TED2011
Skylar Tibbits: Can we make things that make themselves?
Skylar Tibbits: Können wir Dinge erschaffen, die sich selbst herstellen?
Filmed:
Readability: 4.4
1,072,366 views
MIT-Forscher Skylar Tibbits arbeitet an Selbstmontage – der Idee, dass wir, anstatt etwas zu bauen (einen Stuhl, einen Wolkenkratzer), Materialien herstellen, die sich selbst aufbauen, etwa so, wie DNA-Stränge sich selbst zusammensetzen. Es ist ein großartiges Konzept, das noch in den Kinderschuhen steckt; Tibbits zeigt uns drei Laborprojekte, die darauf hindeuten, wie eine Zukunft aussehen könnte, die sich selbst erschafft.
Skylar Tibbits - Inventor
Skylar Tibbits, a TED Fellow, is an artist and computational architect working on "smart" components that can assemble themselves. Full bio
Skylar Tibbits, a TED Fellow, is an artist and computational architect working on "smart" components that can assemble themselves. Full bio
Double-click the English transcript below to play the video.
00:15
Today I'd like to show you
0
0
2000
Ich möchte Ihnen heute zeigen,
00:17
the future of the way we make things.
1
2000
2000
wie wir in Zukunft Dinge herstellen werden.
00:19
I believe that soon our buildings and machines
2
4000
2000
Ich glaube, dass unsere Gebäude und Maschinen
00:21
will be self-assembling,
3
6000
2000
sich bald selbst zusammenbauen,
00:23
replicating and repairing themselves.
4
8000
2000
vervielfältigen und reparieren werden.
00:25
So I'm going to show you
5
10000
2000
Ich werde Ihnen zeigen,
00:27
what I believe is the current state of manufacturing,
6
12000
2000
was ich für die heutigen Produktionsmethoden halte,
00:29
and then compare that to some natural systems.
7
14000
3000
und diese dann mit einigen natürlichen Systemen vergleichen.
00:32
So in the current state of manufacturing, we have skyscrapers --
8
17000
3000
In der gegenwärtigen Fertigungsindustrie haben wir Wolkenkratzer –
00:35
two and a half years [of assembly time],
9
20000
2000
zweieinhalb Jahre [Bauzeit],
00:37
500,000 to a million parts,
10
22000
2000
eine halbe bis eine Million Teile,
00:39
fairly complex,
11
24000
2000
ziemlich komplex,
00:41
new, exciting technologies in steel, concrete, glass.
12
26000
3000
neue und aufregende Technologien aus Stahl, Beton, Glas.
00:44
We have exciting machines
13
29000
2000
Wir haben aufregende Maschinen,
00:46
that can take us into space --
14
31000
2000
die uns in den Weltraum bringen –
00:48
five years [of assembly time], 2.5 million parts.
15
33000
3000
fünf Jahre [Bauzeit], zweieinhalb Millionen Teile.
00:51
But on the other side, if you look at the natural systems,
16
36000
3000
Wenn man auf der anderen Seite natürliche Systeme betrachtet,
00:54
we have proteins
17
39000
2000
findet man Proteine,
00:56
that have two million types,
18
41000
2000
die zwei Millionen Typen besitzen
00:58
can fold in 10,000 nanoseconds,
19
43000
2000
und sich in zehn Mikrosekunden falten können,
01:00
or DNA with three billion base pairs
20
45000
2000
oder DNA mit drei Milliarden Basenpaaren,
01:02
we can replicate in roughly an hour.
21
47000
3000
die sich in etwa einer Stunde kopieren lassen.
01:05
So there's all of this complexity
22
50000
2000
Da gibt es also diese ganze Komplexität
01:07
in our natural systems,
23
52000
2000
in unseren natürlichen Systemen,
01:09
but they're extremely efficient,
24
54000
2000
aber sie sind extrem effizient,
01:11
far more efficient than anything we can build,
25
56000
2000
viel effizienter als alles, was wir herstellen können,
01:13
far more complex than anything we can build.
26
58000
2000
weit komplexer als alles, was wir bauen können.
01:15
They're far more efficient in terms of energy.
27
60000
2000
Sie sind viel energieeffizienter.
01:17
They hardly ever make mistakes.
28
62000
3000
Sie machen fast nie Fehler.
01:20
And they can repair themselves for longevity.
29
65000
2000
Und sie sind langlebig, da sie sich selbst reparieren können.
01:22
So there's something super interesting about natural systems.
30
67000
3000
Es gibt bei natürlichen Systemen also viel Interessantes zu entdecken.
01:25
And if we can translate that
31
70000
2000
Und wenn wir es schaffen,
01:27
into our built environment,
32
72000
2000
das in unsere gebaute Umgebung einfließen zu lassen,
01:29
then there's some exciting potential for the way that we build things.
33
74000
2000
dann haben wir ein aufregendes Potential für neue Bauweisen.
01:31
And I think the key to that is self-assembly.
34
76000
3000
Und ich glaube, dass der Schlüssel in Selbstmontage besteht.
01:34
So if we want to utilize self-assembly in our physical environment,
35
79000
3000
Wenn wir Selbstmontage in unserer physischen Umwelt nutzen wollen,
01:37
I think there's four key factors.
36
82000
2000
gibt es meiner Meinung nach vier zentrale Faktoren.
01:39
The first is that we need to decode
37
84000
2000
Der erste ist, das wir die ganze Komplexität
01:41
all of the complexity of what we want to build --
38
86000
2000
der Dinge, die wir bauen wollen, entschlüsseln müssen –
01:43
so our buildings and machines.
39
88000
2000
also unsere Gebäude und Maschinen.
01:45
And we need to decode that into simple sequences --
40
90000
2000
Und wir müssen das in einfache Sequenzen übersetzen –
01:47
basically the DNA of how our buildings work.
41
92000
2000
quasi die DNA davon, wie unsere Gebäude funktionieren.
01:49
Then we need programmable parts
42
94000
2000
Dann brauchen wir programmierbare Teile,
01:51
that can take that sequence
43
96000
2000
die diese Sequenz heranziehen
01:53
and use that to fold up, or reconfigure.
44
98000
3000
und zum Zusammenfalten oder Rekonfigurieren verwenden können.
01:56
We need some energy that's going to allow that to activate,
45
101000
3000
Wir brauchen Aktivierungsenergie, damit unsere Teile
01:59
allow our parts to be able to fold up from the program.
46
104000
3000
aus dem Programm hochklappen können.
02:02
And we need some type of error correction redundancy
47
107000
2000
Und wir brauchen eine Art Redundanz zur Fehlerkorrektur,
02:04
to guarantee that we have successfully built what we want.
48
109000
3000
damit auch wirklich das entsteht, was wir bauen wollen.
02:07
So I'm going to show you a number of projects
49
112000
2000
Ich zeige Ihnen einige Projekte, an denen
02:09
that my colleagues and I at MIT are working on
50
114000
2000
meine Kollegen und ich am MIT arbeiten,
02:11
to achieve this self-assembling future.
51
116000
2000
damit Selbstmontage in Zukunft realisiert werden kann.
02:13
The first two are the MacroBot and DeciBot.
52
118000
3000
Die ersten beiden sind MacroBot und DeciBot.
02:16
So these projects are large-scale reconfigurable robots --
53
121000
4000
Diese Projekte sind großangelegte, rekonfigurierbare Roboter –
02:20
8 ft., 12 ft. long proteins.
54
125000
3000
zweieinhalb bis vier Meter lange Proteine.
02:23
They're embedded with mechanical electrical devices, sensors.
55
128000
3000
Sie sind mit elektromechanischen Geräten ausgestattet, Sensoren.
02:26
You decode what you want to fold up into,
56
131000
2000
Man dekodiert das, was man zusammenfalten will,
02:28
into a sequence of angles --
57
133000
2000
in eine Sequenz von Winkeln –
02:30
so negative 120, negative 120, 0, 0,
58
135000
2000
also minus 120, minus 120, 0, 0,
02:32
120, negative 120 -- something like that;
59
137000
3000
120, minus 120 – etwas in der Art;
02:35
so a sequence of angles, or turns,
60
140000
2000
eine Sequenz von Winkeln, oder Drehungen,
02:37
and you send that sequence through the string.
61
142000
3000
und man sendet diese Sequenz durch die Kette.
02:40
Each unit takes its message -- so negative 120 --
62
145000
3000
Jede Einheit greift ihre Nachricht auf – also minus 120 –
02:43
it rotates to that, checks if it got there
63
148000
2000
sie rotiert entsprechend, prüft, ob sie angekommen ist,
02:45
and then passes it to its neighbor.
64
150000
3000
und leitet sie an die benachbarte Einheit weiter.
02:48
So these are the brilliant scientists,
65
153000
2000
Dies hier sind die brillanten Wissenschaftler,
02:50
engineers, designers that worked on this project.
66
155000
2000
Ingenieure und Designer, die an diesem Projekt gearbeitet haben.
02:52
And I think it really brings to light:
67
157000
2000
Und ich denke, es macht eines wirklich klar:
02:54
Is this really scalable?
68
159000
2000
Ist dies wirklich skalierbar?
02:56
I mean, thousands of dollars, lots of man hours
69
161000
2000
Ich meine, Tausende von Dollar, viele Arbeitsstunden,
02:58
made to make this eight-foot robot.
70
163000
3000
um diesen zweieinhalb Meter hohen Roboter zu schaffen.
03:01
Can we really scale this up? Can we really embed robotics into every part?
71
166000
3000
Können wir das wirklich hochskalieren? Können wir Robotik wirklich in jedes Teil einbetten?
03:04
The next one questions that
72
169000
2000
Das nächste Projekt stellt das in Frage
03:06
and looks at passive nature,
73
171000
2000
und betrachtet die passive Natur
03:08
or passively trying to have reconfiguration programmability.
74
173000
3000
oder den passiven Versuch, Rekonfiguration programmierbar zu machen.
03:11
But it goes a step further,
75
176000
2000
Aber es geht einen Schritt weiter
03:13
and it tries to have actual computation.
76
178000
2000
und versucht, tatsächliche Berechnungen möglich zu machen.
03:15
It basically embeds the most fundamental building block of computing,
77
180000
2000
Es integriert im Grunde den fundamentalsten Bestandteil von EDV,
03:17
the digital logic gate,
78
182000
2000
das digitale Logikgatter,
03:19
directly into your parts.
79
184000
2000
direkt in die Teile.
03:21
So this is a NAND gate.
80
186000
2000
Dies ist ein NAND-Gatter.
03:23
You have one tetrahedron which is the gate
81
188000
2000
Man hat ein Tetraeder, welches das Gatter darstellt,
03:25
that's going to do your computing,
82
190000
2000
das die Berechnungen durchführen wird,
03:27
and you have two input tetrahedrons.
83
192000
2000
und man hat zwei Input-Tetraeder.
03:29
One of them is the input from the user, as you're building your bricks.
84
194000
3000
Eines stellt die Eingabe des Benutzers dar, während man die Bausteine herstellt.
03:32
The other one is from the previous brick that was placed.
85
197000
3000
Das andere stammt von dem vorangegangenen Bauteil, das angeordnet wurde.
03:35
And then it gives you an output in 3D space.
86
200000
3000
Und dann liefert es einen Output im dreidimensionalen Raum.
03:38
So what this means
87
203000
2000
Das bedeutet,
03:40
is that the user can start plugging in what they want the bricks to do.
88
205000
3000
dass der Benutzer eingeben kann, was die Bauteile tun sollen.
03:43
It computes on what it was doing before
89
208000
2000
Es führt Berechnungen durch auf Grundlage dessen, was es vorher getan hat,
03:45
and what you said you wanted it to do.
90
210000
2000
und was der Benutzer von ihm verlangt.
03:47
And now it starts moving in three-dimensional space --
91
212000
2000
Und nun beginnt es, sich im dreidimensionalen Raum zu bewegen –
03:49
so up or down.
92
214000
2000
hoch und runter.
03:51
So on the left-hand side, [1,1] input equals 0 output, which goes down.
93
216000
3000
Auf der linken Seite entspricht der Input [1,1] dem Output 0, der hinunter geht.
03:54
On the right-hand side,
94
219000
2000
Auf der rechten Seite
03:56
[0,0] input is a 1 output, which goes up.
95
221000
3000
entspricht der Input [0,0] dem Output 1, der hoch geht.
03:59
And so what that really means
96
224000
2000
Was das wirklich bedeutet, ist,
04:01
is that our structures now contain the blueprints
97
226000
2000
dass unsere Strukturen nun die Pläne dessen enthalten,
04:03
of what we want to build.
98
228000
2000
was wir bauen wollen.
04:05
So they have all of the information embedded in them of what was constructed.
99
230000
3000
Sie besitzen also sämtliche Informationen darüber, was gebaut worden ist.
04:08
So that means that we can have some form of self-replication.
100
233000
3000
Das bedeutet, wir können eine Form von Selbstreplikation erreichen.
04:11
In this case I call it self-guided replication,
101
236000
3000
In diesem Fall nenne ich es selbstgeleitete Replikation,
04:14
because your structure contains the exact blueprints.
102
239000
2000
weil die Struktur die genauen Baupläne enthält.
04:16
If you have errors, you can replace a part.
103
241000
2000
Tauchen Fehler auf, kann man einen Teil austauschen.
04:18
All the local information is embedded to tell you how to fix it.
104
243000
3000
Die ganzen lokalen Informationen sind integriert, um zu zeigen, wie man sie beheben kann.
04:21
So you could have something that climbs along and reads it
105
246000
2000
Man könnte also etwas haben, das mitklettert und abliest
04:23
and can output at one to one.
106
248000
2000
und einen Output von eins zu eins liefert.
04:25
It's directly embedded; there's no external instructions.
107
250000
2000
Es ist direkt integriert; es gibt keine Anweisungen von außen.
04:27
So the last project I'll show is called Biased Chains,
108
252000
3000
Das letzte Projekt, was ich zeigen werde, nennt sich Biased Chains,
04:30
and it's probably the most exciting example that we have right now
109
255000
3000
und es stellt das wohl aufregendste Beispiel selbstmontierender Systeme dar,
04:33
of passive self-assembly systems.
110
258000
2000
das wir im Moment haben.
04:35
So it takes the reconfigurability
111
260000
2000
Es greift die Fähigkeit zur Rekonfiguration
04:37
and programmability
112
262000
2000
und zur Programmierung auf
04:39
and makes it a completely passive system.
113
264000
3000
und schafft ein komplett passives System.
04:43
So basically you have a chain of elements.
114
268000
2000
Im Grunde hat man eine Kette von Elementen.
04:45
Each element is completely identical,
115
270000
2000
Jedes Element ist vollkommen identisch
04:47
and they're biased.
116
272000
2000
und sie sind polarisiert.
04:49
So each chain, or each element, wants to turn right or left.
117
274000
3000
Jede Kette, oder jedes Element, will sich nach rechts oder nach links drehen.
04:52
So as you assemble the chain, you're basically programming it.
118
277000
3000
Während man also die Kette zusammensetzt, programmiert man sie im Grunde.
04:55
You're telling each unit if it should turn right or left.
119
280000
3000
Man sagt jeder Einheit, ob sie sich nach rechts oder nach links drehen soll.
04:58
So when you shake the chain,
120
283000
3000
Wenn man die Kette schüttelt,
05:01
it then folds up
121
286000
2000
faltet sie sich zusammen
05:03
into any configuration that you've programmed in --
122
288000
3000
zu einer Konfiguration, die man einprogrammiert hat –
05:06
so in this case, a spiral,
123
291000
2000
in diesem Fall eine Spirale
05:08
or in this case,
124
293000
3000
oder in diesem Fall
05:11
two cubes next to each other.
125
296000
3000
zwei nebeneinander liegende Quadrate.
05:14
So you can basically program
126
299000
2000
Man kann also im Grund jede mögliche
05:16
any three-dimensional shape --
127
301000
2000
dreidimensionale Form –
05:18
or one-dimensional, two-dimensional -- up into this chain completely passively.
128
303000
3000
oder eindimensional, zweidimensional – völlig passiv in diese Kette einprogrammieren.
05:21
So what does this tell us about the future?
129
306000
2000
Was sagt uns das über die Zukunft?
05:23
I think that it's telling us
130
308000
2000
Ich denke, dass es uns sagt,
05:25
that there's new possibilities for self-assembly, replication, repair
131
310000
3000
dass es Möglichkeiten der Selbstmontage, Replikation und Reparatur
05:28
in our physical structures, our buildings, machines.
132
313000
3000
in unseren physischen Strukturen, unseren Gebäuden und Maschinen gibt.
05:31
There's new programmability in these parts.
133
316000
2000
Es gibt neue Möglichkeiten zur Programmierung in diesen Teilen.
05:33
And from that you have new possibilities for computing.
134
318000
2000
Und daraus entstehen neue Möglichkeiten für die EDV.
05:35
We'll have spatial computing.
135
320000
2000
Wir werden räumliches Programmieren haben.
05:37
Imagine if our buildings, our bridges, machines,
136
322000
2000
Stellen Sie sich vor, unsere Gebäude, Brücken, Maschinen,
05:39
all of our bricks could actually compute.
137
324000
2000
all unsere Bauteile könnten Berechnungen durchführen.
05:41
That's amazing parallel and distributed computing power,
138
326000
2000
Das würde parallele und verteilte Rechenleistung,
05:43
new design possibilities.
139
328000
2000
neue Designmöglichkeiten bedeuten.
05:45
So it's exciting potential for this.
140
330000
2000
Es gibt also ein aufregendes Potential dafür.
05:47
So I think these projects I've showed here
141
332000
2000
Ich denke, dass diese Projekte, die ich hier gezeigt habe,
05:49
are just a tiny step towards this future,
142
334000
2000
nur ein winziger Schritt in Richtung dieser Zukunft sind,
05:51
if we implement these new technologies
143
336000
2000
wenn wir diese neuen Technologien
05:53
for a new self-assembling world.
144
338000
2000
für eine neue, sich selbst erschaffende Welt implementieren.
05:55
Thank you.
145
340000
2000
Vielen Dank.
05:57
(Applause)
146
342000
2000
(Applaus)
ABOUT THE SPEAKER
Skylar Tibbits - InventorSkylar Tibbits, a TED Fellow, is an artist and computational architect working on "smart" components that can assemble themselves.
Why you should listen
Can we create objects that assemble themselves -- that zip together like a strand of DNA or that have the ability for transformation embedded into them? These are the questions that Skylar Tibbits investigates in his Self-Assembly Lab at MIT, a cross-disciplinary research space where designers, scientists and engineers come together to find ways for disordered parts to become ordered structures.
A trained architect, designer and computer scientist, Tibbits teaches design studios at MIT’s Department of Architecture and co-teaches the seminar “How to Make (Almost) Anything” at MIT’s Media Lab. Before that, he worked at a number of design offices including Zaha Hadid Architects, Asymptote Architecture, SKIII Space Variations and Point b Design. His work has been shown at the Guggenheim Museum and the Beijing Biennale.
Tibbits has collaborated with a number of influential people over the years, including Neil Gershenfeld and The Center for Bits and Atoms, Erik and Marty Demaine at MIT, Adam Bly at SEED Media Group and Marc Fornes of THEVERYMANY. In 2007, he and Marc Fornes co-curated Scriptedbypurpose, the first exhibition focused exclusively on scripted processes within design. Also in 2007, he founded SJET, a multifaceted practice and research platform for experimental computation and design. SJET crosses disciplines from architecture and design, fabrication, computer science and robotics.
Skylar Tibbits | Speaker | TED.com