TED2011
Skylar Tibbits: Can we make things that make themselves?
Skylar Tibbits: Czy możemy stworzyć rzeczy, która same się budują?
Filmed:
Readability: 4.4
1,072,366 views
Badacz z MIT Skylar Tibbits pracuje nad samodzielnym montażem - ideą, że zamiast budowania czegoś (krzesła, drapacza chmur) możemy stworzyć materiały, które same siebie budują, tak jak zamyka się nić DNA. To wielki pomysł we wczesnych etapach rozwoju. Tibbits pokazuje nam trzy projekty na etapie badań laboratoryjnych, które sugerują jak samodzielny montaż może wyglądać w przyszłości.
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
Dziś chciałbym wam pokazać
00:17
the future of the way we make things.
1
2000
2000
przyszłość wytwarzania rzeczy.
00:19
I believe that soon our buildings and machines
2
4000
2000
Wierzę, że wkrótce budowle i maszyny
00:21
will be self-assembling,
3
6000
2000
będą się same montować,
00:23
replicating and repairing themselves.
4
8000
2000
replikując się i naprawiając.
00:25
So I'm going to show you
5
10000
2000
Więc pokażę wam
00:27
what I believe is the current state of manufacturing,
6
12000
2000
jaki jest obecny stan produkcji,
00:29
and then compare that to some natural systems.
7
14000
3000
a potem porównam go do układów naturalnych.
00:32
So in the current state of manufacturing, we have skyscrapers --
8
17000
3000
Mamy teraz drapacze chmur,
00:35
two and a half years [of assembly time],
9
20000
2000
dwa i pół roku,
00:37
500,000 to a million parts,
10
22000
2000
500 000 do miliona części,
00:39
fairly complex,
11
24000
2000
całkiem skomplikowane,
00:41
new, exciting technologies in steel, concrete, glass.
12
26000
3000
nowe i ekscytujące technologie w stali, betonie, szkle.
00:44
We have exciting machines
13
29000
2000
Mamy ekscytujące maszyny,
00:46
that can take us into space --
14
31000
2000
które mogą nas zabrać w przestrzeń kosmiczną -
00:48
five years [of assembly time], 2.5 million parts.
15
33000
3000
pięć lat, 2,5 miliona części.
00:51
But on the other side, if you look at the natural systems,
16
36000
3000
A jeśli spojrzymy na układy naturalne,
00:54
we have proteins
17
39000
2000
mamy dwa miliony rodzajów białek.
00:56
that have two million types,
18
41000
2000
mamy dwa miliony rodzajów białek.
00:58
can fold in 10,000 nanoseconds,
19
43000
2000
Mogą się zwijać w 10 000 nanosekund,
01:00
or DNA with three billion base pairs
20
45000
2000
lub DNA z trzema miliardami par zasad,
01:02
we can replicate in roughly an hour.
21
47000
3000
które możemy zreplikować w około godziny.
01:05
So there's all of this complexity
22
50000
2000
Cała ta złożoność istnieje
01:07
in our natural systems,
23
52000
2000
w naszych układach naturalnych,
01:09
but they're extremely efficient,
24
54000
2000
ale są one niezwykle wydajne,
01:11
far more efficient than anything we can build,
25
56000
2000
znacznie wydajniejsze i bardziej złożone niż nasze budowle.
01:13
far more complex than anything we can build.
26
58000
2000
znacznie wydajniejsze i bardziej złożone niż nasze budowle.
01:15
They're far more efficient in terms of energy.
27
60000
2000
Są znacznie wydajniejsze energetycznie.
01:17
They hardly ever make mistakes.
28
62000
3000
Rzadko kiedy popełniają błędy.
01:20
And they can repair themselves for longevity.
29
65000
2000
Są długowieczne bo same się naprawiają.
01:22
So there's something super interesting about natural systems.
30
67000
3000
Układy naturalne są bardzo interesujące.
01:25
And if we can translate that
31
70000
2000
Jeśli można to przełożyć
01:27
into our built environment,
32
72000
2000
na budowane przez nas środowisko,
01:29
then there's some exciting potential for the way that we build things.
33
74000
2000
to pojawia się ekscytujący potencjał.
01:31
And I think the key to that is self-assembly.
34
76000
3000
Kluczowy jest samodzielny montaż.
01:34
So if we want to utilize self-assembly in our physical environment,
35
79000
3000
By wykorzystać go w naszym otoczeniu,
01:37
I think there's four key factors.
36
82000
2000
trzeba rozważyć cztery kluczowe czynniki.
01:39
The first is that we need to decode
37
84000
2000
Pierwszy jest taki, że musimy odkodować
01:41
all of the complexity of what we want to build --
38
86000
2000
złożoność tego, co chcemy zbudować:
01:43
so our buildings and machines.
39
88000
2000
naszych budynków i maszyn.
01:45
And we need to decode that into simple sequences --
40
90000
2000
Musimy to odkodować w proste sekwencje -
01:47
basically the DNA of how our buildings work.
41
92000
2000
coś jak DNA tego, jak funkcjonują nasze budynki.
01:49
Then we need programmable parts
42
94000
2000
Potem potrzebujemy programowalnych części,
01:51
that can take that sequence
43
96000
2000
które mogą podjąć tę sekwencję
01:53
and use that to fold up, or reconfigure.
44
98000
3000
by użyć jej do zwinięcia się lub przekonfigurowania.
01:56
We need some energy that's going to allow that to activate,
45
101000
3000
Potrzebujemy energii, która pozwoli na aktywację,
01:59
allow our parts to be able to fold up from the program.
46
104000
3000
by części mogły zwinąć się zgodnie z programem.
02:02
And we need some type of error correction redundancy
47
107000
2000
Potrzeba też technik korygujących
02:04
to guarantee that we have successfully built what we want.
48
109000
3000
dodających nadmiarowość by naprawiać błędy.
02:07
So I'm going to show you a number of projects
49
112000
2000
Pokażę wam kilka projektów,
02:09
that my colleagues and I at MIT are working on
50
114000
2000
nad którymi pracujemy z kolegami w MIT
02:11
to achieve this self-assembling future.
51
116000
2000
dotyczących samodzielnych konstrukcji.
02:13
The first two are the MacroBot and DeciBot.
52
118000
3000
Pierwsze dwa to MacroBot i DeciBot.
02:16
So these projects are large-scale reconfigurable robots --
53
121000
4000
To wielkoskalowe roboty, które można zrekonfigurować -
02:20
8 ft., 12 ft. long proteins.
54
125000
3000
łańcuchy białek długości 8, 12 stóp.
02:23
They're embedded with mechanical electrical devices, sensors.
55
128000
3000
Mają wbudowane urządzenia elektromechaniczne, czujniki.
02:26
You decode what you want to fold up into,
56
131000
2000
Dekodują to, w co chcą się to zwinąć
02:28
into a sequence of angles --
57
133000
2000
na sekwencję kątów -
02:30
so negative 120, negative 120, 0, 0,
58
135000
2000
więc minus 120, minus 120, 0, 0,
02:32
120, negative 120 -- something like that;
59
137000
3000
120, minus 120 - coś takiego.
02:35
so a sequence of angles, or turns,
60
140000
2000
Sekwencję kątów lub zakrętów
02:37
and you send that sequence through the string.
61
142000
3000
przesyła się przewodem.
02:40
Each unit takes its message -- so negative 120 --
62
145000
3000
Każda jednostka otrzymuje wiadomość (-120).
02:43
it rotates to that, checks if it got there
63
148000
2000
Obraca się, sprawdza kąt
02:45
and then passes it to its neighbor.
64
150000
3000
i przekazuje informację sąsiadom.
02:48
So these are the brilliant scientists,
65
153000
2000
Błyskotliwi naukowcy, inżynierowie
02:50
engineers, designers that worked on this project.
66
155000
2000
i projektanci pracowali nad tym projektem.
02:52
And I think it really brings to light:
67
157000
2000
Zwraca to uwagę na jedną kwestię:
02:54
Is this really scalable?
68
159000
2000
Czy to jest skalowalne?
02:56
I mean, thousands of dollars, lots of man hours
69
161000
2000
Tysiące dolarów, wiele godzin pracy
02:58
made to make this eight-foot robot.
70
163000
3000
poświęcone na dwumetrowego robota.
03:01
Can we really scale this up? Can we really embed robotics into every part?
71
166000
3000
Czy można to powiększyć i zastosować wszędzie?
03:04
The next one questions that
72
169000
2000
Następny projekt to kwestionuje
03:06
and looks at passive nature,
73
171000
2000
i patrzy na bierną naturę,
03:08
or passively trying to have reconfiguration programmability.
74
173000
3000
bierną programowalność rekonfiguracji.
03:11
But it goes a step further,
75
176000
2000
Ale idzie o krok dalej
03:13
and it tries to have actual computation.
76
178000
2000
i stara się dokonywać obliczeń.
03:15
It basically embeds the most fundamental building block of computing,
77
180000
2000
Włącza najbardziej podstawowy budulec obliczeń,
03:17
the digital logic gate,
78
182000
2000
cyfrową bramkę logiczną,
03:19
directly into your parts.
79
184000
2000
bezpośrednio do części.
03:21
So this is a NAND gate.
80
186000
2000
To bramka NAND.
03:23
You have one tetrahedron which is the gate
81
188000
2000
Mamy jeden tetraedr, który jest bramką,
03:25
that's going to do your computing,
82
190000
2000
która będzie wykonywać obliczenia
03:27
and you have two input tetrahedrons.
83
192000
2000
i mamy dwa wejściowe tetraedry.
03:29
One of them is the input from the user, as you're building your bricks.
84
194000
3000
Jeden od użytkownika, który dokłada cegiełki.
03:32
The other one is from the previous brick that was placed.
85
197000
3000
Drugi pochodzi z poprzedniej cegiełki, która została położona.
03:35
And then it gives you an output in 3D space.
86
200000
3000
Widać obraz w przestrzeni trójwymiarowej.
03:38
So what this means
87
203000
2000
Oznacza to, że uzytkownik
03:40
is that the user can start plugging in what they want the bricks to do.
88
205000
3000
może kontrolować to, co cegiełki będą robiły.
03:43
It computes on what it was doing before
89
208000
2000
Obliczenia są wykonywane na podstawie
03:45
and what you said you wanted it to do.
90
210000
2000
starych i nowych instrukcji.
03:47
And now it starts moving in three-dimensional space --
91
212000
2000
A teraz zaczyna się poruszać w przestrzeni 3D
03:49
so up or down.
92
214000
2000
więc w górę lub dół.
03:51
So on the left-hand side, [1,1] input equals 0 output, which goes down.
93
216000
3000
Po lewej wejście [1,1] równa się 0, co oznacza ruch w dół.
03:54
On the right-hand side,
94
219000
2000
Po prawej stronie,
03:56
[0,0] input is a 1 output, which goes up.
95
221000
3000
wejście [0,0] równa się 1, co oznacza ruch w górę.
03:59
And so what that really means
96
224000
2000
Naprawdę oznacza to,
04:01
is that our structures now contain the blueprints
97
226000
2000
że nasze struktury zawierają teraz projekty
04:03
of what we want to build.
98
228000
2000
tego, co chcemy zbudować.
04:05
So they have all of the information embedded in them of what was constructed.
99
230000
3000
Całe dane na temat konstrukcji już w nich są.
04:08
So that means that we can have some form of self-replication.
100
233000
3000
Mamy coś w rodzaju samopowielania.
04:11
In this case I call it self-guided replication,
101
236000
3000
To samo-kierowane powielanie,
04:14
because your structure contains the exact blueprints.
102
239000
2000
struktura zawiera dokładne projekty.
04:16
If you have errors, you can replace a part.
103
241000
2000
Jeśli występują błędy, można wymienić część.
04:18
All the local information is embedded to tell you how to fix it.
104
243000
3000
Lokalizacje mają informacje jak je naprawić.
04:21
So you could have something that climbs along and reads it
105
246000
2000
Wystarczy coś co tam dotrze i je odczyta
04:23
and can output at one to one.
106
248000
2000
i może odtworzyć 1:1.
04:25
It's directly embedded; there's no external instructions.
107
250000
2000
Nie ma żadnych zewnętrznych instrukcji.
04:27
So the last project I'll show is called Biased Chains,
108
252000
3000
Ostatni projekt to "Biased Chains", diagonalne łańcuchy,
04:30
and it's probably the most exciting example that we have right now
109
255000
3000
najciekawszy przykład jaki posiadamy
04:33
of passive self-assembly systems.
110
258000
2000
na układy biernego samodzielnego montażu.
04:35
So it takes the reconfigurability
111
260000
2000
Dzięki konfigurowalności
04:37
and programmability
112
262000
2000
i możliwości zaprogramowania
04:39
and makes it a completely passive system.
113
264000
3000
jest to układ całkowicie bierny.
04:43
So basically you have a chain of elements.
114
268000
2000
Więc w zasadzie mamy łańcuch części.
04:45
Each element is completely identical,
115
270000
2000
Każda część jest zupełnie identyczna
04:47
and they're biased.
116
272000
2000
i są one diagonalne.
04:49
So each chain, or each element, wants to turn right or left.
117
274000
3000
Każdy łańcuch może się skręcić w lewo lub prawo.
04:52
So as you assemble the chain, you're basically programming it.
118
277000
3000
Składając ten łańcuch programuje się go.
04:55
You're telling each unit if it should turn right or left.
119
280000
3000
Każdą jednostkę by wiedziała gdzie się skręcić.
04:58
So when you shake the chain,
120
283000
3000
Więc po potrząśnięciu łańcuchem
05:01
it then folds up
121
286000
2000
zwija się on
05:03
into any configuration that you've programmed in --
122
288000
3000
w każdą konfigurację, którą zaprogramowano -
05:06
so in this case, a spiral,
123
291000
2000
w tym przypadku spiralę,
05:08
or in this case,
124
293000
3000
lub w tym przypadku
05:11
two cubes next to each other.
125
296000
3000
dwie kostki obok siebie.
05:14
So you can basically program
126
299000
2000
Więc można w zasadzie zaprogramować
05:16
any three-dimensional shape --
127
301000
2000
każdy trójwymiarowy kształt -
05:18
or one-dimensional, two-dimensional -- up into this chain completely passively.
128
303000
3000
albo jedno- lub dwuwymiarowy całkowicie pasywnie.
05:21
So what does this tell us about the future?
129
306000
2000
Co nam to mówi?
05:23
I think that it's telling us
130
308000
2000
Są nowe możliwości
05:25
that there's new possibilities for self-assembly, replication, repair
131
310000
3000
samodzielnego montażu, replikacji, naprawy
05:28
in our physical structures, our buildings, machines.
132
313000
3000
naszych struktur, budynków i maszyn.
05:31
There's new programmability in these parts.
133
316000
2000
Można je będzie programować.
05:33
And from that you have new possibilities for computing.
134
318000
2000
Wynikają z tego nowe możliwości obliczeń.
05:35
We'll have spatial computing.
135
320000
2000
Będziemy mieli obliczanie przestrzenne.
05:37
Imagine if our buildings, our bridges, machines,
136
322000
2000
Co jeśli w budowlach, mostach, maszynach
05:39
all of our bricks could actually compute.
137
324000
2000
wszystkie części mogą dokonywać obliczeń?
05:41
That's amazing parallel and distributed computing power,
138
326000
2000
To daje niesamowitą moc obliczeniową,
05:43
new design possibilities.
139
328000
2000
nowe możliwości projektowania.
05:45
So it's exciting potential for this.
140
330000
2000
To interesujący potencjał.
05:47
So I think these projects I've showed here
141
332000
2000
Projekty, które wam pokazałem
05:49
are just a tiny step towards this future,
142
334000
2000
są tylko małym kroczkiem w kierunku
05:51
if we implement these new technologies
143
336000
2000
nowych technologii
05:53
for a new self-assembling world.
144
338000
2000
samodzielnie montującego się świata. Dziękuję.
05:55
Thank you.
145
340000
2000
samodzielnie montującego się świata. Dziękuję.
05:57
(Applause)
146
342000
2000
(Brawa)
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