လူတို့၏အခွင့်အရေးနှင့် ကိုယ်ရေးကိုယ်တာအချက်အလက်များပါ၀င်သည့် ဆူးပြဿနာများကို ဖြေရှင်းရာတွင် ကျွန်ုပ်တို့ခေတ်က ပညာတတ်များနှင့် အထူးကျွမ်းကျင်သူများအကြား အာရုံစူးစိုက်မှု၊ အရည်အချင်းနှင့် မရှိမဖြစ်လိုအပ်သော ဆွေးနွေးမှုများ လိုအပ်ပါသည်။ နည်းပညာဆန်းသစ်တီထွင်မှုများကြောင့် ကျွန်ုပ်တို့အတွက် စိန်ခေါ်မှုများဖြစ်စေသည့် လူမှုရေးစည်းမျဉ်းများကို လိုက်လျောညီထွေဖြစ်စေရန် ကျွန်ုပ်တို့သည် လျင်မြန်စွာမလုပ်ဆောင်နိုင်သည်ကို ကျွန်ုပ်တို့တွေ့ရှိနေပါသည်။ ထွန်းသစ်စနည်းပညာများသည် ၎င်းတို့၏ လျှောက်ထားမှုကို ကန့်သတ်ထားသည့် စည်းမျဉ်းများ လုံးဝမရှိခြင်းကြောင့် ပွင့်လင်းမြင်သာမှုတွင် ၎င်းတို့ကိုယ်သူတို့ လည်ပတ်လုပ်ဆောင်လာသည်ကို တွေ့ရှိလာရပြီး၊ ပျက်စီးမှုဖြစ်စေရန် အခမဲ့ဖြစ်ပြီး ထို့ကြောင့် လုံးဝအပြစ်ပေးခံရမည်ဖြစ်သည်။
သိပ္ပံနည်းကျ သုတေသနနှင့် ၎င်း၏ ဗျူဟာမြောက် ရည်မှန်းချက်များဆီသို့ နည်းပညာဖွံ့ဖြိုးတိုးတက်မှု ကွင်းဆက်ကို နောက်ပြန်ဆုတ်ပေးမည့် ထိန်းချုပ်မှုကို စိတ်ကူးကြည့်နိုင်ပါသလား။
တစ်သီးပုဂ္ဂလလွတ်လပ်ခွင့်များကို ခိုင်မာစွာလေးစားထိန်းသိမ်းထားစဉ် ကျွန်ုပ်တို့၏မျိုးစိတ်များ၏ဆင့်ကဲဖြစ်စဉ်ကို အုပ်ချုပ်ရန် စိတ်ကူးနိုင်ပါသလား။
“ဖုံးကွယ်ဖို့ ကြိုးစားလေလေ အာရုံစူးစိုက်မှု အားကောင်းလေပါပဲ။ မင်းအကြောင်းဘယ်သူမှမသိတာ ဘာကြောင့်အရေးကြီးတာလဲ။" - Andrew Niccol ရေးသားပြီး ဒါရိုက်တာ Andrew Niccol - 2018 ခုနှစ် "Anon" ရုပ်ရှင်မှ
ရုပ်ရှင်ထဲမှာ "Anon" 2018 ၏အနာဂတ်လူ့အဖွဲ့အစည်းသည် Ether ဟုခေါ်သောကြီးမားသောကွန်ပျူတာစနစ်၏တိုက်ရိုက်ထိန်းချုပ်မှုအောက်တွင်, မှောင်မိုက်သောနေရာတစ်ခုဖြစ်သည်, သည်နိုင်ငံတစ်ဝှမ်းရှိနေရာတိုင်းတွင်၎င်းကိုလူဦးရေတူညီသောလူများ၏မျက်စိဖြင့်ကြည့်ရှုခြင်းဖြင့်၎င်းကိုစောင့်ကြည့်နိုင်သည်။ လူသားတိုင်းသည် Ether ကိုယ်စား ကြီးကြပ်သူဖြစ်ပြီး ၎င်းတို့၏ ပထမဆုံးတာဝန်မှာ ၎င်းတို့နှင့် ၎င်းတို့၏အပြုအမူတို့ကို စောင့်ကြည့်ရန်ဖြစ်သည်။
Ether သည် ရဲတပ်ဖွဲ၏ အကောင်းဆုံးမဟာမိတ်ဖြစ်သည်- Ether မှတဆင့် အေးဂျင့်များသည် ၎င်းကို ၎င်းတို့၏မျက်စိဖြင့် ပြန်လည်အသက်သွင်းကာ မည်သည့်ရာဇ၀တ်မှုအမျိုးအစားကိုမဆို ဖြေရှင်းခြင်းဖြင့် လူတစ်ဦးတစ်ယောက်၏အတွေ့အကြုံကို ခြေရာခံနိုင်သည်။
ရဲအရာရှိ Sal က မင်းရဲ့ကိုယ်ရေးကိုယ်တာအချက်အလက်ကို ကာကွယ်ဖို့ မင်းဘာလို့ တိုက်ခိုက်ရမှာလဲဆိုတာ အံ့ဩစရာပါပဲ၊ မင်းမှာ ဖုံးကွယ်စရာအကြောင်းမရှိတဲ့အခါ ဘာလဲ။ ကျွန်ုပ်တို့၏နေအိမ်များနှင့် ကျွန်ုပ်တို့၏လမ်းများဘေးကင်းစေရန်အတွက် နည်းပညာများတည်ဆောက်ပေးသည့်ခေတ်တွင် အကာအကွယ်တောင်းခံသည့်လူများ၏အကျိုးစီးပွားအတွက် ယင်းအချက်အလက်များကို မှတ်တမ်းတင်ခြင်း၊ စောင့်ကြည့်စစ်ဆေးခြင်းနှင့် စိစစ်ခြင်းများ လိုအပ်ကြောင်း၊ သူတို့ရဲ့ privacy
အခြားသူများ၏ဘဝများသို့ ဝင်ရောက်ခွင့်ရခြင်းသည် မည်မျှအန္တရာယ်ရှိသည်ကို သရုပ်ပြရန်၊ ဟက်ကာတစ်ဦးသည် Ether ကို ထိန်းချုပ်မည်ဖြစ်ပြီး လူသန်းပေါင်းများစွာ၏ဘဝတွင် ကြောက်မက်ဖွယ်ကောင်းသောအိပ်မက်ဆိုးတစ်ခု ကျရောက်လိမ့်မည်- ကူကယ်ရာမဲ့ ပရိသတ်များအဖြစ် အများဆုံးကြည့်ရှုရမည့် ခြိမ်းခြောက်မှု သူတို့ရဲ့ ဘဝရဲ့ နာကျင်ခံစားခဲ့ရတဲ့ အခိုက်အတန့်တွေကို သူတို့ရဲ့ မြင်လွှာထဲကို တိုက်ရိုက်ထုတ်လွှင့်ပါတယ်။
Le အာရုံကြောအတုများ ခေတ်မီ ဉာဏ်ရည်တု၏ လုပ်ဆောင်ချက်ကို အခြေခံထားသည့် အဓိက အချက်သုံးချက် ဖြစ်သည်- အခြေခံ အချက်အလက်ဟု တနည်းအားဖြင့် ခေါ်သည်။ Corpus, un algorithm ကို သတင်းအချက်အလက်၏ assimilation နှင့်တစ်ဦး မှတ်ဉာဏ် သူတို့ရဲ့ အာဂုံဆောင်မှုအတွက်။
အယ်လဂိုရီသမ်သည် မှတ်ဉာဏ်ထဲသို့ အချက်အလက်များကို banal loading လုပ်ရုံမျှသာမဟုတ်ဘဲ တစ်ခုနှင့်တစ်ခု ဆက်စပ်နေသည့် အစိတ်အပိုင်းများကို ရှာဖွေရာတွင် ၎င်းကို စကင်န်ဖတ်သည်။ ဒေတာနှင့် ဆက်ဆံရေးများကို ရောနှောထားသည့် မန်မိုရီသို့ လွှဲပြောင်းပေးမည်ဖြစ်သည်။ template ကို.
မော်ဒယ်တစ်ခုအတွင်း၊ ဒေတာနှင့် ဆက်ဆံရေးသည် လုံး၀ ခွဲခြား၍မရသောကြောင့် လေ့ကျင့်သင်ကြားထားသော အာရုံကြောကွန်ရက်မှ မူလလေ့ကျင့်ရေးအချက်အလက်များ၏ အစုအဝေးကို ပြန်လည်တည်ဆောက်ရန်မှာ မဖြစ်နိုင်လုနီးပါးဖြစ်သည်။
အလောင်းကောင်များတွင် ဒေတာ အများအပြား ပါဝင်နေသောအခါ အထူးသဖြင့် ဤသည်မှာ မှန်ပါသည်။ ဤသည်မှာ ကြီးမားသော ဘာသာဗေဒစနစ်များဟု ခေါ်ဆိုကြသည်။ Large Language Modelနာမည်ပျက် ChatGpt အပါအဝင် s (အတိုကောက် LLM)။ ၎င်းတို့သည် လေ့ကျင့်ရေးတွင် အသုံးပြုသည့် သတင်းအချက်အလက် အများအပြားအတွက် ၎င်းတို့၏ ထိရောက်မှု ရှိရန် လိုအပ်သည်- လက်ရှိ လေ့ကျင့်ရေး ကောင်းကောင်းတွင် အနည်းဆုံး ဒေတာ အနည်းငယ် လိုအပ်ပြီး 90 terabyte သည် အက္ခရာ 75 ဘီလီယံနှင့် ကိုက်ညီပြီး စာမျက်နှာ XNUMX သန်းခန့် ရှိသည့် စာသား ရှိကြောင်း လွယ်ကူစွာ နားလည်နိုင်စေပါသည်။ သတင်းအချက်အလက်များစွာလိုအပ်သည်။
သို့သော် မော်ဒယ်များကို အင်ဂျင်နီယာမဖြုတ်နိုင်လျှင် လျှို့ဝှက်ရေးချိုးဖောက်မှုပြဿနာကို အဘယ်ကြောင့် ကျွန်ုပ်တို့မေးသင့်သနည်း။
"အရူးတစ်ယောက်ဟာ လေယာဉ်ခရီးစဉ်ကနေ ကင်းလွတ်ခွင့်ရဖို့ တောင်းဆိုနိုင်ပေမယ့် ဘယ်သူက လေယာဉ်ခရီးစဉ်မှ ကင်းလွတ်ခွင့်ရဖို့ တောင်းဆိုတာတော့ မရူးပါဘူး။" - Joseph Heller ၏ "Catch 22" ဝတ္ထုကို အခြေခံထားသည်။
ChatGpt ကဲ့သို့သော ပရောဂျက်များ သို့မဟုတ် အခြားအလားတူ ပရောဂျက်များကို ဖန်တီးခွင့်ပြုရန် အရွယ်အစားကြီးသည့် ဒေတာစုဆောင်းမှုသည် ယနေ့ခေတ်တွင် ၎င်းတို့၏ ဒစ်ဂျစ်တယ်လုပ်ငန်းဆောင်တာများနှင့်အတူ အကြီးမားဆုံးသော အချက်အလက်သိုလှောင်ရာသို့ လက်လှမ်းမီနိုင်သည့် နိုင်ငံစုံကုမ္ပဏီကြီးများ၏ အခွင့်အာဏာဖြစ်သည်။ in the world: ဝဘ်။
ဝဘ်ကိုစကင်န်ဖတ်ပြီး များပြားလှသော အချက်အလက်များကို အပိုထုတ်သည့် ရှာဖွေရေးအင်ဂျင်များကို နှစ်ပေါင်းများစွာ စီမံခန့်ခွဲခဲ့သော Google နှင့် Microsoft တို့သည် LLM ဖန်တီးမှုအတွက် ပထမဆုံး ကိုယ်စားလှယ်လောင်းများဖြစ်ကြပြီး၊ အထက်တွင်ဖော်ပြထားသော အချက်အလက်ပမာဏများကို ချေဖျက်နိုင်သည့် တစ်ခုတည်းသော AI မော်ဒယ်များဖြစ်သည်။
အာရုံကြောကွန်ရက်ကို လေ့ကျင့်သင်ကြားရာတွင် ကော်ပီအဖြစ် အသုံးမပြုမီ Google သို့မဟုတ် Microsoft သည် ၎င်းတို့၏ဒေတာများတွင် ကိုယ်ရေးကိုယ်တာအချက်အလက်များကို ဖုံးကွယ်ထားနိုင်မည်ဟု ယုံကြည်ရန် ခက်ခဲသည်။ ဘာသာဗေဒစနစ်များတွင် သတင်းအချက်အလက်ကို အမည်ဝှက်ထားခြင်းသည် လူစုတစ်ခုအတွင်း ကိုယ်ရေးကိုယ်တာအချက်အလက်များကို ဖော်ထုတ်ခြင်းနှင့် ၎င်း၏ဒေတာအတုများဖြင့် အစားထိုးခြင်းအဖြစ် ဘာသာပြန်ဆိုသည်။ မော်ဒယ်တစ်ခုကို လေ့ကျင့်သင်ကြားလိုသော တာရာဘိုက်အနည်းငယ်၏ အရွယ်အစား corpus တစ်ခုကို ပုံဖော်ကြည့်ရအောင်၊ ၎င်းတွင်ပါရှိသော ဒေတာကို ကိုယ်တိုင်အမည်ဝှက်ရန်အတွက် အလုပ်မည်မျှလိုအပ်မည်ကို စိတ်ကူးကြည့်ကြပါစို့- လက်တွေ့တွင် မဖြစ်နိုင်ပေ။ သို့သော် ကျွန်ုပ်တို့ အလိုအလျောက်ပြုလုပ်ရန် algorithm တစ်ခုကို အားကိုးလိုပါက၊ ဤအလုပ်ကို လုပ်ဆောင်နိုင်သည့် တစ်ခုတည်းသော စနစ်သည် အညီအမျှ ကြီးမားပြီး ဆန်းပြားသော အခြားပုံစံတစ်ခု ဖြစ်လာမည်ဖြစ်သည်။
ကျွန်ုပ်တို့သည် ဂန္ထဝင် Catch-22 ပြဿနာတစ်ခု၏ရှေ့မှောက်တွင် ရှိနေသည်- "အမည်မသိဒေတာဖြင့် LLM တစ်ခုကို လေ့ကျင့်ရန် ကျွန်ုပ်တို့သည် ၎င်းကို အမည်ဝှက်ထားနိုင်သော LLM တစ်ခု လိုအပ်သည်၊ သို့သော် ကျွန်ုပ်တို့တွင် ဒေတာကို အမည်မဖော်နိုင်သော LLM တစ်ခုရှိလျှင် ၎င်း၏သင်တန်းကို အမည်မသိဒေတာဖြင့် လုပ်ဆောင်မည်မဟုတ်ပါ။ .”
လူတို့၏ကိုယ်ရေးကိုယ်တာအား လေးစားလိုက်နာခြင်းဆိုင်ရာ စည်းမျဉ်းများကို တစ်ကမ္ဘာလုံးနီးပါး (နီးပါး) ညွှန်ကြားသည့် GDPR သည် ဤအကြောင်းအရာများကြောင့် သတင်းဟောင်းဖြစ်နေပြီဖြစ်ပြီး လေ့ကျင့်မှုတစ်ခုတွင် ပါဝင်သော ကိုယ်ရေးကိုယ်တာအချက်အလက်များကို အကာအကွယ်ပေးခြင်းကို ထည့်သွင်းစဉ်းစားမည်မဟုတ်ပါ။
GDPR တွင်၊ ယေဘူယျဆက်စပ်ဆက်စပ်မှုနှင့် ချိတ်ဆက်မှုများကို လေ့လာရန် ရည်ရွယ်ချက်အတွက် ကိုယ်ရေးကိုယ်တာအချက်အလက်များကို စီမံဆောင်ရွက်ခြင်းသည် အပိုဒ် 22 မှ တစ်စိတ်တစ်ပိုင်းသာ စည်းမျဉ်းသတ်မှတ်သည်- "ဒေတာဘာသာရပ်သည် ပရိုဖိုင်ပြုလုပ်ခြင်းအပါအဝင် အလိုအလျောက်လုပ်ဆောင်ခြင်းအပါအဝင် အလိုအလျောက်လုပ်ဆောင်ခြင်းအပါအဝင် ဆုံးဖြတ်ချက်အပေါ်အခြေခံ၍ ဒေတာဘာသာရပ်ကို မခံယူစေရပါ။ သူ့အပေါ် တရားဥပဒေဆိုင်ရာ သက်ရောက်မှုများ သို့မဟုတ် အလားတူနှင့် သိသာထင်ရှားသော နည်းလမ်းဖြင့် သက်ရောက်စေသည်"
ဤဆောင်းပါးသည် အကြောင်းအရာအပေါ် တိုက်ရိုက်တရားဝင်အကျိုးသက်ရောက်မှုရှိသော အပြည့်အဝအလိုအလျောက်ဆုံးဖြတ်ချက်ချခြင်းလုပ်ငန်းစဉ်၏တစ်စိတ်တစ်ပိုင်းအနေဖြင့် ဒေတာထိန်းချုပ်သူများ၏ ကိုယ်ရေးကိုယ်တာဒေတာကို အသုံးပြုရန် တားမြစ်ချက်ကို မိတ်ဆက်ပေးပါသည်။ သို့သော် အလိုအလျောက် ဆုံးဖြတ်ချက်ချသည့် လုပ်ငန်းစဉ်များတွင် အလွယ်တကူ ပေါင်းစပ်နိုင်သော အာရုံကြောကွန်ရက်များသည် လေ့ကျင့်သင်ကြားပြီးသည်နှင့် လူတို့၏ဘဝများကို အကျိုးသက်ရောက်နိုင်သည့် အလိုအလျောက် ဆုံးဖြတ်ချက်များချနိုင်သည့် စွမ်းရည်ကို ရရှိကြသည်။ သို့သော် ဤဆုံးဖြတ်ချက်များသည် အမြဲတမ်း "ယုတ္တိ" မဟုတ်ပါ။ လေ့ကျင့်ရေးကာလအတွင်း၊ အမှန်မှာ၊ အာရုံကြောကွန်ရက်တစ်ခုစီသည် တစ်ခုနှင့်တစ်ခု သတင်းအချက်အလက်များကို ပေါင်းသင်းရန် သင်ယူကြပြီး ၎င်းတို့ကို မျဉ်းမညီသောပုံစံဖြင့် မကြာခဏ အချင်းချင်း ဆက်စပ်ပေးလေ့ရှိသည်။ "ယုတ္တိဗေဒ" မရှိခြင်းသည် လူတို့၏ကိုယ်ရေးကိုယ်တာ ကာကွယ်ရေးအတွက် အကာအကွယ်ကို မြှင့်တင်လိုသော ဥပဒေပြုအမတ်အတွက် အလုပ်ပိုမိုလွယ်ကူစေမည်မဟုတ်ပေ။
ပိုင်ရှင်မှ အတိအလင်းခွင့်ပြုချက်မပေးပါက အလွန်တင်းကျပ်သောမူဝါဒကိုကျင့်သုံးရန် ရွေးချယ်ခဲ့သည်၊ ဥပမာ၊ အထိခိုက်မခံသောဒေတာအသုံးပြုမှုကို တားမြစ်ပါက၊ အာရုံကြောကွန်ရက်များကိုတရားဝင်အသုံးပြုခြင်းသည် လက်တွေ့မဖြစ်နိုင်ပါ။ အာရုံကြောကွန်ရက်နည်းပညာများကို စွန့်လွှတ်ခြင်းသည် ကြီးမားသောဆုံးရှုံးမှုတစ်ခုဖြစ်လိမ့်မည်၊ ရောဂါတစ်ခုခုကြောင့် တစ်စိတ်တစ်ပိုင်းထိခိုက်ခဲ့သည့် လူဦးရေ၏လက်တွေ့ဒေတာဖြင့်လေ့ကျင့်ထားသော ခွဲခြမ်းစိတ်ဖြာမှုပုံစံများကို တွေးကြည့်ပါ။ ဤပုံစံများသည် ဒေတာတွင်ပါရှိသော ဒြပ်စင်များနှင့် ရောဂါကိုယ်နှိုက်အကြား ဆက်စပ်မှုများကို ခွဲခြားသတ်မှတ်ခြင်းဖြင့် တားဆီးရေးမူဝါဒများကို ပိုမိုကောင်းမွန်လာစေပြီး ဆေးခန်းသမားများ၏အမြင်တွင် လုံးဝယုတ္တိမတန်သည့် မထင်မှတ်ထားသော ဆက်စပ်မှုများကို ဖော်ထုတ်ပေးပါသည်။
၎င်း၏စုဆောင်းမှုကို နှစ်အတော်ကြာ သိမ်းကျုံးခွင့်ပြုပြီးနောက် လူတို့၏ကိုယ်ရေးကိုယ်တာအား လေးစားလိုက်နာခြင်းပြဿနာကို ဟန်ဆောင်ခြင်းသည် အနည်းဆုံးပြောရလျှင် ကြောင်သူတော်ဖြစ်သည်။ ၎င်း၏ရှုပ်ထွေးမှုများနှင့်အတူ GDPR ကိုယ်တိုင်က ကိုယ်ရေးကိုယ်တာအချက်အလက်များကို လုပ်ဆောင်ရန် ခွင့်ပြုချက်ရယူရန် ခွင့်ပြုချက်ရယူသည့် များပြားလှသော ခြယ်လှယ်မှုများအတွက် တာဝန်ရှိပါသည်။
ကိုယ်ရေးကိုယ်တာအချက်အလက်များကို သတိရှိရှိအသုံးပြုရာတွင် ၎င်း၏အသုံးချနိုင်မှုနှင့် စစ်မှန်သောပညာရေးကို ခွင့်ပြုသည့် ဥပဒေ၏ရိုးရှင်းမှုကို ကျွန်ုပ်တို့သေချာပေါက်လိုအပ်ပါသည်။
ကျွန်ုပ်၏ အဆိုပြုချက်မှာ ၎င်းတို့သည် အခပေးဝန်ဆောင်မှုများဖြစ်သည့်တိုင် ၎င်းတို့၏ဝန်ဆောင်မှုများအတွက် စာရင်းသွင်းအသုံးပြုသူများ၏ ကိုယ်ရေးကိုယ်တာအချက်အလက်များကို ကုမ္ပဏီများအား သိခွင့်မပြုပါ။ ပုဂ္ဂလိကတစ်ဦးချင်းစီ၏ ကိုယ်ရေးကိုယ်တာ အချက်အလက်အတုများကို အွန်လိုင်းစနစ်များကို အသုံးပြုသည့်အခါ အလိုအလျောက် ဖြစ်ပေါ်သင့်သည်။ ဒေတာအစစ်အမှန်ကို အသုံးပြုခြင်းသည် ဝန်ဆောင်မှုဒေတာဘေ့စ်မှ အမြဲတမ်း လုံးလုံးလျားလျား ကင်းကွာကြောင်း သေချာစေမည့် ဝယ်ယူမှုလုပ်ငန်းစဉ်တစ်ခုတည်းတွင်သာ ကန့်သတ်ထားသင့်သည်။
အမည် သို့မဟုတ် မျက်နှာကို ဤပရိုဖိုင်နှင့် ဆက်စပ်ခြင်းမပြုဘဲ ဘာသာရပ်၏ အရသာနှင့် နှစ်သက်မှုများကို သိရှိခြင်းသည် ဒေတာစုဆောင်းမှုနှင့် ဉာဏ်ရည်တုကဲ့သို့သော အလိုအလျောက်လုပ်ဆောင်သည့်စနစ်များအတွင်း ၎င်းတို့၏အသုံးပြုမှုကို အလိုအလျောက်ခွင့်ပြုပေးမည့် လျှို့ဝှက်အမည်ဝှက်ပုံစံတစ်ခုအဖြစ် လုပ်ဆောင်မည်ဖြစ်သည်။
အပိုဒ် Gianfranco Fedele
ဆေးရောင်ခြယ်ခြင်းမှတစ်ဆင့် ကောင်းမွန်သော မော်တာစွမ်းရည်ကို ပြုစုပျိုးထောင်ခြင်းသည် ကလေးများကို စာရေးခြင်းကဲ့သို့ ပိုမိုရှုပ်ထွေးသောစွမ်းရည်များအတွက် ပြင်ဆင်ပေးသည်။ အရောင်ခြယ်ရန်…
ရေတပ်ကဏ္ဍသည် ကမ္ဘာလုံးဆိုင်ရာ စီးပွားရေးအင်အားကြီးဖြစ်ပြီး၊ ဘီလီယံ ၁၅၀ ရှိသော စျေးကွက်ဆီသို့ လျှောက်လှမ်းနေသော...
ပြီးခဲ့သည့်တနင်္လာနေ့တွင် Financial Times သည် OpenAI နှင့်သဘောတူညီချက်တစ်ခုကြေငြာခဲ့သည်။ FT သည် ၎င်း၏ ကမ္ဘာ့အဆင့်မီ သတင်းစာပညာကို လိုင်စင်ထုတ်ပေးသည်...
သန်းပေါင်းများစွာသောလူများသည် streaming ဝန်ဆောင်မှုများအတွက်ပေးဆောင်ပြီးလစဉ်စာရင်းသွင်းမှုအခကြေးငွေပေးဆောင်သည်။ အများအမြင်မှာ သင်...
