I work with children with autism. Specifically, I make technologies to help them communicate.
Trabalho com crianças que sofrem de autismo. Especificamente, desenvolvo tecnologias para as ajudar a comunicar.
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.
Muitos dos problemas que as crianças autistas enfrentam têm uma causa comum, e essa causa é que elas têm dificuldade em entender abstracções, simbolismos. E por essa razão, têm muita dificuldade com a linguagem.
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.
Vou falar um pouco sobre a razão por que é que isso acontece. Como podem ver, esta é uma imagem de uma tigela de sopa. Todos nós vemos isso. Todos nós percebemos isso. Estas são duas outras imagens de sopa, mas, como podemos ver, estas imagens são mais abstractas. Não são tão concretas. E quando passamos para a linguagem, podemos ver que passa a ser uma palavra cujo aspecto e modo como soa não tem nada a ver com a foto com que começámos, nem com o que ela representa, ou seja, uma tigela de sopa. A palavra é essencialmente uma representação abstracta, uma representação totalmente arbitrária duma coisa que existe no mundo real, e isso é uma coisa que as crianças autistas têm uma dificuldade terrível em perceber. É por isso que a maioria das pessoas que trabalham com crianças autistas — terapeutas da fala, professores — o que fazem, é tentar ajudar crianças autistas a comunicar, não com palavras, mas com imagens. Se uma criança autista quiser dizer: "Eu quero sopa", essa criança usará três imagens diferentes, "Eu", "quero" e "sopa", e juntará essas imagens. Então, o terapeuta ou os pais percebem o que é que a criança quer. E isto tem sido muito eficaz. Nos últimos 30, 40 anos é o que se tem feito. Na verdade, há alguns anos, eu desenvolvi uma aplicação para o iPad que faz exatamente a mesma coisa. Chamei-lhe Avaz, e funciona com as crianças a escolher diferentes imagens. Essas imagens são agrupadas sequencialmente para formar frases, e essas frases são pronunciadas em voz alta. O Avaz, essencialmente, transforma imagens, é um tradutor, traduz imagens em fala.
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.
Foi um grande êxito. Há milhares de crianças a usar o Avaz em todo o mundo. Então, comecei a pensar sobre o que ele consegue fazer e o que não consegue fazer. E percebi uma coisa interessante: O Avaz ajuda crianças autistas a aprender palavras. O que ele não faz é ajudá-las a aprender os padrões das palavras. Vou explicar isto com maior pormenor. Reparem nesta frase: "Eu quero sopa esta noite". Aqui, não são só as palavras que transmitem um significado É também a forma como as palavras estão organizadas, a maneira como essas palavras são modificadas e organizadas. E é por isso que uma frase como "Eu quero sopa esta noite", é diferente de uma frase como "Sopa quero esta eu noite", que não faz qualquer sentido. Há, pois, aqui uma abstracção escondida que as crianças autistas têm muita dificuldade em apreender ou seja, o facto de podermos modificar palavras e reorganizá-las para terem diferentes significados, para transmitirmos ideias diferentes. É a isso que chamamos gramática. E a gramática é extremamente poderosa, porque a gramática é um componente da linguagem que utiliza o vocabulário finito que todos nós temos e nos permite transmitir uma quantidade infinita de informações, uma quantidade infinita de ideias. É a maneira como podemos organizar as palavras para transmitir as ideias que queremos.
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.
Então, depois de ter criado o Avaz, andei preocupado durante muito tempo sobre como é que podia ensinar gramática a crianças autistas. A solução apareceu-me numa situação muito interessante. Vi, por acaso, uma criança autista a conversar com a mãe, e o que aconteceu foi isto: Inesperadamente, de modo muito espontâneo, a criança levantou-se e disse: "Comer". O que foi interessante foi a forma como a mãe tentou descobrir o significado do que a criança queria dizer fazendo-lhe perguntas. Perguntou: "Comer o quê? Queres comer um gelado? "Queres comer? Há mais alguém que quer comer? "Queres comer um gelado agora? Queres comer um gelado logo à noite?" E então eu percebi que o que a mãe tinha feito fora uma coisa extraordinária. Tinha sido capaz de levar a criança a comunicar-lhe uma ideia sem usar a gramática. E fiquei a pensar que talvez fosse isso de que andava à procura. Em vez de pôr as palavras por ordem, numa sequência, como uma frase, colocamo-las neste mapa, onde elas ficam todas ligadas. não por serem colocadas umas a seguir às outras mas sob a forma de perguntas, em pares de pergunta e resposta. E se assim fizéssemos, o que estávamos a transmitir não era uma frase em inglês mas o que estávamos realmente a transmitir era um significado, o significado de uma frase em inglês. O significado, em certo sentido, é o ponto fraco da linguagem. Aparece depois do pensamento mas antes da linguagem. E a ideia era que esta representação em particular transmitisse um sentido na sua forma mais pura.
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.
Fiquei muito entusiasmado com isso, e desatei a procurar por todos os lados tentando descobrir se seria possível transformar todas a frases possíveis naquele modelo. E descobri que isso não chegava. Porque é que não chegava? Não chegava porque, se quisermos transmitir a ideia de uma negação, se quisermos dizer: "Eu não quero sopa", não podemos fazer isso com uma pergunta. Temos que fazer isso substituindo a palavra "querer". Outro exemplo, se quisermos dizer: "Eu ontem quis sopa", estamos a substituir a palavra "quero" por "quis". É o pretérito perfeito simples. Por isso, acrescentei um floreado para tornar o sistema mais completo. Este é um mapa de palavras colocadas no modelo pergunta–resposta, com estes filtros colocados por cima delas de modo a modificá-las para representarem certas nuances. Vou mostrar isso com um exemplo diferente.
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.
Peguemos nesta frase: "Eu disse ao carpinteiro que não lhe podia pagar". É uma frase muito complicada. Pela forma como este sistema funciona podemos começar com qualquer parte desta frase. Vou começar com a palavra "dizer". Esta é a palavra "dizer". Ora isto aconteceu no passado, portanto, vou ter que a transformar em "disse". O que eu vou fazer agora é fazer perguntas. "Quem disse?" "Eu disse." "Eu disse a quem?" "Eu disse ao carpinteiro." Agora pegamos numa parte diferente da frase. Agora começamos com a palavra "pagar", e acrescentamos o filtro de capacidade para a transformar em "poder pagar". Depois temos que a transformar em "não pagar". E depois em "não podia pagar", introduzindo o passado. E depois: "Quem não podia pagar?" "Eu não podia pagar." "Não podia pagar a quem?" "Eu não podia pagar ao carpinteiro." E depois juntamos as duas fazendo a pergunta: "O que é que eu disse ao carpinteiro?" "Eu disse ao carpinteiro que não lhe podia pagar."
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.
Agora pensem nisto. É... (Aplausos) É uma representação desta frase sem linguagem. E há duas ou três coisas interessantes nisto. Primeiro, eu podia ter começado por qualquer lado. Não tinha que começar pela palavra "dizer". Podia ter começado em qualquer sítio da frase, e podia ter feito a mesma coisa. Em segundo lugar, se eu não soubesse falar inglês, se estivesse a falar qualquer outra língua, este mapa continuaria válido em qualquer língua. Desde que as perguntas sejam standardizadas, o mapa é independente da língua. Por isso chamo-lhe FreeSpeech [ExpressãoLivre]. Andei muitos, muitos meses à volta disto. Experimentei inúmeras combinações diferentes.
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.
E então detectei uma coisa muito interessante no FreeSpeech. Estava a tentar traduzir uma linguagem, a traduzir frases em inglês para frases em FreeSpeech. e vice–versa, em ambos os sentidos. E percebi que esta configuração particular, esta forma particular de representar a linguagem, me permitia criar regras muito concisas que serviam o FreeSpeech por um lado e o inglês por outro. Portanto, podia escrever esse conjunto de regras que traduzem essa representação especial para o inglês, E desenvolvi uma coisa. Desenvolvi aquilo a que chamei FreeSpeech Engine que agarra em qualquer frase do FreeSpeech, como dados, e produz um texto inglês perfeitamente gramatical. E, ao juntar estas duas peças, a representação e o motor, pude criar uma aplicação, uma tecnologia para crianças autistas que não só lhes dá palavras, mas também lhes dá uma gramática.
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.
Então testei isto com crianças autistas, e descobri que havia uma quantidade incrível de identificação. Foram capazes de criar frases em FreeSpeech que eram muito mais complicadas mas muito mais eficazes do que as frases equivalentes em inglês. E comecei a pensar porque é que isso acontecia. E tive uma ideia. Quero falar-vos dessa ideia. Por volta de 1997, há cerca de 15 anos, havia um grupo de cientistas que estavam a tentar perceber como é que o cérebro processa a linguagem, e descobriram uma coisa muito interessante. Descobriram que, quando aprendemos uma língua enquanto crianças, por volta dos dois anos, aprendemo-la com uma certa parte do nosso cérebro e, quando aprendemos uma língua enquanto adultos — por exemplo, se eu quiser aprender japonês agora — vou usar uma parte totalmente diferente do meu cérebro. Não sei porque é que isso acontece mas suponho que será porque, quando aprendemos uma língua quando adultos, quase sempre, invariavelmente, aprendemo-la por intermédio da nossa língua nativa, ou por intermédio da nossa primeira língua. Portanto, o que é interessante no FreeSpeech é que, quando criamos uma frase, ou quando criamos uma linguagem, uma criança autista que cria uma linguagem com o FreeSpeech, não está a usar essa língua de suporte, não está a usar essa língua–ponte. Está a construir a frase directamente
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.
e isso também me deu uma ideia. Será possível usar o FreeSpeech, não para crianças com autismo, mas para ensinar uma língua a pessoas sem deficiências? E então tentei uma série de experiências. A primeira coisa que fiz foi construir um "puzzle". em que estas perguntas e respostas estão codificadas através de formas, sob a forma de cores, e pomos as pessoas a juntá-las e a tentar perceber como é que aquilo funciona. E a partir dele, construí uma aplicação, um jogo, em que as crianças podem brincar com as palavras e com um reforço um forte reforço de estruturas visuais conseguem aprender uma língua. E isto tem muito potencial, é uma boa promessa e o governo da Índia, há pouco tempo adquiriu a licença desta nossa tecnologia. e vai tentar usá-la em milhões de diversas crianças tentando ensinar-lhes inglês. E o sonho, a esperança, a visão é que, quando elas aprenderem inglês desta maneira o aprendam com a mesma eficácia que a sua língua materna.
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.
Mas agora vou falar de outra coisa. Vou falar da fala Isto é a fala. A fala é o modo primário de comunicação usado entre todos nós. O que é interessante na fala é que a fala é unidimensional Porque é que é unidimensional? É unidimensional porque é som. Também é unidimensional porque as nossas bocas estão construídas dessa forma. As nossas bocas estão construídas para criar um som unidimensional Mas, se pensarmos no cérebro, nos pensamentos que temos dentro da nossa cabeça não são unidimensionais. Ou seja, temos ideias ricas, complicadas, multidimensionais. Parece-me que a linguagem é na verdade uma invenção do cérebro para transformar esse pensamento, rico e multidimensional, por um lado, em fala, pelo outro lado. O que é interessante é que fazemos hoje imenso trabalho de informação e quase todo ele é feito no domínio da linguagem. Observem o Google, por exemplo, O Google pesquisa aqueles infindáveis milhares de milhões de "sites" que são todos em inglês e, quando queremos usar o Google, vamos ao Google e escrevemos em inglês e ele combina o inglês com o inglês. E se pudéssemos fazer isso com o FreeSpeech? Suspeito que, se fizéssemos isso, descobriríamos que os algoritmos como "pesquisa", "recuperação", todas essas coisas, são muito mais simples e também mais eficazes, porque não processam a estrutura de dados da fala pelo contrário, processam a estrutura de dados do pensamento. A estrutura de dados do pensamento... Isto é uma ideia provocadora.
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."
Mas olhemos para ela com um pouco mais de pormenor. Este é o ecossistema FreeSpeech Temos de um lado a representação do FreeSpeech e temos o FreeSpeech Engine, que gera o inglês. Se pensarmos nisto, o FreeSpeech, tal como vos disse, é completamente independente da língua, não tem dentro dele quaisquer informações específicas que se refiram ao inglês. Portanto, tudo o que este sistema sabe sobre inglês está codificado no motor. É um conceito muito interessante, em si mesmo. Codificámos toda uma língua humana num programa de "software". Mas, se olharmos para o que está dentro do motor não é assim tão complicado. Não é um código muito complicado. E o mais interessante é o facto de que a maior parte do código neste motor não é realmente específico do inglês. E isso dá-nos uma ideia interessante. Na verdade, pode ser-nos muito fácil criar estes motores em muitas, muitas línguas diferentes, em hindi, em francês, em alemão, em suaíli... E isso dá-nos outra ideia interessante. Por exemplo, supondo que eu era um escritor digamos, para um jornal ou uma revista. Podia criar um conteúdo numa língua, o FreeSpeech, e a pessoa que consumisse esse conteúdo, a pessoa que estivesse a ler essa informação especial podia escolher qualquer motor e podia lê-lo na sua língua materna, na sua língua nativa. Ou seja, esta é uma ideia incrivelmente atractiva principalmente para a Índia. Temos tantas línguas diferentes. Há uma canção sobre a Índia e há uma descrição do país, que diz: (fala em sânscrito) Isto significa: "Tu que falas, sempre sorridente, em belas linguagens".
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 linguagem é bela. Penso que é a mais bela das criações humanas. Penso que é a coisa mais maravilhosa que o nosso cérebro inventou Entretém, educa, ilumina mas, aquilo de que mais gosto na linguagem é que nos dá poder.
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.
Quero deixar-vos isto: isto é uma fotografia das minhas colaboradoras das minhas primeiras colaboradoras quando comecei a trabalhar sobre a linguagem e o autismo e várias outras coisas. A rapariga chama-se Pavna, e aquela é a mãe dela, Kalpana. E Pavna é uma empresária, mas a história dela é muito mais notável que a minha, porque Pavna tem 23 anos. Tem paralisia cerebral quadriplégica. Por isso, desde que nasceu não se pode mover nem falar. E tudo aquilo que tem conseguido fazer até hoje, acabar a escola, ir para a faculdade, fundar uma empresa, colaborar comigo para desenvolver o Avaz, todas estas coisas, tem-nas feito apenas através do movimento dos olhos.
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 disse isto... Ele disse: "Se me quisessem tirar tudo o que tenho "apenas com uma excepção, "escolheria ficar com o poder de comunicação, "porque, com ele, reconquistaria tudo o resto". E é por isso que, entre todas estas incríveis aplicações do FreeSpeech, aquela que me é mais querida, continua a ser a sua capacidade de possibilitar crianças com incapacidades a poderem comunicar, o poder da comunicação, para recuperarem tudo o resto.
Thank you. (Applause) Thank you. (Applause) Thank you. Thank you. Thank you. (Applause) Thank you. Thank you. Thank you. (Applause)
Obrigado. (Aplausos) Obrigado. (Aplausos) Obrigado. (Aplausos) Obrigado.