Skylar Tibbits: Can we make things that make themselves?

Skylar Tibbits: Peut-on construire des objets qui s’assemblent tout seuls ?

75,792 views

2011-09-01 ・ TED


New videos

Skylar Tibbits: Can we make things that make themselves?

Skylar Tibbits: Peut-on construire des objets qui s’assemblent tout seuls ?

75,792 views ・ 2011-09-01

TED


Veuillez double-cliquer sur les sous-titres anglais ci-dessous pour lire la vidéo.

Traducteur: Anna Cristiana Minoli Relecteur: Elisabeth Buffard
00:15
Today I'd like to show you
0
15260
2000
Aujourd’hui je veux vous montrer
00:17
the future of the way we make things.
1
17260
2000
le futur de la manière dont nous construisons les choses.
00:19
I believe that soon our buildings and machines
2
19260
2000
Je crois que bientôt nos immeubles et nos machines
00:21
will be self-assembling,
3
21260
2000
s’auto-assembleront,
00:23
replicating and repairing themselves.
4
23260
2000
se reproduiront et se répareront tout seuls.
00:25
So I'm going to show you
5
25260
2000
Je vais donc vous montrer
00:27
what I believe is the current state of manufacturing,
6
27260
2000
ce que je crois être l’état actuel de la fabrication,
00:29
and then compare that to some natural systems.
7
29260
3000
et le comparer aux systèmes naturels.
00:32
So in the current state of manufacturing, we have skyscrapers --
8
32260
3000
À l’état actuel de la fabrication, nous avons les gratte-ciels --
00:35
two and a half years [of assembly time],
9
35260
2000
deux ans et demi,
00:37
500,000 to a million parts,
10
37260
2000
500 000 à 1 million de pièces,
00:39
fairly complex,
11
39260
2000
assez complexe,
00:41
new, exciting technologies in steel, concrete, glass.
12
41260
3000
des technologies nouvelles et passionnantes technologies en acier, béton, verre.
00:44
We have exciting machines
13
44260
2000
Nous avons des machines extraordinaires
00:46
that can take us into space --
14
46260
2000
qui peuvent nous transporter dans l’espace --
00:48
five years [of assembly time], 2.5 million parts.
15
48260
3000
cinq ans, 2,5 millions de pièces.
00:51
But on the other side, if you look at the natural systems,
16
51260
3000
Mais d’un autre coté, si nous regardons les systèmes naturels,
00:54
we have proteins
17
54260
2000
nous avons des protéines
00:56
that have two million types,
18
56260
2000
il y en a deux millions de types,
00:58
can fold in 10,000 nanoseconds,
19
58260
2000
qui peuvent se replier en 10 000 nanosecondes,
01:00
or DNA with three billion base pairs
20
60260
2000
ou l’ADN avec trois milliards de paires de base
01:02
we can replicate in roughly an hour.
21
62260
3000
que nous pouvons reproduire en à peu près une heure.
01:05
So there's all of this complexity
22
65260
2000
Il y a donc toute cette complexité
01:07
in our natural systems,
23
67260
2000
dans nos systèmes naturels,
01:09
but they're extremely efficient,
24
69260
2000
mais ils sont extrêmement efficaces,
01:11
far more efficient than anything we can build,
25
71260
2000
beaucoup plus efficaces que tout ce que nous pouvons construire,
01:13
far more complex than anything we can build.
26
73260
2000
beaucoup plus complexe que ce que nous pouvons construire.
01:15
They're far more efficient in terms of energy.
27
75260
2000
Ils sont beaucoup plus efficaces en termes d’énergie.
01:17
They hardly ever make mistakes.
28
77260
3000
Ils se trompent rarement.
01:20
And they can repair themselves for longevity.
29
80260
2000
Et ils peuvent se réparer tous seuls pour prolonger leur longévité.
01:22
So there's something super interesting about natural systems.
30
82260
3000
Il y a donc quelque chose de très intéressant dans les systèmes naturels.
01:25
And if we can translate that
31
85260
2000
Et si nous pouvons transférer ceci
01:27
into our built environment,
32
87260
2000
dans nos constructions,
01:29
then there's some exciting potential for the way that we build things.
33
89260
2000
il y a un formidable potentiel pour la manière dont nous construisons les choses.
01:31
And I think the key to that is self-assembly.
34
91260
3000
Et je crois que la clef est l’auto-assemblage.
01:34
So if we want to utilize self-assembly in our physical environment,
35
94260
3000
Si nous voulons donc utiliser l’auto-assemblage dans notre environnement physique,
01:37
I think there's four key factors.
36
97260
2000
je crois qu’il y a quatre facteurs clef.
01:39
The first is that we need to decode
37
99260
2000
Le premier est que nous avons besoin de décoder
01:41
all of the complexity of what we want to build --
38
101260
2000
toute la complexité de ce que nous voulons construire --
01:43
so our buildings and machines.
39
103260
2000
donc nos immeubles et nos machines.
01:45
And we need to decode that into simple sequences --
40
105260
2000
Et il nous faut le décoder en de simples séquences --
01:47
basically the DNA of how our buildings work.
41
107260
2000
en gros l’ADN du mode de fonctionnement de nos bâtiments.
01:49
Then we need programmable parts
42
109260
2000
Nous avons ensuite besoin de pièces programmables
01:51
that can take that sequence
43
111260
2000
qui peuvent prendre cette séquence
01:53
and use that to fold up, or reconfigure.
44
113260
3000
et l’utiliser pour se replier et se reconfigurer.
01:56
We need some energy that's going to allow that to activate,
45
116260
3000
Il nous faut de l’énergie qui permette de l’activer,
01:59
allow our parts to be able to fold up from the program.
46
119260
3000
en permettant aux parties de se replier selon le programme.
02:02
And we need some type of error correction redundancy
47
122260
2000
Et il nous faut une certaine redondance de correction des erreurs
02:04
to guarantee that we have successfully built what we want.
48
124260
3000
pour nous assurer d’avoir bien construit ce que nous voulions.
02:07
So I'm going to show you a number of projects
49
127260
2000
Je vais donc vous montrer un certain nombre de projets
02:09
that my colleagues and I at MIT are working on
50
129260
2000
sur lesquelles nous travaillons mes collègues et moi au MIT
02:11
to achieve this self-assembling future.
51
131260
2000
pour réaliser ce futur qui s’auto-assemble.
02:13
The first two are the MacroBot and DeciBot.
52
133260
3000
Les deux premiers sont les MacroBot et les DeciBot.
02:16
So these projects are large-scale reconfigurable robots --
53
136260
4000
Ces projets sont des robots reconfigurables à large échelle --
02:20
8 ft., 12 ft. long proteins.
54
140260
3000
des protéines de 3 à 4 mètres de longueur.
02:23
They're embedded with mechanical electrical devices, sensors.
55
143260
3000
Ils sont implantés dans des appareils, des capteurs mécaniques électriques
02:26
You decode what you want to fold up into,
56
146260
2000
Vous décodez la forme que vous voulez obtenir,
02:28
into a sequence of angles --
57
148260
2000
en une séquence d’angles --
02:30
so negative 120, negative 120, 0, 0,
58
150260
2000
donc négatif 120, négatif 120, 0, 0,
02:32
120, negative 120 -- something like that;
59
152260
3000
120, négatif 120 – quelque chose de ce genre la ;
02:35
so a sequence of angles, or turns,
60
155260
2000
donc une séquence d’angles, ou de courbes,
02:37
and you send that sequence through the string.
61
157260
3000
et vous envoyez cette séquence à travers la chaine.
02:40
Each unit takes its message -- so negative 120 --
62
160260
3000
Chaque unité reçoit le message – donc négatif 120.
02:43
it rotates to that, checks if it got there
63
163260
2000
Il tourne en conséquence, vérifie que ce soit bon
02:45
and then passes it to its neighbor.
64
165260
3000
et ensuite le passe à son voisin.
02:48
So these are the brilliant scientists,
65
168260
2000
Voila donc les brillants scientifiques,
02:50
engineers, designers that worked on this project.
66
170260
2000
ingénieurs, designers qui ont travaillé sur ce projet.
02:52
And I think it really brings to light:
67
172260
2000
Et je crois que ça met vraiment en lumière :
02:54
Is this really scalable?
68
174260
2000
Est-ce réellement déclinable ?
02:56
I mean, thousands of dollars, lots of man hours
69
176260
2000
Des milliers de dollars, beaucoup d'heures de travail
02:58
made to make this eight-foot robot.
70
178260
3000
pour faire ce robot de 3 mètres de hauteur.
03:01
Can we really scale this up? Can we really embed robotics into every part?
71
181260
3000
Peut-on réellement l’appliquer à grande échelle ? Peut-on implanter la robotique dans chaque partie?
03:04
The next one questions that
72
184260
2000
Le projet suivant met en question
03:06
and looks at passive nature,
73
186260
2000
et examine la nature passive,
03:08
or passively trying to have reconfiguration programmability.
74
188260
3000
ou le fait d'essayer de pouvoir programmer une reconfiguration passivement.
03:11
But it goes a step further,
75
191260
2000
Mais ça va plus loin,
03:13
and it tries to have actual computation.
76
193260
2000
et il essaye de faire un vrai calcul.
03:15
It basically embeds the most fundamental building block of computing,
77
195260
2000
Essentiellement il s’incorpore aux composantes de base du calcul,
03:17
the digital logic gate,
78
197260
2000
l’élément numérique logique,
03:19
directly into your parts.
79
199260
2000
directement dans vos composants.
03:21
So this is a NAND gate.
80
201260
2000
Voici donc un élément NAND.
03:23
You have one tetrahedron which is the gate
81
203260
2000
Vous avez un tétraèdre qui est l’élément logique,
03:25
that's going to do your computing,
82
205260
2000
qui va faire tous les calculs,
03:27
and you have two input tetrahedrons.
83
207260
2000
et vous avez deux tétraèdres.
03:29
One of them is the input from the user, as you're building your bricks.
84
209260
3000
L’un d’eux est saisi par l’utilisateur, pendant que vous construisez vos composants.
03:32
The other one is from the previous brick that was placed.
85
212260
3000
L’autre est issu du composant qui a été placé précédemment.
03:35
And then it gives you an output in 3D space.
86
215260
3000
Et ça vous donne ensuite un résultat en 3D dans l’espace.
03:38
So what this means
87
218260
2000
Cela signifie
03:40
is that the user can start plugging in what they want the bricks to do.
88
220260
3000
que l’utilisateur peut commencer à programmer ce qu’il veut que les composants fassent.
03:43
It computes on what it was doing before
89
223260
2000
Le calcul est basé sur ce qu’il faisait avant
03:45
and what you said you wanted it to do.
90
225260
2000
et ce que vous voulez qu’il fasse.
03:47
And now it starts moving in three-dimensional space --
91
227260
2000
Et maintenant il commence à se déplacer dans un espace en trois dimensions --
03:49
so up or down.
92
229260
2000
de haut en bas.
03:51
So on the left-hand side, [1,1] input equals 0 output, which goes down.
93
231260
3000
Sur le coté gauche, [1,1], donnée égale 0 donné de sortie, il descend.
03:54
On the right-hand side,
94
234260
2000
Sur le coté droit,
03:56
[0,0] input is a 1 output, which goes up.
95
236260
3000
[0,0], donnée égale 1 donné de sortie, il monte.
03:59
And so what that really means
96
239260
2000
Donc cela veut dire en fait
04:01
is that our structures now contain the blueprints
97
241260
2000
que nos structures contiennent maintenant le modèle
04:03
of what we want to build.
98
243260
2000
de ce que nous voulons construire.
04:05
So they have all of the information embedded in them of what was constructed.
99
245260
3000
Ils ont donc incorporé toutes les informations de ce qui a été construit.
04:08
So that means that we can have some form of self-replication.
100
248260
3000
Cela signifie que nous pouvons obtenir certaine formes d’autoreproduction.
04:11
In this case I call it self-guided replication,
101
251260
3000
Dans ce cas je l’appelle reproduction autoguidée,
04:14
because your structure contains the exact blueprints.
102
254260
2000
parce que notre structure contient le modèle exact.
04:16
If you have errors, you can replace a part.
103
256260
2000
S’il y a des erreurs, vous pouvez remplacer des parties.
04:18
All the local information is embedded to tell you how to fix it.
104
258260
3000
Toutes les informations locales pour expliquer comment se réparer sont incorporées.
04:21
So you could have something that climbs along and reads it
105
261260
2000
Vous pouvez donc avoir quelque chose qui grimpe et lit
04:23
and can output at one to one.
106
263260
2000
et donne le résultat 1 à 1.
04:25
It's directly embedded; there's no external instructions.
107
265260
2000
C’est directement incorporé ; il n’y a pas d’instructions externes.
04:27
So the last project I'll show is called Biased Chains,
108
267260
3000
Le dernier projet que je vais vous montrer s’appelle Biased Chains
04:30
and it's probably the most exciting example that we have right now
109
270260
3000
et c’est probablement l’exemple le plus extraordinaire que nous avons aujourd’hui
04:33
of passive self-assembly systems.
110
273260
2000
de systèmes d’auto-assemblage passifs.
04:35
So it takes the reconfigurability
111
275260
2000
Il prend la reconfigurabilité
04:37
and programmability
112
277260
2000
et la programmabilité
04:39
and makes it a completely passive system.
113
279260
3000
et en fait un système complètement passif.
04:43
So basically you have a chain of elements.
114
283260
2000
En gros vous avez une chaine d’éléments.
04:45
Each element is completely identical,
115
285260
2000
Chaque élément est totalement identique,
04:47
and they're biased.
116
287260
2000
et ils sont orientés.
04:49
So each chain, or each element, wants to turn right or left.
117
289260
3000
Donc chaque chaine, ou chaque élément, veut se tourner à droite ou à gauche.
04:52
So as you assemble the chain, you're basically programming it.
118
292260
3000
Pendant que vous assembler la chaine, en gros vous la programmez.
04:55
You're telling each unit if it should turn right or left.
119
295260
3000
Vous dites à chaque unité si elle doit se tourner à droite ou à gauche.
04:58
So when you shake the chain,
120
298260
3000
Quand vous secouez la chaine,
05:01
it then folds up
121
301260
2000
elle se replie
05:03
into any configuration that you've programmed in --
122
303260
3000
en n’importe quelle configuration que vous avez programmée --
05:06
so in this case, a spiral,
123
306260
2000
dans ce cas, une spirale,
05:08
or in this case,
124
308260
3000
ou dans ce cas là,
05:11
two cubes next to each other.
125
311260
3000
deux cubes l’un à coté de l’autre.
05:14
So you can basically program
126
314260
2000
Donc vous pouvez en gros programmer
05:16
any three-dimensional shape --
127
316260
2000
n’importe quelle forme en trois dimensions --
05:18
or one-dimensional, two-dimensional -- up into this chain completely passively.
128
318260
3000
ou une dimension, deux dimensions – de manière complètement passive dans la chaine.
05:21
So what does this tell us about the future?
129
321260
2000
Qu’est ce que cela nous dit sur le futur ?
05:23
I think that it's telling us
130
323260
2000
Je crois que ça nous dit
05:25
that there's new possibilities for self-assembly, replication, repair
131
325260
3000
qu’il y a de nouvelles possibilités d’auto-assemblage, réplication, réparation
05:28
in our physical structures, our buildings, machines.
132
328260
3000
dans nos structures physiques, nos bâtiments, nos machines.
05:31
There's new programmability in these parts.
133
331260
2000
Il y a des nouvelles programmabilités pour ces parties.
05:33
And from that you have new possibilities for computing.
134
333260
2000
Et à partir de ça vous avez des nouvelles possibilités de calcul.
05:35
We'll have spatial computing.
135
335260
2000
Nous aurons un calcul spatial.
05:37
Imagine if our buildings, our bridges, machines,
136
337260
2000
Imaginez nos bâtiments, nos ponts, nos machines,
05:39
all of our bricks could actually compute.
137
339260
2000
tous nos composants pourraient calculer.
05:41
That's amazing parallel and distributed computing power,
138
341260
2000
C’est un extraordinaire pouvoir de calcul parallèle, réparti,
05:43
new design possibilities.
139
343260
2000
nouvelle possibilité de création.
05:45
So it's exciting potential for this.
140
345260
2000
C’est un potentiel passionnant.
05:47
So I think these projects I've showed here
141
347260
2000
Je crois donc que ces projets que je vous ai montrés
05:49
are just a tiny step towards this future,
142
349260
2000
sont un tout petit pas vers le futur,
05:51
if we implement these new technologies
143
351260
2000
si nous mettons en pratique ces nouvelles technologies
05:53
for a new self-assembling world.
144
353260
2000
pour un tout nouveau monde qui s’auto-assemble.
05:55
Thank you.
145
355260
2000
Merci.
05:57
(Applause)
146
357260
2000
(Applaudissements)
À propos de ce site Web

Ce site vous présentera des vidéos YouTube utiles pour apprendre l'anglais. Vous verrez des leçons d'anglais dispensées par des professeurs de premier ordre du monde entier. Double-cliquez sur les sous-titres anglais affichés sur chaque page de vidéo pour lire la vidéo à partir de là. Les sous-titres défilent en synchronisation avec la lecture de la vidéo. Si vous avez des commentaires ou des demandes, veuillez nous contacter en utilisant ce formulaire de contact.

https://forms.gle/WvT1wiN1qDtmnspy7