Technology has brought us so much: the moon landing, the Internet, the ability to sequence the human genome. But it also taps into a lot of our deepest fears, and about 30 years ago, the culture critic Neil Postman wrote a book called "Amusing Ourselves to Death," which lays this out really brilliantly. And here's what he said, comparing the dystopian visions of George Orwell and Aldous Huxley. He said, Orwell feared we would become a captive culture. Huxley feared we would become a trivial culture. Orwell feared the truth would be concealed from us, and Huxley feared we would be drowned in a sea of irrelevance. In a nutshell, it's a choice between Big Brother watching you and you watching Big Brother. (Laughter)
ٹیکنالوجی ہمارے لئے بہت کچھ لائی ہے: چاند پر پہنچنا، انٹرنیٹ، انسانی جینوم کی ترتیب کی صلاحیت۔ لیکن یہ بھی ہمارے انتہائی گہرے خوف کو دستک دیتی ہے اور تقریباً تیس سال پہلے ثقافتی ناقد نیل پوسٹ مین نے ایک کتاب لکھی جس کا نام ’’امیوزنگ اوورسیلو ٹو ڈیتھ‘‘ تھا جو واقعی بہت شاندار ہے۔ اور یہاں وہ کیا کہتا ہے، عالم الواقع المریر (ایک تصوراتی جگہ) کے بارے میں رائے کا موازنہ کرتا ہے۔ جارج اورول اور الڈوس ہکسلی کی وہ کہتا ہے اورول خوفزدہ تھا, ہم ہوجائیں گے۔ ایک ثقافت کے اسیر ہکسلی خوفزدہ تھا کہ ہم ادنیٰ ثقافت کی طرف جائیں گے۔ اوورل خرفزدہ تھا کہ حقیقت نہیں رہے گی، ہم سے مخفی اور ہکسلی خوفزدہ تھا کہ ہم ڈوب جائیں گے۔ غیر متعلقہ کے سمندر میں مختصر طور پر، ان کے درمیان ایک کا انتخاب کریں۔ بڑا بھائی آپ کو دیکھے اور آپ بڑے بھائی کو دیکھیں (ہنسی )
But it doesn't have to be this way. We are not passive consumers of data and technology. We shape the role it plays in our lives and the way we make meaning from it, but to do that, we have to pay as much attention to how we think as how we code. We have to ask questions, and hard questions, to move past counting things to understanding them. We're constantly bombarded with stories about how much data there is in the world, but when it comes to big data and the challenges of interpreting it, size isn't everything. There's also the speed at which it moves, and the many varieties of data types, and here are just a few examples: images, text, video, audio. And what unites this disparate types of data is that they're created by people and they require context.
لیکن یہ اس طرح ہونا ضروری نہیں۔ ہم ڈیٹا اور ٹیکنالوجی کے غیر فعال صارفین نہیں ہیں۔ ہمیں اپنی زندگی میں کردار ادا کرنا ہے اور اس طرح یہاں سے ہم معنی بنانے ہیں، لیکن ایسا کرنے کے لئے ہمیں بہت زیادہ توجہ دینا ہوگی کہ ہم کیسے سوچتے ہیں۔ ہم بحیثیت قواعد ہمیں سوالات پوچھنا ہے، اور مشکل سوالات گزشتہ شمار کی گئی چیزیں منتقل کرنے کے لئے انہیں سمجھنے کے لئے ہم مسلسل اس کہانی پر بمباری کررہے ہیں دنیا بھر میں کتنا ڈیٹا ہے کے بارے میں، لیکن جب بڑے اعداد و شمار کی جانب آتے ہیں اور چیلنجز کی وضاحت کرتے ہیں تو پھر سائز سب کچھ نہیں رہتا ہے۔ یہ اسی رفتار سے چلتا ہے جس میں یہ ہے اور اعداد و شمار کی صورتوں کی بہت ساری اقسام ہیں، اور یہاں چند مثالیں ہیں تصاویر، عبارت، ویڈیو، آڈیو۔ اور کیا مختلف النوع کے اعداد و شمار کے اقسام کو ایک کرتا ہے جو لوگوں نے تیار کیا ہے اور وہ سیاق و سباق کی ضرورت ہے
Now, there's a group of data scientists out of the University of Illinois-Chicago, and they're called the Health Media Collaboratory, and they've been working with the Centers for Disease Control to better understand how people talk about quitting smoking, how they talk about electronic cigarettes, and what they can do collectively to help them quit. The interesting thing is, if you want to understand how people talk about smoking, first you have to understand what they mean when they say "smoking." And on Twitter, there are four main categories: number one, smoking cigarettes; number two, smoking marijuana; number three, smoking ribs; and number four, smoking hot women. (Laughter)
اب یہاں اعداد و شمار کے ماہرین کا ایک گروپ ہے ایلی نوائے یونیورسٹی شکاگو کے باہر اور یہ ہیلتھ میڈیا کولابوریٹری کہلاتا ہے اور یہ بیماریوں کی روک تھام کے سینٹرز کے ساتھ کام کررہا ہے بہتر انداز سے سمجھایا جائے۔ لوگوں کو تمباکو نوشی چھوڑنے پر کس طرح بات کی جائے وہ الیکٹرانک سگریٹ کے متعلق کیسے بات کریں اور وہ اجتماعی طور پر کیا کرسکتے ہیں۔ اس کے تدارک میں مدد کے لئے مزے کی بات یہ ہے اگر آپ سمجھنا چاہتے ہیں لوگوں سے سگریٹ نوشی کے متعلق کیسے بات کی جائے تو سب سے پہلے آپ کو یہ سمجھنا چاہئے جب وہ ’’اسموکنگ‘‘ کہتے ہیں تو اس سے کیا مراد ہے۔ اور ٹوئٹر پر اس کی چار اہم اقسام ہیں: نمبر ایک سگریٹ پھونکنا، نمبر دو چرس یا بانگ کا نشہ، نمبر تین پسلیاں جلانا اور نمبر چار پرجوش عورت کو نوش کرنا۔ (ہنسی )
So then you have to think about, well, how do people talk about electronic cigarettes? And there are so many different ways that people do this, and you can see from the slide it's a complex kind of a query. And what it reminds us is that language is created by people, and people are messy and we're complex and we use metaphors and slang and jargon and we do this 24/7 in many, many languages, and then as soon as we figure it out, we change it up.
تو پھر جب آپ اس کے متعلق سوچتے ہیں۔ لوگ الیکٹرانک سگریٹ کے متعلق کیسے بات کرتے ہیں؟ اور یہاں اس کے مختلف طریقے ہیں جو لوگ کرتے ہیں، اور آپ سلائیڈ سے بھی دیکھ سکتے ہیں۔ یہ پیچیدہ سوالات کی ایک قسم ہے۔ اور کیا یہ ہمیں یاد دلاتا ہے کہ زبان لوگوں کی ایجاد کردہ ہے، اور لوگ بے ترتیب، پیچیدہ، اور ہم استعارہ ، بازاری زبان، خفیہ زبان بہت زیادہ استعمال کرتے ہیں اور ہم نے 24/7 میں بہت ساری زبانوں میں کیا، اور پھر جیسے ہی ہم یہ جان جاتے ہیں ہم اسے تبدیل کرتے ہیں۔
So did these ads that the CDC put on, these television ads that featured a woman with a hole in her throat and that were very graphic and very disturbing, did they actually have an impact on whether people quit? And the Health Media Collaboratory respected the limits of their data, but they were able to conclude that those advertisements — and you may have seen them — that they had the effect of jolting people into a thought process that may have an impact on future behavior. And what I admire and appreciate about this project, aside from the fact, including the fact that it's based on real human need, is that it's a fantastic example of courage in the face of a sea of irrelevance.
لہٰذا اس اشتہار کو CDC پر ڈال دیا گیا اس اشتہار میں عورت کو دکھایا گیا ہے جس کے گلے میں سوراخ ہے جو کہ بہت گرافک اور بہت تکلیف دہ ہے۔ اصل میں اس کا کیا اثر ہوا لوگوں پر اس کے تدارک کے لئے؟ اور ہیلتھ میڈیا اعداد و شمار کی حد کے تعین میں معاون ثابت ہوگا، لیکن وہ یہ نتیجہ اخذ کرنے کے قابل تھے ان اشتہارات میں ..... اور یہاں آپ انہیں دیکھ سکتے ہیں ...... یہ لوگوں پر اثر انداز ہوسکتا ہے سوچنے کے عمل میں مستقبل کے رویئے پر اثر انداز ہوسکتا ہے اور کیا اس پروجیکٹ کو ہم سراہتے اور پسند کرتے ہیں، دوسرے رخ سے دیکھیں تو یہ حقیقت بھی شامل ہے یہ حقیقی انسانی ضرورت کی بنیاد ہر ہے یہ بہادری کی شاندار مثال ہے بے ترتیبی کے سمندر کے چہرے میں
And so it's not just big data that causes challenges of interpretation, because let's face it, we human beings have a very rich history of taking any amount of data, no matter how small, and screwing it up. So many years ago, you may remember that former President Ronald Reagan was very criticized for making a statement that facts are stupid things. And it was a slip of the tongue, let's be fair. He actually meant to quote John Adams' defense of British soldiers in the Boston Massacre trials that facts are stubborn things. But I actually think there's a bit of accidental wisdom in what he said, because facts are stubborn things, but sometimes they're stupid, too.
اور یہ نہ صرف بڑے اعداد و شمار کا سبب ہے چیلنجوں کی تشریح، کیونکہ پھر اس کا سامنا کرتے ہیں ہم انسان شاندار تاریخ رکھتے ہیں کسی بھی مقدار کے اعداد و شمار کی، کوئی بات نہیں کہ یہ چھوٹا کیوں ہے، اور اسے اوپر رکھتے ہیں یاد کریں چند سالوں پہلے سابق صدر رونالڈ ریگن کے بیان پر بہت تنقید کی گئی تھی جو حقیقت میں احمقانہ بات تھی۔ اور یہ ان کی زبان پھسلنے کے باعث ہوا، اب یہ درست ہے۔ یہ اصل میں جان ایڈم کے اقتباس کا مطلب تھا جس نے دفاع کیا تھا برطانوی فوجیوں کا بوسٹن قتل عام کے مقدمات میں یہ حقائق ڈھیٹ چیزیں ہیں لیکن حقیقت میں یہاں یہ سوچتی ہوں یہ حادثاتی حکمت کا ایک چھوٹا ٹکڑا ہے، یہاں اس نے کیا کہا کیونکہ حقائق ڈھیٹ چیز ہیں لیکن بعض اوقات یہ احمقانہ بھی ہوتے ہیں۔
I want to tell you a personal story about why this matters a lot to me. I need to take a breath. My son Isaac, when he was two, was diagnosed with autism, and he was this happy, hilarious, loving, affectionate little guy, but the metrics on his developmental evaluations, which looked at things like the number of words — at that point, none — communicative gestures and minimal eye contact, put his developmental level at that of a nine-month-old baby. And the diagnosis was factually correct, but it didn't tell the whole story. And about a year and a half later, when he was almost four, I found him in front of the computer one day running a Google image search on women, spelled "w-i-m-e-n." And I did what any obsessed parent would do, which is immediately started hitting the "back" button to see what else he'd been searching for. And they were, in order: men, school, bus and computer. And I was stunned, because we didn't know that he could spell, much less read, and so I asked him, "Isaac, how did you do this?" And he looked at me very seriously and said, "Typed in the box."
یہاں میں ذاتی کہانی سنانا چاہتی ہوں کیسے یہ معاملات میرے لئے بہت ہیں۔ یہاں تھوڑا وقفہ لینا چاہتی ہوں۔ میرا بیٹا اسحاق جب دو سال کا تھا، اس میں خودفکری کی تشخیص ہو گئی اور وہ خوش، ہنسی مذاق سے بھرپور، محبت کرنے والا، شفیق، ملنسار بچہ تھا لیکن اس کی نشونما کے معیار کی پیمائش کے مطابق جو ان چیزوں کو تعداد کے مطابق دیکھتا ہے ...... اس نقطہ پر ، کچھ نہیں ۔۔۔۔ ڈائیلاگ، اشارے اور کم از کم آنکھ سے رابطہ کرتا ہے، ، اس کی یہ ارتقائی سطح رکھتے ہیں ایک نو ماہ کے بچے پر اور یہ تشخیصی حقائق درست تھے، لیکن یہ پوری کہانی نہیں بتاتا۔ اور ڈیڑھ سال بعد جب وہ تقریباً چار سال کا تھا ایک دن میں نے اسے کمپیوٹر کے سامنے پایا گوگل امیج پر women سرچ کررہا تھا اس کے ہجے "w-i-m-e-n." تھے اور ایسے میں جذباتی والدین کیا کریں گے، وہ فوراً بیک بٹن دبانا شروع کردیں گے یہ دیکھنے کے لئے کہ وہ اور کیا سرچ کررہا ہے۔ اور اگر وہ ترتیب میں تھے، آدمی اسکول، بس اور کمپیوٹر۔ اور میں حیرت زدہ تھی تھی کیونکہ ہم نہیں جانتے تھے کہ ہجے کا اندازہ کہاں سے لیا اس نے بہت کم پڑھا تھا لہٰذا میں نے اس سے پوچھا، ’’اسحاق، تم نے یہ کیسے کیا؟‘‘ اور اس نے میری جانب نہایت سنجیدگی سے دیکھا اور بولا۔ ’’باکس میں ٹائپ کرکے۔‘‘
He was teaching himself to communicate, but we were looking in the wrong place, and this is what happens when assessments and analytics overvalue one metric — in this case, verbal communication — and undervalue others, such as creative problem-solving. Communication was hard for Isaac, and so he found a workaround to find out what he needed to know. And when you think about it, it makes a lot of sense, because forming a question is a really complex process, but he could get himself a lot of the way there by putting a word in a search box.
وہ بات چیت کے لئے اپنے آپ کو تعلیم دیتے تھے، لیکن ہم غلط جگہ پر دیکھ رہے تھے، اور کیا ہوتا ہے جب ہم تخمینہ اور تجزیات کی ایک بیش قیمت مقدار اس صورت میں، زبانی مواصلات دوسروں کی کم قیمت، جیسا کہ تخلیقی مسائل کو حل کرنے کے لئے اسحاق کے لئے تبادلہ خیال کرنا مشکل تھا لہٰذا اسے پالیا۔ یہ معلوم کرلیا کہ وہ کیا جاننا چاہتا ہے اور جب آپ اس بارے میں سوچتے ہیں تو یہ بہت حساس بن جاتا ہے کیونکہ کوئی سوال کرنا واقعی بہت مشکل عمل ہے، لیکن اس نے بہت سارے طریقوں سے خود حاصل کرلیا ایک لفظ سرچ بکس میں ڈال کر۔
And so this little moment had a really profound impact on me and our family because it helped us change our frame of reference for what was going on with him, and worry a little bit less and appreciate his resourcefulness more.
اور اس مختصر وقت نے واقعی مجھ پر بہت گہرا اثر ڈالا اور میری فیملی پر کیونکہ ہماری سوچ کے حوالے کو اس نے تبدیل کرنے میں مدد کی کہ اس کے ساتھ کیا ہورہا ہے۔ تھوڑی سی فکرمندی کم ہوئی اور اسے سراہا اس کی بہت زیادہ سمجھ بوجھ کو.
Facts are stupid things. And they're vulnerable to misuse, willful or otherwise. I have a friend, Emily Willingham, who's a scientist, and she wrote a piece for Forbes not long ago entitled "The 10 Weirdest Things Ever Linked to Autism." It's quite a list. The Internet, blamed for everything, right? And of course mothers, because. And actually, wait, there's more, there's a whole bunch in the "mother" category here. And you can see it's a pretty rich and interesting list. I'm a big fan of being pregnant near freeways, personally. The final one is interesting, because the term "refrigerator mother" was actually the original hypothesis for the cause of autism, and that meant somebody who was cold and unloving.
حقیقت احمقانہ چیز ہے۔ اور انہیں اس کے غلط استعمال کا خطرہ ہے جان بوجھ کر یا دوسری صورت مہں. میری ایک دوست ایملی ولنگھم سائنس دان ہے۔ ۔ کچھ زیادہ عرصہ نہیں ہوا اس نے جڑی بوٹیوں پر لکھا ہے۔ بعنوان ’’دی ٹین وائرڈیسٹ تھنگ ایور لنکڈ ٹو آسٹم‘‘ یہ یقیناً ایک فہرست ہے۔ انٹرنیٹ ہر چیز کا ذمہ دار ہے، درست؟ اور اصل میں، مائیں، کیونکہ اور اصل میں، ٹھہریئے، یہاں بہت ساری یہاں ’’ماں‘‘ کی بہت ساری اقسام ہیں اور اس فہرست میں آپ خوبصورت، امیر اور دلچسپ مائیں دیکھ سکتے ہیں۔ میں بہت بڑی پرستار ہوں ذاتی طور پر شاہراہوں پر حاملہ ہونے کی۔ آخر یہ دلچسپ ہے۔ کیونکہ ’’ریفریجریٹر مدر‘‘ کی اصطلاح کا اصل نظریہ تھا خودفکری کے مقصد کے لئے اور اس کے معنی ہیں کچھ لوگ جو ٹھنڈے اور محبت کرنے والے نہیں تھے
And at this point, you might be thinking, "Okay, Susan, we get it, you can take data, you can make it mean anything." And this is true, it's absolutely true, but the challenge is that we have this opportunity to try to make meaning out of it ourselves, because frankly, data doesn't create meaning. We do. So as businesspeople, as consumers, as patients, as citizens, we have a responsibility, I think, to spend more time focusing on our critical thinking skills. Why? Because at this point in our history, as we've heard many times over, we can process exabytes of data at lightning speed, and we have the potential to make bad decisions far more quickly, efficiently, and with far greater impact than we did in the past. Great, right? And so what we need to do instead is spend a little bit more time on things like the humanities and sociology, and the social sciences, rhetoric, philosophy, ethics, because they give us context that is so important for big data, and because they help us become better critical thinkers. Because after all, if I can spot a problem in an argument, it doesn't much matter whether it's expressed in words or in numbers. And this means teaching ourselves to find those confirmation biases and false correlations and being able to spot a naked emotional appeal from 30 yards, because something that happens after something doesn't mean it happened because of it, necessarily, and if you'll let me geek out on you for a second, the Romans called this "post hoc ergo propter hoc," after which therefore because of which.
اور اس نقطے پر آپ سوچ سکتے ہیں ’’ٹھیک ہے سوسن، ہم اسے حاصل کرتے ہیں، آپ اعداد و شمار لے سکتی ہیں، آپ کسی چیز کے معنی بناسکتی ہیں ۔‘‘ اور یہ سچ ہے، اور یہ بالکل سچ ہے، مگر چیلنج یہ ہے کہ ہم اس موقع کو خود سے مطلب بنانے کی کوشش کرتے ہیں ہیں کیونکہ سچ یہ ہے کہ اعداد و شمار معنی نہیں بناتے یہ ہم کرتے ہیں۔ ۔ لہٰذا بحیثیت بزنس مین، بحیثیت صارفین، بحیثیت مریض، بحیثیت شہری ہماری ذمہ داری ہے ، میں سمجھتا ہوں زیادہ وقت صرف کریں تنقیدی سوچ کی مہارت پر توجہ مرکوز کریں کیوں؟ کیونکہ تاریخ کے اس موڑ پر، جیسا کہ سنتے ہیں بہت سا وقت گزر گیا ہم کرسکتے ہیں اعداد و شمار کے exabytes طریقہ کار روشنی کی رفتار پر اور ہم برے فیصلے کرنے کی بھرپور صلاحیت رکھتے ہیں، بہت تیزی اور قابلیت سے اور بہت زیادہ گہرے اثر کے ساتھ ہم نے ماضی میں کیا تھا۔ زبردست ، ہے نا؟ اور اس طرح ہمیں کیا کرنے کی ضرورت ہے بجائے تھوڑا سا زیادہ وقت صرف کرنا ہے چیزوں پر جیسا کہ فنون عامہ اور عمرانیات، سوشل سائنس، مبالغہ آرائی، فلاسفی، اخلاقیات، ، کیونکہ یہ ہمیں بہت اہم سیاق و سباق مہیا کرتا ہے۔ بڑے اعداد و شمار کے لئے، ۔ اور کیونکہ کیونکہ یہ ہمیں تنقیدی مفکر بنانے میں مدد فراہم کرتا ہے۔ ۔ کیونکہ بہرحال اگر ہم کسی نقطہ پر کسی بحث و مباحثہ کے موقع پر مشکل میں ہوں تو یہ کوئی اہمیت نہیں رکھتا کہ اس کا اظہار آپ الفاظ میں یا اعداد میں کریں۔ اس کا مطلب ہے اس کی تصدیق کرنے کے لئے اپنی تربیت کی طرفداری غلط ارتباط ہے برہنہ جذباتی دلکشی کے قابل بناتا ہے 30 گز سے ۔ کیونکہ کچھ کے بعد کیا ہوتا ہے جب کچھ نہیں ہوتا کے معنی ضروری نہیں اس کی وجہ سے یہ ہوا اور اگر آپ مجھے ایک لمحے کے لئے پرجوش کردیں رومی اس کو کہتے ہیں ’’post hoc ergo propter hoc‘‘ اس وجہ سے ہے، جس کے بعد جس کی وجہ سے
And it means questioning disciplines like demographics. Why? Because they're based on assumptions about who we all are based on our gender and our age and where we live as opposed to data on what we actually think and do. And since we have this data, we need to treat it with appropriate privacy controls and consumer opt-in, and beyond that, we need to be clear about our hypotheses, the methodologies that we use, and our confidence in the result. As my high school algebra teacher used to say, show your math, because if I don't know what steps you took, I don't know what steps you didn't take, and if I don't know what questions you asked, I don't know what questions you didn't ask. And it means asking ourselves, really, the hardest question of all: Did the data really show us this, or does the result make us feel more successful and more comfortable?
اور اس کا مطلب آبادیات جیسے مضامین کے سوالات و جوابات ہیں۔ کیوں؟ کیونکہ یہ اس مفروضے کی بنیاد ہے جو جو ہماری صنف کی بنیاد ہے اور ہماری عمر اور ہم کہاں رہتے ہیں بحیثیت اعداد و شمارکے مخالف ہم اصل میں کیا سوچتے ہیں اور کرتے ہیں اور جب سے یہ اعداد و شمار ہمارے پاس ہیں ہمیں اسے مناسب رازداری سے قابو کرنے کی ضرورت ہے اور صارفین کے لئے اور اس کے بعد ہمیں واضح کرنے کی ضرورت ہے اپنے مفروضات کو یہ وہ طریقہ کار ہے جو ہم استعمال کرتے ہیں اور اس کا نتیجہ ہمارا اعتماد ہے۔ جیسا کہ ہائی اسکول میں میرے الجبرا ٹیچر کہا کرتے تھے، اپنی ریاضی دکھاؤ کیونکہ میں نہیں جانتا آپ نے کیا قدم اٹھایا، میں نہیں جانتا کہ آپ نے کیا اقدام لیں گے، اور میں نہیں جانتا آپ کیا سوال پوچھیں گے، مجھے یہ بھی معلوم نہیں آپ نے کیا سوال پوچھنا ہے۔ ۔ اور اس کا مطلب یہ ہے کہ خود سے پوچھیں، اصل میں یہ سب کے لئے مشکل سوال ہے: اصل میں یہ اعداد و شمار ہمیں ظاہر کئے گئے تھے، ، یا یہ نتیجہ ہمیں بناتا ہے زیادہ کامیاب اور زیادہ پرسکون؟
So the Health Media Collaboratory, at the end of their project, they were able to find that 87 percent of tweets about those very graphic and disturbing anti-smoking ads expressed fear, but did they conclude that they actually made people stop smoking? No. It's science, not magic.
لہٰذا ہیلتھ میڈیا کے اشتراک سے اس منصوبے کے اختتام پر وہ قابل ہوئے 87 فیصد ٹوئٹس معلوم کرنے کے جو بہت گرافک اور پریشان کن تھے۔ سگریٹ نوشی کے تدارک کے اشہارات خوف کا اظہار مگر کیا یہ نتایج اصل میں ان لوگوں کے لئے بنایا گیا تھا جو تمباکو نوشی کی روک تھام کرتے ہیں؟ نہیں یہ سائنس ہے نہ کہ جادو۔
So if we are to unlock the power of data, we don't have to go blindly into Orwell's vision of a totalitarian future, or Huxley's vision of a trivial one, or some horrible cocktail of both. What we have to do is treat critical thinking with respect and be inspired by examples like the Health Media Collaboratory, and as they say in the superhero movies, let's use our powers for good.
اب اگر ہم کھول دیں اعداد و شمار کی طاقت کو ہمیں آنکھ بند کرکے نہیں جانا آر ویل کے مطلق العنان نظریہ یا ہکسلے کے معمولی نظریہ یا کچھ دونوں کے مشترکہ ڈراؤنے ہمیں کیا کرنا چاہئے تنقیدی سوچ کے احترام کے ساتھ ہیں اور اس کو مثالوں سے واضح کرتے ہیں جیسا کہ ہیلتھ میڈیا کے اشتراک سے اور وہ سپر ہیرو فلموں میں کہتے ہیں اب ہم اپنی قوتوں کو اچھے کاموں میں استعمال کریں گے۔
Thank you.
آپ کا شکریہ
(Applause)
(تالیاں)