TED2005
Janine Benyus: Biomimicry's surprising lessons from nature's engineers
Janine Benyus mostra os designs da natureza
Filmed:
Readability: 4.1
2,405,060 views
Nesta apresentação inspiradora sobre recentes avanços em biomimética, Janine Benyus mostra exemplos empolgantes de como a natureza já está influenciando os produtos e sistemas que construimos.
Janine Benyus - Science writer, innovation consultant, conservationist
A self-proclaimed nature nerd, Janine Benyus' concept of biomimicry has galvanized scientists, architects, designers and engineers into exploring new ways in which nature's successes can inspire humanity. Full bio
A self-proclaimed nature nerd, Janine Benyus' concept of biomimicry has galvanized scientists, architects, designers and engineers into exploring new ways in which nature's successes can inspire humanity. Full bio
Double-click the English transcript below to play the video.
00:24
It is a thrill to be here at a conference
0
0
4000
É emocionante estar aqui numa conferência
00:28
that's devoted to "Inspired by Nature" -- you can imagine.
1
4000
5000
que é dedicada a "Inspirados pela Natureza" -- vocês podem imaginar.
00:33
And I'm also thrilled to be in the foreplay section.
2
9000
4000
E eu também estou emocionada em estar na seção de preliminares.
00:37
Did you notice this section is foreplay?
3
13000
2000
Vocês notaram que esta seção é de preliminares?
00:39
Because I get to talk about one of my favorite critters,
4
15000
3000
Porque eu posso falar sobre uma de minhas criaturas favoritas,
00:42
which is the Western Grebe. You haven't lived
5
18000
3000
que é o mergulhão do oeste [Western Grebe]. Você não pode considerar que viveu
00:45
until you've seen these guys do their courtship dance.
6
21000
4000
até que os tenha visto fazer sua dança de acasalamento.
00:49
I was on Bowman Lake in Glacier National Park,
7
25000
3000
Eu estava no Lago Bowman no Parque Nacional Glacier
00:52
which is a long, skinny lake with sort of mountains upside down in it,
8
28000
4000
que é um lago longo e fino, com umas espécies de montanhas de ponta cabeça,
00:56
and my partner and I have a rowing shell.
9
32000
2000
e meu companheiro e eu temos um barco a remo.
00:58
And so we were rowing, and one of these Western Grebes came along.
10
34000
6000
E então nós estávamos remando, e um destes mergulhões se aproximou.
01:04
And what they do for their courtship dance is, they go together,
11
40000
5000
E o que eles fazem na sua dança do acasalamento é, eles vão juntos,
01:09
the two of them, the two mates, and they begin to run underwater.
12
45000
5000
os dois, o casal, e eles começam a correr embaixo d'água.
01:14
They paddle faster, and faster, and faster, until they're going so fast
13
50000
4000
Eles pedalam mais rápido, e mais rápido, até que estejam indo tão rápido
01:18
that they literally lift up out of the water,
14
54000
3000
que eles literalmente se erguem para fora da água,
01:21
and they're standing upright, sort of paddling the top of the water.
15
57000
4000
e eles ficam em pé, como que pedalando a superfície da água.
01:25
And one of these Grebes came along while we were rowing.
16
61000
5000
E um dos mergulhões se aproximou enquanto estávamos remando.
01:30
And so we're in a skull, and we're moving really, really quickly.
17
66000
4000
Como nós estavamos em uma escuna, e nos movíamos muito, muito rápido.
01:34
And this Grebe, I think, sort of, mistaked us for a prospect,
18
70000
7000
E este mergulhão, penso, nos confundiu com um possível parceiro,
01:41
and started to run along the water next to us,
19
77000
4000
e começou a correr pela água próximo a nós,
01:45
in a courtship dance -- for miles.
20
81000
5000
numa dança de acasalamento -- por milhas.
01:50
It would stop, and then start, and then stop, and then start.
21
86000
4000
Ele parava, e então começava, e então parava, e então recomeçava.
01:54
Now that is foreplay.
22
90000
2000
Isso sim é que são preliminares.
01:56
(Laughter)
23
92000
3000
(Risos)
01:59
I came this close to changing species at that moment.
24
95000
9000
Ok. Eu quase -- Eu estive bem perto de mudar de espécie naquele momento.
02:08
Obviously, life can teach us something
25
104000
4000
Obviamente, a vida pode nos ensinar alguma coisa
02:12
in the entertainment section. Life has a lot to teach us.
26
108000
4000
no campo do entretenimento. A vida tem muito a nos ensinar.
02:16
But what I'd like to talk about today
27
112000
3000
Mas o assunto sobre o qual eu gostaria de falar hoje
02:19
is what life might teach us in technology and in design.
28
115000
4000
é o que a vida pode nos ensinar sobre tecnologia e sobre design.
02:23
What's happened since the book came out --
29
119000
2000
O que aconteceu desde que o livro foi lançado --
02:25
the book was mainly about research in biomimicry --
30
121000
3000
o livro era principalmente sobre pesquisa em biomimética.
02:28
and what's happened since then is architects, designers, engineers --
31
124000
4000
E o que aconteceu desde então é que arquitetos, projetistas, engenheiros --
02:32
people who make our world -- have started to call and say,
32
128000
3000
pessoas que fazem nosso mundo -- começaram a ligar e dizer,
02:35
we want a biologist to sit at the design table
33
131000
4000
nós queremos um biólogo para participar das discussões sobre design
02:39
to help us, in real time, become inspired.
34
135000
3000
para nos ajudar, em tempo real, a nos inspirar.
02:42
Or -- and this is the fun part for me -- we want you to take us out
35
138000
4000
Ou -- e esta é a parte divertida para mim -- nós queremos que você nos leve
02:46
into the natural world. We'll come with a design challenge
36
142000
2000
para o mundo natural. Nós iremos propor um campeonato de design
02:48
and we find the champion adapters in the natural world, who might inspire us.
37
144000
5000
para encontrarmos os campeões da adaptação no mundo natural, que podem nos inspirar.
02:53
So this is a picture from a Galapagos trip that we took
38
149000
4000
Então esta é uma foto de uma viagem que fizemos a Galápagos
02:57
with some wastewater treatment engineers; they purify wastewater.
39
153000
4000
com alguns engenheiros de tratamento de águas; eles purificam água residual.
03:01
And some of them were very resistant, actually, to being there.
40
157000
3000
E alguns deles estavam lá a contragosto.
03:04
What they said to us at first was, you know, we already do biomimicry.
41
160000
5000
O que eles nos disseram no início foi, vocês sabem, nós já fazemos biomimética.
03:09
We use bacteria to clean our water. And we said,
42
165000
5000
Nós usamos bacteria para limpar nossa água. E nós dissemos,
03:14
well, that's not exactly being inspired by nature.
43
170000
4000
bem, isso não é exatamente -- isso não é exatamente se inspirar na natureza.
03:18
That's bioprocessing, you know; that's bio-assisted technology:
44
174000
4000
Isso é bio-processamento, isso é tecnologia bio-assistida:
03:22
using an organism to do your wastewater treatment
45
178000
5000
usar um organismo para fazer seu tratamento da água
03:27
is an old, old technology called "domestication."
46
183000
3000
é uma velha, velha tecnologia chamada "domesticação."
03:30
This is learning something, learning an idea, from an organism and then applying it.
47
186000
7000
Isto é aprender alguma coisa, pegar uma idéia, de um organismo e então aplicá-la.
03:37
And so they still weren't getting it.
48
193000
3000
E então eles ainda não estavam entendendo.
03:40
So we went for a walk on the beach and I said,
49
196000
2000
Então nós fomos caminhar pela praia e eu disse,
03:42
well, give me one of your big problems. Give me a design challenge,
50
198000
5000
bem, digam-me qual é um dos seus maiores problemas. Deem-me um desafio de design,
03:47
sustainability speed bump, that's keeping you from being sustainable.
51
203000
3000
um empecilho que esteja atrapalhando vocês a se tornarem sustentáveis.
03:50
And they said scaling, which is the build-up of minerals inside of pipes.
52
206000
6000
E eles responderam o acúmulo de cálcio, que é a acumulação de minerais dentro da tubulação.
03:56
And they said, you know what happens is, mineral --
53
212000
2000
E eles disseram, você sabe o que acontece é que, minerais --
03:58
just like at your house -- mineral builds up.
54
214000
2000
exatamente como na sua casa -- minerais se acumulam.
04:00
And then the aperture closes, and we have to flush the pipes with toxins,
55
216000
4000
E então a abertura se fecha, e nós temos que despejar toxinas nos tubos,
04:04
or we have to dig them up.
56
220000
2000
ou temos que desentupí-los.
04:06
So if we had some way to stop this scaling --
57
222000
3000
Se tivéssemos alguma maneira de impedir o acúmulo de cálcio --
04:09
and so I picked up some shells on the beach. And I asked them,
58
225000
5000
então eu peguei algumas conchas na praia. E perguntei a eles,
04:14
what is scaling? What's inside your pipes?
59
230000
2000
O que é esse acúmulo? O que está dentro dos tubos?
04:16
And they said, calcium carbonate.
60
232000
3000
E eles responderam, carbonato de cálcio.
04:19
And I said, that's what this is; this is calcium carbonate.
61
235000
3000
E eu disse, isto também é; isto é carbonato de cálcio.
04:22
And they didn't know that.
62
238000
3000
E eles não sabiam disso.
04:25
They didn't know that what a seashell is,
63
241000
2000
Eles não sabiam o que é uma concha,
04:27
it's templated by proteins, and then ions from the seawater
64
243000
4000
seu formato é definido por proteínas, e então íons da água do mar
04:31
crystallize in place to create a shell.
65
247000
3000
se cristalizam para criar uma concha.
04:34
So the same sort of a process, without the proteins,
66
250000
4000
Então o mesmo tipo de processo, sem as proteínas,
04:38
is happening on the inside of their pipes. They didn't know.
67
254000
3000
está acontecendo dentro dos tubos deles. Eles não sabiam.
04:41
This is not for lack of information; it's a lack of integration.
68
257000
6000
Isso não é por falta de informação; é por falta de integração.
04:47
You know, it's a silo, people in silos. They didn't know
69
263000
3000
Vocês sabem, silos, pessoas em silos. Eles não sabiam
04:50
that the same thing was happening. So one of them thought about it
70
266000
3000
que a mesma coisa estava acontecendo. Então um deles pensou
04:53
and said, OK, well, if this is just crystallization
71
269000
4000
e disse, ok, se isso é simplesmente cristalização,
04:57
that happens automatically out of seawater -- self-assembly --
72
273000
5000
que acontece automaticamente com a água do mar -- auto-montagem --
05:02
then why aren't shells infinite in size? What stops the scaling?
73
278000
5000
então porque as conchas não crescem infinitamente? O que limita o acúmulo?
05:07
Why don't they just keep on going?
74
283000
2000
Por que elas não continuam acumulando?
05:09
And I said, well, in the same way
75
285000
4000
E eu disse, bem, da mesma maneira que elas liberam uma proteína --
05:13
that they exude a protein and it starts the crystallization --
76
289000
4000
que elas secretam uma proteína que inicia a cristalização --
05:17
and then they all sort of leaned in --
77
293000
4000
e então todos eles se inclinaram pra frente --
05:21
they let go of a protein that stops the crystallization.
78
297000
3000
elas liberam um proteína que interrompe a cristalização.
05:24
It literally adheres to the growing face of the crystal.
79
300000
2000
Ela literalmente se cola à face do cristal que está crescendo.
05:26
And, in fact, there is a product called TPA
80
302000
4000
E, de fato, há um produto chamado TPA
05:30
that's mimicked that protein -- that stop-protein --
81
306000
5000
que mimetizou aquela proteína -- a proteína de interrupção --
05:35
and it's an environmentally friendly way to stop scaling in pipes.
82
311000
4000
e é uma maneira ecológica de interromper acúmulo de cálcio na tubulação.
05:39
That changed everything. From then on,
83
315000
4000
Isso mudou tudo. A partir de então,
05:43
you could not get these engineers back in the boat.
84
319000
4000
ficou impossível colocar aqueles engenheiros de volta no barco.
05:47
The first day they would take a hike,
85
323000
3000
No primeiro dia eles fizeram uma caminhada,
05:50
and it was, click, click, click, click. Five minutes later they were back in the boat.
86
326000
3000
e foi, click, click, click. Cinco minutos depois, eles estavam de volta no barco.
05:53
We're done. You know, I've seen that island.
87
329000
4000
Terminamos. Você sabe, já vimos essa ilha.
05:57
After this,
88
333000
2000
Depois disto,
05:59
they were crawling all over. They would snorkel
89
335000
3000
eles se espalharam por todos os lados. Eles não voltavam --
06:02
for as long as we would let them snorkel.
90
338000
5000
eles ficavam fazendo snorkel por tanto tempo quanto os deixávamos.
06:07
What had happened was that they realized that there were organisms
91
343000
4000
O que aconteceu é que eles perceberam que existem organismos
06:11
out there that had already solved the problems
92
347000
4000
por aí que já haviam resolvido os problemas
06:15
that they had spent their careers trying to solve.
93
351000
3000
que eles tentaram resolver por todas suas carreiras.
06:18
Learning about the natural world is one thing;
94
354000
5000
Aprender sobre o mundo da natureza é uma coisa,
06:23
learning from the natural world -- that's the switch.
95
359000
2000
aprender a partir do mundo da natureza -- essa é a diferença.
06:25
That's the profound switch.
96
361000
3000
Essa é uma diferença profunda.
06:28
What they realized was that the answers to their questions are everywhere;
97
364000
4000
O que eles perceberam é que as respostas para suas perguntas estão em toda parte;
06:32
they just needed to change the lenses with which they saw the world.
98
368000
4000
eles só precisavam mudar a lente com a qual eles viam o mundo.
06:36
3.8 billion years of field-testing.
99
372000
4000
3,8 bilhões de anos de teste de campo.
06:40
10 to 30 -- Craig Venter will probably tell you;
100
376000
3000
10 a 30 -- Craig Venter provavelmente irá lhe dizer;
06:43
I think there's a lot more than 30 million -- well-adapted solutions.
101
379000
4000
Eu acredito que existam mais que 30 milhões -- soluções bem adaptadas.
06:47
The important thing for me is that these are solutions solved in context.
102
383000
8000
O importante para mim é que estas são soluções criadas dentro de um contexto.
06:55
And the context is the Earth --
103
391000
2000
E o contexto é o planeta Terra --
06:57
the same context that we're trying to solve our problems in.
104
393000
5000
o mesmo contexto em que estamos tentando solucionar os nossos problemas.
07:02
So it's the conscious emulation of life's genius.
105
398000
4000
Portanto é a imitação consciente da genialidade da vida.
07:06
It's not slavishly mimicking --
106
402000
2000
Não é um mimetismo cego --
07:08
although Al is trying to get the hairdo going --
107
404000
3000
apesar de que o "Al" está tentando aqui com o seu penteado --
07:11
it's not a slavish mimicry; it's taking the design principles,
108
407000
4000
não é um mimetismo cego. É pegar os fundamentos do design,
07:15
the genius of the natural world, and learning something from it.
109
411000
5000
a genialidade do mundo natural, e aprender alguma coisa com isso.
07:20
Now, in a group with so many IT people, I do have to mention what
110
416000
4000
Agora, num grupo com tantas pessoas de TI, eu tenho que mencionar que --
07:24
I'm not going to talk about, and that is that your field
111
420000
3000
sobre o qual eu não vou falar, é que o seu campo
07:27
is one that has learned an enormous amount from living things,
112
423000
4000
é um que tem aprendido uma quantidade enorme a partir das coisas vivas,
07:31
on the software side. So there's computers that protect themselves,
113
427000
4000
na área de software. Portanto há computadores que se auto-protegem,
07:35
like an immune system, and we're learning from gene regulation
114
431000
3000
como um sistema imunológico, e estamos apredendo a partir da regulação dos genes
07:38
and biological development. And we're learning from neural nets,
115
434000
5000
e do desenvolvimento biológico. E estamos aprendendo de redes neurais,
07:43
genetic algorithms, evolutionary computing.
116
439000
3000
algoritmos genéticos, computação evolucionária.
07:46
That's on the software side. But what's interesting to me
117
442000
5000
Tudo isso no lado do software. Mas o que é interessante para mim
07:51
is that we haven't looked at this, as much. I mean, these machines
118
447000
5000
é que não olhamos tanto para isto. Quero dizer, estas máquinas
07:56
are really not very high tech in my estimation
119
452000
3000
não são tecnologia avançada, de verdade, com base nas minhas estimativas,
07:59
in the sense that there's dozens and dozens of carcinogens
120
455000
5000
pois há dezenas e dezenas de carcinogênios
08:04
in the water in Silicon Valley.
121
460000
3000
na água do Vale do Silício.
08:07
So the hardware
122
463000
3000
Então o hardware
08:10
is not at all up to snuff in terms of what life would call a success.
123
466000
5000
não está no nível do que a vida chamaria de sucesso.
08:15
So what can we learn about making -- not just computers, but everything?
124
471000
5000
Então o que podemos aprender sobre criar -- não somente computadores, mas tudo?
08:20
The plane you came in, cars, the seats that you're sitting on.
125
476000
4000
Os aviões em que vocês vieram, carros, as poltronas onde vocês estão sentados.
08:24
How do we redesign the world that we make, the human-made world?
126
480000
7000
Como podemos redesenhar o mundo que criamos, o mundo feito pelos humanos?
08:31
More importantly, what should we ask in the next 10 years?
127
487000
4000
Mais importante, o que deveríamos perguntar nos próximos 10 anos?
08:35
And there's a lot of cool technologies out there that life has.
128
491000
3000
E há muitas tecnologias bacanas por aí afora que a vida possui.
08:38
What's the syllabus?
129
494000
2000
E qual é o programa?
08:40
Three questions, for me, are key.
130
496000
4000
Três perguntas são chave para mim.
08:44
How does life make things?
131
500000
2000
Como a vida cria as coisas?
08:46
This is the opposite; this is how we make things.
132
502000
3000
Isso é o oposto; isso é como nós fazemos as coisas.
08:49
It's called heat, beat and treat --
133
505000
2000
É chamado aquecer, golpear e manipular --
08:51
that's what material scientists call it.
134
507000
2000
é assim que os cientistas de materias o chamam.
08:53
And it's carving things down from the top, with 96 percent waste left over
135
509000
5000
E consiste de esculpir as coisas de cima pra baixo, com 96% de desperdício
08:58
and only 4 percent product. You heat it up; you beat it with high pressures;
136
514000
5000
e somente 4% de produto final. Você esquenta, golpeia com altas pressões,
09:03
you use chemicals. OK. Heat, beat and treat.
137
519000
3000
e usa produtos químicos. Ok. Aquecer, golpear, e manipular.
09:06
Life can't afford to do that. How does life make things?
138
522000
4000
A vida não se pode dar ao luxo de fazer isso. Como a vida cria coisas?
09:10
How does life make the most of things?
139
526000
3000
Como a vida faz a maioria das coisas?
09:13
That's a geranium pollen.
140
529000
3000
Isso é um pólen de gerânio.
09:16
And its shape is what gives it the function of being able
141
532000
5000
E o seu formato é o que lhe dá a funcionalidade de ser capaz
09:21
to tumble through air so easily. Look at that shape.
142
537000
4000
de flutuar pelo ar tão facilmente. Veja esse formato.
09:25
Life adds information to matter.
143
541000
5000
A vida acrescenta informação à matéria.
09:30
In other words: structure.
144
546000
2000
Em outras palavras: estrutura.
09:32
It gives it information. By adding information to matter,
145
548000
5000
Ela fornece informação. Ao acrescentar informação à matéria,
09:37
it gives it a function that's different than without that structure.
146
553000
6000
ela dá uma função que é diferente que sem essa estrutura.
09:43
And thirdly, how does life make things disappear into systems?
147
559000
5000
E, em terceiro lugar, como a vida faz as coisas desaparecerem nos sistemas?
09:48
Because life doesn't really deal in things;
148
564000
5000
Porque a vida não divide realmente as coisas;
09:53
there are no things in the natural world divorced
149
569000
4000
Não há nada no mundo natural separado
09:57
from their systems.
150
573000
3000
de seus sistemas.
10:00
Really quick syllabus.
151
576000
2000
Um resumo bem rápido.
10:02
As I'm reading more and more now, and following the story,
152
578000
6000
Conforme mais eu tenho lido, e seguido a estória,
10:08
there are some amazing things coming up in the biological sciences.
153
584000
4000
mais eu vejo coisas fantásticas aparecendo nas ciências biológicas.
10:12
And at the same time, I'm listening to a lot of businesses
154
588000
3000
E ao mesmo tempo, eu tenho ouvido a vários tipos de negócios
10:15
and finding what their sort of grand challenges are.
155
591000
4000
e procurado entender quais são os seus grandes desafios.
10:19
The two groups are not talking to each other.
156
595000
2000
Os dois grupos não se falam.
10:21
At all.
157
597000
3000
Não mesmo.
10:24
What in the world of biology might be helpful at this juncture,
158
600000
4000
O que do mundo da biologia pode nos ser útil neste momento,
10:28
to get us through this sort of evolutionary knothole that we're in?
159
604000
5000
que nos atravessar esse nó evolucionário em que estamos?
10:33
I'm going to try to go through 12, really quickly.
160
609000
3000
Eu vou tentar passar por 12 idéias, bem rapidamente.
10:36
One that's exciting to me is self-assembly.
161
612000
3000
Ok, uma que é excitante para mim é auto-montagem.
10:39
Now, you've heard about this in terms of nanotechnology.
162
615000
4000
Agora, vocês já ouviram sobre isso em termos de nanotecnologia.
10:43
Back to that shell: the shell is a self-assembling material.
163
619000
4000
De volta àquela concha: a concha é um material auto-montante.
10:47
On the lower left there is a picture of mother of pearl
164
623000
4000
No canto inferior esquerdo há uma imagem de madre-pérola
10:51
forming out of seawater. It's a layered structure that's mineral
165
627000
4000
sendo formada a partir de água do mar. É uma estrutura de camadas de minerais
10:55
and then polymer, and it makes it very, very tough.
166
631000
3000
e depois polímeros, e isso a faz muito, muito resistente.
10:58
It's twice as tough as our high-tech ceramics.
167
634000
3000
É duas vezes mais resistente que nossas cerâmicas de tecnologia avançada.
11:01
But what's really interesting: unlike our ceramics that are in kilns,
168
637000
4000
Mas o que é realmente interessante: diferente das nossas cerâmicas que estão em fornalhas,
11:05
it happens in seawater. It happens near, in and near, the organism's body.
169
641000
5000
isso acontece na água do mar. Acontece próximo, dentro e próximo, dos corpos dos organismos.
11:10
This is Sandia National Labs.
170
646000
2000
Ok, pessoas estão começando a --
11:12
A guy named Jeff Brinker
171
648000
5000
esse é o Laboratório Nacional da Sandia; um cara chamado Jeff Brinker
11:17
has found a way to have a self-assembling coding process.
172
653000
4000
encontrou uma maneira de obter um processo de codificação auto-montante.
11:21
Imagine being able to make ceramics at room temperature
173
657000
4000
Imagine ser capaz de criar cerâmicas à temperatura ambiente
11:25
by simply dipping something into a liquid,
174
661000
4000
através da simples adição de algo dentro de um líquido,
11:29
lifting it out of the liquid, and having evaporation
175
665000
3000
tirando tal coisa do líquido, e então deixando que a evaporação
11:32
force the molecules in the liquid together,
176
668000
4000
force as moléculas no líquido a se juntarem,
11:36
so that they jigsaw together
177
672000
2000
para que elas se encaixem
11:38
in the same way as this crystallization works.
178
674000
4000
da mesma maneira que essa cristalização funciona.
11:42
Imagine making all of our hard materials that way.
179
678000
3000
Imagine criar todos os nossos materiais duros desta maneira.
11:45
Imagine spraying the precursors to a PV cell, to a solar cell,
180
681000
7000
Imagine pulverizar os precursores em uma célula fotovoltaica, em uma célula solar,
11:52
onto a roof, and having it self-assemble into a layered structure that harvests light.
181
688000
4000
em um telhado, e deixar qe ela se auto-monte em uma estrutura de camadas que colhem luz.
11:56
Here's an interesting one for the IT world:
182
692000
4000
Aqui está uma interessante para o mundo de TI:
12:00
bio-silicon. This is a diatom, which is made of silicates.
183
696000
5000
bio-silício. Essa é uma diatomácea, que é feita de silicatos.
12:05
And so silicon, which we make right now --
184
701000
2000
E então silício, que nós fabricamos hoje em dia --
12:07
it's part of our carcinogenic problem in the manufacture of our chips --
185
703000
6000
é parte do nosso problema carcinogênico na fabricação de nossos chips --
12:13
this is a bio-mineralization process that's now being mimicked.
186
709000
4000
esse é um processo de bio-mineralização que agora está sendo mimetizado.
12:17
This is at UC Santa Barbara. Look at these diatoms.
187
713000
4000
Isso é na Universidade da California - Santa Bárbara. Olhe essas diatomáceas;
12:21
This is from Ernst Haeckel's work.
188
717000
3000
isso é do trabalho de Ernst Haeckel.
12:24
Imagine being able to -- and, again, it's a templated process,
189
720000
5000
Imagine ser capaz de -- e, novamente, isso é um processo padronizado,
12:29
and it solidifies out of a liquid process -- imagine being able to have that
190
725000
4000
que se solidifica a partir de um processo líquido -- imagine ser capaz de
12:33
sort of structure coming out at room temperature.
191
729000
4000
obter este tipo de estrutura à temperatura ambiente.
12:37
Imagine being able to make perfect lenses.
192
733000
3000
Imagine ser capaz de criar lentes perfeitas.
12:40
On the left, this is a brittle star; it's covered with lenses
193
736000
5000
Na esquerda temos um ofiuro; ele é coberto por lentes
12:45
that the people at Lucent Technologies have found
194
741000
3000
que o pessoal da Lucent Technologies descobriram
12:48
have no distortion whatsoever.
195
744000
2000
que não têm distorção alguma.
12:50
It's one of the most distortion-free lenses we know of.
196
746000
3000
É uma das lentes mais livres de distorção de que temos conhecimento.
12:53
And there's many of them, all over its entire body.
197
749000
3000
E há muitas delas, por todo o seu corpo.
12:56
What's interesting, again, is that it self-assembles.
198
752000
3000
O que é interessante, novamente, é que ele se auto-monta.
12:59
A woman named Joanna Aizenberg, at Lucent,
199
755000
4000
Uma mulher chamada Joanna Aizenberg, na Lucent,
13:03
is now learning to do this in a low-temperature process to create
200
759000
4000
está aprendendo a fazer isso através de um processo de baixa temperatura para criar
13:07
these sort of lenses. She's also looking at fiber optics.
201
763000
4000
estes tipos de lentes. Ela também está olhando para fibras óticas.
13:11
That's a sea sponge that has a fiber optic.
202
767000
3000
Essa é uma esponja do mar que possui fibras óticas.
13:14
Down at the very base of it, there's fiber optics
203
770000
3000
Bem na base dela, há fibras óticas
13:17
that work better than ours, actually, to move light,
204
773000
3000
que funcionam melhor que as nossas, na verdade, para transportar luz.
13:20
but you can tie them in a knot; they're incredibly flexible.
205
776000
6000
Mas você pode dar um nó nelas; elas são incrivelmente flexíveis.
13:26
Here's another big idea: CO2 as a feedstock.
206
782000
4000
Aqui está uma outra grande idéia: CO2 como matéria prima.
13:30
A guy named Geoff Coates, at Cornell, said to himself,
207
786000
3000
Um cara chamado Geoff Coates, em Cornell, disse para si mesmo,
13:33
you know, plants do not see CO2 as the biggest poison of our time.
208
789000
4000
as plantas não enxergam o CO2 como o maior veneno da nossa época.
13:37
We see it that way. Plants are busy making long chains
209
793000
3000
Nós o vemos assim. As plantas estão ocupadas criando longas cadeias
13:40
of starches and glucose, right, out of CO2. He's found a way --
210
796000
6000
de amido e glicose a partir do CO2. Ele encontrou uma maneira --
13:46
he's found a catalyst -- and he's found a way to take CO2
211
802000
3000
ele encontrou um catalizador, e encontrou uma maneira de pegar CO2
13:49
and make it into polycarbonates. Biodegradable plastics
212
805000
4000
e transformá-lo em policarbonatos. Plástico biodegradável
13:53
out of CO2 -- how plant-like.
213
809000
2000
a partir de CO2 -- parecido com a planta.
13:55
Solar transformations: the most exciting one.
214
811000
3000
Transformações solares: a mais excitante.
13:58
There are people who are mimicking the energy-harvesting device
215
814000
4000
Há pessoas que estão mimetizando os dispositivos de colheita de energia
14:02
inside of purple bacterium, the people at ASU. Even more interesting,
216
818000
4000
de dentro da bactéria roxa, as pessoas em ASU. Ainda mais interessante,
14:06
lately, in the last couple of weeks, people have seen
217
822000
3000
recentemente, nas últimas semanas, as pessoas descobriram que
14:09
that there's an enzyme called hydrogenase that's able to evolve
218
825000
5000
há uma enzima chamada hidrogenase que é capaz de formar
14:14
hydrogen from proton and electrons, and is able to take hydrogen up --
219
830000
4000
hidrogênio a partir de prótons e eléctrons. E é capaz de levantar o hidrogênio --
14:18
basically what's happening in a fuel cell, in the anode of a fuel cell
220
834000
5000
basicamente é isso que acontece numa célula combustível, no ânodo de uma célula combustível
14:23
and in a reversible fuel cell.
221
839000
2000
e em uma célula combustível reversível.
14:25
In our fuel cells, we do it with platinum;
222
841000
3000
Nas nossas células combustível, nós o fazemos com platina.
14:28
life does it with a very, very common iron.
223
844000
4000
A vida o faz com um ferro bem comum.
14:32
And a team has now just been able to mimic
224
848000
4000
E uma equipe acabou de conseguir mimetizar
14:36
that hydrogen-juggling hydrogenase.
225
852000
5000
essa hidrogenase malabarista de hidrogênios.
14:41
That's very exciting for fuel cells --
226
857000
2000
Isso é bastante excitante para células combustível --
14:43
to be able to do that without platinum.
227
859000
3000
ser capaz de fazê-lo sem platina.
14:46
Power of shape: here's a whale. We've seen that the fins of this whale
228
862000
5000
O poder da forma: aqui está uma baleia. Nós sabemos que as nadadeiras desta baleia
14:51
have tubercles on them. And those little bumps
229
867000
3000
tem tubérculos em si. E estas pequenas protuberâncias
14:54
actually increase efficiency in, for instance,
230
870000
5000
na verdade aumentam a eficiência, por exemplo,
14:59
the edge of an airplane -- increase efficiency by about 32 percent.
231
875000
5000
nas bordas de um avião -- aumenta a eficiência em 32% aproximadamente.
15:04
Which is an amazing fossil fuel savings,
232
880000
2000
O que é uma economia fantástica de combustíveis fósseis,
15:06
if we were to just put that on the edge of a wing.
233
882000
5000
se colocarmos isso nas bordas da asa.
15:11
Color without pigments: this peacock is creating color with shape.
234
887000
4000
Coloração sem pigmentos: este pavão está criando cor através da forma.
15:15
Light comes through, it bounces back off the layers;
235
891000
3000
A luz entra, rebate nas camadas;
15:18
it's called thin-film interference. Imagine being able
236
894000
3000
é chamado interferência da película. Imagine ser capaz
15:21
to self-assemble products with the last few layers
237
897000
3000
de auto-montar produtos cujas últimas camadas
15:24
playing with light to create color.
238
900000
4000
brincam com a luz para criar o efeito de cor.
15:28
Imagine being able to create a shape on the outside of a surface,
239
904000
5000
Imagine ser capaz de criar uma forma no exterior de uma superfície,
15:33
so that it's self-cleaning with just water. That's what a leaf does.
240
909000
5000
tal que seja auto-limpante somente com água. Isso é o que uma folha faz.
15:38
See that up-close picture?
241
914000
2000
Está vendo essa foto ampliada?
15:40
That's a ball of water, and those are dirt particles.
242
916000
3000
É uma esfera de água, e estas são partículas de sujeira.
15:43
And that's an up-close picture of a lotus leaf.
243
919000
3000
E essa é uma foto ampliada de uma folha de lótus.
15:46
There's a company making a product called Lotusan, which mimics --
244
922000
5000
Há uma empresa fabricando um produto chamado Lotusan, que mimetiza --
15:51
when the building facade paint dries, it mimics the bumps
245
927000
4000
quando a tinta da fachada de um prédio seca, ela mimetiza as protuberâncias
15:55
in a self-cleaning leaf, and rainwater cleans the building.
246
931000
5000
de uma folha auto-limpante, e a água da chuva limpa o prédio.
16:00
Water is going to be our big, grand challenge:
247
936000
6000
Água será nosso maior desafio:
16:06
quenching thirst.
248
942000
2000
saciar a sede.
16:08
Here are two organisms that pull water.
249
944000
3000
Aqui estão dois organismos que absorvem água.
16:11
The one on the left is the Namibian beetle pulling water out of fog.
250
947000
4000
O da esquerda é um besouro da Namíbia absorvendo água do nevoeiro.
16:15
The one on the right is a pill bug -- pulls water out of air,
251
951000
3000
O da direita é um tatu-bolinha -- que absorve água do ar.
16:18
does not drink fresh water.
252
954000
3000
Não toma água.
16:21
Pulling water out of Monterey fog and out of the sweaty air in Atlanta,
253
957000
7000
Absorver água a partir do nevoeiro de Monterey e a partir do ar úmido de Atlanta,
16:28
before it gets into a building, are key technologies.
254
964000
4000
antes que cheguem a um prédio, são tecnologias chave.
16:32
Separation technologies are going to be extremely important.
255
968000
4000
Tecnologias de separação serão extremamente importantes.
16:36
What if we were to say, no more hard rock mining?
256
972000
4000
E se diséssemos: sem mais mineração em rochas duras?
16:40
What if we were to separate out metals from waste streams,
257
976000
6000
E se tivéssemos que separar metais a partir de resíduos em correntes --
16:46
small amounts of metals in water? That's what microbes do;
258
982000
4000
pequenas quantidades de metais presentes na água? Isso é o que micróbios fazem,
16:50
they chelate metals out of water.
259
986000
2000
eles criam quelatos de metais a partir da água.
16:52
There's a company here in San Francisco called MR3
260
988000
3000
Há uma empresa aqui em São Francisco chamada MR3
16:55
that is embedding mimics of the microbes' molecules on filters
261
991000
6000
que está embutindo mimetismos das moléculas dos micróbios em filtros
17:01
to mine waste streams.
262
997000
3000
para garimpar correntes de resíduos.
17:04
Green chemistry is chemistry in water.
263
1000000
4000
Química verde é química na água.
17:08
We do chemistry in organic solvents.
264
1004000
2000
Nós fazemos química em solventes orgânicos.
17:10
This is a picture of the spinnerets coming out of a spider
265
1006000
4000
Essa é uma foto das glândulas fiandeiras de uma aranha, ok,
17:14
and the silk being formed from a spider. Isn't that beautiful?
266
1010000
3000
e a teia sendo criada por uma aranha. Não é lindo?
17:17
Green chemistry is replacing our industrial chemistry with nature's recipe book.
267
1013000
8000
A química verde está substituindo nossa química industrial pelo livro de receitas da natureza.
17:25
It's not easy, because life uses
268
1021000
5000
Não é fácil, porque a vida utiliza
17:30
only a subset of the elements in the periodic table.
269
1026000
4000
somente um sub-conjunto dos elementos da tabela periódica.
17:34
And we use all of them, even the toxic ones.
270
1030000
4000
E nós usamos todos eles, inclusive os tóxicos.
17:38
To figure out the elegant recipes that would take the small subset
271
1034000
5000
Desvendar as elegantes receitas que pegam um pequeno sub-conjunto
17:43
of the periodic table, and create miracle materials like that cell,
272
1039000
6000
da tabela periódica, e criam materiais milagrosos como esta célula,
17:49
is the task of green chemistry.
273
1045000
2000
é a tarefa da química verde.
17:51
Timed degradation: packaging that is good
274
1047000
4000
Decomposição pré-agendada: embalagens que só duram
17:55
until you don't want it to be good anymore, and dissolves on cue.
275
1051000
4000
até o momento em que você não quer que elas sirvam mais, e se dissolvam com a sua sugestão.
17:59
That's a mussel you can find in the waters out here,
276
1055000
3000
Esse é um mexilhão encontrado nas águas daqui.
18:02
and the threads holding it to a rock are timed; at exactly two years,
277
1058000
4000
E os fios que o fixam às rochas tem tempo marcado -- em exatamente dois anos,
18:06
they begin to dissolve.
278
1062000
2000
eles começam a se dissolver.
18:08
Healing: this is a good one.
279
1064000
3000
Recuperação: essa é uma boa.
18:11
That little guy over there is a tardigrade.
280
1067000
3000
Esse carinha aí é um tardígrado.
18:14
There is a problem with vaccines around the world
281
1070000
6000
Há um problema com vacinas ao redor do mundo:
18:20
not getting to patients. And the reason is
282
1076000
3000
não chegar até os pacientes. E o motivo é
18:23
that the refrigeration somehow gets broken;
283
1079000
4000
que a refrigeração, de alguma maneira, é interrompida;
18:27
what's called the "cold chain" gets broken.
284
1083000
2000
a chamada "cadeia fria" é quebrada.
18:29
A guy named Bruce Rosner looked at the tardigrade --
285
1085000
3000
Um cara chamado Bruce Rosner analisou os tardígrados --
18:32
which dries out completely, and yet stays alive for months
286
1088000
6000
que se desidratam totalmente, e ainda continuam vivos por meses
18:38
and months and months, and is able to regenerate itself.
287
1094000
3000
e meses e meses, e é capaz de se regenerar.
18:41
And he found a way to dry out vaccines --
288
1097000
3000
E ele encontrou uma maneira de desidratar vacinas completamente --
18:44
encase them in the same sort of sugar capsules
289
1100000
4000
envolvê-las em cápsula de açúcar do mesmo tipo
18:48
as the tardigrade has within its cells --
290
1104000
3000
que os tardígrados possuem em suas céluas --
18:51
meaning that vaccines no longer need to be refrigerated.
291
1107000
5000
que significa que vacinas não precisam mais ser refrigeradas.
18:56
They can be put in a glove compartment, OK.
292
1112000
4000
Elas podem ser colocadas no porta-luvas, ok.
19:00
Learning from organisms. This is a session about water --
293
1116000
5000
Aprender a partir de organismos. Essa é uma sessão sobre água --
19:05
learning about organisms that can do without water,
294
1121000
3000
aprender sobre organismos que se viram sem água,
19:08
in order to create a vaccine that lasts and lasts and lasts without refrigeration.
295
1124000
7000
para criar uma vacina que dura e dura e dura sem refrigeração.
19:15
I'm not going to get to 12.
296
1131000
3000
Não vou conseguir passar por todas 12.
19:18
But what I am going to do is tell you that the most important thing,
297
1134000
4000
Mas o que eu vou fazer é lhes contar que a coisa mais importante,
19:22
besides all of these adaptations, is the fact that these organisms
298
1138000
5000
além de todas essas adaptações, é o fato que estes organismos
19:27
have figured out a way to do the amazing things they do
299
1143000
5000
descrobriram uma maneira de fazer as coisas fantásticas que fazem
19:32
while taking care of the place
300
1148000
3000
ao mesmo tempo em que cuidam do lugar
19:35
that's going to take care of their offspring.
301
1151000
5000
que cuidará de seus descendentes.
19:40
When they're involved in foreplay,
302
1156000
3000
Quando eles estão envolvidos em preliminares,
19:43
they're thinking about something very, very important --
303
1159000
3000
eles estão pensando sobre alguma coisa muito, muito importante,
19:46
and that's having their genetic material
304
1162000
4000
é isso é fazer seu material genético
19:50
remain, 10,000 generations from now.
305
1166000
5000
perdurar, 10.000 gerações à partir de agora.
19:55
And that means finding a way to do what they do
306
1171000
2000
E isso significa encontrar uma maneira de fazer o que eles fazem
19:57
without destroying the place that'll take care of their offspring.
307
1173000
4000
sem destruir o lugar que cuidará de seus descendentes.
20:01
That's the biggest design challenge.
308
1177000
3000
Esse é o maior desafio do design.
20:04
Luckily, there are millions and millions of geniuses
309
1180000
6000
Felizmente, há milhões e milhões de gênios
20:10
willing to gift us with their best ideas.
310
1186000
3000
dispostos a nos presentear com suas melhores idéias.
20:13
Good luck having a conversation with them.
311
1189000
3000
Boa sorte ao estabelecer um diálogo com eles.
20:16
Thank you.
312
1192000
1000
Obrigado.
20:17
(Applause)
313
1193000
14000
(Aplausos)
20:31
Chris Anderson: Talk about foreplay, I -- we need to get to 12, but really quickly.
314
1207000
4000
Chris Anderson: Falando de preliminares, eu -- nós temos que terminar as 12, mas bem rapidinho.
20:35
Janine Benyus: Oh really?
315
1211000
1000
Janine Benyus: Sério?
20:36
CA: Yeah. Just like, you know, like the 10-second version
316
1212000
3000
CA: Sim. Você sabe, a versão resumida de 10 segundos
20:39
of 10, 11 and 12. Because we just -- your slides are so gorgeous,
317
1215000
3000
das idéias 10, 11, e 12. Porque nós -- seus slides são tão maravilhosos,
20:42
and the ideas are so big, I can't stand to let you go down
318
1218000
2000
e suas idéias tão grandiosas, que eu não posso permitir que você vá embora
20:44
without seeing 10, 11 and 12.
319
1220000
2000
sem ver as idéias 10, 11, e 12.
20:46
JB: OK, put this -- OK, I'll just hold this thing. OK, great.
320
1222000
4000
JB: Ok, colocar isso -- Ok, eu vou apenas segurar esse negócio. Ok, ótimo.
20:50
OK, so that's the healing one.
321
1226000
3000
Ok, então essa foi sobre cura.
20:53
Sensing and responding: feedback is a huge thing.
322
1229000
3000
Sentir e reagir: feedback é uma coisa muito importante.
20:56
This is a locust. There can be 80 million of them in a square kilometer,
323
1232000
4000
Este é um gafanhoto. É possível termos 80 milhões deles em um quilômetro quadrado,
21:00
and yet they don't collide with one another.
324
1236000
3000
e mesmo assim eles não se chocam uns nos outros.
21:03
And yet we have 3.6 million car collisions a year.
325
1239000
5000
E mesmo assim, nós temos 3.6 milhões de colisões de carros por ano.
21:08
(Laughter)
326
1244000
2000
(Risos)
21:10
Right. There's a person at Newcastle
327
1246000
4000
Isso. Tem uma pessoa em Newcastle
21:14
who has figured out that it's a very large neuron.
328
1250000
3000
que descobriu que isto se deve a um neurônio bem grande.
21:17
And she's actually figuring out how to make
329
1253000
3000
E ela está investigando como criar
21:20
a collision-avoidance circuitry
330
1256000
2000
um circuito que evite colisões
21:22
based on this very large neuron in the locust.
331
1258000
4000
baseado neste grande neurônio do gafanhoto.
21:26
This is a huge and important one, number 11.
332
1262000
2000
Esta é grande e bastante importante, a número 11.
21:28
And that's the growing fertility.
333
1264000
2000
Cultivar a fertilidade.
21:30
That means, you know, net fertility farming.
334
1266000
4000
Isso significa agricultura com aumento de fertilidade.
21:34
We should be growing fertility. And, oh yes -- we get food, too.
335
1270000
4000
Nós deveríamos estar cultivando fertilidade. E, claro, obter comida também.
21:38
Because we have to grow the capacity of this planet
336
1274000
5000
Porque nós temos que aumentar a capacidade deste planeta
21:43
to create more and more opportunities for life.
337
1279000
3000
de criar mais e mais oportunidades para a vida.
21:46
And really, that's what other organisms do as well.
338
1282000
2000
E, na verdade, isso é o que outros organismos fazem bem.
21:48
In ensemble, that's what whole ecosystems do:
339
1284000
3000
Em conjunto, é isso que ecossistemas inteiros fazem:
21:51
they create more and more opportunities for life.
340
1287000
3000
eles criam mais e mais oportunidades para a vida.
21:54
Our farming has done the opposite.
341
1290000
3000
Nossa agricultura tem feito o oposto.
21:57
So, farming based on how a prairie builds soil,
342
1293000
4000
Então, agricultura baseada em como um prado gera o solo,
22:01
ranching based on how a native ungulate herd
343
1297000
4000
fazendas baseadas em como um bando de ungulados nativos
22:05
actually increases the health of the range,
344
1301000
2000
na verdade aumenta a vitalidade do pasto.
22:07
even wastewater treatment based on how a marsh
345
1303000
5000
Ou mesmo tratamento de água baseado em como um pântano
22:12
not only cleans the water,
346
1308000
2000
não apenas purifica a água,
22:14
but creates incredibly sparkling productivity.
347
1310000
4000
mas também cria uma produtividade borbulhante incrível.
22:18
This is the simple design brief. I mean, it looks simple
348
1314000
4000
Este é um design simples. Isto é, parece simples
22:22
because the system, over 3.8 billion years, has worked this out.
349
1318000
5000
porque o sistema, ao longo de 3.8 bilhões de anos, se aprimorou.
22:27
That is, those organisms that have not been able to figure out
350
1323000
5000
Isto é, os organismos que não foram capazes de descobrir
22:32
how to enhance or sweeten their places,
351
1328000
4000
como melhorar ou amenizar seus locais,
22:36
are not around to tell us about it.
352
1332000
3000
não estão mais por aí para nos contar a história.
22:39
That's the twelfth one.
353
1335000
3000
Essa é a décima segunda.
22:42
Life -- and this is the secret trick; this is the magic trick --
354
1338000
4000
A vida -- e este é o segredo; este é o truque mágico --
22:46
life creates conditions conducive to life.
355
1342000
4000
a vida cria condições favoráveis à vida.
22:50
It builds soil; it cleans air; it cleans water;
356
1346000
4000
Ela gera solo, ela purifica o ar, purifica a água,
22:54
it mixes the cocktail of gases that you and I need to live.
357
1350000
3000
ela mistura o coquetel de gases que eu e você precisamos para viver.
22:57
And it does that in the middle of having great foreplay
358
1353000
6000
E faz isso ao mesmo tempo em que tem ótimas preliminares
23:03
and meeting their needs. So it's not mutually exclusive.
359
1359000
6000
e atende às suas necessidades. Portanto, não são mutuamente excludentes.
23:09
We have to find a way to meet our needs,
360
1365000
3000
Nós temos que encontrar uma maneira de atender nossas necessidades,
23:12
while making of this place an Eden.
361
1368000
6000
e ao mesmo tempo tornar este lugar um éden.
23:18
CA: Janine, thank you so much.
362
1374000
1000
CA: Janine, muito obrigado.
23:19
(Applause)
363
1375000
1000
(Aplausos)
ABOUT THE SPEAKER
Janine Benyus - Science writer, innovation consultant, conservationistA self-proclaimed nature nerd, Janine Benyus' concept of biomimicry has galvanized scientists, architects, designers and engineers into exploring new ways in which nature's successes can inspire humanity.
Why you should listen
In the world envisioned by science author Janine Benyus, a locust's ability to avoid collision within a roiling cloud of its brethren informs the design of a crash-resistant car; a self-cleaning leaf inspires a new kind of paint, one that dries in a pattern that enables simple rainwater to wash away dirt; and organisms capable of living without water open the way for vaccines that maintain potency even without refrigeration -- a hurdle that can prevent life-saving drugs from reaching disease-torn communities. Most important, these cool tools from nature pull off their tricks while still managing to preserve the environment that sustains them, a life-or-death lesson that humankind is in need of learning.
As a champion of biomimicry, Benyus has become one of the most important voices in a new wave of designers and engineers inspired by nature. Her most recent project, AskNature, explores what happens if we think of nature by function and looks at what organisms can teach us about design.
Janine Benyus | Speaker | TED.com