TED2005
Janine Benyus: Biomimicry's surprising lessons from nature's engineers
Janine Benyus mesél a természet tervezési megoldásairól.
Filmed:
Readability: 4.1
2,405,060 views
A biomimetika területén történt legújabb előrehaladásokról szóló inspiráló előadásában, Janine Benyus izgalmas és buzdító példákat hoz arra, hogy már most miként befolyásolja a természet a termékeket és rendszereket amelyeket építünk.
Janine Benyus - Science writer, innovation consultant, conservationist
A self-proclaimed nature nerd, Janine Benyus' concept of biomimicry has galvanized scientists, architects, designers and engineers into exploring new ways in which nature's successes can inspire humanity. Full bio
A self-proclaimed nature nerd, Janine Benyus' concept of biomimicry has galvanized scientists, architects, designers and engineers into exploring new ways in which nature's successes can inspire humanity. Full bio
Double-click the English transcript below to play the video.
00:24
It is a thrill to be here at a conference
0
0
4000
Izgalmas itt lenni egy olyan konferencián,
00:28
that's devoted to "Inspired by Nature" -- you can imagine.
1
4000
5000
amelynek a témája: "A természet ihlette", el tudják képzelni.
00:33
And I'm also thrilled to be in the foreplay section.
2
9000
4000
És izgalmas itt lenni az előjáték szekcióban.
00:37
Did you notice this section is foreplay?
3
13000
2000
Észrevették, hogy ez a szekció az előjáték?
00:39
Because I get to talk about one of my favorite critters,
4
15000
3000
Azért, mert az egyik kedvenc állatkámról beszélhetek itt,
00:42
which is the Western Grebe. You haven't lived
5
18000
3000
a Nyugati Vöcsökről. Addig nem éltél,
00:45
until you've seen these guys do their courtship dance.
6
21000
4000
amíg nem láttad a násztáncukat.
00:49
I was on Bowman Lake in Glacier National Park,
7
25000
3000
A Bowman tavon voltam a Glacier Nemzeti Parkban,
00:52
which is a long, skinny lake with sort of mountains upside down in it,
8
28000
4000
amely egy hosszú, vékony tó, olyan a fejjel lefele hegyekkel benne.
00:56
and my partner and I have a rowing shell.
9
32000
2000
Nekem és a páromnak van egy kajakunk.
00:58
And so we were rowing, and one of these Western Grebes came along.
10
34000
6000
Szóval eveztünk és egyike ezeknek a Nyugati Vöcsköknek velünk tartott.
01:04
And what they do for their courtship dance is, they go together,
11
40000
5000
A násztáncuk alkalmával egymás mellett haladnak,
01:09
the two of them, the two mates, and they begin to run underwater.
12
45000
5000
mindketten, a két társ, elkezdenek a víz alatt szaladni.
01:14
They paddle faster, and faster, and faster, until they're going so fast
13
50000
4000
Egyre gyorsabban lépkednek, mígnem annyira gyorsak,
01:18
that they literally lift up out of the water,
14
54000
3000
hogy szó szerint kiemelkednek a vízből,
01:21
and they're standing upright, sort of paddling the top of the water.
15
57000
4000
és felegyenesedve, a víz felszínén szaladnak.
01:25
And one of these Grebes came along while we were rowing.
16
61000
5000
Egyike ezeknek a Vöcsköknek velünk tartott amíg eveztünk.
01:30
And so we're in a skull, and we're moving really, really quickly.
17
66000
4000
Mi ugye egy kajakban ülünk és nagyon gyorsan haladunk.
01:34
And this Grebe, I think, sort of, mistaked us for a prospect,
18
70000
7000
A Vöcsök szerintem egy esélyes párnak hitt minket,
01:41
and started to run along the water next to us,
19
77000
4000
és elkezdett szaladni a vízen mellettünk,
01:45
in a courtship dance -- for miles.
20
81000
5000
násztáncot járva, mérföldeken keresztül.
01:50
It would stop, and then start, and then stop, and then start.
21
86000
4000
Megállt, majd elindult, megállt, újra elindult.
01:54
Now that is foreplay.
22
90000
2000
Ezt nevezem én előjátéknak.
01:56
(Laughter)
23
92000
3000
(Nevetés)
01:59
I came this close to changing species at that moment.
24
95000
9000
Ilyen közel álltam akkor, hogy fajt váltsak.
02:08
Obviously, life can teach us something
25
104000
4000
Az élet meg tud tanítani egy s másra
02:12
in the entertainment section. Life has a lot to teach us.
26
108000
4000
a szórakozás területén. Az élet sokmindenre megtanít.
02:16
But what I'd like to talk about today
27
112000
3000
De amiről én ma beszélni szeretnék,
02:19
is what life might teach us in technology and in design.
28
115000
4000
hogy mit taníthatna technikában és tervezésben.
02:23
What's happened since the book came out --
29
119000
2000
Mi történt azóta, hogy a könyvet kiadták?
02:25
the book was mainly about research in biomimicry --
30
121000
3000
A könyv elsősorban a biomimetika kutatásról szólt.
02:28
and what's happened since then is architects, designers, engineers --
31
124000
4000
Azóta az történt, hogy építészek, tervezők és mérnökök,
02:32
people who make our world -- have started to call and say,
32
128000
3000
emberek, akik a világunkat építik, azt kezdtek hívogatni,
02:35
we want a biologist to sit at the design table
33
131000
4000
szeretnénk ha egy biológus ülne a tervezőasztalnál,
02:39
to help us, in real time, become inspired.
34
135000
3000
hogy segítsen minket, helyben inspirációt szerezni.
02:42
Or -- and this is the fun part for me -- we want you to take us out
35
138000
4000
Vagy, és ez az élvezetes része számomra, szeretnénk, ha
02:46
into the natural world. We'll come with a design challenge
36
142000
2000
kivinnétek a természetbe. Mi hozzuk a tervezési kihívásunkat
02:48
and we find the champion adapters in the natural world, who might inspire us.
37
144000
5000
és megtaláljuk a alkalmazkodóbajnokokat a természetben.
02:53
So this is a picture from a Galapagos trip that we took
38
149000
4000
Ez egy kép a Galapagos-i utunkról, amelyet néhány
02:57
with some wastewater treatment engineers; they purify wastewater.
39
153000
4000
mérnökkel tettünk meg; akik szennyvíztisztítással foglalkoznak.
03:01
And some of them were very resistant, actually, to being there.
40
157000
3000
Egyesek közülük eléggé elutasítóan álltak hozzá.
03:04
What they said to us at first was, you know, we already do biomimicry.
41
160000
5000
Eleinte azzal érveltek, hogy tudja, mi már csináljuk a biomimetikát.
03:09
We use bacteria to clean our water. And we said,
42
165000
5000
Baktériumokat használunk a víz tisztítására. De mi azt mondtuk:
03:14
well, that's not exactly being inspired by nature.
43
170000
4000
hát, az nem igazán a természet adta inspiráció.
03:18
That's bioprocessing, you know; that's bio-assisted technology:
44
174000
4000
Az bio-feldolgozás, bio-támogatott technológia:
03:22
using an organism to do your wastewater treatment
45
178000
5000
felhasználni egy organizmust, amely elvégzi munkát
03:27
is an old, old technology called "domestication."
46
183000
3000
egy nagyon régi technológia, "megszelidítésnek" hívják.
03:30
This is learning something, learning an idea, from an organism and then applying it.
47
186000
7000
Itt tanulásról van szó, valamit megtanulok egy organizmustól, amit alkalmazok.
03:37
And so they still weren't getting it.
48
193000
3000
Szóval nem értették a lényeget.
03:40
So we went for a walk on the beach and I said,
49
196000
2000
Úgyhogy elmentünk sétálni a víz partján és azt mondtam,
03:42
well, give me one of your big problems. Give me a design challenge,
50
198000
5000
nos, mi a ti nagy problémátok. Adjatok egy tervezési kihívást,
03:47
sustainability speed bump, that's keeping you from being sustainable.
51
203000
3000
egy akadályt, ami visszatart attól, hogy fenntarthatóak legyetek.
03:50
And they said scaling, which is the build-up of minerals inside of pipes.
52
206000
6000
És ők az mondták, hogy a vízkő, ásványi lerakódás a csövekben.
03:56
And they said, you know what happens is, mineral --
53
212000
2000
Azt mondták, az történik, hogy a vízkő
03:58
just like at your house -- mineral builds up.
54
214000
2000
akár a lakásában, lerakódik,
04:00
And then the aperture closes, and we have to flush the pipes with toxins,
55
216000
4000
és elzárja a csövet. Mérgező anyagokkal kell kimossuk,
04:04
or we have to dig them up.
56
220000
2000
vagy ki kell kaparjuk.
04:06
So if we had some way to stop this scaling --
57
222000
3000
Szóval ha lenne valami módja hogy megállítsuk a kövesedést...
04:09
and so I picked up some shells on the beach. And I asked them,
58
225000
5000
Erre én felvettem néhány kagylót. És megkérdeztem őket,
04:14
what is scaling? What's inside your pipes?
59
230000
2000
Mi a vízkő? Mi az anyag a csöveitekben?
04:16
And they said, calcium carbonate.
60
232000
3000
Azt mondtak, kalcium karbonát.
04:19
And I said, that's what this is; this is calcium carbonate.
61
235000
3000
Én azt mondtam, ez is az, ez is kalcium karbonát.
04:22
And they didn't know that.
62
238000
3000
Ők nem tudták ezt.
04:25
They didn't know that what a seashell is,
63
241000
2000
Nem tudták, hogy a tengeri kagyló anyaga
04:27
it's templated by proteins, and then ions from the seawater
64
243000
4000
egy fehérje váz, amire a tengervízbeli ionok
04:31
crystallize in place to create a shell.
65
247000
3000
rákristályosodnak, így megalkotva a kagylót.
04:34
So the same sort of a process, without the proteins,
66
250000
4000
Ugyanaz a folyamat megy végbe, fehérjék nélkül,
04:38
is happening on the inside of their pipes. They didn't know.
67
254000
3000
a csöveik belsejében. Ezt nem tudták.
04:41
This is not for lack of information; it's a lack of integration.
68
257000
6000
Nem információ hiánya miatt; hanem integráció hiány miatt.
04:47
You know, it's a silo, people in silos. They didn't know
69
263000
3000
Emberek elzárt dobozokban. Nem tudták,
04:50
that the same thing was happening. So one of them thought about it
70
266000
3000
hogy ugyanaz a folyamat megy végbe. Egyikük elkezdett gondolkodni
04:53
and said, OK, well, if this is just crystallization
71
269000
4000
és azt mondta, szóval, ha ez csak kikristályosodás
04:57
that happens automatically out of seawater -- self-assembly --
72
273000
5000
ami önállóan megy végbe a tengervízben, önszerveződés,
05:02
then why aren't shells infinite in size? What stops the scaling?
73
278000
5000
akkor miért nem végtelen nagyok a kagylók? Mi állítja le?
05:07
Why don't they just keep on going?
74
283000
2000
Miért nem folytatódik a folyamat?
05:09
And I said, well, in the same way
75
285000
4000
Elmondtam, hogy ugyanúgy ahogy beindítják a fehérjék,
05:13
that they exude a protein and it starts the crystallization --
76
289000
4000
ahogy kiválasztanak egy fehérjét ami beindítja a kristályosodást,
05:17
and then they all sort of leaned in --
77
293000
4000
ekkor kezdtek mindannyian figyelni,
05:21
they let go of a protein that stops the crystallization.
78
297000
3000
kiválasztanak egy fehérjét ami megállítja.
05:24
It literally adheres to the growing face of the crystal.
79
300000
2000
Szó szerint rátapad a növekedő kristály felületére.
05:26
And, in fact, there is a product called TPA
80
302000
4000
Azóta van egy termék, a TPA,
05:30
that's mimicked that protein -- that stop-protein --
81
306000
5000
ami utánozza ezt a megállító fehérjét,
05:35
and it's an environmentally friendly way to stop scaling in pipes.
82
311000
4000
egy környezetbarát eljárás amivel megállítható a vízkövesedés.
05:39
That changed everything. From then on,
83
315000
4000
Ez mindent megváltoztatott. Ettől kezdve,
05:43
you could not get these engineers back in the boat.
84
319000
4000
nem lehetett visszarakni a mérnököket a hajóba.
05:47
The first day they would take a hike,
85
323000
3000
Az első nap elmentek túrázni,
05:50
and it was, click, click, click, click. Five minutes later they were back in the boat.
86
326000
3000
és csak, klikk, klikk, klikk, klikk. Majd öt perc múlva újra a hajóban voltak.
05:53
We're done. You know, I've seen that island.
87
329000
4000
Befejeztük. Ezt a szigetet megnéztük.
05:57
After this,
88
333000
2000
De ezután,
05:59
they were crawling all over. They would snorkel
89
335000
3000
Mindenütt ott voltak. Nem akartak ...
06:02
for as long as we would let them snorkel.
90
338000
5000
búvárkodtak egészen addig amíg engedtük nekik.
06:07
What had happened was that they realized that there were organisms
91
343000
4000
Az történt, hogy rájöttek, vannak organizmusok körülöttük,
06:11
out there that had already solved the problems
92
347000
4000
amelyek már régóta megoldották a problémákat,
06:15
that they had spent their careers trying to solve.
93
351000
3000
amelyeket egész karrierjük során próbáltak megoldani.
06:18
Learning about the natural world is one thing;
94
354000
5000
Egy dolog a természetről tanulni.
06:23
learning from the natural world -- that's the switch.
95
359000
2000
A természettől tanulni, ez valami más.
06:25
That's the profound switch.
96
361000
3000
Ez az alapvető váltás.
06:28
What they realized was that the answers to their questions are everywhere;
97
364000
4000
Azt ismerték fel, hogy a válaszok a kérdéseikre mindenütt ott vannak,
06:32
they just needed to change the lenses with which they saw the world.
98
368000
4000
csak le kellett cserélni a szemüveget amin keresztül látták a világot.
06:36
3.8 billion years of field-testing.
99
372000
4000
3.8 milliárd évnyi tesztelés.
06:40
10 to 30 -- Craig Venter will probably tell you;
100
376000
3000
10-30 milló - Craig Venter valószínűleg elmondja majd,
06:43
I think there's a lot more than 30 million -- well-adapted solutions.
101
379000
4000
szerintem sokkal több mint 30 millió jól kidolgozott megoldás van.
06:47
The important thing for me is that these are solutions solved in context.
102
383000
8000
Fontos számomra, hogy ezek egy adott környezetre vannak kialakítva.
06:55
And the context is the Earth --
103
391000
2000
És ez a környezet a Föld.
06:57
the same context that we're trying to solve our problems in.
104
393000
5000
A környezet, ahol mi is próbálunk megoldásokat találni.
07:02
So it's the conscious emulation of life's genius.
105
398000
4000
Tudatos leutánzása az élet zsenialitásának.
07:06
It's not slavishly mimicking --
106
402000
2000
Ez nem gépies mímelés,
07:08
although Al is trying to get the hairdo going --
107
404000
3000
bár Al próbálkozott a frizura kialakításával,
07:11
it's not a slavish mimicry; it's taking the design principles,
108
407000
4000
ez nem gépies mímelés. Vesszük a tervezési elveket,
07:15
the genius of the natural world, and learning something from it.
109
411000
5000
a természet zsenialitását, és valamit tanulunk belőle.
07:20
Now, in a group with so many IT people, I do have to mention what
110
416000
4000
Egy ilyen IT emberekkel teli csoportban, meg kell említenem, hogy
07:24
I'm not going to talk about, and that is that your field
111
420000
3000
egy dologról nem fogok beszélni, ez pedig a ti területetek,
07:27
is one that has learned an enormous amount from living things,
112
423000
4000
egyike azoknak, amely sokat tanult az élő dolgoktól,
07:31
on the software side. So there's computers that protect themselves,
113
427000
4000
a software terén. Vannak számítógépek, amelyek megvédik magukat,
07:35
like an immune system, and we're learning from gene regulation
114
431000
3000
akár egy immunrendszer. És tanulunk a génszabályozástól
07:38
and biological development. And we're learning from neural nets,
115
434000
5000
és a biológiai fejlődéstől. És tanulunk a neurális hálózatoktól,
07:43
genetic algorithms, evolutionary computing.
116
439000
3000
genetikai, evolúciós algoritmusoktól.
07:46
That's on the software side. But what's interesting to me
117
442000
5000
Ez a dolgok software oldala. De ami számomra érdekes,
07:51
is that we haven't looked at this, as much. I mean, these machines
118
447000
5000
hogy nem néztünk bele elég mélyen a dolgokba. Ezek a gépek
07:56
are really not very high tech in my estimation
119
452000
3000
megítélésem szerint nem igazan high-tech megvalósítások
07:59
in the sense that there's dozens and dozens of carcinogens
120
455000
5000
olyan értelemben, hogy több tucat rákkeltő anyag
08:04
in the water in Silicon Valley.
121
460000
3000
van a Szilikonvölgy vizében.
08:07
So the hardware
122
463000
3000
Úgyhogy a hardware
08:10
is not at all up to snuff in terms of what life would call a success.
123
466000
5000
egyáltalán nem üti meg az élet sikerességi mércéjét.
08:15
So what can we learn about making -- not just computers, but everything?
124
471000
5000
Szóval mit tanulhatunk, nemcsak a számítógép, hanem bármi gyártásáról?
08:20
The plane you came in, cars, the seats that you're sitting on.
125
476000
4000
A repülőgép, amivel jöttetek, autók, az ülés amiben ültök, stb.
08:24
How do we redesign the world that we make, the human-made world?
126
480000
7000
Hogyan tervezzük újra a világot, az ember építette világot?
08:31
More importantly, what should we ask in the next 10 years?
127
487000
4000
Ami még fontosabb, milyen kérdéseket tegyünk fel a következő 10 évben?
08:35
And there's a lot of cool technologies out there that life has.
128
491000
3000
És az életnek sok, sok profi technológiája van.
08:38
What's the syllabus?
129
494000
2000
Mi a tanterv?
08:40
Three questions, for me, are key.
130
496000
4000
Számomra három kérdés a kulcs.
08:44
How does life make things?
131
500000
2000
Az élet miként állít elő dolgokat?
08:46
This is the opposite; this is how we make things.
132
502000
3000
Teljesen ellenkező módon, ahogy mi állítunk elő dolgokat.
08:49
It's called heat, beat and treat --
133
505000
2000
Úgy mondják, melegítés, préselés és megmunkálás.
08:51
that's what material scientists call it.
134
507000
2000
Így mondják az anyagtudósok.
08:53
And it's carving things down from the top, with 96 percent waste left over
135
509000
5000
A dolgok fentről lefele való kifaragása, ami során 96 százalék a hulladék,
08:58
and only 4 percent product. You heat it up; you beat it with high pressures;
136
514000
5000
és csak 4 százalék termék. Felmelegíted, nagy nyomáson préseled,
09:03
you use chemicals. OK. Heat, beat and treat.
137
519000
3000
vegyszert használsz. Melegít, présel és megmunkál.
09:06
Life can't afford to do that. How does life make things?
138
522000
4000
Az élet nem engedheti meg magának ezt. Hogyan gyárt dolgokat?
09:10
How does life make the most of things?
139
526000
3000
Hogyan állítja elő a legtöbb dolgot?
09:13
That's a geranium pollen.
140
529000
3000
Ez a geranium pollen.
09:16
And its shape is what gives it the function of being able
141
532000
5000
A szerkezete kölcsönzi neki azt a funkciót, hogy
09:21
to tumble through air so easily. Look at that shape.
142
537000
4000
annyira könnyen tud szállni a levegőben.
09:25
Life adds information to matter.
143
541000
5000
Az élet információt ad az anyaghoz.
09:30
In other words: structure.
144
546000
2000
Más szóval: szerkezetet.
09:32
It gives it information. By adding information to matter,
145
548000
5000
Információt kölcsönöz neki, és ezáltal funkciót,
09:37
it gives it a function that's different than without that structure.
146
553000
6000
ami különbözik a szerkezet nélkülitől.
09:43
And thirdly, how does life make things disappear into systems?
147
559000
5000
Valamint az élet feloldja a dolgokat rendszerekben.
09:48
Because life doesn't really deal in things;
148
564000
5000
Mert az élet nem igazan foglalkozik olyasmivel,
09:53
there are no things in the natural world divorced
149
569000
4000
a természetben nincsenek a rendszertől
09:57
from their systems.
150
573000
3000
különálló dolgok.
10:00
Really quick syllabus.
151
576000
2000
Ez egy tömör tanterv.
10:02
As I'm reading more and more now, and following the story,
152
578000
6000
Amint egyre többet olvasok és követem az eseményeket,
10:08
there are some amazing things coming up in the biological sciences.
153
584000
4000
elképesztő dolgok vannak kialakulóban a biológiatudományokban.
10:12
And at the same time, I'm listening to a lot of businesses
154
588000
3000
És ugyanakkor, sok céggel van kapcsolatom.
10:15
and finding what their sort of grand challenges are.
155
591000
4000
Tudom, hogy milyen nagy kihívások előtt állnak.
10:19
The two groups are not talking to each other.
156
595000
2000
Ez a két csoport nem beszél egymással.
10:21
At all.
157
597000
3000
Egyáltalán nem.
10:24
What in the world of biology might be helpful at this juncture,
158
600000
4000
A biológia világából mi lehetne számunkra hasznos,
10:28
to get us through this sort of evolutionary knothole that we're in?
159
604000
5000
ami átlendítene az evolúciós csomóponton, amiben vagyunk?
10:33
I'm going to try to go through 12, really quickly.
160
609000
3000
Megpróbálok gyorsan 12 példát felvázolni.
10:36
One that's exciting to me is self-assembly.
161
612000
3000
Az egyik számomra izgalmas, az önszerveződés.
10:39
Now, you've heard about this in terms of nanotechnology.
162
615000
4000
Már hallottatok erről a nanotechnológiával kapcsolatban.
10:43
Back to that shell: the shell is a self-assembling material.
163
619000
4000
Térjünk vissza a kagylóhoz: egy önszerveződő anyag.
10:47
On the lower left there is a picture of mother of pearl
164
623000
4000
A bal alsó képen láthatunk egy gyöngyszülőt
10:51
forming out of seawater. It's a layered structure that's mineral
165
627000
4000
ami a tengervízből alakul ki. Ez egy réteges szerkezet, ami ásvány
10:55
and then polymer, and it makes it very, very tough.
166
631000
3000
és polimer, ami igen erőssé teszi.
10:58
It's twice as tough as our high-tech ceramics.
167
634000
3000
Kétszer olyan erős, mint a high-tech kerámiáink.
11:01
But what's really interesting: unlike our ceramics that are in kilns,
168
637000
4000
De ami igazán érdekes: amig azok kemencében készülnek,
11:05
it happens in seawater. It happens near, in and near, the organism's body.
169
641000
5000
ez tengervízben készül. Az élőlény testéhez közel és benne történik.
11:10
This is Sandia National Labs.
170
646000
2000
Az emberek kezdik...
11:12
A guy named Jeff Brinker
171
648000
5000
ez a Sandia National Labs; egy Jeff Brinker nevű fickó
11:17
has found a way to have a self-assembling coding process.
172
653000
4000
megvalósított egy programozott önszerveződő folyamatot.
11:21
Imagine being able to make ceramics at room temperature
173
657000
4000
Képzeljétek el a szobahőmérsékletű kerámiagyártást
11:25
by simply dipping something into a liquid,
174
661000
4000
azáltal, hogy belemártunk valamit folyadékba,
11:29
lifting it out of the liquid, and having evaporation
175
665000
3000
kihúzzuk, és hagyjuk, hogy a párolgás
11:32
force the molecules in the liquid together,
176
668000
4000
rákényszerítse a molekulákat,
11:36
so that they jigsaw together
177
672000
2000
hogy összekapcsolódjanak
11:38
in the same way as this crystallization works.
178
674000
4000
hasonlóan, ahogy ez a kristályosodás működik.
11:42
Imagine making all of our hard materials that way.
179
678000
3000
Képzeljétek el, hogy az összes kemény anyagunkat így állítjuk elő.
11:45
Imagine spraying the precursors to a PV cell, to a solar cell,
180
681000
7000
Hogy egy PV cella, egy napelem alapanyagait egyszerűen felspricceljük
11:52
onto a roof, and having it self-assemble into a layered structure that harvests light.
181
688000
4000
a tetőre és hagyjuk, hogy önszerveződés által kialakuljon.
11:56
Here's an interesting one for the IT world:
182
692000
4000
Itt egy érdekes ötlet az IT világnak:
12:00
bio-silicon. This is a diatom, which is made of silicates.
183
696000
5000
bio-szilícium. Ez egy kovamoszat ami szilikátokból épül fel.
12:05
And so silicon, which we make right now --
184
701000
2000
A chipgyártás, ahogy ma csináljuk,
12:07
it's part of our carcinogenic problem in the manufacture of our chips --
185
703000
6000
rákkeltő anyagok forrása. Ez probléma.
12:13
this is a bio-mineralization process that's now being mimicked.
186
709000
4000
Ez a bio-mineralizáció folyamata, amit már utánzunk.
12:17
This is at UC Santa Barbara. Look at these diatoms.
187
713000
4000
Ez az UC Santa Barbara. Nézzétek ezeket a kovamoszatokat;
12:21
This is from Ernst Haeckel's work.
188
717000
3000
ez Ernst Haeckel munkája.
12:24
Imagine being able to -- and, again, it's a templated process,
189
720000
5000
Képzeljétek el a lehetőséget, és ez ismét egy sablon alapú folyamat,
12:29
and it solidifies out of a liquid process -- imagine being able to have that
190
725000
4000
folyadékfázisból képződik. Képzeljetek el
12:33
sort of structure coming out at room temperature.
191
729000
4000
egy ilyen formát szobahőmérsékleten létrejönni.
12:37
Imagine being able to make perfect lenses.
192
733000
3000
Képzeljétek el tökéletes lencsék előállítását.
12:40
On the left, this is a brittle star; it's covered with lenses
193
736000
5000
A baloldalon, az egy kígyókarú, be van borítva lencsékkel,
12:45
that the people at Lucent Technologies have found
194
741000
3000
amelyek a Lucent Technologies emberei szerint
12:48
have no distortion whatsoever.
195
744000
2000
teljesen torzításmentesek.
12:50
It's one of the most distortion-free lenses we know of.
196
746000
3000
Ez egyike a legtorzításmentesebb lencsének, amit ismerünk.
12:53
And there's many of them, all over its entire body.
197
749000
3000
És be van borítva velük az egész teste.
12:56
What's interesting, again, is that it self-assembles.
198
752000
3000
Ami megint csak érdekes, hogy önszerveződő.
12:59
A woman named Joanna Aizenberg, at Lucent,
199
755000
4000
Egy Joanna Aizenberg nevű hölgy a Lucent-nél
13:03
is now learning to do this in a low-temperature process to create
200
759000
4000
most tanulja, hogy lehet egy alacsony hőmérsékletű folyamattal
13:07
these sort of lenses. She's also looking at fiber optics.
201
763000
4000
előállítani ilyen típusú lencséket. A száloptikát is vizsgálja.
13:11
That's a sea sponge that has a fiber optic.
202
767000
3000
Ez egy tengeri szivacs, amely száloptikával rendelkezik.
13:14
Down at the very base of it, there's fiber optics
203
770000
3000
Egészen lent az alján, száloptika van benne
13:17
that work better than ours, actually, to move light,
204
773000
3000
amely jobb, mint a miénk, a fény továbbításában.
13:20
but you can tie them in a knot; they're incredibly flexible.
205
776000
6000
Ugyanakkor bogot köthetünk rá, annyira rugalmas.
13:26
Here's another big idea: CO2 as a feedstock.
206
782000
4000
Itt egy újabb ötlet: CO2 mint nyersanyag.
13:30
A guy named Geoff Coates, at Cornell, said to himself,
207
786000
3000
Geoff Coates a Cornell-nél, azt mondta magának,
13:33
you know, plants do not see CO2 as the biggest poison of our time.
208
789000
4000
a növények nem úgy látják a CO2-ot, mint korunk legnagyobb mérgét.
13:37
We see it that way. Plants are busy making long chains
209
793000
3000
Mi így látjuk. A növények gyártják a hosszú szénláncú
13:40
of starches and glucose, right, out of CO2. He's found a way --
210
796000
6000
keményítőt és a glükózt, éppen a CO2-ból.
13:46
he's found a catalyst -- and he's found a way to take CO2
211
802000
3000
Talált egy katalizátort, és egy eljárást, amivel a CO2-ot
13:49
and make it into polycarbonates. Biodegradable plastics
212
805000
4000
polikarbonátokká, környezetbarát műanyagokká alakítja.
13:53
out of CO2 -- how plant-like.
213
809000
2000
Mennyire növény-szerű!
13:55
Solar transformations: the most exciting one.
214
811000
3000
A legizgalmasabb: napfény hajtotta transzformációk.
13:58
There are people who are mimicking the energy-harvesting device
215
814000
4000
Az ASU-n leutánozzák a bíbor baktériumban lévő
14:02
inside of purple bacterium, the people at ASU. Even more interesting,
216
818000
4000
energia-termelő szerkezeteket. Még érdekesebb,
14:06
lately, in the last couple of weeks, people have seen
217
822000
3000
újabban, az elmúlt néhány hétben felfedezték,
14:09
that there's an enzyme called hydrogenase that's able to evolve
218
825000
5000
hogy van egy hidrogenáz nevű enzim, amely képes
14:14
hydrogen from proton and electrons, and is able to take hydrogen up --
219
830000
4000
hidrogént termelni protonokból és elektronokból. És képes felvenni hidrogént,
14:18
basically what's happening in a fuel cell, in the anode of a fuel cell
220
834000
5000
alapjában ez történik egy üzemanyagcellában, az anódon
14:23
and in a reversible fuel cell.
221
839000
2000
és egy megfordítható üzemanyagcellában.
14:25
In our fuel cells, we do it with platinum;
222
841000
3000
Mi az üzemanyagcellában platinával csináljuk.
14:28
life does it with a very, very common iron.
223
844000
4000
Az élet a nagyon gyakori vassal teszi.
14:32
And a team has now just been able to mimic
224
848000
4000
Egy csoportnak éppen most sikerült leutánozni
14:36
that hydrogen-juggling hydrogenase.
225
852000
5000
ezt a hidrogén-zsonglőr hirdogenázt.
14:41
That's very exciting for fuel cells --
226
857000
2000
Ez nagyon izgalmas lehetőség,
14:43
to be able to do that without platinum.
227
859000
3000
üzemanyagcella platina nélkül.
14:46
Power of shape: here's a whale. We've seen that the fins of this whale
228
862000
5000
A forma ereje: itt egy bálna. Láttuk, hogy az uszonyain
14:51
have tubercles on them. And those little bumps
229
867000
3000
gumók vannak. És azok a kis bumpszlik
14:54
actually increase efficiency in, for instance,
230
870000
5000
növelik a hatásfokot. Például,
14:59
the edge of an airplane -- increase efficiency by about 32 percent.
231
875000
5000
egy repülőgép szárnya szélén, kb. 32 százalékkal.
15:04
Which is an amazing fossil fuel savings,
232
880000
2000
Ami elképesztő üzemanyag megtakarítás,
15:06
if we were to just put that on the edge of a wing.
233
882000
5000
ha ilyeneket helyeznénk a repülőgép szárnyára.
15:11
Color without pigments: this peacock is creating color with shape.
234
887000
4000
Szín festékanyag nélkül: a páva színeket állít elő szerkezettel.
15:15
Light comes through, it bounces back off the layers;
235
891000
3000
Beérkezik a fény, visszaverődik a rétegekről.
15:18
it's called thin-film interference. Imagine being able
236
894000
3000
Vékonyréteg interferenciának hívják. Képzeljünk el
15:21
to self-assemble products with the last few layers
237
897000
3000
olyan termékeket, amelyeken az néhány réteg
15:24
playing with light to create color.
238
900000
4000
játszik a fénnyel, hogy színt adjon.
15:28
Imagine being able to create a shape on the outside of a surface,
239
904000
5000
Képzeljünk el egy olyan mintázatot egy felületen
15:33
so that it's self-cleaning with just water. That's what a leaf does.
240
909000
5000
ami öntisztítóvá teszi, csupán víz segítségével. Ezt teszi egy levél.
15:38
See that up-close picture?
241
914000
2000
Látjátok azt a nagyított képet?
15:40
That's a ball of water, and those are dirt particles.
242
916000
3000
Ez egy vízcsepp, és azok kosz szemcsék.
15:43
And that's an up-close picture of a lotus leaf.
243
919000
3000
Ez egy a lótuszlevél nagyított képe.
15:46
There's a company making a product called Lotusan, which mimics --
244
922000
5000
Van egy cég, ami a Lotusan nevű termékével utánozza ezt.
15:51
when the building facade paint dries, it mimics the bumps
245
927000
4000
Amikor az épület homlokzata megszárad, mímeli az öntisztító
15:55
in a self-cleaning leaf, and rainwater cleans the building.
246
931000
5000
levél szerkezetét, és az esővíz tisztítja az épületet.
16:00
Water is going to be our big, grand challenge:
247
936000
6000
A víz nagy kihívás lesz,
16:06
quenching thirst.
248
942000
2000
a szomj csillapítása.
16:08
Here are two organisms that pull water.
249
944000
3000
Itt van két organizmus, ami vizet gyűjt.
16:11
The one on the left is the Namibian beetle pulling water out of fog.
250
947000
4000
A baloldali a Namíbiai bogár amint vizet gyűjt a ködből.
16:15
The one on the right is a pill bug -- pulls water out of air,
251
951000
3000
A jobboldali a szárazföldi ászkarák, vizet gyűjt a levegőből.
16:18
does not drink fresh water.
252
954000
3000
Nem iszik friss vizet.
16:21
Pulling water out of Monterey fog and out of the sweaty air in Atlanta,
253
957000
7000
A Monterey-i ködből és az Atlanta-i nedves levegőből való vízgyűjtés,
16:28
before it gets into a building, are key technologies.
254
964000
4000
mielőtt az épületbe kerül, kulcsfontosságú technológiák.
16:32
Separation technologies are going to be extremely important.
255
968000
4000
A szétválasztási technológiák nagyon fontosak lesznek.
16:36
What if we were to say, no more hard rock mining?
256
972000
4000
Mi lenne, ha azt mondanánk, nincs többé bányászat?
16:40
What if we were to separate out metals from waste streams,
257
976000
6000
Mi lenne, ha a fémeket hulladékból vonnánk ki?
16:46
small amounts of metals in water? That's what microbes do;
258
982000
4000
A vízben levő kis mennyiségű fémet. Ezt teszik a mikroorganizmusok,
16:50
they chelate metals out of water.
259
986000
2000
komplex-képzéssel kivonjak a vízből.
16:52
There's a company here in San Francisco called MR3
260
988000
3000
Van egy MR3 nevű cég itt San Franciscóban,
16:55
that is embedding mimics of the microbes' molecules on filters
261
991000
6000
amely a mikroorganizmusok molekuláit utánozza szűrőkben,
17:01
to mine waste streams.
262
997000
3000
hulladék újrafelhasználásra.
17:04
Green chemistry is chemistry in water.
263
1000000
4000
A zöld kémia: vízbeli kémia.
17:08
We do chemistry in organic solvents.
264
1004000
2000
Mi szerves oldószerekben végezzük.
17:10
This is a picture of the spinnerets coming out of a spider
265
1006000
4000
Egy kép egy pókról, amint a fonalkák szálai jönnek ki belőle,
17:14
and the silk being formed from a spider. Isn't that beautiful?
266
1010000
3000
amint a fonal kialakul. Hát nem szép?
17:17
Green chemistry is replacing our industrial chemistry with nature's recipe book.
267
1013000
8000
A zöld kémia, az ipari kémiának a természet receptkönyvére cserélése.
17:25
It's not easy, because life uses
268
1021000
5000
Nem egyszerű, mert a természet
17:30
only a subset of the elements in the periodic table.
269
1026000
4000
a periódusos rendszer csak egy kis részét használja.
17:34
And we use all of them, even the toxic ones.
270
1030000
4000
Mi mindet használjuk, a mérgezőeket is.
17:38
To figure out the elegant recipes that would take the small subset
271
1034000
5000
Az elegáns receptek feltárása, amelyekkel a periódusos rendszer
17:43
of the periodic table, and create miracle materials like that cell,
272
1039000
6000
ezen kis részéből olyan csoda anyagokat állítsunk elő, mint a sejt,
17:49
is the task of green chemistry.
273
1045000
2000
a zöld kémia feladata.
17:51
Timed degradation: packaging that is good
274
1047000
4000
Időzített lebomlás: csomagolás, ami csak addig jó,
17:55
until you don't want it to be good anymore, and dissolves on cue.
275
1051000
4000
amíg akarod, hogy jó legyen, majd egy adott jelre feloszlik.
17:59
That's a mussel you can find in the waters out here,
276
1055000
3000
Ez egy kagyló, megtálalható a környező vizekben.
18:02
and the threads holding it to a rock are timed; at exactly two years,
277
1058000
4000
A fonal, ami a kövekhez rögzíti, időzítve van. Pontosan két év múlva,
18:06
they begin to dissolve.
278
1062000
2000
elkezd lebomlani..
18:08
Healing: this is a good one.
279
1064000
3000
Gyógyulás: ez igazán kiváló.
18:11
That little guy over there is a tardigrade.
280
1067000
3000
Az a kis srác ott egy medveállatka.
18:14
There is a problem with vaccines around the world
281
1070000
6000
Világszerte gond, hogy a vakcinák
18:20
not getting to patients. And the reason is
282
1076000
3000
nem jutnak el a betegekhez.
18:23
that the refrigeration somehow gets broken;
283
1079000
4000
Mert a hűtés valahol elromlik;
18:27
what's called the "cold chain" gets broken.
284
1083000
2000
az úgynevezett "hűtési lánc" megszakad.
18:29
A guy named Bruce Rosner looked at the tardigrade --
285
1085000
3000
Bruce Rosner megvizsgálta a medveállatkát,
18:32
which dries out completely, and yet stays alive for months
286
1088000
6000
ami ha teljesen kiszárad is, sok hónapon keresztül
18:38
and months and months, and is able to regenerate itself.
287
1094000
3000
életben marad, és képes regenerálni magát.
18:41
And he found a way to dry out vaccines --
288
1097000
3000
És talált egy eljárást a vakcinák kiszárítására,
18:44
encase them in the same sort of sugar capsules
289
1100000
4000
és egy hasonló cukor kapszulába való bezárására
18:48
as the tardigrade has within its cells --
290
1104000
3000
amilyen a medveállatka sejtjeiben van.
18:51
meaning that vaccines no longer need to be refrigerated.
291
1107000
5000
Ez azt jelenti, hogy a vakcinákat nem kell hűteni.
18:56
They can be put in a glove compartment, OK.
292
1112000
4000
Be lehet tenni őket egy kesztyűtartóba.
19:00
Learning from organisms. This is a session about water --
293
1116000
5000
Tanulunk az organizmusoktól. Ez a rész a vízről szól.
19:05
learning about organisms that can do without water,
294
1121000
3000
Organizmusoktól, amik megvannak víz nélkül,
19:08
in order to create a vaccine that lasts and lasts and lasts without refrigeration.
295
1124000
7000
azért, hogy olyan vakcinát állítsunk elő, ami hűtés nélkül is tartós marad.
19:15
I'm not going to get to 12.
296
1131000
3000
Nem fogok eljutni 12-ig.
19:18
But what I am going to do is tell you that the most important thing,
297
1134000
4000
De azt meg el fogom mondani, hogy a legfontosabb dolog,
19:22
besides all of these adaptations, is the fact that these organisms
298
1138000
5000
emellett a sok alkalmazás mellett az, hogy ezek az organizmusok
19:27
have figured out a way to do the amazing things they do
299
1143000
5000
kitalálták, hogy miként csinálják ezeket a csodás dolgokat úgy,
19:32
while taking care of the place
300
1148000
3000
hogy közben vigyáznak a környezetükre,
19:35
that's going to take care of their offspring.
301
1151000
5000
amely majd eltartja az utódaikat.
19:40
When they're involved in foreplay,
302
1156000
3000
Amikor az előjátékkal vannak elfoglalva,
19:43
they're thinking about something very, very important --
303
1159000
3000
egy nagyon, nagyon fontos dologra gondolnak
19:46
and that's having their genetic material
304
1162000
4000
arra, hogy a genetikai anyaguk
19:50
remain, 10,000 generations from now.
305
1166000
5000
10 000 év múlva is megmaradjon.
19:55
And that means finding a way to do what they do
306
1171000
2000
És ez azt jelenti, hogy úgy kell élniük,
19:57
without destroying the place that'll take care of their offspring.
307
1173000
4000
hogy ne rombolják le a helyet, ami az utódaikat fogja eltartani.
20:01
That's the biggest design challenge.
308
1177000
3000
Ez a legnagyobb tervezési kihívás.
20:04
Luckily, there are millions and millions of geniuses
309
1180000
6000
Szerencsére sok millió zseni van, akik szívesen
20:10
willing to gift us with their best ideas.
310
1186000
3000
megosztják velünk a legjobb ötleteiket.
20:13
Good luck having a conversation with them.
311
1189000
3000
Sok szerencsét a velük folytatott beszélgetésben.
20:16
Thank you.
312
1192000
1000
Köszönöm.
20:17
(Applause)
313
1193000
14000
(Taps)
20:31
Chris Anderson: Talk about foreplay, I -- we need to get to 12, but really quickly.
314
1207000
4000
Chris Anderson: Méghogy előjáték! El kell jussunk 12-ig, de nagyon gyorsan.
20:35
Janine Benyus: Oh really?
315
1211000
1000
Janine Benyus: Igazán?
20:36
CA: Yeah. Just like, you know, like the 10-second version
316
1212000
3000
CA: Ja. Csak tudod, a 10 másodperces változatával
20:39
of 10, 11 and 12. Because we just -- your slides are so gorgeous,
317
1215000
3000
a 10, 11 és 12-nek. Annyira nagyszerűek a diáid,
20:42
and the ideas are so big, I can't stand to let you go down
318
1218000
2000
az ötletek annyira messzemenők. Nem engedhetlek lemenni
20:44
without seeing 10, 11 and 12.
319
1220000
2000
a 10, 11 és 12 nélkül.
20:46
JB: OK, put this -- OK, I'll just hold this thing. OK, great.
320
1222000
4000
JB: Oké, ezt csak, itt megfogom. Rendben.
20:50
OK, so that's the healing one.
321
1226000
3000
Rendben, szóval a gyógyulás.
20:53
Sensing and responding: feedback is a huge thing.
322
1229000
3000
Érzékelés és válasz: a visszacsatolás nagyon fontos.
20:56
This is a locust. There can be 80 million of them in a square kilometer,
323
1232000
4000
Ez egy sáska. 80 millióan lehetnek egy négyzet kilométeren,
21:00
and yet they don't collide with one another.
324
1236000
3000
es mégsem ütköznek egymással.
21:03
And yet we have 3.6 million car collisions a year.
325
1239000
5000
És nálunk 3.6 millió autós baleset van évente.
21:08
(Laughter)
326
1244000
2000
(Nevetés)
21:10
Right. There's a person at Newcastle
327
1246000
4000
Szóval. Van egy illető Newcastle-ben
21:14
who has figured out that it's a very large neuron.
328
1250000
3000
aki rájött, hogy egy nagy neuron teszi.
21:17
And she's actually figuring out how to make
329
1253000
3000
És ő azon dolgozik, hogy miként készíthet
21:20
a collision-avoidance circuitry
330
1256000
2000
egy ütközés-megelőző áramkört
21:22
based on this very large neuron in the locust.
331
1258000
4000
a sáskában tálalható nagy neuronra alapozva.
21:26
This is a huge and important one, number 11.
332
1262000
2000
Ez óriási és fontos, a 11-es.
21:28
And that's the growing fertility.
333
1264000
2000
És ez a növekvő termékenység.
21:30
That means, you know, net fertility farming.
334
1266000
4000
Ez tiszta termelékenység-termelést jelent.
21:34
We should be growing fertility. And, oh yes -- we get food, too.
335
1270000
4000
Termékenységet kellene növesszünk, és egyben élelmet is.
21:38
Because we have to grow the capacity of this planet
336
1274000
5000
Mert meg kell növelnünk a bolygó kapacitását,
21:43
to create more and more opportunities for life.
337
1279000
3000
hogy még több lehetőséget teremtsünk az életnek.
21:46
And really, that's what other organisms do as well.
338
1282000
2000
És igazából ez az, amit a többi organizmus csinál.
21:48
In ensemble, that's what whole ecosystems do:
339
1284000
3000
Összesítve, ez az, amit egész ökoszisztémák csinálnak:
21:51
they create more and more opportunities for life.
340
1287000
3000
több és több lehetőséget adnak az újabb életnek.
21:54
Our farming has done the opposite.
341
1290000
3000
A mi mezőgazdaságunk pont az ellenkezőjét teszi.
21:57
So, farming based on how a prairie builds soil,
342
1293000
4000
Mezőgazdaság arra alapozva, ahogy a préri építi a talajt,
22:01
ranching based on how a native ungulate herd
343
1297000
4000
állattenyésztés, arra alapozvam ahogy egy csorda
22:05
actually increases the health of the range,
344
1301000
2000
növeli a terület életképességet.
22:07
even wastewater treatment based on how a marsh
345
1303000
5000
Meg szennyvíztisztítás is, egy mocsárhoz hasonlóan
22:12
not only cleans the water,
346
1308000
2000
nemcsak tisztítja a vizet,
22:14
but creates incredibly sparkling productivity.
347
1310000
4000
hanem pezsgő termékenységet képez.
22:18
This is the simple design brief. I mean, it looks simple
348
1314000
4000
Ez az egyszerű tervezési lecke. Annak látszik,
22:22
because the system, over 3.8 billion years, has worked this out.
349
1318000
5000
mert a rendszer 3,8 milliárd év alatt kialakította.
22:27
That is, those organisms that have not been able to figure out
350
1323000
5000
Azok az organizmusok, amiknek nem sikerült megoldani
22:32
how to enhance or sweeten their places,
351
1328000
4000
a környezetük fejlesztését, javítását,
22:36
are not around to tell us about it.
352
1332000
3000
nincsenek itt, hogy elmeséljék.
22:39
That's the twelfth one.
353
1335000
3000
Ez a tizenkettedik.
22:42
Life -- and this is the secret trick; this is the magic trick --
354
1338000
4000
Élet -- és ez a titkos trükk; ez a varázslat --
22:46
life creates conditions conducive to life.
355
1342000
4000
élethez vezető körülményeket teremt.
22:50
It builds soil; it cleans air; it cleans water;
356
1346000
4000
Talajt épít, levegőt tisztít, vizet tisztít,
22:54
it mixes the cocktail of gases that you and I need to live.
357
1350000
3000
kikeveri azt a gázkoktélt, amire szükségünk van.
22:57
And it does that in the middle of having great foreplay
358
1353000
6000
És eközben irtó jó előjátékban van része
23:03
and meeting their needs. So it's not mutually exclusive.
359
1359000
6000
és a szükségleteit kielégíti. Ezt lehet egyszerre.
23:09
We have to find a way to meet our needs,
360
1365000
3000
Úgy kell kielégítsük szükségleteinket, hogy közben
23:12
while making of this place an Eden.
361
1368000
6000
ezt a helyet paradicsommá alakítjuk.
23:18
CA: Janine, thank you so much.
362
1374000
1000
CA: Janine, nagyon köszönöm.
23:19
(Applause)
363
1375000
1000
(Taps)
ABOUT THE SPEAKER
Janine Benyus - Science writer, innovation consultant, conservationistA self-proclaimed nature nerd, Janine Benyus' concept of biomimicry has galvanized scientists, architects, designers and engineers into exploring new ways in which nature's successes can inspire humanity.
Why you should listen
In the world envisioned by science author Janine Benyus, a locust's ability to avoid collision within a roiling cloud of its brethren informs the design of a crash-resistant car; a self-cleaning leaf inspires a new kind of paint, one that dries in a pattern that enables simple rainwater to wash away dirt; and organisms capable of living without water open the way for vaccines that maintain potency even without refrigeration -- a hurdle that can prevent life-saving drugs from reaching disease-torn communities. Most important, these cool tools from nature pull off their tricks while still managing to preserve the environment that sustains them, a life-or-death lesson that humankind is in need of learning.
As a champion of biomimicry, Benyus has become one of the most important voices in a new wave of designers and engineers inspired by nature. Her most recent project, AskNature, explores what happens if we think of nature by function and looks at what organisms can teach us about design.
Janine Benyus | Speaker | TED.com