Also ich arbeite mit autistischen Kindern. Ich stelle Technologien her, um ihnen beim Kommunizieren zu helfen.
I work with children with autism. Specifically, I make technologies to help them communicate.
Viele Probleme von Kindern mit Autismus haben einen gemeinsamen Ursprung, denn ihnen allen fällt es schwer, Abstraktion und Symbolik zu verstehen. Dadurch haben sie sehr viele Schwierigkeiten mit Sprache.
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.
Lassen Sie mich Ihnen erklären, warum das so ist. Das ist ein Bild einer Schüssel mit Suppe darin. Alle von uns können das sehen und verstehen. Das hier sind zwei andere Bilder von Suppe, aber Sie sehen schon, dass diese abstrakter sind. Sie sind nicht so konkret. Und dann wird Sprache daraus, es wird zu einem Wort, dessen Aussehen und Aussprache nichts mit dem zu tun hat, was es am Anfang war, oder was es darstellt, nämlich die Schüssel Suppe. Es ist also etwas völlig Abstraktes, eine völlig beliebige Darstellung eines realen Gegenstandes, und das ist etwas, womit autistische Kinder eine Menge Schwierigkeiten haben. Deshalb versuchen Leute, die mit autistischen Kindern arbeiten -- Sprachtherapeuten, Lehrer -- ihnen beim Kommunizieren zu helfen. Nicht mit Wörtern, sondern mit Bildern. Wenn ein autistisches Kind also sagen wollte: "Ich will Suppe", würde es 3 verschiedene Bilder in die Hand nehmen: "Ich", "will" und "Suppe". Es würde diese zusammen hochhalten und dann verstehen Therapeut oder die Eltern, was das Kind sagen will. Das ist unglaublich effektiv. Seit den letzten 30, 40 Jahren wird das so gemacht. Vor einigen Jahren habe ich sogar eine App für das iPad entwickelt, die genau das macht. Sie heißt Avaz. Sie funktioniert so, dass Kinder verschiedene Bilder auswählen. Diese Bilder werden aneinander gereiht, um Sätze zu bilden, und diese Sätze werden dann ausgesprochen. Avaz wandelt also Bilder um, sie ist ein Übersetzer, sie wandelt Bilder in Sprache um.
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.
Das war sehr effektiv. Tausende von Kindern auf der ganzen Welt nutzen sie, und ich begann darüber nachzudenken, was sie kann und was sie nicht kann. Dabei wurde mir etwas Interessantes bewusst: Avaz hilft autistischen Kindern, Wörter zu lernen. Aber sie hilft Ihnen nicht dabei, Satzstrukturen zu lernen. Lassen Sie mich das genauer erklären. Nehmen wir den Satz: "Heute Abend will ich Suppe." Es sind nicht nur die Wörter, die die Bedeutung übermitteln, sondern auch die Art und Weise, wie sie angeordnet sind, also die Art, wie sie angepasst und angeordnet sind. Deshalb ist ein Satz wie "Heute Abend will ich Suppe." nicht das Gleiche wie der Satz: "Heute Suppe Abend ich will.", der absolut keinen Sinn ergibt. Hier ist also eine weitere versteckte Abstraktion, mit der autistische Kinder schwer umgehen können, denn Tatsache ist, dass man Wörter verändern und sie so anordnen kann, dass sie verschiedene Bedeutungen haben, unterschiedliche Gedanken übermitteln. Das bezeichnen wir als Grammatik. Grammatik ist unglaublich mächtig, da Grammatik diese eine Komponente der Sprache ist, mit der wir unser begrenztes Vokabular zur Übermittlung einer unendlichen Menge von Informationen nutzen können, also eine unendliche Menge von Gedanken. Man stellt also Dinge zusammen, um alles das, was man will, zu übermitteln.
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.
Nachdem ich also Avaz entwickelt hatte, grübelte ich sehr lange darüber nach, wie ich autistischen Kindern Grammatik beibringen könnte. Die Lösung kam mir bei einer sehr interessanten Beobachtung. Ich war zufällig dabei, als sich ein autistisches Kind mit seiner Mutter unterhielt, und dabei geschah Folgendes. Völlig unerwartet, ganz spontan stand das Kind auf und sagte: "Essen." Das Interessante daran war, auf welche Art und Weise die Mutter versuchte herauszubekommen, was das Kind sagen wollte, indem sie nämlich Fragen stellte. Sie fragte: "Was essen? Willst du Eis essen? Willst du essen? Will jemand anderes essen? Willst du jetzt Eis essen? Willst du heute Abend Eis essen?" Dabei wurde mir schlagartig bewusst, dass die Mutter etwas Unglaubliches getan hatte. Sie hatte dem Kind geholfen, ihr ohne Grammatik einen Gedanken mitzuteilen. Und da wurde mir bewusst, dass es das war, wonach ich suchte. Anstatt die Wörter in einer Reihenfolge anzuordnen, als einen Satz, ordnet man sie in dieser "Karte" an, auf der sie alle miteinander verbunden sind; man ordnet sie nicht eines nach dem anderen an, sondern in Fragen, in Frage-Antwort-Paaren. Wenn man das macht, übermittelt man keinen Satz auf Englisch, sondern man übermittelt eine Bedeutung, die Bedeutung des Satzes in Englisch. Eigentlich ist die Bedeutung die Grundlage der Sprache. Sie kommt nach dem Gedanken, aber noch vor dem Aussprechen. Und die Idee hinter dieser besonderen Darstellung ist, dass sie Bedeutung in ihrer reinen Form übermitteln könnte.
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.
Ich war so begeistert davon, dass ich Freudensprünge machte. Dann versuchte ich herauszufinden, ob alle Sätze, die ich höre, auf diese Weise umformen kann. Ich fand heraus, dass das nicht ausreicht. Warum reicht das nicht aus? Es ist zum Beispiel nicht genug, wenn man Verneinung ausdrücken möchte, und man sagen will: "Ich will keine Suppe". Man kann dies nicht tun, indem man eine Frage stellt. Man macht das durch die Beugung des Verbs "wollen". Auch wenn man sagen möchte: "Gestern wollte ich Suppe", wandelt man das Wort "will" in "wollte" um. Das ist die Vergangenheitsform. Diese Funktion habe ich noch hinzugefügt, um das System zu vervollständigen. Dies ist eine Karte mit verbundenen Wörtern als Fragen und Antworten, und darüber sind Filter, um sie zu verändern, um bestimmte Nuancen darzustellen. Ich zeige es Ihnen an einem anderen Beispiel.
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.
Nehmen wir einmal diesen Satz. "Ich sagte dem Handwerker, dass ich ihn nicht bezahlen könne." Das ist ein recht komplizierter Satz. Dieses besondere System funktioniert so, dass man mit jedem beliebigen Teil des Satzes beginnen kann. Ich fange mit dem Verb "sagen" an. Das ist das Verb "sagen". Da dies in der Vergangenheit passiert ist, mache ich daraus "sagte". Und jetzt stelle ich Fragen: Wer sagte? Ich sagte. Wem sagte ich es? Ich sagte es dem Handwerker. Jetzt fangen wir in einem anderen Teil an. Wir beginnen mit dem Verb "bezahlen" und fügen den "Modalverb-Filter" hinzu und machen "bezahlen können" daraus. Dann machen wir es zu "nicht bezahlen können" und dann "nicht bezahlen konnten", durch den "Vergangenheitsfilter". Wer konnte nicht bezahlen? Ich konnte nicht bezahlen. Wen konnte ich nicht bezahlen? Den Handwerker. Und dann verbindet man diese zwei Teile und fragt: "Was sagte ich dem Handwerker?" "Ich sagte dem Handwerker, dass ich ihn nicht bezahlen könne." [Konjunktiv > indirekte Rede]
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.
Denken Sie darüber nach. (Applaus) Das ist eine Darstellung dieses Satzes ohne die Verwendung von Sprache. Ich möchte noch auf zwei, drei interessante Dinge hinweisen. Zum einen hätte ich überall anfangen können. Ich hätte nicht beim Verb "sagen" anfangen müssen. Ich hätte überall im Satz anfangen können und mir wäre es trotzdem gelungen. Zweitens, wenn ich nicht Englisch sprechen würde, sondern eine andere Sprache, würde dieses Prinzip genauso gelten. Solange es Standardfragen sind, ist dieses Prinzip nicht von Sprache abhängig. Ich nenne es "FreeSpeech" (etwa "sprachfrei") und ich habe viele Monate mit diesem Spiel verbracht. Ich habe viele verschiedene Kombinationen ausprobiert.
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.
Dabei fiel mir etwas Interessantes an FreeSpeech auf. Ich versuchte Sprache umzuformen, englische Sätze in FreeSpeech-Sätze umzuwandeln und umgekehrt, vor und zurück. Mir wurde klar, dass durch diese besondere Konfiguration, diese besondere Art und Weise, Sprache darzustellen, tatsächlich sehr konkrete Regeln zwischen FreeSpeech und Englisch existieren. So konnte ich dieses Regelwerk erstellen, in dem von dieser besonderen Darstellung ins Englische übersetzt wird. Also entwickelte ich die "FreeSpeech Engine", [dt. Maschine] die jeden Satz in FreeSpeech aufnimmt und einen grammatisch korrekten Satz auf Englisch wiedergibt. Durch die Kombination dieser zwei Dinge, der Darstellung und der Maschine, konnte ich eine App konstruieren, eine Technologie für autistische Kinder, wodurch sie nicht nur Wörter lernen, sondern auch Grammatik.
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.
Ich habe das mit autistischen Kindern ausprobiert, und ich fand, dass es sehr gut angekommen ist. Sie konnten Sätze in FreeSpeech bilden, die viel komplizierter, aber viel effektiver waren, als äquivalente Sätze auf Englisch, und ich begann darüber nachzudenken, woran das lag. Mir kam etwas in den Sinn und darüber möchte ich jetzt sprechen. 1997, also vor ungefähr 15 Jahren, versuchte eine Gruppe von Forschern zu verstehen, wie Sprache im Gehirn verarbeitet wird, und sie entdeckten etwas sehr Interessantes. Sie fanden heraus, wenn man als Kind, als 2-jähriges Kind, eine Sprache lernt, dann lernt man sie mit einem bestimmten Teil des Gehirns. Wenn Erwachsene eine Sprache lernen -- wenn ich jetzt zum Beispiel Japanisch lernen wollte -- nutzen sie einen völlig anderen Teil des Gehirns. Ich weiß nicht, warum das so ist, aber ich schätze es ist so: Wenn man als Erwachsener eine Sprache lernt, verwendet man immer die Muttersprache oder die erste Fremdsprache als Grundlage. Das ist das Interessante an FreeSpeech. Wenn sie einen Satz bilden oder sich artikulieren, bilden autistische Kinder Sätze mit FreeSpeech, ohne eine "Hilfssprache" zu benutzen. Sie verwenden keine "Brückensprache". Sie bilden den Satz direkt.
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.
Das brachte mich auf eine Idee. Ist es vielleicht möglich, dass nicht nur autistische Kinder FreeSpeech verwenden, sondern auch Menschen ohne Behinderungen? Ich führte mehrere Experimente durch. Als Erstes entwarf ich dieses Puzzle, in dem sich diese Fragen und Antworten durch Formen und Farben unterscheiden, und die Leute müssen sie zusammensetzen und versuchen zu verstehen, wie es funktioniert. Also konstruierte ich eine App, ein Spiel daraus, in dem Kinder mit Wörtern spielen können und mit Aussprache, die Aussprache der angezeigten Bilder, und so lernen sie die Sprache. Da diese App großes Potential hat und vielversprechend ist, hat die indische Regierung unsere Technologie vor Kurzem lizensiert. Damit versuchen sie jetzt Millionen von Kindern Englisch beizubringen. Der Traum, die Hoffnung und die Vision ist es, dass sie Englisch auf solche Art und Weise lernen, dass sie die Sprache genauso gut wie ihre Muttersprache beherrschen.
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.
Reden wir über etwas anderes. Reden wir über das Sprechen. So sieht das Sprechen aus. Das Sprechen ist unser vorherrschender Kommunikationsmodus. Das Interessante am Sprechen ist, dass es eindimensional ist. Warum ist es eindimensional? Es ist eindimensional, weil es Schall ist. Es ist auch eindimensional, weil unser Mund so gebaut ist. Unser Mund ist so konstruiert, um einen eindimensionalen Klang zu erzeugen. Wenn Sie jedoch an das Gehirn denken... Die Gedanken in unserem Kopf sind nicht eindimensional. Wir haben diese reichen, komplexen, mehrdimensionalen Gedanken. Ich glaube, dass die Sprache eigentlich die Erfindung des Gehirns ist, um diese reichen, mehrdimensionalen Gedanken zu artikulieren. Interessant ist, dass wir heutzutage viel mit Informationen und Daten hantieren, und dass fast alles davon im Bereich der Sprache geschieht. Nehmen wir zum Beispiel Google. Google durchkämmt all diese zahllosen Webseiten, die alle auf Englisch sind, und will man Google nutzen, gibt man bei Google ein Wort auf Englisch ein und es gleicht Englisch mit Englisch ab. Was wäre, wenn wir das in FreeSpeech machen könnten? Ich glaube, wenn wir das tun, würden wir feststellen, dass die Such-Algorithmen, das Abrufen etc. viel einfacher und effektiver sind, da keine Sprachstruktur verarbeitet werden muss. Stattdessen wird die Gedankenstruktur verarbeitet. Die Gedankenstruktur. Das ist ein herausfordernder Gedanke.
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.
Lassen Sie mich das näher erklären. Das ist das FreeSpeech-System. Die Darstellung in FreeSpeech auf der einen Seite, und auf der anderen die FreeSpeech-Engine, die Englisch wiedergibt. Wie ich Ihnen bereits gesagt habe, ist FreeSpeech völlig unabhängig von Sprache. Das System enthält keine spezifische Informationen in Bezug auf Englisch. Alles, was dieses System über Englisch weiß, ist in der Engine kodiert. Das ist schon an sich ein recht interessantes Konzept: eine vollständige, menschliche Sprache in einer Software kodiert. Aber schaut man in die Engine hinein, dann ist sie eigentlich nicht sehr kompliziert. Es ist kein komplizierter Code. Noch interessanter ist die Tatsache, dass der größte Teil des Engine-Codes nicht spezifisch für Englisch ist. Ein interessanter Gedanke: Es könnte sehr einfach für uns sein, diese Engines in vielen verschiedenen Sprachen, wie Hindi, Französisch, Deutsch, Swahili etc. zu entwickeln. Und das bringt mich auf einen weiteren Gedanken. Stellen Sie sich vor, ich würde für eine Zeitung oder eine Zeitschrift schreiben. Ich könnte den Inhalt in einer Sprache, FreeSpeech, entwerfen, und die Person, die diesen Inhalt nutzt, die diese bestimmte Information liest, könnte sich eine x-beliebige Engine aussuchen und das Ganze in ihrer eigenen Sprache, in ihrer Muttersprache lesen. Das ist ein wirklich reizvoller Gedanke, besonders für Indien. Wir haben so viele verschiedene Sprachen. Es gibt ein Lied über Indien und darin wird das Land wie folgt beschrieben: (Sanskrit). Das bedeutet in etwa : "Stets lächelnder Sprecher schöner Sprachen."
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."
Sprache ist schön. Sie ist das Schönste, was der Mensch je geschaffen hat. Sie ist das Herrlichste, das unser Gehirn erfunden hat. Sie unterhält, sie bildet, sie klärt auf -- und für mich ist das Besondere an Sprache, dass sie stärkt. Ich möchte Ihnen Folgendes mitgeben. Das ist ein Bild meiner Mitarbeiter, der ersten Mitarbeiter, als ich anfing, mich mit Sprache, Autismus und Anderem zu beschäftigen. Das Mädchen heißt Pavna und daneben ist ihre Mutter, Kalpana. Pavna ist Unternehmerin, aber ihre Geschichte ist noch viel ungewöhnlicher als meine, weil Pavna erst 23 ist. Sie hat tetraplegische Zerebralparese, das heißt, dass sie von Geburt an sich weder bewegen noch sprechen konnte. Alles, was sie bis jetzt erreicht hat, Schulabschluss, College, die Gründung eines Unternehmens unsere Zusammenarbeit zur Entwicklung von Avaz, all dies hat sie geschafft, indem sie nur ihre Augen bewegt hat. Daniel Webster sagte Folgendes: "Würden mir all meine Besitztümer genommen werden, mit einer Ausnahme, dann behielte ich die Macht der Kommunikation, denn damit würde ich alles andere wieder zurück gewinnen." Daher sind all diese unglaublichen Anwendungen von FreeSpeech... Die, die mir am Wichtigsten ist, bleibt weiterhin, Kinder mit Behinderungen damit stärker zu machen, so dass sie kommunizieren können, die Macht der Kommunikation, um sich den Rest dann auch noch zurückzuholen.
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. 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 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.
Vielen Dank. (Applaus) Danke schön. (Applaus) Danke. Danke. Danke. (Applaus) Danke. Danke. Danke. (Applaus)
Thank you. (Applause) Thank you. (Applause) Thank you. Thank you. Thank you. (Applause) Thank you. Thank you. Thank you. (Applause)