1
00:00:01,373 --> 00:00:04,721
De meesten zien beweging 
als iets zeer visueels.

2
00:00:05,889 --> 00:00:10,977
Als ik over dit podium loop 
of met mijn handen gebaar,

3
00:00:10,977 --> 00:00:13,238
dan kan je die beweging zien.

4
00:00:14,255 --> 00:00:16,737
Maar heel veel bewegingen

5
00:00:16,737 --> 00:00:19,737
zijn te subtiel voor het menselijk oog.

6
00:00:19,737 --> 00:00:21,778
In de afgelopen jaren

7
00:00:21,778 --> 00:00:23,775
merkten we dat camera's

8
00:00:23,775 --> 00:00:27,185
deze beweging vaak waarnemen, 
zelfs wanneer de mens dat niet kan.

9
00:00:28,305 --> 00:00:29,856
Dit is wat ik bedoel.

10
00:00:30,717 --> 00:00:34,339
Links zie je een video 
van iemands pols,

11
00:00:34,339 --> 00:00:37,486
rechts een video van een slapend kind,

12
00:00:37,486 --> 00:00:40,632
maar als ik je niet zou vertellen 
dat dit video's waren,

13
00:00:40,632 --> 00:00:44,393
zou je kunnen denken 
dat je gewone foto’s zag,

14
00:00:44,393 --> 00:00:46,065
omdat in beide gevallen

15
00:00:46,065 --> 00:00:49,292
er bijna geen beweging
te zien is in beide video's.

16
00:00:50,175 --> 00:00:54,060
Maar er is eigenlijk 
een heleboel subtiele beweging gaande.

17
00:00:54,060 --> 00:00:56,452
Als je de pols links zou aanraken,

18
00:00:56,452 --> 00:00:58,448
zou je hem voelen kloppen.

19
00:00:58,448 --> 00:01:00,673
Bij het kind rechts

20
00:01:00,673 --> 00:01:03,324
zou je de borst voelen stijgen en dalen

21
00:01:03,324 --> 00:01:04,714
bij elke ademhaling.

22
00:01:05,762 --> 00:01:09,338
Deze bewegingen zitten vol met informatie,

23
00:01:09,338 --> 00:01:12,681
die meestal zo subtiel is,
dat we ze niet kunnen zien.

24
00:01:12,681 --> 00:01:14,957
Daarom nemen we ze waar

25
00:01:14,957 --> 00:01:17,857
door direct contact, 
door middel van aanraking.

26
00:01:18,587 --> 00:01:20,262
Maar een paar jaar geleden,

27
00:01:20,262 --> 00:01:24,667
hebben mijn collega's aan het MIT 
een ‘bewegingsmicroscoop’ ontwikkeld.

28
00:01:24,667 --> 00:01:29,051
Dat is software die deze subtiele 
bewegingen in video vindt

29
00:01:29,051 --> 00:01:32,613
en versterkt zodat we ze kunnen zien.

30
00:01:33,416 --> 00:01:35,839
Met hun software

31
00:01:35,839 --> 00:01:40,149
kunnen we het kloppen van de pols zien.

32
00:01:40,149 --> 00:01:41,844
Als we het kloppen tellen,

33
00:01:41,844 --> 00:01:44,369
kennen we zelfs de hartslag 
van deze persoon.

34
00:01:45,095 --> 00:01:48,160
Met dezelfde software 
kunnen we op de video rechts

35
00:01:48,160 --> 00:01:51,387
de ademhaling van dit kind zien

36
00:01:51,387 --> 00:01:55,694
en zonder fysisch contact 
haar ademhaling controleren.

37
00:01:56,884 --> 00:02:02,232
Deze technologie is echt krachtig, 
want ze kan deze fenomenen,

38
00:02:02,232 --> 00:02:04,599
die we normaal 
ervaren door aanraking,

39
00:02:04,599 --> 00:02:07,556
visueel en ongestoord vastleggen.

40
00:02:09,104 --> 00:02:13,515
Een paar jaar geleden begon ik te werken 
met de mensen die die software creëerden.

41
00:02:13,515 --> 00:02:16,882
We besloten 
een gek idee uit te werken.

42
00:02:16,882 --> 00:02:19,575
We vonden het cool 
om software te gebruiken

43
00:02:19,575 --> 00:02:22,710
om kleine bewegingen 
als deze te visualiseren

44
00:02:22,710 --> 00:02:27,168
als een manier 
om onze tastzin uit te breiden.

45
00:02:27,168 --> 00:02:31,227
Maar wat als we datzelfde 
konden doen met ons gehoor?

46
00:02:32,508 --> 00:02:37,173
Wat als we video konden gebruiken 
om geluidstrillingen op te nemen --

47
00:02:37,173 --> 00:02:40,000
immers ook een soort beweging --

48
00:02:40,000 --> 00:02:43,636
zodat we van alles wat we zien 
een 'microfoon' konden maken.

49
00:02:44,236 --> 00:02:46,207
Dat is een beetje een raar idee,

50
00:02:46,207 --> 00:02:48,793
dus laat me dat uitleggen.

51
00:02:49,523 --> 00:02:53,011
Traditionele microfoons werken 
door het omzetten van de beweging

52
00:02:53,011 --> 00:02:56,610
van een intern membraan 
in een elektrisch signaal.

53
00:02:56,610 --> 00:03:00,928
Dat membraan is ontworpen 
om gemakkelijk te bewegen met geluid,

54
00:03:00,928 --> 00:03:03,395
zodat de beweging 
kan worden geregistreerd

55
00:03:03,395 --> 00:03:05,735
en geïnterpreteerd als audio.

56
00:03:05,735 --> 00:03:09,403
Maar geluid laat alle objecten trillen.

57
00:03:09,403 --> 00:03:14,883
Die trillingen zijn meestal te subtiel 
en te snel voor ons om te zien.

58
00:03:14,883 --> 00:03:18,621
Wat als we ze opnemen 
met een hogesnelheidscamera

59
00:03:18,621 --> 00:03:21,860
en dan software gebruiken 
om de kleine bewegingen

60
00:03:21,860 --> 00:03:24,287
te halen uit onze hogesnelheidsvideo,

61
00:03:24,287 --> 00:03:27,659
en die bewegingen analyseren 
om de geluiden te achterhalen

62
00:03:27,659 --> 00:03:29,549
die ze veroorzaakten?

63
00:03:29,549 --> 00:03:32,690
Dan kunnen we zichtbare objecten 


64
00:03:32,690 --> 00:03:35,673
op afstand gebruiken
als visuele microfoons.

65
00:03:37,080 --> 00:03:39,263
Dit hebben we uitgeprobeerd.

66
00:03:39,263 --> 00:03:41,190
Hier is een van onze experimenten:

67
00:03:41,190 --> 00:03:44,139
we filmden deze plant daar rechts

68
00:03:44,139 --> 00:03:46,287
met een hogesnelheidscamera,

69
00:03:46,287 --> 00:03:49,666
terwijl een luidspreker in de buurt 
dit geluid speelde.

70
00:03:50,275 --> 00:03:58,465
(Muziek: 'Mary Had a Little Lamb')

71
00:03:59,820 --> 00:04:02,644
Hier is de video die we opnamen

72
00:04:02,644 --> 00:04:06,168
met duizenden frames per seconde.

73
00:04:06,168 --> 00:04:08,520
Maar zelfs als je heel goed kijkt,

74
00:04:08,520 --> 00:04:10,961
is alles wat je ziet enkele bladeren...

75
00:04:10,961 --> 00:04:13,906
... zonder veel actie. (Gelach)

76
00:04:13,906 --> 00:04:18,803
Ons geluid verplaatst die bladeren 
slechts ongeveer één micrometer.

77
00:04:18,803 --> 00:04:23,379
Dat is één tienduizendste 
van een centimeter,

78
00:04:23,379 --> 00:04:27,535
ergens tussen een honderdste 
en een duizendste

79
00:04:27,535 --> 00:04:29,860
van een pixel in dit beeld.

80
00:04:29,860 --> 00:04:32,768
Je kunt dus nóg zo goed turen,

81
00:04:32,768 --> 00:04:36,103
die beweging is te klein 
om zichtbaar te zijn.

82
00:04:37,667 --> 00:04:41,934
Maar het blijkt 
dat iets niet te zien kan zijn

83
00:04:41,934 --> 00:04:44,633
en toch numeriek significant.

84
00:04:44,633 --> 00:04:46,635
Want met de juiste algoritmen

85
00:04:46,635 --> 00:04:50,322
kunnen we uit deze stille, 
schijnbaar stille video

86
00:04:50,322 --> 00:04:52,089
dit geluid herleiden.

87
00:04:52,690 --> 00:05:00,074
(Muziek: 'Mary Had a Little Lamb')

88
00:05:00,074 --> 00:05:07,365
(Applaus)

89
00:05:10,058 --> 00:05:11,997
Hoe is dat mogelijk?

90
00:05:11,997 --> 00:05:16,341
Hoe halen we zo veel informatie 
uit zo weinig beweging?

91
00:05:16,341 --> 00:05:21,702
Stel dat die bladeren 
slechts één enkele micrometer uitwijken,

92
00:05:21,702 --> 00:05:26,500
en het beeld slechts één duizendste 
van een pixel verschuift.

93
00:05:27,089 --> 00:05:29,841
Dat lijkt misschien niet veel,

94
00:05:29,841 --> 00:05:31,837
maar één enkel videoframe

95
00:05:31,837 --> 00:05:35,094
kan honderdduizenden pixels bevatten.

96
00:05:35,094 --> 00:05:38,548
Als we al die kleine bewegingen combineren

97
00:05:38,548 --> 00:05:40,846
van dat complete beeld,

98
00:05:40,846 --> 00:05:43,279
kan een duizendste 
van een pixel ineens

99
00:05:43,279 --> 00:05:45,869
iets heel significants opleveren.

100
00:05:46,189 --> 00:05:48,930
Even terzijde: we waren 
behoorlijk in onze nopjes

101
00:05:48,930 --> 00:05:50,785
toen we dit hadden uitgeknobbeld.

102
00:05:50,785 --> 00:05:52,825
(Gelach)

103
00:05:52,825 --> 00:05:56,078
Maar zelfs met het juiste algoritme

104
00:05:56,078 --> 00:05:59,695
misten we nog steeds 
een vrij belangrijk stuk van de puzzel.

105
00:05:59,695 --> 00:06:03,299
Veel factoren zijn van invloed 
op wanneer en hoe goed

106
00:06:03,299 --> 00:06:05,296
deze techniek werkt:

107
00:06:05,296 --> 00:06:08,500
het object en hoe ver het is,

108
00:06:08,500 --> 00:06:10,894
de camera en de lens,

109
00:06:10,894 --> 00:06:14,985
hoeveel licht op het object valt 
en hoe hard het geluid is.

110
00:06:15,945 --> 00:06:19,320
En zelfs met het juiste algoritme

111
00:06:19,320 --> 00:06:22,710
moesten we zeer zorgvuldig zijn 
bij onze vroege experimenten,

112
00:06:22,710 --> 00:06:25,072
want als een van deze factoren 
verkeerd zat,

113
00:06:25,072 --> 00:06:28,280
was er geen manier om te zien
wat het probleem was.

114
00:06:28,280 --> 00:06:30,117
We kregen dan alleen lawaai terug.

115
00:06:30,117 --> 00:06:33,437
Veel van onze vroege experimenten 
zagen er zo uit.

116
00:06:33,437 --> 00:06:35,643
Hier ben ik

117
00:06:35,643 --> 00:06:39,683
en linksonder zie je 
onze hogesnelheidscamera,

118
00:06:39,683 --> 00:06:41,866
gericht op een zak chips,

119
00:06:41,866 --> 00:06:44,815
en de hele zaak wordt verlicht 
door sterke lampen.

120
00:06:44,815 --> 00:06:49,180
We moesten zorgvuldig zijn 
bij deze vroege experimenten,

121
00:06:49,180 --> 00:06:51,688
dus ging het zo.

122
00:06:51,688 --> 00:06:55,449
(Video) Abe Davis: Drie, twee, een, start!

123
00:06:55,449 --> 00:07:00,836
Mary had a little lamb!
Little lamb! Little lamb!

124
00:07:00,836 --> 00:07:05,336
(Gelach)

125
00:07:05,336 --> 00:07:08,150
AD: Dit experiment 
lijkt volstrekt belachelijk.

126
00:07:08,150 --> 00:07:09,418
(Gelach)

127
00:07:09,418 --> 00:07:12,533
Ik bedoel, ik sta te schreeuwen 
tegen een zak chips -

128
00:07:12,533 --> 00:07:13,834
(Gelach) -

129
00:07:13,834 --> 00:07:15,951
en we bestraalden hem met zoveel licht,

130
00:07:15,951 --> 00:07:20,509
dat de eerste zak letterlijk smolt. 
(Gelach)

131
00:07:20,509 --> 00:07:23,799
Maar hoe belachelijk 
dit experiment ook lijkt,

132
00:07:23,799 --> 00:07:25,587
het was eigenlijk heel belangrijk,

133
00:07:25,587 --> 00:07:28,513
omdat we dit geluid
konden herstellen.

134
00:07:28,513 --> 00:07:33,225
(Audio) Mary had a little lamb!
Little lamb! Little lamb!

135
00:07:33,225 --> 00:07:37,313
(Applaus)

136
00:07:37,313 --> 00:07:38,954
AD: En dit was echt belangrijk,

137
00:07:38,954 --> 00:07:40,984
want het was de eerste keer dat we

138
00:07:40,984 --> 00:07:43,424
begrijpelijke menselijke 
spraak terugwonnen

139
00:07:43,424 --> 00:07:45,765
van een video zonder geluid
van een object.

140
00:07:45,765 --> 00:07:48,156
Dit gaf ons een referentiepunt,

141
00:07:48,156 --> 00:07:52,087
en geleidelijk aan konden we 
het experiment wijzigen,

142
00:07:52,087 --> 00:07:55,911
met verschillende voorwerpen 
of van verder weg,

143
00:07:55,911 --> 00:07:58,991
met minder licht of zachtere geluiden.

144
00:07:59,887 --> 00:08:02,761
We analyseerden al deze proeven

145
00:08:02,761 --> 00:08:06,383
totdat we de grenzen 
van onze techniek vonden.

146
00:08:06,383 --> 00:08:08,333
Want zodra we die grenzen vonden,

147
00:08:08,333 --> 00:08:10,679
konden we achterhalen 
hoe we ze konden oprekken.

148
00:08:10,679 --> 00:08:13,860
Dat leidde tot experimenten zoals dit.

149
00:08:13,860 --> 00:08:16,599
Ik sprak nog eens 
tegen een zak chips,

150
00:08:16,599 --> 00:08:21,429
maar dit keer met onze camera 
ongeveer 5 meter er vandaan,

151
00:08:21,429 --> 00:08:24,262
buiten, achter een geluiddicht raam,

152
00:08:24,262 --> 00:08:27,645
en alles alleen belicht 
met natuurlijk zonlicht.

153
00:08:28,529 --> 00:08:30,684
Hier is de video daarvan.

154
00:08:32,450 --> 00:08:37,009
Zo klonk het binnen, bij de zak chips.

155
00:08:37,009 --> 00:08:42,047
(Audio) Mary had a little lamb
whose fleece was white as snow,

156
00:08:42,047 --> 00:08:47,666
and everywhere that Mary went,
that lamb was sure to go.

157
00:08:47,666 --> 00:08:51,683
AD: Hier is wat we 
uit onze stille video konden terugwinnen

158
00:08:51,683 --> 00:08:54,028
van achter dat raam.

159
00:08:54,028 --> 00:08:58,463
(Audio) Mary had a little lamb!
whose fleece was white as snow,

160
00:08:58,463 --> 00:09:03,920
and everywhere that Mary went,
that lamb was sure to go.

161
00:09:03,920 --> 00:09:10,011
(Applaus)

162
00:09:10,011 --> 00:09:13,963
AD: Er zijn ook andere manieren 
om deze grenzen te verleggen.

163
00:09:13,963 --> 00:09:15,761
Hier is een rustiger experiment:

164
00:09:15,761 --> 00:09:19,871
we filmden wat oordopjes 
aangesloten op een laptop.

165
00:09:19,871 --> 00:09:23,981
We wilden de muziek opnemen 
die op die laptop speelde,

166
00:09:23,981 --> 00:09:26,280
uit de video zonder geluid

167
00:09:26,280 --> 00:09:28,787
van die twee kleine plastic oordopjes.

168
00:09:28,787 --> 00:09:30,970
We deden het zo goed

169
00:09:30,970 --> 00:09:33,431
dat we onze resultaten 
konden ‘shazammen’.

170
00:09:33,431 --> 00:09:35,842
(Gelach)

171
00:09:37,191 --> 00:09:47,225
(Muziek: 'Under Pressure' van Queen)

172
00:09:49,615 --> 00:09:53,314
(Applaus)

173
00:09:54,584 --> 00:09:58,665
We kunnen het resultaat 
ook verbeteren via de hardware.

174
00:09:58,665 --> 00:10:01,766
De experimenten die ik jullie 
tot nu toe heb laten zien

175
00:10:01,766 --> 00:10:03,918
deden we met een hogesnelheidscamera.

176
00:10:03,918 --> 00:10:06,797
Die kan ongeveer 100 keer 
sneller video opnemen

177
00:10:06,797 --> 00:10:08,514
dan de meeste mobiele telefoons,

178
00:10:08,514 --> 00:10:12,033
maar we hebben ook een manier gevonden 
om deze techniek te gebruiken

179
00:10:12,033 --> 00:10:13,763
met gewonere camera’s.

180
00:10:13,763 --> 00:10:17,832
We doen dat door gebruik te maken 
van wat een ‘gordijnsluiter’ heet.

181
00:10:17,832 --> 00:10:22,630
De meeste camera's leggen 
beelden rij voor rij vast.

182
00:10:22,630 --> 00:10:28,332
Als een object tijdens de opname 
van één enkel beeld beweegt,

183
00:10:28,344 --> 00:10:31,061
is er een kleine vertraging 
tussen elke rij,

184
00:10:31,061 --> 00:10:34,218
en dit veroorzaakt lichte artefacten

185
00:10:34,218 --> 00:10:37,701
in elk afzonderlijk videoframe.

186
00:10:37,701 --> 00:10:41,057
Door het analyseren van deze artefacten,

187
00:10:41,057 --> 00:10:43,462
kunnen we zelfs geluid herstellen

188
00:10:43,462 --> 00:10:46,362
met een aangepaste versie 
van ons algoritme.

189
00:10:46,362 --> 00:10:48,034
Hier weer een experiment.

190
00:10:48,034 --> 00:10:49,729
We filmden een zak snoep

191
00:10:49,729 --> 00:10:51,470
terwijl een luidspreker in de buurt

192
00:10:51,470 --> 00:10:54,442
'Mary Had a Little Lamb' speelde.

193
00:10:54,442 --> 00:10:58,645
Maar dit keer gebruikten we 
een normale camera uit de winkel.

194
00:10:58,645 --> 00:11:01,819
Ik laat het jullie dadelijk horen.

195
00:11:01,819 --> 00:11:03,869
Het zal wat vervormd zijn,

196
00:11:03,869 --> 00:11:07,703
maar luister om te zien of je de muziek 
nog steeds kunt herkennen.

197
00:11:07,703 --> 00:11:13,946
(Audio: 'Mary Had a Little Lamb')

198
00:11:25,527 --> 00:11:28,992
Het klinkt vervormd,

199
00:11:28,992 --> 00:11:33,378
maar het geweldige eraan is
dat we het doen

200
00:11:33,378 --> 00:11:37,034
met spullen uit de eerste de beste winkel.

201
00:11:39,025 --> 00:11:42,459
Dit brengt de meeste mensen

202
00:11:42,459 --> 00:11:45,872
op het idee van bewaking. (Gelach)

203
00:11:45,872 --> 00:11:48,287
Om eerlijk te zijn,
je kan je best voorstellen

204
00:11:48,287 --> 00:11:52,420
hoe je deze technologie kan gebruiken 
om iemand te bespioneren.

205
00:11:52,420 --> 00:11:56,367
Maar bedenk dat er al heel veel 
goed ontwikkelde technologie

206
00:11:56,367 --> 00:11:57,946
voor surveillance bestaat.

207
00:11:57,946 --> 00:12:00,036
In feite hebben mensen al decennia lang

208
00:12:00,036 --> 00:12:03,225
lasers op objecten gericht 
om op afstand af te luisteren.

209
00:12:03,978 --> 00:12:06,003
Maar wat hier echt nieuw is,

210
00:12:06,003 --> 00:12:07,443
echt anders,

211
00:12:07,443 --> 00:12:11,738
is dat we nu een manier hebben 
om trillingen van een object op te nemen.

212
00:12:11,738 --> 00:12:15,151
Dat geeft ons een nieuwe lens 
om te kijken naar de wereld.

213
00:12:15,151 --> 00:12:16,681
We kunnen die lens gebruiken

214
00:12:16,681 --> 00:12:19,060
om niet alleen iets 
te leren over krachten

215
00:12:19,060 --> 00:12:21,560
als geluid die een object laten trillen,

216
00:12:21,560 --> 00:12:23,978
maar ook over het object zelf.

217
00:12:24,975 --> 00:12:26,668
Ik wil een stap terug doen

218
00:12:26,668 --> 00:12:30,917
en nadenken over nieuwe manieren 
om video te gebruiken.

219
00:12:30,917 --> 00:12:34,470
Meestal gebruiken we video 
om naar dingen te kijken,

220
00:12:34,470 --> 00:12:36,792
maar ik toonde hoe we het kunnen gebruiken

221
00:12:36,792 --> 00:12:38,649
om naar dingen te luisteren.

222
00:12:38,649 --> 00:12:42,620
Er is een andere belangrijke manier 
waarop we leren over de wereld:

223
00:12:42,620 --> 00:12:44,895
door interactie ermee.

224
00:12:44,895 --> 00:12:48,006
We duwen en trekken en porren dingen.

225
00:12:48,006 --> 00:12:51,187
We schudden dingen 
en zien wat er gebeurt.

226
00:12:51,187 --> 00:12:55,460
Dat is iets dat video nog steeds niet kan,

227
00:12:55,460 --> 00:12:57,596
althans niet de traditionele video.

228
00:12:57,596 --> 00:12:59,266
Ik toon je wat nieuw werk,

229
00:12:59,266 --> 00:13:02,573
gebaseerd op een idee dat ik 
net een paar maanden geleden had.

230
00:13:02,573 --> 00:13:05,684
Het is de eerste keer 
dat ik ermee voor een publiek kom.

231
00:13:05,684 --> 00:13:10,877
We gaan trillingen in een video gebruiken

232
00:13:10,877 --> 00:13:15,358
om objecten zo vast te leggen, 
dat we met ze kunnen interageren

233
00:13:15,358 --> 00:13:17,782
en zie hoe ze op ons reageren.

234
00:13:19,120 --> 00:13:20,884
Hier zie je een voorwerp,

235
00:13:20,884 --> 00:13:24,716
in dit geval een draadfiguur
gevormd als mens.

236
00:13:24,716 --> 00:13:27,804
We gaan dat object filmen 
met een gewone camera.

237
00:13:27,804 --> 00:13:29,928
Er is niets bijzonders aan deze camera.

238
00:13:29,928 --> 00:13:32,889
Ik deed het al met mijn mobiele telefoon.

239
00:13:32,889 --> 00:13:35,650
Maar we willen het object zien trillen.

240
00:13:35,650 --> 00:13:39,620
Daarom kloppen we wat 
op het oppervlak waarop het staat

241
00:13:39,620 --> 00:13:41,758
terwijl we deze video opnemen.

242
00:13:46,468 --> 00:13:51,069
Dat is alles: 
slechts vijf seconden gewone video,

243
00:13:51,069 --> 00:13:53,205
terwijl we op het oppervlak kloppen.

244
00:13:53,205 --> 00:13:56,718
We gaan de trillingen 
in die video gebruiken

245
00:13:56,718 --> 00:14:01,262
om iets te leren over de structurele 
en materiaaleigenschappen van ons object,

246
00:14:01,262 --> 00:14:06,636
en we gaan die informatie gebruiken 
om iets nieuws en interactiefs te maken.

247
00:14:12,866 --> 00:14:15,519
Dit is het resultaat.

248
00:14:15,519 --> 00:14:17,748
Het ziet eruit als een gewone afbeelding,

249
00:14:17,748 --> 00:14:20,859
maar dit is geen beeld, ook geen video,

250
00:14:20,859 --> 00:14:23,227
want nu kan ik met mijn muis

251
00:14:23,227 --> 00:14:26,086
gaan interageren met het object.

252
00:14:32,936 --> 00:14:35,373
Wat je hier ziet

253
00:14:35,373 --> 00:14:37,615
is een simulatie van hoe dit object

254
00:14:37,615 --> 00:14:42,073
zou reageren op nieuwe krachten 
die we nog nooit eerder hebben gezien,

255
00:14:42,073 --> 00:14:45,706
en dat met slechts 
vijf seconden gewone video.

256
00:14:47,249 --> 00:14:55,790
(Applaus)

257
00:14:57,421 --> 00:15:00,648
Dit is een krachtige manier 
om naar de wereld te kijken.

258
00:15:00,648 --> 00:15:03,620
Het laat ons voorspellen 
hoe objecten zullen reageren

259
00:15:03,620 --> 00:15:05,443
in nieuwe situaties:

260
00:15:05,443 --> 00:15:08,916
bijvoorbeeld hoe een oude brug

261
00:15:08,916 --> 00:15:12,443
zich zal gaan gedragen

262
00:15:12,443 --> 00:15:15,276
als ik er met mijn auto over zou rijden.

263
00:15:15,276 --> 00:15:18,050
Dat wil je waarschijnlijk wel weten

264
00:15:18,050 --> 00:15:20,950
voordat je over die brug gaat rijden.

265
00:15:21,988 --> 00:15:25,260
Deze techniek heeft 
natuurlijk zijn beperkingen

266
00:15:25,260 --> 00:15:27,722
net zoals de visuele microfoon,

267
00:15:27,722 --> 00:15:30,903
maar we merkten
dat het in veel situaties werkt

268
00:15:30,903 --> 00:15:32,948
waar je dat niet zou verwachten,

269
00:15:32,948 --> 00:15:35,546
vooral als je langere video's maakt.

270
00:15:35,546 --> 00:15:38,054
Hier is een video die ik opnam

271
00:15:38,054 --> 00:15:40,353
van een struik bij mijn appartement.

272
00:15:40,353 --> 00:15:43,441
Ik deed niets met de struik,

273
00:15:43,441 --> 00:15:46,146
maar met een video van één minuut

274
00:15:46,146 --> 00:15:49,524
en een zacht briesje 
dat genoeg trillingen veroorzaakte,

275
00:15:49,524 --> 00:15:53,111
leerden we genoeg over deze struik 
om deze simulatie te maken.

276
00:15:55,270 --> 00:16:01,412
(Applaus)

277
00:16:01,412 --> 00:16:04,384
Je kan je voorstellen 
wat een filmregisseur

278
00:16:04,384 --> 00:16:06,103
hiermee kan doen,

279
00:16:06,103 --> 00:16:08,533
als hij de kracht en de richting 
van de wind

280
00:16:08,533 --> 00:16:12,810
in een opname achteraf kan bepalen.

281
00:16:12,810 --> 00:16:17,345
Hier richtten we de camera 
op een hangend gordijn.

282
00:16:17,345 --> 00:16:21,474
Je ziet zelfs geen beweging in deze video,

283
00:16:21,474 --> 00:16:24,139
maar tijdens het opnemen 
van twee minuten video,

284
00:16:24,139 --> 00:16:27,487
veroorzaakten natuurlijke luchtstromen 
in deze kamer

285
00:16:27,487 --> 00:16:31,249
genoeg subtiele, onmerkbare 
bewegingen en trillingen

286
00:16:31,249 --> 00:16:34,304
dat we daarmee 
deze simulatie konden creëren.

287
00:16:36,243 --> 00:16:38,609
Ironisch genoeg

288
00:16:38,609 --> 00:16:41,697
zijn we al gewend 
aan dit soort interactiviteit

289
00:16:41,697 --> 00:16:44,344
met virtuele objecten,

290
00:16:44,344 --> 00:16:47,641
als het gaat om videogames en 3D-modellen.

291
00:16:47,641 --> 00:16:52,045
Maar deze informatie van echte objecten 
in de echte wereld kunnen vastleggen

292
00:16:52,045 --> 00:16:54,862
met slechts eenvoudige, gewone video,

293
00:16:54,862 --> 00:16:57,625
is iets nieuws 
dat veel mogelijkheden biedt.

294
00:16:58,410 --> 00:17:01,057
Hier zijn de fantastische mensen 
die met mij

295
00:17:01,057 --> 00:17:04,057
hebben samengewerkt aan deze projecten.

296
00:17:04,057 --> 00:17:09,653
(Applaus)

297
00:17:12,369 --> 00:17:15,876
Wat ik vandaag heb laten zien, 
is slechts het begin,

298
00:17:15,876 --> 00:17:17,659
een peulenschil

299
00:17:17,659 --> 00:17:20,701
vergeleken met wat je kunt doen 
met dit soort beeldvorming.

300
00:17:20,701 --> 00:17:23,333
Het geeft ons een nieuwe manier

301
00:17:23,342 --> 00:17:28,066
om onze omgeving met gewone, 
toegankelijke technologie vast te leggen.

302
00:17:28,066 --> 00:17:29,911
Als we naar de toekomst kijken,

303
00:17:29,911 --> 00:17:32,032
is het interessant om te zien

304
00:17:32,032 --> 00:17:34,388
wat dit ons kan vertellen 
over onze wereld.

305
00:17:34,388 --> 00:17:35,605
Dankjewel.

306
00:17:35,610 --> 00:17:41,717
(Applaus)