1
00:00:15,088 --> 00:00:22,732
За последние несколько столетий
микроскопы перевернули наш мир.

2
00:00:22,734 --> 00:00:27,563
Они открыли нам мир крохотных
существ, объектов, структур

3
00:00:27,563 --> 00:00:30,567
слишком малых, чтобы увидеть их
невооружённым глазом.

4
00:00:30,567 --> 00:00:34,064
Вклад микроскопов в науку
и технологии огромен.

5
00:00:34,064 --> 00:00:37,839
Сегодня я хотел бы рассказать вам
о новом типе микроскопа —

6
00:00:37,839 --> 00:00:40,230
микроскопе для обнаружения перемен.

7
00:00:40,230 --> 00:00:43,438
В отличие от обычного микроскопа
для увеличения маленьких объектов

8
00:00:43,438 --> 00:00:45,350
здесь не используется оптика.

9
00:00:45,350 --> 00:00:49,673
Вместо этого здесь используется
видеокамера и метод обработки изображений,

10
00:00:49,673 --> 00:00:54,527
которые делают видимыми едва уловимые
движения и изменения цвета объектов,

11
00:00:54,527 --> 00:00:58,368
то есть изменения, которые нельзя увидеть
невооружённым глазом.

12
00:00:58,906 --> 00:01:02,970
А это позволяет нам совершенно по-новому
взглянуть на наш мир.

13
00:01:03,295 --> 00:01:05,715
Что такое изменения цвета?

14
00:01:07,093 --> 00:01:09,896
Наша кожа, например,
чуть заметно меняет цвет

15
00:01:09,896 --> 00:01:12,211
при пульсации крови.

16
00:01:12,211 --> 00:01:14,443
Это изменение еле заметно,

17
00:01:14,443 --> 00:01:16,872
поэтому когда вы смотрите
на других людей,

18
00:01:16,872 --> 00:01:19,171
на сидящего напротив вас человека,

19
00:01:19,171 --> 00:01:21,920
вы не видите, что его лицо меняет цвет.

20
00:01:21,920 --> 00:01:27,150
Вы смотрите на эту видеозапись Стива,
и картинка кажется неизменной,

21
00:01:27,849 --> 00:01:31,292
но если мы посмотрим на неё
используя наш новый, особый микроскоп,

22
00:01:31,292 --> 00:01:34,550
мы неожиданно увидим
совершенно другую картину.

23
00:01:35,276 --> 00:01:39,200
То, что вы видите — незначительные
изменения цвета кожи Стива,

24
00:01:39,200 --> 00:01:43,087
усиленные в 100 раз,
чтобы они стали заметными.

25
00:01:43,539 --> 00:01:46,259
Мы можем увидеть пульс человека.

26
00:01:46,554 --> 00:01:49,729
Мы можем увидеть, как бьётся сердце Стива

27
00:01:49,729 --> 00:01:53,994
и как кровь течёт под кожей лица.

28
00:01:55,152 --> 00:01:58,055
Но мы это делаем не только
чтобы увидеть пульс,

29
00:01:58,055 --> 00:02:01,448
но и реально выявить частоту
сердечных сокращений

30
00:02:01,448 --> 00:02:03,510
и измерить её.

31
00:02:03,510 --> 00:02:07,692
Мы можем сделать это с помощью обычных
камер, не прикасаясь к пациентам.

32
00:02:07,692 --> 00:02:12,768
Здесь вы видите пульс и частоту
сердечных сокращений новорождённого,

33
00:02:12,768 --> 00:02:16,250
выявленные по видео, снятому
на цифровую зеркальную камеру,

34
00:02:16,250 --> 00:02:18,364
и точность измерений сердечных сокращений

35
00:02:18,364 --> 00:02:22,588
такая же, как и для обычного
больничного монитора.

36
00:02:23,384 --> 00:02:26,457
Причём не обязательно,
чтобы видеозапись была именно наша.

37
00:02:26,457 --> 00:02:29,391
Мы можем сделать то же самое
с чужими видео записями.

38
00:02:29,391 --> 00:02:32,565
В этом коротком отрывке
из «Бэтмен: начало»

39
00:02:32,565 --> 00:02:35,226
мы показали пульс Кристиана Бейла.

40
00:02:35,226 --> 00:02:37,282
(Смех)

41
00:02:37,282 --> 00:02:39,417
Скорее всего, он в гриме,

42
00:02:39,417 --> 00:02:41,389
освещение здесь достаточно сложное,

43
00:02:41,389 --> 00:02:44,392
но всё же нам достаточно этого видео,
чтобы определить пульс

44
00:02:44,392 --> 00:02:46,224
и наглядно показать его.

45
00:02:46,224 --> 00:02:47,995
Как мы всё это делаем?

46
00:02:47,995 --> 00:02:52,315
По сути, мы анализируем
изменения в освещении

47
00:02:52,315 --> 00:02:54,928
каждого пикселя изображения,

48
00:02:54,928 --> 00:02:56,648
а затем усиливаем их.

49
00:02:56,648 --> 00:02:59,494
Мы увеличиваем эти изменения,
делая их заметными.

50
00:02:59,494 --> 00:03:01,576
Сложность состоит в том, что эти сигналы,

51
00:03:01,576 --> 00:03:04,359
эти изменения, которые мы отслеживаем,
едва заметны,

52
00:03:04,359 --> 00:03:07,353
поэтому мы должны
крайне осторожно отделять их

53
00:03:07,353 --> 00:03:10,240
от случайных шумов,
неизбежных при видеозаписи.

54
00:03:10,240 --> 00:03:13,682
Поэтому мы используем некоторые
продвинутые методы обработки видео,

55
00:03:13,682 --> 00:03:17,736
чтобы очень точно определить цвет
каждого пикселя изображения

56
00:03:17,736 --> 00:03:20,569
и то, как этот цвет меняется во времени,

57
00:03:20,569 --> 00:03:23,227
а затем мы усиливаем эти изменения.

58
00:03:23,227 --> 00:03:27,081
Мы усиливаем их, чтобы получить
усиленные или увеличенные видео,

59
00:03:27,081 --> 00:03:29,552
которые наглядно показывают нам
эти изменения.

60
00:03:32,007 --> 00:03:36,227
И оказывается, это можно делать не только
с еле заметными изменениями цвета,

61
00:03:36,227 --> 00:03:38,379
но и с еле заметными движениями,

62
00:03:38,379 --> 00:03:42,064
поскольку свет,
записанный нашими камерами,

63
00:03:42,064 --> 00:03:45,189
будет меняться не только если
меняется цвет объекта,

64
00:03:45,189 --> 00:03:47,305
но и если объект перемещается.

65
00:03:47,905 --> 00:03:55,053
Это моя дочь, здесь ей два месяца.

66
00:03:55,787 --> 00:03:59,397
Я записал это видео
примерно три года назад.

67
00:03:59,397 --> 00:04:02,807
Любой молодой родитель хочет точно знать,
что его ребёнок здоров,

68
00:04:02,807 --> 00:04:05,373
что он дышит,
что он жив, в конце-то концов.

69
00:04:05,373 --> 00:04:07,465
Так что я купил детский монитор,

70
00:04:07,465 --> 00:04:10,072
по нему я мог видеть свою девочку,
пока она спала.

71
00:04:10,072 --> 00:04:13,590
В общем-то, это единственное,
что вам покажет такой монитор.

72
00:04:13,590 --> 00:04:15,686
Вы увидите, что ребёнок спит,

73
00:04:15,686 --> 00:04:17,728
но это не особо содержательно.

74
00:04:17,728 --> 00:04:19,516
Мы не так много можем увидеть.

75
00:04:19,516 --> 00:04:22,358
Не было бы лучше, информативнее, полезнее,

76
00:04:22,358 --> 00:04:25,261
если бы вместо этого мы видели вот это?

77
00:04:25,261 --> 00:04:31,230
Я заснял движения и увеличил их в 30 раз,

78
00:04:31,230 --> 00:04:33,708
и теперь я ясно видел, что моя дочь

79
00:04:33,708 --> 00:04:35,428
действительно жива и дышит.

80
00:04:35,428 --> 00:04:37,565
(Смех)

81
00:04:37,862 --> 00:04:39,891
Вот что мы увидим,
если поставить их рядом.

82
00:04:39,891 --> 00:04:42,440
Ещё раз, в исходном видео, источнике,

83
00:04:42,440 --> 00:04:44,260
доступной информации немного,

84
00:04:44,260 --> 00:04:48,212
но после увеличения движений
дыхание становится заметным.

85
00:04:48,212 --> 00:04:50,801
Оказалось, что существует
множество явлений,

86
00:04:50,801 --> 00:04:54,474
которые мы можем выявить и увеличить
с нашим новым микроскопом.

87
00:04:54,474 --> 00:04:58,909
Теперь мы видим наши вены и артерии,
в которых пульсирует кровь.

88
00:04:59,752 --> 00:05:02,560
Мы видим, что наши глаза
постоянно находятся

89
00:05:02,560 --> 00:05:04,776
в пульсирующем движении.

90
00:05:04,776 --> 00:05:06,354
Это мой глаз,

91
00:05:06,354 --> 00:05:09,174
а видео было снято
сразу после рождения моей дочери,

92
00:05:09,174 --> 00:05:13,103
когда, как видите, я сильно не высыпался.
(Смех)

93
00:05:13,539 --> 00:05:16,403
Даже когда человек спокойно сидит,

94
00:05:16,403 --> 00:05:18,997
мы можем извлечь массу информации

95
00:05:18,997 --> 00:05:21,989
о ритме дыхания или мелкой мимике.

96
00:05:22,672 --> 00:05:24,623
Мы могли бы использовать
эти движения,

97
00:05:24,623 --> 00:05:27,488
чтобы узнать что-нибудь
о наших мыслях или эмоциях.

98
00:05:29,003 --> 00:05:32,385
Ещё мы можем усилить
мелкие механические движения,

99
00:05:32,385 --> 00:05:34,337
такие как вибрация двигателя,

100
00:05:34,337 --> 00:05:38,267
что могло бы помочь инженерам
найти проблемы в механизмах

101
00:05:40,130 --> 00:05:45,547
или увидеть, как здания прогибаются под
порывами ветра и реагируют на воздействия.

102
00:05:45,547 --> 00:05:50,333
У нас есть много способов,
чтобы измерить всё это,

103
00:05:50,333 --> 00:05:52,875
но измерить — это одно,

104
00:05:52,875 --> 00:05:55,479
а увидеть эти движения вживую —

105
00:05:55,479 --> 00:05:57,614
совершенно другое.

106
00:05:58,450 --> 00:06:02,021
После того, как мы создали
эту технологию,

107
00:06:02,021 --> 00:06:03,723
мы сделали её код доступным онлайн,

108
00:06:03,723 --> 00:06:06,269
чтобы его могли использовать другие люди.

109
00:06:08,005 --> 00:06:09,809
Его очень просто использовать.

110
00:06:09,809 --> 00:06:11,853
Он может обрабатывать ваши видео.

111
00:06:11,853 --> 00:06:15,357
Наши коллеги из Quantum Research
даже создали этот отличный веб-сайт,

112
00:06:15,357 --> 00:06:18,126
где вы можете загружать свои видео
и обрабатывать их онлайн,

113
00:06:18,126 --> 00:06:21,603
и вам необязательно уметь
программировать,

114
00:06:21,603 --> 00:06:24,509
чтобы экспериментировать
с новым микроскопом.

115
00:06:24,509 --> 00:06:26,941
Я хочу показать вам пару примеров того,

116
00:06:26,941 --> 00:06:28,919
что сделали другие люди.

117
00:06:32,363 --> 00:06:37,259
Это видео пользователя YouTube
с ником Tamez85.

118
00:06:37,259 --> 00:06:38,807
Я не знаю, кто это,

119
00:06:38,807 --> 00:06:41,105
но он или она использовали наш код,

120
00:06:41,105 --> 00:06:44,130
чтобы увеличить мелкие движения
живота во время беременности.

121
00:06:44,933 --> 00:06:46,420
Выглядит жутковато.

122
00:06:46,420 --> 00:06:48,818
(Смех)

123
00:06:48,818 --> 00:06:52,782
Люди увеличивали пульсацию вен на руках.

124
00:06:53,532 --> 00:06:56,699
И раз уж без морских свинок
не бывает науки,

125
00:06:57,357 --> 00:07:00,454
вот вам морская свинка по кличке Тиффани,

126
00:07:00,454 --> 00:07:04,007
и как утверждает этот пользователь
YouTube — это первый грызун на планете,

127
00:07:04,007 --> 00:07:05,780
которого увеличили методом изменений.

128
00:07:06,604 --> 00:07:08,811
Вы можете создавать
произведения искусства.

129
00:07:08,811 --> 00:07:12,123
Это видео было прислано мне студенткой
с отделения дизайна Йеля.

130
00:07:12,123 --> 00:07:14,516
Она хотела увидеть,
есть ли какие-то различия

131
00:07:14,516 --> 00:07:16,072
в движениях её сокурсников.

132
00:07:16,072 --> 00:07:20,361
Она засняла всех их, стоящих спокойно,
а потом увеличила движения.

133
00:07:20,361 --> 00:07:23,457
Это как ожившие фотографии.

134
00:07:23,714 --> 00:07:26,077
Во всех этих материалах хорошо то,

135
00:07:26,077 --> 00:07:28,315
что мы не имеем никакого к ним отношения.

136
00:07:28,315 --> 00:07:32,165
Мы просто дали новый инструмент,
новый способ взглянуть на наш мир,

137
00:07:32,165 --> 00:07:36,683
и люди нашли другие новые, интересные,
творческие пути его использования.

138
00:07:37,735 --> 00:07:39,620
Но мы не остановились на этом.

139
00:07:40,943 --> 00:07:44,597
Этот инструмент не только позволяет нам
по-новому взглянуть на мир,

140
00:07:44,597 --> 00:07:47,034
но и переопределяет то,
что мы можем,

141
00:07:47,034 --> 00:07:50,232
расширяя границы возможностей
наших фотоаппаратов.

142
00:07:50,232 --> 00:07:52,611
И нам как учёным стало интересно,

143
00:07:52,611 --> 00:07:56,299
при каких ещё физических явлениях
возникают эти мельчайшие движения,

144
00:07:56,299 --> 00:07:59,252
которые мы теперь можем измерить
с помощью наших фотоаппаратов?

145
00:07:59,252 --> 00:08:02,745
Одним из таких явлений, на котором мы
недавно сосредоточились, стал звук.

146
00:08:03,454 --> 00:08:05,963
Все знают, что звук —
это разница в давлении воздуха,

147
00:08:05,963 --> 00:08:08,134
что распространяется по воздуху.

148
00:08:08,134 --> 00:08:11,857
Волны этого давления воздействуют
на предметы и заставляют их вибрировать,

149
00:08:11,857 --> 00:08:14,519
таким образом мы слышим и записываем звук.

150
00:08:14,519 --> 00:08:18,294
Но оказалось, что звук порождает
и видимые движения.

151
00:08:18,579 --> 00:08:21,303
Мы эти движения не видим,

152
00:08:21,303 --> 00:08:24,229
но их видит фотоаппарат
с правильной обработкой.

153
00:08:24,229 --> 00:08:26,045
Вот два примера.

154
00:08:26,045 --> 00:08:29,374
Это я демонстрирую свои выдающиеся
навыки пения.

155
00:08:30,845 --> 00:08:33,602
(Поёт)

156
00:08:33,602 --> 00:08:34,710
(Смех)

157
00:08:34,710 --> 00:08:37,486
А здесь я вдвое ускорил съёмку
своего горла во время пения.

158
00:08:37,486 --> 00:08:39,155
На этих кадрах вам мало что видно,

159
00:08:39,155 --> 00:08:40,537
но при увеличении в 100 раз,

160
00:08:40,537 --> 00:08:45,793
становятся видны все движения
и пульсации шеи,

161
00:08:45,793 --> 00:08:49,103
связанные с издаванием звуков.

162
00:08:49,103 --> 00:08:51,528
И этот звук записан в этом видео.

163
00:08:51,528 --> 00:08:54,228
Мы знаем, что певцы могут разбить бокал,

164
00:08:54,228 --> 00:08:56,274
если возьмут нужную ноту.

165
00:08:56,274 --> 00:08:58,325
Здесь мы проигрываем ноту

166
00:08:58,325 --> 00:09:00,849
с такой же частотой резонанса,
как у этого бокала,

167
00:09:00,849 --> 00:09:03,125
через стоящие перед ним динамики.

168
00:09:03,125 --> 00:09:07,568
Воспроизведя ноту
и увеличив движения в 250 раз,

169
00:09:07,568 --> 00:09:10,789
мы ясно видим, как бокал вибрирует

170
00:09:10,789 --> 00:09:13,623
и входит в резонанс с нотой.

171
00:09:14,132 --> 00:09:16,545
Такое увидишь не каждый день.

172
00:09:16,545 --> 00:09:19,408
Наша демонстрационная версия
установлена здесь же в холле,

173
00:09:19,408 --> 00:09:21,300
и я призываю вас остановиться

174
00:09:21,300 --> 00:09:24,347
и поэкспериментировать с этим
самостоятельно, увидеть всё вживую.

175
00:09:24,608 --> 00:09:27,768
И это заставило нас задуматься.
У нас возникла одна безумная идея.

176
00:09:28,078 --> 00:09:32,865
Можем ли мы обратить этот процесс
и восстановить звук по видео,

177
00:09:33,114 --> 00:09:37,581
по анализу малых движений,
создаваемых звуковыми волнами в предметах,

178
00:09:37,581 --> 00:09:41,898
и перевести их обратно в звук,
который их породил?

179
00:09:42,548 --> 00:09:46,472
Так мы можем превращать обычные
предметы в микрофоны.

180
00:09:47,958 --> 00:09:49,595
Именно это мы и сделали.

181
00:09:49,595 --> 00:09:52,462
Вот на столе пустая упаковка от чипсов,

182
00:09:52,462 --> 00:09:55,234
и чтобы превратить её в микрофон,

183
00:09:55,234 --> 00:09:57,145
мы снимаем её на видеокамеру

184
00:09:57,145 --> 00:10:00,914
и анализируем её мелкие вибрации,
возникшие из-за звуковой волны.

185
00:10:01,479 --> 00:10:04,242
Вот то, что прозвучало в комнате.

186
00:10:04,242 --> 00:10:07,114
(Музыка: «Mary Had a Little Lamb»)

187
00:10:10,984 --> 00:10:12,394
(Конец музыки)

188
00:10:12,484 --> 00:10:15,426
А вот высокоскоростная съёмка
этой упаковки от чипсов.

189
00:10:15,426 --> 00:10:16,528
Снова звучит музыка.

190
00:10:16,528 --> 00:10:19,886
Вы никогда не смогли бы увидеть
что-то на этом видео

191
00:10:19,886 --> 00:10:21,000
при простом просмотре,

192
00:10:21,000 --> 00:10:23,962
но мы можем восстановить звук,
просто анализируя

193
00:10:23,962 --> 00:10:26,273
снятые нами мелкие вибрации.

194
00:10:26,567 --> 00:10:29,924
(Музыка: «Mary Had a Little Lamb»)

195
00:10:43,014 --> 00:10:44,524
(Конец музыки)

196
00:10:44,624 --> 00:10:46,458
Я называю это... Спасибо.

197
00:10:46,458 --> 00:10:49,328
(Аплодисменты)

198
00:10:53,834 --> 00:10:56,140
Я называю это визуальным микрофоном.

199
00:10:56,140 --> 00:10:59,251
По сути, мы извлекаем аудио сигнал
из видеосигнала.

200
00:10:59,251 --> 00:11:02,435
И чтобы вы поняли масштаб
этих вибраций:

201
00:11:02,435 --> 00:11:06,696
при достаточно громком звуке
эта упаковка

202
00:11:06,696 --> 00:11:09,266
пошевелится меньше,
чем на микрометр.

203
00:11:09,807 --> 00:11:12,485
Это одна тысячная миллиметра.

204
00:11:12,485 --> 00:11:16,179
Настолько малы движения,
которые мы можем выявить,

205
00:11:16,179 --> 00:11:19,282
просто наблюдая за тем,
как свет отражается от предметов,

206
00:11:19,282 --> 00:11:21,704
и записав это на видео.

207
00:11:22,208 --> 00:11:25,358
Можно извлечь звук и из других
предметов, например, растений.

208
00:11:25,706 --> 00:11:28,563
(Музыка: «Mary Had a Little Lamb»)

209
00:11:32,861 --> 00:11:34,031
(Конец музыки)

210
00:11:34,073 --> 00:11:36,456
И мы можем восстановить также речь.

211
00:11:36,456 --> 00:11:38,817
Вот человек говорит в комнате.

212
00:11:38,817 --> 00:11:43,632
Голос: Mary had a little lamb
whose fleece was white as snow,

213
00:11:43,632 --> 00:11:47,570
and everywhere that Mary went,
that lamb was sure to go.

214
00:11:48,722 --> 00:11:51,486
Майкл Рубинштейн: А вот звук речи,
восстановленный

215
00:11:51,486 --> 00:11:54,220
из видео по той же упаковке от чипсов.

216
00:11:54,220 --> 00:11:59,211
Голос: Mary had a little lamb
whose fleece was white as snow,

217
00:11:59,211 --> 00:12:03,731
and everywhere that Mary went,
that lamb was sure to go.

218
00:12:04,352 --> 00:12:06,907
МР: Мы использовали
«Mary had a little lamb»,

219
00:12:06,907 --> 00:12:09,252
потому что это первые слова,

220
00:12:09,252 --> 00:12:13,053
которые Томас Эдисон записал
с помощью фонографа в 1877 году.

221
00:12:13,053 --> 00:12:16,565
Это первое звукозаписывающее
устройство в истории.

222
00:12:16,565 --> 00:12:19,842
Звуки в нём направляются на диафрагму,

223
00:12:19,842 --> 00:12:24,270
в результате чего игла вибрирует,
записывая звук на оловянную фольгу,

224
00:12:24,270 --> 00:12:26,565
обёрнутую вокруг цилиндра.

225
00:12:26,565 --> 00:12:29,679
Вот демонстрация записи

226
00:12:29,679 --> 00:12:32,446
и воспроизведения звука
на фонографе Эдисона.

227
00:12:33,549 --> 00:12:36,487
(Видео) Голос: Testing,
testing, one two three.

228
00:12:36,487 --> 00:12:39,654
Mary had a little lamb
whose fleece was white as snow,

229
00:12:39,654 --> 00:12:43,491
and everywhere that Mary went,
the lamb was sure to go.

230
00:12:43,491 --> 00:12:46,014
Testing, testing, one two three.

231
00:12:46,014 --> 00:12:50,103
Mary had a little lamb
whose fleece was white as snow,

232
00:12:50,103 --> 00:12:54,235
and everywhere that Mary went,
the lamb was sure to go.

233
00:12:56,339 --> 00:12:59,081
МР: Сегодня, спустя 137 лет,

234
00:13:00,334 --> 00:13:03,492
мы можем извлечь звук
такого же качества,

235
00:13:03,492 --> 00:13:07,559
просто снимая на камеру вибрации предметов
под воздействием звука,

236
00:13:07,853 --> 00:13:09,952
мы можем это, даже если камера

237
00:13:09,952 --> 00:13:13,631
находится в 4,5 метрах от объекта
за звуконепроницаемым стеклом.

238
00:13:14,178 --> 00:13:17,475
Вот звук, который мы смогли восстановить
в нашем случае.

239
00:13:17,475 --> 00:13:22,282
Голос: Mary had a little lamb
whose fleece was white as snow,

240
00:13:22,282 --> 00:13:26,993
and everywhere that Mary went,
the lamb was sure to go.

241
00:13:28,111 --> 00:13:31,711
МР: Конечно, первая область применения,
которая приходит на ум — это слежка.

242
00:13:31,711 --> 00:13:33,993
(Смех)

243
00:13:33,993 --> 00:13:38,055
Но в действительности есть и другие
способы полезного применения.

244
00:13:38,095 --> 00:13:41,196
Возможно, мы сможем
использовать это, например,

245
00:13:41,196 --> 00:13:43,557
чтобы извлечь звук из космоса,

246
00:13:43,557 --> 00:13:47,179
ведь звук не распространяется в космосе,
но распространяется свет.

247
00:13:47,179 --> 00:13:49,525
Мы только начинаем исследовать

248
00:13:49,525 --> 00:13:52,439
другие возможности применения
этой новой технологии.

249
00:13:52,439 --> 00:13:55,528
Теперь мы можем наблюдать процессы,
о существовании которых знаем,

250
00:13:55,528 --> 00:13:59,575
но которых мы до сих пор никогда
не могли увидеть собственными глазами.

251
00:14:00,677 --> 00:14:01,917
Это наша команда.

252
00:14:01,917 --> 00:14:04,767
Всё, что я показывал сегодня, —
результат сотрудничества

253
00:14:04,767 --> 00:14:06,934
группы замечательных людей,
которых вы видите,

254
00:14:06,934 --> 00:14:10,484
и я призываю вас и буду рад,
если вы зайдёте на наш сайт,

255
00:14:10,484 --> 00:14:12,017
попробуете сами

256
00:14:12,017 --> 00:14:15,263
и присоединитесь к нам в исследовании
мира микроскопических движений.

257
00:14:15,263 --> 00:14:16,700
Спасибо.

258
00:14:16,700 --> 00:14:18,726
(Аплодисменты)