စမတ်ကင်မရာများသည် အိမ်နှင့် စီးပွားရေးလုပ်ငန်းများ၏ လုံခြုံရေးကို မည်သို့မှုန်းမှုဖြင့် မြင့်တင်ပေးပါသနည်း။

AI အားဖြင့် အန္တရာယ်ကို စောင်းကြည့်ခြင်း - အလုပ်မလုပ်သော မှတ်တမ်းတင်မှုမှ အသိဉာဏ်ရှိသော စောင်းကြည့်မှုသို့

စမတ်ကင်မရာများသည် ကွန်ပျူတာမြင်သိမှုကို အသုံးပြု၍ အသံညစ်မှုများကို စီစဥ်ထုတ်လုပ်ပြီး အမှန်တကယ်သော အန္တရာယ်များကို စိစိမ့်မှုဖြင့် ဖော်ထုတ်ပါသည်။

ယနေ့ခေတ်ခေတ်မှီ လုံခြုံရေးကင်မရာများသည် အခုတွင် ဖမ်းယူမှုသာမက အသိဉာဏ်ရှိသော စနစ်များဖြစ်လာပါသည်။ ဤခေတ်မှီကင်မရာများသည် အသုံးပြုသောအချိန်တွင် အလုပ်လုပ်နေသော ဗီဒီယိုဖိုင်များကို အသုံးပြု၍ အတုအယောင် ဉာဏ်ရည်များဖြင့် စဥ်ဆက်မပြတ် စူးစမ်းလေ့လာပါသည်။ အသုံးပြုသော AI သည် လေတွင် လှုပ်ရှားနေသော သစ်ခုပ်များ သို့မဟုတ် ဖြတ်သွားသော တိရစ္ဆာန်များကဲ့သို့သော ပုံမှန်ဖြစ်ရပ်များနှင့် လုံခြုံရေးနှင့် ဆိုင်သော အကူအညီလိုအပ်သည့် ဖြစ်ရပ်များကို ခွဲခြားသိရှိနိုင်ပါသည်။ ဥပမါ- တံခါးအနီးတွင် အချိန်ကြာစွာ လှည့်ပါတ်နေခြင်း သို့မဟုတ် အရာဝတ္ထုတစ်ခုခုကို ချန်ထားခြင်း စသည်ဖြင့် အသိပေးခြင်းများ ဖြစ်ပေါ်စေနိုင်ပါသည်။ ဤကင်မရာများ၏ နက်ရှိုင်းသော သင်ယူမှု (Deep Learning) နည်းပညာသည် အချိန်အားလုံးတွင် အလုပ်လုပ်နေသော်လည်း အသေးစိတ်အရာများအားလုံးပေါ်တွင် စွမ်းအားကုန်စုံမှုကို မဖြုန်းဘဲ အရေးကြီးသည့် အရာများကိုသာ အာရုဏ်ထွက်စေပါသည်။ ဤနည်းလမ်းသည် မှားယွင်းသော အသိပေးခြင်းများကြောင့် လူများသည် စိတ်ပျက်သွားခြင်းကို ကာကွယ်ပေးပါသည်။ ထို့အပါအဝင် အခြေအနေအရ ပုံစံကို အခိုင်အမာ သိရှိနိုင်ရန် အထောက်အကူပေးပါသည်။ ဥပမါ- ကင်မရာသည် ပစ္စည်းအိတ်တစ်ခု ပို့ဆောင်ပေးနေခြင်းကို သိရှိနိုင်ခြင်းနှင့် မသေးမသဲကွဲ နေသည့် မျက်နှာစ်ခုကို စူးစမ်းကြည့်နေခြင်းကို ခွဲခြားသိရှိနိုင်ခြင်းကို စဉ်းစားကြည့်ပါ။

လူသား၊ ပစ္စည်းအော်ပန်းနှင့် ယာဉ်များကို အမျိုးအစားခွဲခြင်း - အမှားအမှင် အသိပေးခြင်းများကို ၉၈% အထိ လျော့ချခြင်း

ကောင်းမွန်သော အရာဝတ္ထု စိတ်ဖောက်ထုပ်မှုသည် ယနေ့ခေတ်တွင် ထိရောက်သော AI စောင်းကြည့်ရေးစနစ်များ၏ အခြေခံအုတ်မူးဖြစ်သည်။ ခေတ်မှီ လုံခြုံရေးကင်မရာများသည် ဓာတ်ပုံများအုပ်စုကြီးများပေါ်တွင် လေ့ကျင့်ထားသော စက်သင်ယူမှု (machine learning) မော်ဒယ်များကို အသုံးပြု၍ မျှော်မြင်ရသည့် အရာများကို စိတ်ဖောက်ထုပ်နေကြသည်။ ဥပမါ- လူများသည် လမ်းလျှောက်နေခြင်း၊ နီးစပ်ရာတွင် ကားများ ရပ်နေခြင်း၊ တံခါးဝတွင် ပစ္စည်းများ ချနေခြင်း စသည်ဖြင့် ယနေ့ခေတ်တွင် အလွန်ကောင်းမွန်သော ရလဒ်များကို ရရှိနေပြီဖြစ်ပြီး အများအားဖြင့် ၉၅% အထက် တိကျမှုနှုန်းများကို ရရှိနေသည်။ စနစ်သည် အစစ်အမှန် ခြိမ်းခြောက်မှုများနှင့် နေ့စဉ်ဘဝတွင် ဖြစ်ပေါ်လေ့ရှိသော အရာများကို ခွဲခြားသိရှိနိုင်သည့်အခါတွင် အများဆုံး အကျိုးကျေးဇူးကို ရရှိမည်ဖြစ်သည်။ ဥပမါ- လေးခေါင်းလျှောက်သော ကေးများ၊ ဖြတ်သွားသော ကားများမှ လျှောက်လာသော မီးများ၏ မှိန်းမှိန်းမှိန်းမှိန်းဖြစ်မှုများ သို့မဟုတ် အလင်းရေးအခြေအနေများကြောင့် ဖြစ်ပေါ်လေ့ရှိသော အရိပ်များ စသည်ဖြင့် ဖြစ်သည်။ လုံခြုံရေးလုပ်ငန်းခွဲများအသိပေးချက်တွင် ဖော်ပေးထားသည့် လုပ်ငန်းခွဲများနှင့် လေးစားဖွယ်ရာ လုပ်ငန်းခွဲများမှ ထုတ်ဝေသော သုတေသနစာတမ်းများအရ ဤကဲ့သို့သော ပိုမိုထိရောက်သော စီစစ်မှုများကို အသုံးပြုခဲ့သည့် လုပ်ငန်းများတွင် အမှားအမှန် အသိပေးချက်များ အများဆုံး ၉၈% အထ do ကျဆင်းသွားသည်။ ထို့အတွက်ကြောင့် အကူအညီမလိုသည့် အရာများကို စုံစမ်းရန် အချိန်အကုန်အက зат လျော့နည်းသွားပြီး အမှန်တကယ် လုံခြုံရေးနှင့် ပတ်သက်သည့် အရေးကြီးသော အကြောင်းအရာများပေါ်တွင် ပိုမိုအာရုံစိုက်နိုင်သည်။

ဤတိကျမှုသည် လိုက်လျောညီထွှင်သော တုံ့ပြန်မှုများကို ဖော်ဆောင်ပေးပါသည်။ မသိရှိသော ပုဂ္ဂိုလ်များကို အလိုအလျောက် ဇူမ်လုပ်ပေးခြင်းဖြင့် ကင်မရာများသည် အချိန်မှန် ပို့ဆောင်ရေးများကို လျစ်လျူရှုပါသည်။ ဝင်ရောက်ခွင့် ထိန်းချုပ်မှုစနစ်များနှင့် ပေါင်းစပ်ပါက စူးစမ်းမှုဖော်ထုတ်ထားသော မျက်နှာများကို ခွင့်ပြုထားသော ဝန်ထမ်းများစာရင်းနှင့် နှိုင်းယှဉ်စစ်ဆေးပါသည်။ ထို့ကြောင့် မှုန်ဝါးသော ဗီဒီယိုများကို အတည်ပြုပြီး လုပ်ဆောင်နိုင်သော အသုံးဝင်သော အသိအမြင်များအဖြစ် ပေါင်းစပ်ပေးပါသည်။

အကြိမ်မောက်မောက် စောင်းကြည့်ခြင်းနှင့် အချိန်နှင့်တစ်ပါတည်း အကြောင်းကြားခြင်းများဖြင့် ကြိုတင်ကာကွယ်ရေး လုံခြုံရေး

အမြဲတမ်း အသုံးပြုနိုင်သော မိုဘိုင်းလ်အက်က်စ်စ်နှင့် လုံခြုံသော မိုက်ခရိုကလော့ဒ်စီးမ်များ၊ ချက်ချင်း ပုံစံဖော်ပေးသော အကြောင်းကြားခြင်းများ

ယနေ့ခေတ်၏ လုံခြုံရေးစနစ်များသည် အဖြစ်ပေါ်ပြီးနောက် ဖြစ်ရပ်များကို စောင်းကြည့်ခြင်းသာမက ပြဿနာများ စတင်မီတွင်ပင် ၎င်းတို့ကို တားဆီးရန် အာရုံစိုက်လာကြသည်။ ယခုခေတ်တွင် အများစုသော စနစ်များသည် လုံခြုံရေးအတွက် အွန်လိုင်းတွင် အောက်ပါအတိုင်း လုံခြုံသော မှုန်းထားသော မှုန်းသိမ်းဆည်းမှုစနစ်များကို အသုံးပြုခြင်းဖြင့် မည်သည့်အချိန်တွင်မဆို မည်သည့်နေရာတွင်မဆို အသက်ဝင်နေသော ဗီဒီယိုဖိုင်များ သို့မဟုတ် အတိတ်က မှတ်တမ်းများကို စောင်းကြည့်နိုင်စေသည်။ ဤစနစ်များသည် လုံခြုံရေးအတွက် အွန်လိုင်းတွင် အောက်ပါအတိုင်း လုံခြုံသော မှုန်းထားသော မှုန်းသိမ်းဆည်းမှုစနစ်များကို အသုံးပြုခြင်းဖြင့် မည်သည့်အချိန်တွင်မဆို မည်သည့်နေရာတွင်မဆို အသက်ဝင်နေသော ဗီဒီယိုဖိုင်များ သို့မဟုတ် အတိတ်က မှတ်တမ်းများကို စောင်းကြည့်နိုင်စေသည်။ လုံခြုံရေးစနစ်များသည် လှုပ်ရှားမှုစောင်းကြည့်စနစ်များက အိမ်နေအိမ်ရာတွင် ထူးခြားသော လှုပ်ရှားမှုများ သို့မဟုတ် ပုံမှန်မဟုတ်သော ပုံစံများကို ဖမ်းမိသောအခါ အလိုအလျောက် အသိပေးခြင်းများကို ဖုန်းများ သို့မဟုတ် တက်ဘလက်များသို့ ချက်ချင်းပေးပို့ပေးသည်။ ဤကဲ့သို့သော အသိပေးခြင်းများသည် လူများအား ကိုယ်တိုင်စုံစမ်းစေသည့် အချိန်ကို ပေးပေးသည်။ ဥပမါ- အိမ်အပြင်တွင် ပစ္စည်းအုပ်ကို ထားခဲ့ခြင်း၊ ခွင့်ပါမှုမရှိဘဲ အိမ်သို့ ဝင်ရောက်ရန် ကြိုးစားနေသောသူကို ဖမ်းမိခြင်း သို့မဟုတ် ပိုမိုဆိုးရွားလာမည့် အရေးကြီးသော အခြေအနေများအတွက် အကူအညီတောင်ခေါ်ခြင်းများ ပြုလုပ်နိုင်သည်။

စောင်းဆောင်မှုနှင့် တုံ့ပြန်မှုအကြား အချိန်ကုန်သက်သက်ကို ဖယ်ရှားပေးခြင်းဖြင့် ဤစွမ်းရည်သည် အိမ်ရှင်များနှင့် လုပုပ်ငန်းလုပ်ကိုင်သူများအား နှစ်စဉ်အတွင်း နှစ်ခုလုံး အသံဖလှယ်မှုဖြင့် သတိပေးခြင်းကဲ့သို့သော အတားအဆီးများကို စတင်နောက်ပိုင်းတွင် အရေးပေါ်ဝန်ဆောင်မှုများသို့ ဆက်သွယ်နိုင်ရန် အာဏာပေးပါသည်။ အဆက်မပြတ် အဝ remote မှ မြင်ကွင်းရှိခြင်းသည် စုံစမ်းစစ်ဆေးမှုများနှင့် စံသတ်မှတ်ချက်များနှင့် ကိုက်ညီမှုအတွက် မှတ်တမ်းတင်ထားသော စာရင်းအဖြစ် အသုံးဝင်ပါသည်။

စမတ်ကင်မရာအလိုအလျောက်လုပ်ဆောင်မှု- အတားအဆီးများ၊ တုံ့ပြန်မှုများနှင့် အရေးပေါ်လုပ်ထုံးလုပ်နည်းများကို ပေါင်းစပ်ခြင်း

အတည်ပြုထားသော အန္တရာယ်ကို စောင်းဆောင်မှုအဖြစ် အလင်းများ၊ ပိတ်ထားသော ပိတ်ချောင်းများ၊ စိုးရိမ်ဖော်သော အသံများနှင့် နှစ်ခုလုံး အသံဖလှယ်မှုကို စတင်ခြင်း

ယခုအခါ စမတ်ကင်မရာများသည် အလိုအလျောက် ရုပ်ပိုင်းဆိုင်ရာ တုံ့ပြန်မှုများအတွက် အမိန့်ပေးသည့် အမှတ်များအဖြစ် လုပ်ဆောင်ပါသည်- AI မှ အန္တရာယ်ကို အတည်ပြုပြီးမှသာ ကာကွယ်ရေးများကို စတင်ပါသည်။ အတည်ပြုထားသော မခွင့်ပြုသော ဝင်ရောက်မှုအတွက် စနစ်များသည် ညှိနှိုင်းထားသော လုပ်ဆောင်မှုများကို စတင်ပါသည်။

• အကူအညီများကို အန္တရာယ်ဖော်ပြသည့် ဧရိယာများကို အလင်းပေးရန် ရေပေါ်လေးများကို ဖွင့်ပေးခြင်းဖြင့် အကူအညီများကို မှောင်မှုဖော်ပြပြီး မှောင်မှုဖော်ပြပေးခြင်း
• စမတ်ပိတ်ချောင်းများသည် ထိခိုက်မှုရှိသော ဧရိယာများကို အလိုအလျောက် ခွဲခြားထားရန် စတင်ပါသည်။
• ၁၁၀ ဒီစီဘယ်အထက် စိုးရိမ်ဖော်သော အသံများသည် နောက်ထပ် တိုးချဲ့မှုကို အတားအဆီးဖေးပေးပြီး နေထိုင်သူများကို သတိပေးပါသည်။
• နှစ်ခုလုံး အသံဖလှယ်မှုသည် အဝေးမှ စကားပြောသည့် သတိပေးခြင်းများ သို့မဟုတ် အာဏာပိုင်များနှင့် တိုက်ရိုက်ဆက်သွယ်မှုကို ဖွင့်ပေးပါသည်။

ဤအတည်ပြုထားသော ခြိမ်းခြောက်မှုအလိုအလျောက်စနစ်သည် မသေချာမရေရာမှုများကို တိကျသော အလိုအလျောက်ဖော်ဆောင်မှုဖြင့် အစားထိုးပေးပြီး လူသားများ၏ အတည်ပြုမှုကြောင့် ဖြစ်ပေါ်လာသော နှေးကွေးမှုကို ကျော်လွှားနေသည်။ အမျိုးသားတရ်းမှုနှင့် တရ်းမှုစိစိမှု အသိပေးမှု အဖွဲ့ (National Institute of Justice) မှ ပြုလုပ်ခဲ့သော မြို့ပ town အိုင်းအိုင်းလုံးဆိုင်ရာ လုံခြုံရေးလေ့လာမှုများအရ AI ဖြင့် အတည်ပြုထားသော အလိုအလျောက်စနစ်များကို အသုံးပြုသည့်အခါ ပုံမှန်အားဖြင့် တုံ့ပြန်မှုအချိန်သည် ၈၅% အထိ တိုးတက်လာသည်။

Matter နှင့် Thread မှတစ်ဆင့် ချောမွေ့သော အပ်ဒေးတ်လုပ်နိုင်မှုဖြင့် စုစည်းထားသော လုံခြုံရေးစနစ်များ

Matter နှင့် Thread ကဲ့သို့သော ဖွင့်ထားသော စံနှုန်းများသည် စမတ်ကင်မရာများကို မတူညီသော လုံခြုံရေးစနစ်များအတွင်း ဗဟိုချက်အဖြစ် အသုံးပြုနိုင်စေပါသည်။ တစ်မျှသော အမှတ်တံဆိပ်သာ အသုံးပြုနိုင်သော ပိုင်းခြားထားသော စနစ်များနှင့် ကွဲပါသည်။ ဤပရိုတိုကောလ်များသည် အောက်ပါတို့ကို ပံ့ပိုးပေးပါသည်။

• လုံခြုံရေးရှိသော၊ ကိုယ်တိုင်ပြုပြင်နိုင်သော မှုခ်နက်ဝပ်ကြောင့် ထုတ်လုပ်သူများအကြား ကိရိယာများ၏ ဆက်သွယ်မှု
• အင်တာနက် ပေါ်လုပ်ဆောင်မှုမှု ပိတ်သောအခါ ဒေသတွင်းတွင် လုပ်ဆောင်မှုများကို ဆက်လက်ထိန်းသိမ်းပေးခြင်း— မှုခ်နက်ဝပ်အပေါ် မှီခိုမှုမရှိဘဲ အဓိကလုပ်ဆောင်မှုများကို ထိန်းသိမ်းပေးခြင်း
• ကင်မရာများ၊ အသံထွက်သော သတိပေးစနစ်များ၊ တွေ့ကြုံမှုကာကွယ်ရေးများနှင့် စက်မှုအာရုံခံကိရိယာများအတွက် တစ်ခုတည်းသော ဒက်ရှ်ဘုတ် သို့မဟုတ် အသံဖြင့်ထိန်းချုပ်မှုစနစ်များဖြင့် စုစည်းထားသော ထိန်းချုပ်မှု
• ချိတ်ဆက်မှုစံနှုန်းများအသိပေးမှုအဖွဲ့ (Connectivity Standards Alliance) ၏ ၂၀၂၃ ခုနှစ် စနစ်အတိုင်းအတာ စစ်တမ်းအရ ပေါင်းစပ်မှုစရိတ်များ ၆၀% အထိ လျော့ကျခြင်း

ဤအချင်းချင်းချိတ်ဆက်မှုရှိခြင်းသည် ကင်မရာများသည် အထီးကွဲစွာ လုပ်ဆောင်ခြင်းမရှိကြကြောင်း အာမခံပေးပါသည်။ ဥပမေးအားဖြင့် နယ်နိမိတ်ကို ခွင်းထောက်ခွင်းထောက် ဖောက်ထွင်းဝင်ရောက်မှု ဖြစ်ပွားသည့်အခါ ကင်မရာများသည် အရေးပေါ်မီးအိမ်များကို ဖွင့်လှစ်ခြင်း၊ နီးစပ်ရာ တံခါးများကို ပိတ်ခြင်းနှင့် နေရာတွင်ရှိသော ဝန်ထမ်းများအား အသိပေးခြင်းတို့ကို တစ်ပါတည်း ဆောင်ရွက်ပေးပါသည်။ ထိုသို့ဖြင့် အိမ်သုံးနှင့် စီးပွားရေးလုပ်ငန်းများအတွက် သင့်လျော်သော အဆင့်ဆင့် ချိန်ညှိနိုင်သော ကာကွယ်ရေးစနစ်များကို ဖန်တီးပေးပါသည်။

စကေးလေးလုပ်နိုင်သော လုံခြုံရေးစနစ် - အိမ်များနှင့် သေးငယ်သော အလုပ်ရုံများ (SMBs) တွင် အထူးသဖြင့် လိုအပ်သော လုံခြုံရေးလိုအပ်ချက်များကို စမတ်ကင်မရာများက ဘာကြောင့် ဖြည့်ဆည်းပေးနိုင်သနည်း

စမတ်ကင်မရာစနစ်များသည် ၎င်းတို့၏ ပုံစံအလွယ်တကူပြောင်းလဲနိုင်သောဒီဇိုင်းနှင့် ဆော့ဖ်ဝဲလ်မှ မောင်းနှင်သည့် ဗိသုကာလက်ရာတွင် အကူအညီဖြင့် လုံခြုံရေးဖြေရှင်းနည်းများကို လွယ်ကူစွာ ညှိနှိုင်းနိုင်ပါသည်။ ထို့ကြောင့် အဆင့်မြှင့်တင်မှုများကို လုပ်ဆောင်ရာတွင် အဓိကအုတ်မြစ်ပြောင်းလဲမှုများ မလိုအပ်ပါ။ အိမ်သုံးသူများအတွက် စောင်းကြည့်မှုဧရိယာကို ချဲ့ထွင်ရေးသည် ယခင်က မက်တော်များစွာ လွယ်ကူခဲ့ပါသည်။ ခေတ်မှီစနစ်အများစုတွင် လူများသည် အသစ်ထပ်မွေးသည့် ကင်မရာများကို ကြိုးများ ထပ်မွေးခြင်း (wiring) မလုပ်ဘဲ သို့မဟုတ် နည်းပညာပုဂ္ဂိုလ်များကို ခန့်ထားခြင်းမလုပ်ဘဲ သူတို့၏ စမတ်ဖုန်းများမှတဆင့် ထပ်မွေးနိုင်ပါသည်။ လုပ်ငန်းအရွယ်အစားအားလုံးသည်လည်း ဤအလေးပေးမှုကို လက်ခံလာကြပါသည်။ မှုန်းမှုန်းတွင် စီမံခန့်ခွဲမှုကိရ်းပိုင်းများကို အသုံးပြုခြင်းဖြင့် အသေးစားနှင့် အလတ်စားလုပ်ငန်းများသည် တစ်ခုတည်းသော ဗဟိုစီမံခန့်ခွဲမှုပေါ်တွင် နေရာအများအပြားကို စီမံခန့်ခွဲနိုင်ပါသည်။ MarketsandMarkets မှ ၂၀၂၃ ခုနှစ်တွင် ထုတ်ပြန်သည့် စျေးကွက်သုတေသနအရ ဤချဲ့ထွင်နိုင်သည့် စနစ်များသည် ရှေးခေတ် ကြိုးများဖြင့် ချဲ့ထွင်သည့် ရှေးခေတ်နည်းလမ်းများနှင့် နှိုင်းယှဉ်ပါက အစပိုင်းတွင် စီမံခန့်ခွဲမှုစရိတ်ကို ၃၀ ရှိသည့် ၅၀ ရှိသည့် အထိ လျှော့ချပေးနိုင်ပါသည်။ ထို့အပ besides အကြောင့် ကြိုးမပါသည့် စနစ်များဖြစ်သည့်အတွက် အချိန်ကြာမှုနှင့်အမျှ ထိန်းသိမ်းမှုစရိတ်များသည်လည်း အလွန်နည်းပါသည်။

Matter ကဲ့သို့သော ဖွင့်လှစ်ထားသော စံနှုန်းများကို အသုံးပြုခြင်းဖြင့် လုံခြုံရေးစနစ်များ၊ တံခါးသေတ်ထားသော ပိတ်ထားသော စနစ်များနှင့် အိမ်တွင်းရှိ အပူချိန်နှင့် လှုပ်ရှားမှုများကို စောင်းကြည့်သည့် IoT စနစ်များအပါအဝင် လက်ရှိလုံခြုံရေးစနစ်များနှင့် အဆင်ပြေစွာ ပေါင်းစပ်နိုင်ပါသည်။ ကွဲပားသော ကိရိယာများသည် တစ်ခုနှင့်တစ်ခု ဆက်သွယ်နိုင်သည့်အခါ လက်တွေ့တွင် ပိုမိုကောင်းမွန်သော အလိုအလျောက်လုပ်ဆောင်မှု စည်းမျဉ်းများကို ရရှိပါသည်။ ဥပမါ- AI က ညဘက်တွင် လူတစ်ဦးသည် အနီးသို့ ချဉ်းကပ်လာသည်ကို သိရှိလျှင် အပြင်ဘက်မီးများသည် အလိုအလျောက် ဖွင့်လေးပါသည်။ သို့သော် ပုံမှန်အချိန်များတွင်မူ မီးများကို ပိတ်ထားပါသည်။ လုံခြုံရေးကင်မရာများသည် ဝင်ရောက်မှုမှတ်တမ်းများအရ မည်သူများ ရှိခဲ့သည်ကို အတိအကျ ကိုက်ညီသည့် ဗီဒီယိုမှတ်တမ်းများကို မှတ်သားပါသည်။ လူများ၏ လုံခြုံရေးလိုအပ်ချက်များသည် အချိန်ကြောင်းနှင့်အမျှ ပြောင်းလဲလာပါသည်။ အိမ်တွင် တစ်ဦးတည်း နေထိုင်သည်ဖြစ်စေ မြို့တွင် ဆိုင်များစုံကို စီမံခန့်ခွဲသည်ဖြစ်စေ ဤအထိမ်းအမှတ်ကင်မရာများသည် တစ်ခုတည်းသော အမှတ်တံဆိပ်တစ်ခုနှင့် အမြဲတမ်း ချုပ်နှောင်ထားခြင်းမရှိဘဲ တိုးချဲ့နိုင်ပါသည်။ ထို့ကြောင့် နည်းပညာများ တိုးတက်လာသည့်အတွက် အစေးနှင့် အစေးတွင် ရင်းနှီးမှုများသည် အချိန်ကြောင်းနှင့်အမျှ အသုံးဝင်နေမည်ဖြစ်ပါသည်။