Blaise Aguera y Arcas: Jaw-dropping Photosynth demo

What I'm going to show you first, as quickly as I can,

முடிந்தளவிற்கு விரைவாக, நான் முதலாவது உங்களுக்கு என்ன காண்பிக்கப்போகிறேனென்றால்,

is some foundational work, some new technology

கிட்டத்தட்ட சரியாக ஓர் ஆண்டிற்கு முன்பாக நிறுவன ஒன்றிணைப்பு

that we brought to Microsoft as part of an acquisition

முயற்சியின் ஒரு பகுதியாக மைக்ரோசாஃப்டிற்கு நாங்கள் கொண்டுவந்த சில புதிய தொழிற்நுட்பங்கள் போன்ற சில

almost exactly a year ago.

அடிப்படையான வேலைகளாகும். இது தான் ஸீட்ராகன்.

This is Seadragon, and it's an environment

அது அந்தப் பகுதியில் இருந்து கொண்டு அல்லது தொலைவில் இருந்து கொண்டு

in which you can either locally or remotely interact

with vast amounts of visual data.

பெரிய அளவிலான பார்வைத் தகவல்களோடு இடைபடக்கூடிய ஒரு சூழ்நிலையாகும்.

We're looking at many, many gigabytes of digital photos here

நாம் இங்கு டிஜிட்டல் புகைப்படங்களின் பல, பல ஜிகாபைட்டுகளை ஒரு விதத்தில்

and kind of seamlessly and continuously zooming in,

தங்குதடையில்லாமல் தொடர்ச்சியாக விரிவுபடுத்தி, பொருட்களின் ஊடாக குறுகிய

panning through it, rearranging it in any way we want.

பகுதியை விரித்து, நாம் விரும்புகிற படி மறுஅமைப்புச் செய்து பார்த்துக் கொண்டிருக்கிறோம்.

And it doesn't matter how much information we're looking at,

நாம் எவ்வளவு தகவல்களைப் பார்த்துக் கொண்டிருக்கிறோம், இத்தகைய சேகரிப்புகள்

how big these collections are or how big the images are.

எவ்வளவு பெரியவை அல்லது இந்த பிம்பங்கள் எவ்வளவு பெரியவை என்பது முக்கியமல்ல.

Most of them are ordinary digital camera photos,

அவைகளில் பெரும்பாலானவை சாதாரண டிஜிட்டல் கேமரா புகைப்படங்கள் தான், ஆனால்

but this one, for example, is a scan from the Library of Congress,

இது, உதாரணமாக, காங்கிரஸின் நூலகத்திலிருந்தான ஒரு ஸ்கேன் தான், மேலும் இது

and it's in the 300 megapixel range.

300 மெகா பிக்ஸல் எல்லையில் தான் உள்ளது.

It doesn't make any difference

இது போன்ற அமைப்பு ஒன்றின் செயல்பாடுகளை கட்டுப்படுத்த வேண்டியது, எந்த ஒரு

because the only thing that ought to limit the performance of a system like this one

நொடியிலும் உங்கள் திரையிலுள்ள பிக்ஸல்களின் எண்ணிக்கை என்ற ஒரே காரியம்

என்பதால் எந்த வித்தியாசத்தையும் அது உண்டாக்குவதில்லை. இது ஒரு வளைந்து

is the number of pixels on your screen at any given moment.

It's also very flexible architecture.

கொடுக்கக் கூடிய கட்டமைப்பும் கூடத்தான்.

This is an entire book, so this is an example of non-image data.

ஒரு பிம்பம்-அல்லாத தகவலுக்கான ஒரு உதாரணம், இந்த ஒரு முழுப் புத்தகம்.

This is "Bleak House" by Dickens.

இது டிக்கென்ஸினால் கட்டப்பட்ட ஒரு இருண்ட வீடு. ஒவ்வொரு தூணும் ஒரு அத்தியாயம்.

Every column is a chapter.

To prove to you that it's really text, and not an image,

இது உண்மையிலேயே உரைநடைதான், ஒரு பிம்பம் அல்ல என்பதை உங்களுக்கு நிரூபிப்பதற்கு,

we can do something like so, to really show

நாம் அதுபோன்ற சில காரியங்களைச் செய்ய முடியும், இது உண்மையிலேயே

that this is a real representation of the text; it's not a picture.

உரைநடையின் ஒரு உண்மையான பிரதிநிதித்துவம் தான்; ஒரு படமல்ல என்பதைக் காண்பிப்பதற்கு.

Maybe this is an artificial way to read an e-book.

ஒரு மின் –புத்தகத்தை வாசிப்பதற்கான ஒரு செயற்கை முறையிலான ஒரு வகையாக இது இருக்கலாம்.

I wouldn't recommend it.

நான் அதைப் பரிந்துரைக்க மாட்டேன்.

This is a more realistic case, an issue of The Guardian.

இது ஒரு அதிகம் உண்மையான நிலைப்பாடு. இது கார்டியன் பத்திரிக்கையின் ஒரு இதழ்.

Every large image is the beginning of a section.

ஒவ்வொரு பெரிய பிம்பமும் ஒரு பிரிவின் ஆரம்பம்.

And this really gives you the joy and the good experience

ஒரு வாராந்தரி அல்லது செய்தித்தாளின் உண்மையான காகிதப் பதிப்பை வாசிப்பதின்

of reading the real paper version of a magazine or a newspaper,

மகிழ்ச்சியையும் நல்ல அனுபவத்தையும் இது உண்மையிலேயே கொடுக்கிறது, இது ஒரு

which is an inherently multi-scale kind of medium.

ஊடகத்தின் உள்ளான பல-அளவீட்டு விதமாகும்.

We've done something

கார்டியனியனின் இந்தக் குறிப்பிட்ட இதழின் மூலையோடு

with the corner of this particular issue of The Guardian.

நாங்கள் கொஞ்சம் வேலை செய்திருக்கிறோம்.

We've made up a fake ad that's very high resolution --

நாங்கள் மிக அதிக பிரிதிறன் கொண்ட ஒரு போலி விளம்பரத்தைத் தயாரித்திருக்கிறோம் –

much higher than in an ordinary ad --

நீங்கள் ஒரு சாதாரண விளம்பரத்தை பெற இயலுவதை விட மிகவும் உயர்ந்தது --

and we've embedded extra content.

மேலும் நாங்கள் கூடுதல் உட்பொருட்களையும் மேல்பதித்திருக்கிறோம்.

If you want to see the features of this car, you can see it here.

இந்த காரின் அம்சங்களை நீங்கள் பார்க்க விரும்பினால், நீங்கள் இங்கே பார்க்கலாம்.

Or other models, or even technical specifications.

அல்லது மற்ற மாதிரிகளை, அல்லது ஏன் தொழிற்நுட்ப குறிப்பீடுகளைக் கூட.

And this really gets at some of these ideas

உண்மையிலேயே திரையின், கிடைக்கின்ற இடத்தின் எல்லைகளுக்குள்ளாக காரியங்களைச்

about really doing away with those limits on screen real estate.

செய்வதின் இத்தகைய சில யோசனைகளுக்குள் இது உண்மையிலேயே வருகிறது.

We hope that this means no more pop-ups

இனிமேல் எந்தவொரு பாப்-அப்கள் மற்றும் மற்ற விதமான குப்பைகள் ஏதுமில்லை என்று

and other rubbish like that -- shouldn't be necessary.

இது பொருளாகிறது என நாங்கள் நினைக்கிறோம் – அது தேவையில்லாததும் கூட.

Of course, mapping is one of those obvious applications

நிச்சயமாக, இது போன்ற ஒரு தொழிற்நுட்பத்திற்கு மேப்பிங் என்பது உண்மையிலேயே

for a technology like this.

வெளிப்படையாகத் தெரிகிற பயன்பாடுகளில் ஒன்றாகும்.

And this one I really won't spend any time on,

மேலும் இதில் நான் உண்மையிலேயே நேரத்தைச் செலவிடமாட்டேன், மற்றதைப் போல

except to say that we have things to contribute to this field as well.

இந்த பிரிவிற்கும் பங்களிப்பதற்கான காரியங்களை நாங்கள் கொண்டிருக்கிறோம் என்று சொல்வதைத் தவிர.

But those are all the roads in the U.S.

ஆனால் ஒரு நாசா புவிவான் சார்ந்த பிம்பத்தின் மேலாக, யூஎஸ் மேல்பதித்த

superimposed on top of a NASA geospatial image.

சாலைகள் அனைத்தும் தான் அவைகள்.

So let's pull up, now, something else.

எனவே நாம் இப்போது, எதையாவது இழுப்போம்.

This is actually live on the Web now; you can go check it out.

இது இப்போது உண்மையிலேயே இணையத்தில் நேரடியாக நிகழ்ந்து கொண்டிருக்கிறது, நீங்கள் போய் அதைச் சரிபார்க்கலாம்.

This is a project called Photosynth, which marries two different technologies.

இது போட்டோசிந்த் என்றழைக்கப்படுகிற ஒரு திட்டம், அது உண்மையிலேயே

இரண்டு வித்தியாசமான தொழிற்நுட்பங்களை ஒன்றாக இணைக்கிறது.

One of them is Seadragon

அவைகளில் ஒன்று ஸீட்ராகன் மற்றொன்று யூடபிள்யூ-விலுள்ள ஸ்டீவ் சீய்ட்ஸ் அவர்கள்

and the other is some very beautiful computer-vision research

மற்றும் மைக்ரோசாஃப்ட் ஆராய்ச்சியிலுள்ள ரிக் ஸூலிஸ்கி அவர்களால் இணைந்து

done by Noah Snavely, a graduate student at the University of Washington,

ஆலோசனையளிக்கப்பட்டு, வாஷிங்டன் பல்கலைக்களகத்தில் ஒரு கலை மாணவரான

co-advised by Steve Seitz at U.W.

நோவா ஸ்நேவ்லி அவர்களால் செய்யப்பட்ட ஒருவகை மிகவும் அழகான

and Rick Szeliski at Microsoft Research.

கணினிப்பார்வை ஆராய்ச்சியாகும். ஒரு மிகச் சிறந்த கூட்டுப்பணி.

A very nice collaboration.

And so this is live on the Web. It's powered by Seadragon.

எனவே இது இணையத்தில் நேரடியாக நிகழ்கிறது. இது ஸீட்ராகனால் ஆக்கப்பட்டது.

You can see that when we do these sorts of views,

நாம் இது போன்றதொரு பார்வையிடல்களை நாம் செய்யும் போது, பிம்பங்கள் ஊடாக

where we can dive through images

நாம் புகுந்து வரும்போதும் இது போன்ற பல-பிரிதிறன் அனுபவங்களை நாம்

and have this kind of multi-resolution experience.

கொண்டிருக்கும் போதும் நீங்கள் அதைப் பார்க்க முடியும்.

But the spatial arrangement of the images here is actually meaningful.

ஆனால் இங்கேயுள்ள பிம்பங்களின் வான்சார்ந்த அமைப்பு உண்மையிலேயே அர்த்தமுள்ளது.

The computer vision algorithms have registered these images together

கம்ப்யூட்டர் விஷன் அல்காரிதம்கள், இவைகள் இத்தகைய புகைப்படங்கள் எடுக்கப்பட்ட

so that they correspond to the real space in which these shots --

உண்மையான வான்பகுதியை ஒத்திருக்கும் வகையில், இத்தகைய பிம்பங்களை ஒன்றாகப்

all taken near Grassi Lakes in the Canadian Rockies --

பதிவுசெய்திருக்கின்றன – இவைகள் கனடா பறைப்பகுதிகளிலுள்ள

all these shots were taken.

கிராஸ்ஸி ஏரியின் அருகில் எடுக்கப்பட்டவை.

So you see elements here

of stabilized slide-show or panoramic imaging,

சீராக்கப்பட்ட ஸ்லைடு-ஷோவின் பகுதிகள் அல்லது பனோரமிக் பிம்பங்களை நீங்கள்

and these things have all been related spatially.

பார்க்கிறீர்கள், மேலும் இத்தகைய காரியங்கள் அனைத்தும் வான்சார்ந்து சம்பந்தமுடையவை.

I'm not sure if I have time to show you any other environments.

வேறெந்த சூழல்களையும் உங்களுக்குக் காண்பிப்பதற்கு நான் நேரங்கொண்டிருக்கிறேனா என்பது எனக்குத் தெரியாது.

Some are much more spatial.

இன்னும் அதிகமாக வான்சார்ந்துள்ளவைகளும் இன்னும் சிலவைகள் உள்ளன.

I would like to jump straight to one of Noah's original data-sets --

நோவாவின் அசல் தரவுத்-தொகுப்புகள் சிலவற்றிற்கு நான் நேரடியாகச் செல்ல

this is from an early prototype that we first got working this summer --

விரும்புகிறேன் – இது கோடைகாலத்தில் வேலை செய்யுமாறு நாம் பெற்ற ஆரம்பகால

போட்டோசிந்தின் மாதிரியில் இருந்ததாகும் – இந்தத் தொழிற்நுட்பத்திற்குப்

to show you what I think

பின்னான முக்கியமான காரியம் தான் உங்களுக்குக் காண்பிப்பதற்கு நான் நினைப்பது,

is really the punch line behind the Photosynth technology,

அந்த போட்டோசிந்த் தொழிற்நுட்பம். நாம் இணையத்தில்

It's not necessarily so apparent

வைத்திருக்கிற சுற்றுச்சூழலைப் பார்ப்பதிலிருந்து மிக வெளிப்படையாகத் தெரியவேண்டிய அவசியமில்லை.

from looking at the environments we've put up on the website.

நாம் வழக்கறிஞர்கள் மற்றும் இப்படியானவர்களைக் குறித்துக் கவலைப்பட வேண்டியிருந்தது.

We had to worry about the lawyers and so on.

இது நோட்டிர் டேம் பேராலயத்தின் ஒரு மறு கட்டுமானம்,

This is a reconstruction of Notre Dame Cathedral

அது ஃபிலிக்கரிடமிருந்து வெட்டியெடுக்கப்பட்ட பிம்பங்களிலிருந்து முற்றிலுமாக

that was done entirely computationally from images scraped from Flickr.

கணினி ரீதியாக செய்யப்பட்டது. நீங்கள் ஃபிலிக்கரில் சாதாரணமாக நோட்டிர் டேம்

என்று மாத்திரம் டைப் செய்யுங்கள், அப்போது நீங்கள் டிஷர்ட் போட்டுள்ள

You just type Notre Dame into Flickr,

and you get some pictures of guys in T-shirts, and of the campus and so on.

சில வாலிபர்களின் படங்களையும், அந்த வளாகத்தையும் இப்படியாக சிலபடங்களைப் பெறுவீர்கள்.

மேலும் இத்தகைய ஒவ்வொரு ஆரஞ்ச் கூம்பும் இந்த மாதிரிக்கு

And each of these orange cones represents an image

that was discovered to belong to this model.

உரியதாகக் கண்டுபிடிக்கப்பட்ட ஒரு பிம்பத்தைப் பிரதிநிதித்துவப்படுத்துகிறது.

And so these are all Flickr images,

எனவே இவைகளெல்லாம் ஃபிலிக்கர் பிம்பங்கள், எனவே அவைகள்

and they've all been related spatially in this way.

எல்லாமே வான்ரீதியாக இந்த வழியில் சம்பந்தமுடையவை.

We can just navigate in this very simple way.

மேலும் இந்த மிக எளிமையான வழியிலேயே வழிகண்டு செல்லலாம்.

(Applause)

(கைதட்டல்).

(Applause ends)

You know, I never thought that I'd end up working at Microsoft.

உங்களுக்குத் தெரியுமா, நான் மைக்ரோசாஃப்டில் வேலை செய்வதில் போய் நிற்பேன் என்று நான் நினைத்துப் பார்த்ததே இல்லை.

It's very gratifying to have this kind of reception here.

இந்த மாதிரியான ஒரு வரவேற்பு கிடைத்தது மிகவும் மனதிருப்தியாக உள்ளது.

(Laughter)

(சிரிப்பு).

I guess you can see this is lots of different types of cameras:

இது பல்வேறு வகைகளைச் சார்ந்த கேமிராக்கள் பல என்பதை

நீங்கள் பார்க்க முடிகிறது என நான் நினைக்கிறேன்.

it's everything from cell-phone cameras to professional SLRs,

அது செல்போன் கேமராக்களிலிருந்து தொழில்ரீதியான எஸ்எல்ஆர்கள் வரை எல்லாமே

quite a large number of them, stitched together in this environment.

இவைகள் தான், அவைகளில் சற்றுப் பெரும்பாலானவை, இந்தச்

சூழ்நிலையில் ஒன்றாக இணைக்கப்பட்டுள்ளன.

If I can find some of the sort of weird ones --

மேலும் உங்களால் முடிந்தால், சில அட்டகாசமான வகை சார்ந்தவைகளை நான் கண்டெடுப்பேன்.

So many of them are occluded by faces, and so on.

எனவே அவைகளில் பல முகங்களால் மறைக்கப்பட்டுள்ளன, இப்படியாக.

Somewhere in here there is actually a series of photographs -- here we go.

இங்கு எங்கோ சில இடங்களில் உண்மையிலேயே வரிசையான

புகைப்படங்கள் உள்ளன -- நாம் இங்கு போவோம்.

This is actually a poster of Notre Dame that registered correctly.

இது உண்மையிலேயே சரியாகப் பதிவுசெய்யப்பட்ட நோட்டிர் டேமின் ஒரு சுவரொட்டி.

We can dive in from the poster

நாம் இந்த சுவரொட்டியிலிருந்து இந்த சூழ்நிலையில்

to a physical view of this environment.

ஒரு இயல்பான பார்வைக்குள் பாய்ந்து செல்ல முடியும்.

What the point here really is

இங்கு உண்மையிலேயே உள்ள குறிப்பு என்னவென்றால், நாம் சமுதாய சூழல்களோடு

is that we can do things with the social environment.

காரியங்களைச் செய்ய முடியும். இது இப்போது ஒவ்வொருவரிடமிருந்தும் தகவல்களை

This is now taking data from everybody --

from the entire collective memory, visually, of what the Earth looks like --

எடுப்பது – ஒரு முற்றிலுமான கூட்டு நினைவகத்திலிருந்து

பார்வைரீதியாக பூமி எப்படி காணப்படுகிறதோ –

and link all of that together.

அவைகளனைத்தையும் ஒன்றாக இணையுங்கள்.

Those photos become linked, and they make something emergent

அந்த அனைத்து புகைப்படங்களும் ஒன்றாக இணைக்கப்பட்டவைகளாகின்றன,

அவைகள் அந்தப் பகுதிகளின் மொத்தத்தை விட பெரிதாகத்

that's greater than the sum of the parts.

தோன்றியுள்ள ஒன்றை உண்டாக்குகின்றன.

You have a model that emerges of the entire Earth.

மொத்த பூமியிலிருந்து தோன்றுகிற ஒரு மாதிரியை நீங்கள் பெறுகிறீர்கள்.

Think of this as the long tail to Stephen Lawler's Virtual Earth work.

இதை ஸ்டீபன் லாலெர்ஸ் கற்பனை புவி வேலைப்பாடாக நினைத்துப் பாருங்கள்.

And this is something that grows in complexity as people use it,

இது மக்கள் உபயோகிக்கும் போது சிக்கலுக்குள்ளாக வளர்கிற ஒன்று,

மேலும் அதன் பலன்கள் அவர்கள் உபயோகிக்கும் போது

and whose benefits become greater to the users as they use it.

பயனாளர்களுக்கு மிக அதிகமானதாக மாறுகின்றன.

Their own photos are getting tagged with meta-data that somebody else entered.

அவர்களது சொந்தப் புகைப்படங்கள் யாரோ உள்நுழைத்த

மெட்டா-டேட்டாவோடு பிணைக்கப்படப் போகிறது.

If somebody bothered to tag all of these saints

இத்தகைய அனைத்துப் புனிதர்களையும் பிணைப்பதற்கு யாராவது கவலைப்பட்டு, யார்

and say who they all are, then my photo of Notre Dame Cathedral

இவர்களெல்லாரும் என்று கேட்டார்களானால், உடனடியாக நோட்டிர் டேம் பேராலயத்தின்

suddenly gets enriched with all of that data,

எனது புகைப்படம் அந்த அனைத்துத் தரவுகளோடும் வளமடைகிறது, மேலும் அந்த

and I can use it as an entry point to dive into that space,

இடத்திற்குள் பாய்ந்து செல்வதற்கு அதை ஒரு நுழைவுப் புள்ளியாக நான் பயன்படுத்த

into that meta-verse, using everybody else's photos,

முடியும், அந்த மெட்டா-வெர்ஸிற்குள், அங்குள்ள ஒவ்வொருவரின் புகைப்படங்களையும்

and do a kind of a cross-modal

உபயோகித்து, ஒரு விதமான குறுக்கு மாதிரியைச் செய்ய முடியும் அப்படியாக அந்த

and cross-user social experience that way.

வழியில் ஒரு குறுக்குப்-பயணர் சமுதாய அனுபவத்தை அடைய முடியும்.

And of course, a by-product of all of that is immensely rich virtual models

மேலும் உண்மையிலேயே, அந்த அனைத்தின் ஒரு உபரி உற்பத்திப் பொருளானது பூமியின்

ஒவ்வொரு ஆர்வமுடைய பகுதியின் காட்சி ரீதியான மாதிரியாக கடுமையான அளவிற்கு

of every interesting part of the Earth,

வளமடைகிறது, மேல்பறக்கிற விமானங்கள் மற்றும் செயற்கைக் கோள் மற்றும்

collected not just from overhead flights and from satellite images

இப்படியானவைகளிலிருந்து சேகரிக்கப்படாமல்,

and so on, but from the collective memory.

ஒரு கூட்டு நினைவகத்தில் இருந்து.

Thank you so much.

உங்களுக்கு மிகவும் நன்றி.

(Applause)

(கைதட்டல்).

(Applause ends)

Chris Anderson: Do I understand this right?

கிரிஸ் ஆண்டர்ஸன்: நான் இதைச் சரியாகப் புரிந்துகொள்கிறேனா? இந்த மென்பொருள்

What your software is going to allow,

is that at some point, really within the next few years,

என்னத்தை அனுமதிக்கப் போகிறது, என்பது ஒரு நிலையில், உண்மையிலேயே அடுத்த

all the pictures that are shared by anyone across the world

சில ஆண்டுகளுக்குள், உலகமுழுவதுமுள்ள யார் யாரோ பகிர்ந்து கொள்ளப்பட்ட

are going to link together?

அனைத்துப் படங்களும் அடிப்படையாக ஒன்றாக இணைக்கப்படப் போகின்றனவா?

BAA: Yes. What this is really doing is discovering,

பிஏஏ: ஆம். இது உண்மையிலேயே என்ன செய்து கொண்டிருக்கிறதென்றால் அது கண்டுபிடிப்புதான்.

creating hyperlinks, if you will, between images.

அது உச்சகட்ட இணைப்புகளை உண்டாக்கிக் கொண்டிருக்கிறது, நீங்கள் விரும்பும் பட்சத்தில், பிம்பங்களுக்கிடையே.

It's doing that based on the content inside the images.

மேலும் அது அந்த பிம்பங்களுக்குள் உள்ள பொருளடக்கங்களின்

அடிப்படையில் அதைச் செய்கிறது.

And that gets really exciting when you think about the richness

மேலும் அத்தகைய பலவிதமான பிம்பங்கள் கொண்டிருக்கும் அந்த பல்வேறு தகவல்களின்

of the semantic information a lot of images have.

வளமையைக் குறித்து நீங்கள் நினைத்துப் பார்க்கும் போது அது உண்மையிலேயே

Like when you do a web search for images,

ஆச்சரியமானதாக மாறுகிறது.

you type in phrases,

நீங்கள் ஒரு பிம்பத்திற்கான இணைய தேடலைச் செய்யும் போது,

and the text on the web page is carrying a lot of information

நீங்கள் வார்த்தைகளில் டைப் செய்கிறீர்கள், அந்த இணைய பக்கத்தின் மீதான அந்த உரை

about what that picture is of.

What if that picture links to all of your pictures?

அந்தப் படம் கொண்டிருக்கக் கூடிய அனேக தகவல்களைச் சுமந்து செல்கிறது.

இப்போது , உங்கள் அனைத்துப் படங்களோடும் அந்த படம் இணைப்பதென்ன?

The amount of semantic interconnection and richness

அதன்பிறகு பல்வேறுவகையானவைகளின் ஒன்றோடு ஒன்றான இணைப்புகளின் அளவும் அதிலிருந்து வெளிவருகிற வளமையின்

that comes out of that is really huge.

அளவும் உண்மையிலேயே பிரமாண்டமானது. அது ஒரு அட்டகாசமான வலையமைப்பு விளைவு

It's a classic network effect.

CA: Truly incredible. Congratulations.

சிஏ: பிலெய்ஸ், அது உண்மையிலேயே நம்பமுடியாதது. வாழ்த்துக்கள்.

பிஏஏ: மிக்க நன்றி.