Mo le tele o tausaga, o aʻoaʻoga loloto o loʻo avea ma ulutala i tekinolosi. Ma, e faigofie ona malamalama pe aisea.
O lenei lala o le atamai faʻapitoa o loʻo suia vaega e amata mai i le soifua maloloina i le teugatupe i felauaiga, faʻataga ai le alualu i luma e leʻi mafaufauina muamua.
O a'oa'oga loloto e fausia i luga o se seti o algorithms fa'apitoa e a'oa'o e su'e ma va'ai fa'asologa lavelave mai le tele o voluma o fa'amaumauga.
O le a tatou vaʻavaʻai i le sili 15 loloto aʻoaʻoga algorithms i lenei pou, mai Convolutional Neural Networks i Generative Adversarial Networks i Long Short-Term Memory networks.
O lenei pou o le a tuʻuina atu ai faʻamatalaga taua pe o oe o se amata po'o se tagata poto i a'oa'oga loloto.
1. Transformer Networks
Transformer networks ua suia mataʻitusi komepiuta ma fa'aogaina gagana fa'anatura (NLP). Latou te suʻesuʻeina faʻamatalaga o loʻo oʻo mai ma faʻaogaina faiga faʻapitoa e puʻeina ai sootaga mamao. O le mea lea e sili atu ai le vave nai lo fa'ata'ita'iga masani fa'asologa-i-fa'asologa.
O fesoʻotaʻiga Transformer na muamua faʻamatalaina i le lomiga "Attention Is All You Need" saunia e Vaswani et al.
E aofia ai se encoder ma se decoder (2017). O le faʻataʻitaʻiga transformer ua faʻaalia le faʻatinoga i le tele o talosaga NLP, e aofia ai auiliiliga lagona, fa'avasegaina o tusitusiga, ma fa'aliliuga masini.
Fa'ata'ita'iga fa'avae Transformer e mafai fo'i ona fa'aoga ile va'aiga komepiuta mo fa'aoga. E mafai ona latou fa'atinoina le fa'ailoaina o mea faitino ma le fa'aigoaina o ata.
2. Feso'ota'iga mo taimi Pu'upu'u umi (LSTMs)
Long Short-Term Memory Networks (LSTMs) o se ituaiga o fesoʻotaʻiga faʻanoanoa fa'apitoa le fausia e fa'atautaia fa'asologa fa'asologa. E taʻua i latou o le "taimi umi umi" aua e mafai ona latou manatua le malamalama mai se taimi ua leva ae galo foi faʻamatalaga le manaʻomia.
LSTMs e fa'agaoioia i nisi o "faitotoa" e pulea le tafe o fa'amatalaga i totonu o le feso'otaiga. Fa'alagolago i le fa'amatalaga e taua pe leai, e mafai e nei faitoto'a ona tu'uina i totonu pe taofia.
O lenei metotia e mafai ai e LSTM ona manatua pe fa'agalo fa'amatalaga mai la'asaga o taimi ua tuana'i, e taua tele mo galuega e pei o le fa'ailoaina o tautalaga, fa'agaioiga gagana fa'anatura, ma le va'aiga fa'asologa o taimi.
LSTMs e matua aoga tele i so'o se tulaga e iai sau fa'asologa fa'asologa e tatau ona iloilo pe va'ai. E masani ona fa'aogaina i polokalame e iloa ai leo e faaliliu ai upu tautala i tusitusiga, po'o totonu māketi setoku au'ili'iliga e va'ai ai tau i le lumana'i e fa'atatau i fa'amaumauga muamua.
3. Fa'afanua Fa'atulagaina e le Tagata Lava ia (SOMs)
SOMs o se ituaiga o mea faʻapitoa neural network e mafai ona aʻoaʻoina ma faʻatusalia faʻamatalaga lavelave i se siosiomaga maualalo. O le auala e galue e ala i le suia o faʻamatalaga faʻapipiʻi maualuga i totonu o se laina lua-dimensional, faʻatasi ai ma iunite taʻitasi poʻo le neuron e fai ma sui o se vaega ese o le avanoa faʻaoga.
O neurons e fesoʻotaʻi faʻatasi ma fausia se fausaga topological, faʻatagaina i latou e aʻoaʻo ma fetuutuunai i faʻamatalaga faʻapipiʻi. O lea la, SOM e faʻavae i luga o aʻoaʻoga e leʻi vaʻaia.
E le manaʻomia le algorithm fa'ailoga fa'amaumauga e aoao mai ai. Nai lo lena, e fa'aogaina fa'amaumauga fa'afuainumera o fa'amaumauga tu'ufa'atasi e su'e ai fa'ata'ita'iga ma feso'ota'iga i va o fesuiaiga.
I le taimi o aʻoaʻoga, e tauva neurons e avea ma faʻamatalaga sili o faʻamatalaga faʻapipiʻi. Ma, latou te faʻatulagaina i latou lava i se fausaga anoa. O loʻo i ai i le SOM le tele o faʻaoga, e aofia ai le faʻaalia o ata ma le tautala, faʻamatalaga faʻamaumauga, ma le faʻalauiloaina o mamanu.
E aoga mo va'aiga fa'amatalaga lavelave, fa'apipi'iina o fa'amaumauga e feso'ota'i, ma le su'eina o fa'alavelave po'o mea e le masani ai.
4. A'oa'oina o le Fa'alototeleina
loloto Faamalosia Aoao ose ituaiga o a'oa'oga masini lea e a'oa'oina ai se sui e fai fa'ai'uga e fa'atatau i se faiga tau taui. E galue e ala i le tuʻuina atu o le sooupu e fegalegaleai ma lona siʻosiʻomaga ma aʻoaʻo e ala i tofotofoga ma mea sese.
E tauia le sooupu mo gaioiga uma na te faia, ma o lona faʻamoemoe o le aʻoaʻoina pe faʻafefea ona faʻamalieina ona aoga ile taimi. E mafai ona faʻaaogaina e aʻoaʻo ai sui e taʻalo taʻaloga, ave taavale, ma faʻatautaia robots.
Q-Learning ose auala lauiloa Deep Reinforcement Learning. E galue e ala i le iloiloina o le taua o le faia o se gaioiga patino i se setete faapitoa ma faʻafouina lena faʻatusatusaga aʻo fegalegaleai le sooupu ma le siosiomaga.
Ona fa'aogaina lea e le sui sooupu nei fa'atatau e iloa ai po'o fea gaioiga e ono maua ai le taui sili. Q-Learning ua faʻaaogaina e aʻoaʻo ai sui e taʻalo taʻaloga Atari, faʻapea foʻi ma le faʻaleleia atili o le faʻaogaina o le malosi i nofoaga autu o faʻamatalaga.
Deep Q-Networks o se isi ta'uta'ua o le Deep Reinforcement Learning method (DQN). DQNs e tutusa ma le Q-Learning latou te faʻatatauina tau faʻatinoga e faʻaaoga ai se fesoʻotaʻiga neural loloto nai lo se laulau.
O lenei mea e mafai ai ona latou taulimaina tulaga tetele, lavelave ma le tele o isi gaioiga. DQNs ua faʻaaogaina e toleni ai sui e taʻalo taʻaloga e pei o le Go ma le Dota 2, faʻapea foʻi ma le faia o robots e mafai ona aʻoaʻo savali.
5. Feso'ota'iga Neural faifaipea (RNNs)
RNNs o se ituaiga o fesoʻotaʻiga neural e mafai ona faʻatautaia faʻamaumauga faʻasologa aʻo tausia se tulaga i totonu. Seʻi manatu e taitutusa le faitau e se tagata o se tusi, lea e faavasega ai upu taʻitasi e faatatau i upu na muamua mai.
E fetaui lelei RNNs mo galuega e pei o le faailoaina o le tautala, faaliliuga o le gagana, ma le vavalo o le isi upu i se fuaitau.
E galue RNN e ala i le faʻaogaina o faʻamatalaga faʻaalia e faʻafesoʻotaʻi ai le gaioiga o taimi taʻitasi laʻa i tua i le faʻaoga o le isi laasaga. E mafai ai e le feso'ota'iga ona fa'aoga fa'amatalaga o la'asaga i le taimi muamua e fa'ailoa ai ana valo'aga mo la'asaga i le lumana'i. O le mea e leaga ai, o lona uiga o RNNs e faigofie ona aʻafia i le vanishing gradient issue, lea o le gradients e faʻaaogaina mo aʻoaʻoga e matua laʻititi ma o fesoʻotaʻiga e tauivi e aʻoaʻo ni mafutaga umi.
E ui lava i lenei faʻalavelave faʻapitoa, ua maua e RNN le faʻaogaina i le tele o faʻaoga. O nei talosaga e aofia ai le faʻaogaina o le gagana masani, faʻalauiloaina o tautalaga, ma e oʻo lava i le gaosiga o musika.
Faaliliu le kukule, mo se faʻataʻitaʻiga, faʻaaogaina se faiga faʻavae RNN e faʻaliliu i gagana, aʻo Siri, le fesoasoani faʻapitoa, faʻaaogaina se faiga faʻavae RNN e iloa ai le leo. Ua fa'aogaina fo'i RNNs e va'ai ai tau o fa'atauga ma fai ni tusitusiga ma ata fa'atusa.
6. Capsule Networks
Capsule Networks ose ituaiga fou ole neural network design e mafai ona iloa lelei mamanu ma fesoʻotaʻiga i faʻamaumauga sili atu ona lelei. Latou te faʻatulagaina neurons i "capsules" e faʻapipiʻi ai nisi vaega o se mea e tuʻuina atu.
O le auala lea e mafai ai ona latou faia ni valo'aga sili atu ona sa'o. Capsule Networks o lo'o fa'asolo mai meatotino lavelave fa'asolosolo mai fa'amaumauga tu'ufa'atasi e ala i le fa'aaogaina o le tele o laulau o capsules.
O metotia a Capsule Networks e mafai ai ona latou a'oa'oina fa'ata'ita'iga fa'asologa o mea na tu'uina atu. E mafai ona latou fa'aogaina lelei feso'ota'iga va'ava'ai i le va o mea i totonu o se ata e ala i feso'ota'iga i le va o capsules.
Fa'ailoaina o mea, vaeluaga o ata, ma fa'agaioiga gagana fa'anatura o fa'aoga uma ia a Capsule Networks.
Capsule Networks e mafai ona fa'afaigaluega i totonu ave taʻavale tutoʻatasi tekinolosi. Latou te fesoasoani i le faiga i le iloa ma le faʻavasegaina o mea e pei o taavale, tagata, ma faʻailoga. O nei faiga e mafai ona aloese mai faʻalavelave e ala i le faia o faʻamatalaga saʻo e uiga i amioga a mea faitino i totonu o latou siosiomaga.
7. Va'aiga Autoencoders (VAEs)
VAEs o se ituaiga o meafaigaluega a'oa'oga loloto e fa'aoga mo a'oa'oga e le'i va'aia. E ala i le fa'avasegaina o fa'amaumauga i se va'aiga pito i lalo ona toe fa'afo'i lea i le fa'asologa muamua, e mafai ona latou a'oa'oina e va'ai mamanu i fa'amaumauga.
E pei i latou o se taulāitu e mafai ona liua se lapiti i se pulou ona toe foʻi mai lea i se lapiti! VAEs e aoga mo le fa'atupuina o ata moni po'o musika. Ma, e mafai ona faʻaaogaina e maua ai faʻamatalaga fou e faʻatusatusa i faʻamaumauga muamua.
VAEs e tutusa ma le codebreaker faalilolilo. E mafai ona latou iloa le mea autu fausaga o fa'amaumauga e ala i le talepeina i lalo i ni vaega faigofie, e pei o le auala e talepe ai se paso. E mafai ona latou fa'aogaina na fa'amatalaga e fausia ai fa'amaumauga fou e foliga mai o le ulua'i fa'amatalaga pe a uma ona latou fa'avasega vaega.
E mafai ona aoga mo le faʻapipiʻiina o faila tetele poʻo le faia o ata fou poʻo musika i se sitaili. E mafai fo'i e VAE ona gaosia mea fou, e pei o tala fou po'o fatuga o musika.
8. Feso'ota'iga Fa'atupu Fa'alavelave (GANs)
GANs (Generative Adversarial Networks) o se ituaiga o se faiga aʻoaʻoga loloto e faʻatupuina ai faʻamatalaga fou e pei o le mea muamua. Latou te fa'agaoioia e ala i le a'oa'oina o feso'ota'iga se lua: o le afi afi ma le fa'ailoga tagata.
O le generator e maua ai faʻamatalaga fou e faʻatusatusa i le mea muamua.
Ma, e taumafai le tagata fa'aituau e fa'avasega le va o fa'amaumauga muamua ma fa'amaumauga. O fesoʻotaʻiga e lua o loʻo aʻoaʻoina faʻatasi, faʻatasi ai ma le afi o loʻo taumafai e faʻasese le faʻailoga tagata ma le tagata faʻailoga e taumafai e faʻamaonia lelei faʻamaumauga muamua.
Manatu o GAN o se koluse i le va o se tagata fa'asese ma se leoleo. O le afi e galue tutusa ma se tagata fai mea, e gaosia ai ata fou e pei o le uluai ata.
O le tagata fa'ailoga tagata e galue e pei o se leoleo, taumafai e iloa le eseesega i le va o le ata moni ma le taufaasese. O fesoʻotaʻiga e lua o loʻo aʻoaʻoina faʻatasi, faʻatasi ai ma le afi eletise e faʻaleleia i le faia o faʻamatalaga faʻamaonia ma faʻaleleia le faʻailoga tagata i le iloaina.
E tele fa'aoga a le GAN, e amata mai i le faia o ata moni o tagata po'o manu i le fatuina o musika fou po'o tusitusiga. E mafai fo'i ona fa'aoga mo le fa'aopoopoina o fa'amaumauga, lea e aofia ai le tu'ufa'atasia o fa'amaumauga na gaosia ma fa'amaumauga moni e fausia ai se fa'amaumauga tele mo le a'oa'oina o fa'ata'ita'iga a'oa'oga masini.
9. O feso'ota'iga-Q loloto (DQNs)
Deep Q-Networks (DQNs) o se ituaiga o fa'ai'uga e fa'amalosia a'oa'oga algorithm. Latou te faʻatinoina e ala i le aʻoaʻoina o se Q-galuega e vaʻai ai le taui faʻamoemoeina mo le faia o se gaioiga patino i se tulaga faʻapitoa.
O le Q-function e aʻoaʻoina e ala i faʻataʻitaʻiga ma mea sese, faʻatasi ai ma le algorithm e taumafai ai gaioiga eseese ma aʻoaʻo mai iʻuga.
Mafaufau e pei o a taaloga vitio amio fa'ata'ita'i i gaioiga eseese ma su'esu'e po'o fea mea e tau atu i le manuia! E a'oa'oina e le DQN le Q-function e fa'aoga ai se feso'ota'iga neural loloto, ma avea ai ma meafaigaluega aoga mo galuega faigata e fai filifiliga.
Ua latou faatoilaloina foi siamupini a tagata i taaloga e pei o le Go ma le sikoa, faapea foi i robotics ma taavale ave taavale. O lea la, i mea uma, DQNs e galulue e ala i le aʻoaʻoina mai le poto masani e faʻaleleia atili ai a latou filifiliga fai filifiliga i le aluga o taimi.
10. Feso'ota'iga Fa'atino Fa'avae Radial (RBFNs)
Radial Basis Function Networks (RBFNs) o se ituaiga o fesoʻotaʻiga neural e faʻaaogaina e faʻatatau i galuega ma faʻatino galuega faʻavasega. Latou te fa'agaoioia e ala i le fa'aliliuina o fa'amaumauga tu'ufa'atasia i se avanoa maualuga atu e fa'aaoga ai se fa'aputuga o galuega fa'avae radial.
O le gaosiga o le feso'ota'iga o se tu'ufa'atasiga laina o galuega fa'avae, ma o galuega fa'avae ta'itasi ta'itasi e fai ma sui o se nofoaga tutotonu i le avanoa fa'aoga.
RBFNs e sili ona aoga mo tulaga e lavelave fesoʻotaʻiga tuʻufaʻatasia, ma e mafai ona aʻoaʻoina i latou i le faʻaaogaina o le tele o metotia, e aofia ai le vaʻaia ma le le vaʻaia o aʻoaʻoga. Ua fa'aaogaina mo so'o se mea mai valo'aga tau tupe i ata ma tautalaga fa'apitoa i su'esu'ega fa'afoma'i.
Manatu i le RBFNs ose GPS system e fa'aogaina ai se fa'asologa o taula e su'e ai lona ala i luga o laufanua lu'itau. O le gaosiga o fesoʻotaʻiga o se tuʻufaʻatasiga o taula taula, lea e tu i totonu mo galuega faʻavae radial.
E mafai ona tatou suʻesuʻeina faʻamatalaga lavelave ma faʻatupu faʻamatalaga saʻo e uiga i le faʻaogaina o se faʻaaliga e ala i le faʻaaogaina o RBFNs.
11. Fa'aa'oa'oga Fa'atele (MLPs)
O se ituaiga masani o fesoʻotaʻiga neural e taʻua o le multilayer perceptron (MLP) e faʻaaogaina mo galuega aʻoaʻoga vaavaaia e pei o le faʻavasegaina ma le toe faʻaleleia. Latou te fa'agaoioia e ala i le fa'aputuina o fa'aputuga o nodes so'o, po'o neu, fa'atasi ai ma vaega ta'itasi e le'i fa'aogaina fa'amaumauga o lo'o o'o mai.
I totonu o se MLP, e maua e neu ta'itasi mea mai neu i le laulau i lalo ma tu'uina atu se fa'ailo i neu i le laulau i luga. E fa'amautu galuega fa'atino a neu ta'itasi e fa'aaoga ai se galuega fa'agaoioi, lea e maua ai le feso'ota'iga nonlinearity.
Latou te mafai ona aʻoaʻoina faʻamatalaga faʻapitoa o faʻamatalaga faʻapipiʻi talu ai e mafai ona i ai ni a latou laulau natia.
MLPs ua faʻaaogaina i galuega eseese, e pei o le suʻesuʻeina o lagona, suʻesuʻega taufaasese, ma le faʻaalia o leo ma ata. E mafai ona fa'atusaina MLP i se vaega o tagata su'esu'e o lo'o galulue fa'atasi e fa'ailoa se mataupu faigata.
Faʻatasi, e mafai ona latou tuʻufaʻatasia mea moni ma foia le solitulafono e ui lava i le mea moni e tofu i latou ma vaega faʻapitoa.
12. Convolutional Neural Networks (CNNs)
O ata ma vitiō o lo'o fa'aogaina e fa'aoga ai feso'ota'iga neural convolutional (CNNs), o se ituaiga o feso'ota'iga neural. Latou te galulue e ala i le faʻaaogaina o seti o filiga e mafai ona aʻoaʻoina, poʻo fatu, e maua mai ai uiga taua mai faʻamatalaga faʻapipiʻi.
O filiga e fa'ase'e i luga o le ata o lo'o i totonu, fa'atino fa'agasologa e fausia ai se fa'afanua fa'apitoa e pu'eina vaega taua o le ata.
A'o mafai e CNNs ona a'oa'oina fa'ata'ita'iga fa'asologa o uiga ata, e fesoasoani tele mo tulaga e aofia ai le tele o voluma o fa'amatalaga va'aia. E tele talosaga na fa'aaogaina, e pei o le su'eina o mea, fa'avasegaina o ata, ma le su'eina o foliga.
Mafaufau i CNNs o se tusiata e faʻaaogaina ni pulumu e fai ai se galuega sili. O pulumu taʻitasi o se fatu, ma e mafai e le tusiata ona fausia se ata lavelave ma moni e ala i le faʻafefiloi o fatuga e tele. E mafai ona tatou maua mai uiga taua mai ata ma faʻaaogaina e vaʻai saʻo ai mea o loʻo i totonu o le ata e ala i le faʻaogaina o CNNs.
13. Feso'ota'iga Fa'atuatua loloto (DBNs)
DBNs o se ituaiga o fesoʻotaʻiga neural e faʻaaogaina mo galuega aʻoaʻoga e leʻi vaʻaia e pei o le faʻaitiitia o le faʻaititia ma le aʻoaʻoina o ata. Latou te galulue e ala i le fa'aputuina o fa'aputuga o Fa'agata Boltzmann Machines (RBMs), o feso'ota'iga neural e lua-la'au e mafai ona a'oa'o e toe fa'aopoopo fa'amaumauga fa'aoga.
DBNs e aoga tele mo faʻamatalaga faʻamatalaga maualuga aua e mafai ona latou aʻoaʻoina se faʻataʻitaʻiga faʻapitoa ma lelei o le faʻaoga. Ua fa'aogaina mo so'o se mea mai le fa'ailoaina o leo i le fa'avasegaina o ata i le su'eina o vaila'au.
Mo se faʻataʻitaʻiga, na faʻafaigaluegaina e le au suʻesuʻe se DBN e faʻatusatusa ai le fesoʻotaʻiga o vailaʻau faʻatau i le estrogen receptor. O le DBN sa a'oa'oina i se aofa'iga o uiga fa'a-kemikolo ma so'otaga fa'amau, ma sa mafai ona va'ai sa'o le feso'ota'iga fa'atasi a sui fa'atau fualaau fou.
O loʻo faʻamaonia ai le faʻaogaina o DBN i le atinaʻeina o vailaʻau ma isi faʻamatalaga faʻamaumauga maualuga.
14. Autoencoders
Autoencoders o fesoʻotaʻiga neural e faʻaaogaina mo galuega e leʻi vaʻaia. O lo'o fa'amoemoe e toe fausia fa'amaumauga tu'ufa'atasi, o lona uiga o le a latou a'oa'oina e fa'asolo le fa'amatalaga i se fa'atusa fa'atusatusa ona toe fa'asolo lea i le ulua'i fa'aoga.
Autoencoders e aoga tele mo le faʻapipiʻiina o faʻamaumauga, aveese le pisa, ma le suʻesuʻeina o anomaly. E mafai fo'i ona fa'aoga mo a'oa'oga fa'apitoa, lea e fafaga ai le fa'atusa fa'atusatusa a le autoencoder i se galuega a'oa'oga fa'atonutonu.
Mafaufau i autoencoders e avea ma tamaiti aoga e tusia faʻamatalaga i le vasega. E fa'alogo le tamaititi i le lauga ma tusi i lalo manatu e sili ona talafeagai i se auala fa'apu'upu'u ma lelei.
Mulimuli ane, e mafai e le tagata aʻoga ona suʻesuʻe ma manatua le lesona e faaaogā ai a latou faamatalaga. O le autoencoder, i le isi itu, e fa'ailogaina fa'amaumauga tu'ufa'atasi i se fa'atusa fa'atusatusa e ono fa'aaoga mulimuli ane mo fa'amoemoega eseese e pei o le su'esu'eina o anomaly po'o le fa'amauina o fa'amaumauga.
15. Masini Boltzmann Fa'asaina( RBMs)
RBMs (Masini Boltzmann Faʻatapulaʻaina) o se ituaiga o fesoʻotaʻiga neural generative e faʻaaogaina mo galuega aʻoaʻoga e leʻi vaʻaia. E faia a'e i latou i se fa'ailoga va'aia ma se fa'a natia, fa'atasi ai ma neu i vaega ta'itasi, e feso'ota'i ae le o totonu o le fa'atasi.
O lo'o a'oa'oina RBM i le fa'aogaina o se metotia ua ta'ua o le contrastive divergence, lea e a'afia ai le suia o le mamafa i le va o le va'aia ma le natia, ina ia mafai ai ona fa'amalieina le avanoa o fa'amaumauga a'oa'oga. E mafai e RBM ona faia ni fa'amatalaga fou pe'a uma ona a'oa'oina e ala i fa'ata'ita'iga mai le tufatufaina a'oa'oina.
Fa'ailoga ata ma tautalaga, fa'amama fa'atasi, ma su'esu'ega anomaly o talosaga uma ia na fa'aaogaina RBM. Ua fa'aaogaina fo'i i faiga fa'atonuga e fai ai fa'atonuga fa'apitoa e ala i le a'oa'oina o fa'ata'ita'iga mai amioga a tagata fa'aoga.
Ua fa'aogaina fo'i RBM i a'oa'oga fa'apitoa e fa'atupu ai se fa'ata'ita'iga fa'apitoa ma lelei o fa'amaumauga maualuga.
Fa'auma-A'oa'iga ma Fa'amoemoega Atina'e i luga o le Horizon
Metotia a'oa'oga loloto, e pei ole Convolutional Neural Networks (CNNs) ma Recurrent Neural Networks (RNNs), o se tasi lea o auala e sili atu ona alualu i luma fa'apitoa. Ua suia e CNNs ata ma fa'alogo leo, a'o RNNs ua matua'i alualu i luma i le fa'agaioiina o gagana fa'anatura ma fa'asologa fa'asologa o fa'amaumauga.
O le isi laasaga i le faʻaleleia o nei auala e foliga mai e taulaʻi i le faʻaleleia atili o lo latou lelei ma le faʻalauteleina, faʻatagaina i latou e suʻesuʻeina faʻamaumauga tetele ma sili atu ona lavelave, faʻapea foʻi ma le faʻaleleia atili o lo latou faʻamatalaina ma le mafai ona aʻoaʻoina mai faʻamaumauga laiti.
O a'oa'oga loloto e iai le avanoa e fa'ataga ai fa'alavelave i matā'upu e pei o le soifua maloloina, tupe, ma faiga tuto'atasi a'o aga'i i luma.
Tuua se tali