12 sustainable design ideas from nature | Janine Benyus

620,503 views ・ 2007-05-17

TED


A videó lejátszásához kattintson duplán az alábbi angol feliratokra.

Fordító: Peter Nemes Lektor: Krisztián Pintér
00:25
It is a thrill to be here at a conference
0
25000
4000
Izgalmas itt lenni egy olyan konferencián,
00:29
that's devoted to "Inspired by Nature" -- you can imagine.
1
29000
5000
amelynek a témája: "A természet ihlette", el tudják képzelni.
00:34
And I'm also thrilled to be in the foreplay section.
2
34000
4000
És izgalmas itt lenni az előjáték szekcióban.
00:38
Did you notice this section is foreplay?
3
38000
2000
Észrevették, hogy ez a szekció az előjáték?
00:40
Because I get to talk about one of my favorite critters,
4
40000
3000
Azért, mert az egyik kedvenc állatkámról beszélhetek itt,
00:43
which is the Western Grebe. You haven't lived
5
43000
3000
a Nyugati Vöcsökről. Addig nem éltél,
00:46
until you've seen these guys do their courtship dance.
6
46000
4000
amíg nem láttad a násztáncukat.
00:50
I was on Bowman Lake in Glacier National Park,
7
50000
3000
A Bowman tavon voltam a Glacier Nemzeti Parkban,
00:53
which is a long, skinny lake with sort of mountains upside down in it,
8
53000
4000
amely egy hosszú, vékony tó, olyan a fejjel lefele hegyekkel benne.
00:57
and my partner and I have a rowing shell.
9
57000
2000
Nekem és a páromnak van egy kajakunk.
00:59
And so we were rowing, and one of these Western Grebes came along.
10
59000
6000
Szóval eveztünk és egyike ezeknek a Nyugati Vöcsköknek velünk tartott.
01:05
And what they do for their courtship dance is, they go together,
11
65000
5000
A násztáncuk alkalmával egymás mellett haladnak,
01:10
the two of them, the two mates, and they begin to run underwater.
12
70000
5000
mindketten, a két társ, elkezdenek a víz alatt szaladni.
01:15
They paddle faster, and faster, and faster, until they're going so fast
13
75000
4000
Egyre gyorsabban lépkednek, mígnem annyira gyorsak,
01:19
that they literally lift up out of the water,
14
79000
3000
hogy szó szerint kiemelkednek a vízből,
01:22
and they're standing upright, sort of paddling the top of the water.
15
82000
4000
és felegyenesedve, a víz felszínén szaladnak.
01:26
And one of these Grebes came along while we were rowing.
16
86000
5000
Egyike ezeknek a Vöcsköknek velünk tartott amíg eveztünk.
01:31
And so we're in a skull, and we're moving really, really quickly.
17
91000
4000
Mi ugye egy kajakban ülünk és nagyon gyorsan haladunk.
01:35
And this Grebe, I think, sort of, mistaked us for a prospect,
18
95000
7000
A Vöcsök szerintem egy esélyes párnak hitt minket,
01:42
and started to run along the water next to us,
19
102000
4000
és elkezdett szaladni a vízen mellettünk,
01:46
in a courtship dance -- for miles.
20
106000
5000
násztáncot járva, mérföldeken keresztül.
01:51
It would stop, and then start, and then stop, and then start.
21
111000
4000
Megállt, majd elindult, megállt, újra elindult.
01:55
Now that is foreplay.
22
115000
2000
Ezt nevezem én előjátéknak.
01:57
(Laughter)
23
117000
3000
(Nevetés)
02:00
I came this close to changing species at that moment.
24
120000
9000
Ilyen közel álltam akkor, hogy fajt váltsak.
02:09
Obviously, life can teach us something
25
129000
4000
Az élet meg tud tanítani egy s másra
02:13
in the entertainment section. Life has a lot to teach us.
26
133000
4000
a szórakozás területén. Az élet sokmindenre megtanít.
02:17
But what I'd like to talk about today
27
137000
3000
De amiről én ma beszélni szeretnék,
02:20
is what life might teach us in technology and in design.
28
140000
4000
hogy mit taníthatna technikában és tervezésben.
02:24
What's happened since the book came out --
29
144000
2000
Mi történt azóta, hogy a könyvet kiadták?
02:26
the book was mainly about research in biomimicry --
30
146000
3000
A könyv elsősorban a biomimetika kutatásról szólt.
02:29
and what's happened since then is architects, designers, engineers --
31
149000
4000
Azóta az történt, hogy építészek, tervezők és mérnökök,
02:33
people who make our world -- have started to call and say,
32
153000
3000
emberek, akik a világunkat építik, azt kezdtek hívogatni,
02:36
we want a biologist to sit at the design table
33
156000
4000
szeretnénk ha egy biológus ülne a tervezőasztalnál,
02:40
to help us, in real time, become inspired.
34
160000
3000
hogy segítsen minket, helyben inspirációt szerezni.
02:43
Or -- and this is the fun part for me -- we want you to take us out
35
163000
4000
Vagy, és ez az élvezetes része számomra, szeretnénk, ha
02:47
into the natural world. We'll come with a design challenge
36
167000
2000
kivinnétek a természetbe. Mi hozzuk a tervezési kihívásunkat
02:49
and we find the champion adapters in the natural world, who might inspire us.
37
169000
5000
és megtaláljuk a alkalmazkodóbajnokokat a természetben.
02:54
So this is a picture from a Galapagos trip that we took
38
174000
4000
Ez egy kép a Galapagos-i utunkról, amelyet néhány
02:58
with some wastewater treatment engineers; they purify wastewater.
39
178000
4000
mérnökkel tettünk meg; akik szennyvíztisztítással foglalkoznak.
03:02
And some of them were very resistant, actually, to being there.
40
182000
3000
Egyesek közülük eléggé elutasítóan álltak hozzá.
03:05
What they said to us at first was, you know, we already do biomimicry.
41
185000
5000
Eleinte azzal érveltek, hogy tudja, mi már csináljuk a biomimetikát.
03:10
We use bacteria to clean our water. And we said,
42
190000
5000
Baktériumokat használunk a víz tisztítására. De mi azt mondtuk:
03:15
well, that's not exactly being inspired by nature.
43
195000
4000
hát, az nem igazán a természet adta inspiráció.
03:19
That's bioprocessing, you know; that's bio-assisted technology:
44
199000
4000
Az bio-feldolgozás, bio-támogatott technológia:
03:23
using an organism to do your wastewater treatment
45
203000
5000
felhasználni egy organizmust, amely elvégzi munkát
03:28
is an old, old technology called "domestication."
46
208000
3000
egy nagyon régi technológia, "megszelidítésnek" hívják.
03:31
This is learning something, learning an idea, from an organism and then applying it.
47
211000
7000
Itt tanulásról van szó, valamit megtanulok egy organizmustól, amit alkalmazok.
03:38
And so they still weren't getting it.
48
218000
3000
Szóval nem értették a lényeget.
03:41
So we went for a walk on the beach and I said,
49
221000
2000
Úgyhogy elmentünk sétálni a víz partján és azt mondtam,
03:43
well, give me one of your big problems. Give me a design challenge,
50
223000
5000
nos, mi a ti nagy problémátok. Adjatok egy tervezési kihívást,
03:48
sustainability speed bump, that's keeping you from being sustainable.
51
228000
3000
egy akadályt, ami visszatart attól, hogy fenntarthatóak legyetek.
03:51
And they said scaling, which is the build-up of minerals inside of pipes.
52
231000
6000
És ők az mondták, hogy a vízkő, ásványi lerakódás a csövekben.
03:57
And they said, you know what happens is, mineral --
53
237000
2000
Azt mondták, az történik, hogy a vízkő
03:59
just like at your house -- mineral builds up.
54
239000
2000
akár a lakásában, lerakódik,
04:01
And then the aperture closes, and we have to flush the pipes with toxins,
55
241000
4000
és elzárja a csövet. Mérgező anyagokkal kell kimossuk,
04:05
or we have to dig them up.
56
245000
2000
vagy ki kell kaparjuk.
04:07
So if we had some way to stop this scaling --
57
247000
3000
Szóval ha lenne valami módja hogy megállítsuk a kövesedést...
04:10
and so I picked up some shells on the beach. And I asked them,
58
250000
5000
Erre én felvettem néhány kagylót. És megkérdeztem őket,
04:15
what is scaling? What's inside your pipes?
59
255000
2000
Mi a vízkő? Mi az anyag a csöveitekben?
04:17
And they said, calcium carbonate.
60
257000
3000
Azt mondtak, kalcium karbonát.
04:20
And I said, that's what this is; this is calcium carbonate.
61
260000
3000
Én azt mondtam, ez is az, ez is kalcium karbonát.
04:23
And they didn't know that.
62
263000
3000
Ők nem tudták ezt.
04:26
They didn't know that what a seashell is,
63
266000
2000
Nem tudták, hogy a tengeri kagyló anyaga
04:28
it's templated by proteins, and then ions from the seawater
64
268000
4000
egy fehérje váz, amire a tengervízbeli ionok
04:32
crystallize in place to create a shell.
65
272000
3000
rákristályosodnak, így megalkotva a kagylót.
04:35
So the same sort of a process, without the proteins,
66
275000
4000
Ugyanaz a folyamat megy végbe, fehérjék nélkül,
04:39
is happening on the inside of their pipes. They didn't know.
67
279000
3000
a csöveik belsejében. Ezt nem tudták.
04:42
This is not for lack of information; it's a lack of integration.
68
282000
6000
Nem információ hiánya miatt; hanem integráció hiány miatt.
04:48
You know, it's a silo, people in silos. They didn't know
69
288000
3000
Emberek elzárt dobozokban. Nem tudták,
04:51
that the same thing was happening. So one of them thought about it
70
291000
3000
hogy ugyanaz a folyamat megy végbe. Egyikük elkezdett gondolkodni
04:54
and said, OK, well, if this is just crystallization
71
294000
4000
és azt mondta, szóval, ha ez csak kikristályosodás
04:58
that happens automatically out of seawater -- self-assembly --
72
298000
5000
ami önállóan megy végbe a tengervízben, önszerveződés,
05:03
then why aren't shells infinite in size? What stops the scaling?
73
303000
5000
akkor miért nem végtelen nagyok a kagylók? Mi állítja le?
05:08
Why don't they just keep on going?
74
308000
2000
Miért nem folytatódik a folyamat?
05:10
And I said, well, in the same way
75
310000
4000
Elmondtam, hogy ugyanúgy ahogy beindítják a fehérjék,
05:14
that they exude a protein and it starts the crystallization --
76
314000
4000
ahogy kiválasztanak egy fehérjét ami beindítja a kristályosodást,
05:18
and then they all sort of leaned in --
77
318000
4000
ekkor kezdtek mindannyian figyelni,
05:22
they let go of a protein that stops the crystallization.
78
322000
3000
kiválasztanak egy fehérjét ami megállítja.
05:25
It literally adheres to the growing face of the crystal.
79
325000
2000
Szó szerint rátapad a növekedő kristály felületére.
05:27
And, in fact, there is a product called TPA
80
327000
4000
Azóta van egy termék, a TPA,
05:31
that's mimicked that protein -- that stop-protein --
81
331000
5000
ami utánozza ezt a megállító fehérjét,
05:36
and it's an environmentally friendly way to stop scaling in pipes.
82
336000
4000
egy környezetbarát eljárás amivel megállítható a vízkövesedés.
05:40
That changed everything. From then on,
83
340000
4000
Ez mindent megváltoztatott. Ettől kezdve,
05:44
you could not get these engineers back in the boat.
84
344000
4000
nem lehetett visszarakni a mérnököket a hajóba.
05:48
The first day they would take a hike,
85
348000
3000
Az első nap elmentek túrázni,
05:51
and it was, click, click, click, click. Five minutes later they were back in the boat.
86
351000
3000
és csak, klikk, klikk, klikk, klikk. Majd öt perc múlva újra a hajóban voltak.
05:54
We're done. You know, I've seen that island.
87
354000
4000
Befejeztük. Ezt a szigetet megnéztük.
05:58
After this,
88
358000
2000
De ezután,
06:00
they were crawling all over. They would snorkel
89
360000
3000
Mindenütt ott voltak. Nem akartak ...
06:03
for as long as we would let them snorkel.
90
363000
5000
búvárkodtak egészen addig amíg engedtük nekik.
06:08
What had happened was that they realized that there were organisms
91
368000
4000
Az történt, hogy rájöttek, vannak organizmusok körülöttük,
06:12
out there that had already solved the problems
92
372000
4000
amelyek már régóta megoldották a problémákat,
06:16
that they had spent their careers trying to solve.
93
376000
3000
amelyeket egész karrierjük során próbáltak megoldani.
06:19
Learning about the natural world is one thing;
94
379000
5000
Egy dolog a természetről tanulni.
06:24
learning from the natural world -- that's the switch.
95
384000
2000
A természettől tanulni, ez valami más.
06:26
That's the profound switch.
96
386000
3000
Ez az alapvető váltás.
06:29
What they realized was that the answers to their questions are everywhere;
97
389000
4000
Azt ismerték fel, hogy a válaszok a kérdéseikre mindenütt ott vannak,
06:33
they just needed to change the lenses with which they saw the world.
98
393000
4000
csak le kellett cserélni a szemüveget amin keresztül látták a világot.
06:37
3.8 billion years of field-testing.
99
397000
4000
3.8 milliárd évnyi tesztelés.
06:41
10 to 30 -- Craig Venter will probably tell you;
100
401000
3000
10-30 milló - Craig Venter valószínűleg elmondja majd,
06:44
I think there's a lot more than 30 million -- well-adapted solutions.
101
404000
4000
szerintem sokkal több mint 30 millió jól kidolgozott megoldás van.
06:48
The important thing for me is that these are solutions solved in context.
102
408000
8000
Fontos számomra, hogy ezek egy adott környezetre vannak kialakítva.
06:56
And the context is the Earth --
103
416000
2000
És ez a környezet a Föld.
06:58
the same context that we're trying to solve our problems in.
104
418000
5000
A környezet, ahol mi is próbálunk megoldásokat találni.
07:03
So it's the conscious emulation of life's genius.
105
423000
4000
Tudatos leutánzása az élet zsenialitásának.
07:07
It's not slavishly mimicking --
106
427000
2000
Ez nem gépies mímelés,
07:09
although Al is trying to get the hairdo going --
107
429000
3000
bár Al próbálkozott a frizura kialakításával,
07:12
it's not a slavish mimicry; it's taking the design principles,
108
432000
4000
ez nem gépies mímelés. Vesszük a tervezési elveket,
07:16
the genius of the natural world, and learning something from it.
109
436000
5000
a természet zsenialitását, és valamit tanulunk belőle.
07:21
Now, in a group with so many IT people, I do have to mention what
110
441000
4000
Egy ilyen IT emberekkel teli csoportban, meg kell említenem, hogy
07:25
I'm not going to talk about, and that is that your field
111
445000
3000
egy dologról nem fogok beszélni, ez pedig a ti területetek,
07:28
is one that has learned an enormous amount from living things,
112
448000
4000
egyike azoknak, amely sokat tanult az élő dolgoktól,
07:32
on the software side. So there's computers that protect themselves,
113
452000
4000
a software terén. Vannak számítógépek, amelyek megvédik magukat,
07:36
like an immune system, and we're learning from gene regulation
114
456000
3000
akár egy immunrendszer. És tanulunk a génszabályozástól
07:39
and biological development. And we're learning from neural nets,
115
459000
5000
és a biológiai fejlődéstől. És tanulunk a neurális hálózatoktól,
07:44
genetic algorithms, evolutionary computing.
116
464000
3000
genetikai, evolúciós algoritmusoktól.
07:47
That's on the software side. But what's interesting to me
117
467000
5000
Ez a dolgok software oldala. De ami számomra érdekes,
07:52
is that we haven't looked at this, as much. I mean, these machines
118
472000
5000
hogy nem néztünk bele elég mélyen a dolgokba. Ezek a gépek
07:57
are really not very high tech in my estimation
119
477000
3000
megítélésem szerint nem igazan high-tech megvalósítások
08:00
in the sense that there's dozens and dozens of carcinogens
120
480000
5000
olyan értelemben, hogy több tucat rákkeltő anyag
08:05
in the water in Silicon Valley.
121
485000
3000
van a Szilikonvölgy vizében.
08:08
So the hardware
122
488000
3000
Úgyhogy a hardware
08:11
is not at all up to snuff in terms of what life would call a success.
123
491000
5000
egyáltalán nem üti meg az élet sikerességi mércéjét.
08:16
So what can we learn about making -- not just computers, but everything?
124
496000
5000
Szóval mit tanulhatunk, nemcsak a számítógép, hanem bármi gyártásáról?
08:21
The plane you came in, cars, the seats that you're sitting on.
125
501000
4000
A repülőgép, amivel jöttetek, autók, az ülés amiben ültök, stb.
08:25
How do we redesign the world that we make, the human-made world?
126
505000
7000
Hogyan tervezzük újra a világot, az ember építette világot?
08:32
More importantly, what should we ask in the next 10 years?
127
512000
4000
Ami még fontosabb, milyen kérdéseket tegyünk fel a következő 10 évben?
08:36
And there's a lot of cool technologies out there that life has.
128
516000
3000
És az életnek sok, sok profi technológiája van.
08:39
What's the syllabus?
129
519000
2000
Mi a tanterv?
08:41
Three questions, for me, are key.
130
521000
4000
Számomra három kérdés a kulcs.
08:45
How does life make things?
131
525000
2000
Az élet miként állít elő dolgokat?
08:47
This is the opposite; this is how we make things.
132
527000
3000
Teljesen ellenkező módon, ahogy mi állítunk elő dolgokat.
08:50
It's called heat, beat and treat --
133
530000
2000
Úgy mondják, melegítés, préselés és megmunkálás.
08:52
that's what material scientists call it.
134
532000
2000
Így mondják az anyagtudósok.
08:54
And it's carving things down from the top, with 96 percent waste left over
135
534000
5000
A dolgok fentről lefele való kifaragása, ami során 96 százalék a hulladék,
08:59
and only 4 percent product. You heat it up; you beat it with high pressures;
136
539000
5000
és csak 4 százalék termék. Felmelegíted, nagy nyomáson préseled,
09:04
you use chemicals. OK. Heat, beat and treat.
137
544000
3000
vegyszert használsz. Melegít, présel és megmunkál.
09:07
Life can't afford to do that. How does life make things?
138
547000
4000
Az élet nem engedheti meg magának ezt. Hogyan gyárt dolgokat?
09:11
How does life make the most of things?
139
551000
3000
Hogyan állítja elő a legtöbb dolgot?
09:14
That's a geranium pollen.
140
554000
3000
Ez a geranium pollen.
09:17
And its shape is what gives it the function of being able
141
557000
5000
A szerkezete kölcsönzi neki azt a funkciót, hogy
09:22
to tumble through air so easily. Look at that shape.
142
562000
4000
annyira könnyen tud szállni a levegőben.
09:26
Life adds information to matter.
143
566000
5000
Az élet információt ad az anyaghoz.
09:31
In other words: structure.
144
571000
2000
Más szóval: szerkezetet.
09:33
It gives it information. By adding information to matter,
145
573000
5000
Információt kölcsönöz neki, és ezáltal funkciót,
09:38
it gives it a function that's different than without that structure.
146
578000
6000
ami különbözik a szerkezet nélkülitől.
09:44
And thirdly, how does life make things disappear into systems?
147
584000
5000
Valamint az élet feloldja a dolgokat rendszerekben.
09:49
Because life doesn't really deal in things;
148
589000
5000
Mert az élet nem igazan foglalkozik olyasmivel,
09:54
there are no things in the natural world divorced
149
594000
4000
a természetben nincsenek a rendszertől
09:58
from their systems.
150
598000
3000
különálló dolgok.
10:01
Really quick syllabus.
151
601000
2000
Ez egy tömör tanterv.
10:03
As I'm reading more and more now, and following the story,
152
603000
6000
Amint egyre többet olvasok és követem az eseményeket,
10:09
there are some amazing things coming up in the biological sciences.
153
609000
4000
elképesztő dolgok vannak kialakulóban a biológiatudományokban.
10:13
And at the same time, I'm listening to a lot of businesses
154
613000
3000
És ugyanakkor, sok céggel van kapcsolatom.
10:16
and finding what their sort of grand challenges are.
155
616000
4000
Tudom, hogy milyen nagy kihívások előtt állnak.
10:20
The two groups are not talking to each other.
156
620000
2000
Ez a két csoport nem beszél egymással.
10:22
At all.
157
622000
3000
Egyáltalán nem.
10:25
What in the world of biology might be helpful at this juncture,
158
625000
4000
A biológia világából mi lehetne számunkra hasznos,
10:29
to get us through this sort of evolutionary knothole that we're in?
159
629000
5000
ami átlendítene az evolúciós csomóponton, amiben vagyunk?
10:34
I'm going to try to go through 12, really quickly.
160
634000
3000
Megpróbálok gyorsan 12 példát felvázolni.
10:37
One that's exciting to me is self-assembly.
161
637000
3000
Az egyik számomra izgalmas, az önszerveződés.
10:40
Now, you've heard about this in terms of nanotechnology.
162
640000
4000
Már hallottatok erről a nanotechnológiával kapcsolatban.
10:44
Back to that shell: the shell is a self-assembling material.
163
644000
4000
Térjünk vissza a kagylóhoz: egy önszerveződő anyag.
10:48
On the lower left there is a picture of mother of pearl
164
648000
4000
A bal alsó képen láthatunk egy gyöngyszülőt
10:52
forming out of seawater. It's a layered structure that's mineral
165
652000
4000
ami a tengervízből alakul ki. Ez egy réteges szerkezet, ami ásvány
10:56
and then polymer, and it makes it very, very tough.
166
656000
3000
és polimer, ami igen erőssé teszi.
10:59
It's twice as tough as our high-tech ceramics.
167
659000
3000
Kétszer olyan erős, mint a high-tech kerámiáink.
11:02
But what's really interesting: unlike our ceramics that are in kilns,
168
662000
4000
De ami igazán érdekes: amig azok kemencében készülnek,
11:06
it happens in seawater. It happens near, in and near, the organism's body.
169
666000
5000
ez tengervízben készül. Az élőlény testéhez közel és benne történik.
11:11
This is Sandia National Labs.
170
671000
2000
Az emberek kezdik...
11:13
A guy named Jeff Brinker
171
673000
5000
ez a Sandia National Labs; egy Jeff Brinker nevű fickó
11:18
has found a way to have a self-assembling coding process.
172
678000
4000
megvalósított egy programozott önszerveződő folyamatot.
11:22
Imagine being able to make ceramics at room temperature
173
682000
4000
Képzeljétek el a szobahőmérsékletű kerámiagyártást
11:26
by simply dipping something into a liquid,
174
686000
4000
azáltal, hogy belemártunk valamit folyadékba,
11:30
lifting it out of the liquid, and having evaporation
175
690000
3000
kihúzzuk, és hagyjuk, hogy a párolgás
11:33
force the molecules in the liquid together,
176
693000
4000
rákényszerítse a molekulákat,
11:37
so that they jigsaw together
177
697000
2000
hogy összekapcsolódjanak
11:39
in the same way as this crystallization works.
178
699000
4000
hasonlóan, ahogy ez a kristályosodás működik.
11:43
Imagine making all of our hard materials that way.
179
703000
3000
Képzeljétek el, hogy az összes kemény anyagunkat így állítjuk elő.
11:46
Imagine spraying the precursors to a PV cell, to a solar cell,
180
706000
7000
Hogy egy PV cella, egy napelem alapanyagait egyszerűen felspricceljük
11:53
onto a roof, and having it self-assemble into a layered structure that harvests light.
181
713000
4000
a tetőre és hagyjuk, hogy önszerveződés által kialakuljon.
11:57
Here's an interesting one for the IT world:
182
717000
4000
Itt egy érdekes ötlet az IT világnak:
12:01
bio-silicon. This is a diatom, which is made of silicates.
183
721000
5000
bio-szilícium. Ez egy kovamoszat ami szilikátokból épül fel.
12:06
And so silicon, which we make right now --
184
726000
2000
A chipgyártás, ahogy ma csináljuk,
12:08
it's part of our carcinogenic problem in the manufacture of our chips --
185
728000
6000
rákkeltő anyagok forrása. Ez probléma.
12:14
this is a bio-mineralization process that's now being mimicked.
186
734000
4000
Ez a bio-mineralizáció folyamata, amit már utánzunk.
12:18
This is at UC Santa Barbara. Look at these diatoms.
187
738000
4000
Ez az UC Santa Barbara. Nézzétek ezeket a kovamoszatokat;
12:22
This is from Ernst Haeckel's work.
188
742000
3000
ez Ernst Haeckel munkája.
12:25
Imagine being able to -- and, again, it's a templated process,
189
745000
5000
Képzeljétek el a lehetőséget, és ez ismét egy sablon alapú folyamat,
12:30
and it solidifies out of a liquid process -- imagine being able to have that
190
750000
4000
folyadékfázisból képződik. Képzeljetek el
12:34
sort of structure coming out at room temperature.
191
754000
4000
egy ilyen formát szobahőmérsékleten létrejönni.
12:38
Imagine being able to make perfect lenses.
192
758000
3000
Képzeljétek el tökéletes lencsék előállítását.
12:41
On the left, this is a brittle star; it's covered with lenses
193
761000
5000
A baloldalon, az egy kígyókarú, be van borítva lencsékkel,
12:46
that the people at Lucent Technologies have found
194
766000
3000
amelyek a Lucent Technologies emberei szerint
12:49
have no distortion whatsoever.
195
769000
2000
teljesen torzításmentesek.
12:51
It's one of the most distortion-free lenses we know of.
196
771000
3000
Ez egyike a legtorzításmentesebb lencsének, amit ismerünk.
12:54
And there's many of them, all over its entire body.
197
774000
3000
És be van borítva velük az egész teste.
12:57
What's interesting, again, is that it self-assembles.
198
777000
3000
Ami megint csak érdekes, hogy önszerveződő.
13:00
A woman named Joanna Aizenberg, at Lucent,
199
780000
4000
Egy Joanna Aizenberg nevű hölgy a Lucent-nél
13:04
is now learning to do this in a low-temperature process to create
200
784000
4000
most tanulja, hogy lehet egy alacsony hőmérsékletű folyamattal
13:08
these sort of lenses. She's also looking at fiber optics.
201
788000
4000
előállítani ilyen típusú lencséket. A száloptikát is vizsgálja.
13:12
That's a sea sponge that has a fiber optic.
202
792000
3000
Ez egy tengeri szivacs, amely száloptikával rendelkezik.
13:15
Down at the very base of it, there's fiber optics
203
795000
3000
Egészen lent az alján, száloptika van benne
13:18
that work better than ours, actually, to move light,
204
798000
3000
amely jobb, mint a miénk, a fény továbbításában.
13:21
but you can tie them in a knot; they're incredibly flexible.
205
801000
6000
Ugyanakkor bogot köthetünk rá, annyira rugalmas.
13:27
Here's another big idea: CO2 as a feedstock.
206
807000
4000
Itt egy újabb ötlet: CO2 mint nyersanyag.
13:31
A guy named Geoff Coates, at Cornell, said to himself,
207
811000
3000
Geoff Coates a Cornell-nél, azt mondta magának,
13:34
you know, plants do not see CO2 as the biggest poison of our time.
208
814000
4000
a növények nem úgy látják a CO2-ot, mint korunk legnagyobb mérgét.
13:38
We see it that way. Plants are busy making long chains
209
818000
3000
Mi így látjuk. A növények gyártják a hosszú szénláncú
13:41
of starches and glucose, right, out of CO2. He's found a way --
210
821000
6000
keményítőt és a glükózt, éppen a CO2-ból.
13:47
he's found a catalyst -- and he's found a way to take CO2
211
827000
3000
Talált egy katalizátort, és egy eljárást, amivel a CO2-ot
13:50
and make it into polycarbonates. Biodegradable plastics
212
830000
4000
polikarbonátokká, környezetbarát műanyagokká alakítja.
13:54
out of CO2 -- how plant-like.
213
834000
2000
Mennyire növény-szerű!
13:56
Solar transformations: the most exciting one.
214
836000
3000
A legizgalmasabb: napfény hajtotta transzformációk.
13:59
There are people who are mimicking the energy-harvesting device
215
839000
4000
Az ASU-n leutánozzák a bíbor baktériumban lévő
14:03
inside of purple bacterium, the people at ASU. Even more interesting,
216
843000
4000
energia-termelő szerkezeteket. Még érdekesebb,
14:07
lately, in the last couple of weeks, people have seen
217
847000
3000
újabban, az elmúlt néhány hétben felfedezték,
14:10
that there's an enzyme called hydrogenase that's able to evolve
218
850000
5000
hogy van egy hidrogenáz nevű enzim, amely képes
14:15
hydrogen from proton and electrons, and is able to take hydrogen up --
219
855000
4000
hidrogént termelni protonokból és elektronokból. És képes felvenni hidrogént,
14:19
basically what's happening in a fuel cell, in the anode of a fuel cell
220
859000
5000
alapjában ez történik egy üzemanyagcellában, az anódon
14:24
and in a reversible fuel cell.
221
864000
2000
és egy megfordítható üzemanyagcellában.
14:26
In our fuel cells, we do it with platinum;
222
866000
3000
Mi az üzemanyagcellában platinával csináljuk.
14:29
life does it with a very, very common iron.
223
869000
4000
Az élet a nagyon gyakori vassal teszi.
14:33
And a team has now just been able to mimic
224
873000
4000
Egy csoportnak éppen most sikerült leutánozni
14:37
that hydrogen-juggling hydrogenase.
225
877000
5000
ezt a hidrogén-zsonglőr hirdogenázt.
14:42
That's very exciting for fuel cells --
226
882000
2000
Ez nagyon izgalmas lehetőség,
14:44
to be able to do that without platinum.
227
884000
3000
üzemanyagcella platina nélkül.
14:47
Power of shape: here's a whale. We've seen that the fins of this whale
228
887000
5000
A forma ereje: itt egy bálna. Láttuk, hogy az uszonyain
14:52
have tubercles on them. And those little bumps
229
892000
3000
gumók vannak. És azok a kis bumpszlik
14:55
actually increase efficiency in, for instance,
230
895000
5000
növelik a hatásfokot. Például,
15:00
the edge of an airplane -- increase efficiency by about 32 percent.
231
900000
5000
egy repülőgép szárnya szélén, kb. 32 százalékkal.
15:05
Which is an amazing fossil fuel savings,
232
905000
2000
Ami elképesztő üzemanyag megtakarítás,
15:07
if we were to just put that on the edge of a wing.
233
907000
5000
ha ilyeneket helyeznénk a repülőgép szárnyára.
15:12
Color without pigments: this peacock is creating color with shape.
234
912000
4000
Szín festékanyag nélkül: a páva színeket állít elő szerkezettel.
15:16
Light comes through, it bounces back off the layers;
235
916000
3000
Beérkezik a fény, visszaverődik a rétegekről.
15:19
it's called thin-film interference. Imagine being able
236
919000
3000
Vékonyréteg interferenciának hívják. Képzeljünk el
15:22
to self-assemble products with the last few layers
237
922000
3000
olyan termékeket, amelyeken az néhány réteg
15:25
playing with light to create color.
238
925000
4000
játszik a fénnyel, hogy színt adjon.
15:29
Imagine being able to create a shape on the outside of a surface,
239
929000
5000
Képzeljünk el egy olyan mintázatot egy felületen
15:34
so that it's self-cleaning with just water. That's what a leaf does.
240
934000
5000
ami öntisztítóvá teszi, csupán víz segítségével. Ezt teszi egy levél.
15:39
See that up-close picture?
241
939000
2000
Látjátok azt a nagyított képet?
15:41
That's a ball of water, and those are dirt particles.
242
941000
3000
Ez egy vízcsepp, és azok kosz szemcsék.
15:44
And that's an up-close picture of a lotus leaf.
243
944000
3000
Ez egy a lótuszlevél nagyított képe.
15:47
There's a company making a product called Lotusan, which mimics --
244
947000
5000
Van egy cég, ami a Lotusan nevű termékével utánozza ezt.
15:52
when the building facade paint dries, it mimics the bumps
245
952000
4000
Amikor az épület homlokzata megszárad, mímeli az öntisztító
15:56
in a self-cleaning leaf, and rainwater cleans the building.
246
956000
5000
levél szerkezetét, és az esővíz tisztítja az épületet.
16:01
Water is going to be our big, grand challenge:
247
961000
6000
A víz nagy kihívás lesz,
16:07
quenching thirst.
248
967000
2000
a szomj csillapítása.
16:09
Here are two organisms that pull water.
249
969000
3000
Itt van két organizmus, ami vizet gyűjt.
16:12
The one on the left is the Namibian beetle pulling water out of fog.
250
972000
4000
A baloldali a Namíbiai bogár amint vizet gyűjt a ködből.
16:16
The one on the right is a pill bug -- pulls water out of air,
251
976000
3000
A jobboldali a szárazföldi ászkarák, vizet gyűjt a levegőből.
16:19
does not drink fresh water.
252
979000
3000
Nem iszik friss vizet.
16:22
Pulling water out of Monterey fog and out of the sweaty air in Atlanta,
253
982000
7000
A Monterey-i ködből és az Atlanta-i nedves levegőből való vízgyűjtés,
16:29
before it gets into a building, are key technologies.
254
989000
4000
mielőtt az épületbe kerül, kulcsfontosságú technológiák.
16:33
Separation technologies are going to be extremely important.
255
993000
4000
A szétválasztási technológiák nagyon fontosak lesznek.
16:37
What if we were to say, no more hard rock mining?
256
997000
4000
Mi lenne, ha azt mondanánk, nincs többé bányászat?
16:41
What if we were to separate out metals from waste streams,
257
1001000
6000
Mi lenne, ha a fémeket hulladékból vonnánk ki?
16:47
small amounts of metals in water? That's what microbes do;
258
1007000
4000
A vízben levő kis mennyiségű fémet. Ezt teszik a mikroorganizmusok,
16:51
they chelate metals out of water.
259
1011000
2000
komplex-képzéssel kivonjak a vízből.
16:53
There's a company here in San Francisco called MR3
260
1013000
3000
Van egy MR3 nevű cég itt San Franciscóban,
16:56
that is embedding mimics of the microbes' molecules on filters
261
1016000
6000
amely a mikroorganizmusok molekuláit utánozza szűrőkben,
17:02
to mine waste streams.
262
1022000
3000
hulladék újrafelhasználásra.
17:05
Green chemistry is chemistry in water.
263
1025000
4000
A zöld kémia: vízbeli kémia.
17:09
We do chemistry in organic solvents.
264
1029000
2000
Mi szerves oldószerekben végezzük.
17:11
This is a picture of the spinnerets coming out of a spider
265
1031000
4000
Egy kép egy pókról, amint a fonalkák szálai jönnek ki belőle,
17:15
and the silk being formed from a spider. Isn't that beautiful?
266
1035000
3000
amint a fonal kialakul. Hát nem szép?
17:18
Green chemistry is replacing our industrial chemistry with nature's recipe book.
267
1038000
8000
A zöld kémia, az ipari kémiának a természet receptkönyvére cserélése.
17:26
It's not easy, because life uses
268
1046000
5000
Nem egyszerű, mert a természet
17:31
only a subset of the elements in the periodic table.
269
1051000
4000
a periódusos rendszer csak egy kis részét használja.
17:35
And we use all of them, even the toxic ones.
270
1055000
4000
Mi mindet használjuk, a mérgezőeket is.
17:39
To figure out the elegant recipes that would take the small subset
271
1059000
5000
Az elegáns receptek feltárása, amelyekkel a periódusos rendszer
17:44
of the periodic table, and create miracle materials like that cell,
272
1064000
6000
ezen kis részéből olyan csoda anyagokat állítsunk elő, mint a sejt,
17:50
is the task of green chemistry.
273
1070000
2000
a zöld kémia feladata.
17:52
Timed degradation: packaging that is good
274
1072000
4000
Időzített lebomlás: csomagolás, ami csak addig jó,
17:56
until you don't want it to be good anymore, and dissolves on cue.
275
1076000
4000
amíg akarod, hogy jó legyen, majd egy adott jelre feloszlik.
18:00
That's a mussel you can find in the waters out here,
276
1080000
3000
Ez egy kagyló, megtálalható a környező vizekben.
18:03
and the threads holding it to a rock are timed; at exactly two years,
277
1083000
4000
A fonal, ami a kövekhez rögzíti, időzítve van. Pontosan két év múlva,
18:07
they begin to dissolve.
278
1087000
2000
elkezd lebomlani..
18:09
Healing: this is a good one.
279
1089000
3000
Gyógyulás: ez igazán kiváló.
18:12
That little guy over there is a tardigrade.
280
1092000
3000
Az a kis srác ott egy medveállatka.
18:15
There is a problem with vaccines around the world
281
1095000
6000
Világszerte gond, hogy a vakcinák
18:21
not getting to patients. And the reason is
282
1101000
3000
nem jutnak el a betegekhez.
18:24
that the refrigeration somehow gets broken;
283
1104000
4000
Mert a hűtés valahol elromlik;
18:28
what's called the "cold chain" gets broken.
284
1108000
2000
az úgynevezett "hűtési lánc" megszakad.
18:30
A guy named Bruce Rosner looked at the tardigrade --
285
1110000
3000
Bruce Rosner megvizsgálta a medveállatkát,
18:33
which dries out completely, and yet stays alive for months
286
1113000
6000
ami ha teljesen kiszárad is, sok hónapon keresztül
18:39
and months and months, and is able to regenerate itself.
287
1119000
3000
életben marad, és képes regenerálni magát.
18:42
And he found a way to dry out vaccines --
288
1122000
3000
És talált egy eljárást a vakcinák kiszárítására,
18:45
encase them in the same sort of sugar capsules
289
1125000
4000
és egy hasonló cukor kapszulába való bezárására
18:49
as the tardigrade has within its cells --
290
1129000
3000
amilyen a medveállatka sejtjeiben van.
18:52
meaning that vaccines no longer need to be refrigerated.
291
1132000
5000
Ez azt jelenti, hogy a vakcinákat nem kell hűteni.
18:57
They can be put in a glove compartment, OK.
292
1137000
4000
Be lehet tenni őket egy kesztyűtartóba.
19:01
Learning from organisms. This is a session about water --
293
1141000
5000
Tanulunk az organizmusoktól. Ez a rész a vízről szól.
19:06
learning about organisms that can do without water,
294
1146000
3000
Organizmusoktól, amik megvannak víz nélkül,
19:09
in order to create a vaccine that lasts and lasts and lasts without refrigeration.
295
1149000
7000
azért, hogy olyan vakcinát állítsunk elő, ami hűtés nélkül is tartós marad.
19:16
I'm not going to get to 12.
296
1156000
3000
Nem fogok eljutni 12-ig.
19:19
But what I am going to do is tell you that the most important thing,
297
1159000
4000
De azt meg el fogom mondani, hogy a legfontosabb dolog,
19:23
besides all of these adaptations, is the fact that these organisms
298
1163000
5000
emellett a sok alkalmazás mellett az, hogy ezek az organizmusok
19:28
have figured out a way to do the amazing things they do
299
1168000
5000
kitalálták, hogy miként csinálják ezeket a csodás dolgokat úgy,
19:33
while taking care of the place
300
1173000
3000
hogy közben vigyáznak a környezetükre,
19:36
that's going to take care of their offspring.
301
1176000
5000
amely majd eltartja az utódaikat.
19:41
When they're involved in foreplay,
302
1181000
3000
Amikor az előjátékkal vannak elfoglalva,
19:44
they're thinking about something very, very important --
303
1184000
3000
egy nagyon, nagyon fontos dologra gondolnak
19:47
and that's having their genetic material
304
1187000
4000
arra, hogy a genetikai anyaguk
19:51
remain, 10,000 generations from now.
305
1191000
5000
10 000 év múlva is megmaradjon.
19:56
And that means finding a way to do what they do
306
1196000
2000
És ez azt jelenti, hogy úgy kell élniük,
19:58
without destroying the place that'll take care of their offspring.
307
1198000
4000
hogy ne rombolják le a helyet, ami az utódaikat fogja eltartani.
20:02
That's the biggest design challenge.
308
1202000
3000
Ez a legnagyobb tervezési kihívás.
20:05
Luckily, there are millions and millions of geniuses
309
1205000
6000
Szerencsére sok millió zseni van, akik szívesen
20:11
willing to gift us with their best ideas.
310
1211000
3000
megosztják velünk a legjobb ötleteiket.
20:14
Good luck having a conversation with them.
311
1214000
3000
Sok szerencsét a velük folytatott beszélgetésben.
20:17
Thank you.
312
1217000
1000
Köszönöm.
20:18
(Applause)
313
1218000
14000
(Taps)
20:32
Chris Anderson: Talk about foreplay, I -- we need to get to 12, but really quickly.
314
1232000
4000
Chris Anderson: Méghogy előjáték! El kell jussunk 12-ig, de nagyon gyorsan.
20:36
Janine Benyus: Oh really?
315
1236000
1000
Janine Benyus: Igazán?
20:37
CA: Yeah. Just like, you know, like the 10-second version
316
1237000
3000
CA: Ja. Csak tudod, a 10 másodperces változatával
20:40
of 10, 11 and 12. Because we just -- your slides are so gorgeous,
317
1240000
3000
a 10, 11 és 12-nek. Annyira nagyszerűek a diáid,
20:43
and the ideas are so big, I can't stand to let you go down
318
1243000
2000
az ötletek annyira messzemenők. Nem engedhetlek lemenni
20:45
without seeing 10, 11 and 12.
319
1245000
2000
a 10, 11 és 12 nélkül.
20:47
JB: OK, put this -- OK, I'll just hold this thing. OK, great.
320
1247000
4000
JB: Oké, ezt csak, itt megfogom. Rendben.
20:51
OK, so that's the healing one.
321
1251000
3000
Rendben, szóval a gyógyulás.
20:54
Sensing and responding: feedback is a huge thing.
322
1254000
3000
Érzékelés és válasz: a visszacsatolás nagyon fontos.
20:57
This is a locust. There can be 80 million of them in a square kilometer,
323
1257000
4000
Ez egy sáska. 80 millióan lehetnek egy négyzet kilométeren,
21:01
and yet they don't collide with one another.
324
1261000
3000
es mégsem ütköznek egymással.
21:04
And yet we have 3.6 million car collisions a year.
325
1264000
5000
És nálunk 3.6 millió autós baleset van évente.
21:09
(Laughter)
326
1269000
2000
(Nevetés)
21:11
Right. There's a person at Newcastle
327
1271000
4000
Szóval. Van egy illető Newcastle-ben
21:15
who has figured out that it's a very large neuron.
328
1275000
3000
aki rájött, hogy egy nagy neuron teszi.
21:18
And she's actually figuring out how to make
329
1278000
3000
És ő azon dolgozik, hogy miként készíthet
21:21
a collision-avoidance circuitry
330
1281000
2000
egy ütközés-megelőző áramkört
21:23
based on this very large neuron in the locust.
331
1283000
4000
a sáskában tálalható nagy neuronra alapozva.
21:27
This is a huge and important one, number 11.
332
1287000
2000
Ez óriási és fontos, a 11-es.
21:29
And that's the growing fertility.
333
1289000
2000
És ez a növekvő termékenység.
21:31
That means, you know, net fertility farming.
334
1291000
4000
Ez tiszta termelékenység-termelést jelent.
21:35
We should be growing fertility. And, oh yes -- we get food, too.
335
1295000
4000
Termékenységet kellene növesszünk, és egyben élelmet is.
21:39
Because we have to grow the capacity of this planet
336
1299000
5000
Mert meg kell növelnünk a bolygó kapacitását,
21:44
to create more and more opportunities for life.
337
1304000
3000
hogy még több lehetőséget teremtsünk az életnek.
21:47
And really, that's what other organisms do as well.
338
1307000
2000
És igazából ez az, amit a többi organizmus csinál.
21:49
In ensemble, that's what whole ecosystems do:
339
1309000
3000
Összesítve, ez az, amit egész ökoszisztémák csinálnak:
21:52
they create more and more opportunities for life.
340
1312000
3000
több és több lehetőséget adnak az újabb életnek.
21:55
Our farming has done the opposite.
341
1315000
3000
A mi mezőgazdaságunk pont az ellenkezőjét teszi.
21:58
So, farming based on how a prairie builds soil,
342
1318000
4000
Mezőgazdaság arra alapozva, ahogy a préri építi a talajt,
22:02
ranching based on how a native ungulate herd
343
1322000
4000
állattenyésztés, arra alapozvam ahogy egy csorda
22:06
actually increases the health of the range,
344
1326000
2000
növeli a terület életképességet.
22:08
even wastewater treatment based on how a marsh
345
1328000
5000
Meg szennyvíztisztítás is, egy mocsárhoz hasonlóan
22:13
not only cleans the water,
346
1333000
2000
nemcsak tisztítja a vizet,
22:15
but creates incredibly sparkling productivity.
347
1335000
4000
hanem pezsgő termékenységet képez.
22:19
This is the simple design brief. I mean, it looks simple
348
1339000
4000
Ez az egyszerű tervezési lecke. Annak látszik,
22:23
because the system, over 3.8 billion years, has worked this out.
349
1343000
5000
mert a rendszer 3,8 milliárd év alatt kialakította.
22:28
That is, those organisms that have not been able to figure out
350
1348000
5000
Azok az organizmusok, amiknek nem sikerült megoldani
22:33
how to enhance or sweeten their places,
351
1353000
4000
a környezetük fejlesztését, javítását,
22:37
are not around to tell us about it.
352
1357000
3000
nincsenek itt, hogy elmeséljék.
22:40
That's the twelfth one.
353
1360000
3000
Ez a tizenkettedik.
22:43
Life -- and this is the secret trick; this is the magic trick --
354
1363000
4000
Élet -- és ez a titkos trükk; ez a varázslat --
22:47
life creates conditions conducive to life.
355
1367000
4000
élethez vezető körülményeket teremt.
22:51
It builds soil; it cleans air; it cleans water;
356
1371000
4000
Talajt épít, levegőt tisztít, vizet tisztít,
22:55
it mixes the cocktail of gases that you and I need to live.
357
1375000
3000
kikeveri azt a gázkoktélt, amire szükségünk van.
22:58
And it does that in the middle of having great foreplay
358
1378000
6000
És eközben irtó jó előjátékban van része
23:04
and meeting their needs. So it's not mutually exclusive.
359
1384000
6000
és a szükségleteit kielégíti. Ezt lehet egyszerre.
23:10
We have to find a way to meet our needs,
360
1390000
3000
Úgy kell kielégítsük szükségleteinket, hogy közben
23:13
while making of this place an Eden.
361
1393000
6000
ezt a helyet paradicsommá alakítjuk.
23:19
CA: Janine, thank you so much.
362
1399000
1000
CA: Janine, nagyon köszönöm.
23:20
(Applause)
363
1400000
1000
(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