Skylar Tibbits: Can we make things that make themselves?

اسكايلر تیبتز: آیا می توانیم چیزهایی را بسازیم که خودشان را بسازند؟

Translator: soheila Jafari Reviewer: Maral Salehi

Today I'd like to show you

امروز دوست دارم که به شما

the future of the way we make things.

آينده روشی که ما چيزها را می سازیم نشان دهم.

I believe that soon our buildings and machines

معتقدم که خیلی زود ساختمانها و ماشین‌هاي ما

will be self-assembling,

خودشان را گردآوري می‌كنند،

replicating and repairing themselves.

خودشان را تقليد و تعمیر می کنند.

So I'm going to show you

خوب قصد دارم به شما

what I believe is the current state of manufacturing,

چیزی را که باور دارم جریان حاضر تولید است ، را نشان دهم،

and then compare that to some natural systems.

و سپس آن را با سیستم های طبیعی مقایسه کنم.

So in the current state of manufacturing, we have skyscrapers --

در وضعیت فعلی تولید، ما آسمانخراش داریم--

two and a half years [of assembly time],

که ساخت آن حدود دو سال و نیم طول می‌کشد،

500,000 to a million parts,

500,000 تا یک میلیون قطعه دارد،

fairly complex,

كه از فن آوریهای نسبتا پيچيده

new, exciting technologies in steel, concrete, glass.

جالب و جدید با موادي از فولاد، بتن و شیشه هستند.

We have exciting machines

ما ماشینهای مهيجي داريم

that can take us into space --

که میتوانند ما را به فضا ببرند--

five years [of assembly time], 2.5 million parts.

كه ساخت آنها پنج سال وقت و دو نیم میلیون قطعه نياز دارد.

But on the other side, if you look at the natural systems,

اما از طرف دیگر، اگر به سیستمهای طبیعی نگاه کنید،

we have proteins

ما پروتئینها را داریم که

that have two million types,

دو میلیون نوع هستند

can fold in 10,000 nanoseconds,

که می توانند در 10,000 نانو ثانیه به هم بياميزند،

or DNA with three billion base pairs

یا دی ان ای(DNA ) را داريم كه سه ملیون جفت دارد

we can replicate in roughly an hour.

و تقریبا" در هر يك ساعت می توان آنها را بازتوليد كرد.

So there's all of this complexity

خب، همه این پیچیدگی

in our natural systems,

در سیتمهای طبیعی ما هست،

but they're extremely efficient,

اما آنها

far more efficient than anything we can build,

خیلی کارآمدتر از هر آنچه که ما می توانیم بسازیم هستند،

far more complex than anything we can build.

خیلی پیچیده‌تر از هر آنچه که ما می توانیم بسازیم.

They're far more efficient in terms of energy.

آنها از نظر مصرف انرژی بهره‌وري زيادي دارند.

They hardly ever make mistakes.

آنها به ندرت اشتباه می کنند.

And they can repair themselves for longevity.

آنها می توانند خودشان را بازسازي كنند تا عمر بيشتري داشته باشند.

So there's something super interesting about natural systems.

خب ، چبز بسیار جالبی درباره سیستمهای طبیعی وجود دارد.

And if we can translate that

و اگر ما بتوانیم این را

into our built environment,

در محیط ساخت و ساز خودمان ايجاد كنيم،

then there's some exciting potential for the way that we build things.

آنوقت امکان‌هاي بالقوه مهیجي برای شيوه ساخت اشیاء داریم.

And I think the key to that is self-assembly.

و فکر کنم کلید این کار خود- گردآوری است.

So if we want to utilize self-assembly in our physical environment,

خب، اگر ما می خواهیم از خود- گردآوری در محیط زیستمان بهره‌مند شویم،

I think there's four key factors.

گمان کنم که چهارعامل کلیدی برای آن باشد.

The first is that we need to decode

اولی این است که ما باید كدبرداري کنیم

all of the complexity of what we want to build --

از همه پیچیدگی‌های چيزي که می خواهیم بسازیم--

so our buildings and machines.

يعني، ساختمانها و ماشینهای ما.

And we need to decode that into simple sequences --

ما بايد از آنها كدبرداري كنيم و آنهارا به مراحل ساده در بياوريم--

basically the DNA of how our buildings work.

يعني دی ان ای(DNA) اين را دربياوريم كه ساختمانهای ما چگونه کار می کنند.

Then we need programmable parts

بعد بايد قطعات قابل برنامه‌ریزی داشته باشيم

that can take that sequence

که بتوانند مرحله را به اجرا در بياورند

and use that to fold up, or reconfigure.

و از اين قابليت برای سر هم شدن یا برای پيكربندی جدید استفاده كنيم.

We need some energy that's going to allow that to activate,

ما به مقداری انرژی نیاز داریم که به آن امكان فعالیت بدهد،

allow our parts to be able to fold up from the program.

امكان اين را فراهم كند که قطعه بر اساس برنامه سر هم شود.

And we need some type of error correction redundancy

ما نیاز به تعدادی رزونانس تصحیح خطا داریم

to guarantee that we have successfully built what we want.

تا موفقیت آنچه که می خواهیم بسازیم را تضمين كند.

So I'm going to show you a number of projects

بنابراين مي‌خواهم به شما تعدادی از پروژه‌هايي را نشان دهم

that my colleagues and I at MIT are working on

که من و همکارانم در MIT

to achieve this self-assembling future.

برای رسیدن به خود- گردآوری در آینده روی آنها کار کرده‌ايم.

The first two are the MacroBot and DeciBot.

دو پروژه اول "ماکروبوت " و " دسي بوت" هستند.

So these projects are large-scale reconfigurable robots --

خب ، این پروژه‌ها، رباتهايی هستند كه قابلیت پيكربندي دوباره در مقياس بزرگ را دارند---

8 ft., 12 ft. long proteins.

هشت تا ده فوت طول دارند، مثل پروتئين‌هاي طويل.

They're embedded with mechanical electrical devices, sensors.

در آنها قطعات الکتریکی مكانيكي يعني سنسورها تعبیه شده‌اند.

You decode what you want to fold up into,

شما چیزی را که می خواهید كه در آن قرار داده بشه را رمزنويسي مي‌كنيد

into a sequence of angles --

در ترتيبي از زوایا---

so negative 120, negative 120, 0, 0,

خب ، منفی 120 درجه، منفی 120، صفر، صفر،

120, negative 120 -- something like that;

120 درجه- منفی 120 درجه-- چیزی مثل این؛

so a sequence of angles, or turns,

خب ، ترتيب زاویه‌ها یا چرخش‌ها،

and you send that sequence through the string.

و شما این ترتيب را از طریق این رشته می فرستید.

Each unit takes its message -- so negative 120 --

هر واحد پیام خود را می گیرد-- بنابراين منفی 120 درجه.

it rotates to that, checks if it got there

آن به دور این می‌چرخد، این را کنترل میکند كه آيا جاش رو پيدا كرده

and then passes it to its neighbor.

و بعد آن را به كناريش تحويل مي‌دهد.

So these are the brilliant scientists,

خب، اينها دانشمندان،

engineers, designers that worked on this project.

مهندسان و طراحان برجسته‌ای هستند كه روی این پروژه کار می‌کنند.

And I think it really brings to light:

و گمان کنم واقعا" این سوال رو ايجاد خواهد كرد كه:

Is this really scalable?

آیا این واقعا" پيش خواهد رفت؟

I mean, thousands of dollars, lots of man hours

منظورم این است که هزاران دلار و ساعتهاي بسيار تلاش نيروي انساني

made to make this eight-foot robot.

صرف ساخت این ربات هشت فوتی شده است.

Can we really scale this up? Can we really embed robotics into every part?

آیا واقعا" ما می توانیم این را به تعداد زياد تولید کنیم؟ آیا واقعا" در هر قطعه مي‌توانيم یک هوش ماشيني تعبیه کنیم؟

The next one questions that

و بعدی این را به چالش كشيده

and looks at passive nature,

و به دنبال سرشت مطيع،

or passively trying to have reconfiguration programmability.

يا تلاش انفعالي براي برنامه‌‌پذيري جهت پيكربندي دوباره است.

But it goes a step further,

اما یک گام به جلوتر مي‌رود،

and it tries to have actual computation.

و تلاش مي‌كند كه محاسبات عملي داشته باشد.

It basically embeds the most fundamental building block of computing,

اساسا" بنیادی‌ترین بلوکهای ساختي محاسباتي،

the digital logic gate,

يعني گیت منطقی دیجیتالی،

directly into your parts.

مستقیما" در قطعات تعبیه شده است.

So this is a NAND gate.

خب؛ این یک گیت ان‌ای‌ان‌دي(NAND) است.

You have one tetrahedron which is the gate

شما یک چهارضلعي دارید كه گيتي است

that's going to do your computing,

كه محاسبات شما را انجام خواهد داد،

and you have two input tetrahedrons.

و شما دو عدد چهارضلعي ورودي دارید.

One of them is the input from the user, as you're building your bricks.

یکی از آنها ورودی از طرف کاربر است در زماني كه شما در حال ساخت قطعه‌تان هستيد.

The other one is from the previous brick that was placed.

آن يكي مال قطعه قبلی است که در جاي خود قرار گرفته است.

And then it gives you an output in 3D space.

و آنوقت شما یک خروجی سه‌بعدی داريد.

So what this means

این بدان معنی است

is that the user can start plugging in what they want the bricks to do.

که کاربر می تواند شروع به متصل کردن هرآنچه که می خواهد قطعات انجام دهند، کند.

It computes on what it was doing before

این کاری را كه قبلا در حال انجامش بود

and what you said you wanted it to do.

و چیزی را که بهش گفتید که انجام دهد را محاسبه می کند.

And now it starts moving in three-dimensional space --

و حالا این شروع کرده به حرکت سه بعدی--

so up or down.

بالا و پائین

So on the left-hand side, [1,1] input equals 0 output, which goes down.

به سمت چپ، ورودي [یک، یک] برابر صفر است، که باعث ميشه به طرف پائین برود.

On the right-hand side,

در سمت راست،

[0,0] input is a 1 output, which goes up.

ورودي [صفر، صفر] خروجي یک است که باعث مي‌شود به طرف بالا برود.

And so what that really means

واقعا بدین معنا

is that our structures now contain the blueprints

است که ساختارهاي ما در حال حاضر نقشه‌هايی

of what we want to build.

از چيزهايي است که می خواهیم بسازیم.

So they have all of the information embedded in them of what was constructed.

از این رو همه اطلاعاتی که توسط آنها ساخته شده‌اند درشان تعبیه شده است.

So that means that we can have some form of self-replication.

بدان معنی که ما می توانیم به نوعی خود - تکراری را داشته باشیم.

In this case I call it self-guided replication,

در این مورد من این را تکرار خودرهنمون می نامم،

because your structure contains the exact blueprints.

زیرا ساختار شما محتوي نقشه‌های دقیق هستند.

If you have errors, you can replace a part.

اگر شما اشتباهی داشته باشید، می توانید آن قطعه را عوض کنید.

All the local information is embedded to tell you how to fix it.

همه اطلاعات محلي در آن قطعه تعبیه شده است تا به شما بگوید که چگونه آن ( اشتباه) را بر طرف کنید.

So you could have something that climbs along and reads it

شما می توانید چیزی را داشته باشید که پيش‌مي‌رود و آن را مي‌خواند

and can output at one to one.

و می تواند یک به یک خروجی داشته باشد.

It's directly embedded; there's no external instructions.

این مستقیما در آن تعبیه شده؛ هیچ دستورالعمل خارجی وجود ندارد.

So the last project I'll show is called Biased Chains,

این آخرین پروژه ای است که به شما نشان می‌دهم به نام زنجیره‌های مورب،

and it's probably the most exciting example that we have right now

و این احتمالا هیجان انگیز ترین مثالی است که ما

of passive self-assembly systems.

از سيستم‌هاي خودگردآور منفعل داریم.

So it takes the reconfigurability

خوب ، این قابلیت پيكربندي مجدد

and programmability

و برنامه‌پذيري را دارد.

and makes it a completely passive system.

كه از آن یک سیستم کاملا" مطيع می سازد.

So basically you have a chain of elements.

بنابر این، اساسا" شما زنجیره‌اي از اجزاء را دارید.

Each element is completely identical,

هر جزء کاملا" مانند ديگري است

and they're biased.

و آنها مورب هستند.

So each chain, or each element, wants to turn right or left.

خب ، هر زنجیره، یا هر جزء، می خواهد به سمت راست یا چپ بچرخد.

So as you assemble the chain, you're basically programming it.

بنابراين وقتي شما زنجیره را مونتاژ می کنید، شما اساسا" آن را برنامه‌ریزی می کنید.

You're telling each unit if it should turn right or left.

شما به هر واحد می گوئید به چپ یا راست بچرخد.

So when you shake the chain,

بنابراين هنگامی که زنجیره را تکان می دهید،

it then folds up

آن پيش مي‌رود

into any configuration that you've programmed in --

به هر شکلی که شما برنامه ریزی کرده باشید---

so in this case, a spiral,

در این مورد، یک مارپیچ،

or in this case,

یا در این مورد،

two cubes next to each other.

دو تا مکعب در مقابل هم.

So you can basically program

شما اساسا" می توانید

any three-dimensional shape --

هر شکل سه بعدی را برنامه ریزی کنید --

or one-dimensional, two-dimensional -- up into this chain completely passively.

یا هر شكل یک بعدی، دو بعدی-- را تا اين زنچیره کاملا" به صورت انفعالي.

So what does this tell us about the future?

خب، این در مورد آینده چه چیزی به ما می گوید؟

I think that it's telling us

گمان کنم این به ما می گوید

that there's new possibilities for self-assembly, replication, repair

که امکان جدیدی برای خود - گردآوری، بازتوليد و خودتعمیری

in our physical structures, our buildings, machines.

ساختارهاي فیزیکی ما، ساختما‌نها و ماشین‌های ما وجود دارد.

There's new programmability in these parts.

در این قطعات قابلیت برنامه‌پذيري جدیدی وجود دارد.

And from that you have new possibilities for computing.

و از اینرو شما امکانات جدیدی برای محاسبات دارید.

We'll have spatial computing.

ما در آینده محاسبات سه‌بعدي خواهیم داشت.

Imagine if our buildings, our bridges, machines,

تصور کنیداگر ساختمانها، پل ها و ماشینهای ما

all of our bricks could actually compute.

همه قطعات ما، در واقع بتوانند محاسبه و کامپیوتری شوند.

That's amazing parallel and distributed computing power,

این انشعاب شگفت‌انگیز و قدرت محاسباتی پراكنده

new design possibilities.

و امکانات طراحی جدیدی است.

So it's exciting potential for this.

بنابراين آن پتانسیل هیجان‌انگیزی برای این كار دارد.

So I think these projects I've showed here

گمان می کنم پروژه‌هایی که به شما نشان دادم

are just a tiny step towards this future,

تنها گام کوچکی به سوی آینده‌اي هستند،

if we implement these new technologies

كه در آن این فن‌آوری‌هاي جدید

for a new self-assembling world.

برای يك جهان خودگردآور جديد تكميل خواهد شد.

Thank you.

از شما سپاسگزارم.

(Applause)

(تشویق تماشاگران)