TED2011
Skylar Tibbits: Can we make things that make themselves?
Skylar Tibbits: Kunnen we dingen maken die zichzelf maken?
Filmed:
Readability: 4.4
1,072,366 views
MIT-onderzoeker Skylar Tibbits bestudeert zelfassemblage -- de idee dat we in plaats van iets te bouwen (een stoel, een wolkenkrabber) materialen creëren die zichzelf bouwen, zoals een dna-streng zichzelf bijeenritst. Het is een groots concept dat nog in de kinderschoenen staat. Tibbits toont ons drie projecten uit het laboratorium die suggereren hoe zelfassemblage er in de toekomst zou kunnen uitzien.
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
Vandaag wil ik jullie
00:17
the future of the way we make things.
1
2000
2000
de toekomst tonen van de manier waarop we dingen maken.
00:19
I believe that soon our buildings and machines
2
4000
2000
Ik geloof dat onze gebouwen en machines
00:21
will be self-assembling,
3
6000
2000
zichzelf binnenkort zullen assembleren,
00:23
replicating and repairing themselves.
4
8000
2000
repliceren en repareren.
00:25
So I'm going to show you
5
10000
2000
Dus ik ga je laten zien
00:27
what I believe is the current state of manufacturing,
6
12000
2000
wat volgens mij de huidige stand van de productie is,
00:29
and then compare that to some natural systems.
7
14000
3000
en die dan vergelijken met een aantal natuurlijke systemen.
00:32
So in the current state of manufacturing, we have skyscrapers --
8
17000
3000
In de huidige stand van de productie hebben we wolkenkrabbers.
00:35
two and a half years [of assembly time],
9
20000
2000
Twee en een half jaar,
00:37
500,000 to a million parts,
10
22000
2000
500.000 tot een miljoen onderdelen,
00:39
fairly complex,
11
24000
2000
vrij complexe,
00:41
new, exciting technologies in steel, concrete, glass.
12
26000
3000
nieuwe en spannende technologieën in staal, beton, glas.
00:44
We have exciting machines
13
29000
2000
We hebben spannende machines
00:46
that can take us into space --
14
31000
2000
die ons naar de ruimte kunnen brengen -
00:48
five years [of assembly time], 2.5 million parts.
15
33000
3000
vijf jaar, 2,5 miljoen onderdelen.
00:51
But on the other side, if you look at the natural systems,
16
36000
3000
Maar aan de andere kant, als je kijkt naar de natuurlijke systemen,
00:54
we have proteins
17
39000
2000
hebben we eiwitten
00:56
that have two million types,
18
41000
2000
die twee miljoen soorten tellen,
00:58
can fold in 10,000 nanoseconds,
19
43000
2000
en die zich ontvouwen in 10.000 nanoseconden,
01:00
or DNA with three billion base pairs
20
45000
2000
of DNA met drie miljard basenparen
01:02
we can replicate in roughly an hour.
21
47000
3000
die we kunnen repliceren in ongeveer een uur.
01:05
So there's all of this complexity
22
50000
2000
Dus er zit een hoop complexiteit
01:07
in our natural systems,
23
52000
2000
in onze natuurlijke systemen,
01:09
but they're extremely efficient,
24
54000
2000
maar ze zijn zeer efficiënt,
01:11
far more efficient than anything we can build,
25
56000
2000
veel efficiënter dan wat we kunnen bouwen,
01:13
far more complex than anything we can build.
26
58000
2000
veel complexer dan alles wat we kunnen bouwen.
01:15
They're far more efficient in terms of energy.
27
60000
2000
Ze zijn veel efficiënter in termen van energie.
01:17
They hardly ever make mistakes.
28
62000
3000
Ze maken bijna nooit fouten.
01:20
And they can repair themselves for longevity.
29
65000
2000
En ze kunnen zichzelf herstellen om lang mee te gaan.
01:22
So there's something super interesting about natural systems.
30
67000
3000
Er is dus iets super-interessants aan natuurlijke systemen.
01:25
And if we can translate that
31
70000
2000
Als we dat kunnen vertalen
01:27
into our built environment,
32
72000
2000
naar onze gebouwde omgeving,
01:29
then there's some exciting potential for the way that we build things.
33
74000
2000
dan zijn er nog een aantal interessante mogelijkheden voor de manier waarop we dingen bouwen.
01:31
And I think the key to that is self-assembly.
34
76000
3000
Ik denk dat de sleutel daartoe zelfassemblage is.
01:34
So if we want to utilize self-assembly in our physical environment,
35
79000
3000
Als we zelfassemblage willen gebruiken in onze fysieke omgeving,
01:37
I think there's four key factors.
36
82000
2000
zijn er volgens mij vier belangrijke factoren.
01:39
The first is that we need to decode
37
84000
2000
De eerste is dat we de volledige complexiteit
01:41
all of the complexity of what we want to build --
38
86000
2000
van wat we willen bouwen, moeten ontcijferen -
01:43
so our buildings and machines.
39
88000
2000
dat wil zeggen onze gebouwen en machines.
01:45
And we need to decode that into simple sequences --
40
90000
2000
We moeten ze ontcijferen in eenvoudige sequenties -
01:47
basically the DNA of how our buildings work.
41
92000
2000
zowat het DNA van hoe onze gebouwen werken.
01:49
Then we need programmable parts
42
94000
2000
Dan hebben we programmeerbare onderdelen nodig
01:51
that can take that sequence
43
96000
2000
die deze sequenties kunnen gebruiken om
01:53
and use that to fold up, or reconfigure.
44
98000
3000
zich op te vouwen, of opnieuw te configureren.
01:56
We need some energy that's going to allow that to activate,
45
101000
3000
We hebben wat energie om dat te activeren,
01:59
allow our parts to be able to fold up from the program.
46
104000
3000
om onze delen te doen opvouwen volgens het programma.
02:02
And we need some type of error correction redundancy
47
107000
2000
En we hebben een soort van foutcorrectie-redundantie
02:04
to guarantee that we have successfully built what we want.
48
109000
3000
om te garanderen dat we met succes hebben gebouwd wat we willen.
02:07
So I'm going to show you a number of projects
49
112000
2000
Ik zal een aantal projecten laten zien
02:09
that my colleagues and I at MIT are working on
50
114000
2000
waar mijn collega's en ik aan het MIT aan werken
02:11
to achieve this self-assembling future.
51
116000
2000
om deze toekomst van zelfassemblage te bereiken.
02:13
The first two are the MacroBot and DeciBot.
52
118000
3000
De eerste twee zijn de MacroBot en DeciBot.
02:16
So these projects are large-scale reconfigurable robots --
53
121000
4000
Deze projecten zijn grootschalige herconfigureerbare robots -
02:20
8 ft., 12 ft. long proteins.
54
125000
3000
eiwitten van 2,5 à 3,5 meter.
02:23
They're embedded with mechanical electrical devices, sensors.
55
128000
3000
Ze zijn volgestouwd met mechanische elektrische apparaten, sensoren.
02:26
You decode what you want to fold up into,
56
131000
2000
Je ontcijfert waarin je je wil opvouwen,
02:28
into a sequence of angles --
57
133000
2000
in een opeenvolging van hoeken -
02:30
so negative 120, negative 120, 0, 0,
58
135000
2000
dus min 120, min 120, 0, 0,
02:32
120, negative 120 -- something like that;
59
137000
3000
120, 120 negatief - zoiets;
02:35
so a sequence of angles, or turns,
60
140000
2000
dus een opeenvolging van hoeken of bochten,
02:37
and you send that sequence through the string.
61
142000
3000
en je stuurt die volgorde door de string.
02:40
Each unit takes its message -- so negative 120 --
62
145000
3000
Elke unit neemt zijn boodschap - dus min 120.
02:43
it rotates to that, checks if it got there
63
148000
2000
Het roteert daarheen, controleert of het er is geraakt,
02:45
and then passes it to its neighbor.
64
150000
3000
en dan geeft het door aan zijn buurman.
02:48
So these are the brilliant scientists,
65
153000
2000
Dit zijn de briljante wetenschappers,
02:50
engineers, designers that worked on this project.
66
155000
2000
ingenieurs, ontwerpers die aan dit project hebben gewerkt.
02:52
And I think it really brings to light:
67
157000
2000
Volgens mij wijst dit erop:
02:54
Is this really scalable?
68
159000
2000
is dit echt schaalbaar?
02:56
I mean, thousands of dollars, lots of man hours
69
161000
2000
Ik bedoel, duizenden dollars, vele manuren
02:58
made to make this eight-foot robot.
70
163000
3000
zijn gepresteerd om deze robot van acht meter te maken.
03:01
Can we really scale this up? Can we really embed robotics into every part?
71
166000
3000
Kunnen we dit opschalen? Kunnen we echt robotica inbouwen in elk deel?
03:04
The next one questions that
72
169000
2000
Het volgende stelt dat in vraag
03:06
and looks at passive nature,
73
171000
2000
en kijkt naar de passieve natuur,
03:08
or passively trying to have reconfiguration programmability.
74
173000
3000
of passief proberen om programmeerbaarheid van herconfiguratie te bereiken.
03:11
But it goes a step further,
75
176000
2000
Maar het gaat een stap verder,
03:13
and it tries to have actual computation.
76
178000
2000
en het probeert daadwerkelijke berekening te bereiken.
03:15
It basically embeds the most fundamental building block of computing,
77
180000
2000
Het omvat de meest fundamentele bouwsteen van computers,
03:17
the digital logic gate,
78
182000
2000
de digitale logische poort,
03:19
directly into your parts.
79
184000
2000
rechtstreeks in je onderdelen.
03:21
So this is a NAND gate.
80
186000
2000
Dus dit is een NAND-poort.
03:23
You have one tetrahedron which is the gate
81
188000
2000
Je hebt een tetraëder, de poort
03:25
that's going to do your computing,
82
190000
2000
die je berekening gaat doen,
03:27
and you have two input tetrahedrons.
83
192000
2000
en je hebt twee input-tetraëders.
03:29
One of them is the input from the user, as you're building your bricks.
84
194000
3000
Een van hen is de input van de gebruiker, terwijl je je bakstenen bouwt.
03:32
The other one is from the previous brick that was placed.
85
197000
3000
De andere is van de vorige steen die was geplaatst.
03:35
And then it gives you an output in 3D space.
86
200000
3000
En dan geeft het je een resultaat in een 3D-ruimte.
03:38
So what this means
87
203000
2000
Dus wat dit betekent,
03:40
is that the user can start plugging in what they want the bricks to do.
88
205000
3000
is dat de gebruiker opdrachten voor de bakstenen kan beginnen aansluiten.
03:43
It computes on what it was doing before
89
208000
2000
Het berekent op basis van wat het voordien aan het doen was
03:45
and what you said you wanted it to do.
90
210000
2000
en van jouw opdracht.
03:47
And now it starts moving in three-dimensional space --
91
212000
2000
En nu begint het te bewegen in een drie-dimensionale ruimte -
03:49
so up or down.
92
214000
2000
dus omhoog of omlaag.
03:51
So on the left-hand side, [1,1] input equals 0 output, which goes down.
93
216000
3000
Aan de linkerkant is de [1,1]-ingang gelijk aan de 0-uitgang, die naar beneden gaat.
03:54
On the right-hand side,
94
219000
2000
Aan de rechterkant
03:56
[0,0] input is a 1 output, which goes up.
95
221000
3000
is [0,0]-ingang is een 1-uitgang, die omhoog gaat.
03:59
And so what that really means
96
224000
2000
Dus wat dat echt betekent,
04:01
is that our structures now contain the blueprints
97
226000
2000
is dat onze structuren nu de blauwdrukken bevatten
04:03
of what we want to build.
98
228000
2000
van wat we willen bouwen.
04:05
So they have all of the information embedded in them of what was constructed.
99
230000
3000
Alle informatie over wat er gebouwd is, zit ingebouwd.
04:08
So that means that we can have some form of self-replication.
100
233000
3000
Dus dat betekent dat we een bepaalde vorm van zelf-replicatie hebben.
04:11
In this case I call it self-guided replication,
101
236000
3000
In dit geval noem ik het zelf-geleide replicatie,
04:14
because your structure contains the exact blueprints.
102
239000
2000
omdat je structuur de exacte blauwdrukken bevat.
04:16
If you have errors, you can replace a part.
103
241000
2000
In geval van fouten, kan je een onderdeel vervangen.
04:18
All the local information is embedded to tell you how to fix it.
104
243000
3000
Alle lokale informatie is ingebed om je te vertellen hoe dit te verhelpen.
04:21
So you could have something that climbs along and reads it
105
246000
2000
Je zou dus iets kunnen hebben dat erlangs klimt en het afleest,
04:23
and can output at one to one.
106
248000
2000
en een één-op-één-resultaat aflevert
04:25
It's directly embedded; there's no external instructions.
107
250000
2000
Het is rechtstreeks ingebouwd, er zijn geen externe instructies.
04:27
So the last project I'll show is called Biased Chains,
108
252000
3000
Het laatste project dat ik zal je laten zien, heet Bevooroordeelde Ketens,
04:30
and it's probably the most exciting example that we have right now
109
255000
3000
en het is waarschijnlijk het meest opwindende voorbeeld dat op dit moment hebben
04:33
of passive self-assembly systems.
110
258000
2000
van passieve zelfassemblagesystemen.
04:35
So it takes the reconfigurability
111
260000
2000
Het neemt de herconfigureerbaarheid
04:37
and programmability
112
262000
2000
en de programmeerbaarheid
04:39
and makes it a completely passive system.
113
264000
3000
en maakt er een volledig passief systeem van.
04:43
So basically you have a chain of elements.
114
268000
2000
Dus eigenlijk heb je een keten van elementen.
04:45
Each element is completely identical,
115
270000
2000
Elk element is volledig identiek,
04:47
and they're biased.
116
272000
2000
en ze zijn bevooroordeeld.
04:49
So each chain, or each element, wants to turn right or left.
117
274000
3000
Dus elke keten, of elk element, wil rechts of links.
04:52
So as you assemble the chain, you're basically programming it.
118
277000
3000
Als je de ketting monteert, ben je eigenlijk aan het programmeren.
04:55
You're telling each unit if it should turn right or left.
119
280000
3000
Je vertelt elke eenheid of ze naar rechts of naar links moet draaien.
04:58
So when you shake the chain,
120
283000
3000
Dus als je de ketting te schudt,
05:01
it then folds up
121
286000
2000
vouwt ze zich op
05:03
into any configuration that you've programmed in --
122
288000
3000
in elke configuratie die je erin hebt geprogrammeerd -
05:06
so in this case, a spiral,
123
291000
2000
dus in dit geval, een spiraal,
05:08
or in this case,
124
293000
3000
of in dit geval,
05:11
two cubes next to each other.
125
296000
3000
twee kubussen naast elkaar.
05:14
So you can basically program
126
299000
2000
Dus je kunt in principe
05:16
any three-dimensional shape --
127
301000
2000
een drie-dimensionale vorm programmeren -
05:18
or one-dimensional, two-dimensional -- up into this chain completely passively.
128
303000
3000
of een-dimensionaal, twee-dimensionale - in deze keten, volledig passief.
05:21
So what does this tell us about the future?
129
306000
2000
Dus wat zegt dit ons over de toekomst?
05:23
I think that it's telling us
130
308000
2000
Ik denk dat het ons vertelt
05:25
that there's new possibilities for self-assembly, replication, repair
131
310000
3000
dat er nieuwe mogelijkheden voor zelfassemblage, replicatie, reparatie zitten
05:28
in our physical structures, our buildings, machines.
132
313000
3000
in onze fysieke structuren, onze gebouwen, machines.
05:31
There's new programmability in these parts.
133
316000
2000
Er zit nieuwe programmeerbaarheid in deze onderdelen.
05:33
And from that you have new possibilities for computing.
134
318000
2000
Daaruit volgen nieuwe mogelijkheden voor computergebruik.
05:35
We'll have spatial computing.
135
320000
2000
We zullen ruimtelijke berekening krijgen.
05:37
Imagine if our buildings, our bridges, machines,
136
322000
2000
Stel je voor dat onze gebouwen, onze bruggen, machines,
05:39
all of our bricks could actually compute.
137
324000
2000
al onze stenen eigenlijk konden rekenen.
05:41
That's amazing parallel and distributed computing power,
138
326000
2000
Dat is een verbazingwekkende parallelle en gedistribueerde rekenkracht,
05:43
new design possibilities.
139
328000
2000
dat zijn nieuwe designmogelijkheden.
05:45
So it's exciting potential for this.
140
330000
2000
Dit heeft dus veel spannende mogelijkheden.
05:47
So I think these projects I've showed here
141
332000
2000
Volgens mij zijn deze projecten die ik je heb laten zien,
05:49
are just a tiny step towards this future,
142
334000
2000
slechts een kleine stap op weg naar deze toekomst,
05:51
if we implement these new technologies
143
336000
2000
als we deze nieuwe technologieën implementeren,
05:53
for a new self-assembling world.
144
338000
2000
naar een nieuwe wereld die zichzelf assembleert.
05:55
Thank you.
145
340000
2000
Dank u.
05:57
(Applause)
146
342000
2000
(Applaus)
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