxdNdD{Wf}sr!i^rQwIqMRbe@q3Pq3F8GqP2QIXJ{5>>< zEM0L)$(@-yO}EhlYIP74M2-u(&}6iuCPu>V#r08JTMiNYeJEsTMy=m_Y2}|Qa6QCb zV#`~)gJ>2OBi(0uQ-l2RV~Fs>o?8(;UPv-kjS$i-2ACDV#PBASrh;uN>Ft1FF4o6-SZ`6gIg&{J|c zCehisQ`|ZdTS4Q1w3M9dyB${M=bi2BCMbni-sDyrhJOC_^C^4>kD zS#-3ttn11>O-)VsvBGO59skewJ;GOUO7o?}pVDIwWD)H|f_(x(i1$@^oLdV~e$b|| zdWO$TKSyEy%$KdAK0$NB6w%%`%d{NcZmDyVt;#r{+190ylN-jM*zxE97l~ zoA=fVBi*>0?0@4CO2jtv3QPhY#Q?vzvKpTm1E~t#PJ#P5%oe0@Mn>q6y7Sd9!snUv z_iud?V#*Q_RtqI^B^_5`Mgw-3cM)biA$Z~hLR5y{I@k%rQ;Ug>wb2d?FwNb;npH?` zx#vP!vCQxPPp}~O6G9c2FAw3P0vt`kO_77agb)yz2%_K37es&ie{p0HeHKe>OZ_@| z9BM&M$L!=U!ze`j@Mya$8|lIM{%@2(Eza0Z*1q^{dU~KT*A;l+JbxgvBVxFRhzM?L zQ&F1Kr5&6KvLIJmLIdPH+S|_?7`WRO#^SlccR{|e@0}?%F+NrV#~x{S+!vf(#Kz7^ zN#KKF-n?o5_rWn8DFjyz|37$O!QGbG4n}J!%=qkD zYvI&$*v}Z6NJ406eA(^|Kr8`zEo4~eKb2MM$@W_qcu+kkC72<%VVC9lk1|Wg8}}>? zy}T--qFPFlcJ5Qts$h52fAmP0ayaral$2sS4lvwcaO~D=Nw61|e=i9$ACLYFpAD0% zM)c2M*)fz9{*stTtfzf^N(u)P6AUug=?#S(!GoWCU0okFUxoXJ^zhz&`(`HzbM*Pe z67lIMp=q{&4#@7y{`BrMh7=))cgnrL4j*=ON=(eCSOiOl9pArWvGKDiZ8t>_{l8B| zFjQ8qt4e=T;_eo5g9w9dS8Mw7Czp8!FcsbvLe68LPMxEphL`!iSyYy{r<0KoCQ?pv zo#AmmRB9GcxL1THud2|Gtdz4j};HDqmk&xAiD8 zrH8?A0NS13k=}tb#hCzy3~y3k+?~dzxDDdO$%|?3Ob696ZGUami>uK($@U{a2oTM~JF^MZ4@E>~AW*vD$ zR$BU9dHI>lc5W`NmBSPu3~`#H;J5$sXI~2W2&5lElfuzLmODE71`iiSX8lHKQPJ~^ zjGoX}Ou?3rsS85a_!FDinVI=_T}xUE3-~hsledE}p?1?C%Jfv=6_hhLtHLPI`Uz)i3TvLG5ZHpf6Ko=lRygLdNUo#s3=%}q^l`E2guQLof_ zBrP^GD=Jv@w=Q`(1+)@D*Rd6aje?IXaQ|{W%I?UUy$aNb%3=SRJt`zEYk~*?J7oQ_ zq=?s(lP|RQ;N&Bm_d=OjyKFf>D@(k|#Oq{sZtf3{VP?KTlQQSs_jbGVSVX;%i3!4A zc%WiOiY)3D^!~f^R2!q_e^ZVnk;e&BSf^UX7IAVYGxvN{87<|x z3xoqt%Lqei2^A0ETSb{2LtY!R*f==cYaHoySS9*o7uYfub?;tTdHE&o3k=O z!$en09$6QapHae6YW#gnvgN7@^LV4p_4QjpiilD}FT0;#f11cmu;TXeOv8Aq$KuWN>gs3n|EHuY4~KGX|2%&B|9+(sU$k(Fd<{eRtXUap-5#9sbf!tBTBYVIH{x|BC`8_)90_QYr2^CeV^yK z@B6pC6yP+%#(|HYq4PA)n*qojT$}dOfZHHP;6&uw7qy`O%yJopt*i{q7i7E(tOk6| zNi5bjK&3>?zC?+)RCuf20u2Yu_}02urBiKP-FNu74Cgs7-$BKO$*EM!de;p!u^S9= zwgGr)7yquPpa6Gxeop`rRv22*ZahWrwPW|UIF*){BW6TI*h$?r#^?^3eQ1&2C5X6d z>m8`a`HW6ZNVenr)gs-bR^SCz^t)%c&{H`%{oC3KHJ>=&7%a8-+L($^H4T0XbOI3$ zLjEy)VJ!2t?z)zu;vcd}AfVu`Zg~|a&G~j{XszN5X6qX%Dc`+ou3i!WrzR~eO;+1O zxrnX;2vIs!OpoXV?<8W)-uVQ;jW2wvRFOUm^ujw)69PRZelxAG0|E-Pz6#J-4Iz}r2DOfh>&gpo&TpenKWl12 zC5$UXB#fi8a~HP{8wZDO$bx_a6$H~oi)hg_nUP|KT|`#a_wx%k+lVRo8oKv+W~YxOZz}=2neFIRnfs>lDe9L zKc*5QseS;i*nqW9J9RsUMex8;FoVx{j*g6k5jo`=IdZ-sW^C)rGoQ|BAYtOHI&$QK zf}k2|Grx439c(xXU0I)*FsD(xK@MV-kTj&CA{1qN=EKsIe7hY4NU}9>wUjyd1TFF& zw?+l{`c-bhSxy)_%Y#NnI8H;>7RTHc|FwTLT!A497V-1vQMOS|;k{;uSB_gTTMpWA z9G+JBDQRp{Nv+U@p>%ufO~b&h%*DDV35_zkiT~RZ=;JAd3a3_oRj6LRWAa5W=kQIE z$4}nqrbgwfdPFp(G&!L-lWOYv+HI#`99NLE0n2~m_XrpYp4+#cf>N93kC1M2yX`Zu z2tqD}`JDNiE2<9FRidBdit16VTu6OXU=;WExntKvDKYUhb==nGE-e3#)ezh@X#K_B zEK`}f`GM0g?y?=PdaX6fQ?X#TgGd|!V2s{TL_Q;Gg*use>acTPe{+e*B|Y~|#IlXt ztnPcR@KW}Z#Re4!qg$IT4Yd)M)^)G7BCR90ZA)L=PB%^8{K@Vlvq8_7?W%td$WWU1 z%0`hJ3ZHpx8Hg-otFSm(e|?DmM35VsvPgB<>~e1KQ>TRQt6Ar7FKexzun1361*4*u z6!k~*TUIDqdrzvmr>mu(34Lbe?+?U?&qbW6J`*EcfqjYl@@nXMxJk9rYBpts(Wb+a zQ|Sa73>!1pqOkhmTY~ThzzzZtLQfA{J#R|}+bSpvlmblGV6*u1sPxyX2v?Y+_m%wt zw5vbdNkIgmYt5q=V8S9b)uo`-r9~V@kAm^9bPPr7Xuc)edM_yzz&Q7(IC#F$B&Q#e ztr~>UjB8fC?;7Y1I7-s@`;kht`M#R}Lm|Ec>8eGzd9uRMpL+Ie!V7msfP|6%7Tuw# zU$}%P*8KXMFx&Ff{bYEnz@T~R>67s0j`VYQU4hq1e z>mlduE1KNlX~vWk)zM)o8W-^Ojg)9yFYL9mi_oGTmh&ug;O6^=s`hAb5_A;?2HY>% zO_zk9U}AnpqHh92p}uV>W*zQ2zhpTH#b>J?AQMHp7~_XqJsM;v?YTNMnJ3&s|? znZ9jOeVd{LjNhlMyhy%{JTZis7Z0%g}FqIKh-<%T2#a>Q8nRri-*9XLZp6M zJD9oPgcjj7q!Xb(J{nKBBPi&l_*~#q7e>Mn9G2;55WzkBu7=6AUTAe%7e>eZhVt#_*p z7;>;WjZ@sSLT1b$+7I`&Yv(P>2yEY?>O6AG$AJULIPh^TQPWz~B-qurE0{i_-Zn&Q$`Kr3);?!3>&V%rGC zmutxu8yA-EXO@>Aq+}!SZaigX-m~Eq_a|nbNo_sco1NgU7jw%c3Su$ zU--%k{rPz=c9_cISOcn$J+OIPRpm!ZiKA~M#G_S3e+g9@kh@IXgYy)vmcS2bF-Fqw zG}iNwMFJuUk|xL`xGtK&BE5AhfHDltS{Ijo&ZGq5;y@odDAW%t-7tqqJv}3%=JPV& zz+?a+e#~E!UtGPEqTDbUz~Q=m#NzhdHP5|^1C^&is%PID!w5}GW-ZASu%@B~nhRPD zrOHL?13>C+so?0oMynRiK87Bl`h`2{ANmvL%CbK1L~O2`H-RWnaE56}Nhl*ZE#&4Q zq+q2kZVc~d$W8Ej!5PkcOwh?fo&%CNCA28h4K$X58GazepfJ43=Yq6T+w!``mx0R% z(V56^N9KZd@7fifmX6b&gYT107QcSNqDmM04 z6?N%oQY&lsu#eh)RaNqT`U#Dne=Rc*u|^I_ra6v4wiKsIJUU6;(2RtH>D4JJwP^h) zd&G|~>3&$B5R4&`bqvTQpnepgi#n3n zqL0(0&U-auzpDb24Z6M};N!Wc>kG}gKxVO@~#WTUH@1#jP zwuHx5D%#^ zIqTZYbg2h6Tt(49nr0V~opbNrm*dtX0Z!#w2LetoqJWL9?U@NG$c2C1%X-gzE}KX? zDkG>(UDMLlrAmmB3s;&W3#*o@KlqYTmj_OlM0P~e$Hy@Nr56jS_UaIXQ_FCMpHv4_ z4rUN-`B*;lT{%rPwa3?kHSm=SdYGv(y!izMyZ7w*YqQFA`@l6uxQm8{ql=4pO=h1t z($FxHT^!xO-|xc@+r>I}Z`+811Ab<3a!9t<5Tycn8_51CxGw9bycLVs{^Meq$@_ZhI@TD*?CdU@6P$o0_YMB}3LhzKb8 z)1B8hZoo(F@X!6!dHBVVrYJpU4*Pw6{s}|(8v)g|P*(*6VDe>FGYwO4!xsQahfz`N zIulR{aKii58mS%|dJVZE-RX|}5W+((hZ9H9BX+wm7o2S&mTx*c_3w6KK7@lD0g}qx zAN8=uA#_XJeh|xceKu=-Wjb1yH8vmh7Nems*Ks6HV|mVeZlje`gpCnvk%jD-Q$IwS zfy*Hlz(+0kL!GtqCsx0=Of<5B_z(&|;360bT+aG99Q|8aG;YvwDRJGA-`36!lQX=x zQjGDs=~9l~lL9{K*=M8K$^r*3_1nS5xMf&zozx7o!T@)6v=a#c1i6!oQdY(Mr6 zBy8Bmz)}#HY_9A1phnfC)x8Wez24;7QuiZ}lrK@r6Rp~0AqQ;Vlksk%*N}&u;bLlx z;HVCm9Mhn&!37iJJu~laL-{G!|Q{|)g?E+ z`QN{uy5I}r2}s>g+2ZZ9jSjflA2I2L7g~1T)k9pWai_iLr3XFV8l0JJcKzM4BB7sv zma#!4%^(LDur#LuQJ^%^7_=|+9<)kTOb<|C{LJTxdh$da87=;reILi*V|@XM2}IiW zlcTnuM62jE}^buw2*1@vgj`YgMT{ zH`nNHXUJTSeZEze>-&YO>gwf@#)y&-eX>05%*P*;@_sEUaij1bS_C*mSSoM49xJeU z7!}3tGlsL{%aKho(R>n^!!?3_!bGqJ+VI@D8OT7%Q)Vqe_jR8bTq9^B2hVq?<|$(Q zYzx_tumkKGl^J%g$ol6qR77I6dWIhtDkXeFtlw518A17d`}QRlMZ<1@33?ePfpN-3 z->N~_=9FyxLzOmVz1~9E-8S_rg5c>;8q?~DW{?rYga{ldF zl9O4zL&E0X;G*Q5`61Xq)Zx$h`O8Lkun=CwGlM8%O=AO=P-wUN@l$fC+}^!!(Z})e zpYI(lMlJx)Ka6(-`0@}ruj8+8-aLmJ3;hG)_%QVyUvUebpV%fT$*<#Dk^LS0D69|g zV*7Cw>~2Z1rRrfpdC&p>tt|bwYgW)~~SNx3o|kcaQ2J91gu^YW|vQNua;K zjf|j#`q`1V{X=0V_R7d~OCli`Ki_{)jHEYxjYFOcns_YJlbr{p6W^~R%>yQd2s1~t z0;f*NANpf3A(06BMM`SJtGl$h!wB!Vd`B3fm%5*{XdaN0JKSr@r5 zAb@IR%AmwD_MB9ID^ws`d@ zz9{)e$hzLg(a|D1`t@hNDD%yu*xh$v)LK0ts{c4sq0rm}-+(g zfIvWBic}Qx&cXz?a>Ap2AG9oDzUrNQeH^0km{RN4SEtatG*+>IX}lT}1Lr?GKqviCZ+Cp&04-Bet7`ss1bJeQ-JC3KB;&LL7KxL_;r-hwL|#~DS~ioF9Te!m*r)>hFXNF!20E5VADb4LkCwg zQ;GBZ7`1B=n_Tf@D&Am1JiIEE)1m3i4_OhE-D6M%bA~6Urmka|vHtS1-Sg}IM5Y!y~Mg|Qg|=V=l8u?@6u{QV|OO&c+u`D-GC{F@U$ z#I{>t&^I!|Xb*KMVm^KU`NAP`1<8xf^ zU&+hdBgwq@-Ldi%K4c?zsHmx>WM#P>IkJKNn3%)J=I*r>0mhPNE$^j`SXz;ZZh$pV zi+j0{p16<*@u`T)x~eM9*Ni57#EKu6Mq61o&F-Tg-`gMFYe-#al0;uHMO|NRC&&$p z1}YJq&&ToAGq=2ab)fFFHr(OJi?g!gSI$Q_?M7WiTrxvF#I~C(C2)T&L6Ljw#)i?> zRx@}rA<+IWS`rihV0;KSzjAWZ7!TwxVJ@~flY)|x;qns{!NH7YU^?nZ>_ z)ikLzcvr&lFB&)hXeYEsEiI;puY0MAf*Dh$VIcLc)I7VH8HXHugp`KHg$If+RYl_< zU}zj$Llf@LES8`0@qkau2Z9> zu<D4YGA#ri`OM63Ib%_l0L8YIU zc5jL`qBZ6r`WjgtZ0?!rU{yq;n>HTW0pJi*?>orDU~4iI$OXCH?iG>Q@D{dGj`hU% zzWXbF(hx-N8T@C}AZ}FI6D~9^8`2gJ!ljNx6omUBv2J#edEH1hi6y;M>6$?f=heQ0 z#>TNmci7_n)x|N9NGDQiT}u&nxvTW99afByG+4rtK8`P<$g%)xJCY~)&%9ywlHp?s zQYyE8LW5HgISi>2h)a24bA%I(xB;SdA@R>hoKbVmw#NHv%KK}wk&6$nya*?nVnP6P_1JCK4fgsF+)WyNBPU~5J2PEUSH8<*+_@N8 z4PH5W0Dl>+8zZt)EuD9neof*4e9{S1F?YU(bnyMqAWZ{u?)7D2V#nw)I^?vH2$;mrP;cjZ2iwD+51;^H743cR2- z1eFLOJ|0nkd!w5_pTqR|#XBzDsu5b%UTq z5ztQnBdL=WuWe6CWtl{77nVKmy9ag!_%2XAxh|Tmgd!T~G7_D~m>7@qfVHhHW*xj_ z#QFhVMzqb#zp#%EM>g9XRXFFsP2#ly&7+tEYhezVbvpqyU1PE%0BpFe6UID%^2;98 z*WVCM)XAE99xDXB&F}D8#>$mGg12|%K@1}}p`@U|S|ETxh`At~8Jk!E2$1iWIu&8u z3>wP}49{4Akm{Kbli)|ae2$g@ceQljbtvm2mSqmFyvoZoo*>vpfD=QPQg9-GWE`#J z_qYF#&Ro6&*2+ONzVl@FNmcxlob-Au{m?xav^0uD;DtxOP9de}fE(puXCcH7SDv<4 zR=iT{It6kiJ6{(!f%Vb!#1r703!{H)W+I#K$gSfezm_8nq;7VU>_f|q_UX;Y2Eir9 zhOSM!eVb1d>rm@gQ2GYGIF;dy!UIyYsZWZ-FpoJN4Y9aMJ71B?@tf>?9 z^W+5!TeWnFLvOqynLHQ~oC`vRYHZ3gEd8pGF(#VY*x8BPk}N@FGZZ55kF8k?sQ-%A zvr9tWm|(0-QmesqIb_|4Y|oQq)Ivug^q)J0xlr>Aza7N@Ow(g3*OEf#kg)F)o&)R^ zw7jQcS2|B3-xUB-lrHb@3ym5%`viI}O#GRaTe!;CKqup6MJLBu`a@C$Yv|nlR~J@8 zNvX~@HWf6TTfjTco}KP~aI`TwN1xG_B-k<}Dd2r(V_dDEDL6*5Z;>Vb{>WK8?a=(n z;w%7~zgxa?pz7k+xVY5lZ1xmD_rvM==R`m-@D3cArGGmg1@Dn-JsvBxQ{=B5;fy^& zq(>V`19$^a1c2@Ik0of9KwrY=166(KAmgr@a{f0Lgwr(7dK|l}Y+hkE4o7b?Ijr4l z%jV6EVl}`2Q_RQTFqX0OCMcdsBzA4lR1}8`^Al;Uo`7f>6lcB=;~w^lzv}4VgEuVB z1ks3Ig6pa6a4oS1R%5fP)-^t)sw{Zq s@&^3`lrgj^$;rZn)!eL)Y!`JYrU^lHl3Qo+Iy5FTV@soA19JHP049V)ssI20 literal 0 HcmV?d00001 diff --git a/themes/posts/2017-12-25-ki-begriffsklaerung.html b/themes/posts/2017-12-25-ki-begriffsklaerung.html deleted file mode 100644 index 2e09065..0000000 --- a/themes/posts/2017-12-25-ki-begriffsklaerung.html +++ /dev/null @@ -1,640 +0,0 @@ ---- -layout: post -date: 2017-12-25 00:00:00 -tags: Aufsatz -title: Künstliche Intelligenz. Eine Begriffsklärung -teaser: -

Es ist relativ neu, dass man angefangen hat, technischen Artefakten menschliche Eigenschaften zuzuschreiben. - So spricht man heute von „intelligenten“ Maschinen. Es gibt intelligente Menschen, die gebildet, - begabt sind. Die Maschinen, Computer werden programmiert, um einen bestimmten Zweck zu erfüllen, sie arbeiten - nach einem vordefinierten Algorithmus. Bestenfalls kann so ein Algorithmus aktualisiert werden. - Wäre es jedoch vielleicht möglich, ein Programm zu schreiben, das das menschliche Lernvermögen nachbildet - und lernen kann? Es ist tatsächlich möglich und in diesem Fall spricht man von der künstlichen Intelligenz - (Artificial Intelligence) und dem maschinellen Lernen (Machine Learning), von der - Fähigkeit einer Maschine, selbst zu lernen, also den Algorithmus, nach dem sie arbeitet, weiter zu entwickeln - und zu verändern. Das, was eine Maschine auf diese Weise gelernt hat, ist oft so komplex, dass man nicht mehr - sagen kann, wie genau sie das gelernt hat und wie sie zu Ergebnissen kommt, die sie liefert. Ob es ausreichend - ist, von der Intelligenz zu sprechen, im selben Sinne, wie man von der menschlichen Intelligenz spricht, ist - eine schwierige Frage. Selbst die menschliche Intelligenz ist kein eindeutig definierter, ein vager Begriff, - der viele subjektive Merkmale in sich trägt.

---- -
- -

Einleitung

- -

Die Technik gibt es seit sehr langem. Der Mensch war schon immer abhängig von seiner Technik und -verdankte ihr seinen kulturellen Aufstieg. Sie erleichterte das Überleben in der Natur, ermöglichte -den Bau der Städte und die Entwicklung der Zivilisationen, half bei der Kriegsführung und der Erforschung -und dem Bewohnen neuer Territorien. Mit der Zeit wurde die Technik immer komplexer: Angefangen mit einfachen -Werkzeugen hat man gelernt, komplexere Maschinen zu bauen. Dies hatte wiederum eine enorme Wirkung auf die -Kultur. Viele schwere Arbeiten konnten auf die Maschinen verlagert werden; die Bildung hat einen neuen -Aufschwung bekommen; Wissenschaften hatten neue Mittel, um Experimente durchzuführen und immer weiter -fortzusrchreiten. Schon sehr lange ist der Mensch von seiner Technik umgeben; Es ist nicht erst gestern -passiert, dass er sich von ihr abhängig gemacht hat und seine Geschichte mit der der -Technik verbunden hat. Was sich aber im Laufe der Zeit gewandelt hat, ist die Art der angesetzten Technik.

- -

Es ist relativ neu, dass man angefangen hat, technischen Artefakten menschliche Eigenschaften zuzuschreiben. -So spricht man heute von „intelligenten“ Maschinen. Es gibt intelligente Menschen, die gebildet, -begabt sind. Die Maschinen, Computer werden programmiert, um einen bestimmten Zweck zu erfüllen, sie arbeiten -nach einem vordefinierten Algorithmus. Bestenfalls kann so ein Algorithmus aktualisiert werden. -Wäre es jedoch vielleicht möglich, ein Programm zu schreiben, das das menschliche Lernvermögen nachbildet -und lernen kann? Es ist tatsächlich möglich und in diesem Fall spricht man von der künstlichen Intelligenz -(Artificial Intelligence) und dem maschinellen Lernen (Machine Learning), von der -Fähigkeit einer Maschine, selbst zu lernen, also den Algorithmus, nach dem sie arbeitet, weiter zu entwickeln -und zu verändern. Das, was eine Maschine auf diese Weise gelernt hat, ist oft so komplex, dass man nicht mehr -sagen kann, wie genau sie das gelernt hat und wie sie zu Ergebnissen kommt, die sie liefert. Ob es ausreichend -ist, von der Intelligenz zu sprechen, im selben Sinne, wie man von der menschlichen Intelligenz spricht, ist -eine schwierige Frage. Selbst die menschliche Intelligenz ist kein eindeutig definierter, ein vager Begriff, -der viele subjektive Merkmale in sich trägt.

- -

Dass wir die Programme entwickeln können, die sich selbst „weiterschreiben“, weiterentwickeln -können, birgt viele Möglichkeiten und viele Gefahren in sich. Einerseits können die Maschinen dem Menschen -nicht nur schwere körperliche Arbeit abnehmen, sondern auch einige geistige Tätigkeiten. Zum Beispiel das -Übersetzen von Texten in andere Sprachen kann teilweise von Computern übernommen werden, die ihre -„Sprachkenntnisse“ selbst immer mehr verbessern können. Andererseits, wenn man nicht mehr -versteht, wie genau die von ihm konstruierte Maschine handelt, fühlt man sich bedroht. Es werden auch Stimmen -laut, dass die nächste Stufe der Evolution nicht eine biologische, sondern eine technische Evolution sei und, -dass der Mensch sehr bald vom Werk seiner Hände überholt -werde.1

- -

Das Ziel dieser Arbeit ist, auf die künstliche Intelligenz nicht nur aus technischer, -sondern auch philosophischer Sicht zu schauen. Wenn wir von der künstlichen Intelligenz sprechen, -verwenden wir viele Begriffe wie Lernen, Lernerfolg, Intelligenz, deren Bedeutung aber nicht immer -klar ist. Und ich finde, dass das, wie wir über die Maschinen sprechen, -viel darüber sagt, wie sich unser eigenes Menschenbild im technischen Zeitalter verändert oder verändert hat.

- - -

Maschinelles Lernen

- -

Maschinelles Lernen ist ein Zweig der künstlichen Intelligenz, in dem es darum geht, einem künstlichen -System das Gewinnen von Wissen zu ermöglichen. Ein auf diese Weise lernendes System kann eine gestellte -Aufgabe nicht nach einem vordefinierten Algorithmus lösen, sondern ist fähig, selbst zu lernen, wie die -Aufgabe zu lösen ist.

- -

Maschinelles Lernen ist sehr vielfältig und hat verschiedene Anwendungen. Es kann grob in zwei große Kategorien -unterteilt werden: überwachtes und unüberwachtes Lernen.

- -

Überwachtes Lernen (Supervised Learning)

- -

Beim überwachten Lernen stehen dem Lernenden eine Menge von Eingaben und den dazugehörigen Ausgaben zur Verfügung. -Das heißt es gibt eine Reihe von Ausgangsituationen und eine Reihe möglicher Antworten beziehungsweise Reaktionen -auf jene Situationen, wobei zwischen den ersteren und den letzteren eine Abhängigkeit vorhanden ist. -Das Ziel des Algorithmus ist jetzt diese Abhängigkeit zu entdecken, sie zu „erlernen“.

- -
-

Supervised learning algorithms assume that some variable X is -designated as the target for prediction, explanation, or inference, and that -the values of X in the dataset constitute the "ground truth" values for -learning.2

-
- -

Zum überwachten Lernen gehört auch das sogenannte bestärkende Lernen (Reinforcement Learning). -Das ist das Lernen durch „Versuch und Irrtum“. Dem lernenden System steht hier keine Menge -möglicher Ausgaben, sodass der Algorithmus aus vorhandenen Daten lernen könnte, dafür kann es mit seiner -Umgebung interagieren und von dieser „belohnt“ oder „bestraft“ werden. Also der -Algorithmus wird aus der Umgebung bewertet und anhand dieser Bewertung kann er lernen, wie er anhand -einer Eingabe zu der richtigen Ausgabe gelangt.

- -

„The learning algorithms used on reinforcement learning adjusts -the internal neural parameters relying on any qualitative or quantitative information -acquired through the interaction with the system (environment) being mapped, -[…]“3

- -

Maschinelles und bestärkendes Lernen wird schon seit längerer Zeit bei Spam-Erkennung verwendet. Als Spam -werden unerwünschte E-Mails, zum Beispiel Werbung, die man nicht bestellt hat, genannt. Es gibt auch einen -Gegenbegriff zum Spam: Ham, also normale E-Mails, die man in seinem E-Mail-Postfach erwartet.

- -

Wie ein Programm lernt, Spam von Ham zu unterscheiden, kann man damit vergleichen, wie es ein Mensch lernt. -Sie bekommen unerwünschte Werbung per Post. Es ist ein Briefumschlag mit einer unpersönlichen Anrede und ein -kleines Heft. Sie blättern es durch und sehen, dass sie daran nicht interessiert sind und schmeißen es weg. -Wenn Sie ein ähnliches Heft nächstes Mal bekommen, blättern Sie vielleicht nochmal durch, um sicher zu sein, -dass es nichts Wichtiges bzw. etwas, was Sie abonniert haben, ist. Wenn Sie einige Wochen später nochmal so ein -Heft bekommen, reicht nur ein Blick. Vielleicht haben Sie den Namen desselben Unternehmens oder bekannte -Produktabbildungen oder einen ähnlichen Werbetext gesehen — Sie schmeißen es, ohne genauer zu schauen, weg. -Sie haben gelernt, dass derartige Hefte mit Werbung keine für Sie hilfreiche Information enthalten.

- -

In vielen Mail-Programmen gibt es inzwischen die Funktion „Als Spam markieren“. Wenn eine E-Mail -als Spam markiert wird, analysiert der Spam-Filter den Inhalt der E-Mail und merkt, wie viele Male jedes Wort -in der Nachricht vorkommt. Dieselbe Analyse macht der Filter für die anderen Nachrichten, die nicht als Spam -markiert wurden. Langsam sammelt sich eine Datenbank mit der Anzahl der Vorkommnisse verschiedener Wörter in -Spam- und Ham-Nachrichten. Anhand dieser Daten kann dann der Filter erkennen, dass bestimmte Wörter nur in -Spam-Mails vorkommen, aber nicht in Ham, und kann ohne die Einmischung des Menschen entscheiden, ob eine E-Mail -unerwünscht ist oder nicht. So ein Verfahren ist natürlich nicht fehlerfrei. Es kommt sowohl dazu, dass Spam durch -so einen Filter unerkannt durchdringen kann, als auch dazu, dass Ham im Spam-Ordner landet. Auf diversen Webseiten -kann man lesen: „Wenn Sie keine E-Mail innerhalb von X Stunden erhalten haben, überprüfen Sie Ihren -Spam-Ordner“. Wenn Ham als Spam eingestuft wird, spricht man vom False-Positive. Es gibt meistens -wiederum die Funktion, um die Spam-Markierung von der E-Mail zu entfernen. Dadurch kann der Filter neu lernen -und seine Datenbank aktualisieren beziehungsweise anpassen.

- -

Wir haben gesehen, dass eine der Möglichkeiten, Spam zu erkennen, darauf basiert, den Spam-Filter mit der -Umgebung, also mit dem Benutzer, kommunizieren zu lassen. Der Benutzer hat eine Möglichkeit dem Filter mitzuteilen, -ob eine E-Mail Spam oder Ham ist, woraus der Filter lernen kann. Je länger so ein Filter eingesetzt wird und je -mehr er auf diese Weise trainiert wird, desto geringer wird die Wahrscheinlichkeit des False-Positives.

- -

Unüberwachtes Lernen (Unsupervised Learning)

- -
-

Unsupervised learning algorithms do not single out any particular -variables as a target or focus, and so aim to provide a general -characterization of the full dataset.4

-
- -

Beim unüberwachten Lernen wird keine bestimmte Ausgabe, kein bestimmter Wert bei der Ausgabe erstrebt, wie es -bei dem überwachten Lernen der Fall ist. Vielmehr geht es darum, eine innere Struktur in den Daten zu entdecken.

- -

Ein Standardbeispiel für unüberwachtes Lernen ist ein soziales Netzwerk. In großen sozialen Netzwerken kann -man sein Interesse oder Desinteresse dadurch zeigen, dass man bestimmte Beitrage positiv markiert -beziehungsweise blockiert. Ein gutes soziales Netzwerk würde, um seinen Nutzern genüge zu tun, die einem -bestimmten Benutzer angezeigten Beiträge zensieren, und ihm nur diejenigen zeigen, die er wahrscheinlich -mag und nicht diejenigen, die er blockieren würde. Aber das Netzwerk weiß nicht im Voraus, dass es -Beiträge zu verschiedenen Themen gibt: Kunst, Politik, Sport und so weiter. Schließlich können immer neue -Themen auftauchen. Das Netzwerk lernt selbst die Beiträge und Benutzer zu klassifizieren. Das Lernen geht -über die Erforschung der Vorlieben einer bestimmten Person hinaus. Nehmen wir an in Profilen zweier Personen -unter „Interessen“ steht, dass sie gern Tennis spielen und beide lesen gerne Nachrichten eines -Sportvereins, der eine eigene Seite im sozialen Netzwerk hat. Wenn eine dritte Person jetzt angibt, dass sie -gern Tennis spielt, hat das soziale Netzwerk den Grund anzunehmen, dass dieser Person auch die Nachrichten -des Sportvereins gefallen werden. Das heißt das Netzwerk lernt aufgrund komplexer Zusammenhänge, dass es bestimmte -Gruppen, Themen- und Interessenbereiche gibt. Es gibt hier keine richtige Antwort, man überwacht nicht alle -registrierten Benutzer und korrigiert das Netzwerk nicht: Nein, dieser Mensch gehört dieser Gruppe nicht. Und -wenn ich einen Beitrag blockiere und markierte, bedeutet es nicht unbedingt, dass ich eine Bewertung abgebe, wie -gut das Netzwerk gelernt hat. Es kann schließlich sein, dass ich heute keine Lust auf meinen Sportverein habe, -sonst aber gerne lese, was er schreibt.

- -

Die Unterteilung in Gruppen, Klassifizierung ist in der Wirklichkeit sehr komplex und unterzieht sich oft der -Möglichkeit, sich auf irgendeine Weise kontrollieren oder bewerten zu lassen. Unüberwachtes Lernen kann hier -Abhilfe schaffen.

- -

Lernerfolg. Turing-Test

- -

Im Zusammenhang mit dem maschinellen Lernen sprechen wir vom Lernerfolg. Allerdings wurde es noch nicht -geklärt, was Erfolg in diesem Fall bedeutet.

- -

Um einen gewöhnlichen Einwand gegen den Erfolg der künstlichen Intelligenz zu erläutern, konstruieren -wir ein futuristisches Beispiel, das in einer oder der anderen Form zum Thema vieler Filme der letzten -Jahre geworden ist. Sagen wir, die Menschen haben einen Supercomputer entwickelt, dessen künstliche -Intelligenz dermaßen fortgeschritten ist, dass er selbst weitere Maschinen entwerfen und produzieren kann. -So beginnt eine neue Ära, in der die Maschinen sich selbt ohne die Einmischung des Menschen entwickeln. -Schlussendlich wird der Mensch zu einer überholten, schwachen Spezies, deren Existenz nicht mehr förderlich -für den weiteren technischen Fortschritt ist, sodass der mächtige Supercomputer sich dazu entscheidet, -die menschliche Art auszulöschen. Nun hatte der Supercomputer, der eine solche Macht erlangt hat, alles über -die Wissenschaft und Technik gelernt, was der Mensch je hätte lernen können, und diese Kenntnisse noch -weiter gebracht hat. Man könnte sich aber fragen, ob der Erfolg des Lernens an der Anzahl der Erkenntnisse -gemessen werden kann. In dem aufgeführten Beispiel hat sich die Technik, die der Mensch sich zuhilfe -schuf, hatte gegen den Menschen gewendet und so gegen das moralische Prinzip, nach dem das menschliche -Leben einen Wert an sich hat, verstoßen.

- -

Wenn wir also vom Erfolg sprechen, beziehen wir den Erfolg nicht nur auf die eigentliche Tätigkeit (das -Erwerben von Erkenntnissen), sondern auch auf das Endresultat — wie die erworbenen Erkenntnisse angewandt -werden. Bei der Bewertung ihrer Anwendung braucht man wiederum eine Ethik, die es ermöglicht, zu beurteilen, -ob die Anwendung richtig oder falsch, gut oder böse ist. Man sieht sofort, wie schnell das Problem des Erfolgs -sehr komplex und unübersichtlich wird. Ich werde deswegen dafür argumentieren, dass der Erfolg des -Lernens nur in dem Sinne des unmittelbaren Erfolgs ohne die Einbeziehung der Konsequenzen verstanden werden -muss. Desweiteren werde ich versuchen den Erfolg anhand des Turing-Tests etwas genauer zu bestimmen.

- -

Alan Turing stand vor einem ähnlichen Problem, als er das, was wir heute Turing-Test nennen, vorgeschlagen -hat. Das Lernen, die Suche nach Gesetzmäßigkeiten und die Anwendung des Gelernten und Erforschten sind -wichtige Aspekte menschlicher Denktätigkeit. Wenn wir davon sprechen, dass die Computer selbstständig -lernen, stellt sich die Frage, ob sie dann auch denken kennen? Um zu sagen, ob die Computer denken -können, muss man dann definieren, was das Denken eigentlich ist und dann schauen, ob diese Definition -auf die Computersysteme angewandt werden kann.

- -

Nun ist es aber alles andere als trivial, eine Definition für das Denken zu finden. Das eigentliche Problem -besteht aber nicht darin, dass eine solche Definition eine schwierige Aufgabe ist, sondern darin, dass -die Angabe einer Definition des Denkens sich sowohl dem Interessenbereich der Technik als auch -dem Interessenbereich der Wissenschaft entzieht. Wir verbinden das Denken mit den Gehirnaktivitäten. Aber -spielt es für einen Gehirnforscher in seiner wissenschaftlichen Forschung eine Rolle, was das Denken ist? -Er kann durchaus eine private Überzeugung haben, dass das, was wir unter dem Denken verstehen, nichts weiter -als die Gehirnaktivität ist, oder, dass das, was wir im Gehirn beobachten, nur auf eine bestimmte Weise -unser Denken repräsentiert. Aber ob er sich für die erste Möglichkeit, oder für die zweite, oder für eine -dritte entscheidet, ist für seine eigentliche wissenschaftliche Forschung von wenig Bedeutung. Auch -umgekehrt: Wenn man eines Tages weiß, dass man jede geistige Aktivität auf Gehirnaktivitäten zurückführen -kann, bedeutet es, dass ich mich ab dann für einen vollständig von den physikalischen Gesetzen -bestimmten Bio-Roboter halte, der keinen eigenen Willen hat?

- -

Es ist ganz natürlich den Gegenständen menschliche Eigenschaften und Aktivitäten zuzurschreiben: -„Der Computer will nicht funktionieren“. Natürlich kann es bei einem kaputten -Rechner keine Rede vom Willen sein. Das ist bloß eine Redewendung. Aber wenn die Computer viel -leistungsfähiger werden, passiert die Zuschreibung viel bewusster, wir fangen an, von ihrer Intelligenz, -ihrem Denken oder dem Erfolg ihrer Aktivitäten zu sprechen. Diese Begriffe sind aber in der Sprache sehr -oft ambivalent und werden intuitiv verwendet. Deswegen ist es auch problematisch, sie auf andere -Gegenstände zu übertragen.

- -

Um das höchstproblematische Reden vom Denken im Fall der Computer zu vermeiden, hat Alan Turing -„The Imitation Game“5 -vorgeschlagen. Dieses Imitationsspiel wird von drei Personen gespielt: einem Mann (A), einer Frau (B) und -einem Fragesteller (C), dessen Geschlecht für das Spiel irrelevant ist. Der Fragesteller kennt die beiden anderen -Personen A und B nicht und befindet sich in einem anderen Raum. Das Ziel des Spiels für den Fragesteller besteht -darin, richtig zu erraten, wer von A und B ein Mann und wer eine Frau ist. Dabei kann der Fragesteller -den übrigen Spielteilnehmern Fragen stellen und Antworten auf seine Fragen bekommen. Die Teilnehmer kommunizieren -miteinander so, dass der Befragende und die Befragten einander weder sehen noch hören können, zum Beispiel sie -könnten einander Texte über das Internet versenden. A und B sind nicht verpflichtet, ehrliche Antworten auf die -Fragen zu geben. Die Aufgabe von A ist, dem Befragenden zu helfen, B soll ihn im Gegenteil in die Irre -führen.6

- -
-

We now ask the question, "What will happen when a machine takes the part of A in this -game?" Will the interrogator decide wrongly as often when the game is played like this -as he does when the game is played between a man and a woman? These questions replace our -original, "Can machines think?"7

-
- -

Das heißt, die Maschine soll die Rolle eines Spielers — entweder A oder B — übernehmen. Es gibt -keine Frau, keinen Mann und Fragesteller mehr, sondern einen Menschen, eine Maschine und den -Fragesteller (menschlich). Wenn es für den Fragesteller genauso schwierig ist, ohne einen direkten -Kontakt eine Maschine von einem Menschen zu unterscheiden, wie eine Frau von einem Mann, dann hat -die Maschine den Turing-Test bestanden.

- -

Im Grunde, um den Erfolg des Lernens eines Computersystems zu bewerten, wird hier eine funktionale -Beschreibung verwendet. Anstatt nach der Washeit der Dinge zu fragen: Was ist Denken? Was ist Erfolg? -Können diese Begriffe auf ein Computersystem angewandt werden?, fragt man, ob und wie gut das System -eine bestimmte Funktion ausführen, einen Test bestehen kann. Der Turing-Test scheint mir auch die beste -Methode zu sein, um den Erfolg des Lernes eines Computersystems zu bewerten. Vor allem, weil so ein -funktionaler Test einen Aufschluss darüber gibt, welche Stufe in der Entwicklung der künstlichen -Intelligenz man bereits erreicht hat, und was noch verbessert werden muss, um den Lernerfolg zu -vergrößern. Er gibt auch eine Skala an, von der abgelesen werden kann, ob ein Algorithmus bessere -Ergebnisse liefert als ein anderer. Dies ermöglicht den technischen Fortschritt und die Verbesserung -der Algorithmen. Diese Skala gibt es aber nicht oder sie ist sehr verschwommen, wenn der Lernerfolg eine -ethische Perspektive haben soll.

- -

Was ich hiermit nicht sagen will, ist, dass die Ethik für die Entwicklung der -künstlichen Intelligenz unwichtig ist. Es macht nur wenig Sinn sie in die Definition des Lernerfolgs -eines künstlichen Systems einzubeziehen. Um so ein System weiter zu entwickeln, braucht man eine -technische Definition des Erfolgs, die ermöglicht, die Schwächen dieses Systems aufzuzeigen, an denen -noch gearbeitet werden soll. Eine voreilige Einbeziehung einer ethischen Bewertung würde den Fortschritt -im Bereich der künstlichen Intelligenz unnötig verkomplizieren und verlangsamen. Eine ethische Bewertung -der künstlichen Intelligenz als solchen und dessen, wie sie eingesetzt wird, ist im Gegenteil nützlich -und nötig, um die Möglichkeit einer bösartigen Anwendung deren zu verringern.

- -

Ich meine auch nicht, dass eine ethische Auseinandersetzung der technischen Entwicklung zeitlich -folgen soll. Es kann zu spät sein, sich mit etwas auseinanderzusetzen, was schon da ist. Vielmehr sollen -die Bereiche des Technischen und Ethischen voneinander getrennt sein. Wenn ein Informatiker oder ein -Mathematiker an einem neuen Algorithmus für maschinelles Lernen arbeitet, ist er wahrscheinlich -gar nicht daran interessiert, ein künstliches System zu erschaffen, das ihm ermöglicht, die Welt -zu beherrschen, womöglich ist er nur an seinem Fach interessiert und will sehen, wie weit man die -künstliche Intelligenz bringen kann. Natürlich soll man sich Gedanken darüber machen, was passiert, -wenn man den neuen Algorithmus oder die neue Technologie auf den Markt bringt, das darf aber nicht -der eigentlichen Forschung im Wege stehen.

- -

Dritt- und Erstperson-Perspektive

- -

Kommen wir auf die Frage „Können die Maschinen denken?“ zurück. Was ist an dieser -Frage so problematisch, sodass Alan Turing sie umzugehen suchte, außer dass der Begriff -„Denken“ schwierig zu definieren ist. Oder warum ist er schwierig zu -definieren? Das Denken für den Menschen ist ein Erlebnis, das heißt ich erlebe mich -selbst als ein denkendes Wesen. Ich gehe davon aus, dass auch die anderen Menschen sich als -denkende Wesen erleben, obwohl ich nicht mit Sicherheit sagen kann, wie sich das Denken eines -anderen Menschen für ihn anfühlt, was und wie er denkt. Man denke nur an die Diskussionen, ob -Tiere Freude oder Leiden empfinden können, ob sie denken können. Es ist relativ naheliegend, -dass andere Menschen denken können, aber es ist nicht klar, ob man das von den anderen Lebewesen -behaupten kann. Desto unklarer ist es, wenn man von etwas spricht, was überhaupt kein -Lebewesen ist.

- -

Anstatt der Maschine einen Geist und eine Art Innerlichkeit zuzuschreiben, entwickelt sich aber -die Tendenz, den Menschen mechanisch zu verstehen. Wenn Sören Kierkegaard sagt: „Der Mensch ist -Geist“8, so heute ist der Mensch immer -öfter sein Gehirn: „In Germany, leading neuroscientists like Wolf Singer and Gerhard -Roth are omnipresent in TV and press. They speak of the brain as if they were talking about a -person.“9 Kierkegaards Mensch und sein -Geist waren nicht bloß eine immaterielle Substanz, sondern vielmehr eine Synthese „aus Unendlichkeit und -Endlichkeit, aus dem Zeitlichen und dem Ewigen, aus Freiheit und Notwendigkeit, -[…]“10 Ob die Beschreibung -des Menschen als Gehirn genauer zutrifft, ist fraglich. Yvonne Förster in ihrem Artikel „Effects of the -Neuro-Turn: The Neural Network as a Paradigm for Human Self-Understanding“ macht darauf -aufmerksam, dass obwohl bei der Erforschung des Gehirns nur die Drittperson-Perspektive in die Betrachtung -einbezogen wird, eine Verschiebung der Terminologie von der Philosophie zu den Neurowissenschaften -stattfindet:

- -
-

While phylosophy works with concepts, experience, reflection, and linguistic -description, neuroscience, on the other hand, uses these philosophical terms within -a third-person framework of observation, imaging techniques, and -measurements.11

-
- -

Eine Reihe von Begriffen, wie der freie Wille oder das Bewusstsein, für die die Innenperspektive -unentbehrlich ist, werden aus der Drittperson-Perspektive beurteilt und beschrieben. -Doris Nauer spricht auch davon, dass bei der Erforschung geistiger Funktionen -„NaturwissenschaftlerInnen zunehmend die Interpretationsgrenzen rein naturwissenschaftlicher -Forschung überschreiten“.12 -Außerdem merkt Förster an, dass die Neurowissenschaften keinen direkten Zugang auch zum Gehirn oder den -Neuronen selbst haben, vielmehr arbeiten sie mit Modellen:

- -
-

The neural gains its visibility only via technology. The process of making the neural visible is -not a simple representation of something otherwise hidden. Rather it is a production of images by -means imaging techniques. What we get to see is not the inside of our skull, not copies of our -neurons, but reconstructions modeled according to a certain set of rules of computation. The neural -net as we know it from neuroscientific imagery is not a photograph of brain parts. It is deeply -technological mediated.13

-
- -

Das Selbstverständnis des Menschen und das Verständnis der Maschine und der künstlichen Intelligenz sind -voneinander abhängig. Wenn wir die Maschinen konstruieren, die selbst lernen und vielleicht denken können, -und so den Menschen nachahmen, lernen wir auch etwas über die menschlichen Denkprozesse und dem -Zusammenhang zwischen dem Bewusstsein und dem Gehirn. Andererseits um -zu entscheiden, ob die Maschinen denken oder ein geistiges Leben haben können, ist unser Menschenbild -wichtig, weil es von ihm abhängt, ob sich das, was wir unter dem Menschen verstehen, auf die Maschine -übertragen lässt.

- -

Zum Begriff der Intelligenz

- -

Eine der Fragen, die sich noch stellen, ob wir im Falle der künstlichen Intelligenz überhaupt von -der Intelligenz sprechen kann, wie wir von der menschlichen sprechen. Ich möchte von vornherein -sagen, dass diese Frage nicht eindeutig zu beantworten ist. Von einem Menschen zu sagen, er sei intelligent, -ist nicht dasselbe, wie zu sagen: „Zwei ist eine gerade Zahl“.

- -

Erstens, je nachdem wer das Wort „intelligent“ sagt, kann man darunter unterschiedliche -Eigenschaften meinen. Für einen mag intelligent derjenige sein, der über viele Fachkentnisse in -einem bestimmten Bereich verfügt. Für einen anderen ist es der, der allgemein gebildet ist und nicht -nur in bestimmten Bereichen. Für den dritten spielen die erworbenen Kenntnisse überhaupt eine geringere -Rolle, viel wichtiger, um intelligent zu sein, sei es, schlau zu sein, schnell die Lösungen für die -auftretenden Probleme zu finden.

- -

Zweitens hängt die Antwort auf die Frage, ob man so eine Eigenschaft wie „Intelligenz“ -auf eine Maschine übertragen kann, sehr stark von anthropologischen Ansichten der jeweiligen Person. -Ist der Mensch selbst wahrscheinlich nichts weiter als eine Art von der Natur erschaffener Roboter? -In diesem Fall kann wohl auch eine vom Menschen konstruierte Maschine Intelligenz haben. Wenn der Mensch -dagegen ein geistiges Wesen ist, das nicht vollständig durch physikalische Gesetze determeniert ist, -dann ist es qualitativ etwas anderes als eine Maschine und man könnte argumentieren, dass deswegen bestimmte -Eigenschaften wie Intelligenz nur dem Menschen zugeschrieben werden können.

- -

Der Stand der Entwicklung rechtfertigt nicht immer die Anwendung des Begriffes „Intelligenz“ -im Bezug auf die Maschinen. Bereits heutige Computer sind in bestimmten Bereichen -intelligenter als die Menschen. Zum Beispiel kann jeder der heutigen Prozessoren (oder CPU, -Central Processing Unit) einfache Berechnungen, wie Multiplizieren, -Dividieren, Addieren oder Substrahieren, vielfach schneller durchführen als ein Mensch. Und diese -Fähigkeit besitzten bereits die Computer der neunziger Jahre des vergangenen Jahrhunderts, als die künstliche -Intelligenz noch nicht so verbreitet war. Schnelles Rechnen kann auch ein Merkmal der Intelligenz sein. -Und doch spricht man von der künstlichen Intelligenz meistens in Bezug auf maschinelles Lernen. Dies zeigt, -dass wenn man von intelligenten Maschinen spricht, meint man eine bestimmte Art von der Intelligenz, und -zwar meint man die Maschinen, die das Können besitzen, nicht nur die einprogrammierten -„Kenntnisse“ anzuwenden, sondern auch neue Erkenntnisse selbstständig zu gewinnen. Das heißt -Intelligenz knüpft hier an die schöpferische Kraft des Menschen, an die Kraft etwas neues -zu erschöpfen. Natürlich ist es nicht dasselbe wie Erschaffen eines Kunstwerkes oder eines -Musikstückes, weil das, was erkannt wird, schon da ist, es nicht aus Nichts geschaffen wird. Und doch -ist auch das Gewinnen der Erkenntnisse aus der Erfahrung, die vorher nicht waren, ist das Gewinnen von -etwas neuem, also ein schöpferischer Vorgang. Und dieser Übergang zwischen einer die Befehle -ausführenden und einer lernenden Maschine ist wohl die Grenze, ab der die Maschinen -intelligent werden.

- -

Wie weit die künstliche Intelligenz reicht oder reichen kann, lässt sich noch nicht sagen. Wir haben -noch keine Roboter, die malen, Romane oder Lieder schreiben oder physikalische Gesetze entdecken. -Es geht bei maschinellem Lernen um das Erkennen bestimmter Muster in der Eingabedaten. Falls so ein Muster -tatsäschlich erkannt wurde, dann können anhand dessen auch neue Daten ausgewertet werden. Dem lernenden System -geht es nicht um die Forschung oder die Suche nach der Wahrheit. Und hier ist es nicht mal wichtig, -was Wahrheit ist, und ob es sie gibt. Wenn ein Schriftsteller schreibt, sehnt er oft aus dem tiefsten -seines Herzens, seinen Lesern etwas mitzuteilen, seine Wahrheit zu verkünden. Auch ein Forscher kann -von diesem Gefühl bewegt werden, selbst wenn seine Theorie sich später als falsch erweist, hat er versucht, -etwas Wahres zu entdecken. Ein lernendes System hat überhaupt keinen Sinn für die Wahrheit. Es wurde -programmiert, um Muster in den Daten zu erkennen und das tut es. Wenn ich weiß, wie ein System aufgebaut -ist, kann ich es von vornherein mit manipulierten Daten füttern, sodass es etwas falsch lernt, und es -wird sich nicht betrogen fühlen. Wobei ich zugeben muss, dass es auch einem Menschen passieren kann, -dass er sich auf falsche, falsch ausgewählt Daten, stützt, und deswegen zu inkorrekten Ergebnissen gelangt.

- -

Die Mustererkennung ist wichtig auch für das menschliche Überleben. Allerdings vermag der Mensch auch -abstrakt zu denken. Es gibt zum Beispiel in der Natur keine Zahlen, es gibt nur abzählbare Gegenstände. -Man muss sich von den einzelnen Gegenständen beziehungsweise ihrer endlichen Anzahl abstrahieren können, -um auf die unendliche Menge von natürlichen Zahlen kommen. Diese Fähigkeit zum abstrakten Denken ist etwas, -was den Menschen gegenüber den Maschinen immer noch auszeichnet.

- -

Grenzen der Anwendung von maschinellem Lernen

- -

Zwar ist die künstliche Intelligenz zum selbstständigen Lernen fähig, ist kein selbstständiges -Lebewesen wie der Mensch, sondern nur ein Instrument unter vielen anderen.

- -

Nehmen wir an, wir wollen quadratische Gleichungen in der Normalform lösen:

- -
- - - - - - - - x - 2 - - - - p - x - - q - - 0 - - -
- -

Dafür beabsichtigen wir ein Programm zu schreiben, das die 2 Parameter, p und q, als -Eingabewerte annimmt und die Gleichung nach x auflöst. Man kann diese Aufgabe durchaus mithilfe der -künstlichen Intelligenz lösen. Wir entwerfen ein System, dem wir einige Tausende solcher Gleichungen -selbst und deren Lösungen übergeben, damit es aus diesen Daten lernen kann. -Dann testen wir, ob das System nun selbst richtige Antworten produzieren kann. Wenn es nicht der Fall -sein soll, bereiten wir weitere Angaben und Lösungen vor. Irgendwann haben wir unser künstliches System -ausreichend trainiert, sodass es jetzt selbst solche Gleichungen lösen kann.

- -

Eigentlich wissen wir aber, wie man eine quadratische Gleichung löst. Genauso gut könnten wir den folgenden -Algorithmus in einem Programm implementieren:

- -
    -
  1. Berechne die Diskriminante D: -
    - - - - D - - - - - - - p - 4 - - 2 - - q - - - -
    -
    2. - -
  2. Wenn D größer gleich 0 ist, gibt es zwei reelle Lösungen: -
    - - - - - x - 1 - - - - - - p - 2 - - - - D - - - - -
    -
    - - - - - x - 2 - - - - - - p - 2 - - - - D - - - - -
    -
    3. -
- -

Der Aufwand, dieses Programm, zu schreiben ist viel geringer als die Variante mit der künstlichen -Intelligenz. Was noch viel wichtiger für ein Programm, das mathematische Berechnungen durchführt, ist, -ist, dass wir wissen, dass, wenn der Algorithmus korrekt implementiert ist, er richtige Ergebnisse -liefert. Wenn das lernende System komplex genug ist, -können wir nicht mehr nachvollziehen, wie eine bestimmte Berechnung durchgeführt wird, das heißt, wir -können nicht überprüfen, ob der Algorithmus für alle Paare p und q das richtige Ergebnis liefert. -Für die Anwendungsfelder des maschinellen Lernens ist eine solche Genauigkeit auch nicht unbedingt -erforderlich. Wenn ein soziales Netzwerk setzt künstliche Intelligenz ein, um gezielte Werbung -anzuzeigen, dann ist es durchaus vorteilhaft, wenn die Werbung den Nutzer anspricht, aber es ist immer -noch zulässig, wenn die Wahl der Werbung nicht optimal ist. Es genügt, wenn die Werbung -interessant genug für den Nutzer ist, oder dass ein gewisser Profit durch sie erreicht wird.

- -

Künstliche Intelligenz ist keine universelle Lösung für alle Probleme. Sie ist sehr nützlich für -die Auswertung von großen Mengen an Daten und für die Suche nach Mustern in diesen, aber ist noch -nicht fähig abstrakte, e.g. mathematische Probleme zu lösen.

- -

Fazit

- -

Über viele Fragen lässt es heute nur spekulieren. Können die Maschinen alle Tätigkeiten ausüben, die -die Menschen ausüben? Sind sie eine neue Evolutionsstufe, sodass sie die Menschen eines Tages -verdrängen und überflüssig machen? Oder werden die Maschinen und Menschen weiterhin friedlich -coexistieren? Einige Autoren versuchen bereits diese Fragen zu beantworten. Ich wage heute noch nicht, -auf sie eine Antwort zu geben. Schließlich ist die Entwicklung der Wissenschaft und der Technik -auch von einer Reihe von sozialen, politischen und wirtschaflichen Faktoren mitbestimmt.

- -

Künstliche Intelligenz und Maschinelles Lernen ist ein junges Konzept, dem viel Aufmerksamkeit von -verschiedenen Siten geschenkt wird. Die Technik und Informatik sind daran interessiert, weil es ermöglicht -neue, selbst „denkende“ Programme zu schreiben; Naturwissenschaften hoffen durch künstliche -auch die menschliche Intelligenz besser zu verstehen; man sieht auch Potenzial, den Menschen noch mehr -vom Last der Arbeit zu befreien, aber man warnt auch vor den Gefahren der Verselbständigung der -Computertechnik oder deren Missbrauch. Naturwissenschaftliche Forschung hatte schon fatale Folgen, sie -ermöglichte zum Beispiel eines Tages die Erschaffung der Atomwaffen, was vielen unschuldigen Menschen -ihr Leben kostete. Doch sie hat auch einen soliden Beitrag zur modernen Medizin und Technik geleistet, -auf die wir uns jeden Tag verlassen. Um die künstliche Intelligenz scheint es ähnlich zu stehen: Es ist -ein kontroverses Thema.

- -
- -
-
    -
  1. - ^ - -Ray Kurzweil. Menschheit 2.0. Die Singularität naht. -Berlin, 2014, S. 7f. - -
    2. -
  2. - ^ - -David Danks. Learning. -In: The Cambridge Handbook of Artificial Intelligence. -Hrsg. von Keith Frankish und William M. Ramsey. -Cambridge, 2014, S. 154. - -
    3. -
  3. - ^ - -Ivan Nunes da Silva u. a. Artificial Neural Networks. A Practical Course. -Switzerland, 2017, S. 27. - -
    4. -
  4. - ^ - -Danks, Learning, S. 154. - -
    5. -
  5. - ^ - -Alan Mathison Turing. Computing Machinery and Intelligence. -In: Mind 59(236) (Okt. 1950), S. 433f. - -
    6. -
  6. - ^ - Ebd. -
    7. -
  7. - ^ - Ebd., S. 434. -
    8. -
  8. - ^ - -Søren Kierkegaard. Die Krankheit zum Tode. Eine christlich-psychologische Darlegung zur Erbauung -und Erweckung. Übers. von Gisela Perlet. Copenhagen, 2015, S. 11. - -
    9. -
  9. - ^ - -Yvonne Förster. Effects of the Neuro-Turn: The Neural Network as a Paradigm for Human Self-Understanding. -In: The Human Sciences After the Decade of the Brain. Hrsg. von Jon Leefmann und Elisabeth Hildt. - Cambridge, 2017, S. 164. - -
    10. -
  10. - ^ - Kierkegaard, Die Krankheit zum Tode., S. 11. -
    11. -
  11. - ^ - -Förster, Effects of the Neuro-Turn: The Neural Network as a Paradigm for Human Self-Understanding, -S. 163. - -
    12. -
  12. - ^ - -Doris Nauer. Seelsorge. Sorge um die Seele. 3. Aufl. Stuttgart, 2014, S. 35. - -
    13. -
  13. - ^ - -Förster, Effects of the Neuro-Turn: The Neural Network as a Paradigm for Human Self-Understanding, -S. 172. - -
    14. -
-
diff --git a/themes/posts/2017/12/ki-begriffsklaerung.tex b/themes/posts/2017/12/ki-begriffsklaerung.tex new file mode 100644 index 0000000..d34d0ed --- /dev/null +++ b/themes/posts/2017/12/ki-begriffsklaerung.tex @@ -0,0 +1,717 @@ +--- +layout: post +date: 2017-12-25 00:00:00 +tags: Aufsatz +title: Künstliche Intelligenz. Eine Begriffsklärung +teaser: +

Es ist relativ neu, dass man angefangen hat, technischen Artefakten menschliche Eigenschaften zuzuschreiben. + So spricht man heute von „intelligenten“ Maschinen. Es gibt intelligente Menschen, die gebildet, + begabt sind. Die Maschinen, Computer werden programmiert, um einen bestimmten Zweck zu erfüllen, sie arbeiten + nach einem vordefinierten Algorithmus. Bestenfalls kann so ein Algorithmus aktualisiert werden. + Wäre es jedoch vielleicht möglich, ein Programm zu schreiben, das das menschliche Lernvermögen nachbildet + und lernen kann? Es ist tatsächlich möglich und in diesem Fall spricht man von der künstlichen Intelligenz + (Artificial Intelligence) und dem maschinellen Lernen (Machine Learning), von der + Fähigkeit einer Maschine, selbst zu lernen, also den Algorithmus, nach dem sie arbeitet, weiter zu entwickeln + und zu verändern. Das, was eine Maschine auf diese Weise gelernt hat, ist oft so komplex, dass man nicht mehr + sagen kann, wie genau sie das gelernt hat und wie sie zu Ergebnissen kommt, die sie liefert. Ob es ausreichend + ist, von der Intelligenz zu sprechen, im selben Sinne, wie man von der menschlichen Intelligenz spricht, ist + eine schwierige Frage. Selbst die menschliche Intelligenz ist kein eindeutig definierter, ein vager Begriff, + der viele subjektive Merkmale in sich trägt.

+--- + \section{Einleitung} + +Die Technik gibt es seit sehr langem. Der Mensch war schon immer abhängig von seiner Technik und +verdankte ihr seinen kulturellen Aufstieg. Sie erleichterte das Überleben in der Natur, ermöglichte +den Bau der Städte und die Entwicklung der Zivilisationen, half bei der Kriegsführung und der Erforschung +und dem Bewohnen neuer Territorien. Mit der Zeit wurde die Technik immer komplexer: Angefangen mit einfachen +Werkzeugen hat man gelernt, komplexere Maschinen zu bauen. Dies hatte wiederum eine enorme Wirkung auf die +Kultur. Viele schwere Arbeiten konnten auf die Maschinen verlagert werden; die Bildung hat einen neuen +Aufschwung bekommen; Wissenschaften hatten neue Mittel, um Experimente durchzuführen und immer weiter +fortzusrchreiten. Schon sehr lange ist der Mensch von seiner Technik umgeben; Es ist nicht erst gestern +passiert, dass er sich von ihr abhängig gemacht hat und seine Geschichte mit der der +Technik verbunden hat. Was sich aber im Laufe der Zeit gewandelt hat, ist die Art der angesetzten Technik. + +Es ist relativ neu, dass man angefangen hat, technischen Artefakten menschliche Eigenschaften zuzuschreiben. +So spricht man heute von „intelligenten“ Maschinen. Es gibt intelligente Menschen, die gebildet, +begabt sind. Die Maschinen, Computer werden programmiert, um einen bestimmten Zweck zu erfüllen, sie arbeiten +nach einem vordefinierten Algorithmus. Bestenfalls kann so ein Algorithmus aktualisiert werden. +Wäre es jedoch vielleicht möglich, ein Programm zu schreiben, das das menschliche Lernvermögen nachbildet +und lernen kann? Es ist tatsächlich möglich und in diesem Fall spricht man von der \textit{künstlichen Intelligenz} +(\textit{Artificial Intelligence}) und dem \textit{maschinellen Lernen} (\textit{Machine Learning}), von der +Fähigkeit einer Maschine, selbst zu lernen, also den Algorithmus, nach dem sie arbeitet, weiter zu entwickeln +und zu verändern. Das, was eine Maschine auf diese Weise gelernt hat, ist oft so komplex, dass man nicht mehr +sagen kann, wie genau sie das gelernt hat und wie sie zu Ergebnissen kommt, die sie liefert. Ob es ausreichend +ist, von der Intelligenz zu sprechen, im selben Sinne, wie man von der menschlichen Intelligenz spricht, ist +eine schwierige Frage. Selbst die menschliche Intelligenz ist kein eindeutig definierter, ein vager Begriff, +der viele subjektive Merkmale in sich trägt. + +Dass wir die Programme entwickeln können, die sich selbst „weiterschreiben“, weiterentwickeln +können, birgt viele Möglichkeiten und viele Gefahren in sich. Einerseits können die Maschinen dem Menschen +nicht nur schwere körperliche Arbeit abnehmen, sondern auch einige geistige Tätigkeiten. Zum Beispiel das +Übersetzen von Texten in andere Sprachen kann teilweise von Computern übernommen werden, die ihre +„Sprachkenntnisse“ selbst immer mehr verbessern können. Andererseits, wenn man nicht mehr +versteht, wie genau die von ihm konstruierte Maschine handelt, fühlt man sich bedroht. Es werden auch Stimmen +laut, dass die nächste Stufe der Evolution nicht eine biologische, sondern eine technische Evolution sei und, +dass der Mensch sehr bald vom Werk seiner Hände überholt werde.\autocite[7ff]{kurzweil:menschheit} + +Das Ziel dieser Arbeit ist, auf die künstliche Intelligenz und neuronale Netze, nicht nur aus technischer, +sondern auch philosophischer Sicht zu schauen. Wenn wir von der künstlichen Intelligenz sprechen, +verwenden wir viele Begriffe wie Lernen, Lernerfolg, Intelligenz, deren Bedeutung aber nicht immer +klar ist. Und ich finde, dass das, wie wir über die Maschinen sprechen, +viel darüber sagt, wie sich unser eigenes Menschenbild im technischen Zeitalter verändert oder verändert hat. + + \section{Maschinelles Lernen} + +Maschinelles Lernen ist ein Zweig der künstlichen Intelligenz, in dem es darum geht, einem künstlichen +System das Gewinnen von Wissen zu ermöglichen. Ein auf diese Weise lernendes System kann eine gestellte +Aufgabe nicht nach einem vordefinierten Algorithmus lösen, sondern ist fähig, selbst zu lernen, wie die +Aufgabe zu lösen ist. + +Maschinelles Lernen ist sehr vielfältig und hat verschiedene Anwendungen. Es kann grob in zwei große Kategorien +unterteilt werden: überwachtes und unüberwachtes Lernen. + + \subsection{Überwachtes Lernen (Supervised Learning)} + +Beim überwachten Lernen stehen dem Lernenden eine Menge von Eingaben und den dazugehörigen Ausgaben zur Verfügung. +Das heißt es gibt eine Reihe von Ausgangsituationen und eine Reihe möglicher Antworten beziehungsweise Reaktionen +auf jene Situationen, wobei zwischen den ersteren und den letzteren eine Abhängigkeit vorhanden ist. +Das Ziel des Algorithmus ist jetzt diese Abhängigkeit zu entdecken, sie zu „erlernen“. + + \begin{quote} +\textit{Supervised learning} algorithms assume that some variable X is +designated as the target for prediction, explanation, or inference, and that +the values of X in the dataset constitute the „ground truth“ values for +learning.\autocite[154]{danks:ai} + \end{quote} + +Zum überwachten Lernen gehört auch das sogenannte \textbf{bestärkende Lernen (Reinforcement Learning)}. +Das ist das Lernen durch „Versuch und Irrtum“. Dem lernenden System steht hier keine Menge +möglicher Ausgaben, sodass der Algorithmus aus vorhandenen Daten lernen könnte, dafür kann es mit seiner +Umgebung interagieren und von dieser „belohnt“ oder „bestraft“ werden. Also der +Algorithmus wird aus der Umgebung bewertet und anhand dieser Bewertung kann er lernen, wie er anhand +einer Eingabe zu der richtigen Ausgabe gelangt. + +„The learning algorithms used on reinforcement learning adjusts +the internal neural parameters relying on any qualitative or quantitative information +acquired through the interaction with the system (environment) being mapped, [\dots]“\autocite[27]{silva:ai} + +Maschinelles und bestärkendes Lernen wird schon seit längerer Zeit bei Spam-Erkennung verwendet. Als Spam +werden unerwünschte E-Mails, zum Beispiel Werbung, die man nicht bestellt hat, genannt. Es gibt auch einen +Gegenbegriff zum Spam: Ham, also normale E-Mails, die man in seinem E-Mail-Postfach erwartet. + +Wie ein Programm lernt, Spam von Ham zu unterscheiden, kann man damit vergleichen, wie es ein Mensch lernt. +Sie bekommen unerwünschte Werbung per Post. Es ist ein Briefumschlag mit einer unpersönlichen Anrede und ein +kleines Heft. Sie blättern es durch und sehen, dass sie daran nicht interessiert sind und schmeißen es weg. +Wenn Sie ein ähnliches Heft nächstes Mal bekommen, blättern Sie vielleicht nochmal durch, um sicher zu sein, +dass es nichts Wichtiges bzw\@. etwas, was Sie abonniert haben, ist. Wenn Sie einige Wochen später nochmal so ein +Heft bekommen, reicht nur ein Blick. Vielleicht haben Sie den Namen desselben Unternehmens oder bekannte +Produktabbildungen oder einen ähnlichen Werbetext gesehen --- Sie schmeißen es, ohne genauer zu schauen, weg. +Sie haben gelernt, dass derartige Hefte mit Werbung keine für Sie hilfreiche Information enthalten. + +In vielen Mail-Programmen gibt es inzwischen die Funktion „Als Spam markieren“. Wenn eine E-Mail +als Spam markiert wird, analysiert der Spam-Filter den Inhalt der E-Mail und merkt, wie viele Male jedes Wort +in der Nachricht vorkommt. Dieselbe Analyse macht der Filter für die anderen Nachrichten, die nicht als Spam +markiert wurden. Langsam sammelt sich eine Datenbank mit der Anzahl der Vorkommnisse verschiedener Wörter in +Spam- und Ham-Nachrichten. Anhand dieser Daten kann dann der Filter erkennen, dass bestimmte Wörter nur in +Spam-Mails vorkommen, aber nicht in Ham, und kann ohne die Einmischung des Menschen entscheiden, ob eine E-Mail +unerwünscht ist oder nicht. So ein Verfahren ist natürlich nicht fehlerfrei. Es kommt sowohl dazu, dass Spam durch +so einen Filter unerkannt durchdringen kann, als auch dazu, dass Ham im Spam-Ordner landet. Auf diversen Webseiten +kann man lesen: „Wenn Sie keine E-Mail innerhalb von \textit{X} Stunden erhalten haben, überprüfen Sie Ihren +Spam-Ordner“. Wenn Ham als Spam eingestuft wird, spricht man vom \textit{False-Positive}. Es gibt meistens +wiederum die Funktion, um die Spam-Markierung von der E-Mail zu entfernen. Dadurch kann der Filter neu lernen +und seine Datenbank aktualisieren beziehungsweise anpassen. + +Wir haben gesehen, dass eine der Möglichkeiten, Spam zu erkennen, darauf basiert, den Spam-Filter mit der +Umgebung, also mit dem Benutzer, kommunizieren zu lassen. Der Benutzer hat eine Möglichkeit dem Filter mitzuteilen, +ob eine E-Mail Spam oder Ham ist, woraus der Filter lernen kann. Je länger so ein Filter eingesetzt wird und je +mehr er auf diese Weise trainiert wird, desto geringer wird die Wahrscheinlichkeit des False-Positives. + + \subsection{Unüberwachtes Lernen (Unsupervised Learning)} + + \begin{quote} +\textit{Unsupervised learning} algorithms do not single out any particular +variables as a target or focus, and so aim to provide a general +characterization of the full dataset.\autocite[154]{danks:ai} + \end{quote} + +Beim unüberwachten Lernen wird keine bestimmte Ausgabe, kein bestimmter Wert bei der Ausgabe erstrebt, wie es +bei dem überwachten Lernen der Fall ist. Vielmehr geht es darum, eine innere Struktur in den Daten zu entdecken. + +Ein Standardbeispiel für unüberwachtes Lernen ist ein soziales Netzwerk. In großen sozialen Netzwerken kann +man sein Interesse oder Desinteresse dadurch zeigen, dass man bestimmte Beitrage positiv markiert +beziehungsweise blockiert. Ein gutes soziales Netzwerk würde, um seinen Nutzern genüge zu tun, die einem +bestimmten Benutzer angezeigten Beiträge zensieren, und ihm nur diejenigen zeigen, die er wahrscheinlich +mag und nicht diejenigen, die er blockieren würde. Aber das Netzwerk weiß nicht im Voraus, dass es +Beiträge zu verschiedenen Themen gibt: Kunst, Politik, Sport und so weiter. Schließlich können immer neue +Themen auftauchen. Das Netzwerk lernt selbst die Beiträge und Benutzer zu klassifizieren. Das Lernen geht +über die Erforschung der Vorlieben einer bestimmten Person hinaus. Nehmen wir an in Profilen zweier Personen +unter „Interessen“ steht, dass sie gern Tennis spielen und beide lesen gerne Nachrichten eines +Sportvereins, der eine eigene Seite im sozialen Netzwerk hat. Wenn eine dritte Person jetzt angibt, dass sie +gern Tennis spielt, hat das soziale Netzwerk den Grund anzunehmen, dass dieser Person auch die Nachrichten +des Sportvereins gefallen werden. Das heißt das Netzwerk lernt aufgrund komplexer Zusammenhänge, dass es bestimmte +Gruppen, Themen- und Interessenbereiche gibt. Es gibt hier keine richtige Antwort, man überwacht nicht alle +registrierten Benutzer und korrigiert das Netzwerk nicht: Nein, dieser Mensch gehört dieser Gruppe nicht. Und +wenn ich einen Beitrag blockiere und markierte, bedeutet es nicht unbedingt, dass ich eine Bewertung abgebe, wie +gut das Netzwerk gelernt hat. Es kann schließlich sein, dass ich heute keine Lust auf meinen Sportverein habe, +sonst aber gerne lese, was er schreibt. + +Die Unterteilung in Gruppen, Klassifizierung ist in der Wirklichkeit sehr komplex und unterzieht sich oft der +Möglichkeit, sich auf irgendeine Weise kontrollieren oder bewerten zu lassen. Unüberwachtes Lernen kann hier +Abhilfe schaffen. + + \section{Neuronale Netze} + +In diesem Abschnitt handelt es sich um eine mögliche Realisierung des maschinellen Lernens und zwar anhand +der neuronalen Netze. + + \subsection{Biologisches Vorbild} + +Ein „neuronales Netz“, wie der Name raten lässt, ist ein Netz das aus +Neuronen beziehungsweise Nervenzellen besteht. Das Neuron ist kein technischer Begriff, er stammt aus +der Biologie: „[\dots] die Nervenzelle --- das Neuron --- [ist] der Grundbaustein und die elementare +Signaleinheit des Gehirns [\dots]“\autocite[75]{kandel:gedaechtnis} Neuronale Netze haben nicht nur +den Begriff des Neurons aus der Gehirnforschung übernommen, sondern auch einige weitere, und überhaupt +haben sie menschliches Gehirn zu ihrem Vorbild. + +Die Nervenzelle besteht aus drei Komponenten: einem Zellkörper mit zwei Arten von Fortsätzen, +Axone und Dendriten.\autocite[Vgl.][79]{kandel:gedaechtnis} Diese Fortsätze der Nervenzelle dienen +der Signal- beziehungsweise der Informationsübertragung: + + \begin{quote} +Mit den Dendriten empfängt das Neuron Signale von anderen Nervenzellen, und mit dem Axon sendet es +Informationen an andere Zellen\@. [\dots] Die Axonendigungen eines Neurons kommunizieren mit den +Dendritten eines anderen Neurons nur an speziellen Stellen, die von Sherrington später Synapsen +genannt wurden (von griechisch \textit{s\'{y}napsis} --- „Verbindung“).\autocite[81]{kandel:gedaechtnis} + \end{quote} + +Synapsen sind ein weiterer Begriff, der für maschinelles Lernen wichtig ist. Sie verbinden +die Neuronen miteinander und kodieren die bisher gelernten Informationen. In künstlichen sowie in +biologischen neuronalen Netzen sind nicht alle Neuronen miteinander verbunden. Im Falle der biologischen +neuronalen Netze sind „Nervenzellen innerhalb bestimmter Bahnen verknüpft [\dots], die +er [Santiago Ram\'{o}n y Cajal] neuronale Schaltkreise nannte. Signale bewegen sich darin in +vorhersagbaren Mustern.“\autocite[81]{kandel:gedaechtnis} Auch im Gehirn sind die Synapsen für +die Informationsspeicherung und Lernerfahrung verantwortlich, da das Lernen die synaptische Stärke und +dadurch die Kommunikation zwischen Neuronen verändern kann.\autocite[Vgl.][220]{kandel:gedaechtnis} + + \subsection{Einschichtiges feedforward-Netz} + +In diesem Abschnitt soll die Funktionsweise eines neuronalen Netzes an einem Beispiel erklärt werden. +Nehmen wir an, wir wollen den Zusammenhang zwischen der Anzahl der Stunden, die man mit dem +Lernen und dem Schlafen am Tag vor einer Klausur verbracht hat, und dem Ergebnis der Klausur, +gemessen in Prozent, herausfinden. + +Zu unseren Eingabedaten zählen: + + \begin{enumerate} + \item Stunden geschlafen. + \item Stunden gelernt. + \end{enumerate} + +Basierend auf diesen Daten wollen wir vorhersagen, wie das Ergebnis der Klausur ausfällt. Da wir am Anfang +nicht blind raten wollen, nehmen wir auch an, dass wir eine Testperson zur Verfügung haben, die uns für die +Untersuchung notwendige Parameter und das Endresultat ihrer Klausur mitteilt. + + \begin{center} + \begin{tabular}{c c} + (gelernt; geschlafen) & Ergebnis \\ + \toprule + (3 Std; 5 Std) & 70\% \\ + \bottomrule + \end{tabular} + \end{center} + +Diese Daten wollen wir verwenden, um unser neuronales Netz zu „trainieren“, d\@.h\@. es +muss anhand dieser Daten Vorhersagen über einen wahrscheinlichen Verlauf künftiger Klausuren machen können. + +Bei unseren Berechnungen wollen wir nicht mit verschiedenen Maßeinheiten arbeiten. Zum Beispiel in unseren +Daten haben wir die Eingabe in \textit{Stunden} und die Ausgabe in \textit{Prozent}, es ist allerdings nicht +möglich Stunden in Prozente zu übersetzen oder umgekehrt. Unser Netz ist aber auch an Maßeinheiten oder an +der Art unserer Daten nicht interessiert, es muss schließlich mögliche Zusammenhänge zwischen den Eingabe- +und Ausgabewerten finden, unabhängig davon, ob es nun Stunden, Prozente, Kilogramme oder Meter sind. + +Außerdem soll die Ausgabe $x$ die folgende Bedingung erfüllen soll: + + \begin{gather} + \{x \in \mathbb{N} \mid 0 \leq x \leq 100 \} + \end{gather} + +Um bessere Ergebnisse zu bekommen, werden wir hauptsächlich mit reellen Zahlen von 0 bis 1 rechnen. +Um das zu erreichen werden die Stunden und die Prozentzahl durch 100 geteilt. Nach diesen Umwandlungen +erhalten wir die folgende Tabelle: + + \begin{center} + \caption{table}{\textbf{Normalisiert}} + \begin{tabular}{c c} + (gelernt; geschlafen) & erwartetes Ergebnis \\ + \toprule + (0{,}03; 0{,}05) & 0,7 \\ + \bottomrule + \end{tabular} + \end{center} + + \subsection{Gewichtung} + +Unser neuronales Netz wird insgesamt aus drei Schichten bestehen: + + \begin{figure}[H] + \centering + \includegraphics{/assets/images/ki-begriffsklaerung/image1.png} + \caption{Einfaches neuronales Netz}\label{fig:empty_network} + \end{figure} + +Jede dieser Schichten hat wiederum eins oder mehrere \textit{Neuronen}. Jedes dieser Neuronen kann +Daten speichern (in unserem Fall --- eine Zahl). Die Neuronen sind untereinander mit \textit{Synapsen} verbunden. +Eine Synapse kann wiederum Informationen speichern, i\@.e\@. sie werden auch mit einer Zahl versehen. + +Die erste Schicht (Abbildung~\ref{fig:empty_network}, links) ist die Eingabeschicht, sie enthält die +Eingabedaten. Als Eingabe haben wir zwei Werte pro Testlauf: die Anzahl der Stunden, die die Testperson gelernt +und geschlafen hat. Diese zwei Werte sind unseren Eingaben, weil es die Daten sind, auf deren Basis wir eine +Ausgabe erwarten, eine Vorhersage machen wollen. Die Ausgabeschicht ist die letzte Schicht +(Abbildung~\ref{fig:empty_network}, rechts), sie hat nur ein Neuron, das Ergebnis der Klausur, das wir erwarten. +Schließlich in der Mitte ist die verdeckte Schicht. Sie ist verdeckt, weil sie für den Endbenutzer +nicht sichtbar ist, der Endbenutzer gibt schließlich eine Eingabe und bekommt am Ende eine Ausgabe, dazwischen +werden, basierend auf dem, was das neuronale Netz vorher gelernt hat, nur eine Reihe von Berechnungen +durchgeführt.\autocite[Vgl.][22]{silva:ai} + +Nun hat unser Netz noch nichts gelernt, wir wollen das erstmal nur trainieren. Für den ersten Lauf müssen +wir deswegen eine Reihe von Parametern \textit{zufällig} wählen. + +Erstens brauchen wir die sogenannten \textit{Gewichte}. Gewichte sind Werte, die den Synapsen zugeordnet werden. +Sie bestimmen, welchen Einfluss ein Eingabewert auf das Endergebnis hat. Die Gewichtung repräsentiert, +was das Netz bisher gelernt hat. + +In unserem Fall haben wir insgesamt 9 Synapsen, sodass jedes Neuron der Eingabeschicht mit allen Neuronen der +verdeckten Schicht, und jedes Neuron der verdeckte Schicht mit dem Neuron der Ausgabeschicht verbunden werden +kann. Ich versehe diese Synapsen mit den folgenden Werten (von oben nach unten und von links nach rechts): +0.8, 0.4, 0.3, 0.2, 0.9, 0.5, 0.3, 0.5, 0.9. Es gibt erstmal keinen Grund, diese Werte und nicht andere +auszuwählen. Sie sind zufällig gefällt und die einzige Bedingung, die sie erfüllen müssen, ist, dass jeder +dieser Werte im Intervall $\left[ 0, 1 \right]$ liegen soll. + +Schließlich müssen wir die Neuronen der Eingabeschicht mit unseren Ausgangsdaten füllen. Unsere Ausgangssituation +graphisch dargestellt ist dann die folgende: + + \begin{figure}[H] + \centering + \includegraphics{/assets/images/ki-begriffsklaerung/image2.png} + \caption{Einfaches neuronales Netz}\label{fig:start_network} + \end{figure} + + \subsection{Vorwärtspropagation} + +Im nächsten Schritt wird die verdeckte Schicht gefüllt. Da wir zwei Neuronen in der Eingabeschicht haben und +jedes davon ist den Neuronen der verdeckten Schicht verbunden ist, führen jeweils zwei Synapsen von der +Eingabeschicht zu einem der Neuronen der verdeckten Schicht. Wir multiplizieren den Wert des Neurones der +Eingabeschicht mit den Gewichten der daraus ausgehenden Synapsen, addieren die Ergebnisse zusammen und schreiben +das Endergebnis in das entsprechende Neuron der mittleren Schicht. Die Werte jedes der Neuronen der +verdeckten Schicht werden also wie folgt berechnet: + + \begin{equation} + \begin{split} + 0{,}03 \cdot 0{,}8 + 0{,}05 \cdot 0{,}2 = 0{,}034\\ + 0{,}03 \cdot 0{,}4 + 0{,}05 \cdot 0{,}9 = 0{,}057\\ + 0{,}03 \cdot 0{,}3 + 0{,}05 \cdot 0{,}5 = 0{,}034 + \end{split}\tag{Verdeckte Schicht} + \end{equation} + + \begin{figure}[H] + \centering + \includegraphics{/assets/images/ki-begriffsklaerung/image3.png} + \caption{Einfaches neuronales Netz}\label{fig:before_activation} + \end{figure} + + \subsection{Aktivierungsfunktion} + +Da die Eingabe (die Stunden) nicht im Intervall $\left[ 0, 1 \right]$ liegt, verwenden wir eine +\textit{logistische Aktivierungsfunktion}, deren Wertebereich $f(x) \in \mathbb{R} \mid 0 \leq x \leq 1$ ist: +„The output result produced by the logistic function will always assume real values between zero +and one.“\autocite[15]{silva:ai} + + \begin{equation} + f(x) = \frac{1}{1 + e^{-x}} \tag{Aktivierungsfunktion} + \end{equation} + +So bekommen wir nach den anschließenden Berechnungen mit einer hohen Wahrscheinlichkeit eine Zahl zwischen 0 und 1, +die anschließlich mit 100 multipliziert werden kann, um so auf die Prozente zu kommen. + +Wir wenden zunächst die Aktivierungsfunktion auf jeden der vorher berechneten Werte an und schreiben +das Ergebnis ebenfalls in die verdeckte Schicht. + + \begin{equation} + \begin{split} + f(0{,}034) \approx 0{,}509\\ + f(0{,}057) \approx 0{,}514\\ + f(0{,}034) \approx 0{,}509 + \end{split} + \end{equation} + + \begin{figure}[H] + \centering + \includegraphics{/assets/images/ki-begriffsklaerung/image4.png} + \caption{Einfaches neuronales Netz}\label{fig:activation} + \end{figure} + +Es bleibt jetzt nur noch dieselbe Berechnung durchzuführen wie mit der Eingabeschicht: Jeder der Werte +der verdeckten Schicht wird mit dem entsprechenden Gewicht multipliziert und alle Ergebnisse werden +anschließend summiert. + + \begin{equation} + \begin{split} + 0{,}509 \cdot 0{,}3 = 0{,}1527\\ + 0{,}514 \cdot 0{,}5 = 0{,}257\\ + 0{,}509 \cdot 0{,}9 = 0{,}4581 + \end{split} + \end{equation} + + \begin{equation} + \begin{split} + 0{,}1527 + 0{,}257 + 0{,}4581 \approx 0{,}87 + \end{split} + \end{equation} + +Hier ist das komplett ausgefüllte neuronale Netz für unsere Testperson: + + \begin{figure}[H] + \centering + \includegraphics{/assets/images/ki-begriffsklaerung/image5.png} + \caption{Einfaches neuronales Netz}\label{fig:complete_network} + \end{figure} + + \subsection{Fehlerrückführung} + +Man muss einsehen, dass das Resultat, zu dem wir am Ende kamen, absolut zufällig ist. +In fast jeder Berechnung wurden Gewichte verwendet, die am Anfang zufällig ausgewählt wurden. +Das heißt, wenn ich mich für andere Gewichtung entschieden hätte, käme auch etwas anderes dabei +heraus. Und das ist jetzt die Aufgabe, die bevorsteht: die Gewichtung so anzupassen, dass sie +zu einem genaueren Ergebnis führt. Dieser Schritt heißt \textbf{Fehlerrückführung}. Man versucht +hier den Fehler geringer zu machen. In unserem Fall ist das Ergebnis, das wir erwartet haben, 0.7. +Statdessen haben 0.87, was um 0.17 größer als das erwartete Ergebnis. Wenn wir diese Distanz +zwischen dem aktuellen und dem erwarteten Ergebnis geringer machen, \textit{trainieren} +wir das neuronale Netz. + +Es gibt mehrere Methoden, die Fehlerrückführung durchzuführen. Die einfachste (und die schlechteste +für die Praxis, weil sie für ein größeres Netz zu viel Zeit in Anspruch nehmen würde) wäre, einige der +Gewichte zu ändern (man kann dafür wiederum andere zufällige Zahlen von 0 bis 1 verwenden), und +alles dann nochmal mit diesen neuen Gewichten berechnet. Wenn man zu einem besseren Ergebnis kommt, +kann man versuchen, die Gewichtung weiter anzupassen, bis das Resultat zufriedenstellend ist. Wenn +das Ergebnis noch schlechter wird, versucht man dasselbe mit anderen Gewichten. + +Das heißt, die \textbf{Vorwärtspropagation} und \textbf{Fehlerrückführung} werden mehrmals wiederholt, +bis das Endresultat ausreichend genau ist. Schließlich ist eine Testperson für das Trainieren des +neuronalen Netzes nicht ausreichend. Wenn wir weitere Daten erhalten, können wir sie genauso +einsetzen, und den Endwert mit denselben Gewichten für diese neuen Daten berechnen. Dann können +wir versuchen, die Gewichtung so anzupassen, dass für die beiden Fälle ein genaueres Ergebnis +herauskommt. Dann ziehen wir noch eine dritte Testperson hinzu und so weiter\dots{} Irgendwann haben +wir die Gewichtung so gewählt, dass wir damit rechnen können, dass wenn wir dem Netz neue Daten +übergeben, wir eine gute Einschätzung für die Endnote bekommen. Es ist kaum möglich mit dem oben +aufgeführten Netz. Neuronale Netze sind in der Praxis viel komplexer und haben mehrere verdeckte +Schichten, was genauere Anpassung der Gewichte ermöglicht. + + \section{Lernerfolg. Turing-Test} + +Im Zusammenhang mit dem maschinellen Lernen sprechen wir vom Lernerfolg. Allerdings wurde es noch nicht +geklärt, was Erfolg in diesem Fall bedeutet. + +Um einen gewöhnlichen Einwand gegen den Erfolg der künstlichen Intelligenz zu erläutern, konstruieren +wir ein futuristisches Beispiel, das in einer oder der anderen Form zum Thema vieler Filme der letzten +Jahre geworden ist. Sagen wir, die Menschen haben einen Supercomputer entwickelt, dessen künstliche +Intelligenz dermaßen fortgeschritten ist, dass er selbst weitere Maschinen entwerfen und produzieren kann. +So beginnt eine neue Ära, in der die Maschinen sich selbt ohne die Einmischung des Menschen entwickeln. +Schlussendlich wird der Mensch zu einer überholten, schwachen Spezies, deren Existenz nicht mehr förderlich +für den weiteren technischen Fortschritt ist, sodass der mächtige Supercomputer sich dazu entscheidet, +die menschliche Art auszulöschen. Nun hatte der Supercomputer, der eine solche Macht erlangt hat, alles über +die Wissenschaft und Technik gelernt, was der Mensch je hätte lernen können, und diese Kenntnisse noch +weiter gebracht hat. Man könnte sich aber fragen, ob der Erfolg des Lernens an der Anzahl der Erkenntnisse +gemessen werden kann. In dem aufgeführten Beispiel hat sich die Technik, die der Mensch sich zuhilfe +schuf, hatte gegen den Menschen gewendet und so gegen das moralische Prinzip, nach dem das menschliche +Leben einen Wert an sich hat, verstoßen. + +Wenn wir also vom Erfolg sprechen, beziehen wir den Erfolg nicht nur auf die eigentliche Tätigkeit (das +Erwerben von Erkenntnissen), sondern auch auf das Endresultat --- wie die erworbenen Erkenntnisse angewandt +werden. Bei der Bewertung ihrer Anwendung braucht man wiederum eine Ethik, die es ermöglicht, zu beurteilen, +ob die Anwendung richtig oder falsch, gut oder böse ist. Man sieht sofort, wie schnell das Problem des Erfolgs +sehr komplex und unübersichtlich wird. Ich werde deswegen dafür argumentieren, dass der Erfolg des +Lernens nur in dem Sinne des unmittelbaren Erfolgs ohne die Einbeziehung der Konsequenzen verstanden werden +muss. Desweiteren werde ich versuchen den Erfolg anhand des Turing-Tests etwas genauer zu bestimmen. + +Alan Turing stand vor einem ähnlichen Problem, als er das, was wir heute Turing-Test nennen, vorgeschlagen +hat. Das Lernen, die Suche nach Gesetzmäßigkeiten und die Anwendung des Gelernten und Erforschten sind +wichtige Aspekte menschlicher Denktätigkeit. Wenn wir davon sprechen, dass die Computer selbstständig +lernen, stellt sich die Frage, ob sie dann auch denken kennen? Um zu sagen, ob die Computer denken +können, muss man dann definieren, was das Denken eigentlich ist und dann schauen, ob diese Definition +auf die Computersysteme angewandt werden kann. + +Nun ist es aber alles andere als trivial, eine Definition für das Denken zu finden. Das eigentliche Problem +besteht aber nicht darin, dass eine solche Definition eine schwierige Aufgabe ist, sondern darin, dass +die Angabe einer Definition des Denkens sich sowohl dem Interessenbereich der Technik als auch +dem Interessenbereich der Wissenschaft entzieht. Wir verbinden das Denken mit den Gehirnaktivitäten. Aber +spielt es für einen Gehirnforscher in seiner wissenschaftlichen Forschung eine Rolle, was das Denken ist? +Er kann durchaus eine private Überzeugung haben, dass das, was wir unter dem Denken verstehen, nichts weiter +als die Gehirnaktivität ist, oder, dass das, was wir im Gehirn beobachten, nur auf eine bestimmte Weise +unser Denken repräsentiert. Aber ob er sich für die erste Möglichkeit, oder für die zweite, oder für eine +dritte entscheidet, ist für seine eigentliche wissenschaftliche Forschung von wenig Bedeutung. Auch +umgekehrt: Wenn man eines Tages weiß, dass man jede geistige Aktivität auf Gehirnaktivitäten zurückführen +kann, bedeutet es, dass ich mich ab dann für einen vollständig von den physikalischen Gesetzen +bestimmten Bio-Roboter halte, der keinen eigenen Willen hat? + +Es ist ganz natürlich den Gegenständen menschliche Eigenschaften und Aktivitäten zuzurschreiben: +„Der Computer \textit{will} nicht funktionieren“. Natürlich kann es bei einem kaputten +Rechner keine Rede vom Willen sein. Das ist bloß eine Redewendung. Aber wenn die Computer viel +leistungsfähiger werden, passiert die Zuschreibung viel bewusster, wir fangen an, von ihrer Intelligenz, +ihrem Denken oder dem Erfolg ihrer Aktivitäten zu sprechen. Diese Begriffe sind aber in der Sprache sehr +oft ambivalent und werden intuitiv verwendet. Deswegen ist es auch problematisch, sie auf andere +Gegenstände zu übertragen. + +Um das höchstproblematische Reden vom Denken im Fall der Computer zu vermeiden, hat Alan Turing +„The Imitation Game“\autocite[433f]{turing:mind} vorgeschlagen. Dieses Imitationsspiel +wird von drei Personen gespielt: einem Mann (A), einer Frau (B) und einem Fragesteller (C), dessen +Geschlecht für das Spiel irrelevant ist. Der Fragesteller kennt die beiden anderen Personen A und B +nicht und befindet sich in einem anderen Raum. Das Ziel des Spiels für den Fragesteller besteht +darin, richtig zu erraten, wer von A und B ein Mann und wer eine Frau ist. Dabei kann der Fragesteller +den übrigen Spielteilnehmern Fragen stellen und Antworten auf seine Fragen bekommen. Die Teilnehmer +kommunizieren miteinander so, dass der Befragende und die Befragten einander weder sehen noch +hören können, zum Beispiel sie könnten einander Texte über das Internet versenden. A und B sind nicht +verpflichtet, ehrliche Antworten auf die Fragen zu geben. Die Aufgabe von A ist, dem Befragenden zu +helfen, B soll ihn im Gegenteil in die Irre führen.\autocite[433f]{turing:mind} + + \begin{quote} +We now ask the question, „What will happen when a machine takes the part of A in this +game?“ Will the interrogator decide wrongly as often when the game is played like this +as he does when the game is played between a man and a woman? These questions replace our +original, „Can machines think?“\autocite[434]{turing:mind} + \end{quote} + +Das heißt, die Maschine soll die Rolle eines Spielers --- entweder A oder B --- übernehmen. Es gibt +keine Frau, keinen Mann und Fragesteller mehr, sondern einen Menschen, eine Maschine und den +Fragesteller (menschlich). Wenn es für den Fragesteller genauso schwierig ist, ohne einen direkten +Kontakt eine Maschine von einem Menschen zu unterscheiden, wie eine Frau von einem Mann, dann hat +die Maschine den Turing-Test bestanden. + +Im Grunde, um den Erfolg des Lernens eines Computersystems zu bewerten, wird hier eine funktionale +Beschreibung verwendet. Anstatt nach der Washeit der Dinge zu fragen: Was ist Denken? Was ist Erfolg? +Können diese Begriffe auf ein Computersystem angewandt werden?, fragt man, ob und wie gut das System +eine bestimmte Funktion ausführen, einen Test bestehen kann. Der Turing-Test scheint mir auch die beste +Methode zu sein, um den Erfolg des Lernes eines Computersystems zu bewerten. Vor allem, weil so ein +funktionaler Test einen Aufschluss darüber gibt, welche Stufe in der Entwicklung der künstlichen +Intelligenz man bereits erreicht hat, und was noch verbessert werden muss, um den Lernerfolg zu +vergrößern. Er gibt auch eine Skala an, von der abgelesen werden kann, ob ein Algorithmus bessere +Ergebnisse liefert als ein anderer. Dies ermöglicht den technischen Fortschritt und die Verbesserung +der Algorithmen. Diese Skala gibt es aber nicht oder sie ist sehr verschwommen, wenn der Lernerfolg eine +ethische Perspektive haben soll. + +Was ich hiermit nicht sagen will, ist, dass die Ethik für die Entwicklung der +künstlichen Intelligenz unwichtig ist. Es macht nur wenig Sinn sie in die Definition des Lernerfolgs +eines künstlichen Systems einzubeziehen. Um so ein System weiter zu entwickeln, braucht man eine +technische Definition des Erfolgs, die ermöglicht, die Schwächen dieses Systems aufzuzeigen, an denen +noch gearbeitet werden soll. Eine voreilige Einbeziehung einer ethischen Bewertung würde den Fortschritt +im Bereich der künstlichen Intelligenz unnötig verkomplizieren und verlangsamen. Eine ethische Bewertung +der künstlichen Intelligenz als solchen und dessen, wie sie eingesetzt wird, ist im Gegenteil nützlich +und nötig, um die Möglichkeit einer bösartigen Anwendung deren zu verringern. + +Ich meine auch nicht, dass eine ethische Auseinandersetzung der technischen Entwicklung zeitlich +folgen soll. Es kann zu spät sein, sich mit etwas auseinanderzusetzen, was schon da ist. Vielmehr sollen +die Bereiche des Technischen und Ethischen voneinander getrennt sein. Wenn ein Informatiker oder ein +Mathematiker an einem neuen Algorithmus für maschinelles Lernen arbeitet, ist er wahrscheinlich +gar nicht daran interessiert, ein künstliches System zu erschaffen, das ihm ermöglicht, die Welt +zu beherrschen, womöglich ist er nur an seinem Fach interessiert und will sehen, wie weit man die +künstliche Intelligenz bringen kann. Natürlich soll man sich Gedanken darüber machen, was passiert, +wenn man den neuen Algorithmus oder die neue Technologie auf den Markt bringt, das darf aber nicht +der eigentlichen Forschung im Wege stehen. + + \section{Dritt- und Erstperson-Perspektive} + +Kommen wir auf die Frage „Können die Maschinen denken?“ zurück. Was ist an dieser +Frage so problematisch, sodass Alan Turing sie umzugehen suchte, außer dass der Begriff +„Denken“ schwierig zu definieren ist. Oder warum ist er schwierig zu +definieren? Das Denken für den Menschen ist ein \textit{Erlebnis}, das heißt ich erlebe mich +selbst als ein denkendes Wesen. Ich gehe davon aus, dass auch die anderen Menschen sich als +denkende Wesen erleben, obwohl ich nicht mit Sicherheit sagen kann, wie sich das Denken eines +anderen Menschen für ihn anfühlt, was und wie er denkt. Man denke nur an die Diskussionen, ob +Tiere Freude oder Leiden empfinden können, ob sie denken können. Es ist relativ naheliegend, +dass andere Menschen denken können, aber es ist nicht klar, ob man das von den anderen Lebewesen +behaupten kann. Desto unklarer ist es, wenn man von etwas spricht, was überhaupt kein +Lebewesen ist. + +Anstatt der Maschine einen Geist und eine Art Innerlichkeit zuzuschreiben, entwickelt sich aber +die Tendenz, den Menschen mechanisch zu verstehen. Wenn Sören Kierkegaard sagt: +„Der Mensch ist Geist“\autocite[11]{kierkegaard:krankheit}, so heute ist der Mensch immer +öfter sein Gehirn: „In Germany, leading neuroscientists like Wolf Singer and Gerhard +Roth are omnipresent in TV and press. They speak of the brain as if they were talking about a +person.“\autocite[164]{foerster:neuroturn} Kierkegaards Mensch und sein Geist waren nicht bloß +eine immaterielle Substanz, sondern vielmehr eine Synthese „aus Unendlichkeit und Endlichkeit, +aus dem Zeitlichen und dem Ewigen, aus Freiheit und +Notwendigkeit, [\dots]“\autocite[11]{kierkegaard:krankheit} Ob die Beschreibung des Menschen +als Gehirn genauer zutrifft, ist fraglich. Yvonne Förster in ihrem Artikel „Effects of the +Neuro-Turn: The Neural Network as a Paradigm for Human Self-Understanding“ macht darauf +aufmerksam, dass obwohl bei der Erforschung des Gehirns nur die Drittperson-Perspektive in die Betrachtung +einbezogen wird, eine Verschiebung der Terminologie von der Philosophie zu den Neurowissenschaften +stattfindet: + + \begin{quote} + While phylosophy works with concepts, experience, reflection, and linguistic + description, neuroscience, on the other hand, uses these philosophical terms within + a third-person framework of observation, imaging techniques, and + measurements.\autocite[163]{foerster:neuroturn} + \end{quote} + +Eine Reihe von Begriffen, wie der freie Wille oder das Bewusstsein, für die die Innenperspektive +unentbehrlich ist, werden aus der Drittperson-Perspektive beurteilt und beschrieben. +Doris Nauer spricht auch davon, dass bei der Erforschung geistiger Funktionen +„NaturwissenschaftlerInnen zunehmend die Interpretationsgrenzen rein naturwissenschaftlicher +Forschung überschreiten“.\autocite[35]{nauer:seelsorge} +Außerdem merkt Förster an, dass die Neurowissenschaften keinen direkten Zugang auch zum Gehirn oder den +Neuronen selbst haben, vielmehr arbeiten sie mit Modellen: + + \begin{quote} + The neural gains its visibility only via technology. The process of making the neural visible is + not a simple representation of something otherwise hidden. Rather it is a production of images by + means imaging techniques. What we get to see is not the inside of our skull, not copies of our + neurons, but reconstructions modeled according to a certain set of rules of computation. The neural + net as we know it from neuroscientific imagery is not a photograph of brain parts. It is deeply + technological mediated.\autocite[172]{foerster:neuroturn} + \end{quote} + +Das Selbstverständnis des Menschen und das Verständnis der Maschine und der künstlichen Intelligenz sind +voneinander abhängig. Wenn wir die Maschinen konstruieren, die selbst lernen und vielleicht denken können, +und so den Menschen nachahmen, lernen wir auch etwas über die menschlichen Denkprozesse und dem +Zusammenhang zwischen dem Bewusstsein und dem Gehirn. Andererseits um +zu entscheiden, ob die Maschinen denken oder ein geistiges Leben haben können, ist unser Menschenbild +wichtig, weil es von ihm abhängt, ob sich das, was wir unter dem Menschen verstehen, auf die Maschine +übertragen lässt. + + \section{Zum Begriff der Intelligenz} + +Eine der Fragen, die sich noch stellen, ob wir im Falle der künstlichen Intelligenz überhaupt von +der \textit{Intelligenz} sprechen kann, wie wir von der menschlichen sprechen. Ich möchte von vornherein +sagen, dass diese Frage nicht eindeutig zu beantworten ist. Von einem Menschen zu sagen, er sei intelligent, +ist nicht dasselbe, wie zu sagen: „Zwei ist eine gerade Zahl“. + +Erstens, je nachdem wer das Wort „intelligent“ sagt, kann man darunter unterschiedliche +Eigenschaften meinen. Für einen mag intelligent derjenige sein, der über viele Fachkentnisse in +einem bestimmten Bereich verfügt. Für einen anderen ist es der, der allgemein gebildet ist und nicht +nur in bestimmten Bereichen. Für den dritten spielen die erworbenen Kenntnisse überhaupt eine geringere +Rolle, viel wichtiger, um intelligent zu sein, sei es, schlau zu sein, schnell die Lösungen für die +auftretenden Probleme zu finden. + +Zweitens hängt die Antwort auf die Frage, ob man so eine Eigenschaft wie „Intelligenz“ +auf eine Maschine übertragen kann, sehr stark von anthropologischen Ansichten der jeweiligen Person. +Ist der Mensch selbst wahrscheinlich nichts weiter als eine Art von der Natur erschaffener Roboter? +In diesem Fall kann wohl auch eine vom Menschen konstruierte Maschine Intelligenz haben. Wenn der Mensch +dagegen ein geistiges Wesen ist, das nicht vollständig durch physikalische Gesetze determeniert ist, +dann ist es qualitativ etwas anderes als eine Maschine und man könnte argumentieren, dass deswegen bestimmte +Eigenschaften wie Intelligenz nur dem Menschen zugeschrieben werden können. + +Der Stand der Entwicklung rechtfertigt nicht immer die Anwendung des Begriffes „Intelligenz“ +im Bezug auf die Maschinen. Bereits heutige Computer sind in bestimmten Bereichen +intelligenter als die Menschen. Zum Beispiel kann jeder der heutigen Prozessoren (oder CPU, +\textbf{C}entral \textbf{P}rocessing \textbf{U}nit) einfache Berechnungen, wie Multiplizieren, +Dividieren, Addieren oder Substrahieren, vielfach schneller durchführen als ein Mensch. Und diese +Fähigkeit besitzten bereits die Computer der neunziger Jahre des vergangenen Jahrhunderts, als die künstliche +Intelligenz noch nicht so verbreitet war. Schnelles Rechnen kann auch ein Merkmal der Intelligenz sein. +Und doch spricht man von der künstlichen Intelligenz meistens in Bezug auf maschinelles Lernen. Dies zeigt, +dass wenn man von intelligenten Maschinen spricht, meint man eine bestimmte Art von der Intelligenz, und +zwar meint man die Maschinen, die das Können besitzen, nicht nur die einprogrammierten +„Kenntnisse“ anzuwenden, sondern auch neue Erkenntnisse selbstständig zu gewinnen. Das heißt +Intelligenz knüpft hier an die \textit{schöpferische} Kraft des Menschen, an die Kraft etwas neues +zu \textit{erschöpfen}. Natürlich ist es nicht dasselbe wie Erschaffen eines Kunstwerkes oder eines +Musikstückes, weil das, was erkannt wird, schon da ist, es nicht aus Nichts geschaffen wird. Und doch +ist auch das Gewinnen der Erkenntnisse aus der Erfahrung, die vorher nicht waren, ist das Gewinnen von +etwas \textit{neuem}, also ein schöpferischer Vorgang. Und dieser Übergang zwischen einer die Befehle +ausführenden und einer lernenden Maschine ist wohl die Grenze, ab der die Maschinen +\textit{intelligent} werden. + +Wie weit die künstliche Intelligenz reicht oder reichen kann, lässt sich noch nicht sagen. Wir haben +noch keine Roboter, die malen, Romane oder Lieder schreiben oder physikalische Gesetze entdecken. Wie +am Beispiel mit dem neuronalen Netz gezeigt wurde, geht es bei maschinellem Lernen um das Erkennen +bestimmter Muster in der Eingabedaten. Falls so ein Muster tatsäschlich erkannt wurde, dann können anhand +dessen auch neue Daten ausgewertet werden. Dem lernenden System geht es nicht um die Forschung oder die +Suche nach der Wahrheit. Und hier ist es nicht mal wichtig, was Wahrheit ist, und ob es sie gibt. Wenn +ein Schriftsteller schreibt, sehnt er oft aus dem tiefsten seines Herzens, seinen Lesern etwas +mitzuteilen, seine Wahrheit zu verkünden. Auch ein Forscher kann von diesem Gefühl bewegt werden, +selbst wenn seine Theorie sich später als falsch erweist, hat er versucht, etwas Wahres zu entdecken. +Ein lernendes System hat überhaupt keinen Sinn für die Wahrheit. Es wurde programmiert, um Muster in +den Daten zu erkennen und das tut es. Wenn ich weiß, wie ein System aufgebaut ist, kann ich es von +vornherein mit manipulierten Daten füttern, sodass es etwas falsch lernt, und es wird sich nicht +betrogen fühlen. Wobei ich zugeben muss, dass es auch einem Menschen passieren kann, dass er sich +auf falsche, falsch ausgewählt Daten, stützt, und deswegen zu inkorrekten Ergebnissen gelangt. + +Die Mustererkennung ist wichtig auch für das menschliche Überleben. Allerdings vermag der Mensch auch +abstrakt zu denken. Es gibt zum Beispiel in der Natur keine Zahlen, es gibt nur abzählbare Gegenstände. +Man muss sich von den einzelnen Gegenständen beziehungsweise ihrer endlichen Anzahl abstrahieren können, +um auf die unendliche Menge von natürlichen Zahlen kommen. Diese Fähigkeit zum abstrakten Denken ist etwas, +was den Menschen gegenüber den Maschinen immer noch auszeichnet. + + \section{Grenzen der Anwendung von maschinellem Lernen} + +Zwar ist die künstliche Intelligenz zum selbstständigen Lernen fähig, ist kein selbstständiges +Lebewesen wie der Mensch, sondern nur ein Instrument unter vielen anderen. + +Nehmen wir an, wir wollen quadratische Gleichungen in der Normalform lösen: + +\begin{equation} + x^2 + px + q = 0 +\end{equation} + +Dafür beabsichtigen wir ein Programm zu schreiben, das die 2 Parameter, $p$ und $q$, als +Eingabewerte annimmt und die Gleichung nach $x$ auflöst. Man kann diese Aufgabe durchaus mithilfe der +künstlichen Intelligenz lösen. Wir entwerfen ein neuronales Netz, das zwei Neuronen in der +Eingabeschicht und zwei in der Ausgabeschicht hat. Dann lösen wir einige Tausende solcher Gleichungen +selbst und übergeben die Eingaben und die Lösungen dem Netz, damit es aus diesen Daten lernen kann. +Dann testen wir, ob das Netz nun selbst richtige Antworten produzieren kann. Wenn es nicht der Fall +sein soll, bereiten wir weitere Angaben und Lösungen vor. Irgendwann haben wir das neuronale Netz +ausreichend trainiert, sodass es jetzt selbst solche Gleichungen lösen kann. + +Eigentlich wissen wir aber, wie man eine quadratische Gleichung löst. Genauso gut könnten wir den folgenden +Algorithmus in einem Programm implementieren:\autocite[Vgl.][10f]{lothar:math} + +\begin{enumerate} + \item Berechne die Diskriminante $D$: + \begin{equation} + D = {(p/2)}^2 - q + \end{equation} + + \item Wenn $D \geq 0$ ist, gibt es zwei reelle Lösungen: + \begin{equation} + x_{1/2} = -\frac{p}{2} \pm \sqrt{D} + \end{equation} + + \item Wenn $D < 0$ ist, gibt es zwei konjugiert komplexe Lösungen:\autocite[Vgl.][676]{lothar:math} + \begin{equation} + x_{1/2} = -\frac{p}{2} \pm j \cdot \sqrt{\left|D\right|} + \end{equation} +\end{enumerate} + +Der Aufwand, dieses Programm, zu schreiben ist viel geringer als die Variante mit der künstlichen +Intelligenz. Was noch viel wichtiger für ein Programm, das mathematische Berechnungen durchführt, ist, +ist, dass wir wissen, dass, wenn der Algorithmus korrekt implementiert ist, er richtige Ergebnisse +liefert. Im Falle des neuronalen Netzes ist es nicht so. Wenn das neuronale Netz komplex genug ist, +können wir nicht mehr nachvollziehen, wie eine bestimmte Berechnung durchgeführt wird, das heißt, wir +können nicht überprüfen, ob der Algorithmus für alle Paare $p$ und $q$ das richtige Ergebnis liefert. +Für die Anwendungsfelder des maschinellen Lernens ist eine solche Genauigkeit auch nicht unbedingt +erforderlich. Wenn ein soziales Netzwerk setzt künstliche Intelligenz ein, um gezielte Werbung +anzuzeigen, dann ist es durchaus vorteilhaft, wenn die Werbung den Nutzer anspricht, aber es ist immer +noch zulässig, wenn die Wahl der Werbung nicht optimal ist. Es genügt, wenn die Werbung +\textit{interessant genug} für den Nutzer ist, oder dass ein gewisser Profit durch sie erreicht wird. + +Künstliche Intelligenz ist keine universelle Lösung für alle Probleme. Sie ist sehr nützlich für +die Auswertung von großen Mengen an Daten und für die Suche nach Mustern in diesen, aber ist noch +nicht fähig abstrakte, e\@.g\@. mathematische Probleme zu lösen. + + \section{Fazit} + +Über viele Fragen lässt es heute nur spekulieren. Können die Maschinen alle Tätigkeiten ausüben, die +die Menschen ausüben? Sind sie eine neue Evolutionsstufe, sodass sie die Menschen eines Tages +verdrängen und überflüssig machen? Oder werden die Maschinen und Menschen weiterhin friedlich +coexistieren? Einige Autoren versuchen bereits diese Fragen zu beantworten. Ich wage heute noch nicht, +auf sie eine Antwort zu geben. Schließlich ist die Entwicklung der Wissenschaft und der Technik +auch von einer Reihe von sozialen, politischen und wirtschaflichen Faktoren mitbestimmt. + +Künstliche Intelligenz und Maschinelles Lernen ist ein junges Konzept, dem viel Aufmerksamkeit von +verschiedenen Siten geschenkt wird. Die Technik und Informatik sind daran interessiert, weil es ermöglicht +neue, selbst „denkende“ Programme zu schreiben; Naturwissenschaften hoffen durch künstliche +auch die menschliche Intelligenz besser zu verstehen; man sieht auch Potenzial, den Menschen noch mehr +vom Last der Arbeit zu befreien, aber man warnt auch vor den Gefahren der Verselbständigung der +Computertechnik oder deren Missbrauch. Naturwissenschaftliche Forschung hatte schon fatale Folgen, sie +ermöglichte zum Beispiel eines Tages die Erschaffung der Atomwaffen, was vielen unschuldigen Menschen +ihr Leben kostete. Doch sie hat auch einen soliden Beitrag zur modernen Medizin und Technik geleistet, +auf die wir uns jeden Tag verlassen. Um die künstliche Intelligenz scheint es ähnlich zu stehen: Es ist +ein kontroverses Thema. diff --git a/themes/templates/default.html b/themes/templates/default.html index b4b125a..80e9bd1 100644 --- a/themes/templates/default.html +++ b/themes/templates/default.html @@ -14,8 +14,6 @@ - - $partial("_includes/scripts.html")$