0:00:01.373,0:00:04.722
Kebanyakan kita menganggap[br]gerakan adalah hal yang bisa terlihat.

0:00:05.439,0:00:10.527
Jika saya berjalan di atas panggung atau[br]menggerakkan tangan sambil berbicara,

0:00:10.977,0:00:13.238
gerakan ini tentu bisa Anda lihat.

0:00:14.255,0:00:19.737
Akan tetapi banyak sekali gerakan yang[br]terlalu halus untuk dilihat mata manusia,

0:00:19.737,0:00:21.778
dan selama beberapa tahun terakhir,

0:00:21.778,0:00:23.775
kami menemukan bahwa kamera

0:00:23.775,0:00:27.739
seringkali dapat melihat gerakan, bahkan[br]yang tidak bisa dilihat mata manusia.

0:00:28.305,0:00:29.856
Mari saya tunjukkan.

0:00:30.717,0:00:34.339
Di kiri, Anda melihat video rekaman[br]pergelangan tangan seseorang,

0:00:34.339,0:00:37.486
dan di kanan, Anda melihat video[br]seorang bayi yang sedang tidur,

0:00:37.486,0:00:40.632
tapi kalau saya tidak menyampaikan[br]bahwa keduanya adalah video,

0:00:40.632,0:00:44.393
Anda mungkin berpikir bahwa[br]yang Anda lihat hanyalah gambar,

0:00:44.393,0:00:46.292
karena gambar pada kedua video ini

0:00:46.292,0:00:49.112
terlihat hampir tak bergerak.

0:00:50.175,0:00:53.800
Tapi sebenarnya ada banyak gerakan halus[br]yang sedang terjadi,

0:00:53.800,0:00:56.642
dan jika Anda menyentuh pergelangan tangan[br]yang ada di kiri,

0:00:56.642,0:00:58.448
Anda akan merasakan denyut nadi,

0:00:58.448,0:01:00.933
dan jika Anda menyentuh bayi[br]di video sebelah kanan,

0:01:00.933,0:01:03.324
Anda akan merasakan[br]gerakan naik turun dadanya

0:01:03.324,0:01:04.714
ketika bayi ini bernafas.

0:01:05.762,0:01:09.338
Dan gerakan ini memiliki makna[br]yang sangat banyak,

0:01:09.338,0:01:12.681
tapi biasanya terlalu halus[br]untuk bisa kita lihat,

0:01:12.681,0:01:14.957
sehingga kita bisa mengetahui[br]perbedaannya

0:01:14.957,0:01:17.857
hanya melalui kontak langsung,[br]melalui sentuhan.

0:01:18.997,0:01:20.262
Tapi beberapa tahun lalu,

0:01:20.262,0:01:24.667
rekan-rekan saya di MIT mengembangkan [br]alat yang mereka sebut mikroskop gerakan,

0:01:24.667,0:01:29.051
yaitu sebuah piranti lunak untuk menemukan[br]gerakan halus seperti ini pada video

0:01:29.051,0:01:32.613
dan memperbesarnya[br]sehingga dapat kita lihat.

0:01:33.416,0:01:36.899
Jika piranti lunak ini kita gunakan[br]pada video yang kiri,

0:01:36.899,0:01:40.149
kita akan bisa melihat gerakan nadi[br]di pergelangan tangan,

0:01:40.149,0:01:41.844
dan jika kita menghitungnya,

0:01:41.844,0:01:44.199
kita bisa menentukan detak jantungnya.

0:01:45.095,0:01:48.160
Dan jika kita gunakan[br]pada video di sebelah kiri,

0:01:48.160,0:01:51.387
kita bisa melihat[br]tiap tarikan nafas bayi ini,

0:01:51.387,0:01:55.524
dan kita bisa menggunakannya untuk[br]memonitor nafas bayi dari jarak jauh.

0:01:56.884,0:02:01.955
Jadi, teknologi ini sangat bermanfaat[br]karena bisa menangkap kejadian

0:02:01.955,0:02:04.599
yang biasanya hanya dapat kita amati[br]lewat sentuhan

0:02:04.599,0:02:07.846
tapi kini bisa kita pantau secara visual[br]dan tanpa sentuhan.

0:02:09.104,0:02:11.569
Beberapa tahun lalu,[br]saya mulai bekerja sama

0:02:11.569,0:02:13.515
dengan pencipta piranti lunak ini,

0:02:13.515,0:02:16.882
dan kami memutuskan untuk mencapai[br]sesuatu yang lebih gila lagi.

0:02:16.882,0:02:19.811
Kami pikir, keren juga kalau[br]kita bisa menggunakan piranti ini

0:02:19.811,0:02:22.710
untuk memperlihatkan gerakan halus[br]seperti ini,

0:02:22.710,0:02:27.168
alat ini seakan menjadi [br]perpanjangan indra peraba kita.

0:02:27.168,0:02:29.744
Tapi bagaimana jika kita bisa melakukan[br]hal yang sama

0:02:29.744,0:02:32.508
untuk memperpanjang[br]indra pendengaran kita?

0:02:32.508,0:02:37.173
Bagaimana jika kita menggunakan video[br]untuk menangkap getaran suara,

0:02:37.173,0:02:40.000
yang mana juga merupakan[br]satu bentuk gerakan,

0:02:40.000,0:02:43.346
dan mengubah apa pun yang bisa kita lihat[br]menjadi mikrofon?

0:02:44.236,0:02:46.207
Ini ide yang agak aneh,

0:02:46.207,0:02:48.793
izinkan saya menjelaskannya untuk Anda.

0:02:49.523,0:02:53.011
Mikrofon tradisional bekerja dengan[br]mengubah gerakan

0:02:53.011,0:02:56.610
dari diafragma yang ada di dalamnya[br]menjadi sinyal listrik,

0:02:56.610,0:03:00.928
yang mana diafragma itu dirancang untuk[br]bergerak jika ada suara masuk

0:03:00.928,0:03:05.735
sehingga gerakan tersebut dapat direkam[br]dan diterjemahkan menjadi suara.

0:03:05.735,0:03:09.403
Tapi, gelombang suara membuat[br]semua benda bergetar.

0:03:09.403,0:03:14.883
Getaran tersebut biasanya terlalu halus[br]dan terlalu cepat untuk bisa kita lihat.

0:03:14.883,0:03:18.621
Bagaimana jika kita merekamnya dengan[br]kamera berkecepatan tinggi,

0:03:18.621,0:03:22.197
lalu menggunakan piranti lunak ini[br]untuk memperbesar getaran halus

0:03:22.197,0:03:24.287
dari video berkecepatan tinggi itu,

0:03:24.287,0:03:28.561
kemudian menganalisanya untuk mencari tahu[br]suara apa yang menimbulkan getaran itu?

0:03:29.859,0:03:35.308
Ini bisa mengubah semua objek yang[br]bisa dilihat menjadi mikrofon jarak jauh.

0:03:37.080,0:03:39.117
Jadi kami mencobanya,

0:03:39.117,0:03:41.190
dan ini adalah salah satu percobaan kami,

0:03:41.190,0:03:44.139
Kami menggunakan tanaman[br]yang Anda lihat di sebelah kanan

0:03:44.139,0:03:46.577
yang kami rekam dengan[br]kamera kecepatan tinggi

0:03:46.577,0:03:50.106
ketika sebuah speaker didekatnya[br]memainkan nada ini.

0:03:50.275,0:03:52.483
[Video berkecepatan tinggi]

0:03:52.483,0:03:58.556
(Musik yang diputar dalam ruangan:[br]"Mary Had a Little Lamb")

0:03:59.820,0:04:02.644
Dan inilah video yang kami rekam

0:04:02.644,0:04:06.568
dengan kecepatan ribuan frame per detik,

0:04:06.568,0:04:08.890
tapi seberapa pun dekatnya Anda[br]melihatnya,

0:04:08.890,0:04:10.841
yang Anda lihat hanyalah dedaunan

0:04:10.841,0:04:13.906
yang cuma diam saja,

0:04:13.906,0:04:18.712
karena suara tadi hanya menggerakkan daun[br]sekitar satu mikrometer.

0:04:19.103,0:04:23.379
Itu artinya satu per sepuluh ribu dari[br]satu sentimeter,

0:04:23.379,0:04:27.535
atau hanya berkisar antara seperseratus[br]sampai seperseribu

0:04:27.535,0:04:29.834
dari satu pixel dalam gambar ini.

0:04:29.881,0:04:32.768
Anda boleh memicingkan mata semau anda,

0:04:32.768,0:04:36.103
tapi gerakan sekecil itu memang[br]relatif tidak terlihat.

0:04:37.667,0:04:41.824
Ternyata sesuatu yang[br]relatif tidak terlihat

0:04:41.824,0:04:44.633
tetap signifikan secara matematis,

0:04:44.633,0:04:46.635
karena dengan algoritma yang tepat,

0:04:46.635,0:04:50.322
kita bisa menggunakan video[br]yang kelihatannya diam ini

0:04:50.322,0:04:51.849
untuk mendapatkan suaranya lagi.

0:04:52.690,0:05:00.074
(Musik yang didapat dari video:[br]"Mary Had a Little Lamb")

0:05:00.074,0:05:05.902
(Tepuk tangan)

0:05:10.058,0:05:11.997
Bagaimana mungkin?

0:05:11.997,0:05:16.341
Bagaimana kita bisa mendapat begitu banyak[br]informasi dari gerakan yang begitu halus?

0:05:16.341,0:05:21.702
Katakanlah bahwa daun itu bergerak[br]sejauh satu mikrometer,

0:05:21.702,0:05:26.010
yang berarti gambar kita bergeser[br]seperseribu pixel.

0:05:27.269,0:05:29.841
Kelihatannya memang tidak besar,

0:05:29.841,0:05:31.837
tapi satu gambar dalam video

0:05:31.837,0:05:35.094
bisa memiliki ratusan ribu pixel[br]di dalamnya,

0:05:35.094,0:05:38.548
dan jika kita menggabungkan seluruh [br]gerakan kecil yang kita lihat

0:05:38.548,0:05:40.846
dari seluruh gambar,

0:05:40.846,0:05:43.469
maka seperseribu dari satu pixel

0:05:43.469,0:05:46.244
bisa jadi cukup penting[br]ketika semuanya dikumpulkan.

0:05:46.870,0:05:50.505
Bagi saya pribadi, kami cukup tercengang[br]ketika kami berhasil melakukannya.

0:05:50.505,0:05:52.825
(Tertawa)

0:05:52.825,0:05:56.078
Tapi bahkan dengan[br]algoritma yang tepat pun,[br]

0:05:56.078,0:05:59.695
ada bagian penting dari teka-teki ini[br]yang masih hilang.

0:05:59.695,0:06:03.299
Begini, ada banyak sekali faktor yang[br]mempengaruhi kapan dan bagaimana

0:06:03.299,0:06:05.296
teknik ini bisa berhasil.

0:06:05.296,0:06:08.500
Seperti objek itu sendiri serta jaraknya;

0:06:08.500,0:06:10.894
jenis kamera dan lensa yang digunakan;

0:06:10.894,0:06:14.985
tingkat pencahayaan dan[br]besar volume suaranya.

0:06:15.945,0:06:19.320
Dan bahkan dengan algoritma[br]yang tepat pun,

0:06:19.320,0:06:22.710
kami masih harus sangat berhati-hati[br]di awal percobaan kami,

0:06:22.710,0:06:25.102
karena jika ada satu faktor saja[br]yang salah,

0:06:25.102,0:06:27.470
akan sulit menentukan[br]letak permasalahannya.

0:06:27.470,0:06:30.117
Kami hanya akan mendapatkan suara bising.

0:06:30.117,0:06:33.437
Jadi banyak percobaan awal kami berjalan[br]seperti ini.

0:06:33.437,0:06:35.643
Ini saya,

0:06:35.643,0:06:39.683
dan di kiri bawah, bisa Anda lihat[br]kamera kecepatan tinggi kami,

0:06:39.683,0:06:41.866
yang mengarah ke sekantung keripik,

0:06:41.866,0:06:44.815
dan semuanya diterangi oleh[br]lampu-lampu terang ini.

0:06:44.815,0:06:49.180
Dan seperti yang saya sampaikan, kami[br]harus berhati-hati sekali dalam percobaan,

0:06:49.180,0:06:51.688
jadi inilah yang terjadi.

0:06:51.688,0:06:55.449
(Video) Abe Davis: Tiga, dua, satu, mulai.

0:06:55.449,0:07:00.836
Mary punya kambing kecil![br]Kambing kecil! Kambing kecil!

0:07:00.836,0:07:04.636
(Tertawa)

0:07:05.336,0:07:08.150
AD: Jadi percobaan ini betul betul[br]terlihat konyol.

0:07:08.150,0:07:09.938
(Tertawa)

0:07:09.938,0:07:12.283
Saya berteriak pada sekantung keripik --

0:07:12.283,0:07:13.834
(Tertawa)

0:07:13.834,0:07:15.951
dan cahaya yang kami gunakan begitu kuat,

0:07:15.951,0:07:20.430
hingga kantung keripik pertama kami[br]meleleh. (Tertawa)

0:07:20.525,0:07:23.799
Tapi walaupun percobaan ini[br]terlihat konyol,

0:07:23.799,0:07:25.587
tapi sebenarnya sangat penting,

0:07:25.587,0:07:28.513
karena kami berhasil mendapatkan[br]kembali suaranya.

0:07:28.513,0:07:33.225
(Audio) Mary punya kambing kecil![br]Kambing kecil! Kambing kecil!

0:07:33.225,0:07:37.313
(Tepuk tangan)

0:07:37.313,0:07:38.984
AD: Dan ini sangat penting,

0:07:38.984,0:07:41.569
karena inilah pertama kali[br]kami berhasil mendapatkan

0:07:41.569,0:07:43.424
suara manusia yang dapat dipahami

0:07:43.424,0:07:45.765
dari sebuah video diam.

0:07:45.765,0:07:48.156
Percobaan ini memberi kami[br]titik referensi,

0:07:48.156,0:07:52.027
dan secara bertahap kami dapat[br]mengembangkan percobaan berikutnya,

0:07:52.106,0:07:55.911
dengan menggunakan objek berbeda[br]atau dengan menambah jarak kamera,

0:07:55.911,0:07:58.681
dengan cahaya yang lebih redup atau[br]suara yang lebih halus.

0:07:59.887,0:08:02.761
Dan kami menganalisa semua percobaan[br]yang kami lakukan

0:08:02.761,0:08:06.383
sampai kami mendapatkan batasan[br]yang dapat dicapai teknik ini,

0:08:06.383,0:08:08.183
karena jika kita tahu batasannya,

0:08:08.183,0:08:11.147
kita bisa tahu bagaimana mendorong[br]batasan itu lebih jauh lagi.

0:08:11.147,0:08:13.860
Sehingga sampai pada percobaan[br]seperti ini,

0:08:13.860,0:08:16.826
dimana sekali lagi,[br]saya berteriak pada sekantung keripik,

0:08:16.826,0:08:21.429
tapi kali ini kami memposisikan kamera[br]4,5 meter dari keripik,

0:08:21.429,0:08:24.262
di luar ruangan,[br]di balik jendela kedap suara

0:08:24.262,0:08:27.292
dan kami hanya menggunakan cahaya alami[br]dari sinar matahari.

0:08:28.529,0:08:30.684
Dan inilah video yang kami dapatkan.

0:08:32.450,0:08:37.009
Dan inilah yang terdengar di dalam[br]ruangan, dekat kantung keripik.

0:08:37.009,0:08:42.047
(Audio) Mary punya domba kecil,[br]bulunya seputih salju,

0:08:42.047,0:08:47.666
dan kemanapun Mary pergi,[br]sang domba pasti mengikuti.

0:08:47.666,0:08:51.683
AD: Dan inilah yang kami dapatkan[br]dari video bisu tersebut

0:08:51.683,0:08:54.028
yang diambil dari balik jendela.

0:08:54.028,0:08:58.463
(Audio) Mary punya domba kecil,[br]bulunya seputih salju,

0:08:58.463,0:09:03.920
dan kemanapun Mary pergi,[br]sang domba pasti mengikuti.

0:09:03.920,0:09:10.421
(Tepuk tangan)

0:09:10.421,0:09:13.963
AD: Dan ada cara lain untuk meningkatkan[br]batasan teknik ini.

0:09:13.963,0:09:15.981
Ini percobaan dengan[br]suara yang lebih halus

0:09:15.991,0:09:19.871
dimana kami merekam beberapa earphone[br]yang terpasang pada laptop,

0:09:19.871,0:09:23.981
tujuannya adalah mendapatkan musik[br]yang sedang diputar di laptop

0:09:23.981,0:09:28.298
melalui rekaman video diam[br]dua earphone plastik ini,

0:09:28.787,0:09:31.197
dan kami berhasil melakukannya[br]dengan sangat baik

0:09:31.197,0:09:33.758
bahkan aplikasi Shazam pun bisa[br]mengenali musiknya.

0:09:33.758,0:09:35.842
(Tertawa)

0:09:37.191,0:09:47.225
(Musik yang didapat dari video:[br]"Under Pressure" oleh Queen)

0:09:49.615,0:09:53.738
(Tepuk tangan)

0:09:54.584,0:09:56.571
Kita juga bisa meningkatkan batasannya

0:09:56.571,0:09:59.135
dengan mengganti piranti keras[br]yang digunakan.

0:09:59.135,0:10:01.696
Karena percobaan yang[br]sudah saya tunjukkan sejauh ini

0:10:01.696,0:10:03.918
direkam dengan kamera kecepatan tinggi,

0:10:03.918,0:10:06.797
yang bisa merekam video[br]100 kali lebih cepat

0:10:06.797,0:10:08.724
dari kamera ponsel biasa,

0:10:08.724,0:10:11.533
tapi kami menemukan cara untuk[br]menerapkan teknik ini

0:10:11.533,0:10:13.763
menggunakan kamera biasa,

0:10:13.763,0:10:17.832
dengan memanfaatkan fitur[br]yang disebut rana putar.

0:10:17.832,0:10:22.630
Kebanyakan kamera merekam gambar[br]per baris,

0:10:22.630,0:10:28.332
jadi jika objeknya bergerak[br]saat gambar diambil,

0:10:28.344,0:10:31.061
ada penundaan waktu rekam[br]antara setiap baris rekaman,

0:10:31.061,0:10:34.218
yang akan menimbulkan[br]sedikit kesalahan gambar

0:10:34.218,0:10:37.701
yang akan terekam pada setiap frame video.

0:10:37.701,0:10:41.507
Kami menemukan bahwa,[br]dengan menganalisa kesalahan gambar ini,

0:10:41.507,0:10:46.122
kami bisa mendapatkan kembali suaranya,[br]dengan memodifikasi algoritmanya.

0:10:46.122,0:10:48.034
Dan inilah percobaan yang kami lakukan.

0:10:48.034,0:10:49.729
Kami merekam sekantung permen

0:10:49.729,0:10:51.470
di samping sebuah speaker

0:10:51.470,0:10:54.442
yang memainkan musik yang sama,[br]"Mary had a Little Lamb."

0:10:54.442,0:10:58.645
Tapi kali ini, kami memakai kamera biasa[br]yang bisa dibeli di toko.

0:10:58.645,0:11:01.819
Sebentar lagi saya akan memutar[br]suara yang kami dapatkan,

0:11:01.819,0:11:03.869
suaranya agak jelek kali ini,

0:11:03.869,0:11:06.705
tapi coba dengar,[br]apa Anda masih mengenali musiknya.

0:11:07.723,0:11:16.536
(Audio yang didapat dari video:[br]"Mary had a Little Lamb")

0:11:20.287,0:11:22.551
[Kiri: Video diam dari kamera SLR biasa]

0:11:22.551,0:11:25.178
[Kanan: Suara yang terekam[br]dari kantung permen]

0:11:25.527,0:11:28.992
Jadi, memang suaranya agak jelek,

0:11:28.992,0:11:33.378
tapi hebatnya adalah,[br]kita bisa menerapkan aplikasi ini

0:11:33.378,0:11:36.004
dengan alat yang bisa dengan mudah[br]Anda dapatkan

0:11:36.004,0:11:37.448
di toko elektronik.

0:11:39.122,0:11:40.485
Jadi sampai disini,

0:11:40.485,0:11:42.459
banyak orang melihat percobaan ini

0:11:42.459,0:11:45.872
dan langsung berpikir tentang pengintaian.

0:11:45.872,0:11:48.287
Dan jujur saja,

0:11:48.287,0:11:52.420
tidak sulit membayangkan alat ini[br]bisa digunakan untuk memata matai.

0:11:52.420,0:11:56.367
Tapi ingatlah, sudah banyak[br]teknologi siap pakai saat ini

0:11:56.367,0:11:57.946
untuk pengintaian.

0:11:57.946,0:12:00.690
Bahkan, masyarakat sudah lazim[br]memakai sinar laser

0:12:00.690,0:12:03.298
untuk menguping dari jarak jauh.

0:12:03.978,0:12:06.003
Tapi hal yang baru disini,

0:12:06.003,0:12:07.443
yang benar-benar berbeda,

0:12:07.443,0:12:11.738
adalah kita sekarang mampu menggambarkan[br]getaran dari sebuah objek,

0:12:11.738,0:12:14.961
yang memberi kita lensa baru[br]untuk memandang dunia,

0:12:14.961,0:12:17.301
dan kita bisa menggunakannya[br]untuk mempelajari

0:12:17.301,0:12:21.560
tidak saja berbagai gaya seperti suara[br]yang dapat membuat benda bergetar,

0:12:21.560,0:12:23.848
tapi juga tentang objek itu sendiri.

0:12:24.975,0:12:26.668
Saya sedikit mundur ke belakang

0:12:26.668,0:12:30.917
dan memikirkan bagaimana ini bisa[br]mengubah cara kita menggunakan video.

0:12:30.917,0:12:34.470
Kalau sebelumnya kita menggunakan[br]video untuk melihat objek,

0:12:34.470,0:12:38.310
kini kita bisa menggunakannya[br]untuk mendengarkan sesuatu.

0:12:38.901,0:12:42.620
Tapi satu cara lain untuk belajar[br]tentang dunia:

0:12:42.620,0:12:44.895
yaitu dengan berinteraksi dengannya.

0:12:44.895,0:12:48.006
Kita bisa menarik, menekan, mencolek[br]dan mendorong benda.

0:12:48.006,0:12:51.187
Kita menggoyang benda dan[br]melihat apa yang terjadi.

0:12:51.187,0:12:55.460
Tapi kita masih belum bisa melakukannya[br]melalui video,

0:12:55.460,0:12:57.596
setidaknya secara tradisional.

0:12:57.596,0:12:59.746
Saya ingin menunjukkan percobaan[br]baru kami,

0:12:59.746,0:13:02.213
yang idenya saya dapat[br]beberapa bulan yang lalu,

0:13:02.213,0:13:05.514
dan ini adalah pertama kalinya[br]saya menunjukkannya pada umum.

0:13:05.514,0:13:10.877
Ide dasarnya adalah untuk menggunakan[br]getaran dalam satu video

0:13:10.877,0:13:15.358
untuk menangkap objek sedemikian rupa[br]sehingga kita bisa berinteraksi dengannya

0:13:15.358,0:13:17.332
dan melihat reaksinya.

0:13:19.120,0:13:20.884
Ini adalah sebuah objek,

0:13:20.884,0:13:24.716
sebuah patung kawat berbentuk manusia,

0:13:24.716,0:13:27.804
yang kami rekam dengan kamera biasa.

0:13:27.804,0:13:29.928
Kamera ini tidak istimewa.

0:13:29.928,0:13:32.889
Bahkan, saya pernah melakukannya[br]dengan kamera HP saya.

0:13:32.889,0:13:35.141
Tapi kita butuh objek ini bergetar.

0:13:35.141,0:13:36.274
Untuk itu,

0:13:36.274,0:13:39.620
kita pukul sedikit permukaan meja[br]dimana ia terletak,

0:13:39.620,0:13:41.758
sambil kita merekam videonya.

0:13:47.398,0:13:51.069
Itu saja.[br]Lima detik rekaman video biasa,

0:13:51.069,0:13:53.205
sambil kita mengetuk meja,

0:13:53.205,0:13:56.718
dan kita akan menggunakan[br]getaran dari video tersebut

0:13:56.718,0:14:01.262
untuk mempelajari[br]sifat struktural dan material objek ini.

0:14:01.262,0:14:03.599
Lalu informasi tersebut akan digunakan

0:14:03.599,0:14:06.717
untuk membuat sesuatu[br]yang baru dan interaktif.

0:14:12.866,0:14:15.519
Inilah yang kami buat.

0:14:15.519,0:14:17.748
Terlihat seperti gambar biasa,

0:14:17.748,0:14:20.859
tapi ini bukan gambar,[br]juga bukan video,

0:14:20.859,0:14:23.227
karena jika saya gerakkan mouse saya,

0:14:23.227,0:14:26.086
dan berinteraksi dengan objek ini.

0:14:32.936,0:14:35.293
Yang Anda lihat disini

0:14:35.389,0:14:37.615
adalah simulasi bagaimana objek ini

0:14:37.615,0:14:39.509
akan bereaksi terhadap daya baru,

0:14:39.509,0:14:42.073
yang belum pernah kita lihat sebelumnya,

0:14:42.073,0:14:45.706
dan kami membuatnya hanya dari[br]video biasa berdurasi 5 detik.

0:14:47.249,0:14:51.964
(Tepuk tangan)

0:14:57.421,0:15:00.648
Ini cara hebat untuk melihat dunia,

0:15:00.648,0:15:03.620
karena kita bisa memprediksi reaksi objek

0:15:03.620,0:15:05.443
dalam situasi baru,

0:15:05.443,0:15:08.916
dan bisa Anda bayangkan, contohnya,[br]jika kita melihat jembatan tua

0:15:08.916,0:15:11.197
lalu kita bayangkan apa yang akan terjadi,

0:15:11.197,0:15:15.276
mampukah jembatan ini bertahan[br]jika mobil saya melintas di atasnya.

0:15:15.276,0:15:18.050
Dan Anda mungkin akan ingin[br]mendapat jawabannya

0:15:18.050,0:15:20.610
sebelum Anda melintasinya juga.

0:15:21.988,0:15:25.260
Tentu saja, teknik ini memiliki batasan,

0:15:25.260,0:15:27.722
sama seperti pada mikrofon visual,

0:15:27.722,0:15:30.303
tapi kami menemukan bahwa[br]teknik ini bekerja baik

0:15:30.303,0:15:32.778
dalam banyak situasi yang tidak disangka,

0:15:32.778,0:15:35.546
apalagi jika videonya berdurasi[br]lebih panjang.

0:15:35.546,0:15:38.054
Ini contohnya, ini adalah video rekaman

0:15:38.054,0:15:40.353
semak-semak di luar apartemen saya,

0:15:40.353,0:15:43.441
saya tidak melakukan apa-apa[br]terhadap semak-semak ini,

0:15:43.441,0:15:46.146
tapi dengan merekamnya selama satu menit,

0:15:46.146,0:15:49.524
hebusan angin sepoi-sepoi[br]menggetarkan semak-semak

0:15:49.524,0:15:53.111
sehingga kami bisa membuat[br]simulasi berikut.

0:15:55.270,0:15:59.757
(Tepuk tangan)

0:16:01.412,0:16:04.384
Bisa Anda bayangkan jika kita[br]memberikannya ke sutradara,

0:16:04.384,0:16:06.103
dia bisa mengendalikan

0:16:06.103,0:16:11.025
kekuatan dan arah angin dalam suatu adegan[br]setelah adegannya selesai direkam.

0:16:12.810,0:16:17.345
Atau, dalam hal ini, kami arahkan kamera[br]ke sebuah tirai yang tergantung,

0:16:17.345,0:16:21.474
Anda bahkan tidak melihat gerakan apa pun[br]dalam video ini,

0:16:21.474,0:16:24.399
tapi dengan merekamnya selama dua menit,

0:16:24.399,0:16:26.837
aliran udara alami dalam ruangan ini

0:16:26.837,0:16:31.249
menimbulkan getaran yang[br]halus dan tak terlihat

0:16:31.249,0:16:33.814
yang memungkinkan kami[br]untuk membuat simulasi ini.

0:16:36.243,0:16:38.609
Tapi ironisnya,

0:16:38.609,0:16:41.697
kita sudah terbiasa dengan[br]interaksi semacam ini

0:16:41.697,0:16:44.344
dalam dunia virtual,

0:16:44.344,0:16:47.641
terutama dalam video game ataupun[br]model 3D lainnya,

0:16:47.641,0:16:52.045
tapi dengan memperoleh informasi ini[br]dari objek nyata

0:16:52.045,0:16:54.862
dengan menggunakan[br]video biasa dan sederhana,

0:16:54.862,0:16:57.290
adalah satu hal baru[br]yang punya banyak potensi.

0:16:58.410,0:17:03.314
Ini adalah para rekan yang bekerja dengan[br]saya dalam proyek ini.

0:17:04.057,0:17:09.653
(Tepuk tangan)

0:17:12.819,0:17:15.876
Yang saya tunjukkan hari ini[br]hanyalah permulaan.

0:17:15.876,0:17:17.989
Kami baru mengetahui kulitnya saja

0:17:17.989,0:17:20.961
dari apa yang bisa kita lakukan[br]dengan pencitraan seperti ini,

0:17:20.961,0:17:23.247
karena teknik ini memberi kita cara baru

0:17:23.342,0:17:28.066
untuk mengamati lingkungan kita dengan[br]perangkat yang lazim dan terjangkau.

0:17:28.066,0:17:30.922
Jadi ke depan, akan sangat menarik[br]untuk menggali

0:17:30.922,0:17:33.713
apa yang bisa diajarkan teknik ini[br]tentang dunia.

0:17:34.381,0:17:35.585
Terima kasih.

0:17:35.610,0:17:41.717
(Tepuk tangan)