AI စတင်လက်ခံဖြေကြားလာချိန် 119 - အရေးပေါ်ဖုန်းခေါ်ဆိုမှုများနောက်ကွယ်တွင် ဖြစ်ပေါ်နေသော နည်းပညာကူးပြောင်းမှု

သီတင်းကျွတ်လယ်ခေါင် မနက်အစောပိုင်း ၂ နာရီ ၄၀ မိနစ်။ ဖုန်းခေါ်ဆိုမှုတစ်ခု Dispatch ခေါ် အရေးပေါ်စေလွှတ်ရေး מרכז ထဲသို့ ဝင်ရောက်လာသည်။ ဖုန်းခေါ်ဆိုသူမှာ အသံအစောတလျင်ဖြင့် စိုးရိမ်တကြီးပြောဆိုနေပြီး နောက်ခံတွင် အခြားသူများ အော်ဟစ်နေကြသည့် အသံများပါ ပါရှိနေသည်။ ဖုန်းလက်ခံဖြေကြားသူက တဖက်လူကို နှစ်သိမ့်ရင်းနှင့် တဖက်တွင် တည်နေရာကို မေးမြန်းရန် ကြိုးစားနေသည်။ ဤဖုန်းခေါ်ဆိုမှု စတင်ပြီး စက္ကန့် ၄၀ အရောက်တွင် ဖုန်းလက်ခံဖြေကြားသူ၏ စခရင်ပေါ်တွင် စာသားတစ်ကြောင်း ပေါ်လာသည် - နှလုံးခုန်ရပ်သွားဖွယ်ရှိသည်၊ ချက်ချင်း CPR (နှလုံးနှင့် အဆုတ်ဆိုင်ရာ အသက်ကယ်ကုသမှု) ပြုလုပ်ရန် ညွှန်ကြားပါ။

ဤဆုံးဖြတ်ချက်ကို ဖုန်းလက်ခံဖြေကြားသူက ချမှတ်ခဲ့ခြင်း မဟုတ်ဘဲ၊ ထိုဖုန်းခေါ်ဆိုမှုကို နားထောင်နေသည့် AI မော်ဒယ်တစ်ခုက ပြုလုပ်ခဲ့ခြင်း ဖြစ်သည်။

ဤဲ့ကဲ့သို့သော စနစ်မျိုးသည် အမေရိကန်နှင့် ဒိန်းမတ်နိုင်ငံရှိ အရေးပေါ်စေလွှတ်ရေး စင်တာအချို့တွင် လွန်ခဲ့သော နှစ်အနည်းငယ်ကတည်းက လည်ပတ်နေပြီဖြစ်သည်။ ၎င်းက AI အများပြည်သူဆိုင်ရာ ဝန်ဆောင်မှုကဏ္ဍသို့ ဝင်ရောက်လာပုံ၏ အယုံကြည်ရဆုံးဘက်ခြမ်းနှင့် အစောင့်အကြပ်အလိုအပ်ဆုံးဘက်ခြမ်းကို တစ်ပြိုင်နက်တည်း ပြသနေပါသည်။

ဖြစ်ရပ်နောက်ခံ

ကမ္ဘာတစ်ဝศาสွင်ရှိ အရေးပေါ်စေလွှတ်ရေး စင်တာများ ရင်ဆိုင်နေရသော အခက်အခဲမှာ အတူတူပင်ဖြစ်သည် - လူအင်အား မလုံလောက်ခြင်း၊ ဝန်ထမ်းအပြောင်းအလဲများခြင်း၊ လေ့ကျင့်ချိန် ကြာမြင့်ခြင်းနှင့် ဖုန်းခေါ်ဆိုမှုတိုင်းတွင် အမှားအယွင်း လုံးဝမခံနိုင်ခြင်းတို့ ဖြစ်ကြသည်။ အမေရိကန်ပြည်ထောင်စုရှိ ခရိုင်များစွာမှ အရေးပေါ်စေလွှတ်ရေး စင်တာများသည် မကြာသေးမီနှစ်များအတွင်း ပြင်းထန်သော ဝန်ထမ်းရှားပါးမှုကို ရင်ဆိုင်နေရပြီး ဖုန်းစောင့်ဆိုင်းချိန်များ ပိုမိုကြာမြင့်လာခဲ့သည် - နှလုံးခုန်ရပ်ခြင်းကဲ့သို့သော မိနစ်ပိုင်းအတွင်း အသက်ရှင်နှုန်းကို ဆုံးဖြတ်ပေးသည့် အခြေအနေမျိုးတွင် စောင့်ဆိုင်းရသည့်အချိန်သည် လူအသက်ပင် ဖြစ်သည်။

ထို့ကြောင့် မူလက အလွန်တရာ ရှေးရိုးဆန်သော ဤကဏ္ဍသည် AI ကို မျှော်လင့်မထားလောက်အောင် တက်ကြွစွာ စတင်အသုံးပြုလာသည့် နယ်ပယ်တစ်ခု ဖြစ်လာခဲ့သည်။ နည်းပညာလမ်းကြောင်းများကို အဓိကအားဖြင့် အမျိုးအစား ၄ ခု ခွဲခြားနိုင်သည်။

ပထမအမျိုးအစားမှာ ဖုန်းပြောနေစဉ်အတွင်း ချက်ချင်းခွဲခြမ်းစိတ်ဖြာပေးခြင်း ဖြစ်သည်။ Corti ၏ စက်သင်ယူမှု (Machine Learning) ပလပ်ဖောင်းသည် လုပ်ဆောင်ဆဲ ဖုန်းခေါ်ဆိုမှုများကို ခွဲခြမ်းစိတ်ဖြာပေးပြီး နှလုံးခုန်ရပ်ခြင်းကဲ့သို့သော အဓိက အရေးကြီးသည့် အခြေအနေများကို ဖော်ထုတ်ကာ ဖုန်းလက်ခံဖြေကြားသူထံ သတိပေးချက် ပို့ပေးသည်။ ସီယက်တဲ (Seattle) မီးသတ်ဌာနသည် ဤစနစ်ကို စောစီးစွာ စတင်အသုံးပြုခဲ့သည့် အဖွဲ့အစည်းများထဲတွင် တစ်ခု ပါဝင်သည်။

ဒုတိယအမျိုးအစားမှာ အရေးပေါ်မဟုတ်သော ဖုန်းခေါ်ဆိုမှုများကို လမ်းကြောင်းလွှဲပေးခြင်း ဖြစ်သည်။ အရေးပေါ်စေလွှတ်ရေး စင်တာများသို့ ရောက်ရှိလာသော ဖုန်းခေါ်ဆိုမှုများအနက် သိသာထင်ရှားသော ရာခိုင်နှုန်းမှာ အမှန်တကယ်တွင် ချက်ချင်းစေလွှတ်ရန် မလိုအပ်ပေ - ဆူညံသံတိုင်ကြားမှုများ၊ မော်တော်ယာဉ် တရားမဝင် ရပ်နားမှုများနှင့် လုပ်ထုံးလုပ်နည်း မေးမြန်းမှုများ ဖြစ်ကြသည်။ Aurelian သည် ဤကဏ္ဍကို အလိုအလျောက် လုပ်ဆောင်ပေးကာ စစ်မှန်သော အရေးပေါ်ဖုန်းခေါ်ဆိုမှုများ စောင့်ဆိုင်းစရာ မလိုတော့အောင် လုပ်ဆောင်ပေးသည်။ ဤ Seattle အခြေစိုက် စတင်တည်ထောင်ခါစ ကုမ္ပဏီ (Startup) သည် ၂၀၂၅ ခုနှစ် ဩဂုတ်လတွင် အမေရိကန်ဒေါ်လာ ၁၄ သန်းဖြင့် Series A ရန်ပုံငွေ ရှာဖွေမှုကို ပြီးမြောက်ခဲ့သည်။

တတိယအမျိုးအစားမှာ လက်ခံဖြေကြားခြင်းနှင့် စေလွှတ်ရေး ပလပ်ဖောင်းတစ်ခုလုံးကို ပြန်လည်ရေးသားခြင်း ဖြစ်သည်။ Carbyne သည် Next Generation 911 (NG911) ကို အဓိကထားပြီး၊ Mark43 သည် စေလွှတ်ရေး၊ မှတ်တမ်းတင်ရေး၊ မိုဘိုင်းဘက်ခြမ်းနှင့် ခွဲခြမ်းစိတ်ဖြာမှုများကို Cloud စနစ်တစ်ခုတည်းအဖြစ် ပေါင်းစပ်ပေးကာ ReportAI ဖြင့် အစီရင်ခံစာ မူကြမ်းများကို အလိုအလျောက် ထုတ်လုပ်ပေးပြီး BriefAI ဖြင့် တာဝန်ချိန် အကျဉ်းချုပ်များကို စုစည်းပေးသည်။ ၎င်းတို့၏ တရားဝင် ထုတ်ပြန်ချက်အရ အဖွဲ့အစည်းပေါင်း ၃၀၀ ကျော်တွင် အသုံးပြုနေပြီ ဖြစ်သည်။

စတုတ္ထအမျိုးအစားမှာ စနစ်များကြား ဒေတာပေါင်းစပ်ခြင်း ဖြစ်သည်။ ဤအမျိုးအစားသည် အထင်မကြီးရဆုံးဖြစ်သော်လည်း အအရေးအကြီးဆုံး ဖြစ်သည် - Peregrine လုပ်ဆောင်သည်မှာ ရဲနှင့် မီးသတ်အဖွဲ့အစည်းများ၏ အချင်းချင်း ချိတ်ဆက်မထားသော ရှေးဟောင်းစနစ် ဒါဇင်ပေါင်းများစွာကို ဆက်သွယ်ပေးခြင်း၊ သန့်စင်ပေးခြင်းနှင့် ညှိနှိုင်းပေးခြင်းတို့ ဖြစ်ပြီး တာဝန်ကျဝန်ထမ်းများအနေဖြင့် ပြီးပြည့်စုံသော နောက်ခံအခြေအနေကို နေရာတစ်ခုတည်းတွင် ရှာဖွေနိုင်စေရန် လုပ်ဆောင်ပေးသည်။ ၎င်းသည် မကြာသေးမီက အမေရိကန်ဒေါ်လာ ၂၅၀ သန်းဖြင့် Series D ရန်ပုံငွေ ရှာဖွေမှုကို ပြီးမြောက်ခဲ့သည်။

သတိပြုသင့်သည်မှာ လုပ်ငန်းနယ်ပယ် ပေါင်းစည်းမှု အရှိန်အဟုန်ပင် ဖြစ်သည်။ Axon သည် ၂၀၂၅ ခုနှစ်တွင် 911 AI ကို အလားတူ လုပ်ဆောင်နေသော Prepared ကုမ္ပဏီကို ဝယ်ယူခဲ့ပြီး၊ Carbyne ကို အမေရိကန်ဒေါ်လာ ၆၂၅ သန်း တန်ဖိုးဖြင့် ထပ်မံဝယ်ယူခဲ့သည် - ဤကဏ္ဍသည် Startup များ အလုအယက် ယှဉ်ပြိုင်နေရာမှ လက်ဝါးကြီးအုပ်မှုဆီသို့ ဦးတည်သွားနေပြီ ဖြစ်သည်။

ဤအကြိမ်၏ အဓိကအချက်များ

• AI ၏ အခန်းကဏ္ဍမှာ ကူညီပေးရန်ဖြစ်ပြီး ဆုံးဖြတ်ချက်ချရန် မဟုတ်ပါ - လက်ရှိ စနစ်အားလုံး၏ ဒီဇိုင်းမှာ "ဖုန်းလက်ခံဖြေကြားသူထံ သတိပေးရန်" ဖြစ်ပြီး၊ နောက်ဆုံး ဆုံးဖြတ်ချက်ကို လူကသာ ဆက်လက်ချမှတ်ရမည် ဖြစ်သည်။ ဤစည်းကို အန္တရာယ်မြင့်မားသော နယ်ပယ်များတွင် တင်းတင်းကျပ်ကျပ် ထိန်းသိမ်းထားရမည် ဖြစ်သည်။
• အဓိက သက်သာသွားသည်မှာ စာရွက်စာတမ်းလုပ်ငန်း အချိန်များ ဖြစ်သည် - ရဲနှင့် မီးသတ်ဝန်ထမ်းများ အညည်းအညူဆုံးကိစ္စမှာ အလုပ်ဆင်းခါနီးအထိ အစီရင်ခံစာများ ရေးနေရခြင်း ဖြစ်သည်။ ReportAI နှင့် BriefAI ကဲ့သို့သော လုပ်ဆောင်ချက်များသည် ဤနာကျင်မှုကို တိုက်ရိုက် ဖြတ်တောက်ပေးခြင်း ဖြစ်ပြီး ပထမလိုင်း ဆုံးဖြတ်ချက်ချမှုကို အစားထိုးခြင်း မဟုတ်ပေ။
• ဒေတာပေါင်းစပ်ခြင်းသည် မော်ဒယ်ထက် ပို၍ ခက်ခဲသည် - Peregrine သည် အင်ဂျင်နီယာများကို သုံးစွဲသူများ၏ လုပ်ငန်းခွင်သို့ စေလွှတ်သည့် မော်ဒယ်ကို ကျင့်သုံးသည်။ အကြောင်းမှာ အစိုးရကဏ္ဍ၏ ဒေတာ ဖော်မတ်များမှာ အဝေးမှနေ၍ ကိုင်တွယ်ရန် မဖြစ်နိုင်လောက်အောင် ရှုပ်ထွေးနေသောကြောင့် ဖြစ်သည်။ ဤကိစ္စတွင် ဖြတ်လမ်းဟူ၍ မရှိပါ။
• အငြင်းပွားမှုများသည်လည်း အမှန်တကယ် ရှိနေသည် - SoundThinking လက်အောက်ရှိ ShotSpotter သေနတ်သံ ထောက်လှမ်းရေးစနစ်သည် မှားယွင်းသတိပေးမှုနှုန်းနှင့် ကုန်ကျစရိတ်-ထိရောက်မှုတို့နှင့် ပတ်သက်၍ နှစ်ရှည်လများ သံသယဝင်ခံနေရပြီး ချီကာဂို စသည့် မြို့ကြီးများက စာချုပ်များကို ဖျက်သိမ်းခြင်း သို့မဟုတ် လျှော့ချခြင်းများ ပြုလုပ်ခဲ့ဖူးသည်။ အလဂိုရီသမ် (Algorithm) က ရဲအင်အား မည်သည့်နေရာသို့ သွားရမည်ကို စတင်ဆုံးဖြတ်သည့်အခါ လူ့အဘောင်အဖွဲ့အစည်း၏ ဆွေးနွေးငြင်းခုံမှုများ ရှိလာရန် လိုအပ်ပါသည်။

စျေးကွက်အပေါ် သက်ရောက်မှု ခွဲခြမ်းစိတ်ဖြာချက်

ထိုင်ဝန် (Taiwan) သုံးစွဲသူများအတွက် - β ကာလအတွင်း သိသာထင်ရှားသော ခံစားချက် ရှိမည်မဟုတ်ပါ။ ထိုင်ဝမ်၏ 119 နှင့် 110 စနစ်များသည် အမေရိကန်၏ အဆောက်အအုံနှင့် မတူညီသလို NG911 စံနှုန်းလည်း မရှိပါ။ ပထမဆုံး ပေါ်လာနိုင်သည်မှာ "အရေးမဟုတ်သော ကိစ္စများ ခွဲခြမ်းလွှဲပြောင်းခြင်း" ဖြစ်သည် - မြို့တော်သူမြို့တော်သားများ၏ ဟော့လိုင်း 1999 ကဲ့သို့သော ဝန်ဆောင်မှုများကို အလိုအလျောက် လုပ်ဆောင်ခြင်းသည် အရေးပေါ်စေလွှတ်ခြင်းထက် နည်းပညာပိုင်းဆိုင်ရာ အတားအဆီး နည်းပါးပြီး အန္တရာယ်လည်း သေးငယ်သည်။

စီးပွားရေးလုပ်ငန်းသုံး အပလီကေးရှင်းများအတွက် - ဤနည်းပညာလှိုင်း၏ အပြင်ဘက်သို့ ယိုစိမ့်ထွက်လာသော အကျိုးသက်ရောက်မှုကို သတိပြုသင့်သည်။ ဆေးရုံအရေးပေါ်ခန်းများ၊ လူစည်ကားရာ နေရာများနှင့် ကျောင်းဝင်းများ၏ ဝင်ပေါက် လုံခြုံရေး လိုအပ်ချက်မှာ အမှန်တကယ်ပင် ရှိနေသည်။ Athena Security ကဲ့သို့သော ဖြတ်သန်းသွားလာစဉ် လက်နက်ထောက်လှမ်းမှုနှင့် Rekor ၏ ကားချပ်နှင့် ဖြစ်ရပ် ထောက်လှမ်းမှုများသည် ဆေးဘက်ဆိုင်ရာနှင့် စီးပွားရေး နယ်ပယ်များသို့ တိုးချဲ့ဝင်ရောက်လာနေသည်။ ထိုင်ဝမ်ဆေးရုံများတွင် အကြမ်းဖက်မှု ဖြစ်ရပ်များမှာ ရှားပါးလှသည်မဟုတ်ပေ၊ ထို့ကြောင့် ဤနေရာတွင် လက်တွေ့ကျသော လိုအပ်ချက် ရှိနေသည်။

ဆော့ဖ်ဝဲ ရေးသားသူများအတွက် - စစ်မှန်သော အခွင့်အလမ်းမှာ မော်ဒယ်အလွှာတွင် မဟုတ်ဘဲ ပေါင်းစပ်အလွှာတွင် တည်ရှိသည်။ ထိုင်ဝမ် အစိုးရကဏ္ဍ၏ စနစ် ကွဲပြားပျက်စီးမှု အဆင့်အတန်းသည် အမေရိကန်ထက် မညံ့ပါ။ ရှိရင်းစွဲ ဒေတာများကို ချိတ်ဆက်ပေးနိုင်သူ၊ အဓိပ္ပာယ်ဖော်မှုကို ညှိနှိုင်းပေးနိုင်သူနှင့် ရှာဖွေရလွယ်ကူသော အင်တာဖေ့စ်ကို ပံ့ပိုးပေးနိုင်သူတိုင်းတွင် တန်ဖိုးရှိသည်။ အတားအဆီးလည်း မြင့်မားသလို သုံးစွဲသူ ကပ်ငြိမှု (Stickiness) လည်း မြင့်မားသည်။

အနာဂတ် ဖွံ့ဖြိုးတိုးတက်ရေး လမ်းကြောင်း

လာမည့် နှစ်နှစ်မှ သုံးနှစ်အတွင်း ဦးတည်သွားမည့် திශာ ၃ ခု ရှိသည်ဟု ကျွန်ုပ် သုံးသပ်ပါသည်။

ပထမတစ်ခုမှာ သတိပေးချက်မှသည် မူကြမ်းရေးသားခြင်းသို့ ကူးပြောင်းလာခြင်း ဖြစ်သည်။ AI သည် "ဒါက နှလုံးခုန်ရပ်တာ ဖြစ်နိုင်တယ်" ဟု သတိပေးရုံသာမက ဖြစ်ရပ်မှတ်တမ်း အပြည့်အစုံ မူကြမ်းကိုပါ တိုက်ရိုက်ရေးသားပေးမည်ဖြစ်ပြီး လူက အတည်ပြုချက်သာ ပေးရမည် ဖြစ်သည်။ စာရွက်စာတမ်း အလိုအလျောက်လုပ်ဆောင်ခြင်းကို လက်ခံနိုင်မှုသည် ဆုံးဖြတ်ချက် အလိုအလျောက်လုပ်ဆောင်ခြင်းထက် အလွန်ပင် မြင့်မားသဖြင့် ပထမဆုံး ကျယ်ပြန့်လာမည် ဖြစ်သည်။

ဒုတိယတစ်ခုမှာ စည်းကမ်းထိန်းသိမ်းရေးများ နောက်မှ လိုက်ပါလာမည် ဖြစ်ခြင်း ဖြစ်သည်။ ဥရောပသမဂ္ဂ၏ AI စည်းမျဉ်းဥပဒေများတွင် ဥပဒေစိုးမိုးရေး ရည်ရွယ်ချက်များကို အန္တရာယ်ကြီးမားသည်ဟု သတ်မှတ်ပြီးဖြစ်ပြီး၊ အမေရိကန်ပြည်နယ်များကလည်း ကားချပ်မှတ်မိမှု ဒေတာ သိမ်းဆည်းသည့် ကာလများကို ဥပဒေဖြင့် ဆက်တိုက် ထိန်းညှိလာကြသည်။ နည်းပညာက ရှေ့မှပြေးပြီး စည်းမျဉ်းက နောက်မှလိုက်သည့် အဆင့်မှာ ပြီးဆုံးတော့မည် ဖြစ်သည်။

တတိယတစ်ခုမှာ ပေါင်းစပ်ဝယ်ယူမှုများ ဆက်လက်ဖြစ်ပေါ်နေမည် ဖြစ်သည်။ Axon က Prepared နှင့် Carbyne ကို ဆက်တိုက်ဝယ်ယူခဲ့ခြင်းမှာ အစသာ ရှိသေးသည်။ အစိုးရကဏ္ဍ၏ ဝယ်ယူမှုများသည် တစ်ခုတည်းသော ပြတင်းပေါက် (Single Window) ကို နှစ်သက်သဖြင့် ဤဖွဲ့စည်းပုံက တင်သွင်းသူများကို ပလပ်ဖောင်းကြီးများအဖြစ် ပေါင်းစည်းသွားစေရန် တွန်းအားပေးလိမ့်မည် ဖြစ်သည်။

TheAI學院 အနှစ်ချုပ်နှင့် သုံးသပ်ချက်

ဤခေါင်းစဉ်ကို ရေးသားနေစဉ်အတွင်း ကျွန်ုပ်ကို အရှိန်အဝါ အဖြစ်ဆုံး စေခဲ့သည်မှာ နည်းပညာ မည်မျှပင် ထူးချွန်သည်ဖြစ်စေ ဤစနစ်များ၏ ထိရောက်မှု ကိန်းဂဏန်း အားလုံးနီးပါးသည် ကုမ္ပဏီများ ကိုယ်တိုင် ထုတ်ဖော်ပြသထားခြင်းသာ ဖြစ်သည် ဟူသော အချက်ပင် ဖြစ်သည်။ "တုံ့ပြန်ချိန် ရာခိုင်နှုန်း နှစ်ဆကျဆင်းသွားသည်"၊ "ပြင်းထန်သော ရာဇဝတ်မှု ၄၅ ရာခိုင်နှုန်း ကျဆင်းသွားသည်" ကဲ့သို့သော အဆိုအမိန့်များကို အများပြည်သူဆိုင်ရာ မူဝါဒအဆင့်တွင် သီးခြား လွတ်လပ်စွာ စိစစ်အတည်ပြုချက် ရှိသင့်သော်လည်း လက်ရှိတွင် အများစုမှာ မရှိကြပေ။ ShotSpotter နှင့် ပတ်သက်သော အငြင်းပွားမှုများ ပေါ်ထွက်လာခြင်းမှာ ဤကဲ့သို့ပင် ဖြစ်သည် - နည်းပညာ လုံးဝ အသုံးမဝင်လို့ မဟုတ်ဘဲ၊ ကြွေးကြော်ထားသော ထိရောက်မှုက ရင်းနှီးမြှုပ်နှံရမည့် ကုန်ကျစရိတ်နှင့် လူမှုရေး တန်ဖိုးကြီးမြင့်မှုကို မထမ်းပိုးနိုင်သောကြောင့် ဖြစ်သည်။

သုံးသပ်ချက် - AI သည် ပြည်သူ့လုံခြုံရေးကဏ္ဍသို့ ဝင်ရောက်လာသည့်အခါ အမှန်တကယ် မေးရမည့် မေးခွန်းမှာ "မှန်သလား၊ မမှန်ဘူးလား" ဟူသည် မဟုတ်ဘဲ၊ "ဘယ်သူက စိစစ်အတည်ပြုမလဲ၊ ဒေတာကို ဘယ်လောက်ကြာကြာ သိမ်းမလဲ၊ ဘယ်သူတွေ ရှာဖွေခွင့်ရှိမလဲ၊ ရှာဖွေပြီးရင် မှတ်တမ်းကျန်ခဲ့သလား" ဟူသည်တို့ ဖြစ်သည် - နည်းပညာဆိုင်ရာ ပြဿနာများတွင် အဖြေရှိသော်လည်း အုပ်ချုပ်မှုဆိုင်ရာ ပြဿနာများတွင် စံသတ်မှတ်ထားသော အဖြေ မရှိပေ။

ထိုင်ဝမ် စာဖတ်သူများအတွက် လက်တွေ့ကျသော အကြံပြုချက် - အကယ်၍ သင်သည် အစိုးရကဏ္ဍ သို့မဟုတ် သက်ဆိုင်ရာ ထောက်ပံ့ရေးကွင်းဆက်တွင် ရှိနေပါက၊ ယခုအချိန်တွင် အရေးတကြီး လုပ်ဆောင်ရမည့်အရာမှာ မော်ဒယ်များကို အسر်တကြီး အသုံးပြုရန် မဟုတ်ဘဲ၊ မိမိလက်ထဲတွင် ရှိနေသော ဒေတာများကို သန့်ရှင်းစင်ကြယ်စွာ စီစဉ်ခြင်း ဖြစ်သည် - ကော်လံ အဓိပ္ပာယ်ဖွင့်ဆိုချက်များ၊ ကုဒ် နှိုင်းယှဉ်ချက်များနှင့် သိမ်းဆည်းမှု မူဝါဒများ ဖြစ်ကြသည်။ အမေရိကန်၏ အတွေ့အ