WEBVTT

00:00:00.556 --> 00:00:04.573
احساسات ما روی همهی جنبههای زندگیمان
تأثیر میگذارد،

00:00:04.573 --> 00:00:08.149
از سلامتی و چگونگی یادگیریمان گرفته، 
تا شیوهی کسب و کار و تصمیمگیریمان،

00:00:08.149 --> 00:00:09.922
از ریز تا درشت.

00:00:10.672 --> 00:00:14.162
احساساتمان روی برقراری ارتباطمات 
با دیگران نیز تأثیر میگذارد.

00:00:15.132 --> 00:00:19.108
ما چنان رشد کردهایم 
تا در جهانی اینچنین زندگی کنیم،

00:00:19.108 --> 00:00:23.427
ولی در مقابل، بیشتر اینگونه
زندگی میکنیم --

00:00:23.427 --> 00:00:26.561
این پیامک را دخترم،
شب گذشته برایم فرستاده است --

00:00:26.561 --> 00:00:29.301
در جهانی که خالی از احساسات است.

00:00:29.301 --> 00:00:31.252
من مأموریت دارم که وضعیت را
تغییر دهم.

00:00:31.252 --> 00:00:35.343
میخواهم احساسات را
به تجربهی دیجیتال بیاورم.

00:00:36.223 --> 00:00:39.300
این راه را ۱۵ سال پیش آغاز کردم.

00:00:39.300 --> 00:00:41.366
من یک دانشمند کامپیوتر در مصر بودم،

00:00:41.366 --> 00:00:45.871
و بهتازگی در یک برنامهی دکترا
در دانشگاه کمبریج پذیرفته شده بودم.

00:00:45.871 --> 00:00:47.984
من کاری به نسبت غیر معمول

00:00:47.984 --> 00:00:52.209
برای یک زن مسلمان مصری تازه عروس
انجام دادم:

00:00:53.599 --> 00:00:56.598
با حمایت همسرم که 
باید در مصر میماند

00:00:56.598 --> 00:00:59.616
چمدانهایم را برداشتم و به انگلیس رفتم.

00:00:59.616 --> 00:01:02.844
در کمبریج، هزاران مایل
دور از خانه،

00:01:02.844 --> 00:01:06.257
فهمیدم که بیشتر ساعات را
با لپتاپم سپری میکنم

00:01:06.257 --> 00:01:08.486
تا با دیگر انسانها.

00:01:08.486 --> 00:01:13.339
با وجود این صمیمیت، لپتاپ من هیچ ایدهای 
دربارهی آنچه من احساس میکردم نداشت.

00:01:13.339 --> 00:01:16.550
هیچ ایدهای دربارهی این که من خوشحالم

00:01:16.550 --> 00:01:19.538
روز بدی را گذراندهام، استرس داشتهام، 
یا گیجم،

00:01:19.538 --> 00:01:22.460
و خب، اینها ناامیدکننده شد.

00:01:23.600 --> 00:01:28.831
حتی بدتر، هنگامی که با خانوادهام، 
به صورت آنلاین ارتباط برقرار میکردم،

00:01:29.421 --> 00:01:32.703
احساس میکردم که تمام احساسات من 
در فضای سایبری ناپدید میشوند.

00:01:32.703 --> 00:01:37.858
من دلتنگ خانه بودم، تنها بودم، 
و بعضی روزها واقعا گریه میکردم،

00:01:37.858 --> 00:01:42.786
ولی تنها راه ابراز احساساتم
این شکلک بود.

00:01:42.786 --> 00:01:44.806
(خندهی حضار)

00:01:44.806 --> 00:01:49.780
تکنولوژیِ امروز، بهرهی هوشی بالایی دارد
ولی بهرهی احساسی ندارد؛

00:01:49.780 --> 00:01:52.956
هوشِ شناختیِ فراوانی دارد،
ولی هوش احساسی ندارد.

00:01:52.956 --> 00:01:55.153
این مرا به فکر فرو برد،

00:01:55.153 --> 00:01:58.777
اگر تکنولوژی میتوانست 
احساسات ما را بفهمد، چه میشد؟

00:01:58.777 --> 00:02:02.853
چه میشد اگر وسایل ما میتوانستند 
احساست ما را بفهمند و با توجه به آنها واکنش نشاندهند،

00:02:02.853 --> 00:02:05.866
مثل هر یک از دوستان ما که هوش احساسی دارد 
و واکنش نشان میدهد؟

00:02:06.666 --> 00:02:10.230
این سؤالات، من و تیمم را

00:02:10.230 --> 00:02:14.607
به ساخت تکنولوژیهایی که بتوانند احساساتِ 
ما را بخوانند و به آن پاسخ بدهند سوق داد،

00:02:14.607 --> 00:02:17.697
و نقطهی شروع ما چهرهی انسانها بود.

NOTE Paragraph

00:02:18.577 --> 00:02:21.750
چهرهی انسان، یکی از قویترین کانالهاست

00:02:21.750 --> 00:02:25.766
که همهی ما از آن استفاده میکنیم، تا 
حالتهای اجتماعی و احساسی را ابراز کنیم،

00:02:25.766 --> 00:02:28.776
همهچیز، شوق و شگفتیِمان،

00:02:28.776 --> 00:02:32.979
همدلی و کنجکاویمان.

00:02:32.979 --> 00:02:37.907
در دانش احساسات، ما به هر حرکت عضلات صورت
یک واحد حرکت میگوییم.

00:02:37.907 --> 00:02:40.832
در نتیجه، برای مثال، حرکتِ واحدِ ۱۲،

00:02:40.832 --> 00:02:42.870
یک فیلم پرفروش هالیوودی نیست،

00:02:42.870 --> 00:02:46.312
بلکه در حقیقت، بالا رفتن گوشهی لب است، 
که یک جزٔ اصلی لبخند است.

00:02:46.312 --> 00:02:49.300
همه امتحانش کنید. بیایید
چندین لبخند داشتهباشیم.

00:02:49.300 --> 00:02:51.954
مثال دیگر، حرکتِ واحدِ ۴ است،
که حرکتِ چروک انداختن ابرو است.

00:02:51.954 --> 00:02:54.192
زمانی که شما ابروهایتان را درهم میکشید

00:02:54.192 --> 00:02:56.459
و همهی این الگوها و چینها را میسازید.

00:02:56.459 --> 00:03:00.754
ما اخم را دوست نداریم، ولی این حرکت 
نشانگری قوی برای احساسات منفی است.

00:03:00.754 --> 00:03:02.960
ما حدود ۴۵ واحد حرکتی داریم،

00:03:02.960 --> 00:03:06.350
و همهی آنها با هم ترکیب میشوند 
تا صدها احساس را ابراز و بیان کنند.

NOTE Paragraph

00:03:06.350 --> 00:03:10.251
آموزش خواندن احساسات چهره 
به یک کامپیوتر سخت است،

00:03:10.251 --> 00:03:13.223
زیرا این واحدهای حرکتی میتوانند 
سریع، دقیق، و ماهرانه باشند.

00:03:13.223 --> 00:03:15.777
و به شکلهای مختلف با هم ترکیب شوند.

00:03:15.777 --> 00:03:19.515
برای مثال، لبخند و پوزخند زدن را 
در نظر بگیرید.

00:03:19.515 --> 00:03:23.268
آنها از جهاتی، شبیه به هم هستند،
ولی معانی کاملا متفاوتی دارند.

00:03:23.268 --> 00:03:24.986
(خندهی حضار)

00:03:24.986 --> 00:03:27.990
لبخند مثبت است،

00:03:27.990 --> 00:03:29.260
و پوزخند معمولاً منفی.

00:03:29.260 --> 00:03:33.136
بعضی اوقات، یک پوزخند 
میتواند شما را معروف کند.

00:03:33.136 --> 00:03:35.960
ولی جداً، برای یک کامپیوتر 
مهم است که بتواند

00:03:35.960 --> 00:03:38.815
دو حالت متفاوت را 
از هم تشخیص دهد.

NOTE Paragraph

00:03:38.815 --> 00:03:40.627
حال، ما این کار را چگونه
انجام میدهیم؟

00:03:40.627 --> 00:03:42.414
ما به الگوریتمهایمان

00:03:42.414 --> 00:03:46.524
دهها مثال از صدها مثالی که 
مردم در آنها میخندند را میدهیم،

00:03:46.524 --> 00:03:49.589
از فرهنگها، سنین، و جنسیتهای متفاوت،

00:03:49.589 --> 00:03:52.400
و همین کار را برای پوزخندها 
انجام میدهیم.

00:03:52.400 --> 00:03:53.954
و سپس، با کمک یادگیری عمیق،

00:03:53.954 --> 00:03:56.810
الگوریتمْ به همهی این الگوها 
و چینوچروکها

00:03:56.810 --> 00:03:59.390
و تغییرات قالبِ چهرهمان نگاه میکند،

00:03:59.390 --> 00:04:02.592
و به طور اساسی یاد میگیرد که 
همهی لبخندها ویژگیهای مشابهی دارند

00:04:02.592 --> 00:04:05.773
و همهی پوزخندها، ویژگیهای ماهرانه، 
اما متفاوتی دارند.

00:04:05.773 --> 00:04:08.141
و دفعهی بعد که 
یک چهرهی جدید را میبیند،

00:04:08.141 --> 00:04:10.440
ضرورتاً میفهمد

00:04:10.440 --> 00:04:13.473
که این چهره، ویژگیهای یک لبخند را دارد،

00:04:13.473 --> 00:04:17.751
و میگوید: «آها، من این را تشخیص میدهم. 
این جلوهی یک لبخند است.»

NOTE Paragraph

00:04:18.381 --> 00:04:21.181
پس بهترین راه برای نشاندادن 
چگونگی عملکرد این تکنولوژی

00:04:21.181 --> 00:04:23.317
اجرای یک نمایش زنده است،

00:04:23.317 --> 00:04:27.230
پس من یک داوطلب میخواهم، 
ترجیحاً فردی با یک صورت.

00:04:27.230 --> 00:04:29.564
(خندهی حضار)

00:04:29.564 --> 00:04:32.335
کلوی داوطلب امروز ما خواهد بود.

NOTE Paragraph

00:04:33.325 --> 00:04:37.783
در پنج سالِ گذشته، ما از یک 
پروژهی تحقیقاتی در MIT،

00:04:37.783 --> 00:04:38.939
به یک شرکت تبدیل شدیم،

00:04:38.939 --> 00:04:42.131
جایی که تیم من، به سختی کار کردهاست 
تا این تکنولوژی کار کند،

00:04:42.131 --> 00:04:44.540
که چیزی است که میخواهیم
در واقعیت بگوییم تا در تئوری.

00:04:44.540 --> 00:04:47.210
همچنین ما، آن را کوچک کردهایم 
تا هستهی موتور احساسات

00:04:47.210 --> 00:04:50.530
روی هر دستگاه موبایلِ مجهز به دوربین،
مانند این آیپد، کار کند.

00:04:50.530 --> 00:04:53.316
پس بیایید امتحانش کنیم.

NOTE Paragraph

00:04:54.756 --> 00:04:58.680
همانطور که میتوانید مشاهدهکنید، 
الگوریتم صورت کلوی را یافته است،

00:04:58.680 --> 00:05:00.372
پس این جعبهی سفید 
کادر صورت را نشان میدهد،

00:05:00.372 --> 00:05:02.943
که دارد خصوصیات اصلی صورتش را
دنبال میکند؛

00:05:02.943 --> 00:05:05.799
ابروهایش، چشمانش، دهانش، و دماغش.

00:05:05.799 --> 00:05:08.786
سؤال این است که 
آیا میتواند احساساتش را نیز شناسایی کند؟

00:05:08.786 --> 00:05:10.457
پس ما دستگاه را تست میکنیم.

00:05:10.457 --> 00:05:14.643
اول از همه، صورت بدون احساست را
به من نشان بده. بله، عالی است! (خندهی حضار)

00:05:14.643 --> 00:05:17.456
حالا او میخندد،
این یک خندهی خالص است، عالی است.

00:05:17.456 --> 00:05:19.756
میتوانید ببینید که نوار سبز
با خندیدن او بزرگ میشود.

00:05:19.756 --> 00:05:20.978
این یک خندهی بزرگ بود.

00:05:20.978 --> 00:05:24.021
میتوانی کمی ملایم بخندی تا ببینیم 
کامپیوتر میتواند آن را شناسایی کند؟

00:05:24.021 --> 00:05:26.352
بله، میتواند خندهی ماهرانه را هم
به همین ترتیب شناسایی کند.

00:05:26.352 --> 00:05:28.477
ما واقعا سخت کار کردهایم 
تا این کار را انجام دهیم.

00:05:28.477 --> 00:05:31.439
و بعد، بالا رفتن ابروها، 
که نشاندهندهی شگفتی است.

00:05:31.439 --> 00:05:35.688
چینخوردگی پیشانی،
نشاندهندهی گیجی است.

00:05:35.688 --> 00:05:39.695
رو ترش کُن. بله، عالی است.

00:05:39.695 --> 00:05:43.188
پس اینها همهی واحدهایِ حرکتیِ متفاوت
هستند. چندین حرکت دیگر نیز وجود دارد.

00:05:43.188 --> 00:05:45.220
این یک نمایش کوچکشده است.

00:05:45.220 --> 00:05:48.368
ما به هر خواندن، یک 
نقطهی دادهی احساسات میگوییم.

00:05:48.368 --> 00:05:51.337
و این نقاط میتوانند با هم ترکیب شوند 
تا نشاندهندهی احساسات متفاوت باشند.

00:05:51.337 --> 00:05:55.990
پس در سمتِ راستِ نمونهی نمایشی--
نشان بده که خوشحالی.

00:05:55.990 --> 00:05:57.444
این شوق است. 
شوق زیاد میشود.

00:05:57.444 --> 00:05:59.371
و حالا به من یک صورت منزجر نشان بده.

00:05:59.371 --> 00:06:03.643
احساست را، زمانی که زِین، گروهِ 
واندایرِکشن را ترک کرد، به خاطر بیاور.

00:06:03.643 --> 00:06:05.153
(خندهی حضار)

00:06:05.153 --> 00:06:09.495
بله، دماغت را چین بده. عالی است.

00:06:09.495 --> 00:06:13.226
و نشانگر ظرفیت تا حدودی منفی شد، 
پس حتما یک طرفدار واقعی هستی.

00:06:13.226 --> 00:06:15.926
معیارِ ظرفیت، مثبت یا منفی بودنِ تجربه را
نشان میدهد،

00:06:15.926 --> 00:06:18.712
و معیارِ درگیری نشاندهندهی تأثیری است 
که حالت صورت فرد خواهد گذاشت.

00:06:18.712 --> 00:06:22.126
پس زمانی را تصور کنید که کلوی
به این رشتهی احساسات بیدرنگ دسترسی داشت،

00:06:22.126 --> 00:06:24.935
و میتوانست آن را با هر کسی که میخواهد
در میان بگذارد.

00:06:24.935 --> 00:06:27.858
متشکرم.

00:06:27.858 --> 00:06:32.479
(تشویق حضار)

NOTE Paragraph

00:06:33.749 --> 00:06:39.019
تابهحال، ما ۱۲ میلیارد از این نقاطِ 
احساسی را جمعآوری کردهایم.

00:06:39.019 --> 00:06:41.630
این مجموعه، بزرگترین پایگاهدادهی 
احساسات در دنیاست.

00:06:41.630 --> 00:06:44.593
آن را از ۲/۹ میلیون ویدیوی چهره
جمعآوری کردهایم،

00:06:44.593 --> 00:06:47.193
که شرکتکنندگان با در اختیار گذاشتن
احساساتشان موافقت کردهاند،

00:06:47.193 --> 00:06:50.398
و از ۷۵ کشور در سراسر جهان 
شرکت کردهاند.

00:06:50.398 --> 00:06:52.113
این مجموعه، 
هر روز رو به رشد است.

00:06:52.603 --> 00:06:54.670
مغزم منفجر میشود،

00:06:54.670 --> 00:06:57.865
زمانی که فکر میکنم که ما میتوانیم 
چیزی خصوصی مانند احساسات را

00:06:57.865 --> 00:07:00.100
تا این حد، اندازه بگیریم.

NOTE Paragraph

00:07:00.100 --> 00:07:02.277
تا به حال چه آموختهایم؟

00:07:03.057 --> 00:07:05.388
جنسیت.

00:07:05.388 --> 00:07:09.034
دادههای ما، چیزهایی که ممکن است
در آنها شک داشته باشید را، تأیید میکنند.

00:07:09.034 --> 00:07:10.891
خانمها از آقایان واضحتر
ابراز احساسات میکنند.

00:07:10.891 --> 00:07:13.574
نه تنها بیشتر لبخند میزنند، 
بلکه لبخندهایشان با دوامتر است.

00:07:13.574 --> 00:07:16.478
و ما میتوانیم ارزیابی کنیم، 
که زنان و مردان به چه چیزهایی

00:07:16.478 --> 00:07:18.614
واکنشهای متفاوتی نشان میدهند.

00:07:18.614 --> 00:07:20.904
بیایید فرهنگ را بررسی کنیم:
در ایالات متحده،

00:07:20.904 --> 00:07:24.108
زنان ۴۰ درصد بیشتر از مردان
در بیان احساسات خود گویا هستند،

00:07:24.108 --> 00:07:27.753
ولی به شکل عجیبی، هیچ تفاوتی بین زنان و 
مردان در انگلستان، مشاهده نمیشود.

00:07:27.753 --> 00:07:30.259
(خندهی حضار)

00:07:31.296 --> 00:07:35.323
سن: کسانی که ۵۰ سال یا بیشتر
سن دارند،

00:07:35.323 --> 00:07:38.759
۲۵ درصد بیشتر از افراد جوانتر
احساساتی هستند.

00:07:39.899 --> 00:07:43.751
زنان در دههی بیستسالگیشان، بسیار بیشتر 
از مردان با سن مشابه لبخند میزنند.

00:07:43.751 --> 00:07:47.590
شاید این یکی از الزامات معاشرت است.

00:07:47.590 --> 00:07:50.207
اما شاید آنچه از بیشتر دربارهی این
دادهها شگفتزدهمان کرد

00:07:50.207 --> 00:07:53.410
این بود که ما در تمام مدت در حال
ابرازِ احساساتیم،

00:07:53.410 --> 00:07:56.243
حتی زمانی که به تنهایی در مقابل دستگاهمان 
نشستهایم،

00:07:56.243 --> 00:07:59.517
و نه تنها زمانی که داریم ویدیوی یک گربه
را در فیسبوک میبینیم، بلکه همیشه.

00:08:00.217 --> 00:08:03.227
ما هنگام ایمیل زدن،پیامک زدن،
خرید آنلاین،

00:08:03.227 --> 00:08:05.527
یا حتی پرداخت مالیات، 
در حال ابراز احساساتیم.

NOTE Paragraph

00:08:05.527 --> 00:08:07.919
امروزه، این دادهها
در کجا استفاده میشود؟

00:08:07.919 --> 00:08:10.682
در فهم این که ما چگونه با رسانهها 
در ارتباطیم،

00:08:10.682 --> 00:08:13.166
در فهم الگوهای اشتراکگذاریِ ویدیوها
و رأی دادن؛

00:08:13.166 --> 00:08:15.906
و همچنین قدرت دادن یا 
احساسی کردن تکنولوژی،

00:08:15.906 --> 00:08:20.527
میخواهم چند مثال با شما در میان بگذارم
که قلبم را درهم میفشارند.

00:08:21.197 --> 00:08:24.265
عینکهای هوشمند از نظر احساسات
میتوانند به افرادی که

00:08:24.265 --> 00:08:27.493
از نظر بینایی مشکل دارند، در فهمِ احساساتِ
دیگران، یاری برسانند،

00:08:27.493 --> 00:08:31.680
و به افراد مبتلا به اوتیسم نیز در قالبِ 
مترجم احساسات کمک کنند،

00:08:31.680 --> 00:08:34.458
مشکلی که واقعاً این افراد دارند با آن 
دست و پنجه نرم میکنند.

00:08:35.918 --> 00:08:38.777
در آموزش: اگر شما در حال یادگیری هستید،
اپلیکیشنها

00:08:38.777 --> 00:08:41.587
سردرگمی شما را احساس میکنند
و سرعتشان کم میشود.

00:08:41.587 --> 00:08:43.444
یا اگر حوصلهتان سر رفته
سرعتشان بالا میرود،

00:08:43.444 --> 00:08:46.413
مانند یک معلم عالی در کلاس درس.

00:08:47.043 --> 00:08:49.644
چه میشد اگر ساعت مچی شما 
احساساتتان را درک میکرد،

00:08:49.644 --> 00:08:52.337
یا ماشینتان میفهمید که شما خسته هستید،

00:08:52.337 --> 00:08:54.885
یا یخچالتان میفهمید که شما مضطرب هستید،

00:08:54.885 --> 00:09:00.951
و بهطور خودکار بسته میشد تا 
از پرخوری شما جلوگیری کند. (خندهی حضار)

00:09:00.951 --> 00:09:03.668
من این را دوست دارم، بله.

00:09:03.668 --> 00:09:05.595
چه میشد اگر زمانی که من در کمبریج بودم،

00:09:05.595 --> 00:09:07.908
به رشتهی احساسات بیدرنگم دسترسی داشتم،

00:09:07.908 --> 00:09:11.437
و میتوانستم آن را با خانوادهام در خانه
به صورت طبیعی در میان بگذارم،

00:09:11.437 --> 00:09:15.408
همانطور که انگار
با آنها در یک اتاق هستم؟

NOTE Paragraph

00:09:15.408 --> 00:09:18.550
فکر میکنم که ۵ سال دیگر از الان،

00:09:18.550 --> 00:09:20.887
همهی وسایل ما یک تراشهی احساسات 
خواهند داشت،

00:09:20.887 --> 00:09:24.951
و ما دیگر زمانی را بهیاد نمیآوریم 
که نمیتوانستیم به وسیلهمان اخم کنیم،

00:09:24.951 --> 00:09:29.200
و وسیلهمان به ما میگوید: «هممم، 
این را دوست نداشتی، نه؟»

00:09:29.200 --> 00:09:32.961
بزرگترین چالش ما
کاربردهای زیاد این تکنولوژی است.

00:09:32.961 --> 00:09:35.864
من و تیمم به این نتیجه رسیدیم که نمیتوانیم
همهی اپلیکیشنها را خودمان بسازیم،

00:09:35.864 --> 00:09:39.360
پس این تکنولوژی را در دسترس قرار دادیم 
تا سایر توسعهدهندگان

00:09:39.360 --> 00:09:41.474
بتوانند این برنامهها را بسازند
و خلاق باشند.

00:09:41.474 --> 00:09:45.560
ما متوجه شدیم 
که امکان خطر

00:09:45.560 --> 00:09:47.627
و همچنین سؤاستفاده وجود دارد،

00:09:47.627 --> 00:09:50.576
ولی بهشخصه، بعد از 
چندین سال انجام این کار،

00:09:50.576 --> 00:09:53.548
باور دارم که این تکنولوژی مزایایی برای
انسانیت دارد

00:09:53.548 --> 00:09:55.823
و داشتن تکنولوژی هوشمند احساسی

00:09:55.823 --> 00:09:59.399
ارزشمندتر امکان سؤاستفاده است.

00:09:59.399 --> 00:10:01.930
من شما را دعوت میکنم
که بخشی از این گفتوگو شوید.

00:10:01.930 --> 00:10:04.484
این که افراد بیشتری دربارهی
این تکنولوژی بدانند،

00:10:04.484 --> 00:10:07.661
کمک میکند تا بیشتر بتوانیم بگوییم که 
چگونه از آن استفاده میشود.

00:10:09.081 --> 00:10:13.655
همانطور که زندگیمان
بیشتر و بیشتر دیجیتالی میشود،

00:10:13.655 --> 00:10:17.153
در یک جنگ شکست خورده مبارزه میکنیم 
تا از استفاده از وسایل در زندگیمان کم کنیم

00:10:17.153 --> 00:10:19.382
به این منظور که احساساتمان را بازگردانیم.

00:10:20.622 --> 00:10:24.536
چیزی که من در عوض برایش تلاش میکنم این 
است که احساسات را به درون تکنولوژی بیاورم

00:10:24.536 --> 00:10:26.765
و کاری کنم که تکنولوژیهایمان پاسخگوتر باشد.

00:10:26.765 --> 00:10:29.435
پس میخواهم وسایلی که ما را 
از هم جدا کردهاند،

00:10:29.435 --> 00:10:31.897
دوباره ما را به هم بازگردانند.

00:10:31.897 --> 00:10:36.485
با انسانی کردن تکنولوژی، 
این فرصت طلایی را داریم

00:10:36.485 --> 00:10:39.782
که دوباره دربارهی ارتباطمان
با ماشینها فکر کنیم،

00:10:39.782 --> 00:10:44.263
و در نهایت، این که چگونه ما،
به عنوان انسانها،

00:10:44.263 --> 00:10:46.167
با یکدیگر ارتباط برقرار میکنیم.

NOTE Paragraph

00:10:46.167 --> 00:10:48.327
متشکرم.

NOTE Paragraph

00:10:48.327 --> 00:10:51.640
(تشویق حضار)