Saul Griffith: Hardware solutions to everyday problems

25,187 views ・ 2007-03-23

TED


A videó lejátszásához kattintson duplán az alábbi angol feliratokra.

Fordító: Péter Pallós Lektor: Reka Lorinczy
00:25
So anyway, who am I?
0
25000
1000
Ki vagyok?
00:26
I usually say to people, when they say, "What do you do?"
1
26000
3000
Amikor megkérdezik, mivel foglalkozom, általában azt felelem:
00:29
I say, "I do hardware,"
2
29000
2000
"Hardverekkel",
00:31
because it sort of conveniently encompasses everything I do.
3
31000
2000
mert az hűen tartalmazza, amivel foglalkozom.
00:33
And I recently said that to a venture capitalist casually at some
4
33000
4000
Nemrég ezt böktem oda egy szilícium-völgyi rendezvényen
az egyik kockázatitőke-befektetőnek; erre így felelt: "Milyen sajátságos!"
00:37
Valley event, to which he replied, "How quaint."
5
37000
3000
00:40
(Laughter)
6
40000
2000
(Nevetés)
00:42
And I sort of really was dumbstruck.
7
42000
3000
A lélegzetem is elállt.
00:45
And I really should have said something smart.
8
45000
2000
Valami okosat kellett volna mondanom.
00:47
And now I've had a little bit of time to think about it,
9
47000
5000
Most van egy kis időm átgondolni.
00:52
I would have said, "Well, you know,
10
52000
2000
Azt kellett volna mondanom:
Tudja, ha 100 évvel előretekintünk,
00:54
if we look at the next 100 years
11
54000
2000
és látjuk az utóbbi idők összes problémáját,
00:56
and we've seen all these problems in the last few days,
12
56000
2000
00:58
most of the big issues -- clean water, clean energy --
13
58000
3000
a legtöbb nagy ügyet: tiszta víz, tiszta energia, –
01:01
and they're interchangeable in some respects --
14
61000
2000
ezek tulajdonképpen összefüggnek –,
01:03
and cleaner, more functional materials --
15
63000
2000
és tiszta, funkcionálisabb anyagok,
01:05
they all look to me to be hardware problems.
16
65000
3000
valamennyi hardverügynek tűnik.
Ettől még nem kell a szoftvert, az információt vagy a számításokat
01:08
This doesn't mean we should ignore software,
17
68000
2000
01:10
or information, or computation."
18
70000
2000
figyelmen kívül hagyni.
01:12
And that's in fact probably what I'm going to try and tell you about.
19
72000
3000
Ma ezekről fogok beszélni.
01:15
So, this talk is going to be about how do we make things
20
75000
3000
Az előadás gyártásról
01:18
and what are the new ways that we're going to make things in the future.
21
78000
5000
és jövőbeni új gyártási módszerekről fog szólni.
01:23
Now, TED sends you a lot of spam if you're a speaker
22
83000
5000
A TED egy csomó szemetet szokott az előadóknak küldeni,
úgymint: "tedd ezt, tedd azt", az ember kitölti az űrlapokat,
01:28
about "do this, do that" and you fill out all these forms,
23
88000
2000
01:30
and you don't actually know how they're going to describe you,
24
90000
3000
de nem tudja, minek festik le.
01:33
and it flashed across my desk that they were going to introduce me as a futurist.
25
93000
3000
Úgy tűnik, hogy jövőkutatónak mutattak be.
01:36
And I've always been nervous about the term "futurist,"
26
96000
2000
Mindig idegesít ez a szó,
01:38
because you seem doomed to failure because you can't really predict it.
27
98000
3000
mert eleve kudarcra vagyok kárhoztatva, hisz nem jelezhetek semmit előre.
01:41
And I was laughing about this with the very smart colleagues I have,
28
101000
3000
Nevettünk ezen az okos kollégáimmal,
01:44
and said, "You know, well, if I have to talk about the future, what is it?"
29
104000
4000
és megjegyeztem: "Ha a jövőről kell előadnom, milyen az?"
01:48
And George Homsey, a great guy, said, "Oh, the future is amazing.
30
108000
5000
A kiváló George Homsey azt mondta: "Ó, a jövő csodálatos!
01:53
It is so much stranger than you think.
31
113000
2000
Sokkal érdekesebb, mint gondolnánk.
01:55
We're going to reprogram the bacteria in your gut,
32
115000
2000
Átprogramozhatjuk a bélbaktériumainkat,
01:57
and we're going to make your poo smell like peppermint."
33
117000
5000
és attól mentaillatú lesz a kakink."
02:02
(Laughter)
34
122000
2000
(Nevetés)
02:04
So, you may think that's sort of really crazy,
35
124000
3000
Azt hihetnék, hogy ez valami őrültség,
02:07
but there are some pretty amazing things that are happening
36
127000
2000
de van pár bámulatos dolog,
02:09
that make this possible.
37
129000
1000
amelyek ezt lehetővé teszik.
02:10
So, this isn't my work, but it's work of good friends of mine at MIT.
38
130000
4000
Ez nem az én munkám, hanem MIT-es jó barátomé.
02:14
This is called the registry of standard biological parts.
39
134000
2000
Ezt a "sztenderd biológiai részek regisztrációja".
02:16
This is headed by Drew Endy and Tom Knight
40
136000
2000
A munkát Drew Endy, Tom Knight
02:18
and a few other very, very bright individuals.
41
138000
3000
02:21
Basically, what they're doing is looking at biology as a programmable system.
42
141000
3000
A lényeg, hogy a biológiát programozható rendszernek tekintik.
02:24
Literally, think of proteins as subroutines
43
144000
4000
Gondoljunk a fehérjékre mint szubrutinokra,
02:28
that you can string together to execute a program.
44
148000
3000
amelyek összefűzve programot hajtanak végre.
02:31
Now, this is actually becoming such an interesting idea.
45
151000
5000
Érdekes elgondolás.
02:36
This is a state diagram. That's an extremely simple computer.
46
156000
3000
Ez itt egy teljesen egyszerű számítógép állapotdiagramja.
02:39
This one is a two-bit counter.
47
159000
2000
Kétbites számláló.
02:41
So that's essentially the computational equivalent of two light switches.
48
161000
6000
A kettős lámpakapcsoló numerikus megfelelője.
Zürichi diákok építették
02:47
And this is being built by a group of students at Zurich
49
167000
3000
biológiai tervezőverseny keretében.
02:50
for a design competition in biology.
50
170000
2000
02:52
And from the results of the same competition last year,
51
172000
3000
A tavalyi verseny eredményeként
02:55
a University of Texas team of students programmed bacteria
52
175000
4000
texasi egyetemisták baktériumokat olyanná programoztak,
02:59
so that they can detect light and switch on and off.
53
179000
3000
hogy felismerjék a fényt, és ki-be kapcsoljanak.
03:02
So this is interesting in the sense that you can now
54
182000
2000
Ez abban az értelemben érdekes,
03:04
do "if-then-for" statements in materials, in structure.
55
184000
5000
hogy most anyagokban, szerkezetekben a "ha–akkor" utasítás már végrehajtható.
03:09
This is a pretty interesting trend,
56
189000
2000
Nagyon érdekes irányzat,
mivel korábban olyan világban éltünk, amelyben mindenki csak rávágta:
03:11
because we used to live in a world where everyone's said glibly,
57
191000
2000
03:13
"Form follows function," but I think I've sort of grown up in a world
58
193000
4000
"a forma illeszkedik a funkcióhoz", –
03:17
-- you listened to Neil Gershenfeld yesterday;
59
197000
3000
hallották tegnap Neil Gershenfeldet, közös volt a laborunk –,
03:20
I was in a lab associated with his -- where it's really a world
60
200000
4000
de én inkább olyan világban éltem,
amelyben az információ határozza meg a formát és a funkciót.
03:24
where information defines form and function.
61
204000
3000
03:27
I spent six years thinking about that,
62
207000
4000
Hat évig töprengtem ezen,
03:31
but to show you the power of art over science --
63
211000
2000
de hogy megmutassam a művészet hatalmát a tudomány fölött,
03:33
this is actually one of the cartoons I write. These are called "HowToons."
64
213000
3000
megírtam a "HowToons" c. képregényt.
03:36
I work with a fabulous illustrator called Nick Dragotta.
65
216000
2000
Nick Dragotta rajzolóval dolgozom, mesés!
03:38
Took me six years at MIT,
66
218000
2000
Nekem hat évembe telt a MIT-en
03:40
and about that many pages to describe what I was doing,
67
220000
4000
és ennyi oldalba, hogy megadjam, mivel foglalkozom; neki egy oldalba.
03:44
and it took him one page. And so this is our muse Tucker.
68
224000
5000
Ez a múzsánk, Tucker.
Érdekes kölyök, és a nővére, Celine is.
03:49
He's an interesting little kid -- and his sister, Celine --
69
229000
2000
03:51
and what he's doing here
70
231000
2000
Azzal foglalkozik,
03:53
is observing the self-assembly of his Cheerios in his cereal bowl.
71
233000
4000
hogy figyeli a gabonapehely müzlitálban való önszerveződését.
03:57
And in fact you can program the self-assembly of things,
72
237000
3000
Tényleg programozható az önszerveződés,
04:00
so he starts chocolate-dipping edges,
73
240000
2000
és a szélét kezdi csokiba mártogatni,
közben változtatja a hidrofóbiát és a hidrofiliát.
04:02
changing the hydrophobicity and the hydrophylicity.
74
242000
2000
04:04
In theory, if you program those sufficiently,
75
244000
2000
Elvileg, ha jól programozzuk,
04:06
you should be able to do something pretty interesting
76
246000
2000
valami igen érdekeset tehetünk vele,
04:08
and make a very complex structure.
77
248000
2000
s nagyon összetett szerkezetet hozhatunk létre.
04:10
In this case, he's done self-replication of a complex 3D structure.
78
250000
5000
Tucker önmagát másoló 3D-s összetett szerkezetet csinált.
04:15
And that's what I thought about for a long time,
79
255000
3000
Erről sokat gondolkodtam,
04:18
because this is how we currently make things.
80
258000
2000
mert pont így hozunk létre egyes dolgokat.
04:20
This is a silicon wafer, and essentially
81
260000
2000
Ez itt szilícium szelet,
04:22
that's just a whole bunch of layers of two-dimensional stuff, sort of layered up.
82
262000
4000
és egy csomó kétdimenziós réteg, egymásra rakva.
04:26
The feature side is -- you know, people will say,
83
266000
2000
Vastagsága – már tudják, beszélik –,
04:28
[unclear] down around about 65 nanometers now.
84
268000
2000
[érthetetlen] kb. 65 nanométeresre csökkent.
04:30
On the right, that's a radiolara.
85
270000
2000
Jobbra sugárállatkák láthatók.
04:32
That's a unicellular organism ubiquitous in the oceans.
86
272000
3000
Ezek óceánban mindenütt jelen levő egysejtű szervezetek.
04:35
And that has feature sizes down to about 20 nanometers,
87
275000
4000
Vastagsága kb. 20 nanométer,
04:39
and it's a complex 3D structure.
88
279000
2000
és az állatka komplex 3D szerkezetű.
04:41
We could do a lot more with computers and things generally
89
281000
4000
Sokkal több mindent kezdhetünk a számítógépekkel,
04:45
if we knew how to build things this way.
90
285000
3000
ha tudnánk, hogy építhetünk így valamit.
04:48
The secret to biology is, it builds computation
91
288000
3000
A biológia titka, hogy már a létrehozás folyamán beépíti a számításokat.
04:51
into the way it makes things. So this little thing here, polymerase,
92
291000
3000
Ez a kis dolog itt, a polimeráz,
04:54
is essentially a supercomputer designed for replicating DNA.
93
294000
5000
valójában DNS-másolatok létrehozására szolgáló szuperszámítógép.
04:59
And the ribosome here is another little computer
94
299000
3000
Itt a riboszóma is kis számítógép,
05:02
that helps in the translation of the proteins.
95
302000
2000
amely elősegíti a fehérjeszintézist.
05:04
I thought about this
96
304000
1000
Azért gondoltam erre,
05:05
in the sense that it's great to build in biological materials,
97
305000
3000
mert pompás lenne biológiai anyagokba beépíteni,
05:08
but can we do similar things?
98
308000
2000
de meg tudjuk-e csinálni?
05:10
Can we get self-replicating-type behavior?
99
310000
2000
Megoldható-e az önmagát másoló viselkedés?
05:12
Can we get complex 3D structure automatically assembling
100
312000
4000
Kaphatunk-e komplex 3D-s szerkezetet,
amely szervetlen rendszerekben automatikusan összeszereli magát?
05:16
in inorganic systems?
101
316000
2000
05:18
Because there are some advantages to inorganic systems,
102
318000
2000
Mert a szervetlen rendszereknek vannak előnyei,
05:20
like higher speed semiconductors, etc.
103
320000
2000
mint pl. a félvezetők nagyobb sebessége.
05:22
So, this is some of my work
104
322000
2000
Részben ez a munkám:
05:24
on how do you do an autonomously self-replicating system.
105
324000
6000
hogyan lehet automatikusan önmagát másoló rendszert készíteni.
05:30
And this is sort of Babbage's revenge.
106
330000
2000
Ez Babbage bosszúja.
05:32
These are little mechanical computers.
107
332000
1000
Ezek kis mechanikus számológépek.
05:33
These are five-state state machines.
108
333000
3000
Ötállapotú gépek.
05:36
So, that's about three light switches lined up.
109
336000
3000
Ez három, sorba kötött villanykapcsoló.
Semleges állapotban nem kapcsolnak.
05:39
In a neutral state, they won't bind at all.
110
339000
2000
05:41
Now, if I make a string of these, a bit string,
111
341000
4000
Ha karakterláncba, bitláncba kötjük őket,
05:45
they will be able to replicate.
112
345000
2000
akkor másolni tudják magukat.
05:47
So we start with white, blue, blue, white.
113
347000
1000
Kezdjük: fehér, kék, kék, fehér.
05:48
That encodes; that will now copy. From one comes two,
114
348000
6000
Kódolja; most másolni fog.
Egyből kettő lesz, kettőből három.
05:54
and then from two comes three.
115
354000
2000
05:56
And so you've got this sort of replicating system.
116
356000
4000
Megkaptuk a másolórendszert.
06:00
It was work actually by Lionel Penrose,
117
360000
2000
Ez Lionel Penrose munkája,
06:02
father of Roger Penrose, the tiles guy.
118
362000
3000
a "csempés" Roger Penrose apja.
06:05
He did a lot of this work in the '60s,
119
365000
2000
A 60-as években sok ilyen munkát végzett,
06:07
and so a lot of this logic theory lay fallow
120
367000
2000
de sok logikai elmélet parlagon maradt
06:09
as we went down the digital computer revolution, but it's now coming back.
121
369000
3000
a digitális számítógép forradalma során, de most ismét előkerülnek.
06:12
So now I'm going to show you the hands-free, autonomous self-replication.
122
372000
4000
Bemutatom az automatikus önmásolót, amelyhez hozzá sem kell nyúlni.
06:16
So we've tracked in the video the input string,
123
376000
2000
Videón végigkövettük a bemenő láncot:
06:18
which was green, green, yellow, yellow, green.
124
378000
2000
zöld, zöld, sárga, sárga, zöld.
06:20
We set them off on this air hockey table.
125
380000
4000
Szétraktuk őket a léghoki asztalon.
Tudják, a minőségi tudomány léghoki asztalt használ...
06:24
You know, high science uses air hockey tables --
126
384000
2000
06:26
(Laughter)
127
386000
1000
(Nevetés)
06:27
-- and if you watch this thing long enough you get dizzy,
128
387000
2000
és ha elég soká nézzük, elszédülünk.
06:29
but what you're actually seeing is copies of that original string
129
389000
3000
De most csak az eredeti karakterlánc másolatai láthatók,
06:32
emerging from the parts bin that you have here.
130
392000
3000
amelyek az itt található alkatrésztárolóból származnak.
06:35
So we've got autonomous replication of bit strings.
131
395000
5000
Így jutunk karakterláncok automatikus önmásolóihoz.
06:40
So, why would you want to replicate bit strings?
132
400000
3000
Miért szeretnénk karakterláncokat másolni?
06:43
Well, it turns out biology has this other very interesting meme,
133
403000
3000
Mert a biológiában érdekes mém létezik:
06:46
that you can take a linear string, which is a convenient thing to copy,
134
406000
3000
a lineáris láncot könnyű másolni,
06:49
and you can fold that into an arbitrarily complex 3D structure.
135
409000
4000
és tetszőlegesen komplex 3D-s szerkezetbe hajlítható.
06:53
So I was trying to, you know, take the engineer's version:
136
413000
3000
Kipróbáltam a mérnöki változatot is:
06:56
Can we build a mechanical system in inorganic materials
137
416000
3000
létrehozhatunk-e szervetlen anyagokban
ugyanazt megvalósító mechanikai rendszereket?
06:59
that will do the same thing?
138
419000
1000
07:00
So what I'm showing you here is that we can make a 2D shape --
139
420000
5000
Megmutatom, hogy 2D-s alakzatot is készíthetünk,
07:05
the B -- assemble from a string of components
140
425000
4000
a B-t, elemeiből összeilleszkedik
07:09
that follow extremely simple rules.
141
429000
2000
igen egyszerű szabályok alapján.
07:11
And the whole point of going with the extremely simple rules here,
142
431000
3000
Az egyszerű szabályok és az utóbb látott elképesztően egyszerű állapotautomaták
07:14
and the incredibly simple state machines in the previous design,
143
434000
3000
alkalmazásának értelme,
07:17
was that you don't need digital logic to do computation.
144
437000
3000
hogy a számításokhoz nem kell digitális logika.
07:20
And that way you can scale things much smaller than microchips.
145
440000
4000
Így a mikrocsipeknél sokkal kisebb tárgyakkal is dolgozhatunk.
07:24
So you can literally use these as the tiny components in the assembly process.
146
444000
4000
A szerelési folyamatban ezek az apró alkatrészek használhatók.
07:28
So, Neil Gershenfeld showed you this video on Wednesday, I believe,
147
448000
5000
Úgy tudom, Neil Gershenfeld már mutatta önöknek ezt a videót,
07:33
but I'll show you again.
148
453000
2000
de én újra bemutatom.
07:35
This is literally the colored sequence of those tiles.
149
455000
3000
Ez csempék színes sorozata.
07:38
Each different color has a different magnetic polarity,
150
458000
3000
a különböző színű csempéknek más-más a mágneses polaritásuk,
07:41
and the sequence is uniquely specifying the structure that is coming out.
151
461000
5000
és a sorozat egyedileg határozza meg a végső szerkezetet.
07:46
Now, hopefully, those of you who know anything about graph theory
152
466000
3000
Akik kissé értenek a gráfelmélethez,
07:49
can look at that, and that will satisfy you
153
469000
2000
azoknak ezt látva világos,
07:51
that that can also do arbitrary 3D structure,
154
471000
3000
hogy ebből tetszőleges térbeli szerkezet alakítható ki,
07:54
and in fact, you know, I can now take a dog, carve it up
155
474000
5000
és földarabolhatok egy kutyát,
07:59
and then reassemble it so it's a linear string
156
479000
2000
és újra összeállíthatom lineáris láncba,
08:01
that will fold from a sequence. And now
157
481000
2000
amelyet sorozatba hajtogathatok.
08:03
I can actually define that three-dimensional object as a sequence of bits.
158
483000
7000
A 3-D-s tárgy karakterláncként határozható meg.
08:10
So, you know, it's a pretty interesting world
159
490000
3000
Eléggé érdekes világ tárul elénk,
08:13
when you start looking at the world a little bit differently.
160
493000
2000
mikor kissé más szemmel nézünk rá.
08:15
And the universe is now a compiler.
161
495000
3000
Az univerzum fordítóprogrammá válik.
08:18
And so I'm thinking about, you know, what are the programs
162
498000
2000
Azon gondolkodom,
08:20
for programming the physical universe?
163
500000
3000
milyenek a fizikai világmindenséget programozó programok?
08:23
And how do we think about materials and structure,
164
503000
3000
Mit tartsunk az anyagokról és szerkezetekről
08:26
sort of as an information and computation problem?
165
506000
3000
információs és számítási szempontból?
08:29
Not just where you attach a micro-controller to the end point,
166
509000
3000
Nemcsak ott, ahol a végponthoz mikroszabályozót csatlakoztatunk,
08:32
but that the structure and the mechanisms are the logic, are the computers.
167
512000
5000
hanem ott is, ahol a szerkezet és a mechanizmusok a logika, a számítógép.
08:37
Having totally absorbed this philosophy,
168
517000
5000
Miután teljesen magamévá tettem ezt a filozófiát,
08:42
I started looking at a lot of problems a little differently.
169
522000
3000
kezdtem kissé másként látni a kérdéseket.
08:45
With the universe as a computer,
170
525000
1000
Ha az univerzum számítógép,
08:46
you can look at this droplet of water
171
526000
2000
e vízcseppet úgy tekinthetjük,
08:48
as having performed the computations.
172
528000
2000
mint amely elvégezte a számításokat.
08:50
You set a couple of boundary conditions, like gravity,
173
530000
2000
Megadunk pár határfeltétel, pl. a gravitációt,
08:52
the surface tension, density, etc., and then you press "execute,"
174
532000
4000
felületi feszültséget, sűrűséget stb., majd megnyomjuk a "Végrehajtás" gombot.
08:56
and magically, the universe produces you a perfect ball lens.
175
536000
5000
Csodák csodája, az univerzum megadja a tökéletes gömblencsét.
09:01
So, this actually applied to the problem
176
541000
2000
Ez fölhasználható a megoldáshoz.
09:03
of -- so there's a half a billion to a billion people in the world
177
543000
3000
Fél-egymilliárd ember nem jut hozzá
09:06
don't have access to cheap eyeglasses.
178
546000
2000
olcsó szemüveghez.
09:08
So can you make a machine
179
548000
2000
Gyárthatunk-e gépet,
09:10
that could make any prescription lens very quickly on site?
180
550000
4000
amely bármely lencsét el tudna a helyszínen készíteni?
09:14
This is a machine where you literally define a boundary condition.
181
554000
4000
A gépnek csak megadjuk a peremfeltételt.
09:18
If it's circular, you make a spherical lens.
182
558000
3000
Ha kör, akkor gömblencsét készít.
09:21
If it's elliptical, you can make an astigmatic lens.
183
561000
3000
Ha ellipszis, akkor asztigmatikus lencsét.
09:24
You then put a membrane on that and you apply pressure --
184
564000
3000
Aztán membránt helyezünk rá, és nyomást alkalmazunk...
09:27
so that's part of the extra program.
185
567000
2000
ez már másik program része.
09:29
And literally with only those two inputs --
186
569000
3000
Csak ezzel a két bemenettel:
09:32
so, the shape of your boundary condition and the pressure --
187
572000
2000
a peremfeltétellel és a nyomással
09:34
you can define an infinite number of lenses
188
574000
2000
végtelen számú lencsét határozhatunk meg,
09:36
that cover the range of human refractive error,
189
576000
2000
amely az emberi fénytörési hibatartományt teljesen lefedi
09:38
from minus 12 to plus eight diopters, up to four diopters of cylinder.
190
578000
5000
– 12-től + 8 dioptriáig, 4 cilinder-dioptriáig.
09:43
And then literally, you now pour on a monomer.
191
583000
3000
Aztán kiöntjük a monomert.
09:46
You know, I'll do a Julia Childs here.
192
586000
3000
Most úgy teszek, mint Julia Childs a főzőiskolájában.
09:49
This is three minutes of UV light.
193
589000
3000
Három perc ibolyántúli fény.
09:52
And you reverse the pressure on your membrane
194
592000
3000
Mikor kész, levesszük a nyomást a membránról.
09:55
once you've cooked it. Pop it out.
195
595000
3000
Kivehetjük.
09:58
I've seen this video, but I still don't know if it's going to end right.
196
598000
3000
Láttam ezt a videót, de még mindig nem tudom, jól végződik-e.
10:01
(Laughter)
197
601000
3000
(Nevetés)
10:04
So you reverse this. This is a very old movie,
198
604000
2000
Megfordítjuk.
A videó régi, de az új változatnál mindkét felület rugalmas,
10:06
so with the new prototypes, actually both surfaces are flexible,
199
606000
4000
10:10
but this will show you the point.
200
610000
2000
de a lényeg így is látszik.
10:12
Now you've finished the lens, you literally pop it out.
201
612000
2000
Elkészültek a lencsék, kivesszük.
10:14
That's next year's Yves Klein, you know, eyeglasses shape.
202
614000
7000
Ez az Yves Klein jövő évi szemüvegformája.
10:21
And you can see that that has a mild prescription of about minus two diopters.
203
621000
3000
Ez elég gyenge lencse, – 2 dioptriás.
10:24
And as I rotate it against this side shot, you'll see that that has cylinder,
204
624000
4000
Forgatva látszik, hogy cilinderes,
10:28
and that was programmed in --
205
628000
1000
és ez bele van programozva
10:29
literally into the physics of the system.
206
629000
4000
a rendszer fizikájába.
10:33
So, this sort of thinking about structure as computation
207
633000
3000
Az effajta gondolkodás a szerkezetről mint számításról
10:36
and structure as information leads to other things, like this.
208
636000
5000
és a szerkezetről mint információról, más dolgokhoz vezet el, pl. ehhez.
10:41
This is something that my people at SQUID Labs
209
641000
3000
Embereim a SQUID laborban most ezen dolgoznak,
10:44
are working on at the moment, called "electronic rope."
210
644000
2000
az ún. elektronikus kötélen.
10:46
So literally, you think about a rope. It has very complex structure in the weave.
211
646000
4000
Gondoljunk a kötélre: nagyon bonyolult fonási szerkezete van.
10:50
And under no load, it's one structure.
212
650000
2000
Ez a terhelés nélküli szerkezete.
10:52
Under a different load, it's a different structure. And you can actually exploit that
213
652000
3000
Más-más terhelésnél eltérő a szerkezete.
Ezt kihasználhatjuk, ha egy kevés vezető szálat teszünk bele,
10:55
by putting in a very small number of
214
655000
2000
10:57
conducting fibers to actually make it a sensor.
215
657000
2000
amely érzékelőként működik.
10:59
So this is now a rope that knows the load on the rope
216
659000
3000
Ez most olyan kötél,
amely fölismeri a terhelést a kötél bármely pontján.
11:02
at any particular point in the rope.
217
662000
2000
11:04
Just by thinking about the physics of the world,
218
664000
3000
Egyszerűen a világ fizikai valóságára gondolva,
11:07
materials as the computer,
219
667000
2000
mikor az anyag maga a számítógép,
11:09
you can start to do things like this.
220
669000
3000
elkezdhetjük e dolgokat készíteni.
11:12
I'm going to segue a little here.
221
672000
3000
Most egy kis kitérőt teszek.
11:15
I guess I'm just going to casually tell you the types of things
222
675000
2000
Felsorolom pár ötletemet
11:17
that I think about with this.
223
677000
1000
ezekkel kapcsolatban.
11:18
One thing I'm really interested about this right now is, how,
224
678000
4000
Ma igazán egyetlen dolog érdekel,
11:22
if you're really taking this view of the universe as a computer,
225
682000
4000
ha a világmindenséget tényleg számítógépnek tekintjük:
11:26
how do we make things in a very general sense,
226
686000
2000
általánosságban hogyan gyártsunk valamit,
11:28
and how might we share the way we make things in a general sense
227
688000
4000
és hogyan tudnánk a gyártási módszert megosztani,
ahogyan a nyílt forráskódú hardvereket szoktuk?
11:32
the same way you share open source hardware?
228
692000
3000
11:35
And a lot of talks here have espoused the benefits
229
695000
3000
Sok előadó tartja előnyösnek,
11:38
of having lots of people look at problems,
230
698000
2000
ha többen vizsgálnak egy-egy kérdést,
11:40
share the information and work on those things together.
231
700000
3000
közreadják ismereteiket, és együtt dolgoznak.
11:43
So, a convenient thing about being a human is you move in linear time,
232
703000
3000
Emberi mivoltunk előnye, hogy lineáris időben mozgunk,
11:46
and unless Lisa Randall changes that,
233
706000
2000
s hacsak Lisa Randall nem változtat rajta,
11:48
we'll continue to move in linear time.
234
708000
3000
ez a jövőben is így lesz.
11:51
So that means anything you do, or anything you make,
235
711000
2000
Ez azt jelenti, hogy bármit gyártunk,
11:53
you produce a sequence of steps --
236
713000
2000
lépésenként végezzük.
11:55
and I think Lego in the '70s nailed this,
237
715000
3000
A Lego a 70-es években erre ráérzett,
és igen elegánsan alkalmazták.
11:58
and they did it most elegantly.
238
718000
1000
11:59
But they can show you how to build things in sequence.
239
719000
4000
De megmutatják, hogyan lehet elemenként építkezni.
12:03
So, I'm thinking about, how can we generalize
240
723000
3000
Azon töprengek,
hogyan általánosíthatjuk bármiféle dolog gyártását,
12:06
the way we make all sorts of things,
241
726000
2000
12:08
so you end up with this sort of guy, right?
242
728000
2000
hogy ez legyen az eredmény.
12:10
And I think this applies across a very broad -- sort of, a lot of concepts.
243
730000
5000
Azt hiszem, hogy ez rengeteg koncepcióra alkalmazható.
12:15
You know, Cameron Sinclair yesterday said,
244
735000
2000
Cameron Sinclair föltette a kérdést:
12:17
"How do I get everyone to collaborate on design
245
737000
2000
"Hogyan késztessünk mindenkit tervezési és építési együttműködésre,
12:19
globally to do housing for humanity?"
246
739000
3000
hogy az emberiségnek meglegyen a lakhatása?"
12:22
And if you've seen Amy Smith,
247
742000
2000
Amy Smith arról beszél,
12:24
she talks about how you get students at MIT
248
744000
4000
hogyan vonhatók be az MIT hallgatói
12:28
to work with communities in Haiti.
249
748000
2000
a haiti közösségek tevékenységébe.
12:30
And I think we have to sort of redefine and rethink
250
750000
2000
Át kell gondolnunk, hogyan határozzuk meg
12:32
how we define structure and materials and assembly things,
251
752000
4000
a szerkezeteket, anyagokat és a szerelést,
hogyan terjesszük a tudást
12:36
so that we can really share the information
252
756000
2000
a minél szélesebb körű gyártásról,
12:38
on how you do those things in a more profound way
253
758000
2000
és hogy a szerkezetet illetően támaszkodhassunk egymás forráskódjára.
12:40
and build on each other's source code for structure.
254
760000
3000
12:43
I don't know exactly how to do this yet,
255
763000
1000
Még nem tudom ennek a módját,
12:44
but, you know, it's something being actively thought about.
256
764000
5000
de sokan törik rajta a fejüket.
12:49
So, you know, that leads to questions
257
769000
2000
Adódik a kérdés: ez fordítóprogram?
12:51
like, is this a compiler? Is this a sub-routine?
258
771000
4000
Ez szubrutin?
12:55
Interesting things like that.
259
775000
1000
Érdekes kérdés.
12:56
Maybe I'm getting a little too abstract, but you know,
260
776000
3000
Talán kissé elvont vagyok,
de visszatérve a rajzfigurákhoz,
12:59
this is the sort of -- returning to our comic characters --
261
779000
3000
ez a világmindenség, vagy a világmindenség más látványa,
13:02
this is sort of the universe, or a different universe view,
262
782000
2000
13:04
that I think is going to be very prevalent in the future --
263
784000
2000
ami gyakori lesz a jövőben az anyagoktól a biotechnológiáig.
13:06
from biotech to materials assembly. It was great to hear Bill Joy.
264
786000
3000
Jó volt Bill Joyt hallgatni.
13:09
They're starting to invest in materials science,
265
789000
3000
Kezdenek beruházni az anyagtudományba,
13:12
but these are the new things in materials science.
266
792000
2000
de ezek újdonságok az anyagtudományban.
13:14
How do we put real information and real structure into new ideas,
267
794000
4000
Hogy kerüljön új elvekbe igazi szerkezet s tudás, hogy a világot másként lássuk?
13:18
and see the world in a different way? And it's not going to be binary code
268
798000
3000
Nem a bináris kód határozza majd meg
13:21
that defines the computers of the universe --
269
801000
2000
a világmindenséget,
13:23
it's sort of an analog computer.
270
803000
2000
ez az analóg számítógép világa.
13:25
But it's definitely an interesting new worldview.
271
805000
5000
De ez bizonyosan új világkép.
13:30
I've gone too far. So that sounds like it's it.
272
810000
3000
Túl messzire mentem, úgy hangzik, mintha ma lenne.
13:33
I've probably got a couple of minutes of questions,
273
813000
2000
Talán van pár percem kérdésekre, vagy inkább mutatok valamit.
13:35
or I can show -- I think they also said that I do extreme stuff
274
815000
4000
Bemutatásomkor elmondták, hogy extrém dolgokkal is foglalkozom.
13:39
in the introduction, so I may have to explain that.
275
819000
4000
Úgyhogy elmondom, miről van szó.
13:43
So maybe I'll do that with this short video.
276
823000
3000
Legjobb lesz egy rövid videó segítségével.
13:46
So this is actually a 3,000-square-foot kite,
277
826000
6000
Ez 300 m²-es sárkány,
amelynek felülete minimális energiát igényel.
13:52
which also happens to be a minimal energy surface.
278
832000
2000
13:54
So returning to the droplet, again,
279
834000
2000
Visszatérve a cseppecskére,
13:56
thinking about the universe in a new way.
280
836000
2000
a világmindenségre újszerűen gondolunk.
13:58
This is a kite designed by a guy called Dave Kulp.
281
838000
2000
A sárkány Dave Kulp alkotása.
14:00
And why do you want a 3,000-square-foot kite?
282
840000
2000
Mire jó ekkora sárkány?
14:02
So that's a kite the size of your house.
283
842000
2000
Mert a felülete ház nagyságrendű.
14:04
And so you want that to tow boats very fast.
284
844000
4000
Igen gyorsan lehet vele csónakot vontatni.
14:08
So I've been working on this a little, also,
285
848000
3000
Ezen is dolgozom
14:11
with a couple of other guys.
286
851000
2000
pár társammal együtt.
14:13
But, you know, this is another way to look at the --
287
853000
2000
Ez másik látásmód.
14:15
if you abstract again,
288
855000
2000
Ha ismét elvonatkoztatunk,
14:17
this is a structure that is defined by the physics of the universe.
289
857000
4000
ezt a szerkezetet is a világegyetem fizikája határozza meg.
14:21
You could just hang it as a bed sheet,
290
861000
1000
Felfüggeszthetjük, mint a lepedőt,
14:22
but again, the computation of all the physics
291
862000
2000
de a fizikai számításokból megint
14:24
gives you the aerodynamic shape.
292
864000
2000
az aerodinamikai alakhoz jutunk.
14:26
And so you can actually sort of almost double your boat speed
293
866000
3000
Majdnem megkettőzhetjük csónakunk sebességét ilyen rendszerekkel.
14:29
with systems like that. So that's sort of another interesting aspect of the future.
294
869000
7000
Ez a jövő további érdekes területe.
(Taps)
14:36
(Applause)
295
876000
1000
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