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

204,153 views ・ 2015-05-05

TED


โปรดดับเบิลคลิกที่คำบรรยายภาษาอังกฤษด้านล่างเพื่อเล่นวิดีโอ

Translator: Kanawat Senanan Reviewer: Rawee Ma
00:13
Most of us think of motion as a very visual thing.
0
13373
3349
พวกเราส่วนใหญ่คิดถึงการเคลื่อนไหว ว่าคือสิ่งที่มองเห็นได้
00:17
If I walk across this stage or gesture with my hands while I speak,
1
17889
5088
ถ้าผมเดินบนเวทีหรือยกมือยกไม้เวลาพูด
00:22
that motion is something that you can see.
2
22977
2261
การเคลื่อนไหวนั้นก็จะเป็นสิ่งที่คุณมองเห็นได้
00:26
But there's a world of important motion that's too subtle for the human eye,
3
26255
5482
แต่ยังมีการเคลื่อนไหวสำคัญ ๆ อีกมากมาย ที่ละเอียดซับซ้อนเกินว่าคนเราจะมองเห็น
00:31
and over the past few years,
4
31737
2041
แต่ในช่วงไม่กี่ปีที่ผ่านมา
00:33
we've started to find that cameras
5
33778
1997
เราค้นพบว่ากล้องวิดีโอ
00:35
can often see this motion even when humans can't.
6
35775
3410
สามารถบันทึกการเคลื่อนไหวนี้ได้ แม้ว่าคนเราจะไม่สามารถรับรู้
00:40
So let me show you what I mean.
7
40305
1551
เอาล่ะ ผมจะแสดงให้คุณเห็นว่าผมหมายถึงอะไร
00:42
On the left here, you see video of a person's wrist,
8
42717
3622
ทางซ้ายนี้ คุณจะเห็นวิดีโอ ข้อมือคนคนหนึ่ง
00:46
and on the right, you see video of a sleeping infant,
9
46339
3147
และทางขวา คุณจะเห็นวิดีโดของเด็กทารกที่หลับอยู่
00:49
but if I didn't tell you that these were videos,
10
49486
3146
แต่ถ้าผมไม่บอกคุณว่านี่คือวิดีโอ
00:52
you might assume that you were looking at two regular images,
11
52632
3761
คุณอาจคิดว่าคุณกำลังมองภาพนิ่งธรรมดา ๆ
00:56
because in both cases,
12
56393
1672
เพราะทั้งสองกรณีนั้น
00:58
these videos appear to be almost completely still.
13
58065
3047
วิดีโอเหล่านี้ก็ดูแทบจะไม่ไหวติง
01:02
But there's actually a lot of subtle motion going on here,
14
62175
3885
ทั้งที่จริง ๆ แล้วมีการเคลื่อนไหว ที่ละเอียดอ่อนเกิดขึ้นมากมาย
01:06
and if you were to touch the wrist on the left,
15
66060
2392
ถ้าคุณได้สัมผัสข้อมือทางด้านซ้าย
01:08
you would feel a pulse,
16
68452
1996
คุณจะรับรู้ถึงชีพจร
01:10
and if you were to hold the infant on the right,
17
70448
2485
และถ้าคุณได้อุ้มทารกในวิดีโอฝั่งขวา
01:12
you would feel the rise and fall of her chest
18
72933
2391
คุณจะรู้สึกถึงการเคลื่อนที่ขึ้นลงของหน้าอก
01:15
as she took each breath.
19
75324
1390
ขณะที่เธอหายใจในแต่ละครั้ง
01:17
And these motions carry a lot of significance,
20
77762
3576
และการเคลื่อนไหวเหล่านี้ก็มีความสำคัญมาก
01:21
but they're usually too subtle for us to see,
21
81338
3343
เพียงแต่ว่ามันละเอียดอ่อน เกินกว่าที่เราจะมองเห็น
01:24
so instead, we have to observe them
22
84681
2276
เพราะอย่างนั้นเราจึงสังเกตมัน
01:26
through direct contact, through touch.
23
86957
2900
ผ่านการสัมผัสโดยตรงแทน
01:30
But a few years ago,
24
90997
1265
แต่เมื่อไม่กี่ปีที่ผ่านมา
01:32
my colleagues at MIT developed what they call a motion microscope,
25
92262
4405
เหล่าเพื่อนร่วมงานผมที่เอ็มไอทีได้พัฒนาสิ่งที่ เรียกว่ากล้องจุลทรรศน์แห่งการเคลื่อนไหว
01:36
which is software that finds these subtle motions in video
26
96667
4384
ซึ่งเป็นซอฟท์แวร์ที่จับการเคลื่อนไหว อันละเอียดอ่อนนี้ในวิดีโอ
01:41
and amplifies them so that they become large enough for us to see.
27
101051
3562
และขยายการเคลื่อนไหวนั้น ให้ใหญ่มากพอจนเรามองเห็นได้
01:45
And so, if we use their software on the left video,
28
105416
3483
ดังนั้น ถ้าหากเราใช้ซอฟท์แวร์นี้ กับวิดีโอทางด้านซ้าย
01:48
it lets us see the pulse in this wrist,
29
108899
3250
มันจะทำให้เราเห็นชีพจรบนข้อมือ
01:52
and if we were to count that pulse,
30
112149
1695
และถ้าเรานับจำนวนครั้งของชีพจรนั้น
01:53
we could even figure out this person's heart rate.
31
113844
2355
เราก็จะรู้อัตราการเต้นของหัวใจของคน ๆ นั้นด้วย
01:57
And if we used the same software on the right video,
32
117095
3065
และถ้าเราใช้ซอฟท์แวร์แบบเดียวกัน กับวิดีโอทางด้านขวา
02:00
it lets us see each breath that this infant takes,
33
120160
3227
มันจะทำให้เราเห็นการหายใจแต่ละครั้งของทารกนี้
02:03
and we can use this as a contact-free way to monitor her breathing.
34
123387
4137
และเราสามารถใช้วิธีที่ไม่ต้องสัมผัสตัวเธอ ในการติดตามการหายใจของเธอ
02:08
And so this technology is really powerful because it takes these phenomena
35
128884
5348
เทคโนโลยีนี้ทรงพลังมาก เพราะมันนำเอาปรากฏการณ์เช่นนี้
02:14
that we normally have to experience through touch
36
134232
2367
ซึ่งปกติแล้วเราจะต้องรับรู้ด้วยการสัมผัส
02:16
and it lets us capture them visually and non-invasively.
37
136599
2957
และทำให้เราตรวจจับมันได้ผ่านทางภาพ โดยไม่มีการสัมผัส ๆ
02:21
So a couple years ago, I started working with the folks that created that software,
38
141104
4411
เมื่อสองปีที่แล้ว ผมร่วมงาน กับเหล่าผู้สร้างซอฟท์แวร์นี้
02:25
and we decided to pursue a crazy idea.
39
145515
3367
และเราตัดสินใจจะทำตามแนวคิดหนึ่ง ที่ดูออกจะเพี้ยน ๆ ให้เป็นจริง
02:28
We thought, it's cool that we can use software
40
148882
2693
เราคิดว่ามันดูเจ๋ง ที่จะใช้ซอฟท์แวร์
02:31
to visualize tiny motions like this,
41
151575
3135
เพื่อทำให้การเคลื่อนไหวเล็กนี้ ๆ มองเห็นได้
02:34
and you can almost think of it as a way to extend our sense of touch.
42
154710
4458
คุณอาจมองว่ามันเป็นการขยาย ประสาทด้านสัมผัสวิธีหนึ่งก็ได้
02:39
But what if we could do the same thing with our ability to hear?
43
159168
4059
แต่ถ้าเราสามารถทำสิ่งเดียวกันนี้ กับประสาทด้านการได้ยินล่ะ
02:44
What if we could use video to capture the vibrations of sound,
44
164508
4665
ถ้าเราสามารถใช้วิดีโอ เพื่อจับการสั่นไหวของคลื่นเสียง
02:49
which are just another kind of motion,
45
169173
2827
ซึ่งก็นับเป็นการเคลื่อนไหวแบบหนึ่ง
02:52
and turn everything that we see into a microphone?
46
172000
3346
และเปลี่ยนทุกอย่างที่เราเห็นเห็นเป็นไมโครโฟน
02:56
Now, this is a bit of a strange idea,
47
176236
1971
นี่อาจจะฟังดูเป็นแนวคิด ที่แปลก
02:58
so let me try to put it in perspective for you.
48
178207
2586
งั้นลองให้ผมอธิบายให้พวกคุณเข้าใจง่ายขึ้น
03:01
Traditional microphones work by converting the motion
49
181523
3488
ไมโครโฟนทั่ว ๆ ไป ทำงานโดยการเปลี่ยนการเคลื่อนไหว
03:05
of an internal diaphragm into an electrical signal,
50
185011
3599
ของแผ่นไดอะแฟรมที่อยู่ข้างใน ให้เป็นสัญญาณไฟฟ้า
03:08
and that diaphragm is designed to move readily with sound
51
188610
4318
และแผ่นไดอะแฟรมนั้นถูกออกแบบมา เพื่อให้สั่นไหวไปพร้อมกับคลื่นเสียง
03:12
so that its motion can be recorded and interpreted as audio.
52
192928
4807
ดั้งนั้นการเคลื่อนไหวของมันจะถูกบันทึก และแปลงออกมาเป็นสัญญาณเสียง
03:17
But sound causes all objects to vibrate.
53
197735
3668
แต่คลื่นเสียงนั้นทำให้วัตถุทุกอย่างสั่นไหว
03:21
Those vibrations are just usually too subtle and too fast for us to see.
54
201403
5480
การสั่นไหวนี้ โดยปกติจะเล็ก และเร็วมากจนเราสังเกตไม่เห็น
03:26
So what if we record them with a high-speed camera
55
206883
3738
แล้วถ้าเราบันทึกมันด้วยกล้องวิดีโอความเร็วสูง
03:30
and then use software to extract tiny motions
56
210621
3576
จากนั้นใช้ซอฟท์แวร์ เพื่อดึงการเคลื่อนไหวเล็ก ๆ นั้นออกมาก
03:34
from our high-speed video,
57
214197
2090
จากวิดีโอความเร็วสูงที่เราบันทึกไว้
03:36
and analyze those motions to figure out what sounds created them?
58
216287
4274
แล้ววิเคราะห์หาเสียงซึ่งเป็นต้นกำเนิด ของการเคลื่อนไหวเหล่านั้น
03:41
This would let us turn visible objects into visual microphones from a distance.
59
221859
5449
ด้วยวิธีนี้ เราจึงสามารถแปลงวัตถุที่มองเห็น ให้กลายเป็นไมโครโฟนระยะไกล
03:49
And so we tried this out,
60
229080
2183
เราได้ทำการทดสอบ
03:51
and here's one of our experiments,
61
231263
1927
และนี่คือหนึ่งในการทดลองของเรา
03:53
where we took this potted plant that you see on the right
62
233190
2949
โดยเรานำเอาต้นไม้ในกระถางที่คุณเห็นในทางขวา
03:56
and we filmed it with a high-speed camera
63
236139
2438
บันทึกด้วยกล้องวีดิโอความเร็วสูง
03:58
while a nearby loudspeaker played this sound.
64
238577
3529
ในขณะที่ลำโพงที่อยู่ใกล้ ๆ กำลังเล่นเสียงนี้
04:02
(Music: "Mary Had a Little Lamb")
65
242275
8190
(เสียงเพลง: "Marry Had a Little Lamb")
04:11
And so here's the video that we recorded,
66
251820
2824
และนี่คือวิดีโอที่เราบันทึกไว้
04:14
and we recorded it at thousands of frames per second,
67
254644
3924
เราบันทึกด้วยความเร็วหลายพันเฟรมต่อวินาที
04:18
but even if you look very closely,
68
258568
2322
แต่แม้ว่าคุณจะมองมันใกล้ ๆ
04:20
all you'll see are some leaves
69
260890
1951
คุณก็จะเห็นเพียงแค่ใบไม้
04:22
that are pretty much just sitting there doing nothing,
70
262841
3065
ที่อยู่นิ่ง ๆ ไม่เคลื่อนไหวอะไร
04:25
because our sound only moved those leaves by about a micrometer.
71
265906
4806
นั่นเป็นเพราะเสียงเคลื่อนที่ใบไม้เหล่านั้น ไปเพียงหนึ่งไมโครเมตร
04:31
That's one ten-thousandth of a centimeter,
72
271103
4276
หรือ หนึ่งในหมื่นของเซนติเมตร
04:35
which spans somewhere between a hundredth and a thousandth
73
275379
4156
ซึ่งคิดเป็นระยะทางในช่วง หนึ่งในร้อย หรือหนึ่งในพัน
04:39
of a pixel in this image.
74
279535
2299
ของหนึ่งพิกเซลในภาพนี้
04:41
So you can squint all you want,
75
281881
2887
ดังนั้น คุณจะเพ่งมองเท่าไหร่ก็คงมองไม่เห็น
04:44
but motion that small is pretty much perceptually invisible.
76
284768
3335
การเคลื่อนไหวเพียงเล็กน้อยนี้ ไม่สามารถสังเกตได้ด้วยตาเปล่า
04:49
But it turns out that something can be perceptually invisible
77
289667
4157
แต่ปรากฏว่า สิ่งที่ไม่สามารถ สังเกตได้ด้วยตาเปล่านี้
04:53
and still be numerically significant,
78
293824
2809
สามารถสร้างความแตกต่าง ในเชิงเลขได้อย่างมีนัยสำคัญ
04:56
because with the right algorithms,
79
296633
2002
เพราะด้วยระเบียบวิธีที่ถูกต้อง
04:58
we can take this silent, seemingly still video
80
298635
3687
เราสามารถแปลงวิดีโอเงียบ ๆ ดูราวกับไร้การเคลื่อนไหวนี้
05:02
and we can recover this sound.
81
302322
1527
แล้วกู้เอาเสียงนี้กลับมาได้
05:04
(Music: "Mary Had a Little Lamb")
82
304690
7384
(เสียงเพลง: "Marry Had a Little Lamb")
05:12
(Applause)
83
312074
5828
(เสียงปรบมือ)
05:22
So how is this possible?
84
322058
1939
มันเป็นไปได้อย่างไร
05:23
How can we get so much information out of so little motion?
85
323997
4344
ทำไมเราจึงได้ข้อมูลมหาศาล จากการเคลื่อนไหวเพียงเล็กน้อย
05:28
Well, let's say that those leaves move by just a single micrometer,
86
328341
5361
สมมุติว่า ใบไม้เหล่านั้นเคลื่อนที่ ไปเพียงหนึ่งไมโครเมตร
05:33
and let's say that that shifts our image by just a thousandth of a pixel.
87
333702
4308
และสมมุติว่านั่นทำให้ภาพ เคลื่อนที่ไปหนึ่งในพันของพิกเซล
05:39
That may not seem like much,
88
339269
2572
ซึ่งฟังดูแล้วอาจจะไม่มาก
05:41
but a single frame of video
89
341841
1996
แต่ภายในวิดีโอหนึ่งเฟรม
05:43
may have hundreds of thousands of pixels in it,
90
343837
3257
นั้นมีหลายล้านพิกเซล
05:47
and so if we combine all of the tiny motions that we see
91
347094
3454
ถ้าเรารวมเอาการเคลื่อนไหวเล็ก ๆ เหล่านั้นที่เราเห็น
05:50
from across that entire image,
92
350548
2298
จากภาพทั้งภาพ
05:52
then suddenly a thousandth of a pixel
93
352846
2623
หนึ่งในพันของพิกเซล
05:55
can start to add up to something pretty significant.
94
355469
2775
ก็จะสะสมรวมกัน เป็นบางสิ่งที่มีนัยสำคัญ
05:58
On a personal note, we were pretty psyched when we figured this out.
95
358870
3635
ผมจะบอกให้ว่า พวกเราแทบกระโดดตัวลอย เมื่อคิดเรื่องนี้ออก
06:02
(Laughter)
96
362505
2320
(เสียงหัวเราะ)
06:04
But even with the right algorithm,
97
364825
3253
แต่แม้กระทั่งด้วยระเบียบวิธีที่เหมาะสม
06:08
we were still missing a pretty important piece of the puzzle.
98
368078
3617
เราก็ยังขาดชิ้นส่วนสำคัญของปัญหานี้
06:11
You see, there are a lot of factors that affect when and how well
99
371695
3604
มันมีองค์ประกอบหลายอย่างที่จะส่งผลกระทบ ว่าเทคนิคนี้จะใช้ได้ผล
06:15
this technique will work.
100
375299
1997
เมื่อไร และดีแค่ไหน
06:17
There's the object and how far away it is;
101
377296
3204
วัตถุนั้นคืออะไร และมันอยู่ไกลแค่ไหน
06:20
there's the camera and the lens that you use;
102
380500
2394
กล้องเป็นอย่างไร และใช้เลนส์แบบไหน
06:22
how much light is shining on the object and how loud your sound is.
103
382894
4091
มีแสงตกกระทบบนวัตถุมากน้อยแค่ไหน และเสียงดังแค่ไหน
06:27
And even with the right algorithm,
104
387945
3375
และแม้ว่าด้วยระเบียบวิธีที่เหมาะสม
06:31
we had to be very careful with our early experiments,
105
391320
3390
เราจะต้องใช้ความระมัดระวังมาก ในการทดลองขั้นต้นของเรา
06:34
because if we got any of these factors wrong,
106
394710
2392
เพราะถ้าองค์ประกอบเหล่านี้ ผิดเพี้ยนไปสักอย่างหนึ่ง
06:37
there was no way to tell what the problem was.
107
397102
2368
จะไม่มีวิธีค้นพบว่า เกิดความผิดพลาดตรงไหน
06:39
We would just get noise back.
108
399470
2647
เราจะได้ยินแค่เสียงซ่า
06:42
And so a lot of our early experiments looked like this.
109
402117
3320
ดังนั้น การทดลองหลาย ๆ ครั้ง ในขั้นต้นจึงเป็นแบบนี้
06:45
And so here I am,
110
405437
2206
นั่นคือผม
06:47
and on the bottom left, you can kind of see our high-speed camera,
111
407643
4040
และทางด้านซ้ายล่าง คุณจะพอมองเห็นกล้องวิดีโอความเร็วสูง
06:51
which is pointed at a bag of chips,
112
411683
2183
ซึ่งจะจับไปยังถุงมันฝรั่ง
06:53
and the whole thing is lit by these bright lamps.
113
413866
2949
ซึ่งถูกฉายด้วยไฟสว่างจ้า
06:56
And like I said, we had to be very careful in these early experiments,
114
416815
4365
และอย่างที่บอก เราต้องระมัดระวังในการทดลอง ขั้นต้นเหล่านี้มาก ๆ
07:01
so this is how it went down.
115
421180
2508
มันจึงออกมาเป็นแบบนี้
07:03
(Video) Abe Davis: Three, two, one, go.
116
423688
3761
(วิดีโอ) เอบ เดวิส: สาม, สอง, หนึ่ง, เริ่ม
07:07
Mary had a little lamb! Little lamb! Little lamb!
117
427449
5387
แมรี มีลูกแกะตัวหนึ่ง! ลูกแกะตัวหนึ่ง! ลูกแกะตัวหนึ่ง!
07:12
(Laughter)
118
432836
4500
(เสียงหัวเราะ)
07:17
AD: So this experiment looks completely ridiculous.
119
437336
2814
เอบ: การทดลองนี้มันออกจะดูน่าขันไปหน่อย
07:20
(Laughter)
120
440150
1788
(เสียงหัวเราะ)
07:21
I mean, I'm screaming at a bag of chips --
121
441938
2345
ผมกำลังตะคอกใส่ถุงมันฝรั่ง
07:24
(Laughter) --
122
444283
1551
(เสียงหัวเราะ) --
07:25
and we're blasting it with so much light,
123
445834
2117
และเราก็ส่องมันด้วยไฟสว่างจ้า
07:27
we literally melted the first bag we tried this on. (Laughter)
124
447951
4479
เสียจนกระทั่งเราทำถุงมันฝรั่งละลายไปถุงหนึ่ง เมื่อตอนเริ่มทดลอง (เสียงหัวเราะ)
07:32
But ridiculous as this experiment looks,
125
452525
3274
แต่ แม้ว่าการทดลองนี้มันจะดูน่าขัน
07:35
it was actually really important,
126
455799
1788
แต่มันก็เป็นการทดลองสำคัญ
07:37
because we were able to recover this sound.
127
457587
2926
เพราะเราสามารถกู้เอาเสียงนี้ออกมาได้
07:40
(Audio) Mary had a little lamb! Little lamb! Little lamb!
128
460513
4712
(เสียงบันทึก) แมรี่ มีลูกแกะตัวหนึ่ง! ลูกแกะตัวหนึ่ง! ลูกแกะตัวหนึ่ง!
07:45
(Applause)
129
465225
4088
(เสียงปรบมือ)
07:49
AD: And this was really significant,
130
469313
1881
เอบ: และนี่คือสิ่งที่สำคัญมาก
07:51
because it was the first time we recovered intelligible human speech
131
471194
4119
เพราะว่านั่นคือครั้งแรกที่เราสามารถ กู้เสียงพูดมนุษย์ที่ฟังรู้เรื่อง
07:55
from silent video of an object.
132
475424
2341
จากวิดีโอของวัตถุซึ่งไม่มีเสียง
07:57
And so it gave us this point of reference,
133
477765
2391
และมันเป็นจุดอ้างอิงแก่เรา
08:00
and gradually we could start to modify the experiment,
134
480156
3871
และเราก็ค่อย ๆ เริ่มที่จะปรับปรุงการทดลอง
08:04
using different objects or moving the object further away,
135
484106
3805
โดยใช้วัตถุต่าง ๆ หรือเคลื่อนที่วัตถุนั้นให้ห่างออกไป
08:07
using less light or quieter sounds.
136
487911
2770
โดยใช้แสงน้อยลง หรือเสียงที่เบาลง
08:11
And we analyzed all of these experiments
137
491887
2874
แล้วเราก็วิเคราะห์การทดลองทั้งหมดนี้
08:14
until we really understood the limits of our technique,
138
494761
3622
จนกระทั่งเราเข้าใจถ่องแท้ถึง ข้อจำกัดของเทคนิคนี้
08:18
because once we understood those limits,
139
498383
1950
เพราะเมื่อเราเข้าใจข้อจำกัดเหล่านั้น
08:20
we could figure out how to push them.
140
500333
2346
เราก็สามารถหาทางที่จะผลักดันมันออกไป
08:22
And that led to experiments like this one,
141
502679
3181
และนำไปสู่การทดลองเช่นนี้
08:25
where again, I'm going to speak to a bag of chips,
142
505860
2739
ซึ่งก็เหมือนเคย คือผมก็จะพูดกับถุงมันฝรั่ง
08:28
but this time we've moved our camera about 15 feet away,
143
508599
4830
และครั้งนี้เราย้ายกล้องให้ห่างออกไป 15 ฟุต
08:33
outside, behind a soundproof window,
144
513429
2833
อยู่หลังหน้าต่างกันเสียง
08:36
and the whole thing is lit by only natural sunlight.
145
516262
2803
และทุกอย่างนั้นถูกให้แสงโดยแสงธรรมชาติ
08:40
And so here's the video that we captured.
146
520529
2155
และนี่คือวิดีโอที่เราบันทึกไว้
08:44
And this is what things sounded like from inside, next to the bag of chips.
147
524450
4559
และนี่คือเสียงจากด้านใน ข้าง ๆ ถุงมันฝรั่ง
08:49
(Audio) Mary had a little lamb whose fleece was white as snow,
148
529009
5038
(เสียงบันทึก) แมรี่มีลูกแกะตัวหนึ่ง ขนมันขาวราวหิมะ
08:54
and everywhere that Mary went, that lamb was sure to go.
149
534047
5619
และไม่ว่าแมรี่จะไปไหน ลูกแกะก็จะตามไป
08:59
AD: And here's what we were able to recover from our silent video
150
539666
4017
เอป: และนี่คือสิ่งที่เราสามารถกู้ กลับมาได้จากวีดิโอซึ่งไร้เสียง
09:03
captured outside behind that window.
151
543683
2345
ที่บันทึกจากนอกหน้าต่าง
09:06
(Audio) Mary had a little lamb whose fleece was white as snow,
152
546028
4435
(เสียงบันทึก) แมรี่มีลูกแกะตัวหนึ่ง ขนมันขาวราวหิมะ
09:10
and everywhere that Mary went, that lamb was sure to go.
153
550463
5457
และไม่ว่าแมรี่จะไปไหน ลูกแกะก็จะตามไป
09:15
(Applause)
154
555920
6501
(เสียงปรบมือ)
09:22
AD: And there are other ways that we can push these limits as well.
155
562421
3542
เอบ: ยังมีอีกหลายวิธีที่เรา จะผลักดันขีดจำกัดเหล่านั้นออกไปอีก
09:25
So here's a quieter experiment
156
565963
1798
นี่คือการทดลองที่เงียบขึ้น
09:27
where we filmed some earphones plugged into a laptop computer,
157
567761
4110
ซึ่งเราถ่ายวิดีโอหูฟังซึ่งเสียบอยู่กับแล็ปท็อป
09:31
and in this case, our goal was to recover the music that was playing on that laptop
158
571871
4110
และในกรณีนี้ เป้าหมายของเรา คือการกู้เสียงเพลงซึ่งกำลังเล่นจากแล็ปท็อป
09:35
from just silent video
159
575981
2299
จากวิดีโอเงียบๆ
09:38
of these two little plastic earphones,
160
578280
2507
ของหูฟังพลาสติกสองชิ้นนี้
09:40
and we were able to do this so well
161
580787
2183
และเราก็ทำได้ดีมาก
09:42
that I could even Shazam our results.
162
582970
2461
เสียจนผมสามารถใช้เอาเสียงนี้ ไปใช้ค้นหาชื่อเพลงบน Shazam ได้
09:45
(Laughter)
163
585431
2411
(เสียงหัวเราะ)
09:49
(Music: "Under Pressure" by Queen)
164
589191
10034
(เสียงเพลง: "Under Pressure" โดยวง Queen)
10:01
(Applause)
165
601615
4969
(เสียงปรบมือ)
10:06
And we can also push things by changing the hardware that we use.
166
606584
4551
เรายังสามารถผลักดันขีดจำกัด โดยเปลี่ยนอุปกรณ์ที่เราใช้
10:11
Because the experiments I've shown you so far
167
611135
2461
เนื่องจากในการทดลอง ที่ผมแสดงให้คุณดูมาตั้งแต่ต้นนั้น
10:13
were done with a camera, a high-speed camera,
168
613596
2322
ล้วนใช้กล้องวิดีโอความเร็วสูง
10:15
that can record video about a 100 times faster
169
615918
2879
ซึ่งสามารถบันทึกวิดีโอได้เร็วเป็น 100 เท่า
10:18
than most cell phones,
170
618797
1927
ของกล้องบนโทรศัพท์มือถือ
10:20
but we've also found a way to use this technique
171
620724
2809
แต่กระนั้นเราก็ยังพบวิธีที่จะใช้เทคนิคนี้
10:23
with more regular cameras,
172
623533
2230
กับกล้องทั่ว ๆ ไปได้
10:25
and we do that by taking advantage of what's called a rolling shutter.
173
625763
4069
และเราทำได้โดยใช้ประโยชน์ จากสิ่งที่เรียกว่า โรลลิ่ง ชัตเตอร์ (rolling shutter)
10:29
You see, most cameras record images one row at a time,
174
629832
4798
กล้องทั่วไปบันทึกภาพทีละแถว
10:34
and so if an object moves during the recording of a single image,
175
634630
5702
และถ้าวัตถุเคลื่อนที่ในขณะที่มีการบันทึกภาพหนึ่ง ๆ
10:40
there's a slight time delay between each row,
176
640344
2717
จะเกิดการหน่วงเวลาขึ้นเล็กน้อยในแต่ละแถว
10:43
and this causes slight artifacts
177
643061
3157
และก่อให้เกิดสัญญาณปลอมปนนี้ขึ้นมา
10:46
that get coded into each frame of a video.
178
646218
3483
ซึ่งจะถูกบันทึกลงในแต่ละเฟรมของวิดีโอ
10:49
And so what we found is that by analyzing these artifacts,
179
649701
3806
สิ่งที่เราพบก็คือ เมื่อเราวิเคราะห์สัญญาณปลอมปน
10:53
we can actually recover sound using a modified version of our algorithm.
180
653507
4615
เราก็จะสามารถกู้เอาเสียงกลับคืนมาได้ โดยใช้ระเบียบวิธีที่ดัดแปลง
10:58
So here's an experiment we did
181
658122
1912
และนี่คือการทดลองที่เราทำ
11:00
where we filmed a bag of candy
182
660034
1695
โดยเราถ่ายวิดีโอถุงลูกกวาด
11:01
while a nearby loudspeaker played
183
661729
1741
ขณะที่ลำโพงที่อยู่ใกล้ ๆ กำลังส่งเสียง
11:03
the same "Mary Had a Little Lamb" music from before,
184
663470
2972
เพลง "Mary Had a Little Lamb"
11:06
but this time, we used just a regular store-bought camera,
185
666442
4203
แต่ครั้งนี้เราใช้กล้องที่หาซื้อได้ทั่ว ๆ ไป
11:10
and so in a second, I'll play for you the sound that we recovered,
186
670645
3174
และในอีกสักครู่ ผมจะเล่นเสียงที่เรากู้คืนมาได้
11:13
and it's going to sound distorted this time,
187
673819
2050
และมันจะฟังดูเพี้ยนหน่อยในครั้งนี้
11:15
but listen and see if you can still recognize the music.
188
675869
2836
แต่ลองฟังดูว่าคุณยังพอฟังออก ว่ามันเป็นเพลงอะไรหรือเปล่า
11:19
(Audio: "Mary Had a Little Lamb")
189
679723
6223
(เสียงเพลง: "Mary Had a Little Lamb")
11:37
And so, again, that sounds distorted,
190
697527
3465
แม้เสียงจะฟังดูผิดเพี้ยนไป
11:40
but what's really amazing here is that we were able to do this
191
700992
4386
แต่สิ่งที่น่าทึ่งก็คือ เราสามารถทำสิ่งนี้ได้
11:45
with something that you could literally run out
192
705378
2626
ด้วยของที่คุณสามารถเดินออกไปหาซื้อได้
11:48
and pick up at a Best Buy.
193
708004
1444
จากร้านขายสินค้าอิเล็คทรอนิคส์ทั่วไป
11:51
So at this point,
194
711122
1363
ณ จุดนี้
11:52
a lot of people see this work,
195
712485
1974
หลาย ๆ คนที่เห็นงานวิจัยนี้
11:54
and they immediately think about surveillance.
196
714459
3413
จะนึกถึงงานด้านการสอดแนมในทันที
11:57
And to be fair,
197
717872
2415
ซึ่งพูดตรง ๆ แล้ว
12:00
it's not hard to imagine how you might use this technology to spy on someone.
198
720287
4133
มันก็ไม่ยากนักที่จะคิดว่าจะนำเทคโนโลยีนี้ ไปใช้เพื่อสอดแนมใครบางคนได้อย่างไร
12:04
But keep in mind that there's already a lot of very mature technology
199
724420
3947
แต่ต้องอย่าลืมว่า มีเทคโนโลยีอีกมากมาย ที่ได้ถูกวิจัยพัฒนาสมบูรณ์แล้ว
12:08
out there for surveillance.
200
728367
1579
ที่ถูกออกแบบมาเพื่อการสอดแนม
12:09
In fact, people have been using lasers
201
729946
2090
อันที่จริงแล้ว ผู้คนได้ใช้แสงเลเซอร์
12:12
to eavesdrop on objects from a distance for decades.
202
732036
2799
เพื่อตรวจจับการสั่นไหวของวัตถุ จากระยะไกลมานับสิบปีแล้ว
12:15
But what's really new here,
203
735978
2025
แต่สิ่งที่แปลกใหม่สำหรับเทคโนโลยีนี้
12:18
what's really different,
204
738003
1440
สิ่งที่แตกต่างจริง ๆ
12:19
is that now we have a way to picture the vibrations of an object,
205
739443
4295
ก็คือเรามีวิธีใหม่ที่จะบันทึกการสั่นไหวของวัตถุ
12:23
which gives us a new lens through which to look at the world,
206
743738
3413
ซึ่งให้มุมมองใหม่สู่โลกกว้างกับเรา
12:27
and we can use that lens
207
747151
1510
และเราสามารถใช้มุมมองนี้
12:28
to learn not just about forces like sound that cause an object to vibrate,
208
748661
4899
ไม่เพียงแค่เรียนรู้ถึงแรงเช่นคลื่นเสียง ที่ทำให้วัตถุสั่นไหว
12:33
but also about the object itself.
209
753560
2288
แต่ยังเรียนรู้ถึงตัววัตถุนั้น ๆ
12:36
And so I want to take a step back
210
756975
1693
ดังนั้นผมจึงอยากพาท่านถอยมาก้าวหนึ่ง
12:38
and think about how that might change the ways that we use video,
211
758668
4249
และลองคิดว่ามันจะเปลี่ยนวิธี ที่เราใช้วิดีโอได้อย่างไร
12:42
because we usually use video to look at things,
212
762917
3553
เพราะปกติแล้วเราใช้วิดีโอเพื่อดูสิ่งต่าง ๆ
12:46
and I've just shown you how we can use it
213
766470
2322
และผมก็เพิ่งแสดงให้คุณดูว่าเรา ใช้มัน
12:48
to listen to things.
214
768792
1857
เพื่อฟังเสียงต่าง ๆ ได้อย่างไร
12:50
But there's another important way that we learn about the world:
215
770649
3971
แต่ยังมีอีกวิธีหนึ่งที่เรา สามารถเรียนรู้เกี่ยวกับโลกได้
12:54
that's by interacting with it.
216
774620
2275
นั่นก็คือการมีปฏิสัมพันธ์กับมัน
12:56
We push and pull and poke and prod things.
217
776895
3111
เราดัน และดึง และจิ้ม สิ่งต่าง ๆ
13:00
We shake things and see what happens.
218
780006
3181
เราเขย่ามันแล้วดูว่าจะเกิดอะไรขึ้น
13:03
And that's something that video still won't let us do,
219
783187
4273
แต่นั่นเป็นอะไรที่วิดีโอไม่ยอมให้เราทำ
13:07
at least not traditionally.
220
787460
2136
อย่างน้อยก็วิดีโอทั่ว ๆ ไป
13:09
So I want to show you some new work,
221
789596
1950
ผมจึงอยากแสดงให้คุณเห็นถึงงานวิจัยใหม่
13:11
and this is based on an idea I had just a few months ago,
222
791546
2667
ซึ่งเกิดขึ้นมาจากแนวคิดของผม เมื่อไม่กี่เดือนก่อนหน้านี้
13:14
so this is actually the first time I've shown it to a public audience.
223
794213
3301
นี่จึงเป็นครั้งแรกที่ผมแสดงมันต่อสาธารณะชน
13:17
And the basic idea is that we're going to use the vibrations in a video
224
797514
5363
แนวคิดพื้นฐานก็คือ เราจะใช้การสั่นไหวในวิดีโอนี้
13:22
to capture objects in a way that will let us interact with them
225
802877
4481
เพื่อตรวจจับวัตถุในแบบที่เราสามารถโต้ตอบกับมันได้
13:27
and see how they react to us.
226
807358
1974
และดูว่ามันจะมีปฏิกิริยาอย่างไร
13:31
So here's an object,
227
811120
1764
นี่คือวัตถุชิ้นหนึ่ง
13:32
and in this case, it's a wire figure in the shape of a human,
228
812884
3832
และในกรณีนี้ มันคือลวดดัดเป็นรูปคน
13:36
and we're going to film that object with just a regular camera.
229
816716
3088
และเราก็จะถ่ายวิดีโอวัตถุนี้โดยใช้กล้องธรรมดา
13:39
So there's nothing special about this camera.
230
819804
2124
ไม่มีอะไรพิเศษเกี่ยวกับกล้องนี้
13:41
In fact, I've actually done this with my cell phone before.
231
821928
2961
อันที่จริงแล้ว ผมก็เคยทำการทดลองนี้ ด้วยกล้องมือถือของผมเอง
13:44
But we do want to see the object vibrate,
232
824889
2252
แต่เราก็อยากเห็นวัตถุนี้สั่นไหว
13:47
so to make that happen,
233
827141
1133
เพื่อให้เป็นเช่นนั้น
13:48
we're just going to bang a little bit on the surface where it's resting
234
828274
3346
เราจะเคาะเบา ๆ บนพื้นที่มันตั้งอยู่
13:51
while we record this video.
235
831620
2138
ในขณะที่เราบันทึกวิดีโอ
13:59
So that's it: just five seconds of regular video,
236
839398
3671
แค่นั้นเอง เพียงแค่วิดีโอยาว 5 วินาที
14:03
while we bang on this surface,
237
843069
2136
ขณะที่เราเคาะพื้น
14:05
and we're going to use the vibrations in that video
238
845205
3513
และเราก็จะใช้การสั่นไหวในวิดีโอ
14:08
to learn about the structural and material properties of our object,
239
848718
4544
เพื่อศึกษาเกี่ยวกับโครงสร้าง และคุณสมบัติเชิงวัสดุของวัตถุชิ้นนั้น
14:13
and we're going to use that information to create something new and interactive.
240
853262
4834
และเราก็จะใช้ข้อมูลนั้น เพื่อสร้างบางสิ่งใหม่ ๆ ที่สามารถโต้ตอบได้
14:24
And so here's what we've created.
241
864866
2653
นี่คือสิ่งที่เราสร้างขึ้นมา
14:27
And it looks like a regular image,
242
867519
2229
มันดูเหมือนภาพธรรมดา
14:29
but this isn't an image, and it's not a video,
243
869748
3111
แต่นี่ไม่ใช่รูปภาพ และมันก็ไม่ใช่วิดีโอ
14:32
because now I can take my mouse
244
872859
2368
เพราะตอนนี้ผมสามารถเอาเมาส์
14:35
and I can start interacting with the object.
245
875227
2859
ไปโต้ตอบกับวัตถุชิ้นนี้ได้
14:44
And so what you see here
246
884936
2357
และสิ่งที่คุณเห็นอยู่ตอนนี้
14:47
is a simulation of how this object
247
887389
2226
คือการจำลองว่าวัตถุนี้
14:49
would respond to new forces that we've never seen before,
248
889615
4458
จะตอบสนองต่อแรงใหม่ ๆ ที่เราไม่เคยเห็นมาก่อน
14:54
and we created it from just five seconds of regular video.
249
894073
3633
และเราก็สร้างมันขึ้นจาก วิดีโอธรรมดาความยาวแค่ 5 วินาที
14:59
(Applause)
250
899249
4715
(เสียงปรบมือ)
15:09
And so this is a really powerful way to look at the world,
251
909421
3227
นี่เป็นวิธีที่ทรงพลังมาก ในการศึกษาโลกใบนี้
15:12
because it lets us predict how objects will respond
252
912648
2972
เพราะมันทำให้เราทำนายได้ ว่าวัตถุจะตอบสนองอย่างไร
15:15
to new situations,
253
915620
1823
กับสถานการณ์ใหม่ ๆ
15:17
and you could imagine, for instance, looking at an old bridge
254
917443
3473
และสมมุติว่าคุณมองดูสะพานเก่า ๆ แห่งหนึ่ง
15:20
and wondering what would happen, how would that bridge hold up
255
920916
3527
และเกิดสงสัยว่าจะเกิดอะไรขึ้น สะพานจะรับน้ำหนักได้หรือไม่
15:24
if I were to drive my car across it.
256
924443
2833
ถ้าคุณขับรถข้ามสะพานนั้น
15:27
And that's a question that you probably want to answer
257
927276
2774
และนั่นเป็นคำถามที่คุณต้องการคำตอบ
15:30
before you start driving across that bridge.
258
930050
2560
ก่อนที่จะขับข้ามสะพานนั้น
15:33
And of course, there are going to be limitations to this technique,
259
933988
3272
และแน่นอน มันก็จะต้องมีขีดจำกัดกับเทคนิคนี้
15:37
just like there were with the visual microphone,
260
937260
2462
เช่นเดียวกับโมโครโฟนภาพ
15:39
but we found that it works in a lot of situations
261
939722
3181
แต่เราก็พบว่ามันใช้ได้ในหลาย ๆ สถานการณ์
15:42
that you might not expect,
262
942903
1875
ที่คุณอาจคาดไม่ถึง
15:44
especially if you give it longer videos.
263
944778
2768
โดยเฉพาะเมื่อคุณป้อนวิดีโอที่ยาวขึ้นให้มัน
15:47
So for example, here's a video that I captured
264
947546
2508
ยกตัวอย่างเช่น นี่คือวิดีโอที่ผมถ่าย
15:50
of a bush outside of my apartment,
265
950054
2299
ไม้พุ่มหนึ่งนอกอพาร์ทเมนต์ของผม
15:52
and I didn't do anything to this bush,
266
952353
3088
ผมไม่ได้ทำอะไรกับพุ่มไม้นี้
15:55
but by capturing a minute-long video,
267
955441
2705
แต่ด้วยการถ่ายวิดีโอยาวหนึ่งนาที
15:58
a gentle breeze caused enough vibrations
268
958146
3378
ลมที่พัดเบา ๆ ก็สร้างการสั่นไหวที่มากพอ
16:01
that we could learn enough about this bush to create this simulation.
269
961524
3587
ที่เราจะเรียนรู้เกี่ยวกับพุ่มไม้นี้ เพื่อที่จะสร้างแบบจำลอง
16:07
(Applause)
270
967270
6142
(เสียงปรบมือ)
16:13
And so you could imagine giving this to a film director,
271
973412
2972
และคุณคงพอนึกออกว่า หากผู้กำกับภาพยนต์ได้ใช้มัน
16:16
and letting him control, say,
272
976384
1719
และช่วยให้เขาควบคุม
16:18
the strength and direction of wind in a shot after it's been recorded.
273
978103
4922
ความแรง หรือทิศทางลม ในฉากหลังจากที่มันได้ถูกถ่ายไปแล้ว
16:24
Or, in this case, we pointed our camera at a hanging curtain,
274
984810
4535
หรือในกรณีนี้ เราตั้งกล้องไปยังผ้าม่านที่แขวนอยู่
16:29
and you can't even see any motion in this video,
275
989345
4129
คุณอาจมองไม่เห็น การเคลื่อนไหวใด ๆ ในวิดีโอนี้
16:33
but by recording a two-minute-long video,
276
993474
2925
แต่โดยการบันทึกวิดีโอยาว 2 นาที
16:36
natural air currents in this room
277
996399
2438
กระแสลมตามธรรมชาติในห้องนี้
16:38
created enough subtle, imperceptible motions and vibrations
278
998837
4412
สร้างการเคลื่อนไหว ที่แทบมองไม่เห็นขึ้น
16:43
that we could learn enough to create this simulation.
279
1003249
2565
และเราสามารถเรียนรู้จากมันได้มากพอ ที่จะสร้างแบบจำลอง
16:48
And ironically,
280
1008243
2366
ซึ่งก็น่าตลก
16:50
we're kind of used to having this kind of interactivity
281
1010609
3088
ที่เราคุ้นชินกับการโต้ตอบลักษณะนี้
16:53
when it comes to virtual objects,
282
1013697
2647
หากมันเป็นวัตถุเสมือน
16:56
when it comes to video games and 3D models,
283
1016344
3297
หรือวิดีโอเกมส์ และแบบจำลองสามมิติ
16:59
but to be able to capture this information from real objects in the real world
284
1019641
4404
แต่การที่เราสามารถดึงข้อมูลเหล่านี้ จากวัตถุจริง ๆ ในโลกจริง ๆ ได้
17:04
using just simple, regular video,
285
1024045
2817
โดยใช้วิดีโอธรรมดา ๆ นั้น
17:06
is something new that has a lot of potential.
286
1026862
2183
เป็นบางสิ่งที่ใหม่และมีศักยภาพมาก
17:10
So here are the amazing people who worked with me on these projects.
287
1030410
4904
และนี่คือกลุ่มคนที่น่าทึ่ง ผู้ซึ่งร่วมงานกับผมในงานวิจัยเหล่านี้
17:16
(Applause)
288
1036057
5596
(เสียงปรบมือ)
17:24
And what I've shown you today is only the beginning.
289
1044819
3057
สิ่งทีผมแสดงให้คุณดูในวันนี้ เป็นเพียงแค่การเริ่มต้น
17:27
We've just started to scratch the surface
290
1047876
2113
เราเพียงแค่เริ่มเปิดประตู
17:29
of what you can do with this kind of imaging,
291
1049989
2972
เข้าสู่โลกของหลากหลายสิ่ง ที่คุณสามารถทำได้ด้วยเทคนิคนี้
17:32
because it gives us a new way
292
1052961
2286
เพราะมันให้วิธีใหม่แก่เรา
17:35
to capture our surroundings with common, accessible technology.
293
1055342
4724
ในการดึงข้อมูลจากสิ่งแวดล้อมรอบ ๆ ตัว ด้วยเทคโนโลยีที่เข้าถึงได้ทั่ว ๆ ไป
17:40
And so looking to the future,
294
1060066
1929
เมื่อมองไปในอนาคต
17:41
it's going to be really exciting to explore
295
1061995
2037
มันคงน่าตื่นเต้นที่จะได้ค้นพบว่า
17:44
what this can tell us about the world.
296
1064032
1856
สิ่งนี้จะช่วยบอกอะไรเราได้เกี่ยวกับโลกใบนี้
17:46
Thank you.
297
1066381
1204
ขอบคุณครับ
17:47
(Applause)
298
1067610
6107
(เสียงปรบมือ)
เกี่ยวกับเว็บไซต์นี้

ไซต์นี้จะแนะนำคุณเกี่ยวกับวิดีโอ YouTube ที่เป็นประโยชน์สำหรับการเรียนรู้ภาษาอังกฤษ คุณจะได้เห็นบทเรียนภาษาอังกฤษที่สอนโดยอาจารย์ชั้นนำจากทั่วโลก ดับเบิลคลิกที่คำบรรยายภาษาอังกฤษที่แสดงในแต่ละหน้าของวิดีโอเพื่อเล่นวิดีโอจากที่นั่น คำบรรยายเลื่อนซิงค์กับการเล่นวิดีโอ หากคุณมีความคิดเห็นหรือคำขอใด ๆ โปรดติดต่อเราโดยใช้แบบฟอร์มการติดต่อนี้

https://forms.gle/WvT1wiN1qDtmnspy7