TED2011
Skylar Tibbits: Can we make things that make themselves?
Skylar Tibbits: Kan vi bygga saker som bygger sig själva?
Filmed:
Readability: 4.4
1,072,366 views
MIT-forskaren Skylar Tibbits arbetar med självbyggande -- idén att istället för att bygga något (en stol, en skyskrapa), kan vi skapa material som bygger sig själva, mycket likt det sätt på vilket en DNA-sträng kopplar ihop sig själv. Det är ett stor koncept i ett tidigt stadie; Tibbits visar tre stycken i-labbet-material som antyder vad framtiden för självbyggande kan se ut som.
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
Idag skulle jag vilja visa er
00:17
the future of the way we make things.
1
2000
2000
framtiden för hur vi tillverkar saker.
00:19
I believe that soon our buildings and machines
2
4000
2000
Jag tror att snart kommer våra byggnader och maskiner
00:21
will be self-assembling,
3
6000
2000
att vara självbyggande,
00:23
replicating and repairing themselves.
4
8000
2000
återskapande och reparera sig själva.
00:25
So I'm going to show you
5
10000
2000
Så jag kommer att visa för er
00:27
what I believe is the current state of manufacturing,
6
12000
2000
vad jag anser är den nuvarande nivån av tillverkning
00:29
and then compare that to some natural systems.
7
14000
3000
och sedan jämnföra det med några naturlig system.
00:32
So in the current state of manufacturing, we have skyscrapers --
8
17000
3000
Så bland det som tillverkas just nu, har vi skyskrapor --
00:35
two and a half years [of assembly time],
9
20000
2000
två och ett halvt år,
00:37
500,000 to a million parts,
10
22000
2000
500.000 till en miljon delar,
00:39
fairly complex,
11
24000
2000
ganska komplext,
00:41
new, exciting technologies in steel, concrete, glass.
12
26000
3000
nya och spännande tekniker inom stål, betong, glas.
00:44
We have exciting machines
13
29000
2000
Vi har spännande maskiner
00:46
that can take us into space --
14
31000
2000
som kan ta oss ut i rymden --
00:48
five years [of assembly time], 2.5 million parts.
15
33000
3000
fem år, 2.5 miljoner delar.
00:51
But on the other side, if you look at the natural systems,
16
36000
3000
Men å andra sidan, om ni tittar på de naturliga systemen,
00:54
we have proteins
17
39000
2000
så har vi protein
00:56
that have two million types,
18
41000
2000
som har två miljoner olika typer,
00:58
can fold in 10,000 nanoseconds,
19
43000
2000
kan vikas på 10,000 nanosekunder,
01:00
or DNA with three billion base pairs
20
45000
2000
eller DNA med tre miljoner baspar
01:02
we can replicate in roughly an hour.
21
47000
3000
som vi kan återskapa inom cirka en timme.
01:05
So there's all of this complexity
22
50000
2000
Där finns all denna komplexitet
01:07
in our natural systems,
23
52000
2000
i våra naturliga system,
01:09
but they're extremely efficient,
24
54000
2000
men de är extremt effektiva,
01:11
far more efficient than anything we can build,
25
56000
2000
mycket mer effektiva än något vi kan bygga,
01:13
far more complex than anything we can build.
26
58000
2000
mycket mer komplexa än något vi kan bygga.
01:15
They're far more efficient in terms of energy.
27
60000
2000
De är långt mer effektiva avseende energi.
01:17
They hardly ever make mistakes.
28
62000
3000
De gör nästan aldrig misstag.
01:20
And they can repair themselves for longevity.
29
65000
2000
Och de kan reparera sig för lång livslängd.
01:22
So there's something super interesting about natural systems.
30
67000
3000
Därmed finns det något superintressant med naturliga system.
01:25
And if we can translate that
31
70000
2000
Och om vi kan översätta det
01:27
into our built environment,
32
72000
2000
in i vår byggnationsmiljö,
01:29
then there's some exciting potential for the way that we build things.
33
74000
2000
så finns det en del spännande potential för sättet vi bygger saker.
01:31
And I think the key to that is self-assembly.
34
76000
3000
Och jag tror att nyckeln till det är självbyggande.
01:34
So if we want to utilize self-assembly in our physical environment,
35
79000
3000
Om vi vill använda självbyggande i vår fysiska miljö,
01:37
I think there's four key factors.
36
82000
2000
tror jag att det finns fyra nyckelfaktorer.
01:39
The first is that we need to decode
37
84000
2000
Den första är att vi måste avkoda
01:41
all of the complexity of what we want to build --
38
86000
2000
all den komplexitet i det vi vill bygga --
01:43
so our buildings and machines.
39
88000
2000
som våra byggnader och maskiner.
01:45
And we need to decode that into simple sequences --
40
90000
2000
Och vi behöver avkoda det till enkla sekvenser --
01:47
basically the DNA of how our buildings work.
41
92000
2000
i grund och botten ett DNA för hur våra byggnader fungerar.
01:49
Then we need programmable parts
42
94000
2000
Sedan behöver vi programmerbara delar
01:51
that can take that sequence
43
96000
2000
som kan ta den sekvensen
01:53
and use that to fold up, or reconfigure.
44
98000
3000
och använda den till att vikas, eller omformas.
01:56
We need some energy that's going to allow that to activate,
45
101000
3000
Vi behöver någon form av energi som tillåter det att aktiveras,
01:59
allow our parts to be able to fold up from the program.
46
104000
3000
möjliggör för våra delar att vikas ut ur programmet.
02:02
And we need some type of error correction redundancy
47
107000
2000
Och vi behöver någon form av felkorrigering som säkerhetsåtgärd
02:04
to guarantee that we have successfully built what we want.
48
109000
3000
som garanterar att vi lyckats bygga det vi ville.
02:07
So I'm going to show you a number of projects
49
112000
2000
Jag kommer att visa er ett antal projekt
02:09
that my colleagues and I at MIT are working on
50
114000
2000
som mina kollegor och jag på MIT jobbar med
02:11
to achieve this self-assembling future.
51
116000
2000
för att uppnå framtidens självbyggande.
02:13
The first two are the MacroBot and DeciBot.
52
118000
3000
De första två är MacroBot och DeciBot.
02:16
So these projects are large-scale reconfigurable robots --
53
121000
4000
Dessa projekt är storskaliga omformbara robotar --
02:20
8 ft., 12 ft. long proteins.
54
125000
3000
8 fot, 12 fot långa proteiner.
02:23
They're embedded with mechanical electrical devices, sensors.
55
128000
3000
De har inbyggda mekaniska och elektriska apparater, sensorer.
02:26
You decode what you want to fold up into,
56
131000
2000
Man avkodar vad man vill vika upp den som,
02:28
into a sequence of angles --
57
133000
2000
i en sekvens av vinklar --
02:30
so negative 120, negative 120, 0, 0,
58
135000
2000
negativ 120, negativ 120, 0, 0,
02:32
120, negative 120 -- something like that;
59
137000
3000
120, negativ 120 -- något sånt där;
02:35
so a sequence of angles, or turns,
60
140000
2000
till en sekvens av vinklar, eller vridningar,
02:37
and you send that sequence through the string.
61
142000
3000
och man skickar den sekvensen genom hela raden.
02:40
Each unit takes its message -- so negative 120 --
62
145000
3000
varje enhet tar sitt meddelande -- t.ex. negativ 120.
02:43
it rotates to that, checks if it got there
63
148000
2000
Den roterar till det, kontrollerar att den kom dit
02:45
and then passes it to its neighbor.
64
150000
3000
och skickar sedan vidare till sin granne.
02:48
So these are the brilliant scientists,
65
153000
2000
Detta är de briljanta forskare,
02:50
engineers, designers that worked on this project.
66
155000
2000
ingejörer, designers som arbetade med detta projektet.
02:52
And I think it really brings to light:
67
157000
2000
Och jag tror att det belyser;
02:54
Is this really scalable?
68
159000
2000
Är det verkligen skalbart?
02:56
I mean, thousands of dollars, lots of man hours
69
161000
2000
jag menar, tusentals dollar, massor av arbetade timmar
02:58
made to make this eight-foot robot.
70
163000
3000
för att skapa denna 8 fots robot.
03:01
Can we really scale this up? Can we really embed robotics into every part?
71
166000
3000
Kan vi verkligen skala up denna? Kan vi verkligen bygga in robotar i varje del?
03:04
The next one questions that
72
169000
2000
Den nästa ställer den frågan
03:06
and looks at passive nature,
73
171000
2000
och tittar på den passiva naturen,
03:08
or passively trying to have reconfiguration programmability.
74
173000
3000
eller försöker passivt att ha omformbarhet programmerbart.
03:11
But it goes a step further,
75
176000
2000
Men den går ett steg längre,
03:13
and it tries to have actual computation.
76
178000
2000
och försöker att ha med faktisk beräkning.
03:15
It basically embeds the most fundamental building block of computing,
77
180000
2000
I grunden bakar den in de grundläggande byggstenarna för beräkning,
03:17
the digital logic gate,
78
182000
2000
den digitala logiska grinden,
03:19
directly into your parts.
79
184000
2000
direkt i era delar.
03:21
So this is a NAND gate.
80
186000
2000
Detta är en NAND-grind.
03:23
You have one tetrahedron which is the gate
81
188000
2000
Ni har en tetraeder som är grinden
03:25
that's going to do your computing,
82
190000
2000
som kommer att göra beräkningarna,
03:27
and you have two input tetrahedrons.
83
192000
2000
och ni har två tetraeder för inmatning.
03:29
One of them is the input from the user, as you're building your bricks.
84
194000
3000
En av dem är till för inmatning från användaren, när ni bygger era block.
03:32
The other one is from the previous brick that was placed.
85
197000
3000
Den andra är till för det föregående blocket som placerades.
03:35
And then it gives you an output in 3D space.
86
200000
3000
Och sedan ger den ett resultat i 3D.
03:38
So what this means
87
203000
2000
Vad detta innebär
03:40
is that the user can start plugging in what they want the bricks to do.
88
205000
3000
är att användaren kan börja mata in vad de vill att blocken skall göra.
03:43
It computes on what it was doing before
89
208000
2000
Den räknar på vad den gjorde innan
03:45
and what you said you wanted it to do.
90
210000
2000
och vad ni sa att ni ville att den skulle göra.
03:47
And now it starts moving in three-dimensional space --
91
212000
2000
Och nu börjar den röra sig i tre dimansioner --
03:49
so up or down.
92
214000
2000
upp eller ner.
03:51
So on the left-hand side, [1,1] input equals 0 output, which goes down.
93
216000
3000
På vänster sida, [1,1] inmatat ger 0 i resultat, vilket betyder neråt.
03:54
On the right-hand side,
94
219000
2000
På högra sidan,
03:56
[0,0] input is a 1 output, which goes up.
95
221000
3000
[0,0] inmatat ger 1 i resultat, vilket betyder uppåt.
03:59
And so what that really means
96
224000
2000
Vad det verkligen betyder
04:01
is that our structures now contain the blueprints
97
226000
2000
är att vår byggnad nu innehåller ritningen
04:03
of what we want to build.
98
228000
2000
för vad vi vill bygga.
04:05
So they have all of the information embedded in them of what was constructed.
99
230000
3000
De har all information inom sig över vad som blev byggt.
04:08
So that means that we can have some form of self-replication.
100
233000
3000
Det betyder att vi kan ha någon form av självreplikering
04:11
In this case I call it self-guided replication,
101
236000
3000
I detta fallet kallar jag det för självstyrd replikering,
04:14
because your structure contains the exact blueprints.
102
239000
2000
eftersom er struktur innehåller de exakta ritningarna.
04:16
If you have errors, you can replace a part.
103
241000
2000
Om ni har felaktigheter, kan ni byta ut den delen.
04:18
All the local information is embedded to tell you how to fix it.
104
243000
3000
All lokal information är inlagd för att meddela er hur det skall fixas.
04:21
So you could have something that climbs along and reads it
105
246000
2000
Ni kan ha något som klättrar längsmed och läser den
04:23
and can output at one to one.
106
248000
2000
och kan ge information en till en.
04:25
It's directly embedded; there's no external instructions.
107
250000
2000
Det är direkt inbyggt; det finns inga yttre instruktioner.
04:27
So the last project I'll show is called Biased Chains,
108
252000
3000
Det sista projektet jag kommer visa är jäviga kedjor,
04:30
and it's probably the most exciting example that we have right now
109
255000
3000
och det är förmodligen det mest spännande exemplet vi har just nu
04:33
of passive self-assembly systems.
110
258000
2000
av passivt självbyggande system.
04:35
So it takes the reconfigurability
111
260000
2000
Det tar omformbarheten
04:37
and programmability
112
262000
2000
och programmerbarheten
04:39
and makes it a completely passive system.
113
264000
3000
och gör det till ett helt passivt system.
04:43
So basically you have a chain of elements.
114
268000
2000
I grunden har ni en kedja av element.
04:45
Each element is completely identical,
115
270000
2000
Varje element är helt identiskt,
04:47
and they're biased.
116
272000
2000
och de är jäviga.
04:49
So each chain, or each element, wants to turn right or left.
117
274000
3000
Varje kedja, eller varje element, vill vridas åt höger eller vänster.
04:52
So as you assemble the chain, you're basically programming it.
118
277000
3000
När ni sätter samma kedjan, programmerar ni den egentligen.
04:55
You're telling each unit if it should turn right or left.
119
280000
3000
Ni säger till varje del om den skall vridas höger eller vänster.
04:58
So when you shake the chain,
120
283000
3000
Så när ni skakar kedjan,
05:01
it then folds up
121
286000
2000
kommer den vikas
05:03
into any configuration that you've programmed in --
122
288000
3000
till varje konfigurering som ni programmerat in i den --
05:06
so in this case, a spiral,
123
291000
2000
i detta fallet, en spiral,
05:08
or in this case,
124
293000
3000
eller i detta fallet,
05:11
two cubes next to each other.
125
296000
3000
två kuber intill varandra.
05:14
So you can basically program
126
299000
2000
I grund och botten kan ni programmera
05:16
any three-dimensional shape --
127
301000
2000
vilken tredimensionel form --
05:18
or one-dimensional, two-dimensional -- up into this chain completely passively.
128
303000
3000
eller endimensionel, tvådimensionel -- in i denna kedjan helt passivt.
05:21
So what does this tell us about the future?
129
306000
2000
Vad säger detta oss om framtiden?
05:23
I think that it's telling us
130
308000
2000
Jag tror att det säger oss
05:25
that there's new possibilities for self-assembly, replication, repair
131
310000
3000
att det finns nya möjligheter för självbyggande, replikering, reparerande
05:28
in our physical structures, our buildings, machines.
132
313000
3000
inom våra fysiska strukturer, våra byggnader, maskiner.
05:31
There's new programmability in these parts.
133
316000
2000
Det finns ny programmerbarhet i dessa delar.
05:33
And from that you have new possibilities for computing.
134
318000
2000
Och därifrån får ni nya möjligheter inom beräkning.
05:35
We'll have spatial computing.
135
320000
2000
Vi har spatiell beräkning.
05:37
Imagine if our buildings, our bridges, machines,
136
322000
2000
Föreställ er om våra byggnader, våra broar, maskiner,
05:39
all of our bricks could actually compute.
137
324000
2000
alla era byggklossar faktiskt kunde beräkna.
05:41
That's amazing parallel and distributed computing power,
138
326000
2000
Det är fantastisk parallell och fördelad beräkningskraft,
05:43
new design possibilities.
139
328000
2000
nya designmöjligheter.
05:45
So it's exciting potential for this.
140
330000
2000
Det är spännande potential för detta.
05:47
So I think these projects I've showed here
141
332000
2000
Jag tror att de projekt jag har visat er
05:49
are just a tiny step towards this future,
142
334000
2000
bara är ett litet steg emot denna framtid,
05:51
if we implement these new technologies
143
336000
2000
om vi implementerar dessa nya teknologier
05:53
for a new self-assembling world.
144
338000
2000
till en ny självbyggande värld.
05:55
Thank you.
145
340000
2000
Tack så mycket.
05:57
(Applause)
146
342000
2000
(Applåder)
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