به نام خداوند بخشنده ی مهربان

1

هوش مصنوعی

Artificial Intelligence

2

By M. Joudaki

هوش مصنوعی

منابع و مراجعهوش مصنوعی

نویسندگان: استوارت. جی راسل و پیتر نورویگمترجمان: سعید راحتی، محمد بهداد، حمید تیموری

روی وبالگArtificial Intelligence A Modern ApproachStuart J. Russell and Peter Norvig

Artificial IntelligenceElaine Rich

3

هوش مصنوعی

ارزیابیامتحان میان ترمپروژهتمرینامتحان پایان ترمجزییات بیشتر در آینده

ارتباط من با شماکالس درس وبالگ درسhttp://mylectures.blogfa.com

ارتباط شما با من پست الکترونیک درسmylectures.iaud@gmail.com

4

نکات قابل توجه در کالس درس

حضور به موقعحضور منحضور شماعواقب

خاموش کردن تلفن همراهعواقب

رعایت احترام

5

فصل اول

معرفی

6

مقدمه

،نام علمی انسانHomo Sapiens به معنای انسان خردمند

:تالش بشر برای فهمیدنفکر کردنحس کردنپیش بینی کردنکنترل محیط اطراف

هوش مصنوعی : همه کارهای باال، فراتر رفتن و ساختنموجودات هوشمند

7

هوش مصنوعی ؟

سیستم عقالنی” را انجام دهد.کار درستسیستم بر اساس دانسته هایش “

تعاریفی در مورد هوش مصنوعیفکر و استداللتفکر انسانعملکرد انسانمفهوم ایده آل هوشمندی

8

هوش مصنوعی ؟

تفکر خردمندانهتفکر انسان گونه

رفتار خردمندانهرفتار انسان گونه

فکر و استداللل

آده

ایمهو

مفی

ندشم

هو

نسا

عملکرد ان

رفتار

9

هوش مصنوعی)عملکرد انسان گونه(

(آزمون تورینگTuring Test 1950)

10

هوش مصنوعی)عملکرد انسان گونه( )ادامه...(

(آزمون تورینگTuring Test)(پردازش زبان طبیعیNatural Language Processing)(بازنمایی دانشKnowledge Representation)(استدالل خودکارAutomated Reasoning)(یادگیری ماشینMachine Learning)

(آزمون جامع تورینگTotal Turing Test)همه موارد باال(بینایی کامپیوترComputer Vision)(علم رباتیکRobotic)

11

هوش مصنوعی)تفکر انسان گونه(

انسان چگونه فکر میکند؟.درونگری: ثبت افکار در حالی که می گذرندروانشناسی

(علم شناختCognitive Modeling) مدل های کامپیوتری هوش مصنوعی + فنون تجربی

طرز کار ذهن← روانشناسی مثالGPS (Global Problem Solver ) آلن نیوول - هربرت

سیمون

12

هوش مصنوعی)تفکر خردمندانه(

نتیجه درست ←ارسطو ، قیاس صوری: فرض درست A is B and B is C → A is C(منطقLogic) امید به پیدا کردن برنامه های اصطالحا منطق گرا در زمینه هوش

مصنوعی و در نتیجه خلق سیستم های هوشمند.دو تا مشکل؟

بیان دانش غیر رسمی با استفاده از کلمات رسمی نظام عالمتگذاری منطق کار آسانی نیست.

بین توانایی حل یک مساله از دیدگاه نظری و انجام این کار در عملتفاوت بسیار زیادی وجود دارد.

مسائل مهار نشدنی - عدم توقف برنامه ؟؟؟

13

هوش مصنوعی)عملکرد خردمندانه(

(عاملAgent.هر چیزی که کاری را انجام می دهد :)

فرق عامل ها با برنامه های کامپیوتری معمولیعمل با کنترل خودمختاردرک محیطاستمرار در طول زمانانطباق با تغییراتتوانایی پیگیری هدف یک عامل دیگر

عامل عقالنی رسیدن به بهترین نتیجه و در صورت عدم قطعیت پیدا کردن

بهترین نتیجه ممکن

14

هوش مصنوعی)عملکرد خردمندانه( )ادامه...(

عقالنیت: استنتاج صحیح + اقدام

مواقعی که هیچ کار صحیح قابل اثباتی وجود ندارد ولیاقدامی باید صورت گیرد.

اجاق گاز، عمل واکنشی، عدم استدالل، نتیجه بهتر از تفکر

:مطالعه هوش مصنوعی از این دیدگاه دو مزیت داردبسیار کلی تر از تفکر خردمندانه، به دلیل داشتن عقالنیت نسبت به رفتار و تفکر انسان بسیار بیشتر تابع پیشرفت علمی

است.استاندارد عقالنیت به وضوح تعریف شده است.وابستگی رفتار انسان به محیط خاص.نقش فرایند تکامل در شکل گیری رفتار

15

علوم مرتبط و مبانی هوش مصنوعی

هوش مصنوعی، دانشی میان رشته ای

)...مطالعه بیشتر )کتاب و منابع مطالعاتی

16

فصل دوم

عامل های هوشمند

17

رئوس مطالب

عامل ها و محیط ها

(عقالنیت Rationality)

معیار کارآیی، محیط، عمل کننده ها، حسگرهاPEAS

انواع محیط

انواع عامل

18

عامل ها و محیط ها

عامل: انسان، ربات، عامل نرم افزاری، ترموستات و غیره

(تابع عاملagent function رشته ادراکات را به یک اقدام :)نگاشت می کند.

(برنامه عاملagent program بر روی یک معماری :) در حال اجرا است.fفیزیکی برای تولید

19

دنیای جارو برقی

(ادراکاتpercepts :موقعیت و محتوا. مثال :)[A, Dirty]

:اقدامLeft, Right, Suck, NoOp

20

یک عامل جارو برقی

عامل های ←مقادیر متفاوت در ستون سمت راست مختلف.

عامل خوب یا بد و یا احمق ؟؟؟ 21

عقالنیت

.عامل عقالنی: عاملی که کار درست انجام می دهد

کار درست: اقدامی است که باعث می شود عامل موفقترین باشد.

معیار موفقیت؟

.معیار کارایی میزان موفقیت یک عامل را نشان می دهد

.معیار موفقیت برای همه عامل ها ثابت نیست در زمانT.به ازای هر مربع که تمیز می شود یک امتیاز داده شود امتیاز مثبت برای هر مربع که تمیز می شود و امتیاز منفی برای

تولید سروصدا و مصرف برق..امتیاز منفی برای مربع های کثیف

عامل عقالنی بر اساس شواهد حاصل از رشته ادراکات ودانش درونی خود، اقدامی را انتخاب می کند که مقدار

معیار کارایی مورد انتظار را افزایش دهد.

22

عقالنیت)ادامه...(

عقالنیت ≠ همه چیز دانی.ادراکات همه ی اطالعات مرتبط را فراهم نمی کنند عقالنیت کارایی مورد انتظار را بیشینه می کند، در حالی که کمال

کارایی واقعی را .محیط های متغیر

.یادگیریمثال سوسک و زنبور

خودمختاریاستفاده از ادراکات برای اصالح دانش غلط یا ناقص قبلیدانش اولیه در عامل = غریزه در حیوانات

عقالنیت←اکتشاف + یادگیری + خودمختاری

23

PEAS

برای طراحی یک عامل عقالنی ابتدا باید محیط کار آن رادر حد امکان به صورت کامل تعیین کنیم.

مثال: راننده خودکار تاکسی؟ امنیت، مقصد، مصرف بهینه، احترام به قانون، معیار کارایی

راحتی مسافران؟ خیابان ها و بزرگراه ها، ترافیک، عابران پیاده، شرایط آب محیط

و هوا؟ فرمان اتومبیل، پدال گاز، ترمز، بوق، بلندگو و صفحه اقدام گرها

نمایش برای ارتباط؟ تصویری، سرعت سنج، سنسور مقدار سوخت، حسگرها

GPSحسگرهای موتور،

24

PEAS)...ادامه(

مثال دیگر: عامل خرید اینترنتی؟ قیمت، کیفیت، تناسب، کاراییمعیار کارایی؟ صفحات وب جاری و صفحاتی که در آینده مالقات می محیط

شوند، فروشنده، حمل کننده؟ نمایش به کاربر، دنبال کردن لینک ها، پر کردن فرم اقدام گرها

ها؟ صفحات حسگرهاHTML)متن ها، گرافیک، اسکریپت ها(

25

محیط

:هر محيط داراي مجموعه اي از حالت ها مي باشد.محيط در هر لحظه فقط در يكي از اين حالت ها مي باشد

مثال: دنیای جاروبرقی

26

S = {1, 2, 3, 4, 5, 6, 7, 8}

عامل و محیط

در لحظه شروع، محيط در يكي از حالت هاي ممكن ميباشد.

.عمل عامل در محيط، باعث تغيير حالت محيط مي شود

: حالت فعليSi

: عمل عاملAction : حالت بعديSj

مثال: دنیای جاروبرقی

27

انواع محیط

)كامال قابل مشاهده )در مقابل مشاهده پذير جزئي

)قطعي )در مقابل اتفاقي

)اپیزودیک )در مقابل ترتيبي

)ايستا )در مقابل پويا

)گسسته )در مقابل پيوسته

)تك عاملي )در برابر چند عاملي

28

انواع محیط)ادامه...(

در مقابل مشاهده پذير جزئي(: كامال قابل مشاهده(محيطي كه در آن در هر لحظه از زمان حسگرهاي عامل

به آن امكان دستيابي به حالت كامل محيط را مي دهند.

:مثال: دنياي جاروبرقی - حسگرها [location, status]

تشخيص مكان : چپ يا راستتشخیص وضعیت: تمیز ویا کثیف

29

[LEFT, CLEAN]

انواع محیط)ادامه...(

در مقابل اتفاقي(: حالت بعدي محيط كامال بوسيله قطعي( حالت فعلي و عمل انجام شده توسط عامل قابل تعيين

مي باشد. اگر محيط به جز در مورد عمل عامل هاي ديگر قطعي باشد، آنگاه

مي باشد.استراتژيكمحيط

30ش

مک قطعشی

مک اتفاقی

؟؟؟

انواع محیط)ادامه...(

در مقابل ترتيبي(: تجربه عامل به ”دوره اپيزوديك( های“غيرقابل تجزيه تقسيم مي شود )هر دوره شامل

ادراك عامل و سپس انجام يك عمل مي باشد( و انتخاب عمل در هر دوره تنها به خود همان دوره بستگي دارد.

مثال: روبات كنترل كننده كيفيت

31

انواع محیط)ادامه...(

در مقابل پويا(: محيط در حين سنجش عامل )براي ايستا( انتخاب عمل( تغيير نمي كند.

اگر خود محيط با گذشت زمان تغيير نكند ولي معيار مي نيمه پويا كارآيي عامل تغيير كند، آنگاه محيط

باشد)شطرنج با ساعت(

32

انواع محیط)ادامه...(

در مقابل پيوسته(: محيطي كه در آن تعداد گسسته( محدود و متمايزي از ادراك و عمل هاي كامال واضح تعريف

شده باشد.

در محيط گسسته، مجموعه حاالت محيط يك مجموعهگسسته مي باشد و حاالت بسادگي قابل تمايز مي باشند.

مثال: محيط دنياي جاروبرقی

33

– State = {1, 2, …, 8}

– Action = {Left, Right, Suck, NoOp}

– Percept = {[Left, Clean], [Left, Dirty], [Right, Clean], …}

انواع محیط)ادامه...(

در برابر چند عاملي(: يك عامل خودش به تك عاملي(تنهايي در محيط عمل مي كند.

مثال: محيط عامل حل كننده جدول كلمات متقاطع و دنيايمكش

تعدادي عامل كه با يكديگر در تعامل مي چند عاملي :باشند.

مثال: شطرنج )رقابتي(، روبوكاپ )بين اعضاي يك تيمهمياري و بين اعضاي دو تيم رقابتي(، محيط تاكسي

خودكار )هميياري جزيي(

34

انواع محیط)ادامه...(

35

نوع محیط تاثیر بسیار زیادی بر طراحی عامل خواهدگذاشت.

،دنیای واقعی: مشاهده پذير جزئي، اتفاقي، ترتيبي، پوياپيوسته و چندعاملي

شطرنج با ساعت

رانندگي تاكسي

كامال قابل مشاهده بله خیر

قطعي استراتژیک خیر

دوره اي خیر خیر

ايستا نیمه پویا خیر

گسسته بله خیر

تك عاملي خیر خیر

توابع و برنامه هاي عامل

مشخص مي شود.تابع عامل يك عامل كامال بوسيله.يادآوري: تابع عامل دنباله ادراكي را به عمل نگاشت مي كند

)منطقي يك تابع عامل )يا يك كالس هم ارزي كوچك(rational.مي باشد )

هدف: يافتن روشي به منظور پياده سازي تابع عاملمنطقي به طور مختصر و مفيد

36

عامل مبتني بر جدول جستجو

يك روش به منظور توصيف تابع عامل

نشان دهنده فعاليت مناسب براي هر دنباله ادراكي ممكن

مثال: جدول دنياي جاروبرقي

37

برنامه عامل مبتني بر جدول جستجو

38

عامل مبتني بر جدول جستجو)ادمه...(

:معايب سطر، اتم ها در دنیای 10150جدول بسيار عظيم )مثال در شطرنج

(1080واقعی کمتر از زمان بسيار زياد براي ايجاد جدول و احتمال باالي خطاعدم خود مختاري حتي با قابليت يادگيري، نياز به زمان بسيار زيادي براي يادگيري

مداخل جدول دارد.

39

انواع عامل ها

چهار نوع اصلي به ترتيب افزايش عموميت(:Generality)

عامل هاي واكنشي ساده(Simple reflex)

عامل هاي واكنشي مبتني بر مدل(Model-based reflex)

عامل هاي مبتني بر هدف(Goal-based)

عامل هاي مبتني بر سودمندي(Utility-based)

40

عامل هاي واكنشي ساده

ساده ترين نوع عامل

در هر لحظه، عمل تنها بر اساس درك فعلي انتخاب ميشود

:مثال

:شامل قوانين شرط- عمل مانند

اگر چراغ ترمز اتومبيل جلويي روشن شد، آنگاه ترمز“كن”

41

ساختار عامل هاي واكنشي ساده

42

برنامه عامل واكنشي ساده

43

عامل هاي واكنشي مبتني بر مدل )حافظه دار(

عامل واكنشي ساده در صورتي كار مي كند كه محيطكامال قابل مشاهده باشد

اگر محيط مشاهده پذير جزئي باشد، پيگيري تغييرات دنياالزم است

مثال: تاكسي اتوماتيك

مستلزم دو نوع دانشنحوه تغيير دنياتاثير اعمال عامل بر دنيا

44

عامل هاي واكنشي مبتني بر مدل)ادامه...(

45

برنامه عامل هاي واكنشي مبتني بر مدل

46

عامل هاي مبتني بر هدف

اطالعات الزم براي تصميم گيري در مورد عملي كه بايدانجام شود:

اطالعات مربوط به حالت فعلي توصيف موقعيت مطلوب(هدفاطالعات(

:مثال عمل مناسب براي تاكسي اتوماتيك در يك چهار راه كدام است؟

)باال، پايين چپ، راست(اگر براي رسيدن به هدف نياز به چندين عمل باشد

جستجو (Search)برنامه ریزی (Planning)

47

عامل هاي مبتني بر هدف

48

مثال: عامل هدف گرا

49

مثال: عامل هدف گرا)ادامه...(

[UP, UP, UP, RIGHT]

[RIGHT, RIGHT, RIGHT, UP, UP, UP, LEFT, LEFT]

50

عامل هاي سودمند

در بسياري از محيط ها اهداف براي توليد رفتاري با كيفيتباال مناسب نيستند

مثال: تاكسي اتوماتيك ممكن است چندين مسير براي رسيدن به مقصد موجود باشد، اما

بعضي از آنها سريعتر، امن تر، مطمئن تر و يا ارزانتر از بقيه مي باشند

اهداف مالكي خام براي توصيف وضعيت ها هستند)مطلوب و نامطلوب(

تابع سودمندي: حالت ) يا دنباله اي از حاالت( را به يكعدد حقيقي نگاشت مي كند كه درجه مطلوبيت آن را

توصيف مي كند

:امكان تصميم گيري در مواردي كهاهداف متناقض باشندچندين هدف وجود دارد ولي رسيدن به هيچ يك قطعي نيست

51

عامل هاي مبتني بر سودمندي

52

عامل هاي يادگيرنده

( ايده برنامه نويسي واقعي هوشمند به 1950تورينگ :) صورت دستي

نياز به روشهاي سريعترساخت ماشين هاي يادگيرنده و آموزش به آنها

مولفه هاي عامل يادگيرندهعنصر يادگيرنده : براي ايجاد بهبودعنصر كارآيي: انتخاب فعاليت هاي خارجي منتقد: توليد بازخورد با توجه به استاندارد كارآيي براي عنصر

يادگيرندهمولد مساله: پيشنهاد فعاليت هاي اكتشافي

مثال: تاكسي اتوماتيك 1 به خط 3عنصر كارآيي: حركت سريع از خطمنتقد: دريافت شكايت راننده هاي ديگرايجاد یک قانون، بيانگر بد بودن اين عمل و اصالح عنصر كارآيي

53

عامل هاي يادگيرنده)ادامه...(

:انواع دانشي كه عنصر يادگيرنده مي تواند ياد بگيرديادگيري مستقيم از دنباله ادراكييادگيري نحوه تغييرات دنيا: مشاهده دو حالت متوالييادگيري در مورد تاثير عمل عامل: مشاهده نتايج فعاليت عامل

مثال: نحوه ترمز كردن در جاده هاي خيس

)پاداش و جريمه)کیفیت رفتار عامل

54

عامل هاي يادگيرنده)ادامه...(

55

فصل سوم

حل مسائل توسط جستجو

56

مقدمه

عامل هاي حل مسأله

انواع مسأله

فرموله سازي مسأله

مسائل نمونه

الگوريتم هاي ابتدايي جستجو

57

عامل هاي حل مسأله

فرضيات در مورد محيط: ايستا، قابل مشاهده، گسسته وقطعي 58

مثال: روماني

مكان فعلي شهرآراد، حرکت و رسیدن به شهر بخارست

:فرموله سازي هدفبودن در بخارست

:فرموله سازي مسألهحالت ها: شهرهاي مختلفعمليات: رفتن از شهري به شهر ديگر

:يافتن پاسخ:دنباله اي از شهرها، مانند

59

Arad → Sibiu → Fagaras → Bucharest

مثال: روماني

60

انواع مسأله

مسائل تك-حالته← قطعي، كامال مشاهده پذير عامل دقيقا مي داند در چه حالتي خواهد بود؛ راه حل يك دنباله

مي باشد. مسائل چند-حالته← قطعي، مشاهده پذير جزئي

ممكن است عامل ايده اي درباره اينكه كجاست نداشته باشد؛ راهحل يك دنباله است.

مسائل احتمالی← غير قطعي و/يا مشاهده پذير جزئي.ادراك اطالعات جديدي درباره حالت فعلي فراهم مي كند.در حين اجرا بايد از حسگرها استفاده كندراه حل به صورت يك درخت( اغلب جستجو و اجرا به صورت يك در ميانInterleave)

فضاي حالت ناشناخته ←( مسائل اکتشافیonline)61

مثال: دنياي جاروبرقی

5#تك-حالته، شروع در راه حل ؟[Right, Suck]

چند-حالته، شروع از حالت های

{ 1 ,2 ,3 ,4 ,5 ,6 ,7 ,8}راه حل؟[Right, Suck, Left, Suck]

احتمالي.غير قطعي: مكش مي تواند يك فرش تميز را كثيف كنددرك محلي: گرد و خاك در محل فعلي[ :ادراکleft, clean# یعنی شروع در ]7 یا #5 راه حل؟[Right, if dirty then Suck]

62

فرموله سازي مسائل تك -حالته

:يك مسأله بوسيله چهار مورد تعريف مي شود حالت اوليه مثال̈ بودن در شهر Arad)اقدامات يا تابع حالت بعدي)پسین

S(x)مجموعه اي از زوج هاي عمل- حالت = :مثالS(Arad) = {<Arad → Zerind, Zerind>,…}

تابع تست هدف صریحx = "at Bucharest” ضمنیNoDirt(x)

: تابع هزينه مسير... مثال: مجموع فواصل، تعداد عمل هاي انجام شده و هزينه گام (step cost :)c(x, a, y)≥0

:دنباله اي از حرکت ها كه از حالت اوليه شروع و راه حلبه حالت هدف ختم مي شود.

63

انتخاب يك فضاي حالت

دنياي واقعي به شدت پيچيده مي باشد..بنابراين، براي حل مسأله بايد فضاي حالت انتزاعي باشد

حالت) انتزاعي( = مجموعه اي از حالت هاي واقعي

عمل ) انتزاعي( = تركيبي پيچيده از عمل هاي واقعي مثال عملArad→Zerind مي تواند مجموعه اي پيچيده از اعمال

باشد. راه حل ) انتزاعي( = مجموعه اي از مسيرهاي واقعي كه

در دنياي واقعي راه حل مي باشند.

!هر عمل انتزاعي بايد از مسأله اصلي ساده تر باشد

64

مثال: گراف فضاي حالت دنياي جاروبرقی

وجود گرد و خاك و مكان عامل)بدون در نظر گرفتن مقدار حاالت؟گرد و خاك(

حرکت های اعمال؟Left, Right, Suck, NoOp

نبودن گرد و خاكتست هدف؟

صفر برای 1بازاء هر عمل هزینه مسیر؟(NoOp)65

مثال: معماي هشت

اعداد صحيح بيانگر محل كاشي هاحاالت؟

حركت خانه خالي به چپ، باال، راست و پاييناعمال؟

حالت هدف) داده شده(تست هدف؟

1بازاء هر حركت هزینه مسیر؟

NP-Hard یک مساله n[توجه: راه حل بهينه خانواده معماي می باشد] 66

مثال: روبات اسمبل كننده

زاويه مفاصل روبات، مختصات قطعاتحاالت؟

حركت پيوسته مفاصل روباتاعمال؟

سرهم بندي كاملتست هدف؟

زمان اجراهزينه مسير؟

67

مسأله هشت وزير

7, 5, 3, 1 وزير هر كدام در يك ستون }8 ترتيب حاالت؟ ,2 ,4 ,6 ,8}

انتقال يك وزير داراي برخورد به مربع ديگري در اعمال؟ همان ستون

وزير روي صفحه شطرنج كه با هم برخورد 8تست هدف؟ ندارند.

زمان اجراهزينه مسير؟

68

الگوريتم هاي جستجوي درخت

ایده اصلی: کاوش offline شبيه سازي شده فضاي وحالت، بوسيله توليد حاالت بعدي حالت هايي كه تا كنون

توليد شده اند.

69

مثال جستجوي درخت

70

71

مثال جستجوي درخت

72

پياده سازي: حالت و گره

بيانگر( يك پيكره بندي فيزيكي مي باشدحالتيك (

يك ساختار داده اي تشكيل دهنده بخشي از درخت گرهيك است.g(x) مسير هزينه و عمق، فرزندان، پدرجستجو شامل:

پدر، فرزند، عمق و هزينه مسير ندارند!حالت ها :

تابعEXPAND گره هاي جديد ايجاد مي كند، فيلدهاي مختلف رامسأله، حالت SuccessorFnمقدار مي دهد و با استفاده از تابع

هاي مربوطه ايجاد مي شود.73

پياده سازي: جستجوي عمومي درخت

74

استراتژي هاي جستجو

تعريف مي ترتيب گسترش گره ها يك استراتژي بوسيلهشود.

:ابعاد ارزيابي استراتژي ها -آيا در صورت وجود راه حل، هميشه راه حلي پيدا مي كامل بودن

كند؟ -تعداد گره هاي توليد شده/گسترش يافته.پيچيدگي زماني -حداكثر تعداد گره ها در حافظه.پيچيدگي حافظه -آيا هميشه كم هزينه ترين راه حل را پيدا مي كند؟بهينگي

پيچيدگي زمان و فضا برحسب پارامترهاي زير سنجيده ميشوند:

b.حداكثر فاكتور انشعاب درخت جستجو :d.عمق كم هزينه ترين راه حل :m.)حداكثر عمق فضاي حالت ) ممكن است ∞ باشد : 75

استرتژي هاي جستجوي ناآگاهانه

استراتژي هاي(ناآگاهانهUninformed ) تنها از اطالعاتموجود در تعريف مسأله استفاده مي كنند.

جستجوي اول-سطح (BFS )Breadth-rst search

جستجوي هزينه- يكنواخت(UCS )Uniform-cost search

)جستجوي اول-عمق ) عمقي (DFS )Depth-first search

جستجوي با عمق محدود(DLS )Depth-limited search

جستجوي عميق كننده تكراري (IDS )Iterative deepening search

76