TED2006
Saul Griffith: Everyday inventions
Saul Griffith o codziennych wynalazkach
Filmed:
Readability: 4.2
580,919 views
Wynalazca i przyjaciel MacArtuhra Saul Griffith dzieli się pewnymi innowacyjnymi pomysłami/ideami z jego laboratorium -- od 'inteligentnej liny' po latawiec wielkości domu do holowania dużych ładunków.
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
Kim jestem?
00:25
I usually say to people, when they say, "What do you do?"
1
1000
3000
Zwykle gdy ludzie pytają, czym się zajmuję
00:28
I say, "I do hardware,"
2
4000
2000
mówię "Sprzętem"
00:30
because it sort of conveniently encompasses everything I do.
3
6000
2000
bo to niejako dogodnie obejmuje wszystko, czym się zajmuję.
00:32
And I recently said that to a venture capitalist casually at some
4
8000
4000
Ostatnio powiedziałem to zwyczajnie do inwestora na jakiejś
00:36
Valley event, to which he replied, "How quaint."
5
12000
3000
imprezie w Dolinie, na co odpowiedział "Jak oryginalnie".
00:39
(Laughter)
6
15000
2000
(Śmiech)
00:41
And I sort of really was dumbstruck.
7
17000
3000
Naprawdę oniemiałem.
00:44
And I really should have said something smart.
8
20000
2000
Powinienem powiedzieć coś błyskotliwego.
00:46
And now I've had a little bit of time to think about it,
9
22000
5000
Mając nieco więcej czasu na przemyślenie sprawy
00:51
I would have said, "Well, you know,
10
27000
2000
powiedziałbym: "Wiesz,
00:53
if we look at the next 100 years
11
29000
2000
jeśli spojrzymy na następne sto lat
00:55
and we've seen all these problems in the last few days,
12
31000
2000
a widzieliśmy wszystkie te problemy przez kilka ostatnich dni,
00:57
most of the big issues -- clean water, clean energy --
13
33000
3000
przede wszystkim ważne zagadnienia - czysta woda, czysta energia -
01:00
and they're interchangeable in some respects --
14
36000
2000
a są one pod pewnymi względami zamienne -
01:02
and cleaner, more functional materials --
15
38000
2000
i czystsze, bardziej funkcjonalne materiały -
01:04
they all look to me to be hardware problems.
16
40000
3000
wszystko to wygląda na problemy związane ze sprzętem.
01:07
This doesn't mean we should ignore software,
17
43000
2000
Co nie znaczy, że powinniśmy ignorować oprogramowanie,
01:09
or information, or computation."
18
45000
2000
czy informację lub obliczenia.
01:11
And that's in fact probably what I'm going to try and tell you about.
19
47000
3000
I właśnie o tym pewnie spróbuję wam opowiedzieć.
01:14
So, this talk is going to be about how do we make things
20
50000
3000
Więc ten wykład będzie o tym, jak tworzymy rzeczy
01:17
and what are the new ways that we're going to make things in the future.
21
53000
5000
i jakimi nowymi sposobami będziemy tworzyć rzeczy w przyszłości.
01:22
Now, TED sends you a lot of spam if you're a speaker
22
58000
5000
TED wysyła mówcom masę spamu
01:27
about "do this, do that" and you fill out all these forms,
23
63000
2000
z "zrób to, zrób tamto" i wypełnia się wszystkie te formularze,
01:29
and you don't actually know how they're going to describe you,
24
65000
3000
a w sumie nie wiesz, jak zamierzają cię opisać
01:32
and it flashed across my desk that they were going to introduce me as a futurist.
25
68000
3000
i mignęło mi, że zamierzają przedstawić mnie jako futurystę.
01:35
And I've always been nervous about the term "futurist,"
26
71000
2000
A zawsze denerwował mnie termin "futurysta",
01:37
because you seem doomed to failure because you can't really predict it.
27
73000
3000
ponieważ jest się skazanym na porażkę, bo nie da się tego tak naprawdę przewidzieć.
01:40
And I was laughing about this with the very smart colleagues I have,
28
76000
3000
Śmiałem się z tego z moimi bardzo mądrymi kolegami
01:43
and said, "You know, well, if I have to talk about the future, what is it?"
29
79000
4000
i powiedziałem: "Wiecie, jeśli mam mówić o przyszłości, co to jest?"
01:47
And George Homsey, a great guy, said, "Oh, the future is amazing.
30
83000
5000
A George Homsey, wspaniały facet, odrzekł: "Oh, przyszłość jest niesamowita.
01:52
It is so much stranger than you think.
31
88000
2000
O wiele dziwniejsza niż ci się wydaje.
01:54
We're going to reprogram the bacteria in your gut,
32
90000
2000
Zamierzamy przeprogramować bakterie w twoich jelitach
01:56
and we're going to make your poo smell like peppermint."
33
92000
5000
i sprawimy, że twoje kupy będą pachniały miętą."
02:01
(Laughter)
34
97000
2000
(Śmiech)
02:03
So, you may think that's sort of really crazy,
35
99000
3000
Więc możecie myśleć, że to wariactwo,
02:06
but there are some pretty amazing things that are happening
36
102000
2000
ale dzieją się naprawdę niesamowite rzeczy,
02:08
that make this possible.
37
104000
1000
które sprawią, że będzie to możliwe.
02:09
So, this isn't my work, but it's work of good friends of mine at MIT.
38
105000
4000
To akurat nie moją praca, tylko mojego dobrego przyjaciela z MIT.
02:13
This is called the registry of standard biological parts.
39
109000
2000
Nazywa się to rejestrem standardowych części biologicznych.
02:15
This is headed by Drew Endy and Tom Knight
40
111000
2000
Kierują tym Drew Endy i Tom Knight
02:17
and a few other very, very bright individuals.
41
113000
3000
oraz kilka innych bardzo, bardzo bystrych jednostek.
02:20
Basically, what they're doing is looking at biology as a programmable system.
42
116000
3000
Zasadniczo, patrzą na biologię jako na programowalny system.
02:23
Literally, think of proteins as subroutines
43
119000
4000
Dosłownie, pomyślcie o proteinach jako o podprogramach,
02:27
that you can string together to execute a program.
44
123000
3000
które można powiązać razem, żeby wykonać program.
02:30
Now, this is actually becoming such an interesting idea.
45
126000
5000
Staje się to takim ciekawym pomysłem.
02:35
This is a state diagram. That's an extremely simple computer.
46
131000
3000
To jest diagram stanów. Pokazuje zupełnie prosty komputer.
02:38
This one is a two-bit counter.
47
134000
2000
Ten to tandetny licznik.
02:40
So that's essentially the computational equivalent of two light switches.
48
136000
6000
Zasadniczo jest to obliczeniowy ekwiwalent dwóch przełączników światła.
02:46
And this is being built by a group of students at Zurich
49
142000
3000
Budowany przez grupę studentów z Zurychu
02:49
for a design competition in biology.
50
145000
2000
na konkurs projektów z dziedziny biologii.
02:51
And from the results of the same competition last year,
51
147000
3000
Z rezultatów tego konkursu z zeszłego roku:
02:54
a University of Texas team of students programmed bacteria
52
150000
4000
grupa studentów z Uniwersytetu w Teksasie zaprogramowała bakterie tak,
02:58
so that they can detect light and switch on and off.
53
154000
3000
że mogły wykrywać oraz włączać i wyłączać światło.
03:01
So this is interesting in the sense that you can now
54
157000
2000
To jest ciekawe w tym sensie, że obecnie można
03:03
do "if-then-for" statements in materials, in structure.
55
159000
5000
wykorzystywać stwierdzenia "jeśli, to" w materiałach, w strukturze.
03:08
This is a pretty interesting trend,
56
164000
2000
To bardzo interesujący trend.
03:10
because we used to live in a world where everyone's said glibly,
57
166000
2000
Ponieważ przyzwyczailiśmy się do życia w świecie, gdzie każdy bez zastanowienia twierdził, że
03:12
"Form follows function," but I think I've sort of grown up in a world
58
168000
4000
że forma wynika z funkcji, ale sądzę, że wyrosłem w świecie
03:16
-- you listened to Neil Gershenfeld yesterday;
59
172000
3000
- słuchaliście wczoraj Neila Gershenfelda,
03:19
I was in a lab associated with his -- where it's really a world
60
175000
4000
Byłem w laboratorium powiązanym z jego laboratorium - w którym to świecie
03:23
where information defines form and function.
61
179000
3000
informacja definiuje formę i funkcję.
03:26
I spent six years thinking about that,
62
182000
4000
Spędziłem sześć lat myśląc o tym,
03:30
but to show you the power of art over science --
63
186000
2000
ale, żeby pokazać wam przewagę sztuki nad nauką -
03:32
this is actually one of the cartoons I write. These are called "HowToons."
64
188000
3000
to jest jeden z komiksów, które piszę. Nazywają się "Howtoons".
03:35
I work with a fabulous illustrator called Nick Dragotta.
65
191000
2000
Pracuję ze wspaniałym ilustratorem - nazywa się Nick Dragotta.
03:37
Took me six years at MIT,
66
193000
2000
Zabrało mi sześć lat w MIT
03:39
and about that many pages to describe what I was doing,
67
195000
4000
i mniej więcej tyle stron, żeby opisać, co robiłem,
03:43
and it took him one page. And so this is our muse Tucker.
68
199000
5000
a jemu zajęło to jedną stronę. A oto jest nasza muza Tucker.
03:48
He's an interesting little kid -- and his sister, Celine --
69
204000
2000
Jest ciekawym dzieciakiem - i jego siostra, Celine -
03:50
and what he's doing here
70
206000
2000
a to, co tutaj robi
03:52
is observing the self-assembly of his Cheerios in his cereal bowl.
71
208000
4000
to obserwuje jak jego płatki śniadaniowe łączą się w grupki w miseczce.
03:56
And in fact you can program the self-assembly of things,
72
212000
3000
W rzeczy samej można zaprogramować samoorganizację obiektów,
03:59
so he starts chocolate-dipping edges,
73
215000
2000
więc zaczyna zanurzać brzegi w polewie czekoladowej,
04:01
changing the hydrophobicity and the hydrophylicity.
74
217000
2000
Zmieniając hydrofobię i hydrofilię.
04:03
In theory, if you program those sufficiently,
75
219000
2000
W teorii, jeśli wystarczająco je zaprogramujesz,
04:05
you should be able to do something pretty interesting
76
221000
2000
powinieneś móc zrobić coś naprawdę ciekawego
04:07
and make a very complex structure.
77
223000
2000
i stworzyć bardzo złożoną strukturę.
04:09
In this case, he's done self-replication of a complex 3D structure.
78
225000
5000
W tym przypadku wykonał samoreplikację złożonej struktury 3D.
04:14
And that's what I thought about for a long time,
79
230000
3000
I o tym myślałem przez długi czas,
04:17
because this is how we currently make things.
80
233000
2000
ponieważ w ten sposób obecnie tworzymy rzeczy.
04:19
This is a silicon wafer, and essentially
81
235000
2000
To jest silikonowa płytka i generalnie
04:21
that's just a whole bunch of layers of two-dimensional stuff, sort of layered up.
82
237000
4000
to po prostu szereg warstw dwu-wymiarowego czegoś, jakby ułożonego warstwowo.
04:25
The feature side is -- you know, people will say,
83
241000
2000
Rozmiar elementu to - wiecie, ludzie powiedzą,
04:27
[unclear] down around about 65 nanometers now.
84
243000
2000
[niejasne] około 65 nanometrów obecnie.
04:29
On the right, that's a radiolara.
85
245000
2000
Po prawej, to jest radiolaria.
04:31
That's a unicellular organism ubiquitous in the oceans.
86
247000
3000
To jednokomórkowy organizm zamieszkujący oceany.
04:34
And that has feature sizes down to about 20 nanometers,
87
250000
4000
A rozmiar to około 20 nanometrów.
04:38
and it's a complex 3D structure.
88
254000
2000
i jest złożoną struktura 3D.
04:40
We could do a lot more with computers and things generally
89
256000
4000
Moglibyśmy zrobić ogólnie o wiele więcej z komputerami i rzeczami,
04:44
if we knew how to build things this way.
90
260000
3000
gdybyśmy wiedzieli, jak budować rzeczy w ten sposób.
04:47
The secret to biology is, it builds computation
91
263000
3000
Sekretem biologii jest, że wbudowuje obliczenia
04:50
into the way it makes things. So this little thing here, polymerase,
92
266000
3000
w sposób w jaki tworzy rzeczy. Więc ta mała rzecz tutaj, polimeraza,
04:53
is essentially a supercomputer designed for replicating DNA.
93
269000
5000
to w zasadzie komputer zaprojektowany do powielania DNA.
04:58
And the ribosome here is another little computer
94
274000
3000
A ten rybosom, tutaj, to inny mały komputer,
05:01
that helps in the translation of the proteins.
95
277000
2000
który pomaga tłumaczyć proteiny.
05:03
I thought about this
96
279000
1000
Myślałem o tym
05:04
in the sense that it's great to build in biological materials,
97
280000
3000
w tym sensie, że to wspaniale budować w materiałach biologicznych,
05:07
but can we do similar things?
98
283000
2000
ale czy możemy robić podobne rzeczy?
05:09
Can we get self-replicating-type behavior?
99
285000
2000
Czy możemy uzyskać zachowania typu samo-powielania?
05:11
Can we get complex 3D structure automatically assembling
100
287000
4000
Czy możemy uzyskać automatyczną organizację złożonych struktur 3D
05:15
in inorganic systems?
101
291000
2000
w systemach nieorganicznych?
05:17
Because there are some advantages to inorganic systems,
102
293000
2000
Ponieważ systemy nieorganiczne mają pewną przewagę,
05:19
like higher speed semiconductors, etc.
103
295000
2000
np. półprzewodniki o większej prędkości, itp.
05:21
So, this is some of my work
104
297000
2000
Więc to jest część mojej pracy
05:23
on how do you do an autonomously self-replicating system.
105
299000
6000
dotyczącej tego jak zrobić autonomicznie samopowielający się system.
05:29
And this is sort of Babbage's revenge.
106
305000
2000
I to jest rodzaj zemsty Babbage'a.
05:31
These are little mechanical computers.
107
307000
1000
To są małe mechaniczne komputery.
05:32
These are five-state state machines.
108
308000
3000
To są pięcio-stanowe maszyny stanu.
05:35
So, that's about three light switches lined up.
109
311000
3000
Więc to około trzech przełączników światła w linii.
05:38
In a neutral state, they won't bind at all.
110
314000
2000
W stanie neutralnym nie będą się w ogóle łączyć.
05:40
Now, if I make a string of these, a bit string,
111
316000
4000
Teraz, jeśli zrobię z nich łańcuch,
05:44
they will be able to replicate.
112
320000
2000
Będą się mogły powielać.
05:46
So we start with white, blue, blue, white.
113
322000
1000
Zaczynamy z białym, niebieskim, niebieskim, białym.
05:47
That encodes; that will now copy. From one comes two,
114
323000
6000
To koduje, teraz się będzie kopiować. Z jednego biorą się dwa,
05:53
and then from two comes three.
115
329000
2000
a następnie z dwóch biorą się trzy.
05:55
And so you've got this sort of replicating system.
116
331000
4000
Więc otrzymujemy rodzaj systemu powielania.
05:59
It was work actually by Lionel Penrose,
117
335000
2000
Został opracowany przez Lionela Penrose,
06:01
father of Roger Penrose, the tiles guy.
118
337000
3000
ojca Rogera Penrose, gościa od "kafelków".
06:04
He did a lot of this work in the '60s,
119
340000
2000
Wykonał większość tej pracy w latach 60',
06:06
and so a lot of this logic theory lay fallow
120
342000
2000
więc znaczna część tej teorii logicznej leżała odłogiem,
06:08
as we went down the digital computer revolution, but it's now coming back.
121
344000
3000
kiedy zmierzaliśmy do cyfrowej rewolucji komputerowej, ale teraz wraca.
06:11
So now I'm going to show you the hands-free, autonomous self-replication.
122
347000
4000
Więc teraz zamierzam wam pokazać autonomiczne samoreplikowanie bez udziału rąk.
06:15
So we've tracked in the video the input string,
123
351000
2000
Prześledziliśmy na filmie łańcuch wejściowy,
06:17
which was green, green, yellow, yellow, green.
124
353000
2000
który był zielony, zielony, żółty, żółty, zielony.
06:19
We set them off on this air hockey table.
125
355000
4000
Umieściliśmy go na tym stole do "powietrznego" hokeja.
06:23
You know, high science uses air hockey tables --
126
359000
2000
Wiecie, zaawansowana nauka używa takich stołów -
06:25
(Laughter)
127
361000
1000
(Śmiech)
06:26
-- and if you watch this thing long enough you get dizzy,
128
362000
2000
- i jeśli patrzy się na to zbyt długo, ma się zwroty głowy,
06:28
but what you're actually seeing is copies of that original string
129
364000
3000
ale to co widzicie to kopie tego pierwotnego łańcucha
06:31
emerging from the parts bin that you have here.
130
367000
3000
wyłaniające się z tego śmietnika części, które tu macie.
06:34
So we've got autonomous replication of bit strings.
131
370000
5000
Więc osiągnęliśmy autonomiczne powielanie łańcuchów części.
06:39
So, why would you want to replicate bit strings?
132
375000
3000
Dlaczego mielibyśmy chcieć powielać łańcuchy części?
06:42
Well, it turns out biology has this other very interesting meme,
133
378000
3000
Cóż, okazuje się, że biologia ma ten ciekawy mem,
06:45
that you can take a linear string, which is a convenient thing to copy,
134
381000
3000
że można wziąć linearny łańcuch, który jest wygodny w kopiowaniu
06:48
and you can fold that into an arbitrarily complex 3D structure.
135
384000
4000
i można go zwinąć w arbitralnie złożoną strukturę 3D.
06:52
So I was trying to, you know, take the engineer's version:
136
388000
3000
Więc próbowałem wiecie, wziąć wersję inżyniera:
06:55
Can we build a mechanical system in inorganic materials
137
391000
3000
Czy możemy stworzyć mechaniczny system z nieorganicznymi materiałami,
06:58
that will do the same thing?
138
394000
1000
który będzie robił to samo?
06:59
So what I'm showing you here is that we can make a 2D shape --
139
395000
5000
To, co wam pokazuję tutaj to, że możemy stworzyć dwuwymiarowy kształt -
07:04
the B -- assemble from a string of components
140
400000
4000
B - złożyć z łańcucha składników,
07:08
that follow extremely simple rules.
141
404000
2000
które odpowiadają całkowicie prostym zasadom.
07:10
And the whole point of going with the extremely simple rules here,
142
406000
3000
A cały sens korzystania z calkowicie prostych zasad tutaj
07:13
and the incredibly simple state machines in the previous design,
143
409000
3000
i z niesamowicie prostych maszyn stanów w poprzednim projekcie,
07:16
was that you don't need digital logic to do computation.
144
412000
3000
polega na tym, że nie potrzeba cyfrowej logiki do wykonywania obliczeń.
07:19
And that way you can scale things much smaller than microchips.
145
415000
4000
I w ten sposób można tworzyć rzeczy znacznie mniejsze od mikroczipów.
07:23
So you can literally use these as the tiny components in the assembly process.
146
419000
4000
Można dosłownie użyć ich jako malutkich składników w procesie składania.
07:27
So, Neil Gershenfeld showed you this video on Wednesday, I believe,
147
423000
5000
Neil Gershenfeld pokazał wam chyba w środę ten film,
07:32
but I'll show you again.
148
428000
2000
ale pokażę go znowu.
07:34
This is literally the colored sequence of those tiles.
149
430000
3000
To jest dosłownie kolorowa sekwencja płytek.
07:37
Each different color has a different magnetic polarity,
150
433000
3000
Każdy kolor ma inną biegunowość magnetyczną,
07:40
and the sequence is uniquely specifying the structure that is coming out.
151
436000
5000
a sekwencja w sposób wyjątkowy określa osiąganą strukturę.
07:45
Now, hopefully, those of you who know anything about graph theory
152
441000
3000
Mam nadzieję, że ci z was, którzy wiedzą cokolwiek o teorii grafów
07:48
can look at that, and that will satisfy you
153
444000
2000
spojrzą na to i poczują się usatysfakcjonowani,
07:50
that that can also do arbitrary 3D structure,
154
446000
3000
że można też tworzyć przypadkowe struktury 3D.
07:53
and in fact, you know, I can now take a dog, carve it up
155
449000
5000
W rzeczywistości, mogę teraz wziąć psa, podzielić na części
07:58
and then reassemble it so it's a linear string
156
454000
2000
i ułożyć znowu w linearny łańcuch,
08:00
that will fold from a sequence. And now
157
456000
2000
który będzie się zwijał z sekwencji. I teraz
08:02
I can actually define that three-dimensional object as a sequence of bits.
158
458000
7000
mogę zdefiniować trójwymiarowy obiekt jako sekwencję części.
08:09
So, you know, it's a pretty interesting world
159
465000
3000
To jest naprawdę ciekawy świat,
08:12
when you start looking at the world a little bit differently.
160
468000
2000
kiedy zaczynasz patrzeć na świat troszeczkę inaczej.
08:14
And the universe is now a compiler.
161
470000
3000
Wszechświat jest obecnie kompilatorem
08:17
And so I'm thinking about, you know, what are the programs
162
473000
2000
Zastanawiam się, jakimi programami
08:19
for programming the physical universe?
163
475000
3000
można zaprogramować fizyczny wszechświat?
08:22
And how do we think about materials and structure,
164
478000
3000
W jaki sposób myślimy o materiałach i strukturze
08:25
sort of as an information and computation problem?
165
481000
3000
jako o problemie informacji i obliczania?
08:28
Not just where you attach a micro-controller to the end point,
166
484000
3000
Nie tylko, gdy dołącza się mikrokontroler w punkcie końcowym,
08:31
but that the structure and the mechanisms are the logic, are the computers.
167
487000
5000
ale że struktura i mechanizmy są logiką, są komputerami.
08:36
Having totally absorbed this philosophy,
168
492000
5000
Całkowicie przyjmując tę filozofię,
08:41
I started looking at a lot of problems a little differently.
169
497000
3000
zacząłem patrzeć na wiele problemów nieco inaczej.
08:44
With the universe as a computer,
170
500000
1000
Z wszechświatem jako komputerem,
08:45
you can look at this droplet of water
171
501000
2000
możecie spojrzeć na tę kroplę wody
08:47
as having performed the computations.
172
503000
2000
jako na coś, co przeprowadza obliczenia.
08:49
You set a couple of boundary conditions, like gravity,
173
505000
2000
Ustawia się kilka warunków granicznych, jak grawitacja,
08:51
the surface tension, density, etc., and then you press "execute,"
174
507000
4000
napięcie powierzchniowe, gęstość, itd, a następnie wciska "wykonaj"
08:55
and magically, the universe produces you a perfect ball lens.
175
511000
5000
i magicznie, wszechświat produkuje doskonałe kuliste soczewki.
09:00
So, this actually applied to the problem
176
516000
2000
Stosując to do rzeczywistego problemu -
09:02
of -- so there's a half a billion to a billion people in the world
177
518000
3000
Na świecie jest od pół miliarda do miliarda ludzi,
09:05
don't have access to cheap eyeglasses.
178
521000
2000
którzy nie mają dostępu do tanich okularów.
09:07
So can you make a machine
179
523000
2000
Czy można więc zrobić maszynę,
09:09
that could make any prescription lens very quickly on site?
180
525000
4000
która będzie mogła zrobić dowolne przepisane soczewki bardzo szybko na miejscu?
09:13
This is a machine where you literally define a boundary condition.
181
529000
4000
To maszyna, gdzie dosłownie definiuje się warunki graniczne.
09:17
If it's circular, you make a spherical lens.
182
533000
3000
Jeśli jest to koliste, można zrobić soczewki sferyczne.
09:20
If it's elliptical, you can make an astigmatic lens.
183
536000
3000
Jeśli eliptyczne, można zrobić soczewki astygmatyczne.
09:23
You then put a membrane on that and you apply pressure --
184
539000
3000
Następnie wkłada się na to membranę i przykłada ciśnienie -
09:26
so that's part of the extra program.
185
542000
2000
to część dodatkowego programu.
09:28
And literally with only those two inputs --
186
544000
3000
Z tymi dosłownie dwoma danymi wejściowymi -
09:31
so, the shape of your boundary condition and the pressure --
187
547000
2000
kształtem twoich warunków granicznych i ciśnieniem -
09:33
you can define an infinite number of lenses
188
549000
2000
można zdefiniować nieograniczoną liczbę soczewek,
09:35
that cover the range of human refractive error,
189
551000
2000
które pokrywają zasięg ludzkiego błędu refrakcyjnego
09:37
from minus 12 to plus eight diopters, up to four diopters of cylinder.
190
553000
5000
od minus 12 do plus 8 dioptrii, aż do 4 dioptrii cylindra.
09:42
And then literally, you now pour on a monomer.
191
558000
3000
I teraz dosłownie, nalewa się monomer.
09:45
You know, I'll do a Julia Childs here.
192
561000
3000
Porobię tu za Julię Childs.
09:48
This is three minutes of UV light.
193
564000
3000
Teraz trzy minuty ultrafioletu.
09:51
And you reverse the pressure on your membrane
194
567000
3000
I odwraca się ciśnienie na membranę.
09:54
once you've cooked it. Pop it out.
195
570000
3000
Po ugotowaniu, wyciągnij.
09:57
I've seen this video, but I still don't know if it's going to end right.
196
573000
3000
Widziałem już ten fim, ale ciągle nie wiem, czy się dobrze kończy.
10:00
(Laughter)
197
576000
3000
(Śmiech)
10:03
So you reverse this. This is a very old movie,
198
579000
2000
Odwraca się to. To bardzo stary film,
10:05
so with the new prototypes, actually both surfaces are flexible,
199
581000
4000
więc w nowych prototypach, obydwie powierzchnie są elastyczne,
10:09
but this will show you the point.
200
585000
2000
ale to pokaże wam sens.
10:11
Now you've finished the lens, you literally pop it out.
201
587000
2000
Kiedy skończyliście soczewki, dosłownie je wyciągacie.
10:13
That's next year's Yves Klein, you know, eyeglasses shape.
202
589000
7000
To przyszłoroczny Yves Klein, wiecie, kształt okularów.
10:20
And you can see that that has a mild prescription of about minus two diopters.
203
596000
3000
Te, które widzicie to łagodna recepta na około minus dwóch dioptrii.
10:23
And as I rotate it against this side shot, you'll see that that has cylinder,
204
599000
4000
Kiedy obróciccie to z profilu, zobaczycie, że ma cylinder,
10:27
and that was programmed in --
205
603000
1000
i zostało to zaprogramowane -
10:28
literally into the physics of the system.
206
604000
4000
dosłownie w fizyce systemu.
10:32
So, this sort of thinking about structure as computation
207
608000
3000
Ten rodzaj myślenia o strukturze jako o obliczeniu
10:35
and structure as information leads to other things, like this.
208
611000
5000
i strukturze jako informacji prowadzi do innych rzeczy, jak te.
10:40
This is something that my people at SQUID Labs
209
616000
3000
To jest coś, nad czym moi ludzie w SQUID Labs
10:43
are working on at the moment, called "electronic rope."
210
619000
2000
pracują w tej chwili, nazywa się to elektroniczna lina.
10:45
So literally, you think about a rope. It has very complex structure in the weave.
211
621000
4000
Więc dosłownie, myślicie o linie. To bardzo złożona struktura, jeśli chodzi o splot.
10:49
And under no load, it's one structure.
212
625000
2000
I bez ciężaru, to jedna struktura.
10:51
Under a different load, it's a different structure. And you can actually exploit that
213
627000
3000
Pod innym obciążeniem, to inna struktura. I można to wykorzystać
10:54
by putting in a very small number of
214
630000
2000
używając bardzo małej liczby
10:56
conducting fibers to actually make it a sensor.
215
632000
2000
włókien przewodzących, żeby stworzyć czujnik.
10:58
So this is now a rope that knows the load on the rope
216
634000
3000
Więc jest to teraz lina, która zna obciążenie na linie
11:01
at any particular point in the rope.
217
637000
2000
w którymkolwiek punkcie liny.
11:03
Just by thinking about the physics of the world,
218
639000
3000
Tylko przez myślenie o fizyce świata,
11:06
materials as the computer,
219
642000
2000
o materiałach jako o komputerze,
11:08
you can start to do things like this.
220
644000
3000
możecie zacząć robić rzeczy takie jak to.
11:11
I'm going to segue a little here.
221
647000
3000
Zrobię tu krótką przebitkę.
11:14
I guess I'm just going to casually tell you the types of things
222
650000
2000
Chyba po prostu opowiem wam o rodzajach rzeczy
11:16
that I think about with this.
223
652000
1000
o których myślę przy tym.
11:17
One thing I'm really interested about this right now is, how,
224
653000
4000
Jedną z rzeczy, którymi się naprawdę interesuję teraz, jest, jak
11:21
if you're really taking this view of the universe as a computer,
225
657000
4000
jeśli naprawdę przyjmuje się to spojrzenie na wszechświat jako na komputer,
11:25
how do we make things in a very general sense,
226
661000
2000
jak tworzymy rzeczy w bardzo ogólnym znaczeniu,
11:27
and how might we share the way we make things in a general sense
227
663000
4000
oraz jak możemy dzielić się sposobem tworzenia rzeczy w ogólnym znaczeniu
11:31
the same way you share open source hardware?
228
667000
3000
tak samo jak dzielimy się ogólnodostępnym sprzętem?
11:34
And a lot of talks here have espoused the benefits
229
670000
3000
Wiele wykładów tutaj optowało za korzyściami
11:37
of having lots of people look at problems,
230
673000
2000
sytuacji, gdy wielu ludzi patrzy na problemy,
11:39
share the information and work on those things together.
231
675000
3000
dzieli się informacjami i wspólnie pracuje nad tymi zagadnieniami.
11:42
So, a convenient thing about being a human is you move in linear time,
232
678000
3000
Wygodną rzeczą w byciu człowiekiem jest to, że porusza się w czasie linearnym,
11:45
and unless Lisa Randall changes that,
233
681000
2000
i chyba że Lisa Randall to zmieni,
11:47
we'll continue to move in linear time.
234
683000
3000
będzie się nadal poruszał w czasie linearnym.
11:50
So that means anything you do, or anything you make,
235
686000
2000
To oznacza, że wszystko co robicie czy wszystko co tworzycie,
11:52
you produce a sequence of steps --
236
688000
2000
produkujecie jako sekwencję kroków -
11:54
and I think Lego in the '70s nailed this,
237
690000
3000
myślę, że Lego uchwyciło to w latach 70'
11:57
and they did it most elegantly.
238
693000
1000
i zrobili to najbardziej elegancko.
11:58
But they can show you how to build things in sequence.
239
694000
4000
Ale oni potrafią pokazać, jak budować rzeczy w sekwencji.
12:02
So, I'm thinking about, how can we generalize
240
698000
3000
Myślę o tym, jak możemy uogólnić
12:05
the way we make all sorts of things,
241
701000
2000
sposób tworzenia wszelakich rzeczy,
12:07
so you end up with this sort of guy, right?
242
703000
2000
żeby skończyć z tym rodzajem gościa?
12:09
And I think this applies across a very broad -- sort of, a lot of concepts.
243
705000
5000
I sądzę, że to stosuje się do bardzo szerokiego - do wielu pojęć.
12:14
You know, Cameron Sinclair yesterday said,
244
710000
2000
Wiecie, Cameron Sinclair powiedział wczoraj:
12:16
"How do I get everyone to collaborate on design
245
712000
2000
"Jak mam sprawić, żeby wszyscy współpracowali nad projektem
12:18
globally to do housing for humanity?"
246
714000
3000
globalnie, żeby stworzyć budownictwo mieszkaniowe dla ludzkości?"
12:21
And if you've seen Amy Smith,
247
717000
2000
Jeśli widzieliście Amy Smith,
12:23
she talks about how you get students at MIT
248
719000
4000
opowiada o tym, jak sprawić, że studenci z MIT
12:27
to work with communities in Haiti.
249
723000
2000
pracują ze społecznościami na Haiti.
12:29
And I think we have to sort of redefine and rethink
250
725000
2000
Myślę, że musimy jakby z redefiniować i przemyśleć,
12:31
how we define structure and materials and assembly things,
251
727000
4000
w jaki sposób definiujemy strukturę i materiały i montaż rzeczy,
12:35
so that we can really share the information
252
731000
2000
abyśmy mogli naprawdę dzielić się informacjami
12:37
on how you do those things in a more profound way
253
733000
2000
o tym, jak robi się te rzeczy w głębszy sposób
12:39
and build on each other's source code for structure.
254
735000
3000
i budować kod źródłowy dla struktury w oparciu o innych.
12:42
I don't know exactly how to do this yet,
255
738000
1000
Nie wiem jeszcze, jak to dokładnie zrobić,
12:43
but, you know, it's something being actively thought about.
256
739000
5000
ale to coś, o czym bardzo aktywnie myślę.
12:48
So, you know, that leads to questions
257
744000
2000
Prowadzi to do pytań
12:50
like, is this a compiler? Is this a sub-routine?
258
746000
4000
takich jak, czy to jest kompilator? Czy to jest podprogram?
12:54
Interesting things like that.
259
750000
1000
Takich ciekawych rzeczy.
12:55
Maybe I'm getting a little too abstract, but you know,
260
751000
3000
Może staję się trochę za bardzo abstrakcyjny, ale wiecie,
12:58
this is the sort of -- returning to our comic characters --
261
754000
3000
to jest rodzaj - wracając do naszych komiksowych postaci -
13:01
this is sort of the universe, or a different universe view,
262
757000
2000
to jest rodzaj wszechświata lub inne spojrzenie na wszechświat,
13:03
that I think is going to be very prevalent in the future --
263
759000
2000
które, jak sądzę, będzie przważało w przyszłości -
13:05
from biotech to materials assembly. It was great to hear Bill Joy.
264
761000
3000
od biotechnologii po montaż materiałów. Świetnie było posłuchać Billa Joy.
13:08
They're starting to invest in materials science,
265
764000
3000
Zaczynają inwestować w naukę o materiałach,
13:11
but these are the new things in materials science.
266
767000
2000
ale to są nowe rzeczy w nauce o materiałach.
13:13
How do we put real information and real structure into new ideas,
267
769000
4000
W jaki sposób zastosujemy prawdziwe informacje i prawdziwą strukturę do nowych pomysłów
13:17
and see the world in a different way? And it's not going to be binary code
268
773000
3000
i popatrzymy na świat w odmienny sposób? I to nie będzie kod binarny,
13:20
that defines the computers of the universe --
269
776000
2000
który definiuje komputery wszechświata -
13:22
it's sort of an analog computer.
270
778000
2000
to rodzaj komputera analogowego.
13:24
But it's definitely an interesting new worldview.
271
780000
5000
Ale to zdecydowanie ciekawy, nowy światopogląd.
13:29
I've gone too far. So that sounds like it's it.
272
785000
3000
Poszedłem za daleko. Więc brzmi to, jakby to już było to.
13:32
I've probably got a couple of minutes of questions,
273
788000
2000
Mam chyba kilka minut na pytania,
13:34
or I can show -- I think they also said that I do extreme stuff
274
790000
4000
albo mogę pokazać - sądzę, że powiedzieli też, że robię ekstremalne rzeczy,
13:38
in the introduction, so I may have to explain that.
275
794000
4000
we wstępie, więc może powinienem to wyjaśnić.
13:42
So maybe I'll do that with this short video.
276
798000
3000
Może zrobię to przy pomocy tego krótkiego filmu.
13:45
So this is actually a 3,000-square-foot kite,
277
801000
6000
To jest zasadniczo latawiec o powierzchni 3 tysięcy stóp kwadratowych (278m2),
13:51
which also happens to be a minimal energy surface.
278
807000
2000
co tak się składa jest powierzchnią minimalnej energii.
13:53
So returning to the droplet, again,
279
809000
2000
Wracając do kropli, znowu,
13:55
thinking about the universe in a new way.
280
811000
2000
myślenie o wszechświecie w nowy sposób.
13:57
This is a kite designed by a guy called Dave Kulp.
281
813000
2000
Ten latawiec został zaprojektowany przez gościa, który nazywa się Dave Kulp.
13:59
And why do you want a 3,000-square-foot kite?
282
815000
2000
Po co mielibyście chcieć latawiec o powierzchni 3 tysięcy stóp kwadratowych?
14:01
So that's a kite the size of your house.
283
817000
2000
To latawiec w rozmiarze waszego domu.
14:03
And so you want that to tow boats very fast.
284
819000
4000
Więc chcecie, żeby bardzo szybko holował łodzie.
14:07
So I've been working on this a little, also,
285
823000
3000
Pracowałem nad tym trochę, również,
14:10
with a couple of other guys.
286
826000
2000
z kilkoma innymi osobami.
14:12
But, you know, this is another way to look at the --
287
828000
2000
Ale jest to inny sposób spojrzenia na -
14:14
if you abstract again,
288
830000
2000
jeśliby znowu podsumować,
14:16
this is a structure that is defined by the physics of the universe.
289
832000
4000
że jest to struktura zdefiniowana przez fizykę wszechświata.
14:20
You could just hang it as a bed sheet,
290
836000
1000
Możnaby to powiesić jako prześcieradło,
14:21
but again, the computation of all the physics
291
837000
2000
ale znów, obliczenia wszystkich praw fizycznych
14:23
gives you the aerodynamic shape.
292
839000
2000
dają aerodynamiczny kształt.
14:25
And so you can actually sort of almost double your boat speed
293
841000
3000
Można więc praktycznie podwoić prędkość łodzi
14:28
with systems like that. So that's sort of another interesting aspect of the future.
294
844000
7000
z takimi systemami. To jest jeszcze jeden ciekawy aspekt przyszłości.
14:35
(Applause)
295
851000
1000
(Brawa)
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