TED2011
Skylar Tibbits: Can we make things that make themselves?
Skylar Tibbits: Possiamo costruire oggetti che si assemblano da sé?
Filmed:
Readability: 4.4
1,072,366 views
Skylar Tibbits, ricercatore del MIT, sta studiando l'auto-assemblaggio, vale a dire l'idea secondo la quale, invece di costruire qualcosa (una sedia, un grattacielo) creiamo materiali che si auto-assemblino, in maniera molto simile a quella in cui si compone un filamento di DNA. È una grande idea, ancora in fase iniziale. Tibbits ci mostra tre progetti di laboratorio e ci offre un'anteprima su quello che potrà essere un futuro all'insegna dell'auto-assemblaggio.
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
Oggi vorrei mostrarvi
00:17
the future of the way we make things.
1
2000
2000
il futuro del modo in cui costruiamo gli oggetti.
00:19
I believe that soon our buildings and machines
2
4000
2000
Io credo che presto i nostri edifici e i nostri macchinari
00:21
will be self-assembling,
3
6000
2000
si assembleranno,
00:23
replicating and repairing themselves.
4
8000
2000
si replicheranno e si ripareranno da sé.
00:25
So I'm going to show you
5
10000
2000
Vi mostrerò ora
00:27
what I believe is the current state of manufacturing,
6
12000
2000
quello che io ritengo sia lo stato attuale della produzione
00:29
and then compare that to some natural systems.
7
14000
3000
e lo paragonerò ad alcuni sistemi naturali.
00:32
So in the current state of manufacturing, we have skyscrapers --
8
17000
3000
Nello stato attuale della produzione abbiamo grattacieli --
00:35
two and a half years [of assembly time],
9
20000
2000
due anni e mezzo,
00:37
500,000 to a million parts,
10
22000
2000
da 500.000 a 1 milione di componenti,
00:39
fairly complex,
11
24000
2000
decisamente complessi,
00:41
new, exciting technologies in steel, concrete, glass.
12
26000
3000
nuove ed entusiasmanti tecnologie in acciaio, cemento, vetro.
00:44
We have exciting machines
13
29000
2000
Abbiamo macchinari incredibili
00:46
that can take us into space --
14
31000
2000
che ci portano nello spazio --
00:48
five years [of assembly time], 2.5 million parts.
15
33000
3000
5 anni, 2,5 milioni di componenti.
00:51
But on the other side, if you look at the natural systems,
16
36000
3000
Dall'altra parte, se pensate ai sistemi naturali,
00:54
we have proteins
17
39000
2000
abbiamo le proteine
00:56
that have two million types,
18
41000
2000
ce ne sono 2 milioni di tipi,
00:58
can fold in 10,000 nanoseconds,
19
43000
2000
si ripiegano in 10.000 nano secondi,
01:00
or DNA with three billion base pairs
20
45000
2000
il DNA, con 3 miliardi di coppie di base,
01:02
we can replicate in roughly an hour.
21
47000
3000
che noi possiamo replicare in circa 1 ora.
01:05
So there's all of this complexity
22
50000
2000
Esiste tutta questa complessità
01:07
in our natural systems,
23
52000
2000
nei nostri sistemi naturali,
01:09
but they're extremely efficient,
24
54000
2000
ma essi sono decisamente molto più efficienti,
01:11
far more efficient than anything we can build,
25
56000
2000
di qualsiasi cosa noi possiamo costruire,
01:13
far more complex than anything we can build.
26
58000
2000
decisamente più complessi di qualsiasi cosa noi costruiamo.
01:15
They're far more efficient in terms of energy.
27
60000
2000
Sono molto più efficienti in termini di energia.
01:17
They hardly ever make mistakes.
28
62000
3000
Raramente commettono errori.
01:20
And they can repair themselves for longevity.
29
65000
2000
E si riparano da sé per mantenersi longeve.
01:22
So there's something super interesting about natural systems.
30
67000
3000
C'è qualcosa di estremamente interessante in questi sistemi naturali.
01:25
And if we can translate that
31
70000
2000
E se noi lo possiamo tradurre
01:27
into our built environment,
32
72000
2000
nel nostro ambiente delle costruzioni
01:29
then there's some exciting potential for the way that we build things.
33
74000
2000
il potenziale del modo in cui possiamo costruire le cose diventa esaltante.
01:31
And I think the key to that is self-assembly.
34
76000
3000
E io credo che l'elemento chiave sia l'auto-assemblaggio.
01:34
So if we want to utilize self-assembly in our physical environment,
35
79000
3000
Se vogliamo usare l'auto-assemblaggio nel nostro ambiente fisico,
01:37
I think there's four key factors.
36
82000
2000
credo esistano 4 fattori chiave.
01:39
The first is that we need to decode
37
84000
2000
Il primo consiste nel decodificare
01:41
all of the complexity of what we want to build --
38
86000
2000
tutta la complessità di ciò che intendiamo costruire -
01:43
so our buildings and machines.
39
88000
2000
gli edifici e i macchinari.
01:45
And we need to decode that into simple sequences --
40
90000
2000
Dobbiamo decodificarli in sequenze semplici -
01:47
basically the DNA of how our buildings work.
41
92000
2000
in sostanza il DNA di come funzionano i nostri edifici.
01:49
Then we need programmable parts
42
94000
2000
Poi ci servono componenti programmabili
01:51
that can take that sequence
43
96000
2000
che possano assumere quella sequenza
01:53
and use that to fold up, or reconfigure.
44
98000
3000
e usarla per ripiegarsi, o riconfigurarsi.
01:56
We need some energy that's going to allow that to activate,
45
101000
3000
Abbiamo bisogno di energia che permetta loro di attivarsi,
01:59
allow our parts to be able to fold up from the program.
46
104000
3000
così che le parti possano ripiegarsi seguendo il programma.
02:02
And we need some type of error correction redundancy
47
107000
2000
E abbiamo bisogno di una ridondanza nella correzione degli errori
02:04
to guarantee that we have successfully built what we want.
48
109000
3000
che ci garantisca che abbiamo avuto successo nella nostra costruzione.
02:07
So I'm going to show you a number of projects
49
112000
2000
Vi mostrerò quindi una serie di progetti
02:09
that my colleagues and I at MIT are working on
50
114000
2000
sui quali sto lavorando insieme ai miei colleghi del MIT
02:11
to achieve this self-assembling future.
51
116000
2000
per poter ottenere questo futuro di auto-assemblaggio.
02:13
The first two are the MacroBot and DeciBot.
52
118000
3000
I primi due sono il MacroBot e il DeciBot.
02:16
So these projects are large-scale reconfigurable robots --
53
121000
4000
Si tratta di progetti di robot riconfigurabili di grandi dimensioni -
02:20
8 ft., 12 ft. long proteins.
54
125000
3000
proteine lunghe 3 o 4 metri.
02:23
They're embedded with mechanical electrical devices, sensors.
55
128000
3000
Al loro interno si trovano dei sensori, dispositivi meccanici elettronici.
02:26
You decode what you want to fold up into,
56
131000
2000
Decodifichiamo la forma in cui vogliamo si ripieghino
02:28
into a sequence of angles --
57
133000
2000
in una sequenza di angoli -
02:30
so negative 120, negative 120, 0, 0,
58
135000
2000
meno 120, meno 120, 0, 0,
02:32
120, negative 120 -- something like that;
59
137000
3000
120, meno 120 - una cosa del genere;
02:35
so a sequence of angles, or turns,
60
140000
2000
una sequenza di angoli, o di rotazioni,
02:37
and you send that sequence through the string.
61
142000
3000
e inviamo quella sequenza attraverso il filamento.
02:40
Each unit takes its message -- so negative 120 --
62
145000
3000
Ogni unità riceve il proprio messaggio - meno 120.
02:43
it rotates to that, checks if it got there
63
148000
2000
Quindi ruota fino a quel punto, controlla se è arrivato
02:45
and then passes it to its neighbor.
64
150000
3000
poi lo passa al proprio vicino.
02:48
So these are the brilliant scientists,
65
153000
2000
Questi sono gli scienziati geniali,
02:50
engineers, designers that worked on this project.
66
155000
2000
ingegneri, progettisti che hanno lavorato a questo progetto.
02:52
And I think it really brings to light:
67
157000
2000
E credo che questo lo metta in luce:
02:54
Is this really scalable?
68
159000
2000
È fattibile su scala industriale?
02:56
I mean, thousands of dollars, lots of man hours
69
161000
2000
Voglio dire, migliaia di dollari, ore e ore di manodopera
02:58
made to make this eight-foot robot.
70
163000
3000
per costruire questo robot alto circa 3 m.
03:01
Can we really scale this up? Can we really embed robotics into every part?
71
166000
3000
È fattibile su scala industriale? Si può inserire la robotica in ogni componente?
03:04
The next one questions that
72
169000
2000
Il prossimo analizza la questione
03:06
and looks at passive nature,
73
171000
2000
e guarda alla natura passiva,
03:08
or passively trying to have reconfiguration programmability.
74
173000
3000
cercando passivamente di ottenere una riconfigurazione programmabile.
03:11
But it goes a step further,
75
176000
2000
Ma fa un passo ulteriore
03:13
and it tries to have actual computation.
76
178000
2000
e prova a fare un calcolo effettivo.
03:15
It basically embeds the most fundamental building block of computing,
77
180000
2000
Inserisce il più importante mattone del calcolo,
03:17
the digital logic gate,
78
182000
2000
l'elemento logico digitale
03:19
directly into your parts.
79
184000
2000
direttamente nei componenti.
03:21
So this is a NAND gate.
80
186000
2000
Questo è un elemento logico NAND.
03:23
You have one tetrahedron which is the gate
81
188000
2000
Avete un tetraedro che costitutisce l'elemento logico,
03:25
that's going to do your computing,
82
190000
2000
e che farà i vostri cacloli,
03:27
and you have two input tetrahedrons.
83
192000
2000
e avete due tetraedri.
03:29
One of them is the input from the user, as you're building your bricks.
84
194000
3000
Uno è il contributo dell'utente, come se steste costruendo i vostri mattoni.
03:32
The other one is from the previous brick that was placed.
85
197000
3000
L'altro viene dal blocco sistemato in precedenza.
03:35
And then it gives you an output in 3D space.
86
200000
3000
E il risultato ottenuto è in uno spazio tridimensionale.
03:38
So what this means
87
203000
2000
Questo significa che
03:40
is that the user can start plugging in what they want the bricks to do.
88
205000
3000
l'utente può programmare quel che intende far fare ai blocchi.
03:43
It computes on what it was doing before
89
208000
2000
Il calcolo si basa su ciò che si faceva prima
03:45
and what you said you wanted it to do.
90
210000
2000
e su quello che voi intendevate fare.
03:47
And now it starts moving in three-dimensional space --
91
212000
2000
E ora inizia a muoversi in uno spazio tridimensionale -
03:49
so up or down.
92
214000
2000
verso l'alto o verso il basso.
03:51
So on the left-hand side, [1,1] input equals 0 output, which goes down.
93
216000
3000
Sulla sinistra, un input [1,1] è pari a un output 0, che va verso il basso.
03:54
On the right-hand side,
94
219000
2000
Sulla destra.
03:56
[0,0] input is a 1 output, which goes up.
95
221000
3000
un input [0,0] è un output 1, che va verso l'alto.
03:59
And so what that really means
96
224000
2000
Ciò che questo davvero significa
04:01
is that our structures now contain the blueprints
97
226000
2000
è che le nostre strutture ora contengono la progettazione
04:03
of what we want to build.
98
228000
2000
di quello che intendiamo costruire.
04:05
So they have all of the information embedded in them of what was constructed.
99
230000
3000
Esse hanno al proprio interno tutte le informazioni su ciò che si è costruito.
04:08
So that means that we can have some form of self-replication.
100
233000
3000
Il che significa che possiamo ottenere forme di auto-riproduzione.
04:11
In this case I call it self-guided replication,
101
236000
3000
In questo caso, io la chiamo replica auto-guidata,
04:14
because your structure contains the exact blueprints.
102
239000
2000
perché la vostra struttura contiene la progettazione vera e propria.
04:16
If you have errors, you can replace a part.
103
241000
2000
Nel caso di errori, potete sostiutire un componente.
04:18
All the local information is embedded to tell you how to fix it.
104
243000
3000
Tutte le informazioni locali per dirvi come ripararlo sono all'interno.
04:21
So you could have something that climbs along and reads it
105
246000
2000
Quindi potreste avere qualcosa che va in su, e lo legge,
04:23
and can output at one to one.
106
248000
2000
e può avere un output di 1 a 1.
04:25
It's directly embedded; there's no external instructions.
107
250000
2000
È inserito direttamente, non ci sono istruzioni esterne.
04:27
So the last project I'll show is called Biased Chains,
108
252000
3000
L'ultimo progetto che vi mostro si chiama Biased Chains,
04:30
and it's probably the most exciting example that we have right now
109
255000
3000
e credo sia l'esempio più emozionante che abbiamo al momento
04:33
of passive self-assembly systems.
110
258000
2000
dei sistemi passivi di auto-assemblaggio.
04:35
So it takes the reconfigurability
111
260000
2000
Esso prende la riconfigurabilità
04:37
and programmability
112
262000
2000
e la programmabilità
04:39
and makes it a completely passive system.
113
264000
3000
per ottenere un sistema completamente passivo.
04:43
So basically you have a chain of elements.
114
268000
2000
Fondamentalmente, avete una catena di elementi.
04:45
Each element is completely identical,
115
270000
2000
Tutti gli elementi sono assolutamente identici,
04:47
and they're biased.
116
272000
2000
e sono orientati.
04:49
So each chain, or each element, wants to turn right or left.
117
274000
3000
Ogni catena, ogni elemento, vuole girare a destra o a sinistra.
04:52
So as you assemble the chain, you're basically programming it.
118
277000
3000
Nell'assemblare la catena, voi la state fondamentalmente programmando.
04:55
You're telling each unit if it should turn right or left.
119
280000
3000
State dicendo a ogni unità se debba girare a destra o a sinistra.
04:58
So when you shake the chain,
120
283000
3000
E quando scuotete la catena
05:01
it then folds up
121
286000
2000
questa si ripiega seguendo
05:03
into any configuration that you've programmed in --
122
288000
3000
la configurazione che voi le avete programmato all'interno -
05:06
so in this case, a spiral,
123
291000
2000
in questo caso, una spirale -
05:08
or in this case,
124
293000
3000
o in questo caso
05:11
two cubes next to each other.
125
296000
3000
due cubi adiacenti.
05:14
So you can basically program
126
299000
2000
Potete quindi programmare
05:16
any three-dimensional shape --
127
301000
2000
qualsiasi forma tridimensionale -
05:18
or one-dimensional, two-dimensional -- up into this chain completely passively.
128
303000
3000
o unidimensionale, bidimensionale - all'interno di questa catena totalmente passiva.
05:21
So what does this tell us about the future?
129
306000
2000
Questo cosa ci dice allora sul futuro?
05:23
I think that it's telling us
130
308000
2000
Credo ci stia dicendo
05:25
that there's new possibilities for self-assembly, replication, repair
131
310000
3000
che ci sono nuove possibilità di auto-assemblaggio, duplicazione, riparazione,
05:28
in our physical structures, our buildings, machines.
132
313000
3000
nelle nostre strutture fisiche, gli edifici, i macchinari.
05:31
There's new programmability in these parts.
133
316000
2000
C'è una nuova programmabilità in questi componenti.
05:33
And from that you have new possibilities for computing.
134
318000
2000
E da qui ci sono nuove possibilità di calcolo.
05:35
We'll have spatial computing.
135
320000
2000
Avremo un calcolo spaziale.
05:37
Imagine if our buildings, our bridges, machines,
136
322000
2000
Immaginate se gli edifici, i ponti, i macchinari,
05:39
all of our bricks could actually compute.
137
324000
2000
tutti i nostri componenti potessero davvero calcolare.
05:41
That's amazing parallel and distributed computing power,
138
326000
2000
È una stupefacente capacità di calcolo parallelo e distribuito,
05:43
new design possibilities.
139
328000
2000
oltre a nuove possibilità nel design.
05:45
So it's exciting potential for this.
140
330000
2000
È un potenziale esaltante.
05:47
So I think these projects I've showed here
141
332000
2000
Io ritengo che questi progetti che vi ho mostrato
05:49
are just a tiny step towards this future,
142
334000
2000
siano solo un piccolo passo verso questo futuro,
05:51
if we implement these new technologies
143
336000
2000
se implementiamo queste nuove tecnologie
05:53
for a new self-assembling world.
144
338000
2000
per il nuovo mondo dell'auto-assemblaggio.
05:55
Thank you.
145
340000
2000
(Grazie)
05:57
(Applause)
146
342000
2000
(Applausi)
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