Connect with us

Noticias

Le pedí a Chatgpt que critique mi rutina de acondicionamiento físico

Published

on

“Espera, ¿por qué de acuerdo con esto de nuevo?” Pienso para mí mismo cuando empiezo a escribir en ChatGPT. No me importa hasta dónde avanzamos como sociedad, nunca me acostumbraré a hablar con robots. “Critica mi rutina de acondicionamiento físico”, exijo un poco torpemente. ChatGPT responde que estaría encantado de hacerlo, pero primero, ¿puedo dar algunos detalles más sobre mi régimen de acondicionamiento físico actual? ¿Quizás los tipos de entrenamientos que estoy haciendo, la frecuencia y los objetivos para los que estoy trabajando?

Cualquier cosa para ti, robots.

“Voy al gimnasio alrededor de cinco veces por semana”, escribo de nuevo. “Tres de esos días, hago prensas de piernas, extensiones de piernas y secuestros de cadera antes de pasar a 30 minutos de cardio de bajo impacto en la elíptica. En total, esto me lleva una hora. Termino con cinco minutos de trabajo y un Cooldown.

Esto se siente como una confesión sorprendentemente sincera de hacerle a la IA, y por alguna razón, estoy nervioso por presionar enviar, como si alguien me estuviera juzgando en secreto detrás de la pantalla. Me recuerdo que los robots no se preocupan por mí, e incluso si lo hicieron, estoy realmente interesado en los comentarios. Si bien nunca reemplazarán el consejo de un profesional, pensé que podría usarlo como punto de partida. Esto es lo que sucedió cuando le pedí a ChatGPT que critique mi rutina de acondicionamiento físico.

Las críticas iniciales de Chatgpt

Chatgpt gracias por compartir. La buena noticia es que mi rutina de acondicionamiento físico “parece equilibrado en términos de cardio, fuerza y ​​flexibilidad”. Aún así, hay algunos ajustes que sugieren.

  • Días de la pierna: ChatGPT no tiene un problema importante con mi entrenamiento de fuerza en la parte inferior del cuerpo. Sin embargo, para un mejor desarrollo general de las piernas y fuerza funcional, me dice que considere agregar algunos movimientos compuestos como sentadillas, estocadas, escalones y peso muerto (pero solo si me siento cómodo al hacerlo, presumiblemente porque este ejercicio está en el más avanzado lado).
  • Cardio: ChatGPT señala que la elíptica es una excelente opción para construir resistencia, pero me animó a mezclarlo con cardio más variado como el ciclismo, el remo o incluso el entrenamiento de intervalos de alta intensidad (HIIT) para mejorar mi capacidad cardiovascular.
  • Abdominales y prostitutas: Los robots me dicen que un entrenamiento AB dedicado, como el que he estado haciendo, está bien, pero agregar más movimientos compuestos (como sentadillas y peso muerto) también activará mis abdominales. Para una fuerza central adicional, ChatGPT recomienda equilibrar este trabajo de núcleo compuesto con tablas, giros rusos, elevaciones de las piernas y cable de madera. En términos de tiempo de reutilización, sugiere agregar estiramientos dinámicos o rodillos de espuma para ayudar con la recuperación y prevenir la opresión.
  • Días de yoga o cardio: Los robots están en pleno apoyo de mis días de yoga, reconociendo que puede ayudar a aliviar la ansiedad. Sin embargo, ChatGPT también comparte algunas recomendaciones para ayudarme a sentirme más cómodo trabajando en la parte superior del cuerpo: “Si su ansiedad está vinculada al entorno del gimnasio o ciertos ejercicios, existen estrategias para ayudar a aliviar el trabajo de la parte superior del cuerpo”. Por ejemplo, comenzando con pesos más ligeros o centrándose en la forma para ayudar a generar confianza.
  • Pensamientos generales: En general, encuentro que estas impresiones iniciales son sorprendentemente útiles y consideradas. La IA me recuerda que aumente progresivamente la carga en los ejercicios de mi pierna y considere agregar más variedad a mis entrenamientos en general. También señalan que evitar la parte superior del cuerpo podría conducir a los desequilibrios, lo que me motiva a trabajar en mi gimnasia.

Hacer ejercicio con una enfermedad crónica

Después de estas críticas iniciales, la IA me pregunta sobre mis objetivos de acondicionamiento físico para ayudar a refinar sus sugerencias. También decido mencionar mi enfermedad crónica para ver cómo esto afecta su respuesta. Nuevamente, esto no es un reemplazo para el consejo médico real. “Tengo una enfermedad crónica, así que inicialmente me centré en la pérdida de peso y en mejorar la resistencia”, escribo en el chat, explicando que ahora estoy más interesado en el mantenimiento. “Pero tengo que tener cuidado de no esforzarme hasta el punto de un brote”.

Con estos nuevos detalles, ChatGPT comparte algunas recomendaciones más:

  • Cardio suave: La IA confirma que el cardio de bajo impacto como la elíptica es bueno para el mantenimiento. “No está sobrecargando demasiado sus juntas o sistema cardiovascular, lo cual es clave si está manejando una enfermedad”. Todavía sugiere agregar una pequeña variedad, pero esta vez, solo menciona la natación o el ciclismo, ya que son ejercicios de bajo impacto que no agregan demasiada tensión adicional al cuerpo. También recomienda probar intervalos suaves sobre la elíptica, alternando entre intensidad moderada y mayor para cortas ráfagas de tiempo. Es bueno saber que, mientras que el cardio de estado estacionario funciona para mis objetivos actuales de acondicionamiento físico, ChatGPT señala que el entrenamiento de circuito de baja intensidad también es una opción.
  • Entrenamiento de fuerza más ligero: Había estado contemplando hacer menos entrenamiento de fuerza, pero ChatGPT sugiere lo contrario. “El entrenamiento de fuerza puede ser una gran victoria, ya que ayudará a preservar la masa muscular magra, apoyar la densidad ósea y aumentar el metabolismo, todo crucial para la salud general”. Para evitar brotes, resalta el entrenamiento de resistencia a la luz (usando pesas, bandas o máquinas) como un buen lugar para comenzar.
  • Evite el sobreentrenamiento: “Tienes razón al priorizar ser cauteloso”, señala Chatgpt, dándome algo de validación. “El sobreentrenamiento puede ser arriesgado, especialmente con una enfermedad crónica”. Me anima a escuchar mi cuerpo, y agregó que está bien escalar si me siento fatigado, lo que también he encontrado que es muy cierto. En términos de progresión, recomienda ir más gradualmente, agregar un conjunto adicional o un peso ligeramente más alto con el tiempo para darle a mi cuerpo la oportunidad de adaptarse sin sentirse abrumado.
  • Yoga para la salud: No solo el yoga es excelente para los días de descanso activos, sino que también es una gran adición para la flexibilidad, la reducción del estrés y la mejora de la movilidad, me dice ChatGPT. “Si puede, trate de incorporar gentil restaurativo o yin yoga en los días libres. Estos tipos son de menor intensidad y son excelentes para calmar el sistema nervioso, lo que puede ayudar a manejar la ansiedad en torno a los brotes”.

En general, estos consejos parecen matizados y más aplicables en general, especialmente en comparación con las críticas anteriores. Me gusta que la IA parezca tener en cuenta mi enfermedad crónica, y estos son consejos que podría verme usando en el futuro. Tampoco esperaba que los robots fueran así. . . ¿amable?

“Con el tiempo, su fuerza y ​​resistencia mejorará, y podrá aumentar la intensidad de sus entrenamientos”, dice Chatgpt. “Pero es clave hacerlo gradualmente y con autocompasión”. Esta es una de mis conclusiones favoritas, y estoy de acuerdo en que es una de las lecciones más difíciles de aprender al navegar en estado físico con una enfermedad crónica.

Rutina de acondicionamiento físico de muestra de Chatgpt

No le pedí a ChatGPT que creara una rutina de entrenamiento personalizada para mí, pero aún así me dio una, y no me quejo. Esto es lo que sugiere, en base a mis necesidades (incluido el conocimiento sobre mi enfermedad crónica).

Día 1: Fuerza de la parte inferior del cuerpo + cardio:

  • Prensa de piernas
  • Sentadillas (pesas de peso corporal o ligero)
  • Paso ups (peso corporal)
  • Elíptico (30 min)

Día 2: yoga o recuperación activa

  • Yoga suave o restaurativo (enfóquese en la respiración y la flexibilidad)

Día 3: Fuerza de la parte superior del cuerpo + trabajo central

  • Filas de mancuernas
  • Pressas de hombro (luz)
  • Rizos de bíceps
  • Tablas y otros ejercicios abdominales

Día 4: Cardio (bajo impacto)

  • Natación, ciclismo o elíptico (30-45 min)

Día 5: Circuito de cuerpo completo o resistencia funcional

  • Cabalde de peso corporal, estocadas, flexiones (variaciones de pared o rodilla si es necesario)
  • Trabajo de la banda de resistencia de la luz
  • Trabajo central

Día 6: Yoga o cardio ligero

  • Yoga (enfoque en flexibilidad y relajación) o una caminata rápida

Día 7: RESTACIÓN/RECUPERA ACTIVA

  • Estiramiento, rodamiento de espuma o simplemente descanso completo

Una vez más, la IA no es un reemplazo para la condición física profesional o los asesoramiento de salud. Puede comenzar, pero para la mejor orientación personalizada, consulte con profesionales certificados.

Chandler Plante (ella/ella) es editor de salud y acondicionamiento físico asistente para PS. Tiene más de cuatro años de experiencia en periodismo profesional, que anteriormente trabaja como asistente editorial para la revista People y contribuye a Ladygunn, Millie y Bustle Digital Group.

Continue Reading
Click to comment

Leave a Reply

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *

Noticias

Operai, Google y Xai trabajan para reclutar Top AI Talent: A continuación se muestra cómo

Published

on

jugar

  • La competencia para los principales investigadores de IA se ha intensificado en niveles sin precedentes en Silicon Valley.
  • Empresas como OpenAI y Google están ofreciendo paquetes de compensación exorbitantes, incluidos bonos y capital multimillonarios, para atraer y retener talento.
  • La escasez de personas con experiencia en modelos de idiomas grandes es impulsar las tácticas de reclutamiento agresivas.

SAN FRANCISCO – El concurso en Silicon Valley para dominar la inteligencia artificial se está desarrollando en una nueva corte: los investigadores superestrella.

Si bien la lucha para atraer el mejor talento y mantenerlos felices siempre ha sido un sello distintivo de la industria tecnológica, desde que ChatGPT se lanzó a fines de 2022, el reclutamiento se ha intensificado a los niveles profesionales de atletas, una docena de personas que han estado involucradas en el reclutamiento de investigadores de IA dijeron a Reuters.

“Los laboratorios de IA se acercan a la contratación como un juego de ajedrez”, dijo Ariel Herbert-Voss, CEO de la startup de ciberseguridad Runsybil y un ex investigador de Operai que ingresó a la pelea de talentos después de lanzar su propia compañía. “Quieren moverse lo más rápido posible, por lo que están dispuestos a pagar mucho por candidatos con experiencia especializada y complementaria, al igual que las piezas del juego. Son como, ‘¿Tengo suficientes torres?

Empresas, incluidas OpenAi y Google, ansiosas por obtener o mantenerse por delante en la carrera para crear los mejores modelos de IA, cortan a estos llamados “IC”: los contribuyentes individuales cuyo trabajo puede hacer o romper empresas.

Noam Brown, uno de los investigadores detrás de los recientes avances de IA de OpenAi en el razonamiento complejo de matemáticas y ciencias, dijo que cuando exploró las oportunidades de trabajo en 2023, se encontró siendo cortejado por la élite de Tech: el almuerzo con el fundador de Google Sergey Brin, póker de Sam Altman’s y una visita de avión privado de un ansioso inversor. Elon Musk también hará llamadas para cerrar candidatos para Xai, su compañía de IA, dijeron que dos personas que han hablado con él. Xai no respondió a una solicitud de comentarios.

Finalmente, dijo Brown, eligió OpenAi porque OpenAi estaba dispuesto a poner recursos, tanto las personas como el cálculo, detrás del trabajo que estaba entusiasmado.

“En realidad, no era financieramente la mejor opción que tenía”, dijo, explicando que la compensación no es lo más importante para muchos investigadores. Eso no ha impedido que las empresas arrojen millones de dólares en bonos y paquetes de paquetes a los investigadores STAR, según siete fuentes familiarizadas con el asunto.

Algunos investigadores de los principales abiertos que han indicado interés en unirse a la nueva compañía de la ex científica jefe Ilya Sutskever, SSI, se les ofreció bonos de retención de $ 2 millones, además de aumentos de capital de $ 20 millones o más, si se quedaron, a dos fuentes le dijeron a Reuters. Algunos solo se les ha requerido que se queden durante un año para obtener la bonificación completa. SSI y OpenAi declinaron hacer comentarios.

Otros investigadores de Operai que han presentado ofertas de once laboratorios han recibido bonos de al menos $ 1 millón para quedarse en OpenAI, dijeron dos fuentes a Reuters. Los principales investigadores de OpenAI reciben regularmente paquetes de compensación de más de $ 10 millones al año, dijeron las fuentes.

Google Deepmind ha ofrecido a los principales investigadores $ 20 millones por año paquetes de compensación, otorgados con subvenciones de capital fuera del ciclo específicamente a los investigadores de IA, y también ha reducido la adjudicación de algunos paquetes de valores a 3 años, en lugar de los 4 años normales, dijeron las fuentes. Google declinó hacer comentarios.

Por el contrario, los principales ingenieros de Big Tech Companies reciben una compensación anual promedio de $ 281,000 en salario y $ 261,000 en capital, según CompreHensive.io, una compañía que rastrea la compensación de la industria tecnológica.

La guerra de talentos de IA

Si bien el talento siempre ha sido importante en Silicon Valley, la diferencia con el auge de la IA es cuán pocas personas están en este grupo de élite, dependiendo de a quién le pregunte, el número podría variar de unas pocas docenas a alrededor de mil, ocho fuentes dijeron a Reuters.

Eso se basa en la creencia de que este pequeño número de “IC” ha hecho contribuciones de gran tamaño al desarrollo de grandes modelos de idiomas, la tecnología en la que se basa el auge de IA de hoy y, por lo tanto, podría hacer o romper el éxito de un modelo de IA.

“Seguro que los ingenieros 10X son geniales, pero maldita sea esos 10,000x ingenieros/investigadores …”, tuiteó el CEO de OpenAI, Sam Altman, a finales de 2023, aludiendo a una máxima larga que los mejores ingenieros de software fueron 10 veces más buenos que el promedio (10X), pero ahora en la industria de la IA, los mejores investigadores son 10,000 veces (10,000x) tan efectivos que el promedio.

La partida de septiembre del director de tecnología de OpenAi, Mira Murati, quien luego fundó una startup rival de IA, ha intensificado la Guerra de Talento AI. Murati, conocido en Operai por sus habilidades de gestión y destreza de ejecución, reclutó a 20 empleados de Operai antes de anunciar su empresa en febrero. Ahora ha atraído aún más investigadores de Operai y otros laboratorios, y el equipo ahora tiene alrededor de 60 personas, dijeron dos fuentes a Reuters. Aunque la compañía no tiene ningún producto en el mercado, Murati está en medio de cerrar una ronda de semillas récord que se basa en la fuerza del equipo. Un representante de Murati declinó hacer comentarios.

La escasez de talento ha obligado a las empresas a acercarse a la contratación creativamente. Zeki Data, una empresa de datos centrada en identificar el talento de IA de los mejores IA, dijo que está empleando técnicas de análisis de datos de la industria del deporte como la popularizada por la película “Moneyball” para identificar talento prometedor pero no descubierto. Por ejemplo, los datos de Zeki descubrieron que Anthrope ha estado contratando investigadores con antecedentes de física teórica, y otras compañías de inteligencia artificial han contratado individuos con antecedentes de computación cuántica.

Anthrope no respondió a una solicitud de comentarios.

“En mi equipo, tengo matemáticos extraordinariamente talentosos que no habrían venido a este campo si no fuera por el rápido progreso que estamos viendo ahora”, dijo Sébastien Bubeck, quien dejó su papel como vicepresidente de investigación de Genai en Microsoft el año pasado para unirse a Openi. “Estamos viendo una afluencia de talento de todos los campos que están en IA ahora. Y algunas de estas personas son muy, muy inteligentes, y marcan la diferencia”.

Informes de Anna Tong en San Francisco; Edición de Kenneth Li y Claudia Parsons

Continue Reading

Noticias

Probé Claude 4 soneto vs chatgpt-4o con 7 indicaciones: los resultados fueron sorprendentes

Published

on

Los chatbots de IA avanzan rápidamente y los probando hasta sus límites es lo que hago para vivir. El soneto Claude 4 de Anthrope y el chatgpt-4o de OpenAI son dos de las herramientas más inteligentes disponibles en este momento. Pero, ¿cómo se comparan realmente en el uso diario?

Para averiguarlo, le di a ambos modelos el mismo conjunto de 7 indicaciones; Cubriendo todo, desde narración de cuentos y productividad hasta apoyo emocional y pensamiento crítico.

Continue Reading

Noticias

Una nueva IA prepara proteínas de diseñador con solo un mensaje de texto

Published

on

“Escríbeme un resumen conciso de Misión imposible Personajes y tramas hasta la fecha ”, recientemente le pregunté a ChatGPT antes de atrapar la última entrada de franquicia. Se entregó. No necesitaba entender su código o conocer su conjunto de datos de capacitación. Todo lo que tenía que hacer era preguntar.

ChatGPT y otros chatbots impulsados ​​por modelos de idiomas grandes, o LLM, son más populares que nunca. Los científicos están tomando nota. Las proteínas, los caballos de batalla moleculares de las células, mantienen nuestros cuerpos corriendo suavemente. También tienen un idioma propio. Los científicos asignan una letra abreviada a cada uno de los 20 aminoácidos que componen proteínas. Al igual que las palabras, las cadenas de estas letras se unen para formar proteínas de trabajo, su secuencia determina la forma y la función.

Inspirados en LLM, los científicos ahora están construyendo modelos de lenguaje de proteínas que diseñan proteínas desde cero. Algunos de estos algoritmos están disponibles públicamente, pero requieren habilidades técnicas. ¿Qué pasaría si su investigador promedio podría simplemente pedirle a una IA que diseñe una proteína con un solo mensaje?

El mes pasado, los investigadores dieron a Protein Design AI el tratamiento con chatgpt. De una descripción del tipo, estructura o funcionalidad de una proteína que está buscando, el algoritmo produce posibles candidatos. En un ejemplo, la IA, denominada pinal, hizo con éxito múltiples proteínas que podrían descomponer el alcohol cuando se analizó dentro de las células vivas. Puedes probarlo aquí.

Pinal es el último en un creciente conjunto de algoritmos que traducen el inglés cotidiano en nuevas proteínas. Estos diseñadores de proteínas entienden el lenguaje sencillo y la biología estructural, y actúan como guías para los científicos que exploran proteínas personalizadas, con poca experiencia técnica.

Es un “enfoque ambicioso y general”, el equipo internacional detrás de Pinal escribió en una preimpresión publicada en Biorxiv. La IA aprovecha el “poder descriptivo y la flexibilidad del lenguaje natural” para hacer que las proteínas de diseñador sean más accesibles para los biólogos.

Enfrentados contra los algoritmos de diseño de proteínas existentes, Pinal entendió mejor el objetivo principal de una proteína objetivo y aumentó las posibilidades de que funcionaría en las células vivas.

“Somos los primeros en diseñar una enzima funcional usando solo texto”, dijo Fajie Yuan, científica de IA de la Universidad de Westlake en China que dirigió el equipo. Naturaleza. “Es como la ciencia ficción”.

Más allá de la evolución

Las proteínas son los componentes básicos de la vida. Forman nuestros cuerpos, el metabolismo del combustible y son el objetivo de muchos medicamentos. Estas intrincadas moléculas comienzan a partir de una secuencia de “letras” de aminoácidos, que se unen entre sí y eventualmente se doblan en intrincadas estructuras 3D. Muchos elementos estructurales, un bucle aquí, un tejido o bolsillo allí, son esenciales para su función.

Los científicos han intentado durante mucho tiempo diseñar proteínas con nuevas habilidades, como enzimas que descomponen de manera eficiente los plásticos. Tradicionalmente, han personalizado las proteínas existentes para un cierto uso biológico, químico o médico. Estas estrategias “están limitadas por su dependencia de las plantillas de proteínas existentes y las limitaciones evolutivas naturales”, escribieron los autores. Los modelos de lenguaje de proteínas, en contraste, pueden soñar con un universo de nuevas proteínas sin ataduras de la evolución.

En lugar de absorber el texto, la imagen o los archivos de video, como LLMS, estos algoritmos aprenden el lenguaje de las proteínas entrenando en secuencias y estructuras de proteínas. ESM3 de EvolutionaryScale, por ejemplo, entrenó en más de 2.700 millones de secuencias de proteínas, estructuras y funciones. Los modelos similares ya se han utilizado para diseñar anticuerpos que luchan contra ataques virales y nuevas herramientas de edición de genes.

Pero estos algoritmos son difíciles de usar sin experiencia. Pinal, por el contrario, apunta al científico promedio-joe. Al igual que una cámara DSLR en Auto, el modelo “evita las especificaciones estructurales manuales”, escribió el equipo, lo que hace que sea más simple hacer su proteína deseable.

Háblame

Para usar Pinal, un usuario le pide a la IA que construya una proteína con una solicitud de varias palabras clave, frases o un párrafo completo. En la parte delantera, la IA analiza los requisitos específicos en el aviso. En el back -end, transforma estas instrucciones en una proteína funcional.

Es un poco como pedirle a ChatGTP que le escriba una reseña de restaurante o un ensayo. Pero, por supuesto, las proteínas son más difíciles de diseñar. Aunque también están formados por “letras”, su forma final determina cómo (o si) funcionan. Un enfoque, denominado entrenamiento de extremo a extremo, traduce directamente un aviso en secuencias de proteínas. Pero esto abre la IA a un vasto mundo de secuencias potenciales, lo que hace que sea más difícil marcar las secuencias precisas de las proteínas de trabajo. En comparación con las secuencias, la estructura de proteínas, la forma 3D final, es más fácil para el algoritmo generar y descifrar.

Luego está el dolor de cabeza de los datos de entrenamiento. Aquí, el equipo recurrió a las bases de datos de proteínas existentes y usó LLM para etiquetarlas. El resultado final fue una vasta biblioteca de 1.700 millones de pares de texto proteico, en el que las estructuras de proteínas coinciden con descripciones de texto de lo que hacen.

El algoritmo completado utiliza 16 mil millones de parámetros, estas son las conexiones internas de una IA, para traducir el inglés simple al idioma de la biología.

Pinal sigue dos pasos. Primero traduce las indicaciones en información estructural. Este paso divide una proteína en elementos estructurales, o “fichas”, que son más fáciles de procesar. En el segundo paso, un modelo en idioma proteico llamado Saprot considera la intención del usuario y la funcionalidad de proteínas para diseñar secuencias de proteínas con mayor probabilidad de doblar en una proteína de trabajo que satisfaga las necesidades del usuario.

En comparación con los algoritmos de diseño de proteínas de última generación que también usan el texto como entrada, incluida ESM3, el pinal superó la precisión y la novedad, es decir, generar proteínas no conocidas por la naturaleza. Usando algunas palabras clave para diseñar una proteína, “la mitad de las proteínas de pinal exhiben funciones predecibles, solo alrededor del 10 por ciento de las proteínas generadas por ESM3 lo hacen”.

En una prueba, el equipo le dio a la IA un breve aviso: “Por favor, diseñe una proteína que sea una alcohol deshidrogenasa”. Estas enzimas descomponen el alcohol. De más de 1.600 proteínas candidatas, el equipo eligió los ocho más prometedores y las probó en células vivas. Dos rompieron con éxito el alcohol a temperatura corporal, mientras que otros fueron más activos a un sudor de 158 grados Fahrenheit.

Las indicaciones más elaboradas que incluían la función de una proteína y los ejemplos de moléculas similares, arrojaron candidatos a antibióticos y proteínas para ayudar a las células a recuperarse de la infección.

Pinal no es el único IA de texto a proteína. El Startup 310 AI ha desarrollado una IA denominada MP4 para generar proteínas a partir del texto, con los resultados que la compañía dice que podría beneficiar la enfermedad cardíaca.

El enfoque no es perfecto. Al igual que los LLM, que a menudo “alucinan”, los modelos de lenguaje de proteínas también sueñan secuencias poco confiables o repetitivas que reducen las posibilidades de un resultado final de trabajo. La redacción precisa de las indicaciones también afecta la estructura de proteína final. Aún así, la IA es como la primera versión de Dall-E: juega con ella y luego valida la proteína resultante usando otros métodos.

Continue Reading

Trending