Pracuji s autistickými dětmi. Vymýšlím pro ně technologie, které jim usnadňují komunikaci.
I work with children with autism. Specifically, I make technologies to help them communicate.
Totiž, mnoho problémů, kterým tyto děti čelí, mají stejnou příčinu v tom, že je pro ně velmi těžké porozumět abstrakci a symbolismu. A právě kvůli tomu je pro ně hodně obtížné používání jazyka. Já Vám teď řeknu něco k tomu, proč tomu tak je. Toto je obrázek misky s polévkou. To vidíme všichni a všichni tomu také rozumíme. Tady máme dva další obrázky polévky, ale jak vidíte, tyto jsou již abstraktnější. Nejsou tak konkrétní jako ten první. A podíváme-li se na jazyk, zjistíme, že podoba slova, nemá nic společného se svou předlohou, a také jeho zvuk není vůbec nijak spojený s původním vzorem misky s polévkou. Takže jde o absolutní abstrakci, zástupnou reprezentaci něčeho co existuje v reálném světě, a s tímto mají děti s autismem obrovský problém. Proto většina odborníků, co s autistickými dětmi pracují - logopedi, učitelé - se těmto dětem snaží pomoci komunikovat ne prostřednictvím slov ale obrázků. Tak například, pokud dítě chce říct "Já chci polévku.", vybere tři různé obrázky: "já" "chtít" a "polévka" a když se pak složí dohromady, terapeut nebo rodič pochopí, co chce dítě říct. Tento způsob je ohromně účinný a v posledních zhruba 30, 40 letech se hodně využíval. Já jsem, před několika lety, vyvinul aplikaci pro iPady, která dělá přesně to samé. Jmenuje se Avaz a funguje tak, že si dítě vybere odlišné obrázky. Tyto obrázky jsou poté zformovány do vět a tyto věty se nahlas přečtou. Takže Avaz je v podstatě překladatel, který tlumočí obrázky do mluvené řeči.
Now, many of the problems that children with autism face, they have a common source, and that source is that they find it difficult to understand abstraction, symbolism. And because of this, they have a lot of difficulty with language. Let me tell you a little bit about why this is. You see that this is a picture of a bowl of soup. All of us can see it. All of us understand this. These are two other pictures of soup, but you can see that these are more abstract These are not quite as concrete. And when you get to language, you see that it becomes a word whose look, the way it looks and the way it sounds, has absolutely nothing to do with what it started with, or what it represents, which is the bowl of soup. So it's essentially a completely abstract, a completely arbitrary representation of something which is in the real world, and this is something that children with autism have an incredible amount of difficulty with. Now that's why most of the people that work with children with autism -- speech therapists, educators -- what they do is, they try to help children with autism communicate not with words, but with pictures. So if a child with autism wanted to say, "I want soup," that child would pick three different pictures, "I," "want," and "soup," and they would put these together, and then the therapist or the parent would understand that this is what the kid wants to say. And this has been incredibly effective; for the last 30, 40 years people have been doing this. In fact, a few years back, I developed an app for the iPad which does exactly this. It's called Avaz, and the way it works is that kids select different pictures. These pictures are sequenced together to form sentences, and these sentences are spoken out. So Avaz is essentially converting pictures, it's a translator, it converts pictures into speech.
Toto se ukázalo jako velmi účinné. Po celém světě tuto aplikaci používají tisíce dětí, a já se začal zamýšlet nad tím, co přesně dělá a co už ne. A uvědomil jsem si něco zajímavého - Avaz pomáhá autistickým dětem naučit se slova. To, co je ale nenaučí, je struktura vět. To se teď pokusím vysvětlit detailněji. Vezměme si například větu: "Já chci dnes večer polévku." Nejsou to jen slova samotná, co vytváří význam. ale i způsob, jakým jsou tato slova upravena a seskupena. A proto věta "Já chci dnes večer polévku." je zcela odlišná od věty "Polévku chci já dnes večer.", která nedává smysl. Toto, tedy skutečnost, že slova můžete upravit a seřadit tak, že nakonec dají jiný smysl, je pro děti s autismem další skrytá abstrakce, kterou těžko chápou. Toto je to, čemu říkáme gramatika. Gramatika má velkou moc, protože je jedním komponentem jazyka, který náš omezený slovník upravuje tak, že jsme jím schopni vyjádřit nekonečné množství informací a myšlenek. Gramatika je způsob, jakým věci dáváme dohromady, abychom mohli vyjádřit cokoli chceme.
Now, this was very effective. There are thousands of children using this, you know, all over the world, and I started thinking about what it does and what it doesn't do. And I realized something interesting: Avaz helps children with autism learn words. What it doesn't help them do is to learn word patterns. Let me explain this in a little more detail. Take this sentence: "I want soup tonight." Now it's not just the words here that convey the meaning. It's also the way in which these words are arranged, the way these words are modified and arranged. And that's why a sentence like "I want soup tonight" is different from a sentence like "Soup want I tonight," which is completely meaningless. So there is another hidden abstraction here which children with autism find a lot of difficulty coping with, and that's the fact that you can modify words and you can arrange them to have different meanings, to convey different ideas. Now, this is what we call grammar. And grammar is incredibly powerful, because grammar is this one component of language which takes this finite vocabulary that all of us have and allows us to convey an infinite amount of information, an infinite amount of ideas. It's the way in which you can put things together in order to convey anything you want to.
A tak poté, co jsem vytvořil Avaz, jsem velmi dlouhou dobu přemýšlel jak bych mohl autistickým dětem předat gramatiku. A řešení jsem našel v zajímavé situaci. Dostal jsem se náhodou ke konverzaci matky s jejím autistickým dítětem, která proběhla takhle. Najednou z ničeho nic dítě vstalo a řeklo slovo "jíst". Co bylo pro mě zajímavé, byl způsob, jakým se matka snažila pomocí kladení otázek dítěti zjistit, co jí chce říct. A tak se ho zeptala: "Jíst co? Chceš jíst zmrzlinu? Ty chceš jíst? Někdo jiný chce jíst? Chceš jíst zmrzlinu teď? Chceš jíst zmrzlinu večer?" A tehdy jsem si uvědomil, že to, co matka dělá je neuvěřitelné. Je schopná dítěti pomoci komunikovat myšlenku bez použití gramatiky. A tak mě napadlo, že právě toto je možná tím, co hledám. Namísto řazení slov do vět, jak mají být, je můžeme seřadit do jakési mapy, ve které nejsou spojeny slovo za slovem, ale ve vztahu otázka - odpověď. Když to takto provedeme, nesdělujeme vlastně větu v angličtině, ale pouze smysl, význam anglické věty. A význam je z určitého pohledu pupkem jazyka. Přichází po myšlení, ale před jazykem. A mne napadlo, že tento způsob reprezentace by mohl vyjádřit význam v jeho surové podobě.
And so after I developed Avaz, I worried for a very long time about how I could give grammar to children with autism. The solution came to me from a very interesting perspective. I happened to chance upon a child with autism conversing with her mom, and this is what happened. Completely out of the blue, very spontaneously, the child got up and said, "Eat." Now what was interesting was the way in which the mom was trying to tease out the meaning of what the child wanted to say by talking to her in questions. So she asked, "Eat what? Do you want to eat ice cream? You want to eat? Somebody else wants to eat? You want to eat cream now? You want to eat ice cream in the evening?" And then it struck me that what the mother had done was something incredible. She had been able to get that child to communicate an idea to her without grammar. And it struck me that maybe this is what I was looking for. Instead of arranging words in an order, in sequence, as a sentence, you arrange them in this map, where they're all linked together not by placing them one after the other but in questions, in question-answer pairs. And so if you do this, then what you're conveying is not a sentence in English, but what you're conveying is really a meaning, the meaning of a sentence in English. Now, meaning is really the underbelly, in some sense, of language. It's what comes after thought but before language. And the idea was that this particular representation might convey meaning in its raw form.
A já byl tímto nápadem zcela nadšený, poskakoval jsem dokola a přemýšlel jsem, zda bych mohl tímto způsobem převést jakékoliv věty. Došlo mi, že by to takhle nestačilo. Proč ne? Nestačilo by to, protože pokud bychom chtěli převést například negaci, jako: "Já nechci polévku.", pomocí otázek by to nešlo. K tomu je nutné změnit slovo "chtít". Také chceme-li říct: "Včera jsem chtěl polévku.", je nutné změnit slovo "chci" na "chtěl". Je to minulý čas. A toto jsem tak musel zahrnout do systému, aby byl zcela kompletní. Toto je mapa, která slova spojuje jako otázky a odpovědi a na ně aplikuje tyto filtry, díky nim je pak může použít k vyjádření určitých nuancí. To Vám ukážu na jiném příkladu.
So I was very excited by this, you know, hopping around all over the place, trying to figure out if I can convert all possible sentences that I hear into this. And I found that this is not enough. Why is this not enough? This is not enough because if you wanted to convey something like negation, you want to say, "I don't want soup," then you can't do that by asking a question. You do that by changing the word "want." Again, if you wanted to say, "I wanted soup yesterday," you do that by converting the word "want" into "wanted." It's a past tense. So this is a flourish which I added to make the system complete. This is a map of words joined together as questions and answers, and with these filters applied on top of them in order to modify them to represent certain nuances. Let me show you this with a different example.
Například tato věta: "Řekl jsem tesaři, že jsem mu nemohl zaplatit." To je poměrně složitá věta. Tento systém funguje tak, že je možné začít jakoukoliv částí. Já začnu se slovem "říct". Tady je slovo "říct". Protože je to v minulosti, změním to na "řekl". A co udělám teď je, že si začnu klást otázky. Kdo řekl? Já jsem řekl. Řekl jsem komu? Řekl jsem tesaři. Teď začneme s jinou částí věty. Se slovem "zaplatit", ke kterém přidáme filtr schopnosti a vznikne nám "moci zaplatit". Z toho uděláme "nemoci zaplatit" a následně minulý čas "nemohl zaplatit". A kdo nemohl zaplatit? Já jsem nemohl zaplatit. Nemohl zaplatit komu? Nemohl jsem zaplatit tesaři. A tyto dvě části pak spojíme dohromady položením této otázky: Co jsem řekl tesaři? Řekl jsem tesaři, že jsem mu nemohl zaplatit.
Let's take this sentence: "I told the carpenter I could not pay him." It's a fairly complicated sentence. The way that this particular system works, you can start with any part of this sentence. I'm going to start with the word "tell." So this is the word "tell." Now this happened in the past, so I'm going to make that "told." Now, what I'm going to do is, I'm going to ask questions. So, who told? I told. I told whom? I told the carpenter. Now we start with a different part of the sentence. We start with the word "pay," and we add the ability filter to it to make it "can pay." Then we make it "can't pay," and we can make it "couldn't pay" by making it the past tense. So who couldn't pay? I couldn't pay. Couldn't pay whom? I couldn't pay the carpenter. And then you join these two together by asking this question: What did I tell the carpenter? I told the carpenter I could not pay him.
Teď se nad tím zamysleme. Toto je - (Potlesk) - toto je vyjádření téhle věty bez jazyka. A tady jsou dvě nebo tři zajímavé věci. Zaprvé, mohl jsem začít kdekoliv. Nemusel jsem začínat slovem "říct". A ať bych začal kdekoliv ve větě, dospěl bych ke stejnému závěru. Druhá věc je, kdybych nemluvil anglicky, kdybych mluvil jakýmkoliv jiným jazykem, tato mapa by fungovala úplně stejně i v jiném jazyce. Pokud jsou otázky standardizované, tato mapa je na jazyku nezávislá. Já to nazývám jako FreeSpeech (Volná Řeč), a zabýval jsem se jí mnoho a mnoho měsíců. Zkoušel jsem řadu nejrůznějších kombinací.
Now think about this. This is —(Applause)— this is a representation of this sentence without language. And there are two or three interesting things about this. First of all, I could have started anywhere. I didn't have to start with the word "tell." I could have started anywhere in the sentence, and I could have made this entire thing. The second thing is, if I wasn't an English speaker, if I was speaking in some other language, this map would actually hold true in any language. So long as the questions are standardized, the map is actually independent of language. So I call this FreeSpeech, and I was playing with this for many, many months. I was trying out so many different combinations of this.
A pak jsem odhalil něco zajímavého. Pokoušel jsem se převést jazyk, převést věty v angličtině do vět ve FreeSpeech a obráceně. A uvědomil jsem si, že tato konkrétní konfigurace, tento způsob reprezentace jazyka, mi umožňuje vytvořit velmi výstižná pravidla, která fungují mezi FreeSpeech na jedné straně a angličtinou na straně druhé. A tak jsem mohl zapsat tato pravidla, překládáná z této zvláštní reprezentace do angličtiny. A tak jsem vytvořil tohle. Vytvořil jsem něco, co jsem nazval FreeSpeech Engine (Motor Volné řeči), který jakoukoliv větu ve FreeSpeech dokáže přeměnit na zcela gramaticky bezchybný anglický text. A spojením těchto dvou věcí, reprezentace a motoru, jsem byl schopný vytvořit aplikaci, technologii pro autistické děti, která jim předává nejen slova, ale také gramatiku.
And then I noticed something very interesting about FreeSpeech. I was trying to convert language, convert sentences in English into sentences in FreeSpeech, and vice versa, and back and forth. And I realized that this particular configuration, this particular way of representing language, it allowed me to actually create very concise rules that go between FreeSpeech on one side and English on the other. So I could actually write this set of rules that translates from this particular representation into English. And so I developed this thing. I developed this thing called the FreeSpeech Engine which takes any FreeSpeech sentence as the input and gives out perfectly grammatical English text. And by putting these two pieces together, the representation and the engine, I was able to create an app, a technology for children with autism, that not only gives them words but also gives them grammar.
A tak jsem to vyzkoušel s autistickými dětmi a zjistil jsem, že se s tím velmi výborně sžily. Byly schopné vytvořit věty ve FreeSpeech, které byly mnohem komplikovanější a zároveň efektivnější než podobné věty v angličtině. A já začal přemýšlet, proč to tak je. A něco mě napadlo a to Vám tu chci teď říct. Kolem roku 1997, zhruba před 15 lety, se skupinka vědců pokoušela zijistit, jak mozek zpracovává jazyk, a přišli na něco velmi zajímavého. Zjistili, že pokud se učí jazyk dvouleté dítě, používá určitou část mozku, a pokud se jazyk učí dospělý - například kdybych se já teď rozhodl naučit japonsky - je využita zcela jiná část mozku. Já nevím, proč to tak je, ale myslím si, že to bude tím, že jako dospělí se téměř vždy jazyk učíme skrze náš první - rodný jazyk. Na FreeSpeech je z tohoto pohledu zajímavé, že když vytvoříte větu nebo když tvoříte jazyk, jako autistické děti tvoří pomocí FreeSpeech, nevyužívají tento podpůrný jazyk, nevyužívají jej jako jazykový most. Věty tvoří přímo.
So I tried this out with kids with autism, and I found that there was an incredible amount of identification. They were able to create sentences in FreeSpeech which were much more complicated but much more effective than equivalent sentences in English, and I started thinking about why that might be the case. And I had an idea, and I want to talk to you about this idea next. In about 1997, about 15 years back, there were a group of scientists that were trying to understand how the brain processes language, and they found something very interesting. They found that when you learn a language as a child, as a two-year-old, you learn it with a certain part of your brain, and when you learn a language as an adult -- for example, if I wanted to learn Japanese right now — a completely different part of my brain is used. Now I don't know why that's the case, but my guess is that that's because when you learn a language as an adult, you almost invariably learn it through your native language, or through your first language. So what's interesting about FreeSpeech is that when you create a sentence or when you create language, a child with autism creates language with FreeSpeech, they're not using this support language, they're not using this bridge language. They're directly constructing the sentence.
A tak jsem dostal nápad. Bylo by možné použít FreeSpeech nejen pro děti s autismem, ale i pro lidi bez něj k výuce jazyků? A tak jsem vyzkoušel řadu pokusů. Nejdřív jsem vytvořil tuto puzzle, ve kterém jsou otázky a odpovědi zakódovány v různých tvarech, v různých barvách, a lidé je zkoušeli složit dohromady a pochopit, jak to funguje. A z toho jsem vytvořil aplikaci, hru, ve které si děti mohou hrát se slovy a díky posilovanému učení, zvukovému posílení vizuálních struktur, se mohou naučit jazyk. A toto má velký potenciál, je to velmi slibné a indická vláda si nedávno zařídila licenci na tuto naši technologii a vyzkouší ji na milionech dětí při studiu angličtiny. A snem, nadějí, nebo spíše vizí je že pokud se budou učit anglicky tímto způsobem, naučí se jej stejně dokonale jako svůj rodný jazyk.
And so this gave me this idea. Is it possible to use FreeSpeech not for children with autism but to teach language to people without disabilities? And so I tried a number of experiments. The first thing I did was I built a jigsaw puzzle in which these questions and answers are coded in the form of shapes, in the form of colors, and you have people putting these together and trying to understand how this works. And I built an app out of it, a game out of it, in which children can play with words and with a reinforcement, a sound reinforcement of visual structures, they're able to learn language. And this, this has a lot of potential, a lot of promise, and the government of India recently licensed this technology from us, and they're going to try it out with millions of different children trying to teach them English. And the dream, the hope, the vision, really, is that when they learn English this way, they learn it with the same proficiency as their mother tongue.
Dobře, teď pojďme mluvit o něčem jiném. Pojďme si promluvit o řeči. Toto je řeč. Řeč je primárním způsobem komunikace používaným mezi lidmi. A co je na řeči zajímavé je, že je jednorozměrná. Proč je jednorozměrná? Je to proto, že je to zvuk. Také je to proto, že naše ústa jsou k tomu takto přizpůsobena. Naše ústa jsou ustanovena k jednorozměrnému zvuku. Ale když přemýšlíme o našem mozku, myšlenky, které máme v hlavě, vůbec jednorozměrné nejsou. Naše myšlenky jsou bohaté složité a multidimenzionální. A mně se zdá, že jazyk je vynálezem našeho mozku, jehož úkolem je převést toto multidimenzionální myšlení na řeč. Zajímavé je, že v dnešní době máme mnoho informací, jejichž převážná většina je předávána jazykem. Například Google. Google prohledává miliardy stránek, které jsou v angličtině, a když chcete použít Google, zadáváte hesla v angličtině, a výsledky tak propojují angličtinu s angličtinou. Ale co kdybychom toto mohli dělat ve FreeSpeech? Myslím, že kdybychom se o to pokusili, zjistili bychom, že algoritmy jako vyhledávání a podobné věci jsou tak mnohem jednodušší a také mnohem efektivnější, protože nezpracovávají datovou strukturu řeči. Místo toho zpracovávají datovou strukturu myšlenky. Datová struktura myšlenek. To je docela odvážná myšlenka.
All right, let's talk about something else. Let's talk about speech. This is speech. So speech is the primary mode of communication delivered between all of us. Now what's interesting about speech is that speech is one-dimensional. Why is it one-dimensional? It's one-dimensional because it's sound. It's also one-dimensional because our mouths are built that way. Our mouths are built to create one-dimensional sound. But if you think about the brain, the thoughts that we have in our heads are not one-dimensional. I mean, we have these rich, complicated, multi-dimensional ideas. Now, it seems to me that language is really the brain's invention to convert this rich, multi-dimensional thought on one hand into speech on the other hand. Now what's interesting is that we do a lot of work in information nowadays, and almost all of that is done in the language domain. Take Google, for example. Google trawls all these countless billions of websites, all of which are in English, and when you want to use Google, you go into Google search, and you type in English, and it matches the English with the English. What if we could do this in FreeSpeech instead? I have a suspicion that if we did this, we'd find that algorithms like searching, like retrieval, all of these things, are much simpler and also more effective, because they don't process the data structure of speech. Instead they're processing the data structure of thought. The data structure of thought. That's a provocative idea.
Podívejme se na to detailněji. Toto je ekosystém FreeSpeech. Na jedné straně FreeSpeech reprezentace, na druhé FreeSpeech motor, který vytváří angličtinu. Když se nad tím zamyslíme, jak jsem Vám řekl, FreeSpeech je zcela nezávislá na jazyku. Nenese v sobě žádbou konkrétní informaci, která by souvisela s angličtinou. Tudíž vše, co tento systém ví o angličtině je zakódováno v tom motoru. To je velmi zajímavý koncept. Zakódování celého lidského jazyka do softwarového programu. Ale podíváme-li se, co je uvnitř toho motoru, vlastně to není nijak komplikované. Nejde o složitý kód. Zajímavější je fakt, že převážná většina kódu uvnitř motoru není specifická pro angličtinu. A díky tomu mě napadla zajímavá věc. Mohlo by být pro nás velmi snadné tyto motory vytvořit v mnoha různých jazycích, v hindu, francouzštině, němčině, svahilštině. A s tím souvisí další zajímavá myšlenka. Například, kdybych byl novinář a psal pro noviny nebo časopis, mohl bych napsat článek v jediném jazyce - FreeSpeech, a ten, kdo si chce článek přečíst, by si mohl zvolit jakýkoliv motor, který by text přečetl v jejich jazyce, v jejich rodném jazyce. Toto je dle mě velice lákavá myšlenka, obzvláště v Indii. Máme tolik různých jazyků. O Indii existuje píseň, která tuto zemi popisuje jako (v sanskrtu). To znamená "stále se usmívající mluvčí nádherných jazyků".
But let's look at this in a little more detail. So this is the FreeSpeech ecosystem. We have the Free Speech representation on one side, and we have the FreeSpeech Engine, which generates English. Now if you think about it, FreeSpeech, I told you, is completely language-independent. It doesn't have any specific information in it which is about English. So everything that this system knows about English is actually encoded into the engine. That's a pretty interesting concept in itself. You've encoded an entire human language into a software program. But if you look at what's inside the engine, it's actually not very complicated. It's not very complicated code. And what's more interesting is the fact that the vast majority of the code in that engine is not really English-specific. And that gives this interesting idea. It might be very easy for us to actually create these engines in many, many different languages, in Hindi, in French, in German, in Swahili. And that gives another interesting idea. For example, supposing I was a writer, say, for a newspaper or for a magazine. I could create content in one language, FreeSpeech, and the person who's consuming that content, the person who's reading that particular information could choose any engine, and they could read it in their own mother tongue, in their native language. I mean, this is an incredibly attractive idea, especially for India. We have so many different languages. There's a song about India, and there's a description of the country as, it says, (in Sanskrit). That means "ever-smiling speaker of beautiful languages."
Jazyk je nádherný. Myslím, že je to vůbec nejkrásnější lidský vynález. Myslím, že je to nejhezčí věc, jakou naše mozky stvořily. Baví nás, vzdělává, informuje, ale co já mám na jazyku nejraději je to, že lidi obohacuje.
Language is beautiful. I think it's the most beautiful of human creations. I think it's the loveliest thing that our brains have invented. It entertains, it educates, it enlightens, but what I like the most about language is that it empowers.
A tímto bych rád skončil. Toto je fotografie mých spolupracovníků, mojich nejstarších spolupracovníků, se kterými jsem začínal pracovat s jazykem, autismem a dalšími věcmi. Jméno té dívky je Pavna a to je její matka, Kalpana. Pavna je podnikatelka, ale její příběh je mnohem zajímavější než ten můj, protože Pavně je asi 23 let. Je ochrnutá v důsledku mozkové obrny, a tak od svého narození nemohla se hýbat, ani mluvit. A vše, co zatím dokázala, jako dokončení střední školy, nástup na vysokou, založení společnosti, spolupráce se mnou na rozvoji Avazu, všechno to dokázala pouze pohybem svých očí.
I want to leave you with this. This is a photograph of my collaborators, my earliest collaborators when I started working on language and autism and various other things. The girl's name is Pavna, and that's her mother, Kalpana. And Pavna's an entrepreneur, but her story is much more remarkable than mine, because Pavna is about 23. She has quadriplegic cerebral palsy, so ever since she was born, she could neither move nor talk. And everything that she's accomplished so far, finishing school, going to college, starting a company, collaborating with me to develop Avaz, all of these things she's done with nothing more than moving her eyes.
Daniel Webster řekl toto: Řekl: "Pokud všechno, co mám, mělo být odebráno, s jedinou výjimkou, vybral bych si moc komunikovat, neboť s ní bych mohl znovu získat vše ostatní." A to je důvod, proč ze všech těch různých aplikací FreeSpeech je mému srdci nejblíž, její schopnost obohatit handicapované děti tak, aby byly schopné komunikovat, aby získaly moc komunikace a s ní pak to zbývající.
Daniel Webster said this: He said, "If all of my possessions were taken from me with one exception, I would choose to keep the power of communication, for with it, I would regain all the rest." And that's why, of all of these incredible applications of FreeSpeech, the one that's closest to my heart still remains the ability for this to empower children with disabilities to be able to communicate, the power of communication, to get back all the rest.
Děkuji Vám. (Potlesk) Děkuji. (Potlesk) Děkuji Vám. Děkuji. Děkuji. (Potlesk) Děkuji. Děkuji. Děkuji Vám. (Potlesk)
Thank you. (Applause) Thank you. (Applause) Thank you. Thank you. Thank you. (Applause) Thank you. Thank you. Thank you. (Applause)