Neil Gershenfeld: The beckoning promise of personal fabrication

82,218 views ・ 2007-03-23

TED


A videó lejátszásához kattintson duplán az alábbi angol feliratokra.

Fordító: Péter Pallós Lektor: Reka Lorinczy
00:25
This meeting has really been about a digital revolution,
0
25000
4000
E rendezvény tárgya a digitális forradalom,
00:29
but I'd like to argue that it's done; we won.
1
29000
3000
de állítom, hogy a forradalom véget ért: győztünk.
00:33
We've had a digital revolution but we don't need to keep having it.
2
33000
4000
A digitális forradalom végbement, és nem kell folytatódnia.
00:37
And I'd like to look after that,
3
37000
2000
Inkább arról szeretnék beszélni,
00:39
to look what comes after the digital revolution.
4
39000
3000
mi történik majd utána.
00:42
So, let me start projecting forward.
5
42000
2000
Pillantsunk a jövőbe!
00:44
These are some projects I'm involved in today at MIT,
6
44000
4000
Ez a néhány projekt, amelyben részt veszek a MIT-en,
00:48
looking what comes after computers.
7
48000
3000
a számítógépes korszak utáni állapottal foglalkozik.
Az első az internet 0, felül itt ez webszerver,
00:51
This first one, Internet Zero, up here -- this is a web server
8
51000
5000
00:56
that has the cost and complexity of an RFID tag --
9
56000
3000
amelynek ára és bonyolultsága az RFID-címkének felel meg,
00:59
about a dollar -- that can go in every light bulb and doorknob,
10
59000
3000
kb. egy dollár, bármely lámpába és kilincsbe belekerülhet,
és nagyon gyorsan elterjedhetett.
01:02
and this is getting commercialized very quickly.
11
62000
2000
01:04
And what's interesting about it isn't the cost;
12
64000
2000
Nem az ára az érdekes,
hanem az internetkódolási módszere.
01:06
it's the way it encodes the Internet.
13
66000
1000
01:07
It uses a kind of a Morse code for the Internet
14
67000
3000
Morzekódot használ az internethez,
01:10
so you could send it optically; you can communicate acoustically
15
70000
3000
optikai úton küldhető; akusztikus úton forgalmazhatunk vele
01:13
through a power line, through RF.
16
73000
2000
villanyvezetéken át, rádiófrekvencián.
01:15
It takes the original principle of the Internet,
17
75000
2000
Alapja az internet eredeti elve:
01:17
which is inter-networking computers,
18
77000
2000
hálózatba kötött számítógépek,
01:19
and now lets devices inter-network.
19
79000
3000
de most már eszközöket kötnek hálózatba.
01:22
That we can take the whole idea that gave birth to the Internet
20
82000
3000
Átvehetjük az internetet létrehozó elvet,
01:25
and bring it down to the physical world in this Internet Zero,
21
85000
3000
és alkalmazhatjuk az internet 0 fizikai világában,
01:28
this internet of devices.
22
88000
2000
az eszközök internetében.
01:30
So this is the next step from there to here,
23
90000
2000
Ez a következő lépés,
01:32
and this is getting commercialized today.
24
92000
3000
és ez a mód is kezd elterjedni.
01:35
A step after that is a project on fungible computers.
25
95000
5000
Utána jön a helyettesíthető számítógépek korszaka.
A közgazdaságban a helyettesíthető áruk adásvételkor bővíthetők és fölcserélhetők.
01:40
Fungible goods in economics can be extended and traded.
26
100000
3000
01:43
So, half as much grain is half as much useful,
27
103000
2000
A gabona felét felhasználva a haszon feleakkora lesz,
01:45
but half a baby or half a computer is less useful than
28
105000
3000
de fél gyerekből vagy számítógépből adódó haszon más,
01:48
a whole baby or a whole computer,
29
108000
2000
mint a teljes gyerekből vagy gépből,
01:50
and we've been trying to make computers that work that way.
30
110000
3000
de igyekszünk így működő számítógépeket létrehozni.
01:53
So, what you see in the background is a prototype.
31
113000
2000
Mögöttem prototípust látnak.
01:55
This was from a thesis of a student, Bill Butow, now at Intel,
32
115000
3000
Bill Butow szakdolgozatából való, aki most az Intelnél dolgozik.
01:58
who wondered why, instead of making bigger and bigger chips,
33
118000
3000
Fölvetette, hogy egyre nagyobb csipek helyett inkább
viszkózus közegbe ágyazott kis csipek kellenének,
02:01
you don't make small chips, put them in a viscous medium,
34
121000
3000
s a számítási teljesítményt súly vagy terület szerint adagolhatjuk.
02:04
and pour out computing by the pound or by the square inch.
35
124000
2000
02:06
And that's what you see here.
36
126000
2000
Ez itt valami ilyesmi.
02:08
On the left was postscript being rendered by a conventional computer;
37
128000
3000
Balra a PostScript hagyományos számítógép értelmezésében,
02:11
on the right is postscript being rendered from the first prototype
38
131000
3000
jobbra ugyanez, az első modellünk alapján,
02:14
we made, but there's no frame buffer, IO processor,
39
134000
4000
de sem videopuffer, sem IO-processzor nincs benne,
02:18
any of that stuff -- it's just this material.
40
138000
2000
semmi ilyesmi, csak ez az anyag.
E képernyőn gondosan elhelyezett pontokkal ellentétben
02:20
Unlike this screen where the dots are placed carefully,
41
140000
2000
02:22
this is a raw material.
42
142000
1000
itt csak nyersanyag van.
02:23
If you add twice as much of it, you have twice as much display.
43
143000
3000
Ha kétszer annyit veszünk, a képernyő kétszer akkora lesz.
02:26
If you shoot a gun through the middle, nothing happens.
44
146000
3000
Ha átlövik a közepét, semmi sem történik.
02:29
If you need more resource, you just apply more computer.
45
149000
4000
Nagyobb teljesítményhez csak több gép kell.
A következő lépés: számítógép mint nyersanyag.
02:33
So, that's the step after this -- of computing as a raw material.
46
153000
3000
02:36
That's still conventional bits, the step after that is --
47
156000
3000
A bitek még a szokásosak,
de utána jön a korai labormodell;
02:39
this is an earlier prototype in the lab;
48
159000
2000
02:41
this is high-speed video slowed down.
49
161000
2000
a lassított nagy sebességű videó.
Ez a kémia beépülése a számítástechnikába, amelyben a bitek buborékok.
02:43
Now, integrating chemistry in computation, where the bits are bubbles.
50
163000
3000
02:46
This is showing making bits, this is showing --
51
166000
2000
Itt látható a bitek képződése, itt meg lassítva,
02:48
once again, slowed down so you can see it,
52
168000
2000
hogy láthatók legyenek a bitek
02:50
bits interacting to do logic and multiplexing and de-multiplexing.
53
170000
4000
logikai műveletek, multiplexelés és demultiplexelés végzésekor.
Most tehát a számítások hatására az anyag is átalakul, nem csak az információ.
02:54
So, now we can compute that the output arranges material
54
174000
3000
02:57
as well as information. And, ultimately, these are some slides
55
177000
4000
Végül, egypár dia korábbi projektemről,
03:01
from an early project I did, computing where the bits are stored
56
181000
3000
amelyben a biteket atommagokban
03:04
quantum-mechanically in the nuclei of atoms, so
57
184000
3000
kvantummechanikai úton tároljuk,
03:07
programs rearrange the nuclear structure of molecules.
58
187000
4000
a program átalakítja a molekulák atomszerkezetét.
03:11
All of these are in the lab pushing further and further and further,
59
191000
4000
Ezeken kitartóan dolgozunk a laborban,
nemcsak képletesen, hanem tényleg egyesítjük is a biteket és az atomokat,
03:15
not as metaphor but literally integrating bits and atoms,
60
195000
3000
03:18
and they lead to the following recognition.
61
198000
3000
és ebből adódik a kérdés:
03:21
We all know we've had a digital revolution, but what is that?
62
201000
3000
tudjuk, hogy végbe ment a digitális forradalom, de mi az?
03:24
Well, Shannon took us, in the '40s, from here to here:
63
204000
3000
A 40-es években Shannon átlendített bennünket
a távolsággal romló minőségű vezetékes telefonkapcsolattól az internet világába.
03:27
from a telephone being a speaker wire that degraded with distance
64
207000
4000
03:31
to the Internet. And he proved the first threshold theorem, that shows
65
211000
4000
Bebizonyította az információátvitel első küszöbtételét:
03:35
if you add information and remove it to a signal,
66
215000
3000
ha a jelhez információt adunk és elvesszük belőle,
akkor tökéletlen berendezéssel is tökéletesen számolhatunk.
03:38
you can compute perfectly with an imperfect device.
67
218000
2000
03:40
And that's when we got the Internet.
68
220000
2000
Eljutottunk az internethez.
03:42
Von Neumann, in the '50s, did the same thing for computing;
69
222000
3000
Neumann János az 50-es években ugyanezt megtette a számítástechnikával: kimutatta,
03:45
he showed you can have an unreliable computer but restore its state
70
225000
3000
hogy megbízhatatlan számítógéppel megbízható eredmény érhető el.
03:48
to make it perfect. This was the last great analog computer at MIT:
71
228000
4000
Ez volt az MIT utolsó analóg számítógépe:
03:52
a differential analyzer, and the more you ran it,
72
232000
2000
a differenciálanalizátor, amelyet minél többet futtatunk,
03:54
the worse the answer got.
73
234000
2000
annál rosszabb lesz a válasz.
03:56
After Von Neumann, we have the Pentium, where the billionth transistor
74
236000
3000
Neumann után jött a Pentium, amelyben a milliárdodik tranzisztor
03:59
is as reliable as the first one.
75
239000
3000
ugyanolyan megbízható volt, mint az első.
04:02
But all our fabrication is down in this lower left corner.
76
242000
3000
Minden gyártmányunk a bal alsó sarokban látható.
04:05
A state-of-the-art airplane factory rotating metal wax at fixed metal,
77
245000
3000
Egy innovatív repülőgépgyár fém gyantát forgat rögzített fémen,
04:08
or you maybe melt some plastic. A 10-billion-dollar chip fab
78
248000
3000
vagy tán műanyagot olvaszt;
04:11
uses a process a village artisan would recognize --
79
251000
3000
egy tízmilliárd dolláros csipgyár vidéki művésznek ismerős megoldással
04:14
you spread stuff around and bake it.
80
254000
3000
az anyagot terjeszti és süti.
04:17
All the intelligence is external to the system;
81
257000
2000
Az összes tudás a rendszeren kívül van,
04:19
the materials don't have information.
82
259000
2000
az anyag nem tartalmaz infót.
04:21
Yesterday you heard about molecular biology,
83
261000
3000
Tegnap a molekuláris biológiáról hallhattak,
04:24
which fundamentally computes to build.
84
264000
2000
amelyhez komoly számítások kellenek.
04:26
It's an information processing system.
85
266000
2000
Ez információfeldolgozó rendszer.
04:28
We've had digital revolutions in communication and computation,
86
268000
4000
Volt digitális forradalom a kommunikációban és az IT-ben,
de Shannontól és Neumanntól eltérően,
04:32
but precisely the same idea, precisely the same math
87
272000
3000
elvüket és matematikájukat még nem dolgozták ki a fizikai világra.
04:35
Shannon and Von Neuman did, hasn't yet come out
88
275000
2000
04:37
to the physical world. So, inspired by that,
89
277000
3000
A hozzám hasonlóan lelkes kollégák
04:40
colleagues in this program -- the Center for Bits and Atoms
90
280000
2000
a Center for Bits and Atoms programban a MIT-n,
04:42
at MIT -- which is a group of people, like me,
91
282000
3000
olyanok, mint én,
04:45
who never understood the boundary between physical science
92
285000
3000
akik soha nem értették, hol a fizika és az IT közti határ.
04:48
and computer science. I would even go further and say
93
288000
3000
Sőt, elmondhatom, hogy az IT tudományánál
04:51
computer science is one of the worst things that ever happened
94
291000
2000
rosszabb nem érhette volna
04:53
to either computers or to science --
95
293000
2000
a számítógépeket vagy a tudományt,...
04:55
(Laughter)
96
295000
1000
(Nevetés)
04:56
-- because the canon -- computer science --
97
296000
4000
mert az IT-tudomány egyes szabályai nagyszerűek,
05:00
many of them are great but the canon of computer science
98
300000
2000
de időnek előtte befagyasztották
05:02
prematurely froze a model of computation
99
302000
3000
az IT-technika modelljét
05:05
based on technology that was available in 1950,
100
305000
3000
az 1950-es évek műszaki szintjén,
05:08
and nature's a much more powerful computer than that.
101
308000
2000
de a természet sokkal erősebb számítógép.
05:10
So, you'll hear, tomorrow, from Saul Griffith. He was one of the
102
310000
4000
Holnap Saul Griffith-t fogják hallani,
05:14
first students to emerge from this program.
103
314000
3000
aki a programban résztvevő diákok egyike volt.
05:17
We started to figure out how you can compute to fabricate.
104
317000
3000
Kezdtünk rájönni, hogyan használható az IT a gyártásban.
05:20
This was just a proof of principle he did of tiles
105
320000
3000
Griffith programírásra használt mágneses lapokkal bebizonyította,
05:23
that interact magnetically, where you write a code,
106
323000
2000
hogy az elve nagyban hasonlít a fehérjék föltekeredésére,
05:25
much like protein folding, that specifies their structure.
107
325000
3000
amely a szerkezetüket meghatározza.
05:28
So, there's no feedback to a tool metrology;
108
328000
3000
Nincs visszacsatolás a mérőeszközökhöz,
05:31
the material itself codes for its structure in just the same ways
109
331000
5000
maga az anyag programozza a szerkezetét, ugyanúgy, ahogy a fehérje képződik.
05:36
that protein are fabricated. So, you can, for example, do that.
110
336000
4000
Ezt például meg is lehet tenni.
05:40
You can do other things. That's in 2D. It works in 3D.
111
340000
3000
De mást is: ez a 2D, de lehet 3D is.
05:43
The video on the upper right -- I won't show for time --
112
343000
2000
A jobb felső sarokban lévő videót most nem mutatom.
05:45
shows self-replication, templating so something can make something
113
345000
4000
Az önmásolást, önreprodukálást mutatja, melyben valami legyártja magát,
05:49
that can make something, and we're doing that now over, maybe,
114
349000
3000
ami szintén legyártja magát s í. t., talán kilenced íziglen.
05:52
nine orders of magnitude. Those ideas have been used to show
115
352000
3000
Ezen elveket alkalmazták a pontosság és sebesség kimutatására,
05:55
the best fidelity and direct rate DNA to make an organism,
116
355000
3000
mellyel a DNS szervezetet hoz létre
05:58
in functionalizing nanoclusters with peptide tails
117
358000
3000
peptid csoportos nanoklaszterek előállításakor,
amelyek összeszerelésüket programozzák a mágnesekhez igen hasonlóan,
06:01
that code for their assembly -- so, much like the magnets,
118
361000
2000
06:03
but now on nanometer scales.
119
363000
2000
de most nanométeres léptékben.
06:05
Laser micro-machining: essentially 3D printers that digitally fabricate
120
365000
4000
A lézeres mikromegmunkálásra példa a 3D-s nyomtatás,
06:09
functional systems, all the way up to building buildings,
121
369000
3000
amely digitálisan gyárt működő rendszereket,
egészen épületek tervrajz nélküli fölhúzásáig,
06:12
not by having blueprints,
122
372000
1000
06:13
but having the parts code for the structure of the building.
123
373000
3000
csupán az épületszerkezet egyes részeinek programja alapján.
06:16
So, these are early examples in the lab of emerging technologies
124
376000
5000
Ezek korai példák a laborkörülmények közti digitális gyártásra.
06:21
to digitize fabrication. Computers that don't control tools
125
381000
4000
A számítógépek nem irányítják az eszközöket,
06:25
but computers that are tools, where the output of a program
126
385000
4000
hanem maguk az eszközök,
és a program kimenete átrendezi az atomokat és a biteket is.
06:29
rearranges atoms as well as bits.
127
389000
4000
Hogy ezt megtegyük – az önök adójából, köszönöm – megvettem ezeket a gépeket.
06:33
Now, to do that -- with your tax dollars, thank you --
128
393000
3000
06:36
I bought all these machines. We made a modest proposal
129
396000
4000
Szerény javaslatot nyújtottunk be az Országos Tudományos Alapnak.
06:40
to the NSF. We wanted to be able to make anything on any length scale,
130
400000
4000
Szerettünk volna bármely méretűt gyártani, mindent egy helyen,
06:44
all in one place, because you can't segregate digital fabrication
131
404000
4000
mert a digitális gyártást nem lehet
06:48
by a discipline or a length scale.
132
408000
2000
iparágak vagy méret szerint megbontani.
06:50
So we put together focused nano beam writers
133
410000
4000
Fókuszált nanosugaras írókat, szuperszonikus vízsugaras vágókat
06:54
and supersonic water jet cutters and excimer micro-machining systems.
134
414000
5000
és excimeres mikromegmunkáló rendszereket állítottunk össze.
06:59
But I had a problem. Once I had all these machines,
135
419000
3000
De kiderült, hogy bár megvannak a gépeink,
07:02
I was spending too much time teaching students to use them.
136
422000
3000
túl sok időt töltöttem diákjaink betanításával.
07:05
So I started teaching a class, modestly called,
137
425000
2000
Szerény speckollégiumot tartottam nekik:
07:07
"How To Make Almost Anything." And that wasn't meant to be provocative;
138
427000
3000
"Hogy gyártsunk majdnem mindent?" címmel, senkit nem akartam provokálni,
07:10
it was just for a few research students.
139
430000
2000
csak egypár kutatódiáknak szólt.
07:12
But the first day of class looked like this.
140
432000
2000
De a kurzus első napján
07:14
You know, hundreds of people came in begging,
141
434000
2000
több százan jelentek meg rimánkodva:
07:16
all my life I've been waiting for this class; I'll do anything to do it.
142
436000
3000
"Egész életemben erre vártam", "Bármit megtennék a részvételért".
07:19
Then they'd ask, can you teach it at MIT? It seems too useful?
143
439000
3000
Majd fölkértek, adjam le a MIT-n is; hasznosnak látszott.
07:22
And then the next --
144
442000
1000
Aztán a következő meglepetés...
07:23
(Laughter)
145
443000
2000
(Nevetés)
az volt, mikor kiderült, hogy nem kutatni akarnak.
07:25
-- surprising thing was they weren't there to do research.
146
445000
1000
07:26
They were there because they wanted to make stuff.
147
446000
2000
Gyártani akarnak.
07:28
They had no conventional technical background.
148
448000
4000
Nem volt hagyományos műszaki képzettségük.
07:32
At the end of a semester they integrated their skills.
149
452000
2000
A szemeszter végére ötvözték a készségeiket.
07:34
I'll show an old video. Kelly was a sculptor, and this is what she did
150
454000
4000
E régi videóban Kelly,
a szobrász évfolyamtervét láthatjuk.
07:38
with her semester project.
151
458000
2000
07:40
(Video): Kelly: Hi, I'm Kelly and this is my scream buddy.
152
460000
3000
(Videó) Kelly: Kelly vagyok, ez meg a visító cimborám.
07:45
Do you ever find yourself in a situation
153
465000
3000
Voltak már olyan helyzetben,
07:48
where you really have to scream, but you can't because you're at work,
154
468000
5000
hogy legszívesebben ordítottak volna, de hát munkahelyen nem lehet,
07:53
or you're in a classroom, or you're watching your children,
155
473000
3000
vagy egy osztályteremben voltak, vagy gyereküket figyelték,
07:56
or you're in any number of situations where it's just not permitted?
156
476000
5000
vagy olyan helyzetben, amelyben nem volt szabad?
08:01
Well, scream buddy is a portable space for screaming.
157
481000
4000
A visító cimbora hordozható visítóhely.
08:05
When a user screams into scream buddy, their scream is silenced.
158
485000
5000
Amikor valaki belevisít, a visítást lefojtja.
Későbbi visszajátszásra rögzíti,
08:10
It is also recorded for later release where, when and how
159
490000
4000
de az, hogy hol, mikor és hogyan, az a használótól függ.
08:14
the user chooses.
160
494000
1000
08:36
(Scream)
161
516000
2000
(Visítás)
08:39
(Laughter) (Applause)
162
519000
4000
(Nevetés) (Taps)
08:43
So, Einstein would like this.
163
523000
2000
Einsteinnek tetszene.
E diák papagájoknak csinált webböngészőt:
08:45
This student made a web browser for parrots --
164
525000
1000
08:46
lets parrots surf the Net and talk to other parrots.
165
526000
3000
csak böngésszék, s beszélgessenek más papagájokkal.
08:49
This student's made an alarm clock you wrestle
166
529000
2000
Ő ébresztőórát csinált, amellyel birkózni kell,
08:51
to prove you're awake; this is one that defends --
167
531000
2000
hogy bizonyítsák: fölébredtek.
08:53
a dress that defends your personal space.
168
533000
2000
Ez a ruha személyes terüket védi.
08:55
This isn't technology for communication;
169
535000
2000
Ez nem közlésre szolgáló technika,
08:57
it's technology to prevent it.
170
537000
2000
hanem a megelőzésére.
08:59
This is a device that lets you see your music.
171
539000
3000
Ezzel az eszközzel zenéjüket tehetik láthatóvá.
09:02
This is a student who made a machine that makes machines,
172
542000
3000
E diák gépeket gyártó gépet készített,
09:05
and he made it by making Lego bricks that do the computing.
173
545000
3000
számításokat végző LEGO-kockákból.
09:08
Just year after year -- and I finally realized
174
548000
2000
Teltek az évek, s végül rájöttem,
09:10
the students were showing the killer app of personal fabrication
175
550000
4000
hogy a diákok saját maguk gyártottak nélkülözhetetlen alkalmazásokat,
amelyek egyszemélyes piacra szóltak.
09:14
is products for a market of one person.
176
554000
2000
09:16
You don't need this for what you can get in Wal-Mart;
177
556000
2000
Nem ahhoz kell, ami áruházban kapható,
09:18
you need this for what makes you unique.
178
558000
1000
hanem ami egyedivé tesz minket.
09:19
Ken Olsen famously said, nobody needs a computer in the home.
179
559000
4000
Ken Olsen híres mondása: otthonra nem kell számítógép.
De nem leltározásra, bérelszámolásra használjuk;
09:23
But you don't use it for inventory and payroll;
180
563000
2000
09:25
DEC is now twice bankrupt. You don't need personal fabrication
181
565000
3000
A DEC kétszer csődölt be.
Nem kell otthon gyártani, ami boltban kapható.
09:28
in the home to buy what you can buy because you can buy it.
182
568000
2000
09:30
You need it for what makes you unique, just like personalization.
183
570000
4000
Azért kell, hogy egyediek, személyiség legyünk.
09:34
So, with that, in turn, 20 million dollars today does this;
184
574000
4000
Ma 20 millió dollár erre elég;
09:38
20 years from now we'll make Star Trek replicators that make anything.
185
578000
4000
20 év múlva mindent gyártó replikátorokat készítünk, mint a Star Trekben.
09:42
The students hijacked all the machines I bought to do personal fabrication.
186
582000
4000
A diákok átalakították az egyedi gyártáshoz vett összes gépemet.
09:46
Today, when you spend that much of your money,
187
586000
2000
Amikor ennyi adópénzt költünk, a kormányzat igényli,
09:48
there's a government requirement to do outreach, which often means
188
588000
3000
hogy erről számoljunk el, ami gyakran helyi iskolai ismertetést,
09:51
classes at a local school, a website -- stuff that's just not that exciting.
189
591000
3000
honlapot jelent; ezek nemigen lelkesítő dolgok.
09:54
So, I made a deal with my NSF program managers that
190
594000
4000
Ezért megbeszéltem az Alap vezetőivel,
hogy fecsegés helyett inkább az eszközöket adom az embereknek.
09:58
instead of talking about it, I'd give people the tools.
191
598000
2000
10:00
This wasn't meant to be provocative or important,
192
600000
2000
Nem fontoskodni akarok, de fölállítottuk ezeket a Fab Labokat.
10:02
but we put together these Fab Labs. It's about 20,000 dollars in equipment
193
602000
4000
Kb. 20 000 dollár értékű eszköz, amely kb. ugyanarra képes,
10:06
that approximate both what the 20 million dollars does and where it's going.
194
606000
5000
mint a laboratóriumunk a 20 millió dolláros felszereltségével.
10:11
A laser cutter to do press-fit assembly with 3D from 2D,
195
611000
3000
2D alapú 3D-s lézervágó présidomos kötések roppantó szereléséhez,
10:14
a sign cutter to plot in copper to do electromagnetics,
196
614000
2000
plotter-vágószerszám rézhez elektromágnes gyártásához
10:16
a micron scale,
197
616000
2000
mikronléptékben,
10:18
numerically-controlled milling machine for precise structures,
198
618000
2000
digitális vezérlésű precíziós marógép,
10:20
programming tools for less than a dollar,
199
620000
3000
egy dollárnál olcsóbb programozó eszközök, 100 ns mikrovezérlők.
10:23
100-nanosecond microcontrollers. It lets you work from microns
200
623000
3000
Lehetővé teszik a munkát mikronos és mikro-másodperces nagyságrendtől,
10:26
and microseconds on up, and they exploded around the world.
201
626000
4000
és rohamosan elterjedtek az egész világon.
Ez nem volt betervezve, de Boston belvárosából eljutottak
10:30
This wasn't scheduled, but they went from inner-city Boston
202
630000
2000
10:32
to Pobal in India, to Secondi-Takoradi on Ghana's coast
203
632000
4000
az indiai Pobalba, a ghánai Sekondi-Takoradiba,
10:36
to Soshanguve in a township in South Africa,
204
636000
3000
a dél-afrikai Soshanguve-n át
10:39
to the far north of Norway, uncovering, or helping uncover,
205
639000
4000
Norvégia északi részéig,
csökkentve a digitális egyenlőtlenséget.
10:43
for all the attention to the digital divide,
206
643000
3000
10:46
we would find unused computers in all these places.
207
646000
4000
Kihasználatlan számítógépeket találhatunk e helyeken.
A falusi gazda gyerekének meg kell mérnie és változtatnia a világot,
10:50
A farmer in a rural village -- a kid needs to measure and modify
208
650000
3000
10:53
the world, not just get information about it on a screen.
209
653000
4000
ne csak tudomást szerezzen róla a képernyőn.
A különbség a gyártásban és szerszámmal való ellátottságban nagyobb,
10:57
That there's really a fabrication and an instrumentation divide
210
657000
2000
10:59
bigger than the digital divide.
211
659000
3000
mint a digitális egyenlőtlenség.
Ennek szűkítése nem a tömegeknek nyújtott IT-vel,
11:02
And the way you close it is not IT for the masses but IT development for the masses.
212
662000
3000
hanem az IT-fejlesztés tömeges lehetőségével teremthető meg.
11:05
So, in place after place
213
665000
3000
Bármilyen lehetetlen helyen nyitottunk is Fab Labot,
11:08
we saw this same progression: that we'd open one of these Fab Labs,
214
668000
3000
11:11
where we didn't -- this is too crazy to think of.
215
671000
3000
ugyanazt a fejlődést tapasztaltuk.
11:14
We didn't think this up, that we would get pulled to these places;
216
674000
3000
Nem számítottunk rá, hogy e helyekre jutunk el.
11:17
we'd open it. The first step was just empowerment.
217
677000
2000
Az első lépés a lehetőség megadása volt.
11:19
You can see it in their face, just this joy of, I can do it.
218
679000
3000
Az arcukon látszik a "meg tudom tenni" öröme.
11:22
This is a girl in inner-city Boston who had just done a high-tech
219
682000
2000
Ez a bostoni lány épp egy igényes, high-tech elemet értékesített
11:24
on-demand craft sale in the inner city community center.
220
684000
4000
a város közösségi központjában.
11:28
It goes on from there to serious hands-on technical education
221
688000
4000
Ez aztán komoly informális gyakorlati, nem iskolai műszaki oktatással folytatódik.
11:32
informally, out of schools. In Ghana we had set up one of these labs.
222
692000
5000
Ghánában létesítettünk ilyen labort.
Hálózati érzékelőt terveztünk, csak jöttek a gyerekek,
11:37
We designed a network sensor, and kids would show up
223
697000
2000
11:39
and refuse to leave the lab.
224
699000
1000
és maradni akartak.
11:40
There was a girl who insisted we stay late at night --
225
700000
3000
Az egyik lány ragaszkodott hozzá, hogy éjjelre is maradjunk...
11:43
(Video): Kids: I love the Fab Lab.
226
703000
2000
(Videó) Gyerekek: Imádom a Fab Labot.
11:45
-- her first night in the lab because she was going to make the sensor.
227
705000
3000
az első estéje a laborban, ahol érzékelőt fog csinálni.
11:48
So she insisted on fabbing the board, learning how to stuff it,
228
708000
3000
Ragaszkodott hozzá, hogy megtanulja a lapgyártást és -programozást.
11:51
learning how to program it. She didn't really know
229
711000
2000
Nemigen tudta, mit csinál, vagy miért csinálja,
11:53
what she was doing or why she was doing it, but she knew
230
713000
2000
de tudta, hogy meg kell tennie.
11:55
she just had to do it. There was something electric about it.
231
715000
3000
Erőt vett rajta az izgalom.
Már este 11 óra van,
11:58
This is late at, you know, 11 o'clock at night
232
718000
2000
12:00
and I think I was the only person surprised when what she built
233
720000
3000
és csak én voltam meglepve, hogy amit megépített,
12:03
worked the first time.
234
723000
2000
elsőre működött.
12:05
And I've shown this to engineers at big companies, and they say
235
725000
2000
Nagy cégek mérnökei mondták, hogy ők nem tudták volna megcsinálni.
12:07
they can't do this. Any one thing she's doing, they can do better,
236
727000
3000
A lány dolgait a mérnökök jobban megcsinálják,
12:10
but it's distributed over many people and many sites
237
730000
3000
de ahhoz sok ember és helyszín kell,
12:13
and they can't do in an afternoon
238
733000
1000
és egy délután alatt nem megy,
12:14
what this little girl in rural Ghana is doing.
239
734000
3000
amit e ghánai falusi kislány megtesz.
12:33
(Video): Girl: My name is Valentina Kofi; I am eight years old.
240
753000
4000
(Videó) Lány: Valentina Kofi vagyok, nyolcéves.
12:37
I made a stacking board.
241
757000
3000
Áramköri lapot építettem.
12:40
And, again, that was just for the joy of it.
242
760000
3000
NG: Csak szórakozásból.
12:43
Then these labs started doing serious problem solving --
243
763000
3000
Majd e laborok komoly problémák megoldásába fogtak:
12:46
instrumentation for agriculture in India,
244
766000
2000
berendezések az indiai mezőgazdaságnak,
12:48
steam turbines for energy conversion in Ghana,
245
768000
2000
energiaátalakító gőzturbinák Ghánában,
12:50
high-gain antennas in thin client computers.
246
770000
4000
nagy nyereségű antennák számítógépes hálózatokhoz.
Aztán beindult az üzlet,
12:54
And then, in turn, businesses started to grow,
247
774000
1000
12:55
like making these antennas.
248
775000
1000
pl. az antennagyártásban.
12:56
And finally, the lab started doing invention.
249
776000
2000
Végül a laborból jönni kezdtek a találmányok.
12:58
We're learning more from them than we're giving them.
250
778000
2000
Többet tanulunk tőlük, mint fordítva.
13:00
I was showing my kids in a Fab Lab how to use it.
251
780000
3000
Megmutattam a srácoknak, hogyan használják.
13:03
They invented a way to do a construction kit out of a cardboard box --
252
783000
4000
Rájöttek, hogyan csináljanak építőkészletet kartondobozból,
13:07
which, as you see up there, that's becoming a business --
253
787000
2000
és ebből üzlet vált,
13:09
but their design was better than Saul's design at MIT,
254
789000
3000
de az ő megoldásuk jobb lett, mint a MIT-s Saulé,
13:12
so there's now three students at MIT doing their theses on
255
792000
3000
úgyhogy ma három MIT-s diák disszertációtémája
13:15
scaling the work of eight-year-old children
256
795000
3000
a nyolcéves gyerekek munkájának továbbfejlesztése,
csak azért, mert az ő tervük jobb volt.
13:18
because they had better designs.
257
798000
1000
13:19
Real invention is happening in these labs.
258
799000
3000
E laborokban valóban föltalálnak.
Tavaly államfőkkel, tábornokokkal,
13:22
And I still kept -- so, in the last year I've been spending time with
259
802000
2000
törzsfőkkel találkoztam, akik mind ezt akarják, kérik,
13:24
heads of state and generals and tribal chiefs who all want this,
260
804000
3000
győzködöm őket, hogy ez még nincs kész.
13:27
and I keep saying, but this isn't the real thing.
261
807000
2000
Várjanak, mondjuk, 20 évet, és meglesz.
13:29
Wait, like, 20 years and then we'll be done.
262
809000
2000
13:31
And I finally got what's been going on. This is Kernigan and Ritchie
263
811000
3000
Végül megértettem, mi folyik itt.
Ez Kernigan és Ritchie, akik föltalálják a UNIX-ot a PDP-re.
13:34
inventing UNIX on a PDP.
264
814000
3000
A PDP-k a nagyszámítógépek s a mikrogépek közt voltak.
13:37
PDPs came between mainframes and minicomputers.
265
817000
2000
13:39
They were tens of thousands of dollars, hard to use,
266
819000
3000
Több tízezer dollárba kerültek, nehéz volt használni őket,
13:42
but they brought computing down to work groups,
267
822000
2000
de munkacsoportokban használták őket,
13:44
and everything we do today happened there.
268
824000
2000
és a mai dolgok ott kezdődtek.
A Fab Labok költségben és bonyolultságban a PDP szintjén állnak.
13:46
These Fab Labs are the cost and complexity of a PDP.
269
826000
3000
13:49
The projection of digital fabrication
270
829000
2000
A digitális gyártás nem a jövő;
13:51
isn't a projection for the future; we are now in the PDP era.
271
831000
3000
vele most mintha a PDP korszakában járnánk.
13:54
We talked in hushed tones about the great discoveries then.
272
834000
3000
Aztán érintettük a nagy fölfedezéseket.
13:57
It was very chaotic, it wasn't, sort of, clear what was going on.
273
837000
3000
Nagyon zűrzavaros volt a helyzet, nem volt világos, hogy mi történik.
14:00
In the same sense we are now, today, in the minicomputer era
274
840000
3000
Ebben az értelemben ma
a digitális gyártás minigépes korában vagyunk.
14:03
of digital fabrication.
275
843000
2000
14:05
The only problem with that is it breaks everybody's boundaries.
276
845000
4000
Ezzel az a baj, hogy határokat feszegetünk.
El szoktam menni minden elképzelhető hivatalba, amely kész velem tárgyalni,
14:09
In DC, I go to every agency that wants to talk, you know;
277
849000
3000
14:12
in the Bay Area, I go to every organization you can think of --
278
852000
2000
Washingtonban vagy San Franciscóban,
14:14
they all want to talk about it, but it breaks
279
854000
2000
tárgyalni készek, de az ügy ellentmond a hivatali szabályzatuknak.
14:16
their organizational boundaries. In fact, it's illegal for them,
280
856000
3000
Sokszor nincs joguk
egyszerű alkotó embereket ellátni,
14:19
in many cases, to equip ordinary people to create
281
859000
4000
de technológia vásárlásának nincs akadálya.
14:23
rather than consume technology.
282
863000
1000
14:24
And that problem is so severe that the ultimate invention
283
864000
4000
A probléma oly súlyos, hogy az utóbbi találmány meg is lepett:
14:28
coming from this community surprised me:
284
868000
3000
14:31
it's the social engineering. That the lab in far north of Norway --
285
871000
4000
a pszichológiai manipuláció.
A labor Norvégia északi részén van, annyira északin,
14:35
this is so far north its satellite dishes look at the ground
286
875000
2000
hogy a parabolaantennák a föld felé néznek,
14:37
rather than the sky because that's where the satellites are --
287
877000
4000
nem az égre, hiszen nem ott vannak a műholdak.
A labor egy kis csűrből nőtt ki.
14:41
the lab outgrew the little barn that it was in.
288
881000
1000
14:42
It was there because they wanted to find animals in the mountains
289
882000
3000
A közösség állatokat akart találni a hegyekben, de kinőtték a csűrt,
14:45
but it outgrew it, so they built this extraordinary village for the lab.
290
885000
4000
ezért a labornak megépítették ezt a különleges falut.
14:49
This isn't a university; it's not a company. It's essentially
291
889000
2000
Ez nem egyetem, nem cég: hanem feltalálásra létrejött falu
14:51
a village for invention; it's a village for the outliers in society,
292
891000
5000
a társadalom csodabogarainak,
és a Fab Labok környékén
14:56
and those have been growing up around these Fab Labs
293
896000
2000
az egész világon akadnak ilyenek.
14:58
all around the world.
294
898000
1000
14:59
So this program has split into an NGO foundation,
295
899000
4000
A programtámogatás megoszlik civil alapok,
15:03
a Fab Foundation to support the scaling, a micro VC fund.
296
903000
4000
a Fab Alap és a mikro kockázatitőke-alap között.
Az egyik vezető találóan jegyezte meg:
15:07
The person who runs it nicely describes it as
297
907000
1000
15:08
"machines that make machines need businesses that make businesses:"
298
908000
4000
"gépet gyártó gépeknek üzletet teremtő üzletre van szükségük",
15:12
it's a cross between micro-finance and VC to do fan-out,
299
912000
3000
ez a mikrofinanszírozás és a kockázati tőke közti sáv a kiszélesítésért,
15:15
and then the research partnerships back at MIT for what's
300
915000
2000
majd jön a MIT-tel való kutatói együttműködés:
15:17
making it possible.
301
917000
3000
ezzel válik valóra a projekt.
Két gondolattal búcsúzom.
15:20
So I'd like to leave you with two thoughts.
302
920000
2000
15:22
There's been a sea change in aid, from top-down mega-projects
303
922000
5000
Nagy változások voltak a támogatásban, az alulról fölfelé
s felülről lefelé induló nagyprojektekben, a mikrofinanszírozásban,
15:27
to bottom-up, grassroots, micro-finance investing in the roots,
304
927000
4000
15:31
so that everybody's got that that's what works.
305
931000
3000
így mindenki érti, hogy ez működik.
De a technológiát még mindig lefelé irányuló megaprojektnek tartjuk.
15:34
But we still look at technology as top-down mega-projects.
306
934000
3000
15:37
Computing, communication, energy for the rest of the planet
307
937000
3000
Bolygónk többi részének még mindig lefelé irányuló megaprojekt
15:40
are these top-down mega-projects.
308
940000
2000
az IT, a távközlés és az energia.
15:42
If this room full of heroes is just clever enough,
309
942000
2000
Ha a teremben lévők elég okosak,
15:44
you can solve the problems.
310
944000
2000
megoldhatják e feladatokat.
15:46
The message coming from the Fab Labs is that
311
946000
2000
A Fab Labok arra tanítanak,
15:48
the other five billion people on the planet
312
948000
2000
hogy a többi ötmilliárd ember
sem csupán a technika befogadói, hanem forrása is.
15:50
aren't just technical sinks; they're sources.
313
950000
2000
15:52
The real opportunity is to harness the inventive power of the world
314
952000
3000
Valódi lehetőség a világ újító erejének kihasználására,
15:55
to locally design and produce solutions to local problems.
315
955000
4000
helyi feladatok helyi tervezéssel s gyártással való megoldására.
Azt hittem, hogy ez a következő 20 év feladata,
15:59
I thought that's the projection 20 years hence into the future,
316
959000
3000
de már itt tartunk.
16:02
but it's where we are today.
317
962000
2000
Ez minden elképzelhető szervezeti határt átlép.
16:04
It breaks every organizational boundary we can think of.
318
964000
2000
16:06
The hardest thing at this point is the social engineering
319
966000
3000
A kemény dió a pszichológiai manipuláció
16:09
and the organizational engineering, but it's here today.
320
969000
3000
és a szervezettervezés, de már itt van.
Végül, az IT jövőjéről szólva
16:12
And, finally, any talk like this on the future of computing
321
972000
2000
16:14
is required to show Moore's law, but my favorite version --
322
974000
4000
előkerül a Moor-törvény, de a kedvenc változatom
16:18
this is Gordon Moore's original one from his original paper --
323
978000
5000
Moor eredeti cikkéből való.
16:23
and what's happened is, year after year after year,
324
983000
2000
az történik évről évre,
16:25
we've scaled and we've scaled and we've scaled
325
985000
1000
hogy növünk, növünk,
16:26
and we've scaled, and we've scaled and we've scaled,
326
986000
4000
növünk, növünk,
16:30
and we've scaled and we've scaled,
327
990000
1000
növünk és növünk,
16:31
and there's this looming bug of what's going to happen
328
991000
2000
és itt van a fenyegető hiba a Moore-törvény végén;
16:33
at the end of Moore's law; this ultimate bug is coming.
329
993000
4000
ez az alapvető hiba bekövetkezik.
Értékeljük a 2D-ből a 3D-be történő átmenetet,
16:37
But we're coming to appreciate, is the transition from 2D to 3D,
330
997000
5000
16:42
from programming bits to programming atoms,
331
1002000
3000
a bitek programozásából a programozás atomjaihoz,
amely a Moor-törvény érvényességének alapvető hibáját
16:45
turns the ends of Moore's law scaling from the ultimate bug
332
1005000
2000
16:47
to the ultimate feature.
333
1007000
2000
alapvető tulajdonsággá változtatja.
16:49
So, we're just at the edge of this digital revolution in fabrication,
334
1009000
4000
A gyártás digitális forradalmának küszöbéhez érkeztünk,
16:53
where the output of computation programs the physical world.
335
1013000
3000
ahol az IT kimenete programozza a fizikai világot.
16:56
So, together, these two projects answer questions
336
1016000
3000
E két projekt együtt ad választ a pontatlanul föltett kérdéseimre.
16:59
I hadn't asked carefully. The class at MIT shows the killer app
337
1019000
4000
A MIT kurzusa megmutatta, hogy a fejlett világban
17:03
for personal fabrication in the developed world
338
1023000
2000
a személyes gyártáshoz való nélkülözhetetlen alkalmazás
17:05
is technology for a market of one: personal expression in technology
339
1025000
4000
egyemberes piaci technológia: a személy technológiai kifejeződése,
17:09
that touches a passion unlike anything I've seen in technology
340
1029000
3000
ami szenvedéllyel kapcsolatos, eltérően minden mástól,
amit évek hosszú sora alatt a technológiában láttam.
17:12
for a very long time.
341
1032000
2000
17:14
And the killer app for the rest of the planet is the instrumentation
342
1034000
4000
A nélkülözhetetlen alkalmazás bolygónk többi részének
a fölszerszámozás és a gyártás különválását jelenti:
17:18
and the fabrication divide: people locally developing solutions
343
1038000
3000
helyben fejlesztenek ki megoldásokat
17:21
to local problems. Thank you.
344
1041000
2000
helyi feladatokra.
Köszönöm.
(Taps)
Erről a weboldalról

Ez az oldal olyan YouTube-videókat mutat be, amelyek hasznosak az angol nyelvtanuláshoz. A világ minden tájáról származó, kiváló tanárok által tartott angol leckéket láthatsz. Az egyes videók oldalán megjelenő angol feliratokra duplán kattintva onnan játszhatja le a videót. A feliratok a videó lejátszásával szinkronban gördülnek. Ha bármilyen észrevétele vagy kérése van, kérjük, lépjen kapcsolatba velünk ezen a kapcsolatfelvételi űrlapon.

https://forms.gle/WvT1wiN1qDtmnspy7