TED2006
Neil Gershenfeld: Unleash your creativity in a Fab Lab
Neil Gershenfeld: Szabadítsuk föl alkotókészségünket a Fab Labban!
Filmed:
Readability: 4.8
871,282 views
Neil Gershenfeld, az MIT professzora a Fab Labról beszél. Egy olcsó labor, amely lehetővé teszi használóinak, hogy digitális és analóg szerszámokkal megépítsék, amire szükségük van. Az egyszerű ötlet remek eredményeket hozott.
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
E rendezvény tárgya
a digitális forradalom,
a digitális forradalom,
00:29
but I'd like to argue that it's done; we won.
1
4000
3000
de állítom, hogy a forradalom
véget ért: győztünk.
véget ért: győztünk.
00:33
We've had a digital revolution but we don't need to keep having it.
2
8000
4000
A digitális forradalom végbement,
és nem kell folytatódnia.
és nem kell folytatódnia.
00:37
And I'd like to look after that,
3
12000
2000
Inkább arról szeretnék beszélni,
00:39
to look what comes after the digital revolution.
4
14000
3000
mi történik majd utána.
00:42
So, let me start projecting forward.
5
17000
2000
Pillantsunk a jövőbe!
00:44
These are some projects I'm involved in today at MIT,
6
19000
4000
Ez a néhány projekt,
amelyben részt veszek a MIT-en,
amelyben részt veszek a MIT-en,
00:48
looking what comes after computers.
7
23000
3000
a számítógépes korszak
utáni állapottal foglalkozik.
utáni állapottal foglalkozik.
Az első az internet 0,
felül itt ez webszerver,
felül itt ez webszerver,
00:51
This first one, Internet Zero, up here -- this is a web server
8
26000
5000
00:56
that has the cost and complexity of an RFID tag --
9
31000
3000
amelynek ára és bonyolultsága
az RFID-címkének felel meg,
az RFID-címkének felel meg,
00:59
about a dollar -- that can go in every light bulb and doorknob,
10
34000
3000
kb. egy dollár, bármely lámpába
és kilincsbe belekerülhet,
és kilincsbe belekerülhet,
és nagyon gyorsan elterjedhetett.
01:02
and this is getting commercialized very quickly.
11
37000
2000
01:04
And what's interesting about it isn't the cost;
12
39000
2000
Nem az ára az érdekes,
hanem az internetkódolási módszere.
01:06
it's the way it encodes the Internet.
13
41000
1000
01:07
It uses a kind of a Morse code for the Internet
14
42000
3000
Morzekódot használ az internethez,
01:10
so you could send it optically; you can communicate acoustically
15
45000
3000
optikai úton küldhető; akusztikus
úton forgalmazhatunk vele
úton forgalmazhatunk vele
01:13
through a power line, through RF.
16
48000
2000
villanyvezetéken át, rádiófrekvencián.
01:15
It takes the original principle of the Internet,
17
50000
2000
Alapja az internet eredeti elve:
01:17
which is inter-networking computers,
18
52000
2000
hálózatba kötött számítógépek,
01:19
and now lets devices inter-network.
19
54000
3000
de most már eszközöket kötnek hálózatba.
01:22
That we can take the whole idea that gave birth to the Internet
20
57000
3000
Átvehetjük az internetet létrehozó elvet,
01:25
and bring it down to the physical world in this Internet Zero,
21
60000
3000
és alkalmazhatjuk
az internet 0 fizikai világában,
az internet 0 fizikai világában,
01:28
this internet of devices.
22
63000
2000
az eszközök internetében.
01:30
So this is the next step from there to here,
23
65000
2000
Ez a következő lépés,
01:32
and this is getting commercialized today.
24
67000
3000
és ez a mód is kezd elterjedni.
01:35
A step after that is a project on fungible computers.
25
70000
5000
Utána jön a helyettesíthető
számítógépek korszaka.
számítógépek korszaka.
A közgazdaságban a helyettesíthető áruk
adásvételkor bővíthetők és fölcserélhetők.
adásvételkor bővíthetők és fölcserélhetők.
01:40
Fungible goods in economics can be extended and traded.
26
75000
3000
01:43
So, half as much grain is half as much useful,
27
78000
2000
A gabona felét felhasználva
a haszon feleakkora lesz,
a haszon feleakkora lesz,
01:45
but half a baby or half a computer is less useful than
28
80000
3000
de fél gyerekből vagy számítógépből
adódó haszon más,
adódó haszon más,
01:48
a whole baby or a whole computer,
29
83000
2000
mint a teljes gyerekből vagy gépből,
01:50
and we've been trying to make computers that work that way.
30
85000
3000
de igyekszünk így működő
számítógépeket létrehozni.
számítógépeket létrehozni.
01:53
So, what you see in the background is a prototype.
31
88000
2000
Mögöttem prototípust látnak.
01:55
This was from a thesis of a student, Bill Butow, now at Intel,
32
90000
3000
Bill Butow szakdolgozatából való,
aki most az Intelnél dolgozik.
aki most az Intelnél dolgozik.
01:58
who wondered why, instead of making bigger and bigger chips,
33
93000
3000
Fölvetette, hogy egyre
nagyobb csipek helyett inkább
nagyobb csipek helyett inkább
viszkózus közegbe ágyazott
kis csipek kellenének,
kis csipek kellenének,
02:01
you don't make small chips, put them in a viscous medium,
34
96000
3000
s a számítási teljesítményt súly
vagy terület szerint adagolhatjuk.
vagy terület szerint adagolhatjuk.
02:04
and pour out computing by the pound or by the square inch.
35
99000
2000
02:06
And that's what you see here.
36
101000
2000
Ez itt valami ilyesmi.
02:08
On the left was postscript being rendered by a conventional computer;
37
103000
3000
Balra a PostScript hagyományos
számítógép értelmezésében,
számítógép értelmezésében,
02:11
on the right is postscript being rendered from the first prototype
38
106000
3000
jobbra ugyanez, az első modellünk alapján,
02:14
we made, but there's no frame buffer, IO processor,
39
109000
4000
de sem videopuffer,
sem IO-processzor nincs benne,
sem IO-processzor nincs benne,
02:18
any of that stuff -- it's just this material.
40
113000
2000
semmi ilyesmi, csak ez az anyag.
E képernyőn gondosan
elhelyezett pontokkal ellentétben
elhelyezett pontokkal ellentétben
02:20
Unlike this screen where the dots are placed carefully,
41
115000
2000
02:22
this is a raw material.
42
117000
1000
itt csak nyersanyag van.
02:23
If you add twice as much of it, you have twice as much display.
43
118000
3000
Ha kétszer annyit veszünk,
a képernyő kétszer akkora lesz.
a képernyő kétszer akkora lesz.
02:26
If you shoot a gun through the middle, nothing happens.
44
121000
3000
Ha átlövik a közepét, semmi sem történik.
02:29
If you need more resource, you just apply more computer.
45
124000
4000
Nagyobb teljesítményhez
csak több gép kell.
csak több gép kell.
A következő lépés:
számítógép mint nyersanyag.
számítógép mint nyersanyag.
02:33
So, that's the step after this -- of computing as a raw material.
46
128000
3000
02:36
That's still conventional bits, the step after that is --
47
131000
3000
A bitek még a szokásosak,
de utána jön a korai labormodell;
02:39
this is an earlier prototype in the lab;
48
134000
2000
02:41
this is high-speed video slowed down.
49
136000
2000
a lassított nagy sebességű videó.
Ez a kémia beépülése a számítástechnikába,
amelyben a bitek buborékok.
amelyben a bitek buborékok.
02:43
Now, integrating chemistry in computation, where the bits are bubbles.
50
138000
3000
02:46
This is showing making bits, this is showing --
51
141000
2000
Itt látható a bitek képződése,
itt meg lassítva,
itt meg lassítva,
02:48
once again, slowed down so you can see it,
52
143000
2000
hogy láthatók legyenek a bitek
02:50
bits interacting to do logic and multiplexing and de-multiplexing.
53
145000
4000
logikai műveletek, multiplexelés
és demultiplexelés végzésekor.
és demultiplexelés végzésekor.
Most tehát a számítások hatására az anyag
is átalakul, nem csak az információ.
is átalakul, nem csak az információ.
02:54
So, now we can compute that the output arranges material
54
149000
3000
02:57
as well as information. And, ultimately, these are some slides
55
152000
4000
Végül, egypár dia korábbi projektemről,
03:01
from an early project I did, computing where the bits are stored
56
156000
3000
amelyben a biteket atommagokban
03:04
quantum-mechanically in the nuclei of atoms, so
57
159000
3000
kvantummechanikai úton tároljuk,
03:07
programs rearrange the nuclear structure of molecules.
58
162000
4000
a program átalakítja
a molekulák atomszerkezetét.
a molekulák atomszerkezetét.
03:11
All of these are in the lab pushing further and further and further,
59
166000
4000
Ezeken kitartóan dolgozunk a laborban,
nemcsak képletesen, hanem tényleg
egyesítjük is a biteket és az atomokat,
egyesítjük is a biteket és az atomokat,
03:15
not as metaphor but literally integrating bits and atoms,
60
170000
3000
03:18
and they lead to the following recognition.
61
173000
3000
és ebből adódik a kérdés:
03:21
We all know we've had a digital revolution, but what is that?
62
176000
3000
tudjuk, hogy végbe ment
a digitális forradalom, de mi az?
a digitális forradalom, de mi az?
03:24
Well, Shannon took us, in the '40s, from here to here:
63
179000
3000
A 40-es években Shannon
átlendített bennünket
átlendített bennünket
a távolsággal romló minőségű vezetékes
telefonkapcsolattól az internet világába.
telefonkapcsolattól az internet világába.
03:27
from a telephone being a speaker wire that degraded with distance
64
182000
4000
03:31
to the Internet. And he proved the first threshold theorem, that shows
65
186000
4000
Bebizonyította az információátvitel
első küszöbtételét:
első küszöbtételét:
03:35
if you add information and remove it to a signal,
66
190000
3000
ha a jelhez információt adunk
és elvesszük belőle,
és elvesszük belőle,
akkor tökéletlen berendezéssel is
tökéletesen számolhatunk.
tökéletesen számolhatunk.
03:38
you can compute perfectly with an imperfect device.
67
193000
2000
03:40
And that's when we got the Internet.
68
195000
2000
Eljutottunk az internethez.
03:42
Von Neumann, in the '50s, did the same thing for computing;
69
197000
3000
Neumann János az 50-es években ugyanezt
megtette a számítástechnikával: kimutatta,
megtette a számítástechnikával: kimutatta,
03:45
he showed you can have an unreliable computer but restore its state
70
200000
3000
hogy megbízhatatlan számítógéppel
megbízható eredmény érhető el.
megbízható eredmény érhető el.
03:48
to make it perfect. This was the last great analog computer at MIT:
71
203000
4000
Ez volt az MIT utolsó analóg számítógépe:
03:52
a differential analyzer, and the more you ran it,
72
207000
2000
a differenciálanalizátor,
amelyet minél többet futtatunk,
amelyet minél többet futtatunk,
03:54
the worse the answer got.
73
209000
2000
annál rosszabb lesz a válasz.
03:56
After Von Neumann, we have the Pentium, where the billionth transistor
74
211000
3000
Neumann után jött a Pentium,
amelyben a milliárdodik tranzisztor
amelyben a milliárdodik tranzisztor
03:59
is as reliable as the first one.
75
214000
3000
ugyanolyan megbízható volt, mint az első.
04:02
But all our fabrication is down in this lower left corner.
76
217000
3000
Minden gyártmányunk
a bal alsó sarokban látható.
a bal alsó sarokban látható.
04:05
A state-of-the-art airplane factory rotating metal wax at fixed metal,
77
220000
3000
Egy innovatív repülőgépgyár
fém gyantát forgat rögzített fémen,
fém gyantát forgat rögzített fémen,
04:08
or you maybe melt some plastic. A 10-billion-dollar chip fab
78
223000
3000
vagy tán műanyagot olvaszt;
04:11
uses a process a village artisan would recognize --
79
226000
3000
egy tízmilliárd dolláros csipgyár
vidéki művésznek ismerős megoldással
vidéki művésznek ismerős megoldással
04:14
you spread stuff around and bake it.
80
229000
3000
az anyagot terjeszti és süti.
04:17
All the intelligence is external to the system;
81
232000
2000
Az összes tudás a rendszeren kívül van,
04:19
the materials don't have information.
82
234000
2000
az anyag nem tartalmaz infót.
04:21
Yesterday you heard about molecular biology,
83
236000
3000
Tegnap a molekuláris
biológiáról hallhattak,
biológiáról hallhattak,
04:24
which fundamentally computes to build.
84
239000
2000
amelyhez komoly számítások kellenek.
04:26
It's an information processing system.
85
241000
2000
Ez információfeldolgozó rendszer.
04:28
We've had digital revolutions in communication and computation,
86
243000
4000
Volt digitális forradalom
a kommunikációban és az IT-ben,
a kommunikációban és az IT-ben,
de Shannontól és Neumanntól eltérően,
04:32
but precisely the same idea, precisely the same math
87
247000
3000
elvüket és matematikájukat
még nem dolgozták ki a fizikai világra.
még nem dolgozták ki a fizikai világra.
04:35
Shannon and Von Neuman did, hasn't yet come out
88
250000
2000
04:37
to the physical world. So, inspired by that,
89
252000
3000
A hozzám hasonlóan lelkes kollégák
04:40
colleagues in this program -- the Center for Bits and Atoms
90
255000
2000
a Center for Bits and Atoms
programban a MIT-n,
programban a MIT-n,
04:42
at MIT -- which is a group of people, like me,
91
257000
3000
olyanok, mint én,
04:45
who never understood the boundary between physical science
92
260000
3000
akik soha nem értették,
hol a fizika és az IT közti határ.
hol a fizika és az IT közti határ.
04:48
and computer science. I would even go further and say
93
263000
3000
Sőt, elmondhatom, hogy az IT tudományánál
04:51
computer science is one of the worst things that ever happened
94
266000
2000
rosszabb nem érhette volna
04:53
to either computers or to science --
95
268000
2000
a számítógépeket vagy a tudományt,...
04:55
(Laughter)
96
270000
1000
(Nevetés)
04:56
-- because the canon -- computer science --
97
271000
4000
mert az IT-tudomány
egyes szabályai nagyszerűek,
egyes szabályai nagyszerűek,
05:00
many of them are great but the canon of computer science
98
275000
2000
de időnek előtte befagyasztották
05:02
prematurely froze a model of computation
99
277000
3000
az IT-technika modelljét
05:05
based on technology that was available in 1950,
100
280000
3000
az 1950-es évek műszaki szintjén,
05:08
and nature's a much more powerful computer than that.
101
283000
2000
de a természet sokkal erősebb számítógép.
05:10
So, you'll hear, tomorrow, from Saul Griffith. He was one of the
102
285000
4000
Holnap Saul Griffith-t fogják hallani,
05:14
first students to emerge from this program.
103
289000
3000
aki a programban
résztvevő diákok egyike volt.
résztvevő diákok egyike volt.
05:17
We started to figure out how you can compute to fabricate.
104
292000
3000
Kezdtünk rájönni,
hogyan használható az IT a gyártásban.
hogyan használható az IT a gyártásban.
05:20
This was just a proof of principle he did of tiles
105
295000
3000
Griffith programírásra használt mágneses
lapokkal bebizonyította,
lapokkal bebizonyította,
05:23
that interact magnetically, where you write a code,
106
298000
2000
hogy az elve nagyban hasonlít
a fehérjék föltekeredésére,
a fehérjék föltekeredésére,
05:25
much like protein folding, that specifies their structure.
107
300000
3000
amely a szerkezetüket meghatározza.
05:28
So, there's no feedback to a tool metrology;
108
303000
3000
Nincs visszacsatolás a mérőeszközökhöz,
05:31
the material itself codes for its structure in just the same ways
109
306000
5000
maga az anyag programozza a szerkezetét,
ugyanúgy, ahogy a fehérje képződik.
ugyanúgy, ahogy a fehérje képződik.
05:36
that protein are fabricated. So, you can, for example, do that.
110
311000
4000
Ezt például meg is lehet tenni.
05:40
You can do other things. That's in 2D. It works in 3D.
111
315000
3000
De mást is: ez a 2D, de lehet 3D is.
05:43
The video on the upper right -- I won't show for time --
112
318000
2000
A jobb felső sarokban lévő
videót most nem mutatom.
videót most nem mutatom.
05:45
shows self-replication, templating so something can make something
113
320000
4000
Az önmásolást, önreprodukálást mutatja,
melyben valami legyártja magát,
melyben valami legyártja magát,
05:49
that can make something, and we're doing that now over, maybe,
114
324000
3000
ami szintén legyártja magát s í. t.,
talán kilenced íziglen.
talán kilenced íziglen.
05:52
nine orders of magnitude. Those ideas have been used to show
115
327000
3000
Ezen elveket alkalmazták a pontosság
és sebesség kimutatására,
és sebesség kimutatására,
05:55
the best fidelity and direct rate DNA to make an organism,
116
330000
3000
mellyel a DNS szervezetet hoz létre
05:58
in functionalizing nanoclusters with peptide tails
117
333000
3000
peptid csoportos
nanoklaszterek előállításakor,
nanoklaszterek előállításakor,
amelyek összeszerelésüket programozzák
a mágnesekhez igen hasonlóan,
a mágnesekhez igen hasonlóan,
06:01
that code for their assembly -- so, much like the magnets,
118
336000
2000
06:03
but now on nanometer scales.
119
338000
2000
de most nanométeres léptékben.
06:05
Laser micro-machining: essentially 3D printers that digitally fabricate
120
340000
4000
A lézeres mikromegmunkálásra
példa a 3D-s nyomtatás,
példa a 3D-s nyomtatás,
06:09
functional systems, all the way up to building buildings,
121
344000
3000
amely digitálisan gyárt
működő rendszereket,
működő rendszereket,
egészen épületek tervrajz
nélküli fölhúzásáig,
nélküli fölhúzásáig,
06:12
not by having blueprints,
122
347000
1000
06:13
but having the parts code for the structure of the building.
123
348000
3000
csupán az épületszerkezet egyes
részeinek programja alapján.
részeinek programja alapján.
06:16
So, these are early examples in the lab of emerging technologies
124
351000
5000
Ezek korai példák a laborkörülmények
közti digitális gyártásra.
közti digitális gyártásra.
06:21
to digitize fabrication. Computers that don't control tools
125
356000
4000
A számítógépek nem
irányítják az eszközöket,
irányítják az eszközöket,
06:25
but computers that are tools, where the output of a program
126
360000
4000
hanem maguk az eszközök,
és a program kimenete átrendezi
az atomokat és a biteket is.
az atomokat és a biteket is.
06:29
rearranges atoms as well as bits.
127
364000
4000
Hogy ezt megtegyük – az önök adójából,
köszönöm – megvettem ezeket a gépeket.
köszönöm – megvettem ezeket a gépeket.
06:33
Now, to do that -- with your tax dollars, thank you --
128
368000
3000
06:36
I bought all these machines. We made a modest proposal
129
371000
4000
Szerény javaslatot nyújtottunk
be az Országos Tudományos Alapnak.
be az Országos Tudományos Alapnak.
06:40
to the NSF. We wanted to be able to make anything on any length scale,
130
375000
4000
Szerettünk volna bármely méretűt
gyártani, mindent egy helyen,
gyártani, mindent egy helyen,
06:44
all in one place, because you can't segregate digital fabrication
131
379000
4000
mert a digitális gyártást nem lehet
06:48
by a discipline or a length scale.
132
383000
2000
iparágak vagy méret szerint megbontani.
06:50
So we put together focused nano beam writers
133
385000
4000
Fókuszált nanosugaras írókat,
szuperszonikus vízsugaras vágókat
szuperszonikus vízsugaras vágókat
06:54
and supersonic water jet cutters and excimer micro-machining systems.
134
389000
5000
és excimeres mikromegmunkáló
rendszereket állítottunk össze.
rendszereket állítottunk össze.
06:59
But I had a problem. Once I had all these machines,
135
394000
3000
De kiderült, hogy bár megvannak a gépeink,
07:02
I was spending too much time teaching students to use them.
136
397000
3000
túl sok időt töltöttem
diákjaink betanításával.
diákjaink betanításával.
07:05
So I started teaching a class, modestly called,
137
400000
2000
Szerény speckollégiumot tartottam nekik:
07:07
"How To Make Almost Anything." And that wasn't meant to be provocative;
138
402000
3000
"Hogy gyártsunk majdnem mindent?" címmel,
senkit nem akartam provokálni,
senkit nem akartam provokálni,
07:10
it was just for a few research students.
139
405000
2000
csak egypár kutatódiáknak szólt.
07:12
But the first day of class looked like this.
140
407000
2000
De a kurzus első napján
07:14
You know, hundreds of people came in begging,
141
409000
2000
több százan jelentek meg rimánkodva:
07:16
all my life I've been waiting for this class; I'll do anything to do it.
142
411000
3000
"Egész életemben erre vártam",
"Bármit megtennék a részvételért".
"Bármit megtennék a részvételért".
07:19
Then they'd ask, can you teach it at MIT? It seems too useful?
143
414000
3000
Majd fölkértek, adjam le a MIT-n is;
hasznosnak látszott.
hasznosnak látszott.
07:22
And then the next --
144
417000
1000
Aztán a következő meglepetés...
07:23
(Laughter)
145
418000
2000
(Nevetés)
az volt, mikor kiderült,
hogy nem kutatni akarnak.
hogy nem kutatni akarnak.
07:25
-- surprising thing was they weren't there to do research.
146
420000
1000
07:26
They were there because they wanted to make stuff.
147
421000
2000
Gyártani akarnak.
07:28
They had no conventional technical background.
148
423000
4000
Nem volt hagyományos műszaki képzettségük.
07:32
At the end of a semester they integrated their skills.
149
427000
2000
A szemeszter végére
ötvözték a készségeiket.
ötvözték a készségeiket.
07:34
I'll show an old video. Kelly was a sculptor, and this is what she did
150
429000
4000
E régi videóban Kelly,
a szobrász évfolyamtervét láthatjuk.
07:38
with her semester project.
151
433000
2000
07:40
(Video): Kelly: Hi, I'm Kelly and this is my scream buddy.
152
435000
3000
(Videó) Kelly: Kelly vagyok,
ez meg a visító cimborám.
ez meg a visító cimborám.
07:45
Do you ever find yourself in a situation
153
440000
3000
Voltak már olyan helyzetben,
07:48
where you really have to scream, but you can't because you're at work,
154
443000
5000
hogy legszívesebben ordítottak volna,
de hát munkahelyen nem lehet,
de hát munkahelyen nem lehet,
07:53
or you're in a classroom, or you're watching your children,
155
448000
3000
vagy egy osztályteremben voltak,
vagy gyereküket figyelték,
vagy gyereküket figyelték,
07:56
or you're in any number of situations where it's just not permitted?
156
451000
5000
vagy olyan helyzetben,
amelyben nem volt szabad?
amelyben nem volt szabad?
08:01
Well, scream buddy is a portable space for screaming.
157
456000
4000
A visító cimbora hordozható visítóhely.
08:05
When a user screams into scream buddy, their scream is silenced.
158
460000
5000
Amikor valaki belevisít,
a visítást lefojtja.
a visítást lefojtja.
Későbbi visszajátszásra rögzíti,
08:10
It is also recorded for later release where, when and how
159
465000
4000
de az, hogy hol, mikor
és hogyan, az a használótól függ.
és hogyan, az a használótól függ.
08:14
the user chooses.
160
469000
1000
08:36
(Scream)
161
491000
2000
(Visítás)
08:39
(Laughter) (Applause)
162
494000
4000
(Nevetés) (Taps)
08:43
So, Einstein would like this.
163
498000
2000
Einsteinnek tetszene.
E diák papagájoknak csinált webböngészőt:
08:45
This student made a web browser for parrots --
164
500000
1000
08:46
lets parrots surf the Net and talk to other parrots.
165
501000
3000
csak böngésszék, s beszélgessenek
más papagájokkal.
más papagájokkal.
08:49
This student's made an alarm clock you wrestle
166
504000
2000
Ő ébresztőórát csinált,
amellyel birkózni kell,
amellyel birkózni kell,
08:51
to prove you're awake; this is one that defends --
167
506000
2000
hogy bizonyítsák: fölébredtek.
08:53
a dress that defends your personal space.
168
508000
2000
Ez a ruha személyes terüket védi.
08:55
This isn't technology for communication;
169
510000
2000
Ez nem közlésre szolgáló technika,
08:57
it's technology to prevent it.
170
512000
2000
hanem a megelőzésére.
08:59
This is a device that lets you see your music.
171
514000
3000
Ezzel az eszközzel zenéjüket
tehetik láthatóvá.
tehetik láthatóvá.
09:02
This is a student who made a machine that makes machines,
172
517000
3000
E diák gépeket gyártó gépet készített,
09:05
and he made it by making Lego bricks that do the computing.
173
520000
3000
számításokat végző LEGO-kockákból.
09:08
Just year after year -- and I finally realized
174
523000
2000
Teltek az évek, s végül rájöttem,
09:10
the students were showing the killer app of personal fabrication
175
525000
4000
hogy a diákok saját maguk gyártottak
nélkülözhetetlen alkalmazásokat,
nélkülözhetetlen alkalmazásokat,
amelyek egyszemélyes piacra szóltak.
09:14
is products for a market of one person.
176
529000
2000
09:16
You don't need this for what you can get in Wal-Mart;
177
531000
2000
Nem ahhoz kell, ami áruházban kapható,
09:18
you need this for what makes you unique.
178
533000
1000
hanem ami egyedivé tesz minket.
09:19
Ken Olsen famously said, nobody needs a computer in the home.
179
534000
4000
Ken Olsen híres mondása:
otthonra nem kell számítógép.
otthonra nem kell számítógép.
De nem leltározásra,
bérelszámolásra használjuk;
bérelszámolásra használjuk;
09:23
But you don't use it for inventory and payroll;
180
538000
2000
09:25
DEC is now twice bankrupt. You don't need personal fabrication
181
540000
3000
A DEC kétszer csődölt be.
Nem kell otthon gyártani,
ami boltban kapható.
ami boltban kapható.
09:28
in the home to buy what you can buy because you can buy it.
182
543000
2000
09:30
You need it for what makes you unique, just like personalization.
183
545000
4000
Azért kell, hogy egyediek,
személyiség legyünk.
személyiség legyünk.
09:34
So, with that, in turn, 20 million dollars today does this;
184
549000
4000
Ma 20 millió dollár erre elég;
09:38
20 years from now we'll make Star Trek replicators that make anything.
185
553000
4000
20 év múlva mindent gyártó replikátorokat
készítünk, mint a Star Trekben.
készítünk, mint a Star Trekben.
09:42
The students hijacked all the machines I bought to do personal fabrication.
186
557000
4000
A diákok átalakították az egyedi
gyártáshoz vett összes gépemet.
gyártáshoz vett összes gépemet.
09:46
Today, when you spend that much of your money,
187
561000
2000
Amikor ennyi adópénzt költünk,
a kormányzat igényli,
a kormányzat igényli,
09:48
there's a government requirement to do outreach, which often means
188
563000
3000
hogy erről számoljunk el,
ami gyakran helyi iskolai ismertetést,
ami gyakran helyi iskolai ismertetést,
09:51
classes at a local school, a website -- stuff that's just not that exciting.
189
566000
3000
honlapot jelent;
ezek nemigen lelkesítő dolgok.
ezek nemigen lelkesítő dolgok.
09:54
So, I made a deal with my NSF program managers that
190
569000
4000
Ezért megbeszéltem az Alap vezetőivel,
hogy fecsegés helyett inkább
az eszközöket adom az embereknek.
az eszközöket adom az embereknek.
09:58
instead of talking about it, I'd give people the tools.
191
573000
2000
10:00
This wasn't meant to be provocative or important,
192
575000
2000
Nem fontoskodni akarok,
de fölállítottuk ezeket a Fab Labokat.
de fölállítottuk ezeket a Fab Labokat.
10:02
but we put together these Fab Labs. It's about 20,000 dollars in equipment
193
577000
4000
Kb. 20 000 dollár értékű eszköz,
amely kb. ugyanarra képes,
amely kb. ugyanarra képes,
10:06
that approximate both what the 20 million dollars does and where it's going.
194
581000
5000
mint a laboratóriumunk
a 20 millió dolláros felszereltségével.
a 20 millió dolláros felszereltségével.
10:11
A laser cutter to do press-fit assembly with 3D from 2D,
195
586000
3000
2D alapú 3D-s lézervágó présidomos
kötések roppantó szereléséhez,
kötések roppantó szereléséhez,
10:14
a sign cutter to plot in copper to do electromagnetics,
196
589000
2000
plotter-vágószerszám rézhez
elektromágnes gyártásához
elektromágnes gyártásához
10:16
a micron scale,
197
591000
2000
mikronléptékben,
10:18
numerically-controlled milling machine for precise structures,
198
593000
2000
digitális vezérlésű precíziós marógép,
10:20
programming tools for less than a dollar,
199
595000
3000
egy dollárnál olcsóbb programozó eszközök,
100 ns mikrovezérlők.
100 ns mikrovezérlők.
10:23
100-nanosecond microcontrollers. It lets you work from microns
200
598000
3000
Lehetővé teszik a munkát mikronos
és mikro-másodperces nagyságrendtől,
és mikro-másodperces nagyságrendtől,
10:26
and microseconds on up, and they exploded around the world.
201
601000
4000
és rohamosan elterjedtek az egész világon.
Ez nem volt betervezve,
de Boston belvárosából eljutottak
de Boston belvárosából eljutottak
10:30
This wasn't scheduled, but they went from inner-city Boston
202
605000
2000
10:32
to Pobal in India, to Secondi-Takoradi on Ghana's coast
203
607000
4000
az indiai Pobalba,
a ghánai Sekondi-Takoradiba,
a ghánai Sekondi-Takoradiba,
10:36
to Soshanguve in a township in South Africa,
204
611000
3000
a dél-afrikai Soshanguve-n át
10:39
to the far north of Norway, uncovering, or helping uncover,
205
614000
4000
Norvégia északi részéig,
csökkentve a digitális egyenlőtlenséget.
10:43
for all the attention to the digital divide,
206
618000
3000
10:46
we would find unused computers in all these places.
207
621000
4000
Kihasználatlan számítógépeket
találhatunk e helyeken.
találhatunk e helyeken.
A falusi gazda gyerekének meg kell
mérnie és változtatnia a világot,
mérnie és változtatnia a világot,
10:50
A farmer in a rural village -- a kid needs to measure and modify
208
625000
3000
10:53
the world, not just get information about it on a screen.
209
628000
4000
ne csak tudomást szerezzen
róla a képernyőn.
róla a képernyőn.
A különbség a gyártásban és szerszámmal
való ellátottságban nagyobb,
való ellátottságban nagyobb,
10:57
That there's really a fabrication and an instrumentation divide
210
632000
2000
10:59
bigger than the digital divide.
211
634000
3000
mint a digitális egyenlőtlenség.
Ennek szűkítése nem
a tömegeknek nyújtott IT-vel,
a tömegeknek nyújtott IT-vel,
11:02
And the way you close it is not IT for the masses but IT development for the masses.
212
637000
3000
hanem az IT-fejlesztés tömeges
lehetőségével teremthető meg.
lehetőségével teremthető meg.
11:05
So, in place after place
213
640000
3000
Bármilyen lehetetlen helyen
nyitottunk is Fab Labot,
nyitottunk is Fab Labot,
11:08
we saw this same progression: that we'd open one of these Fab Labs,
214
643000
3000
11:11
where we didn't -- this is too crazy to think of.
215
646000
3000
ugyanazt a fejlődést tapasztaltuk.
11:14
We didn't think this up, that we would get pulled to these places;
216
649000
3000
Nem számítottunk rá,
hogy e helyekre jutunk el.
hogy e helyekre jutunk el.
11:17
we'd open it. The first step was just empowerment.
217
652000
2000
Az első lépés a lehetőség megadása volt.
11:19
You can see it in their face, just this joy of, I can do it.
218
654000
3000
Az arcukon látszik
a "meg tudom tenni" öröme.
a "meg tudom tenni" öröme.
11:22
This is a girl in inner-city Boston who had just done a high-tech
219
657000
2000
Ez a bostoni lány épp egy igényes,
high-tech elemet értékesített
high-tech elemet értékesített
11:24
on-demand craft sale in the inner city community center.
220
659000
4000
a város közösségi központjában.
11:28
It goes on from there to serious hands-on technical education
221
663000
4000
Ez aztán komoly informális gyakorlati, nem
iskolai műszaki oktatással folytatódik.
iskolai műszaki oktatással folytatódik.
11:32
informally, out of schools. In Ghana we had set up one of these labs.
222
667000
5000
Ghánában létesítettünk ilyen labort.
Hálózati érzékelőt terveztünk,
csak jöttek a gyerekek,
csak jöttek a gyerekek,
11:37
We designed a network sensor, and kids would show up
223
672000
2000
11:39
and refuse to leave the lab.
224
674000
1000
és maradni akartak.
11:40
There was a girl who insisted we stay late at night --
225
675000
3000
Az egyik lány ragaszkodott hozzá,
hogy éjjelre is maradjunk...
hogy éjjelre is maradjunk...
11:43
(Video): Kids: I love the Fab Lab.
226
678000
2000
(Videó) Gyerekek: Imádom a Fab Labot.
11:45
-- her first night in the lab because she was going to make the sensor.
227
680000
3000
az első estéje a laborban,
ahol érzékelőt fog csinálni.
ahol érzékelőt fog csinálni.
11:48
So she insisted on fabbing the board, learning how to stuff it,
228
683000
3000
Ragaszkodott hozzá, hogy megtanulja
a lapgyártást és -programozást.
a lapgyártást és -programozást.
11:51
learning how to program it. She didn't really know
229
686000
2000
Nemigen tudta, mit csinál,
vagy miért csinálja,
vagy miért csinálja,
11:53
what she was doing or why she was doing it, but she knew
230
688000
2000
de tudta, hogy meg kell tennie.
11:55
she just had to do it. There was something electric about it.
231
690000
3000
Erőt vett rajta az izgalom.
Már este 11 óra van,
11:58
This is late at, you know, 11 o'clock at night
232
693000
2000
12:00
and I think I was the only person surprised when what she built
233
695000
3000
és csak én voltam meglepve,
hogy amit megépített,
hogy amit megépített,
12:03
worked the first time.
234
698000
2000
elsőre működött.
12:05
And I've shown this to engineers at big companies, and they say
235
700000
2000
Nagy cégek mérnökei mondták,
hogy ők nem tudták volna megcsinálni.
hogy ők nem tudták volna megcsinálni.
12:07
they can't do this. Any one thing she's doing, they can do better,
236
702000
3000
A lány dolgait a mérnökök
jobban megcsinálják,
jobban megcsinálják,
12:10
but it's distributed over many people and many sites
237
705000
3000
de ahhoz sok ember és helyszín kell,
12:13
and they can't do in an afternoon
238
708000
1000
és egy délután alatt nem megy,
12:14
what this little girl in rural Ghana is doing.
239
709000
3000
amit e ghánai falusi kislány megtesz.
12:33
(Video): Girl: My name is Valentina Kofi; I am eight years old.
240
728000
4000
(Videó) Lány: Valentina Kofi vagyok,
nyolcéves.
nyolcéves.
12:37
I made a stacking board.
241
732000
3000
Áramköri lapot építettem.
12:40
And, again, that was just for the joy of it.
242
735000
3000
NG: Csak szórakozásból.
12:43
Then these labs started doing serious problem solving --
243
738000
3000
Majd e laborok komoly
problémák megoldásába fogtak:
problémák megoldásába fogtak:
12:46
instrumentation for agriculture in India,
244
741000
2000
berendezések az indiai mezőgazdaságnak,
12:48
steam turbines for energy conversion in Ghana,
245
743000
2000
energiaátalakító gőzturbinák Ghánában,
12:50
high-gain antennas in thin client computers.
246
745000
4000
nagy nyereségű antennák
számítógépes hálózatokhoz.
számítógépes hálózatokhoz.
Aztán beindult az üzlet,
12:54
And then, in turn, businesses started to grow,
247
749000
1000
12:55
like making these antennas.
248
750000
1000
pl. az antennagyártásban.
12:56
And finally, the lab started doing invention.
249
751000
2000
Végül a laborból jönni
kezdtek a találmányok.
kezdtek a találmányok.
12:58
We're learning more from them than we're giving them.
250
753000
2000
Többet tanulunk tőlük, mint fordítva.
13:00
I was showing my kids in a Fab Lab how to use it.
251
755000
3000
Megmutattam a srácoknak,
hogyan használják.
hogyan használják.
13:03
They invented a way to do a construction kit out of a cardboard box --
252
758000
4000
Rájöttek, hogyan csináljanak
építőkészletet kartondobozból,
építőkészletet kartondobozból,
13:07
which, as you see up there, that's becoming a business --
253
762000
2000
és ebből üzlet vált,
13:09
but their design was better than Saul's design at MIT,
254
764000
3000
de az ő megoldásuk jobb lett,
mint a MIT-s Saulé,
mint a MIT-s Saulé,
13:12
so there's now three students at MIT doing their theses on
255
767000
3000
úgyhogy ma három
MIT-s diák disszertációtémája
MIT-s diák disszertációtémája
13:15
scaling the work of eight-year-old children
256
770000
3000
a nyolcéves gyerekek munkájának
továbbfejlesztése,
továbbfejlesztése,
csak azért, mert az ő tervük jobb volt.
13:18
because they had better designs.
257
773000
1000
13:19
Real invention is happening in these labs.
258
774000
3000
E laborokban valóban föltalálnak.
Tavaly államfőkkel, tábornokokkal,
13:22
And I still kept -- so, in the last year I've been spending time with
259
777000
2000
törzsfőkkel találkoztam,
akik mind ezt akarják, kérik,
akik mind ezt akarják, kérik,
13:24
heads of state and generals and tribal chiefs who all want this,
260
779000
3000
győzködöm őket, hogy ez még nincs kész.
13:27
and I keep saying, but this isn't the real thing.
261
782000
2000
Várjanak, mondjuk, 20 évet, és meglesz.
13:29
Wait, like, 20 years and then we'll be done.
262
784000
2000
13:31
And I finally got what's been going on. This is Kernigan and Ritchie
263
786000
3000
Végül megértettem, mi folyik itt.
Ez Kernigan és Ritchie,
akik föltalálják a UNIX-ot a PDP-re.
akik föltalálják a UNIX-ot a PDP-re.
13:34
inventing UNIX on a PDP.
264
789000
3000
A PDP-k a nagyszámítógépek
s a mikrogépek közt voltak.
s a mikrogépek közt voltak.
13:37
PDPs came between mainframes and minicomputers.
265
792000
2000
13:39
They were tens of thousands of dollars, hard to use,
266
794000
3000
Több tízezer dollárba kerültek,
nehéz volt használni őket,
nehéz volt használni őket,
13:42
but they brought computing down to work groups,
267
797000
2000
de munkacsoportokban használták őket,
13:44
and everything we do today happened there.
268
799000
2000
és a mai dolgok ott kezdődtek.
A Fab Labok költségben és bonyolultságban
a PDP szintjén állnak.
a PDP szintjén állnak.
13:46
These Fab Labs are the cost and complexity of a PDP.
269
801000
3000
13:49
The projection of digital fabrication
270
804000
2000
A digitális gyártás nem a jövő;
13:51
isn't a projection for the future; we are now in the PDP era.
271
806000
3000
vele most mintha
a PDP korszakában járnánk.
a PDP korszakában járnánk.
13:54
We talked in hushed tones about the great discoveries then.
272
809000
3000
Aztán érintettük a nagy fölfedezéseket.
13:57
It was very chaotic, it wasn't, sort of, clear what was going on.
273
812000
3000
Nagyon zűrzavaros volt a helyzet,
nem volt világos, hogy mi történik.
nem volt világos, hogy mi történik.
14:00
In the same sense we are now, today, in the minicomputer era
274
815000
3000
Ebben az értelemben ma
a digitális gyártás minigépes
korában vagyunk.
korában vagyunk.
14:03
of digital fabrication.
275
818000
2000
14:05
The only problem with that is it breaks everybody's boundaries.
276
820000
4000
Ezzel az a baj, hogy határokat
feszegetünk.
feszegetünk.
El szoktam menni minden elképzelhető
hivatalba, amely kész velem tárgyalni,
hivatalba, amely kész velem tárgyalni,
14:09
In DC, I go to every agency that wants to talk, you know;
277
824000
3000
14:12
in the Bay Area, I go to every organization you can think of --
278
827000
2000
Washingtonban vagy San Franciscóban,
14:14
they all want to talk about it, but it breaks
279
829000
2000
tárgyalni készek, de az ügy ellentmond
a hivatali szabályzatuknak.
a hivatali szabályzatuknak.
14:16
their organizational boundaries. In fact, it's illegal for them,
280
831000
3000
Sokszor nincs joguk
egyszerű alkotó embereket ellátni,
14:19
in many cases, to equip ordinary people to create
281
834000
4000
de technológia vásárlásának
nincs akadálya.
nincs akadálya.
14:23
rather than consume technology.
282
838000
1000
14:24
And that problem is so severe that the ultimate invention
283
839000
4000
A probléma oly súlyos, hogy az utóbbi
találmány meg is lepett:
találmány meg is lepett:
14:28
coming from this community surprised me:
284
843000
3000
14:31
it's the social engineering. That the lab in far north of Norway --
285
846000
4000
a pszichológiai manipuláció.
A labor Norvégia északi részén van,
annyira északin,
annyira északin,
14:35
this is so far north its satellite dishes look at the ground
286
850000
2000
hogy a parabolaantennák
a föld felé néznek,
a föld felé néznek,
14:37
rather than the sky because that's where the satellites are --
287
852000
4000
nem az égre, hiszen nem
ott vannak a műholdak.
ott vannak a műholdak.
A labor egy kis csűrből nőtt ki.
14:41
the lab outgrew the little barn that it was in.
288
856000
1000
14:42
It was there because they wanted to find animals in the mountains
289
857000
3000
A közösség állatokat akart találni
a hegyekben, de kinőtték a csűrt,
a hegyekben, de kinőtték a csűrt,
14:45
but it outgrew it, so they built this extraordinary village for the lab.
290
860000
4000
ezért a labornak megépítették
ezt a különleges falut.
ezt a különleges falut.
14:49
This isn't a university; it's not a company. It's essentially
291
864000
2000
Ez nem egyetem, nem cég:
hanem feltalálásra létrejött falu
hanem feltalálásra létrejött falu
14:51
a village for invention; it's a village for the outliers in society,
292
866000
5000
a társadalom csodabogarainak,
és a Fab Labok környékén
14:56
and those have been growing up around these Fab Labs
293
871000
2000
az egész világon akadnak ilyenek.
14:58
all around the world.
294
873000
1000
14:59
So this program has split into an NGO foundation,
295
874000
4000
A programtámogatás megoszlik civil alapok,
15:03
a Fab Foundation to support the scaling, a micro VC fund.
296
878000
4000
a Fab Alap és a mikro
kockázatitőke-alap között.
kockázatitőke-alap között.
Az egyik vezető találóan jegyezte meg:
15:07
The person who runs it nicely describes it as
297
882000
1000
15:08
"machines that make machines need businesses that make businesses:"
298
883000
4000
"gépet gyártó gépeknek üzletet
teremtő üzletre van szükségük",
teremtő üzletre van szükségük",
15:12
it's a cross between micro-finance and VC to do fan-out,
299
887000
3000
ez a mikrofinanszírozás és a kockázati
tőke közti sáv a kiszélesítésért,
tőke közti sáv a kiszélesítésért,
15:15
and then the research partnerships back at MIT for what's
300
890000
2000
majd jön a MIT-tel való
kutatói együttműködés:
kutatói együttműködés:
15:17
making it possible.
301
892000
3000
ezzel válik valóra a projekt.
Két gondolattal búcsúzom.
15:20
So I'd like to leave you with two thoughts.
302
895000
2000
15:22
There's been a sea change in aid, from top-down mega-projects
303
897000
5000
Nagy változások voltak
a támogatásban, az alulról fölfelé
a támogatásban, az alulról fölfelé
s felülről lefelé induló
nagyprojektekben, a mikrofinanszírozásban,
nagyprojektekben, a mikrofinanszírozásban,
15:27
to bottom-up, grassroots, micro-finance investing in the roots,
304
902000
4000
15:31
so that everybody's got that that's what works.
305
906000
3000
így mindenki érti, hogy ez működik.
De a technológiát még mindig lefelé
irányuló megaprojektnek tartjuk.
irányuló megaprojektnek tartjuk.
15:34
But we still look at technology as top-down mega-projects.
306
909000
3000
15:37
Computing, communication, energy for the rest of the planet
307
912000
3000
Bolygónk többi részének még
mindig lefelé irányuló megaprojekt
mindig lefelé irányuló megaprojekt
15:40
are these top-down mega-projects.
308
915000
2000
az IT, a távközlés és az energia.
15:42
If this room full of heroes is just clever enough,
309
917000
2000
Ha a teremben lévők elég okosak,
15:44
you can solve the problems.
310
919000
2000
megoldhatják e feladatokat.
15:46
The message coming from the Fab Labs is that
311
921000
2000
A Fab Labok arra tanítanak,
15:48
the other five billion people on the planet
312
923000
2000
hogy a többi ötmilliárd ember
sem csupán a technika befogadói,
hanem forrása is.
hanem forrása is.
15:50
aren't just technical sinks; they're sources.
313
925000
2000
15:52
The real opportunity is to harness the inventive power of the world
314
927000
3000
Valódi lehetőség a világ
újító erejének kihasználására,
újító erejének kihasználására,
15:55
to locally design and produce solutions to local problems.
315
930000
4000
helyi feladatok helyi tervezéssel
s gyártással való megoldására.
s gyártással való megoldására.
Azt hittem, hogy ez
a következő 20 év feladata,
a következő 20 év feladata,
15:59
I thought that's the projection 20 years hence into the future,
316
934000
3000
de már itt tartunk.
16:02
but it's where we are today.
317
937000
2000
Ez minden elképzelhető
szervezeti határt átlép.
szervezeti határt átlép.
16:04
It breaks every organizational boundary we can think of.
318
939000
2000
16:06
The hardest thing at this point is the social engineering
319
941000
3000
A kemény dió a pszichológiai manipuláció
16:09
and the organizational engineering, but it's here today.
320
944000
3000
és a szervezettervezés, de már itt van.
Végül, az IT jövőjéről szólva
16:12
And, finally, any talk like this on the future of computing
321
947000
2000
16:14
is required to show Moore's law, but my favorite version --
322
949000
4000
előkerül a Moor-törvény,
de a kedvenc változatom
de a kedvenc változatom
16:18
this is Gordon Moore's original one from his original paper --
323
953000
5000
Moor eredeti cikkéből való.
16:23
and what's happened is, year after year after year,
324
958000
2000
az történik évről évre,
16:25
we've scaled and we've scaled and we've scaled
325
960000
1000
hogy növünk, növünk,
16:26
and we've scaled, and we've scaled and we've scaled,
326
961000
4000
növünk, növünk,
16:30
and we've scaled and we've scaled,
327
965000
1000
növünk és növünk,
16:31
and there's this looming bug of what's going to happen
328
966000
2000
és itt van a fenyegető hiba
a Moore-törvény végén;
a Moore-törvény végén;
16:33
at the end of Moore's law; this ultimate bug is coming.
329
968000
4000
ez az alapvető hiba bekövetkezik.
Értékeljük a 2D-ből a 3D-be
történő átmenetet,
történő átmenetet,
16:37
But we're coming to appreciate, is the transition from 2D to 3D,
330
972000
5000
16:42
from programming bits to programming atoms,
331
977000
3000
a bitek programozásából
a programozás atomjaihoz,
a programozás atomjaihoz,
amely a Moor-törvény
érvényességének alapvető hibáját
érvényességének alapvető hibáját
16:45
turns the ends of Moore's law scaling from the ultimate bug
332
980000
2000
16:47
to the ultimate feature.
333
982000
2000
alapvető tulajdonsággá változtatja.
16:49
So, we're just at the edge of this digital revolution in fabrication,
334
984000
4000
A gyártás digitális forradalmának
küszöbéhez érkeztünk,
küszöbéhez érkeztünk,
16:53
where the output of computation programs the physical world.
335
988000
3000
ahol az IT kimenete
programozza a fizikai világot.
programozza a fizikai világot.
16:56
So, together, these two projects answer questions
336
991000
3000
E két projekt együtt ad választ
a pontatlanul föltett kérdéseimre.
a pontatlanul föltett kérdéseimre.
16:59
I hadn't asked carefully. The class at MIT shows the killer app
337
994000
4000
A MIT kurzusa megmutatta,
hogy a fejlett világban
hogy a fejlett világban
17:03
for personal fabrication in the developed world
338
998000
2000
a személyes gyártáshoz való
nélkülözhetetlen alkalmazás
nélkülözhetetlen alkalmazás
17:05
is technology for a market of one: personal expression in technology
339
1000000
4000
egyemberes piaci technológia:
a személy technológiai kifejeződése,
a személy technológiai kifejeződése,
17:09
that touches a passion unlike anything I've seen in technology
340
1004000
3000
ami szenvedéllyel kapcsolatos,
eltérően minden mástól,
eltérően minden mástól,
amit évek hosszú sora alatt
a technológiában láttam.
a technológiában láttam.
17:12
for a very long time.
341
1007000
2000
17:14
And the killer app for the rest of the planet is the instrumentation
342
1009000
4000
A nélkülözhetetlen alkalmazás
bolygónk többi részének
bolygónk többi részének
a fölszerszámozás és a gyártás
különválását jelenti:
különválását jelenti:
17:18
and the fabrication divide: people locally developing solutions
343
1013000
3000
helyben fejlesztenek ki megoldásokat
17:21
to local problems. Thank you.
344
1016000
2000
helyi feladatokra.
Köszönöm.
(Taps)
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