I work with children with autism. Specifically, I make technologies to help them communicate.
Pracuję z autystycznymi dziećmi. Dokładniej, tworzę techniki pomagające im w komunikacji. Wiele problemów dzieci zmagających się z autyzmem
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.
ma wspólne źródło. Mają one trudności ze zrozumieniem abstrakcji i symbolizmu. Mają z tego powodu wiele problemów z posługiwaniem się językiem.
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.
Opowiem pokrótce z czego to wynika. Oto zdjęcie miski z zupą. Wszyscy to widzimy i rozumiemy. Oto dwa inne zdjęcia zupy, lecz są one bardziej abstrakcyjne. Mniej dokładne. Jeśli chodzi o język, widzimy, że zupa staje się słowem, którego wygląd i brzmienie nie ma absolutnie nic wspólnego z tym, od czego zaczęliśmy, co reprezentuje, czyli miskę zupy. Jest to czysto abstrakcyjna, arbitralna reprezentacja czegoś funkcjonującego w realnym świecie, co dla dzieci z autyzmem stanowi niezwykłą trudność. Z tego powodu większość ludzi pracujących z takimi dziećmi, terapeutów mowy, nauczycieli, próbuje im pomóc komunikować się nie za pomocą słów ale obrazów. Jeśli autystyczne dziecko chciałoby powiedzieć: "Ja chcę zupę", wybrałoby trzy obrazki: "ja", "chcieć" i "zupa", złożyłoby je razem, a terapeuta czy rodzic zrozumiałby, co dziecko chce powiedzieć. Było to niezwykle efektywne w ostatnich 30, 40 latach, ludzie z tego korzystali. Natomiast kilka lat temu opracowałem aplikację na iPada, która tak właśnie działa, o nazwie Avaz. Polega na możliwości wybrania różnych obrazków, które ułożone w kolejności tworzą zdania, będące następnie wypowiedziane. Avaz zasadniczo przetwarza obrazki, jest tłumaczem przetwarzającym obrazki na mowę.
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.
Okazał się bardzo skuteczny, tysiące dzieci posługują się nim na całym świecie, więc zacząłem się zastanawiać co on robi, a czego nie robi. Doszedłem do ciekawego wniosku, Avaz pomaga dzieciom z autyzmem uczyć się słów, natomiast nie pomaga im uczyć się składania słów. Pozwólcie, że to wyjaśnię. Weźmy zdanie: "Chcę zupę dziś wieczorem". Nie tylko słowa są nośnikiem znaczenia, ale także sposób ich ułożenia, sposób odmiany i ich kolejność. Dlatego zdanie: "Chcę zupę dziś wieczorem" różni się od zdania "Zupa chce ja dziś wieczorem", które nie ma sensu. Mamy tu kolejną ukrytą abstrakcję, w obliczu której stają dzieci z autyzmem, polega ona na modyfikacji słów i ich ułożenia, aby uzyskać inne znaczenie, przekazać inne myśli. Nazywamy to gramatyką. Gramatyka ma niezwykłą moc, ponieważ jest komponentem języka, dzięki któremu ograniczona ilość słownictwa pozwala na przekazanie nieskończonej liczby informacji, nieskończonej liczby myśli. To możliwość poukładania słów, by przekazać dowolny komunikat. Zatem, gdy udoskonaliłem Avaza,
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.
martwiło mnie to, w jaki sposób nauczyć autystyczne dzieci gramatyki. Rozwiązanie przyszło niespodziewanie. Miałem okazję spotkać dziecko z autyzmem podczas rozmowy z jego matką. Oto co się stało. Ni stąd ni zowąd, spontanicznie, dziecko wstało i powiedziało: "Jeść". Ciekawy okazał się sposób, w jaki matka próbowała wydobyć znaczenie słów dziecka zadając mu pytania. Zapytała: "Jeść co? Chcesz zjeść lody? Ty chcesz jeść? Ktoś inny chce jeść? Chcesz jeść lody teraz? Chcesz jeść lody wieczorem?". Zorientowałem się wtedy, że jego matka zrobiła coś niesamowitego. Udało jej się zachęcić dziecko do porozumiewania się z nią bez używania gramatyki. Zorientowałem się, że to jest właśnie to, czego szukam. Zamiast układać słowa w odpowiedniej kolejności w zdaniu można ułożyć je na mapie, gdzie wszystkie będą połączone nie poprzez ułożenie jednego za drugim, ale poprzez pytania, w parach pytanie-odpowiedź. Gdy tak zrobimy, nie stworzą one zdania w danym języku, ale przekażą sens tego zdania. Zatem sens stanowi tak naprawdę podłoże języka, pojawia się jako efekt myśli, ale przed użyciem języka. Rzecz w tym, że ten schemat może przekazywać sens w surowej postaci.
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.
Zafascynowało mnie to, chodziłem wkoło próbując wymyślić, jak mogę przetworzyć wszelkie możliwe zdania, które słyszę, w ten sposób. Stwierdziłem, że to nie wystarczy. Dlaczego? Ponieważ, gdy chce się przekazać sens zdania przeczącego, chce się powiedzieć: "Nie chcę zupy", nie osiągnie się tego poprzez pytanie, trzeba zastąpić czymś słowo "chcę". A jeśli chce się powiedzieć: "Chciałem zupę wczoraj", trzeba zmienić słowo "chcę" na "chciałem", czas przeszły. To było ulepszenie, które dodałem, by dopełnić system. Oto mapa słów połączonych w pytania i odpowiedzi z filtrami dodanymi ponad nimi do ich modyfikacji, by wyrażały poszczególne niuanse. Zademonstruję to na innym przykładzie.
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.
Weźmy zdanie: "Powiedziałem stolarzowi, że nie mogę mu zapłacić". To dość skomplikowane zdanie. System działa w ten sposób, że można zacząć od dowolnej części zdania. Zacznę od słowa "mówić", oto ono. Wydarzyło się to w przeszłości, więc zamienię je w "powiedziałem". Teraz zadam pytanie. Kto powiedział? Ja powiedziałem. Powiedziałem komu? Stolarzowi. Zacznijmy od innej części zdania, od słowa "płacić" i dodajmy filtr do zmiany w "mogę zapłacić", następnie w "nie mogę zapłacić", dalej "nie mogłem zapłacić" zmieniając na czas przeszły. Kto nie mógł zapłacić? Ja nie mogłem. Komu nie mogłem zapłacić? Stolarzowi. Potem łączymy te dwa elementy zadając pytanie. "Co ja powiedziałem stolarzowi?" "Ja powiedziałem stolarzowi, że nie mogę mu zapłacić".
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.
Pomyślcie o tym chwilę... (Brawa) Jest to reprezentacja tego zdania nie wykorzystująca języka. Są tu jeszcze dwie czy trzy ciekawe rzeczy, po pierwsze, mogłem zacząć gdziekolwiek. Nie musiałem zaczynać od słowa "mówić". Mogłem zacząć w dowolnym miejscu, a i tak by to wyszło. Kolejna sprawa, gdybym nie mówił po angielsku, gdybym używał jakiegoś innego języka, mapa również by zadziałała. Tak długo jak pytania są standaryzowane, mapa działa niezależnie od języka. Nazywam to FreeSpeech, bawiłem się tym przez wiele miesięcy, próbowałem wielu różnych kombinacji.
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.
Wreszcie odkryłem coś ciekawego w tej kwestii. Próbowałem przekształcić język, angielskie zdania na FreeSpeech i vice versa, w tę i z powrotem. Zrozumiałem, że ta szczególna konfiguracja, ten sposób reprezentacji języka, pozwala mi stworzyć bardzo zwięzłe zasady odnoszące się z jednej strony do FreeSpeech i z drugiej do angielskiego. Udało mi się spisać zestaw zasad pozwalających tłumaczyć tę reprezentację na angielski. Udoskonaliłem to, stworzyłem system zwany silnikiem FreeSpeech, który bierze dowolne zdanie FreeSpeech jako dane wejściowe i tworzy perfekcyjnie gramatyczny angielski tekst. Łącząc te dwie rzeczy, reprezentację i silnik, mogłem stworzyć aplikację dla autystycznych dzieci, dostarczającą im nie tylko słowa, ale również gramatykę. Wypróbowałem to z autystycznymi dziećmi
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.
i odkryłem ogromną liczbę zgodności, udawało mi się stworzyć zdania we FreeSpeech, które były znacznie bardziej skomplikowane i efektywne niż ich angielskie odpowiedniki. Zacząłem myśleć, o co może w tym chodzić. Wpadłem na pomysł, o którym teraz opowiem. Około 1997 roku, jakieś 15 lat temu, grupa naukowców próbowała zrozumieć jak mózg przetwarza język. Odkryli coś bardzo ciekawego, stwierdzili, że gdy uczy się języka jako dwuletnie dziecko, używa się określonej części mózgu, a gdy uczy się jako dorosły, gdybym chciał teraz nauczyć się japońskiego, używa się zupełnie innej części mózgu. Nie wiem czemu tak jest, ale przypuszczam, że gdy uczy się języka będąc dorosłym zawsze robi się to poprzez pryzmat języka ojczystego, pierwszego języka. Co jest ciekawe we FreeSpeech, kiedy tworzy się zdanie, tworzy się język czy kiedy dziecko z autyzmem tworzy język we FreeSpeech, nie używa się języka wspomagającego, języka pomostowego. Zdania są konstruowane bezpośrednio. Zatem przyszło mi do głowy,
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.
czy można użyć FreeSpeech nie tylko dla autystycznych dzieci, ale by uczyć ludzi bez niepełnosprawności? Wykonałem kilka eksperymentów. Po pierwsze stworzyłem układankę, w której pytania i odpowiedzi były zakodowane w postaci kształtów i kolorów. Poprosiłem ludzi o ich ułożenie i próbę zrozumienia, jak to działa. Potem na tej podstawie stworzyłem aplikację, grę, w której dzieci bawią się słowami, gdzie obiekty wizualne są wzmacniane za pomocą dźwięku, by mogły nauczyć się języka. Ma to duży potencjał i jest obiecujące. Ostatnio rząd Indii wykupił licencję na tę grę i zamierza wypróbować ją na milionach dzieci, by nauczyć je angielskiego. Marzeniem, nadzieją, wizją jest to, że nauczą się angielskiego na takim samym poziomie biegłości jak języka ojczystego.
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.
Porozmawiajmy o czymś innym. O mowie. Oto mowa. Mowa jest podstawą komunikacji, przekazywaną przez każdego z nas. Ciekawe jest to, że mowa jest jednowymiarowa. Dlaczego? Ponieważ składa się z dźwięków. Jest tak również z powodu budowy naszego aparatu artykulacyjnego, który jest stworzony do wydawania jednowymiarowego dźwięku. Jeśli jednak pomyślimy o mózgu, to nasze myśli nie okażą się jednowymiarowe. Posiadamy bogate, złożone, wielowymiarowe myśli. Wydaje mi się, że język jest wynalazkiem mózgu służącym przekształceniu bogactwa wielowymiarowych myśli po jednej stronie w mowę po drugiej stronie. Ciekawe jest to, że obecnie przetwarzamy masę informacji, niemal wszystkie za pomocą języka. Weźmy przykładowo Google. Przeszukuje on niezliczone miliardy stron internetowych, wszystkie anglojęzyczne, a gdy chce się użyć Google'a, wyszukuje się hasło w języku angielskim, a on zestawia angielski z angielskim. Co by było, gdybyśmy użyli do tego FreeSpeech? Podejrzewam, że gdyby tak zrobić, okazałoby się, że algorytmy wyszukiwania, wydobywania informacji, stałyby się prostsze i bardziej efektywne, ponieważ nie przetwarzałyby danych związanych ze strukturą języka. W to miejsce przetwarzane byłyby dane struktur myślowych. Dane struktur myśli. Pomysł brzmi prowokacyjnie.
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."
Przyjrzyjmy się temu szczegółowo. Oto ekosystem FreeSpeech. Z jednej strony dysponujemy reprezentacją FreeSpeech, mamy silnik FreeSpeech generujący angielski. Pomyślcie przez chwilę, FreeSpeech jest zupełnie niezależny od języka. Nie posiada żadnej szczególnej informacji dotyczącej angielskiego. Zatem wszystko, co system wie o angielskim jest zakodowane w silniku graficznym. To ciekawostka sama w sobie. Koduje się całą ludzką mowę w oprogramowaniu. Jeśli przyjrzeć się wnętrzu silnika, nie jest on skomplikowany. Nie zawiera złożonego kodu. A co ciekawe, większa część kodu silnika nie jest nakierowana na angielski. To nasuwa ciekawy pomysł, mogłoby okazać się łatwe stworzenie silników w wielu językach, w hinduskim, francuskim, niemieckim, suahili. Nasuwa to kolejną myśl. Załóżmy, że jestem dziennikarzem piszącym dla gazety czy czasopisma. Mógłbym tworzyć tekst w jednym języku we FreeSpeech, a osoba czytająca jej zawartość, tę szczególną informację może wybrać dowolny silnik i odczytać ją w ojczystym języku, we własnym języku. Myślę, że to niezwykle ciekawy pomysł, zwłaszcza w Indiach, używamy tak wielu różnych języków. Istnieje piosenka, opisująca Indie jako kraj, który... (w sanskrycie). Oznacza to: "wiecznie uśmiechnięty użytkownik pięknych języków". Język jest piękny.
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.
To najpiękniejszy wytwór ludzkości. To najcudowniejsza rzecz, jaką nasz mózg wymyślił. Bawi, uczy, oświeca i to co lubię najbardziej: wyzwala. Zostawię was z tą myślą.
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.
Oto fotografia moich pierwszych współpracowników, z którymi zacząłem pracę nad językiem i autyzmem. Dziewczyna nazywa się Pavna, jest z matką, Kalpaną. Pavna jest przedsiębiorcą, lecz jej historia jest bardziej niezwykła niż moja. Pavna ma 23 lata, cierpi na mózgowe porażenie czterokończynowe, więc odkąd się urodziła, nie mogła ani chodzić ani mówić. Wszystko czego dokonała dotychczas, ukończenie szkoły, studiów, założenie firmy, współpraca ze mną przy opracowaniu Avaza, wszystkiego tego dokonała jedynie za pomocą ruchów gałek ocznych.
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.
Daniel Webster powiedział: "Gdyby odebrano mi wszystko, co posiadam, pozostawiając jedną rzecz, wybrałbym dar komunikacji, bo z jego pomocą mógłbym odzyskać resztę". Dlatego spośród wszystkich niesamowitych zastosowań FreeSpeech, najbliższą mojemu sercu pozostaje możliwość wyposażenia niepełnosprawnych dzieci w narzędzie komunikacji, w moc komunikacji, by mogły odzyskać resztę. Dziękuję.
Thank you. (Applause) Thank you. (Applause) Thank you. Thank you. Thank you. (Applause) Thank you. Thank you. Thank you. (Applause)
(Brawa) Dziękuję. (Brawa) Dziękuję. Dziękuję. Dziękuję. (Brawa) Dziękuję. Dziękuję. Dziękuję. (Brawa)