რატომ ჯერ არ გყავთ თვითმართვადი მანქანა? ეს 2 ნაწილიანი სერია განმარტავს დარჩენილ დიდ პრობლემებს

ადამიანები ხშირად კითხულობენ: "სად არის ჩემი თვითმართვადი მანქანა?" "რატომ არ მაქვს ერთი და როდის მოვა?" ბევრი ადამიანი გრძნობს, რომ მანქანას დაპირდა 20-იანი წლების ბოლოს და გვიანია და შესაძლოა არც მოვა, როგორც მფრინავ მანქანებზე იყო საუბარი ათწლეულების წინ.

ამ ორსტატიან სერიაში (თანმხლები ვიდეოებით) მოდით გადავხედოთ ძირითად მიზეზებს, რის გამოც დღეს არ ატარებთ რობოქარ მანქანას და როდის შეიძლება ეს მოხდეს. რა ძირითადი ტექნოლოგიური, სამართლებრივი და სოციალური საკითხები დგას გზაზე და რა საკითხები არ არის რეალურად ბლოკატორები?

უმეტესი ჩვენგანისთვის ეს მანქანები აქ მალე ვერ მოხვდება. მათ აქვთ დაპირება, რომ თავიდან აიცილებენ დღევანდელი ავტოავარიების ღირსეულ ნაწილს, რომლებიც ყოველწლიურად მილიონზე მეტს კლავს მთელ მსოფლიოში. ისინი გაგვიადვილებენ ცხოვრებას და გადაწერენ ტრანსპორტირების პრინციპებს. ამით ისინი გადაწერენ, სადაც ჩვენ ვცხოვრობთ და ქალაქის ბუნებას, ისევე როგორც ათეულობით სხვა ინდუსტრიას ენერგეტიკიდან საცალო ვაჭრობამდე. ყოველდღე ჩვენ ვაჭიანებთ ამ ნივთების გზებზე მოცულობით გამოტანას, ათასობით დაიღუპება იმ ადამიანების ხელში, რომლებიც არ უნდა მართავდნენ მანქანას. ყოველდღე ვაგვიანებთ.

რა თქმა უნდა, ძნელია

გასაგებად რომ ვთქვათ, ყველაზე დიდი მიზეზი, რის გამოც „ამდენი დრო სჭირდება“ არის ის, რომ რთულია. ერთ-ერთი უდიდესი პროგრამული კვლევითი პროექტი, რომელიც ოდესმე განხორციელებულა. ეს მოითხოვდა არა მხოლოდ გარღვევის პროგრამულ უზრუნველყოფას, არამედ ტონა დეტალურ მუშაობას სარეველებში, რომლებიც ეხება უამრავ განსაკუთრებულ შემთხვევებს და სამყაროს და ყველა მისი ნაოჭების რუკას. ვინც ფიქრობს ან ფიქრობს, რომ ეს შეიძლება მიწოდებული იყოს გრაფიკით, არასწორია და აქამდე არასდროს უმუშავია პროგრამულ უზრუნველყოფაში. როდესაც ავტომობილების კომპანიებმა გამოაქვეყნეს ისეთი თარიღები, როგორიცაა 2020 წელი, ეს იყო იმედები და არა პროგნოზები, და რომ ზოგიერთმა ტექნიკურმა კომპანიამ ეს მართლაც გაათავისუფლა, საოცარი იყო. მრავალწლიანი პროექტები, რომლებიც საჭიროებენ გარღვევას, არასოდეს არის ზუსტად პროგნოზირებული.

პროგრამული უზრუნველყოფის მქონე არავინ დარჩება შოკირებული, თუ მრავალი წლის წინ გაკეთებული ასეთი გრანდიოზული პროექტის პროგნოზები ზუსტი არ იქნება. ასე რომ, ყველაფერი არ არის "მიღმა გრაფიკი", მაშინაც კი, თუ ისინი არ აკმაყოფილებდნენ ოპტიმისტურ იმედებს. ეს ასევე ნიშნავს, რომ საქმეები კეთდება მცირე ნაბიჯებით.

თუმცა, ყველაზე დიდი ბლოკერი არ არის ამის გაკეთება (ანუ მისი უსაფრთხოება), არამედ იმის ცოდნა, რომ თქვენ ეს გააკეთეთ.

იმის დადასტურება, რომ თქვენ ნამდვილად გახადეთ ის უსაფრთხო

პირველი ტექნოლოგიური მიზანი იყო ამის გაკეთება. მანქანის შექმნა, რომელსაც შეუძლია უსაფრთხოდ იმოძრაოს. ეს უზარმაზარი მიღწევაა, მაგრამ სულ მცირე რამდენიმე ქალაქში, რამდენიმე კომპანიამ უკვე მიაღწია ამას. ჩვეულებრივ ადამიანზე უფრო უსაფრთხოდ მართვას ახორციელებენ კომპანიები, როგორიცაა Waymo ფენიქსის მარტივ ქუჩებში. ეს იყო "რთული ნაწილი" - მაგრამ კიდევ უფრო რთული ნაწილია იმის განსაზღვრა, თუ რა არის უსაფრთხოება, მისი გაზომვა და დამტკიცება, რომ ეს გააკეთე. თქვენ უნდა დაამტკიცოთ ეს საკუთარ თავს, თქვენს საბჭოს, თქვენს იურისტებს, საზოგადოებას და შესაძლოა მთავრობასაც. ისევე, როგორც Moderna Covid-ის ვაქცინა მზად იყო 2020 წლის თებერვალში, პირველ ჩაკეტვამდე, მსოფლიო ელოდა 10 თვეს - მაშინ როცა მის გარეშე მილიონი ადამიანი დაიღუპა - სანამ პირველ ადამიანებს აძლევდა საშუალებას. ჩვენ ველოდით მათ დამტკიცებას, რომ ეს გააკეთეს.

უსაფრთხოების გაზომვა საკმაოდ რთულია. ჩვენ ვიცით, რამდენად ხშირად აქვთ მძღოლები ყველა სახის ავარიას, მცირე დნობისგან დაწყებული ფატალური შემთხვევებით. აშშ-ში ფატალური შემთხვევები ხდება დაახლოებით ყოველ 80 მილიონ მილზე, ანუ დაახლოებით 2 მილიონი საათის მართვის დროს. ჩვენ არ შეგვიძლია შევამოწმოთ პროგრამული უზრუნველყოფის ყველა ვერსია იმით, რომ ვიტყვით: „მოდით, მან გაიაროს მილიარდი მილი და ვნახოთ, მოკლავს თუ არა იმ ათეულზე ნაკლებ ადამიანს, რომლებიც დაიღუპებიან, თუ ადამიანები ასე შორს გაივლიან“. რეალურ გზებზე ერთხელაც კი გატარება შეუძლებელია, რომ აღარაფერი ვთქვათ ყოველ ახალ ვერსიაზე. ჩვენ შეიძლება გაცილებით ნაკლებს მართავდეთ და ვითვლიდეთ ჩხვლეტას და მცირე ავარიებს - სინამდვილეში ეს საუკეთესოა, რაც აქამდე გვქონდა მოფიქრებული, რადგან ეს სულ მცირე შესაძლებელია - მაგრამ ჩვენ არ ვართ დარწმუნებული, რომ ეს ეხება რობოტებთან დაზიანებებს ისევე, როგორც ეს. აკეთებს ხალხთან.

ბევრი იწყებს ავტო ინდუსტრიის ტრადიციულ გზას. ისინი ამოწმებენ თავიანთი მანქანების თითოეულ კომპონენტს, რათა დარწმუნდნენ, რომ ის საიმედოა და შეესაბამება სპეციფიკაციებს. ისინი ცდილობენ ამის გაკეთებას კომპონენტების სისტემებით, მაგრამ ეს მეთოდოლოგია რთულდება, როდესაც საქმე უფრო რთული ხდება. ამას ეწოდება ფუნქციური უსაფრთხოება - ეს არის კომპონენტები და სისტემები დეფექტების გარეშე და გაუმკლავდებიან თუ არა ცნობილ პოტენციურ ჩავარდნებს.

ახლახანს უფრო მეტი ძალისხმევა გაკეთდა, რომ ეს სისტემის დონეზე აიწიოს და შეეცადოს გამოსცადო „განზრახული ფუნქციონალურობის უსაფრთხოება“. SOTIF-თან ერთად, გუნდები მუშაობენ იმისათვის, რომ დარწმუნდნენ, რომ მთელი სისტემები კვლავ იმუშავებენ, როგორც პრობლემებისა და კომპონენტების გაუმართაობის, ასევე მოსალოდნელი ბოროტად გამოყენების შემთხვევაში. ეს ხშირად გულისხმობს მთელი სისტემის, ან მისი ნაწილების სიმულაციას, ან „ტექნიკის მარყუჟში“ სიმულაციას, რომელიც უფრო ადვილი და უსაფრთხოა, ვიდრე გზებზე ცოცხალი ტესტირება.

სიმულაციური ტესტირება გთავაზობთ სისტემის ტესტირების შესაძლებლობას მილიონობით სხვადასხვა სცენარში. ყველაფერი, რაც ვინმეს ოდესმე უნახავს, ​​სმენია ან უოცნებია - ამ ყველაფრის ასობით მცირე ვარიაციებით.

ალბათ ყველაზე რთული შესამოწმებლად, მაგრამ რაც ყველაზე მეტად გსურთ იცოდეთ არის ის, თუ რამდენად კარგად რეაგირებს სისტემა ადრე ნანახ სიტუაციებზე. მიუხედავად იმისა, რომ თქვენ შეგიძლიათ შექმნათ სიმულაციური ტესტირება, რათა იცოდეთ, რომ მანქანა კარგად მუშაობს თითქმის ყველა მოსალოდნელ სიტუაციაში, ადამიანის გონების დიდი ჯადოსნური უნარი არის უნარი გაუმკლავდეს აქამდე ნანახ პრობლემებს. AI-ებს შეუძლიათ ამის გაკეთება, მაგრამ ისინი არც ისე კარგია. საბოლოოდ, ჩვენ ვიმედოვნებთ, რომ ახალი, რეალისტური, სახიფათო სცენარები ყოველდღე მივიღოთ. დღეს კარგია, რომ თქვენი მანქანა დაპროგრამებულია იმისთვის, რომ გაუმკლავდეს ყველაფერს, რაზეც ვინმეს ოდესმე უფიქრია, მაგრამ ნამდვილი ოქროს სტანდარტი შეიძლება იყოს 20 ახალი სიტუაციის გადაგდება, რომელიც აქამდე არასდროს უნახავთ, ყოველდღე და იმის გარკვევა, რომ ის უმკლავდება მათ უმეტესობას. ადამიანებიც კი არ უმკლავდებიან ყველა მათგანს. ეს არის ერთი რამ, რისი მიღწევაც იმედი მაქვს Safety Pool პროექტი, რომლის დაწყებაშიც მე დავეხმარე მსოფლიო ეკონომიკური ფორუმის, Deepen.AI-ს და უორვიკის უნივერსიტეტთან ერთად.

ყველა სიმულაციის მიუხედავად, თქვენ ასევე გჭირდებათ ტესტირება პირდაპირ გზაზე. არავინ აპირებს განათავსოს მანქანა, რომელმაც არ აჩვენა, რომ ის კარგად უმკლავდება რეალურ სამყაროს. მიუხედავად იმისა, რომ ძვირია, რობოტექნიკის ოპერაციების ზედამხედველობისთვის ადამიანის უსაფრთხოების მძღოლების გამოყენების სისტემას რეალურად აქვს შესანიშნავი გამოცდილება და არ უქმნის საფრთხეს საზოგადოებას ჩვეულებრივ ადამიანებთან შედარებით.

ინდუსტრიაში, ყველა კომპანია თავს იკავებს იმის აღსაწერად, თუ რამდენად ერთგულია ისინი უსაფრთხოებისთვის. მათი საქმეა უსაფრთხო ავტომობილის შექმნა, მაგრამ ისინი ამ განცხადებებს აკეთებენ იმისთვის, რომ მოეწონონ ოფიციალური პირები და საზოგადოება. ბედის ირონიით, საზოგადოების ინტერესი არ არის ყველაზე უსაფრთხო რობოტექნიკის დამზადება, არამედ ყველაზე უსაფრთხო გზები. Robocars არის ინსტრუმენტი, რომელსაც შეუძლია მოიტანოს უფრო უსაფრთხო გზები და რაც უფრო ადრე მოხვდებიან აქ, მით უფრო მალე და უკეთესად გააკეთებენ ამას. ოფიციალური პირები, თუ ისინი სერიოზულად მიიღებდნენ თავიანთ მოვალეობას საგზაო უსაფრთხოების გაუმჯობესების მიმართ, რეალურად წაახალისებდნენ კომპანიებს, რომ არ წასულიყვნენ ძალიან შორს უსაფრთხოებაზე და სანაცვლოდ კონცენტრირდნენ უსაფრთხო ტექნოლოგიის უსწრაფეს გამოყენებაზე - თუნდაც ნაკლების გაკეთება, რათა დაამტკიცონ, რომ უსაფრთხოა, როდესაც განლაგება მცირეა. , ხდის მას უფრო სწრაფად. მაგრამ ისინი არასოდეს გააკეთებენ, რადგან საზოგადოება რეაგირებს შეცდომებზე და რისკებზე.

უსაფრთხოების მეორე კომპონენტი კიბერუსაფრთხოებაა. ჩვენ გვჭირდება ეს მანქანები, რომ ვიყოთ მდგრადი მათი ხელში ჩაგდების მცდელობის წინააღმდეგ. ზოგს არ უყვარს კიბერუსაფრთხოებაზე საუბარი, მაგრამ ავტო ინდუსტრიის წარსული ისტორია არ ყოფილა დიდი. ამის გაკეთება გულისხმობს არა მხოლოდ უსაფრთხო პრაქტიკას და ხელსაწყოებს, არამედ იმას, რასაც „წითელ გაერთიანებას“ უწოდებენ, სადაც ექსპერტ თეთრქუდის ჰაკერების გუნდი ნადირობს გარედან, რათა აღმოაჩინოს დაუცველობა, სანამ მეტს ვერ იპოვიან. კიდევ ერთი მნიშვნელოვანი ინსტრუმენტი არის დაკავშირების მინიმუმამდე შემცირება, ან რასაც უსაფრთხოების ადამიანები უწოდებენ "შეტევის ზედაპირებს". ინდუსტრიაში ბევრი შეპყრობილია იმით, რაც მათ წარმოუდგენია "დაკავშირებული მანქანა" და შეცდომით დაკავშირება ისეთივე დიდი რევოლუციაა, როგორც თვითმართვა. ეს არ არის, დისტანციურად არა. საჭიროა გარკვეული კავშირი, მაგრამ ის უნდა იქნას გამოყენებული ზომიერად, რათა რეალური რევოლუცია დაცული იყოს.

ტესტირების ერთ-ერთი ყველაზე დიდი გამოწვევა არის მანქანათმცოდნეობის ფართო გამოყენება ყველა რობოქარ გუნდის მიერ. მანქანათმცოდნეობა არის უაღრესად მძლავრი AI ინსტრუმენტი და უმეტესობა ფიქრობს, რომ ეს აუცილებელი ინსტრუმენტია, მაგრამ ის აწარმოებს „შავ ყუთს“ ხელსაწყოებს, რომლებიც იღებენ გადაწყვეტილებებს, მაგრამ არავის ესმის ბოლომდე. თუ არ იცით, როგორ მუშაობს სისტემა ან რატომ იშლება ან აკეთებს სწორად, ძნელია ტესტირება და დამოწმება. ევროპაში, ისინი იღებენ კანონებს, რომლებიც ითხოვენ, რომ ყველა AI იყოს „ახსნილი“ გარკვეულ დონეზე, მაგრამ მანქანური სწავლების მრავალი ქსელი ძალიან რთულია ახსნა. ეს საშინელებაა, მაგრამ ისინი იმდენად ძლიერია, რომ ჩვენ არ დავთმობთ მათ. ჩვენ შეიძლება აღმოვჩნდეთ შავი ყუთის წინაშე, რომელიც ორჯერ უფრო უსაფრთხოა ტესტირებაში, ვიდრე ახსნადი სისტემა, და არსებობს დამაჯერებელი არგუმენტები, რომლებსაც ადამიანები აკეთებენ ორივე არჩევანის სასარგებლოდ.

მომავლის პროგნოზირება

რობომანქანა დაფარულია სენსორებით, როგორიცაა კამერები, რადარები, LIDAR ლაზერები და სხვა. სენსორები, ალბათ, ტექნიკის ყველაზე განხილული ასპექტია, მაგრამ სინამდვილეში სენსორები საერთოდ არ გეტყვიან იმას, რისი ცოდნაც გსურთ. ეს იმიტომ ხდება, რომ სენსორები გეუბნებიან, სად არის ახლა საქმეები, მაგრამ თქვენ ეს არ გაინტერესებთ. გაინტერესებთ, სად იქნება საქმეები მომავალში. სენსორებიდან მიღებული ინფორმაცია მხოლოდ მომავლის წინასწარმეტყველების რეალური მიზნის მინიშნებაა. იმის ცოდნა, თუ სად არის რაღაც და რამდენად სწრაფად მოძრაობს, კარგი დასაწყისია, მაგრამ იმის ცოდნა, თუ რა არის ის, ისეთივე მნიშვნელოვანია, რომ იცოდე სად იქნება. ობიექტების უმეტესობა გზაზე ან მის მახლობლად არ არის ბალისტიკური - ადამიანი არის პასუხისმგებელი და შეუძლია შეცვალოს კურსი. სწორედ ამიტომ, დღეს კვლევის ერთ-ერთი მთავარი სფეროა უკეთესად პროგნოზირება, თუ რას აპირებენ გზაზე მყოფი სხვები, განსაკუთრებით ადამიანები. ეს შეიძლება განსხვავდებოდეს სატრანსპორტო საშუალებების მართვის ქცევის ცოდნიდან დამთავრებული იმის გარკვევამდე, რომ კუთხეში მდგომი ფეხით მოსიარულეები აპირებს შესვლას საფეხმავლო გადასასვლელზე ან სრიალებს ინტერნეტში.

მიუხედავად იმისა, რომ რამდენიმე გუნდმა მიაღწია დიდ პროგრესს, აღმოჩნდა, რომ ადამიანები უკეთესები არიან დღევანდელ რობოტებზე სხვა ადამიანების წინასწარმეტყველებაში. ამის გაუმჯობესება ერთ-ერთი მთავარი პრობლემაა სამუშაოების სიაში, განსაკუთრებით უფრო რთულ გარემოში, როგორიცაა დატვირთული ქალაქები. მომავლის პროგნოზირება ასევე გულისხმობს იმის პროგნოზირებას, თუ როგორ რეაგირებენ სხვები თქვენს მოძრაობებზე და სხვების წინასწარმეტყველურ მოძრაობებზე. ზოლის შერწყმა ან დაუცველი მარცხნივ შემობრუნება შეიძლება იყოს ცეკვა მიცემით და აღებით, და რობოტები მუდმივად შეეცდებიან გააუმჯობესონ თავიანთი საქმეები.

უფრო სწრაფად შეგრძნება

სენსორები შეიძლება იყოს მხოლოდ რეალური მიზნის მიღწევის საშუალება, მაგრამ რაც უფრო უკეთესს აკეთებენ, მით უკეთესი იქნება ამ მომავლის პროგნოზირება. გუნდები კვლავ ეძებენ სენსორების დაჩქარებას, რათა აღქმა და წინასწარმეტყველება უფრო სწრაფი იყოს. ერთი რამ, რაც მნიშვნელოვანია, არის მოძრავი ობიექტების სიჩქარის ცოდნა. რადარი გეუბნებათ ამას, მაგრამ კამერები და ძველი LIDAR-ები არა, თუ არ უყურებთ მრავალ კადრს. ზოგიერთ ახალ LIDAR-ს შეუძლია გითხრათ სიჩქარე და მანძილი. რამდენიმე კადრის დათვალიერებას მინიმუმ იმდენი დრო სჭირდება, რამდენიც კადრების აღებას, მაგრამ ჩვეულებრივ მეტი.

ერთი სიტუაცია, რომელიც შეიძლება იყოს პრობლემა, არის გზატკეცილზე მოძრაობა უფრო დიდი მანქანის უკან. წარმოიდგინეთ, რომ ამ მანქანის წინ არის სატვირთო მანქანა, რომელიც მხარზე ჩერდება, რომელიც ზოლშია მიჯაჭვული. ეს ხდება უბედური შემთხვევებისა და სასწრაფო დახმარების მანქანების დროს. უეცრად დიდი მანქანა, სანამ თქვენ გადაიხრება მარჯვნივ, რათა თავიდან აიცილოთ დაბრკოლება და პირველად ხედავთ გაჩერებულ სატვირთო მანქანას. დამუხრუჭების ან გადახვევის დრო ნამდვილად არ გაქვთ და შესაძლოა წასასვლელიც არ გქონდეთ. თუ თქვენ უნდა შეხედოთ ვიდეოს 3 კადრს, რომ დაინახოთ, რომ ის ნამდვილად არ მოძრაობს, ეს ალბათ წამის 1/10-ია ფუჭად და ეს არის სიტუაცია, სადაც მას შეუძლია მნიშვნელობა. ასე რომ, ბევრი გუნდი ეძებს გზებს ამ ზღვრის მოსაპოვებლად და მათ იპოვეს ის ძირითადად LIDAR-ებში, რომლებსაც შეუძლიათ „დოპლერის“ გაზომვა, რათა იცოდნენ ლაზერის მიერ მოხვედრილი ყველაფრის სიჩქარე. რადარებმაც იციან სიჩქარე, მაგრამ სამყარო სავსეა გაჩერებული ობიექტებით, რომლებიც ასახავს რადარს და ძნელია გაარჩიო გაჩერებული მანქანა მის გვერდით გაჩერებული სამაგრიდან.

გრძელი გზის გავლა

მოკლედ აღვნიშნავ, რომ ერთ-ერთი ცნობილი გუნდი - ტესლააTSLA
- ჯერ არ არის მზად, არის ის, რომ ისინი ცდილობენ მიზანმიმართულად გაართულონ პრობლემა. მიუხედავად იმისა, რომ ყველა გუნდი აქტიურად იყენებს კომპიუტერულ ხედვას, Tesla-ს სურს, რომ ის იმუშაოს მხოლოდ კომპიუტერული ხედვით და მხოლოდ კამერებით 2016 წლიდან. სხვა გუნდების უმეტესობა ასევე ამატებს უკეთეს კამერებს, LIDAR-ს, რადარს და რუქებს თავის ხელსაწყოთა ყუთში. Tesla-ს სურს ხედვის მიღწევა, რომელიც ამას უფრო იაფად გააკეთებს. ისინი ამბობენ, რომ ყველა ეს დამატებითი ინსტრუმენტი ყურადღების გაფანტვაა. მაგრამ დანარჩენ ინდუსტრიას სურს გამოიყენოს ყველა ხელსაწყო, რომ ეს უფრო სწრაფად განხორციელდეს, თუ უფრო დიდი დანახარჯებით, და იფიქროს, რომ ტესლა თავს ანგრევს. ჯერჯერობით, პროდუქტის ხარისხზე დაყრდნობით - Tesla FSD სერიოზულად ჩამორჩება - სხვები მართლები არიან, თუმცა რბოლა არ დასრულებულა.

ეს პირველი ნაწილია. მეორე ნაწილი განიხილავს ისეთ საკითხებს, როგორიც არის გზების კარგი მოქალაქეობა, რატომ არის განლაგებული რობოტექნიკები ერთ ქალაქში და არა ყველგან ერთდროულად, და პრობლემებს უფრო ამქვეყნიურ ლოჯისტიკასთან, როგორიცაა მხედრების, ბიზნეს მოდელების აყვანა. აპლიკაციები და ზედმეტად ნერვიულობთ უსაფრთხოებაზე, ხოლო მთავრობებს და საზოგადოებას თქვენი მიღება. მე ასევე ჩამოვთვლი რამდენიმე ფაქტორს, რომლებზეც მიმდინარეობს მუშაობა, მაგრამ არ არის განლაგების რეალური ბლოკატორები. მოძებნეთ მეორე ნაწილი მომდევნო დღეებში.

ზოგი ფიქრობს, რომ 2022 წელს რობოქარი არ ჰყავთ ან არ ატარებენ, ნიშნავს, რომ განვითარება გეგმებს ჩამორჩება. სინამდვილეში, არასდროს ყოფილა სერიოზული განრიგი, მხოლოდ იმედები, მაგრამ სინამდვილეში, პრობლემების ეს სია ოპტიმიზმს ასახავს, ​​რადგან ეს დარჩენილი პრობლემები, როგორც ჩანს, ზოგადად მოსაგვარებელია. შრომისმოყვარეობა და ფული და არა მიღწევებია საჭირო მათ უმეტესობასთან გამკლავებისთვის.

თვალი ადევნეთ მეორე ნაწილს ვიდეო და ტექსტის სახით

შეგიძლიათ დატოვოთ კომენტარები ამ გვერდზე, ან ვიდეოს გვერდზე.