TED2011
Skylar Tibbits: Can we make things that make themselves?
Skylar Tibbits: Podemos construir coisas que se auto-constroem?
Filmed:
Readability: 4.4
1,072,366 views
O pesquisador do MIT, Skylar Tibbits, trabalha em auto-montagem – a ideia de que em vez de construirmos algo (uma cadeira, um arranha-céu), podemos criar materiais que constroem a si mesmos, assim como uma fita de DNA replica-se. É um grande conceito em estágios iniciais, Tibbits nos mostra três projetos de laboratório que insinuam como um futuro de auto-montagem poderá parecer.
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
Hoje eu gostaria de lhes mostrar
00:17
the future of the way we make things.
1
2000
2000
o futuro da maneira como construímos coisas.
00:19
I believe that soon our buildings and machines
2
4000
2000
Acredito que em breve nossos prédios e máquinas
00:21
will be self-assembling,
3
6000
2000
serão de auto-montagem,
00:23
replicating and repairing themselves.
4
8000
2000
replicando-se e regenerando-se.
00:25
So I'm going to show you
5
10000
2000
Então vou mostrar-lhes
00:27
what I believe is the current state of manufacturing,
6
12000
2000
o que acredito ser o atual estado de fabricação,
00:29
and then compare that to some natural systems.
7
14000
3000
e depois compará-lo com alguns sistemas naturais.
00:32
So in the current state of manufacturing, we have skyscrapers --
8
17000
3000
Então, no atual estado de fabricação, temos arranha-céus –
00:35
two and a half years [of assembly time],
9
20000
2000
dois anos e meio,
00:37
500,000 to a million parts,
10
22000
2000
de 500 mil a um milhão de peças,
00:39
fairly complex,
11
24000
2000
razoavelmente complexas,
00:41
new, exciting technologies in steel, concrete, glass.
12
26000
3000
tecnologias novas e empolgantes em aço, concreto e vidro.
00:44
We have exciting machines
13
29000
2000
Temos máquinas incríveis
00:46
that can take us into space --
14
31000
2000
que podem nos levar ao espaço –
00:48
five years [of assembly time], 2.5 million parts.
15
33000
3000
cinco anos, 2,5 milhões de peças.
00:51
But on the other side, if you look at the natural systems,
16
36000
3000
Mas por outro lado, se examinarmos os sistemas naturais,
00:54
we have proteins
17
39000
2000
temos as proteínas
00:56
that have two million types,
18
41000
2000
com dois milhões de tipos,
00:58
can fold in 10,000 nanoseconds,
19
43000
2000
podem dobrar em 10 mil nanosegundos,
01:00
or DNA with three billion base pairs
20
45000
2000
ou DNA com três bilhões de pares de base
01:02
we can replicate in roughly an hour.
21
47000
3000
que podemos replicar em cerca de uma hora.
01:05
So there's all of this complexity
22
50000
2000
Portanto, temos toda essa complexidade
01:07
in our natural systems,
23
52000
2000
em nossos sistemas naturais,
01:09
but they're extremely efficient,
24
54000
2000
mas eles são extremamente eficientes,
01:11
far more efficient than anything we can build,
25
56000
2000
muito mais eficientes do que qualquer coisa que possamos construir,
01:13
far more complex than anything we can build.
26
58000
2000
muito mais complexos do que qualquer coisa que possamos construir,
01:15
They're far more efficient in terms of energy.
27
60000
2000
São muito mais eficientes em termos de energia.
01:17
They hardly ever make mistakes.
28
62000
3000
Raramente erram.
01:20
And they can repair themselves for longevity.
29
65000
2000
E esses sistemas podem reparar-se para manter longevidade.
01:22
So there's something super interesting about natural systems.
30
67000
3000
Então, há algo super interessante sobre sistemas naturais.
01:25
And if we can translate that
31
70000
2000
E se pudermos traduzi-los
01:27
into our built environment,
32
72000
2000
em nosso ambiente de construção,
01:29
then there's some exciting potential for the way that we build things.
33
74000
2000
teremos um potencial interessante para o modo como nós construímos.
01:31
And I think the key to that is self-assembly.
34
76000
3000
E eu penso que o segredo está na auto-montagem.
01:34
So if we want to utilize self-assembly in our physical environment,
35
79000
3000
Então se quisermos utilizar a auto-montagem em nosso ambiente físico,
01:37
I think there's four key factors.
36
82000
2000
eu acho que há quatro fatores chave.
01:39
The first is that we need to decode
37
84000
2000
O primeiro é que precisamos decodificar
01:41
all of the complexity of what we want to build --
38
86000
2000
toda a complexidade do que queremos construir –
01:43
so our buildings and machines.
39
88000
2000
nossos edifícios e máquinas.
01:45
And we need to decode that into simple sequences --
40
90000
2000
Precisamos decodificá-la em sequências simples –
01:47
basically the DNA of how our buildings work.
41
92000
2000
basicamente o DNA de como nossos edifícios funcionam.
01:49
Then we need programmable parts
42
94000
2000
Em seguida precisamos de peças programáveis
01:51
that can take that sequence
43
96000
2000
que possam pegar esta sequência
01:53
and use that to fold up, or reconfigure.
44
98000
3000
e usá-la para dobrar, ou reconfigurar.
01:56
We need some energy that's going to allow that to activate,
45
101000
3000
Precisamos de alguma energia que permita a isso ser ativado,
01:59
allow our parts to be able to fold up from the program.
46
104000
3000
dando às nossas peças capacidade para dobrar a partir do programa.
02:02
And we need some type of error correction redundancy
47
107000
2000
E precisamos de um tipo de redundância na correção de erro
02:04
to guarantee that we have successfully built what we want.
48
109000
3000
para garantir-nos sucesso em construir o que queremos.
02:07
So I'm going to show you a number of projects
49
112000
2000
Vou mostrar-lhes uma série de projetos
02:09
that my colleagues and I at MIT are working on
50
114000
2000
em que eu e meus colegas do MIT estamos trabalhando
02:11
to achieve this self-assembling future.
51
116000
2000
para alcançar esse futuro de auto-montagem.
02:13
The first two are the MacroBot and DeciBot.
52
118000
3000
Os primeiros são MacroBot e DeciBot.
02:16
So these projects are large-scale reconfigurable robots --
53
121000
4000
Estes projetos são de robôs reconfiguráveis de grande escala –
02:20
8 ft., 12 ft. long proteins.
54
125000
3000
2.5 ou 3.5 metros de proteínas longas.
02:23
They're embedded with mechanical electrical devices, sensors.
55
128000
3000
Eles são implantados com dispositivos mecânicos elétricos, sensores.
02:26
You decode what you want to fold up into,
56
131000
2000
Nós decodificamos o formato que queremos dobrar,
02:28
into a sequence of angles --
57
133000
2000
em uma sequência de ângulos –
02:30
so negative 120, negative 120, 0, 0,
58
135000
2000
menos 120, menos 120, 0, 0,
02:32
120, negative 120 -- something like that;
59
137000
3000
120, menos 120 – algo assim;
02:35
so a sequence of angles, or turns,
60
140000
2000
então uma sequência de ângulos, ou de rotações,
02:37
and you send that sequence through the string.
61
142000
3000
e enviamos esta sequência através do fio.
02:40
Each unit takes its message -- so negative 120 --
62
145000
3000
Cada unidade carrega sua mensagem – portanto menos 120.
02:43
it rotates to that, checks if it got there
63
148000
2000
Ela gira, verifica se chegou lá
02:45
and then passes it to its neighbor.
64
150000
3000
e depois a passa para seu adjacente.
02:48
So these are the brilliant scientists,
65
153000
2000
Esses são os brilhantes cientistas,
02:50
engineers, designers that worked on this project.
66
155000
2000
engenheiros, projetistas que trabalharam neste projeto.
02:52
And I think it really brings to light:
67
157000
2000
E eu acho que isso realmente traz à tona:
02:54
Is this really scalable?
68
159000
2000
Isto é realmente escalável?
02:56
I mean, thousands of dollars, lots of man hours
69
161000
2000
Quero dizer, milhares de dólares, muitas pessoas e horas
02:58
made to make this eight-foot robot.
70
163000
3000
são usados para construir este robô de 2 metros e meio.
03:01
Can we really scale this up? Can we really embed robotics into every part?
71
166000
3000
Será que podemos adquirir escala? Será que podemos implantar robótica em cada parte?
03:04
The next one questions that
72
169000
2000
O próximo questiona isso
03:06
and looks at passive nature,
73
171000
2000
e observa a natureza passiva,
03:08
or passively trying to have reconfiguration programmability.
74
173000
3000
ou passivamente tenta ter uma reconfiguração programável.
03:11
But it goes a step further,
75
176000
2000
Mas ele vai um passo adiante,
03:13
and it tries to have actual computation.
76
178000
2000
e tenta ter um cálculo real.
03:15
It basically embeds the most fundamental building block of computing,
77
180000
2000
Ele basicamente incorpora o bloco de construção mais fundamental da computação,
03:17
the digital logic gate,
78
182000
2000
a porta lógica digital,
03:19
directly into your parts.
79
184000
2000
diretamente em suas peças.
03:21
So this is a NAND gate.
80
186000
2000
Então essa é uma porta NAND.
03:23
You have one tetrahedron which is the gate
81
188000
2000
Temos um tetraedro que é a porta
03:25
that's going to do your computing,
82
190000
2000
que fará sua computação,
03:27
and you have two input tetrahedrons.
83
192000
2000
e temos dois tetraedros de entrada.
03:29
One of them is the input from the user, as you're building your bricks.
84
194000
3000
Um deles é a entrada do usuário, quando vocês constroem seus tijolos.
03:32
The other one is from the previous brick that was placed.
85
197000
3000
O outro é do tijolo que foi colocado anteriormente.
03:35
And then it gives you an output in 3D space.
86
200000
3000
E então ele nos dá uma saída em espaço 3D.
03:38
So what this means
87
203000
2000
Isto significa que
03:40
is that the user can start plugging in what they want the bricks to do.
88
205000
3000
o usuário pode começar a ligar o que ele quer que os tijolos façam.
03:43
It computes on what it was doing before
89
208000
2000
Ele calcula o que ele estava fazendo antes
03:45
and what you said you wanted it to do.
90
210000
2000
e o que vocês disseram que queriam fazer.
03:47
And now it starts moving in three-dimensional space --
91
212000
2000
E agora começa a mover-se em espaço tridimensional –
03:49
so up or down.
92
214000
2000
para cima ou para baixo.
03:51
So on the left-hand side, [1,1] input equals 0 output, which goes down.
93
216000
3000
Então no lado esquerdo, [1,1], entrada = 0 saída, que desce.
03:54
On the right-hand side,
94
219000
2000
No lado direito,
03:56
[0,0] input is a 1 output, which goes up.
95
221000
3000
[0,0] entrada é 1 saída, que sobe.
03:59
And so what that really means
96
224000
2000
O que isso realmente significa
04:01
is that our structures now contain the blueprints
97
226000
2000
é que nossas estruturas agora contêm os planos de projeto
04:03
of what we want to build.
98
228000
2000
do que queremos construir.
04:05
So they have all of the information embedded in them of what was constructed.
99
230000
3000
Então eles têm, incorporadas neles, todas as informações do que foi construído.
04:08
So that means that we can have some form of self-replication.
100
233000
3000
Isto quer dizer que podemos ter alguma forma de auto-replicação.
04:11
In this case I call it self-guided replication,
101
236000
3000
Nesse caso chamo isto de replicação auto-guiada,
04:14
because your structure contains the exact blueprints.
102
239000
2000
porque sua estrutura contém os planos de projeto exatos.
04:16
If you have errors, you can replace a part.
103
241000
2000
Se temos erros, podemos substituir uma parte.
04:18
All the local information is embedded to tell you how to fix it.
104
243000
3000
Toda a informação local é incorporada para instruir como consertar.
04:21
So you could have something that climbs along and reads it
105
246000
2000
Então poderíamos ter algo que cresce em ascensão, compreende isto
04:23
and can output at one to one.
106
248000
2000
e pode produzir de um para um.
04:25
It's directly embedded; there's no external instructions.
107
250000
2000
[A informação] é diretamente incorporada; sem instruções externas.
04:27
So the last project I'll show is called Biased Chains,
108
252000
3000
O último projeto que mostrarei é o Biased Chains,
04:30
and it's probably the most exciting example that we have right now
109
255000
3000
e é provavelmente o exemplo mais empolgante que temos atualmente
04:33
of passive self-assembly systems.
110
258000
2000
de sistemas passivos de auto-montagem.
04:35
So it takes the reconfigurability
111
260000
2000
Ele pega a reconfiguração
04:37
and programmability
112
262000
2000
e a programabilidade
04:39
and makes it a completely passive system.
113
264000
3000
e faz dele um sistema completamente passivo.
04:43
So basically you have a chain of elements.
114
268000
2000
Então fundamentalmente temos uma cadeia de elementos.
04:45
Each element is completely identical,
115
270000
2000
Cada elemento é totalmente idêntico,
04:47
and they're biased.
116
272000
2000
e eles são discriminantes.
04:49
So each chain, or each element, wants to turn right or left.
117
274000
3000
Assim cada cadeia ou cada elemento quer virar à direita ou à esquerda.
04:52
So as you assemble the chain, you're basically programming it.
118
277000
3000
Ao montarmos a cadeia, fundamentalmente estamos programando-a.
04:55
You're telling each unit if it should turn right or left.
119
280000
3000
Dizemos a cada unidade se deve virar à direita ou à esquerda.
04:58
So when you shake the chain,
120
283000
3000
Assim, quando sacudimos a cadeia,
05:01
it then folds up
121
286000
2000
ela então se dobra
05:03
into any configuration that you've programmed in --
122
288000
3000
em qualquer configuração que tenhamos programado –
05:06
so in this case, a spiral,
123
291000
2000
neste caso, uma espiral,
05:08
or in this case,
124
293000
3000
ou neste caso,
05:11
two cubes next to each other.
125
296000
3000
dois cubos lado a lado.
05:14
So you can basically program
126
299000
2000
Então basicamente podemos programar
05:16
any three-dimensional shape --
127
301000
2000
qualquer forma tridimensional –
05:18
or one-dimensional, two-dimensional -- up into this chain completely passively.
128
303000
3000
ou unidimensional, bidimensional – nesta cadeia completamente passiva.
05:21
So what does this tell us about the future?
129
306000
2000
Então, o que isto nos diz sobre o futuro?
05:23
I think that it's telling us
130
308000
2000
Acho que está nos dizendo
05:25
that there's new possibilities for self-assembly, replication, repair
131
310000
3000
que há novas possibilidades de auto-montagem, replicação, reparação
05:28
in our physical structures, our buildings, machines.
132
313000
3000
em nossas estruturas físicas, nossos prédios, máquinas.
05:31
There's new programmability in these parts.
133
316000
2000
Há novas programabilidades nessas peças.
05:33
And from that you have new possibilities for computing.
134
318000
2000
E dali temos novas possibilidades para computação.
05:35
We'll have spatial computing.
135
320000
2000
Teremos computação espacial.
05:37
Imagine if our buildings, our bridges, machines,
136
322000
2000
Imaginem se nossos prédios, nossas pontes, máquinas,
05:39
all of our bricks could actually compute.
137
324000
2000
todos os nossos tijolos pudessem realmente computar.
05:41
That's amazing parallel and distributed computing power,
138
326000
2000
Isto é o surpreendente poder paralelo e distribuído da computação
05:43
new design possibilities.
139
328000
2000
novas possibilidades para designs.
05:45
So it's exciting potential for this.
140
330000
2000
É um potencial empolgante para isto.
05:47
So I think these projects I've showed here
141
332000
2000
Então penso que estes projetos que acabei de mostrar a vocês
05:49
are just a tiny step towards this future,
142
334000
2000
são simplesmente um pequenino passo em direção a este futuro,
05:51
if we implement these new technologies
143
336000
2000
se implementarmos estas novas tecnologias.
05:53
for a new self-assembling world.
144
338000
2000
para um mundo novo de auto-montagem.
05:55
Thank you.
145
340000
2000
Obrigado.
05:57
(Applause)
146
342000
2000
(Aplausos)
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