Ray Kurzweil: A university for the coming singularity

87,328 views ・ 2009-06-02

TED


אנא לחץ פעמיים על הכתוביות באנגלית למטה כדי להפעיל את הסרטון.

מתרגם: Ran Amitay מבקר: Arnon Cahen
00:13
Information technology grows in an exponential manner.
0
13160
3000
טכנולוגיית המידע מתקדמת בצורה אקספוננציאלית (מעריכית)
00:16
It's not linear. And our intuition is linear.
1
16160
4000
לא בצורה לינארית (קווית). והאינטואיציה שלנו היא לינארית.
00:20
When we walked through the savanna a thousand years ago
2
20160
2000
כשהלכנו בסוואנה לפני אלף שנה
00:22
we made linear predictions where that animal would be,
3
22160
2000
הערכנו בצורה לינארית היכן תימצא החיה.
00:24
and that worked fine. It's hardwired in our brains.
4
24160
3000
וזה עבד מצוין. זה נצרב למוחותינו.
00:27
But the pace of exponential growth
5
27160
3000
אבל הקצב של הגידול האקספוננציאלי
00:30
is really what describes information technologies.
6
30160
3000
הוא מה שבאמת מתאר את טכנולוגיות המידע.
00:33
And it's not just computation.
7
33160
3000
וזה לא רק חישוב.
00:36
There is a big difference between linear and exponential growth.
8
36160
2000
יש הבדל גדול בין גידול לינארי לאקספוננציאלי.
00:38
If I take 30 steps linearly -- one, two, three, four, five --
9
38160
4000
אם אבצע 30 צעדים בצורה לינארית, אחת, שתיים, שלוש, ארבע, חמש,
00:42
I get to 30.
10
42160
2000
אגיע ל30.
00:44
If I take 30 steps exponentially -- two, four, eight, 16 --
11
44160
3000
אם אבצע 30 צעדים בצורה אקספוננציאלית, שתיים, ארבע, שמונה, 16,
00:47
I get to a billion.
12
47160
2000
אגיע למיליארד.
00:49
It makes a huge difference.
13
49160
2000
זה הבדל עצום.
00:51
And that really describes information technology.
14
51160
2000
וזה מה שבאמת מתאר את טכנולוגיית המידע.
00:53
When I was a student at MIT,
15
53160
2000
כשהייתי סטודנט באוניברסיטת MIT
00:55
we all shared one computer that took up a whole building.
16
55160
2000
חלקנו ביננו מחשב אחד שהיה בגודל הבניין כולו.
00:57
The computer in your cellphone today is a million times cheaper,
17
57160
3000
המחשב שיש לכם בטלפון הסלולרי כיום הוא זול פי מליון,
01:00
a million times smaller,
18
60160
2000
קטן פי מליון,
01:02
a thousand times more powerful.
19
62160
2000
חזק פי אלף.
01:04
That's a billion-fold increase in capability per dollar
20
64160
3000
זה שיפור של פי מיליארד ביכולות לכל דולר
01:07
that we've actually experienced since I was a student.
21
67160
2000
שחווינו למעשה מאז שהייתי סטודנט.
01:09
And we're going to do it again in the next 25 years.
22
69160
3000
ואנחנו נעשה את זה שוב ב25 שנים הבאות.
01:12
Information technology progresses
23
72160
2000
טכנולוגיית המידע מתקדמת
01:14
through a series of S-curves
24
74160
2000
ברצף של עקומות בצורת S
01:16
where each one is a different paradigm.
25
76160
2000
כשכל אחת היא פרדיגמה אחרת.
01:18
So people say, "What's going to happen when Moore's Law comes to an end?"
26
78160
3000
אז אנשים אומרים: "מה יקרה כש'חוק מור' (Moore's Law) יגיע לקיצו?"
01:21
Which will happen around 2020.
27
81160
2000
דבר שיקרה בסביבות 2020.
01:23
We'll then go to the next paradigm.
28
83160
2000
אז אנחנו נתקדם לפרדיגמה הבאה.
01:25
And Moore's Law was not the first paradigm
29
85160
2000
וחוק מור לא היה הפרדיגמה הראשונה
01:27
to bring exponential growth to computing.
30
87160
2000
שהביאה התקדמות אקספוננציאלית למיחשוב.
01:29
The exponential growth of computing started
31
89160
2000
ההתקדמות האקספוננציאלית במיחשוב החלה
01:31
decades before Gordon Moore was even born.
32
91160
2000
עשורים רבים לפני שגורדון מור בכלל נולד.
01:33
And it doesn't just apply to computation.
33
93160
4000
והחוק הזה לא תקף רק במיחשוב.
01:37
It's really any technology where we can measure
34
97160
2000
הוא תקף למעשה בכל טכנולוגיה שניתן למדוד בה
01:39
the underlying information properties.
35
99160
3000
את תכונות המידע היסודיות שבה.
01:42
Here we have 49 famous computers. I put them in a logarithmic graph.
36
102160
4000
יש לנו כאן 49 מחשבים מפורסמים. אני מציג אותם בגרף לוגריתמי.
01:46
The logarithmic scale hides the scale of the increase,
37
106160
4000
הסולם הלוגריתמי מסתיר את הסולם של ההתקדמות.
01:50
because this represents trillions-fold increase
38
110160
2000
כיוון שזה מייצג התקדמות פי טריליונים
01:52
since the 1890 census.
39
112160
3000
מאז הסקר של 1890.
01:55
In 1950s they were shrinking vacuum tubes,
40
115160
2000
בשנות ה50 של המאה ה20 כיווצו שפופרות ואקום,
01:57
making them smaller and smaller. They finally hit a wall;
41
117160
3000
הקטינו אותן עוד ועוד. לבסוף נתקלו בקיר.
02:00
they couldn't shrink the vacuum tube any more and keep the vacuum.
42
120160
2000
הם לא יכלו להקטין עוד את השפופרות ועדיין לשמור על הואקום.
02:02
And that was the end of the shrinking of vacuum tubes,
43
122160
3000
וזה היה הסוף של כיווץ שפופרות ואקום.
02:05
but it was not the end of the exponential growth of computing.
44
125160
3000
אבל זה לא היה הסוף של הגידול האקספוננציאלי של המיחשוב.
02:08
We went to the fourth paradigm, transistors,
45
128160
2000
עברנו לפרדיגמה הרביעית, טרנזיסטורים,
02:10
and finally integrated circuits.
46
130160
2000
ולבסוף, מעגלים משולבים.
02:12
When that comes to an end we'll go to the sixth paradigm;
47
132160
2000
וכשזה יגיע לקיצו, נעבור לפרדיגמה השישית,
02:14
three-dimensional self-organizing molecular circuits.
48
134160
4000
מעגלים מולקולריים תלת-מימדיים שמתארגנים מעצמם.
02:18
But what's even more amazing, really, than this
49
138160
3000
אבל מה שאפילו יותר מדהים, בעצם,
02:21
fantastic scale of progress,
50
141160
2000
מקצב הגידול הפנטסטי הזה
02:23
is that -- look at how predictable this is.
51
143160
2000
הוא שתראו כמה שהוא צפוי.
02:25
I mean this went through thick and thin,
52
145160
2000
אני מתכוון, הוא המשיך בזמנים טובים ורעים,
02:27
through war and peace, through boom times and recessions.
53
147160
3000
במלחמה ושלום, בשגשוג ובמיתון.
02:30
The Great Depression made not a dent in this exponential progression.
54
150160
4000
"המיתון הגדול" לא גרם אפילו לקמט קל בגידול האקספוננציאלי הזה.
02:34
We'll see the same thing in the economic recession we're having now.
55
154160
4000
ואחנו נראה את אותו הדבר במיתון הכלכלי של היום.
02:38
At least the exponential growth of information technology capability
56
158160
3000
לפחות הגידול האקספוננציאלי של היכולות של טכנולוגיית המידע
02:41
will continue unabated.
57
161160
3000
ימשיך ללא הפרעה.
02:44
And I just updated these graphs.
58
164160
2000
ורק לאחרונה עידכני את הגרפים האלה.
02:46
Because I had them through 2002 in my book, "The Singularity is Near."
59
166160
3000
כיוון שהם הופיעו מאז 2002 בספרי "הסינגולריות קרבה".
02:49
So we updated them,
60
169160
2000
אז עידכנו אותם,
02:51
so I could present it here, to 2007.
61
171160
3000
כדי שאוכל להציגם כאן, לשנת 2007
02:54
And I was asked, "Well aren't you nervous?
62
174160
2000
ושאלו אותי: "ובכן, אתה לא מודאג?
02:56
Maybe it kind of didn't stay on this exponential progression."
63
176160
4000
אולי ההתקדמות לא תישאר אקספוננציאלית לגמרי."
03:00
I was a little nervous
64
180160
2000
הייתי קצת מודאג
03:02
because maybe the data wouldn't be right,
65
182160
2000
כי אולי הנתונים לא יהיו נכונים,
03:04
but I've done this now for 30 years,
66
184160
2000
אבל אני כבר עוסק בזה במשך 30 שנה,
03:06
and it has stayed on this exponential progression.
67
186160
3000
ועדיין, הגרף נשאר עם ההתקדמות האקספוננציאלית הזו.
03:09
Look at this graph here.You could buy one transistor for a dollar in 1968.
68
189160
3000
הביטו בגרף הזה. היה ניתן לקנות טרנזיסטור אחד בדולר אחד בשנת 1968.
03:12
You can buy half a billion today,
69
192160
2000
כיום ניתן לקנות חצי מיליארד.
03:14
and they are actually better, because they are faster.
70
194160
2000
והם אפילו יותר טובים, כי הם מהירים יותר.
03:16
But look at how predictable this is.
71
196160
2000
אבל ראו כמה זה צפוי.
03:18
And I'd say this knowledge is over-fitting to past data.
72
198160
3000
והייתי אומר שהידע הזה הוא יותר ממתאים לנתוני העבר.
03:21
I've been making these forward-looking predictions for about 30 years.
73
201160
4000
אני כבר מבצע את התחזיות האלה במשך כ30 שנה.
03:25
And the cost of a transistor cycle,
74
205160
2000
והמחיר של פעולת מחזור של טרנזיסטור,
03:27
which is a measure of the price performance of electronics,
75
207160
2000
שהוא מדד של מחיר הביצועים של אלקטרוניקה,
03:29
comes down about every year.
76
209160
2000
יורד בערך כל שנה.
03:31
That's a 50 percent deflation rate.
77
211160
2000
דבר שמייצג קצב של 50 אחוזי דיפלציה.
03:33
And it's also true of other examples,
78
213160
2000
והדבר נכון גם בדוגמאות אחרות
03:35
like DNA data or brain data.
79
215160
2000
כמו נתוני די.אנ.איי או נתוני מח.
03:37
But we more than make up for that.
80
217160
2000
אבל אנחנו יותר ממפצים על זה.
03:39
We actually ship more than twice as much
81
219160
2000
אנחנו למעשה מיצאים יותר מפי שניים
03:41
of every form of information technology.
82
221160
2000
מכל סוג של טכנולוגיית מידע.
03:43
We've had 18 percent growth in constant dollars
83
223160
3000
היו לנו 18 אחוזי גידול בדולרים
03:46
in every form of information technology for the last half-century,
84
226160
3000
בכל צורה של של טכנולוגיית מידע בחצי המאה האחרונה.
03:49
despite the fact that you can get twice as much of it each year.
85
229160
4000
אף-על-פי שניתן להשיג פי שתיים יותר מכל טכנולוגיה - בכל שנה.
03:53
This is a completely different example.
86
233160
2000
זאת דוגמה שונה לגמרי.
03:55
This is not Moore's Law.
87
235160
2000
זה אינו חוק מור.
03:57
The amount of DNA data
88
237160
2000
כמות מידע הדי.אנ.איי
03:59
we've sequenced has doubled every year.
89
239160
2000
שאספנו הוכפל בכל שנה
04:01
The cost has come down by half every year.
90
241160
3000
המחיר יחד בחצי כל שנה.
04:04
And this has been a smooth progression
91
244160
2000
וזו היתה התקדמות חלקה
04:06
since the beginning of the genome project.
92
246160
2000
מאז תחילת פרוייקט הגנום האנושי.
04:08
And halfway through the project, skeptics said,
93
248160
2000
ובמחצית הפרוייקט, הספקנים אמרו:
04:10
"Well, this is not working out. You're halfway through the genome project
94
250160
3000
"זה לא עובד. אתם כבר באמצע הפרוייקט
04:13
and you've finished one percent of the project."
95
253160
2000
וסיימתם רק אחוז אחד מכלל הפרוייקט."
04:15
But that was really right on schedule.
96
255160
2000
אבל זה היה בדיוק לפי הלו"ז.
04:17
Because if you double one percent seven more times,
97
257160
2000
כי אם מכפילים אחוז אחד שבע פעמים נוספות,
04:19
which is exactly what happened,
98
259160
2000
וזה בדיוק מה שקרה,
04:21
you get 100 percent. And the project was finished on time.
99
261160
3000
מגיעים ל100 אחוז. והפרוייקט הסתיים בזמן.
04:24
Communication technologies:
100
264160
2000
טכנולוגיות תקשורת:
04:26
50 different ways to measure this,
101
266160
2000
50 דרכים שונות למדידה.
04:28
the number of bits being moved around, the size of the Internet.
102
268160
3000
מספר ה"ביטים" שמועברים, גודל האינטרנט.
04:31
But this has progressed at an exponential pace.
103
271160
2000
אבל זה התקדם בקצב אקספוננציאלי.
04:33
This is deeply democratizing.
104
273160
2000
זה ממש גורם לדמוקרטיזציה.
04:35
I wrote, over 20 years ago in "The Age of Intelligent Machines,"
105
275160
3000
לפני 20 שנה, כתבתי ב"עידן המכונות האיטיליגנטיות"
04:38
when the Soviet Union was going strong, that it would be swept away
106
278160
3000
כשברית המועצות היתה עדיין בתהליך התחזקות, שהיא תתפוגג
04:41
by this growth of decentralized communication.
107
281160
4000
ע"י הגל הזה של תקשורת מבוזרת.
04:45
And we will have plenty of computation as we go through the 21st century
108
285160
3000
ויהיה לנו די כח מיחשוב במהלך המאה ה21
04:48
to do things like simulate regions of the human brain.
109
288160
4000
כדי לדמות איזורים מהמח האנושי.
04:52
But where will we get the software?
110
292160
2000
אבל מהיכן נשיג את התוכנה?
04:54
Some critics say, "Oh, well software is stuck in the mud."
111
294160
3000
חלק מהמבקרים אומרים: "המ.. התוכנה תקועה ולא מתקדמת"
04:57
But we are learning more and more about the human brain.
112
297160
2000
אבל אנחנו לומדים עוד ועוד על המוח האנושי.
04:59
Spatial resolution of brain scanning is doubling every year.
113
299160
3000
והרזולוציה המרחבית של סריקת המח האנושי מוכפלת כל שנה.
05:02
The amount of data we're getting about the brain is doubling every year.
114
302160
3000
כמות המידע שאנחנו אוספים על המוח מוכפלת כל שנה.
05:05
And we're showing that we can actually turn this data
115
305160
3000
ואנחנו מראים שאנחנו אכן יכולים להפוך את המידע הזה
05:08
into working models and simulations of brain regions.
116
308160
3000
לכדי מודלים מתפקדים וסימולציות של חלקים במוח.
05:11
There is about 20 regions of the brain that have been modeled,
117
311160
2000
ישנם כ20 איזורים במוח שכבר יש לנו עבורם מודלים,
05:13
simulated and tested:
118
313160
2000
שעברו סימולציה ומבחנים:
05:15
the auditory cortex, regions of the visual cortex;
119
315160
3000
קליפת השמיעה, איזורים של קליפת הראיה,
05:18
cerebellum, where we do our skill formation;
120
318160
2000
המח הקטן, האיזור בו אנחנו מייצבים את היכולות שלנו,
05:20
slices of the cerebral cortex, where we do our rational thinking.
121
320160
4000
פיסות של קליפת המח, האיזור בו אנחנו מבצעים חשיבה הגיונית.
05:24
And all of this has fueled
122
324160
2000
וכל זה הניע
05:26
an increase, very smooth and predictable, of productivity.
123
326160
3000
שיפור, מאוד חלק וצפוי, של פרודוקטיביות.
05:29
We've gone from 30 dollars to 130 dollars
124
329160
2000
עברנו מ30 דולר ל130 דולר
05:31
in constant dollars in the value of an average hour of human labor,
125
331160
4000
בשווי ממוצע עבור שעת עבודת אדם,
05:35
fueled by this information technology.
126
335160
3000
דבר שהונע ע" טכנולוגיית המידע.
05:38
And we're all concerned about energy and the environment.
127
338160
3000
וכולנו מודאגים מאנרגיה ומהסביבה.
05:41
Well this is a logarithmic graph.
128
341160
2000
ובכן, זה גרף לוגריתמי,
05:43
This represents a smooth doubling,
129
343160
2000
שמתאר הכפלה יציבה
05:45
every two years, of the amount of solar energy we're creating,
130
345160
4000
כל שנתיים, של כמות האנרגיה הסולארית שאנחנו מייצרים.
05:49
particularly as we're now applying nanotechnology,
131
349160
2000
ובייחוד כעת, כאשר אנחנו מיישמים ננו-טכנולוגיה,
05:51
a form of information technology, to solar panels.
132
351160
3000
שהיא סוג של טכנולוגיית מידע, ללוחות סולאריים.
05:54
And we're only eight doublings away
133
354160
2000
ואנחנו רק במרחק של 8 הכפלות
05:56
from it meeting 100 percent of our energy needs.
134
356160
2000
מיכולת ייצור של 100 אחוזים מצרכי האנרגיה שלנו.
05:58
And there is 10 thousand times more sunlight than we need.
135
358160
4000
ויש פי 10,000 יותר אור שמש ממה שאנחנו צריכים.
06:02
We ultimately will merge with this technology. It's already very close to us.
136
362160
5000
אנחנו לבסוף נתמזג עם הטכנולוגיה הזאת. זה כבר די קרוב אלינו.
06:07
When I was a student it was across campus, now it's in our pockets.
137
367160
3000
כשהייתי סטודנט זה היה לרוחב הקמפוס. היום זה נכנס בכיס.
06:10
What used to take up a building now fits in our pockets.
138
370160
3000
מה שתפס בניין שלם, היום נכנס בכיס.
06:13
What now fits in our pockets would fit in a blood cell in 25 years.
139
373160
3000
מה שהיום נכנס בכיס, ייכנס בתוך תא דם בעוד 25 שנה.
06:16
And we will begin to actually deeply influence
140
376160
4000
ואנחנו נתחיל להשפיע באופן מהותי ביותר
06:20
our health and our intelligence,
141
380160
2000
על הבריאות והאינטיליגנציה שלנו
06:22
as we get closer and closer to this technology.
142
382160
4000
ככל שנתקרב לטכנולוגיה הזאת.
06:26
Based on that we are announcing, here at TED,
143
386160
3000
בהתבסס על זה, אנחנו מכריזים כאן בTED
06:29
in true TED tradition, Singularity University.
144
389160
3000
כמיטב מסורת TED, על אוניברסיטת הסינגולריות.
06:32
It's a new university
145
392160
2000
זו אוניברסיטה חדשה
06:34
that's founded by Peter Diamandis, who is here in the audience,
146
394160
2000
שמיוסדת ע"י פיטר דיאמנדיס, שנמצא כאן בקהל,
06:36
and myself.
147
396160
2000
ואנוכי.
06:38
It's backed by NASA and Google,
148
398160
2000
היא נתמכת ע"י נאסא וגוגל,
06:40
and other leaders in the high-tech and science community.
149
400160
4000
וע"י מובילים אחרים בקהילת ההי-טק והמדע.
06:44
And our goal was to assemble the leaders,
150
404160
3000
מטרתנו היתה לאסוף את המנהיגים,
06:47
both teachers and students,
151
407160
2000
מורים ותלמידים כאחד,
06:49
in these exponentially growing information technologies,
152
409160
2000
בתחומי הטכנולוגיות האלה, שמתקדמות בקצב האקספוננציאלי,
06:51
and their application.
153
411160
2000
וביישומן.
06:53
But Larry Page made an impassioned speech
154
413160
2000
אבל לארי פייג' נשא נאום נרגש
06:55
at our organizing meeting,
155
415160
2000
באסיפת הייסוד שלנו,
06:57
saying we should devote this study
156
417160
5000
ואמר שעלינו להקדיש את המחקר הזה
07:02
to actually addressing some of the major challenges facing humanity.
157
422160
4000
לנסיון לפתור כמה מהאתגרים הגדולים ביותר שמולם ניצבת האנושות.
07:06
And if we did that, then Google would back this.
158
426160
2000
ושאם נעשה כך, גוגל תתמוך בנו.
07:08
And so that's what we've done.
159
428160
2000
וכך עשינו.
07:10
The last third of the nine-week intensive summer session
160
430160
4000
השליש האחרון של קורס הקיץ האינטנסיבי בן 9 השבועות
07:14
will be devoted to a group project to address
161
434160
2000
יוקדש לפרוייקט קבוצתי שמטרתו להתמקד
07:16
some major challenge of humanity.
162
436160
2000
באיזה אתגר גדול של האנושות.
07:18
Like for example, applying the Internet,
163
438160
2000
כמו למשל, להשתמש ברשת האינטרנט,
07:20
which is now ubiquitous, in the rural areas of China or in Africa,
164
440160
5000
שכבר נפוצה באיזורים כפריים של סין או אפריקה,
07:25
to bringing health information
165
445160
2000
להפצת מידע בריאותי
07:27
to developing areas of the world.
166
447160
3000
באיזורים מתפתחים של העולם.
07:30
And these projects will continue past these sessions,
167
450160
3000
והפרוייקטים האלה ימשיכו מעבר לקורסים האלה
07:33
using collaborative interactive communication.
168
453160
3000
תוך שימוש בתקשרות שיתופית אינטראקטיבית.
07:36
All the intellectual property that is created and taught
169
456160
4000
כל הקניין הרוחני שייווצר ויילמד
07:40
will be online and available,
170
460160
2000
יהיה נגיש ברשת
07:42
and developed online in a collaborative fashion.
171
462160
3000
ויפותח ברשת בצורה שיתופית.
07:45
Here is our founding meeting.
172
465160
2000
הנה אסיפת הייסוד שלנו.
07:47
But this is being announced today.
173
467160
2000
אבל אנחנו מכריזים על זאת היום.
07:49
It will be permanently headquartered in Silicon Valley,
174
469160
3000
מפקדת הקבע שלנו תהיה בעמק הסיליקון,
07:52
at the NASA Ames research center.
175
472160
2000
במרכז המחקר "איימס" של נאסא.
07:54
There are different programs for graduate students,
176
474160
2000
ישנן תוכניות שונות עבור תלמידים לתארים מתקדמים,
07:56
for executives at different companies.
177
476160
3000
לבכירים בחברות שונות.
07:59
The first six tracks here -- artificial intelligence,
178
479160
2000
ששת המסלולים הראשונים כאן, בינה מלאכותית,
08:01
advanced computing technologies, biotechnology, nanotechnology --
179
481160
3000
טכנולוגיות מחשוב מתקדמות, ביו-טכנולוגיה, ננו-טכנולוגיה
08:04
are the different core areas of information technology.
180
484160
4000
הינם תחומי הליבה של טכנולוגיית המידע.
08:08
Then we are going to apply them to the other areas,
181
488160
2000
לאחר מכן, ניישם אותן בתחומים אחרים
08:10
like energy, ecology,
182
490160
3000
כמו אנרגיה, אקולוגיה,
08:13
policy law and ethics, entrepreneurship,
183
493160
2000
מדיניות חוק ואתיקה, ייזמות
08:15
so that people can bring these new technologies to the world.
184
495160
4000
כדי שאנשים יוכלו להביא את הטכנולוגיות החדשות האלה אל העולם.
08:19
So we're very appreciative of the support we've gotten
185
499160
5000
אנחנו מעריכים מאוד את התמיכה שקיבלנו
08:24
from both the intellectual leaders, the high-tech leaders,
186
504160
2000
מהמנהיגים האיטלקטואלים, מנהיגי ההי-טק,
08:26
particularly Google and NASA.
187
506160
2000
בייחוד נאסא וגוגל.
08:28
This is an exciting new venture.
188
508160
2000
זה מפעל חדש ומרתק.
08:30
And we invite you to participate. Thank you very much.
189
510160
3000
ואנחנו מזמינים אתכם לקחת בו חלק. תודה רבה.
08:33
(Applause)
190
513160
3000
(כפיים)
על אתר זה

אתר זה יציג בפניכם סרטוני YouTube המועילים ללימוד אנגלית. תוכלו לראות שיעורי אנגלית המועברים על ידי מורים מהשורה הראשונה מרחבי העולם. לחץ פעמיים על הכתוביות באנגלית המוצגות בכל דף וידאו כדי להפעיל את הסרטון משם. הכתוביות גוללות בסנכרון עם הפעלת הווידאו. אם יש לך הערות או בקשות, אנא צור איתנו קשר באמצעות טופס יצירת קשר זה.

https://forms.gle/WvT1wiN1qDtmnspy7