WEBVTT 00:00.640 --> 00:04.960 Hallo en welkom terug bij de cursus over kunstmatige intelligentie in het verhaal van vandaag, we hebben 00:04.960 --> 00:07.360 het over de laatste A in een trilogie. 00:07.360 --> 00:09.180 We hebben het over voordeel. 00:09.460 --> 00:16.000 Dus daar is het, veel gesproken over acteur, een criticus en een Synchronoss die eerder en langzaam onze weg hebben gebouwd 00:16.000 --> 00:18.450 naar waar we vandaag naar gaan kijken. 00:18.580 --> 00:21.330 En met voordeel gaan we alles op een rijtje zetten. 00:21.640 --> 00:23.590 Dit is dus wat we tot nu toe hebben. 00:23.590 --> 00:30.460 We hebben een neuraal netwerk dat wordt gedeeld tussen de agenten, de asynchrone agenten, en dan hebben we de 00:30.460 --> 00:33.160 criticus, die ook wordt gedeeld tussen agenten. 00:33.190 --> 00:36.340 Dus hoe verloopt dit allemaal en waarom wordt deze criticus gedeeld tussen de agenten? 00:36.410 --> 00:37.190 Laten we daar eens naar kijken. 00:37.480 --> 00:38.860 Nou, begrijp dit beter. 00:38.860 --> 00:39.820 We gaan een voorbeeld bekijken. 00:39.820 --> 00:44.680 We gaan bijvoorbeeld naar deze agent kijken en zien wat er gebeurt als hij zich in een bepaalde staat bevindt en hij 00:44.680 --> 00:46.450 moet beslissen welke actie hij moet spelen. 00:46.720 --> 00:48.730 Dus deze agent is in een staat. 00:48.730 --> 00:49.900 Hij ziet dit beeld. 00:50.770 --> 00:54.670 En wat er dan gebeurt, is dat deze informatie in het neurale netwerk gaat. 00:54.670 --> 00:59.710 Het gaat naar de convolutionele laag, dan gaat het in de poolende laag, dan gaat het in de 00:59.710 --> 01:00.100 afvlakkingslaag. 01:00.730 --> 01:04.860 En van daaruit gaat het naar de verborgen lagen van het neurale netwerk en is dan een output. 01:05.350 --> 01:09.520 Hij krijgt al deze beleidswaarden, de Cucu-waarden van het beleid. 01:09.790 --> 01:14.060 En ook hij krijgt de waarde, de kritische waarde. 01:14.080 --> 01:21.040 En dus, zoals we weten, moeten neurale netwerken, om te kunnen functioneren, bepaalde fouten of verliezen terug door 01:21.040 --> 01:22.640 het netwerk verspreiden. 01:22.670 --> 01:25.030 Dus op deze manier om de gewichten bij te werken. 01:25.030 --> 01:29.450 Dus wat weegt ook mee wat de verliezen hier te maken zullen hebben? 01:29.470 --> 01:30.460 Nou, er zijn twee verliezen. 01:30.460 --> 01:32.850 We hebben het waardeverlies en het polisverlies. 01:32.890 --> 01:35.140 Het waardeverlies is dus gekoppeld aan het waardebeleid. 01:35.140 --> 01:36.310 Verlies is gekoppeld aan beleid. 01:36.850 --> 01:38.320 En het is zo waardevol verloren. 01:38.330 --> 01:40.540 We hebben het al eerder behandeld. 01:40.540 --> 01:46.380 We weten dat we beloningen hebben en we weten dat we een kortingsfactor hebben. 01:46.390 --> 01:54.430 Dus eigenlijk lijkt dit erg op waar we het over hadden in de deep learning-tutorials. 01:54.610 --> 01:57.830 Kortom, het netwerk voorspelt een bepaalde waarde. 01:58.720 --> 02:04.960 En tegelijkertijd kunnen we inschatten wat er moet gebeuren op basis van wat we tot nu toe over het milieu 02:04.960 --> 02:05.350 weten. 02:05.530 --> 02:09.130 We kunnen inschatten wat de waarde van de staat zou moeten zijn. 02:09.130 --> 02:13.210 En door de twee te vergelijken, kunnen we het waardeverlies berekenen en vervolgens het netwerk weer verspreiden, de gewichten 02:13.210 --> 02:13.540 bijwerken. 02:13.780 --> 02:17.170 Dus dat is nodig, want het nieuwe hier is het verlies van de polis. 02:17.680 --> 02:21.370 En wat is dit beleidsverlies dan en hoe werkt het? 02:21.610 --> 02:28.570 Welnu, dit is het deel waar deze hele situatie waarin de criticus wordt gedeeld tussen de 02:28.570 --> 02:32.150 acteurs of tussen de agenten uiteindelijk zal ontstaan. 02:32.530 --> 02:36.820 Dus om beleidsverlies te begrijpen, moeten we een waarde introduceren die voordeel wordt genoemd. 02:36.820 --> 02:42.520 Vandaar de naam van dit deel van het verhaal over dit hele deel van het ethische algoritme. 02:42.530 --> 02:50.020 Het voordeel en de voordelen worden berekend als wachtrij van Sandy minus V van S. Dus eigenlijk de sleutelwaarde die je koos om te spelen van de 02:50.020 --> 02:55.600 actie die je koos om te spelen in de staat waarin je je bevond als minus de 02:55.600 --> 02:57.130 waarde van die staat. 02:57.520 --> 03:00.610 Dus dit is het verschil tussen de twee en dat heet die. 03:00.610 --> 03:04.350 En dat voordeel wordt gebruikt bij de berekening van de polis. 03:04.900 --> 03:09.360 Nu gaan we niet in op de formule van de berekening van het verlies van polissen, omdat deze vrij ingewikkeld is. 03:09.370 --> 03:11.620 Het gebruikt entropie of het kan entropie gebruiken. 03:11.620 --> 03:16.630 Dat hoeft niet, we gaan die formule niet ontleden, maar we gaan dit op een intuïtief niveau 03:16.630 --> 03:16.930 begrijpen. 03:16.940 --> 03:17.770 Waarom doen we dit? 03:17.770 --> 03:21.250 Waarom berekenen we dit voordeel en hoe gaat het ons helpen? 03:21.580 --> 03:23.760 Nou, laten we hier eerst even naar kijken. 03:24.100 --> 03:30.040 De Q-waarde hier komt van wat het neurale netwerk voor deze agent voorspelde. 03:30.910 --> 03:36.430 Dus het voorspelde in deze specifieke actie in deze specifieke staat voor de actie die het kan spelen. 03:36.440 --> 03:43.240 Dus het heeft deze acties en het kan er een selecteren en het kan het goed spelen, terwijl de waarde 03:43.270 --> 03:46.390 de waarde is die wordt gedicteerd door de criticus. 03:46.390 --> 03:49.990 Het is de waarde die we hier in dit gedeelde deel hebben. 03:49.990 --> 03:52.270 En dat is de sleutel hier, dat dit deel wordt gedeeld. 03:52.280 --> 03:58.690 Dus de criticus, want dit is hoe de criticus in het spel komt, omdat we een waarde hebben die we kiezen of de actie die 03:58.690 --> 04:01.660 we kiezen om te spelen voor deze agent in die staat. 04:01.870 --> 04:09.280 Maar dan kan de criticus ons vertellen wat de bekende waarde van die toestand is, wat in het algemeen de bekende waarde 04:09.280 --> 04:16.070 is voor deze hele groep agenten die samen optreden omdat ze delen, niet zo omdat ze Netrebko delen, omdat ze' 04:16.070 --> 04:18.190 opnieuw delen van de criticus. 04:18.520 --> 04:23.170 Ze dragen hier allemaal aan bij, want deze waarden worden berekend voor een andere staat. 04:23.170 --> 04:28.870 Dus het hele H3C-algoritme zegt: OK, dus de criticus kent een waarde. 04:29.050 --> 04:35.140 Hoeveel beter is de yoku-waarde die u selecteert in vergelijking met de bekende waarde? 04:35.260 --> 04:36.230 Dat is wat het zegt. 04:36.520 --> 04:37.870 Dus dat is het eigenlijk. 04:37.880 --> 04:44.950 Dus dat OK, ik ga hier een Q-waarde selecteren op basis van mijn mijn beleid, gebaseerd op wat we 04:44.950 --> 04:50.110 ook gebruiken als een softmax-functie of een epsilon hebzuchtig beleid of iets dergelijks. 04:50.110 --> 04:55.450 En natuurlijk zal er exploratie en exploitatie gecombineerd zijn, maar we selecteren een Q-waarde. 04:55.450 --> 04:59.140 En nu is de vraag, wat is de extra? 04:59.170 --> 04:59.680 Wat doet dat. 04:59.750 --> 05:00.890 Wil je die aanpakken? 05:00.920 --> 05:07.520 Wat levert het voordeel van uw geselecteerde actie op ten opzichte van de bekende waarde van die staat? 05:07.760 --> 05:09.380 En dat is de essentie van het voordeel. 05:09.380 --> 05:16.370 En in feite wordt dat dan gebruikt om het polisverlies te berekenen en dan wordt het polisverlies dan terug gepropageerd via terug 05:16.610 --> 05:17.850 via het netwerk. 05:17.890 --> 05:23.840 Dus ze verspreiden zich allebei terug via een netwerk en de gewichten worden aangepast zodat het netwerk de 05:23.840 --> 05:26.090 waarde van de criticus beter weergeeft. 05:26.090 --> 05:28.100 En dat is ook het bovenste deel. 05:28.320 --> 05:33.890 Maar dan is dit ook een deel van de sleutel hier dat de waarde, de gewichten 05:33.890 --> 05:41.200 bakra zijn wanneer er de achter Perigord van deze bevolking is, de gewichten op zo'n manier worden aangepast zodat dit voordeel wordt gemaximaliseerd. 05:41.260 --> 05:46.550 Dus dat is de intuïtieve kant van het intuïtieve begrip ervan dat we terug zijn met 05:46.550 --> 05:51.830 betrekking tot, nogmaals, dit beleidsverlies via het netwerk om dit voordeel te helpen maximaliseren. 05:51.980 --> 05:57.590 En wat dat betekent, is dat wanneer een agent slechte acties tegenkomt, zoals acties waarbij de cue 05:57.590 --> 06:00.850 minder waardeert dan de bekende waarde voor de staat. 06:00.860 --> 06:06.620 Dus eigenlijk de hele weg door, weet Shalgam dat de waarde voor de staat iets X is, en 06:06.620 --> 06:11.630 toen kwam je ineens een heel slechte actie tegen en je koos voor actie. 06:11.630 --> 06:16.460 En wat dat betekent voor het ethische algoritme is dat, nou ja, waarom zouden we zoiets doen als 06:16.460 --> 06:21.410 het erger is dan we al weten wat we al weten over deze hele omgeving en wat we hadden kunnen 06:21.440 --> 06:21.800 doen. 06:21.950 --> 06:23.300 Dat moeten we dus niet meer doen. 06:23.480 --> 06:25.820 En daarom zijn de gewichten gewoon op een bepaalde manier. 06:25.820 --> 06:27.480 Dat komt dus zeldzamer voor. 06:27.630 --> 06:29.400 Dus dat gebeurt minder zelden. 06:30.200 --> 06:33.170 Dus dat komt minder vaak voor dat we voor die slechte actie kiezen. 06:33.350 --> 06:38.150 Aan de andere kant, als je een zeer goede actie kiest waar je waarden groter dan 06:38.390 --> 06:42.710 Võ of veel groter dan waar tijdens zijn achterwaartse verspreiding van het beleid 06:42.710 --> 06:50.510 via het netwerk, de gewichten een update zullen zijn op zo'n manier om dat te versterken, aanmoedigen om dat weer te laten gebeuren, zodat de gewichten 06:50.510 --> 06:55.070 zo worden aangepast dat de Shalgam zal denken, oh wauw, dat is echt gaaf. 06:55.070 --> 06:56.570 Het voordeel was daar erg groot. 06:56.750 --> 07:03.680 Ik zou daar meer van moeten doen en daarom zal het de gewichten op een zodanige manier bijwerken dat de kans groter is dat die actie 07:03.680 --> 07:05.480 zich in de toekomst zal voordoen. 07:05.480 --> 07:12.830 Dus en daarom is dat, weet je, dat is hoe het netwerk zich langzaam, langzaam gaat aanpassen en zichzelf 07:12.830 --> 07:18.890 langzaam gaat construeren tot iets dat aan de ene kant de waarde correct berekent. 07:18.890 --> 07:26.180 En dan aan de andere kant of zo snel mogelijk en aan de andere kant stimuleert of heeft het acties die 07:26.180 --> 07:27.980 een groot voordeel hebben. 07:28.280 --> 07:29.180 Dus daar gaan we. 07:29.180 --> 07:30.500 Dat is dit deel. 07:30.500 --> 07:34.610 En laten we nu eens naar een andere kijken om te versterken wat we zojuist hebben besproken. 07:34.610 --> 07:35.570 Dus laten we naar de bovenste kijken. 07:35.900 --> 07:37.010 Hier hetzelfde dus. 07:37.280 --> 07:44.120 De topagent ziet een situatie, een staat bevindt zich in een staat en moet dan beslissen wat te doen. 07:44.120 --> 07:46.640 Dus stuurt deze informatie naar de netwerken. 07:46.640 --> 07:48.800 Dus dit beeld gaat in het netwerk, gaat naar convolutioneel. 07:48.800 --> 07:50.930 Ze bundelen hun afvlakkingslaag. 07:50.930 --> 07:53.000 Het gaat in de verborgen lagen. 07:53.000 --> 07:54.650 En vanaf hier krijgen we een uitvoer. 07:54.650 --> 07:56.840 We krijgen de AQ-waarden van de polis. 07:56.840 --> 07:58.510 We krijgen de waarden weer. 07:58.530 --> 07:59.090 Hetzelfde. 07:59.090 --> 08:00.890 We hebben twee nederlagen. 08:00.890 --> 08:05.120 We hebben het waardeverlies, dat hier is, een polisverlies dat hier is, waardeverlies. 08:05.120 --> 08:10.040 We weten echt hoe het wordt berekend toen we dit in de Q Learning bespraken en zojuist ook 08:10.040 --> 08:10.580 besproken. 08:10.850 --> 08:12.770 Dus zo werd de waarde berekend. 08:12.770 --> 08:18.230 En dan weer het polisverlies om te berekenen waar we niet voor gaan, maar op 08:18.320 --> 08:25.490 een intuïtief niveau berekenen we het voordeel, dat wil zeggen, oké, dus we hebben een bepaalde actie ondernomen, we hebben gekozen 08:25.490 --> 08:31.070 een bepaalde actie op basis van ons selectiebeleid, of het nu softmax of epsilon hebzuchtig is 08:31.070 --> 08:34.040 of welk ander sociaal beleid we ook gebruiken. 08:34.520 --> 08:37.730 En wat is dan de actie die we hebben ondernomen? 08:37.730 --> 08:44.540 Laten we het nu vergelijken met de bekende waarde van de staat, die afkomstig is van de gedeelde critici. 08:44.540 --> 08:49.670 Dus deze kritiek is zoiets als, als je erover nadenkt, al deze agenten tegelijkertijd observerend, hij 08:49.670 --> 08:51.020 kijkt naar deze. 08:51.020 --> 08:51.920 Kijk naar deze, deze. 08:51.920 --> 08:56.930 Ze dragen allemaal bij aan een criticus om de criticus meer op de hoogte te 08:56.930 --> 09:02.660 brengen van de omgeving, om ervoor te zorgen dat de criticus representatief is voor wat er in de 09:02.660 --> 09:08.060 werkelijke omgeving gebeurt, zodat het gewicht dat dit is, dat is waar het waardeverlies komt in, 09:08.060 --> 09:16.340 zodat de gewichten van het werkelijke neurale netwerk dat ze heel goed de werkelijke situatie van dingen in de omgeving weerspiegelen, zodat ze vervolgens op 09:16.340 --> 09:20.030 deze waarde kunnen vertrouwen en deze dan hier kunnen gebruiken. 09:20.030 --> 09:20.900 En dus eigenlijk. 09:21.650 --> 09:27.530 Al deze agenten zijn dus al deze agenten dragen bij aan deze criticus, maar dan 09:27.530 --> 09:29.420 tegelijkertijd door dit waardeverlies. 09:29.420 --> 09:35.390 Maar tegelijkertijd observeert de criticus de beslissingen of het beleid van deze instanties. 09:35.480 --> 09:40.220 Alsof het is alsof ik terugkijk op het soort dat ik als een pijl naar het beleid 09:40.220 --> 09:44.960 probeer te trekken en pijl en pijl, terugkijkend op een beslissing die ze nemen, deze beslissingen bekritiseren 09:45.260 --> 09:46.130 vanuit het voordeel. 09:46.130 --> 09:50.150 Het zegt: OK, je hebt een beslissing genomen, je hebt dit gekozen, je hebt deze actie gekozen. 09:50.150 --> 09:50.900 Dat is geweldig. 09:51.140 --> 09:54.860 Laten we nu het voordeel of nadeel van de lanceringen als gelijk berekenen. 09:54.860 --> 09:59.430 Weet je, de waarde van wat ik heb gemaakt, de beslissing die ik heb genomen of de keuze die ik heb gemaakt, de ik. 09:59.730 --> 10:07.650 Ik heb ervoor gekozen om minus de bekende waarde te nemen voor de criticus, de niet-kiezer criticus, dus Chalco het verschil, als het een 10:07.650 --> 10:13.740 klein verschil is, uw beleid, en wanneer uw beleidsverliezen zich terug verspreiden via het netwerk, zullen de gewichten 10:14.070 --> 10:17.700 zijn aanpassen, gaat stimuleren dat de gewichten zodanig worden aangepast 10:17.700 --> 10:22.640 dat dat niet meer gebeurt, dat die nieuwe waarde of die kernwaarde lager wordt. 10:22.860 --> 10:28.950 Dus omdat ons beleid de acties selecteert op basis van de kernwaarden, hoe hoger de waarde, hoe groter de kans 10:28.950 --> 10:30.450 dat deze wordt geselecteerd. 10:30.480 --> 10:34.930 Dus als we een ARG max-beleid zouden gebruiken, dan zouden we altijd de hoogste selecteren. 10:35.100 --> 10:38.790 Zoals ik me herinner, bespraken we dit en dan wilden we altijd degene met de hoogste waarde. 10:38.790 --> 10:43.740 Maar we gebruiken eigenlijk een probabilistische benadering, terwijl we Softmax of Epsilon Grealy-beleid 10:43.740 --> 10:44.220 gebruiken. 10:44.370 --> 10:47.460 En dan zijn we dus eigenlijk aan het selecteren waar we een van hen kunnen selecteren. 10:47.460 --> 10:49.140 Maar hoe hoger de sleutelwaarde, hoe beter. 10:49.170 --> 10:55.110 Dus als we iets hebben geselecteerd en dan was het voordeel erg laag, en vervolgens gebombardeerd, zal het 10:55.110 --> 11:01.440 netwerk op zo'n manier zijn dat de volgende keer deze waarde van die bepaalde actie minder zal zijn en misschien 11:01.440 --> 11:02.500 iets anders meer. 11:02.880 --> 11:05.980 Dus dat is hoe dat is opgesplitst. 11:06.010 --> 11:11.910 En aan de andere kant, als we iets selecteren waar het voordeel groot zal zijn, dan gaat dit in op het verlies 11:11.910 --> 11:15.000 van de polis en dan werken de netwerken het alleen bij. 11:15.000 --> 11:19.490 Dus dat wordt vaker waargenomen als een scenario. 11:19.500 --> 11:26.580 En dus helpt dit hele beleidsverlies het netwerk om zich aan te passen of te veranderen op een manier dat we meer van de goede dingen 11:26.580 --> 11:31.530 doen of de goede acties en goede dingen goed doen en minder van de slechte dingen doen. 11:31.560 --> 11:34.760 En dat is hoe deze twee verliezen in het spel komen en dat is hoe de rug zich voortplant. 11:35.040 --> 11:39.180 Dus hopelijk wordt dat op een heel intuïtieve manier duidelijk. 11:39.180 --> 11:44.700 Natuurlijk zijn we niet ingegaan op de formules, op de complexe wiskunde achter dit alles en graag 11:44.700 --> 11:49.950 op de zeer ingewikkelde details, maar tegelijkertijd hopen we op een intuïtieve manier, op een intuïtieve 11:49.950 --> 11:50.280 manier. 11:50.610 --> 11:58.380 Dit alles maakt duidelijk waarom we de acteur en de criticus hebben en hoe ze met elkaar omgaan, weet 11:58.530 --> 12:00.990 je, je hebt deze agenten, Cinquera. 12:01.000 --> 12:03.840 Dus dit is dan een synchrone kant van de dingen. 12:04.020 --> 12:08.010 Dit is je weet, dit is je acteur en je criticus en dit is je voordeel en hoe dat allemaal in het 12:08.010 --> 12:08.400 spel komt. 12:08.430 --> 12:10.770 Dit zijn dus synchrone agenten. 12:10.770 --> 12:15.870 Ze gaan dit spelen of de omgeving verkennen en hun omgeving bewerken. 12:16.110 --> 12:23.580 En ze dragen allemaal bij aan een criticus, die vervolgens hun beleid observeert, 12:23.580 --> 12:30.330 observeert dat de acteurs, zoals dit heet, en door het voordeel. 12:30.540 --> 12:36.450 En daarom, komend, dit beleidsverlies en dan beleid en waardeverlies zijn terugverspreiding, alleen het 12:36.450 --> 12:43.650 netwerk om enerzijds de ware gang van zaken in de omgeving te vertegenwoordigen, anderzijds om de 12:43.650 --> 12:47.190 prestaties van de acteurs te verbeteren . 12:47.820 --> 12:48.360 Dus daar gaan we. 12:48.360 --> 12:51.960 Dat is een korte samenvatting van de interesse. 12:51.960 --> 12:53.100 En we hebben het er nog een keer over gehad. 12:53.100 --> 12:56.940 Hopelijk komt dit allemaal samen op een intuïtief niveau. 12:56.940 --> 13:02.550 En natuurlijk zullen we in de praktische tutorials meer vertellen over hoe dit allemaal werkt. 13:02.550 --> 13:07.800 En Alan zal je hier doorheen leiden, het proces om dit te bouwen, maar als je dit beeld in je hoofd 13:07.800 --> 13:12.600 hebt en dit als een soort routekaart van alles, hoe het samenkomt, zal goed zijn, zou moeten zijn, 13:12.600 --> 13:17.760 ik hoop dat het erg nuttig zal zijn zodat u beter door de praktische kant van de dingen kunt navigeren. 13:18.180 --> 13:23.280 En wat betreft aanvullende lectuur hebben we voor vandaag twee elementen. 13:23.280 --> 13:25.650 Dus de eerste is in het voordeel. 13:25.650 --> 13:31.180 Dus hier hebben we hoogdimensionale continuïteiten, controle met behulp van algemene voordelen. 13:31.180 --> 13:33.030 Schatting door John Schulman. 13:33.360 --> 13:38.640 En dit is een afbeelding van een stokfiguur die opstaat alsof hij opstaat. 13:38.790 --> 13:42.840 En hier vind je nog meer over bevoordeeld en bevoordeeld. 13:42.840 --> 13:44.790 U ontdekt de verschillende soorten voordelen. 13:44.790 --> 13:47.730 Dus je hebt de algemene schatting van het voordeel. 13:48.330 --> 13:52.230 Je hebt voordelen die je daadwerkelijk gebruikt in de formules, in de berekening. 13:52.240 --> 13:57.690 Dus als je meer wilt weten over voordeel en precies hoe het werkt, 13:57.900 --> 14:06.870 de formules erachter en enkele van de topelementen of formules en weet hoe gemakkelijk dit voordeel is dat we hebben besproken, dan 14:06.870 --> 14:09.900 is dit het artikel om ga naar. 14:10.320 --> 14:19.890 En nog een ander element, dat of een stuk werk waar we je aan wilden herinneren, is de blog, een serie blogposts van Arthur 14:19.890 --> 14:23.610 Giuliani, die we al een paar keer hebben genoemd. 14:24.300 --> 14:27.600 Dit is deel acht, dat specifiek over H3C gaat. 14:28.200 --> 14:32.850 Dus hier kun je een andere uitleg krijgen. 14:33.540 --> 14:39.000 Dus met wat meer wiskunde over wat er aan de hand is en misschien kun je hier wat extra dingen 14:39.000 --> 14:39.360 oppikken. 14:39.360 --> 14:41.280 Slechts twee dingen om in gedachten te houden. 14:41.280 --> 14:44.790 Allereerst, zoals altijd, deze blog is Intenser Flowers. 14:44.790 --> 14:45.840 We gebruiken een taartbrander. 14:46.020 --> 14:46.770 Houd daar dus rekening mee. 14:46.770 --> 14:53.280 En het tweede is dat de manier waarop we onze aanpak hebben gestructureerd, is dat we eerst 14:53.910 --> 14:58.140 over actieve criticus spraken, daarna over asynchroon en daarna over voordeel. 14:58.410 --> 14:59.280 Terwijl in zijn. 14:59.410 --> 15:05.480 Blog Arthur vertelt eerst over een Synchronoss en voorspelt nauwkeurig een voordeel, dus houd daar rekening mee. 15:05.490 --> 15:07.090 Dus hopelijk stoot dat je niet af. 15:07.220 --> 15:12.740 Maar behalve dat is het natuurlijk een geweldig stuk inhoud dat we ten zeerste aanbevelen om het te bekijken 15:12.740 --> 15:14.190 voor wat extra informatie. 15:14.690 --> 15:15.180 Dus daar gaan we. 15:15.200 --> 15:18.560 Hopelijk heb je genoten van de Statoil van vandaag en ik kijk ernaar uit om je de volgende keer te zien. 15:18.590 --> 15:20.210 Tot dan, geniet ervan.