Когнитивная архитектура
Из Википедии, свободной энциклопедии
  (Перенаправлено с когнитивных архитектур )
Перейти к навигации Перейти к поиску

В когнитивной науке , когнитивная архитектура относится как теорию о строении человеческого ума и к вычислительной конкретизации такой теории , используемой в области искусственного интеллекта (ИИ) и вычислительной когнитивной науки. [1] [2] Одной из основных целей когнитивной архитектуры является обобщение различных результатов когнитивной психологии во всеобъемлющей компьютерной модели . [ необходима цитата ] Однако результаты должны быть формализованы настолько, насколько они могут быть основой компьютерной программы . [ необходима цитата ]Формализованные модели могут быть использованы для дальнейшего совершенствования всеобъемлющей теории познания и, что более важно, в качестве коммерчески пригодной модели. [ необходима цитата ] Успешные когнитивные архитектуры включают ACT-R (адаптивное управление мышлением - рациональное) и SOAR . [ необходима цитата ]

Институт креативных технологий определяет когнитивный архитектуру , как: " гипотеза о неподвижных структурах , которые обеспечивают ум, будь то в естественных или искусственных системах, и как они работают вместе - в сочетании со знаниями и навыками , воплощенными в архитектуре - поддаться интеллектуальным поведение разнообразие сложных сред ". [3]

История

Герберт А. Саймон , один из основателей области искусственного интеллекта, заявил, что тезис 1960 года его ученика Эда Фейгенбаума , EPAM, обеспечил возможную «архитектуру познания» [4], поскольку он включал некоторые обязательства в отношении того, как более одного фундаментального аспект человеческого разума работал (в случае EPAM, человеческая память и человеческое обучение ).

Джон Р. Андерсон начал исследования человеческой памяти в начале 1970-х, а его диссертация 1973 года с Гордоном Х. Бауэром представила теорию ассоциативной памяти человека. [5] Он включил в это исследование больше аспектов своего исследования долговременной памяти и процессов мышления и в конечном итоге разработал когнитивную архитектуру, которую он в конечном итоге назвал ACT . На него и его учеников повлияло использование Алленом Ньюэллом термина «когнитивная архитектура». Лаборатория Андерсона использовала этот термин для обозначения теории ACT, воплощенной в коллекции статей и проектов (в то время не было полной реализации ACT).

В 1983 году Джон Р. Андерсон опубликовал основополагающую работу в этой области под названием «Архитектура познания». [6] Можно различать теорию познания и реализацию теории. Теория познания очерчивала структуру различных частей разума и обязывала использовать правила, ассоциативные сети и другие аспекты. Когнитивная архитектура реализует теорию на компьютерах. Программное обеспечение, используемое для реализации когнитивных архитектур, также было «когнитивными архитектурами». Таким образом, когнитивная архитектура может также относиться к проекту интеллектуальных агентов . Он предлагает (искусственные) вычислительные процессы, которые действуют как определенные когнитивные системы, чаще всего как человек, или действуют разумно.под некоторым определением. Когнитивные архитектуры образуют подмножество архитектур общих агентов . Термин «архитектура» подразумевает подход, который пытается моделировать не только поведение, но и структурные свойства моделируемой системы.

Отличия

Когнитивные архитектуры могут быть символическими , коннекционистскими или гибридными . [7] [8] [9] Некоторые когнитивные архитектуры или модели основаны на наборе общих правил , как, например, язык обработки информации (например, Soar, основанный на единой теории познания , или аналогично ACT-R ). Многие из этих архитектур основаны на аналогии «разум подобен компьютеру». Напротив, подсимвольная обработка не определяет таких правил априори и полагается на возникающие свойства единиц обработки (например, узлов). Гибридные архитектуры сочетают в себе оба типа обработки (например, CLARION). Еще одно различие заключается в том, является ли архитектура централизованной с нейронным коррелятом процессора в его ядре или децентрализованной (распределенной). Децентрализованный вариант стал популярен под названием параллельной распределенной обработки в середине 1980-х годов и коннекционизма , ярким примером которого являются нейронные сети . Еще одна проблема дизайна - это выбор между целостной и атомистической или (более конкретной) модульной структурой. По аналогии это распространяется на вопросы представления знаний . [10]

В традиционном ИИ , интеллект часто программируются сверху: программист является создателем, и делает что - то и насыщает его своим интеллект, хотя многие традиционные системы ИИ также были разработаны , чтобы узнать (например , улучшение их игровой или решение проблем компетенции) . С другой стороны, биологически вдохновленные вычисления иногда используют более децентрализованный подход снизу вверх ; Био-вдохновленные техники часто включают метод определения набора простых общих правил или набора простых узлов, из взаимодействия которых возникает общее поведение. Есть надежда нарастить сложность до тех пор, пока конечный результат не станет чем-то заметно сложным (см. Сложные системы). Однако также можно утверждать, что системы, разработанныенисходящие, основанные на наблюдениях за тем, что могут делать люди и другие животные, а не на наблюдениях за механизмами мозга, также являются биологически вдохновленными, хотя и другим способом.

Известные примеры

Всесторонний обзор реализованных когнитивных архитектур был проведен в 2010 году Самсоновичем и др. [11] и доступен в виде онлайн-хранилища. [12] Некоторые известные когнитивные архитектуры в алфавитном порядке:

  • 4CAPS , разработанный в университете Карнеги - Меллона по Marcel A. Just и Sashank Варма.
  • Архитектура эталонной модели 4D-RCS, разработанная Джеймсом Альбусом из NIST, представляет собой архитектуру эталонной модели, которая обеспечивает теоретическую основу для проектирования, разработки и интеграции программного обеспечения интеллектуальных систем для беспилотных наземных транспортных средств . [13]
  • ACT-R , разработанный в Университете Карнеги-Меллона под руководством Джона Р. Андерсона .
  • ALifeE , разработанный Тони Конде в Федеральной политехнической школе Лозанны .
  • Когнитивная модель ANCS была разработана Абдулом Саламом Мубашаром из QUINTELLISENSE.
  • Apex разработан Майклом Фридом в Исследовательском центре Эймса NASA .
  • ASMO , разработанный Рони Новианто в Технологическом университете Сиднея .
  • Дизайн , ориентированный на поведение , разработан Джоанной Дж. Брайсон из Массачусетского технологического института .
  • CHREST , разработанный Фернаном Гобе в Университете Брунеля и Питером С. Лейном в Университете Хартфордшира .
  • CLARION когнитивная архитектура, разработанная под Ron Sun в политехническом институте Rensselaer и Университета штата Миссури.
  • CMAC - Контроллер артикуляции модели мозжечка (CMAC) - это тип нейронной сети, основанный на модели мозжечка млекопитающих . Это тип ассоциативной памяти . [14] КЦР впервые был предложен в качестве функции модельера для роботизированных контроллеров по Джеймсу Альбусом в 1975 году и широко используется в обучении с подкреплением , а также как для автоматической классификации в машинном обучении сообщества.
  • CMatie - это «сознательный» программный агент, разработанный для управления объявлениями о семинарах на факультете математических наук Университета Мемфиса . Он основан на разреженной распределенной памяти, дополненной с помощью генетических алгоритмов в качестве ассоциативной памяти . [15]
  • Copycat , по Хофштадтер и Мелани Митчелл в Университете штата Индиана .
  • DUAL , разработанный в Новом болгарском университете под руководством Бойчо Кокинова .
  • DUAL PECCS , разработанный Антонио Лието из Туринского университета - гибридная система представления и обработки знаний, интегрированная с декларативной памятью и механизмами извлечения знаний следующих когнитивных архитектур: ACT-R , CLARION , LIDA и Soar . [16]
  • EPIC, разработанный Дэвидом Э. Кирасом и Дэвидом Э. Мейером в Мичиганском университете .
  • FORR разработан Сьюзан Л. Эпштейн из Городского университета Нью-Йорка .
  • Framsticks - коннекционистская распределенная нейронная архитектура для симулированных существ или роботов, в которой можно проектировать и развивать модули нейронных сетей, состоящих из гетерогенных нейронов (включая рецепторы и эффекторы).
  • ГАЮС разработан Севак Авакян.
  • Genie - «General Evolving Networked Intelligence Engine» - платформа когнитивных вычислений, разработанная Intelligent Artifacts и построенная на основе GAIuS. Его парадигма «без моделирования данных» и простые вызовы API позволяют любому создавать и развертывать мощные пользовательские приложения с искусственным интеллектом за считанные минуты.
  • Google DeepMind - компания создала нейронную сеть, которая учится играть в видеоигры аналогично людям [17], и нейронную сеть, которая может иметь доступ к внешней памяти, как обычная машина Тьюринга , [18] в результате компьютер, который, возможно, имитирует кратковременную память человеческого мозга. Базовый алгоритм основан на сочетании Q-обучения с многоуровневой рекуррентной нейронной сетью . [19] (Также см. Обзор Юргена Шмидхубера о более ранней связанной работе в области глубокого обучения [20][21] )
  • Голографическая ассоциативная память является частью семейства ассоциативных воспоминаний на основе корреляции , где информация отображается на фазовую ориентацию комплексных чисел на плоскости Римана . Он был вдохновлен голономной модели мозга по Прибрам . Было показано, что голограммы эффективны для задач ассоциативной памяти , обобщения и распознавания образов с переменным вниманием.
  • Архитектура H-Cogaff , которая является частным случаем схемы CogAff . [22] [23]
  • Иерархическая временная память - это онлайн- модель машинного обучения, разработанная Джеффом Хокинсом и Дилипом Джорджем из Numenta, Inc., которая моделирует некоторые структурные и алгоритмические свойства неокортекса . HTM - это биомиметическая модель, основанная на теории предсказания памяти функций мозга, описанной Джеффом Хокинсом в его книге « Об интеллекте» . HTM - это метод обнаружения и вывода высокоуровневых причин наблюдаемых входных паттернов и последовательностей, что позволяет построить все более сложную модель мира.
  • CoJACK ACT-R вдохновил расширение к разъёму системе мульти-агент , который добавляет познавательную архитектуру к агентам для индуцировать более реалистичными (человеческий тип) поведения в виртуальной среде.
  • IDA и LIDA , реализующие теорию глобального рабочего пространства , разработанную Стэном Франклином в Университете Мемфиса .
  • Сети памяти - созданная исследовательской группой Facebook AI в 2014 году, эта архитектура представляет новый класс моделей обучения, называемых сетями памяти. Сети памяти рассуждают с помощью компонентов логического вывода в сочетании с компонентом долговременной памяти ; они учатся использовать их вместе. Долговременную память можно читать и записывать, чтобы использовать ее для прогнозирования. [24]
  • MANIC (Когнитивная архитектура) , Майкл С. Гашлер, Университет Арканзаса.
  • MIDCA (Когнитивная архитектура) , [25] Майкл Т. Кокс, Государственный университет Райта.
  • PreAct , разработанный доктором Нормом Геддесом в ASI.
  • PRODIGY , Велосо и др. [ необходима цитата ]
  • PRS «Procedural Reasoning System», разработанная Майклом Джорджффом и Эми Лански из SRI International .
  • Пси-теория разработана Дитрихом Дёрнером в Университете Отто-Фридриха в Бамберге , Германия .
  • R-CAST , разработанный в Университете штата Пенсильвания .
  • Sigma , разработанный в Университете Южной Калифорнии «ы Института творческих технологий [26]
  • Спаун (Единая сеть с архитектурой семантического указателя) - Крис Элиасмит из Центра теоретической нейробиологии Университета Ватерлоо - Спаун - это сеть из 2 500 000 искусственных нейронов , использующих группы этих нейронов для выполнения когнитивных задач посредством гибкой координации. Компоненты модели взаимодействуют с помощью нейронов с импульсами, которые реализуют нейронные представления, называемые «семантическими указателями», с использованием различных паттернов возбуждения. Семантические указатели можно понимать как элементы сжатого нейронного векторного пространства. [27]
  • Soar , разработанный под руководством Аллена Ньюэлла и Джона Лэрда в Университете Карнеги-Меллона и Мичиганском университете .
  • Общество разума и его преемник - машина эмоций, предложенная Марвином Мински .
  • Пентти Канерва из исследовательского центра NASA Ames Research Center предложил разреженную распределенную память в качестве реализуемой архитектуры, которая может хранить большие шаблоны и извлекать их на основе частичных совпадений с шаблонами, представляющими текущие сенсорные входы. [28] Эта память демонстрирует поведение, как в теории, так и в эксперименте, которое напоминает поведение, ранее недоступное для машин, - например, быстрое распознавание лиц или запахов, обнаружение новых связей между, казалось бы, несвязанными идеями и т. Д. Раздельная распределенная память используется для хранения и получение больших объемов ( битов ) информации без акцента на точности, а на схожести информации. [29] В последнее время появилось несколько приложений в области навигации роботов. [30] и основанное на опыте манипулирование роботами. [31]
  • Sparsey от Neurithmic Systems - это система распознавания событий с помощью глубоко иерархических разреженных распределенных кодов [32]
  • Архитектуры подчинения , разработанные, например, Родни Бруксом (хотя можно спорить, являются ли они когнитивными ).
  • QuBIC: Квантовая и био-вдохновленная когнитивная архитектура для машинного сознания, разработанная Ваджахатом М. Кази и Халилом Ахмадом из Департамента компьютерных наук Университета GC в Лахоре, Пакистан, и Школы компьютерных наук, NCBA & E Lahore, Пакистан
  • TinyCog - минималистичная реализация когнитивной архитектуры с открытым исходным кодом, основанная на идеях Scene Based Reasoning.
  • Vector LIDA - это разновидность когнитивной архитектуры LIDA, которая использует многомерные векторы модульного составного представления (MCR) в качестве основной модели представления и целочисленную разреженную распределенную память [33] в качестве технологии реализации основной памяти. Преимущества этой новой модели включают более реалистичную и биологически правдоподобную модель, лучшую интеграцию с ее эпизодической памятью , лучшую интеграцию с другими низкоуровневыми процессами восприятия (такими как системы глубокого обучения ), лучшую масштабируемость и более простые механизмы обучения. [34]
  • VisNet от Эдмунда Роллса из Оксфордского центра вычислительной нейробиологии - модель иерархии функций, в которой инвариантные представления могут быть построены путем самоорганизующегося обучения на основе временной и пространственной статистики визуального ввода, производимого объектами по мере их преобразования в мире. [35]

Смотрите также

  • Искусственный мозг
  • Искусственное сознание
  • Автономный агент
  • Биологически вдохновленные когнитивные архитектуры
  • Проект Blue Brain
  • Инициатива BRAIN
  • Сравнение когнитивной архитектуры
  • Когнитивные вычисления
  • Когнитивная наука
  • Здравый смысл
  • Компьютерная архитектура
  • Концептуальное пространство
  • Глубокое обучение
  • Google Brain
  • Схема изображения
  • Уровень знаний
  • Неокогнитрон
  • Нейронные корреляты сознания
  • Пандемониумная архитектура
  • Смоделированная реальность
  • Социальная симуляция
  • Единая теория познания
  • Бесконечное изучение языка
  • Байесовский мозг
  • Открытый разум, здравый смысл

использованная литература

  1. ^ Lieto, Антонио (2021). Когнитивный дизайн для искусственного разума . Лондон, Великобритания: Рутледж, Тейлор и Фрэнсис. ISBN 9781138207929.
  2. ^ Лието, Антонио; Бхатт, Мехул; Ольтрамари, Алессандро; Вернон, Дэвид (май 2018 г.). «Роль когнитивных архитектур в общем искусственном интеллекте» (PDF) . Исследование когнитивных систем . 48 : 1–3. DOI : 10.1016 / j.cogsys.2017.08.003 . hdl : 2318/1665249 . S2CID 36189683 .  
  3. ^ См. Веб-сайт ICT: http://cogarch.ict.usc.edu/
  4. ^ https://saltworks.stanford.edu/catalog/druid:st035tk1755
  5. ^ « Классика цитирования на этой неделе: Андерсон Дж. Р. и Бауэр Г. Х. Ассоциативная память человека. Вашингтон », в: CC. № 52, 24-31 декабря 1979 г.
  6. ^ Джон Р. Андерсон . Архитектура познания , 1983/2013.
  7. ^ Вернон, Дэвид; Метта, Джорджио; Сандини, Джулио (апрель 2007 г.). «Обзор искусственных когнитивных систем: значение для автономного развития умственных способностей вычислительных агентов». IEEE Transactions по эволюционным вычислениям . 11 (2): 151–180. DOI : 10.1109 / TEVC.2006.890274 . S2CID 9709702 . 
  8. ^ Лието, Антонио; Челла, Антонио; Фриксионе, Марчелло (январь 2017 г.). «Концептуальные пространства для когнитивных архитектур: lingua franca для различных уровней представления». Биологически вдохновленные когнитивные архитектуры . 19 : 1–9. arXiv : 1701.00464 . Bibcode : 2017arXiv170100464L . DOI : 10.1016 / j.bica.2016.10.005 . S2CID 6509455 . 
  9. ^ Лието, Антонио; Лебьер, Кристиан; Ольтрамари, Алессандро (май 2018 г.). «Уровень знаний в когнитивных архитектурах: текущие ограничения и возможные разработки» (PDF) . Исследование когнитивных систем . 48 : 39–55. DOI : 10.1016 / j.cogsys.2017.05.001 . hdl : 2318/1665207 . S2CID 206868967 .  
  10. ^ Лието, Антонио; Лебьер, Кристиан; Ольтрамари, Алессандро (май 2018 г.). «Уровень знаний в когнитивных архитектурах: текущие ограничения и возможные разработки» (PDF) . Исследование когнитивных систем . 48 : 39–55. DOI : 10.1016 / j.cogsys.2017.05.001 . hdl : 2318/1665207 . S2CID 206868967 .  
  11. ^ Самсонович, Алексей В. «К единому каталогу реализованных когнитивных архитектур». BICA 221 (2010): 195-244.
  12. ^ "Сравнительный репозиторий когнитивных архитектур" .
  13. ^ Дуглас Уитни Гейдж (2004). Мобильные роботы XVII: 26–28 октября 2004 г., Филадельфия, Пенсильвания, США . Общество инженеров фотооптического приборостроения. стр.35.
  14. ↑ Альбус, Джеймс С. (август 1979). «Механизмы планирования и решения задач в мозгу». Математические биологические науки . 45 (3–4): 247–293. DOI : 10.1016 / 0025-5564 (79) 90063-4 .
  15. ^ Анвар, Ашраф; Франклин, Стэн (декабрь 2003 г.). «Редкая распределенная память для« сознательных »программных агентов». Исследование когнитивных систем . 4 (4): 339–354. DOI : 10.1016 / S1389-0417 (03) 00015-9 . S2CID 13380583 . 
  16. ^ Лието, Антонио; Radicioni, Daniele P .; Ро, Валентина (25 июня 2016 г.). «Dual PECCS: когнитивная система для концептуального представления и категоризации» (PDF) . Журнал экспериментального и теоретического искусственного интеллекта . 29 (2): 433–452. DOI : 10.1080 / 0952813X.2016.1198934 . ЛВП : 2318/1603656 . S2CID 6515727 .  
  17. ^ Мних, Владимир; Кавукчуоглу, Корай; Сильвер, Дэвид; Грейвс, Алекс; Антоноглоу Иоаннис; Виерстра, Даан; Ридмиллер, Мартин (2013). «Игра в Atari с глубоким обучением с подкреплением». arXiv : 1312.5602 [ cs.LG ].
  18. ^ Мних, Владимир; Кавукчуоглу, Корай; Сильвер, Дэвид; Грейвс, Алекс; Антоноглоу, Иоаннис; Виерстра, Даан; Ридмиллер, Мартин (2014). «Нейронные машины Тьюринга». arXiv : 1410.5401 [ cs.NE ].
  19. ^ Мних, Владимир; Кавукчуоглу, Корай; Сильвер, Дэвид; Русу, Андрей А .; Венесс, Джоэл; Bellemare, Marc G .; Грейвс, Алекс; Ридмиллер, Мартин; Fidjeland, Andreas K .; Островский, Георг; Петерсен, Стиг; Битти, Чарльз; Садик, Амир; Антоноглоу Иоаннис; Король, Хелен; Кумаран, Дхаршан; Виерстра, Даан; Легг, Шейн; Хассабис, Демис (25 февраля 2015 г.). «Контроль на уровне человека посредством глубокого обучения с подкреплением». Природа . 518 (7540): 529–533. Bibcode : 2015Natur.518..529M . DOI : 10,1038 / природа14236 . PMID 25719670 . S2CID 205242740 .  
  20. ^ «Документ о природе DeepMind и более ранние работы по теме» .
  21. ^ Шмидхубер, Юрген; Кавукчуоглу, Корай; Сильвер, Дэвид; Грейвс, Алекс; Антоноглоу Иоаннис; Виерстра, Даан; Ридмиллер, Мартин (2015). «Глубокое обучение в нейронных сетях: обзор». Нейронные сети . 61 : 85–117. arXiv : 1404,7828 . DOI : 10.1016 / j.neunet.2014.09.003 . PMID 25462637 . S2CID 11715509 .  
  22. ^ Тейлор, JH; Сайда, АФ (2005). «Интеллектуальная архитектура для интегрированного контроля и управления активами промышленных процессов». Труды 2005 IEEE Международного симпозиума по, конференциям по средиземноморскому управлению и автоматизации интеллектуального управления, 2005 . С. 1397–1404. DOI : 10.1109 / .2005.1467219 . ISBN 0-7803-8937-9. S2CID  16082600 .
  23. ^ Платформа для сравнения архитектур агентов , Аарон Сломан и Маттиас Шойц, в Proceedings of the UK Workshop on Computational Intelligence, Бирмингем, Великобритания, сентябрь 2002 г.
  24. ^ Уэстон, Джейсон, Сумит Чопра и Антуан Бордес. «Сети памяти». Препринт arXiv arXiv: 1410.3916 (2014).
  25. ^ Кокс, Майкл Т. (23 декабря 2017 г.). «Модель планирования, действий и интерпретации с обоснованием цели» (PDF) . cogsys .
  26. ^ «Когнитивная архитектура» .
  27. ^ Eliasmith, C .; Стюарт, ТС; Чу, X .; Беколай, Т .; DeWolf, T .; Tang, Y .; Расмуссен, Д. (29 ноября 2012 г.). «Крупномасштабная модель функционирующего мозга». Наука . 338 (6111): 1202–1205. Bibcode : 2012Sci ... 338.1202E . DOI : 10.1126 / science.1225266 . PMID 23197532 . S2CID 1673514 .  
  28. ^ Деннинг, Питер Дж. «Редкая распределенная память». (1989) .Url: https://ntrs.nasa.gov/archive/nasa/casi.ntrs.nasa.gov/19920002425.pdf
  29. ^ Kanerva, Pentti (1988). Редкая распределенная память . MIT Press. ISBN 978-0-262-11132-4.
  30. ^ Мендес, Матеус; Кризостомо, Мануэль; Коимбра, А. Пауло (2008). «Робот-навигация с использованием разреженной распределенной памяти». 2008 Международная конференция IEEE по робототехнике и автоматизации . С. 53–58. DOI : 10.1109 / ROBOT.2008.4543186 . ISBN 978-1-4244-1646-2. S2CID  10977460 .
  31. ^ Jockel, S .; Lindner, F .; Цзяньвэй Чжан (2009). «Редкая распределенная память для манипуляций с роботами на основе опыта». 2008 Международная конференция IEEE по робототехнике и биомиметике . С. 1298–1303. DOI : 10.1109 / ROBIO.2009.4913187 . ISBN 978-1-4244-2678-2. S2CID  16650992 .
  32. ^ Rinkus, Gerard J. (15 декабря 2014). «Sparsey ™: распознавание событий с помощью глубоко иерархических разреженных распределенных кодов» . Границы вычислительной неврологии . 8 : 160. DOI : 10,3389 / fncom.2014.00160 . PMC 4266026 . PMID 25566046 .  
  33. ^ Франклин, Стэн; Снайдер, Хавьер (16 мая 2012 г.). «Целочисленная разреженная распределенная память» . Двадцать пятая международная конференция FLAIRS .
  34. ^ Снайдер, Хавьер; Франклин, Стэн (2014). «Вектор ЛИДА» . Процедуры информатики . 41 : 188–203. DOI : 10.1016 / j.procs.2014.11.103 .
  35. ^ Роллс, Эдмунд Т. (2012). «Инвариантный визуальный объект и распознавание лиц: нейронные и вычислительные основы и модель, VisNet» . Границы вычислительной неврологии . 6 : 35. DOI : 10,3389 / fncom.2012.00035 . PMC 3378046 . PMID 22723777 .  

внешние ссылки

  • СМИ, связанные с когнитивной архитектурой, на Викискладе?
  • Цитаты, связанные с когнитивной архитектурой в Викицитатнике
Источник « https://en.wikipedia.org/w/index.php?title=Cognitive_architecture&oldid=1027373307 »
Contribute a better translation