TED2006
Saul Griffith: Everyday inventions
Saul Griffith fala sobre invenções do dia-a-dia
Filmed:
Readability: 4.2
580,919 views
O inventor e recipiente do prêmio MacArthur, Saul Griffith, compartilha algumas idéias inovadoras do seu laboratório: de uma corda "inteligente" a uma pipa do tamanho de uma casa para rebocar grandes cargueiros.
Saul Griffith - Inventor
Inventor Saul Griffith looks for elegant ways to make real things, from low-cost eyeglasses to a kite that tows boats. His latest projects include open-source inventions and elegant new ways to generate power. Full bio
Inventor Saul Griffith looks for elegant ways to make real things, from low-cost eyeglasses to a kite that tows boats. His latest projects include open-source inventions and elegant new ways to generate power. Full bio
Double-click the English transcript below to play the video.
00:24
So anyway, who am I?
0
0
1000
Então, quem sou eu?
00:25
I usually say to people, when they say, "What do you do?"
1
1000
3000
Eu geralmente falo para as pessoas, quando me perguntam "O que você faz?",
00:28
I say, "I do hardware,"
2
4000
2000
eu falo: "eu faço hardware",
00:30
because it sort of conveniently encompasses everything I do.
3
6000
2000
porque convenientemente isso abrange tudo o que eu faço.
00:32
And I recently said that to a venture capitalist casually at some
4
8000
4000
E recentemente eu mencionei isso para um investidor de risco
00:36
Valley event, to which he replied, "How quaint."
5
12000
3000
num evento no Vale do Silício, e ele respondeu: "Que esquisito!"
00:39
(Laughter)
6
15000
2000
(Risos)
00:41
And I sort of really was dumbstruck.
7
17000
3000
E eu fiquei sem saber o que responder.
00:44
And I really should have said something smart.
8
20000
2000
Eu deveria ter dito algo inteligente.
00:46
And now I've had a little bit of time to think about it,
9
22000
5000
E agora já tive um pouco mais de tempo para pensar sobre isso,
00:51
I would have said, "Well, you know,
10
27000
2000
e eu teria dito: "Bem, você sabe,
00:53
if we look at the next 100 years
11
29000
2000
se olharmos para os próximos 100 anos
00:55
and we've seen all these problems in the last few days,
12
31000
2000
e nós vimos todos estes problemas aqui nos últimos dias,
00:57
most of the big issues -- clean water, clean energy --
13
33000
3000
a maioria dos grandes problemas como água limpa, energia limpa
01:00
and they're interchangeable in some respects --
14
36000
2000
e ambos são intercambiáveis sob diversos aspectos,
01:02
and cleaner, more functional materials --
15
38000
2000
e materiais mais limpos e funcionais,
01:04
they all look to me to be hardware problems.
16
40000
3000
todos me parecem ser problemas de hardware.
01:07
This doesn't mean we should ignore software,
17
43000
2000
Isso não quer dizer que devamos ignorar o software,
01:09
or information, or computation."
18
45000
2000
ou informação, ou computação.
01:11
And that's in fact probably what I'm going to try and tell you about.
19
47000
3000
E isso é provavelmente sobre o que eu vou tentar falar para vocês.
01:14
So, this talk is going to be about how do we make things
20
50000
3000
Essa apresentação será sobre como fazemos coisas
01:17
and what are the new ways that we're going to make things in the future.
21
53000
5000
e quais são as novas maneiras que usaremos no futuro para fazer coisas.
01:22
Now, TED sends you a lot of spam if you're a speaker
22
58000
5000
O TED manda bastante "spam" se você é um palestrante
01:27
about "do this, do that" and you fill out all these forms,
23
63000
2000
dizendo "faça isso, faça aquilo", preencha tais formulários,
01:29
and you don't actually know how they're going to describe you,
24
65000
3000
e no final você não sabe ao certo como eles irão descrevê-lo,
01:32
and it flashed across my desk that they were going to introduce me as a futurist.
25
68000
3000
e me ocorreu que eles pudessem me apresentar como um futurista.
01:35
And I've always been nervous about the term "futurist,"
26
71000
2000
E eu sempre tive ressalvas sobre o termo futurista,
01:37
because you seem doomed to failure because you can't really predict it.
27
73000
3000
porque você parece condenado ao fracasso, pois é impossível prever o futuro.
01:40
And I was laughing about this with the very smart colleagues I have,
28
76000
3000
E eu estava rindo sobre isso com os colegas muito inteligentes que eu tenho,
01:43
and said, "You know, well, if I have to talk about the future, what is it?"
29
79000
4000
e disse "Bem, se eu tiver que falar sobre o futuro, o que ele será?"
01:47
And George Homsey, a great guy, said, "Oh, the future is amazing.
30
83000
5000
E George Homsey, um cara fantástico, disse: "O futuro é impressionante.
01:52
It is so much stranger than you think.
31
88000
2000
É muito mais estranho do que você imagina.
01:54
We're going to reprogram the bacteria in your gut,
32
90000
2000
Nós iremos reprogramar as bactérias do seu intestino,
01:56
and we're going to make your poo smell like peppermint."
33
92000
5000
e fazer seu cocô ter cheiro de menta."
02:01
(Laughter)
34
97000
2000
(Risos)
02:03
So, you may think that's sort of really crazy,
35
99000
3000
Vocês podem achar que isso seja loucura,
02:06
but there are some pretty amazing things that are happening
36
102000
2000
mas existem algumas coisas muito impressionantes que estão acontecendo
02:08
that make this possible.
37
104000
1000
que podem tornar isso possível.
02:09
So, this isn't my work, but it's work of good friends of mine at MIT.
38
105000
4000
Isso não é o meu trabalho, mas o trabalho de alguns amigos do MIT.
02:13
This is called the registry of standard biological parts.
39
109000
2000
Isso é chamado de repositório de partes biológicas padrão.
02:15
This is headed by Drew Endy and Tom Knight
40
111000
2000
Isso é encabeçado por Drew Endy e Tom Knight
02:17
and a few other very, very bright individuals.
41
113000
3000
e alguns outros indivíduos muito brilhantes.
02:20
Basically, what they're doing is looking at biology as a programmable system.
42
116000
3000
Basicamente, eles estão olhando para biologia como um sistema programável.
02:23
Literally, think of proteins as subroutines
43
119000
4000
Literalmente, pense em proteínas como sub-rotinas
02:27
that you can string together to execute a program.
44
123000
3000
que você pode combinar para executar um programa.
02:30
Now, this is actually becoming such an interesting idea.
45
126000
5000
Isto está se tornando uma idéia muito interessante.
02:35
This is a state diagram. That's an extremely simple computer.
46
131000
3000
Isto é um diagrama de estados. É um computador extremamente simples.
02:38
This one is a two-bit counter.
47
134000
2000
Esse aqui é um contador de 2 bits.
02:40
So that's essentially the computational equivalent of two light switches.
48
136000
6000
Que é o equivalente computacional de dois interruptores de luz.
02:46
And this is being built by a group of students at Zurich
49
142000
3000
E isto está sendo desenvolvido por um grupo de estudantes em Zurique
02:49
for a design competition in biology.
50
145000
2000
para uma competição de design biológico.
02:51
And from the results of the same competition last year,
51
147000
3000
E a partir dos resultados da mesma competição do ano passado,
02:54
a University of Texas team of students programmed bacteria
52
150000
4000
uma equipe de estudantes da Universidade do Texas programou uma bactéria
02:58
so that they can detect light and switch on and off.
53
154000
3000
para que possam detectar luz e ligá-la e desligá-la.
03:01
So this is interesting in the sense that you can now
54
157000
2000
Isso é interessante pois agora pode-se
03:03
do "if-then-for" statements in materials, in structure.
55
159000
5000
criar comandos do tipo "se isso, faça aquilo" em materiais, em estruturas.
03:08
This is a pretty interesting trend,
56
164000
2000
Essa é uma tendência bastante interessante.
03:10
because we used to live in a world where everyone's said glibly,
57
166000
2000
Porque nós estávamos acostumados a viver num mundo onde todos diziam fluentemente,
03:12
"Form follows function," but I think I've sort of grown up in a world
58
168000
4000
a forma segue a função, mas eu acho que cresci num mundo
03:16
-- you listened to Neil Gershenfeld yesterday;
59
172000
3000
-- você ouviu ao Neil Gershenfeld ontem,
03:19
I was in a lab associated with his -- where it's really a world
60
175000
4000
eu estava em um laboratório associado com o dele -- onde é realmente um mundo
03:23
where information defines form and function.
61
179000
3000
onde as informações definem a forma e a função.
03:26
I spent six years thinking about that,
62
182000
4000
Eu passei seis anos pensando sobre isso,
03:30
but to show you the power of art over science --
63
186000
2000
mas para mostrar a vocês o poder da arte sobre a ciência --
03:32
this is actually one of the cartoons I write. These are called "HowToons."
64
188000
3000
este é, na verdade, um dos quadrinhos que eu escrevi. São chamados Howtoons.
03:35
I work with a fabulous illustrator called Nick Dragotta.
65
191000
2000
Eu trabalho com um fabuloso ilustrador chamado Nick Dragotta.
03:37
Took me six years at MIT,
66
193000
2000
Levou seis anos, para mim, no MIT,
03:39
and about that many pages to describe what I was doing,
67
195000
4000
e esse tanto de páginas para descrever o que eu estava fazendo,
03:43
and it took him one page. And so this is our muse Tucker.
68
199000
5000
e levou para ele apenas uma página. E então este é nosso mascote -- Tucker.
03:48
He's an interesting little kid -- and his sister, Celine --
69
204000
2000
Ele é um menininho interessante -- e sua irmã, Celine --
03:50
and what he's doing here
70
206000
2000
e o que eles estão fazendo aqui
03:52
is observing the self-assembly of his Cheerios in his cereal bowl.
71
208000
4000
é observar o auto-agrupamento do seu Cheerios em sua vasilha de cereais.
03:56
And in fact you can program the self-assembly of things,
72
212000
3000
E, de fato, você pode programar o auto-agrupamento dessas coisas,
03:59
so he starts chocolate-dipping edges,
73
215000
2000
de forma que comece com bordas de chocolate,
04:01
changing the hydrophobicity and the hydrophylicity.
74
217000
2000
mudando a hibrofobicidade e hidrofilicidade.
04:03
In theory, if you program those sufficiently,
75
219000
2000
Teoricamente, se você programá-los suficientemente,
04:05
you should be able to do something pretty interesting
76
221000
2000
você poderia fazer coisas bem interessantes
04:07
and make a very complex structure.
77
223000
2000
e fazer uma estrutura complexa.
04:09
In this case, he's done self-replication of a complex 3D structure.
78
225000
5000
Neste caso, ele fez a auto-replicação de uma estrutura 3D complexa.
04:14
And that's what I thought about for a long time,
79
230000
3000
E isto é o que eu pensei por um bom tempo,
04:17
because this is how we currently make things.
80
233000
2000
porque é como nós atualmente fazemos as coisas.
04:19
This is a silicon wafer, and essentially
81
235000
2000
Isto é um wafer de silício, e essencialmente
04:21
that's just a whole bunch of layers of two-dimensional stuff, sort of layered up.
82
237000
4000
que é apenas um punhado de camadas bidimensionais de material, meio que uma por cima da outra.
04:25
The feature side is -- you know, people will say,
83
241000
2000
A novidade é -- sabe, as pessoas vão dizer,
04:27
[unclear] down around about 65 nanometers now.
84
243000
2000
perto de 65 nanometros agora.
04:29
On the right, that's a radiolara.
85
245000
2000
À direita, está uma radiolara.
04:31
That's a unicellular organism ubiquitous in the oceans.
86
247000
3000
É um organismo unicelular que está por todo oceano.
04:34
And that has feature sizes down to about 20 nanometers,
87
250000
4000
E elas produzem coisas de mais ou menos 20 nanometros,
04:38
and it's a complex 3D structure.
88
254000
2000
e é uma estrutura 3D complexa.
04:40
We could do a lot more with computers and things generally
89
256000
4000
Nós poderíamos fazer muito mais com computadores e coisas em geral
04:44
if we knew how to build things this way.
90
260000
3000
se soubéssemos como construir coisas desta forma.
04:47
The secret to biology is, it builds computation
91
263000
3000
O segredo da biologia é, ela constrói computação
04:50
into the way it makes things. So this little thing here, polymerase,
92
266000
3000
ao mesmo tempo que constrói coisas. Então esta pequena coisa aqui, polimerase,
04:53
is essentially a supercomputer designed for replicating DNA.
93
269000
5000
é essencialmente um supercomputador projetado para replicar DNA.
04:58
And the ribosome here is another little computer
94
274000
3000
E este ribossoma, aqui, é um outro pequeno computador
05:01
that helps in the translation of the proteins.
95
277000
2000
que ajuda na tradução das proteínas.
05:03
I thought about this
96
279000
1000
Eu pensei sobre isso
05:04
in the sense that it's great to build in biological materials,
97
280000
3000
no sentido de que é magnífico construir sobre materiais biológicos,
05:07
but can we do similar things?
98
283000
2000
mas nós conseguimos fazer coisas similares?
05:09
Can we get self-replicating-type behavior?
99
285000
2000
Podemos ter comportamentos do tipo auto-replicantes?
05:11
Can we get complex 3D structure automatically assembling
100
287000
4000
Podemos ter uma estrutura complexa em 3D construída automaticamente
05:15
in inorganic systems?
101
291000
2000
em sistemas inorgânicos?
05:17
Because there are some advantages to inorganic systems,
102
293000
2000
Porque há algumas vantagens em sistemas inorgânicos,
05:19
like higher speed semiconductors, etc.
103
295000
2000
como semi-condutores de alta velocidade, etc.
05:21
So, this is some of my work
104
297000
2000
Assim, este é um pedaço de meu trabalho
05:23
on how do you do an autonomously self-replicating system.
105
299000
6000
sobre como você faz um sistema autônomo auto-replicantes.
05:29
And this is sort of Babbage's revenge.
106
305000
2000
E isto não é uma espécie de vingança de Babbage.
05:31
These are little mechanical computers.
107
307000
1000
Estes são pequenos computadores mecânicos.
05:32
These are five-state state machines.
108
308000
3000
São máquinas de estados com cinco estados.
05:35
So, that's about three light switches lined up.
109
311000
3000
Então, é como três interruptores de luz alinhados.
05:38
In a neutral state, they won't bind at all.
110
314000
2000
Em um estado neutro, eles não se ligarão de forma alguma.
05:40
Now, if I make a string of these, a bit string,
111
316000
4000
Agora, se fizermos uma cadeia deles, uma cadeia de bits,
05:44
they will be able to replicate.
112
320000
2000
eles serão capazes de replicar-se.
05:46
So we start with white, blue, blue, white.
113
322000
1000
Então começamos com branco, azul, azul, branco.
05:47
That encodes; that will now copy. From one comes two,
114
323000
6000
Isso codifica; agora irá copiar. De um, surgem dois,
05:53
and then from two comes three.
115
329000
2000
e então de dois surgem três.
05:55
And so you've got this sort of replicating system.
116
331000
4000
E desta forma você tem uma espécie de sistema de replicação.
05:59
It was work actually by Lionel Penrose,
117
335000
2000
Foi um trabalho, na realidade, de Lionel Penrose,
06:01
father of Roger Penrose, the tiles guy.
118
337000
3000
pai de Roger Penrose, o rapaz dos padrões.
06:04
He did a lot of this work in the '60s,
119
340000
2000
Ele fez muito do seu trabalho na década de 60,
06:06
and so a lot of this logic theory lay fallow
120
342000
2000
e então muito desta teoria de lógica foi deixada de lado
06:08
as we went down the digital computer revolution, but it's now coming back.
121
344000
3000
quando entramos na revolução do computador digital, mas agora está voltando.
06:11
So now I'm going to show you the hands-free, autonomous self-replication.
122
347000
4000
Agora vou mostrar-lhes a auto-replicação autônoma sem interferências.
06:15
So we've tracked in the video the input string,
123
351000
2000
Nós acomapanhamos no vídeo a cadeia inicial,
06:17
which was green, green, yellow, yellow, green.
124
353000
2000
que era verde, verde, amarelo, amarelo, verde.
06:19
We set them off on this air hockey table.
125
355000
4000
Nós colocamos ela nessa mesa de hockey com ar.
06:23
You know, high science uses air hockey tables --
126
359000
2000
Sabe, a ciência de ponta usa mesas de hockey com ar --
06:25
(Laughter)
127
361000
1000
(Risadas)
06:26
-- and if you watch this thing long enough you get dizzy,
128
362000
2000
-- e se você olhar isso por muito tempo você ficará tonto,
06:28
but what you're actually seeing is copies of that original string
129
364000
3000
mas o você está vendo, na verdade, são cópias da cadeia original
06:31
emerging from the parts bin that you have here.
130
367000
3000
emergindo do monte de partes que você tem ali.
06:34
So we've got autonomous replication of bit strings.
131
370000
5000
Então temos a replicação autônoma de uma cadeia de bits.
06:39
So, why would you want to replicate bit strings?
132
375000
3000
Mas porque você iria querer replicar uma cadeia de bits?
06:42
Well, it turns out biology has this other very interesting meme,
133
378000
3000
Bem, acontece que na biologia há este outro meme muito interessante,
06:45
that you can take a linear string, which is a convenient thing to copy,
134
381000
3000
que você pode pegar uma cadeia linear, que é uma coisa conveniente para a cópia,
06:48
and you can fold that into an arbitrarily complex 3D structure.
135
384000
4000
e pode dobrá-la arbitrariamente em uma estrutura 3D complexa.
06:52
So I was trying to, you know, take the engineer's version:
136
388000
3000
Assim como eu estava tentando compreender o lado do engenheiro:
06:55
Can we build a mechanical system in inorganic materials
137
391000
3000
Podemos construir um sistema mecânico com materiais inorgânicos
06:58
that will do the same thing?
138
394000
1000
que faça a mesma coisa?
06:59
So what I'm showing you here is that we can make a 2D shape --
139
395000
5000
Então o que eu estou mostrando aqui é que você pode pegar uma forma em 2D --
07:04
the B -- assemble from a string of components
140
400000
4000
o B -- construí-la com uma cadeia de componentes
07:08
that follow extremely simple rules.
141
404000
2000
que segue regras extremamente simples.
07:10
And the whole point of going with the extremely simple rules here,
142
406000
3000
E todo o ponto de usar regras extremamente simples aqui,
07:13
and the incredibly simple state machines in the previous design,
143
409000
3000
e as máquinas de estados extremamente simples do design anterior,
07:16
was that you don't need digital logic to do computation.
144
412000
3000
é que você não precisa de lógica digital para fazer a computação.
07:19
And that way you can scale things much smaller than microchips.
145
415000
4000
E desta forma você pode escalar coisas muito menores do que microchips.
07:23
So you can literally use these as the tiny components in the assembly process.
146
419000
4000
Você pode literalmente usá-los como pequenos componentes no processo de construção.
07:27
So, Neil Gershenfeld showed you this video on Wednesday, I believe,
147
423000
5000
Neil Gershenfeld mostrou-lhes este vídeo na quarta-feira, creio eu,
07:32
but I'll show you again.
148
428000
2000
mas vou mostrar-lhes novamente.
07:34
This is literally the colored sequence of those tiles.
149
430000
3000
Esta é literalmente a sequência colorida destes padrões.
07:37
Each different color has a different magnetic polarity,
150
433000
3000
Cada cor diferente tem uma polaridade magnética diferente
07:40
and the sequence is uniquely specifying the structure that is coming out.
151
436000
5000
e a sequência é especificada unicamente na estrutura que está surgindo.
07:45
Now, hopefully, those of you who know anything about graph theory
152
441000
3000
Agora, esperamos, que aqueles que conhecem alguma coisa de teoria dos grafos
07:48
can look at that, and that will satisfy you
153
444000
2000
possa olhar para isto, e isto vai convencê-lo
07:50
that that can also do arbitrary 3D structure,
154
446000
3000
de que pode também criar uma estrutura arbitraria em 3D,
07:53
and in fact, you know, I can now take a dog, carve it up
155
449000
5000
e de fato, sabe, posso agora pegar um cachorro, desmontá-lo
07:58
and then reassemble it so it's a linear string
156
454000
2000
e então reconstruí-lo em uma cadeia linear
08:00
that will fold from a sequence. And now
157
456000
2000
que se dobrará em uma sequência. E agora
08:02
I can actually define that three-dimensional object as a sequence of bits.
158
458000
7000
posso realmente definir este objeto tridimensional como uma sequência de bits.
08:09
So, you know, it's a pretty interesting world
159
465000
3000
Sabe, é um mundo muito interessante
08:12
when you start looking at the world a little bit differently.
160
468000
2000
quando você começa a ver o mundo de maneira um pouco diferente.
08:14
And the universe is now a compiler.
161
470000
3000
E o universo agora é um compilador.
08:17
And so I'm thinking about, you know, what are the programs
162
473000
2000
E estou pensando sobre o que são os programas
08:19
for programming the physical universe?
163
475000
3000
para programar o universo físico?
08:22
And how do we think about materials and structure,
164
478000
3000
E como pensamos sobre materiais e estruturas,
08:25
sort of as an information and computation problem?
165
481000
3000
como informações e problemas computacionais?
08:28
Not just where you attach a micro-controller to the end point,
166
484000
3000
Não apenas onde você encaixa um micro-controlador na terminação,
08:31
but that the structure and the mechanisms are the logic, are the computers.
167
487000
5000
mas que a estrutura e os mecanismos são a lógica, são os computadores.
08:36
Having totally absorbed this philosophy,
168
492000
5000
Sendo totalmente absorvido por esta filosofia,
08:41
I started looking at a lot of problems a little differently.
169
497000
3000
eu comecei a ver muitos problemas de uma maneira um pouco diferente.
08:44
With the universe as a computer,
170
500000
1000
Com o universo como um computador,
08:45
you can look at this droplet of water
171
501000
2000
você pode olhar para esta gota d'água
08:47
as having performed the computations.
172
503000
2000
como tendo feito as computações.
08:49
You set a couple of boundary conditions, like gravity,
173
505000
2000
Você define um conjunto de condições limitantes, como a gravidade,
08:51
the surface tension, density, etc., and then you press "execute,"
174
507000
4000
a tensão superficial, densidade, etc, e então pressiona executar,
08:55
and magically, the universe produces you a perfect ball lens.
175
511000
5000
e magicamente, o universo produz uma lente esférica perfeita.
09:00
So, this actually applied to the problem
176
516000
2000
Assim, isso realmente aplicado ao problema
09:02
of -- so there's a half a billion to a billion people in the world
177
518000
3000
-- há meio bilhão a um bilhão de pessoas no mundo
09:05
don't have access to cheap eyeglasses.
178
521000
2000
que não tem acesso a óculos baratos.
09:07
So can you make a machine
179
523000
2000
Vocês poderiam criar uma máquina
09:09
that could make any prescription lens very quickly on site?
180
525000
4000
que poderia fazer uma lente de qualquer receita médica rapidamente no lugar?
09:13
This is a machine where you literally define a boundary condition.
181
529000
4000
É uma máquina em que você literalmente define uma condição limite.
09:17
If it's circular, you make a spherical lens.
182
533000
3000
Se é circular, você faz uma lente esférica.
09:20
If it's elliptical, you can make an astigmatic lens.
183
536000
3000
Se é elíptica, você pode fazer uma lente para astigmatismo.
09:23
You then put a membrane on that and you apply pressure --
184
539000
3000
E você pode por uma membrana em que se você aplicar pressão --
09:26
so that's part of the extra program.
185
542000
2000
essa é uma parte extra do programa.
09:28
And literally with only those two inputs --
186
544000
3000
E literalmente com apenas estas duas entradas --
09:31
so, the shape of your boundary condition and the pressure --
187
547000
2000
a forma de sua condição de limite e a pressão --
09:33
you can define an infinite number of lenses
188
549000
2000
você pode definir um infinito número de lentes
09:35
that cover the range of human refractive error,
189
551000
2000
que cobrem o espectro de erros refrativos humanos,
09:37
from minus 12 to plus eight diopters, up to four diopters of cylinder.
190
553000
5000
de dioptrias de menos 12 a mais 8, até quatro dioptrias cilíndricas.
09:42
And then literally, you now pour on a monomer.
191
558000
3000
Então literalmente, agora você tem um monômero.
09:45
You know, I'll do a Julia Childs here.
192
561000
3000
Eu vou fazer uma Julia Childs aqui.
09:48
This is three minutes of UV light.
193
564000
3000
Isto são três minutos de luz ultra-violeta.
09:51
And you reverse the pressure on your membrane
194
567000
3000
E se você reverter a pressão na sua membrana
09:54
once you've cooked it. Pop it out.
195
570000
3000
depois de cozida. Ela estourará.
09:57
I've seen this video, but I still don't know if it's going to end right.
196
573000
3000
Eu vi este vídeo, mas ainda não sei se irá terminar bem.
10:00
(Laughter)
197
576000
3000
(Risadas)
10:03
So you reverse this. This is a very old movie,
198
579000
2000
E você reverte isso. Este é um filme antigo,
10:05
so with the new prototypes, actually both surfaces are flexible,
199
581000
4000
então com os novos protótipos, ambas as superfícies são flexíveis,
10:09
but this will show you the point.
200
585000
2000
mas isso mostra o ponto.
10:11
Now you've finished the lens, you literally pop it out.
201
587000
2000
Agora que finalizamos a lente, você pode literalmente estourá-la.
10:13
That's next year's Yves Klein, you know, eyeglasses shape.
202
589000
7000
O Yves Klein do próximo ano, óculos neste formato.
10:20
And you can see that that has a mild prescription of about minus two diopters.
203
596000
3000
E você pode ver que tem uma receita comum de menos duas dioptrias.
10:23
And as I rotate it against this side shot, you'll see that that has cylinder,
204
599000
4000
E eu rotaciono isso contra este controle lateral, você vai ver que ele tem um cilindro,
10:27
and that was programmed in --
205
603000
1000
e que estava programado --
10:28
literally into the physics of the system.
206
604000
4000
literalmente na física do sistema.
10:32
So, this sort of thinking about structure as computation
207
608000
3000
Este tipo de pensamento sobre as estruturas como computação
10:35
and structure as information leads to other things, like this.
208
611000
5000
e esteruturas como informações leva-nos a outros pensamentos, como isto.
10:40
This is something that my people at SQUID Labs
209
616000
3000
Isso é algo que meu pessoal no SQUID Labs
10:43
are working on at the moment, called "electronic rope."
210
619000
2000
estão trabalhando no momento, chamado de corda eletrônica.
10:45
So literally, you think about a rope. It has very complex structure in the weave.
211
621000
4000
Então, literalmente, pense numa corda. Ela tem uam estrutura muito complexa na sua tecitura.
10:49
And under no load, it's one structure.
212
625000
2000
E em uma carga, é uma estrutura.
10:51
Under a different load, it's a different structure. And you can actually exploit that
213
627000
3000
Com uma carga diferente, é uma estrutura diferente. E você pode realmente explorar isto
10:54
by putting in a very small number of
214
630000
2000
colocando um pequeno número de
10:56
conducting fibers to actually make it a sensor.
215
632000
2000
fibras condutoras para realmente serem um sensor.
10:58
So this is now a rope that knows the load on the rope
216
634000
3000
E agora temos uma corda que conhece a carga na corda
11:01
at any particular point in the rope.
217
637000
2000
em qualquer ponto particular dela.
11:03
Just by thinking about the physics of the world,
218
639000
3000
Apenas pense na física do mundo,
11:06
materials as the computer,
219
642000
2000
materiais como computadores,
11:08
you can start to do things like this.
220
644000
3000
você pode começar a fazer coisas como essa.
11:11
I'm going to segue a little here.
221
647000
3000
Eu vou avançar um pouco aqui.
11:14
I guess I'm just going to casually tell you the types of things
222
650000
2000
Eu acho eu vou apenas comentar casualmente os tipos de coisas
11:16
that I think about with this.
223
652000
1000
que eu penso com isso.
11:17
One thing I'm really interested about this right now is, how,
224
653000
4000
Uma coisa que eu estou realmente interessado neste momento é, como,
11:21
if you're really taking this view of the universe as a computer,
225
657000
4000
se você está realmente tomando este ponto de vista do universo como um computador,
11:25
how do we make things in a very general sense,
226
661000
2000
como fazemos as coisas em um sentido bem geral,
11:27
and how might we share the way we make things in a general sense
227
663000
4000
e como deveríamos compartilhar a forma como fazemos as coisas no geral
11:31
the same way you share open source hardware?
228
667000
3000
da mesma forma como compartilhamos hardware de código aberto?
11:34
And a lot of talks here have espoused the benefits
229
670000
3000
E muitas das palestras aqui expuseram os benefícios
11:37
of having lots of people look at problems,
230
673000
2000
de se ter muitas pessoas olhando para os problemas,
11:39
share the information and work on those things together.
231
675000
3000
trocando informações e trabalhando nessas coisas em conjunto.
11:42
So, a convenient thing about being a human is you move in linear time,
232
678000
3000
Então, uma coisa conveniente sobre ser humano é que você move-se linearmente no tempo,
11:45
and unless Lisa Randall changes that,
233
681000
2000
a menos que Lisa Randall mude isso,
11:47
we'll continue to move in linear time.
234
683000
3000
continuaremos a nos mover linearmente no tempo.
11:50
So that means anything you do, or anything you make,
235
686000
2000
Isso quer dizer que qualquer coisa que você faça, ou construa,
11:52
you produce a sequence of steps --
236
688000
2000
você produz uma seqüência de passos --
11:54
and I think Lego in the '70s nailed this,
237
690000
3000
e eu acho que Lego nos anos 70 pegou isso,
11:57
and they did it most elegantly.
238
693000
1000
e eles fizeram isso da forma mais elegante.
11:58
But they can show you how to build things in sequence.
239
694000
4000
Mas eles podem mostrar como construir coisas na seqüencia.
12:02
So, I'm thinking about, how can we generalize
240
698000
3000
Então, estou pensando em como podemos generalizar
12:05
the way we make all sorts of things,
241
701000
2000
a maneira pela qual fazemos todos os tipos de coisas,
12:07
so you end up with this sort of guy, right?
242
703000
2000
e você termina com esse tipo de coisa, certo?
12:09
And I think this applies across a very broad -- sort of, a lot of concepts.
243
705000
5000
E eu acho que isso se aplica a uma grande amplitude -- tipo, um monte de conceitos.
12:14
You know, Cameron Sinclair yesterday said,
244
710000
2000
Sabe, Cameron Sinclair falou ontem:
12:16
"How do I get everyone to collaborate on design
245
712000
2000
"Como eu faço todos colaborarem no projeto
12:18
globally to do housing for humanity?"
246
714000
3000
gobal de habitações para a humanidade?"
12:21
And if you've seen Amy Smith,
247
717000
2000
E se você viu a Amy Smith,
12:23
she talks about how you get students at MIT
248
719000
4000
ela falou sobre como você pega estudantes do MIT
12:27
to work with communities in Haiti.
249
723000
2000
para trabalhar com comunidades no Haiti.
12:29
And I think we have to sort of redefine and rethink
250
725000
2000
E eu acho que nós temos que como redefinir e repensar
12:31
how we define structure and materials and assembly things,
251
727000
4000
como definimos estruturas e materiais e a construção das coisas,
12:35
so that we can really share the information
252
731000
2000
de forma que possamos realmente compartilhar a informação
12:37
on how you do those things in a more profound way
253
733000
2000
em como você pode fazer essas coisas de uma forma mais profunda
12:39
and build on each other's source code for structure.
254
735000
3000
e construir sobre o código aberto das estruturas dos outros.
12:42
I don't know exactly how to do this yet,
255
738000
1000
Eu não sei ainda como fazer isso,
12:43
but, you know, it's something being actively thought about.
256
739000
5000
mas, sabe, é algo que está sendo pensado ativamente.
12:48
So, you know, that leads to questions
257
744000
2000
Sabe, isso nos leva a algumas questões
12:50
like, is this a compiler? Is this a sub-routine?
258
746000
4000
como, isso é um compilador? É uma sub-rotina?
12:54
Interesting things like that.
259
750000
1000
Coisas interessantes como essas.
12:55
Maybe I'm getting a little too abstract, but you know,
260
751000
3000
Talvez eu estou sendo um pouco abstrato demais, mas sabe,
12:58
this is the sort of -- returning to our comic characters --
261
754000
3000
isso é tipo de -- retornando para nossos personagens cômicos --
13:01
this is sort of the universe, or a different universe view,
262
757000
2000
isso é como o universo, e uma perspectiva diferente do universo
13:03
that I think is going to be very prevalent in the future --
263
759000
2000
que eu penso que será muito difundida no futuro --
13:05
from biotech to materials assembly. It was great to hear Bill Joy.
264
761000
3000
de biotech para contrução de materiais. Seria muito bom ouvir Bill Joy.
13:08
They're starting to invest in materials science,
265
764000
3000
Eles estão começando a investir na ciência de materiais,
13:11
but these are the new things in materials science.
266
767000
2000
mas essas são as novidades na ciência de materiais.
13:13
How do we put real information and real structure into new ideas,
267
769000
4000
Como colocamos informações reais e estruturas reais em novas idéias,
13:17
and see the world in a different way? And it's not going to be binary code
268
773000
3000
e ver o mundo de uma forma diferente? E não será o código binário
13:20
that defines the computers of the universe --
269
776000
2000
que define os computadores do universo --
13:22
it's sort of an analog computer.
270
778000
2000
é um tipo de computador analógico.
13:24
But it's definitely an interesting new worldview.
271
780000
5000
Mas isto é definitivamente uma nova e interessante visão de mundo.
13:29
I've gone too far. So that sounds like it's it.
272
785000
3000
Eu fui muito longe. Então parece que é isso.
13:32
I've probably got a couple of minutes of questions,
273
788000
2000
Eu provavelmente tenho alguns minutos para perguntas,
13:34
or I can show -- I think they also said that I do extreme stuff
274
790000
4000
ou posso mostrar -- acho que eles também falam que eu faço coisas extremas
13:38
in the introduction, so I may have to explain that.
275
794000
4000
na introdução, então posso explicar isso.
13:42
So maybe I'll do that with this short video.
276
798000
3000
Então talvez farei isso com este vídeo curto.
13:45
So this is actually a 3,000-square-foot kite,
277
801000
6000
Essa é realmente uma pipa de 300 metros quadrados,
13:51
which also happens to be a minimal energy surface.
278
807000
2000
que também é uma superfície de energia mínima.
13:53
So returning to the droplet, again,
279
809000
2000
Então voltando para aquela gota, novamente,
13:55
thinking about the universe in a new way.
280
811000
2000
pensando sobre o universo de um novo modo.
13:57
This is a kite designed by a guy called Dave Kulp.
281
813000
2000
Esta pipa foi projetada por um cara chamado Dave Kulp.
13:59
And why do you want a 3,000-square-foot kite?
282
815000
2000
E por que você iria querer uma pipa de 300 metros quadrados?
14:01
So that's a kite the size of your house.
283
817000
2000
E essa é uma pipa do tamanho da sua casa.
14:03
And so you want that to tow boats very fast.
284
819000
4000
E você iria querer ela para puxar barcos rapidamente.
14:07
So I've been working on this a little, also,
285
823000
3000
E tenho trabalhado nisso, também,
14:10
with a couple of other guys.
286
826000
2000
com alguns outros rapazes.
14:12
But, you know, this is another way to look at the --
287
828000
2000
Mas sabe, é uma outra forma de olhar para --
14:14
if you abstract again,
288
830000
2000
se você abstrair novamente,
14:16
this is a structure that is defined by the physics of the universe.
289
832000
4000
esta é uma estrutura que está definida na física do universo.
14:20
You could just hang it as a bed sheet,
290
836000
1000
Você pode apenas usá-la como lençol para a cama,
14:21
but again, the computation of all the physics
291
837000
2000
mas novamente, a computação de toda a física
14:23
gives you the aerodynamic shape.
292
839000
2000
lhe dará uma forma aerodinâmica.
14:25
And so you can actually sort of almost double your boat speed
293
841000
3000
E você pode realmente quase dobrar a velocidade de seu barco
14:28
with systems like that. So that's sort of another interesting aspect of the future.
294
844000
7000
com sistemas como estes. Então esse é um tipo de outros aspectos interessantes do futuro.
14:35
(Applause)
295
851000
1000
(Aplausos)
ABOUT THE SPEAKER
Saul Griffith - InventorInventor Saul Griffith looks for elegant ways to make real things, from low-cost eyeglasses to a kite that tows boats. His latest projects include open-source inventions and elegant new ways to generate power.
Why you should listen
Innovator and inventor Saul Griffith has a uniquely open approach to problem solving. Whether he's devising a way to slash the cost of prescription eyeglasses or teaching science through cartoons, Griffith makes things and then shares his ideas with the world.
A proponent of open-source information, he established Instructables , an open website showing how to make an array of incredible objects. He is the co-founder of numerous companies including Squid Labs, Low Cost Eyeglasses, Potenco and Makani Power, where he is President and Chief Scientist. His companies have invented a myriad of new devices and materials, such as a "smart" rope that senses its load, or a machine for making low-cost eyeglass lenses through a process inspired by a water droplet. He is a columnist at Make magazine and co-writes How Toons! He's fascinated with materials that assemble themselves, and with taking advantage of those properties to make things quickly and cheaply.
Saul Griffith | Speaker | TED.com