Εξελικτική Ρομποτική: Η θεωρία του Δαρβίνου στα ρομπότ.
Εξελικτική Ρομποτική:
Η θεωρία του Δαρβίνου στα ρομπότ.
ΣΧΕΤΙΚΑ ΚΕΙΜΕΝΑ
(1) Πώς η τεχνητή νοημοσύνη θα μετατρέπει τις ανθρώπινες σκέψεις
σε «ταινία».
(2) Stephen Hawking: "Τα ρομπότ τεχνητής νοημοσύνης θα αντικαταστήσουν πλήρως τον άνθρωπο."
(3) Στιγμές στην ιστορία της Τεχνητής Νοημοσύνης.
Εξελικτική Ρομποτική:
Η θεωρία του Δαρβίνου στα ρομπότ.
Μέχρι τώρα τα ρομπότ εκτελούν εντολές. Οι επιστήμονες όμως έκαναν ένα βήμα παραπέρα και πλέον μαθαίνουν με τη βοήθεια της «εξελικτικής ρομποτικής» στα ρομπότ πως να μεταδίδουν από γενιά σε γενιά χαρακτηριστικά και δεξιότητες. Χάρη στην επιστήμη της «εξελικτικής ρομποτικής» τα ρομπότ αρχίζουν πια να μαθαίνουν αυτόνομα, προσαρμόζονται σε νέες συνθήκες, συνεργάζονται και εξειδικεύονται, όπως ένας ζωντανός οργανισμός.
Από τη ρομπότα στη ρομποτική δαρβινική εξέλιξη
Η λέξη ρομπότ προέρχεται από τη σλαβική λέξη για την εργασία (ρομπότα). Καθιερώθηκε από τον θεατρικό συγγραφέα Κάρελ Τσάπεκ στο έργο του «R.U.R.» (Rossum's Universal Robots) το 1920. Γενικά ρομπότ ονομάζεται οποιαδήποτε μηχανική συσκευή που μπορεί να υποκαταστήσει τον άνθρωπο σε διάφορες εργασίες, λειτουργώντας είτε κάτω από τον απευθείας έλεγχό του, ή αυτόνομα υπό τον έλεγχο λογισμικού. Τα ρομπότ μέχρι σήμερα χρησιμοποιούνται σε εργασίες που είναι δύσκολες, επικίνδυνες, ή αδύνατο να πραγματοποιηθούν από άνθρωπο και βέβαια σε επαναλαμβανόμενες εργασίες ακριβείας στις αλυσίδες παραγωγής.
Η συνήθης εικόνα των ρομπότ είναι είτε αυτή των ρομποτικών βραχιόνων στα εργοστάσια (π.χ. συναρμολόγησης αυτοκινήτων), είτε εκείνη των ανθρωπόμορφων ρομπότ (ανδροειδών) με αισθητήρες όρασης, ακοής κ.λπ., που οι κατασκευαστές τους προσπαθούν να μοιάζουν και στη συμπεριφορά τους στον άνθρωπο.
Αυτά ισχύανε μέχρι πρόσφατα. Σήμερα, ανοίγει ο δρόμος για την κατασκευή ρομπότ, τα οποία θα μιμούνται τα ζώα και θα εξελίσσονται συνεχώς, ώστε να προσαρμόζονται καλύτερα στο περιβάλλον τους - ένα είδος ρομποτικής δαρβινικής εξέλιξης.
Get Excited - The Robots Are Evolving!
Ήδη, ρομπότ που μπορεί να φτιάξει άλλα ρομπότ πιο εξελιγμένα στον τρόπο που κινούνται, χωρίς καμία ανθρώπινη παρέμβαση, δημιούργησαν Βρετανοί και Ελβετοί ερευνητές. Πρόκειται για ένα σοβαρό επίτευγμα που θα αλλάξει την πορεία των πραγμάτων, αν και είναι σε πολύ αρχικό ακόμη στάδιο.
Οι μηχανικοί των πανεπιστημίων Κέμπριτζ (Τμήμα Μηχανικής) και ΕΤΗ της Ζυρίχης (Τμήμα Μηχανολόγων Μηχανικών-Ινστιτούτο Ρομποτικής και Έξυπνων Συστημάτων), που έκαναν τη σχετική δημοσίευση στο περιοδικό «PLoS One», σύμφωνα με το BBC, δημιούργησαν ένα ρομπότ από εύκαμπτο μαλακό πλαστικό, που κάνει άλματα σαν ακρίδα. Η πρωτοτυπία του ρομποτικού συστήματος είναι ότι έχει τη δυνατότητα να βελτιώνεται προοδευτικά και να βελτιώνει τις επιδόσεις του στα πηδήματα, καθώς επίσης να «γεννά μωρά», τα οποία με τη σειρά τους κινούνται ακόμη καλύτερα.
Ακούγεται λίγο σαν σενάριο επιστημονικής φαντασίας - ένα ρομπότ που φτιάχνει τα δικά του ρομποτάκια - όμως στην ουσία αυτό πέτυχαν οι ερευνητές. Προς το παρόν, τα «μωρά» είναι πλαστικοί κύβοι που έχουν ένα κινητήρα στο εσωτερικό τους. Η κατασκευή τους γίνεται από έναν «μητρικό» ρομποτικό βραχίονα, ο οποίος μπορεί να δημιουργήσει διάφορα σχήματα «μωρών».
Το μητρικό ρομπότ αξιολογεί κάθε φορά - χωρίς παρεμβολή ανθρώπου - ποιες περαιτέρω βελτιώσεις πρέπει να κάνει στον σχεδιασμό του «μωρού», ώστε αυτό να έχει βελτιωμένη απόδοση.
Μέχρι στιγμής το ρομπότ-μητέρα έχει δημιουργήσει δέκα γενιές ρομπότ-παιδιών και η τελευταία γενιά μπορεί να διασχίσει διπλάσια απόσταση σε σχέση με την πρώτη, προτού ξεμείνει από ηλεκτρική ενέργεια. Δηλαδή μέσα σε δέκα «γενιές» έχει αυξήσει κατά 100% τις επιδόσεις του στον τομέα της κίνησης.
«Ένα από τα μεγάλα ερωτήματα στη βιολογία είναι πώς προήλθε η νοημοσύνη. Χρησιμοποιούμε τη ρομποτική για να εξερευνήσουμε αυτό το μυστήριο. Θέλουμε να δούμε τα ρομπότ ικανά για καινοτομία και δημιουργικότητα », δήλωσε ο ερευνητής.
Ο επικεφαλής της έρευνας θεωρεί εφικτό ότι σε 20 χρόνια θα έχουν πλέον δημιουργηθεί ρομπότ με ικανότητες ανάλογες εκείνων των ρομπότ που πρωταγωνιστούν σε ταινίες όπως ο «Πόλεμος των 'Αστρων» και το «Σταρ Τρεκ».
Οι ερευνητές οραματίζονται ήδη ότι τα μελλοντικά ρομπότ που θα εργάζονται στις αυτοκινητοβιομηχανίες, δεν θα κάνουν απλώς συναρμολογήσεις, αλλά θα είναι τόσο έξυπνα, ώστε να αντιλαμβάνονται μόνα τους τα ελαττώματα σε ένα αυτοκίνητο και να φροντίζουν να το επιδιορθώνουν. Καθώς επίσης ρομπότ που θα χρησιμοποιούνται στη γεωργία και θα δοκιμάζουν ελαφρώς διαφορετικές μεθόδους καλλιέργειας και συγκομιδής, για να δουν κατά πόσο αυτό θα βελτιώσει την αποδοτικότητα.
Tα ρομπότ «μαθαίνουν» από τους «προγόνους» τους
με εικονική συνουσία.
Ο Πάουλ Λεβί από το τμήμα Πληροφορικής και Ηλεκτροτεχνικής του Πανεπιστημίου της Στουτγάρδης εξηγεί στη Deutsche Welle με αφορμή ένα ρομπότ, το οποίο έχει ως αποστολή να εντοπίσει ένα κομμάτι τυρί: «Το ζητούμενο εδώ είναι η όσφρηση και όχι τόσο οι κάμερες και οι αισθητήρες θερμοκρασίας. Από τη στιγμή που κρίνεται απαραίτητο για τη επιβίωση, το ρομπότ πρέπει να βρει το ταχύτερο εκείνα που θα του εξασφαλίσουν την επιβίωση. Για το λόγο αυτό περνούν σε δεύτερη μοίρα χαρακτηριστικά και ικανότητες που εκείνη τη στιγμή δεν απαιτούνται».
Evolutionary Robotics - A Brief Introduction
Στους ζωντανούς οργανισμούς η εξέλιξη του είδους πραγματοποιείται μέσω της μετάλλαξης, δηλαδή με μικρές αλλαγές του γενετικού κώδικα, που μεταδίδεται από τη μια γενιά στην άλλη. Στα ρομπότ οι αλλαγές λαμβάνουν χώρα με την ανταλλαγή δεδομένων. Ο Πάουλ Λεβί επισημαίνει: «Γενετιστές από το Τίμπινγκεν εφάρμοσαν για πρώτη φορά το λεγόμενο «εικονικό σεξ», το οποίο για μας έχει βέβαια διαφορετική σημασία. Για μας σημαίνει ανταλλαγή προγραμμάτων, ανταλλαγή δεδομένων».
Σαν σε παιχνίδι με τράπουλα τα νέα ρομπότ λαμβάνουν ένα μείγμα προγραμμάτων από το «πατρικό» ή «μητρικό» ρομπότ και παρ΄ όλες τις ομοιότητες που έχουν με τους «γονείς» ή τα «αδέρφια» τους αποκτούν αργά, αλλά σταθερά -υπό προϋποθέσεις- περισσότερες ικανότητες. Έχουν, για να θυμηθούμε το παράδειγμα με το τυρί, καλύτερη όσφρηση από ότι πριν.
Οι επιστήμονες είναι πάντως αισιόδοξοι για το μέλλον και επισημαίνουν ότι ήδη μετά από πέντε γενιές επιτυχημένης ανταλλαγής προγραμμάτων οι ικανότητες αναζήτησης των ρομπότ έχουν βελτιωθεί αισθητά.
1/11/2017
ΣΧΕΤΙΚΑ ΚΕΙΜΕΝΑ
(Reuters/ Matthew F. Glasser, David C. Van Essen/Handout)
1.
Πώς η τεχνητή νοημοσύνη θα μετατρέπει τις ανθρώπινες σκέψεις
σε «ταινία».
Θα μπορούσε στο μέλλον η τεχνητή νοσημοσύνη, όχι μόνο να διαβάζει το περιεχόμενο του μυαλού ενός ανθρώπου, αλλά και να φτιάχνει μια βιντεοταινία από αυτό που βλέπει; Σίγουρα κάτι τέτοιο δεν θα συμβεί σύντομα, αλλά τα πρώτα βήματα μόλις άρχισαν.
Μια ομάδα ερευνητών, που έκανε σχετική δημοσίευση στο περιοδικό νευροεπιστήμης «Cerebral Cortex», σύμφωνα με το «Science», δημιούργησαν ένα σύστημα τεχνητής νοημοσύνης, οι αλγόριθμοι του οποίου μπορούν να μαντέψουν εν μέρει τι σκέφτεται το ανθρώπινο μυαλό και μετά να προσπαθήσουν να μετατρέψουν αυτές τις σκέψεις σε εικόνες.
Οι ερευνητές, με επικεφαλής τον κινεζικής καταγωγής επίκουρο καθηγητή Ζονγκμίνγκ Λίου των Σχολών Ηλεκτρολόγων Μηχανικών & Μηχανικών Υπολογιστών και Βιοϊατρικής Μηχανικής του Πανεπιστημίου Πέρντιου των ΗΠΑ, έβαλαν τρεις γυναίκες να βλέπουν εκατοντάδες βίντεο και την ίδια στιγμή ένα μηχάνημα λειτουργικής μαγνητικής τομογραφίας (fMRI) κατέγραφε την εγκεφαλική δραστηριότητά τους.
Παράλληλα, ένα συνελικτικό νευρωνικό δίκτυο (convolutional neural network) βαθιάς μάθησης και επεξεργασίας εικόνας μάθαινε να συσχετίζει τις εικόνες στις βιντεοταινίες με τα μοτίβα στον εγκέφαλο των γυναικών. Από ένα σημείο και μετά, το σύστημα τεχνητής νοημοσύνης μπορούσε μόνο του να προβλέψει τι έβλεπαν οι εθελόντριες και, με βάση αυτή την εκτίμηση, οι ερευνητές ήταν σε θέση να κάνουν μια χονδρική απεικόνιση του περιεχομένου του εγκεφάλου.
Μέχρι στιγμής το σύστημα -αναλύοντας την εγκεφαλική δραστηριότητα- έχει ποσοστό επιτυχίας γύρω στο 50% (δηλαδή πέφτει μέσα τις μισές φορές) στο να μαντέψει τι βλέπει ένας άνθρωπος και άρα τι επεξεργάζεται ο εγκέφαλός του, έχοντας να επιλέξει ανάμεσα σε 15 κατηγορίες αντικειμένων και δραστηριοτήτων (πουλί, αεροπλάνο, σωματική άσκηση κ.α.).
Αν το σύστημα τεχνητής νοημοσύνης έχει εκπαιδευθεί σε δεδομένα από μια γυναίκα, αλλά δοκιμάσει να μαντέψει το περιεχόμενο του εγκεφάλου μιας άλλης γυναίκας, τότε το ποσοστό επιτυχίας του πέφτει στο 25% (μία στις τέσσερις φορές).
Το σύστημα έχει αρχίσει, ήδη, να αναπαράγει την εικόνα αυτού που έχει ένας άνθρωπος στον εγκέφαλό του, αλλά προς το παρόν οι παραγόμενες στατικές εικόνες μοιάζουν με «πιτσιλιές» από πίξελ. Όμως, οι ερευνητές θεωρούν ότι το σύστημα θα προοδεύσει στην πορεία και κάποτε θα είναι σε θέση να «μεταφράσει» τις σκέψεις ή ακόμη και τα όνειρα σε ψηφιακά δεδομένα ενός υπολογιστή και, τελικά, σε βιντεοταινίες.
Με άλλα λόγια, ο απώτερος στόχος είναι η δημιουργία μηχανών επιστημονικής φαντασίας που θα διαβάζουν και θα προβάλλουν το μυαλό μας σε μια οθόνη! Αλλά αυτό δεν θα είναι καθόλου εύκολο, γιατί το μυαλό του ανθρώπου είναι μια άβυσσος...
30/10/2017
2.
Stephen Hawking: "Τα ρομπότ τεχνητής νοημοσύνης θα αντικαταστήσουν πλήρως τον άνθρωπο."
Stephen Hawking: "Τα ρομπότ τεχνητής νοημοσύνης θα αντικαταστήσουν πλήρως τον άνθρωπο."
Η τεχνητή νοημοσύνη πιθανότατα θα φτάσει σε τέτοιο επίπεδο όπου τα ρομπότ θα αντικαταστήσουν πλήρως τον άνθρωπο. Αυτή την προειδοποίηση έκανε για ακόμα μία φορά ο πολυβραβευμένος φυσικός Stephen Hawking.
Η ανάπτυξη ρομπότ και υπολογιστών θα φτάσει τελικά σε τέτοιο σημείο οπότε θα γίνει μια «νέα μορφή ζωής που θα ξεπεράσει τους ανθρώπους», δήλωσε χαρακτηριστικά.
"Αν οι άνθρωποι σχεδιάζουν και αντιμετωπίζουν ιούς για τους υπολογιστές, κάποιος θα σχεδιάσει την τεχνολογία που θα βελτιώνεται και θα τους αντιμετωπίζει από μόνη της. Αυτή θα είναι μια νέα μορφή ζωής που θα ξεπερνά τους ανθρώπους".
Ο 75χρονος επιστήμονας είχε δηλώσει παλιότερα σε συνέντευξή του στο περιοδικό WIRED ότι δεν βλέπει καμία θεμελιώδη διαφορά μεταξύ του τι μπορεί να επιτύχει ένας ανθρώπινος εγκέφαλος και ένας υπολογιστής. "Κάποια στιγμή τα μηχανήματα μπορούν να γίνουν καλύτερα από εμάς. Αν δεν μας καταστρέψουν οι μηχανές στην προσπάθειά τους να είναι αποτελεσματικές, πιθανώς να καταστραφούμε από τη δική μας ανικανότητα στη διαχείριση του πλανήτη γη".
Και τέλος προειδοποιεί: «Πιστεύω ότι έχουμε φτάσει στο σημείο που δεν υπάρχει επιστροφή. Η γη μας είναι πολύ μικρή για εμάς, ο παγκόσμιος πληθυσμός αυξάνεται με ανησυχητικό ρυθμό και κινδυνεύουμε να αυτοκαταστραφούμε. Χρειαζόμαστε επειγόντως περισσότερους νέους να ενδιαφέρονται για την διαστημική έρευνα, ώστε να μπορέσουμε να αποικίσουμε άλλους πλανήτες και να σωθεί το είδος μας".
2/11/17
3.
Στιγμές στην ιστορία της Τεχνητής Νοημοσύνης.
Οι απαρχές της Τεχνητής Νοημοσύνης ανάγονται στους "συλλογισµούς" του Αριστοτέλη (384-322 π.Χ.), οι οποίοι παρείχαν πρότυπα εκφράσεων που έδιναν πάντα σωστά συµπεράσµατα από σωστές υποθέσεις (Αριστοτέλεια συλλογιστική). Έπειτα, οι σημαντικότερες στιγμές είναι:
1854: Ο George Boole έθεσε τις βάσεις της προτασιακής λογικής.
1879: Ο Gottlieb Frege πρότεινε ένα σύστηµα αυτοµατοποιηµένης συλλογιστικής και έθεσε τις βάσεις του κατηγορηµατικού λογισµού (predicate calculus).
1943: Ο McCulloch και ο Pitts πρότειναν ένα µοντέλο τεχνητών νευρώνων που είχε τη δυνατότητα να µαθαίνει και να υπολογίζει κάθε υπολογίσιµη συνάρτηση.
1950: Ο Alan Turing (1913-1954), ο οποίος θεωρείται ο πατέρας της ΤΝ, εµπνεύστηκε το ένα τεστ (Turing test), για την αναγνώριση ευφυών µηχανών.
1951: Ο Minsky και ο Edmonts υλοποίησαν το πρώτο νευρωνικό δίκτυο, το SNARC, µε 40 νευρώνες, το οποίο χρησιµοποιούσε 3.000 λυχνίες.
1956: Διοργάνωση συνεδρίου (workshop) καθοριστικού στη γέννηση της Τεχνητής Νοημοσύνης. Οργανώθηκε από τους McCarthy, Minksy, Shannon και Rochester και αφορούσε τη θεωρία αυτοµάτων, νευρωνικά δίκτυα και µελέτη της ευφυΐας.
1958: Ο McCarthy: Όρισε τη συναρτησιακή γλώσσα LISP. Πρότεινε ένα υποθετικό σύστηµα (τον advice taker), που χρησιµοποιούσε γνώση (όπως το LT) αλλά αφορούσε γενικά, καθηµερινά, προβλήµατα.
1958: Ο Friedberg πρότεινε µια τεχνική, τη µηχανική εξέλιξη (machine evolution) ή όπως ονοµάζεται τώρα, γενετικοί αλγόριθµοι (genetic algorithms).
Δεκαετία του ’60: Στο Stanford υλοποιήθηκε το πρώτο robot, το Shakey robot.
1968:Το πρόγραµµα ANALOGY του Tom Evans έλυνε προβλήµατα γεωµετρικής αναλογίας που χρησιµοποιούνταν σε τεστ ευφυΐας.
1962: Βελτιώσεις της µεθόδου µάθησης των νευρωνικών δικτύων του Hebb από τον Rosenblatt µε τα perceptrons.
1965: Το πρόγραµµα ELIZA του Weizenbaum µπορούσε να κάνει συζήτηση για οποιοδήποτε θέµα, χρησιµοποιώντας και παραφράζοντας τις προτάσεις που έδινε σαν ερώτηση ο χρήστης.
Δεκαετία του ’70: Eποχή της κριτικής ότι τα συστήµατα ήταν κατάλληλα µόνο για παιχνίδια (toy problems). Το χαρακτηριστικό των συστηµάτων της εποχής, ήταν ότι περιείχαν ελάχιστη ή καθόλου γνώση για το πεδίο του προβλήµατος (weak methods). Τo εύρος εφαρµογών των νευρωνικών δικτύων ήταν μικρό. Αναπτύχθηκαν συστήµατα που περιείχαν την απαιτούµενη γνώση ώστε να συµπεριφέρονται όπως οι άνθρωποι ειδικοί σε διάφορα θέµατα. Ονοµάστηκαν Έµπειρα Συστήµατα (Expert Systems) ή Συστήµατα Γνώσης (Knowledge Systems):
-DENDRAL (Stanford 1969). Εύρεση της µοριακής δοµής οργανικών ενώσεων µε δεδοµένα από φασµατογράφο µάζας.
-MYCIN (Stanford). Διάγνωση µολύνσεων του αίµατος.
-PROSPECTOR (1979). Συµβουλές για τοποθεσίες γεώτρησης για το στοιχείο µολυβδένιο.
-R1 (McDermott, 1982 για την εταιρεία Digital Equipments). Διαµόρφωση (σύνταξη) των παραγγελιών µε βάση τις ανάγκες των πελατών.
-SHRDLU (Winograd) και LUNAR (William Woods, 1973). Κατανόηση φυσικής γλώσσας
Αρχές δεκαετίας του '70: Προτάθηκε η γλώσσα προγραµµατισµού Prolog.
1975: Προτάθηκαν από τον Minsky τα πλαίσια (frames).
1981: Οι Ιάπωνες ανακοίνωσαν το πρόγραµµα της 5ης γενιάς, ένα δεκαετές πρόγραµµα για την κατασκευή υπολογιστών µε γλώσσα µηχανής την Prolog. Στόχος ήταν να κατασκευαστούν ευφυή συστήµατα, τα οποία εκτός των άλλων, θα ήταν σε θέση να επικοινωνούν πλήρως µε τον άνθρωπο σε φυσική γλώσσα.
Μέσα της δεκαετίας του '80: Επανεµφανίστηκαν τα νευρωνικά δίκτυα.
Δεκατία του '80: Εµφανίστηκε πάλι ο αλγόριθµος µάθησης µε οπισθοδρόµηση (Back-propagation) και εφαρµόστηκε σε πολλά προβλήµατα µε µεγάλη επιτυχία.
Σήμερα: Η Τεχνητή Νοημοσύνη έχει εξελιχθεί ώστε να καλύπτει όχι μόνο συστήματα που βασίζονται σε κανόνες και έμπειρα συστήματα, αλλά και συστήματα που βασίζονται στην εξελικτική διαδικασία ή σε πράκτορες. Περιοχές έρευνας περιλαμβάνουν την ανάπτυξη της γνώσης για συλλογιστικά μοντέλα, όπως οντολογίες και εφαρμογές εξόρυξης δεδομένων για την αυτόματη απόκτηση γνώσης. Σχετικοί τομείς έρευνας και ανάπτυξης περιλαμβάνουν το ηλεκτρονικό εμπόριο, την ηλεκτρονική οικονομία και τις διαπραγματεύσεις βάσει πρακτόρων. Αυτήν τη στιγµή υπάρχουν:
-Συστήµατα αναγνώρισης φωνής (π.χ. Pegasus), τα οποία κλείνουν αεροπορικές θέσεις τηλεφωνικά, βρίσκοντας τις βέλτιστες πτήσεις µε βάση το κόστος ή το χρόνο) ή δίνουν διάφορες πληροφορίες γενικού ενδιαφέροντος (π.χ. η φωνητική πύλη MyCosmos).
-Έµπειρα συστήµατα πραγµατικού χρόνου (π.χ. MARVEL) που επεξεργάζονται τα δεδοµένα που µεταδίδονται από διαστηµόπλοια.
-Ροµποτικά συστήµατα που οδηγούν αυτοκίνητα σε αυτοκινητόδροµο χρησιµοποιώντας video κάµερες και sonar.
-Συστήµατα που διεξάγουν ιατρικές διαγνώσεις.
-Συστήµατα που ελέγχουν και ρυθµίζουν την κυκλοφορία αυτοκινήτων.
-Προγράµµατα πράκτορες (agents) και οι αρχιτεκτονικές συστηµάτων που βασίζονται σε πράκτορες (σύστηµα SOAR).
-και πολλά άλλα.
Βιβλιογραφία
Τίμος Σελλής, Τεχνητή Νοημοσύνη, Διάλεξη 1, http://ecourse.lib.ntua.gr/NODE/L0/20.html
ΠΗΓΗ:http://users.sch.gr/jenyk/index.php/artificialintelligence/ai-historicalreview/5-historicalroute
4.
Τεχνητή νοημοσύνη
5.
Τεχνητή Νοημοσύνη : Διαλέξεις
