ဒီက အထူးစာပေမေးလွှာ ဖြစ်ပြီး 2025 တွင် အလားအလာရှိသောအကြောင်းအဝင်များနှင့် ဆက်စပ်သည့်မေးခွန်းများအပါအဝင်ဖြစ်သည်။ မေးခွန်းများ ပို့ပေးသောအထဲမှ လက်ခံခြင်းကို ကျေးဇူးတင်ပါသည်။ **အလုပ်ရေးအတွက် အနာဂတ်နှင့် AI:** ရရှိသောအလုပ်များ ပြောင်းလဲခြင်းကို AI ကြောင့် ထရွေငြာထားသော ဒရာမာနှင့် ဆုန်လောင်စောင်လောင်း ရှိမှုရှိသော်လည်း AI လေ့လာသော လူကြီးများက အလုပ်ထပ်ဖျောက်မှုများ ရှိနိုင်ခြေရှိသည်ကို လက်ခံပြီး နှစ်အပေါင်းရတနာများ အတည်ရှိကြောင်း ယုံကြည်ကြသည်။ CEO တချို့က AI ကိုပိုက်ဆံ အနည်းငယ်ကျပြီး GDP တိုးတက်ရန် အထွေထွေရိုးရန် ဖျော်ဖြေရန် အစီဆောင်းဖွယ်အမြင်ရှိသည်။ အလုပ်ဆုံးရှုံးမှုများကို Sam Altman ကရှာဖွေရေးလုပ်နေသော Universal Basic Income လို အကြံအစည်များဖြင့် ထိန်းချုပ်နိုင်သော်လည်း AGI လာမည်ကိုတော့ မကြာသေးခင်တွင် ကောင်းကင်တွင်၏ အစီအစဉ်များကိုနေပြုသည်။ **AI မော်ဒယ်အဆင့်မြင့်မှု:** AI မော်ဒယ်များ၏ ဖြစ်စဉ်ကို တိုးတက်အားကောင်းစေသည်။ ChatGPT ၏ o1 pro mode အသုံးပြုနေသူများက အသိအမြင်များကိုကြည့်ကြည့်ချင်သည်၊ အတူတူတစ်ဦးအချို့က ကျနော်လိုမျိုး AI တွေ့ဆုံမှုများထက် မဟုတ်သည်။ အားလုံးတစ်ဦးအားလုံးမဟုတ်သည်။ ၎င်းတို့စွမ်းဆောင်နိုင်မှုများအားသုံးစွဲနိုင်မည့်အကြောင်းမှန်ကန်မှုများပါရှိသော်လည်း၊ 2025 အထိ၎င်းတိုးချဲ့ကောင်းမှုများကို စွမ်းဆောင်ဖို့လည်း ပစားနိုင်ပါသည်။ မော်ဒယ်များနှင့် သင်ယူမှုကို အောင်မြင်မှုနည်းလမ်းဖြင့် ပြသရန် လိုအပ်သည်။ **Snap ၏ အလားအလာ:** Snap သည် လုပ်ငန်းအမြင်နှေးနေသော်လည်း ၎င်း၏ app တိုးချဲ့သည်။ ၎င်း၏ ဝင်ငွေရရှိမှု Meta တွင် ယှဉ်ပြိုင်ခြင်းခဲသောကြောင့် Wall Street ၏ ဗဟိုပန့်ခံမှုကိုထိခိုက်သည်။ ၎င်းပြဋ္ဈာန်းနှင့် အဘယ့်ကိုဆိုရမည် TikTok အတွက် အမေရိကန်အခွင့်အရေးရှိမှုများနှင့် ပြန်လည်ဆောင်ရန္အားကောင်းစွယ်ရွယ်နှင့်တကွထွေရာမရှိသည်။ CEO Evan Spiegel ၏ Spectacles စတဲ့ hardware ရိုးမှတ်ရှိမှုကို ယုံကြည်ချက်ရှိသည်။ **Meta ၏ ဖန်လှှာထုတ်လုပ်မှု:** Meta သည် ၎င်း၏ Hypernova ဟုခေါ်သော မျက်မှန်ကို ထုတ်လုပ်ရန် စီစဉ်ထားသည်။ ၎င်းတို့တည်ရှိမှုကို မှန်ကန်သော အနက်အသက်ဖြင့် ဖော်ဆောင်ထားပါသည်။ ဓာတ်ဗီဇ Neural Wristband သည် ကွန်ရက်မှူးသော ၎င်းတို့နှင့ အထူးခြားဆုံးဖြစ်မှုကို ယူနိုင်သည်။ Meta ၏ လိပ်ပြာရောင်ရိုင်းစိမ်းသောစွမ်းဆောင်မှုတိုးမြှင့်ထားသော Smartwatch လည်း ဖန်တီးထားပါသည်။ **TikTok ၏ အခြေအနေ:** TikTok ၏ ByteDance မှ အင်္ဂါယာမြတ်ခြင်းအား သုံးစွဲနိုင်ရန် အခြား ၂ဝ၂ဝ TikTok Global အနီးအပြင်လှည့်ဖျင့်ကိုဆီဆိုင်မှတ်ပါ၏။ အမေရိကန်တွေ့ဆုံမှု਽အတူ Oracle ကိုကူးပြောင်းဖြစ်မှု လုပ်တည်ထားပါသည်။ **Google ၏ အလားအလာ:** Google ၏ အနာဂါတ်ကိုပြန့်ပွားခြင်းတွင် ကျွန်ုပ်ယုံကြည်မှုရှိပါသေးသည်။ Sundar Pichai ၏ Gemini စွမ်းဖွံ့နေရန်ကြိုးပမ်းမှု ပြည့်မီစေရန် အခွင့်အရေးများကိုလည်းယုံကြည်ထားသည်။ Waymo ၏ ပေါင်းဖျော်သပီြ Lito Headယုံကြည်မှုမရှိကြောင်း ယူနိုင်ပါသည်။ **စာအုပ်အကြံပြုချက်:** မှတ်စုများ၏ပုံဖျားနိုင်စွမ်းအားရွိရာ *The Biggest Bluff* တို့မှအထူး ၄ဝ၆နံပြသထားခြင်းနှင့် Maria Konnikova မှ Poker ဆိုတဲ့အကြောင်းကိုရေပူထားသည်။ ၎င်းပညာရပ်များကိုအချက်အတောင်မြွင့်စွာဖော်ပြထားသည်။

Metaသည် TikTok နှင့် Snapchat တို့နှင့် ယှဉ်ပြိုင်မှုတွင် လူငယ်ပရိသတ်များကို ဆွဲဆောင်ရန် ဇာတ်ကောင်ဖန်တီးမှု အထူးသဖြင့် AI ကိရိယာများ ကို စတင်မိတ်ဆက်ချိန်တွင် AI မူပိုင်အကောင့်များကို Instagram နှင့် Facebook ပေါ်တွင် ထည့်သွင်းမပြောမဆိုကြောင်း ကြေညာခဲ့သည်။ ဤ AI အကျော်ကြားများထဲတွင် Rubén Cruz မှ ဖန်တီးထားသော အပြစ်မဲ့နမယ်သရုပ်ဆောင် Aitana Lopez ပါရှိသည်။ အပြစ်မဲ့သူဟု သတ်မှတ်ရသော်လည်း တံဆက်ကျပ်တွင် ကြော်ငြာများမှ ဝင်ငွေ ရရှိသည်။ အမည်မဖေါ်လိုသူ ဖန်တီးသူတစ်ဦးဖြင့် ဖန်တီးထားသော Kimochii သည် နောက်တစ်ဦး ဥပမာတစ်ခုဖြစ်ပြီး နောက်လိုက်များနှင့် အပြန်အလှန်ပြောဆိုမှုကို သက်ခံကတိပြုသူဟု ဖေါ်ပြသည်။ လုပ်ငန်းရှင် Jenny Dearing ၏ ကုမ္ပဏီ 1337သည် အသုံးပြုသူများကို AI ဖြင့် အပြန်အလှန်ပြောဆိုမှုများတွင် ပါဝင်စေပြီး AI အကျော်ကြားများ၏ လှုပ်ရှားမှုများကို ဦးဆောင်ခွင့်ပြုပေးသည်။ Meta ၏ AI ဇာတ်ကောင်ကိရိယာသည် အစောပိုင်းမှ အပိတ်အကောင့်ရာရာများကို ဖန်တီးပြီးသားဖြစ်သည်။ ဒေသနယ်များတွင်, TikTok သည် Arcads

သိပ္မကြာခင်က ကုန်ရှိသည့် လုပ်ငန်းကိုဖြတ်ကျော်နိုင်သော လုံခြုံရေးထား သေးသော ဂြိုဟ်မှတ္ပုံတင်စနစ်သစ်တစ်ခုကို စူးစမ်းမှုတွေ亚洲精品လိုက် ကြောင်းစစ်သည်များမှ ဖော်ပြခဲ့ကြသည်။“Bad Likert Judge”ဟုအမည်ပေးသော ဤမျိုးစုံတိုက်ဖျက်စစ်ဆင်ရေးကို Palo Alto Networks Unit 42 ၏ စူးစမ်းမှုနဲ့ တွေ့ရှိသူများမှာ Yongzhe Huang, Yang Ji, Wenjun Hu, Jay Chen, Akshata Rao, နဲ့ Danny Tsechansky တို့ ဖြစ်သည်။ ဤနည်းလမ်းသည် LLM ကို တာဝန်ခံတရားသူကြီးအဖြစ် ပြုရန် ညွှန်ကြားရန်နှင့် Likert စနစ်ကို အသုံးပြုပြီး ဝေဖန်မှုကိုဒါမှ LLM ကို လိုက်ပါတယ်သော လက္ခဏာတိုင်းကို ထုတ်ရန်ခိုင်းသည်ဖြစ်သော အရာပြုမိခြင်န်ရှိသော ပြန်လည်မှုတစ်ခုသည် အပြုံးဖြေတို့ကို ဖွင့်စွင့်ရန် လိုက်နာသူရှိခြင်ဖြစ်သည်။ ကိန်းစိတ်စွမ်းအားတိုးလာထက် နည်းပညာကြောင့် လုံခြုံရေးစိုးထားပေးပိုန်နောက်တွင် ဖြစ်လာသော အန္တရာယ်သစ်များအပါတည်းနေပြီဖြစ်သည်။ ဤတိုက်ခိုက်မှုများသည် စုပေါင်းသီလစိတ်ပိုင်းခြား ဒတ်ာများ၏ တန်ဖိုးဖစ်မှုကို ဟန်ချက်ညီနိုင်သည်ဟု ယူဆသော သီလတရုပ်နှင့် ဖျက်ထားသော ပုံစံမှ ပ်ုံဖွားနိုင်သည်။ Unit 42 ၏ နောက်ဆုံးသရုပ်ပြမှုသည် Likert စနစ်ကို အသုံးပြုပြီး ပြန်လည်မှုမှန်ကန်မှုကိုဆဲးဆဲး လက်ခံရန် LLM ကို ရှိဖို့တရားဖြစ်စေခြင်းနှင့် LLM စံပြစုကို အနက်လက္ခဏာမျက်နှာပြင်ဓာတ်အားမှန်ပြမှုတင်ပြရန်ဖြစ်သည်။ Amazon Web Services, Google, Meta, Microsoft, OpenAI, နဲ့ NVIDIA ကအစိကြီးများ လုံးစုံအားဖြင့် ပြုလုပ်ကြည့်ခြင်းအားဖြင့် ပုံက ကျင့်သော ထိခိုက်မှုကြေးချက်နည်းမှာ ပုံမှားရှိသော ထိခိုက်မှုမူတွေကို ၆၀% ထက်ပိုများ၍များလာသည်ကို တွေ့သည်။ တွေကြားဆုံးထားသည့် အခန်းမှာမားလာစက်တင်ရိုက်ထက် လုံခြည်ရေးမူသည် အတွေ့၀ပ်မှန်ကျင်းတပ်ထားပြန်ခြင်းဖြစ်၏။ Content filters သည် ့ဘိတ်ခင်ရေးဂaccarat အထိမဖြစ်ပါသည်, ဘာသာရေးကို ပံ့မပေးပါဘူး့့္္,ကိုပးသား,ကိုဖိုင်း၍ ထောက်ပံ့မှုမှာ ၈၉

Cerence AI သည် ကားလုပ်ငန်းအတွက် ကလော့ဒီရင်းနှင့် တွဲဖက်သုံးနိုင်သည့် ဗီဇနှစ်သက်မြန်သော ကျမ်းဆိုရသားပုံစံများပါဝင်သော CaLLM™ ဘာသာစကားပုံစံ မိသားစု၏ စွမ်းဆောင်ရည်များကို မြှင့်တင်ရန် NVIDIA နှင့် ပါဝင်ဆောင်ရွက်မှုကို တိုးချဲ့လိုက်ပါသည်။ NVIDIA AI Enterprise ဆော့ဖျဝဲပလက်ဖောင်းကို အထူးသဖြင့် NVIDIA TensorRT-LLM လိုက်ဘရေရးနှင့် NeMo ဖရိမ်းဝရ့်ခ်ကို အသုံးပြု၍ Cerence သည် ဘာသာစကားပုံစံများကို ကားထဲတွင် အမြန်ဆုံး အသုံးချနိုင်စွမ်းနှင့် လုပ်ပိုင်ပိုင်နိုင်မှုကျော်လွန်မှုအတွက် အထူးပြုဉာဏ်တော်လုပ်ငန်းတွေကို ထောက်ပံ့ရန် ရည်ရွယ်သည်။ ဤပါဝင်ဆောင်ရွက်မှုသည် Cerence ကို NVIDIA ၏ နည်းပညာအသုံးပြုခြင်းဖြင့် AI ဖြေရှင်းနည်းများကို မြန်ဆန်စွာ ထုတ်လွှင့်ပြီ်း၊ ကားထဲတွင် ပိုမိုကောင်းမွန်သော ဆက်သွယ်မှုနှင့် သီးသန့်လုံခြုံမှုကို သေချာစေရန် အထောက်အကူပြုပါသည်။ Cerence သည် CaLLM Edge မော်ဒယ်များတွင် NVIDIA NeMo Guardrails နှင့် agentic တွဲဖက်ပုံစံကို ထည့်သွင်းနိင်သဖြင့် ကားထဲ၌ အသုံးပြုသူနှင့် အတွေ့အကြုံကို တိုးတက်စေနိုင်ပါသည်။ Cerence ၏ Nils Schanz က ကားထုတ်လုပ်သူများအတွက် ကုန်ကျစရိတ်နှင့် စွမ်းဆောင်ရည်ကို တိုးတက်အောင်လုပ်သော အကျိုးကျေးဇူးများကို အထူးပြောကြားခဲ့ပြီး၊ မောင်းသူများအတွက် လုံခြုံမှုနှင့် ထုတ်လုပ်မှုကို တိုးတက်စေနိုင်သည်ကို ဖော်ပြလိုက်ပါသည်။ NVIDIA ၏ Rishi Dhall က အကြီးမားသော ဘာသာစကားပုံစံများကို ရှင်းလင်းစွာ ထုတ်လုပ်ရဲအောင်လုပ်ရန်ရှိနေသော အခက်အခဲများကို ဤအပေါင်းစည်းကူညီကာကူသော ပေါင်းချုပ်မှုဖြင့် ကူညီ ကူကေါသည့် စီမံလုပ်ဆောင်နေခြင်းအား ဂုဏ်ယူရသည်ဟု အလေးပေးဖွင့်ဟခဲ့သည်။ Cerence Inc

Instagram ပေါ်မှာ Formula 1 ဗီဒီယိုတွေကြည့်နေတဲ့အချိန်မှာ Sam Altman ကစီးပွားရေးပိုင်ရှင်တွေအတွက် AI ရဲ့အနာဂတ်ကို ဖျော်ဖြေရင်း, တစ်ယောက်တည်းရှိပြီး အဘီလျံဆိုင်တဲ့ကုမ္ပဏီတစ်ခု ဖြစ်လာနိုင်ကြောင်း ခန့်မှန်းပြောခဲ့ပါတယ်။ စာရင်းဝင် Bitcoin ရဲ့အစောပိုင်းများကို လက်လွှတ်ခဲ့သည့် အပြစ်ဒဏ်မှတ်သားထားချိန်တွင်, နည်းပညာအသစ်များကို စိတ်ဖွင့့်လှစ်မှုနဲ့ လေ့လာဖို့ဆုံးဖြတ်ခဲ့ပါတယ်။ 2022 ခုနှစ်မှာ Bitcoin ကို $50 ရင်းနှီးခဲ့ပြီး, ရလဒ်ပေါင်းစုံနဲ့ တပြိုင်နက်, ကွန်ပြူတာလက်နက်မရှိပဲ နည်းပညာကုမ္ပဏီများ ဖွဲ့စည်းနိုင်ဖို့ AI ကိရိယာများကို လေးလေးနက်နက်စူးစမ်းဖို့ဆုံးဖြတ်ခဲ့ပါတယ်။ ဤဆောင်းပါးမှာ ကျွန်တော့်ရဲ့ အတွေ့အကြုံများ၊ လူတိုင်းကို ကုဒ်မရှိပဲ ပရိုဗစ်ထွက်နိုင်စေရန် လုပ်ဆောင်စေတဲ့ AI ကိရိယာ Replit ကို အသုံးပြုပြီး၊ လုပ်ဆောင်ရရှိလိုက်တဲ့ အချက်များကိုမျှဝေပေးပါမည်။ ဆော့ဝဲအစီအစဥ်ဝင်များ ဖွဲ့စည်းရာတွင် ပွင့်လင်းဝင်ရောက်နိုင်စေသည်။ သို့သော်၊ Replit ကို အသုံးပြုရခြင်း, အမှားများ ဖြစ်ပေါ်စေခြင်း ကြောင့် ကိရိယာများ ကြားကသုံးနားရွင်းခဲ့ရသည့်ကိစ္စယူဆောင်မှု၊ ကြင်နာလိုသူသစ်များအတွက် Minimum Viable Products ထုတ်လုပ်နိုင်စေရန် ထုတ်လွှင့်မှုရဲ့အထူးကွဲပြားမှုအနေဖြင့် ကြီးစွာသောပြဿနာများကို ဖြေရှင်းသော စာမူကျော်ရွှေဌာနများဖြစ်သည်။ တစ္ဆိတ်ရပ်သူအကောင်အထည်ရနိုင်မှုကြီးမားသောစီးပွားရေးလုပ်ငန်းတစ်ခုသာလောက်ဖြစ်လာနိုင်မလားဟု စဥ်းစားရင်း Sam Altman က အမှန်ဖြစ်ဖို့လိုအပ်ခြင်းသည် အထူးအဓိပ္ပါယ်ရှိပါသည်။ သင့်ရဲ့ပင်ကိုလူဦးရဲ့ရှေးမို့ရှေးမှုကိုနားလည်နိုင်ခြင်းနှင့် ကောင်းမှုရှိသောကိစ္စရပ် တစ်ခုကိုရွေးချယ်ခြင်းသည်အောင်မြင်မှုရောက်ရှိရန်ဖြစ်ပါသည်။ အကယ်၍ကိုယ့်ကိုယ့်ရယူရန်ပြင်ဆင်အ၇က်သင်ချက်များနောက်စွဲရေးခွင့်အတင်းနောက်ကျွယ်ထိုးစားရပါတော့မယ့်အလိပ်ပြစ်စီတာမဟုတ်ပါ။ "No Fluff Just Facts" အခမဲ့သတင်းစာကြော်ငြာချက်များကိုရယူဖို့စဥ်းစားပါ သင့်အနာဂတ်ပေါ်မှာ သင့်ဘဝမွှားစီး'Register here

အဆင့်မြင့် AI မော်ဒယ်များက ပရော်ဖက်ရှင်နယ် ဆေးဘက်သမား စာမေးပွဲများတွင် ရလဒ်ကောင်းထွက်မြင့်ကြပြီးသော်လည်း ဆရာဝန်များအတွက် အရေးကြီးသော နေရာတစ်ခုမှာ လိုက်ညီမှုမရှိသေးပါ။ ၎င်းမှာ ဆရာဝန်-လူနာ ဆွေးနွေးပွဲများဖြင့် အရေးပါသည့် ဆေးဘက်သမားသတင်းအချက်အလက်များ စုပုံပြီး မှန်ကန်သော ရောဂါခွဲခြားစစ်ဆေးခြင်းကို မပြုလုပ်နိုင်သေးခြင်းဖြစ်ပါသည်။ ဟာဗတ်တက္ကသိုလ်မှ Pranav Rajpurkar က "ကျယ်ပြန့်သော ဘာသာစကား မော်ဒယ်ကြီးများသည် များလွန်းသော ရွေးချယ်စရာများရှိသော စာမေးပွဲများတွင် ဆောင်ရွက်မှု အထူးကောင်းသော ပြုလုပ်နိုင်သော်လည်း ထွက်ပေါက်မှုရှိသော ဆွေးနွေးပွဲများတွင် ၎င်းတို့၏ ဖျော်ဖြေရေးတိကျမှု လျော့နည်းသွားကြသည်၊ အထူးသဖြင့် စွဲ္ကြည်သော ရောဂါခွဲခြားဆွေးနွေးမှုတွင် ပြသနာပြုကြသည်" ဟုလည်း ဆိုသည့်လူသည် ထူးခြားသည်။ ဤပြဿနာသည် သုတေသနပြုသူများမှ ဆရာဝန်နှင့် လူနာ၏ သရုပ်မှန်ဆောင်ရွက်မှုများကို အသုံးပြု၍ ဆေးဘက်သမား AI မော်ဒယ်၏ အတွေးအခေါ်ကို ဆန်းစစ်ခြင်းအတွက် နည်းလမ်းကို ဖန်တီးခဲ့သောအခါ ထင်ရှားလာသည်။ ဤနည်းလမ်းသည် အဓိကအားဖြင့် အမေရိကန် စပ်စစ်မှု မီသဘုတ်တာဝန်စာမေးပွဲများမှ ကူးယူသော ဆေးဘက်သမား 2,000 ဖြစ်စဉ်များမှ "လူနာ" များကို အသုံးပြုသည်။ ဟာဗတ်၏ Shreya Johri က "လူနာနှင့် ဆက်ဆံမှုများကို သရုပ်မှန်၍ ပြုလုပ်ခြင်းသည် အရှိန်အဟုန်ရှိသည့် ဆေးဘက်သမား၏ သမီးသမက်ဉာဏ်လှုပ်ရှားမှုများကို ဆန်းစစ်ရန် ခွင့်ပြုသည်၊ ၎င်းသည် မုခာအဖြစ်အပျက်များအပင် တီထွင်နိုင်သော အချက်များက အပြည့်အဝ တန်ဖိုးမထားနိုင်သည်" ဟုဆိုသည်။ CRAFT-MD ဟုခေါ်သော သစ်လေးထားမှု၏ စံပြည့်ပိုင်းအားမှာ လူနာများသည် အရေးပါသော အသေးစိတ်များကို အထူးမေးခွန်းများမေးမေးသည်အထိ မမျှဝေရင်လည်း ဖြစ်ရပ်အနေအထားများကို ရှာဖွေ ပါသည်။ CRAFT-MD စံပြည့်ပိုင်းသည် AI ကိုအသုံးပြု၍ OpenAI ရဲ့ GPT-4 ကို "လူနာ AI" အဖြစ် သတိပြုနေစဉ် "ဆေးဘက်သမား AI" ကို စမ်းသပ်ဖွယ် ဆွေးနွေးမှုများတွင် ပါ၀င်စေသည်။ GPT-4 သည် တခြားသော အမှုလိုက်မှုများနှင့်လိုက်ပြောသည်။ ကုမ္ပဏီများ ဖြစ်သည့် OpenAI, Meta နှင့် Mistral AI မှ ထုတ်ပြန်ခဲ့သည်။ GPT-4 သည် ဖွဲ့စည်းထားသော အမှုပြဇာတ်မှ ရောဂါခွဲခြားမှု တိကျမှု 82% ကိုရရှိခဲ့ပြီး မြောက်လှန်းသော အလေးများဖြင့်ရွေးချယ်မှု များမပါက 49% အောက်ပင် လျော့နည်းခဲ့သည်။ ၎င်း၏ သရုပ်မှန်တဲ့ လူနာနှင့် ဆွေးနွေးမှုများမှ ရောဂါခွဲခြားမှုတွေမှာ 26% ပဲကျန်ရှိခဲ့ပါသည်။ GPT-4 သည် သုတေသွင်းမှုတွင် အမြင့်ဆုံးဆောင်ရွက်မှုရရှိခဲ့ပြီး GPT-3

S&P 500 သည် အမေရိကန် အတ္ထုပ္ပတ္တိစာရင်း အဓိက လူသိများသည့် အစာရင်းတစ်ခုဖြစ်ပြီး အမေရိကန်၏ စီးပွားရေးကဏ္ဍ ၁၁ ခုမှ ကုမ္ပဏီ ၅၀၀ ပါဝင်သည်။ သို့သော် ဤစာရင်းသည် စျေးကွက်ဧရိယာ အလေးခြင်းနည်းစနစ်ဖြင့် ဖန်တီးထား၍ ကုမ္ပဏီကြီးများသည် ၎င်း၏ စွမ်းဆောင်ရည်ကို အနှစ်သာရပေးနိုင်သည်။ လတ်တလောတွင် Apple, Nvidia, Microsoft, Alphabet နှင့် Amazon တွေကို တွဲပြီး ပြည့်စုံသော စျေးကွက်ဧရိယာက ၁၄