TED2011
Skylar Tibbits: Can we make things that make themselves?
Skylar Tibbits: Peut-on construire des objets qui s’assemblent tout seuls ?
Filmed:
Readability: 4.4
1,072,366 views
Le chercheur du MIT Skylar Tibbits travaille sur l’auto-assemblement -- l’idée que au lieu de construire quelque chose (une chaise, un gratte-ciel), nous pouvons créer des matériaux qui s’auto-construisent, un peu comme un filament d’ADN se referme sur lui-même. C’est un grand concept qui n'en est qu'à ses débuts ; Tibbits nous montre trois projets de laboratoire qui nous laissent entendre ce à quoi un futur d’auto-assemblement pourrait ressembler.
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
Aujourd’hui je veux vous montrer
00:17
the future of the way we make things.
1
2000
2000
le futur de la manière dont nous construisons les choses.
00:19
I believe that soon our buildings and machines
2
4000
2000
Je crois que bientôt nos immeubles et nos machines
00:21
will be self-assembling,
3
6000
2000
s’auto-assembleront,
00:23
replicating and repairing themselves.
4
8000
2000
se reproduiront et se répareront tout seuls.
00:25
So I'm going to show you
5
10000
2000
Je vais donc vous montrer
00:27
what I believe is the current state of manufacturing,
6
12000
2000
ce que je crois être l’état actuel de la fabrication,
00:29
and then compare that to some natural systems.
7
14000
3000
et le comparer aux systèmes naturels.
00:32
So in the current state of manufacturing, we have skyscrapers --
8
17000
3000
À l’état actuel de la fabrication, nous avons les gratte-ciels --
00:35
two and a half years [of assembly time],
9
20000
2000
deux ans et demi,
00:37
500,000 to a million parts,
10
22000
2000
500 000 à 1 million de pièces,
00:39
fairly complex,
11
24000
2000
assez complexe,
00:41
new, exciting technologies in steel, concrete, glass.
12
26000
3000
des technologies nouvelles et passionnantes technologies en acier, béton, verre.
00:44
We have exciting machines
13
29000
2000
Nous avons des machines extraordinaires
00:46
that can take us into space --
14
31000
2000
qui peuvent nous transporter dans l’espace --
00:48
five years [of assembly time], 2.5 million parts.
15
33000
3000
cinq ans, 2,5 millions de pièces.
00:51
But on the other side, if you look at the natural systems,
16
36000
3000
Mais d’un autre coté, si nous regardons les systèmes naturels,
00:54
we have proteins
17
39000
2000
nous avons des protéines
00:56
that have two million types,
18
41000
2000
il y en a deux millions de types,
00:58
can fold in 10,000 nanoseconds,
19
43000
2000
qui peuvent se replier en 10 000 nanosecondes,
01:00
or DNA with three billion base pairs
20
45000
2000
ou l’ADN avec trois milliards de paires de base
01:02
we can replicate in roughly an hour.
21
47000
3000
que nous pouvons reproduire en à peu près une heure.
01:05
So there's all of this complexity
22
50000
2000
Il y a donc toute cette complexité
01:07
in our natural systems,
23
52000
2000
dans nos systèmes naturels,
01:09
but they're extremely efficient,
24
54000
2000
mais ils sont extrêmement efficaces,
01:11
far more efficient than anything we can build,
25
56000
2000
beaucoup plus efficaces que tout ce que nous pouvons construire,
01:13
far more complex than anything we can build.
26
58000
2000
beaucoup plus complexe que ce que nous pouvons construire.
01:15
They're far more efficient in terms of energy.
27
60000
2000
Ils sont beaucoup plus efficaces en termes d’énergie.
01:17
They hardly ever make mistakes.
28
62000
3000
Ils se trompent rarement.
01:20
And they can repair themselves for longevity.
29
65000
2000
Et ils peuvent se réparer tous seuls pour prolonger leur longévité.
01:22
So there's something super interesting about natural systems.
30
67000
3000
Il y a donc quelque chose de très intéressant dans les systèmes naturels.
01:25
And if we can translate that
31
70000
2000
Et si nous pouvons transférer ceci
01:27
into our built environment,
32
72000
2000
dans nos constructions,
01:29
then there's some exciting potential for the way that we build things.
33
74000
2000
il y a un formidable potentiel pour la manière dont nous construisons les choses.
01:31
And I think the key to that is self-assembly.
34
76000
3000
Et je crois que la clef est l’auto-assemblage.
01:34
So if we want to utilize self-assembly in our physical environment,
35
79000
3000
Si nous voulons donc utiliser l’auto-assemblage dans notre environnement physique,
01:37
I think there's four key factors.
36
82000
2000
je crois qu’il y a quatre facteurs clef.
01:39
The first is that we need to decode
37
84000
2000
Le premier est que nous avons besoin de décoder
01:41
all of the complexity of what we want to build --
38
86000
2000
toute la complexité de ce que nous voulons construire --
01:43
so our buildings and machines.
39
88000
2000
donc nos immeubles et nos machines.
01:45
And we need to decode that into simple sequences --
40
90000
2000
Et il nous faut le décoder en de simples séquences --
01:47
basically the DNA of how our buildings work.
41
92000
2000
en gros l’ADN du mode de fonctionnement de nos bâtiments.
01:49
Then we need programmable parts
42
94000
2000
Nous avons ensuite besoin de pièces programmables
01:51
that can take that sequence
43
96000
2000
qui peuvent prendre cette séquence
01:53
and use that to fold up, or reconfigure.
44
98000
3000
et l’utiliser pour se replier et se reconfigurer.
01:56
We need some energy that's going to allow that to activate,
45
101000
3000
Il nous faut de l’énergie qui permette de l’activer,
01:59
allow our parts to be able to fold up from the program.
46
104000
3000
en permettant aux parties de se replier selon le programme.
02:02
And we need some type of error correction redundancy
47
107000
2000
Et il nous faut une certaine redondance de correction des erreurs
02:04
to guarantee that we have successfully built what we want.
48
109000
3000
pour nous assurer d’avoir bien construit ce que nous voulions.
02:07
So I'm going to show you a number of projects
49
112000
2000
Je vais donc vous montrer un certain nombre de projets
02:09
that my colleagues and I at MIT are working on
50
114000
2000
sur lesquelles nous travaillons mes collègues et moi au MIT
02:11
to achieve this self-assembling future.
51
116000
2000
pour réaliser ce futur qui s’auto-assemble.
02:13
The first two are the MacroBot and DeciBot.
52
118000
3000
Les deux premiers sont les MacroBot et les DeciBot.
02:16
So these projects are large-scale reconfigurable robots --
53
121000
4000
Ces projets sont des robots reconfigurables à large échelle --
02:20
8 ft., 12 ft. long proteins.
54
125000
3000
des protéines de 3 à 4 mètres de longueur.
02:23
They're embedded with mechanical electrical devices, sensors.
55
128000
3000
Ils sont implantés dans des appareils, des capteurs mécaniques électriques
02:26
You decode what you want to fold up into,
56
131000
2000
Vous décodez la forme que vous voulez obtenir,
02:28
into a sequence of angles --
57
133000
2000
en une séquence d’angles --
02:30
so negative 120, negative 120, 0, 0,
58
135000
2000
donc négatif 120, négatif 120, 0, 0,
02:32
120, negative 120 -- something like that;
59
137000
3000
120, négatif 120 – quelque chose de ce genre la ;
02:35
so a sequence of angles, or turns,
60
140000
2000
donc une séquence d’angles, ou de courbes,
02:37
and you send that sequence through the string.
61
142000
3000
et vous envoyez cette séquence à travers la chaine.
02:40
Each unit takes its message -- so negative 120 --
62
145000
3000
Chaque unité reçoit le message – donc négatif 120.
02:43
it rotates to that, checks if it got there
63
148000
2000
Il tourne en conséquence, vérifie que ce soit bon
02:45
and then passes it to its neighbor.
64
150000
3000
et ensuite le passe à son voisin.
02:48
So these are the brilliant scientists,
65
153000
2000
Voila donc les brillants scientifiques,
02:50
engineers, designers that worked on this project.
66
155000
2000
ingénieurs, designers qui ont travaillé sur ce projet.
02:52
And I think it really brings to light:
67
157000
2000
Et je crois que ça met vraiment en lumière :
02:54
Is this really scalable?
68
159000
2000
Est-ce réellement déclinable ?
02:56
I mean, thousands of dollars, lots of man hours
69
161000
2000
Des milliers de dollars, beaucoup d'heures de travail
02:58
made to make this eight-foot robot.
70
163000
3000
pour faire ce robot de 3 mètres de hauteur.
03:01
Can we really scale this up? Can we really embed robotics into every part?
71
166000
3000
Peut-on réellement l’appliquer à grande échelle ? Peut-on implanter la robotique dans chaque partie?
03:04
The next one questions that
72
169000
2000
Le projet suivant met en question
03:06
and looks at passive nature,
73
171000
2000
et examine la nature passive,
03:08
or passively trying to have reconfiguration programmability.
74
173000
3000
ou le fait d'essayer de pouvoir programmer une reconfiguration passivement.
03:11
But it goes a step further,
75
176000
2000
Mais ça va plus loin,
03:13
and it tries to have actual computation.
76
178000
2000
et il essaye de faire un vrai calcul.
03:15
It basically embeds the most fundamental building block of computing,
77
180000
2000
Essentiellement il s’incorpore aux composantes de base du calcul,
03:17
the digital logic gate,
78
182000
2000
l’élément numérique logique,
03:19
directly into your parts.
79
184000
2000
directement dans vos composants.
03:21
So this is a NAND gate.
80
186000
2000
Voici donc un élément NAND.
03:23
You have one tetrahedron which is the gate
81
188000
2000
Vous avez un tétraèdre qui est l’élément logique,
03:25
that's going to do your computing,
82
190000
2000
qui va faire tous les calculs,
03:27
and you have two input tetrahedrons.
83
192000
2000
et vous avez deux tétraèdres.
03:29
One of them is the input from the user, as you're building your bricks.
84
194000
3000
L’un d’eux est saisi par l’utilisateur, pendant que vous construisez vos composants.
03:32
The other one is from the previous brick that was placed.
85
197000
3000
L’autre est issu du composant qui a été placé précédemment.
03:35
And then it gives you an output in 3D space.
86
200000
3000
Et ça vous donne ensuite un résultat en 3D dans l’espace.
03:38
So what this means
87
203000
2000
Cela signifie
03:40
is that the user can start plugging in what they want the bricks to do.
88
205000
3000
que l’utilisateur peut commencer à programmer ce qu’il veut que les composants fassent.
03:43
It computes on what it was doing before
89
208000
2000
Le calcul est basé sur ce qu’il faisait avant
03:45
and what you said you wanted it to do.
90
210000
2000
et ce que vous voulez qu’il fasse.
03:47
And now it starts moving in three-dimensional space --
91
212000
2000
Et maintenant il commence à se déplacer dans un espace en trois dimensions --
03:49
so up or down.
92
214000
2000
de haut en bas.
03:51
So on the left-hand side, [1,1] input equals 0 output, which goes down.
93
216000
3000
Sur le coté gauche, [1,1], donnée égale 0 donné de sortie, il descend.
03:54
On the right-hand side,
94
219000
2000
Sur le coté droit,
03:56
[0,0] input is a 1 output, which goes up.
95
221000
3000
[0,0], donnée égale 1 donné de sortie, il monte.
03:59
And so what that really means
96
224000
2000
Donc cela veut dire en fait
04:01
is that our structures now contain the blueprints
97
226000
2000
que nos structures contiennent maintenant le modèle
04:03
of what we want to build.
98
228000
2000
de ce que nous voulons construire.
04:05
So they have all of the information embedded in them of what was constructed.
99
230000
3000
Ils ont donc incorporé toutes les informations de ce qui a été construit.
04:08
So that means that we can have some form of self-replication.
100
233000
3000
Cela signifie que nous pouvons obtenir certaine formes d’autoreproduction.
04:11
In this case I call it self-guided replication,
101
236000
3000
Dans ce cas je l’appelle reproduction autoguidée,
04:14
because your structure contains the exact blueprints.
102
239000
2000
parce que notre structure contient le modèle exact.
04:16
If you have errors, you can replace a part.
103
241000
2000
S’il y a des erreurs, vous pouvez remplacer des parties.
04:18
All the local information is embedded to tell you how to fix it.
104
243000
3000
Toutes les informations locales pour expliquer comment se réparer sont incorporées.
04:21
So you could have something that climbs along and reads it
105
246000
2000
Vous pouvez donc avoir quelque chose qui grimpe et lit
04:23
and can output at one to one.
106
248000
2000
et donne le résultat 1 à 1.
04:25
It's directly embedded; there's no external instructions.
107
250000
2000
C’est directement incorporé ; il n’y a pas d’instructions externes.
04:27
So the last project I'll show is called Biased Chains,
108
252000
3000
Le dernier projet que je vais vous montrer s’appelle Biased Chains
04:30
and it's probably the most exciting example that we have right now
109
255000
3000
et c’est probablement l’exemple le plus extraordinaire que nous avons aujourd’hui
04:33
of passive self-assembly systems.
110
258000
2000
de systèmes d’auto-assemblage passifs.
04:35
So it takes the reconfigurability
111
260000
2000
Il prend la reconfigurabilité
04:37
and programmability
112
262000
2000
et la programmabilité
04:39
and makes it a completely passive system.
113
264000
3000
et en fait un système complètement passif.
04:43
So basically you have a chain of elements.
114
268000
2000
En gros vous avez une chaine d’éléments.
04:45
Each element is completely identical,
115
270000
2000
Chaque élément est totalement identique,
04:47
and they're biased.
116
272000
2000
et ils sont orientés.
04:49
So each chain, or each element, wants to turn right or left.
117
274000
3000
Donc chaque chaine, ou chaque élément, veut se tourner à droite ou à gauche.
04:52
So as you assemble the chain, you're basically programming it.
118
277000
3000
Pendant que vous assembler la chaine, en gros vous la programmez.
04:55
You're telling each unit if it should turn right or left.
119
280000
3000
Vous dites à chaque unité si elle doit se tourner à droite ou à gauche.
04:58
So when you shake the chain,
120
283000
3000
Quand vous secouez la chaine,
05:01
it then folds up
121
286000
2000
elle se replie
05:03
into any configuration that you've programmed in --
122
288000
3000
en n’importe quelle configuration que vous avez programmée --
05:06
so in this case, a spiral,
123
291000
2000
dans ce cas, une spirale,
05:08
or in this case,
124
293000
3000
ou dans ce cas là,
05:11
two cubes next to each other.
125
296000
3000
deux cubes l’un à coté de l’autre.
05:14
So you can basically program
126
299000
2000
Donc vous pouvez en gros programmer
05:16
any three-dimensional shape --
127
301000
2000
n’importe quelle forme en trois dimensions --
05:18
or one-dimensional, two-dimensional -- up into this chain completely passively.
128
303000
3000
ou une dimension, deux dimensions – de manière complètement passive dans la chaine.
05:21
So what does this tell us about the future?
129
306000
2000
Qu’est ce que cela nous dit sur le futur ?
05:23
I think that it's telling us
130
308000
2000
Je crois que ça nous dit
05:25
that there's new possibilities for self-assembly, replication, repair
131
310000
3000
qu’il y a de nouvelles possibilités d’auto-assemblage, réplication, réparation
05:28
in our physical structures, our buildings, machines.
132
313000
3000
dans nos structures physiques, nos bâtiments, nos machines.
05:31
There's new programmability in these parts.
133
316000
2000
Il y a des nouvelles programmabilités pour ces parties.
05:33
And from that you have new possibilities for computing.
134
318000
2000
Et à partir de ça vous avez des nouvelles possibilités de calcul.
05:35
We'll have spatial computing.
135
320000
2000
Nous aurons un calcul spatial.
05:37
Imagine if our buildings, our bridges, machines,
136
322000
2000
Imaginez nos bâtiments, nos ponts, nos machines,
05:39
all of our bricks could actually compute.
137
324000
2000
tous nos composants pourraient calculer.
05:41
That's amazing parallel and distributed computing power,
138
326000
2000
C’est un extraordinaire pouvoir de calcul parallèle, réparti,
05:43
new design possibilities.
139
328000
2000
nouvelle possibilité de création.
05:45
So it's exciting potential for this.
140
330000
2000
C’est un potentiel passionnant.
05:47
So I think these projects I've showed here
141
332000
2000
Je crois donc que ces projets que je vous ai montrés
05:49
are just a tiny step towards this future,
142
334000
2000
sont un tout petit pas vers le futur,
05:51
if we implement these new technologies
143
336000
2000
si nous mettons en pratique ces nouvelles technologies
05:53
for a new self-assembling world.
144
338000
2000
pour un tout nouveau monde qui s’auto-assemble.
05:55
Thank you.
145
340000
2000
Merci.
05:57
(Applause)
146
342000
2000
(Applaudissements)
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