TED2006
Saul Griffith: Everyday inventions
Saul Griffith parle des inventions de tous les jours
Filmed:
Readability: 4.2
580,919 views
Saul Griffith, inventeur et membre de la Fondation MacArthur partage des idées innovantes nées dans son laboratoire -- d'une "corde intelligente" à un cerf-volant de la taille d'une maison pour tirer de lourdes charges.
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
Bien, qui suis-je ?
00:25
I usually say to people, when they say, "What do you do?"
1
1000
3000
En général je dis aux gens, quand ils demandent, "Que faites-vous dans la vie ?"
00:28
I say, "I do hardware,"
2
4000
2000
Je dis: «Je fabrique du matériel»,
00:30
because it sort of conveniently encompasses everything I do.
3
6000
2000
parce que ça couvre tout ce que je fais et c'est pratique.
00:32
And I recently said that to a venture capitalist casually at some
4
8000
4000
Et j'ai dit ça récemment à un spécialiste du capital-risque sur un ton informel
00:36
Valley event, to which he replied, "How quaint."
5
12000
3000
lors d'un évènement à Silicon Vallée, et il a répondu: «Comme c'est pittoresque."
00:39
(Laughter)
6
15000
2000
(Rires)
00:41
And I sort of really was dumbstruck.
7
17000
3000
Et ça m'a vraiment sidéré.
00:44
And I really should have said something smart.
8
20000
2000
Et j'aurais vraiment dû dire quelque chose d'intelligent.
00:46
And now I've had a little bit of time to think about it,
9
22000
5000
Et maintenant que j'ai eu un peu de temps pour y réfléchir,
00:51
I would have said, "Well, you know,
10
27000
2000
je dirais : «Eh bien, vous savez,
00:53
if we look at the next 100 years
11
29000
2000
si nous considérons les 100 prochaines années
00:55
and we've seen all these problems in the last few days,
12
31000
2000
et nous avons vu tous ces problèmes dans les derniers jours,
00:57
most of the big issues -- clean water, clean energy --
13
33000
3000
la plupart des grandes questions - l'eau potable, l'énergie propre -
01:00
and they're interchangeable in some respects --
14
36000
2000
et ils sont interchangeables, à certains égards -
01:02
and cleaner, more functional materials --
15
38000
2000
des matériaux plus propre et plus fonctionnels -
01:04
they all look to me to be hardware problems.
16
40000
3000
ils ressemblent tous pour moi à des problèmes de matériaux.
01:07
This doesn't mean we should ignore software,
17
43000
2000
Cela ne signifie pas que nous devrions ignorer les logiciels,
01:09
or information, or computation."
18
45000
2000
ou l'information, ou le calcul.
01:11
And that's in fact probably what I'm going to try and tell you about.
19
47000
3000
Et c'est en fait sans doute ce dont je vais essayer de vous parler.
01:14
So, this talk is going to be about how do we make things
20
50000
3000
Donc, cette conférence va porter sur comment nous faisons les choses
01:17
and what are the new ways that we're going to make things in the future.
21
53000
5000
et quelles sont les nouvelles façons dont nous allons les faire à l'avenir.
01:22
Now, TED sends you a lot of spam if you're a speaker
22
58000
5000
Maintenant, TED vous envoie beaucoup de spam si vous êtes un conférencier
01:27
about "do this, do that" and you fill out all these forms,
23
63000
2000
sur "fais ceci, fais cela" et vous remplissez tous ces formulaires,
01:29
and you don't actually know how they're going to describe you,
24
65000
3000
et vous ne savez pas vraiment comment ils vont vous décrire,
01:32
and it flashed across my desk that they were going to introduce me as a futurist.
25
68000
3000
et tout à coup, j'ai réalisé qu'ils allaient me présenter comme un futuriste.
01:35
And I've always been nervous about the term "futurist,"
26
71000
2000
Et le terme futuriste m'a toujours rendu nerveux,
01:37
because you seem doomed to failure because you can't really predict it.
27
73000
3000
parce que vous semblez voué à l'échec parce que vous ne pouvez pas vraiment prévoir l'avenir.
01:40
And I was laughing about this with the very smart colleagues I have,
28
76000
3000
Et j'en riais avec mes très intelligents collègues,
01:43
and said, "You know, well, if I have to talk about the future, what is it?"
29
79000
4000
et j'ai dit: "Vous savez, eh bien, si je dois parler de l'avenir, c'est quoi?"
01:47
And George Homsey, a great guy, said, "Oh, the future is amazing.
30
83000
5000
Et George Homsey, un gars formidable, a dit: "Oh, l'avenir est étonnant.
01:52
It is so much stranger than you think.
31
88000
2000
C'est tellement plus étrange que tu penses.
01:54
We're going to reprogram the bacteria in your gut,
32
90000
2000
Nous allons reprogrammer les bactéries dans ton intestin,
01:56
and we're going to make your poo smell like peppermint."
33
92000
5000
et nous allons faire que ton caca sente la menthe poivrée."
02:01
(Laughter)
34
97000
2000
(Rires)
02:03
So, you may think that's sort of really crazy,
35
99000
3000
Donc, vous pouvez penser que c'est vraiment fou,
02:06
but there are some pretty amazing things that are happening
36
102000
2000
mais il y a des choses assez étonnantes qui se produisent
02:08
that make this possible.
37
104000
1000
qui rendent cela possible.
02:09
So, this isn't my work, but it's work of good friends of mine at MIT.
38
105000
4000
Donc, ce n'est pas mon travail, mais c'est un travail de mes bons amis au MIT.
02:13
This is called the registry of standard biological parts.
39
109000
2000
C'est ce qu'on appelle le registre des pièces biologique standard .
02:15
This is headed by Drew Endy and Tom Knight
40
111000
2000
Il est dirigé par Drew Endy et Tom Knight
02:17
and a few other very, very bright individuals.
41
113000
3000
et quelques autres individus très, très intelligents.
02:20
Basically, what they're doing is looking at biology as a programmable system.
42
116000
3000
Fondamentalement, ce qu'ils font c'est de considérer la biologie en tant que système programmable.
02:23
Literally, think of proteins as subroutines
43
119000
4000
Littéralement, pensez aux protéines comme à des sous-routines
02:27
that you can string together to execute a program.
44
123000
3000
que vous pouvez enchaîner pour exécuter un programme.
02:30
Now, this is actually becoming such an interesting idea.
45
126000
5000
Maintenant, c'est en fait en train de devenir une idée tellement intéressante.
02:35
This is a state diagram. That's an extremely simple computer.
46
131000
3000
Il s'agit d'un diagramme d'état. C'est un ordinateur extrêmement simple.
02:38
This one is a two-bit counter.
47
134000
2000
Celui-ci est un compteur à deux bits.
02:40
So that's essentially the computational equivalent of two light switches.
48
136000
6000
Donc, c'est essentiellement l'équivalent informatique de deux interrupteurs.
02:46
And this is being built by a group of students at Zurich
49
142000
3000
Et cela est construit par un groupe d'étudiants à Zurich
02:49
for a design competition in biology.
50
145000
2000
pour un concours de design en biologie.
02:51
And from the results of the same competition last year,
51
147000
3000
Et à partir des résultats de la même compétition l'an dernier,
02:54
a University of Texas team of students programmed bacteria
52
150000
4000
une équipe d'étudiants de l'Université du Texas a programmé des bactéries
02:58
so that they can detect light and switch on and off.
53
154000
3000
afin qu'elles puissent détecter la lumière et allumer et éteindre.
03:01
So this is interesting in the sense that you can now
54
157000
2000
Donc c'est intéressant dans le sens que vous pouvez maintenant
03:03
do "if-then-for" statements in materials, in structure.
55
159000
5000
faire des déclarations conditionnelles dans des matériaux, des structures.
03:08
This is a pretty interesting trend,
56
164000
2000
Cette tendance est assez intéressante.
03:10
because we used to live in a world where everyone's said glibly,
57
166000
2000
Parce que nous vivions dans un monde où tout le monde disait avec désinvolture,
03:12
"Form follows function," but I think I've sort of grown up in a world
58
168000
4000
la forme suit la fonction, mais je crois que j'ai grandi dans un monde
03:16
-- you listened to Neil Gershenfeld yesterday;
59
172000
3000
- Vous avez écouté Neil Gershenfeld hier,
03:19
I was in a lab associated with his -- where it's really a world
60
175000
4000
J'ai été dans un laboratoire associé à son labo - où c'est vraiment un monde
03:23
where information defines form and function.
61
179000
3000
où l'information définit la forme et la fonction.
03:26
I spent six years thinking about that,
62
182000
4000
J'ai passé six ans à réfléchir à ce sujet,
03:30
but to show you the power of art over science --
63
186000
2000
mais pour vous montrer le pouvoir de l'art sur la science -
03:32
this is actually one of the cartoons I write. These are called "HowToons."
64
188000
3000
il s'agit en fait l'une des bandes dessinées que j'écris. Ce sont les Howtoons.
03:35
I work with a fabulous illustrator called Nick Dragotta.
65
191000
2000
Je travaille avec un illustrateur fabuleux qui s'appelle Nick Dragotta.
03:37
Took me six years at MIT,
66
193000
2000
Ca m'a pris six ans au MIT,
03:39
and about that many pages to describe what I was doing,
67
195000
4000
et autant de pages que ça pour décrire ce que je faisais,
03:43
and it took him one page. And so this is our muse Tucker.
68
199000
5000
et il lui a fallu une seule page. Et ceci est notre muse Tucker.
03:48
He's an interesting little kid -- and his sister, Celine --
69
204000
2000
Il s'agit d'un intéressant petit enfant - et sa sœur, Céline -
03:50
and what he's doing here
70
206000
2000
et ce qu'il fait ici
03:52
is observing the self-assembly of his Cheerios in his cereal bowl.
71
208000
4000
c'est qu'il observe l'auto-assemblage de ses Cheerios dans son bol de céréales.
03:56
And in fact you can program the self-assembly of things,
72
212000
3000
Et en fait, vous pouvez programmer l'auto-assemblage des choses,
03:59
so he starts chocolate-dipping edges,
73
215000
2000
il commence donc par tremper les bords trempés dans le chocolat,
04:01
changing the hydrophobicity and the hydrophylicity.
74
217000
2000
ce qui change l'hydrophobicité et la hydrophylicité.
04:03
In theory, if you program those sufficiently,
75
219000
2000
En théorie, si vous les programmez suffisamment,
04:05
you should be able to do something pretty interesting
76
221000
2000
vous devriez être capable de faire quelque chose d'assez intéressant
04:07
and make a very complex structure.
77
223000
2000
et de faire une structure très complexe.
04:09
In this case, he's done self-replication of a complex 3D structure.
78
225000
5000
Dans ce cas, il a fait une auto-réplication d'une structure complexe en 3D .
04:14
And that's what I thought about for a long time,
79
230000
3000
Et c'est ce que je pensais depuis longtemps,
04:17
because this is how we currently make things.
80
233000
2000
car c'est ainsi que nous créons des choses aujourd'hui.
04:19
This is a silicon wafer, and essentially
81
235000
2000
Il s'agit d'une plaquette de silicium, et essentiellement
04:21
that's just a whole bunch of layers of two-dimensional stuff, sort of layered up.
82
237000
4000
c'est juste un tas de couches de matière en deux dimensions, un peu comme un mille-feuille.
04:25
The feature side is -- you know, people will say,
83
241000
2000
Le côté caractéristique est - vous savez, les gens diront,
04:27
[unclear] down around about 65 nanometers now.
84
243000
2000
[Pas clair] descendu autour de 65 nanomètres maintenant.
04:29
On the right, that's a radiolara.
85
245000
2000
Sur la droite, c'est un radiolaire.
04:31
That's a unicellular organism ubiquitous in the oceans.
86
247000
3000
C'est un organisme unicellulaire omniprésent dans les océans.
04:34
And that has feature sizes down to about 20 nanometers,
87
250000
4000
Et il peu mesurer à peine environ 20 nanomètres,
04:38
and it's a complex 3D structure.
88
254000
2000
et c'est une structure 3D complexe .
04:40
We could do a lot more with computers and things generally
89
256000
4000
Nous pourrions faire beaucoup plus avec les ordinateurs et les choses en général
04:44
if we knew how to build things this way.
90
260000
3000
si nous savions comment construire des choses de cette façon.
04:47
The secret to biology is, it builds computation
91
263000
3000
Le secret de la biologie est, elle inclus du calcul
04:50
into the way it makes things. So this little thing here, polymerase,
92
266000
3000
dans la façon dont elle crée les choses. Donc, cette petite chose ici, la polymérase,
04:53
is essentially a supercomputer designed for replicating DNA.
93
269000
5000
est essentiellement un superordinateur conçu pour la réplication de l'ADN.
04:58
And the ribosome here is another little computer
94
274000
3000
Et ce ribosome, ici, est un autre petit ordinateur
05:01
that helps in the translation of the proteins.
95
277000
2000
qui aide à la traduction des protéines.
05:03
I thought about this
96
279000
1000
J'ai réfléchi à ce sujet
05:04
in the sense that it's great to build in biological materials,
97
280000
3000
en ce sens que c'est formidable de construire en matériaux biologiques,
05:07
but can we do similar things?
98
283000
2000
Mais peut-on faire des choses semblables ?
05:09
Can we get self-replicating-type behavior?
99
285000
2000
Peut-on obtenir un comportement d'auto-réplication ?
05:11
Can we get complex 3D structure automatically assembling
100
287000
4000
Pouvons-nous obtenir qu'une structure complexe 3D s'assemble automatiquement
05:15
in inorganic systems?
101
291000
2000
dans les systèmes inorganiques?
05:17
Because there are some advantages to inorganic systems,
102
293000
2000
Parce qu'il y a des avantages aux systèmes inorganiques,
05:19
like higher speed semiconductors, etc.
103
295000
2000
comme les semi-conducteurs à grande vitesse, et cetera.
05:21
So, this is some of my work
104
297000
2000
Donc, c'est une partie de mon travail
05:23
on how do you do an autonomously self-replicating system.
105
299000
6000
sur comment faire un système qui s'auto-réplique de façon autonome.
05:29
And this is sort of Babbage's revenge.
106
305000
2000
Et cela est une sorte de vengeance de Babbage.
05:31
These are little mechanical computers.
107
307000
1000
Là vous avez de petits ordinateurs mécaniques.
05:32
These are five-state state machines.
108
308000
3000
Ce sont des machines à cinq états.
05:35
So, that's about three light switches lined up.
109
311000
3000
Donc, ce sont trois interrupteurs alignés.
05:38
In a neutral state, they won't bind at all.
110
314000
2000
Dans un état neutre, ils ne se lient pas du tout.
05:40
Now, if I make a string of these, a bit string,
111
316000
4000
Maintenant, si j'en fais une chaîne, une chaîne de bits,
05:44
they will be able to replicate.
112
320000
2000
ils seront en mesure de reproduire.
05:46
So we start with white, blue, blue, white.
113
322000
1000
Nous commençons donc avec blanc, bleu, bleu, blanc.
05:47
That encodes; that will now copy. From one comes two,
114
323000
6000
Ce code, qui va maintenant se copier. De un vient deux,
05:53
and then from two comes three.
115
329000
2000
puis de deux vient trois.
05:55
And so you've got this sort of replicating system.
116
331000
4000
Et donc vous avez ce genre de système de réplication .
05:59
It was work actually by Lionel Penrose,
117
335000
2000
C'était un travail fait par Lionel Penrose,
06:01
father of Roger Penrose, the tiles guy.
118
337000
3000
le père de Roger Penrose, le gars des ardoises.
06:04
He did a lot of this work in the '60s,
119
340000
2000
Il a fait beaucoup de ce travail dans les années 60,
06:06
and so a lot of this logic theory lay fallow
120
342000
2000
et donc beaucoup de cette théorie logique est restée en jachère
06:08
as we went down the digital computer revolution, but it's now coming back.
121
344000
3000
quand nous sommes passés à la révolution informatique numérique, mais elle revient à présent.
06:11
So now I'm going to show you the hands-free, autonomous self-replication.
122
347000
4000
Alors maintenant, je vais vous montrer l'auto-réplication autonome sans intervention.
06:15
So we've tracked in the video the input string,
123
351000
2000
Nous avons donc suivi dans la vidéo la chaîne d'entrée,
06:17
which was green, green, yellow, yellow, green.
124
353000
2000
qui était vert, vert, jaune, jaune, vert.
06:19
We set them off on this air hockey table.
125
355000
4000
Nous les avons lancés sur cette table de air hockey.
06:23
You know, high science uses air hockey tables --
126
359000
2000
Vous savez, la science de haut niveau utilise des tables de air hockey -
06:25
(Laughter)
127
361000
1000
(Rires)
06:26
-- and if you watch this thing long enough you get dizzy,
128
362000
2000
- Et si vous regardez ça assez longtemps ça vous donne des étourdissements,
06:28
but what you're actually seeing is copies of that original string
129
364000
3000
mais ce que vous êtes en train de voir, ce sont des copies de cette chaîne d'origine
06:31
emerging from the parts bin that you have here.
130
367000
3000
émergeant de la réserve de pièces que vous avez ici.
06:34
So we've got autonomous replication of bit strings.
131
370000
5000
Nous avons donc une réplication autonome de chaînes de bits.
06:39
So, why would you want to replicate bit strings?
132
375000
3000
Alors, pourquoi vouloir reproduire des chaînes de bits?
06:42
Well, it turns out biology has this other very interesting meme,
133
378000
3000
Eh bien, il s'avère que la biologie a cet autre mémé très intéressant,
06:45
that you can take a linear string, which is a convenient thing to copy,
134
381000
3000
que vous pouvez prendre une chaîne linéaire, ce qui est une chose facile à copier,
06:48
and you can fold that into an arbitrarily complex 3D structure.
135
384000
4000
et vous pouvez la plier pour en faire arbitrairement une structure complexe en 3D.
06:52
So I was trying to, you know, take the engineer's version:
136
388000
3000
Donc j'essayais, vous savez, prendre la version de l'ingénieur :
06:55
Can we build a mechanical system in inorganic materials
137
391000
3000
Peut-on construire un système mécanique dans des matériaux inorganiques
06:58
that will do the same thing?
138
394000
1000
qui fera la même chose?
06:59
So what I'm showing you here is that we can make a 2D shape --
139
395000
5000
Donc ce que je vous montre ici, c'est que nous pouvons faire une forme 2D -
07:04
the B -- assemble from a string of components
140
400000
4000
la B - assemblée à partir d'une chaîne de composants
07:08
that follow extremely simple rules.
141
404000
2000
qui suivent des règles extrêmement simples.
07:10
And the whole point of going with the extremely simple rules here,
142
406000
3000
Et le point de suivre des règles très simple ici,
07:13
and the incredibly simple state machines in the previous design,
143
409000
3000
et les machines d'état incroyablement simple de la conception précédente,
07:16
was that you don't need digital logic to do computation.
144
412000
3000
c'est que vous n'avez pas besoin de logique numérique pour faire le calcul.
07:19
And that way you can scale things much smaller than microchips.
145
415000
4000
Et de cette façon, vous pouvez mettre les choses à une bien plus petite échelle que les puces électroniques.
07:23
So you can literally use these as the tiny components in the assembly process.
146
419000
4000
Ainsi, vous pouvez littéralement les utiliser comme les minuscules composants dans le processus d'assemblage.
07:27
So, Neil Gershenfeld showed you this video on Wednesday, I believe,
147
423000
5000
Donc, Neil Gershenfeld vous a montré cette vidéo, mercredi, je crois,
07:32
but I'll show you again.
148
428000
2000
mais je vais vous la montrer à nouveau.
07:34
This is literally the colored sequence of those tiles.
149
430000
3000
C'est littéralement la séquence de couleur de ces tuiles.
07:37
Each different color has a different magnetic polarity,
150
433000
3000
Chaque couleur différente a une polarité magnétique différente,
07:40
and the sequence is uniquely specifying the structure that is coming out.
151
436000
5000
et la séquence spécifie de manière unique la structure qui sort.
07:45
Now, hopefully, those of you who know anything about graph theory
152
441000
3000
Maintenant, espérons-le, ceux d'entre vous qui connaissent quoi que ce soit de la théorie des graphes
07:48
can look at that, and that will satisfy you
153
444000
2000
peuvent regarder ça, et il seront satisfaits
07:50
that that can also do arbitrary 3D structure,
154
446000
3000
de voir que cela peut aussi faire des structures 3D arbitraires,
07:53
and in fact, you know, I can now take a dog, carve it up
155
449000
5000
et, en fait, vous savez, je peux maintenant prendre un chien, le découper
07:58
and then reassemble it so it's a linear string
156
454000
2000
et puis le remonter ensuite pour en faire une chaîne linéaire
08:00
that will fold from a sequence. And now
157
456000
2000
qui se plie à partir d'une séquence. Et maintenant
08:02
I can actually define that three-dimensional object as a sequence of bits.
158
458000
7000
je peux effectivement définir cet objet en trois dimensions comme une séquence de bits.
08:09
So, you know, it's a pretty interesting world
159
465000
3000
Donc, vous savez, c'est un monde très intéressant
08:12
when you start looking at the world a little bit differently.
160
468000
2000
quand vous commencez à le regarder un peu différemment.
08:14
And the universe is now a compiler.
161
470000
3000
Et l'univers est un compilateur.
08:17
And so I'm thinking about, you know, what are the programs
162
473000
2000
Et je me demande, vous savez, ce que sont les programmes
08:19
for programming the physical universe?
163
475000
3000
pour la programmation de l'univers physique ?
08:22
And how do we think about materials and structure,
164
478000
3000
Et comment pouvons-nous penser aux matériaux et à la structure,
08:25
sort of as an information and computation problem?
165
481000
3000
comme à des problèmes d'information et de calcul ?
08:28
Not just where you attach a micro-controller to the end point,
166
484000
3000
Pas seulement lorsque vous connectez un micro-contrôleur à la fin,
08:31
but that the structure and the mechanisms are the logic, are the computers.
167
487000
5000
mais que la structure et les mécanismes sont la logique, qu'ils sont les ordinateurs.
08:36
Having totally absorbed this philosophy,
168
492000
5000
Ayant totalement absorbé cette philosophie,
08:41
I started looking at a lot of problems a little differently.
169
497000
3000
j'ai commencé à regarder beaucoup de problèmes un peu différemment.
08:44
With the universe as a computer,
170
500000
1000
Avec l'univers pour ordinateur,
08:45
you can look at this droplet of water
171
501000
2000
vous pouvez regarder cette goutte d'eau
08:47
as having performed the computations.
172
503000
2000
comme ayant effectué les calculs.
08:49
You set a couple of boundary conditions, like gravity,
173
505000
2000
Vous définissez une ou deux conditions aux limites, comme la gravité,
08:51
the surface tension, density, etc., and then you press "execute,"
174
507000
4000
la tension de surface, la densité, et cetera, et puis vous appuyez sur exécuter,
08:55
and magically, the universe produces you a perfect ball lens.
175
511000
5000
et comme par magie, l'univers vous produit une lentille boule parfaite.
09:00
So, this actually applied to the problem
176
516000
2000
Donc, en appliquant ceci au problème
09:02
of -- so there's a half a billion to a billion people in the world
177
518000
3000
de - donc il y a entre un demi-milliard et un milliard de personnes dans le monde
09:05
don't have access to cheap eyeglasses.
178
521000
2000
qui n'ont pas accès à des lunettes à bas prix.
09:07
So can you make a machine
179
523000
2000
Alors, peut-on faire une machine
09:09
that could make any prescription lens very quickly on site?
180
525000
4000
qui pourrait faire n'importe quel verre de prescription très vite, sur place ?
09:13
This is a machine where you literally define a boundary condition.
181
529000
4000
Il s'agit d'une machine sur laquelle vous définissez littéralement une condition à la limite.
09:17
If it's circular, you make a spherical lens.
182
533000
3000
Si elle est circulaire, vous faites un verre sphérique.
09:20
If it's elliptical, you can make an astigmatic lens.
183
536000
3000
Si elle est elliptique, vous pouvez faire un verre astigmate.
09:23
You then put a membrane on that and you apply pressure --
184
539000
3000
Mettez ensuite une membrane dessus et vous appliquez la pression -
09:26
so that's part of the extra program.
185
542000
2000
pour que cela fasse partie du programme d'appoint.
09:28
And literally with only those two inputs --
186
544000
3000
Et littéralement, avec seulement ces deux entrées -
09:31
so, the shape of your boundary condition and the pressure --
187
547000
2000
donc, la forme de votre condition à la limite et la pression -
09:33
you can define an infinite number of lenses
188
549000
2000
vous pouvez définir un nombre infini de verres
09:35
that cover the range of human refractive error,
189
551000
2000
qui couvrent toutes les erreurs de réfraction humaine,
09:37
from minus 12 to plus eight diopters, up to four diopters of cylinder.
190
553000
5000
de moins 12 à plus huit dioptries, jusqu'à quatre dioptries du cylindre.
09:42
And then literally, you now pour on a monomer.
191
558000
3000
Et puis littéralement, vous versez maintenant sur un monomère.
09:45
You know, I'll do a Julia Childs here.
192
561000
3000
Vous savez, je vais le faire à la Julia Childs ici.
09:48
This is three minutes of UV light.
193
564000
3000
C'est trois minutes de lumière UV.
09:51
And you reverse the pressure on your membrane
194
567000
3000
Et vous inversez la pression sur votre membrane
09:54
once you've cooked it. Pop it out.
195
570000
3000
une fois que c'est cuit. Sortez le.
09:57
I've seen this video, but I still don't know if it's going to end right.
196
573000
3000
J'ai vu cette vidéo, mais je ne sais toujours pas si elle va bien finir.
10:00
(Laughter)
197
576000
3000
(Rires)
10:03
So you reverse this. This is a very old movie,
198
579000
2000
Alors vous inversez cette tendance. C'est un film très vieux,
10:05
so with the new prototypes, actually both surfaces are flexible,
199
581000
4000
et avec les nouveaux prototypes, en fait les deux faces sont flexibles,
10:09
but this will show you the point.
200
585000
2000
mais cela vous montrera le principe.
10:11
Now you've finished the lens, you literally pop it out.
201
587000
2000
Maintenant que vous avez terminé le verre, vous le faites littéralement sortir.
10:13
That's next year's Yves Klein, you know, eyeglasses shape.
202
589000
7000
C'est la collection Yves Klein de l'année prochaine, vous savez, la forme des verres de lunettes.
10:20
And you can see that that has a mild prescription of about minus two diopters.
203
596000
3000
Et vous pouvez voir que cela a une prescription légère d'environ moins deux dioptries.
10:23
And as I rotate it against this side shot, you'll see that that has cylinder,
204
599000
4000
Et comme je le tourne vers ce côté, vous verrez que cela a un cylindre ,
10:27
and that was programmed in --
205
603000
1000
et qui a été programmé en -
10:28
literally into the physics of the system.
206
604000
4000
littéralement dans la physique du système.
10:32
So, this sort of thinking about structure as computation
207
608000
3000
Donc, ce genre de réflexion sur la structure en tant que calcul
10:35
and structure as information leads to other things, like this.
208
611000
5000
et la structure en tant qu'information conduit à d'autres choses, comme ça.
10:40
This is something that my people at SQUID Labs
209
616000
3000
C'est quelque chose sur quoi mon équipe à SQUID Labs
10:43
are working on at the moment, called "electronic rope."
210
619000
2000
travaille en ce moment, appelé corde électronique.
10:45
So literally, you think about a rope. It has very complex structure in the weave.
211
621000
4000
Donc, littéralement, vous pensez à une corde. Elle a une structure très complexe dans sa trame.
10:49
And under no load, it's one structure.
212
625000
2000
Et sans charge, c'est une structure.
10:51
Under a different load, it's a different structure. And you can actually exploit that
213
627000
3000
Sous une charge différente, c'est une structure différente. Et vous pouvez réellement exploiter ça
10:54
by putting in a very small number of
214
630000
2000
en ajoutant un très petit nombre de
10:56
conducting fibers to actually make it a sensor.
215
632000
2000
fibres conductrices pour effectivement en faire un capteur.
10:58
So this is now a rope that knows the load on the rope
216
634000
3000
C'est donc maintenant une corde qui connaît la charge sur la corde
11:01
at any particular point in the rope.
217
637000
2000
à n'importe quel point dans la corde.
11:03
Just by thinking about the physics of the world,
218
639000
3000
Rien qu'en pensant à la physique du monde,
11:06
materials as the computer,
219
642000
2000
aux matériaux en tant qu'ordinateur,
11:08
you can start to do things like this.
220
644000
3000
vous pouvez commencer à faire des choses comme ça.
11:11
I'm going to segue a little here.
221
647000
3000
Je vais enchaîner un peu ici.
11:14
I guess I'm just going to casually tell you the types of things
222
650000
2000
Je pense que je vais juste vous dire en passant le genre de choses
11:16
that I think about with this.
223
652000
1000
que je pense à cet égard.
11:17
One thing I'm really interested about this right now is, how,
224
653000
4000
Une chose qui m'intéresse vraiment dans ce domaine maintenant, comment,
11:21
if you're really taking this view of the universe as a computer,
225
657000
4000
si vous adhérez vraiment à ce point de vue de l'univers en tant qu' ordinateur,
11:25
how do we make things in a very general sense,
226
661000
2000
comment pouvons-nous créer des choses dans un sens très général,
11:27
and how might we share the way we make things in a general sense
227
663000
4000
et comment pouvons-nous partager la façon dont nous faisons les choses dans un sens général
11:31
the same way you share open source hardware?
228
667000
3000
de la même manière que vous partagez du matériel open source?
11:34
And a lot of talks here have espoused the benefits
229
670000
3000
Et beaucoup de discussions ici ont épousé les avantages
11:37
of having lots of people look at problems,
230
673000
2000
d'avoir une multitude de personnes pour examiner les problèmes,
11:39
share the information and work on those things together.
231
675000
3000
partager l'information et travailler sur ces choses ensemble.
11:42
So, a convenient thing about being a human is you move in linear time,
232
678000
3000
Donc, pour un être humain il est facile de se déplacer sur un temps linéaire,
11:45
and unless Lisa Randall changes that,
233
681000
2000
et sauf si Lisa Randall change ça,
11:47
we'll continue to move in linear time.
234
683000
3000
nous allons continuer à évoluer dans le temps linéaire.
11:50
So that means anything you do, or anything you make,
235
686000
2000
Cela signifie donc que tout ce que vous faites ou que vous créez
11:52
you produce a sequence of steps --
236
688000
2000
vous produisez une série d'étapes -
11:54
and I think Lego in the '70s nailed this,
237
690000
3000
et je pense que Lego dans les années 70 a mis dans le mille,
11:57
and they did it most elegantly.
238
693000
1000
et ils l'ont fait le plus élégamment du monde.
11:58
But they can show you how to build things in sequence.
239
694000
4000
Mais ils peuvent vous montrer comment construire des choses en séquence.
12:02
So, I'm thinking about, how can we generalize
240
698000
3000
Donc, je réfléchis, comment peut-on généraliser
12:05
the way we make all sorts of things,
241
701000
2000
la façon dont nous faisons toutes sortes de choses,
12:07
so you end up with this sort of guy, right?
242
703000
2000
pour se retrouver avec ce genre de truc, vous voyez?
12:09
And I think this applies across a very broad -- sort of, a lot of concepts.
243
705000
5000
Et je pense que cela s'applique très largement - à de nombreux concepts.
12:14
You know, Cameron Sinclair yesterday said,
244
710000
2000
Vous savez, hier, Cameron Sinclair a dit,
12:16
"How do I get everyone to collaborate on design
245
712000
2000
"Comment puis-je obtenir que chacun collabore à la conception
12:18
globally to do housing for humanity?"
246
714000
3000
globalement pour créer des logements pour l'humanité? "
12:21
And if you've seen Amy Smith,
247
717000
2000
Et si vous avez vu Amy Smith,
12:23
she talks about how you get students at MIT
248
719000
4000
elle parle de la façon dont vous obtenez des étudiants du MIT
12:27
to work with communities in Haiti.
249
723000
2000
qu'ils travaillent avec les communautés en Haïti.
12:29
And I think we have to sort of redefine and rethink
250
725000
2000
Et je pense que nous devons redéfinir et repenser
12:31
how we define structure and materials and assembly things,
251
727000
4000
la façon dont nous définissons la structure et les matériaux et les assemblages,
12:35
so that we can really share the information
252
731000
2000
afin que nous puissions vraiment partager l'information
12:37
on how you do those things in a more profound way
253
733000
2000
sur la façon dont vous faites ces choses, d'une manière plus profonde
12:39
and build on each other's source code for structure.
254
735000
3000
et bâtir sur les codes sources des uns et des autres pour la structure.
12:42
I don't know exactly how to do this yet,
255
738000
1000
Je ne sais pas encore exactement comment le faire,
12:43
but, you know, it's something being actively thought about.
256
739000
5000
mais, vous savez, j'y pense activement.
12:48
So, you know, that leads to questions
257
744000
2000
Donc, vous savez, cela conduit à des questions
12:50
like, is this a compiler? Is this a sub-routine?
258
746000
4000
comme, est-ce un compilateur ? Est-ce une sous-routine ?
12:54
Interesting things like that.
259
750000
1000
Des choses intéressantes comme ça.
12:55
Maybe I'm getting a little too abstract, but you know,
260
751000
3000
Peut-être que je deviens un peu trop abstrait, mais vous savez,
12:58
this is the sort of -- returning to our comic characters --
261
754000
3000
c'est le genre de - pour revenir à nos personnages de bande dessinée -
13:01
this is sort of the universe, or a different universe view,
262
757000
2000
c'est en quelque sorte l'univers, ou une vue différente de l'univers
13:03
that I think is going to be very prevalent in the future --
263
759000
2000
qui je pense prévaudra dans l'avenir -
13:05
from biotech to materials assembly. It was great to hear Bill Joy.
264
761000
3000
de la biotechnologie aux matériaux d'assemblage. C'était formidable d'entendre Bill Joy.
13:08
They're starting to invest in materials science,
265
764000
3000
Ils commencent à investir dans la science des matériaux,
13:11
but these are the new things in materials science.
266
767000
2000
mais ce sont des choses nouvelles dans la science des matériaux.
13:13
How do we put real information and real structure into new ideas,
267
769000
4000
Comment pouvons-nous transformer l'information réelle et la structure réelle en idées nouvelles,
13:17
and see the world in a different way? And it's not going to be binary code
268
773000
3000
et voir le monde d'une manière différente ? Et ça ne sera pas du code binaire
13:20
that defines the computers of the universe --
269
776000
2000
qui définit les ordinateurs de l'univers -
13:22
it's sort of an analog computer.
270
778000
2000
c'est une sorte d'ordinateur analogique.
13:24
But it's definitely an interesting new worldview.
271
780000
5000
Mais c'est certainement une vision nouvelle et intéressante du monde.
13:29
I've gone too far. So that sounds like it's it.
272
785000
3000
Je suis allé trop loin. Donc,on dirait bien que c'est terminé.
13:32
I've probably got a couple of minutes of questions,
273
788000
2000
J'ai probablement une ou deux minutes de questions,
13:34
or I can show -- I think they also said that I do extreme stuff
274
790000
4000
ou je peux montrer - je pense qu'ils ont également dit que je faisais des trucs extrêmes
13:38
in the introduction, so I may have to explain that.
275
794000
4000
dans l'introduction, je dois peut-être expliquer ça.
13:42
So maybe I'll do that with this short video.
276
798000
3000
Alors peut-être que je vais le faire avec cette courte vidéo.
13:45
So this is actually a 3,000-square-foot kite,
277
801000
6000
Donc, il s'agit d'un cerf-volant de 900 mètres carrés,
13:51
which also happens to be a minimal energy surface.
278
807000
2000
qui se trouve être également une surface d'énergie minimale.
13:53
So returning to the droplet, again,
279
809000
2000
Donc, pour en revenir à la goutte, à nouveau,
13:55
thinking about the universe in a new way.
280
811000
2000
en pensant à l'univers d'une manière nouvelle.
13:57
This is a kite designed by a guy called Dave Kulp.
281
813000
2000
Il s'agit d'un cerf-volant conçu par un gars nommé Dave Kulp.
13:59
And why do you want a 3,000-square-foot kite?
282
815000
2000
Et pourquoi voudriez-vous un cerf-volant de 900 mètres carrés?
14:01
So that's a kite the size of your house.
283
817000
2000
Donc, c'est un cerf-volant de la taille de votre maison.
14:03
And so you want that to tow boats very fast.
284
819000
4000
Et vous voulez ça pour remorquer des bateaux très vite.
14:07
So I've been working on this a little, also,
285
823000
3000
J'ai donc travaillé un peu là-dessus, aussi,
14:10
with a couple of other guys.
286
826000
2000
avec deux ou trois autres types.
14:12
But, you know, this is another way to look at the --
287
828000
2000
Mais, vous savez, c'est une autre façon de regarder le -
14:14
if you abstract again,
288
830000
2000
si on se met à nouveau dans l'abstrait,
14:16
this is a structure that is defined by the physics of the universe.
289
832000
4000
c'est une structure qui est définie par la physique de l'univers.
14:20
You could just hang it as a bed sheet,
290
836000
1000
Vous pouvez tout simplement l'accrocher comme un drap de lit,
14:21
but again, the computation of all the physics
291
837000
2000
mais là encore, le calcul de toute la physique
14:23
gives you the aerodynamic shape.
292
839000
2000
vous donne la forme aérodynamique.
14:25
And so you can actually sort of almost double your boat speed
293
841000
3000
Et donc vous pouvez réellement presque doubler la vitesse de votre bateau
14:28
with systems like that. So that's sort of another interesting aspect of the future.
294
844000
7000
avec des systèmes comme ça. Donc, c'est un autre aspect intéressant de l'avenir.
14:35
(Applause)
295
851000
1000
(Applaudissements)
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