12 sustainable design ideas from nature | Janine Benyus

Janine Benyus comparte los diseños de la Naturaleza

620,503 views

2007-05-17 ・ TED


New videos

12 sustainable design ideas from nature | Janine Benyus

Janine Benyus comparte los diseños de la Naturaleza

620,503 views ・ 2007-05-17

TED


Haga doble clic en los subtítulos en inglés para reproducir el vídeo.

Traductor: Leon Alejandro Ortiz Rojas Revisor: Sebastian Betti
00:25
It is a thrill to be here at a conference
0
25000
4000
Es una emoción estar aquí en una conferencia
00:29
that's devoted to "Inspired by Nature" -- you can imagine.
1
29000
5000
dedicada a "Inspirados por la Naturaleza", como se podrán imaginar.
00:34
And I'm also thrilled to be in the foreplay section.
2
34000
4000
Pero también estoy encantada de estar en la sección de jugueteo previo.
00:38
Did you notice this section is foreplay?
3
38000
2000
¿Se dieron cuenta que esta es la sección de jugueteo previo?
00:40
Because I get to talk about one of my favorite critters,
4
40000
3000
Porque me toca hablar de una de mis criaturas favoritas:
00:43
which is the Western Grebe. You haven't lived
5
43000
3000
el achichilique pico amarillo. Uno no ha vivido
00:46
until you've seen these guys do their courtship dance.
6
46000
4000
hasta que ha visto a estos tipos hacer su danza de cortejo.
00:50
I was on Bowman Lake in Glacier National Park,
7
50000
3000
Estaba en el Lago Bowman en el Parque Nacional de los Glaciares,
00:53
which is a long, skinny lake with sort of mountains upside down in it,
8
53000
4000
un lago largo y estrecho, con una especie de cerros volteados
00:57
and my partner and I have a rowing shell.
9
57000
2000
y mi pareja y yo tenemos una canoa de remo.
00:59
And so we were rowing, and one of these Western Grebes came along.
10
59000
6000
Estábamos remando y se acercó uno de estos achichiliques pico amarillo.
01:05
And what they do for their courtship dance is, they go together,
11
65000
5000
Y lo que hacen como danza de cortejo es, se van juntos,
01:10
the two of them, the two mates, and they begin to run underwater.
12
70000
5000
los dos, los dos compañeros, y comienzan a andar bajo el agua.
01:15
They paddle faster, and faster, and faster, until they're going so fast
13
75000
4000
Patalean rápido, y más rápido, y más rápido, hasta que van tan rápido
01:19
that they literally lift up out of the water,
14
79000
3000
que literalmente se elevan fuera del agua,
01:22
and they're standing upright, sort of paddling the top of the water.
15
82000
4000
y allí van elevados, en una especie de pataleo sobre la superficie del agua.
01:26
And one of these Grebes came along while we were rowing.
16
86000
5000
Y entonces uno de estos achichiliques se acercó mientras nosotros íbamos remando.
01:31
And so we're in a skull, and we're moving really, really quickly.
17
91000
4000
Y aquí vamos como en una parvada, moviéndonos muy, muy rápidamente.
01:35
And this Grebe, I think, sort of, mistaked us for a prospect,
18
95000
7000
Y el achichilique creo que como que nos confunde con una oportunidad
01:42
and started to run along the water next to us,
19
102000
4000
y empieza a correr sobre el agua junto a nosotros,
01:46
in a courtship dance -- for miles.
20
106000
5000
en una danza de cortejo... durante varios kilómetros.
01:51
It would stop, and then start, and then stop, and then start.
21
111000
4000
Podría parar, y luego empezar, y luego detenerse, y a continuación empezar.
01:55
Now that is foreplay.
22
115000
2000
A eso le llamo: jugueteo previo
01:57
(Laughter)
23
117000
3000
(Risas)
02:00
I came this close to changing species at that moment.
24
120000
9000
Bueno, casi; estuve así de cerca de cambiarme de especie en ese momento
02:09
Obviously, life can teach us something
25
129000
4000
Obviamente la vida siempre nos enseña algo
02:13
in the entertainment section. Life has a lot to teach us.
26
133000
4000
en la sección de entretenimiento. Bueno, la vida tiene mucho que enseñarnos.
02:17
But what I'd like to talk about today
27
137000
3000
Pero de lo que quisiera hablar hoy
02:20
is what life might teach us in technology and in design.
28
140000
4000
es lo que la vida puede enseñarnos respecto a tecnología y diseño.
02:24
What's happened since the book came out --
29
144000
2000
Lo que sucedió desde que salió el libro
02:26
the book was mainly about research in biomimicry --
30
146000
3000
el libro era principalmente sobre la investigación en biomimética.
02:29
and what's happened since then is architects, designers, engineers --
31
149000
4000
Y lo que ha sucedido desde entonces es que arquitectos, diseñadores, ingenieros
02:33
people who make our world -- have started to call and say,
32
153000
3000
la gente que construye nuestro mundo... empezó a llamar diciendo:
02:36
we want a biologist to sit at the design table
33
156000
4000
queremos un biólogo para que se siente en la mesa de diseño
02:40
to help us, in real time, become inspired.
34
160000
3000
para que nos ayude, en tiempo real, y se inspire
02:43
Or -- and this is the fun part for me -- we want you to take us out
35
163000
4000
O, y esto se me hizo gracioso, queremos que nos lleven
02:47
into the natural world. We'll come with a design challenge
36
167000
2000
al mundo natural. Proponemos un reto en diseño
02:49
and we find the champion adapters in the natural world, who might inspire us.
37
169000
5000
y buscamos a los campeones mejor adaptados del mundo natural, que podrían inspirarnos.
02:54
So this is a picture from a Galapagos trip that we took
38
174000
4000
Así que esa es una foto que tomamos en un viaje a las Galápagos
02:58
with some wastewater treatment engineers; they purify wastewater.
39
178000
4000
con unos ingenieros especialistas en tratamiento de aguas servidas; ellos purifican las aguas servidas.
03:02
And some of them were very resistant, actually, to being there.
40
182000
3000
Y algunos de ellos se resistían, realmente, a estar allí.
03:05
What they said to us at first was, you know, we already do biomimicry.
41
185000
5000
Lo que al principio nos decían era, ya saben, nosotros ya aplicamos la biomimética.
03:10
We use bacteria to clean our water. And we said,
42
190000
5000
Usamos bacterias para limpiar nuestra agua. Y entonces les dijimos,
03:15
well, that's not exactly being inspired by nature.
43
195000
4000
bueno, no exactamente -- eso no es exactamente estar inspirado por la Naturaleza.
03:19
That's bioprocessing, you know; that's bio-assisted technology:
44
199000
4000
Eso más bien es bioprocesamiento, como quien dice biotecnología aplicada
03:23
using an organism to do your wastewater treatment
45
203000
5000
usando un organismo para que haga el tratamiento de aguas servidas
03:28
is an old, old technology called "domestication."
46
208000
3000
es una vieja, vieja tecnología conocida como "domesticación".
03:31
This is learning something, learning an idea, from an organism and then applying it.
47
211000
7000
Esto es aprender algo, aprender una idea de un organismo para luego aplicarla.
03:38
And so they still weren't getting it.
48
218000
3000
Así que ellos aún no lo entendían.
03:41
So we went for a walk on the beach and I said,
49
221000
2000
Entonces fuimos a caminar por la playa y les dije:
03:43
well, give me one of your big problems. Give me a design challenge,
50
223000
5000
bueno, dénme uno de sus mayores problemas. Dénme un desafío de diseño,
03:48
sustainability speed bump, that's keeping you from being sustainable.
51
228000
3000
un obstáculo para la sustentabilidad, que no les permita ser sustentables.
03:51
And they said scaling, which is the build-up of minerals inside of pipes.
52
231000
6000
Y dijeron el sarro, que es la acumulación de minerales dentro de los tubos.
03:57
And they said, you know what happens is, mineral --
53
237000
2000
Y me comentaron, sabes, lo que pasa es que el mineral
03:59
just like at your house -- mineral builds up.
54
239000
2000
igual que en tu casa, los minerales se acumulan.
04:01
And then the aperture closes, and we have to flush the pipes with toxins,
55
241000
4000
Y entonces la abertura se cierra y tenemos que destapar los tubos con toxinas,
04:05
or we have to dig them up.
56
245000
2000
o tenemos que escarbarlos.
04:07
So if we had some way to stop this scaling --
57
247000
3000
Si tan solo hubiera una manera de parar este sarro...
04:10
and so I picked up some shells on the beach. And I asked them,
58
250000
5000
Y entonces levanté unas conchas de la playa. Y les pregunté:
04:15
what is scaling? What's inside your pipes?
59
255000
2000
¿Qué es el sarro? ¿Qué hay dentro de sus tubos?
04:17
And they said, calcium carbonate.
60
257000
3000
Y contestaron: carbonato de calcio.
04:20
And I said, that's what this is; this is calcium carbonate.
61
260000
3000
Y dije: eso es esto; esto es carbonato de calcio.
04:23
And they didn't know that.
62
263000
3000
Y ellos no lo sabían.
04:26
They didn't know that what a seashell is,
63
266000
2000
Ellos no sabían de qué es una concha marina,
04:28
it's templated by proteins, and then ions from the seawater
64
268000
4000
es modelada por proteínas y luego los iones del agua marina
04:32
crystallize in place to create a shell.
65
272000
3000
se cristalizan en el sitio, bien, para formar la concha.
04:35
So the same sort of a process, without the proteins,
66
275000
4000
Así que un proceso similar, pero sin las proteínas,
04:39
is happening on the inside of their pipes. They didn't know.
67
279000
3000
está pasando dentro de sus tubos. Y ellos no lo sabían.
04:42
This is not for lack of information; it's a lack of integration.
68
282000
6000
Esto no es por falta de información; es por falta de integración.
04:48
You know, it's a silo, people in silos. They didn't know
69
288000
3000
Saben, es como un silo, gente dentro de silos. No sabían
04:51
that the same thing was happening. So one of them thought about it
70
291000
3000
que estaba pasando lo mismo. Así que uno de ellos lo pensó
04:54
and said, OK, well, if this is just crystallization
71
294000
4000
y dijo, bueno, está bien, si esto no es más que la cristalización
04:58
that happens automatically out of seawater -- self-assembly --
72
298000
5000
que ocurre automáticamente del agua marina, el autoensamblaje,
05:03
then why aren't shells infinite in size? What stops the scaling?
73
303000
5000
entonces ¿por qué las conchas no son infinitas en tamaño? ¿Qué las detiene?
05:08
Why don't they just keep on going?
74
308000
2000
¿Por qué simplemente no siguen adelante?
05:10
And I said, well, in the same way
75
310000
4000
Y dije, bueno, de la misma forma en que sueltan las pro...
05:14
that they exude a protein and it starts the crystallization --
76
314000
4000
en que exudan una proteína y empieza la cristalización,
05:18
and then they all sort of leaned in --
77
318000
4000
y ahí fue cuando todos se inclinaron hacia adelante...
05:22
they let go of a protein that stops the crystallization.
78
322000
3000
liberan una proteína que detiene la cristalización
05:25
It literally adheres to the growing face of the crystal.
79
325000
2000
Literalmente se adhiere a la cara creciente del cristal.
05:27
And, in fact, there is a product called TPA
80
327000
4000
De hecho, hay un producto llamado APT
05:31
that's mimicked that protein -- that stop-protein --
81
331000
5000
que imita a esa proteina, esa proteina inhibidora
05:36
and it's an environmentally friendly way to stop scaling in pipes.
82
336000
4000
y es una forma ecológica de detener la formación de sarro.
05:40
That changed everything. From then on,
83
340000
4000
Eso cambió todo, después de eso
05:44
you could not get these engineers back in the boat.
84
344000
4000
no podíamos hacer regresar a los ingenieros al bote.
05:48
The first day they would take a hike,
85
348000
3000
El primer día salían de paseo,
05:51
and it was, click, click, click, click. Five minutes later they were back in the boat.
86
351000
3000
y era clic, clic, clic, clic. Cinco minutos después estaban de vuelta en el barco.
05:54
We're done. You know, I've seen that island.
87
354000
4000
Ya acabamos, saben, ya había visto esa isla.
05:58
After this,
88
358000
2000
Después de esto
06:00
they were crawling all over. They would snorkel
89
360000
3000
iban por todas partes. Ellos no...
06:03
for as long as we would let them snorkel.
90
363000
5000
buceaban todo el tiempo que los dejábamos.
06:08
What had happened was that they realized that there were organisms
91
368000
4000
Se dieron cuenta que hay organismos
06:12
out there that had already solved the problems
92
372000
4000
allá afuera que ya resolvieron los problemas
06:16
that they had spent their careers trying to solve.
93
376000
3000
a los que han dedicado sus carreras, tratando de resolver.
06:19
Learning about the natural world is one thing;
94
379000
5000
Aprender acerca del mundo natural es una cosa.
06:24
learning from the natural world -- that's the switch.
95
384000
2000
Aprender del mundo natural, he ahí el cambio.
06:26
That's the profound switch.
96
386000
3000
Es un cambio profundo.
06:29
What they realized was that the answers to their questions are everywhere;
97
389000
4000
Se dieron cuenta que las respuestas a sus problemas estaban por doquier.
06:33
they just needed to change the lenses with which they saw the world.
98
393000
4000
Sólo necesitaban cambiar los lentes con los que ven al mundo.
06:37
3.8 billion years of field-testing.
99
397000
4000
3.8 miles de millones de años de pruebas.
06:41
10 to 30 -- Craig Venter will probably tell you;
100
401000
3000
Craig Venter les dirá que de 10 a 30;
06:44
I think there's a lot more than 30 million -- well-adapted solutions.
101
404000
4000
creo que hay más de 30 millones de soluciones bien adaptadas.
06:48
The important thing for me is that these are solutions solved in context.
102
408000
8000
Lo importante para mí es que estas soluciones están en contexto.
06:56
And the context is the Earth --
103
416000
2000
Y el contexto es la Tierra...
06:58
the same context that we're trying to solve our problems in.
104
418000
5000
el mismo contexto en el que estamos tratando de resolver nuestros problemas.
07:03
So it's the conscious emulation of life's genius.
105
423000
4000
Así que es la imitación consciente de la genialidad en la Vida.
07:07
It's not slavishly mimicking --
106
427000
2000
No es imitación ciega,
07:09
although Al is trying to get the hairdo going --
107
429000
3000
aunque aquí Al está tratando de lograr el peinado
07:12
it's not a slavish mimicry; it's taking the design principles,
108
432000
4000
no es imitación ciega. Es tomar los principios de diseño,
07:16
the genius of the natural world, and learning something from it.
109
436000
5000
la genialidad del mundo natural y aprender algo de ahí.
07:21
Now, in a group with so many IT people, I do have to mention what
110
441000
4000
En un grupo con tanta gente de TI, tecnologias de la información,
07:25
I'm not going to talk about, and that is that your field
111
445000
3000
tengo que decirlo, aunque no lo trataré mucho, es que su campo,
07:28
is one that has learned an enormous amount from living things,
112
448000
4000
es uno que ha aprendido bastante de los seres vivos,
07:32
on the software side. So there's computers that protect themselves,
113
452000
4000
por el lado del software. Hay computadoras que se protegen,
07:36
like an immune system, and we're learning from gene regulation
114
456000
3000
como un sistema inmunológico y estamos aprendiendo de la regulación de genes
07:39
and biological development. And we're learning from neural nets,
115
459000
5000
y desarrollo biológico. Y aprendemos de redes neuronales,
07:44
genetic algorithms, evolutionary computing.
116
464000
3000
algoritmos genéticos, computación evolutiva.
07:47
That's on the software side. But what's interesting to me
117
467000
5000
Eso es por el lado del software. Lo que es interesante para mí
07:52
is that we haven't looked at this, as much. I mean, these machines
118
472000
5000
es que no lo hemos mirado tanto. Digo, estas máquinas...
07:57
are really not very high tech in my estimation
119
477000
3000
no son de tan alta tecnología, en mi parecer,
08:00
in the sense that there's dozens and dozens of carcinogens
120
480000
5000
siendo que hay docenas y docenas de carcinógenos
08:05
in the water in Silicon Valley.
121
485000
3000
en el agua de Silicon Valley.
08:08
So the hardware
122
488000
3000
Así que el hardware
08:11
is not at all up to snuff in terms of what life would call a success.
123
491000
5000
no está al nivel de lo que la Vida llamaría un éxito.
08:16
So what can we learn about making -- not just computers, but everything?
124
496000
5000
¿Qué podemos aprender de la fabricación, no sólo de PCs, sino de todo?
08:21
The plane you came in, cars, the seats that you're sitting on.
125
501000
4000
Los aviones en los que llegaron, los autos, los asientos que están usando.
08:25
How do we redesign the world that we make, the human-made world?
126
505000
7000
¿Como rediseñamos el mundo que estamos haciendo, el mundo fabricado?
08:32
More importantly, what should we ask in the next 10 years?
127
512000
4000
¿Mas aún, qué deberíamos preguntar los siguientes 10 años?
08:36
And there's a lot of cool technologies out there that life has.
128
516000
3000
Hay muchas tecnologías geniales alla afuera que la vida usa.
08:39
What's the syllabus?
129
519000
2000
¿Cuál es el plan de estudios?
08:41
Three questions, for me, are key.
130
521000
4000
Hay tres preguntas que para mí son la clave.
08:45
How does life make things?
131
525000
2000
¿Cómo hace las cosas la Vida?
08:47
This is the opposite; this is how we make things.
132
527000
3000
Esto es lo opuesto; cómo hacemos nosotros las cosas.
08:50
It's called heat, beat and treat --
133
530000
2000
Se llama calentar, golpear y tratar
08:52
that's what material scientists call it.
134
532000
2000
así le llaman lo cientificos de materiales.
08:54
And it's carving things down from the top, with 96 percent waste left over
135
534000
5000
Se trata de tallar las cosas dejando un 96% de desechos.
08:59
and only 4 percent product. You heat it up; you beat it with high pressures;
136
539000
5000
y sólo 4% de producto final. Lo calientas, lo golpeas con presión,
09:04
you use chemicals. OK. Heat, beat and treat.
137
544000
3000
usas químicos. Ok, calentar, golpear y tratar.
09:07
Life can't afford to do that. How does life make things?
138
547000
4000
La Vida no puede desperdiciar así. ¿Como hace las cosas la Vida?
09:11
How does life make the most of things?
139
551000
3000
¿Cómo hace la vida la mayoría de las cosas?
09:14
That's a geranium pollen.
140
554000
3000
Ese es un polen de geranio.
09:17
And its shape is what gives it the function of being able
141
557000
5000
Y la forma es lo que le da la capacidad de...
09:22
to tumble through air so easily. Look at that shape.
142
562000
4000
flotar por el aire fácilmente, ok. Miren la forma.
09:26
Life adds information to matter.
143
566000
5000
La vida le agrega información a la materia.
09:31
In other words: structure.
144
571000
2000
En otras palabras, estructura.
09:33
It gives it information. By adding information to matter,
145
573000
5000
Le da información. Al agregar información a la materia,
09:38
it gives it a function that's different than without that structure.
146
578000
6000
le da una función diferente que si no tuviera estructura.
09:44
And thirdly, how does life make things disappear into systems?
147
584000
5000
Tercer punto: ¿cómo hace la vida que las cosas se fusionen con el sistema?
09:49
Because life doesn't really deal in things;
148
589000
5000
Porque la vida realmente no trata con cosas;
09:54
there are no things in the natural world divorced
149
594000
4000
no hay cosas en el mundo natural divorciadas
09:58
from their systems.
150
598000
3000
de sus sistemas.
10:01
Really quick syllabus.
151
601000
2000
Un plan de estudios breve.
10:03
As I'm reading more and more now, and following the story,
152
603000
6000
Mientras voy leyendo más y más, y siguiendo la historia,
10:09
there are some amazing things coming up in the biological sciences.
153
609000
4000
hay algunas cosas increíbles que han surgido en la biología.
10:13
And at the same time, I'm listening to a lot of businesses
154
613000
3000
Al mismo tiempo escucho a muchos negocios
10:16
and finding what their sort of grand challenges are.
155
616000
4000
y entiendo cuáles son sus retos.
10:20
The two groups are not talking to each other.
156
620000
2000
Estos dos grupos no se están comunicando.
10:22
At all.
157
622000
3000
Para nada.
10:25
What in the world of biology might be helpful at this juncture,
158
625000
4000
¿Qué es lo que sería útil de la biología en este punto,
10:29
to get us through this sort of evolutionary knothole that we're in?
159
629000
5000
para salir de este nudo evolutivo en el que estamos?
10:34
I'm going to try to go through 12, really quickly.
160
634000
3000
Voy a repasar doce puntos, brevemente.
10:37
One that's exciting to me is self-assembly.
161
637000
3000
Ok, uno que me emociona es el auto-ensamblaje.
10:40
Now, you've heard about this in terms of nanotechnology.
162
640000
4000
Hemos escuchado de esto en la nanotecnología.
10:44
Back to that shell: the shell is a self-assembling material.
163
644000
4000
De vuelta a la concha, la concha se auto-ensambla.
10:48
On the lower left there is a picture of mother of pearl
164
648000
4000
Abajo a la izquierda hay una imagen del nácar
10:52
forming out of seawater. It's a layered structure that's mineral
165
652000
4000
formándose a partir del agua de mar. Es una estructura de capas minerales
10:56
and then polymer, and it makes it very, very tough.
166
656000
3000
y después polímero, y lo hace muy muy duro.
10:59
It's twice as tough as our high-tech ceramics.
167
659000
3000
Es dos veces más duro que nuestras cerámicas de alta tecnología.
11:02
But what's really interesting: unlike our ceramics that are in kilns,
168
662000
4000
A diferencia de nuestra cerámica que sale de hornos,
11:06
it happens in seawater. It happens near, in and near, the organism's body.
169
666000
5000
esto sucede en el agua de mar. Sucede cerca y dentro del organismo.
11:11
This is Sandia National Labs.
170
671000
2000
Ok, y las personas empiezan a...
11:13
A guy named Jeff Brinker
171
673000
5000
Este es el Laboratorio Nacional Sandia, alguien llamado Jeff Brinkler
11:18
has found a way to have a self-assembling coding process.
172
678000
4000
ha encontrado la forma de tener un proceso de código auto-ensamblado.
11:22
Imagine being able to make ceramics at room temperature
173
682000
4000
Imaginen tener cerámicas a temperatura ambiente,
11:26
by simply dipping something into a liquid,
174
686000
4000
simplemente sumergiendo algo en un líquido,
11:30
lifting it out of the liquid, and having evaporation
175
690000
3000
sacarlo del líquido y tener evaporación
11:33
force the molecules in the liquid together,
176
693000
4000
forzando a las moléculas del líquido a juntarse
11:37
so that they jigsaw together
177
697000
2000
para que se junten como en un rompecabezas.
11:39
in the same way as this crystallization works.
178
699000
4000
en la misma forma que en la cristalización.
11:43
Imagine making all of our hard materials that way.
179
703000
3000
Imaginen crear todos nuestros materiales duros de esa forma.
11:46
Imagine spraying the precursors to a PV cell, to a solar cell,
180
706000
7000
Imaginen rociar una celda FV, una celda solar, con precursores
11:53
onto a roof, and having it self-assemble into a layered structure that harvests light.
181
713000
4000
sobre un techo, y que se auto-ensamblen en una estructura que recolecta luz.
11:57
Here's an interesting one for the IT world:
182
717000
4000
Aquí algo interesante para el mundo de TI:
12:01
bio-silicon. This is a diatom, which is made of silicates.
183
721000
5000
bio-silicio. Esto es una diatomea, hecha de silicatos.
12:06
And so silicon, which we make right now --
184
726000
2000
El silicio que hacemos actualmente,
12:08
it's part of our carcinogenic problem in the manufacture of our chips --
185
728000
6000
es parte del problema carcinogénico en la fabricación de chips.
12:14
this is a bio-mineralization process that's now being mimicked.
186
734000
4000
Este es un proceso de bio-mineralización que se está imitando.
12:18
This is at UC Santa Barbara. Look at these diatoms.
187
738000
4000
Esto es en la UC de Santa Barbara. Miren estas diatomeas.
12:22
This is from Ernst Haeckel's work.
188
742000
3000
Esto es del trabajo de Ernst Haeckel.
12:25
Imagine being able to -- and, again, it's a templated process,
189
745000
5000
Imaginen poder... de nuevo, es un proceso guiado,
12:30
and it solidifies out of a liquid process -- imagine being able to have that
190
750000
4000
que se solidifica a partir de un proceso líquido, imaginen crear
12:34
sort of structure coming out at room temperature.
191
754000
4000
ese tipo de estructura a temperatura ambiente.
12:38
Imagine being able to make perfect lenses.
192
758000
3000
Imaginen poder fabricar lentes perfectas.
12:41
On the left, this is a brittle star; it's covered with lenses
193
761000
5000
A la izquierda, esta es una ofiura, está cubierta de lentes
12:46
that the people at Lucent Technologies have found
194
766000
3000
que la gente de Lucent Technologies ha encontrado
12:49
have no distortion whatsoever.
195
769000
2000
que no tienen distorsión detectable.
12:51
It's one of the most distortion-free lenses we know of.
196
771000
3000
Es una de las lentes más perfectas que conocemos.
12:54
And there's many of them, all over its entire body.
197
774000
3000
Y tiene muchas, sobre todo su cuerpo.
12:57
What's interesting, again, is that it self-assembles.
198
777000
3000
Lo interesante, de nuevo, es que se auto-ensambla.
13:00
A woman named Joanna Aizenberg, at Lucent,
199
780000
4000
Una mujer, Joanna Aizenberg, en Lucent,
13:04
is now learning to do this in a low-temperature process to create
200
784000
4000
está aprendiendo como crear con un proceso a baja temperatura
13:08
these sort of lenses. She's also looking at fiber optics.
201
788000
4000
este tipo de lente. Tambien está investigando sobre fibra óptica.
13:12
That's a sea sponge that has a fiber optic.
202
792000
3000
Esta es una esponja de mar que tiene fibra óptica.
13:15
Down at the very base of it, there's fiber optics
203
795000
3000
Abajo, en la base, hay fibra óptica.
13:18
that work better than ours, actually, to move light,
204
798000
3000
que funciona mejor que la nuestra, mueven luz.
13:21
but you can tie them in a knot; they're incredibly flexible.
205
801000
6000
Pero se pueden atar en un nudo, son increiblemente flexibles.
13:27
Here's another big idea: CO2 as a feedstock.
206
807000
4000
Otra idea grande: CO2 como materia prima.
13:31
A guy named Geoff Coates, at Cornell, said to himself,
207
811000
3000
Un tipo llamado Geoff Coates, de Cornell, se dijo a si mismo,
13:34
you know, plants do not see CO2 as the biggest poison of our time.
208
814000
4000
saben, las plantas no consideran al CO2 como el peor veneno.
13:38
We see it that way. Plants are busy making long chains
209
818000
3000
Nosotros sí. Pero las plantas están ocupadas formando cadenas
13:41
of starches and glucose, right, out of CO2. He's found a way --
210
821000
6000
de almidones y glucosa, a partir del CO2. Él ha encontrado la forma...
13:47
he's found a catalyst -- and he's found a way to take CO2
211
827000
3000
Ha encontrado un catalizador, y visto la forma de tomar el CO2
13:50
and make it into polycarbonates. Biodegradable plastics
212
830000
4000
y crear policarbonatos. Plásticos biodegradables,
13:54
out of CO2 -- how plant-like.
213
834000
2000
a partir del CO2. ¡Qué parecido a las plantas!
13:56
Solar transformations: the most exciting one.
214
836000
3000
Transformaciones solares: es lo más emocionante.
13:59
There are people who are mimicking the energy-harvesting device
215
839000
4000
Hay personas que están imitando el dispositivo recolector de energía
14:03
inside of purple bacterium, the people at ASU. Even more interesting,
216
843000
4000
de las bacterias púrpuras, es la gente de la UEA. Aún más interesante,
14:07
lately, in the last couple of weeks, people have seen
217
847000
3000
últimamente, en las últimas semanas, se ha encontrado
14:10
that there's an enzyme called hydrogenase that's able to evolve
218
850000
5000
una enzima llamada hidrogenasa que puede crear
14:15
hydrogen from proton and electrons, and is able to take hydrogen up --
219
855000
4000
hidrógeno a partir de protones y electrones y puede...
14:19
basically what's happening in a fuel cell, in the anode of a fuel cell
220
859000
5000
hacer lo que una celda de combustible, en el ánodo de la celda,
14:24
and in a reversible fuel cell.
221
864000
2000
de una celda de combustible reversible.
14:26
In our fuel cells, we do it with platinum;
222
866000
3000
En nuestras celdas lo hacemos con platino
14:29
life does it with a very, very common iron.
223
869000
4000
La Naturaleza lo hace con un hierro muy, muy común.
14:33
And a team has now just been able to mimic
224
873000
4000
Un equipo ha logrado imitar
14:37
that hydrogen-juggling hydrogenase.
225
877000
5000
la hidrogenasa, capaz de manejar el hidrógeno
14:42
That's very exciting for fuel cells --
226
882000
2000
Es emocionante en cuanto a las celdas
14:44
to be able to do that without platinum.
227
884000
3000
poder hacer eso sin platino.
14:47
Power of shape: here's a whale. We've seen that the fins of this whale
228
887000
5000
La importancia de la forma: hemos visto que las aletas de la ballena
14:52
have tubercles on them. And those little bumps
229
892000
3000
tienen abultamientos. Y esas pequeñas protuberancias
14:55
actually increase efficiency in, for instance,
230
895000
5000
realmente incrementan la eficiencia, por ejemplo,
15:00
the edge of an airplane -- increase efficiency by about 32 percent.
231
900000
5000
en el ala de un avión, incrementan la eficiencia en un 32%
15:05
Which is an amazing fossil fuel savings,
232
905000
2000
Lo cual es un ahorro increíble de combustible fósil,
15:07
if we were to just put that on the edge of a wing.
233
907000
5000
si tan solo lo pusiéramos en el borde de un ala.
15:12
Color without pigments: this peacock is creating color with shape.
234
912000
4000
Colores sin pigmentos: este pavo real crea colores con la forma.
15:16
Light comes through, it bounces back off the layers;
235
916000
3000
La luz llega y rebota en las capas;
15:19
it's called thin-film interference. Imagine being able
236
919000
3000
se llama interferencia de laminas delgadas. Imaginen poder
15:22
to self-assemble products with the last few layers
237
922000
3000
auto-ensamblar productos y que las últimas capas
15:25
playing with light to create color.
238
925000
4000
jueguen con la luz para crear color.
15:29
Imagine being able to create a shape on the outside of a surface,
239
929000
5000
Imaginen poder crear una textura sobre una superficie,
15:34
so that it's self-cleaning with just water. That's what a leaf does.
240
934000
5000
para que se auto-limpie, sólo con agua. Eso hacen las hojas.
15:39
See that up-close picture?
241
939000
2000
¿Ven este acercamiento?
15:41
That's a ball of water, and those are dirt particles.
242
941000
3000
Es una esfera de agua, esas son partículas de polvo.
15:44
And that's an up-close picture of a lotus leaf.
243
944000
3000
Ese es un acercamiento a la hoja de loto.
15:47
There's a company making a product called Lotusan, which mimics --
244
947000
5000
Una compañía está haciendo un producto llamado Lotusan,
15:52
when the building facade paint dries, it mimics the bumps
245
952000
4000
cuando la pintura está seca, imita los abultamientos
15:56
in a self-cleaning leaf, and rainwater cleans the building.
246
956000
5000
de las hojas, y el agua de lluvia lava el edificio.
16:01
Water is going to be our big, grand challenge:
247
961000
6000
El agua será nuestro gran reto:
16:07
quenching thirst.
248
967000
2000
saciar la sed.
16:09
Here are two organisms that pull water.
249
969000
3000
Aquí están dos organismos que obtienen agua.
16:12
The one on the left is the Namibian beetle pulling water out of fog.
250
972000
4000
A la izquierda está el escarabajo namibio
16:16
The one on the right is a pill bug -- pulls water out of air,
251
976000
3000
A la derecha está una cochinilla de humedad
16:19
does not drink fresh water.
252
979000
3000
Extrae el agua del aire. No la bebe.
16:22
Pulling water out of Monterey fog and out of the sweaty air in Atlanta,
253
982000
7000
Aquí esta extrayendo agua de la neblina y del aire húmedo de Atlanta
16:29
before it gets into a building, are key technologies.
254
989000
4000
antes de que entre a un edificio, son tecnologías clave.
16:33
Separation technologies are going to be extremely important.
255
993000
4000
Las tecnologías de separación van a ser muy importantes.
16:37
What if we were to say, no more hard rock mining?
256
997000
4000
¿Qué tal si dijeramos no más minas?
16:41
What if we were to separate out metals from waste streams,
257
1001000
6000
¿Qué tal si fuéramos a separar metales de aguas residuales
16:47
small amounts of metals in water? That's what microbes do;
258
1007000
4000
pequeñas cantidades de metales en el agua? Eso hacen los microbios,
16:51
they chelate metals out of water.
259
1011000
2000
ellos extraen los metales del agua.
16:53
There's a company here in San Francisco called MR3
260
1013000
3000
Hay una compañía aquí en San Francisco llamada MR3
16:56
that is embedding mimics of the microbes' molecules on filters
261
1016000
6000
que está imitando las moléculas microbiales en filtros
17:02
to mine waste streams.
262
1022000
3000
para minar aguas residuales.
17:05
Green chemistry is chemistry in water.
263
1025000
4000
La química verde es trabajar con agua.
17:09
We do chemistry in organic solvents.
264
1029000
2000
Hacemos química con solventes orgánicos.
17:11
This is a picture of the spinnerets coming out of a spider
265
1031000
4000
Esta es una foto de las hileras de una araña, ok,
17:15
and the silk being formed from a spider. Isn't that beautiful?
266
1035000
3000
y como están tejiendo seda. ¿No es bello?
17:18
Green chemistry is replacing our industrial chemistry with nature's recipe book.
267
1038000
8000
La química ecológica está reemplazando la química industrial.
17:26
It's not easy, because life uses
268
1046000
5000
No es fácil, puesto que la naturaleza usa
17:31
only a subset of the elements in the periodic table.
269
1051000
4000
sólo un grupo de elementos de la tabla periódica.
17:35
And we use all of them, even the toxic ones.
270
1055000
4000
Y nosostros usamos todos, hasta los tóxicos.
17:39
To figure out the elegant recipes that would take the small subset
271
1059000
5000
Para encontrar las recetas que sólo usan una parte
17:44
of the periodic table, and create miracle materials like that cell,
272
1064000
6000
de la tabla periódica y crear materiales milagrosos
17:50
is the task of green chemistry.
273
1070000
2000
como esa célula, es la tarea de la química ecológica.
17:52
Timed degradation: packaging that is good
274
1072000
4000
Degradación paulatina: empaques que funcionen
17:56
until you don't want it to be good anymore, and dissolves on cue.
275
1076000
4000
hasta que ya no se necesiten, después se deshacen.
18:00
That's a mussel you can find in the waters out here,
276
1080000
3000
Este es un mejillón, lo pueden encontrar en estas aguas.
18:03
and the threads holding it to a rock are timed; at exactly two years,
277
1083000
4000
y los hilos que lo fijan a la roca, sólo duran 2 años
18:07
they begin to dissolve.
278
1087000
2000
y después se empiezan a disolver.
18:09
Healing: this is a good one.
279
1089000
3000
Curación: esto está bueno.
18:12
That little guy over there is a tardigrade.
280
1092000
3000
El amiguito allá es un tardígrado.
18:15
There is a problem with vaccines around the world
281
1095000
6000
Uno de los problemas con las vacunas en el mundo
18:21
not getting to patients. And the reason is
282
1101000
3000
es que no llegan a los pacientes. La razón es
18:24
that the refrigeration somehow gets broken;
283
1104000
4000
que la refrigeración no es adecuada;
18:28
what's called the "cold chain" gets broken.
284
1108000
2000
se rompe la llamada "cadena de frío".
18:30
A guy named Bruce Rosner looked at the tardigrade --
285
1110000
3000
Un sujeto llamado Bruce Rosner, observó al tardígrado -
18:33
which dries out completely, and yet stays alive for months
286
1113000
6000
que se seca completamente y aún sigue vivo durante meses
18:39
and months and months, and is able to regenerate itself.
287
1119000
3000
y meses y meses y aún así es capaz de autoregenerarse.
18:42
And he found a way to dry out vaccines --
288
1122000
3000
Él ha encontrado la forma de deshidratar las vacunas -
18:45
encase them in the same sort of sugar capsules
289
1125000
4000
encapsularlas en azúcar
18:49
as the tardigrade has within its cells --
290
1129000
3000
como el tardígrado tiene en sus células -
18:52
meaning that vaccines no longer need to be refrigerated.
291
1132000
5000
así las vacunas no tienen que ser refrigeradas.
18:57
They can be put in a glove compartment, OK.
292
1137000
4000
Se pueden colocar en una guantera, ok.
19:01
Learning from organisms. This is a session about water --
293
1141000
5000
Aprendiendo de los organimos. Esta es sobre el agua...
19:06
learning about organisms that can do without water,
294
1146000
3000
aprender de los organismos que viven sin agua
19:09
in order to create a vaccine that lasts and lasts and lasts without refrigeration.
295
1149000
7000
para poder crear una vacuna que dure sin refrigeración.
19:16
I'm not going to get to 12.
296
1156000
3000
No llegaré al punto 12.
19:19
But what I am going to do is tell you that the most important thing,
297
1159000
4000
Lo que sí les diré es que la cosa más importante,
19:23
besides all of these adaptations, is the fact that these organisms
298
1163000
5000
aparte de todas estas adaptaciones, es el hecho que todos estos,
19:28
have figured out a way to do the amazing things they do
299
1168000
5000
han encontrado la forma de hacer lo que hacen,
19:33
while taking care of the place
300
1173000
3000
mientras cuidan del hábitat
19:36
that's going to take care of their offspring.
301
1176000
5000
que cuidará a su descendencia.
19:41
When they're involved in foreplay,
302
1181000
3000
Cuando están en el jugueteo previo,
19:44
they're thinking about something very, very important --
303
1184000
3000
están pensando en algo muy muy importante,
19:47
and that's having their genetic material
304
1187000
4000
que es, preservar su material genético,
19:51
remain, 10,000 generations from now.
305
1191000
5000
de aquí a 10.000 generaciones en el futuro.
19:56
And that means finding a way to do what they do
306
1196000
2000
Y eso requiere que hagan lo que hacen
19:58
without destroying the place that'll take care of their offspring.
307
1198000
4000
sin destruir el hábitat que cuidará a sus hijos.
20:02
That's the biggest design challenge.
308
1202000
3000
Ese es el más grande reto de diseño.
20:05
Luckily, there are millions and millions of geniuses
309
1205000
6000
Afortunadamente, hay millones y millones de genios
20:11
willing to gift us with their best ideas.
310
1211000
3000
dispuestos a regalarnos sus mejores ideas.
20:14
Good luck having a conversation with them.
311
1214000
3000
Buena suerte en la charla con ellos.
20:17
Thank you.
312
1217000
1000
Gracias.
20:18
(Applause)
313
1218000
14000
(Aplausos)
20:32
Chris Anderson: Talk about foreplay, I -- we need to get to 12, but really quickly.
314
1232000
4000
Chris Anderson: Hablando de jugueteo... necesitamos llegar al punto 12.
20:36
Janine Benyus: Oh really?
315
1236000
1000
Janine Benyus: ¿En serio?
20:37
CA: Yeah. Just like, you know, like the 10-second version
316
1237000
3000
CA: ¡Si claro!, pero tu sabes, la versión de 10 segundos.
20:40
of 10, 11 and 12. Because we just -- your slides are so gorgeous,
317
1240000
3000
del 10, 11 y 12. Porque tus diapositivas son hermosas,
20:43
and the ideas are so big, I can't stand to let you go down
318
1243000
2000
y las ideas muy trascendentes, no puedo permitir que bajes
20:45
without seeing 10, 11 and 12.
319
1245000
2000
sin ver 10, 11 y 12
20:47
JB: OK, put this -- OK, I'll just hold this thing. OK, great.
320
1247000
4000
JB: Ok, pon esto, yo sostendré esto, muy bien.
20:51
OK, so that's the healing one.
321
1251000
3000
Ok, eso fue en cuanto a curación.
20:54
Sensing and responding: feedback is a huge thing.
322
1254000
3000
Detección y respuesta: la retroalimentación es algo muy grande.
20:57
This is a locust. There can be 80 million of them in a square kilometer,
323
1257000
4000
Hay una langosta. Puede haber 80 millones en un km cuadrado
21:01
and yet they don't collide with one another.
324
1261000
3000
y aún así no chocan contra otra.
21:04
And yet we have 3.6 million car collisions a year.
325
1264000
5000
Y nosotros tenemos 3.6 millones de choques de autos al año.
21:09
(Laughter)
326
1269000
2000
(Risas)
21:11
Right. There's a person at Newcastle
327
1271000
4000
Correcto. Hay una persona en Newcastle
21:15
who has figured out that it's a very large neuron.
328
1275000
3000
se dio cuenta, que se debe a una neurona muy grande.
21:18
And she's actually figuring out how to make
329
1278000
3000
Y ella está buscando como hacer
21:21
a collision-avoidance circuitry
330
1281000
2000
circuitos de evasión de colisiones
21:23
based on this very large neuron in the locust.
331
1283000
4000
basado en esta gran neurona de la langosta.
21:27
This is a huge and important one, number 11.
332
1287000
2000
Esto es realmente grande, número 11:
21:29
And that's the growing fertility.
333
1289000
2000
Es la fertilidad de las cosechas
21:31
That means, you know, net fertility farming.
334
1291000
4000
Fertilidad neta en las granjas.
21:35
We should be growing fertility. And, oh yes -- we get food, too.
335
1295000
4000
Deberíamos incrementar la fertilidad. Y obtener comida.
21:39
Because we have to grow the capacity of this planet
336
1299000
5000
Porque debemos aumentar la capacidad del planeta
21:44
to create more and more opportunities for life.
337
1304000
3000
para crear más y más oportunidades de vida.
21:47
And really, that's what other organisms do as well.
338
1307000
2000
Realmente, eso hacen los otros organismos.
21:49
In ensemble, that's what whole ecosystems do:
339
1309000
3000
En conjunto, eso es lo que hace un ecosistema:
21:52
they create more and more opportunities for life.
340
1312000
3000
crean cada vez más oportunidades para la vida.
21:55
Our farming has done the opposite.
341
1315000
3000
Nuestra agricultura ha hecho lo opuesto.
21:58
So, farming based on how a prairie builds soil,
342
1318000
4000
Una agricultura basada en cómo crea tierra la pradera,
22:02
ranching based on how a native ungulate herd
343
1322000
4000
una ganadería basada en cómo una manada nativa
22:06
actually increases the health of the range,
344
1326000
2000
incrementa el bienestar de los campos.
22:08
even wastewater treatment based on how a marsh
345
1328000
5000
Incluso tratamiento de aguas basado en como las marismas
22:13
not only cleans the water,
346
1333000
2000
no sólo limpian el agua,
22:15
but creates incredibly sparkling productivity.
347
1335000
4000
sino que, increíblemente, incrementan la productividad.
22:19
This is the simple design brief. I mean, it looks simple
348
1339000
4000
Este es un pequeño informe de diseño. Digo, parece simple porque
22:23
because the system, over 3.8 billion years, has worked this out.
349
1343000
5000
el sistema, a lo largo de 3.8 miles de millones de años, lo ha perfeccionado.
22:28
That is, those organisms that have not been able to figure out
350
1348000
5000
Esto es, los organismos que no han podido encontrar
22:33
how to enhance or sweeten their places,
351
1353000
4000
como mejorar o "endulzar" sus hábitats,
22:37
are not around to tell us about it.
352
1357000
3000
no están aqui para contárnoslo.
22:40
That's the twelfth one.
353
1360000
3000
Ese fue el doceavo punto.
22:43
Life -- and this is the secret trick; this is the magic trick --
354
1363000
4000
La Vida - y he aquí el secreto; el truco de magia
22:47
life creates conditions conducive to life.
355
1367000
4000
la vida crea condiciones para crear más vida.
22:51
It builds soil; it cleans air; it cleans water;
356
1371000
4000
crea tierra, limpia el aire, limpia el agua,
22:55
it mixes the cocktail of gases that you and I need to live.
357
1375000
3000
mezcla el cóctel de gases que ustedes y yo necesitamos para vivir.
22:58
And it does that in the middle of having great foreplay
358
1378000
6000
Y lo hace mientras está en el jugueteo
23:04
and meeting their needs. So it's not mutually exclusive.
359
1384000
6000
y satisfaciendo sus necesitades. No son mutuamente excluyentes.
23:10
We have to find a way to meet our needs,
360
1390000
3000
Tenemos que encontrar la forma de satisfacer nuestras necesidades
23:13
while making of this place an Eden.
361
1393000
6000
y, al mismo tiempo, hacer un Edén de este lugar.
23:19
CA: Janine, thank you so much.
362
1399000
1000
CA: Janine. ¡Muchísimas gracias!
23:20
(Applause)
363
1400000
1000
(Aplausos)
Acerca de este sitio web

Este sitio le presentará vídeos de YouTube útiles para aprender inglés. Verá lecciones de inglés impartidas por profesores de primera categoría de todo el mundo. Haz doble clic en los subtítulos en inglés que aparecen en cada página de vídeo para reproducir el vídeo desde allí. Los subtítulos se desplazan en sincronía con la reproducción del vídeo. Si tiene algún comentario o petición, póngase en contacto con nosotros mediante este formulario de contacto.

https://forms.gle/WvT1wiN1qDtmnspy7