ABOUT THE SPEAKER
Saul Griffith - Inventor
Inventor Saul Griffith looks for elegant ways to make real things, from low-cost eyeglasses to a kite that tows boats. His latest projects include open-source inventions and elegant new ways to generate power.

Why you should listen

Innovator and inventor Saul Griffith has a uniquely open approach to problem solving. Whether he's devising a way to slash the cost of prescription eyeglasses or teaching science through cartoons, Griffith makes things and then shares his ideas with the world.

A proponent of open-source information, he established Instructables , an open website showing how to make an array of incredible objects. He is the co-founder of numerous companies including Squid Labs, Low Cost Eyeglasses, Potenco and Makani Power, where he is President and Chief Scientist. His companies have invented a myriad of new devices and materials, such as a "smart" rope that senses its load, or a machine for making low-cost eyeglass lenses through a process inspired by a water droplet. He is a columnist at Make magazine and co-writes How Toons! He's fascinated with materials that assemble themselves, and with taking advantage of those properties to make things quickly and cheaply.

More profile about the speaker
Saul Griffith | Speaker | TED.com
TED2006

Saul Griffith: Everyday inventions

Saul Griffith o codziennych wynalazkach

Filmed:
580,919 views

Wynalazca i przyjaciel MacArtuhra Saul Griffith dzieli się pewnymi innowacyjnymi pomysłami/ideami z jego laboratorium -- od 'inteligentnej liny' po latawiec wielkości domu do holowania dużych ładunków.
- Inventor
Inventor Saul Griffith looks for elegant ways to make real things, from low-cost eyeglasses to a kite that tows boats. His latest projects include open-source inventions and elegant new ways to generate power. Full bio

Double-click the English transcript below to play the video.

00:24
So anywaytak czy inaczej, who am I?
0
0
1000
Kim jestem?
00:25
I usuallyzazwyczaj say to people, when they say, "What do you do?"
1
1000
3000
Zwykle gdy ludzie pytają, czym się zajmuję
00:28
I say, "I do hardwaresprzęt komputerowy,"
2
4000
2000
mówię "Sprzętem"
00:30
because it sortsortować of convenientlywygodnie encompassesobejmuje everything I do.
3
6000
2000
bo to niejako dogodnie obejmuje wszystko, czym się zajmuję.
00:32
And I recentlyostatnio said that to a ventureprzedsięwzięcie capitalistkapitalista casuallyod niechcenia at some
4
8000
4000
Ostatnio powiedziałem to zwyczajnie do inwestora na jakiejś
00:36
ValleyDolina eventzdarzenie, to whichktóry he repliedodpowiedział, "How quaintosobliwy."
5
12000
3000
imprezie w Dolinie, na co odpowiedział "Jak oryginalnie".
00:39
(LaughterŚmiech)
6
15000
2000
(Śmiech)
00:41
And I sortsortować of really was dumbstruckoniemiały.
7
17000
3000
Naprawdę oniemiałem.
00:44
And I really should have said something smartmądry.
8
20000
2000
Powinienem powiedzieć coś błyskotliwego.
00:46
And now I've had a little bitkawałek of time to think about it,
9
22000
5000
Mając nieco więcej czasu na przemyślenie sprawy
00:51
I would have said, "Well, you know,
10
27000
2000
powiedziałbym: "Wiesz,
00:53
if we look at the nextNastępny 100 yearslat
11
29000
2000
jeśli spojrzymy na następne sto lat
00:55
and we'vemamy seenwidziany all these problemsproblemy in the last fewkilka daysdni,
12
31000
2000
a widzieliśmy wszystkie te problemy przez kilka ostatnich dni,
00:57
mostwiększość of the bigduży issuesproblemy -- cleanczysty waterwoda, cleanczysty energyenergia --
13
33000
3000
przede wszystkim ważne zagadnienia - czysta woda, czysta energia -
01:00
and they're interchangeablewymienny in some respectswyrazy szacunku --
14
36000
2000
a są one pod pewnymi względami zamienne -
01:02
and cleanerodkurzacz, more functionalfunkcjonalny materialsmateriały --
15
38000
2000
i czystsze, bardziej funkcjonalne materiały -
01:04
they all look to me to be hardwaresprzęt komputerowy problemsproblemy.
16
40000
3000
wszystko to wygląda na problemy związane ze sprzętem.
01:07
This doesn't mean we should ignoreignorować softwareoprogramowanie,
17
43000
2000
Co nie znaczy, że powinniśmy ignorować oprogramowanie,
01:09
or informationInformacja, or computationobliczenie."
18
45000
2000
czy informację lub obliczenia.
01:11
And that's in factfakt probablyprawdopodobnie what I'm going to try and tell you about.
19
47000
3000
I właśnie o tym pewnie spróbuję wam opowiedzieć.
01:14
So, this talk is going to be about how do we make things
20
50000
3000
Więc ten wykład będzie o tym, jak tworzymy rzeczy
01:17
and what are the newNowy wayssposoby that we're going to make things in the futureprzyszłość.
21
53000
5000
i jakimi nowymi sposobami będziemy tworzyć rzeczy w przyszłości.
01:22
Now, TEDTED sendswysyła you a lot of spamspam if you're a speakergłośnik
22
58000
5000
TED wysyła mówcom masę spamu
01:27
about "do this, do that" and you fillwypełniać out all these formsformularze,
23
63000
2000
z "zrób to, zrób tamto" i wypełnia się wszystkie te formularze,
01:29
and you don't actuallytak właściwie know how they're going to describeopisać you,
24
65000
3000
a w sumie nie wiesz, jak zamierzają cię opisać
01:32
and it flashedbłysnął acrossprzez my deskbiurko that they were going to introduceprzedstawiać me as a futuristfuturysta.
25
68000
3000
i mignęło mi, że zamierzają przedstawić mnie jako futurystę.
01:35
And I've always been nervousnerwowy about the termsemestr "futuristfuturysta,"
26
71000
2000
A zawsze denerwował mnie termin "futurysta",
01:37
because you seemwydać się doomedstracony to failureniepowodzenie because you can't really predictprzepowiadać, wywróżyć it.
27
73000
3000
ponieważ jest się skazanym na porażkę, bo nie da się tego tak naprawdę przewidzieć.
01:40
And I was laughingśmiać się about this with the very smartmądry colleagueskoledzy I have,
28
76000
3000
Śmiałem się z tego z moimi bardzo mądrymi kolegami
01:43
and said, "You know, well, if I have to talk about the futureprzyszłość, what is it?"
29
79000
4000
i powiedziałem: "Wiecie, jeśli mam mówić o przyszłości, co to jest?"
01:47
And GeorgeGeorge HomseyHomsey, a great guy, said, "Oh, the futureprzyszłość is amazingniesamowity.
30
83000
5000
A George Homsey, wspaniały facet, odrzekł: "Oh, przyszłość jest niesamowita.
01:52
It is so much strangernieznajomy than you think.
31
88000
2000
O wiele dziwniejsza niż ci się wydaje.
01:54
We're going to reprogramprzeprogramować the bacteriabakteria in your gutjelito,
32
90000
2000
Zamierzamy przeprogramować bakterie w twoich jelitach
01:56
and we're going to make your poopoo smellzapach like peppermintmięta pieprzowa."
33
92000
5000
i sprawimy, że twoje kupy będą pachniały miętą."
02:01
(LaughterŚmiech)
34
97000
2000
(Śmiech)
02:03
So, you maymoże think that's sortsortować of really crazyzwariowany,
35
99000
3000
Więc możecie myśleć, że to wariactwo,
02:06
but there are some prettyładny amazingniesamowity things that are happeningwydarzenie
36
102000
2000
ale dzieją się naprawdę niesamowite rzeczy,
02:08
that make this possiblemożliwy.
37
104000
1000
które sprawią, że będzie to możliwe.
02:09
So, this isn't my work, but it's work of good friendsprzyjaciele of minekopalnia at MITMIT.
38
105000
4000
To akurat nie moją praca, tylko mojego dobrego przyjaciela z MIT.
02:13
This is callednazywa the registryrejestr of standardstandard biologicalbiologiczny partsCzęści.
39
109000
2000
Nazywa się to rejestrem standardowych części biologicznych.
02:15
This is headedgłowiasty by DrewDrew EndyEndY and TomTom KnightRycerz
40
111000
2000
Kierują tym Drew Endy i Tom Knight
02:17
and a fewkilka other very, very brightjasny individualsosoby prywatne.
41
113000
3000
oraz kilka innych bardzo, bardzo bystrych jednostek.
02:20
BasicallyW zasadzie, what they're doing is looking at biologybiologia as a programmableprogramowalny systemsystem.
42
116000
3000
Zasadniczo, patrzą na biologię jako na programowalny system.
02:23
LiterallyDosłownie, think of proteinsbiałka as subroutinespodprogramy
43
119000
4000
Dosłownie, pomyślcie o proteinach jako o podprogramach,
02:27
that you can stringstrunowy togetherRazem to executewykonać a programprogram.
44
123000
3000
które można powiązać razem, żeby wykonać program.
02:30
Now, this is actuallytak właściwie becomingtwarzowy suchtaki an interestingciekawy ideapomysł.
45
126000
5000
Staje się to takim ciekawym pomysłem.
02:35
This is a statestan diagramdiagram. That's an extremelyniezwykle simpleprosty computerkomputer.
46
131000
3000
To jest diagram stanów. Pokazuje zupełnie prosty komputer.
02:38
This one is a two-bitdwubitowy counterlicznik.
47
134000
2000
Ten to tandetny licznik.
02:40
So that's essentiallygłównie the computationalobliczeniowy equivalentrównowartość of two lightlekki switchesprzełączniki.
48
136000
6000
Zasadniczo jest to obliczeniowy ekwiwalent dwóch przełączników światła.
02:46
And this is beingistota builtwybudowany by a groupGrupa of studentsstudenci at ZurichZurych
49
142000
3000
Budowany przez grupę studentów z Zurychu
02:49
for a designprojekt competitionzawody in biologybiologia.
50
145000
2000
na konkurs projektów z dziedziny biologii.
02:51
And from the resultswyniki of the samepodobnie competitionzawody last yearrok,
51
147000
3000
Z rezultatów tego konkursu z zeszłego roku:
02:54
a UniversityUniwersytet of TexasTexas teamzespół of studentsstudenci programmedzaprogramowany bacteriabakteria
52
150000
4000
grupa studentów z Uniwersytetu w Teksasie zaprogramowała bakterie tak,
02:58
so that they can detectwykryć lightlekki and switchprzełącznik on and off.
53
154000
3000
że mogły wykrywać oraz włączać i wyłączać światło.
03:01
So this is interestingciekawy in the sensesens that you can now
54
157000
2000
To jest ciekawe w tym sensie, że obecnie można
03:03
do "if-then-forif-then-for" statementssprawozdania in materialsmateriały, in structureStruktura.
55
159000
5000
wykorzystywać stwierdzenia "jeśli, to" w materiałach, w strukturze.
03:08
This is a prettyładny interestingciekawy trendtendencja,
56
164000
2000
To bardzo interesujący trend.
03:10
because we used to liverelacja na żywo in a worldświat where everyone'swszyscy said gliblybez zająknięnia,
57
166000
2000
Ponieważ przyzwyczailiśmy się do życia w świecie, gdzie każdy bez zastanowienia twierdził, że
03:12
"FormFormularz followsnastępuje functionfunkcjonować," but I think I've sortsortować of growndorosły up in a worldświat
58
168000
4000
że forma wynika z funkcji, ale sądzę, że wyrosłem w świecie
03:16
-- you listenedsłuchałem to NeilNeil GershenfeldGershenfeld yesterdaywczoraj;
59
172000
3000
- słuchaliście wczoraj Neila Gershenfelda,
03:19
I was in a lablaboratorium associatedpowiązany with his -- where it's really a worldświat
60
175000
4000
Byłem w laboratorium powiązanym z jego laboratorium - w którym to świecie
03:23
where informationInformacja definesdefiniuje formformularz and functionfunkcjonować.
61
179000
3000
informacja definiuje formę i funkcję.
03:26
I spentwydany sixsześć yearslat thinkingmyślący about that,
62
182000
4000
Spędziłem sześć lat myśląc o tym,
03:30
but to showpokazać you the powermoc of artsztuka over sciencenauka --
63
186000
2000
ale, żeby pokazać wam przewagę sztuki nad nauką -
03:32
this is actuallytak właściwie one of the cartoonskreskówki I writepisać. These are callednazywa "HowToonsHowToons."
64
188000
3000
to jest jeden z komiksów, które piszę. Nazywają się "Howtoons".
03:35
I work with a fabulousfantastyczny illustratorilustrator callednazywa NickNick DragottaDragotta.
65
191000
2000
Pracuję ze wspaniałym ilustratorem - nazywa się Nick Dragotta.
03:37
TookWziął me sixsześć yearslat at MITMIT,
66
193000
2000
Zabrało mi sześć lat w MIT
03:39
and about that manywiele pagesstrony to describeopisać what I was doing,
67
195000
4000
i mniej więcej tyle stron, żeby opisać, co robiłem,
03:43
and it tookwziął him one pagestrona. And so this is our musemuza TuckerTucker.
68
199000
5000
a jemu zajęło to jedną stronę. A oto jest nasza muza Tucker.
03:48
He's an interestingciekawy little kiddziecko -- and his sistersiostra, CelineCeline --
69
204000
2000
Jest ciekawym dzieciakiem - i jego siostra, Celine -
03:50
and what he's doing here
70
206000
2000
a to, co tutaj robi
03:52
is observingobserwując the self-assemblysamoorganizacja of his CheeriosCheerios in his cerealzboże bowlmiska.
71
208000
4000
to obserwuje jak jego płatki śniadaniowe łączą się w grupki w miseczce.
03:56
And in factfakt you can programprogram the self-assemblysamoorganizacja of things,
72
212000
3000
W rzeczy samej można zaprogramować samoorganizację obiektów,
03:59
so he startszaczyna się chocolate-dippingmaczanie czekoladą edgeskrawędzie,
73
215000
2000
więc zaczyna zanurzać brzegi w polewie czekoladowej,
04:01
changingwymiana pieniędzy the hydrophobicityhydrofobowość and the hydrophylicityhydrofilowość.
74
217000
2000
Zmieniając hydrofobię i hydrofilię.
04:03
In theoryteoria, if you programprogram those sufficientlydostatecznie,
75
219000
2000
W teorii, jeśli wystarczająco je zaprogramujesz,
04:05
you should be ablezdolny to do something prettyładny interestingciekawy
76
221000
2000
powinieneś móc zrobić coś naprawdę ciekawego
04:07
and make a very complexzłożony structureStruktura.
77
223000
2000
i stworzyć bardzo złożoną strukturę.
04:09
In this casewalizka, he's doneGotowe self-replicationautoreplikacja of a complexzłożony 3D structureStruktura.
78
225000
5000
W tym przypadku wykonał samoreplikację złożonej struktury 3D.
04:14
And that's what I thought about for a long time,
79
230000
3000
I o tym myślałem przez długi czas,
04:17
because this is how we currentlyobecnie make things.
80
233000
2000
ponieważ w ten sposób obecnie tworzymy rzeczy.
04:19
This is a siliconkrzem waferwafel, and essentiallygłównie
81
235000
2000
To jest silikonowa płytka i generalnie
04:21
that's just a wholecały bunchwiązka of layerswarstwy of two-dimensionaldwuwymiarowy stuffrzeczy, sortsortować of layeredwarstwowe up.
82
237000
4000
to po prostu szereg warstw dwu-wymiarowego czegoś, jakby ułożonego warstwowo.
04:25
The featurececha sidebok is -- you know, people will say,
83
241000
2000
Rozmiar elementu to - wiecie, ludzie powiedzą,
04:27
[unclearniejasny] down around about 65 nanometersnanometry now.
84
243000
2000
[niejasne] około 65 nanometrów obecnie.
04:29
On the right, that's a radiolararadiolara.
85
245000
2000
Po prawej, to jest radiolaria.
04:31
That's a unicellularjednokomórkowy organismorganizm ubiquitouswszechobecny in the oceansoceany.
86
247000
3000
To jednokomórkowy organizm zamieszkujący oceany.
04:34
And that has featurececha sizesrozmiary down to about 20 nanometersnanometry,
87
250000
4000
A rozmiar to około 20 nanometrów.
04:38
and it's a complexzłożony 3D structureStruktura.
88
254000
2000
i jest złożoną struktura 3D.
04:40
We could do a lot more with computerskomputery and things generallyogólnie
89
256000
4000
Moglibyśmy zrobić ogólnie o wiele więcej z komputerami i rzeczami,
04:44
if we knewwiedziałem how to buildbudować things this way.
90
260000
3000
gdybyśmy wiedzieli, jak budować rzeczy w ten sposób.
04:47
The secretsekret to biologybiologia is, it buildsbuduje computationobliczenie
91
263000
3000
Sekretem biologii jest, że wbudowuje obliczenia
04:50
into the way it makesczyni things. So this little thing here, polymerasepolimerazy,
92
266000
3000
w sposób w jaki tworzy rzeczy. Więc ta mała rzecz tutaj, polimeraza,
04:53
is essentiallygłównie a supercomputersuperkomputer designedzaprojektowany for replicatingreplikowanie DNADNA.
93
269000
5000
to w zasadzie komputer zaprojektowany do powielania DNA.
04:58
And the ribosomerybosom here is anotherinne little computerkomputer
94
274000
3000
A ten rybosom, tutaj, to inny mały komputer,
05:01
that helpspomaga in the translationtłumaczenie of the proteinsbiałka.
95
277000
2000
który pomaga tłumaczyć proteiny.
05:03
I thought about this
96
279000
1000
Myślałem o tym
05:04
in the sensesens that it's great to buildbudować in biologicalbiologiczny materialsmateriały,
97
280000
3000
w tym sensie, że to wspaniale budować w materiałach biologicznych,
05:07
but can we do similarpodobny things?
98
283000
2000
ale czy możemy robić podobne rzeczy?
05:09
Can we get self-replicating-typetyp samoreplikujący behaviorzachowanie?
99
285000
2000
Czy możemy uzyskać zachowania typu samo-powielania?
05:11
Can we get complexzłożony 3D structureStruktura automaticallyautomatycznie assemblingzłożenie
100
287000
4000
Czy możemy uzyskać automatyczną organizację złożonych struktur 3D
05:15
in inorganicnieorganiczny systemssystemy?
101
291000
2000
w systemach nieorganicznych?
05:17
Because there are some advantagesZalety to inorganicnieorganiczny systemssystemy,
102
293000
2000
Ponieważ systemy nieorganiczne mają pewną przewagę,
05:19
like higherwyższy speedprędkość semiconductorspółprzewodniki, etcitp.
103
295000
2000
np. półprzewodniki o większej prędkości, itp.
05:21
So, this is some of my work
104
297000
2000
Więc to jest część mojej pracy
05:23
on how do you do an autonomouslyautonomicznie self-replicatingsamoreplikujące systemsystem.
105
299000
6000
dotyczącej tego jak zrobić autonomicznie samopowielający się system.
05:29
And this is sortsortować of Babbage'sBabbage'a revengezemsta.
106
305000
2000
I to jest rodzaj zemsty Babbage'a.
05:31
These are little mechanicalmechaniczny computerskomputery.
107
307000
1000
To są małe mechaniczne komputery.
05:32
These are five-statepięciostanowy statestan machinesmaszyny.
108
308000
3000
To są pięcio-stanowe maszyny stanu.
05:35
So, that's about threetrzy lightlekki switchesprzełączniki linedprążkowany up.
109
311000
3000
Więc to około trzech przełączników światła w linii.
05:38
In a neutralneutralny statestan, they won'tprzyzwyczajenie bindwiązać at all.
110
314000
2000
W stanie neutralnym nie będą się w ogóle łączyć.
05:40
Now, if I make a stringstrunowy of these, a bitkawałek stringstrunowy,
111
316000
4000
Teraz, jeśli zrobię z nich łańcuch,
05:44
they will be ablezdolny to replicatereplika.
112
320000
2000
Będą się mogły powielać.
05:46
So we startpoczątek with whitebiały, blueniebieski, blueniebieski, whitebiały.
113
322000
1000
Zaczynamy z białym, niebieskim, niebieskim, białym.
05:47
That encodeskoduje; that will now copyKopiuj. From one comespochodzi two,
114
323000
6000
To koduje, teraz się będzie kopiować. Z jednego biorą się dwa,
05:53
and then from two comespochodzi threetrzy.
115
329000
2000
a następnie z dwóch biorą się trzy.
05:55
And so you've got this sortsortować of replicatingreplikowanie systemsystem.
116
331000
4000
Więc otrzymujemy rodzaj systemu powielania.
05:59
It was work actuallytak właściwie by LionelLionel PenrosePenrose,
117
335000
2000
Został opracowany przez Lionela Penrose,
06:01
fatherojciec of RogerRoger PenrosePenrose, the tilespłytki guy.
118
337000
3000
ojca Rogera Penrose, gościa od "kafelków".
06:04
He did a lot of this work in the '60s,
119
340000
2000
Wykonał większość tej pracy w latach 60',
06:06
and so a lot of this logiclogika theoryteoria laykłaść fallowugór
120
342000
2000
więc znaczna część tej teorii logicznej leżała odłogiem,
06:08
as we wentposzedł down the digitalcyfrowy computerkomputer revolutionrewolucja, but it's now comingprzyjście back.
121
344000
3000
kiedy zmierzaliśmy do cyfrowej rewolucji komputerowej, ale teraz wraca.
06:11
So now I'm going to showpokazać you the hands-freewolne ręce, autonomousautonomiczny self-replicationautoreplikacja.
122
347000
4000
Więc teraz zamierzam wam pokazać autonomiczne samoreplikowanie bez udziału rąk.
06:15
So we'vemamy trackedśledzony in the videowideo the inputwkład stringstrunowy,
123
351000
2000
Prześledziliśmy na filmie łańcuch wejściowy,
06:17
whichktóry was greenZielony, greenZielony, yellowżółty, yellowżółty, greenZielony.
124
353000
2000
który był zielony, zielony, żółty, żółty, zielony.
06:19
We setzestaw them off on this airpowietrze hockeyhokej tablestół.
125
355000
4000
Umieściliśmy go na tym stole do "powietrznego" hokeja.
06:23
You know, highwysoki sciencenauka usesużywa airpowietrze hockeyhokej tablestabele --
126
359000
2000
Wiecie, zaawansowana nauka używa takich stołów -
06:25
(LaughterŚmiech)
127
361000
1000
(Śmiech)
06:26
-- and if you watch this thing long enoughdość you get dizzyoszołomiony,
128
362000
2000
- i jeśli patrzy się na to zbyt długo, ma się zwroty głowy,
06:28
but what you're actuallytak właściwie seeingwidzenie is copieskopie of that originaloryginalny stringstrunowy
129
364000
3000
ale to co widzicie to kopie tego pierwotnego łańcucha
06:31
emergingwyłaniający się from the partsCzęści binkosz that you have here.
130
367000
3000
wyłaniające się z tego śmietnika części, które tu macie.
06:34
So we'vemamy got autonomousautonomiczny replicationreplikacja of bitkawałek stringssmyczki.
131
370000
5000
Więc osiągnęliśmy autonomiczne powielanie łańcuchów części.
06:39
So, why would you want to replicatereplika bitkawałek stringssmyczki?
132
375000
3000
Dlaczego mielibyśmy chcieć powielać łańcuchy części?
06:42
Well, it turnsskręca out biologybiologia has this other very interestingciekawy memeja ja,
133
378000
3000
Cóż, okazuje się, że biologia ma ten ciekawy mem,
06:45
that you can take a linearliniowy stringstrunowy, whichktóry is a convenientwygodna thing to copyKopiuj,
134
381000
3000
że można wziąć linearny łańcuch, który jest wygodny w kopiowaniu
06:48
and you can foldzagięcie that into an arbitrarilydowolnie complexzłożony 3D structureStruktura.
135
384000
4000
i można go zwinąć w arbitralnie złożoną strukturę 3D.
06:52
So I was tryingpróbować to, you know, take the engineer'sinżyniera versionwersja:
136
388000
3000
Więc próbowałem wiecie, wziąć wersję inżyniera:
06:55
Can we buildbudować a mechanicalmechaniczny systemsystem in inorganicnieorganiczny materialsmateriały
137
391000
3000
Czy możemy stworzyć mechaniczny system z nieorganicznymi materiałami,
06:58
that will do the samepodobnie thing?
138
394000
1000
który będzie robił to samo?
06:59
So what I'm showingseans you here is that we can make a 2D shapekształt --
139
395000
5000
To, co wam pokazuję tutaj to, że możemy stworzyć dwuwymiarowy kształt -
07:04
the B -- assemblegromadzić from a stringstrunowy of componentsskładniki
140
400000
4000
B - złożyć z łańcucha składników,
07:08
that followśledzić extremelyniezwykle simpleprosty ruleszasady.
141
404000
2000
które odpowiadają całkowicie prostym zasadom.
07:10
And the wholecały pointpunkt of going with the extremelyniezwykle simpleprosty ruleszasady here,
142
406000
3000
A cały sens korzystania z calkowicie prostych zasad tutaj
07:13
and the incrediblyniewiarygodnie simpleprosty statestan machinesmaszyny in the previouspoprzedni designprojekt,
143
409000
3000
i z niesamowicie prostych maszyn stanów w poprzednim projekcie,
07:16
was that you don't need digitalcyfrowy logiclogika to do computationobliczenie.
144
412000
3000
polega na tym, że nie potrzeba cyfrowej logiki do wykonywania obliczeń.
07:19
And that way you can scaleskala things much smallermniejszy than microchipsmikrochipy.
145
415000
4000
I w ten sposób można tworzyć rzeczy znacznie mniejsze od mikroczipów.
07:23
So you can literallydosłownie use these as the tinymalutki componentsskładniki in the assemblymontaż processproces.
146
419000
4000
Można dosłownie użyć ich jako malutkich składników w procesie składania.
07:27
So, NeilNeil GershenfeldGershenfeld showedpokazał you this videowideo on WednesdayŚroda, I believe,
147
423000
5000
Neil Gershenfeld pokazał wam chyba w środę ten film,
07:32
but I'll showpokazać you again.
148
428000
2000
ale pokażę go znowu.
07:34
This is literallydosłownie the coloredkolorowy sequencesekwencja of those tilespłytki.
149
430000
3000
To jest dosłownie kolorowa sekwencja płytek.
07:37
EachKażdy differentróżne colorkolor has a differentróżne magneticmagnetyczny polaritybiegunowość,
150
433000
3000
Każdy kolor ma inną biegunowość magnetyczną,
07:40
and the sequencesekwencja is uniquelywyjątkowo specifyingokreślanie the structureStruktura that is comingprzyjście out.
151
436000
5000
a sekwencja w sposób wyjątkowy określa osiąganą strukturę.
07:45
Now, hopefullyufnie, those of you who know anything about graphwykres theoryteoria
152
441000
3000
Mam nadzieję, że ci z was, którzy wiedzą cokolwiek o teorii grafów
07:48
can look at that, and that will satisfyusatysfakcjonować you
153
444000
2000
spojrzą na to i poczują się usatysfakcjonowani,
07:50
that that can alsorównież do arbitraryarbitralny 3D structureStruktura,
154
446000
3000
że można też tworzyć przypadkowe struktury 3D.
07:53
and in factfakt, you know, I can now take a dogpies, carverzeźbić it up
155
449000
5000
W rzeczywistości, mogę teraz wziąć psa, podzielić na części
07:58
and then reassembleponownie zmontować it so it's a linearliniowy stringstrunowy
156
454000
2000
i ułożyć znowu w linearny łańcuch,
08:00
that will foldzagięcie from a sequencesekwencja. And now
157
456000
2000
który będzie się zwijał z sekwencji. I teraz
08:02
I can actuallytak właściwie definedefiniować that three-dimensionaltrójwymiarowy objectobiekt as a sequencesekwencja of bitsbity.
158
458000
7000
mogę zdefiniować trójwymiarowy obiekt jako sekwencję części.
08:09
So, you know, it's a prettyładny interestingciekawy worldświat
159
465000
3000
To jest naprawdę ciekawy świat,
08:12
when you startpoczątek looking at the worldświat a little bitkawałek differentlyróżnie.
160
468000
2000
kiedy zaczynasz patrzeć na świat troszeczkę inaczej.
08:14
And the universewszechświat is now a compilerkompilator.
161
470000
3000
Wszechświat jest obecnie kompilatorem
08:17
And so I'm thinkingmyślący about, you know, what are the programsprogramy
162
473000
2000
Zastanawiam się, jakimi programami
08:19
for programmingprogramowanie the physicalfizyczny universewszechświat?
163
475000
3000
można zaprogramować fizyczny wszechświat?
08:22
And how do we think about materialsmateriały and structureStruktura,
164
478000
3000
W jaki sposób myślimy o materiałach i strukturze
08:25
sortsortować of as an informationInformacja and computationobliczenie problemproblem?
165
481000
3000
jako o problemie informacji i obliczania?
08:28
Not just where you attachdołączać a micro-controllermikrokontroler to the endkoniec pointpunkt,
166
484000
3000
Nie tylko, gdy dołącza się mikrokontroler w punkcie końcowym,
08:31
but that the structureStruktura and the mechanismsmechanizmy are the logiclogika, are the computerskomputery.
167
487000
5000
ale że struktura i mechanizmy są logiką, są komputerami.
08:36
HavingPosiadanie totallycałkowicie absorbedzaabsorbowany this philosophyfilozofia,
168
492000
5000
Całkowicie przyjmując tę filozofię,
08:41
I startedRozpoczęty looking at a lot of problemsproblemy a little differentlyróżnie.
169
497000
3000
zacząłem patrzeć na wiele problemów nieco inaczej.
08:44
With the universewszechświat as a computerkomputer,
170
500000
1000
Z wszechświatem jako komputerem,
08:45
you can look at this dropletkropelka of waterwoda
171
501000
2000
możecie spojrzeć na tę kroplę wody
08:47
as havingmający performedwykonany the computationsobliczenia.
172
503000
2000
jako na coś, co przeprowadza obliczenia.
08:49
You setzestaw a couplepara of boundarygranica conditionswarunki, like gravitypowaga,
173
505000
2000
Ustawia się kilka warunków granicznych, jak grawitacja,
08:51
the surfacepowierzchnia tensionnapięcie, densitygęstość, etcitp., and then you pressnaciśnij "executewykonać,"
174
507000
4000
napięcie powierzchniowe, gęstość, itd, a następnie wciska "wykonaj"
08:55
and magicallymagicznie, the universewszechświat producesprodukuje you a perfectidealny ballpiłka lensobiektyw.
175
511000
5000
i magicznie, wszechświat produkuje doskonałe kuliste soczewki.
09:00
So, this actuallytak właściwie appliedstosowany to the problemproblem
176
516000
2000
Stosując to do rzeczywistego problemu -
09:02
of -- so there's a halfpół a billionmiliard to a billionmiliard people in the worldświat
177
518000
3000
Na świecie jest od pół miliarda do miliarda ludzi,
09:05
don't have accessdostęp to cheaptani eyeglassesokulary.
178
521000
2000
którzy nie mają dostępu do tanich okularów.
09:07
So can you make a machinemaszyna
179
523000
2000
Czy można więc zrobić maszynę,
09:09
that could make any prescriptionrecepta lensobiektyw very quicklyszybko on siteteren?
180
525000
4000
która będzie mogła zrobić dowolne przepisane soczewki bardzo szybko na miejscu?
09:13
This is a machinemaszyna where you literallydosłownie definedefiniować a boundarygranica conditionstan.
181
529000
4000
To maszyna, gdzie dosłownie definiuje się warunki graniczne.
09:17
If it's circularokólnik, you make a sphericalkulisty lensobiektyw.
182
533000
3000
Jeśli jest to koliste, można zrobić soczewki sferyczne.
09:20
If it's ellipticaleliptyczny, you can make an astigmaticniezborny lensobiektyw.
183
536000
3000
Jeśli eliptyczne, można zrobić soczewki astygmatyczne.
09:23
You then put a membranemembrana on that and you applyzastosować pressurenacisk --
184
539000
3000
Następnie wkłada się na to membranę i przykłada ciśnienie -
09:26
so that's partczęść of the extradodatkowy programprogram.
185
542000
2000
to część dodatkowego programu.
09:28
And literallydosłownie with only those two inputswejścia --
186
544000
3000
Z tymi dosłownie dwoma danymi wejściowymi -
09:31
so, the shapekształt of your boundarygranica conditionstan and the pressurenacisk --
187
547000
2000
kształtem twoich warunków granicznych i ciśnieniem -
09:33
you can definedefiniować an infinitenieskończony numbernumer of lensessoczewki
188
549000
2000
można zdefiniować nieograniczoną liczbę soczewek,
09:35
that coverpokrywa the rangezasięg of humanczłowiek refractiverefrakcyjny errorbłąd,
189
551000
2000
które pokrywają zasięg ludzkiego błędu refrakcyjnego
09:37
from minusminus 12 to plusplus eightosiem dioptersdioptrii, up to fourcztery dioptersdioptrii of cylindercylinder.
190
553000
5000
od minus 12 do plus 8 dioptrii, aż do 4 dioptrii cylindra.
09:42
And then literallydosłownie, you now pourwlać on a monomermonomer.
191
558000
3000
I teraz dosłownie, nalewa się monomer.
09:45
You know, I'll do a JuliaJulia ChildsChilds here.
192
561000
3000
Porobię tu za Julię Childs.
09:48
This is threetrzy minutesminuty of UVUV lightlekki.
193
564000
3000
Teraz trzy minuty ultrafioletu.
09:51
And you reverserewers the pressurenacisk on your membranemembrana
194
567000
3000
I odwraca się ciśnienie na membranę.
09:54
oncepewnego razu you've cookedgotowany it. PopPop it out.
195
570000
3000
Po ugotowaniu, wyciągnij.
09:57
I've seenwidziany this videowideo, but I still don't know if it's going to endkoniec right.
196
573000
3000
Widziałem już ten fim, ale ciągle nie wiem, czy się dobrze kończy.
10:00
(LaughterŚmiech)
197
576000
3000
(Śmiech)
10:03
So you reverserewers this. This is a very oldstary moviefilm,
198
579000
2000
Odwraca się to. To bardzo stary film,
10:05
so with the newNowy prototypesprototypy, actuallytak właściwie bothobie surfacespowierzchnie are flexibleelastyczne,
199
581000
4000
więc w nowych prototypach, obydwie powierzchnie są elastyczne,
10:09
but this will showpokazać you the pointpunkt.
200
585000
2000
ale to pokaże wam sens.
10:11
Now you've finishedskończone the lensobiektyw, you literallydosłownie popmuzyka pop it out.
201
587000
2000
Kiedy skończyliście soczewki, dosłownie je wyciągacie.
10:13
That's nextNastępny year'srok YvesYves KleinKlein, you know, eyeglassesokulary shapekształt.
202
589000
7000
To przyszłoroczny Yves Klein, wiecie, kształt okularów.
10:20
And you can see that that has a mildłagodny prescriptionrecepta of about minusminus two dioptersdioptrii.
203
596000
3000
Te, które widzicie to łagodna recepta na około minus dwóch dioptrii.
10:23
And as I rotateobracać się it againstprzeciwko this sidebok shotstrzał, you'llTy będziesz see that that has cylindercylinder,
204
599000
4000
Kiedy obróciccie to z profilu, zobaczycie, że ma cylinder,
10:27
and that was programmedzaprogramowany in --
205
603000
1000
i zostało to zaprogramowane -
10:28
literallydosłownie into the physicsfizyka of the systemsystem.
206
604000
4000
dosłownie w fizyce systemu.
10:32
So, this sortsortować of thinkingmyślący about structureStruktura as computationobliczenie
207
608000
3000
Ten rodzaj myślenia o strukturze jako o obliczeniu
10:35
and structureStruktura as informationInformacja leadswskazówki to other things, like this.
208
611000
5000
i strukturze jako informacji prowadzi do innych rzeczy, jak te.
10:40
This is something that my people at SQUIDKALMARY LabsLabs
209
616000
3000
To jest coś, nad czym moi ludzie w SQUID Labs
10:43
are workingpracujący on at the momentza chwilę, callednazywa "electronicelektroniczny ropelina."
210
619000
2000
pracują w tej chwili, nazywa się to elektroniczna lina.
10:45
So literallydosłownie, you think about a ropelina. It has very complexzłożony structureStruktura in the weavesplot.
211
621000
4000
Więc dosłownie, myślicie o linie. To bardzo złożona struktura, jeśli chodzi o splot.
10:49
And underpod no loadobciążenie, it's one structureStruktura.
212
625000
2000
I bez ciężaru, to jedna struktura.
10:51
UnderPod a differentróżne loadobciążenie, it's a differentróżne structureStruktura. And you can actuallytak właściwie exploitwykorzystać that
213
627000
3000
Pod innym obciążeniem, to inna struktura. I można to wykorzystać
10:54
by puttingwprowadzenie in a very smallmały numbernumer of
214
630000
2000
używając bardzo małej liczby
10:56
conductingprowadzenie fiberswłókna to actuallytak właściwie make it a sensorczujnik.
215
632000
2000
włókien przewodzących, żeby stworzyć czujnik.
10:58
So this is now a ropelina that knowswie the loadobciążenie on the ropelina
216
634000
3000
Więc jest to teraz lina, która zna obciążenie na linie
11:01
at any particularszczególny pointpunkt in the ropelina.
217
637000
2000
w którymkolwiek punkcie liny.
11:03
Just by thinkingmyślący about the physicsfizyka of the worldświat,
218
639000
3000
Tylko przez myślenie o fizyce świata,
11:06
materialsmateriały as the computerkomputer,
219
642000
2000
o materiałach jako o komputerze,
11:08
you can startpoczątek to do things like this.
220
644000
3000
możecie zacząć robić rzeczy takie jak to.
11:11
I'm going to seguesegue a little here.
221
647000
3000
Zrobię tu krótką przebitkę.
11:14
I guessodgadnąć I'm just going to casuallyod niechcenia tell you the typestypy of things
222
650000
2000
Chyba po prostu opowiem wam o rodzajach rzeczy
11:16
that I think about with this.
223
652000
1000
o których myślę przy tym.
11:17
One thing I'm really interestedzainteresowany about this right now is, how,
224
653000
4000
Jedną z rzeczy, którymi się naprawdę interesuję teraz, jest, jak
11:21
if you're really takingnabierający this viewwidok of the universewszechświat as a computerkomputer,
225
657000
4000
jeśli naprawdę przyjmuje się to spojrzenie na wszechświat jako na komputer,
11:25
how do we make things in a very generalgenerał sensesens,
226
661000
2000
jak tworzymy rzeczy w bardzo ogólnym znaczeniu,
11:27
and how mightmoc we sharedzielić the way we make things in a generalgenerał sensesens
227
663000
4000
oraz jak możemy dzielić się sposobem tworzenia rzeczy w ogólnym znaczeniu
11:31
the samepodobnie way you sharedzielić openotwarty sourceźródło hardwaresprzęt komputerowy?
228
667000
3000
tak samo jak dzielimy się ogólnodostępnym sprzętem?
11:34
And a lot of talksrozmowy here have espousedpoślubiony the benefitskorzyści
229
670000
3000
Wiele wykładów tutaj optowało za korzyściami
11:37
of havingmający lots of people look at problemsproblemy,
230
673000
2000
sytuacji, gdy wielu ludzi patrzy na problemy,
11:39
sharedzielić the informationInformacja and work on those things togetherRazem.
231
675000
3000
dzieli się informacjami i wspólnie pracuje nad tymi zagadnieniami.
11:42
So, a convenientwygodna thing about beingistota a humanczłowiek is you moveruszaj się in linearliniowy time,
232
678000
3000
Wygodną rzeczą w byciu człowiekiem jest to, że porusza się w czasie linearnym,
11:45
and unlesschyba że LisaLisa RandallRandall changeszmiany that,
233
681000
2000
i chyba że Lisa Randall to zmieni,
11:47
we'lldobrze continueKontyntynuj to moveruszaj się in linearliniowy time.
234
683000
3000
będzie się nadal poruszał w czasie linearnym.
11:50
So that meansznaczy anything you do, or anything you make,
235
686000
2000
To oznacza, że wszystko co robicie czy wszystko co tworzycie,
11:52
you produceprodukować a sequencesekwencja of stepskroki --
236
688000
2000
produkujecie jako sekwencję kroków -
11:54
and I think LegoLEGO in the '70s nailedprzybity this,
237
690000
3000
myślę, że Lego uchwyciło to w latach 70'
11:57
and they did it mostwiększość elegantlyelegancko.
238
693000
1000
i zrobili to najbardziej elegancko.
11:58
But they can showpokazać you how to buildbudować things in sequencesekwencja.
239
694000
4000
Ale oni potrafią pokazać, jak budować rzeczy w sekwencji.
12:02
So, I'm thinkingmyślący about, how can we generalizegeneralizować
240
698000
3000
Myślę o tym, jak możemy uogólnić
12:05
the way we make all sortssortuje of things,
241
701000
2000
sposób tworzenia wszelakich rzeczy,
12:07
so you endkoniec up with this sortsortować of guy, right?
242
703000
2000
żeby skończyć z tym rodzajem gościa?
12:09
And I think this appliesdotyczy acrossprzez a very broadszeroki -- sortsortować of, a lot of conceptskoncepcje.
243
705000
5000
I sądzę, że to stosuje się do bardzo szerokiego - do wielu pojęć.
12:14
You know, CameronCameron SinclairSinclair yesterdaywczoraj said,
244
710000
2000
Wiecie, Cameron Sinclair powiedział wczoraj:
12:16
"How do I get everyonekażdy to collaboratewspółpracować on designprojekt
245
712000
2000
"Jak mam sprawić, żeby wszyscy współpracowali nad projektem
12:18
globallyglobalnie to do housingmieszkaniowy for humanityludzkość?"
246
714000
3000
globalnie, żeby stworzyć budownictwo mieszkaniowe dla ludzkości?"
12:21
And if you've seenwidziany AmyAmy SmithSmith,
247
717000
2000
Jeśli widzieliście Amy Smith,
12:23
she talksrozmowy about how you get studentsstudenci at MITMIT
248
719000
4000
opowiada o tym, jak sprawić, że studenci z MIT
12:27
to work with communitiesspołeczności in HaitiHaiti.
249
723000
2000
pracują ze społecznościami na Haiti.
12:29
And I think we have to sortsortować of redefinena nowo and rethinkprzemyśleć ponownie
250
725000
2000
Myślę, że musimy jakby z redefiniować i przemyśleć,
12:31
how we definedefiniować structureStruktura and materialsmateriały and assemblymontaż things,
251
727000
4000
w jaki sposób definiujemy strukturę i materiały i montaż rzeczy,
12:35
so that we can really sharedzielić the informationInformacja
252
731000
2000
abyśmy mogli naprawdę dzielić się informacjami
12:37
on how you do those things in a more profoundgłęboki way
253
733000
2000
o tym, jak robi się te rzeczy w głębszy sposób
12:39
and buildbudować on eachkażdy other'sinne sourceźródło codekod for structureStruktura.
254
735000
3000
i budować kod źródłowy dla struktury w oparciu o innych.
12:42
I don't know exactlydokładnie how to do this yetjeszcze,
255
738000
1000
Nie wiem jeszcze, jak to dokładnie zrobić,
12:43
but, you know, it's something beingistota activelyaktywnie thought about.
256
739000
5000
ale to coś, o czym bardzo aktywnie myślę.
12:48
So, you know, that leadswskazówki to questionspytania
257
744000
2000
Prowadzi to do pytań
12:50
like, is this a compilerkompilator? Is this a sub-routinepodprocedura?
258
746000
4000
takich jak, czy to jest kompilator? Czy to jest podprogram?
12:54
InterestingCiekawe things like that.
259
750000
1000
Takich ciekawych rzeczy.
12:55
Maybe I'm gettinguzyskiwanie a little too abstractabstrakcyjny, but you know,
260
751000
3000
Może staję się trochę za bardzo abstrakcyjny, ale wiecie,
12:58
this is the sortsortować of -- returningpowracający to our comickomiczny characterspostacie --
261
754000
3000
to jest rodzaj - wracając do naszych komiksowych postaci -
13:01
this is sortsortować of the universewszechświat, or a differentróżne universewszechświat viewwidok,
262
757000
2000
to jest rodzaj wszechświata lub inne spojrzenie na wszechświat,
13:03
that I think is going to be very prevalentrozpowszechniony in the futureprzyszłość --
263
759000
2000
które, jak sądzę, będzie przważało w przyszłości -
13:05
from biotechBiotechnologia to materialsmateriały assemblymontaż. It was great to hearsłyszeć BillBill JoyRadość.
264
761000
3000
od biotechnologii po montaż materiałów. Świetnie było posłuchać Billa Joy.
13:08
They're startingstartowy to investinwestować in materialsmateriały sciencenauka,
265
764000
3000
Zaczynają inwestować w naukę o materiałach,
13:11
but these are the newNowy things in materialsmateriały sciencenauka.
266
767000
2000
ale to są nowe rzeczy w nauce o materiałach.
13:13
How do we put realreal informationInformacja and realreal structureStruktura into newNowy ideaspomysły,
267
769000
4000
W jaki sposób zastosujemy prawdziwe informacje i prawdziwą strukturę do nowych pomysłów
13:17
and see the worldświat in a differentróżne way? And it's not going to be binarydwójkowy codekod
268
773000
3000
i popatrzymy na świat w odmienny sposób? I to nie będzie kod binarny,
13:20
that definesdefiniuje the computerskomputery of the universewszechświat --
269
776000
2000
który definiuje komputery wszechświata -
13:22
it's sortsortować of an analoganalog computerkomputer.
270
778000
2000
to rodzaj komputera analogowego.
13:24
But it's definitelyZdecydowanie an interestingciekawy newNowy worldviewświatopogląd.
271
780000
5000
Ale to zdecydowanie ciekawy, nowy światopogląd.
13:29
I've goneodszedł too fardaleko. So that soundsDźwięki like it's it.
272
785000
3000
Poszedłem za daleko. Więc brzmi to, jakby to już było to.
13:32
I've probablyprawdopodobnie got a couplepara of minutesminuty of questionspytania,
273
788000
2000
Mam chyba kilka minut na pytania,
13:34
or I can showpokazać -- I think they alsorównież said that I do extremeskrajny stuffrzeczy
274
790000
4000
albo mogę pokazać - sądzę, że powiedzieli też, że robię ekstremalne rzeczy,
13:38
in the introductionwprowadzenie, so I maymoże have to explainwyjaśniać that.
275
794000
4000
we wstępie, więc może powinienem to wyjaśnić.
13:42
So maybe I'll do that with this shortkrótki videowideo.
276
798000
3000
Może zrobię to przy pomocy tego krótkiego filmu.
13:45
So this is actuallytak właściwie a 3,000-square-foot-stóp kwadratowych kitelatawiec,
277
801000
6000
To jest zasadniczo latawiec o powierzchni 3 tysięcy stóp kwadratowych (278m2),
13:51
whichktóry alsorównież happensdzieje się to be a minimalminimalny energyenergia surfacepowierzchnia.
278
807000
2000
co tak się składa jest powierzchnią minimalnej energii.
13:53
So returningpowracający to the dropletkropelka, again,
279
809000
2000
Wracając do kropli, znowu,
13:55
thinkingmyślący about the universewszechświat in a newNowy way.
280
811000
2000
myślenie o wszechświecie w nowy sposób.
13:57
This is a kitelatawiec designedzaprojektowany by a guy callednazywa DaveDave KulpKulp.
281
813000
2000
Ten latawiec został zaprojektowany przez gościa, który nazywa się Dave Kulp.
13:59
And why do you want a 3,000-square-foot-stóp kwadratowych kitelatawiec?
282
815000
2000
Po co mielibyście chcieć latawiec o powierzchni 3 tysięcy stóp kwadratowych?
14:01
So that's a kitelatawiec the sizerozmiar of your housedom.
283
817000
2000
To latawiec w rozmiarze waszego domu.
14:03
And so you want that to towholowniczy boatsłodzie very fastszybki.
284
819000
4000
Więc chcecie, żeby bardzo szybko holował łodzie.
14:07
So I've been workingpracujący on this a little, alsorównież,
285
823000
3000
Pracowałem nad tym trochę, również,
14:10
with a couplepara of other guys.
286
826000
2000
z kilkoma innymi osobami.
14:12
But, you know, this is anotherinne way to look at the --
287
828000
2000
Ale jest to inny sposób spojrzenia na -
14:14
if you abstractabstrakcyjny again,
288
830000
2000
jeśliby znowu podsumować,
14:16
this is a structureStruktura that is definedokreślone by the physicsfizyka of the universewszechświat.
289
832000
4000
że jest to struktura zdefiniowana przez fizykę wszechświata.
14:20
You could just hangpowiesić it as a bedłóżko sheetarkusz,
290
836000
1000
Możnaby to powiesić jako prześcieradło,
14:21
but again, the computationobliczenie of all the physicsfizyka
291
837000
2000
ale znów, obliczenia wszystkich praw fizycznych
14:23
givesdaje you the aerodynamicaerodynamiczny shapekształt.
292
839000
2000
dają aerodynamiczny kształt.
14:25
And so you can actuallytak właściwie sortsortować of almostprawie doublepodwójnie your boatłódź speedprędkość
293
841000
3000
Można więc praktycznie podwoić prędkość łodzi
14:28
with systemssystemy like that. So that's sortsortować of anotherinne interestingciekawy aspectaspekt of the futureprzyszłość.
294
844000
7000
z takimi systemami. To jest jeszcze jeden ciekawy aspekt przyszłości.
14:35
(ApplauseAplauz)
295
851000
1000
(Brawa)
Translated by Anna Ułanowicz
Reviewed by Marta Barszcz

▲Back to top

ABOUT THE SPEAKER
Saul Griffith - Inventor
Inventor Saul Griffith looks for elegant ways to make real things, from low-cost eyeglasses to a kite that tows boats. His latest projects include open-source inventions and elegant new ways to generate power.

Why you should listen

Innovator and inventor Saul Griffith has a uniquely open approach to problem solving. Whether he's devising a way to slash the cost of prescription eyeglasses or teaching science through cartoons, Griffith makes things and then shares his ideas with the world.

A proponent of open-source information, he established Instructables , an open website showing how to make an array of incredible objects. He is the co-founder of numerous companies including Squid Labs, Low Cost Eyeglasses, Potenco and Makani Power, where he is President and Chief Scientist. His companies have invented a myriad of new devices and materials, such as a "smart" rope that senses its load, or a machine for making low-cost eyeglass lenses through a process inspired by a water droplet. He is a columnist at Make magazine and co-writes How Toons! He's fascinated with materials that assemble themselves, and with taking advantage of those properties to make things quickly and cheaply.

More profile about the speaker
Saul Griffith | Speaker | TED.com