TED2006
Saul Griffith: Everyday inventions
Saul Griffith: Invenções Cotidianas
Filmed:
Readability: 4.2
580,919 views
Saul Griffith, inventor e bolseiro da Fundação MacArthur, partilha algumas ideias inovadoras do seu laboratório — da "corda inteligente" a um papagaio do tamanho de uma casa para rebocar cargas muito pesadas.
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
Quem sou eu?
00:25
I usually say to people, when they say, "What do you do?"
1
1000
3000
Normalmente, quando as pessoas
me perguntam "O que faz?"
me perguntam "O que faz?"
00:28
I say, "I do hardware,"
2
4000
2000
eu digo "Fabrico 'hardware' "
00:30
because it sort of conveniently encompasses everything I do.
3
6000
2000
porque, mais ou menos,
abrange tudo o que faço.
abrange tudo o que faço.
00:32
And I recently said that to a venture capitalist casually at some
4
8000
4000
Há pouco, disse isso informalmente
a um investidor de risco
a um investidor de risco
num evento em Silicon Valley,
e ele respondeu: "É pitoresco."
e ele respondeu: "É pitoresco."
00:36
Valley event, to which he replied, "How quaint."
5
12000
3000
00:39
(Laughter)
6
15000
2000
(Risos)
00:41
And I sort of really was dumbstruck.
7
17000
3000
E eu fiquei sem palavras.
00:44
And I really should have said something smart.
8
20000
2000
Devia ter dito qualquer coisa inteligente.
00:46
And now I've had a little bit of time to think about it,
9
22000
5000
E agora, que tive algum tempo
para pensar nisso, devia ter dito:
para pensar nisso, devia ter dito:
00:51
I would have said, "Well, you know,
10
27000
2000
"Sabe, se olharmos
para os próximos 100 anos
para os próximos 100 anos
00:53
if we look at the next 100 years
11
29000
2000
"- já vimos todos estes problemas
nos últimos dias -
nos últimos dias -
00:55
and we've seen all these problems in the last few days,
12
31000
2000
00:57
most of the big issues -- clean water, clean energy --
13
33000
3000
"a maior parte dos problemas
- água potável e energia limpa,
- água potável e energia limpa,
01:00
and they're interchangeable in some respects --
14
36000
2000
"que são intercambiáveis
em certos aspetos,
em certos aspetos,
01:02
and cleaner, more functional materials --
15
38000
2000
"e materiais mais limpos e funcionais,
01:04
they all look to me to be hardware problems.
16
40000
3000
"todos me parecem
problemas de equipamento.
problemas de equipamento.
"Isto não quer dizer que
ignoremos o "software"
ignoremos o "software"
01:07
This doesn't mean we should ignore software,
17
43000
2000
01:09
or information, or computation."
18
45000
2000
"ou a informação, ou a informática."
01:11
And that's in fact probably what I'm going to try and tell you about.
19
47000
3000
É isto que vou tentar transmitir-vos.
01:14
So, this talk is going to be about how do we make things
20
50000
3000
Esta palestra será sobre
como fazemos as coisas
como fazemos as coisas
01:17
and what are the new ways that we're going to make things in the future.
21
53000
5000
e quais são as novas formas
de fazermos as coisas no futuro.
de fazermos as coisas no futuro.
01:22
Now, TED sends you a lot of spam if you're a speaker
22
58000
5000
Os oradores da TED recebem
uma data de lixo informático
uma data de lixo informático
01:27
about "do this, do that" and you fill out all these forms,
23
63000
2000
dizendo "faça isto e aquilo",
preenchem uns formulários,
preenchem uns formulários,
01:29
and you don't actually know how they're going to describe you,
24
65000
3000
e não sabem como vão ser descritos.
01:32
and it flashed across my desk that they were going to introduce me as a futurist.
25
68000
3000
Eu recebi uma coisa que dizia que
me iam apresentar como um "futurista".
me iam apresentar como um "futurista".
01:35
And I've always been nervous about the term "futurist,"
26
71000
2000
Eu fico nervoso
com este termo "futurista".
com este termo "futurista".
01:37
because you seem doomed to failure because you can't really predict it.
27
73000
3000
É a condenação ao fracasso
já que é impossível prever o futuro.
já que é impossível prever o futuro.
01:40
And I was laughing about this with the very smart colleagues I have,
28
76000
3000
Eu estava a rir-me disto com alguns
colegas muito inteligentes e disse:
colegas muito inteligentes e disse:
01:43
and said, "You know, well, if I have to talk about the future, what is it?"
29
79000
4000
"Sabem? Se tenho que falar
sobre o futuro, o que é o futuro?"
sobre o futuro, o que é o futuro?"
01:47
And George Homsey, a great guy, said, "Oh, the future is amazing.
30
83000
5000
E George Homsey, um tipo fantástico,
disse: "Oh, o futuro é espantoso.
disse: "Oh, o futuro é espantoso.
01:52
It is so much stranger than you think.
31
88000
2000
"É muito mais estranho do que tu pensas.
01:54
We're going to reprogram the bacteria in your gut,
32
90000
2000
"Nós vamos reprogramar
as bactérias das tuas tripas
as bactérias das tuas tripas
01:56
and we're going to make your poo smell like peppermint."
33
92000
5000
"e pôr o teu cocó a cheirar a hortelã."
02:01
(Laughter)
34
97000
2000
(Risos)
02:03
So, you may think that's sort of really crazy,
35
99000
3000
Vocês devem pensar que isto é muito louco,
02:06
but there are some pretty amazing things that are happening
36
102000
2000
mas estão a acontecer coisas incríveis
que tornam isto possível.
que tornam isto possível.
02:08
that make this possible.
37
104000
1000
02:09
So, this isn't my work, but it's work of good friends of mine at MIT.
38
105000
4000
Este não é um trabalho meu,
mas sim de bons amigos no MIT
mas sim de bons amigos no MIT
Isto chama-se o registo
de partes biológicas padrão.
de partes biológicas padrão.
02:13
This is called the registry of standard biological parts.
39
109000
2000
02:15
This is headed by Drew Endy and Tom Knight
40
111000
2000
É liderado por Drew Henry e Tom Knight
e outros indivíduos brilhantes.
e outros indivíduos brilhantes.
02:17
and a few other very, very bright individuals.
41
113000
3000
Basicamente, eles encaram a biologia
como um sistema programável.
como um sistema programável.
02:20
Basically, what they're doing is looking at biology as a programmable system.
42
116000
3000
02:23
Literally, think of proteins as subroutines
43
119000
4000
Literalmente, pensem nas proteínas
como sub-rotinas
como sub-rotinas
02:27
that you can string together to execute a program.
44
123000
3000
que podem encadear
para executar um programa.
para executar um programa.
02:30
Now, this is actually becoming such an interesting idea.
45
126000
5000
Isto está a tornar-se
uma ideia muito interessante.
uma ideia muito interessante.
Isto é um diagrama de estados.
02:35
This is a state diagram. That's an extremely simple computer.
46
131000
3000
É um computador muito simples.
02:38
This one is a two-bit counter.
47
134000
2000
É um contador de 2 bits.
02:40
So that's essentially the computational equivalent of two light switches.
48
136000
6000
Na prática, é o equivalente informático
a dois interruptores de luz.
a dois interruptores de luz.
E isto está a ser construído por um grupo
de estudantes em Zurique
de estudantes em Zurique
02:46
And this is being built by a group of students at Zurich
49
142000
3000
02:49
for a design competition in biology.
50
145000
2000
para uma competição
de "design" em biologia.
de "design" em biologia.
02:51
And from the results of the same competition last year,
51
147000
3000
A partir dos resultados
dessa competição, no ano passado,
dessa competição, no ano passado,
02:54
a University of Texas team of students programmed bacteria
52
150000
4000
uma equipa de estudantes
da Universidade do Texas
da Universidade do Texas
programou bactérias para detetarem
a luz e ligar-se e desligar-se.
a luz e ligar-se e desligar-se.
02:58
so that they can detect light and switch on and off.
53
154000
3000
Isto é interessante na medida
em que agora podemos fazer
em que agora podemos fazer
03:01
So this is interesting in the sense that you can now
54
157000
2000
03:03
do "if-then-for" statements in materials, in structure.
55
159000
5000
afirmações "se-então-para"
em materiais, em estruturas.
em materiais, em estruturas.
03:08
This is a pretty interesting trend,
56
164000
2000
É uma tendência muito interessante
03:10
because we used to live in a world where everyone's said glibly,
57
166000
2000
porque vivíamos num mundo
em que todos diziam facilmente:
em que todos diziam facilmente:
03:12
"Form follows function," but I think I've sort of grown up in a world
58
168000
4000
"A forma segue a função",
mas eu penso que cresci num mundo
03:16
-- you listened to Neil Gershenfeld yesterday;
59
172000
3000
- e vocês ouviram ontem Neil Gershenfeld
03:19
I was in a lab associated with his -- where it's really a world
60
175000
4000
e eu estive num laboratório
associado ao dele -
associado ao dele -
num mundo onde a informação
define a forma e a função.
define a forma e a função.
03:23
where information defines form and function.
61
179000
3000
03:26
I spent six years thinking about that,
62
182000
4000
Passei seis anos a pensar nisso,
mas, para mostrar-vos o poder
da arte sobre a ciência,
da arte sobre a ciência,
03:30
but to show you the power of art over science --
63
186000
2000
03:32
this is actually one of the cartoons I write. These are called "HowToons."
64
188000
3000
isto é uma das minhas
bandas desenhadas, "Howtoons".
bandas desenhadas, "Howtoons".
03:35
I work with a fabulous illustrator called Nick Dragotta.
65
191000
2000
Trabalho com um grande ilustrador
chamado Nick Dragotta.
chamado Nick Dragotta.
03:37
Took me six years at MIT,
66
193000
2000
Levei 6 anos no MIT e estas páginas todas
a descrever o que estava a fazer,
a descrever o que estava a fazer,
03:39
and about that many pages to describe what I was doing,
67
195000
4000
03:43
and it took him one page. And so this is our muse Tucker.
68
199000
5000
e a ele bastou-lhe uma página.
Então, este é Tucker, a nossa musa
- é um rapazinho interessante -
- e a sua irmã, Celine.
- e a sua irmã, Celine.
03:48
He's an interesting little kid -- and his sister, Celine --
69
204000
2000
03:50
and what he's doing here
70
206000
2000
Ele aqui está a observar
03:52
is observing the self-assembly of his Cheerios in his cereal bowl.
71
208000
4000
a disposição automática
dos cereais numa tijela.
dos cereais numa tijela.
03:56
And in fact you can program the self-assembly of things,
72
212000
3000
Mas podemos programar
a disposição automática de coisas.
a disposição automática de coisas.
03:59
so he starts chocolate-dipping edges,
73
215000
2000
Tucker mergulha as bordas em chocolate,
04:01
changing the hydrophobicity and the hydrophylicity.
74
217000
2000
alterando a hidrofobicidade
e a hidrofilicidade.
e a hidrofilicidade.
04:03
In theory, if you program those sufficiently,
75
219000
2000
Em teoria, se os programarmos
suficientemente,
suficientemente,
04:05
you should be able to do something pretty interesting
76
221000
2000
podemos fazer coisas interessantes
04:07
and make a very complex structure.
77
223000
2000
e produzir uma estrutura muito complexa.
04:09
In this case, he's done self-replication of a complex 3D structure.
78
225000
5000
Neste caso, ele fez a autorreplicação
de uma complexa estrutura em 3D.
de uma complexa estrutura em 3D.
Foi nisto que pensei durante muito tempo,
04:14
And that's what I thought about for a long time,
79
230000
3000
porque é assim que
fazemos as coisas agora.
fazemos as coisas agora.
04:17
because this is how we currently make things.
80
233000
2000
04:19
This is a silicon wafer, and essentially
81
235000
2000
Isto é uma pastilha de silício.
04:21
that's just a whole bunch of layers of two-dimensional stuff, sort of layered up.
82
237000
4000
Essencialmente, é um monte
de camadas de coisas bidimensionais
de camadas de coisas bidimensionais
umas por cima das outras.
04:25
The feature side is -- you know, people will say,
83
241000
2000
O tamanho característico
é de cerca de 65 nanómetros.
é de cerca de 65 nanómetros.
04:27
[unclear] down around about 65 nanometers now.
84
243000
2000
04:29
On the right, that's a radiolara.
85
245000
2000
À direita está um radiolário.
04:31
That's a unicellular organism ubiquitous in the oceans.
86
247000
3000
É um organismo unicelular
omnipresente nos oceanos,
omnipresente nos oceanos,
04:34
And that has feature sizes down to about 20 nanometers,
87
250000
4000
e tem tamanhos característicos
de até 20 nanómetros,
de até 20 nanómetros,
04:38
and it's a complex 3D structure.
88
254000
2000
e é uma estrutura complexa em 3D.
04:40
We could do a lot more with computers and things generally
89
256000
4000
Nós poderíamos fazer muito mais
com computadores e coisas em geral,
com computadores e coisas em geral,
04:44
if we knew how to build things this way.
90
260000
3000
se soubéssemos construir
coisas desta forma.
coisas desta forma.
04:47
The secret to biology is, it builds computation
91
263000
3000
O segredo da biologia é que integra
a informática na forma de fazer as coisas.
a informática na forma de fazer as coisas.
04:50
into the way it makes things. So this little thing here, polymerase,
92
266000
3000
Esta coisinha aqui, a polimerase,
04:53
is essentially a supercomputer designed for replicating DNA.
93
269000
5000
é essencialmente um supercomputador
concebido para replicar o ADN.
concebido para replicar o ADN.
04:58
And the ribosome here is another little computer
94
274000
3000
O ribossoma aqui é outro
pequeno computador
pequeno computador
05:01
that helps in the translation of the proteins.
95
277000
2000
que ajuda na tradução de proteínas.
05:03
I thought about this
96
279000
1000
Achei que isto era fantástico
para construir materiais biológicos,
para construir materiais biológicos,
05:04
in the sense that it's great to build in biological materials,
97
280000
3000
05:07
but can we do similar things?
98
283000
2000
Mas podemos fazer coisas semelhantes?
05:09
Can we get self-replicating-type behavior?
99
285000
2000
Podemos obter um comportamento
autorreplicativo?
autorreplicativo?
05:11
Can we get complex 3D structure automatically assembling
100
287000
4000
Podemos obter a montagem automática
de estruturas 3D em sistemas inorgânicos?
de estruturas 3D em sistemas inorgânicos?
05:15
in inorganic systems?
101
291000
2000
Porque há algumas vantagens
nos sistemas inorgânicos,
nos sistemas inorgânicos,
05:17
Because there are some advantages to inorganic systems,
102
293000
2000
05:19
like higher speed semiconductors, etc.
103
295000
2000
como semicondutores
de maior velocidade, etc.
de maior velocidade, etc.
05:21
So, this is some of my work
104
297000
2000
Então, este é algum do meu trabalho
05:23
on how do you do an autonomously self-replicating system.
105
299000
6000
sobre como fazer um sistema
autorreplicativo autónomo.
autorreplicativo autónomo.
Isto é uma espécie de vingança de Babbage.
05:29
And this is sort of Babbage's revenge.
106
305000
2000
Estes são pequenos computadores mecânicos.
05:31
These are little mechanical computers.
107
307000
1000
05:32
These are five-state state machines.
108
308000
3000
São máquinas de estados
com cinco estados.
com cinco estados.
São três interruptores de luz alinhados.
05:35
So, that's about three light switches lined up.
109
311000
3000
No estado neutro, nunca se ligam.
05:38
In a neutral state, they won't bind at all.
110
314000
2000
Mas, se fizermos uma cadeia com eles,
uma cadeia de bits,
uma cadeia de bits,
05:40
Now, if I make a string of these, a bit string,
111
316000
4000
eles conseguirão replicar-se.
05:44
they will be able to replicate.
112
320000
2000
05:46
So we start with white, blue, blue, white.
113
322000
1000
Começamos com branco, azul, azul, branco.
05:47
That encodes; that will now copy. From one comes two,
114
323000
6000
Este é o código que agora vai copiar-se.
De um passa para dois.
De um passa para dois.
05:53
and then from two comes three.
115
329000
2000
E depois de dois passa para três.
05:55
And so you've got this sort of replicating system.
116
331000
4000
Temos, assim, esta espécie
de sistema replicativo.
de sistema replicativo.
Este trabalho é de Lionel Penrose,
05:59
It was work actually by Lionel Penrose,
117
335000
2000
06:01
father of Roger Penrose, the tiles guy.
118
337000
3000
pai de Roger Penrose,
o tipo dos mosaicos.
o tipo dos mosaicos.
Foi feito, em grande parte nos anos 60,
06:04
He did a lot of this work in the '60s,
119
340000
2000
e muita desta teoria lógica
foi esquecida
foi esquecida
06:06
and so a lot of this logic theory lay fallow
120
342000
2000
06:08
as we went down the digital computer revolution, but it's now coming back.
121
344000
3000
quando prosseguimos com a revolução
informática digital, mas está a voltar.
informática digital, mas está a voltar.
06:11
So now I'm going to show you the hands-free, autonomous self-replication.
122
347000
4000
Vou mostrar-vos a autorreplicação
autónoma, sem interferências.
autónoma, sem interferências.
Nós detetámos no vídeo a cadeia inicial,
06:15
So we've tracked in the video the input string,
123
351000
2000
06:17
which was green, green, yellow, yellow, green.
124
353000
2000
que era verde, verde,
amarelo, amarelo, verde.
amarelo, amarelo, verde.
06:19
We set them off on this air hockey table.
125
355000
4000
Colocámo-los nesta mesa de hóquei de ar.
- a ciência avançada utiliza
mesas de hóquei de ar.
mesas de hóquei de ar.
06:23
You know, high science uses air hockey tables --
126
359000
2000
06:25
(Laughter)
127
361000
1000
Se olharmos muito tempo
para isto ficamos tontos,
para isto ficamos tontos,
06:26
-- and if you watch this thing long enough you get dizzy,
128
362000
2000
06:28
but what you're actually seeing is copies of that original string
129
364000
3000
mas estamos a ver
cópias da cadeia inicial
cópias da cadeia inicial
emergindo do contentor
de peças que temos aqui.
de peças que temos aqui.
06:31
emerging from the parts bin that you have here.
130
367000
3000
06:34
So we've got autonomous replication of bit strings.
131
370000
5000
E assim temos autorreplicação
autónoma de cadeias de bits.
autónoma de cadeias de bits.
Porque havemos de querer
replicar cadeias de bits?
replicar cadeias de bits?
06:39
So, why would you want to replicate bit strings?
132
375000
3000
06:42
Well, it turns out biology has this other very interesting meme,
133
378000
3000
Bom, porque a biologia tem
este meme muito interessante,
este meme muito interessante,
06:45
that you can take a linear string, which is a convenient thing to copy,
134
381000
3000
em que apanhamos uma cadeia
linear, algo conveniente para copiar,
linear, algo conveniente para copiar,
06:48
and you can fold that into an arbitrarily complex 3D structure.
135
384000
4000
e podemos dobrá-la arbitrariamente
numa estrutura 3D complexa.
numa estrutura 3D complexa.
06:52
So I was trying to, you know, take the engineer's version:
136
388000
3000
Então, eu tentei seguir
a versão do engenheiro:
a versão do engenheiro:
06:55
Can we build a mechanical system in inorganic materials
137
391000
3000
"Poderemos construir sistemas mecânicos
em materiais inorgânicos
que façam o mesmo?"
que façam o mesmo?"
06:58
that will do the same thing?
138
394000
1000
06:59
So what I'm showing you here is that we can make a 2D shape --
139
395000
5000
Mostro aqui que podemos fazer
com que uma forma em 2D - o B - se monte
07:04
the B -- assemble from a string of components
140
400000
4000
a partir de uma cadeia de componentes
que seguem regras extremamente simples.
que seguem regras extremamente simples.
07:08
that follow extremely simple rules.
141
404000
2000
07:10
And the whole point of going with the extremely simple rules here,
142
406000
3000
A razão para usar regras
extremamente simples aqui,
extremamente simples aqui,
e as máquinas de estados
muito simples no "design" anterior,
muito simples no "design" anterior,
07:13
and the incredibly simple state machines in the previous design,
143
409000
3000
07:16
was that you don't need digital logic to do computation.
144
412000
3000
é que não precisamos de lógica digital
para fazer computação.
para fazer computação.
07:19
And that way you can scale things much smaller than microchips.
145
415000
4000
Dessa forma podemos dimensionar
coisas muito menores que microchips.
coisas muito menores que microchips.
07:23
So you can literally use these as the tiny components in the assembly process.
146
419000
4000
Podemos usá-los como os minúsculos
componentes no processo de montagem.
componentes no processo de montagem.
07:27
So, Neil Gershenfeld showed you this video on Wednesday, I believe,
147
423000
5000
Penso que Neil Gershenfeld
vos mostrou este vídeo na quarta-feira.
vos mostrou este vídeo na quarta-feira.
mas vou mostrá-lo novamente.
07:32
but I'll show you again.
148
428000
2000
07:34
This is literally the colored sequence of those tiles.
149
430000
3000
Esta é exatamente a mesma
sequência daqueles mosaicos.
sequência daqueles mosaicos.
07:37
Each different color has a different magnetic polarity,
150
433000
3000
Cada cor tem uma polaridade
magnética diferente,
magnética diferente,
07:40
and the sequence is uniquely specifying the structure that is coming out.
151
436000
5000
e a sequência especifica de forma única
a estrutura que está a sair.
a estrutura que está a sair.
07:45
Now, hopefully, those of you who know anything about graph theory
152
441000
3000
Quem souber qualquer coisa
sobre teoria dos grafos
sobre teoria dos grafos
07:48
can look at that, and that will satisfy you
153
444000
2000
pode olhar e ficar satisfeito
07:50
that that can also do arbitrary 3D structure,
154
446000
3000
porque também pode fazer
estruturas arbitrárias em 3D.
estruturas arbitrárias em 3D.
07:53
and in fact, you know, I can now take a dog, carve it up
155
449000
5000
Na verdade, até posso apanhar
um cão, esculpi-lo
um cão, esculpi-lo
e remontá-lo em uma cadeia linear
07:58
and then reassemble it so it's a linear string
156
454000
2000
08:00
that will fold from a sequence. And now
157
456000
2000
que se dobrará a partir de uma sequência.
08:02
I can actually define that three-dimensional object as a sequence of bits.
158
458000
7000
Depois, posso definir aquele objeto
tridimensional como uma sequência de bits.
tridimensional como uma sequência de bits.
08:09
So, you know, it's a pretty interesting world
159
465000
3000
É um mundo muito interessante
08:12
when you start looking at the world a little bit differently.
160
468000
2000
quando começamos a olhar
o mundo de outra forma.
o mundo de outra forma.
08:14
And the universe is now a compiler.
161
470000
3000
O universo é agora um compilador.
08:17
And so I'm thinking about, you know, what are the programs
162
473000
2000
Ponho-me a pensar: quais os programas
para programar o universo físico?
para programar o universo físico?
08:19
for programming the physical universe?
163
475000
3000
E como pensar em materiais e estruturas
08:22
And how do we think about materials and structure,
164
478000
3000
como problemas
de informática e informação?
de informática e informação?
08:25
sort of as an information and computation problem?
165
481000
3000
08:28
Not just where you attach a micro-controller to the end point,
166
484000
3000
Não apenas onde ligamos
um microcontrolador à extremidade,
um microcontrolador à extremidade,
08:31
but that the structure and the mechanisms are the logic, are the computers.
167
487000
5000
mas a estrutura e os mecanismos
são a lógica, são os computadores.
são a lógica, são os computadores.
08:36
Having totally absorbed this philosophy,
168
492000
5000
Bom, depois de absorver
completamente esta filosofia,
completamente esta filosofia,
08:41
I started looking at a lot of problems a little differently.
169
497000
3000
comecei a ver muitos problemas
de forma diferente.
de forma diferente.
Com o universo como computador,
08:44
With the universe as a computer,
170
500000
1000
08:45
you can look at this droplet of water
171
501000
2000
podemos assumir que esta gota de água
executou os cálculos.
executou os cálculos.
08:47
as having performed the computations.
172
503000
2000
Definindo algumas condições limite,
08:49
You set a couple of boundary conditions, like gravity,
173
505000
2000
como a gravidade, a tensão superficial,
a densidade, etc.
a densidade, etc.
08:51
the surface tension, density, etc., and then you press "execute,"
174
507000
4000
e pressionando "executar",
08:55
and magically, the universe produces you a perfect ball lens.
175
511000
5000
o universo produz-vos uma lente
esférica perfeita, como por magia.
esférica perfeita, como por magia.
09:00
So, this actually applied to the problem
176
516000
2000
Isto aplica-se a um problema.
09:02
of -- so there's a half a billion to a billion people in the world
177
518000
3000
Há 500 a 1000 milhões de pessoas no mundo
09:05
don't have access to cheap eyeglasses.
178
521000
2000
que não têm acesso a óculos baratos.
09:07
So can you make a machine
179
523000
2000
Será que podemos fazer uma máquina
09:09
that could make any prescription lens very quickly on site?
180
525000
4000
que faça qualquer graduação
de lente rapidamente e no local?
de lente rapidamente e no local?
09:13
This is a machine where you literally define a boundary condition.
181
529000
4000
Isto é uma máquina em que definimos
uma condição limite.
uma condição limite.
09:17
If it's circular, you make a spherical lens.
182
533000
3000
Se for circular, faz uma lente esférica.
09:20
If it's elliptical, you can make an astigmatic lens.
183
536000
3000
Se for elíptica, faz uma lente
de astigmatismo.
de astigmatismo.
09:23
You then put a membrane on that and you apply pressure --
184
539000
3000
Pomos uma membrana em cima
e aplicamos pressão
e aplicamos pressão
09:26
so that's part of the extra program.
185
542000
2000
- isto faz parte do programa extra.
09:28
And literally with only those two inputs --
186
544000
3000
E apenas com esses dois "inputs"
09:31
so, the shape of your boundary condition and the pressure --
187
547000
2000
- a forma da condição limite e a pressão -
09:33
you can define an infinite number of lenses
188
549000
2000
podemos definir
um número infinito de lentes
um número infinito de lentes
09:35
that cover the range of human refractive error,
189
551000
2000
que cobrem a gama
do erro de refração humano
do erro de refração humano
09:37
from minus 12 to plus eight diopters, up to four diopters of cylinder.
190
553000
5000
de -12 a +8 dioptrias,
a até 4 dioptrias de cilindro.
a até 4 dioptrias de cilindro.
09:42
And then literally, you now pour on a monomer.
191
558000
3000
Depois, verte-se um monómero.
09:45
You know, I'll do a Julia Childs here.
192
561000
3000
Agora vou imitar a Julia Child.
09:48
This is three minutes of UV light.
193
564000
3000
São três minutos de luz UV.
09:51
And you reverse the pressure on your membrane
194
567000
3000
Invertemos a pressão na membrana
depois de cozê-la.
depois de cozê-la.
09:54
once you've cooked it. Pop it out.
195
570000
3000
Tiramo-la para fora.
09:57
I've seen this video, but I still don't know if it's going to end right.
196
573000
3000
Já vi este vídeo, mas ainda
não sei se vai terminar bem.
não sei se vai terminar bem.
10:00
(Laughter)
197
576000
3000
(Risos).
10:03
So you reverse this. This is a very old movie,
198
579000
2000
Invertemos isto.
Este é um filme muito antigo.
Este é um filme muito antigo.
10:05
so with the new prototypes, actually both surfaces are flexible,
199
581000
4000
Com os novos protótipos,
ambas as superfícies são flexíveis.
ambas as superfícies são flexíveis.
10:09
but this will show you the point.
200
585000
2000
Mas isto mostra o que quero dizer.
10:11
Now you've finished the lens, you literally pop it out.
201
587000
2000
Agora que terminámos a lente,
ela salta fora, literalmente.
ela salta fora, literalmente.
10:13
That's next year's Yves Klein, you know, eyeglasses shape.
202
589000
7000
Este é o modelo de óculos Yves Klein
para o próximo ano.
para o próximo ano.
Vemos que tem uma prescrição baixa
de cerca de -2 dioptrias.
de cerca de -2 dioptrias.
10:20
And you can see that that has a mild prescription of about minus two diopters.
203
596000
3000
10:23
And as I rotate it against this side shot, you'll see that that has cylinder,
204
599000
4000
Quando rodamos contra este diagrama
vemos que tem cilindro
vemos que tem cilindro
10:27
and that was programmed in --
205
603000
1000
e isto foi programado, literalmente,
na física do sistema.
na física do sistema.
10:28
literally into the physics of the system.
206
604000
4000
10:32
So, this sort of thinking about structure as computation
207
608000
3000
Esta forma de pensar na estrutura
enquanto um cálculo
enquanto um cálculo
10:35
and structure as information leads to other things, like this.
208
611000
5000
e na estrutura enquanto informações,
conduz a outras coisas, como isto.
conduz a outras coisas, como isto.
10:40
This is something that my people at SQUID Labs
209
616000
3000
Isto é uma coisa em que o meu pessoal
no SQUID Labs está agora a trabalhar.
no SQUID Labs está agora a trabalhar.
10:43
are working on at the moment, called "electronic rope."
210
619000
2000
Chama-se "Corda Eletrónica".
É literalmente uma corda.
É literalmente uma corda.
10:45
So literally, you think about a rope. It has very complex structure in the weave.
211
621000
4000
Tem uma trança
de estrutura muito complexa.
de estrutura muito complexa.
10:49
And under no load, it's one structure.
212
625000
2000
Sem carga, tem um tipo de estrutura.
Sob tensão, tem outra estrutura.
Sob tensão, tem outra estrutura.
10:51
Under a different load, it's a different structure. And you can actually exploit that
213
627000
3000
E podemos tirar partido disso
10:54
by putting in a very small number of
214
630000
2000
colocando um pequeno número
de fibras condutoras
de fibras condutoras
10:56
conducting fibers to actually make it a sensor.
215
632000
2000
para torná-la num sensor.
10:58
So this is now a rope that knows the load on the rope
216
634000
3000
Passa a ser uma corda
que reconhece a carga na corda
que reconhece a carga na corda
11:01
at any particular point in the rope.
217
637000
2000
em qualquer ponto da corda.
11:03
Just by thinking about the physics of the world,
218
639000
3000
Só por pensar na física do mundo,
11:06
materials as the computer,
219
642000
2000
materiais como o computador,
11:08
you can start to do things like this.
220
644000
3000
podemos começar a fazer coisas deste tipo.
11:11
I'm going to segue a little here.
221
647000
3000
Agora, vou divagar um pouco.
Vou falar-vos do tipo de coisas
que penso sobre isto.
que penso sobre isto.
11:14
I guess I'm just going to casually tell you the types of things
222
650000
2000
11:16
that I think about with this.
223
652000
1000
11:17
One thing I'm really interested about this right now is, how,
224
653000
4000
Uma das coisas que me interessa,
se estivermos a olhar para o universo
como um computador, é esta:
como um computador, é esta:
11:21
if you're really taking this view of the universe as a computer,
225
657000
4000
Como fazer coisas,
de uma maneira geral,
de uma maneira geral,
11:25
how do we make things in a very general sense,
226
661000
2000
11:27
and how might we share the way we make things in a general sense
227
663000
4000
e como poder partilhar a forma
como fazemos coisas de uma maneira geral
como fazemos coisas de uma maneira geral
11:31
the same way you share open source hardware?
228
667000
3000
da mesma forma que partilhamos
um "hardware" de código aberto?
um "hardware" de código aberto?
11:34
And a lot of talks here have espoused the benefits
229
670000
3000
Várias palestras
reconheceram os benefícios
reconheceram os benefícios
11:37
of having lots of people look at problems,
230
673000
2000
de haver muita gente
a olhar para os problemas,
a olhar para os problemas,
11:39
share the information and work on those things together.
231
675000
3000
a partilhar informações
e a trabalhar em conjunto nestas coisas.
e a trabalhar em conjunto nestas coisas.
11:42
So, a convenient thing about being a human is you move in linear time,
232
678000
3000
A vantagem do ser humano
é mover-se em tempo linear,
é mover-se em tempo linear,
11:45
and unless Lisa Randall changes that,
233
681000
2000
e, se Lisa Randall não alterar isso,
11:47
we'll continue to move in linear time.
234
683000
3000
continuaremos a mover-nos em tempo linear
11:50
So that means anything you do, or anything you make,
235
686000
2000
Isto significa que tudo o que fazemos
11:52
you produce a sequence of steps --
236
688000
2000
acontece numa sequência de passos
11:54
and I think Lego in the '70s nailed this,
237
690000
3000
e acho que os Legos nos anos 70
acertaram em cheio
acertaram em cheio
11:57
and they did it most elegantly.
238
693000
1000
e fizeram-no de forma muito elegante.
11:58
But they can show you how to build things in sequence.
239
694000
4000
Mostram-nos como construir
coisas sequencialmente.
coisas sequencialmente.
12:02
So, I'm thinking about, how can we generalize
240
698000
3000
Ando a pensar como poderemos generalizar
12:05
the way we make all sorts of things,
241
701000
2000
a forma de fazer todo o tipo de coisas
12:07
so you end up with this sort of guy, right?
242
703000
2000
para acabarmos com um tipo
como este, certo?
como este, certo?
12:09
And I think this applies across a very broad -- sort of, a lot of concepts.
243
705000
5000
Acho que isto se aplica
a uma ampla gama de conceitos.
a uma ampla gama de conceitos.
12:14
You know, Cameron Sinclair yesterday said,
244
710000
2000
Cameron Sinclair disse ontem:
12:16
"How do I get everyone to collaborate on design
245
712000
2000
"Como fazer para que todos
colaborem num projeto global
colaborem num projeto global
12:18
globally to do housing for humanity?"
246
714000
3000
"para abrigar a humanidade"?
E se viram Amy Smith,
12:21
And if you've seen Amy Smith,
247
717000
2000
ela fala sobre como pôr
os estudantes do MIT a trabalhar
os estudantes do MIT a trabalhar
12:23
she talks about how you get students at MIT
248
719000
4000
12:27
to work with communities in Haiti.
249
723000
2000
com as comunidades do Haiti.
12:29
And I think we have to sort of redefine and rethink
250
725000
2000
Penso que devemos redefinir e repensar
12:31
how we define structure and materials and assembly things,
251
727000
4000
como definimos estrutura e materiais
e montar coisas,
e montar coisas,
12:35
so that we can really share the information
252
731000
2000
para podermos partilhar informações
12:37
on how you do those things in a more profound way
253
733000
2000
sobre como fazer essas coisas
de forma mais profunda
de forma mais profunda
12:39
and build on each other's source code for structure.
254
735000
3000
e construir nos códigos-fonte
uns dos outros para a estrutura.
uns dos outros para a estrutura.
12:42
I don't know exactly how to do this yet,
255
738000
1000
Ainda não sei bem como o fazer,
12:43
but, you know, it's something being actively thought about.
256
739000
5000
mas é uma coisa em que penso ativamente.
12:48
So, you know, that leads to questions
257
744000
2000
Isto leva-nos a questões como:
12:50
like, is this a compiler? Is this a sub-routine?
258
746000
4000
"Isto é um compilador?
Isto é uma sub-rotina?"
Isto é uma sub-rotina?"
Coisas interessantes desse tipo.
12:54
Interesting things like that.
259
750000
1000
12:55
Maybe I'm getting a little too abstract, but you know,
260
751000
3000
Talvez eu esteja a ser muito abstrato,
mas - voltando aos nossos
personagens de BD -
personagens de BD -
12:58
this is the sort of -- returning to our comic characters --
261
754000
3000
isto é como o universo, ou um ponto
de vista diferente do universo,
de vista diferente do universo,
13:01
this is sort of the universe, or a different universe view,
262
757000
2000
13:03
that I think is going to be very prevalent in the future --
263
759000
2000
que acho virá a ser
preponderante no futuro
preponderante no futuro
13:05
from biotech to materials assembly. It was great to hear Bill Joy.
264
761000
3000
- da biotecnologia à montagem.
Foi ótimo ouvir Bill Joy.
13:08
They're starting to invest in materials science,
265
764000
3000
Eles começam a investir
na ciência dos materiais,
na ciência dos materiais,
13:11
but these are the new things in materials science.
266
767000
2000
mas são coisas novas
na ciência dos materiais.
na ciência dos materiais.
13:13
How do we put real information and real structure into new ideas,
267
769000
4000
Como colocar informação real
e estrutura real em novas ideias?
e estrutura real em novas ideias?
13:17
and see the world in a different way? And it's not going to be binary code
268
773000
3000
Ver o mundo de forma diferente?
Não será o código binário a definir
os computadores do universo,
os computadores do universo,
13:20
that defines the computers of the universe --
269
776000
2000
13:22
it's sort of an analog computer.
270
778000
2000
é um tipo de computador analógico.
13:24
But it's definitely an interesting new worldview.
271
780000
5000
Mas é, definitivamente, uma nova
e interessante visão do mundo.
e interessante visão do mundo.
13:29
I've gone too far. So that sounds like it's it.
272
785000
3000
Já avancei demais. Parece que é tudo.
13:32
I've probably got a couple of minutes of questions,
273
788000
2000
Talvez tenha uns minutos para perguntas.
13:34
or I can show -- I think they also said that I do extreme stuff
274
790000
4000
Parece-me que disseram
que eu também faço coisas extremas
que eu também faço coisas extremas
na introdução,
portanto tenho que explicar.
portanto tenho que explicar.
13:38
in the introduction, so I may have to explain that.
275
794000
4000
13:42
So maybe I'll do that with this short video.
276
798000
3000
Posso fazê-lo com este pequeno vídeo.
Isto é um papagaio de 280 m2,
13:45
So this is actually a 3,000-square-foot kite,
277
801000
6000
13:51
which also happens to be a minimal energy surface.
278
807000
2000
que também tem uma superfície
com energia mínima.
com energia mínima.
13:53
So returning to the droplet, again,
279
809000
2000
Voltando novamente à gota de água,
13:55
thinking about the universe in a new way.
280
811000
2000
pensando no universo de nova forma.
13:57
This is a kite designed by a guy called Dave Kulp.
281
813000
2000
Este papagaio foi desenhado por Dave Kulp.
13:59
And why do you want a 3,000-square-foot kite?
282
815000
2000
Porque queremos um papagaio de 280 m2?
14:01
So that's a kite the size of your house.
283
817000
2000
É um papagaio do tamanho duma casa.
14:03
And so you want that to tow boats very fast.
284
819000
4000
Serve para rebocar embarcações
muito rapidamente.
muito rapidamente.
14:07
So I've been working on this a little, also,
285
823000
3000
Também tenho trabalhado nisto
com alguns outros tipos.
com alguns outros tipos.
14:10
with a couple of other guys.
286
826000
2000
É uma nova maneira de olhar
14:12
But, you know, this is another way to look at the --
287
828000
2000
- se nos abstrairmos novamente -
14:14
if you abstract again,
288
830000
2000
14:16
this is a structure that is defined by the physics of the universe.
289
832000
4000
esta é uma estrutura que é definida
pela física do universo.
pela física do universo.
14:20
You could just hang it as a bed sheet,
290
836000
1000
Podíamos pendurá-la como um lençol,
14:21
but again, the computation of all the physics
291
837000
2000
mas o cálculo de toda a física
14:23
gives you the aerodynamic shape.
292
839000
2000
dá-nos a forma aerodinâmica.
14:25
And so you can actually sort of almost double your boat speed
293
841000
3000
Por isso, podemos quase duplicar
a velocidade do barco
a velocidade do barco
14:28
with systems like that. So that's sort of another interesting aspect of the future.
294
844000
7000
com sistemas deste tipo.
Este é outro aspeto
interessante do futuro.
interessante do futuro.
(Aplausos)
14:35
(Applause)
295
851000
1000
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