Art in the age of machine intelligence | Refik Anadol

644,872 views ・ 2020-08-19

TED


A videó lejátszásához kattintson duplán az alábbi angol feliratokra.

Fordító: Balázs Nagy Lektor: Reka Lorinczy
00:12
Hi, I'm Refik. I'm a media artist.
0
12784
2875
Üdv, Refik vagyok, médiaművész.
00:15
I use data as a pigment
1
15683
1975
Festék gyanánt adatokat használok,
00:17
and paint with a thinking brush
2
17682
1890
és intelligens ecsettel festek,
00:19
that is assisted by artificial intelligence.
3
19596
2859
amelyet mesterséges intelligencia irányít.
00:23
Using architectural spaces as canvases,
4
23128
2748
Építészeti tereket használok festővászonnak,
00:25
I collaborate with machines
5
25900
1794
és gépekkel együttműködve
00:27
to make buildings dream and hallucinate.
6
27718
2943
ösztönzöm az épületeket, hogy álmodjanak és kápráztassanak el.
00:30
You may be wondering, what does all this mean?
7
30685
2715
Lehet, hogy most azon tűnődnek, mi ez az egész?
00:33
So let me please take you into my work and my world.
8
33424
3665
Kérem, hadd mutassam be, hogy miből is áll a munkám és a világom.
00:37
I witnessed the power of imagination when I was eight years old,
9
37851
3739
Nyolcéves voltam, amikor megtapasztaltam a képzelet hatalmát,
00:41
as a child growing up in Istanbul.
10
41614
2342
még isztambuli gyermekkoromban.
00:43
One day, my mom brought home a videocassette
11
43980
3391
Egy szép napon anyám hozott nekem egy videókazettát,
00:47
of the science-fiction movie "Blade Runner."
12
47395
2683
amelyen a ,,Szárnyas fejvadász" című sci-fi volt.
00:50
I clearly remember being mesmerized
13
50102
2975
Tisztán emlékszem, hogyan babonázott meg
00:53
by the stunning architectural vision of the future of Los Angeles,
14
53101
4909
a jövőbeli Los Angeles lenyűgöző városképének látványa,
00:58
a place that I had never seen before.
15
58034
2552
olyan helyé, amelyet még nem láttam sosem azelőtt.
01:00
That vision became a kind of a staple of my daydreams.
16
60610
5397
Ez a látomás vált álmodozásaim egyik legfőbb motívumává.
01:06
When I arrived in LA in 2012
17
66031
2762
2012-ben, amikor Los Angelesbe érkeztem,
01:08
for a graduate program in Design Media Arts,
18
68817
2420
hogy médiaművész szakon tanuljak,
01:11
I rented a car and drove downtown
19
71261
2390
béreltem egy autót, és bejártam a belvárost,
01:13
to see that wonderful world of the near future.
20
73675
3046
hogy saját szememmel lássam a közeljövő csodálatos világát.
01:17
I remember a specific line
21
77482
1646
Emlékszem egy bizonyos mondatra,
01:19
that kept playing over and over in my head:
22
79152
3069
ami újra és újra eszembe jutott:
01:22
the scene when the android Rachael
23
82245
2095
az a jelenet, amikor a Rachel nevű android
01:24
realizes that her memories are actually not hers,
24
84364
3715
rájön, hogy az emlékei igazából nem is az ő emlékei,
01:28
and when Deckard tells her they are someone else's memories.
25
88103
4651
és amikor Deckard elmondja neki, hogy azok valójában valaki más emlékei.
01:32
Since that moment,
26
92778
1233
Azóta a pillanat óta
01:34
one of my inspirations has been this question.
27
94035
2880
az egyik fő ihletforrásom ez a kérdés.
01:37
What can a machine do with someone else's memories?
28
97561
4339
Mit tehet egy gép valaki más emlékeivel?
01:41
Or, to say that in another way,
29
101924
2703
Vagy, hogy másképpen fogalmazzak:
01:44
what does it mean to be an AI in the 21st century?
30
104651
3751
mit jelent a mesterséges intelligencia a 21. században?
01:49
Any android or AI machine
31
109441
2097
Bármely android vagy intelligens gép
01:51
is only intelligent as long as we collaborate with it.
32
111562
3117
csak akkor intelligens, ha mi együtt dolgozunk vele.
01:55
It can construct things
33
115327
1465
Felépíthet dolgokat,
01:56
that human intelligence intends to produce
34
116816
3256
amelyeket az emberi intelligencia szándékozik létrehozni,
02:00
but does not have the capacity to do so.
35
120096
2142
ám szűkös erőforrásai miatt nem képes rá.
02:03
Think about your activities and social networks, for example.
36
123373
3805
Gondoljunk pl. a tevékenységeinkre és közösségi hálóinkra.
02:07
They get smarter the more you interact with them.
37
127208
3548
Annál okosabbak lesznek, minél többet foglalkozunk velük.
02:10
If machines can learn or process memories,
38
130780
4469
Ha a gépek képesek tanulni vagy emlékeket feldolgozni,
02:15
can they also dream?
39
135273
1861
akkor képesek álmodni is?
02:17
Hallucinate?
40
137158
1486
Képzelődni is?
02:18
Involuntarily remember,
41
138668
2414
Akaratlanul is emlékezni,
02:21
or make connections between multiple people's dreams?
42
141106
3953
vagy összekötni több ember álmait?
02:25
Does being an AI in the 21st century simply mean not forgetting anything?
43
145083
6023
A 21. században az intelligens gép csak azt jelenti, hogy nem felejt semmit?
02:32
And, if so,
44
152365
1183
És ha igen,
02:33
isn't it the most revolutionary thing that we have experienced
45
153572
4254
akkor vajon nem ez-e a legnagyobb áttörés az évszázados törekvésünkben
02:37
in our centuries-long effort to capture history across media?
46
157850
4912
a történelem rögzítésére a médiában?
02:43
In other words,
47
163406
1334
Más szavakkal
02:44
how far have we come since Ridley Scott's "Blade Runner"?
48
164764
3453
meddig jutottunk Ridley Scott Szárnyas fejvadásza óta?
02:48
So I established my studio in 2014
49
168678
3487
2014-ben alapítottam meg a stúdiómat.
02:52
and invited architects,
50
172189
2011
Építészeket,
02:54
computer and data scientists, neuroscientists,
51
174224
2372
programozókat, adatelemzőket, idegtudósokat,
02:56
musicians and even storytellers
52
176620
2847
zenészeket és írókat is meghívtam,
02:59
to join me in realizing my dreams.
53
179491
2741
hogy segítsenek megvalósítani az álmaimat.
03:03
Can data become a pigment?
54
183001
2834
Használhatjuk-e az adatot festékként?
03:05
This was the very first question we asked
55
185859
2587
Ez volt a legelső kérdés, amelyet feltettünk,
03:08
when starting our journey to embed media arts into architecture,
56
188470
4547
amikor elkezdtük a médiaművészetet építészettel kombinálni
03:13
to collide virtual and physical worlds.
57
193041
2658
és a virtuális világot a fizikai valósággal ötvözni.
03:16
So we began to imagine what I would call the poetics of data.
58
196555
4739
Így elkezdtük kigondolni azt, amit én az adat költészetének nevezek.
03:22
One of our first projects, "Virtual Depictions,"
59
202124
2717
Az egyik első projektünk, a "Virtuális ábrázolások"
03:24
was a public data sculpture piece
60
204865
2099
egy köztéri adatszobor volt
03:26
commissioned by the city of San Francisco.
61
206988
2700
San Francisco városa megbízásából.
03:29
The work invites the audience
62
209712
2206
A mű arra invitálja a közönséget,
03:31
to be part of a spectacular aesthetic experience
63
211942
3215
hogy egy látványos esztétikai élmény részesei legyenek
03:35
in a living urban space
64
215181
1639
egy élettel teli városi térben
03:36
by depicting a fluid network of connections of the city itself.
65
216844
5571
azáltal, hogy magának a városnak a dinamikus kapcsolati hálóját ábrázolja.
03:42
It also stands as a reminder
66
222439
2723
Ez eszünkbe juttatja azt is,
03:45
of how invisible data from our everyday lives,
67
225186
3360
hogy a mindennapi életünkben láthatatlan adatok,
03:48
like the Twitter feeds that are represented here,
68
228570
3166
mint pl. az itt látható Twitter-bejegyzések
03:51
can be made visible
69
231760
2128
láthatóvá tehetők,
03:53
and transformed into sensory knowledge that can be experienced collectively.
70
233912
5697
és érzékszervekkel felfogható tudássá alakíthatók.
04:00
In fact, data can only become knowledge when it's experienced,
71
240619
4900
Igazából az adat csak akkor válik tudássá, ha megtapasztaljuk,
04:05
and what is knowledge and experience can take many forms.
72
245543
3976
a tudás és a tapasztalat sokféle alakot ölthet.
04:09
When exploring such connections
73
249543
1760
Amikor ezeket a kapcsolatokat
04:11
through the vast potential of machine intelligence,
74
251327
4506
térképeztük fel a mesterséges intelligencia hatalmas potenciáljával,
04:15
we also pondered the connection between human senses
75
255857
5215
eltöprengtünk azon, hogy mi lehet az összefüggés az ember érzékei
04:21
and the machines' capacity for simulating nature.
76
261096
3651
és a természetet utánzó gép képessége között.
04:24
These inquiries began while working on wind-data paintings.
77
264771
5000
Ez a kutakodás akkor kezdődött, amikor széladatokból festettünk.
04:29
They took the shape of visualized poems
78
269795
2960
Ezek grafikusan megjelenített versek voltak,
04:32
based on hidden data sets that we collected from wind sensors.
79
272779
4814
melyek szélérzékelőkből gyűjtött adathalmazok alapján jöttek létre.
04:37
We then used generative algorithms
80
277617
2813
Ezután generatív algoritmusokat használtunk,
04:40
to transform wind speed, gust and direction
81
280454
4191
hogy átalakítsuk a szél sebességét, a széllökéseket és a szélirányt
04:44
into an ethereal data pigment.
82
284669
2634
éteri adatfestékké.
04:48
The result was a meditative yet speculative experience.
83
288387
4031
Az eredmény pedig egy meditatív és elgondolkodtató élmény lett.
04:53
This kinetic data sculpture, titled "Bosphorus,"
84
293349
2863
Ez a Boszporusz nevű kinetikus adatszobor
04:56
was a similar attempt to question our capacity to reimagine
85
296236
4317
hasonló kísérlet volt arra, hogy megkérdőjelezzük,
képesek vagyunk-e újraértelmezni a természeti jelenségeket.
05:00
natural occurrences.
86
300577
1405
05:03
Using high-frequency radar collections of the Marmara Sea,
87
303299
4437
Nagyfrekvenciás radar használatával a Márvány-tengerről
05:07
we collected sea-surface data
88
307760
2230
tengerfelszíni adatokat gyűjtöttünk,
05:10
and projected its dynamic movement with machine intelligence.
89
310014
3181
és a gépi intelligenciával megjelenítettük dinamikus mozgását.
05:13
We create a sense of immersion
90
313874
2098
Azt az érzetet hozzuk létre,
05:15
in a calm yet constantly changing synthetic sea view.
91
315996
4179
hogy a látogató elmerül a nyugodt, mégis folyton változó tenger látványában.
05:21
Seeing with the brain is often called imagination,
92
321524
4088
Az elmével való látást gyakran képzeletnek nevezzük,
05:25
and, for me, imagining architecture
93
325636
2304
és számomra az építészettel való képzeletjáték
05:27
goes beyond just glass, metal or concrete,
94
327964
3881
több, mint csupán üveg, fém vagy beton,
05:31
instead experimenting with the furthermost possibilities of immersion
95
331869
4501
ehelyett a néző bevonásának és az épített környezet kibővített megtapasztalásának
05:36
and ways of augmenting our perception in built environments.
96
336394
4113
egészen szokatlan lehetőségeivel kísérletezem.
05:40
Research in artificial intelligence is growing every day,
97
340531
3653
A mesterséges intelligencia kutatása napról napra halad előre,
05:44
leaving us with the feeling of being plugged into a system
98
344208
3878
és ez olyan érzetet kelthet bennünk,
hogy egy nálunk nagyobb
05:48
that is bigger and more knowledgeable
99
348110
2294
és jobban informált rendszerbe vagyunk bekötve.
05:50
than ourselves.
100
350428
1452
05:51
In 2017, we discovered an open-source library
101
351904
3604
2017-ben felfedeztünk egy mindenkinek elérhető,
05:55
of cultural documents in Istanbul
102
355532
2642
kulturális dokumentumokat tartalmazó isztambuli könyvtárat,
05:58
and began working on "Archive Dreaming,"
103
358198
3460
és elkezdtünk dolgozni az ,,Álmodik a levéltár" című projektünkön,
06:01
one of the first AI-driven public installations in the world,
104
361682
4294
amely az egyik első, MI-vel működő közösségi installáció,
06:06
an AI exploring approximately 1.7 million documents that span 270 years.
105
366000
6975
amely kb. 1,7 millió dokumentumot dolgoz fel 270 évre visszamenőleg.
06:13
One of our inspirations during this process
106
373788
2842
Munkánk során az egyik ihletforrás
06:16
was a short story called "The Library of Babel"
107
376654
3427
Jorge Luís Borges argentin író
06:20
by the Argentine writer Jorge Luis Borges.
108
380105
3207
,,Bábeli könyvtár" című novellája volt.
06:23
In the story, the author conceives a universe in the form of a vast library
109
383336
5729
A történetben az író egy óriási könyvtárból álló világegyetemet épít fel,
06:29
containing all possible 410-page books of a certain format and character set.
110
389089
5911
amely bizonyos formátumban és betűvel szedett 410 oldalas könyveket tartalmaz.
06:35
Through this inspiring image,
111
395024
1469
Ebből a gondolatébresztő képből kiindulva
06:36
we imagine a way to physically explore the vast archives of knowledge
112
396517
4730
próbáljuk meg képzeletben feltérképezni tudásunk óriási tárházát
06:41
in the age of machine intelligence.
113
401271
2491
a gépi intelligencia korában.
06:43
The resulting work, as you can see,
114
403786
2058
A létrejött mű, amint láthatják,
06:45
was a user-driven immersive space.
115
405868
2623
egy felhasználó által generált dinamikus tér.
06:48
"Archive Dreaming" profoundly transformed the experience of a library
116
408515
4875
Az "Álmodik a levéltár" projekt alapjaiban formálta át a könyvtári élményt
06:53
in the age of machine intelligence.
117
413414
2749
a gépi intelligencia korában.
06:56
"Machine Hallucination" is an exploration of time and space
118
416187
4068
"A gépi képzelet" felfedezőút térben és időben
07:00
experienced through New York City's public photographic archives.
119
420279
4453
New York nyilvános városi fényképészeti levéltári anyagaira épül.
07:04
For this one-of-a-kind immersive project,
120
424756
2626
Ehhez az egyedülálló projekthez
07:07
we deployed machine-learning algorithms
121
427406
2664
gépi tanulási algoritmusokat alkalmaztunk,
07:10
to find and process over 100 million photographs of the city.
122
430094
4162
hogy felkutassuk és megtaláljuk a városról készített több, mint 100 millió fényképet.
07:15
We designed an innovative narrative system
123
435008
3082
Újszerű történetmesélési rendszert alkalmaztunk,
07:18
to use artificial intelligence to predict or to hallucinate new images,
124
438114
6203
hogy a mesterséges intelligenciával új képeket alkossunk és ábrándozzunk,
07:24
allowing the viewer to step into a dreamlike fusion
125
444341
3923
így a néző beléphet New York múltjának és jelenének
07:28
of past and future New York.
126
448288
2124
álomszerű egyvelegébe.
07:31
As our projects delve deeper
127
451832
1819
Ahogy projektjeinkkel egyre mélyebbre hatoltunk
07:33
into remembering and transmitting knowledge,
128
453675
3676
az emlékezés és a tudás átadásának folyamatába,
07:37
we thought more about how memories were not static recollections
129
457375
4958
úgy fogalmaztuk meg, hogy az emlékek nem statikus képek,
07:42
but ever-changing interpretations of past events.
130
462357
3361
hanem a múltbéli események folyton változó értelmezései.
07:46
We pondered how machines
131
466269
2081
Eltöprengtünk rajta, hogy a gépek
07:48
could simulate unconscious and subconscious events,
132
468374
4030
hogyan tudnák utánozni a tudattalan és tudatalatti folyamatait,
07:52
such as dreaming, remembering and hallucinating.
133
472428
3912
amilyen például az álmodás, az emlékezés és a hallucináció.
07:57
Thus, we created "Melting Memories"
134
477356
2904
Ezért hoztuk létre az ,,Összeolvadó emlékek" projektet,
08:00
to visualize the moment of remembering.
135
480284
2421
hogy megjelenítsük az emlékezés pillanatát.
08:03
The inspiration came from a tragic event,
136
483824
2667
Az ihletet egy tragikus esemény szolgáltatta,
08:06
when I found out that my uncle was diagnosed with Alzheimer's.
137
486515
3511
amikor megtudtam, hogy a nagybátyámat Alzheimerrel diagnosztizálták.
08:11
At that time, all I could think about
138
491602
2421
Akkoriban csak arra tudtam gondolni,
08:14
was to find a way to celebrate how and what we remember
139
494047
5063
hogy valahogyan megünnepeljük az emlékezés képességét és az emlékeket,
08:19
when we are still able to do so.
140
499134
1994
amíg még képesek vagyunk rá.
08:21
I began to think of memories not as disappearing
141
501152
4080
Én nem úgy gondolok az emlékekre, hogy azok eltűnnek,
08:25
but as melting or changing shape.
142
505256
2912
hanem egymásba olvadnak vagy alakot váltanak.
08:28
With the help of machine intelligence,
143
508192
2061
A gépi intelligencia segítségével
08:30
we worked with the scientists at the Neuroscape Laboratory
144
510277
3463
együtt dolgoztunk a University of California
kognitív idegtudományi laboratóriumának munkatársaival,
08:33
at the University of California,
145
513764
1839
08:35
who showed us how to understand brain signals as memories are made.
146
515627
5557
akik megmutatták, hogyan értelmezzük
az agy ingerületeit emlékrögzítés közben.
08:41
Although my own uncle was losing the ability to process memories,
147
521208
5103
Bár nagybátyám éppen elvesztette az emlékek feldolgozásának képességét,
08:46
the artwork generated by EEG data
148
526335
3523
az EEG-adatokból előállított műalkotás
08:49
explored the materiality of remembering
149
529882
3302
feltérképezte az emlékezés fizikai valóságát,
08:53
and stood as a tribute to what my uncle had lost.
150
533208
4380
és méltó emléket állított annak, amit nagybátyám elvesztett.
09:00
Almost nothing about contemporary LA
151
540533
2954
A jelenkor Los Angelesében gyakorlatilag semmi sem hasonlított
09:03
matched my childhood expectation of the city,
152
543511
3761
gyermekkorom fantáziavárosára, egyetlen lenyűgöző épület kivételével:
09:07
with the exception of one amazing building:
153
547296
3090
09:10
the Walt Disney Concert Hall, designed by Frank Gehry,
154
550410
3389
a Walt Disney Koncertterem, melyet Frank Gehry,
09:13
one of my all-time heroes.
155
553823
1731
egyik nagy példaképem tervezett.
09:16
In 2018, I had a call from the LA Philharmonic
156
556208
3357
2018-ban felhívtak a Los Angeles-i Filharmonikusoktól,
09:19
who was looking for an installation
157
559589
1911
akik éppen egy műalkotást szerettek volna,
09:21
to help mark the celebrated symphony's hundred-year anniversary.
158
561524
4090
amellyel megünnepelhetik a zenekar fennállásának századik évfordulóját.
09:25
For this, we decided to ask the question,
159
565638
3372
Ehhez elhatároztuk, hogy feltesszük a kérdést:
09:29
"Can a building learn? Can it dream?"
160
569034
2940
,,Képes-e tanulni egy épület? Képes-e álmodni?"
09:32
To answer this question,
161
572614
1177
Ennek megválaszolásához
09:33
we decided to collect everything recorded in the archives of the LA Phil and WDCH.
162
573815
5831
összegyűjtöttünk mindent a Filharmonikusok és a koncertterem archívumából.
09:39
To be precise, 77 terabytes of digitally archived memories.
163
579670
4865
Egészen pontosan 77 terabájtnyi digitálisan archivált emléket.
09:44
By using machine intelligence,
164
584559
2167
Gépi intelligencia használatával
09:46
the entire archive, going back 100 years,
165
586750
3416
a teljes archív anyag 100 évre visszamenőleg
09:50
became projections on the building's skin,
166
590190
3005
az épület burkolatán jelent meg 42 kivetítő segítségével,
09:53
42 projectors to achieve this futuristic public experience
167
593219
3944
hogy megvalósítsuk ezt a futurisztikus köztéri élményt,
09:57
in the heart of Los Angeles,
168
597187
2175
Los Angeles szívében, így jutva egy lépéssel közelebb
09:59
getting one step closer to the LA of "Blade Runner."
169
599386
3983
a ,,Szárnyas fejvadász" Los Angeleséhez.
10:04
If ever a building could dream,
170
604146
2514
Ha egy épület álmodni tudna,
10:06
it was in this moment.
171
606684
1677
az pontosan így nézne ki.
10:11
Now, I am inviting you to one last journey into the mind of a machine.
172
611703
4746
Most pedig egy utolsó utazásra hívom önöket a gép elméjébe.
10:17
Right now, we are fully immersed in the data universe
173
617877
3364
Most éppen egy hatalmas adatvilágban vagyunk,
10:21
of every single curated TED Talk from the past 30 years.
174
621265
4548
mely az elmúlt 30 év minden egyes TED Talkjának felvételéből áll.
10:25
That means this data set includes 7,705 talks from the TED stage.
175
625837
6602
Vagyis ez az adathalmaz a TED-en elhangzott 7 705 előadást tartalmazza.
10:33
Those talks have been translated into 7.4 million seconds,
176
633094
4541
Ezek az előadások 7,5 millió másodpercnek felelnek meg,
10:37
and each second is represented here in this data universe.
177
637659
4095
és ebben az adatvilágban minden egyes másodperc fellelhető.
10:41
Every image that you are seeing in here
178
641778
2071
Minden itt látható kép
10:43
represents unique moments from those talks.
179
643873
3072
az előadások egyedi pillanatait képviseli.
10:46
By using machine intelligence,
180
646969
1873
Gépi intelligencia segítségével
10:48
we processed a total of 487,000 sentences
181
648866
4301
487 000 mondatot dolgoztunk fel
10:53
into 330 unique clusters of topics like nature, global emissions,
182
653191
4389
330 egyedi témába csoportosítva: természet, környezetszennyezés,
10:57
extinction, race issues, computation,
183
657604
3286
fajok kihalása, rasszok, számítógépek,
11:00
trust, emotions, water and refugees.
184
660914
3540
bizalom, érzelmek, víz vagy éppen menekültek.
11:04
These clusters are then connected to each other
185
664478
2849
Ezeket a csoportokat egy algoritmus
11:07
by an algorithm,
186
667351
1262
kapcsolja össze egymással,
11:08
[that] generated 113 million line segments,
187
668637
3842
amelynek nyomán 113 millió szegmenshez jutunk,
11:12
which reveal new conceptual relationships.
188
672503
3103
amelyek új fogalmi relációkat fednek fel.
11:15
Wouldn't it be amazing to be able to remember
189
675630
3341
Hát nem lenne csodálatos, ha emlékezhetnénk az összes kérdésre,
11:18
all the questions that have ever been asked on the stage?
190
678995
3069
amelyet bármikor is feltettek ezen a színpadon?
11:23
Here I am,
191
683507
1439
Itt vagyok én,
11:24
inside the mind of countless great thinkers,
192
684970
2862
és megannyi nagy gondolkodó elméjébe látok bele,
11:27
as well as a machine, interacting with various feelings
193
687856
3723
illetve a gép elméjébe is, mely a tanulásnak köszönhetően
11:31
attributed to learning,
194
691603
2365
sokféle érzéssel áll kapcsolatban,
11:33
remembering, questioning
195
693992
2236
mint például egyidőben az emlékezéssel,
11:36
and imagining all at the same time,
196
696252
3367
a kételkedéssel és ábrándozással,
11:39
expanding the power of the mind.
197
699643
2275
így tágítja ki az elme hatalmát.
11:43
For me, being right here
198
703034
2397
Számomra pontosan
11:45
is indeed what it means to be an AI in the 21st century.
199
705455
3952
az jelenti a 21. század mesterséges intelligenciáját, hogy itt állhatok.
11:50
It is in our hands, humans,
200
710184
2293
Csak rajtunk, embereken múlik,
11:52
to train this mind to learn and remember
201
712501
3516
hogy ezt az elmét megtanítsuk tanulni és emlékezni mindarra,
11:56
what we can only dream of.
202
716041
2093
amiről csak álmodhatunk.
11:59
Thank you.
203
719258
1150
Köszönöm!
Erről a weboldalról

Ez az oldal olyan YouTube-videókat mutat be, amelyek hasznosak az angol nyelvtanuláshoz. A világ minden tájáról származó, kiváló tanárok által tartott angol leckéket láthatsz. Az egyes videók oldalán megjelenő angol feliratokra duplán kattintva onnan játszhatja le a videót. A feliratok a videó lejátszásával szinkronban gördülnek. Ha bármilyen észrevétele vagy kérése van, kérjük, lépjen kapcsolatba velünk ezen a kapcsolatfelvételi űrlapon.

https://forms.gle/WvT1wiN1qDtmnspy7