1
00:00:01,373 --> 00:00:04,722
絕大部分的人認為
「動作」是非常視覺的。

2
00:00:05,889 --> 00:00:10,977
如果我走過這個舞台，
或在說話的時候使用手勢，

3
00:00:10,977 --> 00:00:13,238
這些動作都是你可以看見的。

4
00:00:14,255 --> 00:00:19,737
但有一些細微的重要動作，
是人類的眼睛無法看見的。

5
00:00:19,737 --> 00:00:21,778
而在過去的幾年中，

6
00:00:21,778 --> 00:00:23,435
我們發現鏡頭，

7
00:00:23,435 --> 00:00:27,185
能夠看到這些人類所看不見的動作。

8
00:00:28,305 --> 00:00:29,856
所以讓我來帶大家了解一下，

9
00:00:30,717 --> 00:00:34,339
在左邊，你可以看到一個人手腕的影片；

10
00:00:34,339 --> 00:00:37,486
在右邊，你可以看到一個睡著嬰兒的影片。

11
00:00:37,486 --> 00:00:40,632
但是如果我沒有告訴你這是影片的話，

12
00:00:40,632 --> 00:00:43,963
你有可能會認為
你只是在看兩張非常普通的圖片。

13
00:00:43,963 --> 00:00:45,655
因為在這兩個情況之下，

14
00:00:45,655 --> 00:00:49,112
這些影片看起來只是完全靜止的。

15
00:00:50,175 --> 00:00:54,060
事實上這裏發生著許多細微的動作。

16
00:00:54,060 --> 00:00:56,452
如果你觸碰左邊手腕的話，

17
00:00:56,452 --> 00:00:58,448
你會感覺到脈搏。

18
00:00:58,448 --> 00:01:00,933
如果你抱起這個右邊嬰兒的話，

19
00:01:00,933 --> 00:01:03,324
你會感覺到她的胸部上下起伏，

20
00:01:03,324 --> 00:01:04,714
當她正在呼吸的時候。

21
00:01:05,762 --> 00:01:09,338
這些動作十分重要，

22
00:01:09,338 --> 00:01:12,681
但對我們來說太細微
以至於我們看不到。

23
00:01:12,681 --> 00:01:14,957
所以我們要用

24
00:01:14,957 --> 00:01:17,857
直接的觸碰去感知它們。

25
00:01:18,997 --> 00:01:20,262
但是，幾年前，

26
00:01:20,262 --> 00:01:24,667
我麻省理工的同事
研究出了動作顯微鏡。

27
00:01:24,667 --> 00:01:29,051
這軟體可用來尋找影片中的細微動作，

28
00:01:29,051 --> 00:01:32,613
然後將它們放大使得我們可以看到。

29
00:01:33,416 --> 00:01:36,899
所以說，如果我們在左邊的影片上
使用那個軟體，

30
00:01:36,899 --> 00:01:40,149
它能讓我們看到腕部的脈搏。

31
00:01:40,149 --> 00:01:41,844
而且如果我們數一數脈搏的話，

32
00:01:41,844 --> 00:01:44,199
我們甚至可以得出這個人的心率。

33
00:01:45,095 --> 00:01:48,160
如果我們在右邊的影片上用同一軟體的話，

34
00:01:48,160 --> 00:01:51,387
它可以讓我們看到嬰兒的每一個呼吸。

35
00:01:51,387 --> 00:01:55,524
我們可以將這個軟體視為
不用接觸就能觀察嬰兒呼吸的探測器。

36
00:01:56,884 --> 00:02:01,492
所以這種科技非常強大，
它記錄的現象

37
00:02:01,492 --> 00:02:04,599
是原本我們得觸摸才能感受到的現象，

38
00:02:04,599 --> 00:02:07,556
而且它可以讓我們可視地、無創地觀察他們。

39
00:02:09,104 --> 00:02:13,515
所以數年以前，我開始
和這些開發軟體的人一起工作，

40
00:02:13,515 --> 00:02:16,882
然後我們決定去追尋一個瘋狂的主意。

41
00:02:16,882 --> 00:02:19,575
我們認為用這個軟體發現細小的動作

42
00:02:19,575 --> 00:02:22,010
是很酷炫的，

43
00:02:22,010 --> 00:02:27,168
而且可以將它視為我們觸覺的延伸。

44
00:02:27,168 --> 00:02:31,227
但是如果我們可以
做出擴展我們聽覺的軟體呢？

45
00:02:32,508 --> 00:02:37,173
如果我們可以通過影片
從而獲得聲音的振動，

46
00:02:37,173 --> 00:02:40,000
振動是另外一種動作，

47
00:02:40,000 --> 00:02:43,346
然後將我們看到的所有東西
轉化為聲音進入麥克風呢？

48
00:02:44,236 --> 00:02:46,207
這是一個有點奇怪的主意，

49
00:02:46,207 --> 00:02:48,793
所以讓我將它變得更加易懂一些。

50
00:02:49,523 --> 00:02:54,131
傳統的麥克風通過將內部隔膜的振動

51
00:02:54,131 --> 00:02:56,610
轉換為電信號，

52
00:02:56,610 --> 00:03:00,928
設計讓隔膜隨著聲音方便移動。

53
00:03:00,928 --> 00:03:05,735
它的振動可以被記錄和轉換成聲音。

54
00:03:05,735 --> 00:03:09,403
但是聲音可以使任何物體產生振動。

55
00:03:09,403 --> 00:03:14,883
那些振動與我們來說太小太快，
以至於我們不能看不見。

56
00:03:14,883 --> 00:03:18,621
要是我們用高速錄影機記錄下振動，

57
00:03:18,621 --> 00:03:21,977
然後用軟體從高速錄影機的影片中

58
00:03:21,977 --> 00:03:24,287
分離出細微的動作，

59
00:03:24,287 --> 00:03:28,561
然後分析那些動作
並且搞清楚是什麼聲音創造了振動呢？

60
00:03:29,859 --> 00:03:35,308
這樣我們可以在一定距離內
將可視物體轉換到可視話筒中。

61
00:03:37,080 --> 00:03:39,263
然後我們進行了實驗。

62
00:03:39,263 --> 00:03:41,190
這裏可以看到我們的實驗。

63
00:03:41,190 --> 00:03:44,139
在右邊我們放置了一盆盆栽，

64
00:03:44,139 --> 00:03:46,577
然後我們用高速錄影機記錄了下來。

65
00:03:46,577 --> 00:03:50,106
同事在邊上用擴音器發出這個聲音。

66
00:03:50,275 --> 00:03:58,465
（音樂：“瑪麗有隻小綿羊”）

67
00:03:59,820 --> 00:04:02,644
然後下面是我們記錄下的聲音。

68
00:04:02,644 --> 00:04:06,568
我們每秒鐘記錄下上千次畫面，

69
00:04:06,568 --> 00:04:08,890
但是就算你再仔細地看，

70
00:04:08,890 --> 00:04:10,841
你只會看到一些好看的樹葉，

71
00:04:10,841 --> 00:04:13,906
就只是靜止在那什麼也不做。

72
00:04:13,906 --> 00:04:18,712
那是因為我們的聲音
只移動了樹葉大約一微米的距離，

73
00:04:19,103 --> 00:04:23,379
那個距離大概是萬分之一釐米，

74
00:04:23,379 --> 00:04:27,535
在千分之一和百分之一之間，

75
00:04:27,535 --> 00:04:29,834
只是這一個圖像的像素點。

76
00:04:29,881 --> 00:04:32,768
所以你可以盡量瞇著眼睛看，

77
00:04:32,768 --> 00:04:36,103
但是細小的動作是不容易被感知到的。

78
00:04:37,667 --> 00:04:41,824
但結果卻是一些不容易被看到的物體，

79
00:04:41,824 --> 00:04:44,633
在數字上仍然非常重要。

80
00:04:44,633 --> 00:04:46,635
因為當使用了正確的演算法之後，

81
00:04:46,635 --> 00:04:50,322
我們可以獲取這段看起來靜止無聲的影片，

82
00:04:50,322 --> 00:04:51,849
然後還原出聲音。

83
00:04:52,690 --> 00:05:00,074
（音樂：“瑪麗有隻小綿羊”）

84
00:05:00,074 --> 00:05:05,902
（掌聲）

85
00:05:10,058 --> 00:05:11,997
這是為什麼呢？

86
00:05:11,997 --> 00:05:16,341
我們是如何在這細小的動作中
得到如此多訊息的呢？

87
00:05:16,341 --> 00:05:21,702
那麼讓我們假設這些樹葉
只是移動了一點點距離，

88
00:05:21,702 --> 00:05:26,010
再者樹葉只是移動了
千分之一個像素的距離。

89
00:05:27,269 --> 00:05:29,841
那看起來並不多，

90
00:05:29,841 --> 00:05:31,837
但是一個單一幀率的影片，

91
00:05:31,837 --> 00:05:35,094
可能有不計其數的像素。

92
00:05:35,094 --> 00:05:38,548
所以如果我們將這些細小的動作

93
00:05:38,548 --> 00:05:40,846
從整個畫面中截取出來的話，可以看到

94
00:05:40,846 --> 00:05:43,469
一個像素的千分之一

95
00:05:43,469 --> 00:05:46,244
可以累計變得十分重要。

96
00:05:46,870 --> 00:05:50,505
就我個人來說，
我們研究出來時高興得都要瘋了。

97
00:05:50,505 --> 00:05:52,825
（笑聲）

98
00:05:52,825 --> 00:05:56,078
但是就算擁有正確的算法，

99
00:05:56,078 --> 00:05:59,695
我們仍然會丟失整個拼圖中最重要的部分。

100
00:05:59,695 --> 00:06:01,749
你們知道有許多的因素

101
00:06:01,749 --> 00:06:05,296
會對這個技術正常工作造成影響。

102
00:06:05,296 --> 00:06:08,500
這些因素包括，物體離得有多少遠、

103
00:06:08,500 --> 00:06:10,894
拍攝的時候使用的鏡頭、

104
00:06:10,894 --> 00:06:14,985
有多少光照在物體上，還有放出的聲音多響。

105
00:06:15,945 --> 00:06:19,320
而且就算擁有正確的算法，

106
00:06:19,320 --> 00:06:22,710
我們在早期的試驗中必須十分小心。

107
00:06:22,710 --> 00:06:25,102
如果說我們弄錯了其中任何一個細節，

108
00:06:25,102 --> 00:06:27,470
我們沒有辦法找出問題所在，

109
00:06:27,470 --> 00:06:30,117
只會得到一段噪音。

110
00:06:30,117 --> 00:06:33,437
所以我們早期的研究是像這樣的。

111
00:06:33,437 --> 00:06:35,643
這就是我。

112
00:06:35,643 --> 00:06:39,683
在畫面的左下角可以看到我們的高速錄影機，

113
00:06:39,683 --> 00:06:41,866
它正對著一包洋芋片，

114
00:06:41,866 --> 00:06:44,815
所有的事物被一盞燈所照亮。

115
00:06:44,815 --> 00:06:49,180
就像我說的，我們需要格外小心。

116
00:06:49,180 --> 00:06:51,688
這就是這個試驗如何進行的。

117
00:06:51,688 --> 00:06:55,449
（影片）亞伯戴維斯：三二一開始。

118
00:06:55,449 --> 00:07:00,836
瑪麗有隻小綿羊
小綿羊！小綿羊！

119
00:07:00,836 --> 00:07:05,336
（笑聲）

120
00:07:05,336 --> 00:07:08,150
亞伯戴維斯：所以這個實驗看起來十分可笑。

121
00:07:08,150 --> 00:07:09,938
（笑聲）

122
00:07:09,938 --> 00:07:12,283
我對著一袋洋芋片尖叫。

123
00:07:12,283 --> 00:07:13,834
（笑聲）

124
00:07:13,834 --> 00:07:15,951
我們在充足的光照下對著它大叫，

125
00:07:15,951 --> 00:07:20,430
我們確實將第一個實驗的洋芋融化了。（笑聲）

126
00:07:20,525 --> 00:07:23,799
儘管看上去很可笑，

127
00:07:23,799 --> 00:07:25,587
這確實是十分重要，

128
00:07:25,587 --> 00:07:28,513
因為我們可以復原這個聲音。

129
00:07:28,513 --> 00:07:33,225
（聲音）瑪麗有隻小綿羊，小綿羊！小綿羊！

130
00:07:33,225 --> 00:07:37,313
（掌聲）

131
00:07:37,313 --> 00:07:39,194
這是十分重要的。

132
00:07:39,194 --> 00:07:43,313
因為這是第一次
我們從一個物體靜止的影像中，

133
00:07:43,424 --> 00:07:45,765
復原出了清楚的人聲。

134
00:07:45,765 --> 00:07:48,156
所以這給了我們一個參考，

135
00:07:48,156 --> 00:07:52,027
並且可以逐漸去修改這個實驗。

136
00:07:52,106 --> 00:07:55,911
用不同的物體或者把物體移到更遠的地方，

137
00:07:55,911 --> 00:07:58,681
或者使用少量的光和更加輕的聲音。

138
00:07:59,887 --> 00:08:02,761
我們分析了實驗，

139
00:08:02,761 --> 00:08:06,383
直到我們弄清楚我們技術的侷限性在哪，

140
00:08:06,383 --> 00:08:08,333
因為只要我們明白它們的極限，

141
00:08:08,333 --> 00:08:10,679
就可以知道如何去推動它們。

142
00:08:10,679 --> 00:08:13,860
我們的實驗就可能變成這一個，

143
00:08:13,860 --> 00:08:16,599
我在同一個地方
再一次向一包洋芋片說話，

144
00:08:16,599 --> 00:08:21,429
但是這一次我們把攝影機往後移動了15英尺，

145
00:08:21,429 --> 00:08:24,262
放置在隔音玻璃後面，

146
00:08:24,262 --> 00:08:27,065
所有的東西僅僅是被太陽光所照亮。

147
00:08:28,529 --> 00:08:30,684
這是我們拍攝到的影片。

148
00:08:32,450 --> 00:08:37,009
聽起來這個聲音是從洋芋片內部發出來的。

149
00:08:37,009 --> 00:08:42,047
（聲音）瑪麗有隻小綿羊，
牠的毛白得像雪一樣。

150
00:08:42,047 --> 00:08:47,666
並且瑪麗走到哪裏，
小綿羊就跟到哪裏。

151
00:08:47,666 --> 00:08:51,683
這是我們能夠通過在玻璃外面捕捉的

152
00:08:51,683 --> 00:08:54,028
靜止影像中還原出來的。

153
00:08:54,028 --> 00:08:58,463
（聲音）瑪麗有隻小綿羊，
牠的毛白得像雪一樣。

154
00:08:58,463 --> 00:09:03,920
並且瑪麗走到哪裏，
小綿羊就跟到哪裏。

155
00:09:03,920 --> 00:09:10,421
（掌聲）

156
00:09:10,421 --> 00:09:13,963
還有其他辦法去推動這些限制，

157
00:09:13,963 --> 00:09:15,761
所以下面是一個更安靜的實驗。

158
00:09:15,761 --> 00:09:19,871
我們拍攝了一些插在電腦上的耳機。

159
00:09:19,871 --> 00:09:23,981
我們的目標是還原出
在手提電腦上所放出的聲音，

160
00:09:23,981 --> 00:09:26,280
從這兩個小耳機中的

161
00:09:26,280 --> 00:09:28,787
從靜止影片中得到。

162
00:09:28,787 --> 00:09:30,970
並且我們可以做得很好，

163
00:09:30,970 --> 00:09:33,431
甚至能夠用聽歌識曲軟體鑑別我們的結果。

164
00:09:33,431 --> 00:09:35,842
（笑聲）

165
00:09:37,191 --> 00:09:47,225
（音樂：皇后樂隊 “壓力之下”）

166
00:09:49,615 --> 00:09:54,584
（掌聲）

167
00:09:54,584 --> 00:09:59,135
我們也可以通過改變硬體來推動事物。

168
00:09:59,135 --> 00:10:01,596
我給你們看的這些實驗

169
00:10:01,596 --> 00:10:03,918
都使用了攝影機，高速攝影機，

170
00:10:03,918 --> 00:10:06,797
我們可以比大多數手機

171
00:10:06,797 --> 00:10:08,724
快一百倍地記錄影片。

172
00:10:08,724 --> 00:10:11,533
但是我們也找到了用普通攝影機

173
00:10:11,533 --> 00:10:13,763
使用這一項技術的方法。

174
00:10:13,763 --> 00:10:17,832
我們採用普通照相機
像百葉窗一樣記錄東西優點來記錄。

175
00:10:17,832 --> 00:10:22,630
你們知道，大多數照相機
一段時間記錄一排的圖像，

176
00:10:22,630 --> 00:10:28,332
所以如果一個物體
只在被記錄的圖像中移動，

177
00:10:28,344 --> 00:10:31,061
在記錄的每一排之間幾乎沒有延遲。

178
00:10:31,061 --> 00:10:34,218
這樣就可以使物體

179
00:10:34,218 --> 00:10:37,701
被記錄到影片的每一個部分之中。

180
00:10:37,701 --> 00:10:41,507
我們發現透過分析這些東西，

181
00:10:41,507 --> 00:10:46,122
實際上只是用了更改過的算法來還原出聲音。

182
00:10:46,122 --> 00:10:48,034
下面就是我們所做的實驗。

183
00:10:48,034 --> 00:10:49,729
我們拍攝了一袋糖，

184
00:10:49,729 --> 00:10:51,470
同時邊上有一個擴音器正在播放著

185
00:10:51,470 --> 00:10:54,442
與之前相同的“瑪麗有隻小綿羊”。

186
00:10:54,442 --> 00:10:58,645
但是這一次我們僅使用從商店買來的攝影機。

187
00:10:58,645 --> 00:11:01,819
馬上我就向你們播放我們還原出的聲音。

188
00:11:01,819 --> 00:11:03,869
這一次聲音聽起來有一些扭曲，

189
00:11:03,869 --> 00:11:06,705
但是請聽聽看能否分辨出這音樂。

190
00:11:07,723 --> 00:11:13,946
（聲音：“瑪麗有隻小綿羊”）

191
00:11:25,527 --> 00:11:28,992
聲音確實被扭曲了，

192
00:11:28,992 --> 00:11:33,378
但是神奇的是，我們能夠做這個事情，

193
00:11:33,378 --> 00:11:36,004
運用一些用完以後

194
00:11:36,004 --> 00:11:37,448
就可以在 Best Buy 買到的東西。

195
00:11:39,122 --> 00:11:40,485
所以在這時

196
00:11:40,485 --> 00:11:42,459
很多人可以看到我們的研究結果，

197
00:11:42,459 --> 00:11:45,872
然後他們立刻會想到監視。

198
00:11:45,872 --> 00:11:48,287
公平的說，

199
00:11:48,287 --> 00:11:52,420
不難想到你們可以用這項技術去監視其他人。

200
00:11:52,420 --> 00:11:56,367
但是要記住早就有許多成熟的技術

201
00:11:56,367 --> 00:11:57,946
為監視所準備。

202
00:11:57,946 --> 00:12:00,036
事實上，人們數十年來使用雷射

203
00:12:00,036 --> 00:12:02,835
去竊聽別的事物。

204
00:12:03,978 --> 00:12:06,003
但是，這個技術新穎的地方、

205
00:12:06,003 --> 00:12:07,443
完全不同的地方，

206
00:12:07,443 --> 00:12:11,738
是我們現在有辦法拍攝出物體的振動。

207
00:12:11,738 --> 00:12:15,151
讓我們獲得了觀察這個世界的新鏡頭，

208
00:12:15,151 --> 00:12:16,661
並且可以使用這鏡頭，

209
00:12:16,661 --> 00:12:21,560
不僅僅是為了去瞭解導致物體振動的聲音，

210
00:12:21,560 --> 00:12:23,848
還瞭解了物體本身。

211
00:12:24,975 --> 00:12:26,668
所以我想往回退一步

212
00:12:26,668 --> 00:12:30,917
去思考這個技術會如何改變
我們應用影片的方法。

213
00:12:30,917 --> 00:12:34,470
因為我們用影片通常來看一些東西，

214
00:12:34,470 --> 00:12:36,792
並且我剛才已經展示如何使用它

215
00:12:36,792 --> 00:12:38,649
去聽一些東西。

216
00:12:38,649 --> 00:12:42,620
但是另外有一個我們瞭解世界的重要方法，

217
00:12:42,620 --> 00:12:44,895
那就是和它互動。

218
00:12:44,895 --> 00:12:48,006
我們推、拉、戳、刺一些事物，

219
00:12:48,006 --> 00:12:51,187
我們搖動物體來明白發生了什麼事。

220
00:12:51,187 --> 00:12:55,460
那是影片無法做到的。

221
00:12:55,460 --> 00:12:57,596
至少過去不行。

222
00:12:57,596 --> 00:12:59,546
所以我想向你們展示一些新的成品，

223
00:12:59,546 --> 00:13:02,213
這源自我幾個月之前的想法，

224
00:13:02,213 --> 00:13:05,514
所以這是我第一次公眾展示。

225
00:13:05,514 --> 00:13:10,877
而且基本的想法就是
我們會用影片之中的振動，

226
00:13:10,877 --> 00:13:15,358
來捕捉物體
在某種程度上這樣可以使我們與物體互動，

227
00:13:15,358 --> 00:13:17,332
並且可以知道它們如何對我們進行反應。

228
00:13:19,120 --> 00:13:20,884
這是一個物體。

229
00:13:20,884 --> 00:13:24,716
這是一個用線做成的人。

230
00:13:24,716 --> 00:13:27,624
我們要用普通的相機去拍攝它，

231
00:13:27,624 --> 00:13:29,698
所以這個相機沒有什麼特別之處。

232
00:13:29,698 --> 00:13:32,889
事實上我曾經用我的手機完成過這件事

233
00:13:32,889 --> 00:13:35,141
但是我們確實希望這個物體振動。

234
00:13:35,141 --> 00:13:36,274
所以為了做到這點，

235
00:13:36,274 --> 00:13:39,620
我們在拍攝的時候

236
00:13:39,620 --> 00:13:41,758
在它放置的地方敲擊。

237
00:13:47,398 --> 00:13:51,069
這就是全部了：一個僅僅五秒鐘的普通影片，

238
00:13:51,069 --> 00:13:53,205
拍攝我們敲擊表面的時候。

239
00:13:53,205 --> 00:13:56,718
我們將要用這個影片的震動

240
00:13:56,718 --> 00:14:01,262
去瞭解這個物體的結構和組織組成，

241
00:14:01,262 --> 00:14:06,096
然後使用這個訊息
去創造新穎和互動性的東西。

242
00:14:12,866 --> 00:14:15,519
這就是我們所創造的。

243
00:14:15,519 --> 00:14:17,748
這看起來像一個普通的圖片，

244
00:14:17,748 --> 00:14:20,859
但是這不是圖片也不是影片。

245
00:14:20,859 --> 00:14:23,227
因為我可以用我的游標，

246
00:14:23,227 --> 00:14:26,086
也可以和我這個物體互動。

247
00:14:32,936 --> 00:14:35,293
所以你們看到的

248
00:14:35,389 --> 00:14:37,615
是一個我們從來沒看到過的，

249
00:14:37,615 --> 00:14:42,073
關於物體如何對新的力量進行反應。

250
00:14:42,073 --> 00:14:45,706
我們只是使用了五秒鐘的影片。

251
00:14:47,249 --> 00:14:51,964
（掌聲）

252
00:14:57,421 --> 00:15:00,648
所以這是個十分有力的看世界的方法，

253
00:15:00,648 --> 00:15:03,620
讓我們能推測物體是如何在新環境

254
00:15:03,620 --> 00:15:05,443
做出反應的。

255
00:15:05,443 --> 00:15:08,916
並且可以想像，例如看一個古老的橋樑，

256
00:15:08,916 --> 00:15:12,543
並思考開車經過那座橋時

257
00:15:12,543 --> 00:15:15,276
它會如何支撐住。

258
00:15:15,276 --> 00:15:18,050
那是一個在你開車穿過之前，

259
00:15:18,050 --> 00:15:20,610
你會想先知道答案的問題。

260
00:15:21,988 --> 00:15:25,260
的確，這項技術還是有侷限性的，

261
00:15:25,260 --> 00:15:27,722
就像視覺麥克風也有缺陷一樣，

262
00:15:27,722 --> 00:15:30,903
但是我們發現它適用於許多情況，

263
00:15:30,903 --> 00:15:32,778
你可能沒有想到的，

264
00:15:32,778 --> 00:15:35,546
尤其是拍攝更長影片的時候。

265
00:15:35,546 --> 00:15:38,054
例如，這是我拍的一段影片，

266
00:15:38,054 --> 00:15:40,353
是我公寓外的灌木叢。

267
00:15:40,353 --> 00:15:43,441
我沒有對這灌木叢做什麼事，

268
00:15:43,441 --> 00:15:46,146
但是透過拍攝一段一分鐘的影片，

269
00:15:46,146 --> 00:15:49,524
一陣輕風可以產生足夠的振動，

270
00:15:49,524 --> 00:15:53,111
我們可以足夠地瞭解這個灌木叢
從而創造出這樣的模擬情況。

271
00:15:55,270 --> 00:16:01,412
（掌聲）

272
00:16:01,412 --> 00:16:04,384
所以你可以想像將這個技術給一個電影導演，

273
00:16:04,384 --> 00:16:06,103
讓他來控制

274
00:16:06,103 --> 00:16:11,025
影片拍攝完後的風力強度和方向。

275
00:16:12,810 --> 00:16:17,345
我們也將相機指向了一個掛著的窗簾，

276
00:16:17,345 --> 00:16:21,474
你幾乎看不到影片中有任何動作，

277
00:16:21,474 --> 00:16:24,399
但是拍攝兩分鐘的影片後，

278
00:16:24,399 --> 00:16:26,837
在這個房間中的天然氣流

279
00:16:26,837 --> 00:16:31,249
創造了足夠細微、不可被察覺的動作和振動，

280
00:16:31,249 --> 00:16:33,814
這樣我們也可以透過振動製造出模擬。

281
00:16:36,243 --> 00:16:38,609
可笑的是，

282
00:16:38,609 --> 00:16:41,697
我們只是在

283
00:16:41,697 --> 00:16:44,344
虛擬的物體上，

284
00:16:44,344 --> 00:16:47,641
電視遊戲和3D模型中使用這種互動。

285
00:16:47,641 --> 00:16:52,045
但是僅僅使用簡單普通的影片

286
00:16:52,045 --> 00:16:54,862
去捕捉現實世界中的真實物體，

287
00:16:54,862 --> 00:16:57,045
仍然有很大的潛力。

288
00:16:58,410 --> 00:17:03,314
這裏有許多傑出的人
與我共同研究這些計劃。

289
00:17:04,057 --> 00:17:09,653
（掌聲）

290
00:17:12,819 --> 00:17:15,876
我今天展示給你們看的只是個開始。

291
00:17:15,876 --> 00:17:17,989
我們僅僅開始挖出表面的一部分，

292
00:17:17,989 --> 00:17:20,961
看看這樣的成像技術能做到什麼事。

293
00:17:20,961 --> 00:17:23,247
因為它給了我們一個新的方法

294
00:17:23,342 --> 00:17:28,066
透過平常可得到的技術去捕捉周圍的東西。

295
00:17:28,066 --> 00:17:29,995
所以展望未來，

296
00:17:29,995 --> 00:17:32,032
探索這個技術
可以告訴我們關於這個世界

297
00:17:32,032 --> 00:17:33,888
會變得格外激動人心。

298
00:17:34,381 --> 00:17:35,585
謝謝。

299
00:17:35,610 --> 00:17:41,717
（掌聲）