TED2006
Saul Griffith: Everyday inventions
Saul Griffith sulle invenzioni di tutti i giorni
Filmed:
Readability: 4.2
580,919 views
Saul Griffith, inventore e collega di MacArthur condivide alcune idee innovative del suo laboratorio - dalla "corda intelligente" a un aquilone delle dimensioni di una casa per trainare carichi pesanti.
Saul Griffith - Inventor
Inventor Saul Griffith looks for elegant ways to make real things, from low-cost eyeglasses to a kite that tows boats. His latest projects include open-source inventions and elegant new ways to generate power. Full bio
Inventor Saul Griffith looks for elegant ways to make real things, from low-cost eyeglasses to a kite that tows boats. His latest projects include open-source inventions and elegant new ways to generate power. Full bio
Double-click the English transcript below to play the video.
00:24
So anyway, who am I?
0
0
1000
Allora, chi sono?
00:25
I usually say to people, when they say, "What do you do?"
1
1000
3000
Di solito quando le persone dicono: "Cosa fai?"
00:28
I say, "I do hardware,"
2
4000
2000
rispondo: "Faccio hardware"
00:30
because it sort of conveniently encompasses everything I do.
3
6000
2000
perché include in modo conveniente, tutto quello che faccio.
00:32
And I recently said that to a venture capitalist casually at some
4
8000
4000
E di recente l'ho detto a un finanziatore che era per caso a un
00:36
Valley event, to which he replied, "How quaint."
5
12000
3000
evento nella Valley, e che ha risposto: "Che curioso."
00:39
(Laughter)
6
15000
2000
(Risate)
00:41
And I sort of really was dumbstruck.
7
17000
3000
E io sono rimasto davvero esterrefatto.
00:44
And I really should have said something smart.
8
20000
2000
E avrei dovuto dire qualcosa di intelligente.
00:46
And now I've had a little bit of time to think about it,
9
22000
5000
Ora che ho avuto un po' di tempo per pensarci,
00:51
I would have said, "Well, you know,
10
27000
2000
avrei dovuto dire: "Beh, sa,
00:53
if we look at the next 100 years
11
29000
2000
se dessimo uno sguardo ai prossimo 100 anni
00:55
and we've seen all these problems in the last few days,
12
31000
2000
e vedessimo tutti i problemi di questi ultimi tempi,
00:57
most of the big issues -- clean water, clean energy --
13
33000
3000
la maggior parte dei grossi problemi...acqua pulita, energia pulita...
01:00
and they're interchangeable in some respects --
14
36000
2000
e in qualche aspetto sono intercambiabili...
01:02
and cleaner, more functional materials --
15
38000
2000
e materiali più puliti e più funzionali...
01:04
they all look to me to be hardware problems.
16
40000
3000
mi sembrano tutti problemi di hardware."
01:07
This doesn't mean we should ignore software,
17
43000
2000
Questo non significa che dovremmo ignorare il software,
01:09
or information, or computation."
18
45000
2000
o l'informazione, o il calcolo.
01:11
And that's in fact probably what I'm going to try and tell you about.
19
47000
3000
Ed è infatti probabilmente quello di cui cercherò di parlarvi.
01:14
So, this talk is going to be about how do we make things
20
50000
3000
Quindi, questo discorso sarà su come facciamo le cose
01:17
and what are the new ways that we're going to make things in the future.
21
53000
5000
e quali sono i nuovi modi in cui faremo le cose in futuro.
01:22
Now, TED sends you a lot of spam if you're a speaker
22
58000
5000
Ora, TED vi manda un sacco di spam se siete uno speaker,
01:27
about "do this, do that" and you fill out all these forms,
23
63000
2000
su "fai questo, fai quello" e si riempiono tutti questi moduli,
01:29
and you don't actually know how they're going to describe you,
24
65000
3000
e non si sa esattamente come ti descriveranno,
01:32
and it flashed across my desk that they were going to introduce me as a futurist.
25
68000
3000
e sulla mia scrivania è apparso che mi avrebbero presentato come un futurista.
01:35
And I've always been nervous about the term "futurist,"
26
71000
2000
Io sono sempre stato nervoso riguardo il termine futurista,
01:37
because you seem doomed to failure because you can't really predict it.
27
73000
3000
perché sembri destinato al fallimento dato che non puoi predirlo.
01:40
And I was laughing about this with the very smart colleagues I have,
28
76000
3000
Stavo ridendo di questo con i miei colleghi molto intelligenti,
01:43
and said, "You know, well, if I have to talk about the future, what is it?"
29
79000
4000
e ho detto: "Sapete, beh, se devo parlare del futuro, che cos'è?"
01:47
And George Homsey, a great guy, said, "Oh, the future is amazing.
30
83000
5000
E George Homsey, un grande uomo, ha detto: "Oh, il futuro è strabiliante.
01:52
It is so much stranger than you think.
31
88000
2000
E' molto più strano di quanto tu possa pensare.
01:54
We're going to reprogram the bacteria in your gut,
32
90000
2000
Riprogrammeremo i batteri del tuo intestino,
01:56
and we're going to make your poo smell like peppermint."
33
92000
5000
e faremo sì che la tua cacca profumi di menta."
02:01
(Laughter)
34
97000
2000
(Risate)
02:03
So, you may think that's sort of really crazy,
35
99000
3000
Quindi, potrete pensare che sia una cosa folle,
02:06
but there are some pretty amazing things that are happening
36
102000
2000
ma ci sono alcune cose incredibili che faranno sì
02:08
that make this possible.
37
104000
1000
che tutto questo sia possibile.
02:09
So, this isn't my work, but it's work of good friends of mine at MIT.
38
105000
4000
Quindi, questo non è il mio lavoro, ma è il lavoro di alcuni miei amici del MIT.
02:13
This is called the registry of standard biological parts.
39
109000
2000
Questo si chiama registro delle parti biologiche standard.
02:15
This is headed by Drew Endy and Tom Knight
40
111000
2000
Ne sono a capo Drew Endy e Tom Knight
02:17
and a few other very, very bright individuals.
41
113000
3000
e qualche altro individuo davvero molto brillante.
02:20
Basically, what they're doing is looking at biology as a programmable system.
42
116000
3000
Essenzialmente, quello che stiamo facendo è considerare la biologia come un sistema programmabile.
02:23
Literally, think of proteins as subroutines
43
119000
4000
Letteralmente, pensare alle proteine come a sottoprogrammi
02:27
that you can string together to execute a program.
44
123000
3000
che si possono legare insieme per eseguire un programma.
02:30
Now, this is actually becoming such an interesting idea.
45
126000
5000
Questa sta diventando in effetti, un'idea interessante.
02:35
This is a state diagram. That's an extremely simple computer.
46
131000
3000
Questo è un diagramma di stato. E' un computer estremamente semplice.
02:38
This one is a two-bit counter.
47
134000
2000
Questo è un contatore a due bit.
02:40
So that's essentially the computational equivalent of two light switches.
48
136000
6000
Quindi è essenzialmente l'equivalente computazionale di due interruttori della luce.
02:46
And this is being built by a group of students at Zurich
49
142000
3000
Questo sta per essere costruito da un gruppo di studenti a Zurigo
02:49
for a design competition in biology.
50
145000
2000
per una competizione di progettazione in biologia.
02:51
And from the results of the same competition last year,
51
147000
3000
E dai risultati della stessa competizione dello scorso anno,
02:54
a University of Texas team of students programmed bacteria
52
150000
4000
un gruppo di studenti dell'Università del Texas ha programmato dei batteri
02:58
so that they can detect light and switch on and off.
53
154000
3000
così che potessero percepire la luce e accendere e spegnere l'interruttore.
03:01
So this is interesting in the sense that you can now
54
157000
2000
Quindi è interessante nel senso che adesso si può
03:03
do "if-then-for" statements in materials, in structure.
55
159000
5000
affermare per quanto riguarda i materiali, nella struttura che "se allora per".
03:08
This is a pretty interesting trend,
56
164000
2000
Questa è una tendenza piuttosto interessante.
03:10
because we used to live in a world where everyone's said glibly,
57
166000
2000
Perché vivevamo in un mondo dove tutti dicevano con disinvoltura:
03:12
"Form follows function," but I think I've sort of grown up in a world
58
168000
4000
"La forma segue la funzione, ma credo di essere cresciuto in un mondo..."
03:16
-- you listened to Neil Gershenfeld yesterday;
59
172000
3000
avete ascoltato Neil Gershenfeld ieri,
03:19
I was in a lab associated with his -- where it's really a world
60
175000
4000
io ero in un laboratorio associato con lui...ed è davvero un mondo
03:23
where information defines form and function.
61
179000
3000
dove l'informazione definisce forma e funzione.
03:26
I spent six years thinking about that,
62
182000
4000
Ho passato sei anni pensandoci,
03:30
but to show you the power of art over science --
63
186000
2000
ma per mostrarvi il potere dell'arte sulla scienza...
03:32
this is actually one of the cartoons I write. These are called "HowToons."
64
188000
3000
questo è in effetti una delle vignette che ho fatto. Si chiamano Howtoons. (Ndt Cometoni)
03:35
I work with a fabulous illustrator called Nick Dragotta.
65
191000
2000
Lavoro con un illustratore fantastico di nome Nick Dragotta.
03:37
Took me six years at MIT,
66
193000
2000
Mi ha portato via sei anni al MIT,
03:39
and about that many pages to describe what I was doing,
67
195000
4000
e quasi tante pagine così per descrivere quello che stavo facendo,
03:43
and it took him one page. And so this is our muse Tucker.
68
199000
5000
e a lui ha preso solo una pagina. E questa è la nostra musa Tucker.
03:48
He's an interesting little kid -- and his sister, Celine --
69
204000
2000
E' un giovane interessante...e sua sorella, Celine...
03:50
and what he's doing here
70
206000
2000
e quello che sta facendo qui
03:52
is observing the self-assembly of his Cheerios in his cereal bowl.
71
208000
4000
è osservare l'auto assemblaggio dei suoi Cheerios nella tazza dei cereali.
03:56
And in fact you can program the self-assembly of things,
72
212000
3000
E infatti si può programmare l'auto assemblaggio delle cose,
03:59
so he starts chocolate-dipping edges,
73
215000
2000
quindi inizia con i bordi immersi nel cioccolato,
04:01
changing the hydrophobicity and the hydrophylicity.
74
217000
2000
cambiando l'idrofobia e l'idrofilia.
04:03
In theory, if you program those sufficiently,
75
219000
2000
In teoria, se si programma a sufficienza,
04:05
you should be able to do something pretty interesting
76
221000
2000
si dovrebbe essere in grado di fare qualcosa piuttosto interessante
04:07
and make a very complex structure.
77
223000
2000
e creare ogni struttura davvero complessa.
04:09
In this case, he's done self-replication of a complex 3D structure.
78
225000
5000
In questo caso, ha fatto auto replicazioni di complesse strutture 3D.
04:14
And that's what I thought about for a long time,
79
230000
3000
Ed è quello a cui ho pensato per molto tempo,
04:17
because this is how we currently make things.
80
233000
2000
perché questo è come facciamo le cose al momento.
04:19
This is a silicon wafer, and essentially
81
235000
2000
Questa è una cialda di silicone, ed essenzialmente
04:21
that's just a whole bunch of layers of two-dimensional stuff, sort of layered up.
82
237000
4000
è solo un gruppo di strati di materiale bidimensionale, come stratificato.
04:25
The feature side is -- you know, people will say,
83
241000
2000
L'importante è...sapete, la gente dirà,
04:27
[unclear] down around about 65 nanometers now.
84
243000
2000
[non chiaro] circa 65 nanometri ora.
04:29
On the right, that's a radiolara.
85
245000
2000
A destra, è una radiolara.
04:31
That's a unicellular organism ubiquitous in the oceans.
86
247000
3000
E' un organismo unicellulare onnipresente negli oceani.
04:34
And that has feature sizes down to about 20 nanometers,
87
250000
4000
E ha caratteristiche che misurano circa 20 nanometri,
04:38
and it's a complex 3D structure.
88
254000
2000
ed è una complessa struttura in 3D.
04:40
We could do a lot more with computers and things generally
89
256000
4000
Potremmo fare molto di più con computer e cose in generale
04:44
if we knew how to build things this way.
90
260000
3000
se sapessimo come costruire cose in questo modo.
04:47
The secret to biology is, it builds computation
91
263000
3000
Il segreto per la biologia è, che costruisce la computazione
04:50
into the way it makes things. So this little thing here, polymerase,
92
266000
3000
nel modo in cui fa le cose. Quindi questa piccola cosa qui, polimerasi,
04:53
is essentially a supercomputer designed for replicating DNA.
93
269000
5000
è essenzialmente un super computer progettato per replicare il DNA.
04:58
And the ribosome here is another little computer
94
274000
3000
E questo ribosoma, qui, è un altro piccolo computer
05:01
that helps in the translation of the proteins.
95
277000
2000
che aiuta nella traslazione delle proteine.
05:03
I thought about this
96
279000
1000
Ci ho pensato
05:04
in the sense that it's great to build in biological materials,
97
280000
3000
nel senso che è grandioso costruire con materiali biologici,
05:07
but can we do similar things?
98
283000
2000
ma noi, possiamo fare cose simili?
05:09
Can we get self-replicating-type behavior?
99
285000
2000
Possiamo ottenere un comportamento di tipo auto replicante?
05:11
Can we get complex 3D structure automatically assembling
100
287000
4000
Possiamo ottenere complesse strutture in 3D che si assemblano automaticamente
05:15
in inorganic systems?
101
291000
2000
in sistemi inorganici?
05:17
Because there are some advantages to inorganic systems,
102
293000
2000
Perché ci sono alcuni vantaggi nei sistemi inorganici,
05:19
like higher speed semiconductors, etc.
103
295000
2000
come semiconduttori di velocità superiori, eccetera.
05:21
So, this is some of my work
104
297000
2000
Quindi, questa è parte del mio lavoro
05:23
on how do you do an autonomously self-replicating system.
105
299000
6000
su come si possa fare un sistema di auto replicazione in modo autonomo.
05:29
And this is sort of Babbage's revenge.
106
305000
2000
E questa è una specie di vendetta di Babbage.
05:31
These are little mechanical computers.
107
307000
1000
Questi sono piccoli computer meccanici.
05:32
These are five-state state machines.
108
308000
3000
Queste sono macchine a cinque stati.
05:35
So, that's about three light switches lined up.
109
311000
3000
Quindi, riguarda tutto tre interruttori allineati.
05:38
In a neutral state, they won't bind at all.
110
314000
2000
In uno stato neutrale, non si fisseranno.
05:40
Now, if I make a string of these, a bit string,
111
316000
4000
Ora, se ne faccio una linea, una linea di bit,
05:44
they will be able to replicate.
112
320000
2000
saranno in grado di replicarsi.
05:46
So we start with white, blue, blue, white.
113
322000
1000
Quindi iniziamo con bianco, blu, blu, bianco.
05:47
That encodes; that will now copy. From one comes two,
114
323000
6000
Ciò codifica; ciò non copierà. Da uno ne arrivano due,
05:53
and then from two comes three.
115
329000
2000
e poi da due, tre.
05:55
And so you've got this sort of replicating system.
116
331000
4000
Quindi si ha questa specie di sistema che si replica.
05:59
It was work actually by Lionel Penrose,
117
335000
2000
In effetti era un lavoro di Lionel Penrose,
06:01
father of Roger Penrose, the tiles guy.
118
337000
3000
padre di Roger Penrose, il tipo delle mattonelle.
06:04
He did a lot of this work in the '60s,
119
340000
2000
Negli anni Sessanta ha lavorato molto,
06:06
and so a lot of this logic theory lay fallow
120
342000
2000
e quindi molta della sua teoria logica è rimasto inutilizzata
06:08
as we went down the digital computer revolution, but it's now coming back.
121
344000
3000
mentre attraversavamo la rivoluzione del computer digitale, ma ora sta tornando.
06:11
So now I'm going to show you the hands-free, autonomous self-replication.
122
347000
4000
Quindi vi mostrerò l'auto replicazione autonoma, libera dalle mani.
06:15
So we've tracked in the video the input string,
123
351000
2000
Quindi, abbiamo tracciato nel video la sequenza d'ingresso,
06:17
which was green, green, yellow, yellow, green.
124
353000
2000
che era verde, verde, giallo, giallo, verde.
06:19
We set them off on this air hockey table.
125
355000
4000
Li abbiamo messi in risalto su questo tavolo da hockey.
06:23
You know, high science uses air hockey tables --
126
359000
2000
Sapete, le scienze avanzate usano tavoli da hockey...
06:25
(Laughter)
127
361000
1000
(Risate)
06:26
-- and if you watch this thing long enough you get dizzy,
128
362000
2000
...e se lo guardate abbastanza vi verrà la nausea,
06:28
but what you're actually seeing is copies of that original string
129
364000
3000
ma quello che in effetti state vedendo, sono copie di quella sequenza originale
06:31
emerging from the parts bin that you have here.
130
367000
3000
che emerge dalle parti che sono qui.
06:34
So we've got autonomous replication of bit strings.
131
370000
5000
Quindi abbiamo replicazioni autonome delle sequenze di bit.
06:39
So, why would you want to replicate bit strings?
132
375000
3000
Quindi, perché dovreste voler replicare delle sequenze di bit?
06:42
Well, it turns out biology has this other very interesting meme,
133
378000
3000
Beh, è venuto fuori che la biologia ha quest'altro interessante meme,
06:45
that you can take a linear string, which is a convenient thing to copy,
134
381000
3000
ovvero si può prendere una sequenza lineare, che è una cosa comoda da copiare,
06:48
and you can fold that into an arbitrarily complex 3D structure.
135
384000
4000
e che si può chiudere in una struttura 3D arbitrariamente complessa.
06:52
So I was trying to, you know, take the engineer's version:
136
388000
3000
Quindi io stavo provando a, sapete, prendere la versione dell'ingegnere:
06:55
Can we build a mechanical system in inorganic materials
137
391000
3000
possiamo costruire un sistema meccanico in materiali inorganici
06:58
that will do the same thing?
138
394000
1000
che faranno la stessa cosa?
06:59
So what I'm showing you here is that we can make a 2D shape --
139
395000
5000
Quindi ciò che vi sto mostrando qui è che possiamo fare una forma a 2 dimensioni...
07:04
the B -- assemble from a string of components
140
400000
4000
la B...assemblando da una sequenza di componenti
07:08
that follow extremely simple rules.
141
404000
2000
che seguono regole estremamente semplici.
07:10
And the whole point of going with the extremely simple rules here,
142
406000
3000
E il punto di andare con le regole estremamente semplici qui,
07:13
and the incredibly simple state machines in the previous design,
143
409000
3000
e le macchine di stato incredibilmente semplici, nel progetto precedente,
07:16
was that you don't need digital logic to do computation.
144
412000
3000
era che non si ha bisogno della logica digitale per fare computazione.
07:19
And that way you can scale things much smaller than microchips.
145
415000
4000
E in quel modo si possono rappresentare in scala cose molto più piccole dei microchip.
07:23
So you can literally use these as the tiny components in the assembly process.
146
419000
4000
Quindi questi si possono letteralmente usare come i minuscoli componenti nel processo di assemblaggio.
07:27
So, Neil Gershenfeld showed you this video on Wednesday, I believe,
147
423000
5000
Quindi, Neil Gershenfeld credo vi abbia mostrato questo video mercoledì,
07:32
but I'll show you again.
148
428000
2000
ma ve lo mostrerò di nuovo.
07:34
This is literally the colored sequence of those tiles.
149
430000
3000
Questa è letteralmente la sequenza colorata di quelle mattonelle.
07:37
Each different color has a different magnetic polarity,
150
433000
3000
Ogni colore differente ha una polarità magnetica differente,
07:40
and the sequence is uniquely specifying the structure that is coming out.
151
436000
5000
e la sequenza è unicamente specificando la struttura che sta venendo fuori.
07:45
Now, hopefully, those of you who know anything about graph theory
152
441000
3000
Ora, forse, quelli di voi che sanno qualcosa sulla teoria del diagramma
07:48
can look at that, and that will satisfy you
153
444000
2000
possono guardarlo, e rimanere soddisfatti,
07:50
that that can also do arbitrary 3D structure,
154
446000
3000
può infatti fare anche arbitrarie strutture in 3D,
07:53
and in fact, you know, I can now take a dog, carve it up
155
449000
5000
e infatti, sapete, io ora potrei prendere un cane, ripartirlo
07:58
and then reassemble it so it's a linear string
156
454000
2000
e poi riassemblarlo così da formare una fila lineare
08:00
that will fold from a sequence. And now
157
456000
2000
che si piegherà da una sequenza. E ora
08:02
I can actually define that three-dimensional object as a sequence of bits.
158
458000
7000
posso in effetti definire quell'oggetto tridimensionale come una sequenza di bit.
08:09
So, you know, it's a pretty interesting world
159
465000
3000
Quindi, sapete, è un mondo piuttosto interessante
08:12
when you start looking at the world a little bit differently.
160
468000
2000
quando si inizia a guardare al mondo in modo un po' diverso.
08:14
And the universe is now a compiler.
161
470000
3000
E l'universo adesso è un compilatore.
08:17
And so I'm thinking about, you know, what are the programs
162
473000
2000
E quindi sto pensando a, sapete, a quali sono i programmi
08:19
for programming the physical universe?
163
475000
3000
che servono a programmare l'universo fisico.
08:22
And how do we think about materials and structure,
164
478000
3000
E come pensiamo a materiali e strutture,
08:25
sort of as an information and computation problem?
165
481000
3000
come ad una specie di problema di informazione e computazione.
08:28
Not just where you attach a micro-controller to the end point,
166
484000
3000
Non solo dove si acclude un micro controllore alla fine del punto,
08:31
but that the structure and the mechanisms are the logic, are the computers.
167
487000
5000
ma che la struttura e i meccanismi sono la logica, sono i computer.
08:36
Having totally absorbed this philosophy,
168
492000
5000
Avendo totalmente assorbito questa filosofia,
08:41
I started looking at a lot of problems a little differently.
169
497000
3000
ho iniziato a guardare a tanti problemi in modo un po' diverso.
08:44
With the universe as a computer,
170
500000
1000
Con l'universo come un computer,
08:45
you can look at this droplet of water
171
501000
2000
si può guardare questa gocciolina d'acqua
08:47
as having performed the computations.
172
503000
2000
come se avesse compiuto la computazione.
08:49
You set a couple of boundary conditions, like gravity,
173
505000
2000
Si sistemano un paio di condizioni limite, come la gravità,
08:51
the surface tension, density, etc., and then you press "execute,"
174
507000
4000
la tensione della superficie, densità, eccetera, e poi si preme esegui,
08:55
and magically, the universe produces you a perfect ball lens.
175
511000
5000
e magicamente, l'universo vi produce una perfetta lente a sfera.
09:00
So, this actually applied to the problem
176
516000
2000
Quindi, questo applicato al problema
09:02
of -- so there's a half a billion to a billion people in the world
177
518000
3000
di,,,quindi ci sono da mezzo miliardo a un miliardo di persone al mondo
09:05
don't have access to cheap eyeglasses.
178
521000
2000
che non hanno accesso a occhiali economici.
09:07
So can you make a machine
179
523000
2000
Quindi si può fare una macchina
09:09
that could make any prescription lens very quickly on site?
180
525000
4000
che sia in grado di fare qualunque prescrizione di lenti in modo veloce e in sito?
09:13
This is a machine where you literally define a boundary condition.
181
529000
4000
Questa è una macchina dove si può letteralmente definire una condizione limite.
09:17
If it's circular, you make a spherical lens.
182
533000
3000
Se è circolare, fa una lente sferice.
09:20
If it's elliptical, you can make an astigmatic lens.
183
536000
3000
Se è ellittica, si può fare una lente astigmatica.
09:23
You then put a membrane on that and you apply pressure --
184
539000
3000
Poi gli si pone sopra una membrana e si applica una pressione....
09:26
so that's part of the extra program.
185
542000
2000
quindi questa è parte del programma extra.
09:28
And literally with only those two inputs --
186
544000
3000
E letteralmente con uno di quei due input...
09:31
so, the shape of your boundary condition and the pressure --
187
547000
2000
quindi, la forma della vostra condizione limite e la pressione...
09:33
you can define an infinite number of lenses
188
549000
2000
si possono definire un numero infinito di lenti
09:35
that cover the range of human refractive error,
189
551000
2000
che coprano la gamma di errori rifrangenti umani,
09:37
from minus 12 to plus eight diopters, up to four diopters of cylinder.
190
553000
5000
da meno 12 a più 8 diottrie, fino a quattro diottrie di cilindro.
09:42
And then literally, you now pour on a monomer.
191
558000
3000
E poi letteralmente, ci si versa un monometro.
09:45
You know, I'll do a Julia Childs here.
192
561000
3000
Sapete, farete una Julia Childs qui.
09:48
This is three minutes of UV light.
193
564000
3000
Questi sono tre minuti di luce UV.
09:51
And you reverse the pressure on your membrane
194
567000
3000
E si riversa la pressione sulla membrana
09:54
once you've cooked it. Pop it out.
195
570000
3000
dopo averla cotta. Lo solleviamo.
09:57
I've seen this video, but I still don't know if it's going to end right.
196
573000
3000
Ho visto questo video, ma non so ancora se finirà bene.
10:00
(Laughter)
197
576000
3000
(Risate)
10:03
So you reverse this. This is a very old movie,
198
579000
2000
Quindi invertitelo. Questo è un filmato molto vecchio,
10:05
so with the new prototypes, actually both surfaces are flexible,
199
581000
4000
quindi con i nuovi prototipi, in effetti entrambe le superfici sono flessibili,
10:09
but this will show you the point.
200
585000
2000
ma questo vi mostrerà il punto.
10:11
Now you've finished the lens, you literally pop it out.
201
587000
2000
Ora la lente è finita, viene letteralmente sollevata.
10:13
That's next year's Yves Klein, you know, eyeglasses shape.
202
589000
7000
Questo è Yves Klein dell'anno prossimo, sapete, la forma della lente.
10:20
And you can see that that has a mild prescription of about minus two diopters.
203
596000
3000
E si può vedere che ha una prescrizione lieve di circa meno due diottrie.
10:23
And as I rotate it against this side shot, you'll see that that has cylinder,
204
599000
4000
E mentre la giro contro questo lato, vedrete che ha un cilindro,
10:27
and that was programmed in --
205
603000
1000
e che è stata programmata in...
10:28
literally into the physics of the system.
206
604000
4000
letteralmente nella fisica del sistema.
10:32
So, this sort of thinking about structure as computation
207
608000
3000
Quindi, questa sorta di pensiero della struttura come computazione
10:35
and structure as information leads to other things, like this.
208
611000
5000
e struttura come informazione porta ad altre cose, come questa.
10:40
This is something that my people at SQUID Labs
209
616000
3000
Questa è qualcosa alla quale stanno lavorando al momento
10:43
are working on at the moment, called "electronic rope."
210
619000
2000
i miei al laboratorio SQUID, e si chiama corda elettronica.
10:45
So literally, you think about a rope. It has very complex structure in the weave.
211
621000
4000
Quindi letteralmente, pensate a una corda. Ha una struttura molto complessa nella trama.
10:49
And under no load, it's one structure.
212
625000
2000
E senza nessun carico, è una struttura.
10:51
Under a different load, it's a different structure. And you can actually exploit that
213
627000
3000
Sotto un carico differente, è una struttura differente. E si può in effetti sfruttare
10:54
by putting in a very small number of
214
630000
2000
mettendoci dentro una quantità piccolissima
10:56
conducting fibers to actually make it a sensor.
215
632000
2000
di fibre di conduzione per renderla un sensore.
10:58
So this is now a rope that knows the load on the rope
216
634000
3000
Quindi questa è ora una corda che conosce il peso sulla corda
11:01
at any particular point in the rope.
217
637000
2000
in ogni particolare punto della corda.
11:03
Just by thinking about the physics of the world,
218
639000
3000
Solo pensando alla fisica del mondo,
11:06
materials as the computer,
219
642000
2000
materiali come computer,
11:08
you can start to do things like this.
220
644000
3000
si possono iniziare a fare cose come queste.
11:11
I'm going to segue a little here.
221
647000
3000
Andrò avanti senza interruzioni.
11:14
I guess I'm just going to casually tell you the types of things
222
650000
2000
Con queste vi dirò in modo casuale i tipi di cose
11:16
that I think about with this.
223
652000
1000
ai quali penso.
11:17
One thing I'm really interested about this right now is, how,
224
653000
4000
Una cosa che mi interessa molto in questo momento, è come,
11:21
if you're really taking this view of the universe as a computer,
225
657000
4000
se state davvero considerando questa visione dell'universo come un computer,
11:25
how do we make things in a very general sense,
226
661000
2000
a come facciamo le cose in un modo molto generale,
11:27
and how might we share the way we make things in a general sense
227
663000
4000
e a come potremmo condividere il modo in cui facciamo le cose in senso generale
11:31
the same way you share open source hardware?
228
667000
3000
allo stesso modo in cui condividiamo gli hardware open source?
11:34
And a lot of talks here have espoused the benefits
229
670000
3000
E molti discorsi qui hanno esposto i benefici
11:37
of having lots of people look at problems,
230
673000
2000
di avere molte persone che considerano quei problemi,
11:39
share the information and work on those things together.
231
675000
3000
condividere insieme l'informazione e il lavoro su quelle cose.
11:42
So, a convenient thing about being a human is you move in linear time,
232
678000
3000
Quindi, una cosa opportuna dell'essere umani è che ci si muove in tempo lineare,
11:45
and unless Lisa Randall changes that,
233
681000
2000
e a meno che Lisa Randall non lo cambi,
11:47
we'll continue to move in linear time.
234
683000
3000
continueremo a muoverci in tempo lineare.
11:50
So that means anything you do, or anything you make,
235
686000
2000
Quindi ciò significa che qualunque cosa facciate, o qualunque cosa creiate,
11:52
you produce a sequence of steps --
236
688000
2000
si produce una sequenza di scalini...
11:54
and I think Lego in the '70s nailed this,
237
690000
3000
e io credo che negli anni Settanta i Lego l'abbiano colto,
11:57
and they did it most elegantly.
238
693000
1000
e l'hanno fatto in modo molto elegante.
11:58
But they can show you how to build things in sequence.
239
694000
4000
Ma possono mostrare come costruire le cose in sequenza.
12:02
So, I'm thinking about, how can we generalize
240
698000
3000
Quindi, sto pensando a come possiamo generalizzare
12:05
the way we make all sorts of things,
241
701000
2000
il modo in cui facciamo ogni sorta di cosa,
12:07
so you end up with this sort of guy, right?
242
703000
2000
quindi si finisce con questa specie di tizio, giusto?
12:09
And I think this applies across a very broad -- sort of, a lot of concepts.
243
705000
5000
E credo che ciò si applichi in un senso molto generale...come a molti concetti.
12:14
You know, Cameron Sinclair yesterday said,
244
710000
2000
Sapete, Cameron Sinclair ieri ha detto,
12:16
"How do I get everyone to collaborate on design
245
712000
2000
"Come possiamo fare in modo che tutti collaborino a livello globale
12:18
globally to do housing for humanity?"
246
714000
3000
a progettare case per l'umanità?"
12:21
And if you've seen Amy Smith,
247
717000
2000
E se avete visto Amy Smith,
12:23
she talks about how you get students at MIT
248
719000
4000
parla di come ha portato gli studenti del MIT
12:27
to work with communities in Haiti.
249
723000
2000
a lavorare con le comunità ad Haiti.
12:29
And I think we have to sort of redefine and rethink
250
725000
2000
E io credo che noi dovremmo come ridefinire e ripensare
12:31
how we define structure and materials and assembly things,
251
727000
4000
a come definiamo struttura e materiali e assembliamo le cose,
12:35
so that we can really share the information
252
731000
2000
così da poter davvero condividere l'informazione
12:37
on how you do those things in a more profound way
253
733000
2000
di come si fanno le cose in un modo più profondo,
12:39
and build on each other's source code for structure.
254
735000
3000
e costruire basandoci sulla fonte dei codici per la struttura reciproca.
12:42
I don't know exactly how to do this yet,
255
738000
1000
Ancora non so esattamente come farlo,
12:43
but, you know, it's something being actively thought about.
256
739000
5000
ma, sapete, è qualcosa alla quale sto pensando attivamente.
12:48
So, you know, that leads to questions
257
744000
2000
Quindi, sapete, ciò porta a domande come:
12:50
like, is this a compiler? Is this a sub-routine?
258
746000
4000
"Questo è un compilatore? E' una sub-routine?"
12:54
Interesting things like that.
259
750000
1000
Cose interessanti come queste.
12:55
Maybe I'm getting a little too abstract, but you know,
260
751000
3000
Forse sto andando un po' troppo sull'astratto, ma sapete,
12:58
this is the sort of -- returning to our comic characters --
261
754000
3000
questo è come...tornare ai nostri personaggi fumetto...
13:01
this is sort of the universe, or a different universe view,
262
757000
2000
questo è una specie di universo, o una visione diversa dall'universo
13:03
that I think is going to be very prevalent in the future --
263
759000
2000
che credo sarà prevalente nel futuro...
13:05
from biotech to materials assembly. It was great to hear Bill Joy.
264
761000
3000
dalla biotecnologia all'assemblaggio dei materiali. E' stato fantastico sentire Bill Joy.
13:08
They're starting to invest in materials science,
265
764000
3000
Stanno iniziando a investire nella scienza dei materiali,
13:11
but these are the new things in materials science.
266
767000
2000
ma queste sono cose nuove nella scienza dei materiali.
13:13
How do we put real information and real structure into new ideas,
267
769000
4000
Come mettiamo un'informazione vera e una struttura vera in nuove idee,
13:17
and see the world in a different way? And it's not going to be binary code
268
773000
3000
e vediamo il mondo in modo diverso? E non sarà un codice binario
13:20
that defines the computers of the universe --
269
776000
2000
a definire i computer dell'universo...
13:22
it's sort of an analog computer.
270
778000
2000
è una specie di computer analogico.
13:24
But it's definitely an interesting new worldview.
271
780000
5000
Ma è di sicuro un'interessante visione nuova del mondo.
13:29
I've gone too far. So that sounds like it's it.
272
785000
3000
Sono andato troppo oltre. Almeno così sembra.
13:32
I've probably got a couple of minutes of questions,
273
788000
2000
Probabilmente ho un paio di minuti per le domande,
13:34
or I can show -- I think they also said that I do extreme stuff
274
790000
4000
o posso mostrarvi...credo abbiamo detto anche nell'introduzione
13:38
in the introduction, so I may have to explain that.
275
794000
4000
che faccio cose estreme, quindi potrei doverle spiegare.
13:42
So maybe I'll do that with this short video.
276
798000
3000
Quindi forse lo farò con questa specie di video.
13:45
So this is actually a 3,000-square-foot kite,
277
801000
6000
Questo è davvero un aquilone di 280 metri quadrati,
13:51
which also happens to be a minimal energy surface.
278
807000
2000
che è anche una superficie minima di energia.
13:53
So returning to the droplet, again,
279
809000
2000
Quindi tornando alla gocciolina, di nuovo,
13:55
thinking about the universe in a new way.
280
811000
2000
pensando all'universo in un modo nuovo.
13:57
This is a kite designed by a guy called Dave Kulp.
281
813000
2000
Questo è un aquilone progettato da un uomo di nome Dave Kulp.
13:59
And why do you want a 3,000-square-foot kite?
282
815000
2000
E perché volere un aquilone di 280 metri quadrati?
14:01
So that's a kite the size of your house.
283
817000
2000
Quindi è della misura della vostra casa.
14:03
And so you want that to tow boats very fast.
284
819000
4000
E quindi volete che traini delle barche in modo molto veloce.
14:07
So I've been working on this a little, also,
285
823000
3000
Quindi ho lavorato un po' anche a questo,
14:10
with a couple of other guys.
286
826000
2000
con un paio di altri signori.
14:12
But, you know, this is another way to look at the --
287
828000
2000
Ma, sapete, questo è un altro modo di guardare a...
14:14
if you abstract again,
288
830000
2000
se siete di nuovo astratti,
14:16
this is a structure that is defined by the physics of the universe.
289
832000
4000
questa è una struttura definita dalle fisiche dell'universo.
14:20
You could just hang it as a bed sheet,
290
836000
1000
Potete semplicemente appenderlo come un lenzuolo,
14:21
but again, the computation of all the physics
291
837000
2000
ma ancora, la computazione di tutte le fisiche
14:23
gives you the aerodynamic shape.
292
839000
2000
vi da la forma aerodinamica.
14:25
And so you can actually sort of almost double your boat speed
293
841000
3000
Quindi potete in effetti come raddoppiare la velocità della vostra barca
14:28
with systems like that. So that's sort of another interesting aspect of the future.
294
844000
7000
con sistemi come questo. Quindi questo è come un'altra specie di aspetto interessante del futuro.
14:35
(Applause)
295
851000
1000
(Applausi)
ABOUT THE SPEAKER
Saul Griffith - InventorInventor Saul Griffith looks for elegant ways to make real things, from low-cost eyeglasses to a kite that tows boats. His latest projects include open-source inventions and elegant new ways to generate power.
Why you should listen
Innovator and inventor Saul Griffith has a uniquely open approach to problem solving. Whether he's devising a way to slash the cost of prescription eyeglasses or teaching science through cartoons, Griffith makes things and then shares his ideas with the world.
A proponent of open-source information, he established Instructables , an open website showing how to make an array of incredible objects. He is the co-founder of numerous companies including Squid Labs, Low Cost Eyeglasses, Potenco and Makani Power, where he is President and Chief Scientist. His companies have invented a myriad of new devices and materials, such as a "smart" rope that senses its load, or a machine for making low-cost eyeglass lenses through a process inspired by a water droplet. He is a columnist at Make magazine and co-writes How Toons! He's fascinated with materials that assemble themselves, and with taking advantage of those properties to make things quickly and cheaply.
Saul Griffith | Speaker | TED.com