TED2006
Neil Gershenfeld: Unleash your creativity in a Fab Lab
Ο Νιλ Γκέρσενφελντ για τα Fab Labs
Filmed:
Readability: 4.8
871,282 views
Ο καθηγητής του MIT Νιλ Γκέρσενφελντ μιλάει για το Fab Lab του — ένα μικρού κόστους εργαστήριο το οποίο επιτρέπει στους ανθρώπους να φτιάξουν πράγματα που χρειάζονται χρησιμοποιώντας ψηφιακά και αναλογικά εργαλεία. Είναι μια απλή ιδέα με πολύ μεγάλα αποτελέσματα.
Neil Gershenfeld - Physicist, personal fab pioneer
As Director of MIT’s Center for Bits and Atoms, Neil Gershenfeld explores the boundaries between the digital and physical worlds. Full bio
As Director of MIT’s Center for Bits and Atoms, Neil Gershenfeld explores the boundaries between the digital and physical worlds. Full bio
Double-click the English transcript below to play the video.
00:25
This meeting has really been about a digital revolution,
0
0
4000
Αυτή η συνεδρίαση έχει να κάνει στην
πραγματικότητα με την ψηφιακή επανάσταση,
πραγματικότητα με την ψηφιακή επανάσταση,
00:29
but I'd like to argue that it's done; we won.
1
4000
3000
αλλά θα ήθελα να υποστηρίξω
ότι αυτή τελείωσε, νικήσαμε.
ότι αυτή τελείωσε, νικήσαμε.
Ζήσαμε μια ψηφιακή επανάσταση, αλλά
δεν χρειάζεται να συνεχίσουμε να την ζούμε.
δεν χρειάζεται να συνεχίσουμε να την ζούμε.
00:33
We've had a digital revolution but we don't need to keep having it.
2
8000
4000
00:37
And I'd like to look after that,
3
12000
2000
Θα ήθελα να κοιτάξω πέρα από αυτό,
00:39
to look what comes after the digital revolution.
4
14000
3000
να κοιτάξω το τι έρχεται
μετά την ψηφιακή επανάσταση.
μετά την ψηφιακή επανάσταση.
00:42
So, let me start projecting forward.
5
17000
2000
Οπότε, ας σκεφτούμε τη συνέχεια.
00:44
These are some projects I'm involved in today at MIT,
6
19000
4000
Υπάρχουν μερικά πρότζεκτ
στα οποία συμμετέχω τώρα στο MIT,
στα οποία συμμετέχω τώρα στο MIT,
00:48
looking what comes after computers.
7
23000
3000
κοιτώντας το τι έρχεται
μετά τους υπολογιστές.
μετά τους υπολογιστές.
00:51
This first one, Internet Zero, up here -- this is a web server
8
26000
5000
Το πρώτο είναι το Internet 0, εδώ πάνω —
αυτός είναι ένας διακομιστής ιστοσελίδων
αυτός είναι ένας διακομιστής ιστοσελίδων
00:56
that has the cost and complexity of an RFID tag --
9
31000
3000
πού έχει το κόστος και την πολυπλοκότητα
μιας ταυτότητας RFID —
μιας ταυτότητας RFID —
00:59
about a dollar -- that can go in every light bulb and doorknob,
10
34000
3000
σχεδόν ένα δολάριο — που μπορεί να μπει
σε κάθε λάμπα και πόμολο
σε κάθε λάμπα και πόμολο
01:02
and this is getting commercialized very quickly.
11
37000
2000
και γίνεται ολοένα και πιο εμπορικό.
01:04
And what's interesting about it isn't the cost;
12
39000
2000
Το ενδιαφέρον με αυτό
δεν είναι το κόστος,
δεν είναι το κόστος,
01:06
it's the way it encodes the Internet.
13
41000
1000
αλλά το πώς κωδικοποιεί το Διαδίκτυο.
01:07
It uses a kind of a Morse code for the Internet
14
42000
3000
Χρησιμοποιεί έναν κώδικα παρόμοιο
με τον κώδικα Μορς για το Διαδίκτυο,
με τον κώδικα Μορς για το Διαδίκτυο,
01:10
so you could send it optically; you can communicate acoustically
15
45000
3000
οπότε μπορεί να τον στέλνεις οπτικά,
μπορείς να επικοινωνείς ακουστικά
μπορείς να επικοινωνείς ακουστικά
01:13
through a power line, through RF.
16
48000
2000
μέσω των γραμμών του ρεύματος,
στις ραδιοσυχνότητες.
στις ραδιοσυχνότητες.
01:15
It takes the original principle of the Internet,
17
50000
2000
Παίρνει τη βασική αρχή του Διαδικτύου —
01:17
which is inter-networking computers,
18
52000
2000
διασύνδεση υπολογιστών —
01:19
and now lets devices inter-network.
19
54000
3000
και τώρα επιτρέπει σε συσκευές
να διασυνδέονται.
να διασυνδέονται.
01:22
That we can take the whole idea that gave birth to the Internet
20
57000
3000
Μπορούμε να πάρουμε την ιδέα
που έδωσε ζωή στο Διαδίκτυο
που έδωσε ζωή στο Διαδίκτυο
01:25
and bring it down to the physical world in this Internet Zero,
21
60000
3000
και να την εφαρμόσουμε στον φυσικό κόσμο
με το Internet 0,
με το Internet 0,
01:28
this internet of devices.
22
63000
2000
το διαδίκτυο των συσκευών.
01:30
So this is the next step from there to here,
23
65000
2000
Οπότε αυτό αποτελεί το επόμενο βήμα
01:32
and this is getting commercialized today.
24
67000
3000
και γίνεται ολοένα και πιο εμπορικό σήμερα.
01:35
A step after that is a project on fungible computers.
25
70000
5000
Το μεθεπόμενο βήμα είναι ένα πρότζεκτ
με ανταλλάξιμους υπολογιστές.
με ανταλλάξιμους υπολογιστές.
01:40
Fungible goods in economics can be extended and traded.
26
75000
3000
Τα ανταλλάξιμα αγαθά στην οικονομία
μπορούν να επεκταθούν και να ανταλλαγούν.
μπορούν να επεκταθούν και να ανταλλαγούν.
01:43
So, half as much grain is half as much useful,
27
78000
2000
Οπότε, μισή ποσότητα σιταριού
έχει μισή χρησιμότητα,
έχει μισή χρησιμότητα,
01:45
but half a baby or half a computer is less useful than
28
80000
3000
αλλά μισό μωρό ή μισός υπολογιστής
είναι λιγότερο χρήσιμα
είναι λιγότερο χρήσιμα
01:48
a whole baby or a whole computer,
29
83000
2000
από ένα ολόκληρο μωρό
ή έναν ολόκληρο υπολογιστή
ή έναν ολόκληρο υπολογιστή
01:50
and we've been trying to make computers that work that way.
30
85000
3000
και προσπαθούμε να φτιάξουμε υπολογιστές
που να δουλεύουν έτσι.
που να δουλεύουν έτσι.
01:53
So, what you see in the background is a prototype.
31
88000
2000
Αυτό που βλέπετε πίσω
είναι ένα πρωτότυπο.
είναι ένα πρωτότυπο.
01:55
This was from a thesis of a student, Bill Butow, now at Intel,
32
90000
3000
Είναι από τη διατριβή ενός φοιτητή, του
Μπιλ Μπάτοου, που τώρα εργάζεται στην Intel.
Μπιλ Μπάτοου, που τώρα εργάζεται στην Intel.
01:58
who wondered why, instead of making bigger and bigger chips,
33
93000
3000
Αυτός αναρωτήθηκε γιατί αντί να φτιάχνουμε
όλο και μεγαλύτερα τσιπάκια
όλο και μεγαλύτερα τσιπάκια
02:01
you don't make small chips, put them in a viscous medium,
34
96000
3000
δεν φτιάχνουμε μικρότερα,
να τα βάζουμε σε ένα ιξώδες μέσο
να τα βάζουμε σε ένα ιξώδες μέσο
02:04
and pour out computing by the pound or by the square inch.
35
99000
2000
και να παράγουμε υπολογιστές με το κιλό
ή ανά τετραγωνικά εκατοστά.
ή ανά τετραγωνικά εκατοστά.
02:06
And that's what you see here.
36
101000
2000
Το αποτέλεσμα είναι εδώ.
02:08
On the left was postscript being rendered by a conventional computer;
37
103000
3000
Στα αριστερά η PostScript εκτελείται
από έναν συμβατικό υπολογιστή
από έναν συμβατικό υπολογιστή
02:11
on the right is postscript being rendered from the first prototype
38
106000
3000
και στα δεξιά από το πρώτο πρωτότυπο
που φτιάξαμε,
που φτιάξαμε,
02:14
we made, but there's no frame buffer, IO processor,
39
109000
4000
το οποίο δεν έχει ούτε μνήμη καρέ,
ούτε επεξεργαστή εισόδων-εξόδων,
ούτε επεξεργαστή εισόδων-εξόδων,
02:18
any of that stuff -- it's just this material.
40
113000
2000
τίποτα από αυτά —
είναι απλά αυτό το υλικό.
είναι απλά αυτό το υλικό.
02:20
Unlike this screen where the dots are placed carefully,
41
115000
2000
Αντίθετα με αυτή την οθόνη όπου
οι κουκκίδες έχουν τοποθετηθεί προσεκτικά,
οι κουκκίδες έχουν τοποθετηθεί προσεκτικά,
02:22
this is a raw material.
42
117000
1000
αυτό είναι απλό υλικό.
02:23
If you add twice as much of it, you have twice as much display.
43
118000
3000
Εάν το διπλασιάσεις, έχεις διπλάσια προβολή.
02:26
If you shoot a gun through the middle, nothing happens.
44
121000
3000
Εάν το πυροβολήσεις, δεν παθαίνει τίποτα.
02:29
If you need more resource, you just apply more computer.
45
124000
4000
Εάν χρειάζεσαι περισσότερους πόρους,
απλά προσθέτεις περισσότερο υπολογιστή.
απλά προσθέτεις περισσότερο υπολογιστή.
02:33
So, that's the step after this -- of computing as a raw material.
46
128000
3000
Οπότε αυτό είναι το επόμενο βήμα —
ο υπολογιστής ως απλό υλικό.
ο υπολογιστής ως απλό υλικό.
02:36
That's still conventional bits, the step after that is --
47
131000
3000
Αυτά είναι ακόμα συμβατικά bits,
το επόμενο βήμα είναι —
το επόμενο βήμα είναι —
02:39
this is an earlier prototype in the lab;
48
134000
2000
αυτό είναι ένα παλιότερο πρωτότυπο
στο εργαστήριο.
στο εργαστήριο.
02:41
this is high-speed video slowed down.
49
136000
2000
Αυτό είναι ένα ταχύ βίντεο σε αργή κίνηση.
02:43
Now, integrating chemistry in computation, where the bits are bubbles.
50
138000
3000
Όταν ενσωματώνουμε χημεία στην υλοποίηση
υπολογιστών, τα bits είναι φυσαλίδες.
υπολογιστών, τα bits είναι φυσαλίδες.
02:46
This is showing making bits, this is showing --
51
141000
2000
Εδώ βλέπετε πώς φτιάχνονται τα bits, εδώ —
02:48
once again, slowed down so you can see it,
52
143000
2000
επίσης σε αργή κίνηση για να μπορείτε
να τα δείτε — τα bits να αλληλεπιδρούν
να τα δείτε — τα bits να αλληλεπιδρούν
02:50
bits interacting to do logic and multiplexing and de-multiplexing.
53
145000
4000
ώστε να κάνουν λογικές πράξεις,
πολυπλεξία και αποπολυπλεξία.
πολυπλεξία και αποπολυπλεξία.
02:54
So, now we can compute that the output arranges material
54
149000
3000
Τώρα μπορούμε υπολογίζουμε έτσι ώστε
τα αποτελέσματα να διατάσσουν τόσο το υλικό
τα αποτελέσματα να διατάσσουν τόσο το υλικό
02:57
as well as information. And, ultimately, these are some slides
55
152000
4000
όσο και την πληροφορία.
Tέλος, εδώ είναι μερικές διαφάνειες
Tέλος, εδώ είναι μερικές διαφάνειες
03:01
from an early project I did, computing where the bits are stored
56
156000
3000
από ένα παλιό μου πρότζεκτ, υπολογιστές
όπου τα bits αποθηκεύονται
όπου τα bits αποθηκεύονται
03:04
quantum-mechanically in the nuclei of atoms, so
57
159000
3000
κβαντομηχανικά στον πυρήνα των ατόμων,
03:07
programs rearrange the nuclear structure of molecules.
58
162000
4000
οπότε τα προγράμματα αναδιατάσσουν
την πυρηνική δομή των μορίων.
την πυρηνική δομή των μορίων.
03:11
All of these are in the lab pushing further and further and further,
59
166000
4000
Όλα αυτά είναι στο εργαστήριο
και εξελίσσονται συνεχώς,
και εξελίσσονται συνεχώς,
03:15
not as metaphor but literally integrating bits and atoms,
60
170000
3000
όχι μεταφορικά αλλά κυριολεκτικά
ενσωματώνοντας άτομα και bits
ενσωματώνοντας άτομα και bits
03:18
and they lead to the following recognition.
61
173000
3000
και οδηγούν στην επόμενη συνειδητοποίηση.
03:21
We all know we've had a digital revolution, but what is that?
62
176000
3000
Όλοι ξέρουμε ότι βιώσαμε
μια ψηφιακή επανάσταση, αλλά τι είναι;
μια ψηφιακή επανάσταση, αλλά τι είναι;
03:24
Well, Shannon took us, in the '40s, from here to here:
63
179000
3000
Ο Σάνον μας πήγε τη δεκαετία του '40
από μια κατάσταση σε μια άλλη:
από μια κατάσταση σε μια άλλη:
03:27
from a telephone being a speaker wire that degraded with distance
64
182000
4000
από το τηλέφωνο να είναι απλά ένα καλώδιο
ήχου, εξασθενούμενο με την απόσταση
ήχου, εξασθενούμενο με την απόσταση
03:31
to the Internet. And he proved the first threshold theorem, that shows
65
186000
4000
στο Διαδίκτυο. Απέδειξε το πρώτο
θεώρημα κατωφλιού, το οποίο δείχνει ότι
θεώρημα κατωφλιού, το οποίο δείχνει ότι
03:35
if you add information and remove it to a signal,
66
190000
3000
εάν προσθέσεις πληροφορίες σε ένα σήμα
ή τις αφαιρέσεις από αυτό,
ή τις αφαιρέσεις από αυτό,
03:38
you can compute perfectly with an imperfect device.
67
193000
2000
μπορείς να υπολογίσεις τέλεια
με μια ατελή συσκευή.
με μια ατελή συσκευή.
03:40
And that's when we got the Internet.
68
195000
2000
Τότε δημιουργήσαμε το Διαδίκτυο.
03:42
Von Neumann, in the '50s, did the same thing for computing;
69
197000
3000
Ο φον Νόιμαν, στη δεκαετία του '50, έκανε
το ίδιο πράγμα στην υλοποίηση υπολογιστών —
το ίδιο πράγμα στην υλοποίηση υπολογιστών —
03:45
he showed you can have an unreliable computer but restore its state
70
200000
3000
απέδειξε ότι μπορείς να έχεις έναν αναξιόπιστο
υπολογιστή αλλά να αποκαταστήσεις
υπολογιστή αλλά να αποκαταστήσεις
03:48
to make it perfect. This was the last great analog computer at MIT:
71
203000
4000
την κατάστασή του ώστε να γίνει τέλειος.
Αυτός εδώ ήταν ο τελευταίος
Αυτός εδώ ήταν ο τελευταίος
03:52
a differential analyzer, and the more you ran it,
72
207000
2000
αναλογικός υπολογιστής στο MIT:
ένας διαφορικός αναλυτής και
ένας διαφορικός αναλυτής και
03:54
the worse the answer got.
73
209000
2000
όσο περισσότερο τον λειτουργούσες,
τόσο χειρότερη απόκριση λάμβανες.
τόσο χειρότερη απόκριση λάμβανες.
03:56
After Von Neumann, we have the Pentium, where the billionth transistor
74
211000
3000
Μετά τον φον Νόιμαν, έχουμε τον Pentium,
όπου το δισεκατομμυριοστό τρανζίστορ
όπου το δισεκατομμυριοστό τρανζίστορ
03:59
is as reliable as the first one.
75
214000
3000
είναι τόσο αξιόπιστο όσο και το πρώτο.
04:02
But all our fabrication is down in this lower left corner.
76
217000
3000
Αλλά ό,τι κατασκευάσαμε βρίσκεται εδώ
στην κάτω αριστερά γωνία.
στην κάτω αριστερά γωνία.
04:05
A state-of-the-art airplane factory rotating metal wax at fixed metal,
77
220000
3000
Σε ένα υπερσύγχρονο εργοστάσιο αεροπλάνων μεταλλική επικάλυψη με περιστροφή τοποθετείται
04:08
or you maybe melt some plastic. A 10-billion-dollar chip fab
78
223000
3000
σε στερεωμένο μέταλλο ή ίσως λιώνεται
λίγο πλαστικό. Σε ένα εργοστάσιο
λίγο πλαστικό. Σε ένα εργοστάσιο
04:11
uses a process a village artisan would recognize --
79
226000
3000
κατασκευής τσιπ αξίας 10 δισ. δολαρίων χρησιμοποιείται μια διαδικασία που
04:14
you spread stuff around and bake it.
80
229000
3000
θα αναγνώριζε ένας τεχνίτης χωριού — απλώνεις
το μείγμα γύρω-γύρω και μετά το ψήνεις.
το μείγμα γύρω-γύρω και μετά το ψήνεις.
04:17
All the intelligence is external to the system;
81
232000
2000
Όλη η ευφυΐα είναι έξω από το σύστημα,
04:19
the materials don't have information.
82
234000
2000
τα υλικά δεν έχουν πληροφορίες.
04:21
Yesterday you heard about molecular biology,
83
236000
3000
Χτες ακούσατε για τη μοριακή βιολογία,
04:24
which fundamentally computes to build.
84
239000
2000
η οποία θεμελιωδώς υπολογίζει
για να χτίσει.
για να χτίσει.
04:26
It's an information processing system.
85
241000
2000
Είναι ένα υπολογιστικό σύστημα.
04:28
We've had digital revolutions in communication and computation,
86
243000
4000
Βιώσαμε ψηφιακές επαναστάσεις στην επικοινωνία
και στην υπολογιστική,
και στην υπολογιστική,
04:32
but precisely the same idea, precisely the same math
87
247000
3000
αλλά ακριβώς η ίδια ιδέα,
ακριβώς τα ίδια μαθηματικά
ακριβώς τα ίδια μαθηματικά
04:35
Shannon and Von Neuman did, hasn't yet come out
88
250000
2000
τα οποία έκαναν ο Σάνον και ο φον Νόιμαν,
δεν έχουν φτάσει ακόμα
δεν έχουν φτάσει ακόμα
04:37
to the physical world. So, inspired by that,
89
252000
3000
στον φυσικό κόσμο.
Οπότε, εμπνεόμενοι από αυτό,
Οπότε, εμπνεόμενοι από αυτό,
04:40
colleagues in this program -- the Center for Bits and Atoms
90
255000
2000
συνάδελφοι σε αυτό το πρόγραμμα —
Το Κέντρο για τα Bits και τα Άτομα
Το Κέντρο για τα Bits και τα Άτομα
04:42
at MIT -- which is a group of people, like me,
91
257000
3000
στο MIT — οι οποίοι είναι
μια ομάδα ανθρώπων, σαν εμένα,
μια ομάδα ανθρώπων, σαν εμένα,
04:45
who never understood the boundary between physical science
92
260000
3000
που ποτέ δεν κατάλαβαν το όριο
μεταξύ φυσικής επιστήμης
μεταξύ φυσικής επιστήμης
04:48
and computer science. I would even go further and say
93
263000
3000
και επιστήμης υπολογιστών.
Θα έλεγα ακόμα και
Θα έλεγα ακόμα και
04:51
computer science is one of the worst things that ever happened
94
266000
2000
ότι η επιστήμη υπολογιστών είναι
από τα χειρότερα πράγματα που έχουν συμβεί
από τα χειρότερα πράγματα που έχουν συμβεί
04:53
to either computers or to science --
95
268000
2000
τόσο στους υπολογιστές όσο και στην επιστήμη —
04:55
(Laughter)
96
270000
1000
(Γέλια)
04:56
-- because the canon -- computer science --
97
271000
4000
— πολλά από αυτά είναι εξαίσια —
05:00
many of them are great but the canon of computer science
98
275000
2000
αλλά ο κανόνας της επιστήμης υπολογιστών
05:02
prematurely froze a model of computation
99
277000
3000
πρόωρα καθιέρωσε ένα μοντέλο υπολογισμού
05:05
based on technology that was available in 1950,
100
280000
3000
το οποίο είναι βασισμένο στην τεχνολογία
που ήταν διαθέσιμη το 1950
που ήταν διαθέσιμη το 1950
05:08
and nature's a much more powerful computer than that.
101
283000
2000
και η φύση είναι ένας κατά πολύ
ισχυρότερος υπολογιστής.
ισχυρότερος υπολογιστής.
05:10
So, you'll hear, tomorrow, from Saul Griffith. He was one of the
102
285000
4000
Θα ακούσετε αύριο από τον Σολ Γκρίφιθ.
05:14
first students to emerge from this program.
103
289000
3000
Ήταν ένας από τους πρώτους φοιτητές
σ´ αυτό το πρόγραμμα.
σ´ αυτό το πρόγραμμα.
05:17
We started to figure out how you can compute to fabricate.
104
292000
3000
Ξεκινήσαμε ώστε να ανακαλύψουμε πώς μπορείς
να υπολογίζεις για να κατασκευάζεις.
να υπολογίζεις για να κατασκευάζεις.
05:20
This was just a proof of principle he did of tiles
105
295000
3000
Αυτό ήταν απλά μια απόδειξη της αρχής που απέδειξε,
05:23
that interact magnetically, where you write a code,
106
298000
2000
πλακίδια τα οποία αλληλεπιδρούν μαγνητικά,
όπου μπορείς να γράψεις κώδικα
όπου μπορείς να γράψεις κώδικα
05:25
much like protein folding, that specifies their structure.
107
300000
3000
όπως στην αναδίπλωση πρωτεϊνών,
ο οποίος ορίζει την δομή τους.
ο οποίος ορίζει την δομή τους.
05:28
So, there's no feedback to a tool metrology;
108
303000
3000
Οπότε, δεν υπάρχει ανάδραση
σε κάποιο όργανο μετρήσεων·
σε κάποιο όργανο μετρήσεων·
05:31
the material itself codes for its structure in just the same ways
109
306000
5000
το ίδιο το υλικό κωδικοποιεί την δομή του
με τους ίδιους τρόπους
με τους ίδιους τρόπους
05:36
that protein are fabricated. So, you can, for example, do that.
110
311000
4000
που κατασκευάζεται μια πρωτεΐνη.
Για παράδειγμα, μπορείς να φτιάξεις αυτό.
Για παράδειγμα, μπορείς να φτιάξεις αυτό.
05:40
You can do other things. That's in 2D. It works in 3D.
111
315000
3000
Μπορείς να κάνεις αλλά πράγματα. Αυτό είναι
στις 2 διαστάσεις. Δουλεύει (και) στις 3.
στις 2 διαστάσεις. Δουλεύει (και) στις 3.
05:43
The video on the upper right -- I won't show for time --
112
318000
2000
Το βίντεο πάνω δεξιά — δεν θα το δείξω
προς το παρόν —
προς το παρόν —
05:45
shows self-replication, templating so something can make something
113
320000
4000
δείχνει αυτο-αναπαραγωγή, αναδεικνύοντας
ότι κάτι μπορεί να φτιάξει κάτι
ότι κάτι μπορεί να φτιάξει κάτι
05:49
that can make something, and we're doing that now over, maybe,
114
324000
3000
το οποίο μπορεί να φτιάξει κάτι,
και το κάνουμε αυτό συνεχόμενα,
και το κάνουμε αυτό συνεχόμενα,
05:52
nine orders of magnitude. Those ideas have been used to show
115
327000
3000
ίσως, εννιά τάξεις μεγέθους. Αυτές οι ιδέες
χρησιμοποιήθηκαν για να δείξουν
χρησιμοποιήθηκαν για να δείξουν
05:55
the best fidelity and direct rate DNA to make an organism,
116
330000
3000
την καλύτερη πιστότητα και το ευθύ εύρος
του DNA για να γίνει ένας οργανισμός,
του DNA για να γίνει ένας οργανισμός,
05:58
in functionalizing nanoclusters with peptide tails
117
333000
3000
στον σχεδιασμό νάνο-συστάδων
με ουρές πεπτιδίων
με ουρές πεπτιδίων
06:01
that code for their assembly -- so, much like the magnets,
118
336000
2000
που κωδικοποιούν τη σύνδεσή τους —
σχεδόν όπως οι μαγνήτες,
σχεδόν όπως οι μαγνήτες,
06:03
but now on nanometer scales.
119
338000
2000
αλλά τώρα σε τάξεις μεγέθους νανόμετρων.
06:05
Laser micro-machining: essentially 3D printers that digitally fabricate
120
340000
4000
Λέιζερ μικρο-μηχανική: ουσιαστικά είναι
τρισδιάστατοι εκτυπωτές οι οποίοι ψηφιακά
τρισδιάστατοι εκτυπωτές οι οποίοι ψηφιακά
06:09
functional systems, all the way up to building buildings,
121
344000
3000
κατασκευάζουν λειτουργικά συστήματα,
μέχρι την κατασκευή κτηρίων,
μέχρι την κατασκευή κτηρίων,
06:12
not by having blueprints,
122
347000
1000
όχι έχοντας σχέδια,
06:13
but having the parts code for the structure of the building.
123
348000
3000
αλλά έχοντας τα μέρη που κωδικοποιούν
τη δομή του κτηρίου.
τη δομή του κτηρίου.
06:16
So, these are early examples in the lab of emerging technologies
124
351000
5000
Οπότε, αυτά είναι τα πρώιμα παραδείγματα
στο εργαστήριο αναδυόμενων τεχνολογιών
στο εργαστήριο αναδυόμενων τεχνολογιών
06:21
to digitize fabrication. Computers that don't control tools
125
356000
4000
για να ψηφιοποιήσεις την κατασκευή.
Υπολογιστές που δεν ελέγχουν εργαλεία,
Υπολογιστές που δεν ελέγχουν εργαλεία,
06:25
but computers that are tools, where the output of a program
126
360000
4000
αλλά είναι οι ίδιοι εργαλεία,
όπου το αποτέλεσμα ενός προγράμματος
όπου το αποτέλεσμα ενός προγράμματος
06:29
rearranges atoms as well as bits.
127
364000
4000
αναδιατάσσει άτομα καθώς και bits.
06:33
Now, to do that -- with your tax dollars, thank you --
128
368000
3000
Τώρα, για να το κάνω αυτό —
με τα λεφτά των φόρων σας, σας ευχαριστώ —
με τα λεφτά των φόρων σας, σας ευχαριστώ —
06:36
I bought all these machines. We made a modest proposal
129
371000
4000
αγόρασα αυτές τις μηχανές. Κάναμε μια σεμνή
πρόταση στο Εθνικό Ίδρυμα Ερευνών (NSF).
πρόταση στο Εθνικό Ίδρυμα Ερευνών (NSF).
06:40
to the NSF. We wanted to be able to make anything on any length scale,
130
375000
4000
Θέλαμε να έχουμε τη δυνατότητα να φτιάξουμε
οτιδήποτε και σε οποιαδήποτε κλίμακα,
οτιδήποτε και σε οποιαδήποτε κλίμακα,
06:44
all in one place, because you can't segregate digital fabrication
131
379000
4000
όλα σε ένα μέρος, γιατί δεν μπορείς
να περιορίσεις την ψηφιακή κατασκευή
να περιορίσεις την ψηφιακή κατασκευή
06:48
by a discipline or a length scale.
132
383000
2000
με ένα κλάδος ή μια κλίμακα.
06:50
So we put together focused nano beam writers
133
385000
4000
Οπότε συνδυάσαμε τους εγγραφείς
που δουλεύουν με εστιαζόμενες δέσμες
που δουλεύουν με εστιαζόμενες δέσμες
06:54
and supersonic water jet cutters and excimer micro-machining systems.
134
389000
5000
με μηχανήματα κοπής με υπερηχητικό τζέτ νερού
και μικρο-μηχανικά συστήματα.
και μικρο-μηχανικά συστήματα.
06:59
But I had a problem. Once I had all these machines,
135
394000
3000
Αλλά είχα ένα πρόβλημα.
Μόλις είχα όλες αυτές τις μηχανές,
Μόλις είχα όλες αυτές τις μηχανές,
07:02
I was spending too much time teaching students to use them.
136
397000
3000
άρχισα να ξοδεύω πάρα πολύ χρόνο για να μάθω
τους φοιτητές να τις χρησιμοποιούν.
τους φοιτητές να τις χρησιμοποιούν.
07:05
So I started teaching a class, modestly called,
137
400000
2000
Οπότε άρχισα να διδάσκω
έναν κύκλο μαθημάτων που σεμνά ονόμασα
έναν κύκλο μαθημάτων που σεμνά ονόμασα
07:07
"How To Make Almost Anything." And that wasn't meant to be provocative;
138
402000
3000
«Πώς να κάνετε σχεδόν τα πάντα».
Δεν ήθελα να είμαι προκλητικός.
Δεν ήθελα να είμαι προκλητικός.
07:10
it was just for a few research students.
139
405000
2000
Ήταν απλά για λίγους φοιτητές-ερευνητές.
07:12
But the first day of class looked like this.
140
407000
2000
Αλλά την πρώτη μέρα των μαθημάτων
έμοιαζε κάπως έτσι.
έμοιαζε κάπως έτσι.
07:14
You know, hundreds of people came in begging,
141
409000
2000
Εκατοντάδες άνθρωποι ήρθαν παρακαλώντας:
07:16
all my life I've been waiting for this class; I'll do anything to do it.
142
411000
3000
«Όλη μου τη ζωή περίμενα για τέτοια μαθήματα·
Θα κάνω τα πάντα για να τα παρακολουθήσω».
Θα κάνω τα πάντα για να τα παρακολουθήσω».
07:19
Then they'd ask, can you teach it at MIT? It seems too useful?
143
414000
3000
Μετά ρώτησαν: «Μπορείτε να τα διδάξετε στο MIT;
Φαίνεται πάρα πολύ χρήσιμο».
Φαίνεται πάρα πολύ χρήσιμο».
07:22
And then the next --
144
417000
1000
Μετά, το επόμενο —
07:23
(Laughter)
145
418000
2000
(Γέλια)
07:25
-- surprising thing was they weren't there to do research.
146
420000
1000
— εκπληκτικό πράγμα ήταν ότι δεν ήταν
στα μαθήματα για να κάνουν έρευνα.
στα μαθήματα για να κάνουν έρευνα.
07:26
They were there because they wanted to make stuff.
147
421000
2000
Ήταν εκεί επειδή ήθελαν
να φτιάξουν πράγματα.
να φτιάξουν πράγματα.
07:28
They had no conventional technical background.
148
423000
4000
Δεν είχαν κάποια συμβατική
τεχνική μόρφωση.
τεχνική μόρφωση.
07:32
At the end of a semester they integrated their skills.
149
427000
2000
Στο τέλος του εξαμήνου
συνδυάσανε τις ικανότητές τους.
συνδυάσανε τις ικανότητές τους.
07:34
I'll show an old video. Kelly was a sculptor, and this is what she did
150
429000
4000
Θα σας δείξω ένα παλιό βίντεο.
Η Κέλυ ήταν γλύπτρια και έφτιαξε αυτό,
Η Κέλυ ήταν γλύπτρια και έφτιαξε αυτό,
07:38
with her semester project.
151
433000
2000
με το πρότζεκτ του εξαμήνου της.
07:40
(Video): Kelly: Hi, I'm Kelly and this is my scream buddy.
152
435000
3000
(Βίντεο): Κέλυ: «Γειά, είμαι η Κέλυ και αυτός
είναι ο δικός μου σύντροφος για κραυγές.
είναι ο δικός μου σύντροφος για κραυγές.
07:45
Do you ever find yourself in a situation
153
440000
3000
Έχετε βρεθεί πότε στην κατάσταση
07:48
where you really have to scream, but you can't because you're at work,
154
443000
5000
όπου θέλετε πραγματικά να ουρλιάξετε,
αλλά δεν μπορείτε επειδή είστε στη δουλειά
αλλά δεν μπορείτε επειδή είστε στη δουλειά
07:53
or you're in a classroom, or you're watching your children,
155
448000
3000
ή στην τάξη ή προσέχετε τα παιδιά σας
07:56
or you're in any number of situations where it's just not permitted?
156
451000
5000
ή είστε σε πολλαπλές περιπτώσεις
όπου αυτό απλά δεν επιτρέπεται;
όπου αυτό απλά δεν επιτρέπεται;
08:01
Well, scream buddy is a portable space for screaming.
157
456000
4000
Ο σύντροφος για κραυγές είναι
ένας φορητός χώρος για κραυγές.
ένας φορητός χώρος για κραυγές.
08:05
When a user screams into scream buddy, their scream is silenced.
158
460000
5000
Όταν ένας χρήστης ουρλιάζει μέσα
στον σύντροφο για κραυγές,
στον σύντροφο για κραυγές,
08:10
It is also recorded for later release where, when and how
159
465000
4000
η κραυγή του φιμώνεται, αλλά επίσης
καταγράφεται για αργότερη απελευθέρωση,
καταγράφεται για αργότερη απελευθέρωση,
08:14
the user chooses.
160
469000
1000
όπου και όπως θελήσει ο χρήστης».
08:36
(Scream)
161
491000
2000
(Κραυγή)
08:39
(Laughter) (Applause)
162
494000
4000
(Γέλιο) (Χειροκρότημα)
08:43
So, Einstein would like this.
163
498000
2000
Αυτό θα το άρεσε στον Αϊνστάιν.
08:45
This student made a web browser for parrots --
164
500000
1000
Αυτός ο φοιτητής έφτιαξε έναν περιηγητή Ιστού
για παπαγάλους, ο οποίος τους επιτρέπει
για παπαγάλους, ο οποίος τους επιτρέπει
08:46
lets parrots surf the Net and talk to other parrots.
165
501000
3000
να σερφάρουν στο διαδίκτυο
και να μιλάνε με άλλους παπαγάλους.
και να μιλάνε με άλλους παπαγάλους.
08:49
This student's made an alarm clock you wrestle
166
504000
2000
Αυτός ο φοιτητής έκανε
ένα ξυπνητήρι που παλεύεις
ένα ξυπνητήρι που παλεύεις
08:51
to prove you're awake; this is one that defends --
167
506000
2000
για να αποδείξεις ότι είσαι ξύπνιος·
Εδώ είναι ένα φόρεμα
Εδώ είναι ένα φόρεμα
08:53
a dress that defends your personal space.
168
508000
2000
το οποίο υπερασπίζεται
τον προσωπικό σου χώρο.
τον προσωπικό σου χώρο.
08:55
This isn't technology for communication;
169
510000
2000
Αυτό δεν είναι τεχνολογία για επικοινωνία·
08:57
it's technology to prevent it.
170
512000
2000
είναι τεχνολογία
για να αποτρέψει την επικοινωνία.
για να αποτρέψει την επικοινωνία.
08:59
This is a device that lets you see your music.
171
514000
3000
Αυτή είναι μια συσκευή η οποία σου επιτρέπει
να δεις τη μουσική σου.
να δεις τη μουσική σου.
09:02
This is a student who made a machine that makes machines,
172
517000
3000
Αυτός είναι ένας φοιτητής που έφτιαξε
μια μηχανή που φτιάχνει μηχανές,
μια μηχανή που φτιάχνει μηχανές,
09:05
and he made it by making Lego bricks that do the computing.
173
520000
3000
και την έφτιαξε με το να φτιάξει τα τουβλάκια
Lego που κάνουν τους υπολογισμούς.
Lego που κάνουν τους υπολογισμούς.
09:08
Just year after year -- and I finally realized
174
523000
2000
Χρόνο με τον χρόνο — και τελικά κατάλαβα
09:10
the students were showing the killer app of personal fabrication
175
525000
4000
ότι οι φοιτητές παρουσίαζαν killer-εφαρμογές
προσωπικής κατασκευής
προσωπικής κατασκευής
09:14
is products for a market of one person.
176
529000
2000
που ως προϊόντα προορίζονται
για ένα άτομο.
για ένα άτομο.
09:16
You don't need this for what you can get in Wal-Mart;
177
531000
2000
Δεν χρειάζεσαι τέτοια εφαρμογή για κάτι
που μπορείς να βρεις σε ένα πολυκατάστημα,
που μπορείς να βρεις σε ένα πολυκατάστημα,
09:18
you need this for what makes you unique.
178
533000
1000
την χρειάζεσαι για να σε κάνει μοναδικό.
09:19
Ken Olsen famously said, nobody needs a computer in the home.
179
534000
4000
Είναι γνωστό ότι ο Κεν Όλσεν είπε κάποτε ότι
κανένας δεν χρειάζεται υπολογιστή σπίτι του.
κανένας δεν χρειάζεται υπολογιστή σπίτι του.
09:23
But you don't use it for inventory and payroll;
180
538000
2000
Αλλά δεν τον χρησιμοποιείς
για καταγραφή και πληρωμές.
για καταγραφή και πληρωμές.
09:25
DEC is now twice bankrupt. You don't need personal fabrication
181
540000
3000
Η εταιρεία του μέχρι τώρα έχει χρεοκοπήσει
δύο φορές. Δεν χρειάζεσαι να κατασκευάζεις
δύο φορές. Δεν χρειάζεσαι να κατασκευάζεις
09:28
in the home to buy what you can buy because you can buy it.
182
543000
2000
μόνος σου στο σπίτι κάτι που μπορείς
να αγοράσεις διότι μπορείς να το αγοράσεις.
να αγοράσεις διότι μπορείς να το αγοράσεις.
09:30
You need it for what makes you unique, just like personalization.
183
545000
4000
Το χρειάζεσαι για κάτι που σε κάνει μοναδικό,
όπως ακριβώς με την εξατομίκευση.
όπως ακριβώς με την εξατομίκευση.
09:34
So, with that, in turn, 20 million dollars today does this;
184
549000
4000
Οπότε, με αυτό, με την σειρά τους,
20 εκατομμύρια δολάρια κάνουν αυτό.
20 εκατομμύρια δολάρια κάνουν αυτό.
09:38
20 years from now we'll make Star Trek replicators that make anything.
185
553000
4000
Σε 20 χρόνια θα φτιάχνουμε αντιγραφείς όπως
στο Star Trek οι οποίοι θα φτιάχνουν τα πάντα.
στο Star Trek οι οποίοι θα φτιάχνουν τα πάντα.
09:42
The students hijacked all the machines I bought to do personal fabrication.
186
557000
4000
Οι φοιτητές κατέκτησαν όλες τις μηχανές
που αγόρασα για προσωπική κατασκευή.
που αγόρασα για προσωπική κατασκευή.
09:46
Today, when you spend that much of your money,
187
561000
2000
Σήμερα, όποτε ξοδεύετε πολλά λεφτά
υπάρχει κυβερνητική απαίτηση για προβολή,
υπάρχει κυβερνητική απαίτηση για προβολή,
09:48
there's a government requirement to do outreach, which often means
188
563000
3000
το οποίο συχνά σημαίνει μαθήματα
σε ένα τοπικό σχολείο,
σε ένα τοπικό σχολείο,
09:51
classes at a local school, a website -- stuff that's just not that exciting.
189
566000
3000
ένας διαδικτυακός τόπος — πράγματα τα οποία
δεν είναι πολύ συναρπαστικά.
δεν είναι πολύ συναρπαστικά.
09:54
So, I made a deal with my NSF program managers that
190
569000
4000
Οπότε, έκανα μια συμφωνία με τους διαχειριστές
του δικού μου προγράμματος από το NSF
του δικού μου προγράμματος από το NSF
09:58
instead of talking about it, I'd give people the tools.
191
573000
2000
ότι αντί να μιλάω γι' αυτό,
θα έδινα στους ανθρώπους τα εργαλεία.
θα έδινα στους ανθρώπους τα εργαλεία.
10:00
This wasn't meant to be provocative or important,
192
575000
2000
Όχι να φαινόμαστε προκλητικοί ή σημαντικοί,
10:02
but we put together these Fab Labs. It's about 20,000 dollars in equipment
193
577000
4000
αλλά φτιάξαμε αυτά τα Fab Labs.
Είναι εξοπλισμός περίπου 20 000 δολαρίων
Είναι εξοπλισμός περίπου 20 000 δολαρίων
10:06
that approximate both what the 20 million dollars does and where it's going.
194
581000
5000
και προσεγγίζει αυτό που κάνουν
τα 20 εκατομμύρια δολάρια και που πάνε.
τα 20 εκατομμύρια δολάρια και που πάνε.
10:11
A laser cutter to do press-fit assembly with 3D from 2D,
195
586000
3000
Ένας κόπτης λέιζερ για να κάνεις συνδέσεις
με συμπίεση σε τρεις διαστάσεις αντί για δύο,
με συμπίεση σε τρεις διαστάσεις αντί για δύο,
10:14
a sign cutter to plot in copper to do electromagnetics,
196
589000
2000
ένας κόπτης σχεδίων για χαλκό
ώστε να κάνεις ηλεκτρομαγνητισμό
ώστε να κάνεις ηλεκτρομαγνητισμό
10:16
a micron scale,
197
591000
2000
σε μικροκλίμακα,
10:18
numerically-controlled milling machine for precise structures,
198
593000
2000
αριθμητικά ελεγχόμενη αλεστική μηχανή
για ακριβείς δομές,
για ακριβείς δομές,
10:20
programming tools for less than a dollar,
199
595000
3000
προγραμματιστικά εργαλεία
για λιγότερο από 1 δολάριο,
για λιγότερο από 1 δολάριο,
10:23
100-nanosecond microcontrollers. It lets you work from microns
200
598000
3000
μικροελεγκτές 100-νανοδευτερολέπτων.
Σε αφήνει να δουλέψεις από μικρόμετρα
Σε αφήνει να δουλέψεις από μικρόμετρα
10:26
and microseconds on up, and they exploded around the world.
201
601000
4000
και μικροδευτερόλεπτα και πάνω, και αυτά
γρήγορα εξαπλώθηκαν σε όλον τον κόσμο.
γρήγορα εξαπλώθηκαν σε όλον τον κόσμο.
10:30
This wasn't scheduled, but they went from inner-city Boston
202
605000
2000
Αυτό δεν ήταν σχεδιασμένο, αλλά πήγαν
από το κέντρο της Βοστώνης
από το κέντρο της Βοστώνης
10:32
to Pobal in India, to Secondi-Takoradi on Ghana's coast
203
607000
4000
στην Πομπάλ στην Ινδία,
στο Σεκόντι-Τακοράντι στην ακτή της Γκάνας,
στο Σεκόντι-Τακοράντι στην ακτή της Γκάνας,
10:36
to Soshanguve in a township in South Africa,
204
611000
3000
στη φτωχογειτονιά για μαύρους Σοσανγκούβε στη Νότια Αφρική,
10:39
to the far north of Norway, uncovering, or helping uncover,
205
614000
4000
πολύ βόρεια στη Νορβηγία, αποκαλύπτοντας,
η βοηθώντας να αποκαλυφθούν,
η βοηθώντας να αποκαλυφθούν,
10:43
for all the attention to the digital divide,
206
618000
3000
με όλη την προσοχή στο ψηφιακό χάσμα,
10:46
we would find unused computers in all these places.
207
621000
4000
αχρησιμοποίητοι υπολογιστές
σε όλα αυτά τα μέρη.
σε όλα αυτά τα μέρη.
10:50
A farmer in a rural village -- a kid needs to measure and modify
208
625000
3000
Σε μια αγροτική περιοχή ένα παιδί αγρότη
χρειάζεται να μετρά και να τροποποιεί
χρειάζεται να μετρά και να τροποποιεί
10:53
the world, not just get information about it on a screen.
209
628000
4000
τον κόσμο, όχι απλά να παίρνει πληροφορίες
γι' αυτόν μπροστά σε μια οθόνη.
γι' αυτόν μπροστά σε μια οθόνη.
10:57
That there's really a fabrication and an instrumentation divide
210
632000
2000
Υπάρχει στ' αλήθεια ένα χάσμα
στην κατασκευή και διαθεσιμότητα εργαλείων
στην κατασκευή και διαθεσιμότητα εργαλείων
10:59
bigger than the digital divide.
211
634000
3000
μεγαλύτερο από το ψηφιακό χάσμα.
11:02
And the way you close it is not IT for the masses but IT development for the masses.
212
637000
3000
Για να το κλείσεις χρειάζονται όχι
οι τεχνολογίες πληροφοριών για το κοινό,
οι τεχνολογίες πληροφοριών για το κοινό,
11:05
So, in place after place
213
640000
3000
αλλά ανάπτυξη τεχνολογιών πληροφοριών
από το κοινό.
από το κοινό.
11:08
we saw this same progression: that we'd open one of these Fab Labs,
214
643000
3000
Οπότε, μέρος με το μέρος
βλέπαμε την ίδια εξέλιξη:
βλέπαμε την ίδια εξέλιξη:
11:11
where we didn't -- this is too crazy to think of.
215
646000
3000
ότι ανοίγαμε ένα από αυτά τα Fab Labs
εκεί όπου δεν αναμέναμε —
εκεί όπου δεν αναμέναμε —
11:14
We didn't think this up, that we would get pulled to these places;
216
649000
3000
αυτό είναι υπερβολικά τρελό να το σκέφτεσαι.
11:17
we'd open it. The first step was just empowerment.
217
652000
2000
Το πρώτο βήμα ήταν απλά ενδυνάμωση.
11:19
You can see it in their face, just this joy of, I can do it.
218
654000
3000
Μπορείτε να το δείτε στα πρόσωπά τους,
απλά την χαρά του «μπορώ να το κάνω».
απλά την χαρά του «μπορώ να το κάνω».
11:22
This is a girl in inner-city Boston who had just done a high-tech
219
657000
2000
Αυτό είναι ένα κορίτσι στο κέντρο
της Βοστώνης οπού μόλις είχε πουλήσει
της Βοστώνης οπού μόλις είχε πουλήσει
11:24
on-demand craft sale in the inner city community center.
220
659000
4000
κατασκευές υψηλής τεχνολογίας
κατά παραγγελία στο κέντρο της κοινότητας.
κατά παραγγελία στο κέντρο της κοινότητας.
11:28
It goes on from there to serious hands-on technical education
221
663000
4000
Συνεχίζει από εκεί σε σοβαρή
πρακτική τεχνική εκπαίδευση
πρακτική τεχνική εκπαίδευση
11:32
informally, out of schools. In Ghana we had set up one of these labs.
222
667000
5000
έξω από τα σχολεία. Στη Γκάνα
εγκαταστήσαμε ένα από αυτά τα εργαστήρια.
εγκαταστήσαμε ένα από αυτά τα εργαστήρια.
11:37
We designed a network sensor, and kids would show up
223
672000
2000
Σχεδιάσαμε ένα δίκτυο αισθητήρων,
και τα παιδιά εμφανίζονταν
και τα παιδιά εμφανίζονταν
11:39
and refuse to leave the lab.
224
674000
1000
και αρνούνταν να φύγουν
από το εργαστήριο.
από το εργαστήριο.
11:40
There was a girl who insisted we stay late at night --
225
675000
3000
Υπήρχε ένα κορίτσι το οποίο επέμενε
να μένει μέχρι αργά τη νύχτα —
να μένει μέχρι αργά τη νύχτα —
11:43
(Video): Kids: I love the Fab Lab.
226
678000
2000
(Βίντεο): Παιδιά: «Μ' αρέσει το Fab Lab».
11:45
-- her first night in the lab because she was going to make the sensor.
227
680000
3000
- η πρώτη της νύχτα στο εργαστήριο
επειδή ήθελε να κάνει τον αισθητήρα.
επειδή ήθελε να κάνει τον αισθητήρα.
11:48
So she insisted on fabbing the board, learning how to stuff it,
228
683000
3000
Οπότε επέμενε να κατασκευάσει την πλακέτα,
μαθαίνοντας πώς να την γεμίζει,
μαθαίνοντας πώς να την γεμίζει,
11:51
learning how to program it. She didn't really know
229
686000
2000
μαθαίνοντας πως να την προγραμματίζει.
11:53
what she was doing or why she was doing it, but she knew
230
688000
2000
Δεν ήξερε τί έκανε ή γιατί το έκανε,
αλλά ήξερε
αλλά ήξερε
11:55
she just had to do it. There was something electric about it.
231
690000
3000
ότι έπρεπε να το κάνει.
Ήταν συγκινητικό.
Ήταν συγκινητικό.
11:58
This is late at, you know, 11 o'clock at night
232
693000
2000
Εδώ είναι αργά, 11 η ώρα το βράδυ,
12:00
and I think I was the only person surprised when what she built
233
695000
3000
και νομίζω ότι ήμουν ο μόνος άνθρωπος
που ξαφνιάστηκε όταν αυτό που έφτιαξε
που ξαφνιάστηκε όταν αυτό που έφτιαξε
12:03
worked the first time.
234
698000
2000
δούλεψε με την πρώτη φορά.
12:05
And I've shown this to engineers at big companies, and they say
235
700000
2000
Το έχω δείξει σε μηχανικούς σε μεγάλες
εταιρείες, και απαντούν ότι δεν μπορούν
εταιρείες, και απαντούν ότι δεν μπορούν
12:07
they can't do this. Any one thing she's doing, they can do better,
236
702000
3000
να το κάνουν. Οποιοδήποτε έκανε αυτή,
αυτοί μπορούσαν να το κάνουν καλύτερα,
αυτοί μπορούσαν να το κάνουν καλύτερα,
12:10
but it's distributed over many people and many sites
237
705000
3000
αλλά θα ήταν κατανεμημένο
σε πολλούς ανθρώπους και πολλά σημεία
σε πολλούς ανθρώπους και πολλά σημεία
12:13
and they can't do in an afternoon
238
708000
1000
και δεν μπορούν να κάνουν
σε ένα απόγευμα
σε ένα απόγευμα
12:14
what this little girl in rural Ghana is doing.
239
709000
3000
αυτό που κάνει αυτό το μικρό κορίτσι
στην αγροτική περιοχή της Γκάνας.
στην αγροτική περιοχή της Γκάνας.
12:33
(Video): Girl: My name is Valentina Kofi; I am eight years old.
240
728000
4000
(Βίντεο): Κορίτσι: «Το όνομά μου είναι
Βαλεντίνα Κόφι και είμαι οκτώ χρονών.
Βαλεντίνα Κόφι και είμαι οκτώ χρονών.
12:37
I made a stacking board.
241
732000
3000
Έφτιαξα μια πολυεπίπεδη πλακέτα».
12:40
And, again, that was just for the joy of it.
242
735000
3000
Για ακόμη μια φορά, αυτό έγινε απλά
για τη χαρά της δημιουργίας.
για τη χαρά της δημιουργίας.
12:43
Then these labs started doing serious problem solving --
243
738000
3000
Όταν αυτά τα εργαστήρια ξεκίνησαν
να ασχολούνται με σοβαρά προβλήματα —
να ασχολούνται με σοβαρά προβλήματα —
12:46
instrumentation for agriculture in India,
244
741000
2000
εργαλεία για τη γεωργία στην Ινδία,
12:48
steam turbines for energy conversion in Ghana,
245
743000
2000
τουρμπίνες ατμού για μετατροπή ενέργειας στη Γκάνα,
12:50
high-gain antennas in thin client computers.
246
745000
4000
κεραίες υψηλής απολαβής
σε λεπτούς υπολογιστές πελατών.
σε λεπτούς υπολογιστές πελατών.
12:54
And then, in turn, businesses started to grow,
247
749000
1000
Τότε, στη συνέχεια, επιχειρήσεις
άρχισαν να δημιουργούνται,
άρχισαν να δημιουργούνται,
12:55
like making these antennas.
248
750000
1000
όπως για την κατασκευή
αυτών των κεραιών.
αυτών των κεραιών.
12:56
And finally, the lab started doing invention.
249
751000
2000
Τελικά, το εργαστήριο
άρχισε να κάνει εφευρέσεις.
άρχισε να κάνει εφευρέσεις.
12:58
We're learning more from them than we're giving them.
250
753000
2000
Μαθαίνουμε περισσότερα από αυτούς
σε σχέση με αυτά που τους δίνουμε.
σε σχέση με αυτά που τους δίνουμε.
13:00
I was showing my kids in a Fab Lab how to use it.
251
755000
3000
Έδειχνα στα παιδιά μου ένα Fab Lab
και πώς να το χειρίζονται.
και πώς να το χειρίζονται.
13:03
They invented a way to do a construction kit out of a cardboard box --
252
758000
4000
Εφηύραν έναν τρόπο για να κάνουν
ένα κατασκευαστικό σετ από χαρτόνι —
ένα κατασκευαστικό σετ από χαρτόνι —
13:07
which, as you see up there, that's becoming a business --
253
762000
2000
το οποίο, όπως βλέπετε εδώ πάνω,
γίνεται επιχείρηση —
γίνεται επιχείρηση —
13:09
but their design was better than Saul's design at MIT,
254
764000
3000
αλλά τα σχέδιά τους ήταν καλύτερα
από αυτά του Σολ στο MIT,
από αυτά του Σολ στο MIT,
13:12
so there's now three students at MIT doing their theses on
255
767000
3000
όποτε υπάρχουν αυτή τη στιγμή τρεις φοιτητές
στο MIT που κάνουν τη διατριβή τους
στο MIT που κάνουν τη διατριβή τους
13:15
scaling the work of eight-year-old children
256
770000
3000
πάνω στην επέκταση της δουλειάς
οκτάχρονων παιδιών,
οκτάχρονων παιδιών,
13:18
because they had better designs.
257
773000
1000
επειδή είχαν καλύτερα σχέδια.
13:19
Real invention is happening in these labs.
258
774000
3000
Σε αυτά τα εργαστήρια γίνονται
πραγματικές εφευρέσεις.
πραγματικές εφευρέσεις.
13:22
And I still kept -- so, in the last year I've been spending time with
259
777000
2000
Το τελευταίο έτος συζητούσα με αρχηγούς κρατών,
13:24
heads of state and generals and tribal chiefs who all want this,
260
779000
3000
στρατηγούς και αρχηγούς φυλών που όλοι το ήθελαν,
13:27
and I keep saying, but this isn't the real thing.
261
782000
2000
και συνεχίζω να λέω,
ότι αυτό δεν είναι όλο ακόμα.
ότι αυτό δεν είναι όλο ακόμα.
13:29
Wait, like, 20 years and then we'll be done.
262
784000
2000
Περιμένετε, ας πούμε 20 χρόνια,
και τότε θα έχουμε τελειώσει.
και τότε θα έχουμε τελειώσει.
13:31
And I finally got what's been going on. This is Kernigan and Ritchie
263
786000
3000
Τελικά βρήκα τι πραγματικά συμβαίνει.
Αυτοί είναι ο Κέρνιγκαν και η Ρίτσι
Αυτοί είναι ο Κέρνιγκαν και η Ρίτσι
13:34
inventing UNIX on a PDP.
264
789000
3000
που εφευρίσκουν το UNIX σε ένα PDP.
13:37
PDPs came between mainframes and minicomputers.
265
792000
2000
Τα PDPs ήταν κάπου μεταξύ
κεντρικών υπολογιστών και μικροϋπολογιστών.
κεντρικών υπολογιστών και μικροϋπολογιστών.
13:39
They were tens of thousands of dollars, hard to use,
266
794000
3000
Κόστιζαν δεκάδες χιλιάδες δολάρια,
ήταν δύσχρηστα,
ήταν δύσχρηστα,
13:42
but they brought computing down to work groups,
267
797000
2000
αλλά έφεραν την υπολογιστική δύναμη
σε ομάδες εργασίας,
σε ομάδες εργασίας,
13:44
and everything we do today happened there.
268
799000
2000
και οτιδήποτε κάνουμε σήμερα συνέβη εκεί.
13:46
These Fab Labs are the cost and complexity of a PDP.
269
801000
3000
Αυτά τα Fab Labs έχουν το κόστος και την πολυπλεξία ενός PDP.
13:49
The projection of digital fabrication
270
804000
2000
Αυτή η τάση της ψηφιακής κατασκευής
13:51
isn't a projection for the future; we are now in the PDP era.
271
806000
3000
δεν είναι η τάση για το μέλλον· τώρα
είμαστε στην εποχή του PDP.
είμαστε στην εποχή του PDP.
13:54
We talked in hushed tones about the great discoveries then.
272
809000
3000
Μιλούσαμε με χαμηλόφωνους τόνους
για μεγάλες ανακαλύψεις τότε.
για μεγάλες ανακαλύψεις τότε.
13:57
It was very chaotic, it wasn't, sort of, clear what was going on.
273
812000
3000
Ήταν πολύ χαοτικό, δεν ήταν
σχετικά ξεκάθαρο το τι συνέβαινε.
σχετικά ξεκάθαρο το τι συνέβαινε.
14:00
In the same sense we are now, today, in the minicomputer era
274
815000
3000
Στην ίδια κατάσταση είμαστε τώρα,
στην εποχή των μικροϋπολογιστών
στην εποχή των μικροϋπολογιστών
14:03
of digital fabrication.
275
818000
2000
της ψηφιακής κατασκευής.
14:05
The only problem with that is it breaks everybody's boundaries.
276
820000
4000
Το μόνο πρόβλημα με αυτό είναι
ότι σπάει τα όρια όλων.
ότι σπάει τα όρια όλων.
14:09
In DC, I go to every agency that wants to talk, you know;
277
824000
3000
Στην Ουάσιγκτον, πηγαίνω σε όποια υπηρεσία
θέλει να μιλήσει·
θέλει να μιλήσει·
14:12
in the Bay Area, I go to every organization you can think of --
278
827000
2000
στην περιοχή του Σαν Φρανσίσκο, πηγαίνω
σε κάθε οργανισμό
σε κάθε οργανισμό
14:14
they all want to talk about it, but it breaks
279
829000
2000
που μπορείτε να φανταστείτε —
και όλοι θέλουν να μιλήσουν γι' αυτό,
και όλοι θέλουν να μιλήσουν γι' αυτό,
14:16
their organizational boundaries. In fact, it's illegal for them,
280
831000
3000
αλλά σπάει τα οργανωτικά τους όρια.
Είναι παράνομο γι' αυτούς,
Είναι παράνομο γι' αυτούς,
14:19
in many cases, to equip ordinary people to create
281
834000
4000
σε πολλές περιπτώσεις, να εφοδιάζουν
το κοινό για να δημιουργεί
το κοινό για να δημιουργεί
14:23
rather than consume technology.
282
838000
1000
αντί να καταναλώνει τεχνολογία.
14:24
And that problem is so severe that the ultimate invention
283
839000
4000
Αυτό το πρόβλημα είναι τόσο σοβαρό,
που η μεγαλύτερη εφεύρεση
που η μεγαλύτερη εφεύρεση
14:28
coming from this community surprised me:
284
843000
3000
η οποία προέρχεται από αυτή την κοινότητα
με εξέπληξε:
με εξέπληξε:
14:31
it's the social engineering. That the lab in far north of Norway --
285
846000
4000
είναι η κοινωνική μηχανική. Αυτό το
εργαστήριο στον βορρά της Νορβηγίας —
εργαστήριο στον βορρά της Νορβηγίας —
14:35
this is so far north its satellite dishes look at the ground
286
850000
2000
είναι τόσο βόρεια που τα δορυφορικά πιάτα
κοιτάζουν στο έδαφος
κοιτάζουν στο έδαφος
14:37
rather than the sky because that's where the satellites are --
287
852000
4000
αντί για τον ουρανό, διότι εκεί είναι
που βρίσκονται οι δορυφόροι —
που βρίσκονται οι δορυφόροι —
14:41
the lab outgrew the little barn that it was in.
288
856000
1000
το εργαστήριο ξεπέρασε τον μικρό στάβλο
μέσα στο οποίο ήταν αρχικά.
μέσα στο οποίο ήταν αρχικά.
14:42
It was there because they wanted to find animals in the mountains
289
857000
3000
Ήταν εκεί, επειδή ήθελαν
να βρίσκουν ζώα στα βουνά
να βρίσκουν ζώα στα βουνά
14:45
but it outgrew it, so they built this extraordinary village for the lab.
290
860000
4000
αλλά το ξεπέρασε, οπότε έχτισαν
αυτό το υπέροχο χωριό για το εργαστήριο.
αυτό το υπέροχο χωριό για το εργαστήριο.
14:49
This isn't a university; it's not a company. It's essentially
291
864000
2000
Αυτό δεν είναι ένα πανεπιστήμιο·
δεν είναι μια εταιρεία. Είναι ουσιαστικά
δεν είναι μια εταιρεία. Είναι ουσιαστικά
14:51
a village for invention; it's a village for the outliers in society,
292
866000
5000
ένα χωριό για εφευρέσεις· είναι ένα χωριό
για τους περιθωριακούς της κοινωνίας,
για τους περιθωριακούς της κοινωνίας,
14:56
and those have been growing up around these Fab Labs
293
871000
2000
και αυτοί μεγάλωσαν
γύρω από αυτά τα Fab Labs
γύρω από αυτά τα Fab Labs
14:58
all around the world.
294
873000
1000
σε όλο τον κόσμο.
14:59
So this program has split into an NGO foundation,
295
874000
4000
Οπότε αυτό το πρόγραμμα έχει σπάσει
σε ένα ίδρυμα ΜΚΟ, το Ίδρυμα Fab
σε ένα ίδρυμα ΜΚΟ, το Ίδρυμα Fab
15:03
a Fab Foundation to support the scaling, a micro VC fund.
296
878000
4000
για να υποστηρίξει την επέκταση,
ένα μικρό επιχειρηματικό κεφάλαιο.
ένα μικρό επιχειρηματικό κεφάλαιο.
15:07
The person who runs it nicely describes it as
297
882000
1000
Το άτομο που το διοικεί το περιγράφει ωραιότατα ως
15:08
"machines that make machines need businesses that make businesses:"
298
883000
4000
«μηχανές που κάνουν μηχανές απαιτούν
επιχειρήσεις που κάνουν επιχειρήσεις».
επιχειρήσεις που κάνουν επιχειρήσεις».
15:12
it's a cross between micro-finance and VC to do fan-out,
299
887000
3000
Είναι μια μίξη μεταξύ μικροοικονομικής και
επιχειρηματικού κεφαλαίου για επέκταση.
επιχειρηματικού κεφαλαίου για επέκταση.
15:15
and then the research partnerships back at MIT for what's
300
890000
2000
Έπειτα είναι οι ερευνητικές συνεργασίες με το MIT που
15:17
making it possible.
301
892000
3000
το κάνουν εφικτό.
15:20
So I'd like to leave you with two thoughts.
302
895000
2000
Οπότε θα ήθελα να σας αφήσω με δύο σκέψεις.
Υπάρχει μια τεράστια αλλαγή στη βοήθεια,
Υπάρχει μια τεράστια αλλαγή στη βοήθεια,
15:22
There's been a sea change in aid, from top-down mega-projects
303
897000
5000
από μεγάλα έργα που λειτουργούν από πάνω
προς τα κάτω, σε έργα που λειτουργούν
προς τα κάτω, σε έργα που λειτουργούν
15:27
to bottom-up, grassroots, micro-finance investing in the roots,
304
902000
4000
από κάτω προς τα πάνω, με μικροοικονομική
να επενδύει στις ρίζες,
να επενδύει στις ρίζες,
15:31
so that everybody's got that that's what works.
305
906000
3000
οπότε ο καθένας κατάλαβε ότι αυτό είναι εφικτό.
15:34
But we still look at technology as top-down mega-projects.
306
909000
3000
Αλλά ακόμα βλέπουμε την τεχνολογία
σαν μεγάλα έργα από πάνω προς τα κάτω.
σαν μεγάλα έργα από πάνω προς τα κάτω.
15:37
Computing, communication, energy for the rest of the planet
307
912000
3000
Η υπολογιστική ισχύς, η επικοινωνία, η ενέργεια
για τον υπόλοιπο πλανήτη
για τον υπόλοιπο πλανήτη
15:40
are these top-down mega-projects.
308
915000
2000
είναι αυτά τα τεράστια έργα που λειτουργούν
από πάνω προς τα κάτω.
από πάνω προς τα κάτω.
15:42
If this room full of heroes is just clever enough,
309
917000
2000
Εάν σ' αυτή την αίθουσα υπάρχουν
αρκετά έξυπνοι άνθρωποι,
αρκετά έξυπνοι άνθρωποι,
15:44
you can solve the problems.
310
919000
2000
τότε τα προβλήματα μπορούν να λυθούν .
15:46
The message coming from the Fab Labs is that
311
921000
2000
Το μήνυμα το οποίο έρχεται
από τα Fab Labs είναι ότι
από τα Fab Labs είναι ότι
15:48
the other five billion people on the planet
312
923000
2000
τα άλλα 5 δις ανθρώπων στον πλανήτη
15:50
aren't just technical sinks; they're sources.
313
925000
2000
δεν είναι απλά καταναλωτές τεχνολογίας,
αλλά είναι αυτοί που την αναπτύσσουν.
αλλά είναι αυτοί που την αναπτύσσουν.
15:52
The real opportunity is to harness the inventive power of the world
314
927000
3000
Η πραγματική ευκαιρία είναι να αξιοποιήσεις
την εφευρετική δύναμη του κόσμου
την εφευρετική δύναμη του κόσμου
15:55
to locally design and produce solutions to local problems.
315
930000
4000
να σχεδιάζεις τοπικά και να παράγεις λύσεις
για τα τοπικά προβλήματα.
για τα τοπικά προβλήματα.
15:59
I thought that's the projection 20 years hence into the future,
316
934000
3000
Νόμιζα ότι αυτή είναι η τάση για τα επόμενα 20 χρόνια,
16:02
but it's where we are today.
317
937000
2000
αλλά είναι και σήμερα έτσι.
16:04
It breaks every organizational boundary we can think of.
318
939000
2000
Σπάει κάθε οργανωτικό όριο
που μπορούμε να σκεφτούμε.
που μπορούμε να σκεφτούμε.
16:06
The hardest thing at this point is the social engineering
319
941000
3000
Το δυσκολότερο πράγμα σε αυτό το σημείο
είναι η κοινωνική μηχανική
είναι η κοινωνική μηχανική
16:09
and the organizational engineering, but it's here today.
320
944000
3000
και η οργανωτική μηχανική, αλλά είναι εδώ τώρα.
16:12
And, finally, any talk like this on the future of computing
321
947000
2000
Τελικά, κάθε ομιλία όπως αυτή
για το μέλλον των υπολογιστών
για το μέλλον των υπολογιστών
16:14
is required to show Moore's law, but my favorite version --
322
949000
4000
πρέπει να δείχνει τον νόμο του Μουρ,
αλλά εδώ είναι η δική μου αγαπημένη εκδοχή —
αλλά εδώ είναι η δική μου αγαπημένη εκδοχή —
16:18
this is Gordon Moore's original one from his original paper --
323
953000
5000
είναι το πρωτότυπο του Γκόρντον Μουρ
από το δικό του άρθρο —
από το δικό του άρθρο —
16:23
and what's happened is, year after year after year,
324
958000
2000
και αυτό που συνέβη είναι, χρόνο με τον χρόνο,
16:25
we've scaled and we've scaled and we've scaled
325
960000
1000
εξελιχθήκαμε, εξελιχθήκαμε, εξελιχθήκαμε,
16:26
and we've scaled, and we've scaled and we've scaled,
326
961000
4000
εξελιχθήκαμε, εξελιχθήκαμε, εξελιχθήκαμε,
16:30
and we've scaled and we've scaled,
327
965000
1000
εξελιχθήκαμε, εξελιχθήκαμε,
16:31
and there's this looming bug of what's going to happen
328
966000
2000
και πλησιάζει σφάλμα —
τι πρόκειται να συμβεί
τι πρόκειται να συμβεί
16:33
at the end of Moore's law; this ultimate bug is coming.
329
968000
4000
στο τέλος του νόμου του Μουρ·
το τελικό σφάλμα έρχεται.
το τελικό σφάλμα έρχεται.
16:37
But we're coming to appreciate, is the transition from 2D to 3D,
330
972000
5000
Αλλά αυτό που αρχίζουμε να εκτιμούμε,
είναι η μετάβαση από τις 2 διαστάσεις στις 3,
είναι η μετάβαση από τις 2 διαστάσεις στις 3,
16:42
from programming bits to programming atoms,
331
977000
3000
από τον προγραμματισμό των bits
στον προγραμματισμό ατόμων,
στον προγραμματισμό ατόμων,
16:45
turns the ends of Moore's law scaling from the ultimate bug
332
980000
2000
μετατρέπει το τέλος της εξέλιξης
του νόμου Μουρ από τελικό σφάλμα
του νόμου Μουρ από τελικό σφάλμα
16:47
to the ultimate feature.
333
982000
2000
σε τελικό χαρακτηριστικό.
16:49
So, we're just at the edge of this digital revolution in fabrication,
334
984000
4000
Είμαστε ακριβώς στην κορυφή αυτής
της ψηφιακής επανάστασης στην κατασκευή,
της ψηφιακής επανάστασης στην κατασκευή,
16:53
where the output of computation programs the physical world.
335
988000
3000
όπου το αποτέλεσμα των υπολογισμών μας
"προγραμματίζει" τον φυσικό κόσμο.
"προγραμματίζει" τον φυσικό κόσμο.
16:56
So, together, these two projects answer questions
336
991000
3000
Οπότε, μαζί, αυτά τα δύο πρότζεκτ
απαντούν ερωτήσεις
απαντούν ερωτήσεις
16:59
I hadn't asked carefully. The class at MIT shows the killer app
337
994000
4000
τις οποίες δεν είχα θέσει με ακρίβεια.
Ο κύκλος μαθημάτων στο MIT δείχνει
Ο κύκλος μαθημάτων στο MIT δείχνει
17:03
for personal fabrication in the developed world
338
998000
2000
ότι η killer-εφαρμογή για την προσωπική
κατασκευή στον ανεπτυγμένο κόσμο
κατασκευή στον ανεπτυγμένο κόσμο
17:05
is technology for a market of one: personal expression in technology
339
1000000
4000
είναι τεχνολογία με αγορά για έναν:
προσωπική έκφραση στην τεχνολογία
προσωπική έκφραση στην τεχνολογία
17:09
that touches a passion unlike anything I've seen in technology
340
1004000
3000
η οποία αγγίζει ένα πάθος που όμοιό του
δεν έχω ξαναδεί στην τεχνολογία
δεν έχω ξαναδεί στην τεχνολογία
17:12
for a very long time.
341
1007000
2000
για πολύ καιρό.
17:14
And the killer app for the rest of the planet is the instrumentation
342
1009000
4000
Η killer-εφαρμογή για τον υπόλοιπο κόσμο
έχει σχέση με το χάσμα
έχει σχέση με το χάσμα
17:18
and the fabrication divide: people locally developing solutions
343
1013000
3000
στη διαθεσιμότητα εργαλείων και κατασκευή:
οι άνθρωποι τοπικά παράγουν λύσεις
οι άνθρωποι τοπικά παράγουν λύσεις
17:21
to local problems. Thank you.
344
1016000
2000
για τοπικά προβλήματα. Σας ευχαριστώ.
ABOUT THE SPEAKER
Neil Gershenfeld - Physicist, personal fab pioneerAs Director of MIT’s Center for Bits and Atoms, Neil Gershenfeld explores the boundaries between the digital and physical worlds.
Why you should listen
MIT's Neil Gershenfeld is redefining the boundaries between the digital and analog worlds. The digital revolution is over, Gershenfeld says. We won. What comes next? His Center for Bits and Atoms has developed quite a few answers, including Internet 0, a tiny web server that fits into lightbulbs and doorknobs, networking the physical world in previously unimaginable ways.
But Gershenfeld is best known as a pioneer in personal fabrication -- small-scale manufacturing enabled by digital technologies, which gives people the tools to build literally anything they can imagine. His famous Fab Lab is immensely popular among students at MIT, who crowd Gershenfeld's classes. But the concept is potentially life-altering in the developing world, where a Fab Lab with just $20,000 worth of laser cutters, milling machines and soldering irons can transform a community, helping people harness their creativity to build tools, replacement parts and essential products unavailable in the local market. Read more in Fab: The Coming Revolution on Your Desktop.
Neil Gershenfeld | Speaker | TED.com