1
00:00:00,000 --> 00:00:05,760
Under de senaste århundradena

2
00:00:05,760 --> 00:00:09,230
har mikroskopen revolutionerat vår värld.

3
00:00:09,500 --> 00:00:14,252
De har avslöjat en liten värld
av objekt, liv och strukturer

4
00:00:14,252 --> 00:00:17,028
som är för små för att vi
ska kunna se dem med blotta ögat.

5
00:00:17,028 --> 00:00:19,987
De är ett enormt bidrag
till forskning och teknik.

6
00:00:19,987 --> 00:00:23,104
Idag skulle jag vilja introducera
en ny sorts mikroskop,

7
00:00:23,104 --> 00:00:25,611
ett mikroskop för förändringar.

8
00:00:25,732 --> 00:00:28,564
Det använder inte optik
som ett vanligt mikroskop

9
00:00:28,564 --> 00:00:30,691
för att göra små objekt större.

10
00:00:30,691 --> 00:00:35,257
Istället använder den en videokamera
och bildbehandling

11
00:00:35,257 --> 00:00:37,549
för att avslöja de minsta rörelserna

12
00:00:37,549 --> 00:00:39,831
och färgförändringarna
hos saker och människor

13
00:00:40,281 --> 00:00:43,848
förändringar som är omöjliga för oss
att se med blotta ögat,

14
00:00:44,355 --> 00:00:48,475
Och det låter oss se på världen
på ett helt nytt sätt,

15
00:00:48,475 --> 00:00:50,295
Så vad menar jag med färgförändringar?

16
00:00:50,295 --> 00:00:53,217
Vår hud, till exempel,
ändrar färg en liten aning

17
00:00:53,217 --> 00:00:55,014
när blodet flödar under den.

18
00:00:55,014 --> 00:00:57,611
Den förändringen är otroligt subtil,

19
00:00:57,611 --> 00:00:59,674
så att när du tittar på andra,

20
00:00:59,674 --> 00:01:01,685
när du tittar på personen bredvid dig,

21
00:01:01,685 --> 00:01:05,140
så ser du inte att deras hud
eller deras ansikte ändrar färg.

22
00:01:05,140 --> 00:01:09,860
När vi tittar på filmen av Steve här,
så ser det ut som en statisk bild,

23
00:01:09,860 --> 00:01:13,450
men när vi tittar på den här filmen
genom vårt nya specialmikroskop,

24
00:01:13,450 --> 00:01:15,900
så ser vi plötsligt en helt annan bild.

25
00:01:15,900 --> 00:01:20,160
Vad ni ser här är små förändringar
i färgen på Steves hud,

26
00:01:20,160 --> 00:01:24,216
förstorade 100 gånger
så att de blir synliga.

27
00:01:24,466 --> 00:01:27,454
Vi kan faktiskt se en mänsklig puls.

28
00:01:27,663 --> 00:01:30,472
Vi kan se hur fort Steves hjärta slår,

29
00:01:30,860 --> 00:01:35,472
men vi kan också se på vilket sätt
blodet flödar i hans ansikte.

30
00:01:36,544 --> 00:01:39,255
Och vi kan göra det, inte bara för
att visualisera pulsen,

31
00:01:39,255 --> 00:01:42,646
utan också för att hämta in
vår hjärtfrekvens,

32
00:01:42,646 --> 00:01:44,439
och mäta vår hjärtfrekvens.

33
00:01:44,439 --> 00:01:48,892
Vi kan göra det här med vanliga kameror
och utan att röra vid patienterna.

34
00:01:48,892 --> 00:01:54,509
Så, här ser ni pulsen och hjärtfrekvensen
hos en nyfödd bebis, som vi har tagit ut

35
00:01:54,509 --> 00:01:57,390
från en film som har spelats in
med en vanlig DSLR-kamera.

36
00:01:57,390 --> 00:01:59,206
Och den hjärtfrekvens
vi kan mäta upp

37
00:01:59,206 --> 00:02:04,017
är lika exakt som en som man kan mäta upp
med standardutrustning på ett sjukhus.

38
00:02:04,017 --> 00:02:06,659
Och filmen behöver inte ens
ha spelats in av oss.

39
00:02:06,659 --> 00:02:09,654
Vi kan i huvudsak göra det 
även med andra filmer.

40
00:02:09,654 --> 00:02:13,555
Så jag tog bara ett kort klipp
från "Batman begins" här

41
00:02:13,555 --> 00:02:15,459
bara för att visa Christian Bales puls.

42
00:02:15,459 --> 00:02:17,281
(Skratt)

43
00:02:17,281 --> 00:02:19,404
Och som ni vet har han antagligen smink,

44
00:02:19,404 --> 00:02:21,357
ljussättningen här är rätt utmanande,

45
00:02:21,357 --> 00:02:24,308
men ändå kan vi ta ut hans puls
från den här filmen

46
00:02:24,308 --> 00:02:26,326
och visa upp den ganska tydligt.

47
00:02:26,326 --> 00:02:28,246
Så, hur gör vi allt det här?

48
00:02:28,246 --> 00:02:32,844
I grund och botten analyserar vi
förändringar i det inspelade ljuset

49
00:02:32,844 --> 00:02:35,105
i varje pixel i filmen över tid.

50
00:02:35,105 --> 00:02:36,913
Och sen skruvar vi upp förändringarna.

51
00:02:36,913 --> 00:02:39,075
Vi gör dem större så att vi kan se dem.

52
00:02:39,075 --> 00:02:40,977
Det svåra är att de signalerna,

53
00:02:40,977 --> 00:02:43,820
de förändringar som vi är ute efter
är extremt subtila,

54
00:02:43,830 --> 00:02:46,829
så vi måste vara väldigt försiktiga
när vi försöker separera dem

55
00:02:46,829 --> 00:02:49,961
från störningar
som alltid finns på filmer.

56
00:02:50,520 --> 00:02:53,515
Så vi använder några smarta
bildbehandlingstekniker

57
00:02:53,515 --> 00:02:57,509
för att få ett väldigt exakt mått
på färgen i varje pixel i filmen

58
00:02:57,509 --> 00:03:00,179
och sen på hur färgen förändras över tid.

59
00:03:00,179 --> 00:03:02,592
Därefter förstärker vi de förändringarna.

60
00:03:02,662 --> 00:03:06,582
Vi förstorar dem för att skapa
den sortens förstärkta filmer

61
00:03:06,582 --> 00:03:08,934
som faktiskt kan visa upp
de förändringarna.

62
00:03:08,934 --> 00:03:11,573
Men det visar sig att vi inte bara
kan göra det här för

63
00:03:11,573 --> 00:03:13,342
att visa små färgförändringar,

64
00:03:13,342 --> 00:03:15,503
utan också små rörelser,

65
00:03:15,503 --> 00:03:19,079
och det beror på att det ljus
som spelas in på våra kameror

66
00:03:19,079 --> 00:03:21,739
inte bara ändrar sig
om objektets färg ändrar sig

67
00:03:21,739 --> 00:03:23,938
utan också om objektet rör sig.

68
00:03:24,067 --> 00:03:27,893
Det här är min dotter när hon var
ungefär två månader gammal.

69
00:03:27,893 --> 00:03:30,892
Jag spelade in den här filmen
för ungefär tre år sen.

70
00:03:30,892 --> 00:03:33,300
Och som nyblivna föräldrar
vill vi alla säkerställa

71
00:03:33,300 --> 00:03:36,452
att våra barn mår bra, att de andas,
att de lever - förstås.

72
00:03:36,452 --> 00:03:38,634
Så även jag skaffade en sån där babyvakt

73
00:03:38,634 --> 00:03:41,113
så att jag kunde se min dotter
när hon låg och sov.

74
00:03:41,113 --> 00:03:44,660
Och det här är ungefär vad man kan se
med en vanlig babyvakt.

75
00:03:44,660 --> 00:03:48,492
Man kan se att barnet sover, men det finns
inte så mycket information att hämta.

76
00:03:48,492 --> 00:03:50,078
Vi kan inte se särskilt mycket.

77
00:03:50,078 --> 00:03:52,952
Skulle det inte vara bättre, 
mer informativt, mer användbart

78
00:03:52,952 --> 00:03:55,892
om vi istället kunde se bilden så här.

79
00:03:55,892 --> 00:04:01,543
Så här tog jag rörelserna
och förstorade dem 30 gånger,

80
00:04:01,708 --> 00:04:04,847
och så kunde jag tydligt se
att min dotter fortfarande var vid liv

81
00:04:04,847 --> 00:04:05,976
och andades.

82
00:04:05,976 --> 00:04:08,327
(Skratt)

83
00:04:08,327 --> 00:04:10,249
Här är en jämförelse sida vid sida.

84
00:04:10,249 --> 00:04:12,732
Så, igen, i källfilmen, i ursprungsfilmen

85
00:04:12,732 --> 00:04:14,368
så kan vi inte se så mycket,

86
00:04:14,368 --> 00:04:18,075
men när vi förstorar rörelserna
blir andningen mycket mer synlig.

87
00:04:18,075 --> 00:04:20,299
Det visar sig att det finns
en lång rad fenomen

88
00:04:20,299 --> 00:04:23,768
som vi kan avslöja och förstora
med vårt nya rörelsemikroskop.

89
00:04:23,768 --> 00:04:28,332
Vi kan se hur våra vener och artärer
pulserar i våra kroppar.

90
00:04:28,332 --> 00:04:30,960
Vi kan se att våra ögon konstant rör sig

91
00:04:30,960 --> 00:04:32,847
i en svajig rörelse.

92
00:04:32,847 --> 00:04:34,426
Och det där är faktiskt mitt öga,

93
00:04:34,426 --> 00:04:37,291
och igen, den här filmades
strax efter att min dotter föddes,

94
00:04:37,291 --> 00:04:39,403
så det syns att jag inte fick
så mycket sömn.

95
00:04:39,403 --> 00:04:41,525
(Skratt)

96
00:04:41,525 --> 00:04:44,041
Även när en person sitter still

97
00:04:44,189 --> 00:04:46,383
så finns det massor med
information att hämta

98
00:04:46,383 --> 00:04:49,912
om andningsmönster,
små ansiktsuttryck.

99
00:04:49,912 --> 00:04:51,537
Kanske kan vi använda rörelserna

100
00:04:51,537 --> 00:04:54,521
till att berätta något om
våra tankar eller känslor.

101
00:04:54,521 --> 00:04:57,946
Vi kan också förstora
små mekaniska rörelser,

102
00:04:57,946 --> 00:04:59,501
som vibrationer i motorer,

103
00:04:59,501 --> 00:05:03,193
som kan hjälpa maskinister att upptäcka
och diagnosticera maskinproblem,

104
00:05:03,193 --> 00:05:07,931
eller se hur byggnader och konstruktioner
rör sig i vind eller andra krafter.

105
00:05:07,931 --> 00:05:12,512
Det här är saker som vi redan kan mäta
på olika sätt i samhället,

106
00:05:12,512 --> 00:05:14,965
men att mäta rörelserna är en sak,

107
00:05:14,965 --> 00:05:17,241
och att faktiskt se rörelserna
medan de pågår

108
00:05:17,241 --> 00:05:19,795
är en helt annan sak.

109
00:05:19,795 --> 00:05:22,836
Och redan när vi upptäckte
den här nya tekniken

110
00:05:22,836 --> 00:05:26,789
gjorde vi koden tillgänglig online
så att andra kunde experimentera med den.

111
00:05:26,789 --> 00:05:28,664
Den är väldigt enkel att använda.

112
00:05:28,664 --> 00:05:30,708
Den kan fungera på dina egna filmer.

113
00:05:30,708 --> 00:05:34,041
Våra partners på Quantum Research
har skapat den här fina webbplatsen

114
00:05:34,041 --> 00:05:36,599
där man kan ladda upp filmer
och behandla dem online,

115
00:05:36,599 --> 00:05:40,255
så även om du inte har någon erfarenhet
av datorvetenskap eller programmering

116
00:05:40,255 --> 00:05:43,331
så kan du ändå enkelt experimentera
med det nya mikroskopet.

117
00:05:43,331 --> 00:05:45,535
Och jag skulle vilja visa
bara några exempel

118
00:05:45,535 --> 00:05:47,734
av vad andra har gjort med det.

119
00:05:48,470 --> 00:05:52,433
Den här filmen är gjord
av en YouTube-användare

120
00:05:52,433 --> 00:05:53,746
som kallar sig Tamez85.

121
00:05:53,746 --> 00:05:55,260
Jag vet inte vem användaren är,

122
00:05:55,260 --> 00:05:57,595
men han, eller hon, har använt vår kod

123
00:05:57,595 --> 00:06:00,775
till att förstora små magrörelser
under en graviditet.

124
00:06:01,120 --> 00:06:02,912
Det är ganska läskigt.

125
00:06:02,912 --> 00:06:04,525
(Skratt)

126
00:06:04,525 --> 00:06:09,486
Folk har använt den till att förstora
pulserande vener på händerna.

127
00:06:09,486 --> 00:06:13,268
Och du vet att det inte är riktig
forskning om det inte innefattar marsvin,

128
00:06:13,268 --> 00:06:16,088
och tydligen heter det
här marsvinet Tiffany,

129
00:06:16,088 --> 00:06:19,777
och den här YouTube-användaren påstår
att det är den första gnagaren på jorden

130
00:06:19,777 --> 00:06:22,295
som har fått sina rörelser förstorade.

131
00:06:22,295 --> 00:06:24,483
Man kan också skapa konst med den.

132
00:06:24,483 --> 00:06:27,391
Jag fick den här filmen
av en designstudent från Yale.

133
00:06:27,391 --> 00:06:29,448
Hon ville se om det fanns några skillnader

134
00:06:29,448 --> 00:06:31,120
i hur hennes klasskamrater rör sig.

135
00:06:31,120 --> 00:06:35,079
Hon fick dem att stå still
och förstorade sen rörelserna.

136
00:06:35,079 --> 00:06:38,429
Det är som att se stillbilder få liv.

137
00:06:38,747 --> 00:06:41,180
Och det fina med de här exemplen

138
00:06:41,180 --> 00:06:43,476
är att vi inte hade något
med dem att göra.

139
00:06:43,476 --> 00:06:47,330
Vi tillhandahöll bara ett nytt verktyg,
ett nytt sätt att se på världen,

140
00:06:47,330 --> 00:06:51,901
och sen hittar folk andra intressanta,
nya och kreativa sätt att använda det.

141
00:06:52,192 --> 00:06:54,046
Men vi stannade inte vid det.

142
00:06:54,046 --> 00:06:57,357
Det här verktyget låter oss inte bara
se på världen på ett nytt sätt,

143
00:06:57,357 --> 00:06:59,845
det omdefinierar vad vi kan göra

144
00:06:59,845 --> 00:07:02,826
och flyttar gränserna
för vad vi kan göra med våra kameror.

145
00:07:02,826 --> 00:07:05,255
Så, som vetenskapsmän
började vi fundera på

146
00:07:05,255 --> 00:07:08,890
om det fanns andra fysiska fenomen
som skapar små rörelser

147
00:07:08,890 --> 00:07:11,640
som vi kunde mäta med våra kameror?

148
00:07:11,943 --> 00:07:15,444
Och ett sånt fenomen
som vi nyligen fokuserade på är ljud.

149
00:07:15,444 --> 00:07:18,119
Ljud är, som vi alla känner till,
i huvudsak förändringar

150
00:07:18,119 --> 00:07:20,232
i lufttryck som förflyttas genom luften.

151
00:07:20,232 --> 00:07:23,613
De tryckvågorna träffar objekt
och skapar små vibrationer i dem,

152
00:07:23,613 --> 00:07:26,185
det är så vi hör och så vi spelar in ljud.

153
00:07:26,185 --> 00:07:29,702
Men det visar sig att ljud
också producerar synliga rörelser.

154
00:07:30,053 --> 00:07:32,449
Det är rörelser
som inte är synliga för oss

155
00:07:32,886 --> 00:07:35,647
men som är synliga för kameran,
med rätt behandling.

156
00:07:35,657 --> 00:07:37,230
Här är två exempel.

157
00:07:37,230 --> 00:07:40,264
Det här är jag som visar upp
min fantastiska sångförmåga.

158
00:07:41,064 --> 00:07:42,698
(Sjunger)

159
00:07:42,698 --> 00:07:44,024
(Skratt)

160
00:07:44,024 --> 00:07:47,120
Och jag gjorde en höghastighetsfilm
av min hals medan jag hummade.

161
00:07:47,120 --> 00:07:48,504
Igen, om du stirrar på filmen

162
00:07:48,504 --> 00:07:50,130
så är det inte så mycket som syns,

163
00:07:50,130 --> 00:07:55,292
men när vi förstorar rörelserna 100 gånger
ser vi alla rörelser och krusningar

164
00:07:55,302 --> 00:07:58,326
i halsen som är involverade
i att producera ljudet.

165
00:07:58,326 --> 00:08:00,928
Den signalen syns där i filmen.

166
00:08:01,136 --> 00:08:03,756
Vi vet också att sångare
kan spräcka ett vinglas

167
00:08:03,756 --> 00:08:05,289
om de träffar rätt ton.

168
00:08:05,289 --> 00:08:07,204
Så här ska vi spela en ton

169
00:08:07,204 --> 00:08:09,730
som ligger inom glasets resonansfrekvens


170
00:08:09,730 --> 00:08:11,548
genom en högtalare precis bredvid.

171
00:08:11,548 --> 00:08:16,197
När vi spelar tonen
och förstorar rörelserna 250 gånger,

172
00:08:16,197 --> 00:08:18,535
så kan vi väldigt tydligt se
hur glaset vibrerar

173
00:08:18,535 --> 00:08:22,105
och resonerar som svar på ljudet.

174
00:08:22,105 --> 00:08:24,525
Det här är ingenting
som man är van vid att se.

175
00:08:24,525 --> 00:08:27,764
Men det fick oss att tänka till.
Vi fick en galen idé.

176
00:08:27,764 --> 00:08:33,662
Kan vi faktiskt invertera processen
och hämta in ljud från filmen

177
00:08:33,662 --> 00:08:37,697
genom att analysera de små vibrationerna
som ljudvågorna orsakar i objekten,

178
00:08:37,697 --> 00:08:42,081
och egentligen konvertera dem
tillbaka till de ljud som producerade dem.

179
00:08:42,474 --> 00:08:46,931
På det här sättet kan vi omvandla
vardagliga saker till mikrofoner.

180
00:08:47,141 --> 00:08:49,163
Så det var precis vad vi gjorde.

181
00:08:49,163 --> 00:08:51,979
Här är en tom chipspåse
som låg på bordet,

182
00:08:51,979 --> 00:08:54,584
och vi ska göra om chipspåsen
till en mikrofon

183
00:08:54,584 --> 00:08:56,185
genom att filma den med en kamera

184
00:08:56,185 --> 00:08:59,533
och analysera de små rörelserna
som ljudvågorna skapar i den.

185
00:08:59,533 --> 00:09:02,239
Här är ljudet som vi spelade i rummet.

186
00:09:02,239 --> 00:09:10,003
(Musik: "Mary har ett litet lamm")

187
00:09:10,007 --> 00:09:13,282
Och här är en höghastighetsfilm
av chipspåsen som vi spelade in.

188
00:09:13,282 --> 00:09:14,306
Den spelar igen.

189
00:09:14,306 --> 00:09:17,118
Det finns ingen möjlighet att se
vad vad som händer i filmen

190
00:09:17,118 --> 00:09:18,456
bara genom att titta på den,

191
00:09:18,456 --> 00:09:20,400
men här är ljudet som vi kunde återskapa

192
00:09:20,400 --> 00:09:23,677
genom att analysera
de små rörelserna i filmen.

193
00:09:23,873 --> 00:09:26,865
(Musik: "Mary har ett litet lamm")

194
00:09:40,985 --> 00:09:42,471
Jag kallar det för... Tack.

195
00:09:42,471 --> 00:09:45,436
(Applåder)

196
00:09:49,896 --> 00:09:52,223
Jag kallar det för
den visuella mikrofonen.

197
00:09:52,223 --> 00:09:55,613
Vi extraherar faktiskt ljudsignaler
från videosignaler.

198
00:09:55,613 --> 00:09:58,794
Och bara för att ge er en känsla
för rörelseskalan här:

199
00:09:58,799 --> 00:10:03,905
Ett ganska högt ljud skulle få chipspåsen
att röra sig mindre än en mikrometer.

200
00:10:03,905 --> 00:10:06,674
Det är en tusendels millimeter.

201
00:10:06,674 --> 00:10:10,435
Så små är de rörelser
som kan vi nu dra ut

202
00:10:10,435 --> 00:10:13,678
bara genom att observera
hur ljuset studsar på objekt

203
00:10:13,678 --> 00:10:15,814
och spelas in av våra kameror.

204
00:10:15,814 --> 00:10:18,368
Vi kan hämta in ljud
från andra objekt, som växter.

205
00:10:18,564 --> 00:10:21,530
(Musik: "Mary har ett litet lamm")

206
00:10:27,024 --> 00:10:29,211
Och vi kan hämta in tal.

207
00:10:29,211 --> 00:10:31,588
Här talar en person i ett rum.

208
00:10:31,588 --> 00:10:35,711
Röst: Mary har ett litet lamm
med ull så len och vit

209
00:10:35,711 --> 00:10:40,221
och vart än lilla Mary går,
går lammet också dit.

210
00:10:40,221 --> 00:10:42,410
Michael Rubinstein:
Och här är samma tal igen,

211
00:10:42,410 --> 00:10:46,254
inhämtat från den här filmen
med samma chipspåse.

212
00:10:46,254 --> 00:10:51,085
Röst: Mary har ett litet lamm
med ull så len och vit

213
00:10:51,085 --> 00:10:55,363
och vart än lilla Mary går,
går lammet också dit.

214
00:10:55,944 --> 00:10:58,150
MR: Vi använde "Mary har ett litet lamm"

215
00:10:58,150 --> 00:11:00,403
därför att det påstås
att de var de första orden

216
00:11:00,403 --> 00:11:04,574
som Thomas Edison talade in
i sin fonograf 1877.

217
00:11:04,574 --> 00:11:07,612
Det var en av historiens
första ljudinspelningsmaskiner.

218
00:11:07,612 --> 00:11:12,289
Den riktade helt enkelt in ljuden
på ett membran som vibrerade en nål

219
00:11:12,289 --> 00:11:15,208
som egentligen graverade in ljudet
på aluminiumfolie

220
00:11:15,208 --> 00:11:17,353
som var lindad runt cylindern.

221
00:11:17,353 --> 00:11:22,950
Här är en demonstration av in- och
uppspelning av ljud med Edisons fonograf.

222
00:11:23,426 --> 00:11:26,446
(Video) Röst: Testar, testar, ett två tre.

223
00:11:26,446 --> 00:11:29,859
Mary har ett litet lamm
med ull så len och vit,

224
00:11:29,859 --> 00:11:33,528
och vart än lilla Mary går,
går lammet också dit.

225
00:11:33,528 --> 00:11:36,268
Testar, testar, ett två tre.

226
00:11:36,268 --> 00:11:40,424
Mary har ett litet lamm
med ull så len och vit,

227
00:11:40,424 --> 00:11:44,779
och vart än lilla Mary går,
går lammet också dit.

228
00:11:45,648 --> 00:11:49,665
MR: Och nu, 137 år senare,

229
00:11:49,665 --> 00:11:53,532
kan vi få ut ljud
med i princip samma kvalitet,

230
00:11:53,532 --> 00:11:57,831
men genom att bara titta på objekt
som vibrerar till ljud via kameror,

231
00:11:57,831 --> 00:11:59,765
vi kan till och med göra det när kameran

232
00:11:59,765 --> 00:12:03,745
är 4,5 m bort från objektet
bakom ljudisolerat glas.

233
00:12:03,999 --> 00:12:07,219
Det här är det ljud
vi kunde hämta in i det fallet.

234
00:12:07,219 --> 00:12:12,293
Röst: Mary har ett litet lamm
med ull så len och vit,

235
00:12:12,293 --> 00:12:17,272
och vart än lilla Mary går,
går lammet också dit.

236
00:12:17,404 --> 00:12:21,034
MR: Och självklart är övervakning
det första som dyker upp på näthinnan.

237
00:12:21,034 --> 00:12:23,889
(Skratt)

238
00:12:23,889 --> 00:12:28,085
Men det kan faktiskt komma till nytta
i andra sammanhang också.

239
00:12:28,085 --> 00:12:30,925
Kanske kommer vi i framtiden
till exempel kunna

240
00:12:30,925 --> 00:12:33,177
hämta in ljud genom rymden,

241
00:12:33,177 --> 00:12:36,753
därför att ljud kan inte färdas
i rymden, men det kan ljus.

242
00:12:36,753 --> 00:12:39,157
Vi har bara börjat att utforska

243
00:12:39,157 --> 00:12:41,966
andra möjliga användningsområden
för den här nya teknologin.

244
00:12:41,966 --> 00:12:45,008
Det låter oss se fysiska processer
som vi vet finns där

245
00:12:45,008 --> 00:12:48,564
men som vi aldrig har kunnat observera
med blotta ögat förrän nu.

246
00:12:48,564 --> 00:12:49,868
Det här är vårt team.

247
00:12:49,868 --> 00:12:52,587
Det som jag har visat här idag
är resultatet av samarbete

248
00:12:52,587 --> 00:12:54,838
med den här fantastiska gruppen,

249
00:12:54,838 --> 00:12:58,005
och jag uppmuntrar och välkomnar er
att kolla in vår webbplats,

250
00:12:58,005 --> 00:12:59,261
testa själva,

251
00:12:59,261 --> 00:13:02,683
och göra oss sällskap i utforskandet
av de små rörelsernas värld.

252
00:13:02,683 --> 00:13:03,838
Tack.

253
00:13:03,838 --> 00:13:05,302
(Applåder)