הצלחתם של יישומי בינה מלאכותית במגוון רחב של תעשיות משכה את תשומת הלב והעניין של חברות ברחבי העולם המחפשות לשכפל ולהתעלות על הישגי המתחרים או לפתור מקרי שימוש חדשים ומלהיבים. לקוחות אלה בוחנים דגמי יסוד, כגון TII Falcon, Stable Diffusion XL, או GPT-3.5 של OpenAI, כמנועים המניעים את חדשנות הבינה המלאכותית.
מודלים של בסיס הם סוג של מודלים מחוללים בינה מלאכותית המסוגלים להבין ולייצר תוכן דמוי אדם, הודות לכמויות העצומות של נתונים לא מובנים עליהם הוכשרו. מודלים אלה חוללו מהפכה במשימות שונות של ראייה ממוחשבת (CV) ועיבוד שפה טבעית (NLP), כולל יצירת תמונות, תרגום ומענה לשאלות. הם משמשים כאבני הבניין ליישומי AI רבים והפכו למרכיב מכריע בפיתוח מערכות חכמות מתקדמות.
עם זאת, פריסת מודלים של בסיס יכולה לבוא עם אתגרים משמעותיים, במיוחד במונחים של עלות ומשאבים. דגמים אלו ידועים בגודלם, לרוב נע בין מאות מיליונים למיליארדי פרמטרים. הגודל הגדול שלהם דורש משאבי חישוב נרחבים, כולל חומרה רבת עוצמה וקיבולת זיכרון משמעותית. למעשה, פריסת מודלים של בסיס בדרך כלל דורשת לפחות GPU אחד (לעיתים קרובות יותר) כדי להתמודד עם העומס החישובי ביעילות. לדוגמה, מודל TII Falcon-40B Instruct דורש לפחות מופע ml.g5.12xlarge כדי להיטען לזיכרון בהצלחה, אך מתפקד בצורה הטובה ביותר עם מופעים גדולים יותר. כתוצאה מכך, ההחזר על ההשקעה (ROI) של פריסה ותחזוקה של מודלים אלה עשוי להיות נמוך מכדי להוכיח ערך עסקי, במיוחד במהלך מחזורי פיתוח או עבור עומסי עבודה קפיציים. זה נובע מהעלויות השוטפות של קיום מופעים המופעלים על ידי GPU עבור הפעלות ארוכות, אולי 24/7.
מוקדם יותר השנה, הודענו סלע אמזון, API ללא שרת לגישה לדגמי יסוד מאמזון ומשותפי הבינה המלאכותית שלנו. למרות שהוא נמצא כרגע ב-Private Preview, ה-API שלו ללא שרת מאפשר לך להשתמש בדגמי יסוד מאמזון, Anthropic, Stability AI ו-AI21, מבלי שתצטרך לפרוס נקודות קצה כלשהן בעצמך. עם זאת, דגמי קוד פתוח מקהילות כמו Hugging Face גדלו מאוד, ולא כל אחד מהם הפך זמין דרך Amazon Bedrock.
בפוסט זה, אנו ממקדים את המצבים הללו ופותרים את בעיית הסיכון בעלויות גבוהות על ידי פריסת מודלים גדולים של יסודות אמזון SageMaker נקודות קצה אסינכרוניות החל מ- אמזון SageMaker JumpStart. זה יכול לעזור לקצץ בעלויות של הארכיטקטורה, ולאפשר לנקודת הקצה לפעול רק כאשר בקשות נמצאות בתור ולמשך זמן קצר עד לחייו, תוך ירידה לאפס כאשר אין בקשות ממתינות לטיפול. זה נשמע נהדר עבור הרבה מקרי שימוש; עם זאת, נקודת קצה שהצטמצמה לאפס תציג זמן התחלה קרה לפני שתוכל לשרת מסקנות.
סקירת פתרונות
התרשים הבא ממחיש את ארכיטקטורת הפתרונות שלנו.
הארכיטקטורה שאנו פורסים היא פשוטה מאוד:
- ממשק המשתמש הוא מחברת, אותה ניתן להחליף בממשק משתמש אינטרנטי הבנוי על טכנולוגיית Streamlit או דומה. במקרה שלנו, המחברת היא סטודיו SageMaker של אמזון מחברת, הפועלת על מופע ml.m5.large עם ליבת המעבד PyTorch 2.0 Python 3.10.
- המחברת שואלת את נקודת הקצה בשלוש דרכים: SageMaker Python SDK, AWS SDK עבור Python (Boto3) ו-LangChain.
- נקודת הקצה פועלת באופן אסינכרוני ב- SageMaker, ובנקודת הקצה, אנו פורסים את מודל Falcon-40B Instruct. נכון לעכשיו זה המצב החדש מבחינת דגמי הדרכה וזמין ב- SageMaker JumpStart. קריאת API בודדת מאפשרת לנו לפרוס את המודל בנקודת הקצה.
מהי מסקנות אסינכרוניות של SageMaker
מסקנות אסינכרוניות של SageMaker היא אחת מארבע אפשרויות הפריסה ב- SageMaker, יחד עם נקודות קצה בזמן אמת, הסקת אצווה והסקת שרת ללא שרת. למידע נוסף על אפשרויות הפריסה השונות, עיין ב פרוס מודלים עבור Inference.
מסקנות אסינכרוניות של SageMaker מעמידה בתור בקשות נכנסות ומעבדת אותן באופן אסינכרוני, מה שהופך את האפשרות הזו לאידיאלית עבור בקשות עם גדלים של עומס גדול של עד 1 GB, זמני עיבוד ארוכים ודרישות השהייה כמעט בזמן אמת. עם זאת, היתרון העיקרי שהוא מספק כאשר עוסקים במודלים גדולים של יסודות, במיוחד במהלך הוכחת קונספט (POC) או במהלך פיתוח, הוא היכולת להגדיר הסקה א-סינכרונית להכנס למספר מופעים של אפס כאשר אין בקשות תהליך, ובכך לחסוך בעלויות. למידע נוסף על מסקנות אסינכרוניות של SageMaker, עיין ב הסקה אסינכרונית. התרשים הבא ממחיש את הארכיטקטורה הזו.
כדי לפרוס נקודת קצה של הסקה אסינכרונית, עליך ליצור AsyncInferenceConfig
לְהִתְנַגֵד. אם אתה יוצר AsyncInferenceConfig
מבלי לציין את הטיעונים שלו, ברירת המחדל S3OutputPath
יהיה s3://sagemaker-{REGION}-{ACCOUNTID}/async-endpoint-outputs/{UNIQUE-JOB-NAME}
ו S3FailurePath
יהיה s3://sagemaker-{REGION}-{ACCOUNTID}/async-endpoint-failures/{UNIQUE-JOB-NAME}
.
מה זה SageMaker JumpStart
המודל שלנו מגיע מ-SageMaker JumpStart, תכונה של SageMaker שמאיצה את מסע למידת המכונה (ML) על ידי הצעת מודלים מאומנים מראש, תבניות פתרונות ומחברות לדוגמה. הוא מספק גישה למגוון רחב של מודלים מאומנים מראש לסוגי בעיות שונים, ומאפשר לך להתחיל את משימות ה-ML שלך עם בסיס איתן. SageMaker JumpStart מציעה גם תבניות פתרונות למקרי שימוש נפוצים ומחברות לדוגמה ללמידה. עם SageMaker JumpStart, אתה יכול לצמצם את הזמן והמאמץ הנדרשים כדי להתחיל את פרויקטי ה-ML שלך עם השקות פתרון בלחיצה אחת ומשאבים מקיפים להתנסות מעשית ב-ML.
צילום המסך הבא מציג דוגמה של רק חלק מהדגמים הזמינים בממשק המשתמש של SageMaker JumpStart.
פרוס את הדגם
הצעד הראשון שלנו הוא לפרוס את המודל ל- SageMaker. לשם כך, אנו יכולים להשתמש בממשק המשתמש של SageMaker JumpStart או ב- SageMaker Python SDK, המספק API שבו נוכל להשתמש כדי לפרוס את המודל לנקודת הקצה האסינכרונית:
השיחה הזו עשויה להימשך כ-10 דקות. במהלך הזמן הזה, נקודת הקצה מסובבת, המיכל יחד עם חפצי הדגם יורדים לנקודת הקצה, תצורת המודל נטענת מ- SageMaker JumpStart, ואז נקודת הקצה האסינכרונית נחשפת דרך נקודת קצה DNS. כדי לוודא שנקודת הקצה שלנו יכולה להקטין את קנה המידה לאפס, עלינו להגדיר שינוי קנה מידה אוטומטי בנקודת הקצה האסינכרונית באמצעות Application Auto Scaling. תחילה עליך לרשום את גרסת נקודת הקצה שלך עם קנה מידה אוטומטי של יישום, להגדיר מדיניות קנה מידה ולאחר מכן להחיל את מדיניות קנה המידה. בתצורה זו, אנו משתמשים במדד מותאם אישית באמצעות CustomizedMetricSpecification
, הנקרא ApproximateBacklogSizePerInstance
, כפי שמוצג בקוד הבא. לרשימה מפורטת של אמזון CloudWatch מדדים זמינים עם נקודת הסיום האסינכרונית שלך, עיין ניטור עם CloudWatch.
תוכל לוודא שמדיניות זו הוגדרה בהצלחה על ידי ניווט אל מסוף SageMaker, בחירה נקודות קצה תחת הסקה בחלונית הניווט, ומחפשים את נקודת הקצה שזה עתה פרסנו.
הפעל את נקודת הקצה האסינכרונית
כדי להפעיל את נקודת הקצה, עליך להציב את מטען הבקשה שירות אחסון פשוט של אמזון (Amazon S3) וספק מצביע למטען זה כחלק מה- InvokeEndpointAsync
בַּקָשָׁה. עם הפניה, SageMaker מעמיד את הבקשה בתור לעיבוד ומחזיר מזהה ומיקום פלט כתגובה. לאחר העיבוד, SageMaker ממקם את התוצאה במיקום Amazon S3. אתה יכול לבחור לקבל הודעות הצלחה או שגיאה עם שירות התראה פשוט של אמזון (Amazon SNS).
SageMaker Python SDK
לאחר השלמת הפריסה, הוא יחזיר an AsyncPredictor
לְהִתְנַגֵד. כדי לבצע הסקה אסינכרונית, עליך להעלות נתונים לאמזון S3 ולהשתמש ב- predict_async()
שיטה עם S3 URI כקלט. זה יחזיר א AsyncInferenceResponse
אובייקט, ותוכל לבדוק את התוצאה באמצעות ה- get_response()
שִׁיטָה.
לחלופין, אם ברצונך לבדוק תוצאה מעת לעת ולהחזיר אותה עם הדור, השתמש ב- predict()
שיטה. אנו משתמשים בשיטה השנייה הזו בקוד הבא:
Boto3
כעת נחקור את invoke_endpoint_async
שיטה של Boto3 sagemaker-runtime
לָקוּחַ. זה מאפשר למפתחים להפעיל באופן אסינכרוני נקודת קצה של SageMaker, ולספק אסימון למעקב אחר התקדמות ושליפה של התגובה מאוחר יותר. Boto3 אינו מציע דרך להמתין עד להשלמת ההסקה האסינכרונית כמו של SageMaker Python SDK get_result()
מבצע. לכן, אנו מנצלים את העובדה שבוטו3 יאחסן את פלט ההסקה באמזון S3 ב- response["OutputLocation"]
. אנו יכולים להשתמש בפונקציה הבאה כדי להמתין עד שקובץ ההסקה ייכתב לאמזון S3:
עם פונקציה זו, אנו יכולים כעת לשאול את נקודת הקצה:
LangChain
LangChain היא מסגרת קוד פתוח שהושקה באוקטובר 2022 על ידי האריסון צ'ייס. זה מפשט את הפיתוח של יישומים באמצעות מודלים של שפה גדולה (LLMs) על ידי מתן אינטגרציות עם מערכות ומקורות נתונים שונים. LangChain מאפשרת ניתוח מסמכים, סיכום, יצירת צ'טבוט, ניתוח קוד ועוד. הוא צבר פופולריות, עם תרומות ממאות מפתחים ומימון משמעותי מחברות סיכון. LangChain מאפשרת חיבור של LLMs עם מקורות חיצוניים, מה שמאפשר ליצור יישומים דינמיים המגיבים לנתונים. הוא מציע ספריות, ממשקי API ותיעוד כדי לייעל את תהליך הפיתוח.
LangChain מספקת ספריות ודוגמאות לשימוש בנקודות קצה של SageMaker עם המסגרת שלה, מה שמקל על השימוש במודלים של ML המתארחים ב- SageMaker כ"מוח" של השרשרת. למידע נוסף על האופן שבו LangChain משתלב עם SageMaker, עיין ב- נקודת קצה של SageMaker בתיעוד של LangChain.
אחד המגבלות של היישום הנוכחי של LangChain הוא שהוא אינו תומך בנקודות קצה אסינכרוניות באופן מקורי. כדי להשתמש בנקודת קצה אסינכרונית ל-LangChain, עלינו להגדיר מחלקה חדשה, SagemakerAsyncEndpoint
, שמרחיב את SagemakerEndpoint
מחלקה כבר זמינה ב-LangChain. בנוסף, אנו מספקים את המידע הבא:
- דלי S3 והקידומת שבהם היסק אסינכרוני יאחסן את הכניסות (והיציאות)
- מספר שניות מקסימלי להמתנה לפני תום הזמן הקצוב
- An
updated _call()
פונקציה לשאילתה של נקודת הקצה איתהinvoke_endpoint_async()
במקוםinvoke_endpoint()
- דרך להעיר את נקודת הקצה האסינכרונית אם היא בהתחלה קרה (מוקטנת לאפס)
כדי לסקור את החדש שנוצר SagemakerAsyncEndpoint
, אתה יכול לבדוק את sagemaker_async_endpoint.py
פילה זמין ב- GitHub.
לנקות את
כשתסיים לבדוק את יצירת ההסקות מנקודת הקצה, זכור למחוק את נקודת הקצה כדי להימנע מחיובים נוספים:
סיכום
בעת פריסת דגמי יסוד גדולים כמו TII Falcon, אופטימיזציה של העלות היא חיונית. דגמים אלה דורשים חומרה רבת עוצמה וקיבולת זיכרון ניכרת, מה שמוביל לעלויות תשתית גבוהות. מסקנות אסינכרוניות של SageMaker, אפשרות פריסה המעבדת בקשות באופן אסינכרוני, מפחיתה הוצאות על ידי קנה המידה של ספירת המופעים לאפס כאשר אין בקשות ממתינות. בפוסט זה, הדגמנו כיצד לפרוס דגמי יסוד גדולים של SageMaker JumpStart לנקודות קצה א-סינכרוניות של SageMaker. סיפקנו דוגמאות קוד באמצעות SageMaker Python SDK, Boto3 ו-LangChain כדי להמחיש שיטות שונות להפעלת נקודות קצה אסינכרוניות ואחזור תוצאות. טכניקות אלו מאפשרות למפתחים ולחוקרים לייעל עלויות תוך שימוש ביכולות של מודלים בסיסיים למערכות הבנת שפה מתקדמות.
למידע נוסף על הסקה אסינכרונית ו- SageMaker JumpStart, עיין בפוסטים הבאים:
על הסופר
דויד גליטלי הוא אדריכל פתרונות מומחה עבור AI/ML באזור EMEA. הוא מבוסס בבריסל ועובד בשיתוף פעולה הדוק עם לקוחות ברחבי בנלוקס. הוא מפתח מאז שהיה צעיר מאוד, התחיל לקוד בגיל 7. הוא התחיל ללמוד AI/ML באוניברסיטה, ומאז התאהב בזה.
- הפצת תוכן ויחסי ציבור מופעל על ידי SEO. קבל הגברה היום.
- PlatoData.Network Vertical Generative Ai. העצים את עצמך. גישה כאן.
- PlatoAiStream. Web3 Intelligence. הידע מוגבר. גישה כאן.
- PlatoESG. רכב / רכבים חשמליים, פחמן, קלינטק, אנרגיה, סביבה, שמש, ניהול פסולת. גישה כאן.
- PlatoHealth. מודיעין ביוטכנולוגיה וניסויים קליניים. גישה כאן.
- ChartPrime. הרם את משחק המסחר שלך עם ChartPrime. גישה כאן.
- BlockOffsets. מודרניזציה של בעלות על קיזוז סביבתי. גישה כאן.
- מקור: https://aws.amazon.com/blogs/machine-learning/optimize-deployment-cost-of-amazon-sagemaker-jumpstart-foundation-models-with-amazon-sagemaker-asynchronous-endpoints/
- :יש ל
- :הוא
- :לֹא
- :איפה
- $ למעלה
- 1
- 10
- 100
- 12
- 13
- 15%
- 1M
- 2022
- 25
- 7
- a
- יכול
- אודות
- מאיץ
- מקבל
- גישה
- הישגים
- לרוחב
- פעילות
- בנוסף
- מתקדם
- יתרון
- לאחר
- גיל
- AI
- דגמי AI
- AI / ML
- מאפשר
- מאפשר
- כְּבָר
- גם
- למרות
- אמזון בעברית
- אמזון SageMaker
- אמזון SageMaker JumpStart
- אמזון שירותי אינטרנט
- כמות
- כמויות
- an
- אנליזה
- ו
- הודיע
- אחר
- אנתרופי
- כל
- API
- ממשקי API
- בקשה
- יישומים
- החל
- ארכיטקטורה
- ARE
- טיעונים
- אמנות
- AS
- At
- תשומת לב
- נמשך
- המכונית
- זמין
- מְמוּצָע
- לְהִמָנַע
- AWS
- מבוסס
- BE
- להיות
- היה
- לפני
- להיות
- הטוב ביותר
- גדול
- מיליארדים
- אבני
- גוּף
- לשבור
- בריסל
- בִּניָן
- נבנה
- עסקים
- אבל
- by
- שיחה
- נקרא
- CAN
- יכולות
- יכולת
- מסוגל
- קיבולת
- מקרה
- מקרים
- שרשרת
- שרשראות
- האתגרים
- חיובים
- מרדף
- chatbot
- לבדוק
- בחרו
- בחירה
- בכיתה
- לקוחות
- מקרוב
- קוד
- קר
- איך
- מגיע
- Common
- הקהילות
- חברות
- מתחרים
- להשלים
- השלמת
- הושלם
- רְכִיב
- מַקִיף
- המחשב
- ראייה ממוחשבת
- מושג
- תְצוּרָה
- הקשר
- קונסול
- מכולה
- תוכן
- תרומות
- עלות
- עלויות
- לִיצוֹר
- נוצר
- יצירה
- מכריע
- נוֹכְחִי
- כיום
- מנהג
- לקוחות
- חותך
- לקצץ בעלויות
- מחזורי
- נתונים
- התמודדות
- בְּרִירַת מֶחדָל
- לְהַגדִיר
- דרישות
- מופגן
- לפרוס
- פרס
- פריסה
- פריסה
- מְפוֹרָט
- dev
- מפתח
- מפתחים
- צעצועי התפתחות
- DICT
- אחר
- שידור
- ממדים
- נכה
- DNS
- do
- מסמך
- תיעוד
- לא
- עשה
- מטה
- ראוי
- בְּמַהֲלָך
- דינמי
- e
- קל יותר
- יעילות
- מאמץ
- אחר
- EMEA
- לאפשר
- מאפשר
- נקודת קצה
- מנועים
- מספיק
- שגיאה
- במיוחד
- כל
- דוגמה
- דוגמאות
- אלא
- יוצא מן הכלל
- מרגש
- הוצאות
- ניסיון
- לחקור
- חשוף
- משתרע
- נרחב
- חיצוני
- נוסף
- פָּנִים
- עובדה
- נָפוּל
- שקר
- מאפיין
- שלח
- חברות
- ראשון
- הבא
- בעד
- קרן
- ארבע
- מסגרת
- החל מ-
- פונקציה
- מימון
- צבר
- נוצר
- יצירת
- דור
- גנרטטיבית
- AI Generative
- GitHub
- טוב
- GPUs
- גדול
- גדל
- לטפל
- חומרה
- יש
- יש
- he
- לעזור
- כאן
- גָבוֹהַ
- אירח
- איך
- איך
- אולם
- HTML
- http
- HTTPS
- מאות
- מאות מיליונים
- אידאל
- מזהה
- if
- מדגים
- תמונה
- הפעלה
- לייבא
- in
- כולל
- נכנס
- מצביע על
- תעשיות
- מידע
- תשתית
- חדשנות
- קלט
- תשומות
- למשל
- במקום
- משלב
- ואינטגרציות
- אינטליגנטי
- אינטרס
- מִמְשָׁק
- אל תוך
- מבוא
- השקעה
- IT
- שֶׁלָה
- מסע
- jpg
- ג'סון
- רק
- ידוע
- שפה
- גָדוֹל
- חֶבִיוֹן
- מאוחר יותר
- הושק
- השקות
- מוביל
- לִלמוֹד
- למידה
- הכי פחות
- ספריות
- כמו
- גבולות
- רשימה
- לִטעוֹן
- מיקום
- ארוך
- הסתכלות
- מגרש
- אהבה
- נמוך
- מכונה
- למידת מכונה
- עשוי
- ראשי
- שמירה
- לעשות
- עשייה
- רב
- מקסימום
- מקסימום
- זכרון
- שיטה
- שיטות
- מטרי
- מדדים
- מיליונים
- דקות
- ML
- מודל
- מודלים
- יותר
- שם
- טבעי
- עיבוד שפה טבעית
- מנווט
- ניווט
- צורך
- חדש
- חדש
- הבא
- NLP
- לא
- מחברה
- הודעה
- הודעות
- עַכשָׁיו
- מספר
- אובייקט
- אוֹקְטוֹבֶּר
- of
- הַצָעָה
- הצעה
- המיוחדות שלנו
- לעתים קרובות
- on
- ONE
- רק
- קוד פתוח
- מבצע
- מטב
- מיטוב
- אפשרות
- אפשרויות
- or
- שלנו
- הַחוּצָה
- תפוקה
- זגוגית
- פרמטרים
- חלק
- במיוחד
- שותפים
- תלוי ועומד
- לְבַצֵעַ
- מבצע
- תמונה
- מקום
- מקומות
- אפלטון
- מודיעין אפלטון
- אפלטון נתונים
- PoC
- מדיניות
- פופולריות
- אפשרי
- הודעה
- הודעות
- פוטנציאל
- כּוֹחַ
- חזק
- מעשי
- נבואה
- חיזוי
- תצוגה מקדימה
- קופונים להדפסה
- פְּרָטִי
- בעיה
- תהליך
- תהליכים
- תהליך
- התקדמות
- פרויקטים
- הוכחה
- הוכחה של רעיון או תאוריה
- להוכיח
- לספק
- ובלבד
- מספק
- מתן
- פיתון
- פיטורך
- שאילתות
- שאלה
- להעלות
- רכס
- טִוּוּחַ
- חומר עיוני
- מוכן
- זמן אמת
- לקבל
- להפחית
- מפחית
- באזור
- הירשם
- לזכור
- להסיר
- החליף
- לבקש
- בקשות
- לדרוש
- נדרש
- דרישות
- דורש
- חוקרים
- משאב
- משאבים
- תגובה
- תוצאה
- תוצאות
- לַחֲזוֹר
- החזרות
- סקירה
- חוללה מהפכה
- מסכן
- ההחזר על ההשקעה
- הפעלה
- ריצה
- בעל חכמים
- חסכת
- להרחבה
- סולם
- דרוג
- Sdk
- שְׁנִיָה
- שניות
- עצמי
- לשרת
- ללא שרת
- שרות
- שירותים
- הפעלות
- סט
- קצר
- הראה
- הופעות
- משמעותי
- דומה
- פָּשׁוּט
- since
- יחיד
- מצבים
- מידה
- גדל
- מוצק
- פִּתָרוֹן
- פתרונות
- לפתור
- כמה
- מקורות
- מומחה
- הסתובב
- יציבות
- יציב
- התחלה
- החל
- החל
- מדינה
- שלב
- עצור
- אחסון
- חנות
- פשוט
- לייעל
- ניכר
- הצלחה
- בהצלחה
- כזה
- תמיכה
- תומך
- בטוח
- לעלות
- מערכות
- לקחת
- יעד
- משימות
- טכניקות
- טכנולוגיה
- תבניות
- מונחים
- בדיקות
- תודה
- זֶה
- השמיים
- המדינה
- שֶׁלָהֶם
- אותם
- אז
- שם.
- בכך
- לכן
- אלה
- הֵם
- זֶה
- השנה
- שְׁלוֹשָׁה
- דרך
- בכל
- זמן
- פִּי
- תזמון
- ל
- יַחַד
- אסימון
- גַם
- מעקב
- מְאוּמָן
- תרגום
- נָכוֹן
- לנסות
- סוגים
- ui
- תחת
- הבנה
- אוניברסיטה
- עד
- על
- us
- להשתמש
- משתמש
- ממשק משתמש
- באמצעות
- בְּדֶרֶך כְּלַל
- ערך
- גִרְסָה אַחֶרֶת
- שונים
- Vast
- מיזם
- לאמת
- מאוד
- באמצעות
- חזון
- לחכות
- הַמתָנָה
- שרות
- להתעורר
- רוצה
- היה
- דֶרֶך..
- דרכים
- we
- אינטרנט
- שירותי אינטרנט
- מתי
- אם
- אשר
- בזמן
- מי
- רָחָב
- טווח רחב
- יצטרך
- עם
- לְלֹא
- נצחנות
- עובד
- עולמי
- היה
- כתוב
- שנה
- אתה
- צעיר
- עצמך
- זפירנט
- אפס