TED2011
Skylar Tibbits: Can we make things that make themselves?
Skylar Tibbits: ¿Podemos hacer objetos que se autoconstruyan?
Filmed:
Readability: 4.4
1,072,366 views
El investigador del MIT, Skylar Tibbits, está trabajando en la auto-construcción; la idea de que en lugar de construir algo (una silla, un rascacielos), podemos crear materiales que se construyan a sí mismos, casi de la misma manera en que lo hace el ADN. Es un gran concepto en una etapa naciente; Tibbits nos muestra tres proyectos que nos dan una pista de cómo sería un futuro con materiales auto-construibles.
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
Hoy quiero mostrarles
00:17
the future of the way we make things.
1
2000
2000
el futuro de la manera de construir cosas.
00:19
I believe that soon our buildings and machines
2
4000
2000
Creo que pronto, nuestros edificios y máquinas
00:21
will be self-assembling,
3
6000
2000
se auto-construirán,
00:23
replicating and repairing themselves.
4
8000
2000
replicándose y reparándose a sí mismas.
00:25
So I'm going to show you
5
10000
2000
Así que voy a mostrarles
00:27
what I believe is the current state of manufacturing,
6
12000
2000
el estado actual del proceso de manufactura,
00:29
and then compare that to some natural systems.
7
14000
3000
y después lo compararemos con algunos sistemas naturales.
00:32
So in the current state of manufacturing, we have skyscrapers --
8
17000
3000
En la construcción actual, tenemos rascacielos
00:35
two and a half years [of assembly time],
9
20000
2000
dos años y medio,
00:37
500,000 to a million parts,
10
22000
2000
formados por 500.000 a un millón de partes,
00:39
fairly complex,
11
24000
2000
bastante complejos,
00:41
new, exciting technologies in steel, concrete, glass.
12
26000
3000
tecnologías complejas e interesantes en acero, concreto, vidrio.
00:44
We have exciting machines
13
29000
2000
Tenemos máquinas maravillosas
00:46
that can take us into space --
14
31000
2000
que pueden llevarnos al espacio,
00:48
five years [of assembly time], 2.5 million parts.
15
33000
3000
cinco años y 2,5 millones de piezas.
00:51
But on the other side, if you look at the natural systems,
16
36000
3000
Por otro lado, si vemos los sistemas naturales,
00:54
we have proteins
17
39000
2000
tenemos proteínas
00:56
that have two million types,
18
41000
2000
que tienen dos millones de clases,
00:58
can fold in 10,000 nanoseconds,
19
43000
2000
y pueden armarse en 10.000 nanosegundos
01:00
or DNA with three billion base pairs
20
45000
2000
o el ADN con 3.000 millones de pares de bases
01:02
we can replicate in roughly an hour.
21
47000
3000
que puede replicarse en cerca de una hora.
01:05
So there's all of this complexity
22
50000
2000
Aquí está toda esta complejidad
01:07
in our natural systems,
23
52000
2000
de nuestros sistemas naturales,
01:09
but they're extremely efficient,
24
54000
2000
pero que son extremadamente eficientes,
01:11
far more efficient than anything we can build,
25
56000
2000
mucho más que otra cosa que podamos construir,
01:13
far more complex than anything we can build.
26
58000
2000
mucho más complejos que otros que hayamos hecho.
01:15
They're far more efficient in terms of energy.
27
60000
2000
Son más eficientes en términos de energía.
01:17
They hardly ever make mistakes.
28
62000
3000
Rara vez cometen errores.
01:20
And they can repair themselves for longevity.
29
65000
2000
Y pueden repararse a sí mismos para alargar su vida.
01:22
So there's something super interesting about natural systems.
30
67000
3000
Aquí hay algo muy interesante en los sistemas naturales.
01:25
And if we can translate that
31
70000
2000
Y si pudiéramos traducirlo
01:27
into our built environment,
32
72000
2000
a nuestro ambiente de construcción,
01:29
then there's some exciting potential for the way that we build things.
33
74000
2000
encontraríamos un potencial increíble en la manera de fabricar cosas.
01:31
And I think the key to that is self-assembly.
34
76000
3000
Y creo que la clave de todo esto es la auto-construcción.
01:34
So if we want to utilize self-assembly in our physical environment,
35
79000
3000
Si queremos utilizar la auto-construcción en nuestro ambiente físico,
01:37
I think there's four key factors.
36
82000
2000
creo que hay cuatro factores clave.
01:39
The first is that we need to decode
37
84000
2000
El primero es que necesitamos descifrar
01:41
all of the complexity of what we want to build --
38
86000
2000
toda la complejidad de lo que queremos construir,
01:43
so our buildings and machines.
39
88000
2000
de nuestras máquinas y edificios.
01:45
And we need to decode that into simple sequences --
40
90000
2000
Y necesitamos decodificarlo en secuencias sencillas,
01:47
basically the DNA of how our buildings work.
41
92000
2000
que sean el ADN del funcionamiento de nuestros edificios.
01:49
Then we need programmable parts
42
94000
2000
Después necesitamos partes programables
01:51
that can take that sequence
43
96000
2000
que puedan tomar esa secuencia
01:53
and use that to fold up, or reconfigure.
44
98000
3000
y usarlas para armar, o reconfigurar.
01:56
We need some energy that's going to allow that to activate,
45
101000
3000
Necesitamos algo de energía que nos permita activar el proceso,
01:59
allow our parts to be able to fold up from the program.
46
104000
3000
y permita que nuestras partes se armen a partir del programa.
02:02
And we need some type of error correction redundancy
47
107000
2000
También necesitamos algún tipo de corrector de errores redundante
02:04
to guarantee that we have successfully built what we want.
48
109000
3000
que garantice que tenemos éxito en construir lo que queremos.
02:07
So I'm going to show you a number of projects
49
112000
2000
Así que voy a mostrarles algunos proyectos
02:09
that my colleagues and I at MIT are working on
50
114000
2000
en los que estamos trabajando con mis compañeros del MIT
02:11
to achieve this self-assembling future.
51
116000
2000
para llegar a este futuro auto-construible.
02:13
The first two are the MacroBot and DeciBot.
52
118000
3000
Los primeros dos son el MacroBot y el DeciBot.
02:16
So these projects are large-scale reconfigurable robots --
53
121000
4000
Estos proyectos son robots reconfigurables de gran escala,
02:20
8 ft., 12 ft. long proteins.
54
125000
3000
2,5 metros, 3,7 metros, grandes proteínas.
02:23
They're embedded with mechanical electrical devices, sensors.
55
128000
3000
Están llenos de dispositivos mecánicos, eléctricos, sensores.
02:26
You decode what you want to fold up into,
56
131000
2000
Uno decodifica lo que quiere armar,
02:28
into a sequence of angles --
57
133000
2000
en una secuencia de perspectivas,
02:30
so negative 120, negative 120, 0, 0,
58
135000
2000
aquí negativo 120, negativo 120, 0, 0,
02:32
120, negative 120 -- something like that;
59
137000
3000
120, negativo 120, algo así;
02:35
so a sequence of angles, or turns,
60
140000
2000
hay una secuencia de perspectivas, o vistas,
02:37
and you send that sequence through the string.
61
142000
3000
y se manda esa secuencia por el cable.
02:40
Each unit takes its message -- so negative 120 --
62
145000
3000
Cada unidad toma su mensaje, el 120 negativo.
02:43
it rotates to that, checks if it got there
63
148000
2000
Rota para alinearse, verifica si llegó allí
02:45
and then passes it to its neighbor.
64
150000
3000
y después le pasa información a su vecino.
02:48
So these are the brilliant scientists,
65
153000
2000
Aquí están los brillantes científicos,
02:50
engineers, designers that worked on this project.
66
155000
2000
ingenieros y diseñadores que trabajaron en este proyecto.
02:52
And I think it really brings to light:
67
157000
2000
Y creo que lo que realmente trae a la luz es:
02:54
Is this really scalable?
68
159000
2000
¿Podríamos escalar esto?
02:56
I mean, thousands of dollars, lots of man hours
69
161000
2000
Quiero decir, miles de dólares, cientos de horas hombre
02:58
made to make this eight-foot robot.
70
163000
3000
invertidos para hacer este robot de 2,5 metros.
03:01
Can we really scale this up? Can we really embed robotics into every part?
71
166000
3000
¿Podríamos escalar este proceso? ¿Podríamos integrar robots en cada pieza?
03:04
The next one questions that
72
169000
2000
El siguiente ejemplo trata de responder eso
03:06
and looks at passive nature,
73
171000
2000
y examina su naturaleza pasiva,
03:08
or passively trying to have reconfiguration programmability.
74
173000
3000
o trata pasivamente de obtener programación reconfigurable.
03:11
But it goes a step further,
75
176000
2000
Pero va un paso más allá,
03:13
and it tries to have actual computation.
76
178000
2000
y trata de calcular en tiempo real.
03:15
It basically embeds the most fundamental building block of computing,
77
180000
2000
Básicamente integra los bloques básicos del cómputo,
03:17
the digital logic gate,
78
182000
2000
las compuertas lógicas,
03:19
directly into your parts.
79
184000
2000
directamente en sus piezas.
03:21
So this is a NAND gate.
80
186000
2000
Esta es una compuerta NAND.
03:23
You have one tetrahedron which is the gate
81
188000
2000
Tenemos un tetraedro, que es la compuerta,
03:25
that's going to do your computing,
82
190000
2000
que hará el procesamiento,
03:27
and you have two input tetrahedrons.
83
192000
2000
y tenemos dos tetraedros que dan la entrada.
03:29
One of them is the input from the user, as you're building your bricks.
84
194000
3000
Uno de ellos tiene la entrada del usuario, conforme armamos los bloques.
03:32
The other one is from the previous brick that was placed.
85
197000
3000
La otra entrada viene del bloque colocado anteriormente.
03:35
And then it gives you an output in 3D space.
86
200000
3000
Y nos da un resultado en un espacio tridimensional.
03:38
So what this means
87
203000
2000
Esto significa
03:40
is that the user can start plugging in what they want the bricks to do.
88
205000
3000
que el usuario puede ir conectando lo que quiere que los bloques hagan.
03:43
It computes on what it was doing before
89
208000
2000
Procesa lo que estaba haciendo antes
03:45
and what you said you wanted it to do.
90
210000
2000
y lo que dijimos que queremos que haga.
03:47
And now it starts moving in three-dimensional space --
91
212000
2000
Y ahora empieza a moverse en un espacio tridimensional;
03:49
so up or down.
92
214000
2000
hacia arriba y hacia abajo.
03:51
So on the left-hand side, [1,1] input equals 0 output, which goes down.
93
216000
3000
En la parte izquierda tenemos una entrada [1,1] y la salida es un 0, va para abajo.
03:54
On the right-hand side,
94
219000
2000
En el lado derecho,
03:56
[0,0] input is a 1 output, which goes up.
95
221000
3000
la entrada es [0,0] y la salida es 1, va para arriba.
03:59
And so what that really means
96
224000
2000
Esto significa
04:01
is that our structures now contain the blueprints
97
226000
2000
que nuestras estructuras ahora contienen los planos
04:03
of what we want to build.
98
228000
2000
de lo que queremos construir.
04:05
So they have all of the information embedded in them of what was constructed.
99
230000
3000
Tienen integrada en sí mismas la información de lo que se construyó.
04:08
So that means that we can have some form of self-replication.
100
233000
3000
Eso significa que podemos tener cierta forma de auto-replicación.
04:11
In this case I call it self-guided replication,
101
236000
3000
En este caso, le llamo replicación auto-dirigida,
04:14
because your structure contains the exact blueprints.
102
239000
2000
porque la estructura contiene las instrucciones exactas.
04:16
If you have errors, you can replace a part.
103
241000
2000
Si acaso hay errores, se puede reemplazar una pieza.
04:18
All the local information is embedded to tell you how to fix it.
104
243000
3000
Toda la información local está integrada para mostrar cómo hacer arreglos.
04:21
So you could have something that climbs along and reads it
105
246000
2000
Así que podríamos tener algo que se trepe hasta el lugar y lo lea
04:23
and can output at one to one.
106
248000
2000
y pueda darnos una salida de uno a uno.
04:25
It's directly embedded; there's no external instructions.
107
250000
2000
Está directamente integrada; así que no hay instrucciones externas.
04:27
So the last project I'll show is called Biased Chains,
108
252000
3000
Este es el último proyecto y le llamaré: Cadenas Torcidas,
04:30
and it's probably the most exciting example that we have right now
109
255000
3000
y es probablemente el ejemplo más innovador que tenemos ahora
04:33
of passive self-assembly systems.
110
258000
2000
de sistemas pasivos de auto-construcción.
04:35
So it takes the reconfigurability
111
260000
2000
A partir de la capacidad de reconfiguración
04:37
and programmability
112
262000
2000
y programación
04:39
and makes it a completely passive system.
113
264000
3000
los funde en un sistema completamente pasivo.
04:43
So basically you have a chain of elements.
114
268000
2000
Básicamente tenemos una cadena de eslabones.
04:45
Each element is completely identical,
115
270000
2000
Cada eslabón es completamente idéntico,
04:47
and they're biased.
116
272000
2000
y están torcidos.
04:49
So each chain, or each element, wants to turn right or left.
117
274000
3000
Cada eslabón de la cadena "quiere" girar a la derecha o a la izquierda.
04:52
So as you assemble the chain, you're basically programming it.
118
277000
3000
Así que al ensamblar la cadena, básicamente la estamos programando.
04:55
You're telling each unit if it should turn right or left.
119
280000
3000
Le decimos a cada unidad si queremos que gire a la derecha o a la izquierda.
04:58
So when you shake the chain,
120
283000
3000
Y cuando sacudimos la cadena,
05:01
it then folds up
121
286000
2000
se dobla
05:03
into any configuration that you've programmed in --
122
288000
3000
en cualquier configuración que le hayamos programado,
05:06
so in this case, a spiral,
123
291000
2000
en este caso, en una espiral,
05:08
or in this case,
124
293000
3000
o en este caso,
05:11
two cubes next to each other.
125
296000
3000
en dos cubos, uno junto al otro.
05:14
So you can basically program
126
299000
2000
Así que básicamente podemos programar
05:16
any three-dimensional shape --
127
301000
2000
cualquier forma tridimensional,
05:18
or one-dimensional, two-dimensional -- up into this chain completely passively.
128
303000
3000
o unidimensional, bidimensional, en esta cadena de manera completamente pasiva.
05:21
So what does this tell us about the future?
129
306000
2000
¿Qué nos dice esto del futuro?
05:23
I think that it's telling us
130
308000
2000
Creo que esto nos muestra
05:25
that there's new possibilities for self-assembly, replication, repair
131
310000
3000
que hay nuevas posibilidades para la auto-construcción, la replicación y reparación
05:28
in our physical structures, our buildings, machines.
132
313000
3000
de nuestras estructuras físicas, nuestros edificios y máquinas.
05:31
There's new programmability in these parts.
133
316000
2000
Hay nuevas capacidades de programación en estas piezas.
05:33
And from that you have new possibilities for computing.
134
318000
2000
Y, a partir de allí, nuevas posibilidades para el cómputo.
05:35
We'll have spatial computing.
135
320000
2000
Tendremos computación espacial.
05:37
Imagine if our buildings, our bridges, machines,
136
322000
2000
Imaginemos que nuestros edificios, nuestros puentes, nuestras máquinas,
05:39
all of our bricks could actually compute.
137
324000
2000
todas nuestras piezas pueden hacer cálculos.
05:41
That's amazing parallel and distributed computing power,
138
326000
2000
Es increíble ese poder de cómputo paralelo y distribuido,
05:43
new design possibilities.
139
328000
2000
y las nuevas posibilidades de diseño.
05:45
So it's exciting potential for this.
140
330000
2000
Es fantástico el potencial de estos conceptos.
05:47
So I think these projects I've showed here
141
332000
2000
Yo creo que estos proyectos que les acabo de mostrar
05:49
are just a tiny step towards this future,
142
334000
2000
son sólo un pequeño paso hacia el futuro,
05:51
if we implement these new technologies
143
336000
2000
si implementamos estas nuevas tecnologías
05:53
for a new self-assembling world.
144
338000
2000
para un mundo auto-construible.
05:55
Thank you.
145
340000
2000
Gracias.
05:57
(Applause)
146
342000
2000
(Aplausos)
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