Neil Gershenfeld: The beckoning promise of personal fabrication

82,218 views ・ 2007-03-23

TED


Κάντε διπλό κλικ στους αγγλικούς υπότιτλους παρακάτω για να αναπαραγάγετε το βίντεο.

Μετάφραση: Diomides Skalistis Επιμέλεια: Natalia Savvidi
00:25
This meeting has really been about a digital revolution,
0
25000
4000
Αυτή η συνεδρίαση έχει να κάνει στην πραγματικότητα με την ψηφιακή επανάσταση,
00:29
but I'd like to argue that it's done; we won.
1
29000
3000
αλλά θα ήθελα να υποστηρίξω ότι αυτή τελείωσε, νικήσαμε.
Ζήσαμε μια ψηφιακή επανάσταση, αλλά δεν χρειάζεται να συνεχίσουμε να την ζούμε.
00:33
We've had a digital revolution but we don't need to keep having it.
2
33000
4000
00:37
And I'd like to look after that,
3
37000
2000
Θα ήθελα να κοιτάξω πέρα από αυτό,
00:39
to look what comes after the digital revolution.
4
39000
3000
να κοιτάξω το τι έρχεται μετά την ψηφιακή επανάσταση.
00:42
So, let me start projecting forward.
5
42000
2000
Οπότε, ας σκεφτούμε τη συνέχεια.
00:44
These are some projects I'm involved in today at MIT,
6
44000
4000
Υπάρχουν μερικά πρότζεκτ στα οποία συμμετέχω τώρα στο MIT,
00:48
looking what comes after computers.
7
48000
3000
κοιτώντας το τι έρχεται μετά τους υπολογιστές.
00:51
This first one, Internet Zero, up here -- this is a web server
8
51000
5000
Το πρώτο είναι το Internet 0, εδώ πάνω — αυτός είναι ένας διακομιστής ιστοσελίδων
00:56
that has the cost and complexity of an RFID tag --
9
56000
3000
πού έχει το κόστος και την πολυπλοκότητα μιας ταυτότητας RFID —
00:59
about a dollar -- that can go in every light bulb and doorknob,
10
59000
3000
σχεδόν ένα δολάριο — που μπορεί να μπει σε κάθε λάμπα και πόμολο
01:02
and this is getting commercialized very quickly.
11
62000
2000
και γίνεται ολοένα και πιο εμπορικό.
01:04
And what's interesting about it isn't the cost;
12
64000
2000
Το ενδιαφέρον με αυτό δεν είναι το κόστος,
01:06
it's the way it encodes the Internet.
13
66000
1000
αλλά το πώς κωδικοποιεί το Διαδίκτυο.
01:07
It uses a kind of a Morse code for the Internet
14
67000
3000
Χρησιμοποιεί έναν κώδικα παρόμοιο με τον κώδικα Μορς για το Διαδίκτυο,
01:10
so you could send it optically; you can communicate acoustically
15
70000
3000
οπότε μπορεί να τον στέλνεις οπτικά, μπορείς να επικοινωνείς ακουστικά
01:13
through a power line, through RF.
16
73000
2000
μέσω των γραμμών του ρεύματος, στις ραδιοσυχνότητες.
01:15
It takes the original principle of the Internet,
17
75000
2000
Παίρνει τη βασική αρχή του Διαδικτύου —
01:17
which is inter-networking computers,
18
77000
2000
διασύνδεση υπολογιστών —
01:19
and now lets devices inter-network.
19
79000
3000
και τώρα επιτρέπει σε συσκευές να διασυνδέονται.
01:22
That we can take the whole idea that gave birth to the Internet
20
82000
3000
Μπορούμε να πάρουμε την ιδέα που έδωσε ζωή στο Διαδίκτυο
01:25
and bring it down to the physical world in this Internet Zero,
21
85000
3000
και να την εφαρμόσουμε στον φυσικό κόσμο με το Internet 0,
01:28
this internet of devices.
22
88000
2000
το διαδίκτυο των συσκευών.
01:30
So this is the next step from there to here,
23
90000
2000
Οπότε αυτό αποτελεί το επόμενο βήμα
01:32
and this is getting commercialized today.
24
92000
3000
και γίνεται ολοένα και πιο εμπορικό σήμερα.
01:35
A step after that is a project on fungible computers.
25
95000
5000
Το μεθεπόμενο βήμα είναι ένα πρότζεκτ με ανταλλάξιμους υπολογιστές.
01:40
Fungible goods in economics can be extended and traded.
26
100000
3000
Τα ανταλλάξιμα αγαθά στην οικονομία μπορούν να επεκταθούν και να ανταλλαγούν.
01:43
So, half as much grain is half as much useful,
27
103000
2000
Οπότε, μισή ποσότητα σιταριού έχει μισή χρησιμότητα,
01:45
but half a baby or half a computer is less useful than
28
105000
3000
αλλά μισό μωρό ή μισός υπολογιστής είναι λιγότερο χρήσιμα
01:48
a whole baby or a whole computer,
29
108000
2000
από ένα ολόκληρο μωρό ή έναν ολόκληρο υπολογιστή
01:50
and we've been trying to make computers that work that way.
30
110000
3000
και προσπαθούμε να φτιάξουμε υπολογιστές που να δουλεύουν έτσι.
01:53
So, what you see in the background is a prototype.
31
113000
2000
Αυτό που βλέπετε πίσω είναι ένα πρωτότυπο.
01:55
This was from a thesis of a student, Bill Butow, now at Intel,
32
115000
3000
Είναι από τη διατριβή ενός φοιτητή, του Μπιλ Μπάτοου, που τώρα εργάζεται στην Intel.
01:58
who wondered why, instead of making bigger and bigger chips,
33
118000
3000
Αυτός αναρωτήθηκε γιατί αντί να φτιάχνουμε όλο και μεγαλύτερα τσιπάκια
02:01
you don't make small chips, put them in a viscous medium,
34
121000
3000
δεν φτιάχνουμε μικρότερα, να τα βάζουμε σε ένα ιξώδες μέσο
02:04
and pour out computing by the pound or by the square inch.
35
124000
2000
και να παράγουμε υπολογιστές με το κιλό ή ανά τετραγωνικά εκατοστά.
02:06
And that's what you see here.
36
126000
2000
Το αποτέλεσμα είναι εδώ.
02:08
On the left was postscript being rendered by a conventional computer;
37
128000
3000
Στα αριστερά η PostScript εκτελείται από έναν συμβατικό υπολογιστή
02:11
on the right is postscript being rendered from the first prototype
38
131000
3000
και στα δεξιά από το πρώτο πρωτότυπο που φτιάξαμε,
02:14
we made, but there's no frame buffer, IO processor,
39
134000
4000
το οποίο δεν έχει ούτε μνήμη καρέ, ούτε επεξεργαστή εισόδων-εξόδων,
02:18
any of that stuff -- it's just this material.
40
138000
2000
τίποτα από αυτά — είναι απλά αυτό το υλικό.
02:20
Unlike this screen where the dots are placed carefully,
41
140000
2000
Αντίθετα με αυτή την οθόνη όπου οι κουκκίδες έχουν τοποθετηθεί προσεκτικά,
02:22
this is a raw material.
42
142000
1000
αυτό είναι απλό υλικό.
02:23
If you add twice as much of it, you have twice as much display.
43
143000
3000
Εάν το διπλασιάσεις, έχεις διπλάσια προβολή.
02:26
If you shoot a gun through the middle, nothing happens.
44
146000
3000
Εάν το πυροβολήσεις, δεν παθαίνει τίποτα.
02:29
If you need more resource, you just apply more computer.
45
149000
4000
Εάν χρειάζεσαι περισσότερους πόρους, απλά προσθέτεις περισσότερο υπολογιστή.
02:33
So, that's the step after this -- of computing as a raw material.
46
153000
3000
Οπότε αυτό είναι το επόμενο βήμα — ο υπολογιστής ως απλό υλικό.
02:36
That's still conventional bits, the step after that is --
47
156000
3000
Αυτά είναι ακόμα συμβατικά bits, το επόμενο βήμα είναι —
02:39
this is an earlier prototype in the lab;
48
159000
2000
αυτό είναι ένα παλιότερο πρωτότυπο στο εργαστήριο.
02:41
this is high-speed video slowed down.
49
161000
2000
Αυτό είναι ένα ταχύ βίντεο σε αργή κίνηση.
02:43
Now, integrating chemistry in computation, where the bits are bubbles.
50
163000
3000
Όταν ενσωματώνουμε χημεία στην υλοποίηση υπολογιστών, τα bits είναι φυσαλίδες.
02:46
This is showing making bits, this is showing --
51
166000
2000
Εδώ βλέπετε πώς φτιάχνονται τα bits, εδώ —
02:48
once again, slowed down so you can see it,
52
168000
2000
επίσης σε αργή κίνηση για να μπορείτε να τα δείτε — τα bits να αλληλεπιδρούν
02:50
bits interacting to do logic and multiplexing and de-multiplexing.
53
170000
4000
ώστε να κάνουν λογικές πράξεις, πολυπλεξία και αποπολυπλεξία.
02:54
So, now we can compute that the output arranges material
54
174000
3000
Τώρα μπορούμε υπολογίζουμε έτσι ώστε τα αποτελέσματα να διατάσσουν τόσο το υλικό
02:57
as well as information. And, ultimately, these are some slides
55
177000
4000
όσο και την πληροφορία. Tέλος, εδώ είναι μερικές διαφάνειες
03:01
from an early project I did, computing where the bits are stored
56
181000
3000
από ένα παλιό μου πρότζεκτ, υπολογιστές όπου τα bits αποθηκεύονται
03:04
quantum-mechanically in the nuclei of atoms, so
57
184000
3000
κβαντομηχανικά στον πυρήνα των ατόμων,
03:07
programs rearrange the nuclear structure of molecules.
58
187000
4000
οπότε τα προγράμματα αναδιατάσσουν την πυρηνική δομή των μορίων.
03:11
All of these are in the lab pushing further and further and further,
59
191000
4000
Όλα αυτά είναι στο εργαστήριο και εξελίσσονται συνεχώς,
03:15
not as metaphor but literally integrating bits and atoms,
60
195000
3000
όχι μεταφορικά αλλά κυριολεκτικά ενσωματώνοντας άτομα και bits
03:18
and they lead to the following recognition.
61
198000
3000
και οδηγούν στην επόμενη συνειδητοποίηση.
03:21
We all know we've had a digital revolution, but what is that?
62
201000
3000
Όλοι ξέρουμε ότι βιώσαμε μια ψηφιακή επανάσταση, αλλά τι είναι;
03:24
Well, Shannon took us, in the '40s, from here to here:
63
204000
3000
Ο Σάνον μας πήγε τη δεκαετία του '40 από μια κατάσταση σε μια άλλη:
03:27
from a telephone being a speaker wire that degraded with distance
64
207000
4000
από το τηλέφωνο να είναι απλά ένα καλώδιο ήχου, εξασθενούμενο με την απόσταση
03:31
to the Internet. And he proved the first threshold theorem, that shows
65
211000
4000
στο Διαδίκτυο. Απέδειξε το πρώτο θεώρημα κατωφλιού, το οποίο δείχνει ότι
03:35
if you add information and remove it to a signal,
66
215000
3000
εάν προσθέσεις πληροφορίες σε ένα σήμα ή τις αφαιρέσεις από αυτό,
03:38
you can compute perfectly with an imperfect device.
67
218000
2000
μπορείς να υπολογίσεις τέλεια με μια ατελή συσκευή.
03:40
And that's when we got the Internet.
68
220000
2000
Τότε δημιουργήσαμε το Διαδίκτυο.
03:42
Von Neumann, in the '50s, did the same thing for computing;
69
222000
3000
Ο φον Νόιμαν, στη δεκαετία του '50, έκανε το ίδιο πράγμα στην υλοποίηση υπολογιστών —
03:45
he showed you can have an unreliable computer but restore its state
70
225000
3000
απέδειξε ότι μπορείς να έχεις έναν αναξιόπιστο υπολογιστή αλλά να αποκαταστήσεις
03:48
to make it perfect. This was the last great analog computer at MIT:
71
228000
4000
την κατάστασή του ώστε να γίνει τέλειος. Αυτός εδώ ήταν ο τελευταίος
03:52
a differential analyzer, and the more you ran it,
72
232000
2000
αναλογικός υπολογιστής στο MIT: ένας διαφορικός αναλυτής και
03:54
the worse the answer got.
73
234000
2000
όσο περισσότερο τον λειτουργούσες, τόσο χειρότερη απόκριση λάμβανες.
03:56
After Von Neumann, we have the Pentium, where the billionth transistor
74
236000
3000
Μετά τον φον Νόιμαν, έχουμε τον Pentium, όπου το δισεκατομμυριοστό τρανζίστορ
03:59
is as reliable as the first one.
75
239000
3000
είναι τόσο αξιόπιστο όσο και το πρώτο.
04:02
But all our fabrication is down in this lower left corner.
76
242000
3000
Αλλά ό,τι κατασκευάσαμε βρίσκεται εδώ στην κάτω αριστερά γωνία.
04:05
A state-of-the-art airplane factory rotating metal wax at fixed metal,
77
245000
3000
Σε ένα υπερσύγχρονο εργοστάσιο αεροπλάνων μεταλλική επικάλυψη με περιστροφή τοποθετείται
04:08
or you maybe melt some plastic. A 10-billion-dollar chip fab
78
248000
3000
σε στερεωμένο μέταλλο ή ίσως λιώνεται λίγο πλαστικό. Σε ένα εργοστάσιο
04:11
uses a process a village artisan would recognize --
79
251000
3000
κατασκευής τσιπ αξίας 10 δισ. δολαρίων χρησιμοποιείται μια διαδικασία που
04:14
you spread stuff around and bake it.
80
254000
3000
θα αναγνώριζε ένας τεχνίτης χωριού — απλώνεις το μείγμα γύρω-γύρω και μετά το ψήνεις.
04:17
All the intelligence is external to the system;
81
257000
2000
Όλη η ευφυΐα είναι έξω από το σύστημα,
04:19
the materials don't have information.
82
259000
2000
τα υλικά δεν έχουν πληροφορίες.
04:21
Yesterday you heard about molecular biology,
83
261000
3000
Χτες ακούσατε για τη μοριακή βιολογία,
04:24
which fundamentally computes to build.
84
264000
2000
η οποία θεμελιωδώς υπολογίζει για να χτίσει.
04:26
It's an information processing system.
85
266000
2000
Είναι ένα υπολογιστικό σύστημα.
04:28
We've had digital revolutions in communication and computation,
86
268000
4000
Βιώσαμε ψηφιακές επαναστάσεις στην επικοινωνία και στην υπολογιστική,
04:32
but precisely the same idea, precisely the same math
87
272000
3000
αλλά ακριβώς η ίδια ιδέα, ακριβώς τα ίδια μαθηματικά
04:35
Shannon and Von Neuman did, hasn't yet come out
88
275000
2000
τα οποία έκαναν ο Σάνον και ο φον Νόιμαν, δεν έχουν φτάσει ακόμα
04:37
to the physical world. So, inspired by that,
89
277000
3000
στον φυσικό κόσμο. Οπότε, εμπνεόμενοι από αυτό,
04:40
colleagues in this program -- the Center for Bits and Atoms
90
280000
2000
συνάδελφοι σε αυτό το πρόγραμμα — Το Κέντρο για τα Bits και τα Άτομα
04:42
at MIT -- which is a group of people, like me,
91
282000
3000
στο MIT — οι οποίοι είναι μια ομάδα ανθρώπων, σαν εμένα,
04:45
who never understood the boundary between physical science
92
285000
3000
που ποτέ δεν κατάλαβαν το όριο μεταξύ φυσικής επιστήμης
04:48
and computer science. I would even go further and say
93
288000
3000
και επιστήμης υπολογιστών. Θα έλεγα ακόμα και
04:51
computer science is one of the worst things that ever happened
94
291000
2000
ότι η επιστήμη υπολογιστών είναι από τα χειρότερα πράγματα που έχουν συμβεί
04:53
to either computers or to science --
95
293000
2000
τόσο στους υπολογιστές όσο και στην επιστήμη —
04:55
(Laughter)
96
295000
1000
(Γέλια)
04:56
-- because the canon -- computer science --
97
296000
4000
— πολλά από αυτά είναι εξαίσια —
05:00
many of them are great but the canon of computer science
98
300000
2000
αλλά ο κανόνας της επιστήμης υπολογιστών
05:02
prematurely froze a model of computation
99
302000
3000
πρόωρα καθιέρωσε ένα μοντέλο υπολογισμού
05:05
based on technology that was available in 1950,
100
305000
3000
το οποίο είναι βασισμένο στην τεχνολογία που ήταν διαθέσιμη το 1950
05:08
and nature's a much more powerful computer than that.
101
308000
2000
και η φύση είναι ένας κατά πολύ ισχυρότερος υπολογιστής.
05:10
So, you'll hear, tomorrow, from Saul Griffith. He was one of the
102
310000
4000
Θα ακούσετε αύριο από τον Σολ Γκρίφιθ.
05:14
first students to emerge from this program.
103
314000
3000
Ήταν ένας από τους πρώτους φοιτητές σ´ αυτό το πρόγραμμα.
05:17
We started to figure out how you can compute to fabricate.
104
317000
3000
Ξεκινήσαμε ώστε να ανακαλύψουμε πώς μπορείς να υπολογίζεις για να κατασκευάζεις.
05:20
This was just a proof of principle he did of tiles
105
320000
3000
Αυτό ήταν απλά μια απόδειξη της αρχής που απέδειξε,
05:23
that interact magnetically, where you write a code,
106
323000
2000
πλακίδια τα οποία αλληλεπιδρούν μαγνητικά, όπου μπορείς να γράψεις κώδικα
05:25
much like protein folding, that specifies their structure.
107
325000
3000
όπως στην αναδίπλωση πρωτεϊνών, ο οποίος ορίζει την δομή τους.
05:28
So, there's no feedback to a tool metrology;
108
328000
3000
Οπότε, δεν υπάρχει ανάδραση σε κάποιο όργανο μετρήσεων·
05:31
the material itself codes for its structure in just the same ways
109
331000
5000
το ίδιο το υλικό κωδικοποιεί την δομή του με τους ίδιους τρόπους
05:36
that protein are fabricated. So, you can, for example, do that.
110
336000
4000
που κατασκευάζεται μια πρωτεΐνη. Για παράδειγμα, μπορείς να φτιάξεις αυτό.
05:40
You can do other things. That's in 2D. It works in 3D.
111
340000
3000
Μπορείς να κάνεις αλλά πράγματα. Αυτό είναι στις 2 διαστάσεις. Δουλεύει (και) στις 3.
05:43
The video on the upper right -- I won't show for time --
112
343000
2000
Το βίντεο πάνω δεξιά — δεν θα το δείξω προς το παρόν —
05:45
shows self-replication, templating so something can make something
113
345000
4000
δείχνει αυτο-αναπαραγωγή, αναδεικνύοντας ότι κάτι μπορεί να φτιάξει κάτι
05:49
that can make something, and we're doing that now over, maybe,
114
349000
3000
το οποίο μπορεί να φτιάξει κάτι, και το κάνουμε αυτό συνεχόμενα,
05:52
nine orders of magnitude. Those ideas have been used to show
115
352000
3000
ίσως, εννιά τάξεις μεγέθους. Αυτές οι ιδέες χρησιμοποιήθηκαν για να δείξουν
05:55
the best fidelity and direct rate DNA to make an organism,
116
355000
3000
την καλύτερη πιστότητα και το ευθύ εύρος του DNA για να γίνει ένας οργανισμός,
05:58
in functionalizing nanoclusters with peptide tails
117
358000
3000
στον σχεδιασμό νάνο-συστάδων με ουρές πεπτιδίων
06:01
that code for their assembly -- so, much like the magnets,
118
361000
2000
που κωδικοποιούν τη σύνδεσή τους — σχεδόν όπως οι μαγνήτες,
06:03
but now on nanometer scales.
119
363000
2000
αλλά τώρα σε τάξεις μεγέθους νανόμετρων.
06:05
Laser micro-machining: essentially 3D printers that digitally fabricate
120
365000
4000
Λέιζερ μικρο-μηχανική: ουσιαστικά είναι τρισδιάστατοι εκτυπωτές οι οποίοι ψηφιακά
06:09
functional systems, all the way up to building buildings,
121
369000
3000
κατασκευάζουν λειτουργικά συστήματα, μέχρι την κατασκευή κτηρίων,
06:12
not by having blueprints,
122
372000
1000
όχι έχοντας σχέδια,
06:13
but having the parts code for the structure of the building.
123
373000
3000
αλλά έχοντας τα μέρη που κωδικοποιούν τη δομή του κτηρίου.
06:16
So, these are early examples in the lab of emerging technologies
124
376000
5000
Οπότε, αυτά είναι τα πρώιμα παραδείγματα στο εργαστήριο αναδυόμενων τεχνολογιών
06:21
to digitize fabrication. Computers that don't control tools
125
381000
4000
για να ψηφιοποιήσεις την κατασκευή. Υπολογιστές που δεν ελέγχουν εργαλεία,
06:25
but computers that are tools, where the output of a program
126
385000
4000
αλλά είναι οι ίδιοι εργαλεία, όπου το αποτέλεσμα ενός προγράμματος
06:29
rearranges atoms as well as bits.
127
389000
4000
αναδιατάσσει άτομα καθώς και bits.
06:33
Now, to do that -- with your tax dollars, thank you --
128
393000
3000
Τώρα, για να το κάνω αυτό — με τα λεφτά των φόρων σας, σας ευχαριστώ —
06:36
I bought all these machines. We made a modest proposal
129
396000
4000
αγόρασα αυτές τις μηχανές. Κάναμε μια σεμνή πρόταση στο Εθνικό Ίδρυμα Ερευνών (NSF).
06:40
to the NSF. We wanted to be able to make anything on any length scale,
130
400000
4000
Θέλαμε να έχουμε τη δυνατότητα να φτιάξουμε οτιδήποτε και σε οποιαδήποτε κλίμακα,
06:44
all in one place, because you can't segregate digital fabrication
131
404000
4000
όλα σε ένα μέρος, γιατί δεν μπορείς να περιορίσεις την ψηφιακή κατασκευή
06:48
by a discipline or a length scale.
132
408000
2000
με ένα κλάδος ή μια κλίμακα.
06:50
So we put together focused nano beam writers
133
410000
4000
Οπότε συνδυάσαμε τους εγγραφείς που δουλεύουν με εστιαζόμενες δέσμες
06:54
and supersonic water jet cutters and excimer micro-machining systems.
134
414000
5000
με μηχανήματα κοπής με υπερηχητικό τζέτ νερού και μικρο-μηχανικά συστήματα.
06:59
But I had a problem. Once I had all these machines,
135
419000
3000
Αλλά είχα ένα πρόβλημα. Μόλις είχα όλες αυτές τις μηχανές,
07:02
I was spending too much time teaching students to use them.
136
422000
3000
άρχισα να ξοδεύω πάρα πολύ χρόνο για να μάθω τους φοιτητές να τις χρησιμοποιούν.
07:05
So I started teaching a class, modestly called,
137
425000
2000
Οπότε άρχισα να διδάσκω έναν κύκλο μαθημάτων που σεμνά ονόμασα
07:07
"How To Make Almost Anything." And that wasn't meant to be provocative;
138
427000
3000
«Πώς να κάνετε σχεδόν τα πάντα». Δεν ήθελα να είμαι προκλητικός.
07:10
it was just for a few research students.
139
430000
2000
Ήταν απλά για λίγους φοιτητές-ερευνητές.
07:12
But the first day of class looked like this.
140
432000
2000
Αλλά την πρώτη μέρα των μαθημάτων έμοιαζε κάπως έτσι.
07:14
You know, hundreds of people came in begging,
141
434000
2000
Εκατοντάδες άνθρωποι ήρθαν παρακαλώντας:
07:16
all my life I've been waiting for this class; I'll do anything to do it.
142
436000
3000
«Όλη μου τη ζωή περίμενα για τέτοια μαθήματα· Θα κάνω τα πάντα για να τα παρακολουθήσω».
07:19
Then they'd ask, can you teach it at MIT? It seems too useful?
143
439000
3000
Μετά ρώτησαν: «Μπορείτε να τα διδάξετε στο MIT; Φαίνεται πάρα πολύ χρήσιμο».
07:22
And then the next --
144
442000
1000
Μετά, το επόμενο —
07:23
(Laughter)
145
443000
2000
(Γέλια)
07:25
-- surprising thing was they weren't there to do research.
146
445000
1000
— εκπληκτικό πράγμα ήταν ότι δεν ήταν στα μαθήματα για να κάνουν έρευνα.
07:26
They were there because they wanted to make stuff.
147
446000
2000
Ήταν εκεί επειδή ήθελαν να φτιάξουν πράγματα.
07:28
They had no conventional technical background.
148
448000
4000
Δεν είχαν κάποια συμβατική τεχνική μόρφωση.
07:32
At the end of a semester they integrated their skills.
149
452000
2000
Στο τέλος του εξαμήνου συνδυάσανε τις ικανότητές τους.
07:34
I'll show an old video. Kelly was a sculptor, and this is what she did
150
454000
4000
Θα σας δείξω ένα παλιό βίντεο. Η Κέλυ ήταν γλύπτρια και έφτιαξε αυτό,
07:38
with her semester project.
151
458000
2000
με το πρότζεκτ του εξαμήνου της.
07:40
(Video): Kelly: Hi, I'm Kelly and this is my scream buddy.
152
460000
3000
(Βίντεο): Κέλυ: «Γειά, είμαι η Κέλυ και αυτός είναι ο δικός μου σύντροφος για κραυγές.
07:45
Do you ever find yourself in a situation
153
465000
3000
Έχετε βρεθεί πότε στην κατάσταση
07:48
where you really have to scream, but you can't because you're at work,
154
468000
5000
όπου θέλετε πραγματικά να ουρλιάξετε, αλλά δεν μπορείτε επειδή είστε στη δουλειά
07:53
or you're in a classroom, or you're watching your children,
155
473000
3000
ή στην τάξη ή προσέχετε τα παιδιά σας
07:56
or you're in any number of situations where it's just not permitted?
156
476000
5000
ή είστε σε πολλαπλές περιπτώσεις όπου αυτό απλά δεν επιτρέπεται;
08:01
Well, scream buddy is a portable space for screaming.
157
481000
4000
Ο σύντροφος για κραυγές είναι ένας φορητός χώρος για κραυγές.
08:05
When a user screams into scream buddy, their scream is silenced.
158
485000
5000
Όταν ένας χρήστης ουρλιάζει μέσα στον σύντροφο για κραυγές,
08:10
It is also recorded for later release where, when and how
159
490000
4000
η κραυγή του φιμώνεται, αλλά επίσης καταγράφεται για αργότερη απελευθέρωση,
08:14
the user chooses.
160
494000
1000
όπου και όπως θελήσει ο χρήστης».
08:36
(Scream)
161
516000
2000
(Κραυγή)
08:39
(Laughter) (Applause)
162
519000
4000
(Γέλιο) (Χειροκρότημα)
08:43
So, Einstein would like this.
163
523000
2000
Αυτό θα το άρεσε στον Αϊνστάιν.
08:45
This student made a web browser for parrots --
164
525000
1000
Αυτός ο φοιτητής έφτιαξε έναν περιηγητή Ιστού για παπαγάλους, ο οποίος τους επιτρέπει
08:46
lets parrots surf the Net and talk to other parrots.
165
526000
3000
να σερφάρουν στο διαδίκτυο και να μιλάνε με άλλους παπαγάλους.
08:49
This student's made an alarm clock you wrestle
166
529000
2000
Αυτός ο φοιτητής έκανε ένα ξυπνητήρι που παλεύεις
08:51
to prove you're awake; this is one that defends --
167
531000
2000
για να αποδείξεις ότι είσαι ξύπνιος· Εδώ είναι ένα φόρεμα
08:53
a dress that defends your personal space.
168
533000
2000
το οποίο υπερασπίζεται τον προσωπικό σου χώρο.
08:55
This isn't technology for communication;
169
535000
2000
Αυτό δεν είναι τεχνολογία για επικοινωνία·
08:57
it's technology to prevent it.
170
537000
2000
είναι τεχνολογία για να αποτρέψει την επικοινωνία.
08:59
This is a device that lets you see your music.
171
539000
3000
Αυτή είναι μια συσκευή η οποία σου επιτρέπει να δεις τη μουσική σου.
09:02
This is a student who made a machine that makes machines,
172
542000
3000
Αυτός είναι ένας φοιτητής που έφτιαξε μια μηχανή που φτιάχνει μηχανές,
09:05
and he made it by making Lego bricks that do the computing.
173
545000
3000
και την έφτιαξε με το να φτιάξει τα τουβλάκια Lego που κάνουν τους υπολογισμούς.
09:08
Just year after year -- and I finally realized
174
548000
2000
Χρόνο με τον χρόνο — και τελικά κατάλαβα
09:10
the students were showing the killer app of personal fabrication
175
550000
4000
ότι οι φοιτητές παρουσίαζαν killer-εφαρμογές προσωπικής κατασκευής
09:14
is products for a market of one person.
176
554000
2000
που ως προϊόντα προορίζονται για ένα άτομο.
09:16
You don't need this for what you can get in Wal-Mart;
177
556000
2000
Δεν χρειάζεσαι τέτοια εφαρμογή για κάτι που μπορείς να βρεις σε ένα πολυκατάστημα,
09:18
you need this for what makes you unique.
178
558000
1000
την χρειάζεσαι για να σε κάνει μοναδικό.
09:19
Ken Olsen famously said, nobody needs a computer in the home.
179
559000
4000
Είναι γνωστό ότι ο Κεν Όλσεν είπε κάποτε ότι κανένας δεν χρειάζεται υπολογιστή σπίτι του.
09:23
But you don't use it for inventory and payroll;
180
563000
2000
Αλλά δεν τον χρησιμοποιείς για καταγραφή και πληρωμές.
09:25
DEC is now twice bankrupt. You don't need personal fabrication
181
565000
3000
Η εταιρεία του μέχρι τώρα έχει χρεοκοπήσει δύο φορές. Δεν χρειάζεσαι να κατασκευάζεις
09:28
in the home to buy what you can buy because you can buy it.
182
568000
2000
μόνος σου στο σπίτι κάτι που μπορείς να αγοράσεις διότι μπορείς να το αγοράσεις.
09:30
You need it for what makes you unique, just like personalization.
183
570000
4000
Το χρειάζεσαι για κάτι που σε κάνει μοναδικό, όπως ακριβώς με την εξατομίκευση.
09:34
So, with that, in turn, 20 million dollars today does this;
184
574000
4000
Οπότε, με αυτό, με την σειρά τους, 20 εκατομμύρια δολάρια κάνουν αυτό.
09:38
20 years from now we'll make Star Trek replicators that make anything.
185
578000
4000
Σε 20 χρόνια θα φτιάχνουμε αντιγραφείς όπως στο Star Trek οι οποίοι θα φτιάχνουν τα πάντα.
09:42
The students hijacked all the machines I bought to do personal fabrication.
186
582000
4000
Οι φοιτητές κατέκτησαν όλες τις μηχανές που αγόρασα για προσωπική κατασκευή.
09:46
Today, when you spend that much of your money,
187
586000
2000
Σήμερα, όποτε ξοδεύετε πολλά λεφτά υπάρχει κυβερνητική απαίτηση για προβολή,
09:48
there's a government requirement to do outreach, which often means
188
588000
3000
το οποίο συχνά σημαίνει μαθήματα σε ένα τοπικό σχολείο,
09:51
classes at a local school, a website -- stuff that's just not that exciting.
189
591000
3000
ένας διαδικτυακός τόπος — πράγματα τα οποία δεν είναι πολύ συναρπαστικά.
09:54
So, I made a deal with my NSF program managers that
190
594000
4000
Οπότε, έκανα μια συμφωνία με τους διαχειριστές του δικού μου προγράμματος από το NSF
09:58
instead of talking about it, I'd give people the tools.
191
598000
2000
ότι αντί να μιλάω γι' αυτό, θα έδινα στους ανθρώπους τα εργαλεία.
10:00
This wasn't meant to be provocative or important,
192
600000
2000
Όχι να φαινόμαστε προκλητικοί ή σημαντικοί,
10:02
but we put together these Fab Labs. It's about 20,000 dollars in equipment
193
602000
4000
αλλά φτιάξαμε αυτά τα Fab Labs. Είναι εξοπλισμός περίπου 20 000 δολαρίων
10:06
that approximate both what the 20 million dollars does and where it's going.
194
606000
5000
και προσεγγίζει αυτό που κάνουν τα 20 εκατομμύρια δολάρια και που πάνε.
10:11
A laser cutter to do press-fit assembly with 3D from 2D,
195
611000
3000
Ένας κόπτης λέιζερ για να κάνεις συνδέσεις με συμπίεση σε τρεις διαστάσεις αντί για δύο,
10:14
a sign cutter to plot in copper to do electromagnetics,
196
614000
2000
ένας κόπτης σχεδίων για χαλκό ώστε να κάνεις ηλεκτρομαγνητισμό
10:16
a micron scale,
197
616000
2000
σε μικροκλίμακα,
10:18
numerically-controlled milling machine for precise structures,
198
618000
2000
αριθμητικά ελεγχόμενη αλεστική μηχανή για ακριβείς δομές,
10:20
programming tools for less than a dollar,
199
620000
3000
προγραμματιστικά εργαλεία για λιγότερο από 1 δολάριο,
10:23
100-nanosecond microcontrollers. It lets you work from microns
200
623000
3000
μικροελεγκτές 100-νανοδευτερολέπτων. Σε αφήνει να δουλέψεις από μικρόμετρα
10:26
and microseconds on up, and they exploded around the world.
201
626000
4000
και μικροδευτερόλεπτα και πάνω, και αυτά γρήγορα εξαπλώθηκαν σε όλον τον κόσμο.
10:30
This wasn't scheduled, but they went from inner-city Boston
202
630000
2000
Αυτό δεν ήταν σχεδιασμένο, αλλά πήγαν από το κέντρο της Βοστώνης
10:32
to Pobal in India, to Secondi-Takoradi on Ghana's coast
203
632000
4000
στην Πομπάλ στην Ινδία, στο Σεκόντι-Τακοράντι στην ακτή της Γκάνας,
10:36
to Soshanguve in a township in South Africa,
204
636000
3000
στη φτωχογειτονιά για μαύρους Σοσανγκούβε στη Νότια Αφρική,
10:39
to the far north of Norway, uncovering, or helping uncover,
205
639000
4000
πολύ βόρεια στη Νορβηγία, αποκαλύπτοντας, η βοηθώντας να αποκαλυφθούν,
10:43
for all the attention to the digital divide,
206
643000
3000
με όλη την προσοχή στο ψηφιακό χάσμα,
10:46
we would find unused computers in all these places.
207
646000
4000
αχρησιμοποίητοι υπολογιστές σε όλα αυτά τα μέρη.
10:50
A farmer in a rural village -- a kid needs to measure and modify
208
650000
3000
Σε μια αγροτική περιοχή ένα παιδί αγρότη χρειάζεται να μετρά και να τροποποιεί
10:53
the world, not just get information about it on a screen.
209
653000
4000
τον κόσμο, όχι απλά να παίρνει πληροφορίες γι' αυτόν μπροστά σε μια οθόνη.
10:57
That there's really a fabrication and an instrumentation divide
210
657000
2000
Υπάρχει στ' αλήθεια ένα χάσμα στην κατασκευή και διαθεσιμότητα εργαλείων
10:59
bigger than the digital divide.
211
659000
3000
μεγαλύτερο από το ψηφιακό χάσμα.
11:02
And the way you close it is not IT for the masses but IT development for the masses.
212
662000
3000
Για να το κλείσεις χρειάζονται όχι οι τεχνολογίες πληροφοριών για το κοινό,
11:05
So, in place after place
213
665000
3000
αλλά ανάπτυξη τεχνολογιών πληροφοριών από το κοινό.
11:08
we saw this same progression: that we'd open one of these Fab Labs,
214
668000
3000
Οπότε, μέρος με το μέρος βλέπαμε την ίδια εξέλιξη:
11:11
where we didn't -- this is too crazy to think of.
215
671000
3000
ότι ανοίγαμε ένα από αυτά τα Fab Labs εκεί όπου δεν αναμέναμε —
11:14
We didn't think this up, that we would get pulled to these places;
216
674000
3000
αυτό είναι υπερβολικά τρελό να το σκέφτεσαι.
11:17
we'd open it. The first step was just empowerment.
217
677000
2000
Το πρώτο βήμα ήταν απλά ενδυνάμωση.
11:19
You can see it in their face, just this joy of, I can do it.
218
679000
3000
Μπορείτε να το δείτε στα πρόσωπά τους, απλά την χαρά του «μπορώ να το κάνω».
11:22
This is a girl in inner-city Boston who had just done a high-tech
219
682000
2000
Αυτό είναι ένα κορίτσι στο κέντρο της Βοστώνης οπού μόλις είχε πουλήσει
11:24
on-demand craft sale in the inner city community center.
220
684000
4000
κατασκευές υψηλής τεχνολογίας κατά παραγγελία στο κέντρο της κοινότητας.
11:28
It goes on from there to serious hands-on technical education
221
688000
4000
Συνεχίζει από εκεί σε σοβαρή πρακτική τεχνική εκπαίδευση
11:32
informally, out of schools. In Ghana we had set up one of these labs.
222
692000
5000
έξω από τα σχολεία. Στη Γκάνα εγκαταστήσαμε ένα από αυτά τα εργαστήρια.
11:37
We designed a network sensor, and kids would show up
223
697000
2000
Σχεδιάσαμε ένα δίκτυο αισθητήρων, και τα παιδιά εμφανίζονταν
11:39
and refuse to leave the lab.
224
699000
1000
και αρνούνταν να φύγουν από το εργαστήριο.
11:40
There was a girl who insisted we stay late at night --
225
700000
3000
Υπήρχε ένα κορίτσι το οποίο επέμενε να μένει μέχρι αργά τη νύχτα —
11:43
(Video): Kids: I love the Fab Lab.
226
703000
2000
(Βίντεο): Παιδιά: «Μ' αρέσει το Fab Lab».
11:45
-- her first night in the lab because she was going to make the sensor.
227
705000
3000
- η πρώτη της νύχτα στο εργαστήριο επειδή ήθελε να κάνει τον αισθητήρα.
11:48
So she insisted on fabbing the board, learning how to stuff it,
228
708000
3000
Οπότε επέμενε να κατασκευάσει την πλακέτα, μαθαίνοντας πώς να την γεμίζει,
11:51
learning how to program it. She didn't really know
229
711000
2000
μαθαίνοντας πως να την προγραμματίζει.
11:53
what she was doing or why she was doing it, but she knew
230
713000
2000
Δεν ήξερε τί έκανε ή γιατί το έκανε, αλλά ήξερε
11:55
she just had to do it. There was something electric about it.
231
715000
3000
ότι έπρεπε να το κάνει. Ήταν συγκινητικό.
11:58
This is late at, you know, 11 o'clock at night
232
718000
2000
Εδώ είναι αργά, 11 η ώρα το βράδυ,
12:00
and I think I was the only person surprised when what she built
233
720000
3000
και νομίζω ότι ήμουν ο μόνος άνθρωπος που ξαφνιάστηκε όταν αυτό που έφτιαξε
12:03
worked the first time.
234
723000
2000
δούλεψε με την πρώτη φορά.
12:05
And I've shown this to engineers at big companies, and they say
235
725000
2000
Το έχω δείξει σε μηχανικούς σε μεγάλες εταιρείες, και απαντούν ότι δεν μπορούν
12:07
they can't do this. Any one thing she's doing, they can do better,
236
727000
3000
να το κάνουν. Οποιοδήποτε έκανε αυτή, αυτοί μπορούσαν να το κάνουν καλύτερα,
12:10
but it's distributed over many people and many sites
237
730000
3000
αλλά θα ήταν κατανεμημένο σε πολλούς ανθρώπους και πολλά σημεία
12:13
and they can't do in an afternoon
238
733000
1000
και δεν μπορούν να κάνουν σε ένα απόγευμα
12:14
what this little girl in rural Ghana is doing.
239
734000
3000
αυτό που κάνει αυτό το μικρό κορίτσι στην αγροτική περιοχή της Γκάνας.
12:33
(Video): Girl: My name is Valentina Kofi; I am eight years old.
240
753000
4000
(Βίντεο): Κορίτσι: «Το όνομά μου είναι Βαλεντίνα Κόφι και είμαι οκτώ χρονών.
12:37
I made a stacking board.
241
757000
3000
Έφτιαξα μια πολυεπίπεδη πλακέτα».
12:40
And, again, that was just for the joy of it.
242
760000
3000
Για ακόμη μια φορά, αυτό έγινε απλά για τη χαρά της δημιουργίας.
12:43
Then these labs started doing serious problem solving --
243
763000
3000
Όταν αυτά τα εργαστήρια ξεκίνησαν να ασχολούνται με σοβαρά προβλήματα —
12:46
instrumentation for agriculture in India,
244
766000
2000
εργαλεία για τη γεωργία στην Ινδία,
12:48
steam turbines for energy conversion in Ghana,
245
768000
2000
τουρμπίνες ατμού για μετατροπή ενέργειας στη Γκάνα,
12:50
high-gain antennas in thin client computers.
246
770000
4000
κεραίες υψηλής απολαβής σε λεπτούς υπολογιστές πελατών.
12:54
And then, in turn, businesses started to grow,
247
774000
1000
Τότε, στη συνέχεια, επιχειρήσεις άρχισαν να δημιουργούνται,
12:55
like making these antennas.
248
775000
1000
όπως για την κατασκευή αυτών των κεραιών.
12:56
And finally, the lab started doing invention.
249
776000
2000
Τελικά, το εργαστήριο άρχισε να κάνει εφευρέσεις.
12:58
We're learning more from them than we're giving them.
250
778000
2000
Μαθαίνουμε περισσότερα από αυτούς σε σχέση με αυτά που τους δίνουμε.
13:00
I was showing my kids in a Fab Lab how to use it.
251
780000
3000
Έδειχνα στα παιδιά μου ένα Fab Lab και πώς να το χειρίζονται.
13:03
They invented a way to do a construction kit out of a cardboard box --
252
783000
4000
Εφηύραν έναν τρόπο για να κάνουν ένα κατασκευαστικό σετ από χαρτόνι —
13:07
which, as you see up there, that's becoming a business --
253
787000
2000
το οποίο, όπως βλέπετε εδώ πάνω, γίνεται επιχείρηση —
13:09
but their design was better than Saul's design at MIT,
254
789000
3000
αλλά τα σχέδιά τους ήταν καλύτερα από αυτά του Σολ στο MIT,
13:12
so there's now three students at MIT doing their theses on
255
792000
3000
όποτε υπάρχουν αυτή τη στιγμή τρεις φοιτητές στο MIT που κάνουν τη διατριβή τους
13:15
scaling the work of eight-year-old children
256
795000
3000
πάνω στην επέκταση της δουλειάς οκτάχρονων παιδιών,
13:18
because they had better designs.
257
798000
1000
επειδή είχαν καλύτερα σχέδια.
13:19
Real invention is happening in these labs.
258
799000
3000
Σε αυτά τα εργαστήρια γίνονται πραγματικές εφευρέσεις.
13:22
And I still kept -- so, in the last year I've been spending time with
259
802000
2000
Το τελευταίο έτος συζητούσα με αρχηγούς κρατών,
13:24
heads of state and generals and tribal chiefs who all want this,
260
804000
3000
στρατηγούς και αρχηγούς φυλών που όλοι το ήθελαν,
13:27
and I keep saying, but this isn't the real thing.
261
807000
2000
και συνεχίζω να λέω, ότι αυτό δεν είναι όλο ακόμα.
13:29
Wait, like, 20 years and then we'll be done.
262
809000
2000
Περιμένετε, ας πούμε 20 χρόνια, και τότε θα έχουμε τελειώσει.
13:31
And I finally got what's been going on. This is Kernigan and Ritchie
263
811000
3000
Τελικά βρήκα τι πραγματικά συμβαίνει. Αυτοί είναι ο Κέρνιγκαν και η Ρίτσι
13:34
inventing UNIX on a PDP.
264
814000
3000
που εφευρίσκουν το UNIX σε ένα PDP.
13:37
PDPs came between mainframes and minicomputers.
265
817000
2000
Τα PDPs ήταν κάπου μεταξύ κεντρικών υπολογιστών και μικροϋπολογιστών.
13:39
They were tens of thousands of dollars, hard to use,
266
819000
3000
Κόστιζαν δεκάδες χιλιάδες δολάρια, ήταν δύσχρηστα,
13:42
but they brought computing down to work groups,
267
822000
2000
αλλά έφεραν την υπολογιστική δύναμη σε ομάδες εργασίας,
13:44
and everything we do today happened there.
268
824000
2000
και οτιδήποτε κάνουμε σήμερα συνέβη εκεί.
13:46
These Fab Labs are the cost and complexity of a PDP.
269
826000
3000
Αυτά τα Fab Labs έχουν το κόστος και την πολυπλεξία ενός PDP.
13:49
The projection of digital fabrication
270
829000
2000
Αυτή η τάση της ψηφιακής κατασκευής
13:51
isn't a projection for the future; we are now in the PDP era.
271
831000
3000
δεν είναι η τάση για το μέλλον· τώρα είμαστε στην εποχή του PDP.
13:54
We talked in hushed tones about the great discoveries then.
272
834000
3000
Μιλούσαμε με χαμηλόφωνους τόνους για μεγάλες ανακαλύψεις τότε.
13:57
It was very chaotic, it wasn't, sort of, clear what was going on.
273
837000
3000
Ήταν πολύ χαοτικό, δεν ήταν σχετικά ξεκάθαρο το τι συνέβαινε.
14:00
In the same sense we are now, today, in the minicomputer era
274
840000
3000
Στην ίδια κατάσταση είμαστε τώρα, στην εποχή των μικροϋπολογιστών
14:03
of digital fabrication.
275
843000
2000
της ψηφιακής κατασκευής.
14:05
The only problem with that is it breaks everybody's boundaries.
276
845000
4000
Το μόνο πρόβλημα με αυτό είναι ότι σπάει τα όρια όλων.
14:09
In DC, I go to every agency that wants to talk, you know;
277
849000
3000
Στην Ουάσιγκτον, πηγαίνω σε όποια υπηρεσία θέλει να μιλήσει·
14:12
in the Bay Area, I go to every organization you can think of --
278
852000
2000
στην περιοχή του Σαν Φρανσίσκο, πηγαίνω σε κάθε οργανισμό
14:14
they all want to talk about it, but it breaks
279
854000
2000
που μπορείτε να φανταστείτε — και όλοι θέλουν να μιλήσουν γι' αυτό,
14:16
their organizational boundaries. In fact, it's illegal for them,
280
856000
3000
αλλά σπάει τα οργανωτικά τους όρια. Είναι παράνομο γι' αυτούς,
14:19
in many cases, to equip ordinary people to create
281
859000
4000
σε πολλές περιπτώσεις, να εφοδιάζουν το κοινό για να δημιουργεί
14:23
rather than consume technology.
282
863000
1000
αντί να καταναλώνει τεχνολογία.
14:24
And that problem is so severe that the ultimate invention
283
864000
4000
Αυτό το πρόβλημα είναι τόσο σοβαρό, που η μεγαλύτερη εφεύρεση
14:28
coming from this community surprised me:
284
868000
3000
η οποία προέρχεται από αυτή την κοινότητα με εξέπληξε:
14:31
it's the social engineering. That the lab in far north of Norway --
285
871000
4000
είναι η κοινωνική μηχανική. Αυτό το εργαστήριο στον βορρά της Νορβηγίας —
14:35
this is so far north its satellite dishes look at the ground
286
875000
2000
είναι τόσο βόρεια που τα δορυφορικά πιάτα κοιτάζουν στο έδαφος
14:37
rather than the sky because that's where the satellites are --
287
877000
4000
αντί για τον ουρανό, διότι εκεί είναι που βρίσκονται οι δορυφόροι —
14:41
the lab outgrew the little barn that it was in.
288
881000
1000
το εργαστήριο ξεπέρασε τον μικρό στάβλο μέσα στο οποίο ήταν αρχικά.
14:42
It was there because they wanted to find animals in the mountains
289
882000
3000
Ήταν εκεί, επειδή ήθελαν να βρίσκουν ζώα στα βουνά
14:45
but it outgrew it, so they built this extraordinary village for the lab.
290
885000
4000
αλλά το ξεπέρασε, οπότε έχτισαν αυτό το υπέροχο χωριό για το εργαστήριο.
14:49
This isn't a university; it's not a company. It's essentially
291
889000
2000
Αυτό δεν είναι ένα πανεπιστήμιο· δεν είναι μια εταιρεία. Είναι ουσιαστικά
14:51
a village for invention; it's a village for the outliers in society,
292
891000
5000
ένα χωριό για εφευρέσεις· είναι ένα χωριό για τους περιθωριακούς της κοινωνίας,
14:56
and those have been growing up around these Fab Labs
293
896000
2000
και αυτοί μεγάλωσαν γύρω από αυτά τα Fab Labs
14:58
all around the world.
294
898000
1000
σε όλο τον κόσμο.
14:59
So this program has split into an NGO foundation,
295
899000
4000
Οπότε αυτό το πρόγραμμα έχει σπάσει σε ένα ίδρυμα ΜΚΟ, το Ίδρυμα Fab
15:03
a Fab Foundation to support the scaling, a micro VC fund.
296
903000
4000
για να υποστηρίξει την επέκταση, ένα μικρό επιχειρηματικό κεφάλαιο.
15:07
The person who runs it nicely describes it as
297
907000
1000
Το άτομο που το διοικεί το περιγράφει ωραιότατα ως
15:08
"machines that make machines need businesses that make businesses:"
298
908000
4000
«μηχανές που κάνουν μηχανές απαιτούν επιχειρήσεις που κάνουν επιχειρήσεις».
15:12
it's a cross between micro-finance and VC to do fan-out,
299
912000
3000
Είναι μια μίξη μεταξύ μικροοικονομικής και επιχειρηματικού κεφαλαίου για επέκταση.
15:15
and then the research partnerships back at MIT for what's
300
915000
2000
Έπειτα είναι οι ερευνητικές συνεργασίες με το MIT που
15:17
making it possible.
301
917000
3000
το κάνουν εφικτό.
15:20
So I'd like to leave you with two thoughts.
302
920000
2000
Οπότε θα ήθελα να σας αφήσω με δύο σκέψεις. Υπάρχει μια τεράστια αλλαγή στη βοήθεια,
15:22
There's been a sea change in aid, from top-down mega-projects
303
922000
5000
από μεγάλα έργα που λειτουργούν από πάνω προς τα κάτω, σε έργα που λειτουργούν
15:27
to bottom-up, grassroots, micro-finance investing in the roots,
304
927000
4000
από κάτω προς τα πάνω, με μικροοικονομική να επενδύει στις ρίζες,
15:31
so that everybody's got that that's what works.
305
931000
3000
οπότε ο καθένας κατάλαβε ότι αυτό είναι εφικτό.
15:34
But we still look at technology as top-down mega-projects.
306
934000
3000
Αλλά ακόμα βλέπουμε την τεχνολογία σαν μεγάλα έργα από πάνω προς τα κάτω.
15:37
Computing, communication, energy for the rest of the planet
307
937000
3000
Η υπολογιστική ισχύς, η επικοινωνία, η ενέργεια για τον υπόλοιπο πλανήτη
15:40
are these top-down mega-projects.
308
940000
2000
είναι αυτά τα τεράστια έργα που λειτουργούν από πάνω προς τα κάτω.
15:42
If this room full of heroes is just clever enough,
309
942000
2000
Εάν σ' αυτή την αίθουσα υπάρχουν αρκετά έξυπνοι άνθρωποι,
15:44
you can solve the problems.
310
944000
2000
τότε τα προβλήματα μπορούν να λυθούν .
15:46
The message coming from the Fab Labs is that
311
946000
2000
Το μήνυμα το οποίο έρχεται από τα Fab Labs είναι ότι
15:48
the other five billion people on the planet
312
948000
2000
τα άλλα 5 δις ανθρώπων στον πλανήτη
15:50
aren't just technical sinks; they're sources.
313
950000
2000
δεν είναι απλά καταναλωτές τεχνολογίας, αλλά είναι αυτοί που την αναπτύσσουν.
15:52
The real opportunity is to harness the inventive power of the world
314
952000
3000
Η πραγματική ευκαιρία είναι να αξιοποιήσεις την εφευρετική δύναμη του κόσμου
15:55
to locally design and produce solutions to local problems.
315
955000
4000
να σχεδιάζεις τοπικά και να παράγεις λύσεις για τα τοπικά προβλήματα.
15:59
I thought that's the projection 20 years hence into the future,
316
959000
3000
Νόμιζα ότι αυτή είναι η τάση για τα επόμενα 20 χρόνια,
16:02
but it's where we are today.
317
962000
2000
αλλά είναι και σήμερα έτσι.
16:04
It breaks every organizational boundary we can think of.
318
964000
2000
Σπάει κάθε οργανωτικό όριο που μπορούμε να σκεφτούμε.
16:06
The hardest thing at this point is the social engineering
319
966000
3000
Το δυσκολότερο πράγμα σε αυτό το σημείο είναι η κοινωνική μηχανική
16:09
and the organizational engineering, but it's here today.
320
969000
3000
και η οργανωτική μηχανική, αλλά είναι εδώ τώρα.
16:12
And, finally, any talk like this on the future of computing
321
972000
2000
Τελικά, κάθε ομιλία όπως αυτή για το μέλλον των υπολογιστών
16:14
is required to show Moore's law, but my favorite version --
322
974000
4000
πρέπει να δείχνει τον νόμο του Μουρ, αλλά εδώ είναι η δική μου αγαπημένη εκδοχή —
16:18
this is Gordon Moore's original one from his original paper --
323
978000
5000
είναι το πρωτότυπο του Γκόρντον Μουρ από το δικό του άρθρο —
16:23
and what's happened is, year after year after year,
324
983000
2000
και αυτό που συνέβη είναι, χρόνο με τον χρόνο,
16:25
we've scaled and we've scaled and we've scaled
325
985000
1000
εξελιχθήκαμε, εξελιχθήκαμε, εξελιχθήκαμε,
16:26
and we've scaled, and we've scaled and we've scaled,
326
986000
4000
εξελιχθήκαμε, εξελιχθήκαμε, εξελιχθήκαμε,
16:30
and we've scaled and we've scaled,
327
990000
1000
εξελιχθήκαμε, εξελιχθήκαμε,
16:31
and there's this looming bug of what's going to happen
328
991000
2000
και πλησιάζει σφάλμα — τι πρόκειται να συμβεί
16:33
at the end of Moore's law; this ultimate bug is coming.
329
993000
4000
στο τέλος του νόμου του Μουρ· το τελικό σφάλμα έρχεται.
16:37
But we're coming to appreciate, is the transition from 2D to 3D,
330
997000
5000
Αλλά αυτό που αρχίζουμε να εκτιμούμε, είναι η μετάβαση από τις 2 διαστάσεις στις 3,
16:42
from programming bits to programming atoms,
331
1002000
3000
από τον προγραμματισμό των bits στον προγραμματισμό ατόμων,
16:45
turns the ends of Moore's law scaling from the ultimate bug
332
1005000
2000
μετατρέπει το τέλος της εξέλιξης του νόμου Μουρ από τελικό σφάλμα
16:47
to the ultimate feature.
333
1007000
2000
σε τελικό χαρακτηριστικό.
16:49
So, we're just at the edge of this digital revolution in fabrication,
334
1009000
4000
Είμαστε ακριβώς στην κορυφή αυτής της ψηφιακής επανάστασης στην κατασκευή,
16:53
where the output of computation programs the physical world.
335
1013000
3000
όπου το αποτέλεσμα των υπολογισμών μας "προγραμματίζει" τον φυσικό κόσμο.
16:56
So, together, these two projects answer questions
336
1016000
3000
Οπότε, μαζί, αυτά τα δύο πρότζεκτ απαντούν ερωτήσεις
16:59
I hadn't asked carefully. The class at MIT shows the killer app
337
1019000
4000
τις οποίες δεν είχα θέσει με ακρίβεια. Ο κύκλος μαθημάτων στο MIT δείχνει
17:03
for personal fabrication in the developed world
338
1023000
2000
ότι η killer-εφαρμογή για την προσωπική κατασκευή στον ανεπτυγμένο κόσμο
17:05
is technology for a market of one: personal expression in technology
339
1025000
4000
είναι τεχνολογία με αγορά για έναν: προσωπική έκφραση στην τεχνολογία
17:09
that touches a passion unlike anything I've seen in technology
340
1029000
3000
η οποία αγγίζει ένα πάθος που όμοιό του δεν έχω ξαναδεί στην τεχνολογία
17:12
for a very long time.
341
1032000
2000
για πολύ καιρό.
17:14
And the killer app for the rest of the planet is the instrumentation
342
1034000
4000
Η killer-εφαρμογή για τον υπόλοιπο κόσμο έχει σχέση με το χάσμα
17:18
and the fabrication divide: people locally developing solutions
343
1038000
3000
στη διαθεσιμότητα εργαλείων και κατασκευή: οι άνθρωποι τοπικά παράγουν λύσεις
17:21
to local problems. Thank you.
344
1041000
2000
για τοπικά προβλήματα. Σας ευχαριστώ.
Σχετικά με αυτόν τον ιστότοπο

Αυτός ο ιστότοπος θα σας παρουσιάσει βίντεο στο YouTube που είναι χρήσιμα για την εκμάθηση της αγγλικής γλώσσας. Θα δείτε μαθήματα αγγλικών που διδάσκουν κορυφαίοι καθηγητές από όλο τον κόσμο. Κάντε διπλό κλικ στους αγγλικούς υπότιτλους που εμφανίζονται σε κάθε σελίδα βίντεο για να αναπαράγετε το βίντεο από εκεί. Οι υπότιτλοι μετακινούνται συγχρονισμένα με την αναπαραγωγή του βίντεο. Εάν έχετε οποιαδήποτε σχόλια ή αιτήματα, παρακαλούμε επικοινωνήστε μαζί μας χρησιμοποιώντας αυτή τη φόρμα επικοινωνίας.

https://forms.gle/WvT1wiN1qDtmnspy7