TED2011
Skylar Tibbits: Can we make things that make themselves?
Σκάιλαρ Τίμπιτς: Μπορούμε να φτιάξουμε αντικείμενα που να φτιάχνουν τον εαυτό τους;
Filmed:
Readability: 4.4
1,072,366 views
Ο ερευνητής του ΜΙΤ Σκάιλαρ Τίμπιτς εργάζεται πάνω στην αυτοσυναρμολόγηση -- η ιδέα του αντί να κατασκευάσουμε κάτι (μια καρέκλα, έναν ουρανοξύστη) να μπορούμε να δημιουργήσουμε υλικά που κατασκευάζονται μόνα τους, όπως περίπου συγκρατούνται τα σκέλη της αλυσίδας του DNA. Είναι μια μεγάλη ιδέα σε πρώιμα στάδια. Ο Τίμπιτς μας παρουσιάζει τρία εργαστηριακά προγράμματα που μας δείχνουν πώς μπορεί να είναι η αυτοσυναρμολόγηση στο μέλλον.
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
Σήμερα θα ήθελα να σας δείξω
00:17
the future of the way we make things.
1
2000
2000
πως θα φτιάχνουμε αντικείμενα στο μέλλον.
00:19
I believe that soon our buildings and machines
2
4000
2000
Πιστεύω ότι σύντομα τα κτίσματα και οι μηχανές μας
00:21
will be self-assembling,
3
6000
2000
θα είναι αυτοσυναρμολογούμενα,
00:23
replicating and repairing themselves.
4
8000
2000
αντιγράφοντας και επισκευάζοντας τους εαυτούς τους.
00:25
So I'm going to show you
5
10000
2000
Θα σας δείξω λοιπόν
00:27
what I believe is the current state of manufacturing,
6
12000
2000
ποια πιστεύω ότι είναι η σημερινή κατάσταση στις κατασκευές
00:29
and then compare that to some natural systems.
7
14000
3000
και μετά θα την συγκρίνω με μερικά φυσικά συστήματα.
00:32
So in the current state of manufacturing, we have skyscrapers --
8
17000
3000
Έτσι, στην παρούσα φάση των κατασκευών, έχουμε ουρανοξύστες
00:35
two and a half years [of assembly time],
9
20000
2000
-- δυόμιση χρόνια για κατασκευή,
00:37
500,000 to a million parts,
10
22000
2000
500.000 έως ένα εκατομμύριο απάρτια, --
00:39
fairly complex,
11
24000
2000
αρκετά πολύπλοκο,
00:41
new, exciting technologies in steel, concrete, glass.
12
26000
3000
νέες και συναρπαστικές τεχνολογίες στους τομείς του χάλυβα, του σκυροδέματος, του υάλου.
00:44
We have exciting machines
13
29000
2000
Έχουμε συναρπαστικές μηχανές
00:46
that can take us into space --
14
31000
2000
που μπορούν να μας πάνε στο διάστημα
00:48
five years [of assembly time], 2.5 million parts.
15
33000
3000
-- 5 χρόνια για κατασκευή και 2,5 εκατομμύρια απάρτια.
00:51
But on the other side, if you look at the natural systems,
16
36000
3000
Αλλά, από την άλλη μεριά, εάν δείτε τα φυσικά συστήματα,
00:54
we have proteins
17
39000
2000
έχουμε πρωτεΐνες
00:56
that have two million types,
18
41000
2000
που έχουν δύο εκατομμύρια τύπους,
00:58
can fold in 10,000 nanoseconds,
19
43000
2000
μπορούν να αναδιπλωθούν σε 10.000 νανοδευτερόλεπτα
01:00
or DNA with three billion base pairs
20
45000
2000
ή το DNA με 3 δισεκατομμύρια ζεύγη βάσεων
01:02
we can replicate in roughly an hour.
21
47000
3000
που μπορούμε να αντιγράψουμε το πολύ σε μια ώρα.
01:05
So there's all of this complexity
22
50000
2000
Υπάρχει λοιπόν όλη αυτή η πολυπλοκότητα
01:07
in our natural systems,
23
52000
2000
στα φυσικά μας συστήματα,
01:09
but they're extremely efficient,
24
54000
2000
αλλά είναι εξαιρετικά αποτελεσματική,
01:11
far more efficient than anything we can build,
25
56000
2000
πολύ πιο αποτελεσματική από οτιδήποτε μπορούμε να δημιουργήσουμε,
01:13
far more complex than anything we can build.
26
58000
2000
πολύ πιο πολύπλοκη από οτιδήποτε μπορούμε να δημιουργήσουμε.
01:15
They're far more efficient in terms of energy.
27
60000
2000
Είναι μακράν πιο αποδοτικά από άποψη ενέργειας.
01:17
They hardly ever make mistakes.
28
62000
3000
Σπάνια κάνουν λάθη.
01:20
And they can repair themselves for longevity.
29
65000
2000
Και μπορούν να επιδιορθώσουν τον εαυτό τους για μακροζωία.
01:22
So there's something super interesting about natural systems.
30
67000
3000
Υπάρχει λοιπόν, κάτι πολύ ενδιαφέρον στα φυσικά συστήματα.
01:25
And if we can translate that
31
70000
2000
Και εάν το μεταφέρουμε αυτό
01:27
into our built environment,
32
72000
2000
στο δομημένο μας περιβάλλον,
01:29
then there's some exciting potential for the way that we build things.
33
74000
2000
τότε υπάρχουν πολλές συναρπαστικές δυνατότητες για τον τρόπο που δημιουργούμε αντικείμενα.
01:31
And I think the key to that is self-assembly.
34
76000
3000
Και πιστεύω ότι το κλειδί σε αυτό είναι η αυτοσυναρμολόγηση.
01:34
So if we want to utilize self-assembly in our physical environment,
35
79000
3000
Εάν λοιπόν θέλουμε να την υλοποιήσουμε στο φυσικό μας περιβάλλον,
01:37
I think there's four key factors.
36
82000
2000
πιστεύω ότι υπάρχουν τέσσερις βασικοί παράγοντες.
01:39
The first is that we need to decode
37
84000
2000
Ο πρώτος είναι ότι πρέπει να αποκωδικοποιήσουμε
01:41
all of the complexity of what we want to build --
38
86000
2000
όλη την πολυπλοκότητα αυτού που θέλουμε να δημιουργήσουμε
01:43
so our buildings and machines.
39
88000
2000
-- κτίρια και μηχανές δηλαδή.
01:45
And we need to decode that into simple sequences --
40
90000
2000
Και πρέπει να κάνουμε την αποκωδικοποίηση σε απλές ακολουθίες
01:47
basically the DNA of how our buildings work.
41
92000
2000
-- βασικά το DNA για το πως λειτουργούν τα κτίριά μας.
01:49
Then we need programmable parts
42
94000
2000
Μετά, χρειαζόμαστε προγραμματιζόμενα απάρτια
01:51
that can take that sequence
43
96000
2000
που να μπορούν να πάρουν αυτές τις ακολουθίες
01:53
and use that to fold up, or reconfigure.
44
98000
3000
και να τις χρησιμοποιήσουν για να αναδιπλωθούν ή να επαναρρυθμιστούν.
01:56
We need some energy that's going to allow that to activate,
45
101000
3000
Χρειαζόμαστε κάποιου είδους ενέργεια που θα τους επιτρέψει να ενεργοποιηθούν,
01:59
allow our parts to be able to fold up from the program.
46
104000
3000
επιτρέποντας στα απάρτια να αναδιπλωθούν με βάση το πρόγραμμα.
02:02
And we need some type of error correction redundancy
47
107000
2000
Και χρειαζόμαστε κάποιου είδους ελέγχου και διόρθωσης σφαλμάτων
02:04
to guarantee that we have successfully built what we want.
48
109000
3000
που θα εγγυηθεί ότι έχουμε χτίσει με επιτυχία αυτό που θέλουμε.
02:07
So I'm going to show you a number of projects
49
112000
2000
Θα σας δείξω λοιπόν, κάποια προγράμματα
02:09
that my colleagues and I at MIT are working on
50
114000
2000
στα οποία οι συνάδελφοί μου και εγώ στο ΜΙΤ εργαζόμαστε
02:11
to achieve this self-assembling future.
51
116000
2000
για να πετύχουμε την αυτοσυναρμολόγηση στο μέλλον.
02:13
The first two are the MacroBot and DeciBot.
52
118000
3000
Τα πρώτα δυο είναι τα MacroBot και DeciBot.
02:16
So these projects are large-scale reconfigurable robots --
53
121000
4000
Αυτά λοιπόν τα προγράμματα είναι αναδιαρθρώσιμα ρομπότ μεγάλης κλίμακας
02:20
8 ft., 12 ft. long proteins.
54
125000
3000
-- 2,5 μέτρα, 3,5 μέτρα μήκος πρωτεϊνών.
02:23
They're embedded with mechanical electrical devices, sensors.
55
128000
3000
Είναι ενσωματωμένα με μηχανικές ηλεκτρικές συσκευές, αισθητήρες.
02:26
You decode what you want to fold up into,
56
131000
2000
Αποκωδικοποιούμε το πως θέλουμε να αναδιπλωθεί,
02:28
into a sequence of angles --
57
133000
2000
σε μια ακολουθία από γωνίες
02:30
so negative 120, negative 120, 0, 0,
58
135000
2000
-- όπως αρνητική 120 μοίρες, αρνητική 120 μοίρες, 0 μοίρες, 0 μοίρες,
02:32
120, negative 120 -- something like that;
59
137000
3000
120 μοίρες, αρνητική 120 μοίρες -- κάπως έτσι,
02:35
so a sequence of angles, or turns,
60
140000
2000
μια ακολουθία από γωνίες ή στροφές,
02:37
and you send that sequence through the string.
61
142000
3000
η οποία στέλνεται σε σειρά.
02:40
Each unit takes its message -- so negative 120 --
62
145000
3000
Κάθε μονάδα λαμβάνει το μήνυμά της -- έστω αρνητική 120 μοίρες.
02:43
it rotates to that, checks if it got there
63
148000
2000
Περιστρέφεται τόσο, ελέγχει εάν έφτασε εκεί
02:45
and then passes it to its neighbor.
64
150000
3000
και μετά το μεταφέρει στη γειτονική της μονάδα.
02:48
So these are the brilliant scientists,
65
153000
2000
Αυτοί είναι λοιπόν οι λαμπροί επιστήμονες,
02:50
engineers, designers that worked on this project.
66
155000
2000
μηχανικοί, σχεδιαστές που δούλεψαν σε αυτό το πρόγραμμα.
02:52
And I think it really brings to light:
67
157000
2000
Και πιστεύω ότι πραγματικά αναδεικνύει το ερώτημα:
02:54
Is this really scalable?
68
159000
2000
Είναι αυτό πραγματικά κλιμακούμενο;
02:56
I mean, thousands of dollars, lots of man hours
69
161000
2000
Δηλαδή, χιλιάδες δολάρια, πάρα πολλές ανθρωποώρες
02:58
made to make this eight-foot robot.
70
163000
3000
χρειάστηκαν για να δημιουργηθεί αυτό το δυόμιση μέτρων ρομπότ.
03:01
Can we really scale this up? Can we really embed robotics into every part?
71
166000
3000
Μπορούμε να το κλιμακώσουμε; Μπορούμε πραγματικά να ενσωματώσουμε τη ρομποτική σε κάθε απάρτιο;
03:04
The next one questions that
72
169000
2000
Το επόμενο πρόγραμμα το αμφισβητεί αυτό
03:06
and looks at passive nature,
73
171000
2000
και εξετάζει τον παθητικό χαρακτήρα
03:08
or passively trying to have reconfiguration programmability.
74
173000
3000
ή παθητικά προσπαθεί να κάνει προγραμματιστική επανόρθωση.
03:11
But it goes a step further,
75
176000
2000
Αλλά πάει ένα βήμα παραπέρα
03:13
and it tries to have actual computation.
76
178000
2000
και προσπαθεί να κάνει πραγματικούς υπολογισμούς.
03:15
It basically embeds the most fundamental building block of computing,
77
180000
2000
Βασικά ενσωματώνει το πιο θεμελιώδες δομικό στοιχείο της πληροφορικής,
03:17
the digital logic gate,
78
182000
2000
την ψηφιακή λογική πύλη,
03:19
directly into your parts.
79
184000
2000
απευθείας στα απάρτια.
03:21
So this is a NAND gate.
80
186000
2000
Αυτή λοιπόν είναι μια πύλη NAND.
03:23
You have one tetrahedron which is the gate
81
188000
2000
Έχετε ένα τετράεδρο που είναι η πύλη
03:25
that's going to do your computing,
82
190000
2000
και πρόκειται να κάνει τους υπολογισμούς
03:27
and you have two input tetrahedrons.
83
192000
2000
και έχετε δυο τετράεδρα εισόδου.
03:29
One of them is the input from the user, as you're building your bricks.
84
194000
3000
Το ένα είναι η είσοδος από το χρήστη, καθώς τοποθετούνται οι δομικές μονάδες.
03:32
The other one is from the previous brick that was placed.
85
197000
3000
Το άλλο είναι από την προηγούμενη δομική μονάδα που τοποθετήθηκε.
03:35
And then it gives you an output in 3D space.
86
200000
3000
Και μετά μας δίνει το αποτέλεσμα στον τρισδιάστατο χώρο.
03:38
So what this means
87
203000
2000
Αυτό λοιπόν σημαίνει ότι
03:40
is that the user can start plugging in what they want the bricks to do.
88
205000
3000
ο χρήστης μπορεί να ξεκινήσει την εισαγωγή του τι θέλει να κάνουν οι δομικές μονάδες.
03:43
It computes on what it was doing before
89
208000
2000
Υπολογίζει αυτό που έκανε πριν
03:45
and what you said you wanted it to do.
90
210000
2000
και τι του είπατε να κάνει.
03:47
And now it starts moving in three-dimensional space --
91
212000
2000
Και τώρα αρχίζει και περιστρέφεται στο χώρο,
03:49
so up or down.
92
214000
2000
πάνω ή κάτω.
03:51
So on the left-hand side, [1,1] input equals 0 output, which goes down.
93
216000
3000
Έτσι, έχουμε στα αριστερά, η είσοδος [1,1] δίνει έξοδο 0, που πηγαίνει κάτω.
03:54
On the right-hand side,
94
219000
2000
Στη δεξιά πλευρά,
03:56
[0,0] input is a 1 output, which goes up.
95
221000
3000
η είσοδος [0,0] δίνει έξοδο 1, που πηγαίνει πάνω.
03:59
And so what that really means
96
224000
2000
Αυτό λοιπόν πραγματικά σημαίνει
04:01
is that our structures now contain the blueprints
97
226000
2000
ότι οι δομές μας περιέχουν τα κατασκευαστικά σχέδια
04:03
of what we want to build.
98
228000
2000
αυτού που θέλουμε να κατασκευάσουμε.
04:05
So they have all of the information embedded in them of what was constructed.
99
230000
3000
Έχουν λοιπόν ενσωματωμένη όλη την πληροφορία του τι κατασκευάστηκε.
04:08
So that means that we can have some form of self-replication.
100
233000
3000
Αυτό σημαίνει ότι μπορούμε να έχουμε κάποιου είδους αυτο-αντιγραφής.
04:11
In this case I call it self-guided replication,
101
236000
3000
Σε αυτή την περίπτωση την ονομάζω αυτο-καθοδηγούμενη αντιγραφή,
04:14
because your structure contains the exact blueprints.
102
239000
2000
επειδή η δομή περιέχει τα ακριβή κατασκευαστικά σχέδια.
04:16
If you have errors, you can replace a part.
103
241000
2000
Εάν υπάρχουν σφάλματα, μπορείτε να αντικαταστήσετε τη δομική μονάδα.
04:18
All the local information is embedded to tell you how to fix it.
104
243000
3000
Όλη η τοπική πληροφορία είναι ενσωματωμένη και θα σας πει πως να το επιδιορθώσετε.
04:21
So you could have something that climbs along and reads it
105
246000
2000
Θα μπορούσατε δηλαδή να έχετε κάτι που καθώς ανεβαίνει την διαβάζει
04:23
and can output at one to one.
106
248000
2000
και μπορεί να την εξάγει μία προς μία.
04:25
It's directly embedded; there's no external instructions.
107
250000
2000
Είναι πλήρως ενσωματωμένη, δεν υπάρχουν εξωτερικές οδηγίες.
04:27
So the last project I'll show is called Biased Chains,
108
252000
3000
Το τελευταίο πρόγραμμα που θα σας δείξω ονομάζεται Biased Chains
04:30
and it's probably the most exciting example that we have right now
109
255000
3000
και πιθανότατα είναι το πιο συναρπαστικό παράδειγμα που έχουμε αυτή τη στιγμή
04:33
of passive self-assembly systems.
110
258000
2000
για τα παθητικά αυτοσυναρμολογούμενα συστήματα.
04:35
So it takes the reconfigurability
111
260000
2000
Παίρνει την επαναρρύθμιση
04:37
and programmability
112
262000
2000
και τον προγραμματισμό
04:39
and makes it a completely passive system.
113
264000
3000
και τα καθιστά ένα πλήρες παθητικό σύστημα.
04:43
So basically you have a chain of elements.
114
268000
2000
Βασικά, έχουμε μια αλυσίδα από στοιχεία.
04:45
Each element is completely identical,
115
270000
2000
Κάθε στοιχείο είναι ολόιδιο
04:47
and they're biased.
116
272000
2000
και είναι πολωμένα.
04:49
So each chain, or each element, wants to turn right or left.
117
274000
3000
Έτσι, κάθε αλυσίδα ή κάθε στοιχείο, θέλει να περιστραφεί αριστερά ή δεξιά.
04:52
So as you assemble the chain, you're basically programming it.
118
277000
3000
Όπως λοιπόν συναρμολογείτε την αλυσίδα, αυτό που κάνετε βασικά είναι να την προγραμματίζετε.
04:55
You're telling each unit if it should turn right or left.
119
280000
3000
Λέτε σε κάθε δομική μονάδα εάν πρέπει να περιστραφεί δεξιά ή αριστερά.
04:58
So when you shake the chain,
120
283000
3000
Όταν λοιπόν ανακινείτε την αλυσίδα,
05:01
it then folds up
121
286000
2000
αυτή αναδιπλώνεται
05:03
into any configuration that you've programmed in --
122
288000
3000
στο σχήμα που την έχετε προγραμματίσει --
05:06
so in this case, a spiral,
123
291000
2000
όπως σε αυτή την περίπτωση μια σπείρα
05:08
or in this case,
124
293000
3000
ή σε αυτή την περίπτωση,
05:11
two cubes next to each other.
125
296000
3000
δύο κύβοι ο ένας δίπλα στον άλλον.
05:14
So you can basically program
126
299000
2000
Μπορείτε λοιπόν να προγραμματίσετε
05:16
any three-dimensional shape --
127
301000
2000
οποιοδήποτε τρισδιάστατο σχήμα
05:18
or one-dimensional, two-dimensional -- up into this chain completely passively.
128
303000
3000
ή μονοδιάστατο, δισδιάστατο -- επάνω σε αυτή την αλυσίδα τελείως παθητικά.
05:21
So what does this tell us about the future?
129
306000
2000
Τι μας λέει αυτό για το μέλλον;
05:23
I think that it's telling us
130
308000
2000
Πιστεύω ότι μας δείχνει
05:25
that there's new possibilities for self-assembly, replication, repair
131
310000
3000
ότι υπάρχουν νέες δυνατότητες για αυτοσυναρμολόγηση, αντιγραφή, επισκευή
05:28
in our physical structures, our buildings, machines.
132
313000
3000
στις φυσικές μας δομές, τα κτίρια, τις μηχανές.
05:31
There's new programmability in these parts.
133
316000
2000
Υπάρχει νέα δυνατότητα προγραμματισμού σε αυτές τις περιοχές.
05:33
And from that you have new possibilities for computing.
134
318000
2000
Και λόγω αυτού έχουμε νέες δυνατότητες για την πληροφορική.
05:35
We'll have spatial computing.
135
320000
2000
Θα έχουμε χωρικούς υπολογιστές.
05:37
Imagine if our buildings, our bridges, machines,
136
322000
2000
Φανταστείτε τα κτίριά μας, γέφυρες, μηχανές,
05:39
all of our bricks could actually compute.
137
324000
2000
όλα μας τα δομικά υλικά να μπορούν να κάνουν υπολογισμούς.
05:41
That's amazing parallel and distributed computing power,
138
326000
2000
Αυτή είναι καταπληκτική παράλληλη και κατανεμημένη υπολογιστική ισχύς,
05:43
new design possibilities.
139
328000
2000
νέες δυνατότητες σχεδιασμού.
05:45
So it's exciting potential for this.
140
330000
2000
Υπάρχουν λοιπόν εξαιρετικές προοπτικές γι' αυτό.
05:47
So I think these projects I've showed here
141
332000
2000
Πιστεύω λοιπόν ότι τα προγράμματα που σας παρουσίασα
05:49
are just a tiny step towards this future,
142
334000
2000
είναι ένα μικρό βήμα προς το μέλλον,
05:51
if we implement these new technologies
143
336000
2000
εάν εφαρμόσουμε αυτές τις νέες τεχνολογίες
05:53
for a new self-assembling world.
144
338000
2000
για ένα νέο αυτοσυναρμολογούμενο κόσμο.
05:55
Thank you.
145
340000
2000
Σας ευχαριστώ.
05:57
(Applause)
146
342000
2000
(Χειροκρότημα)
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