Return to Video

ပိုကောင်းမွန်တဲ့ ဇာတ်လမ်းတွေ ပြောပြဖို့နဲ့ လူမှု အပြောင်းအလဲကို အစပျိုးပေးဖို့ ဇီဝဆိုင်ရာ အချက်အလက်များကို ကျွန်မ အသုံးပြုနေပုံ။

  • 0:01 - 0:05
    လွန်ခဲ့တဲ့ ၁၅ နှစ်လုံးလုံး သင်တို့စိတ်ကို
    ပြောင်းလဲဖို့ ကြိုးစားနေခဲ့တယ်။
  • 0:06 - 0:10
    ကျွန်မရဲ့အလုပ်မှာ ယဉ်ကျေးမှု စံတွေကို
    ပြောင်းဖို့ ခေတ်ပါ် ယဉ်ကျေးမှုနဲ့
  • 0:10 - 0:11
    ပေါ်လာနေတဲ့ နည်းပညာကိုသုံးတယ်။
  • 0:12 - 0:16
    လူ့အခွင့်အရေးတွေကို အားပေးဖို့
    ဗီဒီယိုဂီမ်းတွေကို ဖန်တီးထားတယ်။
  • 0:16 - 0:21
    မညီမျှတဲ့ လူဝင်မှုဥပဒေတွေကို အသိရှိမှုတိုး
    မြှင့်ဖို့ လှုပ်ရှားရုပ်ပုံတွေဖန်တီးကာ
  • 0:21 - 0:25
    အိမ်ယာမဲ့မှုဝန်းကျင်မှာ အမြင်တွေ ပြောင်း
    လဲဖို့ တည်နေရာ အခြေပြုတဲ့ ဆပွားထားတဲ့
  • 0:25 - 0:28
    သဘာဝကျတဲ့ အက်ပ်တွေကို
    Pokémon Go မတိုင်မီ
  • 0:28 - 0:29
    အတော်ကြာက ဖန်တီးထားတယ်။
  • 0:30 - 0:31
    (ရယ်သံများ)
  • 0:31 - 0:35
    ဒါပေမဲ့ ဒီနောက်မှာ ဂိမ်းတစ်ခု(သို့)
    အက်ပ်တစ်ခုဟာ သဘောထားတွေနဲ့
  • 0:35 - 0:37
    အပြုအမူတွေကို တကယ် ပြောင်းလဲ
    နိုင်လားလို့ စတွေးမိတယ်။
  • 0:37 - 0:40
    ပြောင်းနိုင်တယ်ဆို၊ ဒီပြောင်းလဲမှုကို
    တိုင်းတာနိုင်လား။
  • 0:40 - 0:43
    ဒီလုပ်ငန်းစဉ်ရဲ့နောက်ကွယ်က
    သိပ္ပံပညာက ဘာလဲ။
  • 0:43 - 0:47
    ဒါနဲ့ ကျွန်မရဲ့ အာရုံစိုက်မှုကို
    မီဒီယာနဲ့ နည်းပညာဖန်တီးခြင်းကနေ
  • 0:47 - 0:50
    အာရုံကြော ဇီဝဗေဒ သက်ရောက်မှုတွေကို
    တိုင်းတာတာဆီ ပြောင်းတယ်။
  • 0:51 - 0:53
    ဟောဒီမှာ ကျွန်မ ရှာဖွေတွေ့ရှိတာပါ။
  • 0:53 - 0:57
    ဝက်ဘ်၊ မိုဘိုင်း ကိရိယာတွေနဲ့
    အစစ်နီးနီး၊ ဆပွားထားတဲ့ သဘာဝကျမှုတွေဟာ
  • 0:57 - 1:00
    ကျွန်မတို့ရဲ့ နာဗ်ကြော စနစ်တွေကို
    ပြန်ရေးသားနေတယ်။
  • 1:00 - 1:03
    ကျွန်မတို့ရဲ့ ဦးနှောက်ကို တာ်ဆောက်မှုကို
    တကယ်ကို ပြောင်းနေတယ်။
  • 1:04 - 1:09
    နှလုံးတွေ၊ စိတ်တွေကို အပြုသဘော ဩဇာသက်ရောက်
    စေဖို့ကျွန်မ အသုံးပြုနေခဲ့တဲ့ နည်းပညာတွေဟာ
  • 1:09 - 1:13
    တကယ်ကျတော့ မျှဝေခံစားမှုနဲ့ ဆုံးဖြတ်ချက်
    ချမှုအတွက် လိုအပ်တဲ့ ဦးနှောက်ထဲက
  • 1:13 - 1:15
    လုပ်ဆောင်မှုတွေကို
    တိုက်စားနေခဲ့တာပါ။
  • 1:15 - 1:19
    တကယ်က ဝက်ဘ်နဲ့ မိုဘိုင်း
    ကိရိယာတွေအပေါ် ကျွန်မတို့ရဲ့ မှီခိုမှုက
  • 1:19 - 1:23
    ကျွန်မတို့ရဲ့ သိမြင်၊ လှုပ်ရှားတတ်တဲ့
    စွမ်းရည်တွေကို လွှမ်းမိုးနေလောက်တယ်။
  • 1:23 - 1:27
    ကျွန်မတို့ကို လူမှုရေးနဲ့ ခံစားမှုပိုင်းအရ
    ညံ့ဖျင်းအောင်လုပ်ပြီး
  • 1:27 - 1:30
    ဒီလူ့ဂုဏ်သိက္ခာကင်းမဲ့မှုမှာ ကြံရာပါလို့
    ခံစားမိတယ်။
  • 1:31 - 1:36
    ဒါကို သိခဲ့တာက လူမှုရေး ပြဿနာတွေအကြောင်း
    မီဒီယာတွေ ဆက်လက် မဖန်တီးနိုင်ခင်ကပါ။
  • 1:36 - 1:40
    နည်းပညာရဲ့ ဘေးဖြစ်စေတဲ့ သက်ရောက်မှုတွေကို
    ပြောင်းပြန် စီမံဖို့ လိုအပ်ခဲ့တယ်။
  • 1:41 - 1:44
    ဒါကို ကိုင်တွယ်ဖို့
    ကိုယ့်ကိုယ်ကိုယ် မေးခဲ့တာက
  • 1:44 - 1:47
    မျှဝေခံစားမှုယန္တရားတွေ သိမြင်၊
    လှုပ်ရှား တွန်းအားပေးတဲ့ ရှုထောင့်တွေ
  • 1:47 - 1:51
    လုပ်ဆောင်ဖို့ ကျွန်မတို့ကို လှုပ်ရှားစေတဲ့
    ဇာတ်ကြောင်းပြော ပါဝင်တဲ့အရာတွေကို
  • 1:51 - 1:54
    နှိုးဆွပေးတဲ့ စက်တစ်ခုဖြစ် ငါ ဘယ်လို
  • 1:54 - 1:55
    အကောင်အတည်ဖော်နိုင်လဲ။"
  • 1:57 - 2:01
    ဒါကို ဖြေဆိုဖို့ စက်တစ်ခု တည်ဆောက်ဖို့
    လိုခဲ့တော့တာပေါ့။
  • 2:01 - 2:02
    (ရယ်သံများ)
  • 2:02 - 2:05
    အခမဲ့ ဇီဝအချက်အလက် အသုံးပြုမှု
    လက်တွေ့ခန်းတစ်ခု ဆောက်နတယ်၊
  • 2:05 - 2:09
    Limbic Lab လို့ ခေါ်တဲ့ AI စနစ်တစ်ခုပါ။
  • 2:09 - 2:10
    ဒီလက်တွေ့ခန်းက မီဒီယာတွေနဲ့
  • 2:10 - 2:14
    နည်းပညာကို ဦးနှောက်နဲ့ ခန္ဓာကိုယ်ရဲ့
    သတိမမူမိတဲ့ တုံ့ပြန်မှုကို ရိုက်ယူတာတင်မက
  • 2:14 - 2:17
    ဒီဇီဝ တုံ့ပြန်မှုတွေကို အခြေခံတဲ့
    အကြောင်းအရာကိုပြပြင်ဖို့
  • 2:17 - 2:20
    စက်သင်ကြားမှုကိုပါ အသုံးပြုတယ်။
  • 2:21 - 2:24
    ကျွန်မရဲ့ ပန်းတိုင်က လူမှု
    တရားမျှတမှု၊ ယဉ်ကျေးမှုနဲ့
  • 2:24 - 2:26
    ပညာရေးဆိုင်ရာ အဖွဲအစည်းတွေ ဖြစ်မြောက်ဖို့၊
  • 2:26 - 2:28
    ပိုထိရောက်တဲ့ မီဒီယာတွေ ဖန်တီးဖို့
  • 2:28 - 2:33
    ဘယ် ဇာတ်ကြောင်းပြ ပါဝင်တဲ့ အရာတွေရဲ့
    ပေါင်းစပ်မှုက သီးခြား ပစ်မှတ် ပရိသတ်တွေကို
  • 2:33 - 2:36
    အဆွဲဆောင်ဆုံးနဲ့ လှုံဆော်မှုအပေးဆုံးဆိုတာ
    ရှာဖွေဖို့ပါ။
  • 2:36 - 2:39
    Limbic Lab မှာ အစိတ်အပိုင်းနှစ်ခုပါဝင်တယ်။
  • 2:39 - 2:41
    ဇာတ်ကြောင်းပြ အင်ဂျင်နဲ့ မီဒီယာ စက်ပါ။
  • 2:42 - 2:47
    စမ်းသပ်ခံသူတစ်ဦးက မီဒီယာ အကြောင်းအရာကို
    ကြည့်နေ(သို့) တုံ့ပြန်ဆက်သွယ်နေစဉ်
  • 2:47 - 2:51
    ဇာတ်ကြောင်းပြော အင်ဂျင်က ဝင်ကြည့်ပြီး
    ဦးနှောက်လှိုင်းတွေ၊ နှလုံးခုန်နှုန်းလို
  • 2:51 - 2:54
    ဇီဝရုပ်ပိုင်း ဒေတာ၊ သွေးစီးဆင်းမှု၊
    ကိုယ်အပူချိန်၊ ကြွက်သား ကျုံ့ခြင်းမှ
  • 2:54 - 2:56
    အချိန်ကိုက် ဒေတာကို
    ချိန်ပေးတယ်။
  • 2:56 - 2:59
    မျက်လုံးလှုပ်ရှားမှုနဲ့ မျက်နှာ
    အမူအယာတွေ အပါအဝင်ပါ။
  • 3:00 - 3:04
    အရေးပါတဲ့ ဇာတ်ကွက် အမှတ်တွေရှိရာ
    အဓိက နေရာတွေမှာ ဒေတာကို ဖမ်းယူတယ်၊
  • 3:04 - 3:07
    ဇာတ်ကောင် တုံ့ပြန်မှု(သို့) ထူးခြားတဲ့
    ကင်မရာ ရှုထောင့်တွေ ဖြစ်ပေါ်တယ်။
  • 3:08 - 3:11
    "Game of Thrones
    Red Wedding" ထဲက နောက်ဆုံး အခန်းလို
  • 3:11 - 3:13
    အလန့်တကြားနဲ့
  • 3:13 - 3:15
    လူတိုင်း သေသွားတဲ့အခါပါ။
  • 3:15 - 3:16
    (ရယ်သံများ)
  • 3:17 - 3:20
    စိတ်အမျိုးအစားခွဲခြားမှုနဲ့
    လူဦးရေ စိစစ်မှု အချက်အလက်တွေနဲ့အတူ
  • 3:20 - 3:23
    ဒီလူရဲ့ နိုင်ငံရေး ယုံကြည်မှုတွေအပေါ်
    လေ့လာမှု အချက်အလက်တွေကို
  • 3:23 - 3:25
    တစ်ဦးချင်းစီရဲ့ ပိုနက်နဲတဲ့
  • 3:25 - 3:28
    သိနားလည်မှုတစ်ခု ရရှိဖို့
    စနစ်ထဲမှာ ပေါင်းစပ်ထားတယ်။
  • 3:29 - 3:30
    နမူနာတစ်ခု ပေးပါရစေ။
  • 3:32 - 3:37
    လူမှုတရားမျှတမှု ပြဿနာတွေအပေါ် အမြင်တွေနဲ့
    အတူ အကြိုက်ဆုံးရုပ်သံတွေကို တွဲကြည့်တာက
  • 3:37 - 3:41
    ထိပ်တန်းစိုးရိမ်မှု သုံးခုအနက် လူဝင်မှုကို
    သတ်မှတ်တဲ့ အမေရိကန်တွေဟာ
  • 3:41 - 3:44
    "The Walking Dead" ရဲ့
    ပရိသတ်တွေဖြစ်ဖို့ ပိုများပြီး
  • 3:45 - 3:48
    တိုင်းတာလို့ရတဲ့
    အဒရီနလင် တိုးမြှင့်မှုအတွက်
  • 3:48 - 3:49
    မကြာခဏ ကြည့်တယ်လို့ပြသတယ်။
  • 3:50 - 3:54
    လူတစ်ဦးရဲ့ ဇီဝဆိုင်ရာ ကိုယ်ပိုင် လက္ခဏာနဲ့
    သူ့တို့ စစ်တမ်း တုံ့ပြန်မှုကို
  • 3:54 - 3:59
    သူတို့ရဲ့ ထူးခြားတဲ့ မီဒီယာ အမှတ်အသား
    ဖန်တီးဖို့ ဒေတာဘေ့စ်အဖြစ် ပေါင်းစပ်တယ်။
  • 3:59 - 4:03
    ဒီနောက် နိမိတ်ပြတဲ့ ပုံစံငယ်က မီဒီယာ
    အမှတ်အသားနှစ်ခုကြားက ပုံစံတွေကို ရှာပြီး
  • 4:03 - 4:05
    ဘယ်ဇာတ်ကြောင်းပြ ပါဝင်တဲ့ အရာတွေက
  • 4:05 - 4:09
    သောကနဲ့ စိတ်မပါမှုထက်
    ကိုယ်ကျိုးမငဲ့တဲ့ အပြအမူမှာ ပတ်သက်ဖို့
  • 4:09 - 4:11
    ပိုဖြစ်နိုင်ခြေရှိတာ ကျွန်မကို ပြောပြတယ်။
  • 4:11 - 4:14
    ဖြစ်စဉ်ပြ ရုပ်သံကနေ ဂိမ်းတွေအထိ
  • 4:14 - 4:17
    ကြားခံ အသီးသီးမှာရှိတဲ့ ဒေတာဘေ့စ်ကို
    အမှတ်အသားတွေ ပိုထည့်လေလေ၊
  • 4:17 - 4:19
    ပိုကောင်းတဲ့ နိမိတ်ပြ ပုံစံငယ်တွေ
    ဖြစ်လာလေပါ။
  • 4:20 - 4:24
    အတိုချုပ်ရရင် ကျွန်မဟာ ပထမဆုံး
    မီဒီယာ ဗီဇအစုကို ပုံထုတ်နေတာပါ။
  • 4:24 - 4:28
    (လက်ခုပ်သံနှင့် ဩဘာသံများ)
  • 4:32 - 4:35
    လူသား ဇီဝမျိုးစုကတော့ အစဉ်လိုက်ရှိနေတဲ့
    လူသား DNA ထဲကဗီဇ ပါဝင်တာ
  • 4:35 - 4:37
    အားလုံးကို ဖော်ထုတ်ပေမဲ့
  • 4:38 - 4:41
    မီဒီယာ အမှတ်အသားတွေရဲ့ တိုးလာနေတဲ့
    ဒေတာဘေ့စ်က ကျွန်မကို နောက်ဆုံး
  • 4:41 - 4:45
    သီးခြား လူတစ်ယောက်အတွက် မီဒီယာ
    DNA ကို ဆုံးဖြတ်ခွင့် ပေးလိမ့်မယ်။
  • 4:46 - 4:49
    ရှိပြီးသား Limbic Lab ရဲ့
    ဇာတ်ကြောင်းပြော အင်ဂျင်က
  • 4:50 - 4:53
    အကြောင်းအရာ ဖန်တီးသူတွေ ပုံပြောခြင်းကို
    ကူညီမွမ်းမံတယ်။
  • 4:53 - 4:57
    တစ်ဦးချင်း အဆင့်တစ်ဆင့်မှာ ဦးတည်တဲ့
    ပရိသတ်တွေနဲ့ ပဲ့တင်ထပ်အောင်ပါ။
  • 4:59 - 5:01
    Limbic Lab ရဲ့ အခြား အစိတ်အပိုင်း၊
  • 5:01 - 5:03
    မီဒီယာ စက်က
  • 5:03 - 5:08
    မီဒီယာက ခဲစားမှုနဲ့ ဇီဝကမ္မ တုံ့ပြန်မှု
    တစ်ခုကို အစ်ထုတ်ပုံကို အကဲဖြတ်ပြီး
  • 5:08 - 5:10
    တစ်ဦးချင်း သီးသန့် မီဒီယာ DNA ကို
    ပစ်မှတ်ထားတဲ့
  • 5:10 - 5:13
    အကြောင်းအရာ စာကြည့်တိုက်ကနေ
    မြင်ကွင်းတွေကို ဆွဲထုတ်မယ်။
  • 5:14 - 5:18
    ဉာဏ်ရည်တုကို ဇီဝအချက်အလက်
    လုပ်ဆောင်မှု ဒေတာမှာ အသုံးချခြင်းက
  • 5:18 - 5:21
    စစ်မှန်တဲ့ ကိုယ်ပိုင်ပြုထားတဲ့
    အတွေ့အကြုံ ဖန်တီးပေးတယ်။
  • 5:21 - 5:26
    အချိန်နဲ့တစ်ပြေးညီ မသိစိတ်တုံ့ပြန်မှုကို
    အခြေခံတဲ့ အကြောင်းအရာကို ပြုပြင်တာတစ်ခုပါ။
  • 5:27 - 5:33
    အကျိုးမဖက်အဖွဲ့တွေနဲ့ ဒီယာ ဖန်တီးသူတွေဟာ
    ပရိသတ်တွေ တွေ့ကြုံတဲ့အတိုင်း ခံစားရပုံကို
  • 5:33 - 5:35
    တိုင်းတာနိုင်တယ်လို့ စိတကူးကြည့်ပြီး
  • 5:35 - 5:37
    လွှင့်တဲ့ အကြောင်းအရာကို ပြောင်းလိုက်ပါ။
  • 5:37 - 5:40
    ဒါဟာ မီဒီယာတွေရဲ့ အနာဂတ်လို့
    ကျွန်မ ယုံကြည်တယ်။
  • 5:41 - 5:44
    သက်တမ်းမှတ်ရင် မီဒီယာနဲ့
    လူမှုအပြောင်းအလဲဗျူဟာ အများစုက
  • 5:44 - 5:47
    လူထု ပရိသတ်တွေကို ဆွဲဆောင်ဖို့
    ကြိုပမ်းခဲ့ကြပေမဲ့
  • 5:47 - 5:50
    အနာဂတ်ကတော့ မီဒီယာတွေကို
    တစ်ဦးချင်းအတွက် စိတ်ကြိုက်လုပ်ပေးထားတာပါ။
  • 5:51 - 5:54
    မီဒီယာ စားသုံးမှုအချိန်နဲ့
    စက်သုံး မီဒီယာ ထုတ်လုပ်မှုရဲ့
  • 5:54 - 5:57
    တစ်ပြေးညီ တိုင်းတာမှုက
    စံဖြစ်လာတာကြောင့်
  • 5:57 - 6:01
    စိတ်အမျိုးအစားခွဲခြားမှု၊ ဇီဝအချက်အလက်
    အသုံးပြုမှုနဲ့ AI အရောတစ်ခုကို သုံးရင်း
  • 6:01 - 6:05
    ကိုယ့်မက်မောမှုတွေအတွက် တိုက်ရိုက် ခွင်ကျ
    စီမံထားတဲ့မီဒီယာကို မကြာခင်သုံးစွဲနေမှာပါ။
  • 6:06 - 6:10
    ဒါက DNAကို အခြေခံထားတဲ့ ကိုယ်ပိုင်
    အမှတ်သညာပြုထားတဲ့ ဆေးဝါးလိုပါ။
  • 6:10 - 6:12
    ဒါကို "biomedia" ကျွန်မ ခေါ်တယ်။
  • 6:13 - 6:16
    လောလောဆယ် ရှေ့ပြေး လေ့လာမှုတစ်ခုမှာ
    Limbic Lab ကို Norman Lear Center
  • 6:16 - 6:18
    နဲ့အတူ စမ်းသပ်နေတယ်။
  • 6:18 - 6:22
    ၎င်းက ထပ်တန်း ဖြစ်စဉ် ၅၀ ရှိတဲ့
    ရုပ်သံ ပြပွဲတွေကို ကြည့်ပါတယ်။
  • 6:22 - 6:25
    ဒါပေမဲ့ ကျွန်မ ကျင့်ဝတ်ဆိုင်ရာ
    အကျပ်ရိုက်မှုနဲ့ နပန်းလုံးနေတယ်။
  • 6:25 - 6:29
    လက်နက်အဖြစ် ပြောင်းသွားနိုင်တဲ့
    ကိရိယာတစ်ခုကို ကျွန်မ ပုံစံထုတ်ရင်
  • 6:29 - 6:30
    ဒါကို ကျွန်မ ဆောင်သင့်လား။
  • 6:32 - 6:35
    ဝင်ခွင့်ရှိမှုနဲ့ ပါဝင်မှုကို အားပေးဖို့
    လက်တွေ့ခန်းကို အခမဲ့ ပေးသုံးရင်း
  • 6:35 - 6:39
    သတင်းတုတွေ၊ စျေးကွက်ဖော်တာ (သို့)
    အလုံးအရင်း ဆွဲဆောင်မှုတွေအတွက်
  • 6:39 - 6:42
    ပလက်ဖောင်း ကို အပိုင်စီးဖို့
    သြဇာရှိတဲ့ အစိုးရတွေနဲ့
  • 6:42 - 6:46
    အမြတ်အစွန်းစေ့ဆော်တဲ့ ကုမ္ပဏီတွေကို
    ထောက်ကူရေးမှာလည်း စွန့်စားပါတယ်။
  • 6:47 - 6:51
    ဒါကြောင့် ကျွန်မအတွက်တော့
    ကျွန်မရဲ့ သုတေသနကို သာမန် ပရိသတ်တွေအတွက်
  • 6:51 - 6:54
    GMO တံဆိပ်တွေလို့ ပွင့်လင်းမြင်သာအောင်
    ဖန်တီးဖို့က အရေးကြီးပါတယ်။
  • 6:55 - 6:58
    သို့ပေမည့် ဒါက မလုံလောက်ပါဘူး။
  • 6:59 - 7:01
    ဖန်တီးတတ်တဲ့ နည်းပညာရှင်တွေအနေနဲ့
  • 7:01 - 7:03
    လက်ရှိ နည်းပညာဟာ ကျွန်မတို့ရဲ့ ယဉ်ကျေးမှု
  • 7:03 - 7:08
    တန်ဖိုးတွေနဲ့ လူမှုရေး အပြုအမူကို
    ပုံဖော်ပုံကို ဆင်ခြင်ဖို့သာမက
  • 7:08 - 7:10
    အနာဂတ် နည်းပညာရဲ့ လမ်းကြောင်းကိုပါ
  • 7:10 - 7:15
    တက်ကြွစွာ စိန်ခေါ်ဖို့ ကျွန်မတို့မှာ
    တာဝန်တစ်ရပ်ရှိပါတယ်။
  • 7:15 - 7:19
    ဘေးဖြစ်စေတဲ့ လက်နက်တွေကနေ
    ဇာတ်ကြောင်းပြောတဲ့ ဆေးအဖြစ်
  • 7:19 - 7:21
    မီဒီယာနဲ့ နည်းပညာကို ပြောင်းလဲပေးတဲ့
  • 7:21 - 7:25
    စစ်မှန်ပြီး တရားမျှတတဲ့ ဇာတ်လမ်းတွေ
    ဖန်တီးမှုအတွက်
  • 7:25 - 7:27
    ခန္ဓာကိုယ်ရဲ့ အသိဉာဏ်ကို ဆွတ်ခူးခြင်းမှာ
  • 7:27 - 7:31
    ကျွန်မတို့ ကျင့်ဝတ်ညီတဲ့ နှစ်မြှုပ်မှု
    လုပ်တာက ကျွန်မရဲ့ မျှော်လင့်ချက်ပါ။
  • 7:31 - 7:32
    ကျေးဇူးတင်ပါတယ်။
  • 7:32 - 7:34
    (လက်ခုပ်သံနှင့် သြဘာသံများ)
Title:
ပိုကောင်းမွန်တဲ့ ဇာတ်လမ်းတွေ ပြောပြဖို့နဲ့ လူမှု အပြောင်းအလဲကို အစပျိုးပေးဖို့ ဇီဝဆိုင်ရာ အချက်အလက်များကို ကျွန်မ အသုံးပြုနေပုံ။
Speaker:
Heidi Boisvert
Description:

လုပ်ကိုင်ဆောင်ရွက်စေဖို့ ကျွန်ုပ်တို့ကို ရွေ့ရှားစေတာက ဘယ်လိုဇာတ်လမ်းမျိုးတွေလဲ။ ဒီမေးခွန်းကို ဖြေဆိုဖို့ တီထွင်ဖန်တီးတတ်တဲ့ နည်းပညာရှင် Heidi Boisvert ကနေပြီး လူတွေရဲ့ ဦးနှောက်တွေနဲ့ ကိုယ်ခန္ဓာတွေက အမျိုးမျိုးသော မီဒီယာတွေကို မသိစိတ်နဲ့ တုံ့ပြန်ပုံကို တိုင်းတာနေတာပါ။ မျှဝေခံစားမှုနဲ့ တရားမျှတမှုကို စေ့ဆော်ပြီး ကျယ်ပြန့်တဲ့ လူမှု အပြောင်းအလဲကို အစပျိုးပေးတဲ့ သီးခြား ဇာတ်လမ်း ပါဝင်တဲ့ အရာတွေကို စိစစ်တွက်ချက်ဖို့ ဒီအချက်အလက်ကို သူ အသုံးပြနေပုံကို ပြသထားတာပါ။
more » « less
Video Language:
English
Team:
closed TED
Project:
TEDTalks
Duration:
07:49

Burmese subtitles

Revisions

Our website uses cookies for analysis purposes.