TED2006
Saul Griffith: Everyday inventions
Saul Griffith spricht über alltägliche Erfindungen
Filmed:
Readability: 4.2
580,919 views
Erfinder und MacArthur-Fellow Saul Griffith erzählt von einigen der innovativen Ideen aus seinem Labor – vom „cleveren Seil“ bis hin zum Drachen in Hausgröße zum Schleppen großer Lasten.
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. Full bio
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 anyway, who am I?
0
0
1000
Also wie auch immer, wer bin ich?
00:25
I usually say to people, when they say, "What do you do?"
1
1000
3000
Wenn sie „Was machst du so?“ fragen, dann sage ich den Leuten normalerweise,
00:28
I say, "I do hardware,"
2
4000
2000
ich sage, „Ich mache Hardware“,
00:30
because it sort of conveniently encompasses everything I do.
3
6000
2000
weil es ziemlich passend all das umfasst, was ich mache.
00:32
And I recently said that to a venture capitalist casually at some
4
8000
4000
Und ich habe das neulich einem Risikokapitalgeber nebenbei erzählt bei einem
00:36
Valley event, to which he replied, "How quaint."
5
12000
3000
Valley-Event und seine Antwort war: „Wie altmodisch.“
00:39
(Laughter)
6
15000
2000
(Gelächter)
00:41
And I sort of really was dumbstruck.
7
17000
3000
Und da war ich ziemlich sprachlos.
00:44
And I really should have said something smart.
8
20000
2000
Und da hätte ich wirklich etwas Cleveres sagen sollen.
00:46
And now I've had a little bit of time to think about it,
9
22000
5000
Und jetzt, da ich ein wenig Zeit hatte, um darüber nachzudenken,
00:51
I would have said, "Well, you know,
10
27000
2000
hätte ich gesagt: „Nun, weißt du,
00:53
if we look at the next 100 years
11
29000
2000
wenn wir uns die nächsten 100 Jahre ansehen
00:55
and we've seen all these problems in the last few days,
12
31000
2000
und wir haben all diese Probleme in den letzten Tagen gesehen,
00:57
most of the big issues -- clean water, clean energy --
13
33000
3000
die Mehrzahl der großen Probleme – sauberes Wasser, saubere Energie –
01:00
and they're interchangeable in some respects --
14
36000
2000
und in gewisser Weise sind diese unter einander austauschbar –
01:02
and cleaner, more functional materials --
15
38000
2000
und saubere, funktionalere Materialien –
01:04
they all look to me to be hardware problems.
16
40000
3000
dann sehen diese für mich alle nach Hardware-Problemen aus.
01:07
This doesn't mean we should ignore software,
17
43000
2000
Das heißt nicht, dass wir die Software ignorieren sollten,
01:09
or information, or computation."
18
45000
2000
oder Informationen, oder Berechnungen.
01:11
And that's in fact probably what I'm going to try and tell you about.
19
47000
3000
Und da ist in der Tat wahrscheinlich das, worüber ich Ihnen heute etwas erzählen will.
01:14
So, this talk is going to be about how do we make things
20
50000
3000
In diesem Talk wird es also darum gehen, wie wir Dinge herstellen
01:17
and what are the new ways that we're going to make things in the future.
21
53000
5000
und welche die neuen Möglichkeiten sein werden, wie wir dies in der Zukunft tun werden.
01:22
Now, TED sends you a lot of spam if you're a speaker
22
58000
5000
Als Vortragender erhält man von TED ziemlich viel Spam
01:27
about "do this, do that" and you fill out all these forms,
23
63000
2000
zum Thema „tu dies, tu das“ und man füllt all diese Formulare aus
01:29
and you don't actually know how they're going to describe you,
24
65000
3000
und man weiß eigentlich nicht, wie sie einen beschreiben werden,
01:32
and it flashed across my desk that they were going to introduce me as a futurist.
25
68000
3000
und mir kam blitzartig, dass sie mich als Futuristen ankündigen würden.
01:35
And I've always been nervous about the term "futurist,"
26
71000
2000
Und ich werde immer ein wenig nervös bei dem Begriff Futurist,
01:37
because you seem doomed to failure because you can't really predict it.
27
73000
3000
denn man scheint zum Scheitern verurteilt zu sein, weil man nicht wirklich vorhersagen kann.
01:40
And I was laughing about this with the very smart colleagues I have,
28
76000
3000
Und ich habe mich darüber mit meinen äußerst schlauen Kollegen lustig gemacht
01:43
and said, "You know, well, if I have to talk about the future, what is it?"
29
79000
4000
und sagte: „Nun, wenn ich über die Zukunft sprechen muss, was ist sie denn?“
01:47
And George Homsey, a great guy, said, "Oh, the future is amazing.
30
83000
5000
Und George Homsey, ein toller Typ, sagte: „Oh, die Zukunft ist erstaunlich.
01:52
It is so much stranger than you think.
31
88000
2000
Sie ist so viel seltsamer als man denkt.
01:54
We're going to reprogram the bacteria in your gut,
32
90000
2000
Wir werden die Bakterien in deinem Darm umprogrammieren,
01:56
and we're going to make your poo smell like peppermint."
33
92000
5000
und wir werden dafür sorgen, dass deine Exkremente nach Pfefferminz riechen.“
02:01
(Laughter)
34
97000
2000
(Gelächter)
02:03
So, you may think that's sort of really crazy,
35
99000
3000
Also, jetzt denken Sie vielleicht, dass das ziemlich verrückt ist,
02:06
but there are some pretty amazing things that are happening
36
102000
2000
aber zurzeit passieren ein paar ziemlich faszinierende Dinge,
02:08
that make this possible.
37
104000
1000
die das möglich machen.
02:09
So, this isn't my work, but it's work of good friends of mine at MIT.
38
105000
4000
Dies ist nicht meine Arbeit, sondern die einiger guter Freunde am MIT.
02:13
This is called the registry of standard biological parts.
39
109000
2000
Man nennt das die Registrierung standardisierter biologischer Teile.
02:15
This is headed by Drew Endy and Tom Knight
40
111000
2000
Das wird von Drew Endy und Tom Knight geleitet
02:17
and a few other very, very bright individuals.
41
113000
3000
und von ein paar anderen, sehr klugen Köpfen.
02:20
Basically, what they're doing is looking at biology as a programmable system.
42
116000
3000
Sie betrachten Biologie als ein programmierbares System.
02:23
Literally, think of proteins as subroutines
43
119000
4000
Denken Sie buchstäblich an Proteine als Subroutinen,
02:27
that you can string together to execute a program.
44
123000
3000
die man gemeinsam aufreihen kann, um ein Programm auszuführen.
02:30
Now, this is actually becoming such an interesting idea.
45
126000
5000
Nun, das wird tatsächlich zu einer sehr interessanten Idee.
02:35
This is a state diagram. That's an extremely simple computer.
46
131000
3000
Das ist ein Zustandsdiagramm. Es ist ein sehr einfach angelegter Computer.
02:38
This one is a two-bit counter.
47
134000
2000
Das ist ein Zwei-Bit-Zähler.
02:40
So that's essentially the computational equivalent of two light switches.
48
136000
6000
Im Grunde genommen ist es das numerische Gegenstück zu zwei Lichtschaltern.
02:46
And this is being built by a group of students at Zurich
49
142000
3000
Es wird gerade von einer Gruppe Studenten in Zürich gebaut,
02:49
for a design competition in biology.
50
145000
2000
für einen Designwettbewerb in Biologie.
02:51
And from the results of the same competition last year,
51
147000
3000
Mit den Ergebnissen desselben Wettbewerbs im letzten Jahr
02:54
a University of Texas team of students programmed bacteria
52
150000
4000
konnte ein Studententeam der University of Texas Bakterien programmieren,
02:58
so that they can detect light and switch on and off.
53
154000
3000
so dass sie Licht aufspüren und es an- und ausschalten können.
03:01
So this is interesting in the sense that you can now
54
157000
2000
Das ist dahingehend interessant, dass man nun
03:03
do "if-then-for" statements in materials, in structure.
55
159000
5000
„wenn-dann-für“-Statements in Materialien, in Struktur erstellen kann.
03:08
This is a pretty interesting trend,
56
164000
2000
Das ist ein ziemlich interessanter Trend.
03:10
because we used to live in a world where everyone's said glibly,
57
166000
2000
Da wir in einer Welt lebten, in der jedermann so schlagfertig sagte,
03:12
"Form follows function," but I think I've sort of grown up in a world
58
168000
4000
dass Form Funktion folgt, aber ich denke, dass ich eher in einer Welt aufgewachsen bin
03:16
-- you listened to Neil Gershenfeld yesterday;
59
172000
3000
– Sie haben Neil Gershenfeld gestern gehört,
03:19
I was in a lab associated with his -- where it's really a world
60
175000
4000
ich war in einem Labor, das mit seinem zusammen gehörte – die tatsächlich eine Welt ist,
03:23
where information defines form and function.
61
179000
3000
in der Informationen Form und Funktion definieren.
03:26
I spent six years thinking about that,
62
182000
4000
Ich habe sechs Jahre damit verbracht, darüber nachzudenken,
03:30
but to show you the power of art over science --
63
186000
2000
aber um Ihnen die Macht von Kunst über Wissenschaft zu zeigen –
03:32
this is actually one of the cartoons I write. These are called "HowToons."
64
188000
3000
das ist in der Tat einer meiner Cartoons. Sie nennen sich Howtoons.
03:35
I work with a fabulous illustrator called Nick Dragotta.
65
191000
2000
Ich arbeite mit einem fantastischen Illustrator namens Nick Dragotta zusammen.
03:37
Took me six years at MIT,
66
193000
2000
Es hat mich sechs Jahre am MIT gekostet
03:39
and about that many pages to describe what I was doing,
67
195000
4000
und ungefähr so viele Seiten, um zu beschreiben, was ich tat
03:43
and it took him one page. And so this is our muse Tucker.
68
199000
5000
und er brauchte eine Seite dafür. Das ist unsere Muse Tucker.
03:48
He's an interesting little kid -- and his sister, Celine --
69
204000
2000
Er ist ein interessanter kleiner Kerl – und seine Schwester Celine –
03:50
and what he's doing here
70
206000
2000
und was er hier macht,
03:52
is observing the self-assembly of his Cheerios in his cereal bowl.
71
208000
4000
ist die Beobachtung der Selbstorganisation seiner Cheerios in der Müslischale.
03:56
And in fact you can program the self-assembly of things,
72
212000
3000
Und tatsächlich kann man die Selbstorganisation von Dingen programmieren,
03:59
so he starts chocolate-dipping edges,
73
215000
2000
also beginnt er damit, die Ränder in Schokolade zu tauchen,
04:01
changing the hydrophobicity and the hydrophylicity.
74
217000
2000
wodurch er Hydrophobie und Hydrophilie ändert.
04:03
In theory, if you program those sufficiently,
75
219000
2000
Theoretisch gesehen, wenn man diese ausreichend programmiert,
04:05
you should be able to do something pretty interesting
76
221000
2000
dann sollte man etwas ziemlich Interessantes sehen können
04:07
and make a very complex structure.
77
223000
2000
und eine sehr komplexe Struktur erstellen können.
04:09
In this case, he's done self-replication of a complex 3D structure.
78
225000
5000
In diesem Fall hat er die Selbst-Vervielfältigung einer komplexen 3D-Struktur erstellt.
04:14
And that's what I thought about for a long time,
79
230000
3000
Und darüber habe ich eine lange Zeit nachgedacht,
04:17
because this is how we currently make things.
80
233000
2000
denn so stellen wir momentan Dinge hin.
04:19
This is a silicon wafer, and essentially
81
235000
2000
Das ist ein Silikon-Wafer und im Grunde genommen
04:21
that's just a whole bunch of layers of two-dimensional stuff, sort of layered up.
82
237000
4000
ist das nur eine gewisse Menge von zweidimensionalem Zeug, aufeinander geschichtet.
04:25
The feature side is -- you know, people will say,
83
241000
2000
Die Kenngröße ist – Sie wissen schon, die Leute werden sagen,
04:27
[unclear] down around about 65 nanometers now.
84
243000
2000
[unklar] jetzt reduziert zu ungefähr 65 Nanometer.
04:29
On the right, that's a radiolara.
85
245000
2000
Das auf der rechten Seite ist ein Strahlentierchen.
04:31
That's a unicellular organism ubiquitous in the oceans.
86
247000
3000
Das ist ein einzelliger Organismus, der in den Ozeanen allgegenwärtig ist.
04:34
And that has feature sizes down to about 20 nanometers,
87
250000
4000
Und es hat eine Kenngröße bis hinunter zu ungefähr 20 Nanometern
04:38
and it's a complex 3D structure.
88
254000
2000
und es ist eine komplexe 3D-Struktur.
04:40
We could do a lot more with computers and things generally
89
256000
4000
Wir könnten allgemein viel mehr mit Computern und solchen Dingen machen,
04:44
if we knew how to build things this way.
90
260000
3000
wenn wir wüssten, wie wir Dinge auf diese Art herstellen könnten.
04:47
The secret to biology is, it builds computation
91
263000
3000
Das Geheimnis der Biologie ist, dass sie Berechnungen anstellt
04:50
into the way it makes things. So this little thing here, polymerase,
92
266000
3000
in der Weise, wie sie Objekte erschafft. Dieses kleine Ding hier, die Polymerase,
04:53
is essentially a supercomputer designed for replicating DNA.
93
269000
5000
ist also ein Supercomputer, erschaffen dafür, um DNA zu replizieren.
04:58
And the ribosome here is another little computer
94
274000
3000
Und dieses Ribosom hier ist ein weiterer kleiner Computer,
05:01
that helps in the translation of the proteins.
95
277000
2000
der bei der Übersetzung der Proteine hilft.
05:03
I thought about this
96
279000
1000
Ich habe darüber nachgedacht
05:04
in the sense that it's great to build in biological materials,
97
280000
3000
in dem Sinne, dass es toll ist, mit biologischen Materialien zu bauen,
05:07
but can we do similar things?
98
283000
2000
aber können wir ähnliche Dinge tun?
05:09
Can we get self-replicating-type behavior?
99
285000
2000
Können wir eine Art von Selbst-Replizierungs-Verhalten erreichen?
05:11
Can we get complex 3D structure automatically assembling
100
287000
4000
Können wir komplexe 3D-Strukturen haben, die sich automatisch zusammenfügen
05:15
in inorganic systems?
101
291000
2000
in anorganischen Systemen?
05:17
Because there are some advantages to inorganic systems,
102
293000
2000
Weil anorganische Systeme einige Vorzüge haben,
05:19
like higher speed semiconductors, etc.
103
295000
2000
wie zum Beispiel Halbleiter mit höherer Geschwindigkeit und so weiter.
05:21
So, this is some of my work
104
297000
2000
Das ist also ein Teil meiner Arbeit
05:23
on how do you do an autonomously self-replicating system.
105
299000
6000
dazu, wie man ein autonomes, selbst-replizierendes System erstellt.
05:29
And this is sort of Babbage's revenge.
106
305000
2000
Und das hier ist in gewisser Weise Babbages Rache.
05:31
These are little mechanical computers.
107
307000
1000
Das hier sind kleine mechanische Computer.
05:32
These are five-state state machines.
108
308000
3000
Es sind Zustandsmaschinen mit fünf Zuständen.
05:35
So, that's about three light switches lined up.
109
311000
3000
Das sind also drei Lichtschalter in einer Reihe.
05:38
In a neutral state, they won't bind at all.
110
314000
2000
In einem neutralen Zustand werden sie sich überhaupt nicht verknüpfen.
05:40
Now, if I make a string of these, a bit string,
111
316000
4000
Wenn ich jetzt eine Reihung davon erstelle, eine Bitfolge,
05:44
they will be able to replicate.
112
320000
2000
dann werden sie sich replizieren können.
05:46
So we start with white, blue, blue, white.
113
322000
1000
Wir beginnen also mit weiß, blau, blau, weiß.
05:47
That encodes; that will now copy. From one comes two,
114
323000
6000
Das kodiert; das wird nun kopiert. Aus eins wird zwei,
05:53
and then from two comes three.
115
329000
2000
und dann aus zwei wird drei.
05:55
And so you've got this sort of replicating system.
116
331000
4000
Und so erhalten wir diese Art von Replizierungssystem.
05:59
It was work actually by Lionel Penrose,
117
335000
2000
Das war übrigens das Werk von Lionel Penrose,
06:01
father of Roger Penrose, the tiles guy.
118
337000
3000
Vater von Roger Penrose, der Typ mit den Kacheln.
06:04
He did a lot of this work in the '60s,
119
340000
2000
Er führte einen großen Teil dieser Arbeit in den 60ern durch
06:06
and so a lot of this logic theory lay fallow
120
342000
2000
und deshalb lag ein Großteil dieser Logiktheorie brach,
06:08
as we went down the digital computer revolution, but it's now coming back.
121
344000
3000
als die digitale Computer-Revolution nahte, aber jetzt kehrt es zurück.
06:11
So now I'm going to show you the hands-free, autonomous self-replication.
122
347000
4000
Nun werde ich Ihnen also die freihändische, autonome Selbst-Replizierung zeigen.
06:15
So we've tracked in the video the input string,
123
351000
2000
Wir haben in diesem Video die Eingabefolge aufgezeichnet,
06:17
which was green, green, yellow, yellow, green.
124
353000
2000
die grün, grün, gelb, gelb, grün lautete.
06:19
We set them off on this air hockey table.
125
355000
4000
Wir haben sie auf diesem Air Hockey-Tisch eingeleitet.
06:23
You know, high science uses air hockey tables --
126
359000
2000
Wissen Sie, die gehobene Wissenschaft verwendet Air Hockey-Tische –
06:25
(Laughter)
127
361000
1000
(Gelächter)
06:26
-- and if you watch this thing long enough you get dizzy,
128
362000
2000
– und wenn Sie diesem Ding lange genug zusehen, dann wird Ihnen schwindlig,
06:28
but what you're actually seeing is copies of that original string
129
364000
3000
aber was man tatsächlich sieht, sind Kopien diese ursprüngliche Reihung,
06:31
emerging from the parts bin that you have here.
130
367000
3000
die aus diesem Behälter mit Teilen kommen, den man hier sieht.
06:34
So we've got autonomous replication of bit strings.
131
370000
5000
Wir haben also die autonome Selbst-Replizierung von Bitfolgen.
06:39
So, why would you want to replicate bit strings?
132
375000
3000
Warum würde man aber Bitfolgen replizieren wollen?
06:42
Well, it turns out biology has this other very interesting meme,
133
378000
3000
Nun, es stellt sich heraus, dass die Biologie dieses sehr interessante andere Mem besitzt,
06:45
that you can take a linear string, which is a convenient thing to copy,
134
381000
3000
dass man eine lineare Reihung nehmen kann, die ein geeignetes Teil für den Kopiervorgang ist
06:48
and you can fold that into an arbitrarily complex 3D structure.
135
384000
4000
und man kann das zu einer beliebig komplexen 3D-Struktur falten.
06:52
So I was trying to, you know, take the engineer's version:
136
388000
3000
Also habe ich versucht, die Version des Ingenieurs zu nehmen:
06:55
Can we build a mechanical system in inorganic materials
137
391000
3000
Können wir ein mechanisches System aus anorganischen Materialien bauen,
06:58
that will do the same thing?
138
394000
1000
welches dasselbe tun wird?
06:59
So what I'm showing you here is that we can make a 2D shape --
139
395000
5000
Was ich Ihnen hier nun zeige, ist dass wir eine 2D-Form erstellen können –
07:04
the B -- assemble from a string of components
140
400000
4000
das B – aneinandergefügt aus einer Reihung von Komponenten,
07:08
that follow extremely simple rules.
141
404000
2000
die extrem einfachen Regeln folgen.
07:10
And the whole point of going with the extremely simple rules here,
142
406000
3000
Und der Grund, warum wir hier mit extrem einfachen Regeln arbeiten
07:13
and the incredibly simple state machines in the previous design,
143
409000
3000
und auch die unglaublich simplen Zustandsmaschinen aus dem vorherigen Design,
07:16
was that you don't need digital logic to do computation.
144
412000
3000
ist dass man keine digitale Logik für die Berechnungen braucht.
07:19
And that way you can scale things much smaller than microchips.
145
415000
4000
Und so kann man Dinge skalieren, die viel kleiner als Mikrochips sind.
07:23
So you can literally use these as the tiny components in the assembly process.
146
419000
4000
Man dann diese wortwörtlich als die winzigen Komponenten des Verbindungsprozesses verwenden.
07:27
So, Neil Gershenfeld showed you this video on Wednesday, I believe,
147
423000
5000
Ich glaube, dass Neil Gershenfeld Ihnen dieses Video am Mittwoch gezeigt hat,
07:32
but I'll show you again.
148
428000
2000
aber ich werde es Ihnen noch einmal zeigen.
07:34
This is literally the colored sequence of those tiles.
149
430000
3000
Das ist sozusagen die farbige Sequenz dieser Kacheln.
07:37
Each different color has a different magnetic polarity,
150
433000
3000
Jede unterschiedliche Farbe hat eine andere magnetische Polarität
07:40
and the sequence is uniquely specifying the structure that is coming out.
151
436000
5000
und die Sequenz bestimmt auf einzigartige Weise die Struktur, die dabei herauskommt.
07:45
Now, hopefully, those of you who know anything about graph theory
152
441000
3000
Nun, hoffentlich können diejenigen unter Ihnen, die nichts über Graphentheorie wissen,
07:48
can look at that, and that will satisfy you
153
444000
2000
sich das hier ansehen und damit zufrieden sein,
07:50
that that can also do arbitrary 3D structure,
154
446000
3000
dass es auch arbiträre 3D-Strukturen erstellen kann
07:53
and in fact, you know, I can now take a dog, carve it up
155
449000
5000
und tatsächlich kann ich nun einen Hund nehmen, ihn zerstückeln
07:58
and then reassemble it so it's a linear string
156
454000
2000
und dann neu zusammenstellen, so dass er eine lineare Reihung ist,
08:00
that will fold from a sequence. And now
157
456000
2000
die sich aus einer Sequenz herausfaltet. Nun
08:02
I can actually define that three-dimensional object as a sequence of bits.
158
458000
7000
kann ich tatsächlich dieses dreidimensionale Objekt als eine Abfolge von Bits definieren.
08:09
So, you know, it's a pretty interesting world
159
465000
3000
Wissen Sie, es ist eine ziemlich interessante Welt,
08:12
when you start looking at the world a little bit differently.
160
468000
2000
wenn man damit anfängt, die Welt ein wenig anders zu sehen.
08:14
And the universe is now a compiler.
161
470000
3000
Und das Universum ist nun ein Kompilierer.
08:17
And so I'm thinking about, you know, what are the programs
162
473000
2000
Also denke ich darüber nach, welches sind die Programme,
08:19
for programming the physical universe?
163
475000
3000
um das physikalische Universum zu programmieren?
08:22
And how do we think about materials and structure,
164
478000
3000
Und wie denken wir über Materialien und Struktur
08:25
sort of as an information and computation problem?
165
481000
3000
als eine Art Informations- und Berechnungsproblem?
08:28
Not just where you attach a micro-controller to the end point,
166
484000
3000
Nicht nur dort, wo man einen Mikrokontroller am Endpunkt ansetzt,
08:31
but that the structure and the mechanisms are the logic, are the computers.
167
487000
5000
sondern dass die Struktur und die Mechanismen logisch sind, dass sie die Computer sind.
08:36
Having totally absorbed this philosophy,
168
492000
5000
Nachdem ich mir diese Philosophie vollständig erschlossen hatte,
08:41
I started looking at a lot of problems a little differently.
169
497000
3000
begann ich, viele Probleme ein wenig anders zu betrachten.
08:44
With the universe as a computer,
170
500000
1000
Mit dem Universum als Computer
08:45
you can look at this droplet of water
171
501000
2000
kann man dieses Wassertröpfchen so betrachten,
08:47
as having performed the computations.
172
503000
2000
dass es die Berechnungen ausgeführt hat.
08:49
You set a couple of boundary conditions, like gravity,
173
505000
2000
Man bestimmt ein paar Randbedingungen wie Schwerkraft,
08:51
the surface tension, density, etc., and then you press "execute,"
174
507000
4000
die Oberflächenspannung, Dichte und so weiter und dann drückt man ausführen
08:55
and magically, the universe produces you a perfect ball lens.
175
511000
5000
und auf magische Weise produziert einem das Universum eine perfekte Kugellinse.
09:00
So, this actually applied to the problem
176
516000
2000
Das bezieht sich übrigens auf das Problem
09:02
of -- so there's a half a billion to a billion people in the world
177
518000
3000
von – es gibt eine halbe bis eine Milliarde Menschen auf der Welt,
09:05
don't have access to cheap eyeglasses.
178
521000
2000
die keinen Zugang zu billigen Augengläsern haben.
09:07
So can you make a machine
179
523000
2000
Kann man also eine Maschine erstellen,
09:09
that could make any prescription lens very quickly on site?
180
525000
4000
die jede Art von verschreibungspflichtiger Linse sehr schnell vor Ort erschaffen könnte?
09:13
This is a machine where you literally define a boundary condition.
181
529000
4000
Das ist eine Maschine, für die man eine Randbedingung definiert.
09:17
If it's circular, you make a spherical lens.
182
533000
3000
Wenn es rund ist, dann macht man eine sphärische Linse.
09:20
If it's elliptical, you can make an astigmatic lens.
183
536000
3000
Wenn es elliptisch ist, dann macht man eine astigmatische Linse.
09:23
You then put a membrane on that and you apply pressure --
184
539000
3000
Man setzt dann eine Membran darauf und übt Druck auf –
09:26
so that's part of the extra program.
185
542000
2000
das ist dann Teil des separaten Programmes.
09:28
And literally with only those two inputs --
186
544000
3000
Und mit tatsächlich nur diesen zwei Eingaben –
09:31
so, the shape of your boundary condition and the pressure --
187
547000
2000
also die Form der Randbedingung und der Druck –
09:33
you can define an infinite number of lenses
188
549000
2000
kann man eine unbegrenzte Anzahl an Linsen definieren,
09:35
that cover the range of human refractive error,
189
551000
2000
welche die Anzahl der menschlichen Brechungsfehler abdecken
09:37
from minus 12 to plus eight diopters, up to four diopters of cylinder.
190
553000
5000
von minus 12 bis plus acht Dioptrien, bis zu vier Dioptrien des Zylinders.
09:42
And then literally, you now pour on a monomer.
191
558000
3000
Und dann gießt man ein Monomer hinzu.
09:45
You know, I'll do a Julia Childs here.
192
561000
3000
Wissen Sie, ich werde hier einen auf Julia Childs machen.
09:48
This is three minutes of UV light.
193
564000
3000
Das sind drei Minuten UV-Licht.
09:51
And you reverse the pressure on your membrane
194
567000
3000
Und man invertiert den Druck auf die Membran,
09:54
once you've cooked it. Pop it out.
195
570000
3000
sobald man sie gekocht hat. Man drückt sie heraus.
09:57
I've seen this video, but I still don't know if it's going to end right.
196
573000
3000
Ich habe dieses Video gesehen, aber ich weiß immer noch nicht, ob es gut ausgehen wird.
10:00
(Laughter)
197
576000
3000
(Gelächter)
10:03
So you reverse this. This is a very old movie,
198
579000
2000
Also man invertiert es. Das ist ein sehr alter Film,
10:05
so with the new prototypes, actually both surfaces are flexible,
199
581000
4000
also mit den neuen Prototypen sind tatsächlich beide Oberflächen flexibel,
10:09
but this will show you the point.
200
585000
2000
aber das wird Ihnen das Prinzip zeigen.
10:11
Now you've finished the lens, you literally pop it out.
201
587000
2000
Wenn man die Linse jetzt fertiggestellt hat, dann drückt man sie buchstäblich heraus.
10:13
That's next year's Yves Klein, you know, eyeglasses shape.
202
589000
7000
Das ist Yves Klein nächstes Jahr, Augengläser-Formen.
10:20
And you can see that that has a mild prescription of about minus two diopters.
203
596000
3000
Man sieht, dass sie eine sanfte Korrektion von ungefähr minus zwei Dioptrien hat.
10:23
And as I rotate it against this side shot, you'll see that that has cylinder,
204
599000
4000
Wenn ich sie gegen diese Seitenaufnahme drehe, sieht man, dass sie einen Zylinder hat
10:27
and that was programmed in --
205
603000
1000
und dieser hineinprogrammiert wurde –
10:28
literally into the physics of the system.
206
604000
4000
sprichwörtlich in die Physik dieses Systems.
10:32
So, this sort of thinking about structure as computation
207
608000
3000
Diese Art, über Strukturen als Berechnungen zu denken
10:35
and structure as information leads to other things, like this.
208
611000
5000
und Struktur als Information, führt uns zu anderen Dingen, wie das hier.
10:40
This is something that my people at SQUID Labs
209
616000
3000
Das ist etwas, an dem meine Leute bei SQUID Labs
10:43
are working on at the moment, called "electronic rope."
210
619000
2000
momentan arbeiten, es wird das elektronische Seil genannt.
10:45
So literally, you think about a rope. It has very complex structure in the weave.
211
621000
4000
Denken Sie also an ein Seil. Es hat eine sehr komplexe Struktur in seiner Gewebebindung.
10:49
And under no load, it's one structure.
212
625000
2000
Und wenn es nicht unter Last ist, dann ist es eine Struktur.
10:51
Under a different load, it's a different structure. And you can actually exploit that
213
627000
3000
Unter einer anderen Last ist es eine andere Struktur. Man kann das tatsächlich ausnutzen,
10:54
by putting in a very small number of
214
630000
2000
indem man eine sehr kleine Anzahl an
10:56
conducting fibers to actually make it a sensor.
215
632000
2000
leitfähigen Fasern einfügt, um aus ihm einen Sensor zu machen.
10:58
So this is now a rope that knows the load on the rope
216
634000
3000
Das ist also nun ein Seil, welches die Last auf dem Seil kennt,
11:01
at any particular point in the rope.
217
637000
2000
an jedem beliebigen Punkt innerhalb des Seils.
11:03
Just by thinking about the physics of the world,
218
639000
3000
Indem man einfach an die physikalischen Gegebenheiten der Welt denkt,
11:06
materials as the computer,
219
642000
2000
so wie Materialien als Computer,
11:08
you can start to do things like this.
220
644000
3000
kann man damit beginnen, solche Dinge herzustellen.
11:11
I'm going to segue a little here.
221
647000
3000
Ich mache hier eine kleine Überleitung.
11:14
I guess I'm just going to casually tell you the types of things
222
650000
2000
Ich denke, dass ich ihnen einfach von den Dingen erzählen werde,
11:16
that I think about with this.
223
652000
1000
über die ich damit nachdenke.
11:17
One thing I'm really interested about this right now is, how,
224
653000
4000
Eine Sache, an der ich momentan wirklich interessiert bin, ist wie,
11:21
if you're really taking this view of the universe as a computer,
225
657000
4000
wenn man tatsächlich diese Sichtweise des Universums als Computer einnimmt,
11:25
how do we make things in a very general sense,
226
661000
2000
wie stellen wir Dinge im ganz allgemeinen Sinne her
11:27
and how might we share the way we make things in a general sense
227
663000
4000
und wie könnten wir die Weise, wie wir dies tun, mit anderen teilen,
11:31
the same way you share open source hardware?
228
667000
3000
auf dieselbe Weise, wie man Open Source-Hardware teilt?
11:34
And a lot of talks here have espoused the benefits
229
670000
3000
Und viele Talks hier haben die Vorzüge unterstützt,
11:37
of having lots of people look at problems,
230
673000
2000
wenn man viele Menschen hat, die sich Probleme ansehen,
11:39
share the information and work on those things together.
231
675000
3000
Informationen miteinander teilen und an diesen Dingen gemeinsam arbeiten.
11:42
So, a convenient thing about being a human is you move in linear time,
232
678000
3000
Eine praktische Sache am Menschsein ist, dass man sich in einem linearen Zeitgefüge bewegt
11:45
and unless Lisa Randall changes that,
233
681000
2000
und solange Lisa Randall das nicht ändert,
11:47
we'll continue to move in linear time.
234
683000
3000
werden wir uns weiterhin in einem linearen Zeitgefüge bewegen.
11:50
So that means anything you do, or anything you make,
235
686000
2000
Das heißt, dass man in allem was man tut, oder in allem was man macht,
11:52
you produce a sequence of steps --
236
688000
2000
eine Sequenz an Schritten produziert –
11:54
and I think Lego in the '70s nailed this,
237
690000
3000
und ich denke, dass Lego das in den 70ern auf den Punkt gebracht hat
11:57
and they did it most elegantly.
238
693000
1000
und das auf eine sehr elegante Weise.
11:58
But they can show you how to build things in sequence.
239
694000
4000
Aber sie können einem zeigen, wie man Dinge in einer Abfolge baut.
12:02
So, I'm thinking about, how can we generalize
240
698000
3000
Ich denke also darüber nach, wie wir die Art und Weise,
12:05
the way we make all sorts of things,
241
701000
2000
auf die wir alle möglichen Dinge machen, verallgemeinern können,
12:07
so you end up with this sort of guy, right?
242
703000
2000
so dass man am Ende bei dieser Art von Typ ankommt, richtig?
12:09
And I think this applies across a very broad -- sort of, a lot of concepts.
243
705000
5000
Ich denke, das trifft recht allgemein zu – auf eine Menge Konzepte.
12:14
You know, Cameron Sinclair yesterday said,
244
710000
2000
Wissen Sie, Cameron Sinclair sagte gestern:
12:16
"How do I get everyone to collaborate on design
245
712000
2000
„Wie kriege ich alle dazu, in Designfragen zusammenzuarbeiten,
12:18
globally to do housing for humanity?"
246
714000
3000
weltweit, um Behausungen für die Menschheit zu erschaffen?“
12:21
And if you've seen Amy Smith,
247
717000
2000
Und wenn Sie Amy Smith gesehen haben,
12:23
she talks about how you get students at MIT
248
719000
4000
sie spricht darüber, wie man Studenten am MIT dazu bekommt,
12:27
to work with communities in Haiti.
249
723000
2000
mit Gemeinden in Haiti zusammenzuarbeiten.
12:29
And I think we have to sort of redefine and rethink
250
725000
2000
Ich denke, dass wir neu definieren und überdenken müssen,
12:31
how we define structure and materials and assembly things,
251
727000
4000
wie wir Struktur und Materialien definieren und die Dinge anordnen,
12:35
so that we can really share the information
252
731000
2000
so dass wir die Informationen wirklich teilen können,
12:37
on how you do those things in a more profound way
253
733000
2000
wie man diese Dinge auf eine tiefgreifendere Weise erreichen könnte
12:39
and build on each other's source code for structure.
254
735000
3000
und auf dem Quellcode eines jeden für die Struktur aufbauen könnte.
12:42
I don't know exactly how to do this yet,
255
738000
1000
Ich weiß noch nicht genau, wie das zu bewerkstelligen ist,
12:43
but, you know, it's something being actively thought about.
256
739000
5000
aber wissen Sie, es ist etwas, über das aktiv nachgedacht wird.
12:48
So, you know, that leads to questions
257
744000
2000
Das führt also zu Fragen
12:50
like, is this a compiler? Is this a sub-routine?
258
746000
4000
wie: ist das ein Kompilierer? Ist das eine Subroutine?
12:54
Interesting things like that.
259
750000
1000
Interessante Dinge wie diese.
12:55
Maybe I'm getting a little too abstract, but you know,
260
751000
3000
Vielleicht werde ich ein wenig zu abstrakt, aber wissen Sie,
12:58
this is the sort of -- returning to our comic characters --
261
754000
3000
das ist die Art von – wenn wir zu unseren Comic-Charakteren zurückkehren –
13:01
this is sort of the universe, or a different universe view,
262
757000
2000
das ist die Art von Universum, oder ein anderer Blick auf das Universum,
13:03
that I think is going to be very prevalent in the future --
263
759000
2000
von dem ich denke, dass er sehr gängig sein wird in der Zukunft –
13:05
from biotech to materials assembly. It was great to hear Bill Joy.
264
761000
3000
von Biotech zu Materialansammlung. Es war toll, Bill Joy zu hören.
13:08
They're starting to invest in materials science,
265
764000
3000
Sie beginnen damit in Materialwissenschaften zu investieren,
13:11
but these are the new things in materials science.
266
767000
2000
aber das sind die neuen Aspekte der Materialwissenschaften.
13:13
How do we put real information and real structure into new ideas,
267
769000
4000
Wie wandeln wir reale Informationen und reale Strukturen in neue Ideen um
13:17
and see the world in a different way? And it's not going to be binary code
268
773000
3000
und sehen die Welt auf eine andere Weise? Und es wird nicht der Binärcode sein,
13:20
that defines the computers of the universe --
269
776000
2000
der die Computer des Universums definiert –
13:22
it's sort of an analog computer.
270
778000
2000
es ist eine Art von analogem Computer.
13:24
But it's definitely an interesting new worldview.
271
780000
5000
Aber das ist definitiv eine interessante neue Weltanschauung.
13:29
I've gone too far. So that sounds like it's it.
272
785000
3000
Ich bin zu weit gegangen. Es hört sich so an, als wäre es das jetzt.
13:32
I've probably got a couple of minutes of questions,
273
788000
2000
Ich habe wahrscheinlich noch ein paar Minuten für Fragen,
13:34
or I can show -- I think they also said that I do extreme stuff
274
790000
4000
oder ich kann zeigen – ich glaube, es wurde vorab gesagt, dass ich extremes Zeug mache,
13:38
in the introduction, so I may have to explain that.
275
794000
4000
daher muss ich das wohl erklären.
13:42
So maybe I'll do that with this short video.
276
798000
3000
Ich werde das mit diesem kurzen Video machen.
13:45
So this is actually a 3,000-square-foot kite,
277
801000
6000
Das ist also ein 3.000-Quadratfuß-Drachen,
13:51
which also happens to be a minimal energy surface.
278
807000
2000
der auch zufällig eine Oberfläche mit minimalem Energieverbrauch ist.
13:53
So returning to the droplet, again,
279
809000
2000
Um noch einmal auf das Tröpfchen zurückzukommen,
13:55
thinking about the universe in a new way.
280
811000
2000
über das Universum auf eine neu Art und Weise nachzudenken.
13:57
This is a kite designed by a guy called Dave Kulp.
281
813000
2000
Das ist ein Drachen, der von einem Typ namens Dave Kulp entwickelt wurde.
13:59
And why do you want a 3,000-square-foot kite?
282
815000
2000
Und wofür braucht man einen 3.000-Quadratfuß-Drachen?
14:01
So that's a kite the size of your house.
283
817000
2000
Das ist ein Drachen in der Größe Ihres Hauses.
14:03
And so you want that to tow boats very fast.
284
819000
4000
Er soll Boote sehr schnell abschleppen.
14:07
So I've been working on this a little, also,
285
823000
3000
Ich habe daran auch ein wenig gearbeitet,
14:10
with a couple of other guys.
286
826000
2000
mit ein paar anderen Typen.
14:12
But, you know, this is another way to look at the --
287
828000
2000
Das ist eine andere Weise, einen Blick zu werfen auf –
14:14
if you abstract again,
288
830000
2000
wenn man wieder abstrahiert,
14:16
this is a structure that is defined by the physics of the universe.
289
832000
4000
dann ist das eine Struktur, die von der Physik des Universums definiert wird.
14:20
You could just hang it as a bed sheet,
290
836000
1000
Man könnte ihn einfach als Bettlaken aufhängen,
14:21
but again, the computation of all the physics
291
837000
2000
aber noch einmal, mit der Berechnung all der Physik
14:23
gives you the aerodynamic shape.
292
839000
2000
erhält man diese aerodynamische Form.
14:25
And so you can actually sort of almost double your boat speed
293
841000
3000
Und so kann man tatsächlich die Geschwindigkeit seines Bootes fast verdoppeln,
14:28
with systems like that. So that's sort of another interesting aspect of the future.
294
844000
7000
mit solchen System. Das ist also ein anderer interessanter Aspekt der Zukunft.
14:35
(Applause)
295
851000
1000
(Applaus)
Reviewed by Linda Geschwandtner
ABOUT THE SPEAKER
Saul Griffith - InventorInventor 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.
Saul Griffith | Speaker | TED.com