To jest post gościnny autorstwa Jose Beniteza, założyciela i dyrektora AI oraz Mattiasa Ponchona, szefa infrastruktury w Intuitivo.
Intuitivo, pionier innowacji w handlu detalicznym, rewolucjonizuje zakupy dzięki opartemu na chmurze systemowi przetwarzania transakcyjnego AI i uczenia maszynowego (AI/ML). Ta przełomowa technologia umożliwia nam równoczesną obsługę milionów autonomicznych punktów sprzedaży (A-POP), zmieniając sposób, w jaki klienci robią zakupy. Nasze rozwiązanie przewyższa tradycyjne automaty sprzedające i alternatywy, oferując przewagę ekonomiczną dzięki dziesięciokrotnie niższym kosztom, łatwej konfiguracji i bezobsługowej obsłudze. Nasze nowe, innowacyjne A-POP (lub automaty sprzedające) zapewniają lepszą obsługę klientów przy dziesięciokrotnie niższych kosztach ze względu na wydajność i przewagę kosztową Inferencja AWS dostarcza. Inferentia umożliwiła nam uruchamianie naszych komputerowych modeli wizyjnych You Only Look Once (YOLO) pięć razy szybciej niż nasze poprzednie rozwiązanie i zapewnia naszym klientom płynne zakupy w czasie rzeczywistym. Dodatkowo Inferentia pomogła nam również obniżyć koszty o 95 procent w porównaniu do naszego poprzedniego rozwiązania. W tym poście opisujemy nasze przypadki użycia, wyzwania i krótki przegląd naszego rozwiązania wykorzystującego Inferentia.
Zmieniający się krajobraz handlu detalicznego i zapotrzebowanie na A-POP
Krajobraz handlu detalicznego szybko się zmienia, a konsumenci oczekują takich samych łatwych w obsłudze i bezproblemowych doświadczeń, do jakich są przyzwyczajeni podczas zakupów cyfrowych. Aby skutecznie wypełnić lukę pomiędzy światem cyfrowym i fizycznym oraz sprostać zmieniającym się potrzebom i oczekiwaniom klientów, potrzebne jest podejście transformacyjne. W Intuitivo wierzymy, że przyszłość handlu detalicznego leży w tworzeniu wysoce spersonalizowanych, opartych na sztucznej inteligencji i wizji komputerowej autonomicznych punktów zakupu (A-POP). Ta innowacja technologiczna sprawia, że produkty są w zasięgu ręki klienta. Nie tylko sprawia, że ulubione produkty klientów są w zasięgu ręki, ale także zapewnia im płynne zakupy, pozbawione długich kolejek i skomplikowanych systemów przetwarzania transakcji. Jesteśmy podekscytowani możliwością przewodzenia tej ekscytującej nowej erze handlu detalicznego.
Dzięki naszej najnowocześniejszej technologii sprzedawcy detaliczni mogą szybko i skutecznie wdrażać tysiące punktów A-POP. Skalowanie zawsze było trudnym wyzwaniem dla sprzedawców detalicznych, głównie ze względu na złożoność logistyczną i konserwacyjną związaną z rozbudową tradycyjnych automatów sprzedających lub innych rozwiązań. Jednak nasze rozwiązanie oparte na kamerach, które eliminuje potrzebę stosowania czujników wagowych, RFID lub innych kosztownych czujników, nie wymaga konserwacji i jest znacznie tańsze. Umożliwia to sprzedawcom detalicznym skuteczne tworzenie tysięcy punktów A-POP, zapewniając klientom niezrównane doświadczenia zakupowe, a jednocześnie oferując sprzedawcom detalicznym opłacalne i skalowalne rozwiązanie.
Wykorzystanie wnioskowania w chmurze do identyfikacji produktu w czasie rzeczywistym
Projektując system rozpoznawania produktów i płatności oparty na kamerach, podjęliśmy decyzję, czy powinno to odbywać się na krawędzi, czy w chmurze. Po rozważeniu kilku architektur zaprojektowaliśmy system, który przesyła filmy z transakcji do chmury w celu przetworzenia.
Nasi użytkownicy końcowi rozpoczynają transakcję od zeskanowania kodu QR A-POP, co powoduje odblokowanie A-POP, a następnie klienci biorą to, czego chcą i wychodzą. Wstępnie przetworzone filmy z tych transakcji są przesyłane do chmury. Nasz proces transakcyjny oparty na sztucznej inteligencji automatycznie przetwarza te filmy i odpowiednio obciąża konto klienta.
Poniższy diagram przedstawia architekturę naszego rozwiązania.
Odblokowanie wydajnego i ekonomicznego wnioskowania za pomocą AWS Inferentia
Ponieważ sprzedawcy detaliczni chcą skalować swoją działalność, koszt A-POP staje się czynnikiem branym pod uwagę. Jednocześnie najważniejsze jest zapewnienie użytkownikom końcowym bezproblemowych zakupów w czasie rzeczywistym. Nasz zespół badawczy AI/ML koncentruje się na identyfikacji najlepszych modeli wizji komputerowej (CV) dla naszego systemu. Stanęliśmy teraz przed wyzwaniem jednoczesnej optymalizacji operacji AI/ML pod kątem wydajności i kosztów.
Wdrażamy nasze modele na Instancje Amazon EC2 Inf1 zasilany przez Inferentia, pierwszy układ ML firmy Amazon zaprojektowany w celu przyspieszenia obciążeń związanych z wnioskowaniem w trybie głębokiego uczenia się. Wykazano, że wnioskowanie znacznie zmniejsza koszty wnioskowania. Korzystaliśmy z Neuron AWS SDK — zestaw narzędzi programowych używanych z Inferentią — do kompilowania i optymalizacji naszych modeli do wdrożenia w instancjach EC2 Inf1.
Poniższy fragment kodu pokazuje, jak skompilować model YOLO za pomocą Neurona. Kod działa bezproblemowo z PyTorch, a funkcje takie jak torch.jit.trace() i neuron.trace() rejestrują operacje modelu na przykładowym wejściu podczas przebiegu w przód, aby zbudować statyczny wykres w podczerwieni.
Przeprowadziliśmy migrację naszych modeli wymagających dużej mocy obliczeniowej do Inf1. Korzystając z AWS Inferentia, osiągnęliśmy przepustowość i wydajność odpowiadającą naszym potrzebom biznesowym. Przyjęcie instancji Inf1 opartych na Inferentia w cyklu życia MLOps było kluczem do osiągnięcia niezwykłych wyników:
- Poprawa wydajności: Nasze duże modele systemów wizyjnych działają teraz pięć razy szybciej, osiągając ponad 120 klatek na sekundę (FPS), umożliwiając naszym klientom płynne zakupy w czasie rzeczywistym. Co więcej, możliwość przetwarzania z taką szybkością klatek nie tylko zwiększa szybkość transakcji, ale także umożliwia nam wprowadzenie większej ilości informacji do naszych modeli. Ten wzrost ilości danych wejściowych znacznie poprawia dokładność wykrywania produktów w naszych modelach, jeszcze bardziej zwiększając ogólną skuteczność naszych systemów zakupowych.
- Oszczędności: Obniżyliśmy koszty wnioskowania. To znacznie poprawiło projekt architektury obsługującej nasze A-POP.
Wnioskowanie równoległe danych było łatwe dzięki AWS Neuron SDK
Aby poprawić wydajność naszych obciążeń wnioskowania i wydobyć maksymalną wydajność z Inferentii, chcieliśmy wykorzystać wszystkie dostępne NeuronCores w akceleratorze Inferentia. Osiągnięcie tej wydajności było łatwe dzięki wbudowanym narzędziom i interfejsom API z pakietu Neuron SDK. Korzystaliśmy z torch.neuron.DataParallel()
API. Obecnie używamy inf1.2xlarge, który ma jeden akcelerator Inferentia z czterema akceleratorami Neuron. Więc używamy torch.neuron.DataParallel()
aby w pełni wykorzystać sprzęt Inferentia i wykorzystać wszystkie dostępne NeuronCores. Ta funkcja języka Python implementuje równoległość danych na poziomie modułu w modelach utworzonych przez interfejs API PyTorch Neuron. Równoległość danych to forma równoległości wielu urządzeń lub rdzeni (NeuronCores for Inferentia), zwana węzłami. Każdy węzeł zawiera ten sam model i parametry, ale dane są rozproszone w różnych węzłach. Dzięki dystrybucji danych w wielu węzłach równoległość danych skraca całkowity czas przetwarzania danych wejściowych o dużej wielkości w porównaniu z przetwarzaniem sekwencyjnym. Równoległość danych sprawdza się najlepiej w przypadku modeli w aplikacjach wrażliwych na opóźnienia, które mają wymagania dotyczące dużego rozmiaru partii.
Patrząc w przyszłość: przyspieszenie transformacji handlu detalicznego dzięki podstawowym modelom i skalowalnemu wdrożeniu
Wybiegając w przyszłość, nie można przecenić wpływu modeli podstawowych na branżę detaliczną. Modele podstawowe mogą znacząco zmienić etykietowanie produktów. Zdolność do szybkiego i dokładnego identyfikowania i kategoryzowania różnych produktów ma kluczowe znaczenie w dynamicznym środowisku handlu detalicznego. Dzięki nowoczesnym modelom opartym na transformatorach możemy wdrożyć większą różnorodność modeli, aby zaspokoić więcej naszych potrzeb w zakresie sztucznej inteligencji/uczenia się z większą dokładnością, poprawiając doświadczenia użytkowników i bez konieczności marnowania czasu i pieniędzy na szkolenie modeli od zera. Wykorzystując moc modeli podstawowych, możemy przyspieszyć proces etykietowania, umożliwiając sprzedawcom detalicznym szybsze i wydajniejsze skalowanie rozwiązań A-POP.
Rozpoczęliśmy realizację Model dowolnego segmentu (SAM), podstawowy model transformatora wizyjnego, który może segmentować dowolny obiekt na dowolnym obrazie (omówimy to szerzej w innym poście na blogu). SAM pozwala nam przyspieszyć proces etykietowania z niezrównaną szybkością. SAM jest bardzo wydajny, jest w stanie przetworzyć około 62 razy więcej obrazów, niż człowiek jest w stanie ręcznie utworzyć ramki ograniczające w tym samym przedziale czasu. Dane wyjściowe SAM służą do uczenia modelu, który wykrywa maski segmentacji w transakcjach, otwierając okno możliwości wykładniczego szybszego przetwarzania milionów obrazów. To znacznie skraca czas i koszty szkolenia modeli planogramów produktów.
Nasze zespoły badawcze ds. produktów i AI/ML są podekscytowane możliwością przewodzenia tej transformacji. Stała współpraca z AWS i wykorzystanie przez nas Inferentii w naszej infrastrukturze zapewnią nam możliwość efektywnego kosztowo wdrożenia tych podstawowych modeli. Jako pierwsi użytkownicy pracujemy z nowymi instancjami opartymi na AWS Inferentia 2. Instancje Inf2 są budowane z myślą o dzisiejszej generatywnej sztucznej inteligencji i akceleracji wnioskowania w modelu dużego języka (LLM), zapewniając wyższą wydajność i niższe koszty. Inf2 umożliwi nam umożliwienie sprzedawcom detalicznym wykorzystania zalet technologii opartych na sztucznej inteligencji bez rozbijania banku, co ostatecznie sprawi, że krajobraz handlu detalicznego będzie bardziej innowacyjny, wydajny i skoncentrowany na kliencie.
Kontynuując migrację większej liczby modeli do Inferentia i Inferentia2, w tym modeli podstawowych opartych na transformatorach, jesteśmy pewni, że nasz sojusz z AWS umożliwi nam rozwój i wprowadzanie innowacji wraz z naszym zaufanym dostawcą usług w chmurze. Razem zmienimy przyszłość handlu detalicznego, czyniąc go inteligentniejszym, szybszym i lepiej dostosowanym do stale zmieniających się potrzeb konsumentów.
Wnioski
W tym technicznym przeglądzie podkreśliliśmy naszą transformacyjną podróż przy użyciu AWS Inferentia w innowacyjnym systemie przetwarzania transakcyjnego AI/ML. To partnerstwo doprowadziło do pięciokrotnego wzrostu szybkości przetwarzania i oszałamiającej redukcji kosztów wnioskowania o 95% w porównaniu z naszym poprzednim rozwiązaniem. Zmieniło obecne podejście branży detalicznej, ułatwiając bezproblemowe zakupy w czasie rzeczywistym.
Jeśli chcesz dowiedzieć się więcej o tym, jak Inferentia może pomóc Ci zaoszczędzić koszty przy jednoczesnej optymalizacji wydajności aplikacji wnioskowania, odwiedź stronę Instancje Amazon EC2 Inf1 i Instancje Amazon EC2 Inf2 strony produktów. AWS udostępnia różne przykładowe kody i zasoby dla początkujących dla Neuron SDK, które można znaleźć na stronie Repozytorium próbek neuronów.
O autorach
Matias Ponchon jest dyrektorem ds. infrastruktury w Intuitivo. Specjalizuje się w projektowaniu bezpiecznych i solidnych aplikacji. Dzięki bogatemu doświadczeniu w firmach FinTech i Blockchain, w połączeniu ze strategicznym nastawieniem, pomaga mu projektować innowacyjne rozwiązania. Jest głęboko przywiązany do doskonałości, dlatego konsekwentnie dostarcza niezawodne rozwiązania, które przesuwają granice tego, co jest możliwe.
jose benitez jest założycielem i dyrektorem AI w Intuitivo, specjalizującym się w tworzeniu i wdrażaniu aplikacji widzenia komputerowego. Kieruje utalentowanym zespołem zajmującym się uczeniem maszynowym, pielęgnując środowisko innowacji, kreatywności i najnowocześniejszych technologii. W 2022 r. Jose został uznany przez MIT Technology Review za „Innowatora poniżej 35. roku życia”, co stanowi świadectwo jego przełomowego wkładu w tę dziedzinę. To zaangażowanie wykracza poza pochwały i obejmuje każdy projekt, którego się podejmuje, co świadczy o nieustannym zaangażowaniu w doskonałość i innowacyjność.
Diwakar Bansal jest starszym specjalistą AWS zajmującym się rozwojem biznesu i wprowadzaniem na rynek usług akceleracji obliczeniowej Gen AI i Machine Learning. Wcześniej Diwakar kierował definiowaniem produktów, rozwojem globalnego biznesu i marketingiem produktów technologicznych dla IoT, obliczeń brzegowych i jazdy autonomicznej, koncentrując się na wprowadzeniu sztucznej inteligencji i uczenia maszynowego do tych dziedzin.
- Dystrybucja treści i PR oparta na SEO. Uzyskaj wzmocnienie już dziś.
- PlatoData.Network Pionowe generatywne AI. Wzmocnij się. Dostęp tutaj.
- PlatoAiStream. Inteligencja Web3. Wiedza wzmocniona. Dostęp tutaj.
- PlatonESG. Węgiel Czysta technologia, Energia, Środowisko, Słoneczny, Gospodarowanie odpadami. Dostęp tutaj.
- Platon Zdrowie. Inteligencja w zakresie biotechnologii i badań klinicznych. Dostęp tutaj.
- Źródło: https://aws.amazon.com/blogs/machine-learning/intuitivo-achieves-higher-throughput-while-saving-on-ai-ml-costs-using-aws-inferentia-and-pytorch/
- :ma
- :Jest
- :nie
- $W GÓRĘ
- 1
- 2022
- 23
- 710
- a
- zdolność
- Zdolny
- O nas
- przyśpieszyć
- przyśpieszony
- przyspieszenie
- przyśpieszenie
- akcelerator
- akceleratory
- odpowiednio
- Konto
- precyzja
- dokładnie
- osiągnięty
- Osiąga
- osiągnięcia
- w poprzek
- do tego
- adopters
- Przyjęcie
- Zalety
- Po
- przed
- AI
- Zasilany AI
- AI / ML
- Wszystkie kategorie
- Alians
- Pozwalać
- pozwala
- wzdłuż
- również
- alternatywy
- zawsze
- Amazonka
- Amazon Web Services
- an
- i
- Inne
- każdy
- wszystko
- api
- Pszczoła
- aplikacje
- podejście
- w przybliżeniu
- architektura
- SĄ
- AS
- powiązany
- At
- automatycznie
- autonomiczny
- dostępny
- AWS
- Inferencja AWS
- Bank
- BE
- bo
- staje się
- być
- zaczął
- uwierzyć
- Korzyści
- BEST
- pomiędzy
- Poza
- blockchain
- firmy blockchain
- Blog
- pobudzanie
- Granice
- Skrzynki
- Przełamując
- BRIDGE
- Bringing
- Przynosi
- budować
- wybudowany
- wbudowany
- biznes
- rozwój biznesu
- ale
- by
- CAN
- nie może
- walizka
- wyzwanie
- wyzwania
- zmieniony
- wymiana pieniędzy
- Opłaty
- tańsze
- Chmura
- kod
- Kody
- COM
- zobowiązanie
- Firmy
- w porównaniu
- kompleks
- złożoności
- komputer
- Wizja komputerowa
- Aplikacje do widzenia komputerowego
- computing
- pewność
- wynagrodzenie
- wobec
- konsekwentnie
- Konsumenci
- zawiera
- kontynuować
- składki
- Koszty:
- opłacalne
- Koszty:
- sprzężony
- pokrywa
- CPU
- Stwórz
- stworzony
- Tworzenie
- kreatywność
- istotny
- Aktualny
- Obecnie
- klient
- Klientów
- pionierski nowatorski
- dane
- decyzja
- poświęcenie
- głęboko
- głęboka nauka
- definicja
- dostarczyć
- dostarczanie
- dostarcza
- rozwijać
- Wdrożenie
- Wnętrze
- zaprojektowany
- projektowanie
- Wykrywanie
- oprogramowania
- urządzenia
- różnica
- różne
- cyfrowy
- cyfrowo
- Dyrektor
- dyskutować
- dystrybuowane
- rozdzielczy
- Różnorodność
- robi
- domeny
- zrobić
- jazdy
- z powodu
- podczas
- dynamiczny
- każdy
- Wcześnie
- początkujący
- łatwo
- łatwy w użyciu
- krawędź
- przetwarzanie krawędziowe
- faktycznie
- skuteczność
- wydajny
- skutecznie
- eliminuje
- upoważniać
- umożliwiać
- włączony
- Umożliwia
- umożliwiając
- zakończenia
- wzmocnione
- Poprawia
- zapewnić
- Środowisko
- Era
- zapewniają
- Eter (ETH)
- Każdy
- ewoluuje
- przykład
- Doskonałość
- podniecony
- ekscytujący
- rozszerzenie
- oczekiwać
- oczekiwania
- doświadczenie
- Doświadczenia
- wykładniczo
- rozciąga się
- rozległy
- Szerokie doświadczenie
- wyciąg
- ułatwienie
- fałszywy
- w szybkim tempie
- szybciej
- Moja lista
- pole
- Znajdź
- koniuszki palców
- FINTECH
- i terminów, a
- pięć
- koncentruje
- koncentruje
- skupienie
- następujący
- następujący sposób
- W razie zamówieenia projektu
- czoło
- Nasz formularz
- Naprzód
- Fundacja
- założyciel
- cztery
- fps
- FRAME
- bez tarcia
- od
- w pełni
- funkcjonować
- Funkcje
- dalej
- Ponadto
- przyszłość
- szczelina
- Gen
- generatywny
- generatywna sztuczna inteligencja
- miejsce
- Globalne
- globalny biznes
- Go
- Idź do sklepu
- chwycić
- wykres
- większy
- przełomowy
- Rosnąć
- Gość
- Guest Post
- Pół
- sprzęt komputerowy
- uprząż
- Wykorzystywanie
- Have
- mający
- he
- głowa
- pomoc
- pomógł
- pomaga
- wysoka wydajność
- wyższy
- Podświetlony
- wysoko
- go
- jego
- W jaki sposób
- How To
- Jednak
- HTTPS
- człowiek
- zidentyfikować
- identyfikacja
- if
- obraz
- zdjęcia
- Rezultat
- realizacja
- wykonawczych
- narzędzia
- importować
- podnieść
- poprawa
- poprawia
- poprawy
- in
- Włącznie z
- Zwiększać
- przemysł
- Informacja
- Infrastruktura
- wprowadzać innowacje
- Innowacja
- Innowacyjny
- wkład
- Wejścia
- instancje
- zainteresowany
- najnowszych
- Internet przedmiotów
- IT
- szt
- JEGO
- JIT
- podróż
- Klawisz
- etykietowanie
- krajobraz
- język
- duży
- prowadzić
- Wyprowadzenia
- nauka
- Doprowadziło
- poziom
- leży
- wifecycwe
- linie
- długo
- Popatrz
- niższy
- maszyna
- uczenie maszynowe
- maszyny
- głównie
- konserwacja
- robić
- Dokonywanie
- ręcznie
- Marketing
- Maski
- Mecz
- maksymalny
- Poznaj nasz
- migrować
- migrował
- miliony
- Mindset
- MIT
- ML
- MLOps
- model
- modele
- Nowoczesne technologie
- moduł
- pieniądze
- jeszcze
- wielokrotność
- Nazwa
- Potrzebować
- wymagania
- Nowości
- Nie
- węzeł
- węzły
- żaden
- już dziś
- wychowanie
- przedmiot
- of
- oferuje
- Oferty
- on
- pewnego razu
- ONE
- trwający
- tylko
- otwarcie
- działać
- działanie
- operacje
- Okazja
- Optymalizacja
- optymalizacji
- Opcje
- or
- Inne
- ludzkiej,
- wydajność
- koniec
- ogólny
- zawyżone
- przegląd
- stron
- Parallel
- parametry
- najważniejszy
- Współpraca
- przechodzić
- płatność
- system płatności
- dla
- procent
- jest gwarancją najlepszej jakości, które mogą dostarczyć Ci Twoje monitory,
- Personalizowany
- fizyczny
- pionier
- rurociąg
- planogram
- plato
- Analiza danych Platona
- PlatoDane
- zwrotnica
- możliwy
- Post
- power
- powered
- przedstawione
- poprzedni
- poprzednio
- wygląda tak
- procesów
- przetwarzanie
- Produkt
- Produkty
- projekt
- dostawca
- zapewnia
- że
- zakup
- Naciskać
- położyć
- Python
- płomień
- QR code
- szybko
- szybko
- Kurs
- dosięgnąć
- w czasie rzeczywistym
- uznanie
- uznane
- zmniejszyć
- zmniejsza
- redukcja
- , o którym mowa
- bezwzględny
- znakomity
- wymagany
- wymagania
- Wymaga
- Badania naukowe
- przefasonować
- sprężysty
- Zasoby
- Efekt
- detaliczny
- branży detalicznej
- sprzedawców
- przeglądu
- Rewolucjonizujący
- krzepki
- run
- Sam
- taki sam
- Zapisz
- oszczędność
- skalowalny
- Skala
- operacje skali
- skalowaniem
- skanowanie
- zadraśnięcie
- Sdk
- bezszwowy
- płynnie
- druga
- bezpieczne
- segment
- segmentacja
- senior
- czujniki
- służyć
- Usługi
- zestaw
- ustawienie
- kilka
- Sklep
- Zakupy
- powinien
- ściąganie
- pokazane
- Targi
- znaczący
- znacznie
- Krzem
- jednocześnie
- Rozmiar
- mądrzejszy
- skrawek
- So
- Tworzenie
- rozwiązanie
- Rozwiązania
- specjalista
- specjalizuje się
- specjalizujący się
- prędkość
- początek
- rozpoczęty
- Strategiczny
- Oszałamiający
- taki
- Wspierający
- podpory
- system
- systemy
- utalentowany
- zespół
- Zespoły
- Techniczny
- techniczny
- Technologies
- Technologia
- dziesięć
- testament
- niż
- że
- Połączenia
- Przyszłość
- ich
- Im
- następnie
- Te
- one
- to
- tysiące
- wydajność
- czas
- ramy czasowe
- czasy
- do
- dzisiaj
- razem
- narzędzia
- pochodnia
- Kwota produktów:
- tradycyjny
- Pociąg
- Trening
- transakcja
- przetwarzanie transakcji
- szybkość transakcji
- transakcyjny
- transakcje
- Transformacja
- transformacyjny
- transformacyjny
- transformator
- transformatorowy
- poligon
- prawdziwy
- zaufany
- Ostatecznie
- dla
- zobowiązuje się
- odblokować
- niezrównany
- niezrównany
- przesłanych
- us
- posługiwać się
- przypadek użycia
- używany
- Użytkownicy
- za pomocą
- różnorodny
- automaty sprzedające
- przedsięwzięcie
- początku.
- Filmy
- wizja
- Odwiedzić
- chcieć
- poszukiwany
- była
- Marnotrawstwo
- Droga..
- we
- sieć
- usługi internetowe
- waga
- były
- Co
- jeśli chodzi o komunikację i motywację
- czy
- który
- Podczas
- dlaczego
- będzie
- okno
- w
- w ciągu
- bez
- pracujący
- działa
- świat
- Yolo
- ty
- Twój
- zefirnet