TED2011
Skylar Tibbits: Can we make things that make themselves?
Skylar Tibbits : เราสามารถสร้างสิ่งของที่สามารถสร้างตัวเองได้หรือไม่?
Filmed:
Readability: 4.4
1,072,366 views
Skylar Tibbits นักวิจัยจาก MIT กำลังศึกษาเรื่องสิ่งที่สร้างตัวมันเอง -- แทนที่เราจะสร้างอะไรขึ้นมา (เช่นเก้าอี้ ตึกระฟ้า) เราสามารถสร้างวัสดุที่สร้างตัวมันเองได้ เหมือนกับที่สายรหัสดีเอ็นเอประกอบตัวมันเองเข้าด้วยกัน มันเป็นแนวคิดที่ใหญ่และอยู่ในขั้นเริ่มต้น Tibbits นำเสนองานสามชิ้นจากห้องแล็บของเขา ซึ่งเผยโฉมหน้าว่าอนาคตของสิ่งที่สร้างตัวมันเองได้นั้นหน้าตาเป็นอย่างไร
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
วันนี้ผมอยากจะนำเสนอ
00:17
the future of the way we make things.
1
2000
2000
วิธีที่เราจะสร้างสิ่งของต่างๆ ในอนาคต
00:19
I believe that soon our buildings and machines
2
4000
2000
ผมเชื่อว่าอีกไม่นาน ตึก และ เครื่องจักร
00:21
will be self-assembling,
3
6000
2000
จะสามารถสร้างตัวมันเอง
00:23
replicating and repairing themselves.
4
8000
2000
ถอดแบบและซ่อมแซมตัวเองได้
00:25
So I'm going to show you
5
10000
2000
ก่อนอื่นผมจะแสดงให้คุณดู
00:27
what I believe is the current state of manufacturing,
6
12000
2000
ว่าวิธีการผลิตที่เราใช้กันอยู่ในปัจจุบันเป็นอย่างไร
00:29
and then compare that to some natural systems.
7
14000
3000
และเปรียบเทียบกระบวนการดังกล่าวกับระบบของธรรมชาติ
00:32
So in the current state of manufacturing, we have skyscrapers --
8
17000
3000
วิธีการที่เราใช้สร้างสิ่งต่างๆ ในปัจจุบัน เช่น ตึกระฟ้า
00:35
two and a half years [of assembly time],
9
20000
2000
ใช้เวลาสร้าง 2 ปีครึ่ง
00:37
500,000 to a million parts,
10
22000
2000
มีชิ้นส่วนห้าแสนจนถึงล้านชิ้น
00:39
fairly complex,
11
24000
2000
และค่อนข้างซับซ้อน
00:41
new, exciting technologies in steel, concrete, glass.
12
26000
3000
เรามีเทคโนโลยีใหม่ที่น่าตื่นเต้นในงานเหล็ก, คอนกรีต, แก้ว
00:44
We have exciting machines
13
29000
2000
เรามีเครื่องมือที่น่าตื่นตาตื่นใจ
00:46
that can take us into space --
14
31000
2000
ที่สามารถนำเราไปสู่อวกาศ
00:48
five years [of assembly time], 2.5 million parts.
15
33000
3000
ใช้เวลาประกอบห้าปี กับชิ้นส่วน 2.5 ล้านชิ้น
00:51
But on the other side, if you look at the natural systems,
16
36000
3000
ทีนี้ ถ้าคุณลองดูระบบธรรมชาติ
00:54
we have proteins
17
39000
2000
เรามีโปรตีน
00:56
that have two million types,
18
41000
2000
นับสองล้านชนิด
00:58
can fold in 10,000 nanoseconds,
19
43000
2000
ที่สามารถพับตัวใน 10,000 นาโนวินาที,
01:00
or DNA with three billion base pairs
20
45000
2000
หรือ DNA ซึ่งมีสามพันล้านคู่พื้นฐาน
01:02
we can replicate in roughly an hour.
21
47000
3000
ที่สามารถทำสำเนาตัวเองได้ในประมาณหนึ่งชั่วโมง
01:05
So there's all of this complexity
22
50000
2000
มันมีความซับซ้อนมากมายเลยนะ
01:07
in our natural systems,
23
52000
2000
ระบบในธรรมชาติเนี่ย
01:09
but they're extremely efficient,
24
54000
2000
แต่มันก็มีประสิทธิภาพมาก
01:11
far more efficient than anything we can build,
25
56000
2000
ยิ่งกว่าอะไรทั้งหมดที่เราสามารถสร้างได้
01:13
far more complex than anything we can build.
26
58000
2000
ซับซ้อนมากกว่าสิ่งใดๆ ที่เราสามารถสร้างได้
01:15
They're far more efficient in terms of energy.
27
60000
2000
และมีประสิทธิภาพมากกว่าในแง่ของการใช้พลังงาน
01:17
They hardly ever make mistakes.
28
62000
3000
มันแทบไม่เคยทำผิดพลาด
01:20
And they can repair themselves for longevity.
29
65000
2000
และยังสามารถซ่อมแซมตัวเองเพื่อยืดอายุต่อไปได้
01:22
So there's something super interesting about natural systems.
30
67000
3000
ดังนั้น ระบบของธรรมชาติจึงน่าสนใจมากๆ
01:25
And if we can translate that
31
70000
2000
และถ้าเราสามารถถ่ายทอดความสามารถนี้
01:27
into our built environment,
32
72000
2000
มาใส่ในสภาพแวดล้อมที่มนุษย์สร้างขึ้น
01:29
then there's some exciting potential for the way that we build things.
33
74000
2000
วิธีการที่เราสร้างสิ่งต่างๆ ก็จะมีศักยภาพที่น่าทึ่ง
01:31
And I think the key to that is self-assembly.
34
76000
3000
ซึ่งผมคิดว่ากุญแจสำคัญไปสู่จุดนั้นก็คือ ความสามารถในการสร้างตัวมันเอง
01:34
So if we want to utilize self-assembly in our physical environment,
35
79000
3000
ถ้าเราต้องการนำความสามารถในการสร้างมันตัวเองมาใช้
01:37
I think there's four key factors.
36
82000
2000
ผมคิดว่า มีปัจจัยหลัก 4 อย่าง
01:39
The first is that we need to decode
37
84000
2000
ประการแรก เราจำเป็นต้องถอดรหัส
01:41
all of the complexity of what we want to build --
38
86000
2000
ความซับซ้อนทั้งหมดของสิ่งที่เราต้องการจะสร้าง
01:43
so our buildings and machines.
39
88000
2000
เช่นอาคารและเครื่องจักร
01:45
And we need to decode that into simple sequences --
40
90000
2000
เราต้องถอดรหัสพวกนี้ออกมาเป็นลำดับขั้นตอนพื้นฐาน
01:47
basically the DNA of how our buildings work.
41
92000
2000
เรียกง่ายๆ ว่าถอดรหัส DNA การสร้างอาคารต่างๆ
01:49
Then we need programmable parts
42
94000
2000
แล้วเราก็ต้องมีชิ้นส่วนที่ตั้งโปรแกรม
01:51
that can take that sequence
43
96000
2000
ให้สามารถทำงานตามลำดับขั้นดังกล่าวได้
01:53
and use that to fold up, or reconfigure.
44
98000
3000
แล้วใช้ชิ้นส่วนที่ว่านั้นในการก่อร่างหรือปรับแต่ง
01:56
We need some energy that's going to allow that to activate,
45
101000
3000
เราต้องการแหล่งพลังงานที่กระตุ้นให้กระบวนการนี้เริ่มทำงาน
01:59
allow our parts to be able to fold up from the program.
46
104000
3000
เพื่อให้ชิ้นส่วนของเราสามารถประกอบกันตามโปรแกรม
02:02
And we need some type of error correction redundancy
47
107000
2000
และเราต้องการโปรแกรมที่มาแก้ไขข้อผิดพลาดบางอย่าง
02:04
to guarantee that we have successfully built what we want.
48
109000
3000
เพื่อให้แน่ใจว่าเราจะสร้างสิ่งที่เราต้องการได้สำเร็จสมบูรณ์
02:07
So I'm going to show you a number of projects
49
112000
2000
ดังนั้น ผมจะให้คุณดูโครงการต่างๆ
02:09
that my colleagues and I at MIT are working on
50
114000
2000
ที่ผมกับเพื่อนร่วมงานของผมที่ MIT กำลังศึกษาอยู่
02:11
to achieve this self-assembling future.
51
116000
2000
เพื่อสร้างสิ่งที่สามารถสร้างตัวเองได้ในอนาคต
02:13
The first two are the MacroBot and DeciBot.
52
118000
3000
สองโครงการแรกคือ MacroBot และ DeciBot
02:16
So these projects are large-scale reconfigurable robots --
53
121000
4000
มันคือหุ่นยนต์ขนาดใหญ่ที่สามารถปรับโครงสร้างตัวเองได้
02:20
8 ft., 12 ft. long proteins.
54
125000
3000
เหมือนกับห่วงโซ่โปรตีนยาว 8 ฟุต, 12 ฟุต
02:23
They're embedded with mechanical electrical devices, sensors.
55
128000
3000
ภายในเต็มไปด้วยอุปกรณ์กลไกไฟฟ้าและเซ็นเซอร์
02:26
You decode what you want to fold up into,
56
131000
2000
คุณถอดรหัสสิ่งที่คุณต้องการสร้างขึ้นมา
02:28
into a sequence of angles --
57
133000
2000
เป็นลำดับของการพับตัวเป็นมุมขนาดต่างๆ
02:30
so negative 120, negative 120, 0, 0,
58
135000
2000
ติดลบ 120, ติดลบ 120, 0, 0,
02:32
120, negative 120 -- something like that;
59
137000
3000
120, ลบ 120 -- อะไรประมาณนั้น
02:35
so a sequence of angles, or turns,
60
140000
2000
ลำดับของมุม หรือ จุดเปลี่ยนต่างๆ พวกนี้
02:37
and you send that sequence through the string.
61
142000
3000
ถูกส่งเข้ามาผ่านสายส่งสัญญาณ
02:40
Each unit takes its message -- so negative 120 --
62
145000
3000
แต่ละหน่วยจะได้ข้อความของมัน-- เช่น ลบ 120
02:43
it rotates to that, checks if it got there
63
148000
2000
มันก็จะหมุนไป แล้วตรวจสอบว่าได้มุมที่ต้องการหรือยัง
02:45
and then passes it to its neighbor.
64
150000
3000
แล้วก็ส่งผ่านต่อไปยังใกล้จุดเคียง
02:48
So these are the brilliant scientists,
65
153000
2000
นี้คือสุดยอดนักวิทยาศาสตร์
02:50
engineers, designers that worked on this project.
66
155000
2000
วิศวกร, นักออกแบบที่ทำงานในโครงการนี้
02:52
And I think it really brings to light:
67
157000
2000
และผมคิดว่ามันทำให้มีคำถามผุดขึ้นมาว่า
02:54
Is this really scalable?
68
159000
2000
งานนี้ขยายผลออกไปได้จริงหรือเปล่า?
02:56
I mean, thousands of dollars, lots of man hours
69
161000
2000
เราใช้เงินหลายพันดอลลาร์ และจำนวนชั่วโมงทำงานมหาศาล
02:58
made to make this eight-foot robot.
70
163000
3000
เพื่อสร้างเจ้าหุ่นยนต์แปดฟุตตัวนี้
03:01
Can we really scale this up? Can we really embed robotics into every part?
71
166000
3000
เราสามารถขยายผลออกไปได้จริงๆ หรือ? จะนำหุ่นยนต์นี้ไปใช้ในทุกๆ เรื่องได้จริงหรือ?
03:04
The next one questions that
72
169000
2000
คำถามถัดไปคือ
03:06
and looks at passive nature,
73
171000
2000
ตอนนี้ธรรมชาติของเจ้าหุ่นนี้
03:08
or passively trying to have reconfiguration programmability.
74
173000
3000
ยังทำงานตามโปรแกรมการปรับโครงสร้างตัวเองที่ถูกป้อนเข้าไป
03:11
But it goes a step further,
75
176000
2000
แต่มันจะก้าวไปสู่ขั้นต่อไป
03:13
and it tries to have actual computation.
76
178000
2000
นั่นคือ การพยายามทำให้มันคิดคำนวณได้เองจริงๆ
03:15
It basically embeds the most fundamental building block of computing,
77
180000
2000
มันคือการฝังวงจรที่เป็นองค์ประกอบขั้นพื้นฐานที่สุดของคอมพิวเตอร์
03:17
the digital logic gate,
78
182000
2000
นั่นคือดิจิตอล ลอจิกเกต (digital logic gate)
03:19
directly into your parts.
79
184000
2000
ลงไปในชิ้นส่วนต่างๆ โดยตรง
03:21
So this is a NAND gate.
80
186000
2000
อันนี้คือเกตแบบ NAND (NAND gate)
03:23
You have one tetrahedron which is the gate
81
188000
2000
คุณมีโครงสร้างปิรามิดฐานสามเหลี่ยม
03:25
that's going to do your computing,
82
190000
2000
ที่จะทำหน้าที่คำนวณให้คุณ
03:27
and you have two input tetrahedrons.
83
192000
2000
และก็มีปิรามิดฐานสามเหลี่ยม 2 ชิ้นที่ป้อนข้อมูลเข้ามา
03:29
One of them is the input from the user, as you're building your bricks.
84
194000
3000
อันหนึ่งเป็นข้อมูลมาจากผู้ใช้ เหมือนเวลาคุณกำลังจะก่ออิฐ
03:32
The other one is from the previous brick that was placed.
85
197000
3000
ข้อมูลอีกส่วนหนึ่งมาจากอิฐที่เคยก่อไว้ก่อนหน้านี้
03:35
And then it gives you an output in 3D space.
86
200000
3000
แล้วมันสุดท้ายมันจะให้ผลการคำนวณเป็นรูปแบบ 3 สามมิติ
03:38
So what this means
87
203000
2000
นั่นหมายถึง
03:40
is that the user can start plugging in what they want the bricks to do.
88
205000
3000
ผู้ใช้สามารถใส่ข้อมูลอะไรก็ตามที่พวกเขาอยากให้มันทำ
03:43
It computes on what it was doing before
89
208000
2000
แล้วมันก็จะคำนวณจากสิ่งที่มันเคยทำมาก่อน
03:45
and what you said you wanted it to do.
90
210000
2000
และข้อมูลที่คุณบอกว่าคุณอยากให้มันทำอะไร
03:47
And now it starts moving in three-dimensional space --
91
212000
2000
แล้วมันก็จะเริ่มเคลื่อนไหวในพื้นที่ 3 มิติ
03:49
so up or down.
92
214000
2000
เลื่อนขึ้นหรือเลื่อนลง
03:51
So on the left-hand side, [1,1] input equals 0 output, which goes down.
93
216000
3000
ทางซ้ายมือนี่ input [1,1] จะได้ output เท่ากับ 0 ซึ่งจะเป็นการเลื่อนลง
03:54
On the right-hand side,
94
219000
2000
ส่วนภาพทางขวานี่
03:56
[0,0] input is a 1 output, which goes up.
95
221000
3000
ข้อมูล input [0,0] ออกมาเป็น output เท่ากับ 1 ซึ่งจะเป็นการเลื่อนขึ้น
03:59
And so what that really means
96
224000
2000
ดังนั้น นี่หมายถึงว่า
04:01
is that our structures now contain the blueprints
97
226000
2000
ไอ้เจ้าโครงสร้างของเรานี้ ตอนนี้มันเก็บพิมพ์เขียว
04:03
of what we want to build.
98
228000
2000
ของสิ่งที่เราต้องการที่จะสร้างไว้
04:05
So they have all of the information embedded in them of what was constructed.
99
230000
3000
ดังนั้น มันมีข้อมูลทั้งหมดฝังอยู่ในตัว เกี่ยวกับสิ่งที่มันเคยสร้าง
04:08
So that means that we can have some form of self-replication.
100
233000
3000
นั่นหมายความว่า มันสามารถถอดแบบและสร้างตัวมันเองได้
04:11
In this case I call it self-guided replication,
101
236000
3000
ผมเรียกมันว่าการถอดแบบจำลองโดยมีแนวทางในตัวเอง
04:14
because your structure contains the exact blueprints.
102
239000
2000
เพราะโครงสร้างที่ว่านี้มีพิมพ์เขียวที่ชัดเจนอยู่แล้ว
04:16
If you have errors, you can replace a part.
103
241000
2000
หากเกิดข้อผิดพลาดขึ้น คุณก็สามารถเปลี่ยนชิ้นส่วนนั้นได้
04:18
All the local information is embedded to tell you how to fix it.
104
243000
3000
ข้อมูลวิธีการแก้ไขทั้งหมดถูกฝังไว้ในระบบแล้ว
04:21
So you could have something that climbs along and reads it
105
246000
2000
ดังนั้นคุณจึงมีโครงสร้างที่ค่อยๆ เคลื่อนไหวและอ่านพิมพ์เขียวนั้น
04:23
and can output at one to one.
106
248000
2000
แล้วส่งข้อมูลออกไปหากันและกัน
04:25
It's directly embedded; there's no external instructions.
107
250000
2000
ระบบนี้ถูกฝังโดยตรงอยู่ภายในโครงสร้าง; มีไม่มีคำสั่งภายนอก
04:27
So the last project I'll show is called Biased Chains,
108
252000
3000
สุดท้าย โครงการล่าสุดที่ผมจะให้คุณดูเรียกว่า Biased Chains
04:30
and it's probably the most exciting example that we have right now
109
255000
3000
น่าจะเป็นตัวอย่างที่น่าตื่นเต้นที่สุดที่เรามีในตอนนี้
04:33
of passive self-assembly systems.
110
258000
2000
ของระบบที่สร้างประกอบตัวเองตามโปรแกรมที่ได้รับ
04:35
So it takes the reconfigurability
111
260000
2000
ความสามารถในการปรับเปลี่ยนโครงสร้าง
04:37
and programmability
112
262000
2000
และการที่เราสามารถตั้งโปรแกรมให้มันได้
04:39
and makes it a completely passive system.
113
264000
3000
ทำให้มันเป็นระบบที่ทำตามคำสั่งได้โดยสมบูรณ์
04:43
So basically you have a chain of elements.
114
268000
2000
เอาล่ะ อธิบายง่ายๆ คือคุณมีห่วงโซ่ขององค์ประกอบ
04:45
Each element is completely identical,
115
270000
2000
แต่ละองค์ประกอบจะเหมือนกันเป๊ะ
04:47
and they're biased.
116
272000
2000
แล้วก็มีความโน้มเอียง
04:49
So each chain, or each element, wants to turn right or left.
117
274000
3000
คือ ห่วงโซ่แต่ห่วงมีความโน้มเอียงที่จะเลี้ยวขวาหรือซ้าย
04:52
So as you assemble the chain, you're basically programming it.
118
277000
3000
ดังนั้นเมื่อคุณประกอบห่วงโซ่ ก็เหมือนคุณเขียนโปรแกรมให้มัน
04:55
You're telling each unit if it should turn right or left.
119
280000
3000
คุณบอกแต่ละหน่วยว่ามันควรจะเลี้ยวขวาหรือซ้าย
04:58
So when you shake the chain,
120
283000
3000
แล้วเมื่อคุณเขย่าห่วงโซ่
05:01
it then folds up
121
286000
2000
มันก็พับขึ้น
05:03
into any configuration that you've programmed in --
122
288000
3000
เป็นรูปแบบตามที่คุณได้ตั้งโปรแกรมไว้
05:06
so in this case, a spiral,
123
291000
2000
อย่างอันนี้ กลายเป็นเกลียว
05:08
or in this case,
124
293000
3000
ส่วนอันนี้
05:11
two cubes next to each other.
125
296000
3000
เป็นลูกบาศก์สองอันติดกัน
05:14
So you can basically program
126
299000
2000
ดังนั้นคุณจึงสามารถเขียนโปรแกรม
05:16
any three-dimensional shape --
127
301000
2000
รูปร่างสามมิติอะไรก็ได้
05:18
or one-dimensional, two-dimensional -- up into this chain completely passively.
128
303000
3000
หรือจะหนึ่งมิติสองมิติก็ได้ เพราะห่วงโซ่นี้มันทำตามคำสั่งที่เราตั้งโปรแกรมให้หมด
05:21
So what does this tell us about the future?
129
306000
2000
เอาล่ะ แล้วสิ่งเหล่านี้บอกอะไรเราเกี่ยวกับอนาคต?
05:23
I think that it's telling us
130
308000
2000
ผมคิดว่ามันบอกเราว่า
05:25
that there's new possibilities for self-assembly, replication, repair
131
310000
3000
มีความเป็นไปได้ ที่เราจะมีสิ่งที่สร้าง จำลองแบบ และซ่อมแซมตัวเอง
05:28
in our physical structures, our buildings, machines.
132
313000
3000
ในโครงสร้างทางกายภาพ อาคาร และเครื่องจักรที่เราใช้
05:31
There's new programmability in these parts.
133
316000
2000
เราสามารถตั้งโปรแกรมในชิ้นส่วนของสิ่งเหล่านี้ได้มากขึ้น
05:33
And from that you have new possibilities for computing.
134
318000
2000
ซึ่งนั่นทำให้เรามีความเป็นไปได้ใหม่ๆ ในการคำนวณและประมวลผล
05:35
We'll have spatial computing.
135
320000
2000
เราจะมีการคำนวณเชิงพื้นที่
05:37
Imagine if our buildings, our bridges, machines,
136
322000
2000
ลองคิดดูสิ หากอาคาร, สะพาน, เครื่องจักร
05:39
all of our bricks could actually compute.
137
324000
2000
และก้อนอิฐทั้งหมดสามารถคิดคำนวณเองได้
05:41
That's amazing parallel and distributed computing power,
138
326000
2000
นั่นเป็นพลังการคำนวณและประมวลผลที่น่าทึ่ง
05:43
new design possibilities.
139
328000
2000
มันคือความเป็นไปได้ใหม่ๆ ในการออกแบบ
05:45
So it's exciting potential for this.
140
330000
2000
เป็นศักยภาพที่น่าตื่นเต้นสำหรับงานชิ้นนี้
05:47
So I think these projects I've showed here
141
332000
2000
ผมคิดว่าโครงการเหล่านี้ที่ผมแสดงให้คุณดู
05:49
are just a tiny step towards this future,
142
334000
2000
เป็นเพียงขั้นตอนเล็ก ๆ ไปสู่อนาคต
05:51
if we implement these new technologies
143
336000
2000
ถ้าเรานำเทคโนโลยีใหม่เหล่านี้ไปใช้
05:53
for a new self-assembling world.
144
338000
2000
เพื่อสร้างโลกใหม่ที่สร้างตัวมันเองได้ด้วยตัวมันเอง
05:55
Thank you.
145
340000
2000
ขอบคุณครับ
05:57
(Applause)
146
342000
2000
(เสียงปรบมือ)
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