1
00:00:01,114 --> 00:00:08,606
Ao longo dos últimos séculos,
microscópios revolucionaram nosso mundo.
2
00:00:09,036 --> 00:00:14,252
Eles nos revelaram um mundo minúsculo
de objetos, vida e estruturas
3
00:00:14,252 --> 00:00:17,028
que são pequenos demais
para vermos a olho nu.
4
00:00:17,028 --> 00:00:19,930
Eles são uma enorme contribuição
para a ciência e tecnologia.
5
00:00:19,930 --> 00:00:23,164
Hoje eu gostaria de apresentá-los
à um novo tipo de microscópio,
6
00:00:23,164 --> 00:00:25,766
um microscópio que amplifica mudanças.
7
00:00:25,766 --> 00:00:28,500
Ele não usa ótica,
como um microscópio comum,
8
00:00:28,500 --> 00:00:30,771
para aumentar pequenos objetos,
9
00:00:30,771 --> 00:00:35,257
mas em vez disso, usa uma câmera de vídeo
e processamento de imagem
10
00:00:35,257 --> 00:00:40,513
para nos revelar os movimentos ínfimos
e mudanças de cor em objetos e pessoas,
11
00:00:40,513 --> 00:00:44,355
mudanças que são impossíveis
de serem vistas a olhos nus.
12
00:00:44,355 --> 00:00:48,095
E isso permite-nos olhar o nosso mundo
de uma forma totalmente nova.
13
00:00:48,095 --> 00:00:50,525
Então, o que quero dizer
com alterações de cor?
14
00:00:50,525 --> 00:00:53,207
Nossa pele, por exemplo,
muda de cor muito ligeiramente
15
00:00:53,207 --> 00:00:55,214
quando o sangue flui sob ela.
16
00:00:55,214 --> 00:00:57,611
Essa mudança é incrivelmente sutil,
17
00:00:57,611 --> 00:00:59,674
por isso quando você vê outras pessoas,
18
00:00:59,674 --> 00:01:01,925
quando olha para a pessoa
sentada ao seu lado,
19
00:01:01,925 --> 00:01:05,500
você não vê sua pele
ou seu rosto mudando de cor.
20
00:01:05,500 --> 00:01:09,860
Quando vemos este vídeo do Steve aqui,
a aparência é de uma imagem estática,
21
00:01:09,860 --> 00:01:13,460
mas quando vemos o vídeo através
do nosso novo e especial microscópio,
22
00:01:13,460 --> 00:01:16,320
de repente, vemos uma imagem
completamente distinta.
23
00:01:16,320 --> 00:01:20,250
O que veem aqui são pequenas mudanças
na cor da pele do Steve,
24
00:01:20,250 --> 00:01:24,256
ampliadas 100 vezes,
de modo que se tornam visíveis.
25
00:01:24,256 --> 00:01:27,393
Na verdade, podemos ver um pulso humano.
26
00:01:27,393 --> 00:01:30,940
Podemos ver o quão rápido
o coração de Steve está batendo,
27
00:01:30,940 --> 00:01:36,535
mas também podemos ver a forma real
com que o sangue flui em seu rosto.
28
00:01:36,544 --> 00:01:39,175
E podemos fazer isso não só
para visualizar o pulso,
29
00:01:39,175 --> 00:01:44,039
mas também para efetivamente
extrair e medir a frequência cardíaca,
30
00:01:44,039 --> 00:01:48,892
E podemos fazer isso com câmeras comuns
e sem tocar nos pacientes.
31
00:01:48,892 --> 00:01:54,339
Aqui vemos o pulso e frequência cardíaca
que extraímos de um bebê recém-nascido
32
00:01:54,339 --> 00:01:57,390
a partir um vídeo feito
com uma câmera DSLR comum,
33
00:01:57,390 --> 00:01:59,206
e a frequência cardíaca que obtemos
34
00:01:59,206 --> 00:02:03,757
é tão precisa quanto aquela
de um monitor padrão de hospital.
35
00:02:03,757 --> 00:02:06,329
E nem precisa ser um vídeo que gravamos.
36
00:02:06,329 --> 00:02:09,514
Podemos essencialmente fazê-lo
com outros vídeos também.
37
00:02:09,514 --> 00:02:13,295
Então, peguei um pequeno clipe
de "Batman Begins" aqui,
38
00:02:13,295 --> 00:02:15,459
só para mostrar o pulso de Christian Bale.
39
00:02:15,459 --> 00:02:17,101
(Risos)
40
00:02:17,101 --> 00:02:19,204
E presumivelmente,
ele está usando maquiagem,
41
00:02:19,204 --> 00:02:21,277
iluminação aqui
é um pouco desafiadora,
42
00:02:21,277 --> 00:02:24,208
mesmo assim, a partir do vídeo,
podemos extrair seu pulso
43
00:02:24,208 --> 00:02:26,186
e mostrá-lo muito bem.
44
00:02:26,186 --> 00:02:28,136
Então, como fazemos isso?
45
00:02:28,136 --> 00:02:32,374
Basicamente analisamos
as mudanças na luz que é gravada
46
00:02:32,374 --> 00:02:34,975
em cada pixel do vídeo, ao longo do tempo,
47
00:02:34,975 --> 00:02:36,713
e depois aumentamos essas mudanças.
48
00:02:36,713 --> 00:02:39,075
Tornamos elas maiores
para que possamos vê-las.
49
00:02:39,075 --> 00:02:40,977
A parte complicada é que esses sinais,
50
00:02:40,977 --> 00:02:43,910
essas mudanças que queremos ver,
são extremamente sutis,
51
00:02:43,910 --> 00:02:46,689
por isso temos que ter muito cuidado
ao separá-las do ruído
52
00:02:46,689 --> 00:02:49,900
que sempre existe em vídeos.
53
00:02:49,900 --> 00:02:53,515
Então, usamos algumas técnicas
inteligentes de processamento de imagem
54
00:02:53,515 --> 00:02:57,509
para obter uma medida muito precisa
da cor de cada pixel no vídeo,
55
00:02:57,509 --> 00:03:00,179
e em seguida, a forma
como a cor muda ao longo do tempo,
56
00:03:00,179 --> 00:03:02,872
e então amplificamos essas mudanças.
57
00:03:02,872 --> 00:03:06,852
Tornamo-as maiores para criar esses tipos
de vídeos melhorados, ou ampliados,
58
00:03:06,852 --> 00:03:09,024
que realmente nos mostram essas mudanças.
59
00:03:09,024 --> 00:03:13,262
Acontece que podemos fazer isso não apenas
para mostrar pequenas mudanças de cor,
60
00:03:13,262 --> 00:03:15,503
mas também pequenos movimentos,
61
00:03:15,503 --> 00:03:19,079
e isso é porque a luz
que fica gravada em nossas câmeras
62
00:03:19,079 --> 00:03:21,729
muda não somente com a cor do objeto,
63
00:03:21,729 --> 00:03:24,077
mas também quando o objeto se move.
64
00:03:24,077 --> 00:03:27,893
Então, esta é a minha filha
quando tinha cerca de dois meses de idade.
65
00:03:27,893 --> 00:03:30,782
É um vídeo que gravei
há cerca de três anos atrás.
66
00:03:30,782 --> 00:03:34,360
E como pais iniciantes, todos queremos
que nossos bebês estejam saudáveis,
67
00:03:34,360 --> 00:03:36,372
respirando, e que estejam vivos, é claro.
68
00:03:36,372 --> 00:03:38,784
Então, eu também tinha
um desses monitores de bebê
69
00:03:38,784 --> 00:03:41,223
para ver minha filha
enquanto estava dormindo.
70
00:03:41,223 --> 00:03:44,780
E isso é o que você verá
com um monitor de bebê padrão.
71
00:03:44,780 --> 00:03:48,214
Vocês podem ver o bebê dormindo,
mas não há muita informação aí.
72
00:03:48,214 --> 00:03:49,708
Não há muito que podemos ver.
73
00:03:49,708 --> 00:03:52,672
Não seria melhor,
ou mais informativo, ou mais útil,
74
00:03:52,672 --> 00:03:55,732
se em vez disso pudéssemos
observar a cena assim.
75
00:03:55,732 --> 00:04:01,808
Aqui eu ampliei os movimentos em 30 vezes,
76
00:04:01,808 --> 00:04:06,074
então pude ver claramente que minha filha
estava realmente viva e respirando.
77
00:04:06,074 --> 00:04:08,327
(Risos)
78
00:04:08,327 --> 00:04:10,249
Aqui está uma comparação lado-a-lado.
79
00:04:10,249 --> 00:04:12,732
Novamente, no vídeo de origem,
no vídeo original,
80
00:04:12,732 --> 00:04:14,158
Não há muito que podemos ver,
81
00:04:14,158 --> 00:04:18,075
mas uma vez que aumentamos os movimentos,
a respiração torna-se muito mais visível.
82
00:04:18,075 --> 00:04:20,144
E acontece que,
há muitos fenômenos
83
00:04:20,144 --> 00:04:23,768
que podemos revelar e ampliar
com o nosso novo microscópio de movimento.
84
00:04:23,768 --> 00:04:28,072
Podemos ver como nossas veias e artérias
estão pulsando em nossos corpos.
85
00:04:28,072 --> 00:04:30,960
Podemos ver que nossos olhos
estão em constante movimento
86
00:04:30,960 --> 00:04:32,847
nesse padrão cambaleante.
87
00:04:32,847 --> 00:04:34,356
Isso é na verdade o meu olho,
88
00:04:34,356 --> 00:04:37,261
e esse vídeo foi feito
logo depois que minha filha nasceu,
89
00:04:37,261 --> 00:04:41,623
então vocês podem ver que eu não
estava dormindo muito. (Risos)
90
00:04:41,623 --> 00:04:44,339
Até mesmo quando uma pessoa está parada,
91
00:04:44,339 --> 00:04:46,383
há muita informação
que podemos extrair
92
00:04:46,383 --> 00:04:49,552
dos seus padrões de respiração
e pequenas expressões faciais.
93
00:04:49,552 --> 00:04:51,537
Talvez pudéssemos usar esses movimentos
94
00:04:51,537 --> 00:04:54,691
para nos dizer algo sobre
nossos pensamentos ou emoções.
95
00:04:54,691 --> 00:04:57,606
Também podemos ampliar
pequenos movimentos mecânicos,
96
00:04:57,606 --> 00:04:59,251
como vibrações em motores,
97
00:04:59,251 --> 00:05:02,963
que podem ajudar engenheiros a detectar
e diagnosticar problemas em máquinas,
98
00:05:02,963 --> 00:05:07,931
ou ver como nossos edifícios e estruturas
balançam ao vento e reagem às forças.
99
00:05:07,931 --> 00:05:12,312
Essas são coisas que a nossa sociedade
sabe como medir de várias maneiras,
100
00:05:12,312 --> 00:05:14,965
mas medir esses movimentos é uma coisa,
101
00:05:14,965 --> 00:05:17,241
e ver esses movimentos
enquanto eles acontecem
102
00:05:17,241 --> 00:05:19,795
é algo totalmente diferente.
103
00:05:19,795 --> 00:05:22,836
E desde que descobrimos
essa nova tecnologia,
104
00:05:22,836 --> 00:05:26,789
divulgamos o nosso código online para que
outros pudessem usar e experimentar.
105
00:05:26,789 --> 00:05:28,664
É muito simples de usar.
106
00:05:28,664 --> 00:05:30,708
Pode funcionar em seus próprios vídeos.
107
00:05:30,708 --> 00:05:33,691
Nossos colaboradores na Quantum Research
criaram este belo site
108
00:05:33,691 --> 00:05:36,699
onde vocês podem fazer o upload
de vídeos e processá-los online,
109
00:05:36,699 --> 00:05:40,395
e mesmo que não tenham experiência
em ciência da computação ou programação,
110
00:05:40,395 --> 00:05:43,421
ainda podem facilmente
experimentar esse novo microscópio.
111
00:05:43,421 --> 00:05:45,745
E eu gostaria de mostrar-lhes
alguns exemplos
112
00:05:45,745 --> 00:05:48,470
do que as pessoas fizeram com ele.
113
00:05:48,470 --> 00:05:53,657
Este vídeo foi feito por
um usuário do YouTube chamado Tamez85.
114
00:05:53,657 --> 00:05:55,250
Eu não sei quem é esse usuário,
115
00:05:55,250 --> 00:05:57,595
mas ele, ou ela, usou o nosso código
116
00:05:57,595 --> 00:06:01,150
para ampliar pequenos movimentos
da barriga durante a gravidez.
117
00:06:01,150 --> 00:06:02,802
É meio assustador.
118
00:06:02,802 --> 00:06:04,525
(Risos)
119
00:06:04,525 --> 00:06:09,486
Pessoas ampliaram as veias em suas mãos.
120
00:06:09,486 --> 00:06:13,268
E sabemos que não é ciência de verdade
a menos que se use cobaias,
121
00:06:13,268 --> 00:06:16,508
e, aparentemente, esta cobaia
se chama Tiffany,
122
00:06:16,508 --> 00:06:19,607
e esse usuário do YouTube
diz que ela é o primeiro roedor na Terra
123
00:06:19,607 --> 00:06:22,295
a ter os movimentos ampliados.
124
00:06:22,295 --> 00:06:24,483
Você também pode fazer arte.
125
00:06:24,483 --> 00:06:27,421
Este vídeo me foi enviado por uma
estudante de design em Yale.
126
00:06:27,421 --> 00:06:29,338
Ela queria ver se há alguma diferença
127
00:06:29,338 --> 00:06:31,680
na forma como seus
colegas de classe se movem.
128
00:06:31,680 --> 00:06:35,369
Ela fez com que todos ficassem parados,
então ampliou seus movimentos.
129
00:06:35,369 --> 00:06:38,747
É como ver fotografias ganharem vida.
130
00:06:38,747 --> 00:06:41,180
E a coisa legal nesses exemplos
131
00:06:41,180 --> 00:06:43,476
é que não tivemos nada a ver com eles.
132
00:06:43,476 --> 00:06:47,330
Nós apenas provemos essa nova ferramenta,
uma nova maneira de olhar o mundo,
133
00:06:47,330 --> 00:06:52,462
e então as pessoas acham outras formas
interessantes e criativas de usá-la.
134
00:06:52,462 --> 00:06:54,226
Mas não paramos por aí.
135
00:06:54,226 --> 00:06:57,477
Esta ferramenta não só nos permite
ver o mundo de uma nova maneira,
136
00:06:57,477 --> 00:07:01,305
ela também redefine e expande
os limites do que podemos fazer
137
00:07:01,305 --> 00:07:02,886
com nossas câmeras.
138
00:07:02,886 --> 00:07:05,255
Então, como cientistas,
começamos a nos perguntar,
139
00:07:05,255 --> 00:07:09,040
quais outros tipos de fenômenos físicos
produzem pequenos movimentos
140
00:07:09,040 --> 00:07:11,943
que podemos usar
nossas câmeras para medir?
141
00:07:11,943 --> 00:07:15,944
Um desses fenômenos no qual recentemente
nos concentramos é o som.
142
00:07:15,944 --> 00:07:18,049
O som, como sabemos,
é basicamente mudanças
143
00:07:18,049 --> 00:07:20,232
de pressão se propagam no ar.
144
00:07:20,232 --> 00:07:23,853
Essas ondas de pressão batem em objetos
e criam pequenas vibrações neles,
145
00:07:23,853 --> 00:07:26,385
é assim que ouvimos e gravamos o som.
146
00:07:26,385 --> 00:07:30,053
Mas acontece que o som
também produz movimentos visuais.
147
00:07:30,053 --> 00:07:32,666
Esses movimentos
não são visíveis para nós,
148
00:07:32,666 --> 00:07:35,507
mas são visíveis para uma câmera
com o tratamento correto.
149
00:07:35,507 --> 00:07:37,260
Então, aqui estão dois exemplos.
150
00:07:37,260 --> 00:07:40,994
Esse sou eu demonstrando
minhas grandes habilidades de canto.
151
00:07:41,064 --> 00:07:42,698
(Cantando)
152
00:07:42,698 --> 00:07:43,944
(Risos)
153
00:07:43,944 --> 00:07:47,250
Fiz um vídeo em câmera lenta da minha
garganta enquanto cantava.
154
00:07:47,250 --> 00:07:49,324
Novamente, se vocês olharem para o vídeo,
155
00:07:49,324 --> 00:07:50,960
não há muito que conseguirão ver,
156
00:07:50,960 --> 00:07:55,132
mas ao ampliarmos os movimentos 100 vezes,
vemos todos os movimentos e ondulações
157
00:07:55,132 --> 00:07:58,566
do pescoço que estão envolvidos
na produção do som.
158
00:07:58,566 --> 00:08:01,306
Esse sinal está alí naquele vídeo.
159
00:08:01,306 --> 00:08:03,726
Também sabemos que cantores
podem quebrar uma taça
160
00:08:03,726 --> 00:08:05,439
se atingirem a nota correta.
161
00:08:05,439 --> 00:08:07,064
Aqui, vamos tocar uma nota
162
00:08:07,064 --> 00:08:09,730
que está em ressonância
com a frequência da taça
163
00:08:09,730 --> 00:08:12,038
através de um alto-falante
que está ao lado dela.
164
00:08:12,038 --> 00:08:16,197
Uma vez que tocamos essa nota
e ampliamos os movimentos 250 vezes,
165
00:08:16,197 --> 00:08:18,535
podemos ver muito claramente
como o vidro vibra
166
00:08:18,535 --> 00:08:22,105
e ressoa em resposta ao som.
167
00:08:22,105 --> 00:08:24,295
Não é algo que vemos todos os dias.
168
00:08:24,295 --> 00:08:28,054
Mas isso nos fez pensar.
Isso nos deu uma ideia maluca.
169
00:08:28,054 --> 00:08:33,662
Será que podemos inverter este processo
e recuperar o som a partir do vídeo
170
00:08:33,662 --> 00:08:37,697
através da análise de minúsculas vibrações
que as ondas sonoras criam em objetos,
171
00:08:37,697 --> 00:08:42,474
e, essencialmente, convertê-las
de volta para os sons que as produziram?
172
00:08:42,474 --> 00:08:46,931
Desta forma, podemos transformar
objetos do cotidiano em microfones.
173
00:08:46,931 --> 00:08:49,163
Então, isso é exatamente o que fizemos.
174
00:08:49,163 --> 00:08:51,979
Aqui está um saco de batatas vazio
que estava em uma mesa,
175
00:08:51,979 --> 00:08:54,684
e vamos transformar esse saco
de batatas em um microfone
176
00:08:54,684 --> 00:08:56,335
filmando-o com uma câmera de vídeo
177
00:08:56,335 --> 00:08:59,623
e analisando os mínimos movimentos
que as ondas sonoras criam nele.
178
00:08:59,623 --> 00:09:02,419
Aqui está o som que tocamos no quarto.
179
00:09:02,419 --> 00:09:09,707
(Música: "Mary Had a Little Lamb")
180
00:09:09,707 --> 00:09:13,272
E este é um vídeo em alta velocidade
desse saco de batatas fritas.
181
00:09:13,272 --> 00:09:14,656
A música está tocando.
182
00:09:14,656 --> 00:09:17,228
Não há como vocês verem
nada acontecendo nesse vídeo
183
00:09:17,228 --> 00:09:18,476
somente olhando para ele,
184
00:09:18,476 --> 00:09:21,970
mas aqui está o som que conseguimos
recuperar apenas por meio da análise
185
00:09:21,970 --> 00:09:23,873
dos minúsculos movimentos no vídeo.
186
00:09:23,873 --> 00:09:29,535
(Música: "Mary Had a Little Lamb")
187
00:09:40,475 --> 00:09:42,471
Eu chamo isso de... Obrigado.
188
00:09:42,471 --> 00:09:47,696
(Aplausos)
189
00:09:49,388 --> 00:09:52,053
Eu chamo isso de microfone visual.
190
00:09:52,053 --> 00:09:55,473
Nós realmente extraímos sinais de áudio
a partir de sinais de vídeo.
191
00:09:55,473 --> 00:09:58,794
E só para dar-lhes um sentido
da escala dos movimentos aqui,
192
00:09:58,799 --> 00:10:03,885
um som bem alto fará com que o saco
de batatas se mova menos de um micrômetro.
193
00:10:03,885 --> 00:10:06,874
Isso é um milésimo de um milímetro.
194
00:10:06,874 --> 00:10:10,435
Esses são os movimentos minúsculos
que agora somos capazes de obter
195
00:10:10,435 --> 00:10:13,678
apenas observando como a luz
rebate em objetos
196
00:10:13,678 --> 00:10:15,814
e é gravada por nossas câmeras.
197
00:10:15,814 --> 00:10:19,064
Podemos recuperar sons a partir
de outros objetos, tais como plantas.
198
00:10:19,064 --> 00:10:25,040
(Música: "Mary Had a Little Lamb")
199
00:10:27,214 --> 00:10:29,211
E podemos recuperar falas também.
200
00:10:29,211 --> 00:10:31,708
Então aqui está uma pessoa
falando em um quarto.
201
00:10:31,708 --> 00:10:35,991
Voz (em inglês): Mary had a little lamb
whose fleece was white as snow,
202
00:10:35,991 --> 00:10:40,221
and everywhere that Mary went,
that lamb was sure to go.
203
00:10:40,221 --> 00:10:42,980
Michael Rubinstein: E aqui está
a fala recuperada
204
00:10:42,980 --> 00:10:46,254
a partir desse mesmo vídeo
do batatas fritas.
205
00:10:46,254 --> 00:10:51,085
Voz (em inglês): Mary had a little lamb
whose fleece was white as snow,
206
00:10:51,085 --> 00:10:55,644
and everywhere that Mary went,
that lamb was sure to go.
207
00:10:55,644 --> 00:10:58,290
MR: Usamos "Mary Had a Little Lamb"
208
00:10:58,290 --> 00:11:00,993
porque acredita-se que foram
as primeiras palavras
209
00:11:00,993 --> 00:11:04,574
que Thomas Edison falou
em seu fonógrafo em 1877.
210
00:11:04,574 --> 00:11:07,802
Ele foi um dos primeiros
gravadores de som na história.
211
00:11:07,802 --> 00:11:11,129
Ele basicamente direcionava o som
para um diafragma
212
00:11:11,129 --> 00:11:15,008
que vibrava uma agulha que, basicamente,
gravava o som em papel alumínio
213
00:11:15,008 --> 00:11:17,483
enrolado em torno de um cilindro.
214
00:11:17,483 --> 00:11:23,086
Aqui está uma demonstração de gravação e
reprodução de som no fonógrafo de Edison:
215
00:11:23,086 --> 00:11:26,236
(Video) Voz: Testando,
testando, um, dois, três.
216
00:11:26,236 --> 00:11:29,859
Mary had a little lamb
whose fleece was white as snow,
217
00:11:29,859 --> 00:11:33,528
and everywhere that Mary went,
the lamb was sure to go.
218
00:11:33,528 --> 00:11:36,268
Testando, testando, um, dois, três.
219
00:11:36,268 --> 00:11:40,424
Mary had a little lamb
whose fleece was white as snow,
220
00:11:40,424 --> 00:11:45,648
and everywhere that Mary went,
the lamb was sure to go.
221
00:11:45,648 --> 00:11:49,665
MR: E agora, 137 anos depois,
222
00:11:49,665 --> 00:11:53,752
somos capazes de obter som
praticamente com a mesma qualidade
223
00:11:53,752 --> 00:11:57,831
apenas observando objetos
vibrando ao som com câmeras,
224
00:11:57,831 --> 00:11:59,765
e podemos fazer isso mesmo com a câmera
225
00:11:59,765 --> 00:12:03,999
a 4,5 metros de distância do objeto,
e atrás de um vidro à prova de som.
226
00:12:03,999 --> 00:12:07,219
Este é o som que conseguimos
recuperar nesse caso.
227
00:12:07,219 --> 00:12:12,513
Voz: Mary had a little lamb
whose fleece was white as snow,
228
00:12:12,513 --> 00:12:17,272
and everywhere that Mary went,
the lamb was sure to go.
229
00:12:17,404 --> 00:12:21,034
MR: E, claro, vigilância é a primeira
aplicação que vem em mente.
230
00:12:21,034 --> 00:12:24,029
(Risos)
231
00:12:24,029 --> 00:12:28,085
Mas isso pode ser realmente útil
para outras coisas também.
232
00:12:28,085 --> 00:12:30,925
Talvez no futuro, sejamos capazes
para usá-lo, por exemplo,
233
00:12:30,925 --> 00:12:33,177
para recuperar som através do espaço,
234
00:12:33,177 --> 00:12:36,753
porque o som não pode viajar
no espaço, mas a luz pode.
235
00:12:36,753 --> 00:12:39,157
Nós apenas começamos a explorar
236
00:12:39,157 --> 00:12:41,746
outros usos possíveis
para esta nova tecnologia.
237
00:12:41,746 --> 00:12:45,008
Ela nos permite ver processos físicos
que sabemos que estão lá
238
00:12:45,008 --> 00:12:48,564
mas que nunca pudemos ver
com nossos próprios olhos até agora.
239
00:12:48,564 --> 00:12:49,768
Esta é a nossa equipe.
240
00:12:49,768 --> 00:12:52,567
Tudo o que eu mostrei hoje
é o resultado de uma colaboração
241
00:12:52,567 --> 00:12:55,188
com este incrível grupo
de pessoas que vocês veem aqui,
242
00:12:55,188 --> 00:12:58,005
e encorajo e convido vocês
a conhecerem nosso site,
243
00:12:58,005 --> 00:12:59,451
experimentá-lo vocês mesmos,
244
00:12:59,451 --> 00:13:02,933
e se juntarem a nós na exploração
desse mundo de pequenos movimentos.
245
00:13:02,933 --> 00:13:04,048
Obrigado.
246
00:13:04,048 --> 00:13:05,302
(Aplausos)