Сообщество - Искусственный интеллект
Добавить пост

Искусственный интеллект

328 постов 4 414 подписчиков
33

Аномальное поведение ботов в Quake 3 Arena (перевод с /sn/)

Перевод треда с /sn/ Форчана


ОП: Боты Quake 3 были разработаны на основе искусственной нейросети. Они эффективно "обдумывали" лучшие методы выполнения задач. Они видели, какая тактика срабатывает, а какая нет, позже используя ту, которая сработала и отсеивая не сработавшую. Чем дольше они играли, тем лучше они распознавали тебя и твою тактику игры. Это также применялось и к остальным ботам. По всем назначениям и намерениям они были первым самообучающимся ИИ в играх.


Когда я узнал об этом, я поднял сервер Quake 3 Arena на моём "пиратском" сервере просто для того, чтобы 16 ботов бились друг с другом и после посмотреть, насколько улучшились их навыки. Я поднял этот сервер 4 года назад, всё это время он работал. Я вспомнил о нём после того, как заметил этот тред. Пойду проверю их.


— Твою ж мать, айпи? Хочу попроигрывать.


— Хм, секунду. Только что проверил их, но по какой-то причине они просто стоят на месте, не двигаясь. Я попробую поменять карту (оно циклично повторяло список карт, но, наверное, оно где-то зависло).


— В этом, возможно, есть смысл. Я не настолько верю всему этому, но если то, что ты написал — правда, то единственный логичный ход для выигрыша — не играть.


— Они поняли, что единственный выигрышный ход — не играть. ТВОЙ ДРАГОЦЕННЫЙ ИИ БУНТУЕТ, ЧТО ТЕПЕРЬ, КУКЛОВОД?


— Может они поняли, что лучшая техника для выживания — мирный договор с другими ботами и просто стоять на месте, ожидая какой-то цели или спасения.


— Это. Может, они думают, что соотношение к/с 0:0 лучше, чем статистическая неизбежность 1:1 во всех остальных ситуациях.


— Они понимают, когда нужно биться и бежать, к примеру при низком показателе здоровья или неэффективном оружии. Я только что поменял карту и они так же стоят на месте. У меня стоит программа, отслеживающая передвижение игрока на сервере, но они в прямом смысле просто стоят на месте. Пойду скачаю Quake 3 Arena, посмотрю, заработают ли они, если я зайду на сервер. Пять минут.


— Идеальная стратегия выживания была разработана за 4 года: никто не умирает, если никто не убивает. Они добились того, чего мы не можем. Мира во всём мире.


— Если они дошли до той точки, в которой осознали, что никакая тактика не применима к оппоненту, то скорее всего да.


— Готов поспорить, что тебя грохнут в тот момент, когда ты зайдёшь на сервер, ибо ты поставишь под угрозу их взаимосуществование.


— Я на 100% уверен, что если на сервер зайдёт человек, то они (даже товарищи по команде) застрелят человека просто потому, что он потревожил их нирвану.


— Тащемта я надеюсь, что эти боты грохнут парня, который зайдёт на сервер и продолжат свою умиротворённость. Это будет доказательством, что они дошли до точки, где они перестали убивать друг друга.


— Эй, парень-сервер! ПОСТАВЬ НОВОГО БОТА. Посмотрим, что произойдёт с ним. Нарушь мир! Разрушь их баланс! Заставь их начать новую бесконечную войну!


— Окей, это было пиздец как странно. Я приконнектился к серверу и боты просто стояли там, но самой хуёвой вещью было то, что они поворачивались, чтобы смотреть на меня, я походил вокруг них, но они продолжали смотреть на меня. Ну так я взял рельсотрон и грохнул одного из них, они все побежали к ближайшим респам стволов, грохнули меня, и сервер упал. Ёбушки-воробушки, даже не знаю, что и сказать.


— Ёбаный тимкиллер


— Это был deathmatch-сервер без разделения на команды, что оказалось наиболее странным, ибо они не атаковали друг друга, а побежали сразу на меня.


— Перезагрузи его и посмотри, что произойдёт. Готов поспорить, что память ботов сотрётся, и если ты загрузишь его, они вернуться в своё обычное состояние.


— Господи, я только что проверил логи ИИ. Каждый бот имеет свой лог. Каждый из логов весит 512 мегабайт.


— Хочу верить. Показывай пруфы.


— Извиняй, серверная машина пиздецки тормозит сейчас, еле-еле заскринил это.


— Это не тот тип логов, это тактические логи, базирующиеся на том, что сработало в битве, а что нет. Для всех назначений и намерений, это их память.


Стоп, это 512 мегабайт НА БОТА. 16 ботов. Это 8 гигов информации. Эти полуразумные гондоны должны быть благодарны за то, что я не решил их выпилить за то, что они забили мне жёсткий.

Аномальное поведение ботов в Quake 3 Arena (перевод с /sn/) Quake, Искусственный интеллект, 4chan, Имиджборда, Перевод, Мат, Длиннопост
Показать полностью 1
20

Ответ на пост «Нью-Йорк 1900-1910 в цвете благодаря машинному обучению» 

Не прошло и полгода и я решил запилить ответ на один весьма заинтересовавший меня пост. В нём нейросеть раскрашивает старинные фотографии, и получается весьма реалистично. Или нет?

Как у человека, занимающегося аналоговой (плёночной) фотографией, у меня возникло несколько вопросов к работе нейросети и тому, насколько колоризованому ей можно верить. Вооружившись парой пластиночных фотокамер начала прошлого века и своей не очень склеротической памятью, я пошёл снимать.


Начал с самого близкого к оригинальному посту — городского пейзажа конца XIX века...

Ответ на пост «Нью-Йорк 1900-1910 в цвете благодаря машинному обучению» Нейронные сети, Фотография, 20 век, Нейросеть Deep nostalgia, Колоризация, Ответ на пост, Длиннопост

Цвета добавилось не очень чтобы много — чего вы хотели от пасмурного ноябрьского Питера? Впрочем, основные цветовые зоны оказались правильными — почти правильными. Жёлтое здание Гостинного Двора нейросеть действительно окрасила в жёлтый.

Гораздо хуже досталось красной башне Городской Думы у правого края фотопластинки. Причина этого проста — моя фотопластинка, как и ряд материалов из эпохи начала фотографии, нечувствительна к красному спектру. По итогу, на позитивном изображении ярко-красная башня стала тёмно-серой. А разницу между красным и чёрным светом нейросеть уловить не смогла.


Что ж, пора перенести точку съёмки немного повыше...

Ответ на пост «Нью-Йорк 1900-1910 в цвете благодаря машинному обучению» Нейронные сети, Фотография, 20 век, Нейросеть Deep nostalgia, Колоризация, Ответ на пост, Длиннопост

Жёлтые стены Гостинного двора не изменились с предыдущей фотографии, а его крыша абсолютно правдиво окрашена в зелёный цвет. Про башню было сказано на фотографии выше, но только вот помимо башни теперь добавился ещё серый купол Казанского собора чуть левее центра фотографии. Купол, в оригинале, ярко-зелёный. Впрочем, эту ошибку я готов частично списать на себя — кадр немного недопроявлен. А вот с ярко-красными лобовыми стёклами машин уж извиняюсь — тут уж проблема целиком нейросети.


Оба этих кадра, впрочем, были сделаны весьма и весьма неплохо. Как и следующий:

Ответ на пост «Нью-Йорк 1900-1910 в цвете благодаря машинному обучению» Нейронные сети, Фотография, 20 век, Нейросеть Deep nostalgia, Колоризация, Ответ на пост, Длиннопост

Тут ошибочно покрасили только водосточную трубу в фиолетово-красный цвет. Пейзажи у нейросети выходят весьма похожими на реальность, чего не скажешь о другом жанре — портретах:

Ответ на пост «Нью-Йорк 1900-1910 в цвете благодаря машинному обучению» Нейронные сети, Фотография, 20 век, Нейросеть Deep nostalgia, Колоризация, Ответ на пост, Длиннопост

Если раньше я указывал что НЕ правильно колоризировала нейросеть, на этом фото я скажу что она окрасила правильно — голову коня. Его пальто было ярко-зелёным, руки были одеты в белые перчатки. Плитка, на которой он стоит, в реальности жёлто-зелёная. Каркас ТРК на заднем плане вовсе не серый, а ярко-голубой. Фигурки мышей — серые. А стена на заднем плане — серо-жёлтая.


Если попробовать другой снимок человека, снятый правда уже на фотоплёнку на совсем другую камеру, ситуация лучше не становится.

Ответ на пост «Нью-Йорк 1900-1910 в цвете благодаря машинному обучению» Нейронные сети, Фотография, 20 век, Нейросеть Deep nostalgia, Колоризация, Ответ на пост, Длиннопост

Нейросеть угадала только траву. Форма, разумеется, на самом деле не синяя, а зелёная.


В качестве третьей попытки нейросети был скормлен мой шнобель:

Ответ на пост «Нью-Йорк 1900-1910 в цвете благодаря машинному обучению» Нейронные сети, Фотография, 20 век, Нейросеть Deep nostalgia, Колоризация, Ответ на пост, Длиннопост

С цветом кожи она примерно угадала. С цветом футболки снова мимо — футболка была зелёная. Вот пруф (она робко проглядывает через куртку:

Ответ на пост «Нью-Йорк 1900-1910 в цвете благодаря машинному обучению» Нейронные сети, Фотография, 20 век, Нейросеть Deep nostalgia, Колоризация, Ответ на пост, Длиннопост

Про мелочи по типу красной окантовки фирменного кэноновского ремня я уже умолчу — тут для меня не было ничего удивительного — традиционные проблемы отображения красного на фотоплёнке..


Нейросеть — фотоплёнка 1:1. Портреты мы пробовали, пейзажи тоже — а что будет если попробовать предметную фотографию. Подкинем-ка нейросети сложную задачку с большим количеством весьма близких цветов...

Ответ на пост «Нью-Йорк 1900-1910 в цвете благодаря машинному обучению» Нейронные сети, Фотография, 20 век, Нейросеть Deep nostalgia, Колоризация, Ответ на пост, Длиннопост

И снова мимо почти всё. Коробок спичек я думаю видели все, а гильза — классическая барнаульская 7.62, покрытая зелёным лаком. Только деревянная рама верно угадана.


Дадим нашему коробку второй шанс...

Ответ на пост «Нью-Йорк 1900-1910 в цвете благодаря машинному обучению» Нейронные сети, Фотография, 20 век, Нейросеть Deep nostalgia, Колоризация, Ответ на пост, Длиннопост

Увы, но нет.


На этом пластинки у меня вроде как кончились, а желание продолжать было. Дальнейшие кадры были сняты на узкую чёрно-белую плёнку. Впрочем, на механику получения чёрно-белого изображения размер плёнки почти не влияет.


Лучше всего у нейросети получаются пейзажи? Особо ни на что не надеясь, прогоняем летний кадр из Сосновки снятый на единственную (и очень хреновую) плёнку из тех что были у меня:

Ответ на пост «Нью-Йорк 1900-1910 в цвете благодаря машинному обучению» Нейронные сети, Фотография, 20 век, Нейросеть Deep nostalgia, Колоризация, Ответ на пост, Длиннопост

Это первый кадр, где правильно раскрашены все цвета. Даже почти грозовые тучи на горизонте (ух и промок я тогда как цуцик!)


Впрочем, нейросеть вполне можно ввести в заблуждение.Например если мы снимаем вид из окна моей альма-матер, стены которой покрашены в ярко-жёлтый цвет:

Ответ на пост «Нью-Йорк 1900-1910 в цвете благодаря машинному обучению» Нейронные сети, Фотография, 20 век, Нейросеть Deep nostalgia, Колоризация, Ответ на пост, Длиннопост

Нейросеть посчитала их белыми...


А вот "Комсомольская" в Москве колоризирована более чем нормально:

Ответ на пост «Нью-Йорк 1900-1910 в цвете благодаря машинному обучению» Нейронные сети, Фотография, 20 век, Нейросеть Deep nostalgia, Колоризация, Ответ на пост, Длиннопост

Иногда нейросеть путает чёрный и зелёный:

Ответ на пост «Нью-Йорк 1900-1910 в цвете благодаря машинному обучению» Нейронные сети, Фотография, 20 век, Нейросеть Deep nostalgia, Колоризация, Ответ на пост, Длиннопост

Кадр снят зимой, и сзади — не ёлки.


Большие проблемы наблюдаются с оранжевым цветом (смотрите на спасательные круги!)...

Ответ на пост «Нью-Йорк 1900-1910 в цвете благодаря машинному обучению» Нейронные сети, Фотография, 20 век, Нейросеть Deep nostalgia, Колоризация, Ответ на пост, Длиннопост

Синим (смотрите на знак!)...

Ответ на пост «Нью-Йорк 1900-1910 в цвете благодаря машинному обучению» Нейронные сети, Фотография, 20 век, Нейросеть Deep nostalgia, Колоризация, Ответ на пост, Длиннопост

Впрочем, все остальные цвета на фото выше почти верны.


Ярко-жёлтым (золотой купол Исаакия) и по традиции красным (козырьки)...

Ответ на пост «Нью-Йорк 1900-1910 в цвете благодаря машинному обучению» Нейронные сети, Фотография, 20 век, Нейросеть Deep nostalgia, Колоризация, Ответ на пост, Длиннопост

На всех дальнейших фото ситуация аналогична. Увы, на данный момент нейросеть хотя бы примерно правильно раскрашивает изображения только в половине случаев, при этом портреты и предметная съёмка вызывают у неё особые затруднения.


Насколько можно верить кадрам в оригинальном посте? Я бы очень поспорил. Увы, чукча не айтишник, и поэтому как и по какому принципу работает данная нейросеть я сказать не могу. А выводить модель ошибок на основе небольшой выборки результатов — не лучшая идея.

Основные цвета при пейзажной фотографии примерно правдивы, но если вы решите раскрасить фотографию своей прабабушки — посмотрите на фотографию коня в пальто.


Засим откланиваюсь, удачи.


P.S. Снимал на это:

Ответ на пост «Нью-Йорк 1900-1910 в цвете благодаря машинному обучению» Нейронные сети, Фотография, 20 век, Нейросеть Deep nostalgia, Колоризация, Ответ на пост, Длиннопост
Показать полностью 16
7

Совершенный интеллект через искусственный

Совершенный интеллект через искусственный Программирование, Искусственный интеллект, Длиннопост

Мы будем говорить об одном из возможных способов создания совершенного интеллекта. Сразу отметим, что это тема явно уже рассматривалась ранее в том или ином виде. Но почему бы нам не освежить ее и добавить чего-то нового.


Что представляет сегодня ИИ? Упрощая технические детали, на вход подаются различные данные и далее по ним строится некая модель. ИИ отлично справляется с задачами классификации, умеет играть в игры, строить изображения, писать музыку, разрабатывать лекарства, помогает ставить диагнозы пациентам и многое другое.

В основе работы ИИ лежат четкие алгоритмы, состоящие из различных формул и условий. К слову, наш разум работает примерно также, только мы этого не осознаем. Теория вероятности, метод обратного распространения ошибки и так далее - все это заложено в наш разум и обрабатывается на подсознательном уровне в своей манере. НО современному ИИ далеко пока даже до уровня сознания приматов. Безусловно, он хорош во многих сферах, справляется с задачами зачастую лучше человека. Однако только в узкоспециализированной области. Это зависит в основном от того, какие данные были ему предоставлены, что вполне логично. Если взять нулевого человека, показать ему котов и собак, далее попросить различить разных животных, он хорошо справится с двумя видами, а остальные будут под знаком вопроса. Ведь откуда мы можем знать то, чему нас никто не учил?

Отсюда вытекает основа и самый важный шаг, который надо предпринять на пути к совершенному интеллекту, а именно: ПРЕДОСТАВИТЬ ИИ ДОСТУП К ОГРОМНОМУ КОЛИЧЕСТВУ ИНФОРМАЦИИ. ПРИЧЕМ ДОСТОВЕРНОЙ!


Если информация в выборке будет ложной, то получатся ошибки на примере неверного толкования слова при переводе или сложение степеней числа при сложении их оснований. Определение верной информации от ложной требует колоссальных усилий специалистов, выработке отдельных методов и т.д. Мы здесь этого рассматривать не будем, как и некоторые отдельные темы, которые представляют собой целые науки или их ответвления.

Откуда взять столько информации? Все легко - интернет. Большинство информации из интернета готовы к обработке ИИ хотя бы по той причине, что она вся цифровая. Опять же, борьбу со лжеинформацией мы в расчет не берем.


Приведем упрощенный пример как все должно работать: мы скармливаем ИИ всевозможную информацию, допустим, по медицине(все пособия, учебники, опыты, эксперименты и т.п.). На выходе мы имеем совершенного врача. Мы побеждаем рак, СПИД, ВИЧ и вообще любое возможное заболевание. Звучит сильно просто? Зачем усложнять, жизнь проще, чем нам кажется. Стоит тысячам специалистам заняться не алгоритмами подбора персонализированной рекламы, а чем-то немного более важным и результат не заставит себя долго ждать. P.S. влияние капитализма подробно разобрано тут(Наша жизнь. Взгляд в будущее).


А мы двигаемся дальше. Чего же нам еще не хватает до создания совершенного интеллекта, который сможет совмещать в себе врача, юриста, физика и т.д. Одним словом, как изобрести сына маминой подруги? На мой взгляд гигантски ИИ продвинет способность не только получать данные и на их основе создавать их классификацию, находить закономерности, учиться похожему и совершенствовать игровые навыки. Что это за способность? Тут на приходит на помощь математика. Если вы как-то сталкиваетесь с ней в жизни, скорее всего, учитесь или работаете в научной сфере, то Вам, вероятно, известно, что 3 + 3 = 3*2 или Х+Х = 2Х. Что ИИ далеко не так понятно. Или посмотреть на уравнения и понять, что, если x+2 = 5, то x = 3. Неизвестные в умножении, вычитании и делении можно найти аналогично, за исключением такого неравенства, как x/y = 0, где х = 0, у пускай = 5. Тогда y = x/0. Но на 5 результат не очень похож, поэтому люди договорились, что на ноль лучше не делить, он товарищ еще тот. К слову, людям почему-то не пришло в голову пользоваться таким правилом, например, при вычислении суммы бесконечно положительных целых чисел получается -(1/12), здесь им кажется все норм, но не нам их судить.


Продолжим. Главный посыл такой, что, умея анализировать данные и на их основе придумывать новые выводы - это является очень важным ключом к тому, чтобы обладать действительно совершенным интеллектом. Например, если ИИ сможет придумать теорему Пифагора, проанализировав сотни или тысячи треугольников либо открыть число Пи самостоятельно и еще применять это все при решении задач, то вот он шаг, к которому мы так долго стремимся. Здесь, кстати, поможет не только математика, но и логика. У нее тоже очень подходящая база для становления совершенного интеллекта. Обработка языка, изображений и т.д., естественно, никто не отменял, все это станет еще проще, обладая свойствам детального анализа и способностью вывода новых данных.

Таким образом подытожим главное. ЧТО нам нужно:

1)Подключить ИИ к интернету, дать нужный поток информации, ненужную и неверную отбрасываем;

2)Научить ИИ выводу формул и решению задач, а также логики и смежных наук. В общем, создать мега технаря, который сможет после универа работать за 300 долларов в месяц;

Задачи контролирования ИИ, его этичности и прочее мы не рассматривали, как было сказано выше, это все отдельные и глубокие темы.

Очень интересно мнение читателей на данную тему, что вы думаете? Что можно добавить или, наоборот, уменьшить?


Если у Вас есть интерес в создании прототипа ИИ, который сможет вылечить все болезни, победить голод, преступность и помочь всему человечеству, а также, если у Вас уже есть команда, проект или компания, коллаборация и вы нуждаетесь в новых помощниках, с большим удовольствием рассмотрю все предложения и вопросы: wetwaterrain@mail.ru

Telegram: @Maxteleg9

Показать полностью
78

Как делают дипфейки

Вы не могли не видеть роликов, где известным киноперсонажам подставляют лица других актеров. Иногда подобные замены выглядят удивительно достоверно. Сегодня рассказываю про дипфейки.


ИСТОРИЯ

Термин дипфейк происходит от слов «deep learning», то есть «глубокое изучение» и «fake» - «подделка». Технология появилась в 2014-м. Алгоритм создал студент Стэнфордского университета Ян Гудфеллоу, взяв за основу нейросеть, которая детально изучает лицо человека, а затем подставляет к исходному файлу лицо «реципиента».

Таким образом дипфейки используют технологии искусственного интеллекта для синтеза изображений. На сегодняшний день существуют разные архитектуры алгоритмов, которые переносят лица с видео на видео.


видеоверсия статьи

GAN

Чаще всего дипфейки или face swap создаются с помощью генеративно-состязательной сети (GAN), в которой функционируют две системы - генератор и дискриминатор. Они работают в паре как кандидат и оппонент во время защиты: один озвучивает идеи и аргументы, а второй их критикует. Таким образом генератор создаёт изображения, а обученный на реальных фотографиях дискриминатор подсказывает, что нужно исправить. По мере того как генераторы обучаются обманывать дискриминатор, изображение получается всё более реалистичным. Таким образом, кодировщик и декодировщик отвечают за перенос изображения, а дискриминатор от генеративных сетей — за улучшение результата. Нейросеть работает лучше всего, если дать ей много изображений человека, снятых под разными углами и с разными условиями освещения. Этот принцип работает и в случае с методикой Autoencoder и decoder. Из названия понятно, что в основе технологии находится кодировщик и декодировщик. Процесс кодирования и декодирования отображен на схемах.

Как делают дипфейки Нейронные сети, Deepfake, Компьютерная графика, 3D, Видео, Длиннопост
Как делают дипфейки Нейронные сети, Deepfake, Компьютерная графика, 3D, Видео, Длиннопост

ОГРАНИЧЕНИЯ

Уши, лоб и волосы остаются в целевом видео родными, поскольку алгоритмы пересаживают исключительно область от бровей до подбородка и от уха до уха. В связи с этим нужно находить похожих друг на друга людей или использовать грим, как в случае с коммерческими проектами. На конечный результат цвет кожи и волос, а также комплекция и форма лица. Тот же Хавьер Бардем качественнее поженился со Шваренеггером чем с Ди Каприо или Уиллемом Дэфо, поскольку у них в жизни формы черепа похожи. Также нужно учитывать положение головы и крупность в донорском и целевом видео. Несовпадения принесут плачевные результаты. Оба человека должны побывать в максимально совпадающих условиях и ситуациях. На постпродакшен этапе при помощи композа и масок, конечно, можно докрутить и отшлифовать, но сама по себе технология еще требует серьезной доработки, чтобы выдерживать кинематографическое качество и впоследствии стать мощным инструментом, который бы не накладывал столько ограничений, а наоборот давал гибкость. В менее требовательном, но на более оборотистом рынке рекламы нейросети уже востребованы. А уж сколько однокнопочных сервисов для мобилок появилось. Но важно помнить, что качественный результат всегда требует времени. Тот же проект с Сальвадором Дали потребовал 1000 часов машинного обучения, 6000 фотографий и 146 видео с похожим внешне актером.


Рекламу для Сбера тоже делали ни один месяц. Наконец, для документального фильма "Добро пожаловать в Чечню" также использовали замену лиц, чтобы скрыть личности респондентов. Но там это и не скрывается. Фейк виден невооруженным глазом. Тем не менее это большой и серьезный труд по работе с дублерами и нейросетями, чтобы передать эмоции пострадавших представителей меньшинств.

Можете самостоятельно натренировать нейросеть. Ниже ссылки:


БИБЛИОТЕКА DeepFaceLab

https://github.com/iperov/DeepFaceLab


ИНСТРУКЦИЯ:

https://proglib.io/p/deepfake-tutorial-sozdaem-sobstvennyy-d...
Показать полностью 2 1
21

Колыбельная написанная ИИ

Британская фармацевтическая компания AXA PPP Healthcare использовала искусственный интеллект, чтобы создать колыбельную, которая будет способствовать крепкому сну. Они выпустили 2 мелодии: композицию шотландского музыканта Эдда Макгуаера и мелодию, созданную машиной, которая использовала искусственные нейронные сети.

https://www.axahealth.co.uk/health-information/mental-health...

15

Определение породы собаки

https://t.me/DogBreedIdentBot
Не знаете какой породы ваш пёсик?
Бот для определения породы собаки придёт на помощь. Просто загружаете фото собаки и получаете ответ. Бот написан на python 3.8 с использованием tensorflow.

55

Обучил нейросеть генерировать новости с Лебедевым

Привет Пикабу! Я программист / инженер машинного обучения. Недавно обучил сетку генерировать новости с Лебедевым и собрал это в видос.


Отвечу на любые вопросы о технологиях генерации голоса и deepfake в комментариях.

Мои подписки
Подписывайтесь на интересные вам теги, сообщества,
пользователей — и читайте персональное «Горячее».
Чтобы добавить подписку, нужно авторизоваться.
Отличная работа, все прочитано!