TED2011
Skylar Tibbits: Can we make things that make themselves?
סקיילאר טיביטס: האם אנחנו יכולים ליצור דברים שייצרו את עצמם?
Filmed:
Readability: 4.4
1,072,366 views
חוקר בMIT סקיילאר טיביטס עובד על הרכבה עצמית -- הרעיון שבמקום לבנות משהו (כיסא, גורד שחקים), אנחנו יכולים ליצור חומרים שבונים את עצמם, באותה דרך שגדילי DNA מחברים את עצמם. זה קונספט גדול בשלביו הראשונים; טיביטס מראה לנו שלושה פרוייקטים במעבדה שרומזים לאיך ייראה העתיד של הרכבה עצמית.
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
היום הייתי רוצה להראות לכם
00:17
the future of the way we make things.
1
2000
2000
את העתיד של יצור דברים.
00:19
I believe that soon our buildings and machines
2
4000
2000
אני מאמין שבקרוב הבניינים והמכונות
00:21
will be self-assembling,
3
6000
2000
ירכיבו את עצמם,
00:23
replicating and repairing themselves.
4
8000
2000
ישכפלו ויתקנו את עצמן.
00:25
So I'm going to show you
5
10000
2000
אז אני עומד להראות לכם
00:27
what I believe is the current state of manufacturing,
6
12000
2000
מה שאני מאמין שהוא המצב הנוכחי של היצור,
00:29
and then compare that to some natural systems.
7
14000
3000
ואז אשווה אותו לכמה מערכות טבעיות.
00:32
So in the current state of manufacturing, we have skyscrapers --
8
17000
3000
אז במצב הנוכחי של היצור, יש לנו גורדי שחקים --
00:35
two and a half years [of assembly time],
9
20000
2000
שנתיים וחצי,
00:37
500,000 to a million parts,
10
22000
2000
500,000 עד מיליון חלקים,
00:39
fairly complex,
11
24000
2000
די מסובך,
00:41
new, exciting technologies in steel, concrete, glass.
12
26000
3000
טכנולוגיות חדשות ומלהיבות בפלדה, בטון, זכוכית.
00:44
We have exciting machines
13
29000
2000
יש לנו מכונות מלהיבות
00:46
that can take us into space --
14
31000
2000
שיכולות לקחת אותנו לחלל --
00:48
five years [of assembly time], 2.5 million parts.
15
33000
3000
חמש שנים, 2.5 מיליון חלקים.
00:51
But on the other side, if you look at the natural systems,
16
36000
3000
אבל מצד שני, אם תביטו במערכות טבעיות,
00:54
we have proteins
17
39000
2000
יש לנו חלבונים
00:56
that have two million types,
18
41000
2000
שיש להם שני מיליון סוגים,
00:58
can fold in 10,000 nanoseconds,
19
43000
2000
יכולים להתקפל ב 10,000 ננושניות,
01:00
or DNA with three billion base pairs
20
45000
2000
או DNA עם שלושה מיליארד זוגות בסיס
01:02
we can replicate in roughly an hour.
21
47000
3000
אותם אנחנו יכולים לשכפל בערך בשעה.
01:05
So there's all of this complexity
22
50000
2000
אז יש את כל המורכבות הזו
01:07
in our natural systems,
23
52000
2000
במערכות הטבעיות שלנו,
01:09
but they're extremely efficient,
24
54000
2000
אבל הן מאוד יעילות,
01:11
far more efficient than anything we can build,
25
56000
2000
הרבה יותר יעיל מכל מה שאנחנו יכולים לבנות,
01:13
far more complex than anything we can build.
26
58000
2000
הרבה יותר מורכבים מכל מה שאנחנו יכולים לבנות.
01:15
They're far more efficient in terms of energy.
27
60000
2000
הם הרבה יותר יעילים במונחים אנרגטיים.
01:17
They hardly ever make mistakes.
28
62000
3000
הם כמעט לעולם לא טועים.
01:20
And they can repair themselves for longevity.
29
65000
2000
והם יכולים לתקן את עצמם במשך חייהם.
01:22
So there's something super interesting about natural systems.
30
67000
3000
אז יש משהו סופר מעניין במערכות הטבעיות.
01:25
And if we can translate that
31
70000
2000
ואם נוכל לתרגם את זה
01:27
into our built environment,
32
72000
2000
לסביבת היצור שלנו,
01:29
then there's some exciting potential for the way that we build things.
33
74000
2000
אז יש פוטנציאל מרגש לדרך בה אנחנו בונים דברים.
01:31
And I think the key to that is self-assembly.
34
76000
3000
ואני חושב שהמפתח לזה הוא הרכבה עצמית.
01:34
So if we want to utilize self-assembly in our physical environment,
35
79000
3000
אז אם אנחנו רוצים לנצל הרכבה עצמית בסביבה הפיסית שלנו,
01:37
I think there's four key factors.
36
82000
2000
אני חושב שיש ארבעה גורמים עיקריים.
01:39
The first is that we need to decode
37
84000
2000
הראשון הוא שאנחנו צריכים לפענח
01:41
all of the complexity of what we want to build --
38
86000
2000
את כל המורכבות של מה שאנחנו רוצים לבנות --
01:43
so our buildings and machines.
39
88000
2000
אלה הבניינים והמכונות שלנו.
01:45
And we need to decode that into simple sequences --
40
90000
2000
ואנחנו צריכים לפענח את זה לרצפים פשוטים --
01:47
basically the DNA of how our buildings work.
41
92000
2000
בעיקרון הDNA של איך הבניינים שלנו עובדים.
01:49
Then we need programmable parts
42
94000
2000
אז אנחנו צריכים חלקים ניתנים לתכנות
01:51
that can take that sequence
43
96000
2000
שיכולים לקחת את הרצף הזה
01:53
and use that to fold up, or reconfigure.
44
98000
3000
ולהשתמש בזה כדי להתקפל, או להשתנות.
01:56
We need some energy that's going to allow that to activate,
45
101000
3000
אנחנו צריכים סוג של אנרגיה שתאפשר לזה לפעול,
01:59
allow our parts to be able to fold up from the program.
46
104000
3000
לאפשר לחלקים שלנו את היכולת להתקפל לפי התוכנית.
02:02
And we need some type of error correction redundancy
47
107000
2000
ואנחנו צריכים סוג כלשהו של יתירות בתיקון שגיאות
02:04
to guarantee that we have successfully built what we want.
48
109000
3000
כדי להבטיח שבנינו בהצלחה את מה שרצינו.
02:07
So I'm going to show you a number of projects
49
112000
2000
אז אני אראה לכם כמה פרוייקטים
02:09
that my colleagues and I at MIT are working on
50
114000
2000
שעמיתיי ואני בMIT עובדים עליהם
02:11
to achieve this self-assembling future.
51
116000
2000
כדי להשיג את עתיד ההרכבה העצמית.
02:13
The first two are the MacroBot and DeciBot.
52
118000
3000
השניים הראשונים הם המאקרובוט והדציבוט.
02:16
So these projects are large-scale reconfigurable robots --
53
121000
4000
אז הפרוייקטים האלה הם רובוטים ניתנים לשינוי בקנה מידה גדול --
02:20
8 ft., 12 ft. long proteins.
54
125000
3000
חלבונים באורך 2.5 מטר ו3.5 מטר.
02:23
They're embedded with mechanical electrical devices, sensors.
55
128000
3000
מוטמעים בהם חלקים מכאניים אלקטרוניים, סנסורים.
02:26
You decode what you want to fold up into,
56
131000
2000
אתם מקודדים איך אתם רוצים שהם יתקפלו,
02:28
into a sequence of angles --
57
133000
2000
לתוך רצף זויות --
02:30
so negative 120, negative 120, 0, 0,
58
135000
2000
אז מינוס 120, מינוס 120, 0, 0,
02:32
120, negative 120 -- something like that;
59
137000
3000
120, מינוס 120 -- משהו כזה;
02:35
so a sequence of angles, or turns,
60
140000
2000
אז רצף זויות, או פיתולים,
02:37
and you send that sequence through the string.
61
142000
3000
ואתם שולחים את הרצף הזה דרך מחרוזת.
02:40
Each unit takes its message -- so negative 120 --
62
145000
3000
כל יחידה לוקחת את המסר שלה -- אז מינוס 120.
02:43
it rotates to that, checks if it got there
63
148000
2000
היא מסתובבת לזה, בודקת אם היא הגיעה לשם
02:45
and then passes it to its neighbor.
64
150000
3000
ואז מעבירה אותה לשכנה שלה.
02:48
So these are the brilliant scientists,
65
153000
2000
אז אלה המדענים המבריקים,
02:50
engineers, designers that worked on this project.
66
155000
2000
מהנדסים, מעצבים שעבדו על הפרוייקט הזה.
02:52
And I think it really brings to light:
67
157000
2000
ואני חושב שזה באמת מעלה את השאלה:
02:54
Is this really scalable?
68
159000
2000
האם זה באמת ניתן להתאמה לפי קנה מידה?
02:56
I mean, thousands of dollars, lots of man hours
69
161000
2000
אני מתכוון, אלפי דולרים, המון שעות אדם
02:58
made to make this eight-foot robot.
70
163000
3000
נעשו כדי ליצור את הרובוט הזה.
03:01
Can we really scale this up? Can we really embed robotics into every part?
71
166000
3000
האם באמת נוכל לעלות בקנה המידה כל כך הרבה? האם באמת נוכל להטמיע רובוטיקה לתוך כל חלק?
03:04
The next one questions that
72
169000
2000
השני בודק את זה
03:06
and looks at passive nature,
73
171000
2000
ומביט בטבע הפסיבי,
03:08
or passively trying to have reconfiguration programmability.
74
173000
3000
או הניסיון הפסיבי להיות בעל תכנון מחדש תיכנותי.
03:11
But it goes a step further,
75
176000
2000
אבל זה ממשיך צעד אחד קדימה,
03:13
and it tries to have actual computation.
76
178000
2000
ומנסה להיות בעל יכולת חישובית ממשית.
03:15
It basically embeds the most fundamental building block of computing,
77
180000
2000
הוא בעקרון מטמיע את אבני הבניין הבסיסיות של מחשוב,
03:17
the digital logic gate,
78
182000
2000
השער הלוגי הדיגיטלי,
03:19
directly into your parts.
79
184000
2000
ישר לתוך החלקים שלכם.
03:21
So this is a NAND gate.
80
186000
2000
אז זה שער NAND.
03:23
You have one tetrahedron which is the gate
81
188000
2000
יש לכם טטרהדרון אחד שהוא השער
03:25
that's going to do your computing,
82
190000
2000
זה יעשה את החישובים שלכם,
03:27
and you have two input tetrahedrons.
83
192000
2000
ויש לכם שני טטרהדרונים לקלט.
03:29
One of them is the input from the user, as you're building your bricks.
84
194000
3000
אחד מהם הוא לקלט מהמשתמש, כשאתם בונים את הלבנים שלכם.
03:32
The other one is from the previous brick that was placed.
85
197000
3000
השני הוא מהלבנה הקודמת שהונחה.
03:35
And then it gives you an output in 3D space.
86
200000
3000
ואז הוא נותן לכם פלט בחלל התלת מימדי.
03:38
So what this means
87
203000
2000
ומה שזה אומר
03:40
is that the user can start plugging in what they want the bricks to do.
88
205000
3000
זה שהמשתמש יכול להתחיל לחבר כל מה שירצו שהלבנים יעשו.
03:43
It computes on what it was doing before
89
208000
2000
זה מחשב על מה שהוא עשה מקודם
03:45
and what you said you wanted it to do.
90
210000
2000
ומה שאמרתם שאתם רוצים שהוא יעשה.
03:47
And now it starts moving in three-dimensional space --
91
212000
2000
ועכשיו הוא מתחיל לזוז בחלל התלת מימדי --
03:49
so up or down.
92
214000
2000
אז למעלה או למטה.
03:51
So on the left-hand side, [1,1] input equals 0 output, which goes down.
93
216000
3000
אז משמאל,קלט של [1,1] שווה ליציאה 0, שיורד למטה.
03:54
On the right-hand side,
94
219000
2000
מימין,
03:56
[0,0] input is a 1 output, which goes up.
95
221000
3000
קלט של [0,0] זו יציאה 1, שעולה למעלה.
03:59
And so what that really means
96
224000
2000
אז מה שזה באמת אומר
04:01
is that our structures now contain the blueprints
97
226000
2000
זה שהמבנה שלנו עכשיו מכיל את התוכניות
04:03
of what we want to build.
98
228000
2000
של מה שהוא אמור לבנות.
04:05
So they have all of the information embedded in them of what was constructed.
99
230000
3000
אז יש להם את כל המידע מוטמע בהם של מה נבנה.
04:08
So that means that we can have some form of self-replication.
100
233000
3000
וזה אומר שיכול להיות לנו סוג של שיכפול עצמי.
04:11
In this case I call it self-guided replication,
101
236000
3000
במקרה הזה אני קורה לזה שיכפול מונחה-עצמי,
04:14
because your structure contains the exact blueprints.
102
239000
2000
מפני שהמבנה שלכם כולל את התוכניות המדוייקות.
04:16
If you have errors, you can replace a part.
103
241000
2000
אם יש לכם שגיאות, אתם יכולים להחליף חלק.
04:18
All the local information is embedded to tell you how to fix it.
104
243000
3000
כל המידע המקומי מוטמע כדי להגיד איך לתקן אותו.
04:21
So you could have something that climbs along and reads it
105
246000
2000
אז יכול להיות לכם משהו שמטפס וקורא את זה
04:23
and can output at one to one.
106
248000
2000
ויכול לבצע אחד לאחד.
04:25
It's directly embedded; there's no external instructions.
107
250000
2000
זה מוטמע ישירות; אין פקודות חיצוניות.
04:27
So the last project I'll show is called Biased Chains,
108
252000
3000
אז הפרוייקט האחרון שאני אראה לכם נקרא שרשראות מוטות,
04:30
and it's probably the most exciting example that we have right now
109
255000
3000
וזה כנראה הדוגמה הכי מרגשת שיש לנו כרגע
04:33
of passive self-assembly systems.
110
258000
2000
של מערכות הרכבה עצמית פאסיבית.
04:35
So it takes the reconfigurability
111
260000
2000
אז זה לוקח את יכולת הסידור מחדש
04:37
and programmability
112
262000
2000
והתיכנות
04:39
and makes it a completely passive system.
113
264000
3000
והופך את זה למערכת פאסיבית לגמרי.
04:43
So basically you have a chain of elements.
114
268000
2000
אז בעיקרון יש לכם שרשרת אלמנטים.
04:45
Each element is completely identical,
115
270000
2000
כל אלמנט זהה לחלוטין לאחרים,
04:47
and they're biased.
116
272000
2000
והם מוטים.
04:49
So each chain, or each element, wants to turn right or left.
117
274000
3000
כך שכל שרשרת, או כל אלמנט, רוצה להסתובב ימינה או שמאלה.
04:52
So as you assemble the chain, you're basically programming it.
118
277000
3000
אז כשאתם מרכיבים את השרשרת, אתם בעצם מתכנתים אותה.
04:55
You're telling each unit if it should turn right or left.
119
280000
3000
אתם אומרים לכל יחידה אם היא צריכה להסתובב ימינה או שמאלה.
04:58
So when you shake the chain,
120
283000
3000
כך שכשאתם מנערים את השרשרת,
05:01
it then folds up
121
286000
2000
היא מתקפלת
05:03
into any configuration that you've programmed in --
122
288000
3000
לצורה שתכנתם אותה אליה --
05:06
so in this case, a spiral,
123
291000
2000
אז במקרה זה, ספירלה,
05:08
or in this case,
124
293000
3000
או במקרה זה,
05:11
two cubes next to each other.
125
296000
3000
שתי קוביות אחת ליד השניה.
05:14
So you can basically program
126
299000
2000
אז אתםבעצם יכולים לתכנת
05:16
any three-dimensional shape --
127
301000
2000
כל צורה תלת מימדית --
05:18
or one-dimensional, two-dimensional -- up into this chain completely passively.
128
303000
3000
או חד מימדית, דו מימדית -- לתוך השרשרת בצורה פאסיבית לגמרי.
05:21
So what does this tell us about the future?
129
306000
2000
אז מה זה אומר לנו על העתיד?
05:23
I think that it's telling us
130
308000
2000
אני חושב שזה אומר לנו
05:25
that there's new possibilities for self-assembly, replication, repair
131
310000
3000
שיש אפשרויות חדשות להרכבה עצמית, שיכפול, תיקון
05:28
in our physical structures, our buildings, machines.
132
313000
3000
במבנה הפיסי שלנו, בבניינים שלנו, במכונות.
05:31
There's new programmability in these parts.
133
316000
2000
יש יכולת תיכנות בחלקים האלה.
05:33
And from that you have new possibilities for computing.
134
318000
2000
ומזה יש לכם אפשרויות חדשות לחישוב.
05:35
We'll have spatial computing.
135
320000
2000
יהיה לנו חישוב מימדי.
05:37
Imagine if our buildings, our bridges, machines,
136
322000
2000
דמיינו אם הבניינים שלנו, הגשרים שלנו, המכונות,
05:39
all of our bricks could actually compute.
137
324000
2000
כל הלבנים שלנו יוכלו לחשב.
05:41
That's amazing parallel and distributed computing power,
138
326000
2000
זה כוח חישוב מקבילי ומבוזר מדהים,
05:43
new design possibilities.
139
328000
2000
אפשרויות עיצוב חדשות.
05:45
So it's exciting potential for this.
140
330000
2000
אז יש לזה פוטנציאל מרגש.
05:47
So I think these projects I've showed here
141
332000
2000
אז אני חושב שהפרוייקטים שהראתי לכם
05:49
are just a tiny step towards this future,
142
334000
2000
הם רק צעד קטנטן לכיוון העתיד הזה,
05:51
if we implement these new technologies
143
336000
2000
אם ניישם את הטכנולוגיות החדשות האלו
05:53
for a new self-assembling world.
144
338000
2000
לעולם חדש שמרכיב את עצמו.
05:55
Thank you.
145
340000
2000
תודה לכם.
05:57
(Applause)
146
342000
2000
(מחיאות כפיים)
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