Abe Davis: New video technology that reveals an object's hidden properties

204,073 views ・ 2015-05-05

TED


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

מתרגם: Ido Dekkers מבקר: Tal Dekkers
00:13
Most of us think of motion as a very visual thing.
0
13373
3349
רובנו חושבים על תנועה כמשהו מאוד ויזואלי.
00:17
If I walk across this stage or gesture with my hands while I speak,
1
17889
5088
אם אני אלך ברחבי הבמה או אחווה בידיי בעודי מדבר,
00:22
that motion is something that you can see.
2
22977
2261
התנועה היא משהו שאתם יכולים לראות.
00:26
But there's a world of important motion that's too subtle for the human eye,
3
26255
5482
אבל יש עולם של תנועות חשובות שהן עדינות מדי לעין האנושית,
00:31
and over the past few years,
4
31737
2041
ובמהלך השנים האחרונות,
00:33
we've started to find that cameras
5
33778
1997
התחלנו לגלות שמצלמות
00:35
can often see this motion even when humans can't.
6
35775
3410
יכולות הרבה פעמים לראות את התנועה הזו אפילו כשאנשים לא.
00:40
So let me show you what I mean.
7
40305
1551
אז תנו לי להראות לכם למה אני מתכוון.
00:42
On the left here, you see video of a person's wrist,
8
42717
3622
מצד שמאל פה, אתם רואים סרטון של פרק כף יד של אדם,
00:46
and on the right, you see video of a sleeping infant,
9
46339
3147
ומימין אתם רואים סרטון של תינוקת ישנה,
00:49
but if I didn't tell you that these were videos,
10
49486
3146
אבל אם לא הייתי אומר לכם שאלה סרטונים,
00:52
you might assume that you were looking at two regular images,
11
52632
3761
אולי הייתם מניחים שאתם מביטים בשתי תמונות רגילות,
00:56
because in both cases,
12
56393
1672
מפני שבשני המקרים,
00:58
these videos appear to be almost completely still.
13
58065
3047
הסרטונים האלה נראים כמעט לגמרי נייחים.
01:02
But there's actually a lot of subtle motion going on here,
14
62175
3885
אבל יש למעשה הרבה תנועות עדינות שמתרחשות שם,
01:06
and if you were to touch the wrist on the left,
15
66060
2392
ואם הייתם נוגעים בפרק היד משמאל,
01:08
you would feel a pulse,
16
68452
1996
הייתם מרגישים דופק,
01:10
and if you were to hold the infant on the right,
17
70448
2485
ואם הייתם מחזיקים את התינוקת מימין,
01:12
you would feel the rise and fall of her chest
18
72933
2391
הייתם מרגישים את העליה והירידה של החזה שלה
01:15
as she took each breath.
19
75324
1390
כשהיא לוקחת כל נשימה.
01:17
And these motions carry a lot of significance,
20
77762
3576
והתנועות האלו בעלות משמעות גדולה מאוד,
01:21
but they're usually too subtle for us to see,
21
81338
3343
אבל הן בדרך כלל עדינות מדי כדי שנוכל לראות אותן,
01:24
so instead, we have to observe them
22
84681
2276
אז במקום, אנחנו צריכים לצפות בהן
01:26
through direct contact, through touch.
23
86957
2900
דרך מגע ישיר, דרך מגע.
01:30
But a few years ago,
24
90997
1265
אבל לפני כמה שנים,
01:32
my colleagues at MIT developed what they call a motion microscope,
25
92262
4405
העמיתים שלי ב MIT פיתחו מה שהם קוראים לו מיקרוסקופ תנועה,
01:36
which is software that finds these subtle motions in video
26
96667
4384
שהוא תוכנה שמגלה את התנועות העדינות האלו בסרטון
01:41
and amplifies them so that they become large enough for us to see.
27
101051
3562
ומגבירה אותן כך שהן הופכות לגדולות מספיק כדי שנראה אותן.
01:45
And so, if we use their software on the left video,
28
105416
3483
וכך, אם נשתמש בתוכנה שלהם על הסרטון השמאלי,
01:48
it lets us see the pulse in this wrist,
29
108899
3250
זה נותן לנו לראות את הדופק בפרק היד,
01:52
and if we were to count that pulse,
30
112149
1695
ואם היינו סופרים את הדופק הזה,
01:53
we could even figure out this person's heart rate.
31
113844
2355
נוכל אפילו לדעת מה הדופק של האדם הזה.
01:57
And if we used the same software on the right video,
32
117095
3065
ואם היינו משתשמים באותה תוכנה על הסרטון הימני,
02:00
it lets us see each breath that this infant takes,
33
120160
3227
זה נותן לנו לראות כל נשימה שהתינוקת הזו לוקחת,
02:03
and we can use this as a contact-free way to monitor her breathing.
34
123387
4137
ואנחנו יכולים להשתמש בזה כדרך נטולת מגע כדי לנטר את הנשימה שלה.
02:08
And so this technology is really powerful because it takes these phenomena
35
128884
5348
וכך הטכנולוגיה הזו היא ממש חזקה מפני שהיא לוקחת את התופעה הזו
02:14
that we normally have to experience through touch
36
134232
2367
שאנחנו בדרך כלל חווים דרך מגע
02:16
and it lets us capture them visually and non-invasively.
37
136599
2957
והיא מאפשרת לנו ללכוד אותה ויזואלית וללא פלישה.
02:21
So a couple years ago, I started working with the folks that created that software,
38
141104
4411
אז לפני כמה שנים, התחלתי לעבוד עם האנשים שיצרו את התוכנה הזו,
02:25
and we decided to pursue a crazy idea.
39
145515
3367
והחלטנו לנסות רעיון משוגע.
02:28
We thought, it's cool that we can use software
40
148882
2693
חשבנו, זה מגניב שאנחנו יכולים להשתמש בתוכנה
02:31
to visualize tiny motions like this,
41
151575
3135
כדי לדמות תנועות זעירות כמו אלו,
02:34
and you can almost think of it as a way to extend our sense of touch.
42
154710
4458
ואתם יכולים כמעט לחשוב על זה כדרך להרחיב את חוש המגע שלנו.
02:39
But what if we could do the same thing with our ability to hear?
43
159168
4059
אבל מה אם נוכל לעשות אותו הדבר עם היכולת לשמוע?
02:44
What if we could use video to capture the vibrations of sound,
44
164508
4665
מה אם נוכל להשתמש בסרטון כדי ללכוד את הרעידות של הצלילים,
02:49
which are just another kind of motion,
45
169173
2827
שהן פשוט עוד סוג של תנועה,
02:52
and turn everything that we see into a microphone?
46
172000
3346
ולהפוך כל מה שאנחנו רואים למיקרופון?
02:56
Now, this is a bit of a strange idea,
47
176236
1971
עכשיו, זה רעיון מעט מוזר,
02:58
so let me try to put it in perspective for you.
48
178207
2586
אז תנו לי לשים את זה בפרספקטיבה בשבילכם.
03:01
Traditional microphones work by converting the motion
49
181523
3488
מיקרופונים מסורתיים עובדים על ידי המרת התנועה
03:05
of an internal diaphragm into an electrical signal,
50
185011
3599
של דיאפרגמה פנימית לאות חשמלי,
03:08
and that diaphragm is designed to move readily with sound
51
188610
4318
והדיאפרגמה מתוכננת לנוע בקלות עם קול
03:12
so that its motion can be recorded and interpreted as audio.
52
192928
4807
כך שהתנועה תוכל להיות מוקלטת ומתורגמת לאודיו.
03:17
But sound causes all objects to vibrate.
53
197735
3668
אבל צלילים גורמים לכל העצמים לרטוט.
03:21
Those vibrations are just usually too subtle and too fast for us to see.
54
201403
5480
הרטיטות האלו הן פשוט בדרך כלל עדינות ומהירות מדי כדי שנוכל לראות אותן.
03:26
So what if we record them with a high-speed camera
55
206883
3738
אז מה אם נקליט אותן עם מצלמה במהירות גבוהה
03:30
and then use software to extract tiny motions
56
210621
3576
ואז נשתמש בתוכנה כדי ללכוד תנודות זעירות
03:34
from our high-speed video,
57
214197
2090
מהוידאו במהירות גבוהה שלנו,
03:36
and analyze those motions to figure out what sounds created them?
58
216287
4274
וננתח את התנועות האלו כדי להבין איזה צלילים יצרו אותן?
03:41
This would let us turn visible objects into visual microphones from a distance.
59
221859
5449
זה יתן לנו להפוך עצמים נראים למיקרופונים ויזואליים ממרחק.
03:49
And so we tried this out,
60
229080
2183
וכך ניסינו את זה,
03:51
and here's one of our experiments,
61
231263
1927
והנה אחד הניסויים,
03:53
where we took this potted plant that you see on the right
62
233190
2949
בו לקחנו צמח בעציץ שאתם רואים מימין
03:56
and we filmed it with a high-speed camera
63
236139
2438
וצילמנו אותו עם מצלמה במהירות גבוהה
03:58
while a nearby loudspeaker played this sound.
64
238577
3529
בעוד רמקול ביתי ניגן את הצליל הזה.
04:02
(Music: "Mary Had a Little Lamb")
65
242275
8190
(מוזיקה: "למרי היה טלה קטן")
04:11
And so here's the video that we recorded,
66
251820
2824
והנה הסרטון שהקלטנו,
04:14
and we recorded it at thousands of frames per second,
67
254644
3924
והקלטנו את זה באלפי פריימים בשניה,
04:18
but even if you look very closely,
68
258568
2322
אבל אפילו אם תביטו מקרוב,
04:20
all you'll see are some leaves
69
260890
1951
כל מה שאתם רואים זה כמה עלים
04:22
that are pretty much just sitting there doing nothing,
70
262841
3065
שפשוט יושבים שם ולא עושים כלום,
04:25
because our sound only moved those leaves by about a micrometer.
71
265906
4806
מפני שהצליל שלנו הזיז את העלים האלה בערך במיקרו מטר.
04:31
That's one ten-thousandth of a centimeter,
72
271103
4276
זה עשירית אלפית של סנטימטר,
04:35
which spans somewhere between a hundredth and a thousandth
73
275379
4156
שמתרחבת למאית או אלפית
04:39
of a pixel in this image.
74
279535
2299
של פיקסל בתמונה הזו.
04:41
So you can squint all you want,
75
281881
2887
אז אתם יכולים למצמץ כמה שאתם רוצים,
04:44
but motion that small is pretty much perceptually invisible.
76
284768
3335
אבל תנועה כל כך קטנה היא בלתי נראית תפיסתית.
04:49
But it turns out that something can be perceptually invisible
77
289667
4157
אבל מסתבר שמשהו יכול להיות בלתי נראה תפיסתית
04:53
and still be numerically significant,
78
293824
2809
ועדיין להיות משמעותית מספרית,
04:56
because with the right algorithms,
79
296633
2002
מפני שעם האלגוריתמים הנכונים,
04:58
we can take this silent, seemingly still video
80
298635
3687
אנחנו יכולים לקחת את הסרטון השקט הזה, שנראה דומם
05:02
and we can recover this sound.
81
302322
1527
ואנחנו יכולים לשחזר את הצליל.
05:04
(Music: "Mary Had a Little Lamb")
82
304690
7384
(מוזיקה: "למרי היה טלה קטן")
05:12
(Applause)
83
312074
5828
(מחיאות כפיים)
05:22
So how is this possible?
84
322058
1939
אז איך זה אפשרי?
05:23
How can we get so much information out of so little motion?
85
323997
4344
איך אנחנו יכולים לקבל כל כך הרבה מידע מכל כך מעט תנועה?
05:28
Well, let's say that those leaves move by just a single micrometer,
86
328341
5361
ובכן, בואו נגיד שהעלים האלה זזים במיקרומטר אחד בלבד,
05:33
and let's say that that shifts our image by just a thousandth of a pixel.
87
333702
4308
ובואו נגיד שזה מזיז את התמונה שלנו רק באלפית פיקסל.
05:39
That may not seem like much,
88
339269
2572
זה אולי לא נראה הרבה,
05:41
but a single frame of video
89
341841
1996
אבל בפריים יחיד של סרטון
05:43
may have hundreds of thousands of pixels in it,
90
343837
3257
יש אולי מאות אלפי פיקסלים,
05:47
and so if we combine all of the tiny motions that we see
91
347094
3454
וכך אם נשלב את כל התנועות הזעירות האלו שאנחנו רואים
05:50
from across that entire image,
92
350548
2298
ברחבי כל התמונה,
05:52
then suddenly a thousandth of a pixel
93
352846
2623
אז פתאום אלפית פיקסל
05:55
can start to add up to something pretty significant.
94
355469
2775
יכולה להתווסף למשהו די משמעותי.
05:58
On a personal note, we were pretty psyched when we figured this out.
95
358870
3635
בנימה אישית, די התלהבנו כשהבנו את זה.
06:02
(Laughter)
96
362505
2320
(צחוק)
06:04
But even with the right algorithm,
97
364825
3253
אבל אפילו עם האלגוריתם הנכון,
06:08
we were still missing a pretty important piece of the puzzle.
98
368078
3617
עדיין היה חסר לנו חלק די חשוב של הפאזל.
06:11
You see, there are a lot of factors that affect when and how well
99
371695
3604
אתם מבינים, יש הרבה משתנים שמשפיעים על מתי וכמה טוב
06:15
this technique will work.
100
375299
1997
השיטה הזו תעבוד.
06:17
There's the object and how far away it is;
101
377296
3204
יש את העצם וכמה רחוק הוא;
06:20
there's the camera and the lens that you use;
102
380500
2394
יש את המצלמה והעדשה בהם אתם משתמשים;
06:22
how much light is shining on the object and how loud your sound is.
103
382894
4091
כמה אור מאיר על העצם וכמה חזק הצליל.
06:27
And even with the right algorithm,
104
387945
3375
ואפילו עם האלגוריתם הנכון,
06:31
we had to be very careful with our early experiments,
105
391320
3390
היינו צריכים להיות מאוד זהירים עם הניסויים הראשונים,
06:34
because if we got any of these factors wrong,
106
394710
2392
מפני שאם אחד המשתנים האלה היה שגוי
06:37
there was no way to tell what the problem was.
107
397102
2368
לא היתה דרך לדעת מה הבעיה.
06:39
We would just get noise back.
108
399470
2647
פשוט היינו מקבלים רעש.
06:42
And so a lot of our early experiments looked like this.
109
402117
3320
וכך הרבה מהניסויים הראשונים נראו כך.
06:45
And so here I am,
110
405437
2206
אז הנה אני,
06:47
and on the bottom left, you can kind of see our high-speed camera,
111
407643
4040
ומשמאל למטה, אתם סוג של יכולים לראות את המצלמה המהירה שלנו,
06:51
which is pointed at a bag of chips,
112
411683
2183
שמצביעה על שקית צ'יפס,
06:53
and the whole thing is lit by these bright lamps.
113
413866
2949
וכל זה מואר על ידי המנורות הבוהקות האלו.
06:56
And like I said, we had to be very careful in these early experiments,
114
416815
4365
וכמו שאמרתי, היינו צריכים להיות מאוד זהירים בניסויים הראשונים האלה,
07:01
so this is how it went down.
115
421180
2508
אז כך זה התרחש.
07:03
(Video) Abe Davis: Three, two, one, go.
116
423688
3761
(סרטון)אייס דייויס: שלוש, שתיים, אחד, גו.
07:07
Mary had a little lamb! Little lamb! Little lamb!
117
427449
5387
למרי היה טלה קטן! טלה קטן! טלה קטן!
07:12
(Laughter)
118
432836
4500
(צחוק)
07:17
AD: So this experiment looks completely ridiculous.
119
437336
2814
א.ד: אז הניסוי הזה נראה מגוחך לגמרי.
07:20
(Laughter)
120
440150
1788
(צחוק)
07:21
I mean, I'm screaming at a bag of chips --
121
441938
2345
אני מתכוון, אני צורח על שקית צי'פס --
07:24
(Laughter) --
122
444283
1551
(צחוק) --
07:25
and we're blasting it with so much light,
123
445834
2117
ואנחנו מפציצים אותה בכל כך הרבה אור,
07:27
we literally melted the first bag we tried this on. (Laughter)
124
447951
4479
שלמעשה המסנו את השקית הראשונה שניסינו עליה את זה. (צחוק)
07:32
But ridiculous as this experiment looks,
125
452525
3274
אבל מגוחך ככל שזה נשמע,
07:35
it was actually really important,
126
455799
1788
זה היה למעשה מאוד חשוב,
07:37
because we were able to recover this sound.
127
457587
2926
מפני שהיינו מסוגלים לשחזר את הצליל הזה.
07:40
(Audio) Mary had a little lamb! Little lamb! Little lamb!
128
460513
4712
(אודיו) למרי היה טלה קטן! טלה קטן! טלה קטן!
07:45
(Applause)
129
465225
4088
(מחיאות כפיים)
07:49
AD: And this was really significant,
130
469313
1881
א.ד: וזה היה ממש משמעותי,
07:51
because it was the first time we recovered intelligible human speech
131
471194
4119
מפני שזו היתה הפעם הראשונה ששחזרנו דיבור אדם מובן
07:55
from silent video of an object.
132
475424
2341
מסרטון דומם של עצם.
07:57
And so it gave us this point of reference,
133
477765
2391
אז זה נתן לנו נקודת התייחסות,
08:00
and gradually we could start to modify the experiment,
134
480156
3871
ולבסוף נוכל להתחיל לשנות את הניסוי,
08:04
using different objects or moving the object further away,
135
484106
3805
בשימוש בעצמים שונים או להרחיק את העצמים,
08:07
using less light or quieter sounds.
136
487911
2770
שימוש בפחות אור או צלילים שקטים יותר.
08:11
And we analyzed all of these experiments
137
491887
2874
וניתחנו את כל הניסויים האלה
08:14
until we really understood the limits of our technique,
138
494761
3622
עד שבאמת הבנו את המגבלות של השיטה שלנו,
08:18
because once we understood those limits,
139
498383
1950
מפני שברגע שהבנו את המגבלות האלו,
08:20
we could figure out how to push them.
140
500333
2346
יכולנו להבין איך לדחוף אותן.
08:22
And that led to experiments like this one,
141
502679
3181
וזה הוביל לניסויים כמו זה,
08:25
where again, I'm going to speak to a bag of chips,
142
505860
2739
כששוב, אני עומד לדבר לשקית צ'יפס,
08:28
but this time we've moved our camera about 15 feet away,
143
508599
4830
אבל הפעם הזזנו את המצלמה למרחק 5 מטר,
08:33
outside, behind a soundproof window,
144
513429
2833
בחוץ, מאחורי חלון אטום לצלילים,
08:36
and the whole thing is lit by only natural sunlight.
145
516262
2803
וכל זה מואר באור שמש טבעי.
08:40
And so here's the video that we captured.
146
520529
2155
וכך הנה הסרטון שלכדנו.
08:44
And this is what things sounded like from inside, next to the bag of chips.
147
524450
4559
וכך נשמעו הדברים מבפנים, ליד שקית הצ'יפס.
08:49
(Audio) Mary had a little lamb whose fleece was white as snow,
148
529009
5038
(אודיו) למרי היה טלה קטן שצמרו היה לבן כשלג,
08:54
and everywhere that Mary went, that lamb was sure to go.
149
534047
5619
ולכל מקום שמרי הלכה, הטלה היה איתה.
08:59
AD: And here's what we were able to recover from our silent video
150
539666
4017
א.ד: והנה מה שהיינו מסוגלים לשחזר מהסרטון הדומם שלנו
09:03
captured outside behind that window.
151
543683
2345
שצולם בחוץ מאחורי החלון ההוא.
09:06
(Audio) Mary had a little lamb whose fleece was white as snow,
152
546028
4435
(אודיו) למרי היה טלה קטן שצמרו היה לבן כשלג,
09:10
and everywhere that Mary went, that lamb was sure to go.
153
550463
5457
ולכל מקום שמרי הלכה, הטלה היה איתה.
09:15
(Applause)
154
555920
6501
(מחיאות כפיים)
09:22
AD: And there are other ways that we can push these limits as well.
155
562421
3542
א.ד: ויש דרכים אחרות שגם איתן אנחנו יכולים לדחוף את המגבלות.
09:25
So here's a quieter experiment
156
565963
1798
אז הנה ניסוי שקט יותר
09:27
where we filmed some earphones plugged into a laptop computer,
157
567761
4110
בו צילמנו אוזניות מחוברות למחשב נייד,
09:31
and in this case, our goal was to recover the music that was playing on that laptop
158
571871
4110
ובמקרה הזה, המטרה שלנו היתה לשחזר את המוזיקה שנוגנה במחשב הנייד
09:35
from just silent video
159
575981
2299
מסרטון דומם בלבד
09:38
of these two little plastic earphones,
160
578280
2507
של שתי האוזניות הפלסטיות הקטנות האלו,
09:40
and we were able to do this so well
161
580787
2183
והיינו מסוגלים לעשות זאת כל כך טוב
09:42
that I could even Shazam our results.
162
582970
2461
שאפילו יכולתי להריץ את התוצאה בשזאם.
09:45
(Laughter)
163
585431
2411
(צחוק)
09:49
(Music: "Under Pressure" by Queen)
164
589191
10034
(מוזיקה: "תחת לחץ" של קווין)
10:01
(Applause)
165
601615
4969
(מחיאות כפיים)
10:06
And we can also push things by changing the hardware that we use.
166
606584
4551
ואנחנו יכולים גם לדחוף דברים על ידי שינוי החומרה בה אנחנו משתמשים.
10:11
Because the experiments I've shown you so far
167
611135
2461
מפני שהניסוים שהראתי עד עכשיו
10:13
were done with a camera, a high-speed camera,
168
613596
2322
נעשו עם מצלמה, מצלמה מהירה,
10:15
that can record video about a 100 times faster
169
615918
2879
שיכולה להקליט סרטונים במהירות גדולה פי 100 בערך
10:18
than most cell phones,
170
618797
1927
מרוב הטלפונים הסלולוריים,
10:20
but we've also found a way to use this technique
171
620724
2809
אבל גילינו גם דרך להשתמש בטכניקה
10:23
with more regular cameras,
172
623533
2230
עם מצלמות רגילות יותר,
10:25
and we do that by taking advantage of what's called a rolling shutter.
173
625763
4069
ואנחנו עושים את זה על ידי ניצול מה שנקרא צמצם מתגלגל.
10:29
You see, most cameras record images one row at a time,
174
629832
4798
אתם מבינים, רוב המצלמות מקליטות תמונות שורה אחת אחרי השניה,
10:34
and so if an object moves during the recording of a single image,
175
634630
5702
וכך אם העצם נע במהלך הקלטת תמונה אחת,
10:40
there's a slight time delay between each row,
176
640344
2717
יש עיכוב זמן קטן בין כל שורה,
10:43
and this causes slight artifacts
177
643061
3157
וזה גורם לפגמים קלים
10:46
that get coded into each frame of a video.
178
646218
3483
שמקודדים לכל פריים של הסרטון.
10:49
And so what we found is that by analyzing these artifacts,
179
649701
3806
וכך מה שגילינו זה שעל ידי ניתוח הפגמים האלה,
10:53
we can actually recover sound using a modified version of our algorithm.
180
653507
4615
אנחנו יכולים למעשה לשחזר צליל בשימוש בגרסה מעודכנת של האלגוריתם שלנו.
10:58
So here's an experiment we did
181
658122
1912
אז הנה דוגמה שעשינו
11:00
where we filmed a bag of candy
182
660034
1695
בה צילמנו שקית סוכריות
11:01
while a nearby loudspeaker played
183
661729
1741
בעוד רמקול קרוב ניגן
11:03
the same "Mary Had a Little Lamb" music from before,
184
663470
2972
את אותה מוזיקה של "למרי היה טלה קטן" כמו מקודם,
11:06
but this time, we used just a regular store-bought camera,
185
666442
4203
אבל הפעם, השתמשנו במצלמה רגילה שנקנתה בחנות,
11:10
and so in a second, I'll play for you the sound that we recovered,
186
670645
3174
וכך עוד רגע, אני אשמיע לכם את הצליל ששחזרנו,
11:13
and it's going to sound distorted this time,
187
673819
2050
וזה עומד להשמע מעוות הפעם,
11:15
but listen and see if you can still recognize the music.
188
675869
2836
אבל האזינו ותראו אם אתם יכולים עדיין לזהות את המוזיקה.
11:19
(Audio: "Mary Had a Little Lamb")
189
679723
6223
(אודיו: למרי היה טלה קטן")
11:37
And so, again, that sounds distorted,
190
697527
3465
וכך, שוב, זה נשמע מעוות,
11:40
but what's really amazing here is that we were able to do this
191
700992
4386
אבל מה שבאמת מדהים פה זה שהיינו מסוגלים לעשות זאת
11:45
with something that you could literally run out
192
705378
2626
עם משהו שאתם באמת יכולים לצאת
11:48
and pick up at a Best Buy.
193
708004
1444
ולקנות בבסט ביי.
11:51
So at this point,
194
711122
1363
אז בנקודה הזו,
11:52
a lot of people see this work,
195
712485
1974
הרבה אנשים רואים את העבודה הזו,
11:54
and they immediately think about surveillance.
196
714459
3413
והם מייד חושבים על מעקב.
11:57
And to be fair,
197
717872
2415
ולהיות כנים,
12:00
it's not hard to imagine how you might use this technology to spy on someone.
198
720287
4133
זה לא קשה לדמיין איך תוכלו להשתמש בטכנולוגיה הזו לרגל על מישהו.
12:04
But keep in mind that there's already a lot of very mature technology
199
724420
3947
אבל זכרו שיש כבר הרבה טכנולוגיות בשלות
12:08
out there for surveillance.
200
728367
1579
שקיימות למעקב.
12:09
In fact, people have been using lasers
201
729946
2090
למעשה, אנשים השתמשו בלייזרים
12:12
to eavesdrop on objects from a distance for decades.
202
732036
2799
כדי לצותת לעצמים ממרחק במשך עשורים.
12:15
But what's really new here,
203
735978
2025
אבל מה שבאמת חדש פה,
12:18
what's really different,
204
738003
1440
מה שבאמת שונה,
12:19
is that now we have a way to picture the vibrations of an object,
205
739443
4295
זה שעכשיו יש לנו דרך לצלם תמונות של עצם,
12:23
which gives us a new lens through which to look at the world,
206
743738
3413
מה שנותן לנו עדשה חדשה דרכה להסתכל על העולם,
12:27
and we can use that lens
207
747151
1510
ואנחנו יכולים להשתמש בעדשה הזו
12:28
to learn not just about forces like sound that cause an object to vibrate,
208
748661
4899
כדי ללמוד לא רק על הכוחות כמו צליל שגורמים לעצם לנוע,
12:33
but also about the object itself.
209
753560
2288
אלא גם על העצם עצמו.
12:36
And so I want to take a step back
210
756975
1693
אז אני רוצה לקחת צעד אחורה
12:38
and think about how that might change the ways that we use video,
211
758668
4249
ולחשוב על איך זה אולי ישנה את הדרך בה אנחנו משתמשים בסרטונים,
12:42
because we usually use video to look at things,
212
762917
3553
מפני שאנחנו בדרך כלל משתמשים בסרטונים כדי להביט בדברים,
12:46
and I've just shown you how we can use it
213
766470
2322
ורק הראתי לכם איך אנחנו יכולים להשתמש בזה
12:48
to listen to things.
214
768792
1857
כדי להקשיב לדברים.
12:50
But there's another important way that we learn about the world:
215
770649
3971
אבל יש דרך חשובה נוספת שאנחנו יכולים ללמוד על העולם:
12:54
that's by interacting with it.
216
774620
2275
זה על ידי השפעה עליו.
12:56
We push and pull and poke and prod things.
217
776895
3111
אנחנו דוחפים ומושכים ודוחפים וממששים עצמים.
13:00
We shake things and see what happens.
218
780006
3181
אחננו מנערים ורואים מה קורה.
13:03
And that's something that video still won't let us do,
219
783187
4273
וזה משהו שוידאו עדיין לא נותן לנו לעשות,
13:07
at least not traditionally.
220
787460
2136
לפחות לא באופן מסורתי.
13:09
So I want to show you some new work,
221
789596
1950
אז רציתי להראות לכם קצת מהעבודה החדשה שלי,
13:11
and this is based on an idea I had just a few months ago,
222
791546
2667
וזה מבוסס על רעיון שהיה לי רק לפני כמה חודשים,
13:14
so this is actually the first time I've shown it to a public audience.
223
794213
3301
אז זאת למעשה הפעם הראשונה שאני מראה את זה לציבור.
13:17
And the basic idea is that we're going to use the vibrations in a video
224
797514
5363
והרעיון הבסיסי הוא שאנחנו עומדים להשתמש ברעידות בסרטון
13:22
to capture objects in a way that will let us interact with them
225
802877
4481
כדי ללכוד עצמים בדרך שתיתן לנו להשפיע עליהם
13:27
and see how they react to us.
226
807358
1974
ולראות איך הם מגיבים לנו.
13:31
So here's an object,
227
811120
1764
אז הנה עצם,
13:32
and in this case, it's a wire figure in the shape of a human,
228
812884
3832
ובמקרה הזה, זה דמות חוט בצורה של אדם,
13:36
and we're going to film that object with just a regular camera.
229
816716
3088
ואנחנו הולכים לצלם את העצם עם מצלמה רגילה.
13:39
So there's nothing special about this camera.
230
819804
2124
אז אין שום דבר מיוחד במצלמה הזו.
13:41
In fact, I've actually done this with my cell phone before.
231
821928
2961
למעשה, עשיתי את זה עם מצלמת הסלולרי שלי לפני כן.
13:44
But we do want to see the object vibrate,
232
824889
2252
אבל אנחנו רוצים לראות את האובייקט רוטט.
13:47
so to make that happen,
233
827141
1133
אז כדי לגרום לזה לקרות,
13:48
we're just going to bang a little bit on the surface where it's resting
234
828274
3346
אנחנו פשוט דופקים מעט על המשטח עליו הוא מונח
13:51
while we record this video.
235
831620
2138
בעוד אנחנו מקליטים את הסרטון הזה.
13:59
So that's it: just five seconds of regular video,
236
839398
3671
אז זהו, רק חמש שניות של סרטון רגיל,
14:03
while we bang on this surface,
237
843069
2136
בעוד אנחנו דופקים על המשטח הזה,
14:05
and we're going to use the vibrations in that video
238
845205
3513
ואנחנו עומדים להשתמש ברעידות בסרטון
14:08
to learn about the structural and material properties of our object,
239
848718
4544
כדי ללמוד על התכונות המבניות והחומריות של העצם שלנו,
14:13
and we're going to use that information to create something new and interactive.
240
853262
4834
ואנחנו הולכים להשתמש במידע הזה כדי ליצור משהו חדש ואינטראקטיבי.
14:24
And so here's what we've created.
241
864866
2653
והנה מה שיצרנו.
14:27
And it looks like a regular image,
242
867519
2229
וזה נראה כמו תמונה רגילה,
14:29
but this isn't an image, and it's not a video,
243
869748
3111
אבל זו לא תמונה, וזה לא סרטון,
14:32
because now I can take my mouse
244
872859
2368
מפני שעכשיו אני יכול לקחת את העכבר שלי
14:35
and I can start interacting with the object.
245
875227
2859
ואני יכול להתחיל להשפיע על העצם.
14:44
And so what you see here
246
884936
2357
וכך מה שאתם רואים פה
14:47
is a simulation of how this object
247
887389
2226
זה הדמייה של איך העצם הזה
14:49
would respond to new forces that we've never seen before,
248
889615
4458
יגיב לכוחות חדשים שמעולם לא ראינו לפני כן,
14:54
and we created it from just five seconds of regular video.
249
894073
3633
ויצרנו את זה רק מחמש שניות של סרטון רגיל.
14:59
(Applause)
250
899249
4715
(מחיאות כפיים)
15:09
And so this is a really powerful way to look at the world,
251
909421
3227
וזו דרך באמת חזקה להביט בעולם,
15:12
because it lets us predict how objects will respond
252
912648
2972
מפני שהיא מאפשרת לנו לחזות איך עצמים יגיבו
15:15
to new situations,
253
915620
1823
למצבים חדשים,
15:17
and you could imagine, for instance, looking at an old bridge
254
917443
3473
ואתם יכולים לדמיין, לדוגמה, שתביטו בגשר ישן
15:20
and wondering what would happen, how would that bridge hold up
255
920916
3527
ותתהו מה יקרה, איך הגשר יחזיק
15:24
if I were to drive my car across it.
256
924443
2833
אם מכונית תיסע עליו.
15:27
And that's a question that you probably want to answer
257
927276
2774
וזו שאלה שאתם כנראה רוצים לענות עליה
15:30
before you start driving across that bridge.
258
930050
2560
לפני שאתם מתחילים לנסוע לאורך הגשר.
15:33
And of course, there are going to be limitations to this technique,
259
933988
3272
וכמובן, יהיו מגבלות על השיטה הזו,
15:37
just like there were with the visual microphone,
260
937260
2462
ממש כמו שיש עם המיקרופון הויזואלי,
15:39
but we found that it works in a lot of situations
261
939722
3181
אבל גילינו שזה עובד בהרבה מקרים
15:42
that you might not expect,
262
942903
1875
שאולי לא הייתם מצפים,
15:44
especially if you give it longer videos.
263
944778
2768
בעיקר אם אתם נותנים לזה סרטון ארוך יותר.
15:47
So for example, here's a video that I captured
264
947546
2508
אז לדוגמה, הנה סרטון שצילמנו
15:50
of a bush outside of my apartment,
265
950054
2299
של שיח מחוץ לדירה שלי,
15:52
and I didn't do anything to this bush,
266
952353
3088
ולא עשיתי כלום לשיח הזה,
15:55
but by capturing a minute-long video,
267
955441
2705
אבל על ידי צילום של סרטון באורך של דקה,
15:58
a gentle breeze caused enough vibrations
268
958146
3378
רוח קלה גרמה למספיק רעידות
16:01
that we could learn enough about this bush to create this simulation.
269
961524
3587
שיכולנו ללמוד מספיק על השיח הזה כדי ליצור את הדמייה הזו.
16:07
(Applause)
270
967270
6142
(מחיאות כפיים)
16:13
And so you could imagine giving this to a film director,
271
973412
2972
וכך תוכלו לדמייין שתתנו את זה לבמאי סרטים,
16:16
and letting him control, say,
272
976384
1719
ותתנו לו שליטה, נגיד,
16:18
the strength and direction of wind in a shot after it's been recorded.
273
978103
4922
בעוצמה ובכיוון של הרוח בצילום לאחר שהוא הוקלט.
16:24
Or, in this case, we pointed our camera at a hanging curtain,
274
984810
4535
או, במקרה הזה, כיוונו את המצלמה לוילון תלוי,
16:29
and you can't even see any motion in this video,
275
989345
4129
ואתם לא יכולים אפילו לראות תנועה בסרטון הזה,
16:33
but by recording a two-minute-long video,
276
993474
2925
אבל על ידי הקלטת סרטון של שתי דקות,
16:36
natural air currents in this room
277
996399
2438
זרמי אויר טבעיים בחדר הזה
16:38
created enough subtle, imperceptible motions and vibrations
278
998837
4412
יצרו מספיק תנועות ורעידות עדינות ובלתי נקלטות
16:43
that we could learn enough to create this simulation.
279
1003249
2565
שיכולנו ללמוד מספיק כדי ליצור את ההדמיה הזו.
16:48
And ironically,
280
1008243
2366
ובאופן אירוני,
16:50
we're kind of used to having this kind of interactivity
281
1010609
3088
אנחנו די רגילים שיש לנו את יכולת ההשפעה הזו
16:53
when it comes to virtual objects,
282
1013697
2647
כשזה מגיע לעצמים וירטואלים,
16:56
when it comes to video games and 3D models,
283
1016344
3297
כשזה מגיע למשחקי מחשב ומודלים תלת מימדיים,
16:59
but to be able to capture this information from real objects in the real world
284
1019641
4404
אבל כדי להיות מסוגלים ללכוד את המידע הזה מעצמים אמיתיים בעולם האמיתי
17:04
using just simple, regular video,
285
1024045
2817
בשימוש בסרטון פשוט ורגיל,
17:06
is something new that has a lot of potential.
286
1026862
2183
זה משהו חדש שיש לו פוטנציאל גדול.
17:10
So here are the amazing people who worked with me on these projects.
287
1030410
4904
אז הנה האנשים המדהימים שעבדו איתי על הפרוייקטים האלה.
17:16
(Applause)
288
1036057
5596
(מחיאות כפיים)
17:24
And what I've shown you today is only the beginning.
289
1044819
3057
ומה שהראתי לכם היום זו רק ההתחלה.
17:27
We've just started to scratch the surface
290
1047876
2113
רק התחלנו לגרד את פני השטח
17:29
of what you can do with this kind of imaging,
291
1049989
2972
של מה אפשר לעשות עם תמונות מסוג זה,
17:32
because it gives us a new way
292
1052961
2286
מפני שזה נותן לנו דרך חדשה
17:35
to capture our surroundings with common, accessible technology.
293
1055342
4724
ללכוד את הסביבה שלנו עם טכנולוגיה נפוצה ונגישה.
17:40
And so looking to the future,
294
1060066
1929
ובציפיה לעתיד,
17:41
it's going to be really exciting to explore
295
1061995
2037
זה עומד להיות מאוד מרגש לחקור
17:44
what this can tell us about the world.
296
1064032
1856
מה זה יכול להגיד לנו על העולם.
17:46
Thank you.
297
1066381
1204
תודה לכם.
17:47
(Applause)
298
1067610
6107
(מחיאת 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