AI ప్రపంచంలో ఏం జరుగుతోంది? ఇది మనకు ఎందుకు ముఖ్యం?
AI ఇప్పుడు ఒక కీలక దశకు చేరుకుంది. కేవలం మాట్లాడే చాట్బాట్ల కాలం ముగిసింది, ఇప్పుడు సాఫ్ట్వేర్ స్వయంగా పనిచేసే కాలం మొదలైంది. ఈ మార్పు ఏదో ఒక యాప్ లేదా మోడల్ అప్డేట్కు సంబంధించింది కాదు; కంప్యూటర్లు ప్రపంచంతో ఎలా వ్యవహరిస్తాయనే దానిపై ఇది ఒక ప్రాథమిక మార్పు. సాధారణ ప్రజలకు, రోజువారీ వార్తల్లోని సాంకేతిక పదాలు గందరగోళంగా అనిపించవచ్చు. కానీ, దీని సారాంశం చాలా సులభం. Large language models (LLM) ఇప్పుడు మీరు చేసే ప్రతి డిజిటల్ పనికి వెన్నెముకగా మారుతున్నాయి. అవి కేవలం ప్రశ్నలకు సమాధానాలు ఇవ్వడం లేదు; వివిధ ప్లాట్ఫారమ్లలో వర్క్ఫ్లోలను నిర్వహించడం, అవసరాలను అంచనా వేయడం మరియు పనులను పూర్తి చేయడం చేస్తున్నాయి. ఈ పరివర్తన AIని ఒక కుతూహలం నుండి అదృశ్య మౌలిక సదుపాయంగా మారుస్తోంది. మీకు గందరగోళంగా అనిపిస్తే, దానికి కారణం ఈ టూల్స్ వేగంగా అందుబాటులోకి రావడం. ఇప్పుడు మీరు చేయాల్సింది, ఈ ఇంటెలిజెన్స్ లేయర్ మీకూ, మీ మెషీన్కూ మధ్య ఎలా పనిచేస్తుందో అర్థం చేసుకోవడం.
మనం వాడే సాఫ్ట్వేర్ నుండి, మన తరపున ఇతర సాఫ్ట్వేర్లను వాడే స్థాయికి మార్పు జరుగుతోంది. OpenAI మరియు Google వంటి సంస్థల ప్రకటనల వెనుక ఉన్న ప్రధాన ట్రెండ్ ఇదే. మనం ఇప్పుడు ‘ఏజెంటిక్ ఎరా’ (agentic era) లోకి అడుగుపెడుతున్నాం. ఈ కొత్త దశలో, AIకి నిజ ప్రపంచంలో పనులు చేసే అధికారం ఉంటుంది. ఇది ఫ్లైట్ టిక్కెట్లు బుక్ చేయగలదు, డబ్బు బదిలీ చేయగలదు లేదా ఇతర AI సిస్టమ్ల బృందాన్ని నిర్వహించగలదు. 2026 లో మనం చూసిన స్టాటిక్ టెక్స్ట్ జనరేషన్ కంటే ఇది భిన్నమైనది. ఇప్పుడు విశ్వసనీయత మరియు పనితీరుపై దృష్టి పెడుతున్నాం. ఒక మెషీన్ కవిత రాయగలదని మనం ఆశ్చర్యపోవడం లేదు; అది పన్ను రిటర్నులను సరిగ్గా ఫైల్ చేయగలదా లేదా మనుషుల పర్యవేక్షణ లేకుండా సప్లై చైన్ను నిర్వహించగలదా అని చూస్తున్నాం. సంక్లిష్టమైన, బహుళ-దశల సమస్యలను పరిష్కరించడంలో మోడల్స్ సాధించిన భారీ పురోగతి ఈ మార్పుకు కారణం.
ఇంటెలిజెన్స్ యొక్క గొప్ప ఏకీకరణ
ఏజెంటిక్ సిస్టమ్స్ వైపు అడుగులు
ప్రస్తుత పరిశ్రమ స్థితిని అర్థం చేసుకోవాలంటే, జనరేటివ్ అవుట్పుట్లకు మరియు ఏజెంటిక్ చర్యలకు మధ్య ఉన్న తేడాను చూడాలి. Generative AI ప్రాంప్ట్ల ఆధారంగా టెక్స్ట్, ఇమేజ్లు మరియు కోడ్ను రూపొందించింది. ఇది మానవ డేటాకు ప్రతిబింబం మాత్రమే. ఇప్పుడు మనం చూస్తున్నది ఏజెంట్ల పెరుగుదల. ఇవి తక్కువ మానవ జోక్యంతో బహుళ-దశల లక్ష్యాలను పూర్తి చేయడానికి రూపొందించబడిన సిస్టమ్స్. ఒక బాట్ను ఈమెయిల్ రాయమని అడిగే బదులు, ఒక ప్రాజెక్ట్ను నిర్వహించమని సిస్టమ్కు చెబుతారు. ఆ సిస్టమ్ అవసరమైన వ్యక్తులను గుర్తించి, క్యాలెండర్లను తనిఖీ చేసి, సందేశాలను డ్రాఫ్ట్ చేసి, డేటాబేస్ను అప్డేట్ చేస్తుంది. దీనికి ఉన్నత స్థాయి ఆలోచనా సామర్థ్యం మరియు ఎక్స్టర్నల్ టూల్స్తో బలమైన అనుసంధానం అవసరం. ఇది కాలిక్యులేటర్ మరియు అసిస్టెంట్కు మధ్య ఉన్న తేడా వంటిది. ఈ మార్పు లాంగ్ కాంటెక్స్ట్ విండోస్ మరియు టూల్ యూజ్ సామర్థ్యాల మెరుగుదల ద్వారా సాధ్యమైంది. మోడల్స్ ఇప్పుడు వేల పేజీల సమాచారాన్ని గుర్తుంచుకోగలవు మరియు వెబ్ బ్రౌజర్ లేదా సాఫ్ట్వేర్ ప్రోగ్రామ్ను ఎలా వాడాలో తెలుసుకోగలవు. ఇది చిన్న మార్పు కాదు, ఇది యూజర్ ఇంటర్ఫేస్ను రీ-ఇంజనీరింగ్ చేయడం. మనం బటన్లను క్లిక్ చేయడం నుండి మన ఉద్దేశాలను తెలపడం వైపు వెళ్తున్నాం. Microsoft వంటి కంపెనీలు ఈ సామర్థ్యాలను మనం ప్రతిరోజూ వాడే ఆపరేటింగ్ సిస్టమ్స్లోనే పొందుపరుస్తున్నాయి. అంటే AI అనేది మీరు సందర్శించే వెబ్సైట్ కాదు; అది మీరు పనిచేసే వాతావరణం. అది మీ స్క్రీన్ను గమనిస్తూ, మీ ఫైళ్ల సందర్భాన్ని అర్థం చేసుకుంటూ, పనులను తనంతట తానే చేయడానికి ముందుకు వస్తుంది. ఇది ఇంటర్నెట్ యొక్క **యాక్షన్ లేయర్**. ఇది స్టాటిక్ సమాచారాన్ని డైనమిక్ ప్రాసెస్లుగా మారుస్తుంది.
ఆర్థిక పునర్వ్యవస్థీకరణ మరియు ప్రపంచ పోటీ
ఈ మార్పు ప్రభావం సిలికాన్ వ్యాలీకే పరిమితం కాదు. ప్రపంచ స్థాయిలో, సంక్లిష్టమైన వర్క్ఫ్లోలను ఆటోమేట్ చేసే సామర్థ్యం దేశాల పోటీతత్వాన్ని మారుస్తుంది. దశాబ్దాలుగా, ప్రపంచ ఆర్థిక వ్యవస్థ లేబర్ ఆర్బిట్రేజ్పై ఆధారపడింది. అధిక ఖర్చు ఉన్న ప్రాంతాలు తమ పనులను తక్కువ ఖర్చు ఉన్న ప్రాంతాలకు అవుట్సోర్స్ చేశాయి. ఏజెంటిక్ AI మరింత సమర్థవంతంగా మారుతున్న కొద్దీ, ఈ పనుల ఖర్చు దాదాపు సున్నాకి పడిపోతుంది. ఇది ఆర్థిక అభివృద్ధి వ్యూహాలను పూర్తిగా పునరాలోచించేలా చేస్తోంది. ఈ సిస్టమ్లను నడపడానికి అవసరమైన హార్డ్వేర్ మరియు శక్తిని పొందడానికి ప్రభుత్వాలు పోటీ పడుతున్నాయి. యూరప్ మరియు ఆసియాలో డేటా సెంటర్లలో జరుగుతున్న భారీ పెట్టుబడులే దీనికి నిదర్శనం. ఈ మోడల్స్ను అభివృద్ధి చేసే దేశాలకు మరియు కేవలం వాటిని వాడే దేశాలకు మధ్య వ్యత్యాసం పెరుగుతోంది. ఇది ఒక కొత్త రకమైన డిజిటల్ సార్వభౌమాధికారాన్ని సృష్టిస్తోంది. ఒక దేశం తన ప్రభుత్వ సేవలు లేదా కార్పొరేట్ మౌలిక సదుపాయాల కోసం విదేశీ AI ప్రొవైడర్పై ఆధారపడితే, అది తన డేటా మరియు భవిష్యత్తుపై నియంత్రణను కోల్పోతుంది. ఈ మార్పు వేగం ప్రస్తుత చట్టపరమైన ఫ్రేమ్వర్క్లను సవాలు చేస్తోంది. కాపీరైట్ చట్టాలు, డేటా ప్రైవసీ నిబంధనలు మరియు కార్మిక రక్షణలు మానవ ఆలోచనను అనుకరించే సాఫ్ట్వేర్ ఉన్న ప్రపంచం కోసం రూపొందించబడలేదు. దీని ప్రపంచ ప్రభావం అపారమైన సామర్థ్య లాభాలు మరియు సామాజిక ఘర్షణల మిశ్రమంగా ఉంది. సృజనాత్మక పరిశ్రమలు మరియు లీగల్ రంగంలో దీని సంకేతాలు కనిపిస్తున్నాయి. సాంకేతికత విధానాల కంటే వేగంగా కదులుతోంది, దీనివల్ల ఏర్పడిన ఖాళీని కంపెనీలు తమ సొంత నిబంధనలతో నింపుతున్నాయి. ఇది ఒక విచ్ఛిన్నమైన ప్రపంచ వాతావరణాన్ని సృష్టిస్తోంది. తాజా ఆర్టిఫిషియల్ ఇంటెలిజెన్స్ ట్రెండ్స్ గురించి తెలుసుకోవడం ఇప్పుడు ఈ భౌగోళిక రాజకీయ మార్పులను అర్థం చేసుకోవడానికి అవసరం.
మాన్యువల్ క్లిక్ల నుండి ఉద్దేశపూర్వక ఆదేశాల వరకు
ఒక మార్కెటింగ్ మేనేజర్ యొక్క సాధారణ మంగళవారాన్ని ఊహించుకోండి. పాత పద్ధతిలో, ఆమె తన రోజును మూడు వేర్వేరు ఈమెయిల్ ఖాతాలు, రెండు ప్రాజెక్ట్ మేనేజ్మెంట్ టూల్స్ మరియు డజను స్ప్రెడ్షీట్లను తనిఖీ చేయడంతో ప్రారంభిస్తుంది. డేటాను ఒక చోట నుండి మరొక చోటికి మార్చడానికే ఆమె నాలుగు గంటలు వెచ్చిస్తుంది. ఆమె ఒక ఈమెయిల్ నుండి కస్టమర్ అభ్యర్థనను కాపీ చేసి, టిక్కెట్లో పేస్ట్ చేసి, ట్రాకింగ్ షీట్ను అప్డేట్ చేస్తుంది. ఇది *పని కోసం చేసే పని*. కొత్త మోడల్లో, ఆమె లాగిన్ అవ్వకముందే ఆమె AI ఏజెంట్ ఈ మూలాలను స్కాన్ చేస్తుంది. ఆ ఏజెంట్ అత్యంత ముఖ్యమైన సమస్యల సారాంశాన్ని ఆమెకు అందించి, తీసుకోవాల్సిన చర్యలను సూచిస్తుంది. అది ఇప్పటికే సాధారణ ప్రశ్నలకు సమాధానాలను డ్రాఫ్ట్ చేసి, క్యాంపెయిన్లో బడ్జెట్ మించిపోయే అవకాశం ఉంటే హెచ్చరిస్తుంది. ఆమె AIని వాడదు, దాన్ని పర్యవేక్షిస్తుంది. ఇది మిలియన్ల మంది ఆఫీస్ ఉద్యోగులకు నిజం కాబోతున్న ‘డే ఇన్ ది లైఫ్’ దృశ్యం. దృష్టి అమలు నుండి నిర్ణయం తీసుకోవడం వైపు మారుతుంది. ఒక మానవ ఉద్యోగి విలువ ఇప్పుడు ఒక ప్రక్రియను అనుసరించడం కాదు, ఏ ప్రక్రియను అనుసరించాలో నిర్ణయించుకోవడం. ఇది చిన్న వ్యాపారాలకు కూడా వర్తిస్తుంది. ఒక స్థానిక రెస్టారెంట్ యజమాని ఇన్వెంటరీని మరియు సోషల్ మీడియాను నిర్వహించడానికి ఈ సిస్టమ్లను వాడవచ్చు. AI పదార్థాల ధరలను ట్రాక్ చేస్తుంది, పాపులర్ ట్రెండ్స్ ఆధారంగా మెనూ మార్పులను సూచిస్తుంది మరియు ప్రమోషనల్ పోస్ట్లను జనరేట్ చేస్తుంది.
BotNews.today కంటెంట్ను పరిశోధించడానికి, వ్రాయడానికి, సవరించడానికి మరియు అనువదించడానికి AI సాధనాలను ఉపయోగిస్తుంది. మా బృందం సమాచారాన్ని ఉపయోగకరంగా, స్పష్టంగా మరియు విశ్వసనీయంగా ఉంచడానికి ప్రక్రియను సమీక్షిస్తుంది మరియు పర్యవేక్షిస్తుంది.
- రాత్రి జరిగిన కమ్యూనికేషన్ల ఆటోమేటెడ్ సారాంశాలను సమీక్షించడం.
- సంక్లిష్టమైన పనులను దశల వారీగా కాకుండా, కావలసిన ఫలితం ఆధారంగా ప్రారంభించడం.
- AI రూపొందించిన డ్రాఫ్ట్లను బ్రాండ్ వాయిస్ మరియు వాస్తవాల కోసం ఆడిట్ చేయడం.
- వివిధ డిజిటల్ ఏజెంట్ల అనుమతులు మరియు యాక్సెస్ స్థాయిలను నిర్వహించడం.
మేము కవర్ చేయాలని మీరు భావించే AI కథ, సాధనం, ట్రెండ్ లేదా ప్రశ్న మీ వద్ద ఉందా? మీ వ్యాసం ఆలోచనను మాకు పంపండి — దానిని వినడానికి మేము ఇష్టపడతాము.
నిరంతర ఇంటెలిజెన్స్ యొక్క దాగి ఉన్న ఖర్చులు
ప్రయోజనాలు స్పష్టంగా ఉన్నప్పటికీ, మనం కొన్ని కష్టమైన ప్రశ్నలను అడగాలి. మీ స్క్రీన్ను ఎప్పుడూ గమనించే అదృశ్య అసిస్టెంట్ యొక్క అసలు ఖరీదు ఏమిటి? సందర్భోచిత సహాయాన్ని అందించడానికి, ఈ సిస్టమ్లకు మన వ్యక్తిగత జీవితాలు మరియు కార్పొరేట్ రహస్యాలపై లోతైన యాక్సెస్ అవసరం. మనం ఇంతకు ముందెన్నడూ చూడని స్థాయిలో సౌకర్యం కోసం ప్రైవసీని తాకట్టు పెడుతున్నాం. ఈ డేటా తదుపరి తరం మోడల్స్ను ట్రైన్ చేయడానికి లేదా అడ్వర్టైజర్ల కోసం మన ప్రవర్తనను ప్రొఫైల్ చేయడానికి వాడబడదని మనం నమ్మగలమా? మరొక ప్రశ్న తర్కం యొక్క విశ్వసనీయత గురించి. ఒక ఏజెంట్ సంక్లిష్టమైన వర్క్ఫ్లోలో తప్పు చేస్తే, దానికి బాధ్యత ఎవరిది? ఒక AI లీగల్ డాక్యుమెంట్ను తప్పుగా అర్థం చేసుకుని కాంట్రాక్ట్ కుదుర్చుకుంటే, దాని పరిణామాలు అస్పష్టంగా ఉంటాయి. మనం నైతిక లేదా చట్టపరమైన ఆత్మ లేని సిస్టమ్లకు ఏజెన్సీని అప్పగిస్తున్నాం. పర్యావరణ ఖర్చు కూడా ఉంది. ఈ ఏజెంటిక్ మోడల్స్ను నడపడానికి అవసరమైన శక్తి సాధారణ సెర్చ్ క్వెరీ కంటే చాలా ఎక్కువ. ప్రతి క్లిక్లో AIని పొందుపరుస్తున్నప్పుడు, చిన్నపాటి సామర్థ్య లాభాల కోసం మనం వాతావరణ సంక్షోభాన్ని వేగవంతం చేస్తున్నామా? మనం లాజిక్ హాలూసినేషన్ గురించి కూడా ఆలోచించాలి. ఒక చాట్బాట్ వాస్తవం గురించి అబద్ధం చెప్పవచ్చు, కానీ ఒక ఏజెంట్ చేసే లాజికల్ తప్పు వ్యాపార ప్రక్రియనే దెబ్బతీయవచ్చు. స్వయంప్రతిపత్తితో పనిచేసే సిస్టమ్ల కోసం మనం గార్డ్రైల్స్ను ఎలా నిర్మించాలి? మనం ఈ టూల్స్పై ఎంత ఎక్కువ ఆధారపడితే, మన సొంత మేధస్సును అంత తక్కువగా వాడతాం. మేధోపరమైన క్షీణత (intellectual atrophy) ప్రమాదం ఉందా? AI మన కోసం సమాచారాన్ని ఆర్గనైజ్ చేస్తుందని మనం నేర్చుకోవడం మానేస్తే, సిస్టమ్ విఫలమైనప్పుడు ఏమవుతుంది? ఇవి కేవలం సాంకేతిక బగ్లు కావు. ఇవి మానవ ఏజెన్సీ భవిష్యత్తు గురించి ప్రాథమిక ప్రశ్నలు. మన జీవితంలో ఏ భాగాలు ఆటోమేట్ చేయడానికి వీల్లేదో మనం నిర్ణయించుకోవాలి.
యాక్షన్ లేయర్ యొక్క మౌలిక సదుపాయాలు
లోతుగా పరిశీలించే వారికి, ఇప్పుడు దృష్టి వర్క్ఫ్లో ఇంటిగ్రేషన్లు మరియు API విశ్వసనీయతపై ఉంది. Google DeepMind వంటి ప్రస్తుత నాయకులు ఫంక్షన్ కాలింగ్ను ఆప్టిమైజ్ చేస్తున్నారు. ఇది ఒక మోడల్ స్ట్రక్చర్డ్ డేటాను అవుట్పుట్ చేసే సామర్థ్యం, దీన్ని సాంప్రదాయ సాఫ్ట్వేర్ ప్రోగ్రామ్ అర్థం చేసుకుని అమలు చేయగలదు. ఒక మోడల్ డేటాబేస్ లేదా ఎక్స్టర్నల్ APIతో ఇలాగే సంభాషిస్తుంది. మనం లోకల్ స్టోరేజ్ మరియు లోకల్ ఎగ్జిక్యూషన్ వైపు కూడా అడుగులు వేస్తున్నాం. ప్రైవసీ సమస్యలను పరిష్కరించడానికి, కంపెనీలు క్లౌడ్కు డేటాను పంపకుండా ల్యాప్టాప్ లేదా ఫోన్లో నడిచే చిన్న లాంగ్వేజ్ మోడల్స్ను అభివృద్ధి చేస్తున్నాయి. ఇది లాటెన్సీని తగ్గించి భద్రతను పెంచుతుంది. అయితే, ఈ లోకల్ మోడల్స్ క్లౌడ్-ఆధారిత మోడల్స్తో పోలిస్తే తక్కువ ఆలోచనా సామర్థ్యాన్ని కలిగి ఉంటాయి. పనితీరు మరియు ప్రైవసీ మధ్య సమతుల్యత డెవలపర్లకు ప్రధాన సవాలు. మరొక ముఖ్యమైన మెట్రిక్ API రేట్ లిమిట్. గంటకు వందలాది పనులను చేసే ఏజెంట్లను వ్యాపారాలు నిర్మిస్తున్నప్పుడు, అవి ప్రొవైడర్లు అనుమతించే పరిమితులను తాకుతున్నాయి. ఇది సెల్ఫ్-హోస్టెడ్ మోడల్స్ లేదా ప్రత్యేక హార్డ్వేర్ వైపు మళ్లేలా చేస్తోంది. లాంగ్-టర్మ్ మెమరీ మాడ్యూల్స్ కూడా వస్తున్నాయి. కేవలం పెద్ద కాంటెక్స్ట్ విండో కాకుండా, ఈ సిస్టమ్స్ యూజర్ హిస్టరీ నుండి సంబంధిత సమాచారాన్ని తిరిగి పొందడానికి వెక్టర్ డేటాబేస్లను వాడుతున్నాయి. ఇది AI నెలల తరబడి స్థిరమైన వ్యక్తిత్వాన్ని మరియు నాలెడ్జ్ బేస్ను నిర్వహించడానికి అనుమతిస్తుంది. గీక్ సెక్షన్లో ఇప్పుడు ఏ మోడల్కు ఎక్కువ పారామీటర్లు ఉన్నాయనేది ముఖ్యం కాదు. ఏ మోడల్ ఇప్పటికే ఉన్న సాఫ్ట్వేర్ స్టాక్లో బాగా కలిసిపోతుందనేదే ముఖ్యం. AI ఆర్థిక వ్యవస్థ యొక్క మిడిల్వేర్ కోసం యుద్ధం జరుగుతోంది. పవర్ యూజర్లు ఈ నిర్దిష్ట మెట్రిక్లను ట్రాక్ చేస్తున్నారు:
- హై-వాల్యూమ్ ఆటోమేటెడ్ వర్క్ఫ్లోల కోసం టోకెన్ త్రూపుట్.
- బహుళ-దశల రీజనింగ్ చైన్స్లో లాటెన్సీ.
- సంక్లిష్టమైన JSON ఎక్స్ట్రాక్షన్ కోసం సక్సెస్ రేట్లు.
- వివిధ సెషన్ ఐడిల మధ్య మెమరీ రిటెన్షన్.
కొత్త క్రమంలో మీ స్థానాన్ని కనుగొనడం
AI వార్తల హోరు ప్రధాన ట్రెండ్ నుండి మన దృష్టిని మళ్లించేలా ఉంది. మనం టూల్స్ ప్రపంచం నుండి ఏజెంట్ల ప్రపంచంలోకి మారుతున్నాం. ఈ మార్పు మీ ఉద్యోగాన్ని, మీ ప్రైవసీని మరియు సాంకేతికతతో మీ సంబంధాన్ని పునర్నిర్వచిస్తుంది. విజేతలు AIని ఎక్కువగా వాడేవారు కాదు, దాన్ని ఎక్కడ అప్లై చేయాలో మరియు ఎక్కడ మానవ నియంత్రణను ఉంచుకోవాలో తెలిసిన వారు. నిర్దిష్ట మోడల్స్ లేదా బిలియనీర్ల గొడవల గురించి వచ్చే హెడ్లైన్స్లో చిక్కుకోకండి. ఇంటిగ్రేషన్పై దృష్టి పెట్టండి. సాంకేతికత డిజిటల్ ప్రపంచంలో మనం పీల్చే గాలిలా మారుతోంది. AI ఏమి చెప్పగలదో అడగడం మానేసి, అది ఏమి చేయాలో అడగడం ప్రారంభించాల్సిన సమయం ఇది. చాట్బాట్ కాలం ముగిసింది. ఏజెంట్ కాలం మొదలైంది. 2026 లో మొదటి పెద్ద మోడల్స్ వచ్చినప్పటి నుండి ఈ మార్పు అనివార్యం, కానీ ఇప్పుడు దాని సామర్థ్యానికి తగ్గట్టుగా అమలు జరుగుతోంది.
ఎడిటర్ గమనిక: కంప్యూటర్ గీక్స్ కాని, కానీ కృత్రిమ మేధస్సును అర్థం చేసుకోవాలనుకునే, దానిని మరింత విశ్వాసంతో ఉపయోగించాలనుకునే మరియు ఇప్పటికే వస్తున్న భవిష్యత్తును అనుసరించాలనుకునే వ్యక్తుల కోసం మేము ఈ సైట్ను బహుభాషా AI వార్తలు మరియు గైడ్ల హబ్గా సృష్టించాము.
ఒక లోపాన్ని కనుగొన్నారా లేదా సరిదిద్దాల్సిన ఏదైనా ఉందా? మాకు తెలియజేయండి.
