лучшие книги по экономике
Главная страница

Главная

Замовити роботу

Последние поступления

Форум

Создай свою тему

Карта сайта

Обратная связь

Статьи партнёров



Замовити роботу
загрузка...
Книги по
алфавиту

Б
В
Г
Д
Е
Ж
З
И
К
Л
М
Н
О

системи підтримки прийняття рішень

Страницы [ 1 ] [ 2 ] [ 3 ] [ 4 ] [ 5 ] [ 6 ] [ 7 ] [ 8 ] [ 9 ] [ 10 ] [ 11 ] [ 12 ] [ 13 ] [ 14 ] [ 15 ]
[ 16 ] [ 17 ] [ 18 ] [ 19 ] [ 20 ] [ 21 ] [ 22 ] [ 23 ] [ 24 ] [ 25 ] [ 26 ] [ 27 ] [ 28 ] [ 29 ] [ 30 ] [ 31 ] [ 32 ]
[ 33 ] [ 34 ] [ 35 ] [ 36 ] [ 37 ] [ 38 ] [ 39 ] [ 40 ] [ 41 ] [ 42 ] [ 43 ] [ 44 ] [ 45 ] [ 46 ] [ 47 ] [ 48 ] [ 49 ] [ 50 ]

 

Частина друга

ПЕРСПЕКТИВНІ ПРИКЛАДНІ
СИСТЕМИ ПІДТРИМКИ
ПРИЙНЯТТЯ РІШЕНЬ

Розділ 9

Засоби штучного інтелекту
в системах підтримки прийняття рішень

9.1. Базові засоби штучного інтелекту і їх застосування
в системах оброблення інформації


9.1.1. Розвиток та застосування
штучного інтелекту

Людей завжди інтригувала можливість створення інтелекту у вигляді машини (штучної людини). Ставилося завдання, щоб машина як і людина могла сприймати і розуміти візуальні дії, розмовляти звичайною (природною) мовою, накопичувати знання і на цій підставі знаходити та обґрунтовувати корисні висновки про навколишній світ. В історії відомі містифікації, коли в каркаси в металевих костюмах поміщали карликів, намагаючись видати це за «розумну машину». Проте дійсний прогрес у створенні штучного інтелекту почався з початком комп’ютерної ери. Один із перших, хто висловив можливість того, що комп’ютери могли б обробити символи також як і цифри (і у такий спосіб моделювати процеси розумової діяльності людини) був британський учений Алан Тюрінг (Alan Turing). 1950 року він запропонував підхід, що в даний момент відомий як «тест Тюрінга» для визначення штучного інтелекту, в якому дослідник ставить запитання як до людини, так і до комп’ютера. Якщо запитувач не може визначити, людина чи машина забезпечила відповідь, тоді стверджується, що штучний інтелект досягнутий.
У сучасному розумінні термін «штучний інтелект» (Artificial intelligence) можна трактувати як науковий напрям (дисципліну), в рамках якого ставляться і розв’язуються завдання апаратного і програмного моделювання тих видів людської діяльності, які традиційно вважаються інтелектуальними, тобто потребують певних розумових зусиль. У Державному Стандарті України ДСТУ 2938-94 (Системи оброблення інформації. ОСНОВНІ ПОНЯТТЯ. Терміни і визначення) штучний інтелект визначається як «здатність систем оброблення даних виконувати функції, що асоціюються з інтелектом людини, такі як логічне мислення, навчання та самовдосконалення».
Штучний інтелект (ШІ) як наука почав розвиватися практично зразу (через два роки) після того, як «General Electric» установив перший комп’ютер для використання у бізнесі. 1956 року в коледжі м. Дартмут (Dartmouth) була проведена конференція, тему якої «Artificial intelligence» запропонував Джон Маккарті (John McCarthy). Учені, котрі взяли участь у конференції, узагальнили фундаментальні знання з математики, логіки і психології та визначили перші цілі та методології для дослідження ШІ. Термін Маккарті «штучний інтелект» опісля став популярним. Крім цього, в тому ж таки році була оголошена перша комп’ютерна програма ШІ, яку деякі фахівці вважають першою експертною системою.
Програма, що названа логіко-теоретичною (Logic Theorist), була створена Еліеном Ньюелом і Сімоном Хербертом у технологічному інституті ім. Карнегі (тепер Карнегі—Мелономському університеті) та Дж. С. Шоу з корпорації «Ренд». Вона була розроблена, щоб розв’язувати логічні та обчислювальні задачі й доводити теореми з підручника «Принципи математики» Вітхеда і Русселя. Принаймні в одному разі програма забезпечила лаконічніше доведення, ніж було придумане людиною-математиком. Цікаво, що в той час жоден журнал не захотів опублікувати доведення, яке придумане машиною.
Програма Logic Theorist мала обмежену здатність до міркування, тобто виконувала тільки доведення теорем числення, проте перші її успіхи заохотили дослідників до розроблення іншої програми — General Problem Solver, що була продемонстрована 1957 року. Цей програмний продукт мав просунуті можливості для розв’язування ребусів, завдань рівня вищої школи з мов та відповіді на запитання, які формулюються англійською мовою.
Ранні дослідження ШІ були зосереджені також на програмах для складних ігор як, наприклад, для гри в шахи. Розроблення програм для шахової гри не було кінцевою метою саме по собі, а розглядалося скоріше як можливість підсилення розуміння того, як людина розв’язує складні проблеми. Протягом 1960—1970 років питання ШІ розроблялися значною мірою в межах дослідницьких лабораторій. У 80-х роках зростаюча кількість продуктів ШІ почала просуватися на ринок, оскільки компанії започаткували свої перші комерційні версії. Проте, як і в багатьох технологічних розробках, обіцянки щодо можливостей комерційних додатків ШІ поки що переважають їх реальну продуктивність.
9.1.2. Сімейство додатків
штучного інтелекту

Протягом розвитку штучного інтелекту отримано низку додатків, котрі застосовуються в різних галузях науки і техніки.
В даний момент застосування в бізнесі штучного інтелекту в основ­ному проходить у формі основаних на знаннях систем (knowledge-based systems), в яких використовуються людські знання для розв’язання проблем. Найпопулярнішим типом таких систем є експертні системи.
Експертна система — це комп’ютерна програма, в якій намагаються подати знання людини-експерта у вигляді евристик, це різновид інформаційних систем. Термін «евристика» походить від грецького кореня, як і слово «еврика», і означає «відкрити». Евристики не гарантують абсолютно правильні результати, як це досягається за допомогою вмонтованих у СППР стандартних алгоритмів, але їхні пропозиції є корисними для певного проміжку часу. Оскільки експертна система призначена, головно, для консультування, то акт її використання називається консультацією — користувач консультується з експертною системою для отримання відповідних порад.
Експертні системи, як потенційний додаток до систем підтримки прийняття рішень, а також інші продукти штучного інтелекту, що мають безпосереднє відношення до СППР, будуть докладніше розглянуті окремо. Зображення на рис. 9.1 додатків ШІ у вигляді дерева підкреслює ту обставину, що зони їх дії перекриваються і зливаються, а деякі з них можуть бути складовими частинами інших. Коротко опишемо решту додатків штучного інтелекту.
Оброблення природною мовою (Natural language processing) — це найзручніший спосіб спілкування людей з комп’ютером різними розмовними мовами, наприклад, це можливість комп’ю­терної перевірки правопису і граматики. Система природної мови не має жорстких синтаксичних вимог (на відміну від комп’ютерних мов). Вона забезпечує діалогову взаємодію з користувачем, може настроюватися під нього, автоматично виявляти помилки, забезпечувати контекстну інтерпретацію. В інформаційних системах оброблення природною мовою використовується для пошуку інформації, модифікації даних, обчислень, статистичного аналізу, генерування графічних образів, забезпечення консультацій з експертною системою тощо.

Рис. 9.1. Дерево додатків штучного інтелекту
Системи візуалізації (Visualization systems) можуть подібно людині візуально взаємодіяти зі своїм середовищем, використовувати візуальні зображення і звукові сигнали для інструктування комп’ютерів або інших пристроїв, як наприклад, роботів. Ці системи, що часто також називають системами розпізнавання образів (Perceptive systems), реалізують функції технічного бачення і розпізнавання звукових сигналів (аналоги систем природної мови). Системи автоматичного розпізнавання образів у технічній літературі називають персептронами (Perceptron).
Роботи (Robotics) складаються з контрольованих комп’юте­ром пристроїв, які імітують моторну функцію людини. Термін «робот» уперше було вжито чеським письменником Карелом Чапеком 1920 року в соціально-фантастичній драмі «R.U.R.». Найчастіше роботів використовують для піднімання предметів і переміщення їх в інше місце. Вони виконують функції машин для завантаження, пристроїв для зварювання або фарбування на складальному конвеєрі, засобів збирання частин у ціле та ін. Їх, головно, використовують для складання автомобілів і в інших подібних процесах виробництва. В СППР роботи не використовуються.
Нейромережі (Neural networks) це надзвичайно спро­щені програмні або апаратні моделі нервової системи людини, що можуть імітувати такі здатності людини як навчання, узагальнення і абстрагування. Нейромережі знайшли широке застосування в системах підтримки прийняття рішень, зокрема, як засіб добування знань (інформації) в базах та сховищах
даних.
Системи з навчання (Learning) містять низку операцій, які надають можливість комп’ютеру або іншому зовнішньому пристрою набувати нових знань на додаток до того, що було вже введено раніше в пам’ять фірмою-виробником або програмістами. Такі системи передбачають можливість навчання на базі досвіду, прикладів, аналогів, модифікації поведінки, аку­мулювання фактів. Узагалі, навчання може бути контрольованим, тобто через механічне запам’ятовування, та неконтрольованим, наприклад, система може навчатися, використовуючи свій власний досвід. У СППР засоби навчання використовуються дуже часто.
Апаратні засоби ШІ (Artificial intelligence hardware) — це фізичні пристрої, які допомагають виконувати функції в інших додатках штучного інтелекту. Їх прикладами є апаратні засоби, які призначені для експертних систем на основі знань, нейрокомп’ютери, які використовуються для прискорення обчислень, електронна сітчатка ока та ін.
Програмні агенти (Software agents) — програмні продукти, що виконують завдання за дорученням користувача з метою пошуку інформації в комп’ютеризованих мережах. Вони мають значний потенціал для застосування в системах підтримки прийняття рішень.

9.1.3. Знання та їх використання в СППР

Поняття «знання» (Knowledge) у системах підтримки прийняття рішень, зокрема, орієнтованих на знання, мають виключно важливе значення. Незважаючи на те, що інтуїтивно цей термін зрозумілий кожному користувачу, проте реалізація цього виду інформації потребує значних теоретичних обґрунтувань та різноманітних технологічних засобів. У загальному тлумаченні термін «знання» означає те, що будь-хто щось знає і розуміє. Інак­ше кажучи, це сукупність відомостей, які утворюють цілісний
опис, що відповідає деякому рівню інформованості щодо певного питання, завдання, предмета тощо.
Якщо знання організоване і легке для користування, тоді воно називається структурованим, а в протилежному разі — неструктурованим. Знання, які неструктуровані і зрозумілі, але чітко не виражені, називаються знаннями-припущеннями. В інформаційних системах важливе місце відводиться питанню нагромадження знань (Knowledge acguisition), тобто формулюванню та зберіганню знань, які отримуються від різних джерел, особливо від експертів.
Нагромаджені знання зберігаються в базах знань (Knowledge base). База знань — це ряд фактів, правил і процедур, які організовуються в систему за допомогою специфічних програмних засобів, що забезпечують пошук, зберігання, перетворення і занесення в пам’ять ЕОМ структурованих одиниць знань. Системи, які містять бази знань, розв’язувач (Solver) задач і користувацький інтерфейс, часто називають інтелектуальними. Знання, нагромаджувані і використовувані в інтелектуальних системах, можна поділити на три типи: декларативні, процедурні та евристичні.
Декларативними називають знання, котрі записані в пам’яті інтелектуальної системи у такий спосіб, щоб вони були безпосередньо доступними для використання після звертання до відповідного поля пам’яті. У вигляді декларативних знань записується інформація про об’єкти предметних галузей, метаправила, таблиці, словники тощо. За формою подання декларативні знання протилежні процедурним.
Процедурні знання — це такі, які зберігаються в пам’яті інтелектуальної системи у вигляді описів процедур, за допомогою яких ці знання можна отримати. У такому вигляді записується інформація про способи розв’язання задач у специфічній предметній галузі, а також різні інструктивні та методичні матеріали.
Евристичні знання або просто евристики (Heuristics) — це змістовні (неформальні) розсудливі знання щодо певної прикладної галузі, які складаються з «правил доброго міркування» («здорового глузду») у цій сфері. Евристики також містять у собі знання про те, як кваліфіковано і ефективно розв’язувати задачі, як спланувати кроки для розв’язування комплексної проблеми, як удосконалювати продуктивність тощо. Як правило, евристики відображають особливості того, як людина розв’язує задачу, не користуючись строгими формальними прийомами, математичними моделями й алгоритмами. В експерних системах для формалізації професійних знань людини, що стосуються способів розв’язання задач у специфічній проблемній галузі, широко використовують ті евристики, якими користуються професіонали-експерти.
З концепцією евристичних знань тісно взаємопов’язані ключові в орієнтованих на знання СППР терміни — «інженер зі знань» та «інжиніринг знань». Інженер зі знань (Knowledge engineer) — фахівець зі штучного інтелекту, відповідальний за технічну сторону розроблення експертної системи. Інженер зі знань тісно працює з експертом прикладної галузі, щоб оволодіти знаннями експерта-людини для відображення їх у базі знань. Інжиніринг знань (Knowledge engineering) — технічна дисципліна, яка містить інформацію про інтегрування знань у комп’ютерних системах для того, щоб розв’язувати складні проблеми, які, зазвичай, потребують високого рівня знань.
Корпоративні знання є активом організацій, але ефективне уп­равління цими засобами потребує інвестицій, зокрема, витрат грошей і залучення трудових ресурсів, виходячи з того, що: знання пов’язані зі створенням документів і їх рухом в обчислювальній системі; збільшення обсягів знань відбувається через їх редагування, інтегрування і відокремлення; потрібне розроблення підходів до класифікації знань і нових вкладень до них; необхідна інфраструктура технології оброблення інформації й додатків для поділу знань; нагальною є також потреба у навчанні службовців стосовно створення, поділу і використання знань. Усі ці процеси потрібно організовувати і керувати ними, що входить до складу функцій управління знаннями.
Управління знаннями (Knowledge management) — це поділ, уста­новлення доступу і вибирання неструктурованої інформації про «людський досвід» між взаємозалежними особами або між членами робочої групи. Управління знаннями включає в себе розпізнавання групи людей, які мають потребу в спільному використанні знань, розроблення технологічної підтримки, яка дає можливість поділяти знання, і створення процесу для передання й розповсюдження знань. На даний час розроблені численні засоби комп’ютерної підтримки управління знаннями, тобто спеціалізоване програмне забезпечення.
Програмне забезпечення управління знаннями (Knowledge management software) — програмне забезпечення, яке уможливлює накопичення і управління неструктурованою інформацією в різних електронних форматах. Програмне забезпечення може допомагати в нагромадженні знань, їх класифікації, використанні, дослідженні, відкритті або в організації зв’язку між структурними одиницями знань. До продуктів даного типу, зокрема, належать системи управління електронними документами (EDMS).
Немало фірм здійснили кількісну оцінку вартості управління знаннями. За деякими оцінками, витрати на управління інтелектуальним капіталом становлять від 7 до 10 відсотків доходу. Але в той час, як управління знаннями дороге, очевидним є той факт, що втрати від неуцтва і дурості більші. Скільки коштує організації те, коли головні службовці забувають, як швидко і правильно виконувати завдання, або які втрати зумовлені рішенням, прийнятим на основі помилкових знань? Втрати за цих обставин мають критичне значення для організацій, що стало спонукальним мотивом для розроблення орієнтованих на знання СППР, англомовною назвою яких є «Knowledge-Driven DSS», що дослівно можна перекласти як СППР, котрі управлять знаннями (запускають знання).
9.1.4. Моделі подання знань
в інформаційних системах
Знання в базі знань подаються в певному вигляді, тобто в певних інформаційних одиницях знань і зв’язках між ними. Форма подання знань істотно впливає на характеристики і властивості інформаційних систем, тому це є однією з найважливіших проблем, характерних для систем, орієнтованих на знання. Оскільки логічні висновки і дії над знаннями в інформаційних інтелектуальних системах проводяться програмовано, то знання не можуть бути подані безпосередньо в звичайному вигляді, тобто в якому вони використовуються людьми (наприклад, у розмовній чи текстовій формі). У зв’язку з цим розробляються формальні моделі подання знань.
За розроблення специфічних моделей подання знань намагаються дотримуватися таких вимог:

  • подання знань має бути однорідним (одноманітним). Однорідна презентація знань приводить до спрощення механізму управління логічними висновками і управління знаннями взагалі;
  • подання знань має бути зрозумілим експертам і користувачам системи. В іншому разі утрудняються набуття знань та їх оцінювання.

Відомі чотири основні типи моделей описання знань у базах знань:

  • логічні, основою яких є формальна модель, тобто формальний опис деякою логічною мовою структури об’єкта;
  • продукційні, що ґрунтуються на використанні правил (продукцій);
  • фреймові, тобто форми подання знань, в основу яких покладені фрейми, кожен з яких складається зі слотів. Фреймова форма подання знань визначається рекурсивно;
  • моделі у вигляді семантичної мережі, тобто мережі, у вершинах якої містяться інформаційні одиниці, а дуги характеризують відношення і зв’язки між ними.

Мова, що використовується для розроблення систем на основі цих моделей, називається мовою подання знань. Відомі такі мови подання знань:

  • логічна мова подання знань, в основу якої покладено числення предикатів першого порядку. Виразами цієї мови є синтаксично правильні формули даного числення, через які виражаються всі записані в системі декларативні й процедурні знання;
  • продукційна мова, основними одиницями якої є продукції (правила);
  • фреймова мова, у котрій для подання і маніпулювання знаннями використовується фреймова модель подання знань. На даний час найвідомішими фреймовими мовами є FRL (Frame Representa­tion Language) і KRL (Knowlenge Representation Language).

Характеристики названих моделей подання знань описані в літературі зі штучного інтелекту. Частково вони будуть розглянуті пізніше в контексті створення орієнтованих на правила СППР.

9.2. Орієнтовані на знання системи
підтримки прийняття рішень

9.2.1. Загальна характеристика
орієнтованих на знання систем підтримки прийняття рішень

Широковідоме твердження «знання — сила» в організаціях справджується лише тоді, коли знання спільно використовуються службовцями та іншими учасниками бізнес-процесів. Причому важливість розподілення знань за створення рішень сьогодні розуміє більшість людей. Єдиний спосіб спільно використовувати знання — створити комп’ютеризовані системи, які можуть збирати і зберігати знання, що описують події, їх імовірності, правила і зв’язки (відношення). Спеціалізоване програмне забезпечення може оброблювати такі знання і допомагати менеджерам у створенні рішень. Як уже зазначалося, цим системам відповідає термін «орієнтовані на знання системи підтримки прийняття рішень». Досить часто застосовуються й інші назви (синоніми) СППР даного типу: СППР, що керують знаннями (Knowledge-Driven DSS); рекомендаційні СППР (Suggestion DSS); СПРП, що ґрунтуються на правилах (орієнтовані на правила СППР) (Rule-Based DSS); інтелектуальні СППР (Intelligent DSS). Слід зауважити, загальноприйнятної термінології в цій галузі ще не вироблено, оскільки процес дослідження й розроблення цього типу СППР бурхливо розвивається.
Орієнтовані на знання СППР забезпечують менеджерів відповідними рекомендаціями. Домінуючими їхніми компонентами є «здобування» знань (knowledge discovery) та механізми їх запам’ятовування. Створюючи такі системи, зазвичай, використовуть оболонку розроблення експертних систем і інструментальні засоби дейтамайнінгу (Data Mining). Аналітики бізнесу та виконавці виявляють зв’язки (відношення) в дуже великих базах даних із застосуванням дейтамайнінгу і в результаті аналізу можуть розпізнати нові відношення й нові знання.
Орієнтовані на знання системи підтримки прийняття рішень зберігають і застосовують різні знання для розв’язання багатьох специфічних бізнесових проблем. Ці проблеми включають необхідність конфігурації таких задач як, наприклад, визначення плато­спроможності позичальника перед наданням йому кредиту, виявлення обману (шахрайства, підробки) і оптимізація інвестицій. Вони дають змогу вдосконалити узгодженість у прийнятті рішень, проводити в життя політику і регламентування, передавати набутий досвід недосвідченим штатним працівникам і зберігати важливі результати експертиз (експертні знання) для компаній, якщо штатні експерти звільняються або відмовляються надавати експертні послуги.
У принциповому відношенні орієнтована на знання СППР має такі самі компоненти, що і звичайна СППР, тобто елементи моделювання та керування даними, користувацький інтерфейс, засоби телекомунікацій (керування поштою та повідомленнями). Проте вона містить і додаткові компоненти — базу знань і машину (механізм) висновків. На рис. 9.2 зображена спрощена схема орієнтованої на знання СППР.

Рис. 9.2. Спрощена схема орієнтованої на знання СППР
Машина логічного висновку (Inference Engine) — це програмне забезпечення, яке імітує виконання функцій мислення. У малих системах цей компонент інколи називають командним процесором (shell) експертної системи. Машина логічного висновку використовує знання, які містяться в базах знань, щоб продукувати висновки. Для цього вона застосовує ряд правил, які створюються розробником.
Основою орієнтованих на знання СППР є механізм (середовище) розроблення, що включає програмне забезпечення для створення та підтримки бази знань і машини висновків, а також експерт домена (проблемної галузі). Експертом домена є особа, яка має знання та досвід у проблемній галузі, для якої розробляється специфічна система. Він тісно співпрацює з інженером знань, щоб відобразити знання експерта в базі знань. Цей процес особливо часто використовується для відображення в комп’ю­терному форматі правил та інформаційних відношень.
Можна виділити низку характеристик, які є загальними для орієнтованих на знання СППР:

  • Цей вид програмного забезпечення допомагає менеджерам у розв’язуванні проблем.
  • Такі системи використовують накопичені знання у вигляді правил, фреймів або ймовірної (правдоподібної) інформації.
  • Люди взаємодіють із системою, коли виконують завдання.
  • Орієнтовані на знання СППР ґрунтуються на рекомендаціях, отриманих з людських знань, і застосовуються для розв’язання невеликого кола завдань.
  • Орієнтовані на знання СППР (експертні системи також) не «думають» на відміну від людини-експерта.

Орієнтовані на знання СППР відрізняються від відоміших і поширених орієнтованих на моделі СППР способами подання й оброблення знань. Орієнтовані на знання СППР намагаються імітувати процеси міркування людини в той час, як орієнтовані на моделі СППР мають послідовність заздалегідь визначених інструкцій для реагування на події. Для порівняння орієнтованих на знання СППР і орієнтованих на моделі СППР ми маємо запам’ятати такі формули:
Орієнтовані на знання СППР = База знань + Машина логічного висновку.
Орієнтовані на моделі СППР = Дані + Кількісні моделі.
Розроблення орієнтованих на знання СППР має починатися з орієнтованої на рішення діагностики, і, якщо аналіз здійснимості дасть позитивний результат, то тоді команда проектувальників повинна завершити процес розроблення СППР швидким макетуванням. Багато орієнтованих на знання СППР будують, використовуючи середовище розроблення правил і командний процесор експерт­ної системи. Інженер зі знань співпрацює з експертом проблемної галузі, щоб виявити правила і відношення. Тестування й перевірка правильності системи може включати використання попередніх прикладів і випадків з даної проблемної галузі.
Є кілька загальних підходів до швидкого макетування для розроблення орієнтованих на знання СППР. Можна виділити такі стадії: ідентифікація домена; концептуалізація; формалізація; реалізація; тестування. Ці п’ять стадій є надзвичайно взаємопов’я­заними і взаємозалежними. Ітеративний процес продовжується до затвердження на прийнятному рівні орієнтованих на знання СППР.

Страницы [ 1 ] [ 2 ] [ 3 ] [ 4 ] [ 5 ] [ 6 ] [ 7 ] [ 8 ] [ 9 ] [ 10 ] [ 11 ] [ 12 ] [ 13 ] [ 14 ] [ 15 ]
[ 16 ] [ 17 ] [ 18 ] [ 19 ] [ 20 ] [ 21 ] [ 22 ] [ 23 ] [ 24 ] [ 25 ] [ 26 ] [ 27 ] [ 28 ] [ 29 ] [ 30 ] [ 31 ] [ 32 ]
[ 33 ] [ 34 ] [ 35 ] [ 36 ] [ 37 ] [ 38 ] [ 39 ] [ 40 ] [ 41 ] [ 42 ] [ 43 ] [ 44 ] [ 45 ] [ 46 ] [ 47 ] [ 48 ] [ 49 ] [ 50 ]


ВНИМАНИЕ! Содержимое сайта предназначено исключительно для ознакомления, без целей коммерческого использования. Все права принадлежат их законным правообладателям. Любое использование возможно лишь с согласия законных правообладателей. Администрация сайта не несет ответственности за возможный вред и/или убытки, возникшие или полученные в связи с использованием содержимого сайта.
© 2007-2013 BPK Group.