


Dalam era 'pembinaan besar', ke manakah kuasa pengkomputeran AI akan pergi?
Kuasa pengkomputeran ialah produktiviti, dan mereka yang mempunyai kuasa pengkomputeran memenangi dunia.
Dengan perkembangan pesat dan penemuan teknologi kecerdasan buatan generasi baharu, permintaan untuk kuasa pengkomputeran AI, terutamanya model pengkomputeran pembelajaran mendalam, telah meningkat dengan pesat.
Data menunjukkan bahawa antara 1960 dan 2010, kerumitan pengiraan AI meningkat dua kali ganda setiap dua tahun antara 2010 dan 2020, kerumitan pengiraan AI melonjak 10 kali setiap tahun.
Berdepan dengan model besar dan pengiraan yang kompleks, adalah penting untuk meningkatkan kuasa pengkomputeran AI.
Lagipun, antara tiga elemen pembangunan kecerdasan buatan: data, algoritma dan kuasa pengkomputeran, kedua-dua data dan algoritma tidak dapat dipisahkan daripada sokongan kuasa pengkomputeran.
Jadi, dari manakah datangnya kuasa pengkomputeran AI?
Kuasa pengkomputeran AI telah memasuki tempoh "pembinaan besar"
Peranan penting kuasa pengkomputeran AI dalam meningkatkan daya saing teras ekonomi negara dan serantau telah menjadi satu konsensus industri.
"Laporan Penilaian Indeks Kuasa Pengkomputeran Global 2020" menunjukkan bahawa bagi setiap peningkatan dalam indeks kuasa pengkomputeran sebanyak 1 mata secara purata, ekonomi digital dan KDNK akan berkembang masing-masing sebanyak 3.3‰ dan 1.8‰. kesan ke atas ekonomi digital dapat dilihat dengan mata kasar Ia telah menjadi logik dalaman bagi kerajaan negara dan tempatan untuk meningkatkan kuasa pengkomputeran AI mereka
Melihat ke peringkat antarabangsa, di bawah model yang diterajui oleh pelaburan kerajaan, Amerika Syarikat bergantung pada kecerdasan universiti yang disokong oleh enam makmal kebangsaan di bawah Jabatan Tenaga dan Yayasan Sains Kebangsaan Tiga sistem utama Pusat Pengkomputeran dan Pusat Pengkomputeran Super, sebuah pusat penyelidikan yang bergabung dengan NASA, dengan giat mempromosikan "pertumbuhan" itu. keupayaan pengkomputeran pintar dalam platform pengkomputeran; Kesatuan Eropah telah membina 8 platform pengkomputeran berskala besar di Eropah melalui "Pelan EuroHPC" dan secara aktif mempromosikan Gabungan dengan teknologi kecerdasan buatan
pembinaan kuasa pengkomputeran AI negara saya juga memasuki tahap tempoh "pembinaan besar"
Sejak Majlis Negeri mengeluarkan "Pelan Pembangunan Kecerdasan Buatan Generasi Baharu" pada 2017, pembinaan kuasa pengkomputeran AI negara saya juga telah memasuki tempoh "pembinaan besar". yang diterajui, diterajui oleh pelaburan korporat, usaha sama kerajaan-perusahaan dan model lain, beberapa infrastruktur kuasa pengkomputeran AI telah diwujudkan Pembinaan pusat mencapai integrasi struktur sumber yang berkesan di peringkat nasional telah mula membina nod hab kuasa pengkomputeran nasional, dan 10 kluster pusat data nasional telah dirancang untuk mempromosikan pengkomputeran intensif, hijau, penjimatan tenaga, selamat dan stabil
Pada masa yang sama, dengan galakan dan sokongan infrastruktur baharu dan dasar lain, kerajaan tempatan juga sedang giat melaksanakan pembinaan pusat pengkomputeran kecerdasan buatan (AIDC) Menurut statistik Timur-Barat, antara Januari 2021 dan Februari 2022, terdapat lebih daripada 20 pusat pengkomputeran kecerdasan buatan yang dirancang, dalam pembinaan dan mula beroperasi di seluruh negara, di mana 8 bandar telah siap dan beroperasi
Kuasa pengkomputeran yang boleh disediakan atau dirancang oleh AIDC di pelbagai tempat secara amnya ialah 100PFLOPS, yang bersamaan dengan kuasa pengkomputeran 50,000 komputer berprestasi tinggi
Sebagai contoh, fasa pertama Wuhan AIDC boleh menyediakan 100PFLOPS kuasa pengkomputeran Dari pelancarannya pada Mei hingga Disember 2021, ia telah menarik lebih daripada 100 syarikat untuk menetap. mengeram lebih daripada 50 jenis penyelesaian berasaskan senario, dengan purata penggunaan kuasa pengkomputeran harian melebihi 90% di Wuhan AIDC Dengan penggunaan kuasa pengkomputerannya menghampiri tepu, ia menyelesaikan projek pengembangan fasa kedua pada penghujung 2021, yang boleh menyediakan. kuasa pengkomputeran sebanyak 200PFLOPS, dan sedang merancang projek pengembangan fasa ketiga
dalam perindustrian AI, AI industri dan kerajaan Didorong oleh permintaan seperti tadbir urus pintar, kuasa pengkomputeran AI negara saya berkembang pesat >
Menurut "Laporan Penilaian Pembangunan Kuasa Pengkomputeran Kecerdasan Buatan China 2022-2023" yang dikeluarkan bersama oleh IDC dan Inspur Information, kuasa pengkomputeran AI China terus berkembang Mengekalkan pertumbuhan pesat, skala kuasa pengkomputeran pintar akan mencapai 268 exaflop sesaat (EFLOPS) pada 2022, melebihi skala kuasa pengkomputeran am Dijangka kadar pertumbuhan kompaun tahunan skala kuasa pengkomputeran pintar China akan mencapai 268 bilion dalam tempoh lima tahun akan datang, manakala kadar pertumbuhan kompaun skala kuasa pengkomputeran am dalam tempoh yang sama ialah 18.5%. Pembinaan kuasa pengkomputeran AI masih menghadapi cabaran Pada masa ini, pembinaan kuasa pengkomputeran AI masih di peringkat awal penerokaan, dengan masalah seperti piawaian pembinaan yang tidak konsisten dan industri yang mengelirukan penentuan harga. Masalah-masalah ini menjadi penghalang kepada pembangunan platform baharu ini. Dalam kertas putih "Penyelidikan Pembangunan Infrastruktur Pengkomputeran Kecerdasan Buatan Generasi Baharu", Pusat Penyelidikan Pembangunan Keselamatan Maklumat Industri Nasional telah menyelesaikan empat isu dalam pembinaan infrastruktur pengkomputeran AI: pembinaan sistem peringkat atasan negara dan sistem standard Masih tiada keseragaman cip AI Domestik dan teknologi perisian dan perkakasan lain masih tertakluk kepada sekatan asing Pusat pengkomputeran pintar besar menghadapi pertindihan pembinaan dan penggunaan tenaga yang tinggi untuk menampung keperluan senario aplikasi yang berbeza.Mengambil piawaian harga yang huru-hara dalam industri sebagai contoh, Huang Peng, timbalan ketua jurutera Pusat Penyelidikan Pembangunan Keselamatan Maklumat Industri Kebangsaan dan pengarah Institut Dasar Maklumat, menegaskan bahawa pelaburan pembinaan dua pusat pengkomputeran pintar dengan fungsi yang serupa dan skala yang serupa berbeza lebih daripada 6 kali ganda.
Dari perspektif kos pembinaan kuasa pengkomputeran AI, ia boleh dibahagikan kepada infrastruktur seperti kilang, peralatan dan produk seperti pelayan dan cip pengkomputeran, kos pasca operasi dan penyelenggaraan serta bil elektrik.
Dari segi kos infrastruktur, bil elektrik, personel dan lain-lain, mungkin ada perbezaan antara timur dan barat, tetapi perbezaannya tidaklah sampai 6 kali ganda.
Ini juga menunjukkan negara kita masih di peringkat awal pembangunan kuasa pengkomputeran pintar dan masih belum membentuk model piawai.
Huang Peng percaya bahawa pembinaan pusat pengkomputeran pintar boleh merujuk kepada pelan standard harga kuasa pengkomputeran yang dilancarkan oleh Perikatan Inovasi Industri-Akademik-Penyelidikan Artificial Intelligence Akademi Sains China - dalam satu siri storan komprehensif , penggunaan tenaga, pembangunan, penyesuaian, penjadualan data, dsb. Selepas faktor-faktor digantikan ke dalam piawaian algoritma yang jelas, disimpulkan bahawa asas pusat pengkomputeran pintar adalah untuk mempunyai kuasa pengkomputeran berketepatan dua 5P (64-bit), Kuasa pengkomputeran ketepatan tunggal 25P (32-bit), dan kuasa pengkomputeran separuh ketepatan 100P (16-bit) Harga kemudahan adalah kira-kira 100 juta hingga 150 juta yuan.
Huang Peng mencadangkan agar kerajaan tempatan menjalankan penyelidikan dan demonstrasi yang mencukupi sebelum membina platform kuasa pengkomputeran AI untuk mengelakkan "penduaan peringkat rendah pembinaan" dan "tidak sepadan dengan keperluan pembangunan tempatan."
Jika masalah seperti "kekeliruan konsep", "kekeliruan harga" dan "penekanan pada pembinaan berbanding aplikasi" boleh dielakkan melalui penyelidikan dan demonstrasi yang mencukupi, beberapa masalah yang mendalam dalam pembinaan kuasa pengkomputeran AI masih memerlukan keseluruhan rantaian industri Sebagai contoh, perisian AI dan teknologi perkakasan dihadkan oleh negara asing, penggunaan tenaga pusat pengkomputeran AI berskala besar terlalu tinggi, dan kosnya terlalu tinggi, dsb.
Peringkat perusahaan harus meneroka secara aktif penyelidikan dan pembangunan teknologi AI dan inovasi model, terutamanya meningkatkan penyelidikan bebas dan pembangunan teknologi teras seperti cip AI, bekerjasama dengan huluan dan hiliran untuk meningkatkan lekatan rantaian industri dan keserasian ekologi, dan pada masa yang sama mengukuhkan Penyelidikan dan pembangunan platform dan aplikasi perisian seperti algoritma, rangka kerja dan model meletakkan pembangunan teknologi di tangan anda sendiri.
Pelaksanaan senario menggalakkan pembangunan kuasa pengkomputeran AI
Tidak dapat dinafikan bahawa semakin besar kuasa pengkomputeran sesebuah negara, semakin tinggi tahap pembangunan ekonomi.
Terdapat korelasi positif yang ketara antara skala kuasa pengkomputeran dan tahap pembangunan ekonomi di negara-negara di seluruh dunia.
Kedatangan era sambung pintar semua perkara dan pelaksanaan senario pintar AI akan menjana sejumlah besar data yang tidak dapat dibayangkan. Data ini akan merangsang lagi permintaan untuk kuasa pengkomputeran AI.
"Laporan Penilaian Pembangunan Kuasa Pengkomputeran Kecerdasan Buatan China 2022-2023" menunjukkan bahawa lima industri teratas dengan penembusan aplikasi dalam industri kecerdasan buatan China pada tahun 2022 ialah Internet, kewangan, kerajaan, telekomunikasi dan pembuatan.
Berbanding dengan 2021, penembusan AI dalam industri telah meningkat dengan ketara.
Antaranya, industri Internet masih merupakan industri dengan penembusan dan pelaburan tertinggi dalam aplikasi kecerdasan buatan
Penembusan kecerdasan buatan dalam industri kewangan telah meningkat daripada 55% pada tahun 2021 kepada; 62%, dan perkhidmatan pelanggan pintar, Robot fizikal, kedai pintar, pusat akses awan, dll. telah menjadi aplikasi tipikal kecerdasan buatan dalam industri kewangan
Penembusan kecerdasan buatan dalam industri telekomunikasi akan meningkat daripada; 45% hingga 51% pada 2021, dan teknologi kecerdasan buatan akan disepadukan ke dalam pembinaan dan pengoptimuman rangkaian telekomunikasi, dan menyediakan sokongan untuk pembinaan rangkaian pintar generasi akan datang
Penembusan kecerdasan buatan dalam pembuatan industri telah meningkat daripada 40% kepada 45%. Dianggarkan menjelang akhir tahun 2023, 50% daripada rantaian bekalan pembuatan China Pautan akan menggunakan kecerdasan buatan.
Memandangkan penggunaan dan pembangunan teknologi baharu serta senario aplikasi terus meningkat, ia juga telah membawa aliran kuasa yang mantap kepada pembangunan kuasa pengkomputeran AI.
Pertama, model AI awan berkembang dalam arah berskala besar, dan pembinaan infrastruktur kuasa pengkomputeran telah menjadi elemen utama persaingan.
Model besar BERT yang dilancarkan oleh Google pada 2019 mempunyai 340 juta parameter, menggunakan 64 TPU dan berharga AS$15,000 untuk melatih ketepatan sasaran.
Pada 2020, model besar GPT-3 yang dilancarkan oleh OpenAI mempunyai 175 bilion parameter dan kos latihan mencecah AS$12 juta.
Pada tahun 2021, Microsoft dan NVIDIA menggunakan 4,480 GPU untuk melatih model MT-NLG yang besar dengan 530 bilion parameter, dan kos latihannya setinggi AS$85 juta.
Kedua, permintaan untuk kuasa pengkomputeran AI di pinggir semakin meningkat dengan pesat.
Senario aplikasi yang muncul seperti permainan awan dan pemanduan autonomi telah mengemukakan keperluan yang lebih tinggi untuk kelajuan dan magnitud penghantaran data Terminal Edge digunakan antara terminal dan awan untuk membentuk seni bina komunikasi "cloud-edge-end". . Menjadi hala tuju utama pembangunan teknologi masa hadapan.
Permintaan yang semakin meningkat untuk pengkomputeran tepi akan memacu pembangunan kuasa pengkomputeran AI dengan berkesan.
Ketiga, kereta bersambung pintar telah meningkatkan permintaan untuk kuasa pengkomputeran AI.
Kadar penembusan kereta pandu sendiri terus meningkat, dan sistem kawalan pemanduan kereta berkembang ke arah fungsi pintar seperti "interaksi-pengiktirafan-persepsi".
Oleh itu, model AI pemanduan pintar memainkan peranan penting dalam membantu kereta bergerak dari peringkat pemanduan berbantu L1/L2 ke peringkat pemanduan autonomi L3/L4, dan akhirnya merealisasikan fungsi "membuat keputusan pintar dan kawalan masa nyata".
Dengan peningkatan dalam jumlah pelbagai jenis data pemanduan yang perlu dilatih, dan peningkatan permintaan untuk membangunkan model AI pemanduan pintar, permintaan untuk kuasa pengkomputeran AI akan meningkat dengan ketara pada masa hadapan.
Keempat, pembinaan dunia realiti maya memerlukan sokongan kuasa pengkomputeran AI.
Teknologi AI menyediakan pemerkasaan pintar seperti automasi pemodelan dan kaedah interaksi pintar untuk dunia realiti maya, yang dijangka meningkatkan kecekapan pengeluaran kandungan VR dan pengalaman mendalam pengguna.
Keupayaan penyedia kandungan VR untuk mencipta adegan maya dengan pantas dan meningkatkan pengalaman deria pengguna telah merangsang permintaan mereka untuk kuasa pengkomputeran AI.
Kesimpulan
Pusingan baharu revolusi kuasa pengkomputeran semakin pantas.
Sebagai tenaga produktif baharu, kuasa pengkomputeran masih menghadapi banyak cabaran adalah perlu untuk melaksanakan fungsi inklusif kuasa pengkomputeran berpusat dan benar-benar memainkan peranan "elektrik" dan "minyak".
Lagipun, sumber pengkomputeran yang "tersedia, mampu milik dan digunakan dengan baik" ialah infrastruktur sebenar yang mengubah produktiviti.
Atas ialah kandungan terperinci Dalam era 'pembinaan besar', ke manakah kuasa pengkomputeran AI akan pergi?. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!

Alat AI Hot

Undresser.AI Undress
Apl berkuasa AI untuk mencipta foto bogel yang realistik

AI Clothes Remover
Alat AI dalam talian untuk mengeluarkan pakaian daripada foto.

Undress AI Tool
Gambar buka pakaian secara percuma

Clothoff.io
Penyingkiran pakaian AI

AI Hentai Generator
Menjana ai hentai secara percuma.

Artikel Panas

Alat panas

Notepad++7.3.1
Editor kod yang mudah digunakan dan percuma

SublimeText3 versi Cina
Versi Cina, sangat mudah digunakan

Hantar Studio 13.0.1
Persekitaran pembangunan bersepadu PHP yang berkuasa

Dreamweaver CS6
Alat pembangunan web visual

SublimeText3 versi Mac
Perisian penyuntingan kod peringkat Tuhan (SublimeText3)

Topik panas



Laman web ini melaporkan pada 27 Jun bahawa Jianying ialah perisian penyuntingan video yang dibangunkan oleh FaceMeng Technology, anak syarikat ByteDance Ia bergantung pada platform Douyin dan pada asasnya menghasilkan kandungan video pendek untuk pengguna platform tersebut Windows , MacOS dan sistem pengendalian lain. Jianying secara rasmi mengumumkan peningkatan sistem keahliannya dan melancarkan SVIP baharu, yang merangkumi pelbagai teknologi hitam AI, seperti terjemahan pintar, penonjolan pintar, pembungkusan pintar, sintesis manusia digital, dsb. Dari segi harga, yuran bulanan untuk keratan SVIP ialah 79 yuan, yuran tahunan ialah 599 yuan (nota di laman web ini: bersamaan dengan 49.9 yuan sebulan), langganan bulanan berterusan ialah 59 yuan sebulan, dan langganan tahunan berterusan ialah 499 yuan setahun (bersamaan dengan 41.6 yuan sebulan) . Di samping itu, pegawai yang dipotong juga menyatakan bahawa untuk meningkatkan pengalaman pengguna, mereka yang telah melanggan VIP asal

Tingkatkan produktiviti, kecekapan dan ketepatan pembangun dengan menggabungkan penjanaan dipertingkatkan semula dan memori semantik ke dalam pembantu pengekodan AI. Diterjemah daripada EnhancingAICodingAssistantswithContextUsingRAGandSEM-RAG, pengarang JanakiramMSV. Walaupun pembantu pengaturcaraan AI asas secara semulajadi membantu, mereka sering gagal memberikan cadangan kod yang paling relevan dan betul kerana mereka bergantung pada pemahaman umum bahasa perisian dan corak penulisan perisian yang paling biasa. Kod yang dijana oleh pembantu pengekodan ini sesuai untuk menyelesaikan masalah yang mereka bertanggungjawab untuk menyelesaikannya, tetapi selalunya tidak mematuhi piawaian pengekodan, konvensyen dan gaya pasukan individu. Ini selalunya menghasilkan cadangan yang perlu diubah suai atau diperhalusi agar kod itu diterima ke dalam aplikasi

Model Bahasa Besar (LLM) dilatih pada pangkalan data teks yang besar, di mana mereka memperoleh sejumlah besar pengetahuan dunia sebenar. Pengetahuan ini dibenamkan ke dalam parameter mereka dan kemudiannya boleh digunakan apabila diperlukan. Pengetahuan tentang model ini "diperbaharui" pada akhir latihan. Pada akhir pra-latihan, model sebenarnya berhenti belajar. Selaraskan atau perhalusi model untuk mempelajari cara memanfaatkan pengetahuan ini dan bertindak balas dengan lebih semula jadi kepada soalan pengguna. Tetapi kadangkala pengetahuan model tidak mencukupi, dan walaupun model boleh mengakses kandungan luaran melalui RAG, ia dianggap berfaedah untuk menyesuaikan model kepada domain baharu melalui penalaan halus. Penalaan halus ini dilakukan menggunakan input daripada anotasi manusia atau ciptaan LLM lain, di mana model menemui pengetahuan dunia sebenar tambahan dan menyepadukannya

Untuk mengetahui lebih lanjut tentang AIGC, sila layari: 51CTOAI.x Komuniti https://www.51cto.com/aigc/Translator|Jingyan Reviewer|Chonglou berbeza daripada bank soalan tradisional yang boleh dilihat di mana-mana sahaja di Internet memerlukan pemikiran di luar kotak. Model Bahasa Besar (LLM) semakin penting dalam bidang sains data, kecerdasan buatan generatif (GenAI) dan kecerdasan buatan. Algoritma kompleks ini meningkatkan kemahiran manusia dan memacu kecekapan dan inovasi dalam banyak industri, menjadi kunci kepada syarikat untuk kekal berdaya saing. LLM mempunyai pelbagai aplikasi Ia boleh digunakan dalam bidang seperti pemprosesan bahasa semula jadi, penjanaan teks, pengecaman pertuturan dan sistem pengesyoran. Dengan belajar daripada sejumlah besar data, LLM dapat menjana teks

Editor |ScienceAI Question Answering (QA) set data memainkan peranan penting dalam mempromosikan penyelidikan pemprosesan bahasa semula jadi (NLP). Set data QA berkualiti tinggi bukan sahaja boleh digunakan untuk memperhalusi model, tetapi juga menilai dengan berkesan keupayaan model bahasa besar (LLM), terutamanya keupayaan untuk memahami dan menaakul tentang pengetahuan saintifik. Walaupun pada masa ini terdapat banyak set data QA saintifik yang meliputi bidang perubatan, kimia, biologi dan bidang lain, set data ini masih mempunyai beberapa kekurangan. Pertama, borang data adalah agak mudah, kebanyakannya adalah soalan aneka pilihan. Ia mudah dinilai, tetapi mengehadkan julat pemilihan jawapan model dan tidak dapat menguji sepenuhnya keupayaan model untuk menjawab soalan saintifik. Sebaliknya, Soal Jawab terbuka

Pembelajaran mesin ialah cabang penting kecerdasan buatan yang memberikan komputer keupayaan untuk belajar daripada data dan meningkatkan keupayaan mereka tanpa diprogramkan secara eksplisit. Pembelajaran mesin mempunyai pelbagai aplikasi dalam pelbagai bidang, daripada pengecaman imej dan pemprosesan bahasa semula jadi kepada sistem pengesyoran dan pengesanan penipuan, dan ia mengubah cara hidup kita. Terdapat banyak kaedah dan teori yang berbeza dalam bidang pembelajaran mesin, antaranya lima kaedah yang paling berpengaruh dipanggil "Lima Sekolah Pembelajaran Mesin". Lima sekolah utama ialah sekolah simbolik, sekolah sambungan, sekolah evolusi, sekolah Bayesian dan sekolah analogi. 1. Simbolisme, juga dikenali sebagai simbolisme, menekankan penggunaan simbol untuk penaakulan logik dan ekspresi pengetahuan. Aliran pemikiran ini percaya bahawa pembelajaran adalah proses penolakan terbalik, melalui sedia ada

Editor |. Kulit Lobak Sejak pengeluaran AlphaFold2 yang berkuasa pada tahun 2021, saintis telah menggunakan model ramalan struktur protein untuk memetakan pelbagai struktur protein dalam sel, menemui ubat dan melukis "peta kosmik" setiap interaksi protein yang diketahui. Baru-baru ini, Google DeepMind mengeluarkan model AlphaFold3, yang boleh melakukan ramalan struktur bersama untuk kompleks termasuk protein, asid nukleik, molekul kecil, ion dan sisa yang diubah suai. Ketepatan AlphaFold3 telah dipertingkatkan dengan ketara berbanding dengan banyak alat khusus pada masa lalu (interaksi protein-ligan, interaksi asid protein-nukleik, ramalan antibodi-antigen). Ini menunjukkan bahawa dalam satu rangka kerja pembelajaran mendalam yang bersatu, adalah mungkin untuk dicapai

Editor |. KX Dalam bidang penyelidikan dan pembangunan ubat, meramalkan pertalian pengikatan protein dan ligan dengan tepat dan berkesan adalah penting untuk pemeriksaan dan pengoptimuman ubat. Walau bagaimanapun, kajian semasa tidak mengambil kira peranan penting maklumat permukaan molekul dalam interaksi protein-ligan. Berdasarkan ini, penyelidik dari Universiti Xiamen mencadangkan rangka kerja pengekstrakan ciri berbilang mod (MFE) novel, yang buat pertama kalinya menggabungkan maklumat mengenai permukaan protein, struktur dan jujukan 3D, dan menggunakan mekanisme perhatian silang untuk membandingkan ciri modaliti yang berbeza penjajaran. Keputusan eksperimen menunjukkan bahawa kaedah ini mencapai prestasi terkini dalam meramalkan pertalian mengikat protein-ligan. Tambahan pula, kajian ablasi menunjukkan keberkesanan dan keperluan maklumat permukaan protein dan penjajaran ciri multimodal dalam rangka kerja ini. Penyelidikan berkaitan bermula dengan "S
