TED2011
Skylar Tibbits: Can we make things that make themselves?
Skylar Tibbits: Conseguimos construir coisas que se construam a si mesmas?
Filmed:
Readability: 4.4
1,072,366 views
O investigador do MIT Skylar Tibbits trabalha em automontagem -- a ideia de que em vez de construir algo (uma cadeira, um arranha-céus), podemos criar materiais que se constroem a si mesmos, de forma muito semelhante a uma fita de DNA se fecha a si mesma. É um conceito tremendo ainda na fase inicial; Tibbits mostra-nos três projectos ainda no laboratório que dão uma pista do aspecto que um futuro de automontagem poderá ter.
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
Hoje gostaria de vos mostrar
00:17
the future of the way we make things.
1
2000
2000
o futuro da forma como construímos coisas.
00:19
I believe that soon our buildings and machines
2
4000
2000
Acredito que em breve os nossos edifícios e máquinas
00:21
will be self-assembling,
3
6000
2000
serão capazes de se auto-montar,
00:23
replicating and repairing themselves.
4
8000
2000
de se replicarem e de se repararem a si mesmos.
00:25
So I'm going to show you
5
10000
2000
Por isso vou mostrar-vos
00:27
what I believe is the current state of manufacturing,
6
12000
2000
o que eu penso ser o estado actual dos processos de fabrico,
00:29
and then compare that to some natural systems.
7
14000
3000
e depois compará-los a alguns sistemas naturais.
00:32
So in the current state of manufacturing, we have skyscrapers --
8
17000
3000
Então, no estado actual dos processos de fabrico, temos arranha-céus --
00:35
two and a half years [of assembly time],
9
20000
2000
dois anos e meio,
00:37
500,000 to a million parts,
10
22000
2000
com 500.000 a 1 milhão de peças,
00:39
fairly complex,
11
24000
2000
bastante complexo,
00:41
new, exciting technologies in steel, concrete, glass.
12
26000
3000
novas e entusiasmantes tecnologias no aço, betão, vidro.
00:44
We have exciting machines
13
29000
2000
Temos máquinas entusiasmantes
00:46
that can take us into space --
14
31000
2000
que nos podem levar para o espaço --
00:48
five years [of assembly time], 2.5 million parts.
15
33000
3000
cinco anos, 2,5 milhões de peças.
00:51
But on the other side, if you look at the natural systems,
16
36000
3000
Mas por outro lado, se olharmos para os sistemas naturais,
00:54
we have proteins
17
39000
2000
temos proteínas
00:56
that have two million types,
18
41000
2000
que têm dois milhões de tipos,
00:58
can fold in 10,000 nanoseconds,
19
43000
2000
podem-se dobrar em 10.000 nanossegundos,
01:00
or DNA with three billion base pairs
20
45000
2000
ou o ADN com três mil milhões de pares base
01:02
we can replicate in roughly an hour.
21
47000
3000
que podemos replicar em cerca de uma hora.
01:05
So there's all of this complexity
22
50000
2000
Então, existe toda esta complexidade
01:07
in our natural systems,
23
52000
2000
nos nossos sistemas naturais,
01:09
but they're extremely efficient,
24
54000
2000
mas eles são extremamente eficientes,
01:11
far more efficient than anything we can build,
25
56000
2000
bem mais eficientes do que qualquer coisa que podemos construir,
01:13
far more complex than anything we can build.
26
58000
2000
bem mais complexos do que qualquer coisa que podemos construir.
01:15
They're far more efficient in terms of energy.
27
60000
2000
São bem mais eficientes em termos de energia.
01:17
They hardly ever make mistakes.
28
62000
3000
Raramente cometem erros.
01:20
And they can repair themselves for longevity.
29
65000
2000
E conseguem regenerar-se para ter longevidade.
01:22
So there's something super interesting about natural systems.
30
67000
3000
Então, há algo de super interessante acerca dos sistemas naturais.
01:25
And if we can translate that
31
70000
2000
E se conseguirmos traduzir isso
01:27
into our built environment,
32
72000
2000
no nosso ambiente construído,
01:29
then there's some exciting potential for the way that we build things.
33
74000
2000
então há algum potencial entusiasmante para a forma como construímos coisas.
01:31
And I think the key to that is self-assembly.
34
76000
3000
E eu penso que a chave para isso é a automontagem.
01:34
So if we want to utilize self-assembly in our physical environment,
35
79000
3000
Então, se queremos utilizar a automontagem no nosso meio físico,
01:37
I think there's four key factors.
36
82000
2000
penso que há quatro factores chave.
01:39
The first is that we need to decode
37
84000
2000
O primeiro é que precisamos de descodificar
01:41
all of the complexity of what we want to build --
38
86000
2000
toda a complexidade daquilo que queremos construir --
01:43
so our buildings and machines.
39
88000
2000
os nossos edifícios e máquinas.
01:45
And we need to decode that into simple sequences --
40
90000
2000
E precisamos de descodificá-los em sequências simples --
01:47
basically the DNA of how our buildings work.
41
92000
2000
basicamente o ADN de como os nossos edifícios funcionam.
01:49
Then we need programmable parts
42
94000
2000
Depois precisamos de componentes programáveis
01:51
that can take that sequence
43
96000
2000
que possam pegar naquela sequência
01:53
and use that to fold up, or reconfigure.
44
98000
3000
e usá-la para se dobrarem ou reconfigurarem.
01:56
We need some energy that's going to allow that to activate,
45
101000
3000
Precisamos de alguma energia que possa activá-lo,
01:59
allow our parts to be able to fold up from the program.
46
104000
3000
permitir que os componentes sejam capazes de se configurar a partir do programa.
02:02
And we need some type of error correction redundancy
47
107000
2000
E precisamos de algum tipo de redundância que corrija erros
02:04
to guarantee that we have successfully built what we want.
48
109000
3000
para garantir que construímos com sucesso o que queremos.
02:07
So I'm going to show you a number of projects
49
112000
2000
Vou então mostrar-vos uma série de projectos
02:09
that my colleagues and I at MIT are working on
50
114000
2000
em que eu e os meus colegas estamos a trabalhar no MIT
02:11
to achieve this self-assembling future.
51
116000
2000
para alcançar este futuro de automontagem.
02:13
The first two are the MacroBot and DeciBot.
52
118000
3000
Os primeiros dois são o MacroBot e o DeciBot.
02:16
So these projects are large-scale reconfigurable robots --
53
121000
4000
Estes projectos são robôs reconfiguráveis de grande escala --
02:20
8 ft., 12 ft. long proteins.
54
125000
3000
proteínas de 2,5 - 3,5 metros.
02:23
They're embedded with mechanical electrical devices, sensors.
55
128000
3000
Têm dispositivos, sensores electromecânicos embutidos.
02:26
You decode what you want to fold up into,
56
131000
2000
Descodifica-se o que se quer ver dobrar,
02:28
into a sequence of angles --
57
133000
2000
numa sequência de ângulos --
02:30
so negative 120, negative 120, 0, 0,
58
135000
2000
então menos 120, menos 120, 0, 0,
02:32
120, negative 120 -- something like that;
59
137000
3000
120, menos 120 -- algo assim;
02:35
so a sequence of angles, or turns,
60
140000
2000
uma sequência de ângulos, ou curvas,
02:37
and you send that sequence through the string.
61
142000
3000
e envia-se essa sequência ao longo do fio.
02:40
Each unit takes its message -- so negative 120 --
62
145000
3000
Cada unidade recebe a sua mensagem -- então, menos 120.
02:43
it rotates to that, checks if it got there
63
148000
2000
roda esse valor, verifica se chegou lá
02:45
and then passes it to its neighbor.
64
150000
3000
e depois passa-o ao seu vizinho.
02:48
So these are the brilliant scientists,
65
153000
2000
São estes, então, os cientistas,
02:50
engineers, designers that worked on this project.
66
155000
2000
engenheiros e designers brilhantes que trabalharam neste projecto.
02:52
And I think it really brings to light:
67
157000
2000
E penso que isto realmente traz à luz o seguinte:
02:54
Is this really scalable?
68
159000
2000
Isto é realmente escalável?
02:56
I mean, thousands of dollars, lots of man hours
69
161000
2000
Quer dizer, milhares de euros, muitas Homem-hora
02:58
made to make this eight-foot robot.
70
163000
3000
para conseguir construir este robô de 2,5 metros.
03:01
Can we really scale this up? Can we really embed robotics into every part?
71
166000
3000
Será que conseguimos mesmo aumentar a escala? Conseguimos mesmo embutir robótica em cada componente?
03:04
The next one questions that
72
169000
2000
O próximo questiona isso
03:06
and looks at passive nature,
73
171000
2000
e olha para a natureza passiva,
03:08
or passively trying to have reconfiguration programmability.
74
173000
3000
ou tenta passivamente obter a programabilidade da reconfiguração.
03:11
But it goes a step further,
75
176000
2000
Mas vai um passo mais longe,
03:13
and it tries to have actual computation.
76
178000
2000
e tenta ter verdadeira computação.
03:15
It basically embeds the most fundamental building block of computing,
77
180000
2000
Basicamente embute o alicerce mais fundamental da computação,
03:17
the digital logic gate,
78
182000
2000
a porta lógica digital,
03:19
directly into your parts.
79
184000
2000
directamente nos seus componentes.
03:21
So this is a NAND gate.
80
186000
2000
Isto é uma porta NAND.
03:23
You have one tetrahedron which is the gate
81
188000
2000
Temos um tetraedro que é a porta
03:25
that's going to do your computing,
82
190000
2000
que vai fazer a nossa computação,
03:27
and you have two input tetrahedrons.
83
192000
2000
e temos dois tetraedros que recebem dados.
03:29
One of them is the input from the user, as you're building your bricks.
84
194000
3000
Um deles recebe dados do utilizador, à medida que se constroem os tijolos.
03:32
The other one is from the previous brick that was placed.
85
197000
3000
O outro recebe-os do último tijolo que foi colocado.
03:35
And then it gives you an output in 3D space.
86
200000
3000
E depois dá-nos um resultado em espaço tridimensional.
03:38
So what this means
87
203000
2000
Então, o que isto significa
03:40
is that the user can start plugging in what they want the bricks to do.
88
205000
3000
é que o utilizador pode começar a ligar o que ele quer que os tijolos façam.
03:43
It computes on what it was doing before
89
208000
2000
O que estava a ser feito antes é integrado no sistema
03:45
and what you said you wanted it to do.
90
210000
2000
bem como o que dissemos que queríamos que fosse feito.
03:47
And now it starts moving in three-dimensional space --
91
212000
2000
E agora começa a mover-se em espaço tridimensional --
03:49
so up or down.
92
214000
2000
para cima ou para baixo.
03:51
So on the left-hand side, [1,1] input equals 0 output, which goes down.
93
216000
3000
Então, do lado esquerdo, [1,1] traduz-se em 0, ou seja, para baixo.
03:54
On the right-hand side,
94
219000
2000
Do lado direito,
03:56
[0,0] input is a 1 output, which goes up.
95
221000
3000
[0,0] é equivalente a 1, ou seja, para cima.
03:59
And so what that really means
96
224000
2000
E o que isso realmente significa
04:01
is that our structures now contain the blueprints
97
226000
2000
é que as nossas estruturas agora contêm os diagramas
04:03
of what we want to build.
98
228000
2000
do que queremos construir.
04:05
So they have all of the information embedded in them of what was constructed.
99
230000
3000
Têm embutida toda a informação sobre o que foi construído.
04:08
So that means that we can have some form of self-replication.
100
233000
3000
Isso significa que podemos ter alguma forma de auto-replicação.
04:11
In this case I call it self-guided replication,
101
236000
3000
Neste caso eu chamo-lhe replicação autoguiada,
04:14
because your structure contains the exact blueprints.
102
239000
2000
porque a nossa estrutura contém os diagramas exactos.
04:16
If you have errors, you can replace a part.
103
241000
2000
Se houver erros, pode-se substituir um componente.
04:18
All the local information is embedded to tell you how to fix it.
104
243000
3000
Toda a informação local está embutida para nos dizer como reparar.
04:21
So you could have something that climbs along and reads it
105
246000
2000
Por isso, poderíamos ter algo que subisse e lesse
04:23
and can output at one to one.
106
248000
2000
e pudesse devolver valores, um a um.
04:25
It's directly embedded; there's no external instructions.
107
250000
2000
Está embutido directamente; não há instruções externas.
04:27
So the last project I'll show is called Biased Chains,
108
252000
3000
O último projecto que vou mostrar chama-se Biased Chains (cadeias tendenciosas),
04:30
and it's probably the most exciting example that we have right now
109
255000
3000
e é provavelmente o exemplo mais entusiasmante que temos de momento
04:33
of passive self-assembly systems.
110
258000
2000
de sistemas passivos de automontagem.
04:35
So it takes the reconfigurability
111
260000
2000
Ele pega na reconfigurabilidade
04:37
and programmability
112
262000
2000
e na programabilidade
04:39
and makes it a completely passive system.
113
264000
3000
e transforma-as num sistema completamente passivo.
04:43
So basically you have a chain of elements.
114
268000
2000
Basicamente, temos uma cadeia de elementos.
04:45
Each element is completely identical,
115
270000
2000
Cada elemento é completamente idêntico,
04:47
and they're biased.
116
272000
2000
e são tendenciosos.
04:49
So each chain, or each element, wants to turn right or left.
117
274000
3000
Cada cadeia, ou cada elemento, quer virar para a esquerda ou para a direita.
04:52
So as you assemble the chain, you're basically programming it.
118
277000
3000
Então, à medida que montamos a cadeia, estamos, basicamente, a programá-la.
04:55
You're telling each unit if it should turn right or left.
119
280000
3000
Estamos a dizer a cada unidade se deve virar à direita ou à esquerda.
04:58
So when you shake the chain,
120
283000
3000
E quando se sacode a cadeia,
05:01
it then folds up
121
286000
2000
ela dobra-se
05:03
into any configuration that you've programmed in --
122
288000
3000
em qualquer configuração que tenhamos programado --
05:06
so in this case, a spiral,
123
291000
2000
neste caso, uma espiral,
05:08
or in this case,
124
293000
3000
ou neste caso,
05:11
two cubes next to each other.
125
296000
3000
dois cubos, lado a lado.
05:14
So you can basically program
126
299000
2000
Podemos basicamente programar
05:16
any three-dimensional shape --
127
301000
2000
qualquer forma tridimensional --
05:18
or one-dimensional, two-dimensional -- up into this chain completely passively.
128
303000
3000
ou unidimensional, bidimensional -- nesta cadeia completamente passiva.
05:21
So what does this tell us about the future?
129
306000
2000
Então, o que nos diz isto sobre o futuro?
05:23
I think that it's telling us
130
308000
2000
Penso que nos diz que
05:25
that there's new possibilities for self-assembly, replication, repair
131
310000
3000
existem novas possibilidades para a automontagem, a replicação, a reparação
05:28
in our physical structures, our buildings, machines.
132
313000
3000
nas nossas estruturas físicas, nos nossos edifícios, máquinas.
05:31
There's new programmability in these parts.
133
316000
2000
Há nova programabilidade nestes componentes.
05:33
And from that you have new possibilities for computing.
134
318000
2000
E a partir daí temos novas possibilidades para a computação.
05:35
We'll have spatial computing.
135
320000
2000
Teremos computação espacial.
05:37
Imagine if our buildings, our bridges, machines,
136
322000
2000
Imaginem se os nossos edifícios, pontes, máquinas,
05:39
all of our bricks could actually compute.
137
324000
2000
todos os nossos tijolos pudessem realmente computar.
05:41
That's amazing parallel and distributed computing power,
138
326000
2000
Isso é um espantoso poder computacional paralelo e distribuído,
05:43
new design possibilities.
139
328000
2000
novas possibilidades de design.
05:45
So it's exciting potential for this.
140
330000
2000
Há um potencial entusiasmante nisto.
05:47
So I think these projects I've showed here
141
332000
2000
Por isso, penso que estes projectos que vos mostrei
05:49
are just a tiny step towards this future,
142
334000
2000
são apenas um minúsculo passo na direcção deste futuro,
05:51
if we implement these new technologies
143
336000
2000
se implementarmos estas novas tecnologias
05:53
for a new self-assembling world.
144
338000
2000
para um novo mundo automontado.
05:55
Thank you.
145
340000
2000
Obrigado.
05:57
(Applause)
146
342000
2000
(Aplausos)
ABOUT THE SPEAKER
Skylar Tibbits - InventorSkylar Tibbits, a TED Fellow, is an artist and computational architect working on "smart" components that can assemble themselves.
Why you should listen
Can we create objects that assemble themselves -- that zip together like a strand of DNA or that have the ability for transformation embedded into them? These are the questions that Skylar Tibbits investigates in his Self-Assembly Lab at MIT, a cross-disciplinary research space where designers, scientists and engineers come together to find ways for disordered parts to become ordered structures.
A trained architect, designer and computer scientist, Tibbits teaches design studios at MIT’s Department of Architecture and co-teaches the seminar “How to Make (Almost) Anything” at MIT’s Media Lab. Before that, he worked at a number of design offices including Zaha Hadid Architects, Asymptote Architecture, SKIII Space Variations and Point b Design. His work has been shown at the Guggenheim Museum and the Beijing Biennale.
Tibbits has collaborated with a number of influential people over the years, including Neil Gershenfeld and The Center for Bits and Atoms, Erik and Marty Demaine at MIT, Adam Bly at SEED Media Group and Marc Fornes of THEVERYMANY. In 2007, he and Marc Fornes co-curated Scriptedbypurpose, the first exhibition focused exclusively on scripted processes within design. Also in 2007, he founded SJET, a multifaceted practice and research platform for experimental computation and design. SJET crosses disciplines from architecture and design, fabrication, computer science and robotics.
Skylar Tibbits | Speaker | TED.com