Embodied - Interview Series ၏ CEO နှင့် တည်ထောင်သူ Paolo Pirjanian

Paolo Pirjanian သည် အီရန်တွင်မွေးဖွားပြီး ဆယ်ကျော်သက်အရွယ်တွင် ဒိန်းမတ်သို့ ထွက်ပြေးလာသူ အာမေးနီးယားလူမျိုးဖြစ်သည်။ ငယ်ငယ်ကတည်းက ကွန်ပျူတာကို စွဲလန်းပြီး သူ့အိပ်ခန်းထဲမှာ ကုဒ်ရေးနည်းကို စတင်ခဲ့ပါတယ်။ စက်ရုပ်ပညာရပ်တွင် ပါရဂူဘွဲ့ကို ရရှိပြီးနောက် Paolo သည် ခေတ်မီအိမ်သုံးစက်ရုပ်များကို တီထွင်ဖန်တီးခြင်းနှင့် စီးပွားဖြစ်လုပ်ရန် အတွေ့အကြုံ 16 နှစ်ကျော်ရှိသည့် လူသုံးစက်ရုပ်နယ်ပယ်တွင် အစောပိုင်းခေါင်းဆောင်တစ်ဦးဖြစ်လာခဲ့သည်။ NASA JPL တွင် အလုပ်လုပ်ခဲ့ပြီး iRobot®၊ Evolution Robotics® နှင့် အခြားနိုင်ငံများတွင် ကမ္ဘာ့အဆင့်မီ အဖွဲ့များနှင့် ကုမ္ပဏီများကို ဦးဆောင်ခဲ့သည်။ 2016 ခုနှစ်တွင်, Paolo တည်ထောင်ခဲ့သည်။ Embodied, Inc. လူမှုဆက်ဆံရေးနှင့် စိတ်ပိုင်းဆိုင်ရာ အသိဉာဏ်ရှိသော ဒစ်ဂျစ်တယ်အဖော်များကို တည်ဆောက်ရန် မျှော်မှန်းချက်ဖြင့် စောင့်ရှောက်မှုနှင့် ကျန်းမာရေးကို တိုးတက်ကောင်းမွန်စေပြီး နေ့စဉ် ပိုမိုကောင်းမွန်သော လူနေမှုဘဝတွင် လူများကို ပံ့ပိုးပေးပါသည်။

AI နှင့် စက်ရုပ်များကို အစပိုင်းတွင် သင့်အား မည်သည့်အရာက ဆွဲဆောင်ခဲ့သနည်း။

AI နှင့် စက်ရုပ်များကို ကျွန်ုပ်၏ စွဲဆောင်မှုမှာ ကျွန်ုပ်၏ ငယ်စဉ်ကပင် ဖြစ်သည်။ ငါတို့မိသားစု ဒိန်းမတ်ကို မပြောင်းမချင်း တစ်နိုင်ငံနဲ့ တစ်နိုင်ငံ အကြိမ်ပေါင်းများစွာ ရွှေ့ပြောင်းခဲ့ရတယ်။ မတော်တဆ ကွန်ပြူတာတစ်လုံးကို ရှာတွေ့ခဲ့တယ်။ အဲဒါကို အရမ်း စွဲလန်းလာလို့ အခန်းထဲမှာ သော့ခတ်ပြီး လနဲ့ချီ နေ့ရောညပါ ကုဒ်ရေးတတ်လာတယ်။ ကျွန်တော့်မိဘတွေက ကျွန်တော့်ကို စိတ်ဓာတ်ကျတာ ဒါမှမဟုတ် မူးယစ်ဆေးစွဲနေတယ်လို့ ထင်ခဲ့ပေမယ့် အဲဒါတစ်ခုမှ မဟုတ်ပါဘူး။ ကွန်ပြူတာကို လုံးလုံး စွဲလန်းနေခဲ့တယ်။

ထိုအချိန်တွင် Pixar မှ တီဗီတွင် မှတ်တမ်းရုပ်ရှင်တစ်ခုကို ကျွန်တော်တွေ့လိုက်ရသည်။ Pixar သည် ၎င်းတို့၏ ပထမဆုံး ကာတွန်းအတိုဖြစ်သည့် Luxo Jr. ၊ စားပွဲမီးလုံးနှစ်လုံးနှင့် ဘောလုံးကစားနေသည့် နှစ်မိနစ်စာတိုတိုကို တင်ဆက်ခဲ့သည်။ အဲဒါကို အရမ်းစိတ်ဝင်စားပြီး ကုဒ်ရေးဖို့ သင်ယူနေတဲ့ ကွန်ပျူတာတစ်လုံးဟာ တီဗီမှာ စွဲမက်ဖွယ်ကောင်းတဲ့ ဇာတ်ကောင်တွေကို ထုတ်ပေးနိုင်တာကို အံ့အားသင့်မိပါတယ်။ အဲဒီကနေစပြီး စက်ရုပ်ပညာကို လေ့လာဖို့ ကျောင်းတက်ဖို့ ဆုံးဖြတ်ခဲ့ပြီး နောက်ဆုံးမှာ PhD ရခဲ့ပါတယ်။

ငယ်စဉ်က စိတ်ကူးယဉ်အလုပ်ဖြစ်သည့် NASA တွင် Mars Rovers တွင်အလုပ်လုပ်ရန် US သို့ပြောင်းရွှေ့ခဲ့သည်။ နောက်ဆုံးတွင်၊ ယခု iRobot ၏ထုတ်ကုန်များကိုအသုံးပြုနိုင်သည့် SLAM လမ်းကြောင်းပြနည်းပညာကိုဖွံ့ဖြိုးတိုးတက်ရန် ကျွန်ုပ်သည် စွန့်ဦးတီထွင်လုပ်ငန်းသို့ ဝင်ရောက်ခဲ့သည်။

ဒါပေမယ့် နောက်ကြောင်းပြန်ကြည့်တော့ ဒီခရီးတစ်ခုလုံးအတွက် ကျွန်တော့်ရဲ့ လှုံ့ဆော်မှုဟာ တကယ်တော့ သက်မဲ့အရာဝတ္ထုတွေဆီကို သက်ရှိတွေဆီ ယူဆောင်လာပေးတဲ့ Pixar ကာတွန်းတိုလေးပဲဆိုတာ ကျွန်တော်နားလည်လိုက်ပါတယ်။ ဒါကြောင့်မို့လို့ Embodied ဟာ ကလေးတွေကို လူမှု-စိတ်ပိုင်းဆိုင်ရာ ဖွံ့ဖြိုးတိုးတက်မှုမှာ ကူညီပေးဖို့ အာရုံစိုက်ပြီး လူတွေနဲ့ အပြန်အလှန် အကျိုးပြုနိုင်တဲ့ စက်ရုပ်တွေဆီကို အသက်ပြန်သွင်းဖို့ ဖန်တီးခဲ့တာပါ။

Evolution Robotics ကို မိတ်ဆက်ခြင်းအတွက် အယူအဆကို သင် ဘယ်တုန်းက စတင်တွေ့မြင်ခဲ့လဲ။

Evolution Robotics ကို Idealab မှ Bill Gross မှ 2001 ခုနှစ်တွင် စတင်ခဲ့ခြင်းဖြစ်ပြီး Microsoft of Robotics ဖြစ်လာရန် စောလွန်းလှပြီး နောက်ဆုံးတွင် မအောင်မြင်သည့် ရဲရင့်သောအမြင်တစ်ခု ဖြစ်လာခဲ့သည်။ ကျွန်ုပ်သည် Evolution Robotics တွင် CTO နှင့် GM ဖြစ်ခဲ့ပြီး ၎င်း၏ပျက်ကွက်မှုအပြီးတွင် ကျွန်ုပ်နှင့်ကျွန်ုပ်တို့အဖွဲ့မှ တီထွင်ပြီး ကုမ္ပဏီသစ်တစ်ခုစတင်ရန် အဓိကနည်းပညာအချို့ကို Idealab နှင့် ညှိနှိုင်းခဲ့ပါသည်။ 2008 ခုနှစ်တွင် Evolution Robotics ဟုလည်းသိကြသော အဖွဲ့အစည်းအသစ်သည် NorthStar နှင့် vSLAM အပါအဝင် ကျွန်ုပ်တို့၏ ပင်မလမ်းကြောင်းပြနည်းပညာများကို အသုံးပြု၍ spatial mapping နှင့် autonomous navigation တို့ကို ချဉ်းကပ်ရာတွင် အဆန်းဆုံးသောချဉ်းကပ်မှုများဖြစ်သည့် spatial mapping နှင့် autonomous navigation တို့တွင် ကျွန်ုပ်တို့မြင်နေရသည့်အတိုင်း မောင်းသူမဲ့ကားများတွင် မြင်တွေ့နေရသည့်အရာနှင့်ဆင်တူသော်လည်း မောင်းသူမဲ့ကားများတွင် မြင်တွေ့နေရသည့်အတိုင်းဖြစ်သည်။ တန်ဖိုးနည်း လူသုံး အီလက်ထရွန်းနစ် ထုတ်ကုန်များ။

2010 ခုနှစ်တွင် စတင်ခဲ့သော Mint ဟုခေါ်သော မာကျောသောကြမ်းပြင်များကို အလိုအလျောက် သုတ်သင်ရှင်းလင်းခြင်းအတွက် ထုတ်ကုန်တစ်မျိုးကို တီထွင်ထုတ်လုပ်ခဲ့ပါသည်။ 2011 ခုနှစ်တွင် ကျွန်ုပ်တို့သည် အရောင်းရဆုံး $25m အထိ လျင်မြန်စွာ တိုးတက်လာခဲ့ပြီး ကျွန်ုပ်တို့၏ထုတ်ကုန်ဝင်ငွေနှင့် လမ်းကြောင်းပြနည်းပညာ vSLAM အတွက် 2012 ခုနှစ်တွင် iRobot မှ ဝယ်ယူရရှိခဲ့ပါသည်။ iRobot တွင် Roomba နှင့် Braava ထုတ်ကုန်လိုင်းများကို အားကောင်းစေသည်။

ထိုအချိန်တွင် သင်သည် iRobot တွင် CTO ဖြစ်လာခဲ့သည်။ iRobot မှာ မင်းရဲ့ အတွေ့အကြုံနဲ့ မင်းရဲ့ အတွေ့အကြုံကနေ သင်ယူခဲ့တာတွေကို ဆွေးနွေးနိုင်မလား။

iRobot ၏ CTO အနေဖြင့်၊ ကျွန်ုပ်သည် နေရာမလွတ်ဘဲ ကြမ်းပြင်တစ်ခုလုံးကို စနစ်တကျ ကာမိနိုင်သည့် မော်ဒယ်အသစ်ကို စတင်ရန်အတွက် Roomba ထုတ်ကုန်လိုင်းတွင် vSLAM ကို လျင်မြန်စွာ ပေါင်းစပ်နိုင်ခဲ့သည်။ ယင်းက ကုမ္ပဏီကို စနစ်တကျ သန့်ရှင်းရေးဖြေရှင်းချက်ဖြင့် ထွက်လာသည့် Dyson ကဲ့သို့ ပြိုင်ဆိုင်မှု မတိုင်မီတွင် ကူညီပေးခဲ့သည်။ vSLAM သည် ယခုအခါ iRobot ၏ အထင်ကရ ထုတ်ကုန်လိုင်းများဖြစ်သော Roomba နှင့် Braava ၏ အဓိကအစိတ်အပိုင်းတစ်ခုဖြစ်သည်။

Roomba ၏ spatial awareness သည် ကြမ်းပြင်အစီအစဉ်ကို နားလည်ပြီး ချိတ်ဆက်ထားသော စက်များအားလုံးကြားရှိ ချိတ်ဆက်ထားသော တစ်ရှူးဖြစ်လာစေရန် မဟာဗျူဟာလမ်းညွှန်ချက်ကို ကူညီရန်အတွက် iRobot ၏ CEO Colin Angel နှင့် နီးနီးကပ်ကပ်အလုပ်လုပ်ရတာကို နှစ်သက်မိပါတယ်။ ဒီနည်းဗျူဟာဟာ ကျွန်တော် 2015 ခုနှစ်မှာ ထွက်ခွာပြီးကတည်းက ခိုင်မာတဲ့ခြေရာကို ရရှိပုံရပါတယ်။

ထို့အပြင်၊ iRobot သည် ၎င်း၏ကမ္ဘာလုံးဆိုင်ရာခေါင်းဆောင်မှုရာထူးကိုဆက်လက်ထိန်းသိမ်းထားနိုင်ရန် Consumer Robotics လုပ်ငန်းကို နှစ်ဆတိုးရန် ဆုံးဖြတ်ခဲ့သည်။ ယင်းကြောင့် ကာကွယ်ရေးလုပ်ငန်းမှ နုတ်ထွက်ပြီး စားသုံးသူလုပ်ငန်းကို အာရုံစူးစိုက်မှုနှင့် ပြင်းထန်မှုရှိလာစေရန် အခြားအရံစီးပွားရေးလုပ်ငန်းများမှ ထွက်ခဲ့ရသည်။

ထို့အပြင်၊ ချိတ်ဆက်ထားသောထုတ်ကုန်များနှင့် ဆော့ဖ်ဝဲလ်-လေးလံသောဗျူဟာကို ပံ့ပိုးနိုင်စေရန် အဖွဲ့အစည်းအား ပြန်လည်တည်ဆောက်ရန် လိုအပ်ပါသည်။ ယင်းသည် ပိုမိုလျင်မြန်သော၊ ထပ်ခါတလဲလဲချဉ်းကပ်မှုကို လက်ခံရန် ကုမ္ပဏီယဉ်ကျေးမှုကို ပြုပြင်ပြောင်းလဲရန် လိုအပ်သည်။

iRobot မှာ သင်ယူခဲ့တဲ့ အကြောင်းအရာတွေက ရှည်လျားပါတယ်။ စွဲမြဲနေသောအရာတစ်ခုမှာ အသင်းအဖွဲ့ယဉ်ကျေးမှု၏ စွမ်းအားဖြစ်သည်။ ပေါ့ပါးသွက်လက်စွာနေထိုင်ပြီး မစ်ရှင်အတွက် သန္နိဋ္ဌာန်ချထားခြင်းသည် မည်သည့်ကုမ္ပဏီမဆို မူပိုင်ခွင့်နှင့် ကုန်သွယ်မှုလျှို့ဝှက်ချက်များအထက်တွင်ရှိသည့် မည်သည့်ကုမ္ပဏီမဆို အရေးကြီးဆုံး ယှဉ်ပြိုင်မှုအားသာချက်ဖြစ်နိုင်သည်။ သင့်တွင် စွမ်းဆောင်ရည်မြင့်မားသော အသင်းတစ်သင်းရှိပြီး၊ ပြတ်သားသောပန်းတိုင်တစ်ခုဆီသို့ စိတ်အားထက်သန်မှုရှိသည်ဟု ခံစားရပါက၊ ၎င်းတို့သည် ရပ်တန့်ရန်ခက်ခဲပါလိမ့်မည်။

သင်သည် လက်ရှိတွင် Embodied ၏ Founder & CEO ဖြစ်သည်။ ဒီကုမ္ပဏီကို စတင်တည်ထောင်ခြင်းရဲ့ နောက်ကွယ်က တွန်းအားက ဘာလဲဆိုတာ ဆွေးနွေးနိုင်မလား။

CTO အဖြစ် iRobot မှာ ကျွန်မရဲ့အချိန်တွေကို အရမ်းနှစ်သက်ခဲ့ပြီး စိတ်လှုပ်ရှားစရာကောင်းတဲ့ ပရောဂျက်များစွာကို လုပ်ဆောင်နေပြီး စက်ရုပ်တွေရဲ့ နယ်နိမိတ်တွေကို တွန်းအားပေးနေပါတယ်။ ကြမ်းပြင်ကို ဖုန်စုပ်ခြင်းကဲ့သို့သော အထောက်အကူဖြစ်စေသော ရုပ်ပိုင်းဆိုင်ရာအလုပ်များကို လုပ်ဆောင်သည့် စီးပွားဖြစ်အောင်မြင်သော စက်ရုပ်များကို စျေးကွက်ထဲသို့ စတင်ရောင်းချရခြင်းသည် စိတ်လှုပ်ရှားစရာကောင်းပါသည်။

သို့သော်၊ ကျွန်ုပ်၏စိတ်ထဲတွင်၊ ဖြည့်ဆည်းပေးရမည့် တစ်သက်တာအိပ်မက်တစ်ခုရှိနေသေးသည်ကို ကျွန်ုပ်သိခဲ့သည် - စောင့်ရှောက်မှုနှင့် ကျန်းမာရေးကို တိုးတက်စေပြီး ကျွန်ုပ်တို့၏နေ့စဉ်ဘဝများကို မြှင့်တင်ပေးသည့် လူမှုရေးနှင့် စိတ်ပိုင်းဆိုင်ရာ ဉာဏ်ရည်ထက်မြက်သော စက်ရုပ်အဖော်များကို တည်ဆောက်ရန် ကျွန်ုပ်သိပါသည်။ နည်းပညာနဲ့ ထိတွေ့ဆက်ဆံရမယ့် နည်းလမ်းရဲ့ အထွတ်အထိပ်ရောက်နေပြီဆိုတာ ငါသိတယ်။ ဒါကြောင့် ကျွန်တော် iRobot ကနေ နှုတ်ထွက်ပြီး Embodied ကို စတင်ခဲ့ပါတယ်။

ကျွန်ုပ်တို့သည် Embodied ကိုစတင်သောအခါ၊ အစကတည်းက၊ ကျွန်ုပ်တို့သည် ရိုးရှင်းသော နှုတ်အမိန့်များထက် ပိုမိုလုပ်ဆောင်ပုံ၊ လူသား-စက်၏ အပြန်အလှန်ဆက်သွယ်မှုကို ပြန်လည်စဉ်းစားကာ၊ နောက်မျိုးဆက် ကွန်ပျူတာများကို အသုံးပြုနိုင်ရန်နှင့် အရည်ရွှန်းသောလူမှုရေးဆိုင်ရာ အပြန်အလှန်တုံ့ပြန်နိုင်စွမ်းရှိသော စက်အမျိုးအစားသစ်ကို စွမ်းအားမြှင့်ရန် ပြန်လည်တီထွင်နေပါသည်။ အထူးသဖြင့်၊ ပထမထုတ်ကုန်သည် ကစားခြင်းကိုအခြေခံသည့် သင်ယူမှုမှတစ်ဆင့် ကလေးများအား လူမှုဆက်ဆံရေးနှင့် စိတ်ခံစားမှုဆိုင်ရာစွမ်းရည်များတည်ဆောက်ရာတွင် ကူညီရန်အတွက် ကာတွန်းအဖော်တစ်ခုတည်ဆောက်ခြင်းအပေါ် အာရုံစိုက်ရန်ဖြစ်သည်။ ဤအဖော်သည် Moxie ဟုလူသိများသည်။ Moxie သည် စိတ်လှုပ်ရှားမှုအပြောအဆို၊ ယုံကြည်နိုင်လောက်သော မျက်နှာအမူအရာနှင့် ခန္ဓာကိုယ်ဘာသာစကားဖြင့် စိတ်ခံစားမှုများကို နားလည်ပြီး ဖော်ပြနိုင်စွမ်းရှိသော စက်ရုပ်အမျိုးအစားသစ်ဖြစ်ပြီး ပိုမိုနက်ရှိုင်းသောနှောင်ကြိုးများဖန်တီးရန်အတွက် လူသား၏စိတ်ပညာနှင့် အာရုံကြောဆိုင်ရာတို့ကို နှိပ်ပါ။ ထိုသို့လုပ်ဆောင်ရန်၊ အင်ဂျင်နီယာ၊ နည်းပညာ၊ ဖျော်ဖြေရေး၊ ဂိမ်းဒီဇိုင်းနှင့် ကလေးသူငယ်ဖွံ့ဖြိုးတိုးတက်ရေးတို့တွင် စိတ်အားထက်သန်သော ခေါင်းဆောင်များ၏ အပြန်အလှန်လုပ်ဆောင်နိုင်သော အဖွဲ့တစ်ဖွဲ့ကို စုစည်းထားသည်။ လွန်ခဲ့သည့် လေးနှစ်တာကာလအတွင်း Embodied သည် Moxie ကို အသက်ဝင်စေမည့် နောက်ဆုံးပေါ်နည်းပညာများအားလုံးကို အတူတကွယူဆောင်လာရန် မမောမပန်းလုပ်ဆောင်ခဲ့ပြီး နောက်ဆုံးတွင် ၎င်းတို့သည် ကျန်းမာသောကလေးဖွံ့ဖြိုးမှုအတွက် တွဲဖက်လေယာဉ်မှူးလိုအပ်နေသော မိသားစုများထံ ပေးပို့ရန် စိတ်လှုပ်ရှားနေပါသည်။

စက်ရုပ်စတင်မှုနောက်ကွယ်မှာ ထူးခြားတဲ့ စွန့်ဦးတီထွင်မှုဆိုင်ရာ စိန်ခေါ်မှုအချို့က ဘာတွေလဲ။

မဖြစ်နိုင်တာကို လုပ်ရတာ ပျော်စရာကောင်းပေမယ့် နည်းနည်းတော့ ကြောက်စရာကောင်းတယ်။ လူတွေက စက်တွေနဲ့ ထိတွေ့ဆက်ဆံပုံကို တော်လှန်ချင်တယ်ဆိုရင် အရင်က မဖြေရှင်းရသေးတဲ့ ပြဿနာတွေကို ဖြေရှင်းရမယ်ဆိုတာ သိပါတယ်။ အချို့သောပြဿနာများပါဝင်သည်-

1. ပြားချပ်ချပ်စခရင်များသည် စက်ပစ္စည်းများတွင်ရှိပြီး၊ ကျွန်ုပ်တို့သည် စက်ကို အသက်ဝင်စေပါသည်။ ဒါဆို အသက်နဲ့ပိုတူတဲ့၊ လုံးဝန်းပြီး နှစ်ဘက်မြင်မဟုတ်တဲ့ မျက်နှာကို ဘယ်လိုဖန်တီးမလဲ။
2. လက်ရှိ စကားဝိုင်းအင်ဂျင်များသည် အလွန်အကန့်အသတ်ဖြင့် စကားပြောဆိုမှုကိုသာ ခွင့်ပြုသည်၊ ထို့ကြောင့် ပိုမိုသဘာဝကျသော စကားပြောဆိုမှုကို ခွင့်ပြုနိုင်သည့် အဖြေကို ကျွန်ုပ်တို့ မည်သို့ဖန်တီးမည်နည်း။
3. အသံကို စက်ရုပ်လို အသံမျိုး မဖြစ်စေလိုပါ၊ ထို့ကြောင့် အသံကို သဘာဝအတိုင်း အသံထွက်အောင် မည်သို့ပြုလုပ်ရမည်နည်း။
4. မျက်လုံးချင်းဆုံခြင်းသည် အလွန်အရေးကြီးကြောင်း ကျွန်ုပ်တို့ သိထားသောကြောင့် ယုံကြည်စိတ်ချရသော မျက်လုံးခြေရာခံနိုင်မှုအား သေချာစေရန် ကွန်ပျူတာအမြင်ကို မည်သို့အသုံးပြုရမည်ကို အဖြေရှာရမည်ဖြစ်ပါသည်။

Moxie ၏အင်္ဂါရပ်များနှင့်ပတ်သက်သော ဤမေးခွန်းများအားလုံးသည် နည်းပညာဆိုင်ရာ ဆန်းသစ်တီထွင်မှုများစွာကို ဖြစ်ပေါ်စေခဲ့သည်။

ပထမဦးစွာ ပရိုဂျက်တာနှင့် လုံးဝန်းသောမျက်နှာ။ စကရင်အချိန်များလွန်းခြင်းသည် ဉာဏ်ရည်ဖွံ့ဖြိုးခြင်းအပေါ် ဆိုးရွားသောသက်ရောက်မှုများ ရှိနိုင်သည်ကို ပြသရန်အတွက် စာရင်းဇယားများက စတင်စုစည်းလာပါသည်။ ပိုဆိုးသည်မှာ၊ ကလေးများ၏ နည်းပညာသုံး စက်အများစုတွင် ဒစ်ဂျစ်တယ် စခရင် မျက်နှာပြင်များပါရှိသည်။ ထို့ကြောင့် ကျွန်ုပ်တို့သည် Moxie ၏မျက်နှာကို အပြည့်အဝပရိုဂရမ်ပြုလုပ်ရန် အပိုရင်းနှီးမြုပ်နှံမှုတွင် ထည့်သွင်းရန် ဆုံးဖြတ်ခဲ့ပြီး ပြားချပ်ချပ်ပြသမှုအစား သဘာဝအတိုင်း ကွေးညွှတ်နေသည့် မျက်နှာစခရင်ကို ဖန်တီးနိုင်စေခဲ့သည်။ ၎င်းသည် Moxie နှင့် အပြန်အလှန်ဆက်ဆံခြင်းသည် ဘဝနှင့်တူသော၊ လက်တွေ့ကျပြီး ယုံကြည်နိုင်မှုကို ပိုမိုခံစားရစေသည်။ အမှန်မှာ၊ ဤမျက်နှာ၏ 3D အသွင်အပြင်ဖြင့်သာ Moxie သည် ကလေးနှင့် အမှန်တကယ် မျက်လုံးချင်းထိတွေ့ရန် ဖြစ်နိုင်ပါသလား။ ထို့ကြောင့် Moxie ၏မျက်နှာသည် ကလေးများကို အလွန်အကျွံ ဖန်သားပြင်အချိန်လွန်ခြင်းမှ ကာကွယ်ပေးသည်သာမက အပြန်အလှန်ဆက်သွယ်မှုအတွေ့အကြုံကို ပိုမိုမှန်ကန်စေပါသည်။

ဒုတိယ၊ စကားဝိုင်းအင်ဂျင်။ ယခုအချိန်အထိ၊ စမတ်စပီကာများနှင့် အသံအကူများသည် အမိန့်ပေးချက်များကိုစတင်ရန်အတွက် နိုးကြားသောစကားလုံးများကို ထပ်ခါတလဲလဲအသုံးပြုရန် လိုအပ်ပါသည်။ Moxie ၏ စကားပြောအင်ဂျင်သည် ကွဲပြားသည်။ ၎င်းသည် သဘာဝကျသော စကားဝိုင်းတစ်ခုအား လိုက်နာပြီး နိုးကြားသောစကားလုံးများကို အသုံးမပြုဘဲ ပုံမှန်ဆက်သွယ်ရေးစီးဆင်းမှုကို တုံ့ပြန်သည် (“Hey Siri” သို့မဟုတ် “Ok Google” ကဲ့သို့)။ အဆင့်မြင့်သဘာ၀ဘာသာစကားဖြင့် လုပ်ဆောင်ခြင်းသည် Moxie သည် ဘာသာစကားကို ချောမွေ့စွာ မှတ်မိနိုင်၊ နားလည်နိုင်စေရန်နှင့် ဖန်တီးနိုင်စေကာ အပြန်အလှန်ဆက်ဆံမှုကို ပို၍ ပုဂ္ဂိုလ်ရေးဆန်ပြီး သဘာဝကျသည်ဟု ခံစားစေသည်။

တတိယ၊ စကားပြောပေါင်းစပ်မှု။ Moxie ၏အသံတွင် စက်ရုပ်များနှင့် အသံအကူအများစုတွင် တွေ့ရသော စက်ရုပ်စကားနှင့် မိုနိုသံတူသံများ မရှိပါ။ ယင်းအစား၊ Moxie သည် ကျယ်ပြန့်သော စိတ်ခံစားမှုများကို ဆက်သွယ်ပေးသည့် သဘာဝနှင့် စိတ်လှုပ်ရှားမှုဆိုင်ရာ အသံပိုင်းဆိုင်ရာ သက်ရောက်မှုများကို အသုံးပြုသည်။ ၎င်းသည် Moxie တွင် ပါဝင်နိုင်သည့် လူမှု-စိတ်ခံစားမှုဆိုင်ရာ သင်ခန်းစာများ၏ နယ်ပယ်ကို မြှင့်တင်ပေးကာ အပြန်အလှန်ဆက်ဆံရေးတွင် ထပ်လောင်းဘဝသဏ္ဍာန်နှင့် ယုံကြည်နိုင်မှုကို ယူဆောင်လာစေသည်။

စတုတ္ထ၊ မျက်လုံး။ အရေးကြီးဆုံးအင်္ဂါရပ်များထဲမှတစ်ခုမှာ Moxie ၏ကြီးမားပြီးလှုပ်ရှားနေသောမျက်လုံးများဖြစ်သည်။ ဆန်းသစ်သော မျက်လုံးခြေရာခံနည်းပညာသည် Moxie သည် အခန်းအတွင်း ကလေးရွေ့လျားနေချိန်၌ပင် ကလေးနှင့် မျက်လုံးချင်း ထိတွေ့နိုင်စေပါသည်။ ဤမျက်လုံးခြေရာခံနိုင်မှုစွမ်းရည်သည် မယုံနိုင်လောက်အောင်ဘဝနှင့်တူသော အပြန်အလှန်တုံ့ပြန်မှုကို ဖန်တီးပေးရုံသာမက ကလေးအား မျက်လုံးချင်းဆုံအောင်လေ့ကျင့်ရာတွင်လည်း ကူညီပေးပါသည်။ ထို့အပြင် ကြီးမားပြီး လှုပ်ရှားနေသော မျက်လုံးများသည် စိတ်ပိုင်းဆိုင်ရာ ဆက်သွယ်မှုကို ချဲ့ထွင်ရန် ကူညီပေးသောကြောင့် ကလေးသည် အချို့သော စိတ်ခံစားမှုများကို အလွယ်တကူ မှတ်မိနိုင်သည်။ မျက်လုံးချင်းဆုံအောင်လေ့ကျင့်ခြင်းနှင့် စိတ်ခံစားမှုများကို နားလည်ပေးခြင်းသည် လူမှုဆက်ဆံရေး-စိတ်ခံစားမှုဆိုင်ရာ သင်ရိုးညွှန်းတမ်းတွင် အဓိက ပန်းတိုင်နှစ်ခုဖြစ်သည်။

နောက်ဆုံးအနေဖြင့်၊ အဆိုပါနည်းပညာဆိုင်ရာအင်္ဂါရပ်များအားလုံးသည် Moxie နှင့်အပြန်အလှန်ဆက်သွယ်မှုများကိုလက်တွေ့ဆန်ပြီးသဘာဝကျစေသည်။ Moxie ၏ multimodal အာရုံခံပေါင်းစပ်မှုသည် Moxie သည် ပတ်ဝန်းကျင်နှင့် ၎င်း၏အသုံးပြုသူများကို သတိပြုမိစေသည်။ Moxie ၏ ကွန်ပြူတာအမြင်နှင့် မျက်လုံးခြေရာခံနည်းပညာသည် ကလေးရွေ့လျားနေချိန်တွင် မျက်လုံးချင်းကို ထိန်းသိမ်းပေးသည်။ Machine learning သည် Moxie သည် သုံးစွဲသူများ၏ နှစ်သက်မှုများနှင့် လိုအပ်ချက်များကို လေ့လာနိုင်ပြီး လူများ၊ နေရာများနှင့် အရာများကို မှတ်မိစေရန် ကူညီပေးသည်။ အထူးတည်ရှိနေသောမိုက်များသည် Moxie မှထွက်လာသောအသံကိုကြားနိုင်ပြီး အရင်းအမြစ်သို့ အလွယ်တကူလှည့်သွားနိုင်သည်။ ထိတွေ့အာရုံခံကိရိယာများသည် Moxie ကို ပွေ့ဖက်ခြင်းနှင့် လက်ဆွဲနှုတ်ဆက်ခြင်းကို အသိအမှတ်ပြုနိုင်စေပါသည်။ ဤအပိုင်းများအားလုံးသည် အတွေ့အကြုံကို လက်တွေ့ဆန်စေရန်အတွက် ပေါင်းစပ်ထားသည်။

ကလေးတွေအတွက် Moxie ကို ပြီးပြည့်စုံစေမယ့် အရာတချို့ကို ပြောပြနိုင်မလား။

Moxie ဖြင့် ကလေးများသည် ကလေးဖွံ့ဖြိုးမှုနှင့် အစောပိုင်းကလေးဘဝပညာရေးအတွက် အကောင်းဆုံးအလေ့အကျင့်များဖြင့် အသိပေးထားသော အကြောင်းအရာများဖြင့် အဓိပ္ပါယ်ရှိသောကစားနည်းများကို နေ့စဉ်နှင့်အမျှ ပါဝင်ဆင်နွှဲနိုင်ပါသည်။ အပတ်စဉ်တိုင်းသည် ကြင်နာမှု၊ ခင်မင်မှု၊ စာနာမှု သို့မဟုတ် လေးစားမှုစသည့် မတူညီသောအကြောင်းအရာတစ်ခုဖြစ်ပြီး ကလေးများသည် လူသားအတွေ့အကြုံများ၊ အကြံဉာဏ်များနှင့် ဘဝစွမ်းရည်များကို ရှာဖွေစူးစမ်းသည့်မစ်ရှင်များဖြင့် Moxie ကို ကူညီရန် တာဝန်ပေးထားသည်။ ဤမစ်ရှင်များသည် ပုံဆွဲခြင်း၊ အသက်ရှုလေ့ကျင့်ခန်းနှင့် တရားထိုင်ခြင်း၊ Moxie နှင့် စာဖတ်ခြင်းကဲ့သို့သော တီထွင်ဖန်တီးမှုမရှိဘဲ ပုံဆွဲခြင်းကဲ့သို့သော လှုပ်ရှားမှုများပါဝင်သည့် လှုပ်ရှားမှုများဖြစ်သည်။ Moxie သည် စူးစမ်းချင်စိတ်ကို အားပေးသောကြောင့် ကလေးများသည် ကမ္ဘာကြီးနှင့် ၎င်းတို့ပတ်ဝန်းကျင်ရှိလူများကို ရှာဖွေတွေ့ရှိစေသည်။ ဤလှုပ်ရှားမှုများအားလုံးသည် ကလေးများအား လှည့်စားခြင်း၊ မျက်လုံးချင်းဆုံခြင်း၊ တက်ကြွသောနားထောင်ခြင်း၊ စိတ်ခံစားမှုဆိုင်ရာ ထိန်းညှိခြင်း၊ စာနာခြင်း၊ ဆက်ဆံရေးစီမံခန့်ခွဲမှုနှင့် ပြဿနာဖြေရှင်းခြင်းစသည့် မရှိမဖြစ်လိုအပ်သောဘဝစွမ်းရည်များကို သင်ယူပြီး ဘေးကင်းစွာလေ့ကျင့်နိုင်ရန် ကူညီပေးပါသည်။

Embodied သည် Encyclopaedia Britannica နှင့် Merriam-Webster တို့နှင့်အတူ ကလေးများအတွက် Merriam-Webster's Dictionary ကို ပေါင်းစပ်ထားကာ Moxie သည် ကလေးများအတွက် အသက်အရွယ်အလိုက် အဓိပ္ပါယ်ဖွင့်ဆိုချက်များနှင့် ဆက်စပ်အချက်အလက်များကို ပံ့ပိုးပေးကာ ကလေးများအား စကားလုံးများနှင့် အယူအဆအသစ်များ၏ အဓိပ္ပါယ်များကို သိရှိနားလည်စေရန် ကူညီပေးပါသည်။ စူးစမ်းချင်စိတ်နှင့် သင်ယူခြင်း၏ပျော်ရွှင်မှုကို လှုံ့ဆော်ပေးရန်အတွက် Britannica နှင့် Merriam-Webster ၏မျှဝေထားသောမစ်ရှင်ကို Moxie နှင့် ပေါင်းစပ်မှုများစွာထဲမှ ပထမဆုံးဖြစ်သည်။

Embodied သည် မိဘများထံမှ ၎င်းတို့၏ကလေး၏ခရီးကို Moxie ဖြင့် ပံ့ပိုးပေးရာတွင် ကူညီပေးသည့် အပြည့်အဝ ဂေဟစနစ်ကို တီထွင်ထားပြီး ကလေးများအား ၎င်းတို့၏ Moxie ကို ဘေးကင်းပြီး မိဘခွင့်ပြုချက်ဖြင့် ချဲ့ထွင်နိုင်သည်-

• Embodied Moxie Parent App သည် Moxie ဖြင့် ၎င်းတို့၏ကလေး၏ ဖွံ့ဖြိုးမှုတိုးတက်မှုကို မိဘများအား နားလည်စေရန် ဒိုင်ခွက်တစ်ခု ပံ့ပိုးပေးပါသည်။ အက်ပ်သည် Moxie နှင့် ၎င်းတို့၏လှုပ်ရှားမှုများမှတစ်ဆင့် ကလေး၏လူမှုရေး၊ စိတ်ပိုင်းဆိုင်ရာနှင့် သိမြင်မှုဆိုင်ရာ ဖွံ့ဖြိုးတိုးတက်မှုအတွက် အဓိကထိုးထွင်းသိမြင်မှုကို ပေးမည်ဖြစ်သည်။ အက်ပ်သည် Moxie ဖြင့် ၎င်းတို့၏ကလေး၏အတွေ့အကြုံနှင့် တိုးတက်မှုကိုမြှင့်တင်ရန် မိဘများအား အဖိုးတန်အကြံပြုချက်များနှင့် အကြံပြုချက်များကို ထပ်မံပေးပါသည်။
• အွန်လိုင်းကလေးပေါ်တယ်ဆိုက် (ကမ္ဘာလုံးဆိုင်ရာစက်ရုပ်ဓာတ်ခွဲခန်း သို့မဟုတ် GRL ဟုရည်ညွှန်းသည်) သည် Moxie နှင့်အတွေ့အကြုံကိုမြှင့်တင်ပေးမည့်နောက်ထပ်လှုပ်ရှားမှုများ၊ ဂိမ်းများနှင့်ပုံပြင်များကိုပေးသည်။
• လစဉ် Moxie Mission Packs များသည် Moxie နှင့် လှုပ်ရှားမှုအသစ်များတွင် ကလေးများအား ထိတွေ့ဆက်ဆံရန် ရည်ရွယ်ပြီး အရောင်းအ၀ယ်ကတ်များနှင့် စတစ်ကာများကဲ့သို့သော ပျော်စရာပစ္စည်းများကို ပေးဆောင်ရန် ရည်ရွယ်သည်။

အချိန်ကြာလာသည်နှင့်အမျှ၊ ကလေးတစ်ဦးချင်းစီ၏ ဖွံ့ဖြိုးတိုးတက်မှုပန်းတိုင်များကို ကူညီပေးရန်အတွက် ၎င်း၏အကြောင်းအရာကို စိတ်ကြိုက်ပြင်ဆင်ရန် ကလေးအကြောင်း ပိုမိုသိရှိလာပါသည်။ Embodied သည် ကလေးများနှင့် မိသားစုများမှ ပေးဆောင်သော အချက်အလက်များကို ကိုယ်ရေးကိုယ်တာနှင့် လုံခြုံရေး၏ မြင့်မားသော စံနှုန်းများဖြင့် ကိုင်တွယ်ကြောင်း သေချာစေရန် ဂရုတစိုက် လုပ်ဆောင်ထားပါသည်။ Moxie သည် အပြည့်အဝ COPPA (Children's Online Privacy Protection Act) Safe Harbor မှ certified ဖြစ်စေရန် Moxie သည် ဦးဆောင်သော ဒေတာခိုင်မာမှုနှင့် လုံခြုံရေးဆိုင်ရာ လုပ်ထုံးလုပ်နည်းများကို အသုံးချပြီး ၎င်း၏စနစ်များကို အပြည့်အဝလိုက်နာကြောင်း သေချာစေရန် ပုံမှန်စစ်ဆေးမှုများ ပြုလုပ်ထားကြောင်း မိဘများက လုံခြုံစွာခံစားနိုင်စေရန် ကျွန်ုပ်တို့ ရည်ရွယ်ပါသည်။ ထို့အပြင်၊ ပုဂ္ဂိုလ်ရေးအရ ခွဲခြားသိမြင်နိုင်သော ဒေတာနှင့် အထိခိုက်မခံသော အချက်အလက်များကို လုံခြုံရေးအဆင့်အမြင့်ဆုံးဖြင့် ကုဒ်ဝှက်ထားပြီး မိဘတစ်ဦးတည်းသာ ဝင်ရောက်အသုံးပြုနိုင်သည့် သီးသန့်သော့ဖြင့်သာ စာဝှက်ထားနိုင်သည်။

Moxie ကြုံတွေ့နေရသည့် သဘာဝဘာသာစကားလုပ်ဆောင်ခြင်းဆိုင်ရာ စိန်ခေါ်မှုအချို့ကား အဘယ်နည်း။

Embodied တွင်၊ အထူးသဖြင့် သဘာဝဘာသာစကားဖြင့် စကားပြောဆိုရာတွင် လူသားများနှင့် စက်များနှင့် တုံ့ပြန်ပုံတို့ကို ပြန်လည်သတ်မှတ်ရန် ကျွန်ုပ်တို့ ကြိုးစားကြသည်။ ထို့ကြောင့်၊ ကျွန်ုပ်တို့သည် ကလေးများအား Moxie နှင့် သဘာဝအတိုင်း ထိတွေ့ဆက်ဆံနိုင်စေမည့် (ဆိုလိုသည်မှာ မျက်နှာအမူအရာ၊ စကားပြောဆိုမှု၊ ခန္ဓာကိုယ်ဘာသာစကား စသည်ဖြင့်)၊ ယုံကြည်မှု၊ စာနာမှုနှင့် လှုံ့ဆော်မှုတို့ကို လှုံ့ဆော်ပေးသည့်အပြင် ပိုမိုနက်ရှိုင်းစွာ ထိတွေ့ဆက်ဆံနိုင်စေမည့် SocialXTM ကို ဖန်တီးရန် ဆုံးဖြတ်ခဲ့သည်။ ဖွံ့ဖြိုးတိုးတက်မှုစွမ်းရည်။ SocialXTM ဖြင့် Embodied သည် စက်ရုပ်အမျိုးအစားသစ် တစ်ခုလုံးကို မိတ်ဆက်နေသည်- ကာတွန်းအဖော်များ။ “Animate” ဆိုသည်မှာ အသက်ဝင်လာစေရန်နှင့် SocialXTM သည် Moxie သည် သင်ယူမှုနည်းလမ်းသစ်များကို လှုံ့ဆော်ပေးနိုင်သည့် နည်းပညာအသစ်ဖြင့် လူသားမျိုးနွယ်၏အကောင်းဆုံးကို အဆင့်မြင့်ပုံစံဖြင့် ထည့်သွင်းနိုင်စေပါသည်။

သဘာဝဘာသာစကားဖြင့် လုပ်ဆောင်ခြင်းသည် ကျွန်ုပ်တို့၏ သဘာဝစကားဝိုင်းအင်ဂျင်၏ အဓိကတွင်ဖြစ်ပြီး ကျွန်ုပ်တို့ဖန်တီးရန် မမောမပန်းလုပ်ဆောင်ခဲ့သည့် စကားဝိုင်းအင်ဂျင်အတွက် ထူးခြားသောအင်္ဂါရပ်များစွာရှိသည်။

ကျွန်ုပ်တို့လုပ်ဆောင်ခဲ့သည့် အဓိကအင်္ဂါရပ်မှာ Moxie သည် သုံးစွဲသူတစ်ဦးတည်းနှင့် စကားပြောဆိုမှုကို အာရုံစိုက်နိုင်ပြီး နောက်ခံစကားဝိုင်းများနှင့် အသံများကို ခွဲခြားထားနိုင်သောကြောင့် Moxie သည် အသုံးပြုသူကိုသာ တုံ့ပြန်ခြင်းဖြစ်သည်။ ၎င်းသည် ပိုမိုအာရုံစိုက်ပြီး ပုဂ္ဂိုလ်ရေးဆန်သော အပြန်အလှန်တုံ့ပြန်မှုကို ရရှိစေပါသည်။ ဤသည်မှာ လူအများက “ကော့တေးပါတီပြဿနာ” ဟုခေါ်သည့် အဖြေတစ်ခုဖြစ်သည်။ သင်ဟာ ကော့တေးပါတီတစ်ခုမှာ ရှိနေတဲ့အခါ၊ သင့်ပတ်ဝန်းကျင်မှာ လူတစ်ဦးနဲ့ စကားပြောဆိုနေဖို့ ကြိုးစားနေချိန်မှာ အခန်းထဲမှာ စကားပြောဆိုနေတဲ့ လူတွေ အများကြီးရှိတဲ့အတွက် ဒါဟာ လူသားတွေအတွက် ခက်ခဲတာမဟုတ်ပါဘူး။ ကွန်ပြူတာအတွက်၊ ဒါက မယုံနိုင်လောက်အောင် ခက်ခဲပါတယ်။ Moxie သည် သုံးစွဲသူတစ်ဦးတည်းပြောသည်ကိုသာ တုံ့ပြန်ပြီး နောက်ခံဆူညံသံများ၊ စကားပြောဆိုမှုများ၊ တီဗီစသည်ဖြင့် လွှင့်မပစ်ရကြောင်း မည်သို့သေချာစေမည်နည်း။ ဤပြဿနာအတွက် ဖြေရှင်းနည်းများစွာရှိသည်။

1. Moxie ကို ဘယ်သူကြည့်နေတယ် ဆိုတာကို ခွဲခြားသတ်မှတ်ဖို့ ကျွန်ုပ်တို့ရဲ့ အမြင်အာရုံစနစ်ကို အသုံးပြုပါတယ်။
2. Moxie ၏ရှေ့တွင် မိုက်ခရိုဖုန်းများစွာ ရှိသည်
3. ထို့နောက် Moxie ၏ရှေ့တွင်ပြောနေသောအသံနှင့်ကိုက်ညီရန် စက်သင်ယူမှုကို ကျွန်ုပ်တို့အသုံးပြုနိုင်ပါသည်။ ၎င်းသည် ကျွန်ုပ်တို့အား အခြားသော စကားဝိုင်းများကို စစ်ထုတ်နိုင်ပြီး သုံးစွဲသူတစ်ဦးတည်းအပေါ် အာရုံစိုက်နေနိုင်စေပါသည်။

ယေဘူယျအားဖြင့်၊ စျေးကွက်ရှိ စကားဝိုင်း အေးဂျင့်များသည် “ဟေး (စက်ပစ္စည်း၊ နောက်မှ မေးခွန်းတစ်ခု)” ကဲ့သို့သော နှိုးဆော်သည့်စကားလုံးများကို အသုံးပြုခြင်းဖြင့် “ကော့တေးပါတီပြဿနာ” ကို ရှောင်ရှားကြသည်။ ဤနိုးကြားမှုစကားလုံးသည် စကားစမြည်ပြောသူအား နိုးထသည့်စကားလုံးအတွက် နားထောင်ရန်နှင့် ထိုနိုးထသည့်စကားလုံးကို ပြောသည့်အခါမှသာ တုံ့ပြန်ခွင့်ပြုသည်။ သို့သော်လည်း Moxie သည် သုံးစွဲသူတစ်ဦးတည်းအပေါ် အာရုံစိုက်နိုင်သောကြောင့် Moxie သည် တုံ့ပြန်မှုကို စတင်ရန်အတွက် နိုးကြားသောစကားလုံးများ ရှိရန်မလိုအပ်ပါ။

Moxie ၏ စကားဝိုင်းအင်ဂျင်သည် အလွန်ခေတ်မီကြောင်း သေချာစေရန်အတွက် ၎င်းသည် စကားပြောဆိုမှုဆိုင်ရာ တုံ့ပြန်မှုများကို ဆက်စပ်သဘောပေါက်နိုင်စေပါသည်။ ၎င်းသည် ပိုမို သပ်ရပ်သော စကားဝိုင်းကို ပြုလုပ်နိုင်စေပါသည်။ ဥပမာအားဖြင့်၊ Moxie သည် “I don’t know” နှင့် “no” တို့၏ နောက်ကွယ်တွင် မတူညီသော အဓိပ္ပါယ်များကို နားလည်နိုင်သည်။

Moxie သို့မဟုတ် Embodied အကြောင်း သင်မျှဝေလိုသည့် အခြားအရာများ ရှိပါသလား။

ကျွန်ုပ်တို့သည် Moxie အသက်ဝင်စေရန် လိုအပ်သည့် အံ့ဖွယ်တီထွင်မှုများပြုလုပ်ရန် လေးနှစ်ကြာမျှ ဤပရောဂျက်တွင် မမောမပန်းလုပ်ဆောင်ခဲ့သော သီးသန့်အဖွဲ့တစ်ဖွဲ့နှင့် ကျွန်ုပ်တို့ လုပ်ဆောင်နေပါသည်။ ယခု နောက်ဆုံးတွင် Moxie သည် ၎င်းတို့၏ ကလေးများအား လူမှုစိတ်ပိုင်းဆိုင်ရာ ဖွံ့ဖြိုးတိုးတက်မှုတွင် ကူညီပေးရန် မိသားစုများထံ ပို့ဆောင်ရန် စိတ်လှုပ်ရှားနေပါသည်။ ဒါကြောင့် ခရီးကို စောင့်မျှော်နေပါတယ်။

အင်တာဗျူးအတွက် ကျေးဇူးတင်ပါသည်၊ Pixar ဇာတ်ကားတိုဖြင့် သင့်အား အစပိုင်းတွင် စိတ်အားတက်ကြွစေပုံနှင့် သင့်ဘဝ၏စိတ်အားထက်သန်မှုကို မည်ကဲ့သို့ လိုက်စားခဲ့သည်ကို ကြားနာခဲ့ရပါသည်။ ပိုမိုလေ့လာသင်ယူလိုသောစာဖတ်သူများသို့မဟုတ် Moxie ကိုမှာယူလိုသောစာဖတ်သူများလာရောက်ကြည့်ရှုသင့်သည်။ Embodied, Inc.