გააავტომატებს თუ არა იაფი ხელოვნური ინტელექტი ყველაფერს?

ჯევონსის პარადოქსი, ინფერენსის ხარჯების სწრაფი კლება და რატომ შეიძლება ხელოვნური ინტელექტის გაიაფებამ ადამიანებს მეტი სამუშაო შეუქმნას და არა ნაკლები.

AI for Developing Countries Forum-ის (AIFOD) ყოველკვირეულ მიმოხილვაში სპიკერად მონაწილეობს აღმოსავლეთ-დასავლეთის უნივერსიტეტის პროფესორი და ვიცე-პრეზიდენტი ავთანდილ გაგნიძე.

სპიკერები

• ვალერი პელტონი — მთავარი იურისტი, Tracked Biotechnologies LLC (აშშ)
• დოქტ. კრეიგ გიბსი — აღმასრულებელი მენეჯერი, JET Education Services (სამხრეთ აფრიკა)
• ფაბრიციო დენი — ხელოვნური ინტელექტის მთავარი ოფიცერი, Webuild (იტალია)
• რედა სადკი — აღმასრულებელი დირექტორი, The Geneva Learning Foundation (შვეიცარია)
• ავთანდილ გაგნიძე — პროფესორი და ვიცე-პრეზიდენტი, აღმოსავლეთ-დასავლეთის უნივერსიტეტი (საქართველო)

ფონი

2026 წლის სექტემბერში კომპანია TypeSafe AI-მ წარადგინა Jev — მოდელი, რომელიც ტექსტის გენერირებისთვის კი არა, სტრუქტურირებული შეფასებებისთვის არის შექმნილი. ჩვეულებრივი დიდი ენობრივი მოდელებისგან განსხვავებით, Jev არ წერს ანგარიშებს და არ ხსნის საკუთარ მსჯელობას. ის იღებს ინფორმაციას და აბრუნებს არჩევანს, ქულას ან ალბათობას, რომელსაც პროგრამული უზრუნველყოფა პირდაპირ იყენებს.

შესაძლო გამოყენებებია დოკუმენტების კლასიფიკაცია, ვარიანტების რანჟირება, ინსტრუმენტების შერჩევა, კონტენტის ფილტრაცია და იმის გადაწყვეტა, საჭიროებს თუ არა კონკრეტული შემთხვევა ადამიანის განხილვას. Jev ასევე იძლევა სანდოობის ქულებს, რაც პროგრამას საშუალებას აძლევს, მაღალი სანდოობისას ავტომატურად იმოქმედოს.

TypeSafe AI-ის ცნობით, Jev-ის ღირებულება დაახლოებით 0,042 აშშ დოლარია მილიონ შემავალ ტოკენზე, პასუხის დრო კი 70–500 მილიწამს შეადგენს. ეს მწარმოებლის მიერ გავრცელებული მონაცემებია, თუმცა ისინი მნიშვნელოვან ტენდენციას ასახავს: ხელოვნური ინტელექტის მიერ შეფასება სულ უფრო სწრაფი და გაცილებით იაფი ხდება. თუ ხარჯები კლებას განაგრძობს, ორგანიზაციებმა შესაძლოა AI-შემფასებლები თითქმის ყველა ციფრულ სამუშაო პროცესში ჩააშენონ.

რა არის ჯევონსის პარადოქსი?

Jev-ს სახელი ბრიტანელი ეკონომისტის, უილიამ სტენლი ჯევონსის პატივსაცემად ეწოდა. 1865 წელს გამოცემულ წიგნში „ქვანახშირის საკითხი“ (The Coal Question) ჯევონსმა შენიშნა, რომ უფრო ეფექტიანმა ორთქლის ძრავებმა ქვანახშირის მოხმარება სულაც არ შეამცირა. ეფექტიანობამ ორთქლის ენერგია გააიაფა და ის მეტ დარგში გამოსადეგი გახადა. გამოყენების გაფართოებასთან ერთად ქვანახშირის მთლიანმა მოხმარებამ იკლო კი არა, მოიმატა.

მეტმა ეფექტიანობამ შეიძლება შეამციროს რესურსის გამოყენების ღირებულება, გაზარდოს მასზე მოთხოვნა და, საბოლოოდ, გაზარდოს მთლიანი მოხმარებაც.

იგივე კანონზომიერება შეიძლება ხელოვნურ ინტელექტსაც ეხებოდეს:

უფრო იაფი AI-ამოცანები → მეტი AI-აპლიკაცია → AI-ის მეტი მთლიანი გამოყენება

უფრო ეფექტიანი მოდელი თითო ამოცანაზე შესაძლოა ნაკლებ რესურსს მოიხმარდეს, თუმცა დაბალი ხარჯი ორგანიზაციებს უბიძგებს, AI უფრო ხშირად გამოიყენონ და ისეთ საქმიანობაშიც დანერგონ, რომლის ავტომატიზაცია ადრე ძალიან ძვირი ჯდებოდა. ამრიგად, ეფექტიანმა AI-მ შეიძლება ცალკეული ოპერაციის ღირებულება შეამციროს, გამოთვლით სიმძლავრეებზე, ენერგიასა და მონაცემთა ინფრასტრუქტურაზე მთლიანი მოთხოვნა კი გაზარდოს.

იაფი ავტომატური შეფასების პარადოქსი

პარადოქსი მხოლოდ გამოთვლითი რესურსებით არ შემოიფარგლება. თუ ავტომატური შეფასება უკიდურესად იაფი გახდება, ორგანიზაციებმა შესაძლოა AI-ს გაცილებით მეტი გადაწყვეტილების მიღება დაავალონ. ბიზნესს შეეძლება AI-ით შეაფასოს ყოველი მომხმარებლის მიმართვა, სამუშაოზე განაცხადი, ტრანზაქცია, სადაზღვევო მოთხოვნა თუ თანამშრომლის კომუნიკაცია. მთავრობებს — მსგავსი სისტემებით განაცხადების პრიორიტეტიზაცია, სერვისების განაწილება ან შესამოწმებელი შემთხვევების გამოვლენა.

ამან შეიძლება გაზარდოს პროდუქტიულობა და გააფართოოს სერვისების ხელმისაწვდომობა, განსაკუთრებით მცირე ორგანიზაციებისა და იმ განვითარებადი ქვეყნებისთვის, სადაც სპეციალისტების რესურსი შეზღუდულია.

თუმცა იაფმა შეფასებამ შეიძლება გადაჭარბებულ ავტომატიზაციასაც შეუწყოს ხელი. სტრუქტურირებული პასუხი აუცილებლად სწორი პასუხი არ არის, სანდოობის ქულა კი არ უდრის მტკიცებულებას ან ახსნას.

როცა AI-ის დაწერილი აბზაცი მცდარია, მან შეიძლება მკითხველი შეცდომაში შეიყვანოს. როცა AI-ის შეფასება პროგრამულ სისტემას პირდაპირ უკავშირდება, მას შეუძლია ავტომატურად უარყოს განაცხადი, დაბლოკოს ტრანზაქცია ან წაშალოს კონტენტი. შედარებით მცირე ცდომილებაც კი, მილიონობით გადაწყვეტილებაში განმეორებული, სერიოზულ ზიანს იწვევს.

ადამიანური ზედამხედველობა და ანგარიშვალდებულება

მთავარი კითხვა მხოლოდ ის არ არის, რამდენად ზუსტია Jev. საკითხი ისაა, გამოიწვევს თუ არა AI-ის გაიაფება ავტომატური შეფასების გავრცელებას იმ სფეროებში, სადაც გადაწყვეტილებები ახსნადი, გასაჩივრებადი და ადამიანის არსებითი განხილვის ქვეშ უნდა დარჩეს.

ორგანიზაციებმა უნდა განსაზღვრონ:

• რომელი გადაწყვეტილებების მიღება შეუძლია AI-ს დამოუკიდებლად;
• რომელი გადაწყვეტილებები საჭიროებს ადამიანის დამტკიცებას;
• განუსაზღვრელობის რა დონემ უნდა გამოიწვიოს განხილვა;
• ვინ აგებს პასუხს, როცა სისტემა ცდება;
• შეუძლიათ თუ არა დაზარალებულ პირებს შედეგის გასაჩივრება.

განვითარებადი ქვეყნებისთვის იაფმა AI-მ შეიძლება გააფართოოს ექსპერტიზასა და ავტომატიზაციაზე წვდომა. მაგრამ მან შეიძლება ასევე წარმოშვას დამოკიდებულება სხვაგან შექმნილ სისტემებზე, რომლებიც ადგილობრივ ენებს, კანონმდებლობასა და სოციალურ პირობებს ვერ ასახავს. დანერგვის ტემპმა შეიძლება გაუსწროს ტესტირების, რეგულირებისა და გასაჩივრების ადგილობრივ შესაძლებლობებს.

დისკუსიის მიზანი

AIFOD-ის ყოველკვირეული მიმოხილვა Jev-ს საქმის შესწავლის (case study) სახით იყენებს, რათა განიხილოს უფრო იაფი და ეფექტიანი ხელოვნური ინტელექტის ფართო შედეგები: შეამცირებს თუ არა AI-ის ეფექტიანობა რესურსების მოხმარებას თუ, პირიქით, მოთხოვნას გაზრდის; მოახდენს თუ არა ხელმისაწვდომი AI წვდომის დემოკრატიზაციას თუ დააჩქარებს გადაჭარბებულ ავტომატიზაციას; და რა დამცავი მექანიზმებია საჭირო, როცა AI-ის შეფასებები პირდაპირ მოქმედებს ადამიანებსა და ინსტიტუტებზე.

სადისკუსიო კითხვები

1. შეამცირებს თუ არა იაფი AI გამოთვლით სიმძლავრეებზე მთლიან მოთხოვნას, თუ AI-ის გამოყენება კიდევ უფრო სწრაფად გაფართოვდება?
2. თუ AI-ის შეფასება თითქმის უფასო გახდება, დაიწყებენ თუ არა ორგანიზაციები ისეთი გადაწყვეტილებების ავტომატიზაციას, რომლებიც ამას არ საჭიროებს?
3. რომელი გადაწყვეტილებებია შესაფერისი სრული ავტომატიზაციისთვის და რომელი უნდა მოითხოვდეს ყოველთვის ადამიანის მონაწილეობას?
4. ქმნის თუ არა სტრუქტურირებული პასუხი მცდარ შთაბეჭდილებას, რომ თავად შეფასება სანდოა?
5. შეუძლია თუ არა სანდოობის ქულას ოდესმე ჩაანაცვლოს მტკიცებულება, ახსნა და პროფესიული განსჯა?
6. უნდა ჰქონდეს თუ არა AI-ს მნიშვნელოვანი გადაწყვეტილებების მიღების უფლება, თუ მას საკუთარი მიზეზების ახსნა არ შეუძლია?
7. უნდა ეცნობოთ თუ არა ადამიანებს, როცა AI გავლენას ახდენს გადაწყვეტილებებზე დასაქმების, კრედიტის, დაზღვევის, განათლების ან საჯარო სერვისების სფეროში?
8. უნდა ჰქონდეთ თუ არა ადამიანებს ავტომატური გადაწყვეტილების გასაჩივრებისა და ადამიანის მიერ განხილვის მოთხოვნის უფლება?
9. ვინ უნდა აგებდეს პასუხს, როცა ავტომატური შეფასება ზიანს იწვევს?
10. ისარგებლებენ თუ არა განვითარებადი ქვეყნები ხელმისაწვდომი AI-ით, თუ დამოკიდებულნი გახდებიან სისტემებზე, რომლებიც მათ ადგილობრივ რეალობას არ ასახავს?

მთავარი კითხვა: შექმნის თუ არა იაფი ხელოვნური ინტელექტი მეტ ეფექტიანობას — თუ გააავტომატებს მეტ გადაწყვეტილებას, მოიხმარს მეტ რესურსს და გაამრავლებს არსებულ რისკებს?

ორგანიზატორი: AI for Developing Countries Forum (AIFOD), ჟენევა. მასალა მომზადებულია AIFOD-ის კონცეფციის დოკუმენტის საფუძველზე.

იაფი ხელოვნური ინტელექტი ნაკლებ AI-ს არ ნიშნავს, ნამდვილი ფასი კი ადამიანური განსჯაა

AIFOD-ის ყოველკვირეულ მიმოხილვაში, რომელიც ხელოვნური ინტელექტის ეკონომიკას, ჯევონსის პარადოქსსა და ადამიანური განსჯის ავტომატიზაციას მიეძღვნა, აღმოსავლეთ-დასავლეთის უნივერსიტეტის პროფესორი და ვიცე-პრეზიდენტი ავთანდილ გაგნიძე მონაწილეობდა.

2026 წლის 26 სექტემბერს ონლაინ გაიმართა AI for Developing Countries Forum-ის (AIFOD) წევრთა ყოველკვირეული მიმოხილვის 29-ე სესია სათაურით „გააავტომატებს თუ არა იაფი ხელოვნური ინტელექტი ყველაფერს? AI-ის ეკონომიკა, ჯევონსის პარადოქსი და ადამიანური განსჯის აუთსორსინგი“. სესიის მთავარი გზავნილი ასეთი იყო: ხელოვნური ინტელექტის ფასის მკვეთრი კლება AI-ზე დანახარჯებს სავარაუდოდ არ შეამცირებს და შესაძლოა ფარული ხარჯებიც მოიტანოს — შემოწმებიდან და ტექნოლოგიურ დამოკიდებულებაზე (lock-in) დაწყებული, იმ ადამიანური ექსპერტიზის თანდათანობითი დაკარგვით დამთავრებული, რომელიც მანქანის ნამუშევრის შესამოწმებლად არის საჭირო.

დისკუსიას უძღვებოდა AIFOD-ის თანადამფუძნებელი და საბჭოს დირექტორი ტიანძე ჟანგი. პანელში სამართლის, კორპორაციული ტექნოლოგიების, განათლების, გლობალური ჯანდაცვისა და უმაღლესი განათლების წარმომადგენლები მონაწილეობდნენ. მათ განიხილეს, მოიტანს თუ არა ტოკენების გაიაფება დანაზოგს თუ უბრალოდ მოხმარების ზრდას გამოიწვევს, და რა ემართება ანგარიშვალდებულებას, როცა AI ინფორმაციის წარმოებიდან გადაწყვეტილებების რეკომენდაციასა და მათ შესრულებაზე გადადის.

ჟანგმა სესიის გახსნისას სტენფორდის AI Index-ის მონაცემები მოიყვანა: GPT-3.5-ის დონის შედეგის მიღწევის ღირებულება 2022 წლის ბოლოს დაახლოებით 20 აშშ დოლარიდან (მილიონ ტოკენზე) 2024 წელს დაახლოებით შვიდ ცენტამდე შემცირდა. „ერთეულის ფასის კლება ავტომატურად არ ნიშნავს მთლიანი დანახარჯის შემცირებას, — თქვა მან. — AI-ზე მთლიანი დანახარჯი ფასისა და მოცულობის ნამრავლია, შედეგი კი იმაზეა დამოკიდებული, რამდენად ძლიერად რეაგირებს მოთხოვნა. ეს ჯევონსის პარადოქსის გაკვეთილია“.

„იაფი AI ამცირებს პასუხის ფასს და არა იმის ცოდნის ფასს, რომ ის სწორია“

The Geneva Learning Foundation-ის აღმასრულებელმა დირექტორმა რედა სადკიმ თქვა, რომ სამუშაო დღის უდიდეს ნაწილს ახლა AI-აგენტებთან ატარებს. მისმა ორგანიზაციამ, რომელიც ძირითადად დასავლეთ და ცენტრალურ აფრიკაში მუშაობს, 2026 წლის მარტში პირველი აგენტური AI „თანამშრომელი“ აიყვანა. „ყოველდღე ვაკვირდებით, რამდენს ვხარჯავთ ტოკენებზე და რას ვიღებთ სანაცვლოდ, — თქვა მან. — მაგრამ ორი სხვა ხარჯი უფრო მნიშვნელოვანია: ამოცანის შესრულების ღირებულება და სანდო შედეგის ღირებულება. რაც უფრო იაფია გენერირება, მით მეტია შესამოწმებელი“.

სადკიმ გაიხსენა, როგორ შეაჩერა ივლისში ორგანიზაციის AI-თანამშრომელმა ორი დასრულებული ანგარიშის გამოქვეყნება, მას შემდეგ რაც ვერიფიკაციის სკრიპტმა ჯანდაცვის მუშაკების 17 ციტატა ვერ დაუკავშირა პირველად მონაცემებს. სამი მათგანი მონახაზის შემდგენ მოდელს ჰქონდა შეცვლილი. „არაფერი ჩამოშლილა, მაგრამ არც არაფერს გაუფრთხილებია“, — თქვა მან.

მან შემოიტანა ცნება „ვალიდაციის საბელი“: „ავტომატიზაცია მანამდეა უსაფრთხო, სანამ ვინმეს ჯერ კიდევ შეუძლია შეამჩნიოს, როდის ცდება მანქანა. ეს უნარი ძირითადად რუტინული, შავი სამუშაოთი ყალიბდება — სწორედ იმ სამუშაოთი, რომელსაც პირველ რიგში ავტომატიზაციას უკეთებენ“. მისი გაფრთხილებით, 2035–2040 წლებისთვის გლობალური ჯანდაცვის ინსტიტუტებს შეიძლება აღარ ჰყავდეთ საველე გამოცდილების მქონე ადამიანები, რომლებიც შეაფასებენ, რამდენად გამოსადეგია ჟენევაში შემუშავებული სახელმძღვანელო პრინციპები რაიონის ჯანდაცვის ოფიცრისთვის. სადკიმ ასევე მოიხმო OECD-ის მონაცემები: სემესტრის დასაწყისიდანვე AI-ის მომხმარებელი მედიცინის სტუდენტები AI-ზე უკეთეს შედეგს ვერ აჩვენებდნენ, ხოლო ისინი, ვინც ჯერ საკუთარი კლინიკური აზროვნება ჩამოაყალიბეს, მანქანას აჯობეს. „ეფექტიანობის ზრდა სწავლის ზრდა არ არის. ისინი ცალ-ცალკე უნდა გაიზომოს“, — თქვა მან.

მმართველობა, მონაცემები და მოდელის არჩევა

Webuild-ის ხელოვნური ინტელექტის მთავარმა ოფიცერმა ფაბრიციო დენიმ აღნიშნა, რომ ტოკენის ფასი AI-ის რეალური ღირებულების მხოლოდ ერთი მუხლია: „AI-ინიციატივის შეფასებისას საქმე მხოლოდ ტოკენის ფასს არ ეხება. ეს არის ინფრასტრუქტურა, ადამიანები, მმართველობა. თუ კარგი მონაცემები და ხარისხიანი მონაცემების მიწოდების გამართული პროცესი არ გაქვს, AI საერთოდ არ მუშაობს — დიდია მოდელი თუ პატარა“. მან გააფრთხილა, რომ მოდელის არჩევა მხოლოდ ფასითა თუ ბენჩმარკებით არ შეიძლება: „ბენჩმარკი თვალსაზრისია და არა ჭეშმარიტება. უნდა ნახო, საიდან მოდის მოდელი, ვინ გაწვრთნა, რომელი კულტურის მიხედვით და რამდენად მოწყვლადია jailbreak-ის მიმართ. ის შენი კომპანიის ძრავა ხდება“.

დამოკიდებულების რისკი გლობალური სამხრეთისთვის

JET Education Services-ის აღმასრულებელმა მენეჯერმა კრეიგ გიბსმა თქვა, რომ იაფ ინსტრუმენტებსაც სჭირდება ზედამხედველობა, რათა ადგილობრივ სასწავლო გეგმებსა და საჭიროებებს შეესაბამებოდეს: „რაც არ უნდა იაფი იყოს პროგრამა, თუ ის მასწავლებლების, სკოლებისა და მოსწავლეების საჭიროებებს არ შეესაბამება, ჩავარდება“. მისი თქმით, გლობალურ სამხრეთში ხშირად ფინანსურად მხოლოდ ერთი შანსი არსებობს პროგრამის ან მოდელის ასარჩევად, რის შემდეგაც ქვეყანა მასზე დამოკიდებული ხდება: „როცა სამინისტრომ AI-პროგრამასა და მასთან დაკავშირებულ ტრენინგებში ინვესტიცია ჩადო, ხალხი მას გააგრძელებს, მაშინაც კი, თუ საჭიროებებს არ პასუხობს, რადგან შეცვლას ვერ ახერხებს“.

სტანდარტები, ფარული ხარჯები და პასუხისმგებლობა

AIFOD-ის უფროსმა მკვლევარმა და იურისტმა ვალერი პელტონმა ხაზი გაუსვა, რომ დაბალი ფასი დაბალ სტანდარტებს არ უნდა ნიშნავდეს: „ეკონომიკურად ნაკლებად უზრუნველყოფილ საზოგადოებაში, სავარაუდოდ, იაფ მოდელს მიიღებ, რომელიც ოპტიმალურ შედეგს ვერ იძლევა. იღებ იმას, რისი საშუალებაც გაქვს, და არა იმას, რაც საუკეთესოა“. ამ თვეში გამოშვებულ დაბალბიუჯეტიან შეფასების მოდელ Jev-ზე საუბრისას მან აღნიშნა, რომ მისი პასუხები წინასწარ განსაზღვრული არჩევანით, ქულებით ან „დიახ/არა“ პასუხებით შემოიფარგლება, რაც ჰალუცინაციების შემცირებას ემსახურება, „მაგრამ გამოსავლის მხარეს გარკვეულ რისკს იღებ“. „AI ინსტრუმენტია და არა თვითმიზანი, — დასძინა მან. — ადამიანებს კვლავ სჭირდებათ აზრიანი სამუშაო და პროცესში ჩართულობა“.

აუდიტორიის ხმა

აუდიტორიის წევრმა ნობუ ოტამ AI-ზე მზარდი დამოკიდებულების შესახებ შეშფოთება გამოთქვა: „რაც უფრო დამოკიდებულნი ვხდებით AI-ზე, მით ნაკლებს ვაფიქრებინებთ ადამიანებს. შესაძლოა, საბოლოოდ AI-ის გადაწყვეტილებების ხარისხი უკეთესიც კი იყოს და ჩვენ ამას დავთანხმდეთ. მაშინ რა არის სწორი?“

დასკვნითი გზავნილები განვითარებადი ქვეყნებისთვის

• რედა სადკი: „ფრთხილად იყავით იმასთან დაკავშირებით, რამდენ ხანს გასტანს დღევანდელი დაშვებები. თვით მტკიცებაც, რომ მმართველობა და ანგარიშვალდებულება ჩვენ გვეკუთვნის, შემოწმებას საჭიროებს“.
• კრეიგ გიბსი: „განვითარებად ქვეყნებს ძალიან სჭირდებათ AI, რომელიც მათ ეკონომიკას ზრდაში დაეხმარება. თუ არ ვიფიქრებთ, როგორ ვმართოთ ის, მისი დანერგვა სტიქიურად მოხდება, რაც სოციალურ არეულობას გამოიწვევს“.
• ფაბრიციო დენი: „ჩვენი საუკეთესო წვლილი AI-წიგნიერებაა. მოდით, ადამიანებს მივცეთ შესაძლებლობა, ჩვენ გარეშე იმუშაონ და თავდაჯერებულნი იყვნენ, რადგან ესმით, რასთან აქვთ საქმე“.
• ავთანდილ გაგნიძე: „AI არ ჩაანაცვლებს მასწავლებლებს, მაგრამ AI-უნარების მქონე მასწავლებლები ჩაანაცვლებენ მათ, ვისაც ეს უნარები არ აქვს. მცირე ქვეყნებისთვის ციფრული სიღარიბე და ენობრივი ბარიერები რეალური პრობლემაა და ამ რეალობასთან უნდა ვიმუშაოთ“.
• ვალერი პელტონი: „კომპანია ხართ, უწყება თუ ინდივიდი, აიღეთ პასუხისმგებლობა იმაზე, რასაც იყენებთ. AI-ინსტრუმენტის შეძენა ბიზნეს-გადაწყვეტილებაა და ის ინფორმირებული და გააზრებული უნდა იყოს“.

AIFOD-ის შესახებ

AI for Developing Countries Forum (AIFOD) ჟენევაში დაფუძნებული გლობალური არაკომერციული ორგანიზაციაა, რომელიც გლობალური სამხრეთისთვის AI-მმართველობის, ციფრული ინკლუზიისა და AI-სუვერენიტეტის საკითხებზე მუშაობს. ორგანიზაციას 150-ზე მეტ ქვეყანაში 7200-ზე მეტი წევრი ჰყავს. წევრთა ყოველკვირეული მიმოხილვა AI-პოლიტიკის, ეკონომიკისა და განვითარების აქტუალური საკითხების განხილვის რეგულარული სერიაა.

წყარო: AIFOD — Cheaper AI Won’t Mean Less AI, and Human Judgment Is the Real Price (ინგლისურ ენაზე). ქართული ვერსია მომზადებულია აღმოსავლეთ-დასავლეთის უნივერსიტეტის ვებგვერდისთვის.