AI etika aistringai kovoja už jūsų teisėtą teisę būti išimtimi

Jie sako, kad kiekviena taisyklė turi išimtį.

Tačiau problema yra ta, kad dažnai vyrauja nuolatinė taisyklė, o išimtis pripažįstama arba neįtraukiama arba jos nėra. Vidutinė raidė naudojama nepaisant didelės tikimybės, kad yra išimtis. Išimtis negauna jokio eterio laiko. Ji neturi galimybės būti tinkamai įvertinta.

Esu tikras, kad tu turi žinoti, apie ką aš kalbu.

Ar kada nors bandėte gauti individualų klientų aptarnavimą, kai su jumis buvo elgiamasi be proto, neatsižvelgiant į jūsų konkretų atvejį ir konkrečius poreikius?

Tai neabejotinai nutiko jums, tikriausiai daugybę kartų.

Papasakosiu jums apie nerimą keliančią tendenciją, kaip dirbtinis intelektas (AI) yra nuolat kuriamas taip, kad viską sutalpintų į universalią paradigmą.

Išimtys arba neaptinkamos, arba pasirenkamos išlenktos iš formos, tarsi jos nebūtų išimtys. Tai iš dalies paskatino mašininio mokymosi (ML) ir giluminio mokymosi (DL) atsiradimas. Kaip netrukus pamatysite, ML/DL yra skaičiavimo modelių derinimo forma, kurią „lengviau“ sukurti ir įdiegti, jei norite ignoruoti išimtis arba apsieiti nuo jų. Tai labai problematiška ir kelia rimtų AI etikos problemų. Daugiau informacijos apie AI etiką ir etišką DI žr nuoroda čia ir nuoroda čia, Tik pavadinimas kelias.

Viskas nebūtinai turi būti taip ir žinokite, kad tai skatina tie, kurie kuria ir diegia dirbtinį intelektą, pasirinkdami ignoruoti arba sumenkinti išimčių tvarkymą savo AI sumanymuose.

Kai galioja išimtys

Pirmiausia išsiaiškinkime vidutinio atvejo pobūdį ir išimčių suvokimą.

Mėgstamiausias šio tipo šunų apgaudinėjimo arba trumparegystės be išimčių metodo pavyzdys yra ryškiai nušviestas beveik bet kurioje pripažinto ir vis dar nepaprastai populiaraus TV serialo, žinomo kaip House, MD (paprastai tiesiog išreiškiama kaip namas, kuris vyko 2004–2012 m. ir šiandien jį galima peržiūrėti socialiniuose tinkluose ir kitose žiniasklaidos priemonėse). Spektaklyje dalyvavo išgalvotas veikėjas, vardu daktaras Gregory'is Hausas, kuris buvo šiurkštus, nepakenčiamas ir gana neįprastas, tačiau jis buvo vaizduojamas kaip medicinos genijus, galintis išsklaidyti pačias neaiškiausias ligas ir negalavimus. Kitiems gydytojams ir net pacientams jis nebūtinai patiko, bet jis padarė savo darbą.

Štai kaip pasirodė tipiškas epizodas (bendras spoilerio įspėjimas!).

Ligoninėje, kurioje dirba daktaras Hausas, pasirodo pacientas. Iš pradžių pacientui būdingi gana įprasti simptomai, o kiti gydytojai paeiliui bando diagnozuoti ir išgydyti pacientą. Keista tai, kad bandymai padėti pacientui arba nepagerina nepalankių sąlygų, arba, dar blogiau, linkę atsigauti. Pacientas blogėja ir blogėja.

Kadangi į pacientą dabar žiūrima kaip į savotišką medicininį smalsumą, ir kadangi niekas kitas negali suprasti, kuo pacientas kenčia, į bylą įtraukiamas daktaras Hausas. Kartais tai daroma tyčia, kad pasinaudotų jo medicininiais sugebėjimais, o kitais atvejais jis išgirsta apie atvejį, o įgimti instinktai jį traukia prie neįprastų aplinkybių.

Palaipsniui išsiaiškiname, kad pacientas serga itin reta liga. Tik daktaras Hausas ir jo medicinos praktikantų komanda gali tai išsiaiškinti.

Dabar, kai pasidalinau su jumis pagrindine epizodų siužeto linija, pasinerkime į išmoktas pamokas, kurios iliustruoja vidutinių atvejų ir išimčių pobūdį.

Išgalvotos istorijos skirtos parodyti, kaip mąstymas viduje gali kartais labai nepastebėti. Visi kiti gydytojai, kurie iš pradžių bando padėti pacientui, yra migloti savo mąstymo procesuose. Jie nori priversti simptomus ir pateiktus aspektus į įprastinę medicininę diagnozę. Pacientas yra tik vienas iš daugelio, kuriuos jie tikriausiai matė anksčiau. Ištirkite pacientą ir paskirkite tuos pačius gydymo būdus ir medicininius sprendimus, kuriuos jis ne kartą naudojo per visą savo medicinos karjerą.

Nuplaukite, nuplaukite, pakartokite.

Tam tikra prasme galite pateisinti šį požiūrį. Tikėtina, kad dauguma pacientų turės dažniausiai pasitaikančių negalavimų. Diena po dienos šie gydytojai susiduria su tomis pačiomis medicininėmis problemomis. Galite manyti, kad pacientai, patenkantys į ligoninę, tikrai yra medicinos surinkimo linijoje. Kiekvienas iš jų teka pagal ligoninės standartizuotus protokolus, tarsi jie būtų gamybos įrenginio ar surinkimo gamyklos dalis.

Vyrauja vidutinis atvejis. Tai ne tik apskritai tinka, bet ir leidžia ligoninei bei medicinos personalui atitinkamai optimizuoti savo medicinos paslaugas. Išlaidos gali būti sumažintos, kai parengsite medicininius procesus, kad galėtumėte tvarkyti vidutinį atvejį. Medicinos studentams dažnai įstrigo gana garsus patarimas: jei girdite kanopų garsus, sklindančius iš gatvės, greičiausiai turėtumėte galvoti apie arklį, o ne apie zebrą.

Efektyvus, produktyvus, efektyvus.

Kol išimtis neįsiskverbia į vidurį.

Galbūt zebras iš zoologijos sodo pabėgo ir nuklydo tavo gatve.

Ar tai reiškia, kad išimtys turi būti taisyklė ir mes turėtume atsisakyti vidutinio atvejo taisyklės, užuot sutelkę dėmesį tik į išimtis?

Jums būtų sunku teigti, kad visi mūsų kasdieniai susitikimai ir paslaugos turėtų būti orientuoti į išimtis, o ne į vidutinį atvejį.

Atkreipkite dėmesį, kad aš neteikiu tokio pasiūlymo. Aš tvirtinu, kad turėtume užtikrinti, kad būtų leista išimčių ir kad turime pripažinti, kada atsiranda išimčių. Paminėju tai, nes kai kurie žinovai linkę garsiai skelbti, kad jei esate išimčių pripažinimo šalininkas, turite prieštarauti tam, kad sugalvotumėte vidutinį atvejį.

Tai klaidinga dichotomija.

Neapsirik.

Mes taip pat galime valgyti savo pyragą ir valgyti.

Teisės būti išimtimi pagrindimas

Galbūt vėliau pateiksiu šiokį tokį šoką, susijusį su augančiu AI naudojimu.

Dirbtinio intelekto sistemos vis dažniau kuriamos taip, kad būtų sutelktas dėmesys į vidutinį atvejį, dažnai atmetus išimčių pripažinimą arba jų nenaudai.

Galbūt nustebsite sužinoję, kad tai vyksta. Daugelis iš mūsų manytų, kad dirbtinis intelektas yra kompiuterių automatizavimo forma, todėl automatizavimo grožis yra tas, kad paprastai galite įtraukti išimtis. Paprastai tai galima padaryti už mažesnę kainą nei tuo atveju, jei panašiai paslaugai atlikti naudotumėte žmonių darbą. Naudojant žmonių darbą, gali būti brangu arba pernelyg brangu turėti visų rūšių darbo jėgos, galinčios susidoroti su išimtimis. Daug lengviau tvarkyti ir sutvarkyti dalykus, jei galite manyti, kad visi jūsų klientai yra vidutinio lygio. Tačiau kompiuterizuotų sistemų naudojimas turėtų prisitaikyti prie išimčių. Taip mąstydami turėtume audringai džiaugtis, kad į priekį atsirastų daugiau kompiuterizuotų galimybių.

Apsvarstykite tai kaip nerimą keliančią mįslę ir skirkite šiek tiek laiko apmąstyti šį varginantį klausimą: Kaip gali dirbtinis intelektas, kuris, kaip manoma, yra geriausia automatizavimo priemonė, atrodytų, nenumaldomai žygiuoja įprastu ir išskirtiniu keliu, kurį ironiškai ar netikėtai įsivaizdavome, kad eis visiškai priešinga kryptimi?

Atsakymas: Vis dėlto mašininis mokymasis ir gilusis mokymasis mus veda į išskirtinį egzistavimą ne nes privalome eiti tuo keliu (galime geriau).

Išpakuosime tai.

Tarkime, kad nusprendžiame naudoti mašininį mokymąsi, kad sukurtume AI, kuris bus naudojamas medicininėms diagnozėms nustatyti. Renkame daugybę istorinių duomenų apie pacientus ir jų sveikatos būklę. Mūsų nustatytas ML / DL bando atlikti skaičiavimo modelio atitikimą, kuris ištirs pacientų simptomus ir pateiks numatomą su tais simptomais susijusį negalavimą.

Remiantis gautais duomenimis, ML/DL matematiškai nustato simptomus, tokius kaip sloga, gerklės skausmas, galvos skausmas ir skausmai, kurie yra labai susiję su peršalimu. Ligoninė pasirenka naudoti šį AI atlikdama išankstinę pacientų patikrą. Žinoma, pacientams, kurie pirmą kartą atvykę į ligoninę praneša apie šiuos simptomus, „diagnozuojama“, kad jie gali sirgti peršalimu.

Pavarų perjungimas, pridėkime prie viso to Dr. House tipo posūkio.

Pacientas atvyksta į ligoninę ir jam diagnozuoja AI. AI rodo, kad pacientas yra peršalęs, remiantis slogos, gerklės ir galvos skausmo simptomais. Pacientui pateikiami iš pažiūros tinkami receptai ir medicinos patarimai, kaip susidoroti su peršalimu. Visa tai yra neatsiejama vidutinio atvejo metodo, naudojamo kuriant AI, dalis.

Pasirodo, kad pacientas šiuos simptomus jaučia kelis mėnesius. Retų ligų ir maisto produktų ekspertas supranta, kad tie patys simptomai gali atspindėti smegenų skysčio (CSF) nutekėjimą. Ekspertas gydo pacientą įvairiomis chirurginėmis procedūromis, susijusiomis su tokiais nutekėjimais. Pacientas pasveiksta (beje, ši nuostabi istorija apie pacientą, kuriam nutekėjo smegenų skystis, kuriam iš pradžių buvo diagnozuotas peršalimas, yra laisvai pagrįsta tikra medicinine byla).

Dabar mes sugrąžinsime savo žingsnius šioje medicinos sagoje.

Kodėl AI, kuri atliko išankstinę patikrą, negalėjo įvertinti, ar pacientas gali sirgti šiuo retu negalavimu?

Vienas atsakymas yra tas, kad jei mokymo duomenyse, kurie buvo naudojami kuriant ML / DL, nebūtų tokių atvejų, juose nebūtų nieko, ką būtų galima pritaikyti skaičiavimo modelio atitikčiai. Kadangi nėra duomenų apie taisyklės išimtis, pati bendroji taisyklė arba vidutinis atvejis bus laikomas iš pažiūros nepriekaištingu ir taikomas be jokių dvejonių.

Kita galimybė yra ta, kad, tarkime, istoriniuose duomenyse buvo šio reto CSF ​​nutekėjimo atvejis, tačiau tai buvo tik vienas konkretus atvejis ir ta prasme buvo išskirtinis. Likę duomenys buvo matematiškai artimi nustatytam vidutiniam atvejui. Tada kyla klausimas, ką daryti su vadinamuoju išskirtiniu rodikliu.

Atkreipkite dėmesį, kad šių nukrypimų sprendimas yra labai skirtingas dalykas, atsižvelgiant į tai, kaip AI kūrėjai gali nuspręsti kovoti su kažkuo, nesusijusio su nustatyto vidutinio atvejo, atsiradimu. Nėra reikalingo požiūrio, kurio AI kūrėjai būtų priversti laikytis. Tai, ką konkretus AI kūrėjas gali padaryti bet kuriuo konkrečiu išimčių keliančiu savo ML/DL kūrimo pastangų atveju, yra laukiniai vakarai.

Štai mano sąrašas būdų, kaip dažnai pasitaiko šios išimtys netinkamai tvarkoma:

• Išimtis laikoma klaida
• Išimtis laikoma neverta
• Manoma, kad išimtis yra reguliuojama „normoje“
• Išimtis visai nepastebėta
• Išimtis pastebėta, bet apskritai ignoruojama
• Išimtis pastebėta, o vėliau pamiršta
• Išimtis pastebėta ir paslėpta nuo akių
• Ir tt

AI kūrėjas gali nuspręsti, kad retenybė yra ne kas kita, kaip duomenų klaida. Tai gali atrodyti keista, kad kas nors taip galvotų, ypač jei bandote tai humanizuoti, pavyzdžiui, įsivaizduodami, kad pacientas, kurio CSF ​​nutekėjo, yra tas vienintelis atvejis. Tačiau yra didžiulė pagunda, kad jei visi jūsų ne konteksto duomenys sako iš esmės vieną dalyką, galbūt susidedantį iš tūkstančių ir tūkstančių įrašų, ir jie visi susilieja į vidutinį atvejį, gali atsirasti vienas keistas duomenų fragmentas. lengvai (tingiai!) būti suprantama kaip tiesioginė klaida. Tada dirbtinio intelekto kūrėjas gali atmesti „klaidą“ ir neatsižvelgti į tai, kas yra apmokoma ML / DL.

Kitas būdas susidoroti su išimtimi būtų nuspręsti, kad tai nevertas reikalas. Kam nerimauti dėl vienos retenybės, kai galbūt skubate sukurti ir paleisti ML/DL? Išmeskite skirtumą ir judėkite toliau. Jokia mintis nebūtinai nekelia pasekmių.

Dar kitas metodas apima išimties įtraukimą į likusią vidutinės atvejo aplinką. AI kūrėjas modifikuoja duomenis, kad atitiktų likusią normą. Taip pat yra tikimybė, kad AI kūrėjas gali nepastebėti, kad yra išimtis.

ML / DL gali pranešti, kad buvo aptikta išimtis, o tada dirbtinio intelekto kūrėjas turėtų nurodyti ML / DL, kaip matematiškai tvarkyti nuokrypį. AI kūrėjas gali įtraukti tai į užduočių sąrašą ir vėliau pamiršti apie tai, kaip su tuo susidoroti, arba tiesiog nuspręsti to nepaisyti ir pan.

Apskritai, dirbtinio intelekto išimčių aptikimas ir sprendimas yra be jokio konkrečiai nustatyto ar įtikinamai subalansuoto ir pagrįsto požiūrio per se. Išimtys dažnai traktuojamos kaip neverti atstumtieji, o vidutinis atvejis yra nugalėtojas. Susitvarkyti su išimtimis yra sunku, gali prireikti daug laiko, reikia pamanių dirbtinio intelekto kūrimo įgūdžių, o kitu atveju tai yra vargas, palyginti su daiktų sujungimu į dailų vieno dydžio peteliškės paketą.

Tam tikru mastu AI etika ir etinis AI yra tokia svarbi tema. Dirbtinio intelekto etikos nuostatos verčia mus išlikti budriems. AI technologai kartais gali būti susirūpinę technologijomis, ypač aukštųjų technologijų optimizavimu. Jie nebūtinai atsižvelgia į didesnius visuomenės padarinius.

Be AI etikos nuostatų taikymo apskritai, kyla atitinkamas klausimas, ar turėtume turėti įstatymus, reglamentuojančius įvairius AI naudojimą. Federaliniu, valstijos ir vietiniu lygmenimis rengiami nauji įstatymai, susiję su DI kūrimo įvairove ir pobūdžiu. Pastangos rengti ir priimti tokius įstatymus vyksta laipsniškai.

Į šią konkrečią diskusiją apie išimčių vaidmenį atsiranda provokuojantis požiūris, kad galbūt turėtų būti teisinė teisė, susijusi su buvimu išimtimi. Gali būti, kad vienintelė perspektyvi priemonė gauti bona fide pripažinimą asmeniui, kuris galbūt yra išimtis, yra naudoti ilgą įstatymo ranką.

Įdiekite naujos rūšies žmogaus teises.

Teisė būti laikoma išimtimi.

Apsvarstykite šį pasiūlymą: „Teisė būti išimtimi nereiškia, kad kiekvienas asmuo is išimtis, tačiau tais atvejais, kai sprendimas gali pakenkti sprendimo subjektui, sprendimą priimantis asmuo turėtų apsvarstyti galimybę, kad subjektas Gegužė būti išimtimi. Teisė būti išimtimi apima tris sudedamąsias dalis: pakenkti, individualizavimasir neapibrėžtumas. Sprendimą priimantis asmuo turi nuspręsti padaryti žalą tik tada, kai apsvarsto, ar sprendimas yra tinkamai individualizuotas, ir, svarbiausia, neapibrėžtumą, kuris yra susijęs su sprendimo duomenimis pagrįstu komponentu. Kuo didesnė žalos rizika, tuo rimtesnis svarstymas“ (Sarah Cen moksliniame darbe pavadinimu Teisė būti išimtimi priimant duomenimis pagrįstus sprendimus, MIT, 12 m. balandžio 2022 d.).

Jums gali kilti pagunda manyti, kad mes jau turime tokią teisę.

Nebūtinai. Remiantis tyrimo straipsniu, artimiausia tarptautiniu mastu pripažinta žmogaus teisė gali būti asmens orumas. Teoriškai mintis, kad turi būti pripažintas orumas, kad asmuo ir jo specifinis unikalumas turėtų būti aprėptas, patenka į galimos žmogaus teisės išimties lauką. Viena keblumų ta, kad esami įstatymai, reglamentuojantys orumo sritį, yra šiek tiek migloti ir pernelyg lankstūs, todėl nėra gerai suderinti su konkrečia teisine išimties teisės konstrukcija.

Tie, kurie pritaria naujai teisei, kurią sudaro žmogaus teisė būti išimtimi, tvirtintų, kad:

• Tokia teisė beveik teisiškai priverstų dirbtinio intelekto kūrėjus aiškiai susidoroti su išimtimis
• Įmonės, gaminančios dirbtinį intelektą, teisiškai labiau užkliūtų, kad nesusitvarkytų su išimtimis
• AI greičiausiai būtų geriau subalansuotas ir apskritai tvirtesnis
• Geriau būtų tiems, kurie naudoja dirbtinį intelektą arba kuriems taikomas DI
• Kai dirbtinis intelektas netaiko išimčių, būtų nesunku kreiptis į teismą
• AI kūrėjams taip pat bus geriau (jų AI apimtų platesnį vartotojų ratą)
• Ir tt

Tie, kurie nepritaria naujai žmogaus teisei būti išimtimi, linkę sakyti:

• Esamos žmogaus teisės ir įstatyminės teisės tai pakankamai apima ir nereikia komplikuoti reikalų
• Ant AI kūrėjų pečių būtų užkrauta pernelyg didelė našta
• Pastangos kurti DI taptų brangesnės ir linkusios sulėtinti AI pažangą
• Atsirastų klaidingi lūkesčiai, kad visi reikalautų būti išimtimi
• Pati teisė neabejotinai būtų skirtingai interpretuojama
• Daugiausiai naudos gaus teisininko profesija, kai teisinės bylos išaugs
• Ir tt

Trumpai tariant, opozicija tokiai naujai teisei paprastai tvirtina, kad tai yra nulinės sumos žaidimas ir kad teisėta teisė būti išimtimi kainuos daugiau, nei ji naudinga. Tie, kurie mano, kad tokia nauja teisė yra pagrįstai reikalinga, gali pabrėžti, kad tai nėra nulinės sumos žaidimas ir kad galiausiai naudos gauna visi, įskaitant tuos, kurie kuria AI, ir tuos, kurie naudoja AI.

Galite būti tikri, kad šios diskusijos, apimančios teisines, etines ir visuomenines su AI ir išimtimis susijusias pasekmes, bus garsios ir atkaklios.

Savarankiški automobiliai ir išimčių svarba

Apsvarstykite, kaip tai taikoma autonominėms sistemoms, pvz., autonominėms transporto priemonėms ir savarankiškai važiuojantiems automobiliams. Jau buvo sulaukta įvairios kritikos dėl vidutinio mąstymo, skirto dirbtinio intelekto kūrimui savarankiškai važiuojantiems automobiliams ir autonominėms transporto priemonėms.

Pavyzdžiui, iš pradžių labai nedaug savarankiškai vairuojančių automobilių buvo pritaikyti tiems, kurie turi tam tikrą fizinę negalią ar negalią. Nebuvo daug galvojama apie platesnį visų motociklininkų poreikių spektrą. Apskritai šis sąmoningumas išaugo, nors vis dar nerimaujama, ar tai pakankamai toli ir ar taip plačiai taikoma.

Kitas vidutinio atvejo ir išimties pavyzdys yra susijęs su tuo, kas gali jus užklupti.

Ar jūs pasiruošę?

Daugelio šių dienų dirbtinio intelekto vairavimo sistemų ir savarankiškai vairuojančių automobilių dizainas ir diegimas paprastai daro tylią ar neišsakytą prielaidą, kad suaugusieji važiuos savarankiškai vairuojančiu automobiliu. Žinome, kad kai prie vairo sėdi žmogus, transporto priemonėje, be abejo, yra suaugęs žmogus, nes paprastai vairuotojo pažymėjimo gavimas grindžiamas tuo, kad jis yra suaugęs (na, arba beveik vienas). Savarankiškai vairuojantiems automobiliams, kuriuose visą vairavimą atlieka dirbtinis intelektas, suaugusiojo dalyvauti nereikia.

Esmė ta, kad vaikai gali važinėti automobiliais patys, nedalyvaujant suaugusiems, bent jau tai įmanoma visiškai autonominių dirbtinio intelekto varomų savarankiškai važiuojančių automobilių atveju. Jūs galite išleisti savo vaikus į mokyklą ryte, naudodamiesi savaeigiu automobiliu. Užuot turėję kelti savo vaikus ar naudotis pavėžėjimo paslaugos vairuotoju, galite tiesiog priversti vaikus sukrauti į savarankiškai važiuojantį automobilį ir būti nuvežti į mokyklą.

Ne viskas yra rožinė, kai kalbama apie tai, kad vaikai patys važiuoja savarankiškai.

Kadangi transporto priemonėje nebereikia važiuoti suaugusiojo, tai reiškia, kad vaikai taip pat nebesijaus paveikti arba, sakytume, kontroliuojami suaugusiojo buvimo. Ar vaikai išprotės ir suplėšys savarankiškai važiuojančių automobilių saloną? Ar vaikai bandys lipti ar pasiekti už savaeigio automobilio langų? Kokių kitų išdaigų jie gali padaryti, galinčių susižaloti ir smarkiai pakenkti?

Aprėpiau karštas diskusijas apie idėją, kad vaikai vieni važinėtų savarankiškai važiuojančiais automobiliais, žr nuoroda čia. Kai kurie sako, kad tai niekada neturėtų būti leidžiama. Kai kurie sako, kad tai neišvengiama, ir mes turime išsiaiškinti, kaip geriausiai tai padaryti.

Išvada

Grįžkime prie pagrindinės temos – vidutinis atvejis ir išimtis.

Atrodo, kad visi sutinkame, kad visada bus tam tikra taisyklės išimtis. Kai taisyklė bus suformuota arba identifikuota, turėtume ieškoti išimčių. Kai susiduriame su išimtimis, turėtume pagalvoti, kuriai taisyklei ši išimtis gali būti taikoma.

Daugelis šiandien kuriamų dirbtinio intelekto modelių yra suformuoti atsižvelgiant į taisyklę, o iššūkiai, susiję su išimtimis, dažniausiai atsisakoma ir atmetami.

Tiems, kurie mėgsta būti šmaikštūs ir sako, kad taisyklėje nėra išimčių, kad visada yra taisyklės išimčių, pripažinčiau, kad šis šmaikštumas atrodo kaip galvosūkis. Būtent, kaip mes galime turėti taisyklę, kad visada yra išimčių, bet tada atrodo, kad ši taisyklė negalioja taisyklei, kad visada yra išimčių?

Verčia sukti galvą.

Laimei, nereikia pernelyg komplikuoti šių blaivių dalykų. Tikimės, kad galime gyventi vadovaudamiesi patogia ir gyvybiškai svarbia nykščio taisykle, kurios turėtume stebėti ir pritaikyti kiekvienos taisyklės išimtis.

Tai išsprendžia reikalus, todėl dabar pradėkime tai dirbti.