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

Translator: Kanawat Senanan Reviewer: Rawee Ma

Most of us think of motion as a very visual thing.

พวกเราส่วนใหญ่คิดถึงการเคลื่อนไหว ว่าคือสิ่งที่มองเห็นได้

If I walk across this stage or gesture with my hands while I speak,

ถ้าผมเดินบนเวทีหรือยกมือยกไม้เวลาพูด

that motion is something that you can see.

การเคลื่อนไหวนั้นก็จะเป็นสิ่งที่คุณมองเห็นได้

But there's a world of important motion that's too subtle for the human eye,

แต่ยังมีการเคลื่อนไหวสำคัญ ๆ อีกมากมาย ที่ละเอียดซับซ้อนเกินว่าคนเราจะมองเห็น

and over the past few years,

แต่ในช่วงไม่กี่ปีที่ผ่านมา

we've started to find that cameras

เราค้นพบว่ากล้องวิดีโอ

can often see this motion even when humans can't.

สามารถบันทึกการเคลื่อนไหวนี้ได้ แม้ว่าคนเราจะไม่สามารถรับรู้

So let me show you what I mean.

เอาล่ะ ผมจะแสดงให้คุณเห็นว่าผมหมายถึงอะไร

On the left here, you see video of a person's wrist,

ทางซ้ายนี้ คุณจะเห็นวิดีโอ ข้อมือคนคนหนึ่ง

and on the right, you see video of a sleeping infant,

และทางขวา คุณจะเห็นวิดีโดของเด็กทารกที่หลับอยู่

but if I didn't tell you that these were videos,

แต่ถ้าผมไม่บอกคุณว่านี่คือวิดีโอ

you might assume that you were looking at two regular images,

คุณอาจคิดว่าคุณกำลังมองภาพนิ่งธรรมดา ๆ

because in both cases,

เพราะทั้งสองกรณีนั้น

these videos appear to be almost completely still.

วิดีโอเหล่านี้ก็ดูแทบจะไม่ไหวติง

But there's actually a lot of subtle motion going on here,

ทั้งที่จริง ๆ แล้วมีการเคลื่อนไหว ที่ละเอียดอ่อนเกิดขึ้นมากมาย

and if you were to touch the wrist on the left,

ถ้าคุณได้สัมผัสข้อมือทางด้านซ้าย

you would feel a pulse,

คุณจะรับรู้ถึงชีพจร

and if you were to hold the infant on the right,

และถ้าคุณได้อุ้มทารกในวิดีโอฝั่งขวา

you would feel the rise and fall of her chest

คุณจะรู้สึกถึงการเคลื่อนที่ขึ้นลงของหน้าอก

as she took each breath.

ขณะที่เธอหายใจในแต่ละครั้ง

And these motions carry a lot of significance,

และการเคลื่อนไหวเหล่านี้ก็มีความสำคัญมาก

but they're usually too subtle for us to see,

เพียงแต่ว่ามันละเอียดอ่อน เกินกว่าที่เราจะมองเห็น

so instead, we have to observe them

เพราะอย่างนั้นเราจึงสังเกตมัน

through direct contact, through touch.

ผ่านการสัมผัสโดยตรงแทน

But a few years ago,

แต่เมื่อไม่กี่ปีที่ผ่านมา

my colleagues at MIT developed what they call a motion microscope,

เหล่าเพื่อนร่วมงานผมที่เอ็มไอทีได้พัฒนาสิ่งที่ เรียกว่ากล้องจุลทรรศน์แห่งการเคลื่อนไหว

which is software that finds these subtle motions in video

ซึ่งเป็นซอฟท์แวร์ที่จับการเคลื่อนไหว อันละเอียดอ่อนนี้ในวิดีโอ

and amplifies them so that they become large enough for us to see.

และขยายการเคลื่อนไหวนั้น ให้ใหญ่มากพอจนเรามองเห็นได้

And so, if we use their software on the left video,

ดังนั้น ถ้าหากเราใช้ซอฟท์แวร์นี้ กับวิดีโอทางด้านซ้าย

it lets us see the pulse in this wrist,

มันจะทำให้เราเห็นชีพจรบนข้อมือ

and if we were to count that pulse,

และถ้าเรานับจำนวนครั้งของชีพจรนั้น

we could even figure out this person's heart rate.

เราก็จะรู้อัตราการเต้นของหัวใจของคน ๆ นั้นด้วย

And if we used the same software on the right video,

และถ้าเราใช้ซอฟท์แวร์แบบเดียวกัน กับวิดีโอทางด้านขวา

it lets us see each breath that this infant takes,

มันจะทำให้เราเห็นการหายใจแต่ละครั้งของทารกนี้

and we can use this as a contact-free way to monitor her breathing.

และเราสามารถใช้วิธีที่ไม่ต้องสัมผัสตัวเธอ ในการติดตามการหายใจของเธอ

And so this technology is really powerful because it takes these phenomena

เทคโนโลยีนี้ทรงพลังมาก เพราะมันนำเอาปรากฏการณ์เช่นนี้

that we normally have to experience through touch

ซึ่งปกติแล้วเราจะต้องรับรู้ด้วยการสัมผัส

and it lets us capture them visually and non-invasively.

และทำให้เราตรวจจับมันได้ผ่านทางภาพ โดยไม่มีการสัมผัส ๆ

So a couple years ago, I started working with the folks that created that software,

เมื่อสองปีที่แล้ว ผมร่วมงาน กับเหล่าผู้สร้างซอฟท์แวร์นี้

and we decided to pursue a crazy idea.

และเราตัดสินใจจะทำตามแนวคิดหนึ่ง ที่ดูออกจะเพี้ยน ๆ ให้เป็นจริง

We thought, it's cool that we can use software

เราคิดว่ามันดูเจ๋ง ที่จะใช้ซอฟท์แวร์

to visualize tiny motions like this,

เพื่อทำให้การเคลื่อนไหวเล็กนี้ ๆ มองเห็นได้

and you can almost think of it as a way to extend our sense of touch.

คุณอาจมองว่ามันเป็นการขยาย ประสาทด้านสัมผัสวิธีหนึ่งก็ได้

But what if we could do the same thing with our ability to hear?

แต่ถ้าเราสามารถทำสิ่งเดียวกันนี้ กับประสาทด้านการได้ยินล่ะ

What if we could use video to capture the vibrations of sound,

ถ้าเราสามารถใช้วิดีโอ เพื่อจับการสั่นไหวของคลื่นเสียง

which are just another kind of motion,

ซึ่งก็นับเป็นการเคลื่อนไหวแบบหนึ่ง

and turn everything that we see into a microphone?

และเปลี่ยนทุกอย่างที่เราเห็นเห็นเป็นไมโครโฟน

Now, this is a bit of a strange idea,

นี่อาจจะฟังดูเป็นแนวคิด ที่แปลก

so let me try to put it in perspective for you.

งั้นลองให้ผมอธิบายให้พวกคุณเข้าใจง่ายขึ้น

Traditional microphones work by converting the motion

ไมโครโฟนทั่ว ๆ ไป ทำงานโดยการเปลี่ยนการเคลื่อนไหว

of an internal diaphragm into an electrical signal,

ของแผ่นไดอะแฟรมที่อยู่ข้างใน ให้เป็นสัญญาณไฟฟ้า

and that diaphragm is designed to move readily with sound

และแผ่นไดอะแฟรมนั้นถูกออกแบบมา เพื่อให้สั่นไหวไปพร้อมกับคลื่นเสียง

so that its motion can be recorded and interpreted as audio.

ดั้งนั้นการเคลื่อนไหวของมันจะถูกบันทึก และแปลงออกมาเป็นสัญญาณเสียง

But sound causes all objects to vibrate.

แต่คลื่นเสียงนั้นทำให้วัตถุทุกอย่างสั่นไหว

Those vibrations are just usually too subtle and too fast for us to see.

การสั่นไหวนี้ โดยปกติจะเล็ก และเร็วมากจนเราสังเกตไม่เห็น

So what if we record them with a high-speed camera

แล้วถ้าเราบันทึกมันด้วยกล้องวิดีโอความเร็วสูง

and then use software to extract tiny motions

จากนั้นใช้ซอฟท์แวร์ เพื่อดึงการเคลื่อนไหวเล็ก ๆ นั้นออกมาก

from our high-speed video,

จากวิดีโอความเร็วสูงที่เราบันทึกไว้

and analyze those motions to figure out what sounds created them?

แล้ววิเคราะห์หาเสียงซึ่งเป็นต้นกำเนิด ของการเคลื่อนไหวเหล่านั้น

This would let us turn visible objects into visual microphones from a distance.

ด้วยวิธีนี้ เราจึงสามารถแปลงวัตถุที่มองเห็น ให้กลายเป็นไมโครโฟนระยะไกล

And so we tried this out,

เราได้ทำการทดสอบ

and here's one of our experiments,

และนี่คือหนึ่งในการทดลองของเรา

where we took this potted plant that you see on the right

โดยเรานำเอาต้นไม้ในกระถางที่คุณเห็นในทางขวา

and we filmed it with a high-speed camera

บันทึกด้วยกล้องวีดิโอความเร็วสูง

while a nearby loudspeaker played this sound.

ในขณะที่ลำโพงที่อยู่ใกล้ ๆ กำลังเล่นเสียงนี้

(Music: "Mary Had a Little Lamb")

(เสียงเพลง: "Marry Had a Little Lamb")

And so here's the video that we recorded,

และนี่คือวิดีโอที่เราบันทึกไว้

and we recorded it at thousands of frames per second,

เราบันทึกด้วยความเร็วหลายพันเฟรมต่อวินาที

but even if you look very closely,

แต่แม้ว่าคุณจะมองมันใกล้ ๆ

all you'll see are some leaves

คุณก็จะเห็นเพียงแค่ใบไม้

that are pretty much just sitting there doing nothing,

ที่อยู่นิ่ง ๆ ไม่เคลื่อนไหวอะไร

because our sound only moved those leaves by about a micrometer.

นั่นเป็นเพราะเสียงเคลื่อนที่ใบไม้เหล่านั้น ไปเพียงหนึ่งไมโครเมตร

That's one ten-thousandth of a centimeter,

หรือ หนึ่งในหมื่นของเซนติเมตร

which spans somewhere between a hundredth and a thousandth

ซึ่งคิดเป็นระยะทางในช่วง หนึ่งในร้อย หรือหนึ่งในพัน

of a pixel in this image.

ของหนึ่งพิกเซลในภาพนี้

So you can squint all you want,

ดังนั้น คุณจะเพ่งมองเท่าไหร่ก็คงมองไม่เห็น

but motion that small is pretty much perceptually invisible.

การเคลื่อนไหวเพียงเล็กน้อยนี้ ไม่สามารถสังเกตได้ด้วยตาเปล่า

But it turns out that something can be perceptually invisible

แต่ปรากฏว่า สิ่งที่ไม่สามารถ สังเกตได้ด้วยตาเปล่านี้

and still be numerically significant,

สามารถสร้างความแตกต่าง ในเชิงเลขได้อย่างมีนัยสำคัญ

because with the right algorithms,

เพราะด้วยระเบียบวิธีที่ถูกต้อง

we can take this silent, seemingly still video

เราสามารถแปลงวิดีโอเงียบ ๆ ดูราวกับไร้การเคลื่อนไหวนี้

and we can recover this sound.

แล้วกู้เอาเสียงนี้กลับมาได้

(Music: "Mary Had a Little Lamb")

(เสียงเพลง: "Marry Had a Little Lamb")

(Applause)

(เสียงปรบมือ)

So how is this possible?

มันเป็นไปได้อย่างไร

How can we get so much information out of so little motion?

ทำไมเราจึงได้ข้อมูลมหาศาล จากการเคลื่อนไหวเพียงเล็กน้อย

Well, let's say that those leaves move by just a single micrometer,

สมมุติว่า ใบไม้เหล่านั้นเคลื่อนที่ ไปเพียงหนึ่งไมโครเมตร

and let's say that that shifts our image by just a thousandth of a pixel.

และสมมุติว่านั่นทำให้ภาพ เคลื่อนที่ไปหนึ่งในพันของพิกเซล

That may not seem like much,

ซึ่งฟังดูแล้วอาจจะไม่มาก

but a single frame of video

แต่ภายในวิดีโอหนึ่งเฟรม

may have hundreds of thousands of pixels in it,

นั้นมีหลายล้านพิกเซล

and so if we combine all of the tiny motions that we see

ถ้าเรารวมเอาการเคลื่อนไหวเล็ก ๆ เหล่านั้นที่เราเห็น

from across that entire image,

จากภาพทั้งภาพ

then suddenly a thousandth of a pixel

หนึ่งในพันของพิกเซล

can start to add up to something pretty significant.

ก็จะสะสมรวมกัน เป็นบางสิ่งที่มีนัยสำคัญ

On a personal note, we were pretty psyched when we figured this out.

ผมจะบอกให้ว่า พวกเราแทบกระโดดตัวลอย เมื่อคิดเรื่องนี้ออก

(Laughter)

(เสียงหัวเราะ)

But even with the right algorithm,

แต่แม้กระทั่งด้วยระเบียบวิธีที่เหมาะสม

we were still missing a pretty important piece of the puzzle.

เราก็ยังขาดชิ้นส่วนสำคัญของปัญหานี้

You see, there are a lot of factors that affect when and how well

มันมีองค์ประกอบหลายอย่างที่จะส่งผลกระทบ ว่าเทคนิคนี้จะใช้ได้ผล

this technique will work.

เมื่อไร และดีแค่ไหน

There's the object and how far away it is;

วัตถุนั้นคืออะไร และมันอยู่ไกลแค่ไหน

there's the camera and the lens that you use;

กล้องเป็นอย่างไร และใช้เลนส์แบบไหน

how much light is shining on the object and how loud your sound is.

มีแสงตกกระทบบนวัตถุมากน้อยแค่ไหน และเสียงดังแค่ไหน

And even with the right algorithm,

และแม้ว่าด้วยระเบียบวิธีที่เหมาะสม

we had to be very careful with our early experiments,

เราจะต้องใช้ความระมัดระวังมาก ในการทดลองขั้นต้นของเรา

because if we got any of these factors wrong,

เพราะถ้าองค์ประกอบเหล่านี้ ผิดเพี้ยนไปสักอย่างหนึ่ง

there was no way to tell what the problem was.

จะไม่มีวิธีค้นพบว่า เกิดความผิดพลาดตรงไหน

We would just get noise back.

เราจะได้ยินแค่เสียงซ่า

And so a lot of our early experiments looked like this.

ดังนั้น การทดลองหลาย ๆ ครั้ง ในขั้นต้นจึงเป็นแบบนี้

And so here I am,

นั่นคือผม

and on the bottom left, you can kind of see our high-speed camera,

และทางด้านซ้ายล่าง คุณจะพอมองเห็นกล้องวิดีโอความเร็วสูง

which is pointed at a bag of chips,

ซึ่งจะจับไปยังถุงมันฝรั่ง

and the whole thing is lit by these bright lamps.

ซึ่งถูกฉายด้วยไฟสว่างจ้า

And like I said, we had to be very careful in these early experiments,

และอย่างที่บอก เราต้องระมัดระวังในการทดลอง ขั้นต้นเหล่านี้มาก ๆ

so this is how it went down.

มันจึงออกมาเป็นแบบนี้

(Video) Abe Davis: Three, two, one, go.

(วิดีโอ) เอบ เดวิส: สาม, สอง, หนึ่ง, เริ่ม

Mary had a little lamb! Little lamb! Little lamb!

แมรี มีลูกแกะตัวหนึ่ง! ลูกแกะตัวหนึ่ง! ลูกแกะตัวหนึ่ง!

(Laughter)

(เสียงหัวเราะ)

AD: So this experiment looks completely ridiculous.

เอบ: การทดลองนี้มันออกจะดูน่าขันไปหน่อย

(Laughter)

(เสียงหัวเราะ)

I mean, I'm screaming at a bag of chips --

ผมกำลังตะคอกใส่ถุงมันฝรั่ง

(Laughter) --

(เสียงหัวเราะ) --

and we're blasting it with so much light,

และเราก็ส่องมันด้วยไฟสว่างจ้า

we literally melted the first bag we tried this on. (Laughter)

เสียจนกระทั่งเราทำถุงมันฝรั่งละลายไปถุงหนึ่ง เมื่อตอนเริ่มทดลอง (เสียงหัวเราะ)

But ridiculous as this experiment looks,

แต่ แม้ว่าการทดลองนี้มันจะดูน่าขัน

it was actually really important,

แต่มันก็เป็นการทดลองสำคัญ

because we were able to recover this sound.

เพราะเราสามารถกู้เอาเสียงนี้ออกมาได้

(Audio) Mary had a little lamb! Little lamb! Little lamb!

(เสียงบันทึก) แมรี่ มีลูกแกะตัวหนึ่ง! ลูกแกะตัวหนึ่ง! ลูกแกะตัวหนึ่ง!

(Applause)

(เสียงปรบมือ)

AD: And this was really significant,

เอบ: และนี่คือสิ่งที่สำคัญมาก

because it was the first time we recovered intelligible human speech

เพราะว่านั่นคือครั้งแรกที่เราสามารถ กู้เสียงพูดมนุษย์ที่ฟังรู้เรื่อง

from silent video of an object.

จากวิดีโอของวัตถุซึ่งไม่มีเสียง

And so it gave us this point of reference,

และมันเป็นจุดอ้างอิงแก่เรา

and gradually we could start to modify the experiment,

และเราก็ค่อย ๆ เริ่มที่จะปรับปรุงการทดลอง

using different objects or moving the object further away,

โดยใช้วัตถุต่าง ๆ หรือเคลื่อนที่วัตถุนั้นให้ห่างออกไป

using less light or quieter sounds.

โดยใช้แสงน้อยลง หรือเสียงที่เบาลง

And we analyzed all of these experiments

แล้วเราก็วิเคราะห์การทดลองทั้งหมดนี้

until we really understood the limits of our technique,

จนกระทั่งเราเข้าใจถ่องแท้ถึง ข้อจำกัดของเทคนิคนี้

because once we understood those limits,

เพราะเมื่อเราเข้าใจข้อจำกัดเหล่านั้น

we could figure out how to push them.

เราก็สามารถหาทางที่จะผลักดันมันออกไป

And that led to experiments like this one,

และนำไปสู่การทดลองเช่นนี้

where again, I'm going to speak to a bag of chips,

ซึ่งก็เหมือนเคย คือผมก็จะพูดกับถุงมันฝรั่ง

but this time we've moved our camera about 15 feet away,

และครั้งนี้เราย้ายกล้องให้ห่างออกไป 15 ฟุต

outside, behind a soundproof window,

อยู่หลังหน้าต่างกันเสียง

and the whole thing is lit by only natural sunlight.

และทุกอย่างนั้นถูกให้แสงโดยแสงธรรมชาติ

And so here's the video that we captured.

และนี่คือวิดีโอที่เราบันทึกไว้

And this is what things sounded like from inside, next to the bag of chips.

และนี่คือเสียงจากด้านใน ข้าง ๆ ถุงมันฝรั่ง

(Audio) Mary had a little lamb whose fleece was white as snow,

(เสียงบันทึก) แมรี่มีลูกแกะตัวหนึ่ง ขนมันขาวราวหิมะ

and everywhere that Mary went, that lamb was sure to go.

และไม่ว่าแมรี่จะไปไหน ลูกแกะก็จะตามไป

AD: And here's what we were able to recover from our silent video

เอป: และนี่คือสิ่งที่เราสามารถกู้ กลับมาได้จากวีดิโอซึ่งไร้เสียง

captured outside behind that window.

ที่บันทึกจากนอกหน้าต่าง

(Audio) Mary had a little lamb whose fleece was white as snow,

(เสียงบันทึก) แมรี่มีลูกแกะตัวหนึ่ง ขนมันขาวราวหิมะ

and everywhere that Mary went, that lamb was sure to go.

และไม่ว่าแมรี่จะไปไหน ลูกแกะก็จะตามไป

(Applause)

(เสียงปรบมือ)

AD: And there are other ways that we can push these limits as well.

เอบ: ยังมีอีกหลายวิธีที่เรา จะผลักดันขีดจำกัดเหล่านั้นออกไปอีก

So here's a quieter experiment

นี่คือการทดลองที่เงียบขึ้น

where we filmed some earphones plugged into a laptop computer,

ซึ่งเราถ่ายวิดีโอหูฟังซึ่งเสียบอยู่กับแล็ปท็อป

and in this case, our goal was to recover the music that was playing on that laptop

และในกรณีนี้ เป้าหมายของเรา คือการกู้เสียงเพลงซึ่งกำลังเล่นจากแล็ปท็อป

from just silent video

จากวิดีโอเงียบๆ

of these two little plastic earphones,

ของหูฟังพลาสติกสองชิ้นนี้

and we were able to do this so well

และเราก็ทำได้ดีมาก

that I could even Shazam our results.

เสียจนผมสามารถใช้เอาเสียงนี้ ไปใช้ค้นหาชื่อเพลงบน Shazam ได้

(Laughter)

(เสียงหัวเราะ)

(Music: "Under Pressure" by Queen)

(เสียงเพลง: "Under Pressure" โดยวง Queen)

(Applause)

(เสียงปรบมือ)

And we can also push things by changing the hardware that we use.

เรายังสามารถผลักดันขีดจำกัด โดยเปลี่ยนอุปกรณ์ที่เราใช้

Because the experiments I've shown you so far

เนื่องจากในการทดลอง ที่ผมแสดงให้คุณดูมาตั้งแต่ต้นนั้น

were done with a camera, a high-speed camera,

ล้วนใช้กล้องวิดีโอความเร็วสูง

that can record video about a 100 times faster

ซึ่งสามารถบันทึกวิดีโอได้เร็วเป็น 100 เท่า

than most cell phones,

ของกล้องบนโทรศัพท์มือถือ

but we've also found a way to use this technique

แต่กระนั้นเราก็ยังพบวิธีที่จะใช้เทคนิคนี้

with more regular cameras,

กับกล้องทั่ว ๆ ไปได้

and we do that by taking advantage of what's called a rolling shutter.

และเราทำได้โดยใช้ประโยชน์ จากสิ่งที่เรียกว่า โรลลิ่ง ชัตเตอร์ (rolling shutter)

You see, most cameras record images one row at a time,

กล้องทั่วไปบันทึกภาพทีละแถว

and so if an object moves during the recording of a single image,

และถ้าวัตถุเคลื่อนที่ในขณะที่มีการบันทึกภาพหนึ่ง ๆ

there's a slight time delay between each row,

จะเกิดการหน่วงเวลาขึ้นเล็กน้อยในแต่ละแถว

and this causes slight artifacts

และก่อให้เกิดสัญญาณปลอมปนนี้ขึ้นมา

that get coded into each frame of a video.

ซึ่งจะถูกบันทึกลงในแต่ละเฟรมของวิดีโอ

And so what we found is that by analyzing these artifacts,

สิ่งที่เราพบก็คือ เมื่อเราวิเคราะห์สัญญาณปลอมปน

we can actually recover sound using a modified version of our algorithm.

เราก็จะสามารถกู้เอาเสียงกลับคืนมาได้ โดยใช้ระเบียบวิธีที่ดัดแปลง

So here's an experiment we did

และนี่คือการทดลองที่เราทำ

where we filmed a bag of candy

โดยเราถ่ายวิดีโอถุงลูกกวาด

while a nearby loudspeaker played

ขณะที่ลำโพงที่อยู่ใกล้ ๆ กำลังส่งเสียง

the same "Mary Had a Little Lamb" music from before,

เพลง "Mary Had a Little Lamb"

but this time, we used just a regular store-bought camera,

แต่ครั้งนี้เราใช้กล้องที่หาซื้อได้ทั่ว ๆ ไป

and so in a second, I'll play for you the sound that we recovered,

และในอีกสักครู่ ผมจะเล่นเสียงที่เรากู้คืนมาได้

and it's going to sound distorted this time,

และมันจะฟังดูเพี้ยนหน่อยในครั้งนี้

but listen and see if you can still recognize the music.

แต่ลองฟังดูว่าคุณยังพอฟังออก ว่ามันเป็นเพลงอะไรหรือเปล่า

(Audio: "Mary Had a Little Lamb")

(เสียงเพลง: "Mary Had a Little Lamb")

And so, again, that sounds distorted,

แม้เสียงจะฟังดูผิดเพี้ยนไป

but what's really amazing here is that we were able to do this

แต่สิ่งที่น่าทึ่งก็คือ เราสามารถทำสิ่งนี้ได้

with something that you could literally run out

ด้วยของที่คุณสามารถเดินออกไปหาซื้อได้

and pick up at a Best Buy.

จากร้านขายสินค้าอิเล็คทรอนิคส์ทั่วไป

So at this point,

ณ จุดนี้

a lot of people see this work,

หลาย ๆ คนที่เห็นงานวิจัยนี้

and they immediately think about surveillance.

จะนึกถึงงานด้านการสอดแนมในทันที

And to be fair,

ซึ่งพูดตรง ๆ แล้ว

it's not hard to imagine how you might use this technology to spy on someone.

มันก็ไม่ยากนักที่จะคิดว่าจะนำเทคโนโลยีนี้ ไปใช้เพื่อสอดแนมใครบางคนได้อย่างไร

But keep in mind that there's already a lot of very mature technology

แต่ต้องอย่าลืมว่า มีเทคโนโลยีอีกมากมาย ที่ได้ถูกวิจัยพัฒนาสมบูรณ์แล้ว

out there for surveillance.

ที่ถูกออกแบบมาเพื่อการสอดแนม

In fact, people have been using lasers

อันที่จริงแล้ว ผู้คนได้ใช้แสงเลเซอร์

to eavesdrop on objects from a distance for decades.

เพื่อตรวจจับการสั่นไหวของวัตถุ จากระยะไกลมานับสิบปีแล้ว

But what's really new here,

แต่สิ่งที่แปลกใหม่สำหรับเทคโนโลยีนี้

what's really different,

สิ่งที่แตกต่างจริง ๆ

is that now we have a way to picture the vibrations of an object,

ก็คือเรามีวิธีใหม่ที่จะบันทึกการสั่นไหวของวัตถุ

which gives us a new lens through which to look at the world,

ซึ่งให้มุมมองใหม่สู่โลกกว้างกับเรา

and we can use that lens

และเราสามารถใช้มุมมองนี้

to learn not just about forces like sound that cause an object to vibrate,

ไม่เพียงแค่เรียนรู้ถึงแรงเช่นคลื่นเสียง ที่ทำให้วัตถุสั่นไหว

but also about the object itself.

แต่ยังเรียนรู้ถึงตัววัตถุนั้น ๆ

And so I want to take a step back

ดังนั้นผมจึงอยากพาท่านถอยมาก้าวหนึ่ง

and think about how that might change the ways that we use video,

และลองคิดว่ามันจะเปลี่ยนวิธี ที่เราใช้วิดีโอได้อย่างไร

because we usually use video to look at things,

เพราะปกติแล้วเราใช้วิดีโอเพื่อดูสิ่งต่าง ๆ

and I've just shown you how we can use it

และผมก็เพิ่งแสดงให้คุณดูว่าเรา ใช้มัน

to listen to things.

เพื่อฟังเสียงต่าง ๆ ได้อย่างไร

But there's another important way that we learn about the world:

แต่ยังมีอีกวิธีหนึ่งที่เรา สามารถเรียนรู้เกี่ยวกับโลกได้

that's by interacting with it.

นั่นก็คือการมีปฏิสัมพันธ์กับมัน

We push and pull and poke and prod things.

เราดัน และดึง และจิ้ม สิ่งต่าง ๆ

We shake things and see what happens.

เราเขย่ามันแล้วดูว่าจะเกิดอะไรขึ้น

And that's something that video still won't let us do,

แต่นั่นเป็นอะไรที่วิดีโอไม่ยอมให้เราทำ

at least not traditionally.

อย่างน้อยก็วิดีโอทั่ว ๆ ไป

So I want to show you some new work,

ผมจึงอยากแสดงให้คุณเห็นถึงงานวิจัยใหม่

and this is based on an idea I had just a few months ago,

ซึ่งเกิดขึ้นมาจากแนวคิดของผม เมื่อไม่กี่เดือนก่อนหน้านี้

so this is actually the first time I've shown it to a public audience.

นี่จึงเป็นครั้งแรกที่ผมแสดงมันต่อสาธารณะชน

And the basic idea is that we're going to use the vibrations in a video

แนวคิดพื้นฐานก็คือ เราจะใช้การสั่นไหวในวิดีโอนี้

to capture objects in a way that will let us interact with them

เพื่อตรวจจับวัตถุในแบบที่เราสามารถโต้ตอบกับมันได้

and see how they react to us.

และดูว่ามันจะมีปฏิกิริยาอย่างไร

So here's an object,

นี่คือวัตถุชิ้นหนึ่ง

and in this case, it's a wire figure in the shape of a human,

และในกรณีนี้ มันคือลวดดัดเป็นรูปคน

and we're going to film that object with just a regular camera.

และเราก็จะถ่ายวิดีโอวัตถุนี้โดยใช้กล้องธรรมดา

So there's nothing special about this camera.

ไม่มีอะไรพิเศษเกี่ยวกับกล้องนี้

In fact, I've actually done this with my cell phone before.

อันที่จริงแล้ว ผมก็เคยทำการทดลองนี้ ด้วยกล้องมือถือของผมเอง

But we do want to see the object vibrate,

แต่เราก็อยากเห็นวัตถุนี้สั่นไหว

so to make that happen,

เพื่อให้เป็นเช่นนั้น

we're just going to bang a little bit on the surface where it's resting

เราจะเคาะเบา ๆ บนพื้นที่มันตั้งอยู่

while we record this video.

ในขณะที่เราบันทึกวิดีโอ

So that's it: just five seconds of regular video,

แค่นั้นเอง เพียงแค่วิดีโอยาว 5 วินาที

while we bang on this surface,

ขณะที่เราเคาะพื้น

and we're going to use the vibrations in that video

และเราก็จะใช้การสั่นไหวในวิดีโอ

to learn about the structural and material properties of our object,

เพื่อศึกษาเกี่ยวกับโครงสร้าง และคุณสมบัติเชิงวัสดุของวัตถุชิ้นนั้น

and we're going to use that information to create something new and interactive.

และเราก็จะใช้ข้อมูลนั้น เพื่อสร้างบางสิ่งใหม่ ๆ ที่สามารถโต้ตอบได้

And so here's what we've created.

นี่คือสิ่งที่เราสร้างขึ้นมา

And it looks like a regular image,

มันดูเหมือนภาพธรรมดา

but this isn't an image, and it's not a video,

แต่นี่ไม่ใช่รูปภาพ และมันก็ไม่ใช่วิดีโอ

because now I can take my mouse

เพราะตอนนี้ผมสามารถเอาเมาส์

and I can start interacting with the object.

ไปโต้ตอบกับวัตถุชิ้นนี้ได้

And so what you see here

และสิ่งที่คุณเห็นอยู่ตอนนี้

is a simulation of how this object

คือการจำลองว่าวัตถุนี้

would respond to new forces that we've never seen before,

จะตอบสนองต่อแรงใหม่ ๆ ที่เราไม่เคยเห็นมาก่อน

and we created it from just five seconds of regular video.

และเราก็สร้างมันขึ้นจาก วิดีโอธรรมดาความยาวแค่ 5 วินาที

(Applause)

(เสียงปรบมือ)

And so this is a really powerful way to look at the world,

นี่เป็นวิธีที่ทรงพลังมาก ในการศึกษาโลกใบนี้

because it lets us predict how objects will respond

เพราะมันทำให้เราทำนายได้ ว่าวัตถุจะตอบสนองอย่างไร

to new situations,

กับสถานการณ์ใหม่ ๆ

and you could imagine, for instance, looking at an old bridge

และสมมุติว่าคุณมองดูสะพานเก่า ๆ แห่งหนึ่ง

and wondering what would happen, how would that bridge hold up

และเกิดสงสัยว่าจะเกิดอะไรขึ้น สะพานจะรับน้ำหนักได้หรือไม่

if I were to drive my car across it.

ถ้าคุณขับรถข้ามสะพานนั้น

And that's a question that you probably want to answer

และนั่นเป็นคำถามที่คุณต้องการคำตอบ

before you start driving across that bridge.

ก่อนที่จะขับข้ามสะพานนั้น

And of course, there are going to be limitations to this technique,

และแน่นอน มันก็จะต้องมีขีดจำกัดกับเทคนิคนี้

just like there were with the visual microphone,

เช่นเดียวกับโมโครโฟนภาพ

but we found that it works in a lot of situations

แต่เราก็พบว่ามันใช้ได้ในหลาย ๆ สถานการณ์

that you might not expect,

ที่คุณอาจคาดไม่ถึง

especially if you give it longer videos.

โดยเฉพาะเมื่อคุณป้อนวิดีโอที่ยาวขึ้นให้มัน

So for example, here's a video that I captured

ยกตัวอย่างเช่น นี่คือวิดีโอที่ผมถ่าย

of a bush outside of my apartment,

ไม้พุ่มหนึ่งนอกอพาร์ทเมนต์ของผม

and I didn't do anything to this bush,

ผมไม่ได้ทำอะไรกับพุ่มไม้นี้

but by capturing a minute-long video,

แต่ด้วยการถ่ายวิดีโอยาวหนึ่งนาที

a gentle breeze caused enough vibrations

ลมที่พัดเบา ๆ ก็สร้างการสั่นไหวที่มากพอ

that we could learn enough about this bush to create this simulation.

ที่เราจะเรียนรู้เกี่ยวกับพุ่มไม้นี้ เพื่อที่จะสร้างแบบจำลอง

(Applause)

(เสียงปรบมือ)

And so you could imagine giving this to a film director,

และคุณคงพอนึกออกว่า หากผู้กำกับภาพยนต์ได้ใช้มัน

and letting him control, say,

และช่วยให้เขาควบคุม

the strength and direction of wind in a shot after it's been recorded.

ความแรง หรือทิศทางลม ในฉากหลังจากที่มันได้ถูกถ่ายไปแล้ว

Or, in this case, we pointed our camera at a hanging curtain,

หรือในกรณีนี้ เราตั้งกล้องไปยังผ้าม่านที่แขวนอยู่

and you can't even see any motion in this video,

คุณอาจมองไม่เห็น การเคลื่อนไหวใด ๆ ในวิดีโอนี้

but by recording a two-minute-long video,

แต่โดยการบันทึกวิดีโอยาว 2 นาที

natural air currents in this room

กระแสลมตามธรรมชาติในห้องนี้

created enough subtle, imperceptible motions and vibrations

สร้างการเคลื่อนไหว ที่แทบมองไม่เห็นขึ้น

that we could learn enough to create this simulation.

และเราสามารถเรียนรู้จากมันได้มากพอ ที่จะสร้างแบบจำลอง

And ironically,

ซึ่งก็น่าตลก

we're kind of used to having this kind of interactivity

ที่เราคุ้นชินกับการโต้ตอบลักษณะนี้

when it comes to virtual objects,

หากมันเป็นวัตถุเสมือน

when it comes to video games and 3D models,

หรือวิดีโอเกมส์ และแบบจำลองสามมิติ

but to be able to capture this information from real objects in the real world

แต่การที่เราสามารถดึงข้อมูลเหล่านี้ จากวัตถุจริง ๆ ในโลกจริง ๆ ได้

using just simple, regular video,

โดยใช้วิดีโอธรรมดา ๆ นั้น

is something new that has a lot of potential.

เป็นบางสิ่งที่ใหม่และมีศักยภาพมาก

So here are the amazing people who worked with me on these projects.

และนี่คือกลุ่มคนที่น่าทึ่ง ผู้ซึ่งร่วมงานกับผมในงานวิจัยเหล่านี้

(Applause)

(เสียงปรบมือ)

And what I've shown you today is only the beginning.

สิ่งทีผมแสดงให้คุณดูในวันนี้ เป็นเพียงแค่การเริ่มต้น

We've just started to scratch the surface

เราเพียงแค่เริ่มเปิดประตู

of what you can do with this kind of imaging,

เข้าสู่โลกของหลากหลายสิ่ง ที่คุณสามารถทำได้ด้วยเทคนิคนี้

because it gives us a new way

เพราะมันให้วิธีใหม่แก่เรา

to capture our surroundings with common, accessible technology.

ในการดึงข้อมูลจากสิ่งแวดล้อมรอบ ๆ ตัว ด้วยเทคโนโลยีที่เข้าถึงได้ทั่ว ๆ ไป

And so looking to the future,

เมื่อมองไปในอนาคต

it's going to be really exciting to explore

มันคงน่าตื่นเต้นที่จะได้ค้นพบว่า

what this can tell us about the world.

สิ่งนี้จะช่วยบอกอะไรเราได้เกี่ยวกับโลกใบนี้

Thank you.

ขอบคุณครับ

(Applause)

(เสียงปรบมือ)