Skylar Tibbits: Can we make things that make themselves?

75,686 views ・ 2011-09-01

TED


A videó lejátszásához kattintson duplán az alábbi angol feliratokra.

Fordító: Melissa Csikszentmihályi Lektor: Renáta Keszte
00:15
Today I'd like to show you
0
15260
2000
Ma meg szeretném mutatni,
00:17
the future of the way we make things.
1
17260
2000
hogy a jövőben hogyan hozunk majd létre különböző dolgokat.
00:19
I believe that soon our buildings and machines
2
19260
2000
Azt gondolom, hogy az épületeink és a gépeink hamarosan
00:21
will be self-assembling,
3
21260
2000
önszerveződők lesznek,
00:23
replicating and repairing themselves.
4
23260
2000
megismétlik és kijavítják magukat.
00:25
So I'm going to show you
5
25260
2000
Megmutatom nektek tehát, hogy
00:27
what I believe is the current state of manufacturing,
6
27260
2000
szerintem mi is a gyártás mai helyzete,
00:29
and then compare that to some natural systems.
7
29260
3000
és összevetem néhány természetben előforduló rendszerrel.
00:32
So in the current state of manufacturing, we have skyscrapers --
8
32260
3000
A gyártás jelenlegi helyzete szerint egy felhőkarcoló
00:35
two and a half years [of assembly time],
9
35260
2000
két és fél év alatt épül fel,
00:37
500,000 to a million parts,
10
37260
2000
úgy ötszázezer-egymillió részből,
00:39
fairly complex,
11
39260
2000
meglehetősen összetett,
00:41
new, exciting technologies in steel, concrete, glass.
12
41260
3000
új és izgalmas fém-, beton- és üvegtechnológiákkal.
00:44
We have exciting machines
13
44260
2000
Vannak izgalmas gépeink,
00:46
that can take us into space --
14
46260
2000
melyek felrepítenek az űrbe,
00:48
five years [of assembly time], 2.5 million parts.
15
48260
3000
öt év alatt állnak össze két és fél millió alkatrészből.
00:51
But on the other side, if you look at the natural systems,
16
51260
3000
Másfelől viszont, ha megfigyeljük a természeti rendszereket,
00:54
we have proteins
17
54260
2000
ott vannak a proteinek
00:56
that have two million types,
18
56260
2000
a maguk kétmillió típusával,
00:58
can fold in 10,000 nanoseconds,
19
58260
2000
melyek 10 000 nanomásodperc alatt terelődnek össze,
01:00
or DNA with three billion base pairs
20
60260
2000
vagy a DNS a maga hárommilliós bázispárjával,
01:02
we can replicate in roughly an hour.
21
62260
3000
ami durván egy óra alatt megismétlődik.
01:05
So there's all of this complexity
22
65260
2000
Ez a komplexitás ott van tehát a
01:07
in our natural systems,
23
67260
2000
természeti rendszerünkben,
01:09
but they're extremely efficient,
24
69260
2000
és roppant hatékonyak,
01:11
far more efficient than anything we can build,
25
71260
2000
sokkal nagyobb mértékben, mint bármi, amit mi, emberek építünk,
01:13
far more complex than anything we can build.
26
73260
2000
sokkal összetettebb mindennél, amit felépíthetünk.
01:15
They're far more efficient in terms of energy.
27
75260
2000
Sokkal hatékonyabb energiafogyasztás szempontjából.
01:17
They hardly ever make mistakes.
28
77260
3000
Aligha fordul elő, hogy hibáznak.
01:20
And they can repair themselves for longevity.
29
80260
2000
Meg tudják hosszabbítani saját élettartamukat.
01:22
So there's something super interesting about natural systems.
30
82260
3000
A természeti rendszerek tehát felettébb érdekesek.
01:25
And if we can translate that
31
85260
2000
Ha le tudjuk ezt fordítani
01:27
into our built environment,
32
87260
2000
a megépített környezetünkre,
01:29
then there's some exciting potential for the way that we build things.
33
89260
2000
akkor izgalmas lehetőség rejlik az építkezési módozatokban.
01:31
And I think the key to that is self-assembly.
34
91260
3000
Azt hiszem, ehhez az önszerveződés a kulcs.
01:34
So if we want to utilize self-assembly in our physical environment,
35
94260
3000
Ha tehát valamilyen önszerveződést akarunk érvényesíteni a fizikai környezetünkben,
01:37
I think there's four key factors.
36
97260
2000
négy kulcstényezővel kell számolnunk:
01:39
The first is that we need to decode
37
99260
2000
Az első az, hogy dekódolnunk kell
01:41
all of the complexity of what we want to build --
38
101260
2000
mindazt az összetettséget, amiből építkezni akarunk,
01:43
so our buildings and machines.
39
103260
2000
vagyis az épületeinket és a gépeinket.
01:45
And we need to decode that into simple sequences --
40
105260
2000
Egyszerű sorozatokká kell dekódolnunk őket,
01:47
basically the DNA of how our buildings work.
41
107260
2000
ami alapjában véve az épületeink működésének DNS-e.
01:49
Then we need programmable parts
42
109260
2000
Programozható részekre van szükségünk,
01:51
that can take that sequence
43
111260
2000
amelyek elvihetik ezt a sorozatot
01:53
and use that to fold up, or reconfigure.
44
113260
3000
és felhasználhatják az összehajtására és az újrakonfigurálására.
01:56
We need some energy that's going to allow that to activate,
45
116260
3000
Ennek aktiválásához és a részeknek a programhoz igazodásához
01:59
allow our parts to be able to fold up from the program.
46
119260
3000
szükség van némi energiára.
02:02
And we need some type of error correction redundancy
47
122260
2000
Továbbá szükségünk van valamiféle hibajavítási redundanciára
02:04
to guarantee that we have successfully built what we want.
48
124260
3000
ahhoz, hogy biztosítsuk azt, hogy sikeresen felépítsük, amit akarunk.
02:07
So I'm going to show you a number of projects
49
127260
2000
Mutatni fogok tehát néhány olyan projektet, amin
02:09
that my colleagues and I at MIT are working on
50
129260
2000
a kollégáimmal az MIT-n dolgozunk az
02:11
to achieve this self-assembling future.
51
131260
2000
önszerveződő jövőért.
02:13
The first two are the MacroBot and DeciBot.
52
133260
3000
Az első kettő a MacroBot és a DeciBot.
02:16
So these projects are large-scale reconfigurable robots --
53
136260
4000
Ezek a projektek tehát széles skálájú újrakonfigurálható robotok,
02:20
8 ft., 12 ft. long proteins.
54
140260
3000
2,5, valamint 3,6 méter hosszú proteinek.
02:23
They're embedded with mechanical electrical devices, sensors.
55
143260
3000
Mechanikus elektromos készülékekkel, szenzorokkal vannak ellátva.
02:26
You decode what you want to fold up into,
56
146260
2000
Dekódolod, hogy ez mit ölel fel,
02:28
into a sequence of angles --
57
148260
2000
szögek szakasza
02:30
so negative 120, negative 120, 0, 0,
58
150260
2000
tehát negatív 120, negatív 120, 0, 0,
02:32
120, negative 120 -- something like that;
59
152260
3000
120, negatív 120 -- valami ilyesmi;
02:35
so a sequence of angles, or turns,
60
155260
2000
szögek vagy kanyarok szakasza,
02:37
and you send that sequence through the string.
61
157260
3000
amit a húron át küldesz el.
02:40
Each unit takes its message -- so negative 120 --
62
160260
3000
Minden egységnek megkapja a maga üzenetét - negatív 120.
02:43
it rotates to that, checks if it got there
63
163260
2000
Ott forog egy sort, leellenőrzi, hogy odaért-e,
02:45
and then passes it to its neighbor.
64
165260
3000
majd átadja a szomszédjának.
02:48
So these are the brilliant scientists,
65
168260
2000
Ezek tehát a nagyszerű tudósok,
02:50
engineers, designers that worked on this project.
66
170260
2000
mérnökök, tervezők, akik ezen a projekten dolgoztak.
02:52
And I think it really brings to light:
67
172260
2000
És azt hiszem, mostanra már a napnál is világosabb:
02:54
Is this really scalable?
68
174260
2000
Tényleg mérhető ez?
02:56
I mean, thousands of dollars, lots of man hours
69
176260
2000
Úgy értem, dollárok ezreibe, emberek tömkelegének
02:58
made to make this eight-foot robot.
70
178260
3000
munkaidejébe tellett, hogy megépítsék ezt a két és fél méteres robotot.
03:01
Can we really scale this up? Can we really embed robotics into every part?
71
181260
3000
Valóban megmérhető ez? Tényleg mindenhova beépíthető robotika?
03:04
The next one questions that
72
184260
2000
A következő kérdés
03:06
and looks at passive nature,
73
186260
2000
passzív természetűnek tűnik
03:08
or passively trying to have reconfiguration programmability.
74
188260
3000
vagy passzívan próbálja meg újrakonfigurálni a beprogramozhatóságot.
03:11
But it goes a step further,
75
191260
2000
Egy lépéssel azonban tovább megy,
03:13
and it tries to have actual computation.
76
193260
2000
és pontos számításokba bocsátkozik.
03:15
It basically embeds the most fundamental building block of computing,
77
195260
2000
Tulajdonképpen a számítástechnika legalapvetőbb építőelemeit foglalja magába,
03:17
the digital logic gate,
78
197260
2000
a digitális logikai kaput,
03:19
directly into your parts.
79
199260
2000
egyenesen a részeidbe.
03:21
So this is a NAND gate.
80
201260
2000
Így ez egy NAND kapu.
03:23
You have one tetrahedron which is the gate
81
203260
2000
Egy tetrahedronod van, ami a kapud,
03:25
that's going to do your computing,
82
205260
2000
és a számításaidat végzi majd,
03:27
and you have two input tetrahedrons.
83
207260
2000
és van két bemeneti tetrahedronod.
03:29
One of them is the input from the user, as you're building your bricks.
84
209260
3000
Egyik a felhasználótól származó bemenet, ebből építkezel.
03:32
The other one is from the previous brick that was placed.
85
212260
3000
A másik pedig az előző építőkocka.
03:35
And then it gives you an output in 3D space.
86
215260
3000
Ekkor pedig egy 3D-s kimenetet kapsz.
03:38
So what this means
87
218260
2000
Ez tehát azt jelenti,
03:40
is that the user can start plugging in what they want the bricks to do.
88
220260
3000
hogy a felhasználó elkezdheti betáplálni azt, hogy mit csináljanak az építőelemek.
03:43
It computes on what it was doing before
89
223260
2000
A számítások abból adódnak, amit előzőleg csinált
03:45
and what you said you wanted it to do.
90
225260
2000
és amire te utasítottad.
03:47
And now it starts moving in three-dimensional space --
91
227260
2000
Most pedig elkezd három dimenziós térben mozogni,
03:49
so up or down.
92
229260
2000
így felfele és lefele.
03:51
So on the left-hand side, [1,1] input equals 0 output, which goes down.
93
231260
3000
A bal oldalon tehát [1,1] a bemenet megegyezik a 0 kimenettel, ami lefele megy.
03:54
On the right-hand side,
94
234260
2000
A jobb oldalon
03:56
[0,0] input is a 1 output, which goes up.
95
236260
3000
[0,0] bemenet megegyezik 1 kimenettel, ami felfele megy.
03:59
And so what that really means
96
239260
2000
Ez pedig nem jelent mást,
04:01
is that our structures now contain the blueprints
97
241260
2000
mint hogy a szerkezeteink most tartalmazzák
04:03
of what we want to build.
98
243260
2000
a tervezett építményünk tervrajzát.
04:05
So they have all of the information embedded in them of what was constructed.
99
245260
3000
Magukban foglalják tehát az összes lehetséges megszerkesztett információt.
04:08
So that means that we can have some form of self-replication.
100
248260
3000
Ez pedig azt jelenti, hogy lehetséges valamiféle önreplikáció.
04:11
In this case I call it self-guided replication,
101
251260
3000
Ebben az esetben saját vezérlésű replikációnak nevezem,
04:14
because your structure contains the exact blueprints.
102
254260
2000
mert a szerkezeted tartalmazza a pontos tervrajzokat.
04:16
If you have errors, you can replace a part.
103
256260
2000
Ha hibáid vannak, ki lehet cserélni az adott részt.
04:18
All the local information is embedded to tell you how to fix it.
104
258260
3000
Az összes helyi információ bele van építve, hogy elmondja, hogy hogy kell megszerelni.
04:21
So you could have something that climbs along and reads it
105
261260
2000
Van tehát valamid, ami felmászik és elolvassa
04:23
and can output at one to one.
106
263260
2000
és egyenként kimenetet tud produkálni.
04:25
It's directly embedded; there's no external instructions.
107
265260
2000
Egyenesen van beépítve; nincsenek külső instrukciók.
04:27
So the last project I'll show is called Biased Chains,
108
267260
3000
Az utolsó projektnek, amit most bemutatok, az a neve, hogy Biased Chains,
04:30
and it's probably the most exciting example that we have right now
109
270260
3000
és valószínűleg a jelenlegi legizgalmasabb példánk
04:33
of passive self-assembly systems.
110
273260
2000
a passzív önszerveződési rendszerekre.
04:35
So it takes the reconfigurability
111
275260
2000
Újrakonfigurálható
04:37
and programmability
112
277260
2000
és programozható
04:39
and makes it a completely passive system.
113
279260
3000
és ezáltal teljesen passzív rendszerré teszi.
04:43
So basically you have a chain of elements.
114
283260
2000
Ily módon elemek láncai állnak rendelkezésedre.
04:45
Each element is completely identical,
115
285260
2000
Minden elem teljesen egyforma
04:47
and they're biased.
116
287260
2000
és ferde.
04:49
So each chain, or each element, wants to turn right or left.
117
289260
3000
Minden lánc, vagy minden elem jobbra vagy balra akar elmozdulni.
04:52
So as you assemble the chain, you're basically programming it.
118
292260
3000
A láncot összeszerelve tehát tulajdonképpen programozol.
04:55
You're telling each unit if it should turn right or left.
119
295260
3000
Meghatározod, hogy az egyes egységek jobbra vagy balra kanyarodjanak.
04:58
So when you shake the chain,
120
298260
3000
Amikor pedig megrázod a láncot,
05:01
it then folds up
121
301260
2000
bármelyik beprogramozott konfiguráció
05:03
into any configuration that you've programmed in --
122
303260
3000
szerint összetekeredhet,
05:06
so in this case, a spiral,
123
306260
2000
ebben az esetben például spirállá,
05:08
or in this case,
124
308260
3000
ebben az esetben
05:11
two cubes next to each other.
125
311260
3000
két egymás melletti kockává.
05:14
So you can basically program
126
314260
2000
Tulajdonképpen programozhatsz bármilyen
05:16
any three-dimensional shape --
127
316260
2000
háromdimenziós,
05:18
or one-dimensional, two-dimensional -- up into this chain completely passively.
128
318260
3000
egydimenziós illetve kétdimenziós formát ebbe a láncba, teljesen passzívan.
05:21
So what does this tell us about the future?
129
321260
2000
Miről árulkodik ez a jövőt illetően?
05:23
I think that it's telling us
130
323260
2000
Szerintem arról,
05:25
that there's new possibilities for self-assembly, replication, repair
131
325260
3000
hogy vannak új lehetőségek a fizikai szervezeteink, épületeink és
05:28
in our physical structures, our buildings, machines.
132
328260
3000
gépeink önszerveződésére, replikációjára és reparációjára.
05:31
There's new programmability in these parts.
133
331260
2000
Új programozási lehetőségek vannak ezeken a területeken.
05:33
And from that you have new possibilities for computing.
134
333260
2000
Innentől kezdve pedig új lehetőségek nyílnak a számítástechnikában.
05:35
We'll have spatial computing.
135
335260
2000
Lesz térbeli számítástechnikánk.
05:37
Imagine if our buildings, our bridges, machines,
136
337260
2000
Képzeljük el azt, hogy az épületeink, a hídjaink, a gépeink
05:39
all of our bricks could actually compute.
137
339260
2000
és az összes téglánk képes lesz a számítástechnikára.
05:41
That's amazing parallel and distributed computing power,
138
341260
2000
Ez egy lenyűgöző párhuzamos és megosztott számítástechnikai erő,
05:43
new design possibilities.
139
343260
2000
újfajta tervezésre nyílik lehetőség.
05:45
So it's exciting potential for this.
140
345260
2000
Izgalmas kiaknázatlan területről van tehát szó.
05:47
So I think these projects I've showed here
141
347260
2000
Azt gondolom, hogy a projektek, amiket most bemutattam,
05:49
are just a tiny step towards this future,
142
349260
2000
csupán apró lépések a jövő felé,
05:51
if we implement these new technologies
143
351260
2000
lépések, melyeket ezeknek az új technológiáknak
05:53
for a new self-assembling world.
144
353260
2000
a bevetésével teszünk meg egy új önszerveződő világ felé.
05:55
Thank you.
145
355260
2000
Köszönöm.
05:57
(Applause)
146
357260
2000
(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