Всё, что вам нужно знать об ИИ — за несколько минут

Приветствую читателей Хабра. Вашему вниманию предлагается перевод статьи «Everything you need to know about AI — in under 8 minutes.». Содержание направлено на людей, не знакомых со сферой ИИ и желающих получить о ней общее представление, чтобы затем, возможно, углубиться в какую-либо конкретную его отрасль. Знать понемногу обо всё иногда (по крайней мере, для новичков, пытающихся сориентироваться в популярных технических направлениях) бывает полезнее, чем знать много о чём-то одном. Многие люди думают, что немного знакомы с ИИ. Но эта область настолько молода и растёт так быстро, что прорывы совершаются чуть ли не каждый день. В этой научной области предстоит открыть настолько многое, что специалисты из других областей могут быстро влиться в исследования ИИ и достичь значимых результатов. Эта статья — как раз для них. Я поставил себе целью создать короткий справочный материал, который позволит технически образованным людям быстро разобраться с терминологией и средствами, используемыми для разработки ИИ. Я надеюсь, что этот материал окажется полезным большинству интересующихся ИИ людей, не являющихся специалистами в этой области.

Введение

Искусственный интеллект (ИИ), машинное обучение и нейронные сети — термины, используемые для описания мощных технологий, базирующихся на машинном обучении, способных решить множество задач из реального мира. В то время, как размышление, принятие решений и т.п. сравнительно со способностями человеческого мозга у машин далеки от идеала (не идеальны они, разумеется, и у людей), в недавнее время было сделано несколько важных открытий в области технологий ИИ и связанных с ними алгоритмов. Важную роль играет увеличивающееся количество доступных для обучения ИИ больших выборок разнообразных данных. Область ИИ пересекается со многими другими областями, включая математику, статистику, теорию вероятностей, физику, обработку сигналов, машинное обучение, компьютерное зрение, психологию, лингвистику и науку о мозге. Вопросы, связанные с социальной ответственностью и этикой создания ИИ притягивают интересующихся людей, занимающихся философией. Мотивация развития технологий ИИ состоит в том, что задачи, зависящие от множества переменных факторов, требуют очень сложных решений, которые трудны к пониманию и сложно алгоритмизируются вручную. Растут надежды корпораций, исследователей и обычных людей на машинное обучение для получения решений задач, не требующих от человека описания конкретных алгоритмов. Много внимания уделяется подходу «чёрного ящика». Программирование алгоритмов, используемых для моделирования и решения задач, связанных с большими объёмами данных, занимает у разработчиков очень много времени. Даже когда нам удаётся написать код, обрабатывающий большое количество разнообразных данных, он зачастую получается очень громоздким, трудноподдерживаемым и тяжело тестируемым (из-за необходимости даже для тестов использовать большое количество данных). Современные технологии машинного обучения и ИИ вкупе с правильно подобранными и подготовленными «тренировочными» данными для систем могут позволить нам научить компьютеры «программировать» за нас.

Обзор

Интеллект — способность воспринимать информацию и сохранять её в качестве знания для построения адаптивного поведения в среде или контексте Это определение интеллекта из (англоязычной) Википедии может быть применено как к органическому мозгу, так и к машине. Наличие интеллекта не предполагает наличие сознания. Это — распространённое заблуждение, принесённое в мир писателями научной фантастики. Попробуйте поискать в интернете примеры ИИ — и вы наверняка получите хотя бы одну ссылку на IBM Watson, использующий алгоритм машинного обучения, ставший знаменитым после победы на телевикторине под названием «Jeopardy» в 2011 г. С тех пор алгоритм претерпел некоторые изменения и был использован в качестве шаблона для множества различных коммерческих приложений. Apple, Amazon и Google активно работают над созданием аналогичных систем в наших домах и карманах. Обработка естественного языка и распознавание речи стали первыми примерами коммерческого использования машинного обучения. Вслед за ними появились задачи другие задачи автоматизации распознавания (текст, аудио, изображения, видео, лица и т.д.). Круг приложений этих технологий постоянно растёт и включает в себя беспилотные средства передвижения, медицинскую диагностику, компьютерные игры, поисковые движки, спам-фильтры, борьбу с преступностью, маркетинг, управление роботами, компьютерное зрение, перевозки, распознавание музыки и многое другое. ИИ настолько плотно вошёл в современные используемые нами технологии, что многие даже не думают о нём как об «ИИ», то есть, не отделяют его от обычных компьютерных технологий. Спросите любого прохожего, есть ли искусственный интеллект в его смартфоне, и он, вероятно, ответит: «Нет». Но алгоритмы ИИ находятся повсюду: от предугадывания введённого текста до автоматического фокуса камеры. Многие считают, что ИИ должен появиться в будущем. Но он появился некоторое время назад и уже находится здесь. Термин «ИИ» является довольно обобщённым. В фокусе большинства исследований сейчас находится более узкое поле нейронных сетей и глубокого обучения.

Как работает наш мозг

Человеческий мозг представляет собой сложный углеродный компьютер, выполняющий, по приблизительным оценкам, миллиард миллиардов операций в секунду (1000 петафлопс), потребляющий при этом 20 Ватт энергии. Китайский суперкомпьютер под названием «Tianhe-2» (самый быстрый в мире на момент написания статьи) выполняет 33860 триллионов операций в секунду (33.86 петафлопс) и потребляющий при этом 17600000 Ватт (17.6 Мегаватт). Нам предстоит проделать определённое количество работы перед тем, как наши кремниевые компьютеры смогут сравниться со сформировавшимися в результате эволюции углеродными. Точное описание механизма, применяемого нашим мозгом для того, чтобы «думать» является предметом дискуссий и дальнейших исследований (лично мне нравится теория о том, что работа мозга связана с квантовыми эффектами, но это — тема для отдельной статьи). Однако, механизм работы частей мозга обычно моделируется с помощью концепции нейронов и нейронных сетей. Предполагается, что мозг содержит примерно 100 миллиардов нейронов. Нейроны взаимодействуют друг с другом с помощью специальных каналов, позволяющих им обмениваться информацией. Сигналы отдельных нейронов взвешиваются и комбинируются друг с другом перед тем, как активировать другие нейроны. Эта обработка передаваемых сообщений, комбинирование и активация других нейронов повторяется в различных слоях мозга. Учитывая то, что в нашем мозгу находится 100 миллиардов нейронов, совокупность взвешенных комбинаций этих сигналов устроена довольно сложно. И это ещё мягко сказано. Но на этом всё не заканчивается. Каждый нейрон применяет функцию, или преобразование, к взвешенным входным сигналам перед тем, как проверить, достигнут ли порог его активации. Преобразование входного сигнала может быть линейным или нелинейным. Изначально входные сигналы приходят из разнообразных источников: наших органов чувств, средств внутреннего отслеживания функционирования организма (уровня кислорода в крови, содержимого желудка и т.д.) и других. Один нейрон может получать сотни тысяч входных сигналов перед принятием решения о том, как следует реагировать. Мышление (или обработка информации) и полученные в результате его инструкции, передаваемые нашим мышцам и другим органам являются результатом преобразования и передачи входных сигналов между нейронами из различных слоёв нейронной сети. Но нейронные сети в мозгу могут меняться и обновляться, включая изменения алгоритма взвешивания сигналов, передаваемых между нейронами. Это связано с обучением и накоплением опыта. Эта модель человеческого мозга использовалась в качестве шаблона для воспроизведения возможностей мозга в компьютерной симуляции — искуственной нейронной сети.

Искусственные Нейронные Сети (ИНС)

Искусственные Нейронные Сети — это математические модели, созданные по аналогии с биологическими нейронными сетями. ИНС способны моделировать и обрабатывать нелинейные отношения между входными и выходными сигналами. Адаптивное взвешивание сигналов между искусственными нейронами достигается благодаря обучающемуся алгоритму, считывающему наблюдаемые данные и пытающемуся улучшить результаты их обработки. Для улучшения работы ИНС применяются различные техники оптимизации. Оптимизация считается успешной, если ИНС может решать поставленную задачу за время, не превышающее установленные рамки (временные рамки, разумеется, варьируются от задачи к задаче). ИНС моделируется с использованием нескольких слоёв нейронов. Структура этих слоёв называется архитектурой модели. Нейроны представляют собой отдельные вычислительные единицы, способные получать входные данные и применять к ним некоторую математическую функцию для определения того, стоит ли передавать эти данные дальше. В простой трёхслойной модели первый слой является слоем ввода, за ним следует скрытый слой, а за ним — слой вывода. Каждый слой содержит не менее одного нейрона. С усложнением структуры модели посредством увеличения количества слоёв и нейронов возрастают потенциал решения задач ИНС. Однако, если модель оказывается слишком «большой» для заданной задачи, её бывает невозможно оптимизировать до нужного уровня. Это явление называется переобучением (overfitting). Архитектура, настройка и выбор алгоритмов обработки данных являются основными составляющими построения ИНС. Все эти компоненты определяют производительность и эффективность работы модели. Модели часто характеризуются так называемой функцией активации. Она используется для преобразования взвешенных входных данных нейрона в его выходные данные (если нейрон решает передавать данные дальше, это называется его активацией). Существует множество различных преобразований, которые могут быть использованы в качестве функций активации. ИНС являются мощным средством решения задач. Однако, хотя математическая модель небольшого количества нейронов довольно проста, модель нейронной сети при увеличении количества составляющих её частей становится довольно запутанно. Из-за этого использование ИНС иногда называют подходом «чёрного ящика». Выбор ИНС для решения задачи должен быть тщательно обдуманным, так как во многих случаях полученное итоговое решение нельзя будет разобрать на части и проанализировать, почему оно стало именно таким.

Глубокое обучение

Термин глубокое обучение используется для описания нейронных сетей и используемых в них алгоритмах, принимающих «сырые» данные (из которых требуется извлечь некоторую полезную информацию). Эти данные обрабатываются, проходя через слои нейросети, для получения нужных выходных данных.Обучение без учителя (unsupervised learning) — область, в которой методики глубокого обучения отлично себя показывают. Правильно настроенная ИНС способна автоматически определить основные черты входных данных (будь то текст, изображения или другие данные) и получить полезный результат их обработки. Без глубокого обучения поиск важной информации зачастую ложится на плечи программиста, разрабатывающего систему их обработки. Модель глубокого обучения же самостоятельно способна найти способ обработки данных, позволяющий извлекать из них полезную информацию. Когда система проходит обучение (то есть, находит тот самый способ извлекать из входных данных полезную информацию), требования к вычислительной мощности, памяти и энергии для поддержания работы модели сокращаются. Проще говоря, алгоритмы обучения позволяют с помощью специально подготовленных данных «натренировать» программу выполнять конкретную задачу. Глубокое обучение применяется для решения широкого круга задач и считается одной из инновационных ИИ-технологий. Существуют также другие виды обучения, такие как обучение с учителем (supervised learning) и обучение с частичным привлечением учителя(semi-supervised learning), которые отличаются введением дополнительного контроля человека за промежуточными результатами обучения нейронной сети обработке данных (помогающего определить, в правильном ли направлении движется система).Теневое обучение (shadow learning) — термин, используемый для описания упрощённой формы глубокого обучения, при которой поиск ключевых особенностей данных предваряется их обработкой человеком и внесением в систему специфических для сферы, к которой относятся эти данные, сведений. Такие модели бывают более «прозрачными» (в смысле получения результатов) и высокопроизводительными за счёт увеличения времени, вложенного в проектирование системы.

Заключение

ИИ является мощным средством обработки данных и может находить решения сложных задач быстрее, чем традиционные алгоритмы, написанные программистами. ИНС и методики глубокого обучения могут помочь решить ряд разнообразных проблем. Минус состоит в том, что самые оптимизированные модели часто работают как «чёрные ящики», не давая возможности изучить причины выбора ими того или иного решения. Этот факт может привести к этическим проблемам, связанным с прозрачностью информации.

Сой Луна ( английский : Я Луна ) – аргентинско-мексиканская теленовелла производства Disney Channel Latin America , транслировавшаяся с 14 марта 2016 года по 17 августа 2018 года. Премьера первого эпизода Soy Luna собрала более 2,3 миллиона просмотров только в Аргентине. . Разработанный Disney Channel Latin America и произведенный Disney Channel Europe, Ближний Восток и Африка (EMEA), в сериале снимаются Кароль Севилья вместе с Руджеро Паскарелли , Валентиной Зенере и Майклом Рондой . В ролях второго плана входят Агустин Бернаскони, Малена Ратнер, Катя Мартинес, Хорхе Лопес, Ана Хара, Кьяра Парравичини, Гастон Вьетто, Лайонел Ферро, Каролина Копелиофф, Лусила Гандольфо, Родриго Педрейра, Ана Каролина Валсбарис и Дэвид Родриэль Мурио, Давид Родриэль Муриэ, Эстела Рибейро, Роберто Карнаги, Джованна Рейно, Паскуале ди Нуццо, Хандино, Виктория Суарес Баттан и Хоакин Бертольд присоединились к основному составу в более поздних сезонах. Лус Сиприота, Диего Алькала, Херман Трипель, Антонелла Керцоли и Паула Кохан также снимались в сериале, но их персонажи были списаны, а Бернаскони и Ферро покинули сериал в последнем сезоне.

В мае 2017 года сериал был продлен на третий и последний сезон, премьера которого состоялась 16 апреля 2018 года. После выхода в эфир заключительного эпизода Disney транслировал документальный фильм под названием Soy Luna: The Journey, в котором рассказывается о самых эмоциональных переживаниях главных актеров. в сериале за последние три года.

В ноябре 2020 года был официально анонсирован специальный документальный фильм под названием Soy Luna: El último concierto . Он был эксклюзивно выпущен для Disney + 26 февраля 2021 года.

Обзор серии

1 сезон (2016)

Луна Валенте – 16-летняя девочка, которая любит кататься на роликах и живет со своими приемными родителями в Канкуне , Мексика , в особняке семьи, на которую работают ее родители. Луна работает доставщицей в кафе быстрого питания со своим лучшим другом Саймоном. Во время родов она сталкивается с мальчиком по имени Матео. Матео флиртует с ней и называет ее доставщиком, Луна называет его Богачом.

Однако ее жизнь полностью перевернулась, когда прибыла новая владелица особняка, Шэрон Бенсон . У Луны плохая встреча с крестницей Шарон, Амбар, когда она случайно проливает молочный коктейль на Амбар. Затем Амбар толкает ее в бассейне с коньками. К счастью, Матео, который оказался бойфрендом Амбара, спас ее от утопления. Шэрон довольна работой родителей Луны. Поэтому Шэрон предлагает им тройную оплату и дать Луне образование в одной из лучших школ, если они пойдут работать в ее поместье в Буэнос-Айресе , Аргентина .

Вынужденная согласиться, Луна должна оставить своих друзей, работу и жизнь позади, ее переход облегчается, когда она сталкивается с катком под названием el Jam & Roller , где ее страсть к катанию на роликах усиливается по мере того, как она открывает для себя мир катания на роликах. фристайл-скейт-танцы. А каток заставляет ее познакомиться со своими новыми друзьями Ниной, Джимом и Ямом, новой работой помощника на катке и новой страстью. Она также вынуждена терпеть трудности, связанные с новой энергичной школьной системой. Что еще хуже, Луна – цель Амбар, которая ходит в ту же школу, в которой она самая популярная. Амбар использует двух своих лучших друзей, Дельфи и Джазмин, чтобы нацелиться на Луну.

Лучший друг Луны, Саймон, решает пойти за ней, что приводит его к созданию Roller Band с Нико и Педро (часть персонала Jam & Roller). Затем Луна влюбляется в Маттео, который, как и Амбар, является самым популярным в школе.

Между тем, Шэрон угрожает ее прошлое. Когда она обнаруживает, что ее племянница, Сол Бенсон, все еще жива. Много лет назад Шэрон сожгла поместье, что привело к смерти ее сестры Лили и Берни, мужа Лили, которого Шэрон любила. Шэрон считала, что Сол, дочь Лили и Берни, также погибла в огне. Шэрон как законный родственник Берни сменила фамилию на Бенсон и сохранила состояние Лили и Берни. Вместе с ее личным помощником Рей они пытаются выяснить, кто и где находится Сол Бенсон.

Между тем, много лет назад работник поместья помог маленькому Солю Бенсону спастись от пожара. Этого человека звали Роберто, и он оставил девочку в приюте в Мехико. В конце концов ее удочерили Моника и Мигель Валенте. Они назвали ее Луной из-за кулона, который у нее был. Судьба вернула Луну / Сол в ее родной дом и в прошлое, даже не подозревая об этом.

Роберто умирает в больнице. Но у него есть часть Солнца в специальном медальоне Сола (который представляет собой соединение Солнца и Луны). Он дает кусок Солнца паре сотрудников больницы, Тино и Като (двум неуклюжим лучшим друзьям). Роберто просит их отправиться к семье Бенсонов, чтобы найти и вернуть его Солу.

Шэрон и Рей исследуют любую возможную связь с семьей Бенсон, не зная, что Луна на самом деле – Сол Бенсон. Шэрон и Рей понимают, что Тино и Катон не настолько умны, поэтому им не угрожает опасность, но они решают держать их рядом в качестве рабочих в поместье. У Тино и Катона есть своя собственная сюжетная линия, поскольку они пытаются выполнить свою миссию, данную Роберто. Катон также влюбляется в горничную Аманду.

Между тем случаются и другие сюжетные линии. Как рост Roller Band (Нико, Педро и Саймон). Другие включают в себя путешествие Нины (нового лучшего друга Луны) в качестве FelicityForNow, секретного аккаунта, который позволяет ей высказывать свои настоящие мысли, а тем временем она влюблена в Гастона, лучшего друга Маттео. Джим (Химена) и Ям (Ямила) – два лучших друга, которые делают все вместе. Они оба влюблены в Рамиро, эгоистичного парня, стремящегося жить за счет катания на коньках и рэпа. Но все меняется, когда Джим начинает влюбляться в Нико, а Рамиро влюбляется в Яма. Другая сюжетная линия – это Джазмин и Дельфи, лучшие друзья и сообщники Амбара. У них есть собственный канал под названием «Fab’n’Chic». Дельфи нравится Гастон, но когда она сближается с Педро, она начинает поправляться.

Луна должна совмещать свои новые обязанности, новую нагрузку на курс и драму своих различных отношений, раскрывая тайны обескураживающе реальных снов, которые у нее есть о своем прошлом и будущем.

2 сезон (2017)

Праздники закончились, и все возвращаются домой. Луна идет к откровенной истине с иллюзией в своем воссоединении с Маттео. Никто не знает секрет, который скрывает Маттео, который заключается в том, что он уедет в Оксфорд в следующем году, но Луна готова сражаться с ветром и воздухом, чтобы выяснить это. Со временем Луна помогает Маттео раскрыть свою истинную страсть, и он должен справиться с давлением требовательного отца.

В особняке Бенсона царит напряженная атмосфера после приезда Альфредо, отца миссис Шарон, меняющего распорядок дня и навевающего воспоминания о прошлом. Луна испытывает сильную симпатию к этому забавному мужчине, который так похож на него. Это потому, что Альфредо на самом деле биологический дедушка Луны. Их отношения с помощью Нины знаменуют новый личный путь для Луны и помогают исследовать тайны ее прошлого.

В это время The Jam and Roller покупает Vidia (онлайн-платформа), которая использует камеры, чтобы показать миру, что такое Jam and Roller. Тамара (инструктор и тренер) решает уйти и оставляет Луну главной. На тематической вечеринке под названием Roller Jam Амбар уничтожает камеры, ведущие к месту сгорания.

Все собираются вместе, чтобы помочь восстановить его. Хотя Видия не заинтересована, но они спасают Эль Джема и Роллера с помощью отца Нины, Рикардо, который разрабатывает приложение, похожее на приложение Видии, но с гораздо большим количеством функций и лучшим качеством. Джем энд Роллер спасен, и у них появился новый инструктор, Джулиана, строгая и злая женщина с тростью, которая когда-то была известной фигуристкой Мариссой Минт, попавшей в аварию, разрушившую ее карьеру. Джулиана также была одной из немногих фигуристок, получивших награду The Glass Skate, но она держит эту награду и свою карьеру в секрете.

Не только это, но и Рей и Шэрон узнают, что Луна – это Сол Бенсон после того, как Рей решила провести расследование на Луне. Поэтому они заставляют Амбара притворяться Солом Бенсоном, чтобы сохранить свое будущее и состояние в безопасности.

Праздничные конфликты влияют на группу других. Амбар, Жасмин, Дельфи, Гастон, Рамиро и Маттео, которые заканчивают учебу, должны решить, в какую сторону идти. Амбар планирует пройти по ступеням Шарон в изучении бизнеса и права в Париже. Дельфи решает следовать своей страсти к фотографии, а Джазмин не определилась. Маттео решает, что станет профессиональным музыкантом, и сталкивается с отцом. Гастон планирует поступить в Оксфорд. Рамиро хочет жить за счет катания на коньках и рэпа. В это время Дельфи и Джазмин разрывают дружбу Амбар, поскольку понимают, что они для нее всего лишь марионетки.

Амбар начинает приближаться к Саймону. Она делает это, чтобы навредить Луне, забрав у нее лучшую подругу. Но когда они проводят больше времени вместе, Амбар и Саймон начинают влюбляться.

В это время появляются новые персонажи, как и старый враг Саймона, Бенисио. Бенисио и Саймон вместе работали в Foodger Wheels в Канкуне, но Бенисио оказался ненадежным, украл деньги и винил Саймона. Бенисио ошибается в начале с Джулианой, поскольку Бенисио пытается занять место Саймона в Roller Band, но Джулиана запрещает это. Бенисио объединяется с Амбаром, и они разбивают стеклянный конек Джулианы. Бенисио обнаруживают и выгоняют, но он не раскрывает Амбара как своего сообщника.

Появляется новый человек, Гарри, дядя Нико, бывший серфер и бизнесмен со своей собственной командой по серфингу. Он становится совладельцем el Jam and Roller, он хочет изменить название на название своей команды по серфингу, Red Sharks. Команда Roller вступает в новое соревнование, Roda Fest, где они встречаются со своим главным противником, The Sliders.

И The Sliders, и Jam & Roller проходят в финал в Канкуне, Мексика. Затем Саймон обнаруживает Амбар, что она вызвала пожар и сломала стеклянный конек Джулианы. Амбар избавлен от властей, поскольку Шэрон использует все свое влияние, чтобы защитить себя. Амбар выгнали из команды, поэтому она объединилась с лидером Слайдеров Эмилией, чтобы уничтожить команду Роллера.

Затем Альфредо узнает, что Луна – это Сол Бенсон, но Шэрон помещает его в приют. Она также увольняет Тино и Като. Затем Катон делает предложение Аманде, и она соглашается. Шэрон обнаруживает, что Рей шантажировал ее, угрожая раскрыть правду о Луне. Шэрон увольняет его, и Рей помогает Альфредо сбежать и дает ему доказательство того, что Луна – это Сол.

The Jam & Roller встретятся с Slider на фестивале Roda Fest. Слайдеры выигрывают соревнование, но Луна выигрывает Glass Skate для el Jam & Roller. Затем Луна узнает о своем прошлом с помощью Альфредо. Шэрон убегает, оставляя Амбар позади, говоря ей соврать и сказать, что она ничего не знает. Луна, теперь зная, что она Сол Бенсон, более далека от Матео. Тем временем Гэри решает, что Jam & Roller больше не существует, и теперь рождаются Красные акулы.

Сезон 3 (2018)

Луна / Сол вернулась со своими приемными родителями и дедушкой в ​​особняк Бенсона в Аргентине. Теперь особняк принадлежит им. Эмбер сменила стиль одежды на готический и полностью потемнела после событий предыдущих сезонов. Новый мальчик по имени Эрик влюбился в Нину и стал парой. Луна и Маттео приближаются все ближе и ближе, Эмилия пытается развести их все дальше и дальше друг от друга, в результате чего Маттео попадает в ужасную аварию, которая оставляет его в больнице на довольно долгое время и оставляет у него более или менее воспоминания, чем у него. имел раньше. Roller Band выгнали из квартиры, поэтому они переехали в дом Луны. и приезжает новый мальчик по имени Мишель, он переезжает в дом с Roller Band и обнаруживает интерес к Луне, и они очень сближаются, что вызывает у Маттео большую ревность, позже Мишель получает предложение учиться за границей в Риме, Италия. , и он просит Луну выбрать за него, Луне ясно, что она все еще любит Маттео. Мишель уезжает в Рим и говорит Луне бороться за любовь Маттео, Саймон говорит Маттео, что это было недоразумение, что Луна никогда не любила Мишеля и что Луна любит его. После того, как Маттео слышит это, он говорит Луне, что любит ее, они снова счастливо встречаются, и они оба целуются. Тем временем Шэрон хочет отомстить своему отцу и Валентесам и решает вернуться в Буэнос-Айрес в нескольких масках. Позже в этом сезоне Эмбер вернула себе нормальный стиль одежды, изменила свое отношение и стала парой с Саймоном. Во время финала большого сериала команда Roller начала выступать с песней «Todo Puede Cambiar», и Луна и Маттео снова вместе. Эмбер, Дельфи и Джазмин наверстали упущенное и снова стали друзьями. В конце Луна празднует свое 18-летие и поет на своей вечеринке песню “Soy Yo”, завершая сериал.

Актеры и персонажи

Главный

Используемые источники:

• https://habr.com/post/416889/
• https://ru.qaz.wiki/wiki/soy_luna