TED2011
Skylar Tibbits: Can we make things that make themselves?
اسكايلر تیبتز: آیا می توانیم چیزهایی را بسازیم که خودشان را بسازند؟
Filmed:
Readability: 4.4
1,072,366 views
محقق انیسیتو فن آوری ماساچوست(MIT ) اسکایلر تیبتز روی موضوع خودگردآوري(مونتاژ دستگاه توسط خود آن) کار می کند-- این ایده كه به جای ساختن چیزی (مثلا یک صندلی، يا یک آسمانخراش)، ما بتوانیم كالاهايي را بسازيم که خودشان را بسازند، بسيار شبيه آنچه كه یک رشته از دی ان ای(DNA) خود را به هم بافته و پيش مي‌رود. این راه‌كار بزرگ در مراحل اولیه خويش است؛ تیبتز به ما سه پروژه آزمایشگاهي را نشان مي‌دهد كه ممکن است که به چيزي كه آینده خودگردآوري ممكن است آنگونه باشد اشاره دارد.
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
امروز دوست دارم که به شما
00:17
the future of the way we make things.
1
2000
2000
آينده روشی که ما چيزها را می سازیم نشان دهم.
00:19
I believe that soon our buildings and machines
2
4000
2000
معتقدم که خیلی زود ساختمانها و ماشین‌هاي ما
00:21
will be self-assembling,
3
6000
2000
خودشان را گردآوري می‌كنند،
00:23
replicating and repairing themselves.
4
8000
2000
خودشان را تقليد و تعمیر می کنند.
00:25
So I'm going to show you
5
10000
2000
خوب قصد دارم به شما
00:27
what I believe is the current state of manufacturing,
6
12000
2000
چیزی را که باور دارم جریان حاضر تولید است ، را نشان دهم،
00:29
and then compare that to some natural systems.
7
14000
3000
و سپس آن را با سیستم های طبیعی مقایسه کنم.
00:32
So in the current state of manufacturing, we have skyscrapers --
8
17000
3000
در وضعیت فعلی تولید، ما آسمانخراش داریم--
00:35
two and a half years [of assembly time],
9
20000
2000
که ساخت آن حدود دو سال و نیم طول می‌کشد،
00:37
500,000 to a million parts,
10
22000
2000
500,000 تا یک میلیون قطعه دارد،
00:39
fairly complex,
11
24000
2000
كه از فن آوریهای نسبتا پيچيده
00:41
new, exciting technologies in steel, concrete, glass.
12
26000
3000
جالب و جدید با موادي از فولاد، بتن و شیشه هستند.
00:44
We have exciting machines
13
29000
2000
ما ماشینهای مهيجي داريم
00:46
that can take us into space --
14
31000
2000
که میتوانند ما را به فضا ببرند--
00:48
five years [of assembly time], 2.5 million parts.
15
33000
3000
كه ساخت آنها پنج سال وقت و دو نیم میلیون قطعه نياز دارد.
00:51
But on the other side, if you look at the natural systems,
16
36000
3000
اما از طرف دیگر، اگر به سیستمهای طبیعی نگاه کنید،
00:54
we have proteins
17
39000
2000
ما پروتئینها را داریم که
00:56
that have two million types,
18
41000
2000
دو میلیون نوع هستند
00:58
can fold in 10,000 nanoseconds,
19
43000
2000
که می توانند در 10,000 نانو ثانیه به هم بياميزند،
01:00
or DNA with three billion base pairs
20
45000
2000
یا دی ان ای(DNA ) را داريم كه سه ملیون جفت دارد
01:02
we can replicate in roughly an hour.
21
47000
3000
و تقریبا" در هر يك ساعت می توان آنها را بازتوليد كرد.
01:05
So there's all of this complexity
22
50000
2000
خب، همه این پیچیدگی
01:07
in our natural systems,
23
52000
2000
در سیتمهای طبیعی ما هست،
01:09
but they're extremely efficient,
24
54000
2000
اما آنها
01:11
far more efficient than anything we can build,
25
56000
2000
خیلی کارآمدتر از هر آنچه که ما می توانیم بسازیم هستند،
01:13
far more complex than anything we can build.
26
58000
2000
خیلی پیچیده‌تر از هر آنچه که ما می توانیم بسازیم.
01:15
They're far more efficient in terms of energy.
27
60000
2000
آنها از نظر مصرف انرژی بهره‌وري زيادي دارند.
01:17
They hardly ever make mistakes.
28
62000
3000
آنها به ندرت اشتباه می کنند.
01:20
And they can repair themselves for longevity.
29
65000
2000
آنها می توانند خودشان را بازسازي كنند تا عمر بيشتري داشته باشند.
01:22
So there's something super interesting about natural systems.
30
67000
3000
خب ، چبز بسیار جالبی درباره سیستمهای طبیعی وجود دارد.
01:25
And if we can translate that
31
70000
2000
و اگر ما بتوانیم این را
01:27
into our built environment,
32
72000
2000
در محیط ساخت و ساز خودمان ايجاد كنيم،
01:29
then there's some exciting potential for the way that we build things.
33
74000
2000
آنوقت امکان‌هاي بالقوه مهیجي برای شيوه ساخت اشیاء داریم.
01:31
And I think the key to that is self-assembly.
34
76000
3000
و فکر کنم کلید این کار خود- گردآوری است.
01:34
So if we want to utilize self-assembly in our physical environment,
35
79000
3000
خب، اگر ما می خواهیم از خود- گردآوری در محیط زیستمان بهره‌مند شویم،
01:37
I think there's four key factors.
36
82000
2000
گمان کنم که چهارعامل کلیدی برای آن باشد.
01:39
The first is that we need to decode
37
84000
2000
اولی این است که ما باید كدبرداري کنیم
01:41
all of the complexity of what we want to build --
38
86000
2000
از همه پیچیدگی‌های چيزي که می خواهیم بسازیم--
01:43
so our buildings and machines.
39
88000
2000
يعني، ساختمانها و ماشینهای ما.
01:45
And we need to decode that into simple sequences --
40
90000
2000
ما بايد از آنها كدبرداري كنيم و آنهارا به مراحل ساده در بياوريم--
01:47
basically the DNA of how our buildings work.
41
92000
2000
يعني دی ان ای(DNA) اين را دربياوريم كه ساختمانهای ما چگونه کار می کنند.
01:49
Then we need programmable parts
42
94000
2000
بعد بايد قطعات قابل برنامه‌ریزی داشته باشيم
01:51
that can take that sequence
43
96000
2000
که بتوانند مرحله را به اجرا در بياورند
01:53
and use that to fold up, or reconfigure.
44
98000
3000
و از اين قابليت برای سر هم شدن یا برای پيكربندی جدید استفاده كنيم.
01:56
We need some energy that's going to allow that to activate,
45
101000
3000
ما به مقداری انرژی نیاز داریم که به آن امكان فعالیت بدهد،
01:59
allow our parts to be able to fold up from the program.
46
104000
3000
امكان اين را فراهم كند که قطعه بر اساس برنامه سر هم شود.
02:02
And we need some type of error correction redundancy
47
107000
2000
ما نیاز به تعدادی رزونانس تصحیح خطا داریم
02:04
to guarantee that we have successfully built what we want.
48
109000
3000
تا موفقیت آنچه که می خواهیم بسازیم را تضمين كند.
02:07
So I'm going to show you a number of projects
49
112000
2000
بنابراين مي‌خواهم به شما تعدادی از پروژه‌هايي را نشان دهم
02:09
that my colleagues and I at MIT are working on
50
114000
2000
که من و همکارانم در MIT
02:11
to achieve this self-assembling future.
51
116000
2000
برای رسیدن به خود- گردآوری در آینده روی آنها کار کرده‌ايم.
02:13
The first two are the MacroBot and DeciBot.
52
118000
3000
دو پروژه اول "ماکروبوت " و " دسي بوت" هستند.
02:16
So these projects are large-scale reconfigurable robots --
53
121000
4000
خب ، این پروژه‌ها، رباتهايی هستند كه قابلیت پيكربندي دوباره در مقياس بزرگ را دارند---
02:20
8 ft., 12 ft. long proteins.
54
125000
3000
هشت تا ده فوت طول دارند، مثل پروتئين‌هاي طويل.
02:23
They're embedded with mechanical electrical devices, sensors.
55
128000
3000
در آنها قطعات الکتریکی مكانيكي يعني سنسورها تعبیه شده‌اند.
02:26
You decode what you want to fold up into,
56
131000
2000
شما چیزی را که می خواهید كه در آن قرار داده بشه را رمزنويسي مي‌كنيد
02:28
into a sequence of angles --
57
133000
2000
در ترتيبي از زوایا---
02:30
so negative 120, negative 120, 0, 0,
58
135000
2000
خب ، منفی 120 درجه، منفی 120، صفر، صفر،
02:32
120, negative 120 -- something like that;
59
137000
3000
120 درجه- منفی 120 درجه-- چیزی مثل این؛
02:35
so a sequence of angles, or turns,
60
140000
2000
خب ، ترتيب زاویه‌ها یا چرخش‌ها،
02:37
and you send that sequence through the string.
61
142000
3000
و شما این ترتيب را از طریق این رشته می فرستید.
02:40
Each unit takes its message -- so negative 120 --
62
145000
3000
هر واحد پیام خود را می گیرد-- بنابراين منفی 120 درجه.
02:43
it rotates to that, checks if it got there
63
148000
2000
آن به دور این می‌چرخد، این را کنترل میکند كه آيا جاش رو پيدا كرده
02:45
and then passes it to its neighbor.
64
150000
3000
و بعد آن را به كناريش تحويل مي‌دهد.
02:48
So these are the brilliant scientists,
65
153000
2000
خب، اينها دانشمندان،
02:50
engineers, designers that worked on this project.
66
155000
2000
مهندسان و طراحان برجسته‌ای هستند كه روی این پروژه کار می‌کنند.
02:52
And I think it really brings to light:
67
157000
2000
و گمان کنم واقعا" این سوال رو ايجاد خواهد كرد كه:
02:54
Is this really scalable?
68
159000
2000
آیا این واقعا" پيش خواهد رفت؟
02:56
I mean, thousands of dollars, lots of man hours
69
161000
2000
منظورم این است که هزاران دلار و ساعتهاي بسيار تلاش نيروي انساني
02:58
made to make this eight-foot robot.
70
163000
3000
صرف ساخت این ربات هشت فوتی شده است.
03:01
Can we really scale this up? Can we really embed robotics into every part?
71
166000
3000
آیا واقعا" ما می توانیم این را به تعداد زياد تولید کنیم؟ آیا واقعا" در هر قطعه مي‌توانيم یک هوش ماشيني تعبیه کنیم؟
03:04
The next one questions that
72
169000
2000
و بعدی این را به چالش كشيده
03:06
and looks at passive nature,
73
171000
2000
و به دنبال سرشت مطيع،
03:08
or passively trying to have reconfiguration programmability.
74
173000
3000
يا تلاش انفعالي براي برنامهپذيري جهت پيكربندي دوباره است.
03:11
But it goes a step further,
75
176000
2000
اما یک گام به جلوتر مي‌رود،
03:13
and it tries to have actual computation.
76
178000
2000
و تلاش مي‌كند كه محاسبات عملي داشته باشد.
03:15
It basically embeds the most fundamental building block of computing,
77
180000
2000
اساسا" بنیادی‌ترین بلوکهای ساختي محاسباتي،
03:17
the digital logic gate,
78
182000
2000
يعني گیت منطقی دیجیتالی،
03:19
directly into your parts.
79
184000
2000
مستقیما" در قطعات تعبیه شده است.
03:21
So this is a NAND gate.
80
186000
2000
خب؛ این یک گیت ان‌ای‌ان‌دي(NAND) است.
03:23
You have one tetrahedron which is the gate
81
188000
2000
شما یک چهارضلعي دارید كه گيتي است
03:25
that's going to do your computing,
82
190000
2000
كه محاسبات شما را انجام خواهد داد،
03:27
and you have two input tetrahedrons.
83
192000
2000
و شما دو عدد چهارضلعي ورودي دارید.
03:29
One of them is the input from the user, as you're building your bricks.
84
194000
3000
یکی از آنها ورودی از طرف کاربر است در زماني كه شما در حال ساخت قطعه‌تان هستيد.
03:32
The other one is from the previous brick that was placed.
85
197000
3000
آن يكي مال قطعه قبلی است که در جاي خود قرار گرفته است.
03:35
And then it gives you an output in 3D space.
86
200000
3000
و آنوقت شما یک خروجی سه‌بعدی داريد.
03:38
So what this means
87
203000
2000
این بدان معنی است
03:40
is that the user can start plugging in what they want the bricks to do.
88
205000
3000
که کاربر می تواند شروع به متصل کردن هرآنچه که می خواهد قطعات انجام دهند، کند.
03:43
It computes on what it was doing before
89
208000
2000
این کاری را كه قبلا در حال انجامش بود
03:45
and what you said you wanted it to do.
90
210000
2000
و چیزی را که بهش گفتید که انجام دهد را محاسبه می کند.
03:47
And now it starts moving in three-dimensional space --
91
212000
2000
و حالا این شروع کرده به حرکت سه بعدی--
03:49
so up or down.
92
214000
2000
بالا و پائین
03:51
So on the left-hand side, [1,1] input equals 0 output, which goes down.
93
216000
3000
به سمت چپ، ورودي [یک، یک] برابر صفر است، که باعث ميشه به طرف پائین برود.
03:54
On the right-hand side,
94
219000
2000
در سمت راست،
03:56
[0,0] input is a 1 output, which goes up.
95
221000
3000
ورودي [صفر، صفر] خروجي یک است که باعث مي‌شود به طرف بالا برود.
03:59
And so what that really means
96
224000
2000
واقعا بدین معنا
04:01
is that our structures now contain the blueprints
97
226000
2000
است که ساختارهاي ما در حال حاضر نقشه‌هايی
04:03
of what we want to build.
98
228000
2000
از چيزهايي است که می خواهیم بسازیم.
04:05
So they have all of the information embedded in them of what was constructed.
99
230000
3000
از این رو همه اطلاعاتی که توسط آنها ساخته شده‌اند درشان تعبیه شده است.
04:08
So that means that we can have some form of self-replication.
100
233000
3000
بدان معنی که ما می توانیم به نوعی خود - تکراری را داشته باشیم.
04:11
In this case I call it self-guided replication,
101
236000
3000
در این مورد من این را تکرار خودرهنمون می نامم،
04:14
because your structure contains the exact blueprints.
102
239000
2000
زیرا ساختار شما محتوي نقشه‌های دقیق هستند.
04:16
If you have errors, you can replace a part.
103
241000
2000
اگر شما اشتباهی داشته باشید، می توانید آن قطعه را عوض کنید.
04:18
All the local information is embedded to tell you how to fix it.
104
243000
3000
همه اطلاعات محلي در آن قطعه تعبیه شده است تا به شما بگوید که چگونه آن ( اشتباه) را بر طرف کنید.
04:21
So you could have something that climbs along and reads it
105
246000
2000
شما می توانید چیزی را داشته باشید که پيش‌مي‌رود و آن را مي‌خواند
04:23
and can output at one to one.
106
248000
2000
و می تواند یک به یک خروجی داشته باشد.
04:25
It's directly embedded; there's no external instructions.
107
250000
2000
این مستقیما در آن تعبیه شده؛ هیچ دستورالعمل خارجی وجود ندارد.
04:27
So the last project I'll show is called Biased Chains,
108
252000
3000
این آخرین پروژه ای است که به شما نشان می‌دهم به نام زنجیره‌های مورب،
04:30
and it's probably the most exciting example that we have right now
109
255000
3000
و این احتمالا هیجان انگیز ترین مثالی است که ما
04:33
of passive self-assembly systems.
110
258000
2000
از سيستم‌هاي خودگردآور منفعل داریم.
04:35
So it takes the reconfigurability
111
260000
2000
خوب ، این قابلیت پيكربندي مجدد
04:37
and programmability
112
262000
2000
و برنامهپذيري را دارد.
04:39
and makes it a completely passive system.
113
264000
3000
كه از آن یک سیستم کاملا" مطيع می سازد.
04:43
So basically you have a chain of elements.
114
268000
2000
بنابر این، اساسا" شما زنجیره‌اي از اجزاء را دارید.
04:45
Each element is completely identical,
115
270000
2000
هر جزء کاملا" مانند ديگري است
04:47
and they're biased.
116
272000
2000
و آنها مورب هستند.
04:49
So each chain, or each element, wants to turn right or left.
117
274000
3000
خب ، هر زنجیره، یا هر جزء، می خواهد به سمت راست یا چپ بچرخد.
04:52
So as you assemble the chain, you're basically programming it.
118
277000
3000
بنابراين وقتي شما زنجیره را مونتاژ می کنید، شما اساسا" آن را برنامه‌ریزی می کنید.
04:55
You're telling each unit if it should turn right or left.
119
280000
3000
شما به هر واحد می گوئید به چپ یا راست بچرخد.
04:58
So when you shake the chain,
120
283000
3000
بنابراين هنگامی که زنجیره را تکان می دهید،
05:01
it then folds up
121
286000
2000
آن پيش مي‌رود
05:03
into any configuration that you've programmed in --
122
288000
3000
به هر شکلی که شما برنامه ریزی کرده باشید---
05:06
so in this case, a spiral,
123
291000
2000
در این مورد، یک مارپیچ،
05:08
or in this case,
124
293000
3000
یا در این مورد،
05:11
two cubes next to each other.
125
296000
3000
دو تا مکعب در مقابل هم.
05:14
So you can basically program
126
299000
2000
شما اساسا" می توانید
05:16
any three-dimensional shape --
127
301000
2000
هر شکل سه بعدی را برنامه ریزی کنید --
05:18
or one-dimensional, two-dimensional -- up into this chain completely passively.
128
303000
3000
یا هر شكل یک بعدی، دو بعدی-- را تا اين زنچیره کاملا" به صورت انفعالي.
05:21
So what does this tell us about the future?
129
306000
2000
خب، این در مورد آینده چه چیزی به ما می گوید؟
05:23
I think that it's telling us
130
308000
2000
گمان کنم این به ما می گوید
05:25
that there's new possibilities for self-assembly, replication, repair
131
310000
3000
که امکان جدیدی برای خود - گردآوری، بازتوليد و خودتعمیری
05:28
in our physical structures, our buildings, machines.
132
313000
3000
ساختارهاي فیزیکی ما، ساختمانها و ماشینهای ما وجود دارد.
05:31
There's new programmability in these parts.
133
316000
2000
در این قطعات قابلیت برنامهپذيري جدیدی وجود دارد.
05:33
And from that you have new possibilities for computing.
134
318000
2000
و از اینرو شما امکانات جدیدی برای محاسبات دارید.
05:35
We'll have spatial computing.
135
320000
2000
ما در آینده محاسبات سه‌بعدي خواهیم داشت.
05:37
Imagine if our buildings, our bridges, machines,
136
322000
2000
تصور کنیداگر ساختمانها، پل ها و ماشینهای ما
05:39
all of our bricks could actually compute.
137
324000
2000
همه قطعات ما، در واقع بتوانند محاسبه و کامپیوتری شوند.
05:41
That's amazing parallel and distributed computing power,
138
326000
2000
این انشعاب شگفت‌انگیز و قدرت محاسباتی پراكنده
05:43
new design possibilities.
139
328000
2000
و امکانات طراحی جدیدی است.
05:45
So it's exciting potential for this.
140
330000
2000
بنابراين آن پتانسیل هیجان‌انگیزی برای این كار دارد.
05:47
So I think these projects I've showed here
141
332000
2000
گمان می کنم پروژه‌هایی که به شما نشان دادم
05:49
are just a tiny step towards this future,
142
334000
2000
تنها گام کوچکی به سوی آینده‌اي هستند،
05:51
if we implement these new technologies
143
336000
2000
كه در آن این فن‌آوری‌هاي جدید
05:53
for a new self-assembling world.
144
338000
2000
برای يك جهان خودگردآور جديد تكميل خواهد شد.
05:55
Thank you.
145
340000
2000
از شما سپاسگزارم.
05:57
(Applause)
146
342000
2000
(تشویق تماشاگران)
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