Имараттын адамдар тарабынан кооз, таасирдүү, татаал же айлана-чөйрө менен шайкеш деп табылышы имараттын физикалык өзгөчөлүктөрүнөн гана келип чыкпайт. Баалоо байкоочунун мурдагы тажрыйбалары, кесиби, архитектура боюнча билими, жеке жактыруулары жана буга чейин көргөн имараттары менен салыштыруулары аркылуу да калыптанат. Бул изилдөө шаардык символдук курулуштардын эстетикалык бааланышын Чоң Тилдик Моделдерди (Large Language Models; LLM) колдонгон көп-агенттүү система аркылуу эсептөөгө аракет кылат.

Мисал катары Пекин Улуттук Стадиону, кеңири белгилүү Bird's Nest аталышы менен колдонулган. Система үч адистешкен жасалма интеллект агентинен турат. Visual Perception Agent (VPA) имараттын физикалык өзгөчөлүктөрүн сүрөттөрдөн объективдүү тексттик сүрөттөмөлөргө айлантат. Behavioral Fitting Agent (BFA) колдонуучунун демографиялык өзгөчөлүктөрүн жана мурдагы жактырууларын колдонуп жүрүм-турум профилин түзөт. Fusion & Reasoning Agent (FRA) болсо визуалдык фактыларды колдонуучу профили менен бириктирип, эстетикалык упайларды божомолдойт.

Изилдөөнүн негизги жаңылыгы болгон Comparative Case-based Cognitive Schema (CCCS) адамдын башка төрт стадион боюнча реалдуу баалоолорун когнитивдик таяныч катары колдонот. CCCS жок болгондо моделдер негизинен коомдун орточо эстетикалык багытына жакындайт жана жеке айырмачылыктарды начар ээрчийт. Салыштырма жактыруу тарыхы кошулганда моделдердин жеке вариацияны ээрчиген Pearson корреляциялары байкаларлык өсөт.

Өркүндөтүлгөн системада эң жогорку жалпы relaxed accuracy мааниси %82,07, ал эми MAE 0,887 деп билдирилген. Бирок relaxed accuracy 1–5 упайлык Likert шкаласында божомол реалдуу колдонуучунун упайынан ±1 упай аралыгында болсо, аны туура деп эсептейт. Ошондуктан бул көрсөткүчтү так класстык тууралык катары чечмелөөгө болбойт.

Шаардык эстетиканы эмне үчүн имараттын өзү гана түшүндүрө албайт?

Архитекторлор жана шаар пландоочулар имаратты форма, пропорция, көтөрүүчү система, фасад композициясы же айлана-чөйрө менен байланышы аркылуу баалай алышат. Жалпы колдонуучу болсо ошол эле имаратка кыйла интуитивдүү мамиле кылышы мүмкүн: “жагымдуу”, “суук”, “таасирдүү”, “татаал”, “бөтөн” же “айлана-чөйрө менен шайкеш” сыяктуу эмоционалдык жана когнитивдик реакцияларды бере алат.

Изилдөө бул айырманы долбоорлоочулар менен колдонуучулардын ортосундагы когнитивдик боштук катары карайт. Салттуу Post-Occupancy Evaluation (POE; пайдаланылгандан кийинки баалоо) сурамжылоолору бул боштукту өлчөй алат; бирок чоң үлгү топтоо убакыт жана чыгым талап кылат, ошондой эле алар долбоор бүткөндөн кийин жүргүзүлгөндүктөн натыйжалар көбүнчө артка багытталган болуп калат.

Изилдөөчүлөрдүн максаты адамдын пикирлерин жок кылуу эмес, чектелүү реалдуу адам маалыматтарын LLM негизиндеги симуляциялар менен кеңейтип, долбоорлоо баскычында эртерээк колдонууга боло турган баалоо системасын түзүү.

Эстетикалык Баалоо Кайсы 12 Өлчөмдө Жүргүзүлөт?

Изилдөө эстетикалык реакцияны жети формалдык, үч абстракттуу жана эки эмоционалдык өзгөрмөдөн турган 12 өлчөмдүү түзүлүш катары моделдейт.

Реалдуу адам маалыматтары кантип чогултулган?

Сурамжылоо Bird's Nest стадионуна физикалык түрдө барган адамдарга гана жүргүзүлгөн. Маалымат топтоо 2026-жылдын февралында аяктап, жараксыз жооптор алынып салынгандан кийин 1.201 катышуучу калган.

Катышуучулардын %82,4ү стадионго кеминде эки жолу баргандыктан, маалымат топтому биринчи жолу көрүп жаткан туристтерден көбүрөөк, имарат менен белгилүү деңгээлде тааныш колдонуучуларды чагылдырат.

Ошол эле учурда %91,2лик искусство/архитектура тажрыйбасынын үлүшү өтө жогору. Ошондуктан изилдөөнүн натыйжаларын кошумча текшерүүсүз “орточо жалпы коомдук пикир” катары баалоо туура эмес.

Likert баалоосу

Колдонуучулар жалпы эстетикалык канааттануусун жана 12 өзүнчө эстетикалык өлчөмдү:

1 = таптакыр канааттанган эмес

менен

5 = толугу менен канааттанган

аралыгында баалашкан.

Колдонуучу визуалдык өзгөчөлүктөрдү кайсы тартипте маанилүү деп эсептээрин сандык салмакка айландыруу үчүн Linear Rank Weighting колдонулган:

\[ W=\frac{M-r+1}{M} \]

Бул жерде \(M\) бир категориядагы көрсөткүчтөрдүн жалпы санын, ал эми \(r\) колдонуучу ошол өзгөчөлүккө берген рейтингди билдирет.

CCCS Деген Эмне жана Жеке Жактырууну Кантип Кармоого Аракет Кылат?

Comparative Case-based Cognitive Schema адамдын Bird's Nest боюнча баасын демографиялык өзгөчөлүктөрүнөн гана божомолдоонун ордуна, анын мурда башка стадиондорго берген реалдуу упайларын жеке эстетикалык эс-тутум катары колдонот.

Төрт салыштырма имарат

Bird's Nestтен тышкары Кытайдагы төрт стадион колдонулган:

• Chengdu Fenghuangshan Sports Park Football Stadium
• Shanghai Pudong Football Stadium
• Xi'an Olympic Sports Center Stadium
• Quzhou Stadium

Бул имараттар өзгөчө ар түрдүү форма, материал, текстура, жабыктык жана айлана-чөйрө менен байланыш өзгөчөлүктөрүнө ээ болгондуктан тандалган.

Мисалы, Bird's Nest булакта башаламан токулган болот тор жана монументалдуу масштаб менен; Quzhou Stadium болсо топографиялык, ландшафтка интеграцияланган жана органикалык архитектура катары сүрөттөлөт. Ошентип, колдонуучу кайсы визуалдык өзгөчөлүктөргө оң же терс реакция кылганы салыштырма мисалдардан чыгарылышы мүмкүн.

Визуалдык стимулдарды стандартташтыруу

Ар бир имарат үчүн эки сүрөт колдонулган:

• макро масштабдагы абадан көрүнүш,
• фасад жана материал деталын көрсөткөн жакын көрүнүш.

Максат жалпы силуэтти гана эмес, микро масштабдагы текстура жана тектоникалык өзгөчөлүктөрдү да баалоо системасына кошуу.

Үч Жасалма Интеллект Агенти Кандай Милдеттерди Аткарат?

1. Visual Perception Agent — VPA

VPA стадиондун сүрөтүн түздөн-түз “кооз/жаман” деп баалабайт. Анын милдети сүрөттү объективдүү физикалык сүрөттөмөлөргө айландыруу.

Мисалы:

“exposed, unpainted Q460 steel”

сыяктуу физикалык материалдын сүрөттөмөсүн түзө алат.

Агент 10 визуалдык өлчөмдө түзгөн сүрөттөмөлөр 20 сөздөн аз кармалып, субъективдүү эмоционалдык сын атоочторду колдонушу prompt аркылуу чектелген.

2. Behavioral Fitting Agent — BFA

BFA колдонуучунун эстетикалык жүрүм-турум профилин түзөт.

Алгач жыныс, жаш, кесип жана ушуга окшош демографиялык өзгөчөлүктөр боюнча ылайыктуу талапкерлерди чыпкалайт. Андан кийин колдонуучулардын өзгөчөлүк-салмак векторлорунун ортосунда косинустук окшоштук эсептелет.

Максаттуу колдонуучуга эң окшош:

\[ K=20 \]

адамдан турган топ тандалат.

Бул топтун орточо баасы Social Baseline, башкача айтканда социалдык баштапкы упай болуп калат.

CCCS иштетилгенде колдонуучунун төрт салыштырма стадионго берген мурдагы жооптору да профилге кошулат. Ошентип система “бул жаш тобундагы адамдар эмне деп ойлошот?” деген суроону гана эмес, “бул конкреттүү адам мурда кайсы түрдөгү архитектураны жактырган?” деген суроону да колдонот.

3. Fusion & Reasoning Agent — FRA

FRA VPAдан келген объективдүү имарат өзгөчөлүктөрүн BFAнын колдонуучу модели менен бириктирет.

Негизги логика:

1. K=20 кошунадан социалдык баштапкы упай түз.
2. Максаттуу имараттын физикалык өзгөчөлүктөрүн VPAдан ал.
3. Колдонуучунун мурдагы оң/терс жактырууларын кара.
4. Өзгөчөлүктөр оң жактыруу менен дал келсе упайды жогорулат.
5. Терс жактыруу менен дал келсе төмөндөт.
6. Мурдагы жактырууга дал келүү жок болсо social baselineга кайрыл.

Бул ыкма контекст жок учурда моделдин эркин эстетикалык негиздеме түзүшүн чектөө үчүн иштелип чыккан.

Эмне үчүн бир эле божомол беш жолу иштетилет?

LLM жыйынтыктары температура жана token үлгүлөө себептүү стохастикалык. Ошондуктан FRA ар бир колдонуучу–имарат жуптугу үчүн бир эле тапшырманы:

\[ N=5 \]

жолу көз карандысыз иштетет.

Акыркы упай беш божомолдун арифметикалык орточосу болуп саналат.

Булак муну Ensemble Averaging Strategy деп атайт.

Изилдөөнүн Ыкмасы жана Жыйынтыктары

Сурамжылоонун ички ырааттуулугу

Бул жыйынтыктар колдонулган 12 өзгөрмөлүү баалоо куралынын булак маалыматтар топтомундагы жогорку ички ырааттуулугун колдойт.

Эмне үчүн он башка LLM сыналды?

Система бир гана негизги моделге көз карандыбы же жокпу билүү үчүн менчик жана open-weights категорияларындагы он башка LLM бирдей жалпы агенттик түзүмдө бааланган.

Булакта каралгандардын арасында GPT-5.1, GPT-5.2, GPT-4.1, Gemini 2.5 Flash, Gemini 3 Flash, Claude 4.5, GLM 4.7, Qwen 3, Llama 3.3 жана DeepSeek бар.

Бардык моделдер расмий булут APIлери аркылуу, бирдей тапшырма түзүмүндө иштетилип, reasoning temperature:

\[ T=0,7 \]

деп коюлган. Чыгыштар милдеттүү JSON форматы менен чектелген.

Relaxed Accuracy так эмнени билдирет?

Изилдөөнүн негизги тактык метрикасы:

\[ |Pred-True|\le1 \]

шарты болуп саналат.

Мисалы, реалдуу колдонуучу упайы 4 болсо:

• 3 → relaxed боюнча туура,
• 4 → relaxed жана exact боюнча туура,
• 5 → relaxed боюнча туура,
• 1 же 2 → relaxed боюнча туура эмес

деп эсептелет.

Демек relaxed accuracy маанилерин баалоодо 5 категориялуу шкаланын ±1 толеранттуулугу сөзсүз эске алынышы керек.

Салыштырма жактыруусуз базалык натыйжалуулук

CCCS колдонулбаганда эң жогорку жалпы relaxed accuracy:

GPT-5.1: %80,43

деп билдирилген.

Булак бардык моделдер божомолдордун көбүн туура Likert упайынын ±1 аймагында кармай алганын, бирок жеке инсандык/жактыруу айырмачылыктарын кармоодо кыйналганын көрсөтөт.

Система кайсы жерлерде ийгиликтүүрөөк?

Базалык система өзгөчө:

• айлана-чөйрөгө шайкештик,
• жагымдуулук,
• материал

сыяктуу жалпыраак кабылдоо өлчөмдөрүндө күчтүү.

Ал эми:

• декорация жана деталдар,
• таасирдүүлүк

эң маанилүү божомолдоо тоскоолдуктары болуп саналат.

Изилдөөчүлөр муну демографиялык энбелгилер микро-визуалдык жактырууларды жана жогорку козголуу камтыган эмоцияларды түшүндүрүүгө жетишсиз болушу менен байланыштырат.

CCCS Кошулганда Эмне Өзгөрдү?

Салыштырма имараттардын тарыхы кошулганда жалпы тактыкта гана эмес, моделдердин жеке колдонуучу айырмачылыктарын көзөмөлдөө жөндөмүндө да кыйла айкын өзгөрүү байкалган.

Бул жыйынтыктардын маанилүү жери төмөнкүдөй: relaxed accuracy базалык системада эле болжол менен %80 деңгээлинде. CCCSнин негизги таасири жалпы тактыктагы бир нече упайлык өсүштөн да көбүрөөк адамдардын бири-биринен айырмаланып упай берүү тенденцияларын жакшыраак ээрчүүсүндө.

Regression to the mean деген эмне?

Базалык абалда моделдердин Pearson корреляция коэффициенттеринин көбү 0,05тен төмөн бойдон калат. Бул моделдин колдонуучулардын жеке термелүүлөрүн ээрчүүнүн ордуна коопсуз түрдө топтун орточо упайына жакын божомол бериши менен шайкеш келет.

CCCS кошулганда бардык он моделде корреляция өскөн. Булакта айрым өсүштөр:

\[ \Delta r=+0,138\; \text{ile}\; +0,272 \]

аралыгына жетет.

Ошондуктан изилдөөнүн өз терминологиясында CCCS моделдин “regression to the mean” тенденциясын азайтат.

Ар бир модель CCCSден бирдей деңгээлде пайда көрөбү?

Жок.

Базалык этапта GPT-5.1 болжол менен %80,4 менен биринчи орунда болсо, CCCS кошулганда болжол менен -0,7 пайыздык пункт төмөндөгөн.

Gemini 3 Flash болсо болжол менен:

+4,3 пайыздык пункт

алып, %82,1 чамасында биринчи орунга көтөрүлгөн.

Булак муну ар башка LLM архитектураларынын жогорку өлчөмдүү контексттик жактыруу маалыматтарын колдонуу жөндөмүндөгү айырмачылыктар менен байланыштырат. Бирок жабык модель архитектураларынан улам мунун ички механизми түз байкалган эмес.

Өлчөм боюнча CCCS таасири

Өркүндөтүлгөн системада Gemini 3 Flash:

Форма, татаалдык жана масштаб/пропорция сыяктуу архитектуралык морфология өзгөрмөлөрүндө айрым моделдердин Pearson корреляциялары 0,35тен ашкан. Бул формалдык жактыруу салыштырма имараттар арасында белгилүү деңгээлде көчүрүлө аларын көрсөтөт.

Мурдагы алсыз тармактарда эмне болду?

Декорация жана деталдар:

Claude 4.5тин relaxed accuracy мааниси CCCSтен кийин %77,2ге чейин өскөн; өсүш:

\[ +8,7\;\text{yüzde puanı} \]

деп билдирилген.

Qwen 3 ошол эле өлчөмдө %80,1ге жетип, RMSE мааниси 1,283кө төмөндөгөн.

Таасирдүүлүк:

Relaxed accuracy болжол менен %74,7ге чейин өскөн; RMSE:

\[ 1,591\rightarrow1,392 \]

болуп азайган.

Бештик Ensemble Чындап Айырма Жаратабы?

Булакта бир эле LLM божомолун беш жолу көз карандысыз иштетип, орточосун алуу ката вариациясын азайткан; бирок жакшыруу чоң секирик эмес, аз болсо да туруктуу стабилдешүү деңгээлинде.

Булак үч өкүл модель боюнча relaxed accuracy өсүшү болжол менен 1,3–1,4 пайыздык пункт деңгээлинде болгонун билдирет.

Бул жыйынтык ensemble маалымат мазмунун өзгөрткөндөн көрө, бир LLM чакыруусундагы үлгүлөө ызы-чуусун азайткан вариацияны көзөмөлдөө ыкмасы экенин көрсөтөт.

Бул Система Чыныгы Коомдук Катышуунун Ордун Басабы?

Изилдөө адам маалыматтары толугу менен алынып салынган системаны көрсөткөн жок. Тескерисинче, CCCS иштеши үчүн реалдуу адамдардын Bird's Nest жана салыштырма имараттар боюнча мурдагы баалары керек. Демек, ыкма коомдук катышуунун ордун баскан өз алдынча “виртуалдык коом” системасынан көрө, чектелүү реалдуу адам маалыматтарын эсептөө жолу менен кеңейтүүгө аракет кылган симуляциялык ыкма болуп саналат.

Бул айырма өзгөчө маанилүү; анткени моделдин эң күчтүү өркүндөөсү адамдар буга чейин берген реалдуу салыштырма упайлардан келип чыгат.

Изилдөө колдогон жыйынтыктар

• LLM негизиндеги үч агенттүү архитектура 12 өлчөмдүү шаардык эстетикалык баалоону түзүмдүү түрдө чыгара алат.
• Демографиялык жана өзгөчөлүк-салмак маалыматтары жалпы эстетикалык консенсустун болжолдуу деңгээлин божомолдоодо колдонулушу мүмкүн.
• Демографиялык маалымат гана колдонулганда жеке айырмачылыктардын корреляциясы төмөн.
• Салыштырма мурдагы жактыруулар CCCS аркылуу кошулганда сыналган бардык моделдерде Pearson корреляциясы жогорулаган.
• Айрым LLMдер CCCS контекстинен башкаларга караганда көбүрөөк пайда көргөн.
• N=5 ensemble орточосу бир жолку иштетүү вариациясын жана ката өлчөмдөрүн аз, бирок туруктуу түрдө азайткан.
• Микро-визуалдык деталдар жана таасирдүүлүк сыяктуу жогорку жеке вариациялуу өлчөмдөрдү жалпы демография менен божомолдоо кыйыныраак.

Изилдөө колдобогон жыйынтыктар

• %82,07 натыйжасы эстетикалык упайдын так туура болгон үлүшү эмес; ал ±1 Likert толеранттуулугу бар relaxed accuracy мааниси.
• Система бүт шаар калкынын эстетикалык жактырууларын чагылдырарын далилдебейт.
• %91,2 искусство/архитектура тажрыйбасы бар үлгү жалпы калктын типтүү бөлүштүрүүсү катары кабыл алынбайт.
• Bird's Nest натыйжаларын квартал көчөлөрүнө, турак жай фасаддарына, парктарга же чакан масштабдагы күнүмдүк шаар мейкиндиктерине түз жалпылоого болбойт.
• Моделдин ар башка маданияттарда же өлкөлөрдө ошол эле эстетикалык жактыруу түзүмүн божомолдору көрсөтүлгөн эмес.
• PDFде ачык бөлүнгөн көз карандысыз тышкы колдонуучу тест топтому же талаадан тышкаркы валидация билдирилген эмес.
• Pearson корреляцияларындагы өсүш маанилүү, бирок 0,317 деңгээли жеке эстетикалык жактыруулардын чоң бөлүгү түшүндүрүлдү дегенди билдирбейт.
• LLM берген негиздеме адам акылындагы реалдуу когнитивдик процесс менен бирдей экени далилденген эмес.
• Моделдин ички салмактары жана чыныгы чечим механизми жабык болгондуктан, агент түшүндүрмөлөрү толук механисттик интерпретация эмес.

Илимий мааниси

Изилдөөнүн эң баалуу жагы “AI адамдарга караганда жакшыраак эстетикалык чечим чыгарабы?” деген суроону бербестен, адамдын эстетикалык баалоосундагы эки өзүнчө түзүлүштү ажыратууга аракет кылганында:

коомдук эстетикалык консенсус жана жеке эстетикалык айырмалануу.

Демографияга негизделген система биринчи түзүлүштү белгилүү даражада кармайт, ал эми адамдын мурдагы салыштырма тажрыйбалары экинчи түзүлүш үчүн кошумча маалымат берет.

Бул курулган чөйрөнү баалоо жагынан маанилүү методологиялык жагдайды көрсөтөт: адамдын эстетикалык жактыруусун анын ким экени гана эмес, мурда кайсы мейкиндиктерди жактырганы жана кайсы өзгөчөлүктөргө кандай реакция кылганы да аныктайт.

CCCSнин негизги идеясы бул мурдагы тажрыйбаны машина колдоно ала турган контексттик таяныч системасына айландыруу.

Ошол эле учурда ыкма азыркы баскычта реалдуу коомдук катышууну алмаштырган тастыкталган чечим системасы эмес. Изилдөө бир символдук имарат, белгилүү үлгү жана белгилүү LLM версиялары боюнча жүргүзүлгөн эксперименттик эсептөөчү баалоо алкагы.

Булак жана Ыкма Жөнүндө Эскертүү

Түп нускадагы иш: Simulating Aesthetic Consensus and Divergence in Urban Landmarks: An LLM-based Multi-Agent System for Built Environment Evaluation

Авторлор: Yuxuan Li, Ting Zhang, Weimin Zhuang

Жооптуу автор: Weimin Zhuang

Мекемелер: School of Architecture, Tsinghua University; School of Computer Science, Peking University, Beijing, China.

Булак түрү: Рецензиядан өтө элек preprint изилдөө макаласы.

Платформа: SSRN.

SSRN Abstract ID: 6907642.

DOI: 10.2139/ssrn.6907642.

SSRN жөнөтүлгөн күнү: 9 июнь 2026.

Кейс-изилдөө: Beijing National Stadium — Bird's Nest.

Сурамжылоо: 1.201 жарактуу катышуучу; маалымат топтоо 2026-жылдын февралы.

Салыштырма кейстер: Chengdu Fenghuangshan Sports Park Football Stadium, Shanghai Pudong Football Stadium, Xi'an Olympic Sports Center Stadium жана Quzhou Stadium.

Негизги архитектура: Visual Perception Agent + Behavioral Fitting Agent + Fusion & Reasoning Agent.

Жекелештирүү механизми: Comparative Case-based Cognitive Schema (CCCS).

Peer Neighborhood: K=20.

LLM inference температурасы: 0,7.

Ensemble: Ар бир колдонуучу–имарат баалоосунда N=5 көз карандысыз inference.

Негизги натыйжалуулук метрикасы: Relaxed Accuracy, |Pred−True|≤1.

Базалык системанын эң жогорку relaxed accuracy мааниси: GPT-5.1 — %80,43.

CCCS системасындагы эң жогорку билдирилген жалпы жыйынтык: Gemini 3 Flash — %82,07 relaxed accuracy, MAE 0,887.

Каржылоо: Beijing Natural Science Foundation, QY24288.

Кызыкчылыктардын кагылышы: Авторлор белгилүү финансылык кызыкчылык же жеке мамиле билдиришкен эмес.

Автордук салымдар: Yuxuan Li — концептуалдаштыруу, маалыматтарды курациялоо, формалдык анализ, изилдөө, ыкма, программалык камсыздоо, валидация, визуалдаштыруу жана жазуу; Ting Zhang — ыкма жана программалык камсыздоо; Weimin Zhuang — концептуалдаштыруу, ыкма, долбоорду башкаруу, ресурстар, көзөмөл, валидация жана текстти карап чыгуу.

Генеративдик AI билдирүүсү: Авторлор макаланы даярдоодо окулушун жана тилдик редакциясын жакшыртуу үчүн ChatGPT жана Gemini колдонушканын; натыйжаларды өздөрү карап чыгып, мазмун үчүн жоопкерчиликти өзүнө алышканын билдиришет.

Негизги булак ичиндеги чектөөлөр: Сүрөттөн текстке өткөрүүдө микро-визуалдык маалыматтын жоголушу; бир монументалдык имарат контексти; LLMдердин маданий/географиялык бир жактуулугу; ички чечим механизминин кара-куту мүнөзү.

Verianla методологиялык эскертүүсү: Үлгүнүн %91,2си искусство/архитектура тажрыйбасын билдиргендиги жана PDFде ачык көз карандысыз тышкы колдонуучу тест протоколу көрсөтүлбөгөндүгү себептүү натыйжалар жалпы калк үчүн тышкы валидация катары чечмеленбеши керек.

Визуалдык колдонуу эскертүүсү: Булактын Bird's Nest жана башка стадион сүрөттөрү, көп-агенттүү архитектура фигуралары, radar/heatmap/scatter графиктеринин оригинал композициялары түз кайра колдонулбашы керек. Билдирилген методдук байланыштардан жана сандык маанилерден толугу менен жаңы Verianla визуалдары даярдалышы мүмкүн.