Các phương pháp tổ chức bộ xử lý hiệu suất cao. Bộ xử lý cơ sở dữ liệu. Bộ xử lý luồng. Bộ xử lý thần kinh. Bộ xử lý có logic đa giá trị (mờ). TrueNorth - bộ xử lý thế hệ mới

Năm 1965, Gordon Moore, một kỹ sư và người sáng lập Intel, nhận thấy số lượng bóng bán dẫn trong các mẫu vi xử lý mới tăng gấp đôi mỗi năm. Mười năm sau, ông cập nhật ước tính của mình: đến năm 1975, số lượng bóng bán dẫn đã tăng gấp đôi sau mỗi hai năm.

Nhưng không thể tăng số lượng bóng bán dẫn một cách vô tận. Để khắc phục hạn chế này, cần có một cách tiếp cận mới về cơ bản.

Mạng lưới thần kinh

Tất cả các máy tính hiện đại đều sử dụng kiến ​​trúc von Neumann, bao gồm việc di chuyển dữ liệu theo trình tự tuyến tính giữa bộ xử lý trung tâm và chip bộ nhớ. Phương pháp này ngụ ý thực hiện nghiêm túc các quy định hướng dẫn chương trình. Việc xây dựng mạng lưới thần kinh bằng kiến ​​trúc này là có thể thực hiện được nhưng có những khó khăn đáng kể. Ví dụ: các kỹ sư của Google cần 16.000 bộ xử lý cho việc này. TRONG trong trường hợp này, một nỗ lực đã được thực hiện để mô phỏng hành vi của bộ não con người trên một kiến ​​trúc truyền thống, thay vì mô hình hóa cấu trúc của bộ xử lý càng gần với cấu trúc của bộ não càng tốt.

Chip thần kinh

Giống như bộ não con người, giải quyết song song các vấn đề khác nhau, bộ xử lý thần kinh phản ứng với các kích thích bên ngoài theo cách tương tự. Trong quá trình nhập học thông tin mới tế bào thần kinh có thể thay đổi để đáp ứng với những thay đổi về âm thanh, hình ảnh và các kích thích khác.

Nhờ các công nghệ xử lý dữ liệu phân tán, các vấn đề được giải quyết một cách khác nhau và số bộ xử lý được sử dụng ít hơn đáng kể để xử lý lượng thông tin lớn. Bên cạnh đó, mạng lưới thần kinh có thể được đào tạo và đạt được phản hồi hiệu quả hơn đối với hành động của người dùng. Mặc dù thực tế là các chip thần kinh mới vẫn còn rất xa so với khả năng của bộ não, nhưng chúng vẫn hoạt động hiệu quả hơn nhiều so với các máy tính hiện đại. Cho đến nay, mạng lưới thần kinh được xây dựng trên bộ xử lý silicon thông thường, nhưng gần đây mọi thứ đã thay đổi: bộ xử lý hình thái thần kinh đầu tiên được tạo ra ở Trung Quốc.

Ứng dụng

Vì vậy, mạng lưới thần kinh không được lập trình theo nghĩa thông thường, chúng được đào tạo, do đó, những thay đổi rất lớn đang chờ đợi nghề lập trình. Ngày nay, điều gì đó tương tự có thể được quan sát thấy trong các thuật toán heuristic, khi máy tính chọn giải pháp phù hợp, mặc dù tính đúng đắn rõ ràng của phương pháp đã chọn để giải quyết vấn đề vẫn chưa được chứng minh.

Ngoài khả năng tạo ra trí tuệ nhân tạo, mạng lưới mô phỏng thần kinh có thể được sử dụng để giải quyết Các nhiệm vụ khác nhau. Ví dụ, xe không người lái sẽ có thể hoạt động hiệu quả hơn trong chế độ ngoại tuyến và đưa ra quyết định liên quan đến tình hình thay đổi liên tục. Hệ thống hỗ trợ cuộc sống phân tích thông tin tốt hơn và đưa ra khuyến nghị chính xác, phân tích thời tiết, kiểm soát giao thông và nhiều hơn nữa. Chip thần kinh thậm chí sẽ được ứng dụng trong y học; chúng sẽ giúp các bác sĩ chẩn đoán chẩn đoán chính xác dựa trên phân tích tất cả các triệu chứng của bệnh nhân và kết quả nghiên cứu chẩn đoán.

người Trung Quốc công ty Huawei công bố Cortex 970 - chipset đầu tiên có bộ xử lý thần kinh chuyên dụng (NPU). Theo chân người Trung Quốc, Apple trình diễn A11 Bionic của mình mẫu iPhone 8, 8 Plus và X. Con chip này, cùng với những thứ khác, hỗ trợ công nghệ Neural Engine, theo đại diện của công ty, “được thiết kế đặc biệt cho học máy" Gần đây, Qualcomm đã giới thiệu chip Snapdragon 845, có thể chuyển các tác vụ liên quan đến trí tuệ nhân tạo sang các lõi cụ thể. Không có sự khác biệt cụ thể trong cách tiếp cận của các công ty. Tất cả phụ thuộc vào có sẵn cho các nhà phát triển mức độ kiểm soát cốt lõi và hiệu quả sử dụng năng lượng của chip.

Nhưng những con chip mới có thực sự khác biệt đáng kể so với những con chip tương tự hiện có trên thị trường không và nếu có thì sự khác biệt của chúng là gì? Câu trả lời cho điều này có thể được đưa ra bằng thuật ngữ thường thấy trong các báo cáo về trí tuệ nhân tạo - “điện toán không đồng nhất”. Nó áp dụng cho các bộ xử lý sử dụng các tính năng hệ thống chuyên dụng để cải thiện hiệu suất hoặc giảm mức tiêu thụ điện năng. Cách tiếp cận này đã được thực hiện nhiều lần trong các thế hệ chip trước. Mới bộ xử lý di động họ chỉ đơn giản sử dụng khái niệm này với một số biến thể.

Phát triển tự nhiên?

TRONG thế hệ gần đây bộ xử lý tích cực sử dụng công nghệ ARM Big .Little. Nó kết hợp các lõi chậm, tiết kiệm năng lượng với các lõi nhanh hơn, hiệu quả hơn. cấp độ cao tiêu thụ năng lượng. Ý tưởng là giảm lượng năng lượng để tăng tính tự chủ của thiết bị. Trong năm qua, chip thần kinh đã tiến thêm một bước xa hơn bằng cách thêm một phần tử riêng biệt để xử lý các tác vụ trí tuệ nhân tạo hoặc trong trường hợp sử dụng các lõi tiêu thụ điện năng thấp riêng biệt cho tác vụ này.

Bộ xử lý di động A11 Bionic của Apple sử dụng Neural Engine kết hợp với chip đồ họa để tăng tốc Face ID, Animoji và tăng tốc một số ứng dụng không phải bản địa. Khi người dùng chạy các tiến trình này trên iPhone mới, con chip bao gồm một Công cụ thần kinh để xử lý khuôn mặt của người đeo hoặc chiếu nét mặt của người đó lên một bức ảnh hoạt hình.

NPU đảm nhận chức năng quét và dịch các từ trong hình ảnh thu được từ sử dụng Microsoft Người phiên dịch. Tuy nhiên, hiện nay chương trình này là chương trình duy nhất ứng dụng của bên thứ ba, làm việc với thích nghi nhà sản xuất Trung Quốc công nghệ. Theo Huawei, công nghệ mới HiAI tăng tốc hầu hết các thành phần của chipset và có khả năng thực hiện nhiều tác vụ hơn so với các NPU khác.

Những chân trời mới

Khi được xem xét riêng biệt, công nghệ này cho phép thực hiện trực tiếp trên thiết bị những tác vụ đã được xử lý trước đó bằng giải pháp đám mây của bên thứ ba với hiệu quả không kém. Với sự trợ giúp của các thành phần mới, một chiếc điện thoại được trang bị những con chip như vậy sẽ có thể hoạt động hành động nhiều hơnđồng thời. Điều này sẽ ảnh hưởng đến nhiều khía cạnh hoạt động của thiết bị, từ việc giảm thời gian dịch cho đến tìm kiếm ảnh bằng hashtag nội bộ. Đồng thời chuyển việc thực hiện các quy trình đó trực tiếp sang điện thoại thông minh thay vì sử dụng giải pháp đám mây sẽ có tác động tích cực đến bảo mật và quyền riêng tư, giảm nguy cơ tin tặc lấy được dữ liệu người dùng.

Một lần nữa tâm điểm Chip mới tiêu tốn nhiều điện năng, bởi năng lượng là nguồn tài nguyên quý giá cần được phân bổ hợp lý, đặc biệt khi thực hiện các công việc lặp đi lặp lại. Chip đồ họa muốn sử dụng hết pin dự trữ rất nhanh, vì vậy việc giảm tải các quy trình của họ cho DSP có thể là một giải pháp tốt.

Trên thực tế, bản thân bộ xử lý di động không thể đưa ra quyết định một cách độc lập về việc lõi nào cần được sử dụng khi thực hiện một số tác vụ nhất định. Điều này phụ thuộc vào việc các nhà phát triển và nhà sản xuất thiết bị sử dụng thư viện được bên thứ ba hỗ trợ cho việc này. và tích cực tích hợp các giải pháp như TensorFlow Lite và Facebook Caffe2. Qualcomm cũng hỗ trợ Open Neural Networks Exchange (ONNX) mới và Apple gần đây đã bổ sung khả năng tương tác cho nhiều mô hình học máy mới trong hệ thống của mình. Khung ML lõi.

Than ôi, bộ xử lý di động mới vẫn chưa mang lại bất kỳ lợi thế đặc biệt nào. Các nhà sản xuất đã được đo lường bằng kết quả thử nghiệm của chính họ và điểm chuẩn. Nhưng không có sự hòa nhập chặt chẽ với môi trường người dùng hiện đại Trên thực tế, những chỉ số này không có nhiều ý nghĩa. Bản thân công nghệ này đang ở giai đoạn phát triển rất sớm và các nhà phát triển sử dụng nó vẫn còn ít và rải rác.

Trong mọi trường hợp, mọi công nghệ mới đều mang lại lợi ích cho người dùng, dù đó là tăng năng suất hay cải thiện hiệu quả sử dụng năng lượng. Các nhà sản xuất rất nghiêm túc trong việc đầu tư thời gian và tiền bạc vào việc phát triển chip thần kinh, điều đó có nghĩa là các bộ xử lý di động trong tương lai sẽ có thể cung cấp danh sách nhiệm vụ rộng hơn nhiều liên quan đến trí tuệ nhân tạo.

bốn công ty Ngađã hợp tác để tạo ra bộ xử lý nội địa đầu tiên được thiết kế nhằm cải thiện triệt để hiệu suất của mạng nơ-ron máy tính. Con chip này cho phép bạn tăng đáng kể tốc độ nhận dạng khuôn mặt, chữ cái, hình ảnh và phân tích hình ảnh nhanh hơn và chính xác hơn. Chụp cắt lớp vi tính và các dữ liệu y tế khác, giải quyết các vấn đề chiến lược phức tạp. Các chuyên gia tin rằng các nhà phát triển Nga có cơ hội thực sự để tạo dựng tên tuổi cho mình trên thị trường bộ xử lý thần kinh toàn cầu mới nổi.

Từ pixel đến nơ-ron

Nổi tiếng với những người hâm mộ trò chơi máy tính GPU(GP) - một con chip xử lý hình ảnh và video. Không giống như bộ xử lý trung tâm (CPU), bộ xử lý đồ họa chỉ có thể thực hiện một số lượng nhỏ các hoạt động tính toán chuyên môn cao, nhưng nó thực hiện cực kỳ nhanh chóng và hiệu quả. Nhờ có anh mà hiện đại trò chơi máy tính minh họa những video đồ họa chân thực làm say đắm những người yêu thích giải trí điện tử.

Các phép toán đặc biệt mà GP được “điều chỉnh riêng” hóa ra lại có thể áp dụng được cho khai thác hiệu quả tiền điện tử. Do đó, năm ngoái, với sự quan tâm đến Bitcoin ngày càng tăng, thế giới đã chứng kiến ​​một hiện tượng hoàn toàn chưa từng có - tình trạng thiếu card màn hình trên toàn cầu.

Nhu cầu về chúng tiếp tục tăng trong năm nay nhờ phát triển nhanh chóng bây giờ là mạng lưới thần kinh - hệ thống máy tính, trên cơ sở dữ liệu lớn, giải quyết các vấn đề như nhận dạng khuôn mặt và giọng nói, dịch thuật văn bản, phân tích dữ liệu y tế - chụp cắt lớp vi tính, chụp cộng hưởng từ, tia X và những người khác.

GPU có thể tăng tốc đáng kể hoạt động của một số thuật toán mạng thần kinh, nhưng trong trường hợp này, nó gần như không hiệu quả bằng trong việc giải quyết các vấn đề xử lý đồ họa. Do đó, chương trình nghị sự hiện nay của ngành công nghiệp máy tính toàn cầu là tạo ra bộ xử lý thần kinh (NP) được thiết kế để tăng tốc đáng kể hoạt động của các mạng như vậy. Theo các chuyên gia, một số thiết bị thử nghiệm thuộc loại này đã tồn tại, nhưng theo các chuyên gia, sự hình thành cuối cùng của thị trường bộ xử lý thần kinh toàn cầu sẽ mất thêm 4 đến 6 năm nữa. Trong thời gian này, các công ty phát triển nhỏ và thậm chí cả các công ty khởi nghiệp sẽ có cơ hội có được chỗ đứng trên thị trường này.

Từ cạnh tranh đến niềm tin

Liên minh ngành NeuroNet đã quyết định tham gia cuộc đua này, kết hợp nỗ lực của bốn công ty nhỏ nhưng tiên tiến thuộc hệ thống Sáng kiến ​​Công nghệ Quốc gia (NTI). Tập đoàn được thành lập sẽ phát triển một bộ xử lý thần kinh quốc gia có khả năng không chỉ cạnh tranh với các mô hình phương Tây mà còn trở thành sản phẩm nội địa 100%, “đáng tin cậy”, nghĩa là được đảm bảo không có tính năng không có giấy tờ và “dấu trang” phần cứng. Điều thứ hai đặc biệt quan trọng đối với khách hàng từ tổ hợp công nghiệp quân sự Nga, nơi mạng lưới thần kinh cũng đang trở nên phổ biến - trong hệ thống điều khiển cho máy bay không người lái chiến đấu, lập kế hoạch hoạt động quân sự, trong thiết bị dẫn đường có độ chính xác cao cho vũ khí nhỏ.

Theo giám đốc của NTI Neuronet Union, Alexander Semenov, thành phần của tập đoàn và thời điểm bắt đầu hoạt động của nó sẽ được công bố chính thức vào tháng 2 năm tới.

Alexander Semenov tin rằng các nhà toán học và kỹ sư người Nga phát triển phần cứng và thuật toán trong lĩnh vực trí tuệ nhân tạo và mạng lưới thần kinh là những người giỏi nhất thế giới. - Bây giờ họ có khoảng bốn năm để vượt lên trên các đồng nghiệp nước ngoài và đặt ra các tiêu chuẩn cho thị trường tương lai.

Theo Stanislav Ashmanov, người đứng đầu phòng thí nghiệm công nghệ mạng thần kinh và ngôn ngữ học máy tính tại Viện Vật lý và Công nghệ Moscow, hiện có khoảng hai nghìn công ty trên thế giới tham gia cuộc đua tạo ra bộ xử lý thần kinh tham chiếu.

Bất cứ ai quản lý để tạo ra một con chip trở thành tiêu chuẩn công nghiệp sẽ kiếm được số tiền tương xứng với thu nhập của những người dẫn đầu thị trường hiện tại bộ xử lý trung tâm, chẳng hạn như Intel hay AMD, Stanislav Ashmanov nói. - Cho đến nay, trong số vài nghìn công ty khởi nghiệp trên khắp thế giới, không quá 5 công ty gần với chiến thắng nhất.

Từ cứng đến phần mềm

Theo chuyên gia, cuộc đua trong lĩnh vực này hiện đang diễn ra theo hai hướng: thứ nhất là phát triển chip máy chủ cho các máy chủ mạnh mẽ trong trung tâm dữ liệu và thứ hai là tạo ra bộ xử lý thần kinh nhúng tiết kiệm để cài đặt trên tất cả các loại “ thiết bị thông minh»: điện thoại thông minh, robot, máy bay không người lái, ô tô tự lái. Theo Ashmanov, công việc đang được thực hiện ở Nga có cơ hội giành chiến thắng trên cả hai mặt trận.

Konstantin Trushkin, phó giám đốc, nói với Izvestia, tất nhiên, việc phát triển thiết bị trong nước nhằm tăng tốc độ tính toán mạng lưới thần kinh là dự án quan trọng, cần thiết nhất trong điều kiện hiện tại của thị trường thế giới. Tổng giám đốc Công ty MCST, công ty sản xuất CPU Elbrus trong nước và bo mạch chủ dựa trên nó. - Kết nối phổ quát lõi xử lý với các khối chuyên dụng thực hiện các phép tính bằng thuật toán mạng nơ-ron mang lại hiệu quả cao - hiện tại xu hướng hiện đại. Nhưng để một hệ thống như vậy được coi là đáng tin cậy, cả bộ tăng tốc mạng lõi và mạng thần kinh phải được phát triển ở Nga.

Tuy nhiên, Konstantin Trushkin nhắc nhở, tự mình tạo ra vi mạch NP thôi chưa đủ mà còn cần phải tạo ra một vi mạch phục vụ nó. môi trường phần mềm: hệ điều hành, công cụ phát triển, thư viện thuật toán mạng nơ-ron, môi trường huấn luyện mạng nơ-ron. Chỉ khi đó người ta mới có thể nói về sự tồn tại của một nền tảng mạng thần kinh phần cứng và phần mềm hoàn chỉnh trong nước.

Tập đoàn IBM đã vượt qua bước tiếp theo trong việc tạo ra con chip dành cho siêu máy tính tương lai - con chip thần kinh hoạt động dựa trên nguyên lý bộ não con người. Điểm đặc biệt của con chip này là nó có khả năng tự học và tiêu thụ năng lượng ít hơn hàng trăm nghìn lần so với các bộ vi xử lý thông thường. Con chip mới đã có thể phân tích thông tin trực quan, được xác nhận bởi kết quả thử nghiệm.

Số đông máy tính hiện đại sắp xếp theo nguyên tắc kiến ​​trúc von Neumann. Nó dựa trên việc lưu trữ chung dữ liệu và lệnh, trong khi bề ngoài chúng không thể phân biệt được: cùng một thông tin có thể trở thành dữ liệu, lệnh hoặc địa chỉ, tùy thuộc vào cách truy cập. Chính nguyên lý hoạt động này của kiến ​​trúc von Neumann đã tạo ra nhược điểm đáng kể của nó - cái gọi là nút thắt cổ chai (hạn chế băng thông giữa bộ xử lý và bộ nhớ). Bộ xử lý liên tục bị buộc phải chờ dữ liệu cần thiết, vì bộ nhớ chương trình và bộ nhớ dữ liệu không thể được truy cập cùng lúc: xét cho cùng, chúng được lưu trữ trên cùng một bus.

Vấn đề này đã được giải quyết bởi lập trình viên người Mỹ Howard Aiken, tác giả cuốn kiến ​​trúc Harvard. Nó khác với kiến ​​trúc von Neumann ở chỗ dữ liệu và dòng lệnh được tách biệt về mặt vật lý, cho phép bộ xử lý đồng thời đọc hướng dẫn và truy cập dữ liệu, cải thiện tốc độ của máy tính. Mặc dù vậy, vào cuối những năm 1930, trong cuộc thi phát triển máy tính dành cho pháo binh hải quân do chính phủ Mỹ công bố, kiến ​​trúc von Neumann đã giành chiến thắng do dễ thực hiện.

Sau này nó trở thành khả năng sáng tạo hệ thống lai, kết hợp những ưu điểm của cả hai kiến ​​trúc. Tuy nhiên, với sự phát triển của lập trình, tâm trí của các nhà khoa học bắt đầu bị chiếm lĩnh bởi ý tưởng tạo ra hệ thống thần kinh nhân tạo: các bộ xử lý được kết nối và tương tác với nhau, hoạt động theo nguyên tắc hoạt động của các tế bào thần kinh của cơ thể sống. sinh vật. Điểm đặc biệt của những hệ thống như vậy là chúng không được lập trình mà được đào tạo.

Khái niệm mạng nơ-ron nhân tạo nảy sinh khi nghiên cứu hoạt động của mạng nơ-ron sinh học - một tập hợp các mạng nơ-ron được kết nối với nhau hệ thần kinh tế bào thần kinh thực hiện các chức năng sinh lý cụ thể. Mỗi nơ-ron được kết nối với một số lượng lớn những người khác, nơi các tế bào thần kinh tiếp xúc với nhau được gọi là khớp thần kinh, có nhiệm vụ truyền các xung thần kinh giữa các tế bào.

Những người tiên phong trong việc tạo ra mạng lưới thần kinh nhân tạo là người Mỹ Warren McCulloch và Walter Pitts. Vào đầu những năm 1940, các nhà khoa học đã phát minh ra một mô hình não bộ xem tế bào thần kinh như một thiết bị vận hành một cách đơn giản. số nhị phân. Mạng lưới các “tế bào thần kinh” điện tử mà họ phát minh về mặt lý thuyết có thể thực hiện các phép toán số hoặc logic ở bất kỳ mức độ phức tạp nào. Những nền tảng lý thuyết mới về cơ bản cho mô hình não bộ như vậy đã đặt nền tảng cho sự phát triển tiếp theo của công nghệ thần kinh và bước tiếp theođã không bắt tôi phải chờ đợi.

Vào năm 1949, Donald Hebb đã đề xuất thuật toán làm việc đầu tiên để đào tạo hệ thống thần kinh nhân tạo và vào năm 1958, Frank Rosenblatt đã tạo ra máy tính thần kinh đầu tiên “Mark-1”. Máy tính này được xây dựng trên cơ sở perceptron, một mạng lưới thần kinh được Rosenblatt phát triển ba năm trước.

Thật kỳ lạ khi không có ai viết về Habré, nhưng theo tôi, hôm nay đã xảy ra một sự kiện quan trọng. IBM đã giới thiệu một con chip mới, hoàn thiện hoàn chỉnh, thực hiện mạng lưới thần kinh. Chương trình phát triển nó đã tồn tại từ lâu và khá thành công. Đã có một bài viết trên Habré về một bài báo có quy mô đầy đủ.

Con chip này có 1 triệu tế bào thần kinh và 256 triệu khớp thần kinh. Rõ ràng, như trong mô phỏng, con chip này có kiến ​​trúc tương tự như vỏ não mới.

Tại sao điều này lại tuyệt vời đến vậy? Bởi vì tất cả các mạng lưới thần kinh ngày nay đều phải thực hiện vô số hoạt động, đặc biệt là trong quá trình huấn luyện. Thường thì điều này liên quan đến hiệu suất. Trong thời gian thực, chỉ những tác vụ đơn giản mới có thể được giải quyết trên một thiết bị. Song song hóa trên các cụm và card video tăng tốc đáng kể việc xử lý (do dung lượng lớn khả năng tính toán và tiêu thụ năng lượng cao). Nhưng tất cả đều bắt nguồn từ vấn đề chính Kiến trúc von Neumann: bộ nhớ được tách biệt khỏi các đơn vị xử lý. Trong tế bào thần kinh thực sự, mọi thứ đều khác: bộ nhớ tự thực hiện quá trình xử lý (trên Habré có một loạt bài viết thú vị về nó).

Nếu IBM bắt đầu sản xuất những bộ xử lý như vậy thì nhiều nhiệm vụ phân tích video có thể được giải quyết trực tiếp trên chúng. Điều đơn giản nhất tôi nghĩ đến là phân loại các đối tượng trong luồng video (người, ô tô, động vật). Đây chính xác là nhiệm vụ mà IBM đã thể hiện như một ví dụ về công việc. Trong luồng video 400*240 30 khung hình/giây, họ đã xác định được người, người đi xe đạp, ô tô, xe tải và xe buýt.

Nếu mọi thứ đều tuyệt vời như vậy thì ô tô robot sẽ sớm không cần đến lidar, gót của máy quay video có chip như vậy - và chuyển tiếp.

Nhân tiện, nếu bạn đếm hiệu suất của một con chip như vậy bằng teraflop, bạn sẽ nhận được một con số thiên văn. Xét cho cùng, về bản chất, một con chip như vậy có 1 triệu bộ xử lý, mỗi bộ xử lý thông tin từ 256 kênh đầu vào (xấp xỉ) trong một chu kỳ xung nhịp.

Một chút thêm thông tin trên trang web Nghiên cứu của IBM.

Z.Yu.Xin lỗi vì bài viết không có chi tiết đặc biệt nào theo phong cách của Alizar, nhưng tôi thực sự ngạc nhiên khi một sự kiện quan trọng như vậy lại đi qua Habr.