TED2006
Neil Gershenfeld: Unleash your creativity in a Fab Lab
Neil Gershenfeld o fablabach
Filmed:
Readability: 4.8
871,282 views
Profesor MIT Neil Gershenfeld opowiada o swoim fablabie – niskobudżetowym laboratorium, które pozwala ludziom budować rzeczy, których potrzebują, wykorzystując cyfrowe i analogowe narzędzia. To prosty pomysł z potężnymi rezultatami.
Neil Gershenfeld - Physicist, personal fab pioneer
As Director of MIT’s Center for Bits and Atoms, Neil Gershenfeld explores the boundaries between the digital and physical worlds. Full bio
As Director of MIT’s Center for Bits and Atoms, Neil Gershenfeld explores the boundaries between the digital and physical worlds. Full bio
Double-click the English transcript below to play the video.
00:25
This meeting has really been about a digital revolution,
0
0
4000
To spotkanie tak naprawdę było o cyfrowej rewolucji,
00:29
but I'd like to argue that it's done; we won.
1
4000
3000
która chciałbym stwierdzić, jeszcze trwa. Wygraliśmy.
00:33
We've had a digital revolution but we don't need to keep having it.
2
8000
4000
Mieliśmy ją, ale nie musimy jej wciąż mieć.
00:37
And I'd like to look after that,
3
12000
2000
Chciałbym spojrzeć w przyszłość,
00:39
to look what comes after the digital revolution.
4
14000
3000
na to, co przyjdzie po rewolucji.
00:42
So, let me start projecting forward.
5
17000
2000
Zacznę wybiegać naprzód.
00:44
These are some projects I'm involved in today at MIT,
6
19000
4000
To są niektóre projekty, w których uczestniczę na MIT,
00:48
looking what comes after computers.
7
23000
3000
by sprawdzić, co przyjdzie po komputerach.
00:51
This first one, Internet Zero, up here -- this is a web server
8
26000
5000
Pierwszy, Internet Zero – jest to serwer, który
00:56
that has the cost and complexity of an RFID tag --
9
31000
3000
ma złożoność i koszt jak RFID –
00:59
about a dollar -- that can go in every light bulb and doorknob,
10
34000
3000
około dolara – mógłby się zmieścić do żarówki, czy klamki.
01:02
and this is getting commercialized very quickly.
11
37000
2000
Zostanie skomercjalizowany bardzo szybko.
01:04
And what's interesting about it isn't the cost;
12
39000
2000
Nie koszt jest tutaj interesujący,
01:06
it's the way it encodes the Internet.
13
41000
1000
a sposób w jaki koduje Internet.
01:07
It uses a kind of a Morse code for the Internet
14
42000
3000
Używa jakby kodu Morse'a do Internetu by
01:10
so you could send it optically; you can communicate acoustically
15
45000
3000
przesłać go optycznie. Można komunikować się z nim
01:13
through a power line, through RF.
16
48000
2000
akustycznie, przez kabel elektryczny, czy radio.
01:15
It takes the original principle of the Internet,
17
50000
2000
Uwzględnia początkową zasadę Internetu,
01:17
which is inter-networking computers,
18
52000
2000
czyli komputery będące w sieci wewnętrznej,
01:19
and now lets devices inter-network.
19
54000
3000
pozwalając urządzeniom na wewnętrzną komunikację.
01:22
That we can take the whole idea that gave birth to the Internet
20
57000
3000
Możemy wziąć całą ideę, która zapoczątkowała Internet
01:25
and bring it down to the physical world in this Internet Zero,
21
60000
3000
i sprowadzić ją do fizycznego świata w Internet Zero,
01:28
this internet of devices.
22
63000
2000
do sieci urządzeń.
01:30
So this is the next step from there to here,
23
65000
2000
To jest następny krok stamtąd tu,
01:32
and this is getting commercialized today.
24
67000
3000
a to jest komercjalizowane teraz.
01:35
A step after that is a project on fungible computers.
25
70000
5000
Następny krok to projekt zamiennych komputerów.
01:40
Fungible goods in economics can be extended and traded.
26
75000
3000
Zamienne dobra w ekonomii mogą być rozszerzane i sprzedawane.
01:43
So, half as much grain is half as much useful,
27
78000
2000
Połowa ziarna jest w połowie użyteczna, ale
01:45
but half a baby or half a computer is less useful than
28
80000
3000
połowa dziecka, czy komputera jest mniej
01:48
a whole baby or a whole computer,
29
83000
2000
użyteczna niż dziecko, czy cały komputer.
01:50
and we've been trying to make computers that work that way.
30
85000
3000
Staraliśmy się zrobić tego typu komputery.
01:53
So, what you see in the background is a prototype.
31
88000
2000
Widzicie w tle prototyp z
01:55
This was from a thesis of a student, Bill Butow, now at Intel,
32
90000
3000
pracy dyplomowej studenta: Bill'a Butow'a, teraz w Intelu,
01:58
who wondered why, instead of making bigger and bigger chips,
33
93000
3000
kto by się dziwił, zamiast produkować większe układy
02:01
you don't make small chips, put them in a viscous medium,
34
96000
3000
nie robisz małych, umieszczasz je w lepkim medium,
02:04
and pour out computing by the pound or by the square inch.
35
99000
2000
wylewasz komputer po funtach, czy calach kwadratowych.
02:06
And that's what you see here.
36
101000
2000
To właśnie tutaj jest widoczne.
02:08
On the left was postscript being rendered by a conventional computer;
37
103000
3000
Po lewej postscript renderowany przez konwencjonalny komputer,
02:11
on the right is postscript being rendered from the first prototype
38
106000
3000
po prawej przez pierwszy prototyp, który
02:14
we made, but there's no frame buffer, IO processor,
39
109000
4000
zrobiliśmy, bez bufora ramek, procesora WE/WY,
02:18
any of that stuff -- it's just this material.
40
113000
2000
bez tych rzeczy – to tylko ten materiał.
02:20
Unlike this screen where the dots are placed carefully,
41
115000
2000
W przeciwieństwie do układania punktów, jak na ekranie,
02:22
this is a raw material.
42
117000
1000
to jest surowy materiał.
02:23
If you add twice as much of it, you have twice as much display.
43
118000
3000
Dasz go dwa razy więcej, masz dwa razy więcej wyświetlacza.
02:26
If you shoot a gun through the middle, nothing happens.
44
121000
3000
Jeśli go przestrzelisz nic się nie stanie.
02:29
If you need more resource, you just apply more computer.
45
124000
4000
Jeżeli potrzebujesz więcej zasobów, dodajesz więcej komputera.
02:33
So, that's the step after this -- of computing as a raw material.
46
128000
3000
To jest ten następny krok – komputer jako surowy materiał.
02:36
That's still conventional bits, the step after that is --
47
131000
3000
To nadal konwencjonalne bity, krok potem –
02:39
this is an earlier prototype in the lab;
48
134000
2000
to wcześniejszy prototyp w laboratorium –
02:41
this is high-speed video slowed down.
49
136000
2000
jest to zwolnione wideo.
02:43
Now, integrating chemistry in computation, where the bits are bubbles.
50
138000
3000
Integrowanie chemii do obliczeń, gdzie bity to bąbelki.
02:46
This is showing making bits, this is showing --
51
141000
2000
Tak robi się bity –
02:48
once again, slowed down so you can see it,
52
143000
2000
znów, zwolnione byście to zobaczyli,
02:50
bits interacting to do logic and multiplexing and de-multiplexing.
53
145000
4000
bity wchodzą w interakcje do logiki i multipleksowania i de-multipleksowania.
02:54
So, now we can compute that the output arranges material
54
149000
3000
Teraz możemy obliczyć, że wyjście organizuje materiał
02:57
as well as information. And, ultimately, these are some slides
55
152000
4000
tak jak informację. Oto slajdy
03:01
from an early project I did, computing where the bits are stored
56
156000
3000
z wcześniejszego projektu, obliczeń, w których bity
03:04
quantum-mechanically in the nuclei of atoms, so
57
159000
3000
są zapisywane kwantowo-mechanicznie w jądrach atomów
03:07
programs rearrange the nuclear structure of molecules.
58
162000
4000
tak, że programy reorganizują ich strukturę.
03:11
All of these are in the lab pushing further and further and further,
59
166000
4000
Wszystko to w laboratorium jest pchane dalej,
03:15
not as metaphor but literally integrating bits and atoms,
60
170000
3000
nie w przenośni, a dosłownie, integrując bity i atomy,
03:18
and they lead to the following recognition.
61
173000
3000
co prowadzi do następującego rozpoznania.
03:21
We all know we've had a digital revolution, but what is that?
62
176000
3000
Wiemy, że rewolucja cyfrowa miała miejsce, ale co to jest?
03:24
Well, Shannon took us, in the '40s, from here to here:
63
179000
3000
Shannon, w latach 40, zabrał nas stąd tu,
03:27
from a telephone being a speaker wire that degraded with distance
64
182000
4000
od telefonu będącego przewodem głośnika, który degradował się
03:31
to the Internet. And he proved the first threshold theorem, that shows
65
186000
4000
z odległością do Internetu. Udowodnił pierwsze progowe twierdzenie, że
03:35
if you add information and remove it to a signal,
66
190000
3000
dodając informację i ograniczając ją do sygnału,
03:38
you can compute perfectly with an imperfect device.
67
193000
2000
można obliczać perfekcyjnie na niedoskonałym urządzeniu.
03:40
And that's when we got the Internet.
68
195000
2000
Właśnie wtedy otrzymaliśmy Internet.
03:42
Von Neumann, in the '50s, did the same thing for computing;
69
197000
3000
Von Neumann, w latach 50', zrobił to samo dla obliczeń.
03:45
he showed you can have an unreliable computer but restore its state
70
200000
3000
Pokazał, że mając zawodny komputer można odtworzyć jego stan
03:48
to make it perfect. This was the last great analog computer at MIT:
71
203000
4000
by uczynić go perfekcyjnym. To ostatni analogowy komputer na MIT:
03:52
a differential analyzer, and the more you ran it,
72
207000
2000
do analizy różniczkowej. Im więcej się go używało
03:54
the worse the answer got.
73
209000
2000
tym gorszą odpowiedź się otrzymywało.
03:56
After Von Neumann, we have the Pentium, where the billionth transistor
74
211000
3000
Po Von Neumanie, mieliśmy Pentium, gdzie miliardowy tranzystor
03:59
is as reliable as the first one.
75
214000
3000
jest równie niezawodny, jak pierwszy.
04:02
But all our fabrication is down in this lower left corner.
76
217000
3000
Cała nasza produkcja jest w lewym dolnym rogu.
04:05
A state-of-the-art airplane factory rotating metal wax at fixed metal,
77
220000
3000
Najnowocześniejsza fabryka samolotów, gdzie metaliczny wosk obracany jest wokół nieruchomego metalu
04:08
or you maybe melt some plastic. A 10-billion-dollar chip fab
78
223000
3000
lub jest topiony plastik. Kosztująca 10 miliardów dolarów fabryka czipów
04:11
uses a process a village artisan would recognize --
79
226000
3000
używa procesu znanego wiejskim rzemieślnikom –
04:14
you spread stuff around and bake it.
80
229000
3000
rozprowadzasz materiał dookoła i pieczesz go.
04:17
All the intelligence is external to the system;
81
232000
2000
Cała inteligencja jest poza systemem.
04:19
the materials don't have information.
82
234000
2000
Materiały nie mają informacji.
04:21
Yesterday you heard about molecular biology,
83
236000
3000
Wczoraj słyszeliście o biologii molekularnej,
04:24
which fundamentally computes to build.
84
239000
2000
która zasadniczo oblicza by budować.
04:26
It's an information processing system.
85
241000
2000
To jest system przetwarzania informacji.
04:28
We've had digital revolutions in communication and computation,
86
243000
4000
Mieliśmy cyfrową rewolucję w komunikacji i obliczeniach,
04:32
but precisely the same idea, precisely the same math
87
247000
3000
ale dokładnie ta sama idea, matematyka,
04:35
Shannon and Von Neuman did, hasn't yet come out
88
250000
2000
Shannon'a i Von Neuman'a, nie pojawiła się jeszcze
04:37
to the physical world. So, inspired by that,
89
252000
3000
w fizycznym świecie. Zainspirowani tym
04:40
colleagues in this program -- the Center for Bits and Atoms
90
255000
2000
koledzy z tego programu – Centrum Bitów i Atomów MIT –
04:42
at MIT -- which is a group of people, like me,
91
257000
3000
który jest grupą ludzi, jak ja,
04:45
who never understood the boundary between physical science
92
260000
3000
którzy nigdy nie zrozumieli ograniczeń pomiędzy fizyczną, a
04:48
and computer science. I would even go further and say
93
263000
3000
komputerową nauką. Idąc dalej, twierdzę, że
04:51
computer science is one of the worst things that ever happened
94
266000
2000
informatyka jest najgorszą rzeczą, jaka się przytrafiła
04:53
to either computers or to science --
95
268000
2000
komputerom, czy nauce --
04:55
(Laughter)
96
270000
1000
(Śmiech)
04:56
-- because the canon -- computer science --
97
271000
4000
– ponieważ kanon – informatyka –
05:00
many of them are great but the canon of computer science
98
275000
2000
sporo jest świetnych rzeczy, ale kanon informatyki
05:02
prematurely froze a model of computation
99
277000
3000
przedwcześnie zastygł na modelu obliczeń
05:05
based on technology that was available in 1950,
100
280000
3000
bazującym na technologii, która była dostępna w roku 1950.
05:08
and nature's a much more powerful computer than that.
101
283000
2000
Natura jest znacznie mocniejszym komputerem niż to.
05:10
So, you'll hear, tomorrow, from Saul Griffith. He was one of the
102
285000
4000
Jutro usłyszycie od Saul'a Griffith'a. Był jednym
05:14
first students to emerge from this program.
103
289000
3000
z pierwszych studentów wyłonionych z tego programu.
05:17
We started to figure out how you can compute to fabricate.
104
292000
3000
Zaczęliśmy odkrywać, jak obliczać by produkować.
05:20
This was just a proof of principle he did of tiles
105
295000
3000
To był tylko dowód zasady o płytkach, które
05:23
that interact magnetically, where you write a code,
106
298000
2000
współdziałają magnetycznie, gdzie piszesz kod,
05:25
much like protein folding, that specifies their structure.
107
300000
3000
jak zwijanie białka, które określa ich strukturę.
05:28
So, there's no feedback to a tool metrology;
108
303000
3000
Nie ma opinii na temat metrologii tego narzędzia.
05:31
the material itself codes for its structure in just the same ways
109
306000
5000
Materiał koduje się sam do struktury w taki sam sposób, jak
05:36
that protein are fabricated. So, you can, for example, do that.
110
311000
4000
białko jest tworzone. Na przykład można zrobić to.
05:40
You can do other things. That's in 2D. It works in 3D.
111
315000
3000
Można też robić inne rzeczy. To jest w dwu wymiarach, działa też w trzech.
05:43
The video on the upper right -- I won't show for time --
112
318000
2000
Video w prawym górnym rogu – nie pokażę go teraz –
05:45
shows self-replication, templating so something can make something
113
320000
4000
pokazuje samo-replikację, szablon, by coś robiło coś
05:49
that can make something, and we're doing that now over, maybe,
114
324000
3000
co robi coś, do momentu powiedzmy
05:52
nine orders of magnitude. Those ideas have been used to show
115
327000
3000
dziewięciu rzędów wielkości. Te pomysły były używane do
05:55
the best fidelity and direct rate DNA to make an organism,
116
330000
3000
przedstawienia najlepszej wierności i dokładności oceny DNA by utworzyć organizm,
05:58
in functionalizing nanoclusters with peptide tails
117
333000
3000
w funkcjonujących nano-klastrach z ogonami peptydowymi,
06:01
that code for their assembly -- so, much like the magnets,
118
336000
2000
które kodują by je złożyć – jak magnesy,
06:03
but now on nanometer scales.
119
338000
2000
ale teraz w skali nanometrowej.
06:05
Laser micro-machining: essentially 3D printers that digitally fabricate
120
340000
4000
Laserowa mikroobróbka: drukarki 3D cyfrowo produkują
06:09
functional systems, all the way up to building buildings,
121
344000
3000
funkcjonujące systemy, aż do budowania budynków,
06:12
not by having blueprints,
122
347000
1000
bez planu, za to
06:13
but having the parts code for the structure of the building.
123
348000
3000
z kodem struktury budowli.
06:16
So, these are early examples in the lab of emerging technologies
124
351000
5000
To wczesne przykłady z laboratorium ukazujących się technologii
06:21
to digitize fabrication. Computers that don't control tools
125
356000
4000
do digitalizacji produkcji. Komputery, które nie kontrolują narzędzi,
06:25
but computers that are tools, where the output of a program
126
360000
4000
ale takie, które są nimi, gdzie wynik programu
06:29
rearranges atoms as well as bits.
127
364000
4000
reorganizuje atomy, jak i bity.
06:33
Now, to do that -- with your tax dollars, thank you --
128
368000
3000
Aby tego dokonać – z pomocą waszych podatków, dziękuję –
06:36
I bought all these machines. We made a modest proposal
129
371000
4000
kupiłem te maszyny. Zaproponowaliśmy Narodowej
06:40
to the NSF. We wanted to be able to make anything on any length scale,
130
375000
4000
Fundacji Nauki, że chcemy robić cokolwiek na dowolną skalę
06:44
all in one place, because you can't segregate digital fabrication
131
379000
4000
w jednym miejscu, ponieważ nie można rozdzielać cyfrowej produkcji
06:48
by a discipline or a length scale.
132
383000
2000
na dyscyplinę, czy skalę.
06:50
So we put together focused nano beam writers
133
385000
4000
Złożyliśmy razem nano-promieniowe drukarki
06:54
and supersonic water jet cutters and excimer micro-machining systems.
134
389000
5000
i ponaddźwiękowe wodne wycinarki i excimerowe mikro-maszynowe systemy.
06:59
But I had a problem. Once I had all these machines,
135
394000
3000
Miałem problem. Kiedy miałem te wszystkie maszyny,
07:02
I was spending too much time teaching students to use them.
136
397000
3000
za dużo czasu spędzałem na nauce studentów, jak z nich korzystać.
07:05
So I started teaching a class, modestly called,
137
400000
2000
Zacząłem prowadzić zajęcia, skromnie nazwane,
07:07
"How To Make Almost Anything." And that wasn't meant to be provocative;
138
402000
3000
"Jak robić praktycznie wszystko". Nie miało to prowokować.
07:10
it was just for a few research students.
139
405000
2000
To było tylko dla paru studentów.
07:12
But the first day of class looked like this.
140
407000
2000
Pierwszy dzień wyglądał następująco:
07:14
You know, hundreds of people came in begging,
141
409000
2000
setki ludzi błagało, aby ich przyjąć na zajęcia.
07:16
all my life I've been waiting for this class; I'll do anything to do it.
142
411000
3000
Mówili, że oczekiwali całe życie na coś takiego i zrobią wszystko aby się zapisać.
07:19
Then they'd ask, can you teach it at MIT? It seems too useful?
143
414000
3000
Następnie pytali, czy mogę tego uczyć na MIT? To wydawało się zbyt użyteczne?
07:22
And then the next --
144
417000
1000
Potem –
07:23
(Laughter)
145
418000
2000
(Śmiech)
07:25
-- surprising thing was they weren't there to do research.
146
420000
1000
– co dziwne, nie byli tam by wykonywać badania.
07:26
They were there because they wanted to make stuff.
147
421000
2000
Chcieli coś tworzyć.
07:28
They had no conventional technical background.
148
423000
4000
Nie mieli konwencjonalnego technicznego przygotowania.
07:32
At the end of a semester they integrated their skills.
149
427000
2000
Na koniec semestru zintegrowali swoje umiejętności.
07:34
I'll show an old video. Kelly was a sculptor, and this is what she did
150
429000
4000
Pokaże stare wideo. Kelly była rzeźbiarką i to jest urządzenie, które wykonała
07:38
with her semester project.
151
433000
2000
na swój projekt semestralny.
07:40
(Video): Kelly: Hi, I'm Kelly and this is my scream buddy.
152
435000
3000
(Wideo): Kelly: Cześć, jestem Kelly i to mój kumpel do krzyczenia.
07:45
Do you ever find yourself in a situation
153
440000
3000
Znajdujecie się czasem w sytuacji,
07:48
where you really have to scream, but you can't because you're at work,
154
443000
5000
gdy na prawdę musicie krzyknąć, ale nie możecie, bo jesteście w pracy,
07:53
or you're in a classroom, or you're watching your children,
155
448000
3000
lub w klasie, czy doglądacie swoich dzieci,
07:56
or you're in any number of situations where it's just not permitted?
156
451000
5000
czy w innych sytuacjach, kiedy nie jest to dozwolone?
08:01
Well, scream buddy is a portable space for screaming.
157
456000
4000
Krzykliwy kumpel jest przenośną przestrzenią do krzyczenia.
08:05
When a user screams into scream buddy, their scream is silenced.
158
460000
5000
Kiedy użytkownik krzyczy do niego, krzyk jest wyciszany.
08:10
It is also recorded for later release where, when and how
159
465000
4000
Jest również nagrywany, by go później odtworzyć, w miejscu i czasie
08:14
the user chooses.
160
469000
1000
wybranym przez użytkownika.
08:36
(Scream)
161
491000
2000
(Krzyk)
08:39
(Laughter) (Applause)
162
494000
4000
(Śmiech) (Oklaski)
08:43
So, Einstein would like this.
163
498000
2000
Einstein'owi by się to spodobało.
08:45
This student made a web browser for parrots --
164
500000
1000
Ten student zrobił przeglądarkę internetu dla papug,
08:46
lets parrots surf the Net and talk to other parrots.
165
501000
3000
umożliwiającą papugom serfowanie i rozmowy z innymi papugami.
08:49
This student's made an alarm clock you wrestle
166
504000
2000
Ten student natomiast skonstruował budzik, z którym się zmagasz,
08:51
to prove you're awake; this is one that defends --
167
506000
2000
by udowodnić, że się obudziłeś. To jest system obronny –
08:53
a dress that defends your personal space.
168
508000
2000
strój, który broni twojej przestrzeni prywatnej.
08:55
This isn't technology for communication;
169
510000
2000
Nie jest to technologia komunikacji,
08:57
it's technology to prevent it.
170
512000
2000
a technologia by jej zapobiec.
08:59
This is a device that lets you see your music.
171
514000
3000
To urządzenie pozwala na zobaczenie muzyki.
09:02
This is a student who made a machine that makes machines,
172
517000
3000
Ten student zrobił maszynę, która wytwarza inne maszyny.
09:05
and he made it by making Lego bricks that do the computing.
173
520000
3000
którą zrobił z klocków Lego, które wykonują obliczenia.
09:08
Just year after year -- and I finally realized
174
523000
2000
Mijały kolejne lata – w końcu mnie olśniło, że
09:10
the students were showing the killer app of personal fabrication
175
525000
4000
studenci pokazywali świetne aplikacje do prywatnej produkcji
09:14
is products for a market of one person.
176
529000
2000
przedmiotów dla indywidualnych osób.
09:16
You don't need this for what you can get in Wal-Mart;
177
531000
2000
Nie potrzebujesz tego, by zrobić coś z Wal-Mart'a,
09:18
you need this for what makes you unique.
178
533000
1000
a po to by robić coś wyjątkowego.
09:19
Ken Olsen famously said, nobody needs a computer in the home.
179
534000
4000
Ken Olsen zasłynął powiedzeniem, że nikt nie potrzebuje komputera w domu.
09:23
But you don't use it for inventory and payroll;
180
538000
2000
Nie używa się go do inwentaryzacji, czy płatności.
09:25
DEC is now twice bankrupt. You don't need personal fabrication
181
540000
3000
DEC jest teraz podwójnym bankrutem. Nie potrzebujesz prywatnej fabryki
09:28
in the home to buy what you can buy because you can buy it.
182
543000
2000
w domu, by zrobić coś, co możesz kupić.
09:30
You need it for what makes you unique, just like personalization.
183
545000
4000
Potrzebujesz tego, by zrobić coś wyjątkowego, jak personalizacja.
09:34
So, with that, in turn, 20 million dollars today does this;
184
549000
4000
20 milionów dolarów potrzeba, aby to osiągnąć.
09:38
20 years from now we'll make Star Trek replicators that make anything.
185
553000
4000
Za 20 lat wytworzymy replikatory ze Star Treka, które tworzą wszystko.
09:42
The students hijacked all the machines I bought to do personal fabrication.
186
557000
4000
Studenci porwali maszyny, które kupiłem, do własnej produkcji.
09:46
Today, when you spend that much of your money,
187
561000
2000
Dziś, wydając takie pieniądze,
09:48
there's a government requirement to do outreach, which often means
188
563000
3000
rząd wymaga by sięgać dalej, co często oznacza
09:51
classes at a local school, a website -- stuff that's just not that exciting.
189
566000
3000
lekcje w szkołach, stronę internetową – rzeczy nie aż tak ciekawe.
09:54
So, I made a deal with my NSF program managers that
190
569000
4000
Poszedłem na układ z Narodową Fundacją Nauki, że
09:58
instead of talking about it, I'd give people the tools.
191
573000
2000
zamiast opowiadać o tym, dam ludziom narzędzia.
10:00
This wasn't meant to be provocative or important,
192
575000
2000
To nie miało być prowokujące czy ważne,
10:02
but we put together these Fab Labs. It's about 20,000 dollars in equipment
193
577000
4000
ale stworzyliśmy te fablaby. To jakieś 20000 dolarów w sprzęcie,
10:06
that approximate both what the 20 million dollars does and where it's going.
194
581000
5000
które przybliża zarówno cel dwudziestomilionowego dofinansowania jak i kierunek, w którym to zmierza.
10:11
A laser cutter to do press-fit assembly with 3D from 2D,
195
586000
3000
Wycinarka laserowa do składu przedmiotów trójwymiarowych z elementów dwuwymiarowych,
10:14
a sign cutter to plot in copper to do electromagnetics,
196
589000
2000
ploter w miedzi do elektromagnetyzmu,
10:16
a micron scale,
197
591000
2000
mikronowa waga,
10:18
numerically-controlled milling machine for precise structures,
198
593000
2000
numerycznie-kontrolowana frezarka do precyzyjnych struktur,
10:20
programming tools for less than a dollar,
199
595000
3000
narzędzia programistyczne za mniej niż dolara,
10:23
100-nanosecond microcontrollers. It lets you work from microns
200
598000
3000
100-nanosekunodwych mikrokontrolerów. Pozwala na pracę z precyzją co do mikronów
10:26
and microseconds on up, and they exploded around the world.
201
601000
4000
i mikrosekund w górę, co upowszechnia się szybko na świecie.
10:30
This wasn't scheduled, but they went from inner-city Boston
202
605000
2000
To nie było planowane, zaczęło się od centrum Bostonu
10:32
to Pobal in India, to Secondi-Takoradi on Ghana's coast
203
607000
4000
przez Pobal w Indiach, Secondi-Takoradi na wybrzeżu Ghany
10:36
to Soshanguve in a township in South Africa,
204
611000
3000
przez Soshanguve w miasteczku w Południowej Afryce,
10:39
to the far north of Norway, uncovering, or helping uncover,
205
614000
4000
aż po daleką północ Norwegii, odkrywając, bądź pomagając odkryć,
10:43
for all the attention to the digital divide,
206
618000
3000
wszelkie troski związane z cyfrowymi podziałami.
10:46
we would find unused computers in all these places.
207
621000
4000
Możemy znaleźć nieużywane komputery we wszystkich tych miejscach.
10:50
A farmer in a rural village -- a kid needs to measure and modify
208
625000
3000
Rolnik na wsi – dziecko potrzebuje zmierzyć i zmodyfikować
10:53
the world, not just get information about it on a screen.
209
628000
4000
świat, nie tylko dostać informację o tym na ekranie.
10:57
That there's really a fabrication and an instrumentation divide
210
632000
2000
Jest tam rzeczywiście większy podział produkcji i oprzyrządowania
10:59
bigger than the digital divide.
211
634000
3000
niż cyfrowy podział.
11:02
And the way you close it is not IT for the masses but IT development for the masses.
212
637000
3000
Staje się tak nie przez technologię informacyjną dla mas, ale przez rozwój technologii informacyjnej dla mas.
11:05
So, in place after place
213
640000
3000
Z każdym nowym miejscem dostrzegamy
11:08
we saw this same progression: that we'd open one of these Fab Labs,
214
643000
3000
ten sam postęp: otwieramy fablaby tam, gdzie
11:11
where we didn't -- this is too crazy to think of.
215
646000
3000
ich do tej pory nigdy nie otwieraliśmy – to zbyt szalone aby o tym rozmyślać.
11:14
We didn't think this up, that we would get pulled to these places;
216
649000
3000
Nie przemyśleliśmy tego, że wciągniemy się do tych miejsc.
11:17
we'd open it. The first step was just empowerment.
217
652000
2000
Po prostu je otworzyliśmy. Pierwszy krok to tylko upoważnienie.
11:19
You can see it in their face, just this joy of, I can do it.
218
654000
3000
Widać to na ich twarzach, radość, że mogą to robić.
11:22
This is a girl in inner-city Boston who had just done a high-tech
219
657000
2000
To dziewczyna ze śródmieścia Bostonu, która właśnie stworzyła nowoczesny
11:24
on-demand craft sale in the inner city community center.
220
659000
4000
system wyprzedaży rzeczy na zamówienie w centrum społecznym miasta.
11:28
It goes on from there to serious hands-on technical education
221
663000
4000
Zaczyna się tam, a kończy na poważnej praktycznej edukacji technicznej
11:32
informally, out of schools. In Ghana we had set up one of these labs.
222
667000
5000
nieformalnie, poza szkołą. W Ghanie stworzyliśmy jedno takie laboratorium.
11:37
We designed a network sensor, and kids would show up
223
672000
2000
Zaprojektowaliśmy sieciowy sensor, a dzieci pojawiły się
11:39
and refuse to leave the lab.
224
674000
1000
i nie chciały wyjść z laboratorium.
11:40
There was a girl who insisted we stay late at night --
225
675000
3000
Jedna dziewczyna nalegała by zostać do późna w nocy –
11:43
(Video): Kids: I love the Fab Lab.
226
678000
2000
(Wideo): Dzieci: Kocham fablaba.
11:45
-- her first night in the lab because she was going to make the sensor.
227
680000
3000
– jej pierwsza noc w laboratorium, bo chciała zrobić sensor.
11:48
So she insisted on fabbing the board, learning how to stuff it,
228
683000
3000
Nalegała by produkować płytę, uczyć się jak ją uzupełniać,
11:51
learning how to program it. She didn't really know
229
686000
2000
programować. Nie wiedziała tak naprawdę,
11:53
what she was doing or why she was doing it, but she knew
230
688000
2000
co robiła i dlaczego, ale wiedziała, że
11:55
she just had to do it. There was something electric about it.
231
690000
3000
musiała to zrobić. Było coś pobudzającego w tym.
11:58
This is late at, you know, 11 o'clock at night
232
693000
2000
Jest późno, 23 w nocy
12:00
and I think I was the only person surprised when what she built
233
695000
3000
i myślę, że byłem jedynym zaskoczonym, kiedy to, co zbudowała
12:03
worked the first time.
234
698000
2000
zadziałało za pierwszym razem.
12:05
And I've shown this to engineers at big companies, and they say
235
700000
2000
Pokazałem to inżynierom z dużych firm i powiedzieli, że
12:07
they can't do this. Any one thing she's doing, they can do better,
236
702000
3000
nie mogą tego zrobić. Jakąkolwiek rzecz, którą ona zrobiła, mogą zrobić lepiej,
12:10
but it's distributed over many people and many sites
237
705000
3000
ale oni dystrybuują to do wielu ludzi i miejsc
12:13
and they can't do in an afternoon
238
708000
1000
i nie robią tego popołudniami,
12:14
what this little girl in rural Ghana is doing.
239
709000
3000
co robi ta dziewczyna z Ghany.
12:33
(Video): Girl: My name is Valentina Kofi; I am eight years old.
240
728000
4000
(Wideo): Dziewczyna: Nazywam się Valentina Kofi. Mam 8 lat.
12:37
I made a stacking board.
241
732000
3000
Zrobiłam podkładkę do układania.
12:40
And, again, that was just for the joy of it.
242
735000
3000
To, znów, tylko dla radości.
12:43
Then these labs started doing serious problem solving --
243
738000
3000
Potem laboratoria zaczęły rozwiązywać poważne problemy:
12:46
instrumentation for agriculture in India,
244
741000
2000
narzędzia dla rolnictwa w Indiach,
12:48
steam turbines for energy conversion in Ghana,
245
743000
2000
turbiny parowe dla przemiany energii w Ghanie,
12:50
high-gain antennas in thin client computers.
246
745000
4000
anteny kierunkowe dla małych komputerów.
12:54
And then, in turn, businesses started to grow,
247
749000
1000
I tak biznes zaczął się rozrastać,
12:55
like making these antennas.
248
750000
1000
tak jak wytwarzanie tych anten.
12:56
And finally, the lab started doing invention.
249
751000
2000
W końcu, laboratoria zaczęły tworzyć wynalazki.
12:58
We're learning more from them than we're giving them.
250
753000
2000
Uczymy się od nich więcej niż im dajemy.
13:00
I was showing my kids in a Fab Lab how to use it.
251
755000
3000
Pokazywałem swoim dzieciom, jak się korzysta z fablabu.
13:03
They invented a way to do a construction kit out of a cardboard box --
252
758000
4000
Wynalazły sposób na zrobienie zestawu konstrukcyjnego z kartonu,
13:07
which, as you see up there, that's becoming a business --
253
762000
2000
który staje się biznesem,
13:09
but their design was better than Saul's design at MIT,
254
764000
3000
ale ich projekt był lepszy od projektu Saul'a z MIT,
13:12
so there's now three students at MIT doing their theses on
255
767000
3000
więc teraz 3 studentów z MIT wykonuje prace dyplomowe
13:15
scaling the work of eight-year-old children
256
770000
3000
skalując pracę ośmiolatków,
13:18
because they had better designs.
257
773000
1000
ponieważ one miały lepsze projekty.
13:19
Real invention is happening in these labs.
258
774000
3000
Prawdziwe wynalazki pojawiają się w tych laboratoriach.
13:22
And I still kept -- so, in the last year I've been spending time with
259
777000
2000
W ostatnim roku spędziłem czas razem z
13:24
heads of state and generals and tribal chiefs who all want this,
260
779000
3000
głowami państw, generałami i wodzami plemiennymi, którzy je chcieli mieć, ale
13:27
and I keep saying, but this isn't the real thing.
261
782000
2000
powtarzałem, że to nie jest prawdziwa rzecz.
13:29
Wait, like, 20 years and then we'll be done.
262
784000
2000
Za powiedzmy 20 lat będą gotowe.
13:31
And I finally got what's been going on. This is Kernigan and Ritchie
263
786000
3000
W końcu to dostrzegłem. To Kernigan i Ritchie,
13:34
inventing UNIX on a PDP.
264
789000
3000
którzy projektują Unix'a dla PDP.
13:37
PDPs came between mainframes and minicomputers.
265
792000
2000
PDP'sy przybyły pomiędzy mainframe'ami i minikomputerami.
13:39
They were tens of thousands of dollars, hard to use,
266
794000
3000
Kosztowały dziesiątki tysięcy dolarów, były skomplikowane w użyciu,
13:42
but they brought computing down to work groups,
267
797000
2000
ale sprowadziły obliczenia do grup roboczych, a
13:44
and everything we do today happened there.
268
799000
2000
wszystko co robimy dzisiaj się w nich działo.
13:46
These Fab Labs are the cost and complexity of a PDP.
269
801000
3000
Fablaby charakteryzują się kosztem i złożonością PDP.
13:49
The projection of digital fabrication
270
804000
2000
Projekcja i cyfrowa produkcja
13:51
isn't a projection for the future; we are now in the PDP era.
271
806000
3000
nie jest projekcją w przyszłość. Jesteśmy teraz w erze PDP.
13:54
We talked in hushed tones about the great discoveries then.
272
809000
3000
Rozmawialiśmy wtedy po cichu na temat wielkich odkryć.
13:57
It was very chaotic, it wasn't, sort of, clear what was going on.
273
812000
3000
Było to chaotyczne, nie było jasne, co się działo.
14:00
In the same sense we are now, today, in the minicomputer era
274
815000
3000
W tym samym sensie, jak dzisiaj jesteśmy w erze minikomputerów
14:03
of digital fabrication.
275
818000
2000
cyfrowej produkcji.
14:05
The only problem with that is it breaks everybody's boundaries.
276
820000
4000
Jedyny z tym problem to przełamywanie barier.
14:09
In DC, I go to every agency that wants to talk, you know;
277
824000
3000
W Waszyngtonie idę do każdej agencji, która chce rozmawiać.
14:12
in the Bay Area, I go to every organization you can think of --
278
827000
2000
W rejonie zatoki idę do każdej organizacji, o której mógłbyś pomyśleć,
14:14
they all want to talk about it, but it breaks
279
829000
2000
one wszystkie chcą o tym rozmawiać, ale to przekracza
14:16
their organizational boundaries. In fact, it's illegal for them,
280
831000
3000
ich organizacyjne bariery. Właściwie jest to dla nich nielegalne
14:19
in many cases, to equip ordinary people to create
281
834000
4000
w wielu wypadkach, wyposażenie zwykłych ludzi tak aby raczej tworzyli
14:23
rather than consume technology.
282
838000
1000
niż konsumowali technologię.
14:24
And that problem is so severe that the ultimate invention
283
839000
4000
Problem jest tak poważny, że ostateczny wynalazek,
14:28
coming from this community surprised me:
284
843000
3000
pochodzący z tej społeczności, zadziwił mnie:
14:31
it's the social engineering. That the lab in far north of Norway --
285
846000
4000
to społecznościowa inżynieria. Laboratorium w Norwegii –
14:35
this is so far north its satellite dishes look at the ground
286
850000
2000
to tak daleko na północ, że satelity patrzą na ziemię, a
14:37
rather than the sky because that's where the satellites are --
287
852000
4000
nie w niebo, bo tam są satelity.
14:41
the lab outgrew the little barn that it was in.
288
856000
1000
Laboratorium wyrosło w małej stodole.
14:42
It was there because they wanted to find animals in the mountains
289
857000
3000
Znajdowało się tam ponieważ chciano znaleźć zwierzęta w górach.
14:45
but it outgrew it, so they built this extraordinary village for the lab.
290
860000
4000
Przedsięwzięcie się rozrosło, więc zbudowali oddzielną wioskę dla laboratorium.
14:49
This isn't a university; it's not a company. It's essentially
291
864000
2000
Nie jest to uniwersytet ani firma. To w gruncie rzeczy
14:51
a village for invention; it's a village for the outliers in society,
292
866000
5000
wioska dla wynalazków, ludzi odstających w społeczeństwie
14:56
and those have been growing up around these Fab Labs
293
871000
2000
i ci wyrastali w pobliżu fablabów
14:58
all around the world.
294
873000
1000
na całym świecie.
14:59
So this program has split into an NGO foundation,
295
874000
4000
Ten program podzielił się na fundację NGO,
15:03
a Fab Foundation to support the scaling, a micro VC fund.
296
878000
4000
Fab Fundację by wspierać skalowanie, mikro-fundusz VC.
15:07
The person who runs it nicely describes it as
297
882000
1000
Osoba, która to prowadzi opisuje to precyzyjnie tak:
15:08
"machines that make machines need businesses that make businesses:"
298
883000
4000
"maszyny, które robią maszyny potrzebują biznesów, które robią biznesy".
15:12
it's a cross between micro-finance and VC to do fan-out,
299
887000
3000
To skrzyżowane mikrokredytów i funduszy inwestycyjnych.
15:15
and then the research partnerships back at MIT for what's
300
890000
2000
Partnerzy badawczy z MIT
15:17
making it possible.
301
892000
3000
czynią to możliwym.
15:20
So I'd like to leave you with two thoughts.
302
895000
2000
Chciałbym zostawić was z dwiema myślami.
15:22
There's been a sea change in aid, from top-down mega-projects
303
897000
5000
Zaszła bardzo duża zmiana w pomocy, od wielkich projektów w systemie z góry na dół po
15:27
to bottom-up, grassroots, micro-finance investing in the roots,
304
902000
4000
oddolne inicjatywy, obywatelskiego finansowania inwestycji u podstaw,
15:31
so that everybody's got that that's what works.
305
906000
3000
by każdy dostał to, co działa.
15:34
But we still look at technology as top-down mega-projects.
306
909000
3000
Ciągle patrzymy na technologię z góry, jak na wielkie projekty.
15:37
Computing, communication, energy for the rest of the planet
307
912000
3000
Obliczenia, komunikacja, energia dla reszty planety
15:40
are these top-down mega-projects.
308
915000
2000
są tymi wielkimi projektami w systemie z góry na dół.
15:42
If this room full of heroes is just clever enough,
309
917000
2000
Jeżeli ten pokój pełen bohaterów jest wystarczająco sprytny
15:44
you can solve the problems.
310
919000
2000
możecie rozwiązać problemy.
15:46
The message coming from the Fab Labs is that
311
921000
2000
Przekaz z fablabów jest taki, że
15:48
the other five billion people on the planet
312
923000
2000
pozostałe pięć miliardów ludzi na planecie
15:50
aren't just technical sinks; they're sources.
313
925000
2000
nie jest tylko technicznymi zlewami, są źródłami.
15:52
The real opportunity is to harness the inventive power of the world
314
927000
3000
Realną okazją jest okiełznanie mocy twórczej świata w taki sposób,
15:55
to locally design and produce solutions to local problems.
315
930000
4000
aby lokalnie produkować rozwiązania lokalnych problemów.
15:59
I thought that's the projection 20 years hence into the future,
316
934000
3000
Myślałem, że to projekcja na 20 lat w przód,
16:02
but it's where we are today.
317
937000
2000
ale my teraz już tam jesteśmy.
16:04
It breaks every organizational boundary we can think of.
318
939000
2000
To przełamuję każdą organizacyjną barierę, którą jesteśmy w stanie sobie wyobrazić.
16:06
The hardest thing at this point is the social engineering
319
941000
3000
Najtrudniejszą rzeczą obecnie jest inżynieria społeczna
16:09
and the organizational engineering, but it's here today.
320
944000
3000
i organizacyjna, ale to jest tutaj i dzisiaj.
16:12
And, finally, any talk like this on the future of computing
321
947000
2000
Na koniec, każde przemówienia o przyszłości obliczeń
16:14
is required to show Moore's law, but my favorite version --
322
949000
4000
wymaga przedstawienia prawa Moore'a, w mojej ulubionej wersji –
16:18
this is Gordon Moore's original one from his original paper --
323
953000
5000
to jest oryginalne prawo Gordon'a Moore'a –
16:23
and what's happened is, year after year after year,
324
958000
2000
dzieje się tak, że z każdym rokiem
16:25
we've scaled and we've scaled and we've scaled
325
960000
1000
skalowaliśmy i skalowaliśmy
16:26
and we've scaled, and we've scaled and we've scaled,
326
961000
4000
skalowaliśmy i skalowaliśmy
16:30
and we've scaled and we've scaled,
327
965000
1000
skalowaliśmy i skalowaliśmy
16:31
and there's this looming bug of what's going to happen
328
966000
2000
i zbliża się ten błąd, co nas czeka
16:33
at the end of Moore's law; this ultimate bug is coming.
329
968000
4000
na koniec prawa Moore'a. Ten ostateczny błąd się zbliża.
16:37
But we're coming to appreciate, is the transition from 2D to 3D,
330
972000
5000
Będziemy doceniać przemianę z 2D do 3D,
16:42
from programming bits to programming atoms,
331
977000
3000
od programowanie bitów do programowania atomów,
16:45
turns the ends of Moore's law scaling from the ultimate bug
332
980000
2000
zamiany końców z prawa Moore'a na skalowanie
16:47
to the ultimate feature.
333
982000
2000
od ostatecznego błędu do ostatecznej funkcji.
16:49
So, we're just at the edge of this digital revolution in fabrication,
334
984000
4000
Jesteśmy na granicy cyfrowej rewolucji w produkcji,
16:53
where the output of computation programs the physical world.
335
988000
3000
gdzie wynik obliczeń programuje świat fizyczny.
16:56
So, together, these two projects answer questions
336
991000
3000
Razem te dwa projekty odpowiadają na pytania,
16:59
I hadn't asked carefully. The class at MIT shows the killer app
337
994000
4000
których ostrożnie nie zadałem. Klasa na MIT pokazuje aplikację
17:03
for personal fabrication in the developed world
338
998000
2000
do osobistej produkcji w rozwijającym się świecie,
17:05
is technology for a market of one: personal expression in technology
339
1000000
4000
technologii dla pojedynczego odbiorcy: osobista ekspresja w technologii,
17:09
that touches a passion unlike anything I've seen in technology
340
1004000
3000
która dotyka pasji, jak nic, co wcześniej widziałem w technologii
17:12
for a very long time.
341
1007000
2000
przez długi czas.
17:14
And the killer app for the rest of the planet is the instrumentation
342
1009000
4000
Ta aplikacja dla reszty planety jest instrumentem
17:18
and the fabrication divide: people locally developing solutions
343
1013000
3000
i podziałem produkcji: ludzie lokalnie tworzący rozwiąznia
17:21
to local problems. Thank you.
344
1016000
2000
lokalnych problemów. Dziękuję.
ABOUT THE SPEAKER
Neil Gershenfeld - Physicist, personal fab pioneerAs Director of MIT’s Center for Bits and Atoms, Neil Gershenfeld explores the boundaries between the digital and physical worlds.
Why you should listen
MIT's Neil Gershenfeld is redefining the boundaries between the digital and analog worlds. The digital revolution is over, Gershenfeld says. We won. What comes next? His Center for Bits and Atoms has developed quite a few answers, including Internet 0, a tiny web server that fits into lightbulbs and doorknobs, networking the physical world in previously unimaginable ways.
But Gershenfeld is best known as a pioneer in personal fabrication -- small-scale manufacturing enabled by digital technologies, which gives people the tools to build literally anything they can imagine. His famous Fab Lab is immensely popular among students at MIT, who crowd Gershenfeld's classes. But the concept is potentially life-altering in the developing world, where a Fab Lab with just $20,000 worth of laser cutters, milling machines and soldering irons can transform a community, helping people harness their creativity to build tools, replacement parts and essential products unavailable in the local market. Read more in Fab: The Coming Revolution on Your Desktop.
Neil Gershenfeld | Speaker | TED.com