Saul Griffith: Hardware solutions to everyday problems

25,321 views ・ 2007-03-23

TED


Fare doppio clic sui sottotitoli in inglese per riprodurre il video.

Traduttore: Maria Gitto Revisore: Anna Cristiana Minoli
00:25
So anyway, who am I?
0
25000
1000
Allora, chi sono?
00:26
I usually say to people, when they say, "What do you do?"
1
26000
3000
Di solito quando le persone dicono: "Cosa fai?"
00:29
I say, "I do hardware,"
2
29000
2000
rispondo: "Faccio hardware"
00:31
because it sort of conveniently encompasses everything I do.
3
31000
2000
perché include in modo conveniente, tutto quello che faccio.
00:33
And I recently said that to a venture capitalist casually at some
4
33000
4000
E di recente l'ho detto a un finanziatore che era per caso a un
00:37
Valley event, to which he replied, "How quaint."
5
37000
3000
evento nella Valley, e che ha risposto: "Che curioso."
00:40
(Laughter)
6
40000
2000
(Risate)
00:42
And I sort of really was dumbstruck.
7
42000
3000
E io sono rimasto davvero esterrefatto.
00:45
And I really should have said something smart.
8
45000
2000
E avrei dovuto dire qualcosa di intelligente.
00:47
And now I've had a little bit of time to think about it,
9
47000
5000
Ora che ho avuto un po' di tempo per pensarci,
00:52
I would have said, "Well, you know,
10
52000
2000
avrei dovuto dire: "Beh, sa,
00:54
if we look at the next 100 years
11
54000
2000
se dessimo uno sguardo ai prossimo 100 anni
00:56
and we've seen all these problems in the last few days,
12
56000
2000
e vedessimo tutti i problemi di questi ultimi tempi,
00:58
most of the big issues -- clean water, clean energy --
13
58000
3000
la maggior parte dei grossi problemi...acqua pulita, energia pulita...
01:01
and they're interchangeable in some respects --
14
61000
2000
e in qualche aspetto sono intercambiabili...
01:03
and cleaner, more functional materials --
15
63000
2000
e materiali più puliti e più funzionali...
01:05
they all look to me to be hardware problems.
16
65000
3000
mi sembrano tutti problemi di hardware."
01:08
This doesn't mean we should ignore software,
17
68000
2000
Questo non significa che dovremmo ignorare il software,
01:10
or information, or computation."
18
70000
2000
o l'informazione, o il calcolo.
01:12
And that's in fact probably what I'm going to try and tell you about.
19
72000
3000
Ed è infatti probabilmente quello di cui cercherò di parlarvi.
01:15
So, this talk is going to be about how do we make things
20
75000
3000
Quindi, questo discorso sarà su come facciamo le cose
01:18
and what are the new ways that we're going to make things in the future.
21
78000
5000
e quali sono i nuovi modi in cui faremo le cose in futuro.
01:23
Now, TED sends you a lot of spam if you're a speaker
22
83000
5000
Ora, TED vi manda un sacco di spam se siete uno speaker,
01:28
about "do this, do that" and you fill out all these forms,
23
88000
2000
su "fai questo, fai quello" e si riempiono tutti questi moduli,
01:30
and you don't actually know how they're going to describe you,
24
90000
3000
e non si sa esattamente come ti descriveranno,
01:33
and it flashed across my desk that they were going to introduce me as a futurist.
25
93000
3000
e sulla mia scrivania è apparso che mi avrebbero presentato come un futurista.
01:36
And I've always been nervous about the term "futurist,"
26
96000
2000
Io sono sempre stato nervoso riguardo il termine futurista,
01:38
because you seem doomed to failure because you can't really predict it.
27
98000
3000
perché sembri destinato al fallimento dato che non puoi predirlo.
01:41
And I was laughing about this with the very smart colleagues I have,
28
101000
3000
Stavo ridendo di questo con i miei colleghi molto intelligenti,
01:44
and said, "You know, well, if I have to talk about the future, what is it?"
29
104000
4000
e ho detto: "Sapete, beh, se devo parlare del futuro, che cos'è?"
01:48
And George Homsey, a great guy, said, "Oh, the future is amazing.
30
108000
5000
E George Homsey, un grande uomo, ha detto: "Oh, il futuro è strabiliante.
01:53
It is so much stranger than you think.
31
113000
2000
E' molto più strano di quanto tu possa pensare.
01:55
We're going to reprogram the bacteria in your gut,
32
115000
2000
Riprogrammeremo i batteri del tuo intestino,
01:57
and we're going to make your poo smell like peppermint."
33
117000
5000
e faremo sì che la tua cacca profumi di menta."
02:02
(Laughter)
34
122000
2000
(Risate)
02:04
So, you may think that's sort of really crazy,
35
124000
3000
Quindi, potrete pensare che sia una cosa folle,
02:07
but there are some pretty amazing things that are happening
36
127000
2000
ma ci sono alcune cose incredibili che faranno sì
02:09
that make this possible.
37
129000
1000
che tutto questo sia possibile.
02:10
So, this isn't my work, but it's work of good friends of mine at MIT.
38
130000
4000
Quindi, questo non è il mio lavoro, ma è il lavoro di alcuni miei amici del MIT.
02:14
This is called the registry of standard biological parts.
39
134000
2000
Questo si chiama registro delle parti biologiche standard.
02:16
This is headed by Drew Endy and Tom Knight
40
136000
2000
Ne sono a capo Drew Endy e Tom Knight
02:18
and a few other very, very bright individuals.
41
138000
3000
e qualche altro individuo davvero molto brillante.
02:21
Basically, what they're doing is looking at biology as a programmable system.
42
141000
3000
Essenzialmente, quello che stiamo facendo è considerare la biologia come un sistema programmabile.
02:24
Literally, think of proteins as subroutines
43
144000
4000
Letteralmente, pensare alle proteine come a sottoprogrammi
02:28
that you can string together to execute a program.
44
148000
3000
che si possono legare insieme per eseguire un programma.
02:31
Now, this is actually becoming such an interesting idea.
45
151000
5000
Questa sta diventando in effetti, un'idea interessante.
02:36
This is a state diagram. That's an extremely simple computer.
46
156000
3000
Questo è un diagramma di stato. E' un computer estremamente semplice.
02:39
This one is a two-bit counter.
47
159000
2000
Questo è un contatore a due bit.
02:41
So that's essentially the computational equivalent of two light switches.
48
161000
6000
Quindi è essenzialmente l'equivalente computazionale di due interruttori della luce.
02:47
And this is being built by a group of students at Zurich
49
167000
3000
Questo sta per essere costruito da un gruppo di studenti a Zurigo
02:50
for a design competition in biology.
50
170000
2000
per una competizione di progettazione in biologia.
02:52
And from the results of the same competition last year,
51
172000
3000
E dai risultati della stessa competizione dello scorso anno,
02:55
a University of Texas team of students programmed bacteria
52
175000
4000
un gruppo di studenti dell'Università del Texas ha programmato dei batteri
02:59
so that they can detect light and switch on and off.
53
179000
3000
così che potessero percepire la luce e accendere e spegnere l'interruttore.
03:02
So this is interesting in the sense that you can now
54
182000
2000
Quindi è interessante nel senso che adesso si può
03:04
do "if-then-for" statements in materials, in structure.
55
184000
5000
affermare per quanto riguarda i materiali, nella struttura che "se allora per".
03:09
This is a pretty interesting trend,
56
189000
2000
Questa è una tendenza piuttosto interessante.
03:11
because we used to live in a world where everyone's said glibly,
57
191000
2000
Perché vivevamo in un mondo dove tutti dicevano con disinvoltura:
03:13
"Form follows function," but I think I've sort of grown up in a world
58
193000
4000
"La forma segue la funzione, ma credo di essere cresciuto in un mondo..."
03:17
-- you listened to Neil Gershenfeld yesterday;
59
197000
3000
avete ascoltato Neil Gershenfeld ieri,
03:20
I was in a lab associated with his -- where it's really a world
60
200000
4000
io ero in un laboratorio associato con lui...ed è davvero un mondo
03:24
where information defines form and function.
61
204000
3000
dove l'informazione definisce forma e funzione.
03:27
I spent six years thinking about that,
62
207000
4000
Ho passato sei anni pensandoci,
03:31
but to show you the power of art over science --
63
211000
2000
ma per mostrarvi il potere dell'arte sulla scienza...
03:33
this is actually one of the cartoons I write. These are called "HowToons."
64
213000
3000
questo è in effetti una delle vignette che ho fatto. Si chiamano Howtoons. (Ndt Cometoni)
03:36
I work with a fabulous illustrator called Nick Dragotta.
65
216000
2000
Lavoro con un illustratore fantastico di nome Nick Dragotta.
03:38
Took me six years at MIT,
66
218000
2000
Mi ha portato via sei anni al MIT,
03:40
and about that many pages to describe what I was doing,
67
220000
4000
e quasi tante pagine così per descrivere quello che stavo facendo,
03:44
and it took him one page. And so this is our muse Tucker.
68
224000
5000
e a lui ha preso solo una pagina. E questa è la nostra musa Tucker.
03:49
He's an interesting little kid -- and his sister, Celine --
69
229000
2000
E' un giovane interessante...e sua sorella, Celine...
03:51
and what he's doing here
70
231000
2000
e quello che sta facendo qui
03:53
is observing the self-assembly of his Cheerios in his cereal bowl.
71
233000
4000
è osservare l'auto assemblaggio dei suoi Cheerios nella tazza dei cereali.
03:57
And in fact you can program the self-assembly of things,
72
237000
3000
E infatti si può programmare l'auto assemblaggio delle cose,
04:00
so he starts chocolate-dipping edges,
73
240000
2000
quindi inizia con i bordi immersi nel cioccolato,
04:02
changing the hydrophobicity and the hydrophylicity.
74
242000
2000
cambiando l'idrofobia e l'idrofilia.
04:04
In theory, if you program those sufficiently,
75
244000
2000
In teoria, se si programma a sufficienza,
04:06
you should be able to do something pretty interesting
76
246000
2000
si dovrebbe essere in grado di fare qualcosa piuttosto interessante
04:08
and make a very complex structure.
77
248000
2000
e creare ogni struttura davvero complessa.
04:10
In this case, he's done self-replication of a complex 3D structure.
78
250000
5000
In questo caso, ha fatto auto replicazioni di complesse strutture 3D.
04:15
And that's what I thought about for a long time,
79
255000
3000
Ed è quello a cui ho pensato per molto tempo,
04:18
because this is how we currently make things.
80
258000
2000
perché questo è come facciamo le cose al momento.
04:20
This is a silicon wafer, and essentially
81
260000
2000
Questa è una cialda di silicone, ed essenzialmente
04:22
that's just a whole bunch of layers of two-dimensional stuff, sort of layered up.
82
262000
4000
è solo un gruppo di strati di materiale bidimensionale, come stratificato.
04:26
The feature side is -- you know, people will say,
83
266000
2000
L'importante è...sapete, la gente dirà,
04:28
[unclear] down around about 65 nanometers now.
84
268000
2000
[non chiaro] circa 65 nanometri ora.
04:30
On the right, that's a radiolara.
85
270000
2000
A destra, è una radiolara.
04:32
That's a unicellular organism ubiquitous in the oceans.
86
272000
3000
E' un organismo unicellulare onnipresente negli oceani.
04:35
And that has feature sizes down to about 20 nanometers,
87
275000
4000
E ha caratteristiche che misurano circa 20 nanometri,
04:39
and it's a complex 3D structure.
88
279000
2000
ed è una complessa struttura in 3D.
04:41
We could do a lot more with computers and things generally
89
281000
4000
Potremmo fare molto di più con computer e cose in generale
04:45
if we knew how to build things this way.
90
285000
3000
se sapessimo come costruire cose in questo modo.
04:48
The secret to biology is, it builds computation
91
288000
3000
Il segreto per la biologia è, che costruisce la computazione
04:51
into the way it makes things. So this little thing here, polymerase,
92
291000
3000
nel modo in cui fa le cose. Quindi questa piccola cosa qui, polimerasi,
04:54
is essentially a supercomputer designed for replicating DNA.
93
294000
5000
è essenzialmente un super computer progettato per replicare il DNA.
04:59
And the ribosome here is another little computer
94
299000
3000
E questo ribosoma, qui, è un altro piccolo computer
05:02
that helps in the translation of the proteins.
95
302000
2000
che aiuta nella traslazione delle proteine.
05:04
I thought about this
96
304000
1000
Ci ho pensato
05:05
in the sense that it's great to build in biological materials,
97
305000
3000
nel senso che è grandioso costruire con materiali biologici,
05:08
but can we do similar things?
98
308000
2000
ma noi, possiamo fare cose simili?
05:10
Can we get self-replicating-type behavior?
99
310000
2000
Possiamo ottenere un comportamento di tipo auto replicante?
05:12
Can we get complex 3D structure automatically assembling
100
312000
4000
Possiamo ottenere complesse strutture in 3D che si assemblano automaticamente
05:16
in inorganic systems?
101
316000
2000
in sistemi inorganici?
05:18
Because there are some advantages to inorganic systems,
102
318000
2000
Perché ci sono alcuni vantaggi nei sistemi inorganici,
05:20
like higher speed semiconductors, etc.
103
320000
2000
come semiconduttori di velocità superiori, eccetera.
05:22
So, this is some of my work
104
322000
2000
Quindi, questa è parte del mio lavoro
05:24
on how do you do an autonomously self-replicating system.
105
324000
6000
su come si possa fare un sistema di auto replicazione in modo autonomo.
05:30
And this is sort of Babbage's revenge.
106
330000
2000
E questa è una specie di vendetta di Babbage.
05:32
These are little mechanical computers.
107
332000
1000
Questi sono piccoli computer meccanici.
05:33
These are five-state state machines.
108
333000
3000
Queste sono macchine a cinque stati.
05:36
So, that's about three light switches lined up.
109
336000
3000
Quindi, riguarda tutto tre interruttori allineati.
05:39
In a neutral state, they won't bind at all.
110
339000
2000
In uno stato neutrale, non si fisseranno.
05:41
Now, if I make a string of these, a bit string,
111
341000
4000
Ora, se ne faccio una linea, una linea di bit,
05:45
they will be able to replicate.
112
345000
2000
saranno in grado di replicarsi.
05:47
So we start with white, blue, blue, white.
113
347000
1000
Quindi iniziamo con bianco, blu, blu, bianco.
05:48
That encodes; that will now copy. From one comes two,
114
348000
6000
Ciò codifica; ciò non copierà. Da uno ne arrivano due,
05:54
and then from two comes three.
115
354000
2000
e poi da due, tre.
05:56
And so you've got this sort of replicating system.
116
356000
4000
Quindi si ha questa specie di sistema che si replica.
06:00
It was work actually by Lionel Penrose,
117
360000
2000
In effetti era un lavoro di Lionel Penrose,
06:02
father of Roger Penrose, the tiles guy.
118
362000
3000
padre di Roger Penrose, il tipo delle mattonelle.
06:05
He did a lot of this work in the '60s,
119
365000
2000
Negli anni Sessanta ha lavorato molto,
06:07
and so a lot of this logic theory lay fallow
120
367000
2000
e quindi molta della sua teoria logica è rimasto inutilizzata
06:09
as we went down the digital computer revolution, but it's now coming back.
121
369000
3000
mentre attraversavamo la rivoluzione del computer digitale, ma ora sta tornando.
06:12
So now I'm going to show you the hands-free, autonomous self-replication.
122
372000
4000
Quindi vi mostrerò l'auto replicazione autonoma, libera dalle mani.
06:16
So we've tracked in the video the input string,
123
376000
2000
Quindi, abbiamo tracciato nel video la sequenza d'ingresso,
06:18
which was green, green, yellow, yellow, green.
124
378000
2000
che era verde, verde, giallo, giallo, verde.
06:20
We set them off on this air hockey table.
125
380000
4000
Li abbiamo messi in risalto su questo tavolo da hockey.
06:24
You know, high science uses air hockey tables --
126
384000
2000
Sapete, le scienze avanzate usano tavoli da hockey...
06:26
(Laughter)
127
386000
1000
(Risate)
06:27
-- and if you watch this thing long enough you get dizzy,
128
387000
2000
...e se lo guardate abbastanza vi verrà la nausea,
06:29
but what you're actually seeing is copies of that original string
129
389000
3000
ma quello che in effetti state vedendo, sono copie di quella sequenza originale
06:32
emerging from the parts bin that you have here.
130
392000
3000
che emerge dalle parti che sono qui.
06:35
So we've got autonomous replication of bit strings.
131
395000
5000
Quindi abbiamo replicazioni autonome delle sequenze di bit.
06:40
So, why would you want to replicate bit strings?
132
400000
3000
Quindi, perché dovreste voler replicare delle sequenze di bit?
06:43
Well, it turns out biology has this other very interesting meme,
133
403000
3000
Beh, è venuto fuori che la biologia ha quest'altro interessante meme,
06:46
that you can take a linear string, which is a convenient thing to copy,
134
406000
3000
ovvero si può prendere una sequenza lineare, che è una cosa comoda da copiare,
06:49
and you can fold that into an arbitrarily complex 3D structure.
135
409000
4000
e che si può chiudere in una struttura 3D arbitrariamente complessa.
06:53
So I was trying to, you know, take the engineer's version:
136
413000
3000
Quindi io stavo provando a, sapete, prendere la versione dell'ingegnere:
06:56
Can we build a mechanical system in inorganic materials
137
416000
3000
possiamo costruire un sistema meccanico in materiali inorganici
06:59
that will do the same thing?
138
419000
1000
che faranno la stessa cosa?
07:00
So what I'm showing you here is that we can make a 2D shape --
139
420000
5000
Quindi ciò che vi sto mostrando qui è che possiamo fare una forma a 2 dimensioni...
07:05
the B -- assemble from a string of components
140
425000
4000
la B...assemblando da una sequenza di componenti
07:09
that follow extremely simple rules.
141
429000
2000
che seguono regole estremamente semplici.
07:11
And the whole point of going with the extremely simple rules here,
142
431000
3000
E il punto di andare con le regole estremamente semplici qui,
07:14
and the incredibly simple state machines in the previous design,
143
434000
3000
e le macchine di stato incredibilmente semplici, nel progetto precedente,
07:17
was that you don't need digital logic to do computation.
144
437000
3000
era che non si ha bisogno della logica digitale per fare computazione.
07:20
And that way you can scale things much smaller than microchips.
145
440000
4000
E in quel modo si possono rappresentare in scala cose molto più piccole dei microchip.
07:24
So you can literally use these as the tiny components in the assembly process.
146
444000
4000
Quindi questi si possono letteralmente usare come i minuscoli componenti nel processo di assemblaggio.
07:28
So, Neil Gershenfeld showed you this video on Wednesday, I believe,
147
448000
5000
Quindi, Neil Gershenfeld credo vi abbia mostrato questo video mercoledì,
07:33
but I'll show you again.
148
453000
2000
ma ve lo mostrerò di nuovo.
07:35
This is literally the colored sequence of those tiles.
149
455000
3000
Questa è letteralmente la sequenza colorata di quelle mattonelle.
07:38
Each different color has a different magnetic polarity,
150
458000
3000
Ogni colore differente ha una polarità magnetica differente,
07:41
and the sequence is uniquely specifying the structure that is coming out.
151
461000
5000
e la sequenza è unicamente specificando la struttura che sta venendo fuori.
07:46
Now, hopefully, those of you who know anything about graph theory
152
466000
3000
Ora, forse, quelli di voi che sanno qualcosa sulla teoria del diagramma
07:49
can look at that, and that will satisfy you
153
469000
2000
possono guardarlo, e rimanere soddisfatti,
07:51
that that can also do arbitrary 3D structure,
154
471000
3000
può infatti fare anche arbitrarie strutture in 3D,
07:54
and in fact, you know, I can now take a dog, carve it up
155
474000
5000
e infatti, sapete, io ora potrei prendere un cane, ripartirlo
07:59
and then reassemble it so it's a linear string
156
479000
2000
e poi riassemblarlo così da formare una fila lineare
08:01
that will fold from a sequence. And now
157
481000
2000
che si piegherà da una sequenza. E ora
08:03
I can actually define that three-dimensional object as a sequence of bits.
158
483000
7000
posso in effetti definire quell'oggetto tridimensionale come una sequenza di bit.
08:10
So, you know, it's a pretty interesting world
159
490000
3000
Quindi, sapete, è un mondo piuttosto interessante
08:13
when you start looking at the world a little bit differently.
160
493000
2000
quando si inizia a guardare al mondo in modo un po' diverso.
08:15
And the universe is now a compiler.
161
495000
3000
E l'universo adesso è un compilatore.
08:18
And so I'm thinking about, you know, what are the programs
162
498000
2000
E quindi sto pensando a, sapete, a quali sono i programmi
08:20
for programming the physical universe?
163
500000
3000
che servono a programmare l'universo fisico.
08:23
And how do we think about materials and structure,
164
503000
3000
E come pensiamo a materiali e strutture,
08:26
sort of as an information and computation problem?
165
506000
3000
come ad una specie di problema di informazione e computazione.
08:29
Not just where you attach a micro-controller to the end point,
166
509000
3000
Non solo dove si acclude un micro controllore alla fine del punto,
08:32
but that the structure and the mechanisms are the logic, are the computers.
167
512000
5000
ma che la struttura e i meccanismi sono la logica, sono i computer.
08:37
Having totally absorbed this philosophy,
168
517000
5000
Avendo totalmente assorbito questa filosofia,
08:42
I started looking at a lot of problems a little differently.
169
522000
3000
ho iniziato a guardare a tanti problemi in modo un po' diverso.
08:45
With the universe as a computer,
170
525000
1000
Con l'universo come un computer,
08:46
you can look at this droplet of water
171
526000
2000
si può guardare questa gocciolina d'acqua
08:48
as having performed the computations.
172
528000
2000
come se avesse compiuto la computazione.
08:50
You set a couple of boundary conditions, like gravity,
173
530000
2000
Si sistemano un paio di condizioni limite, come la gravità,
08:52
the surface tension, density, etc., and then you press "execute,"
174
532000
4000
la tensione della superficie, densità, eccetera, e poi si preme esegui,
08:56
and magically, the universe produces you a perfect ball lens.
175
536000
5000
e magicamente, l'universo vi produce una perfetta lente a sfera.
09:01
So, this actually applied to the problem
176
541000
2000
Quindi, questo applicato al problema
09:03
of -- so there's a half a billion to a billion people in the world
177
543000
3000
di,,,quindi ci sono da mezzo miliardo a un miliardo di persone al mondo
09:06
don't have access to cheap eyeglasses.
178
546000
2000
che non hanno accesso a occhiali economici.
09:08
So can you make a machine
179
548000
2000
Quindi si può fare una macchina
09:10
that could make any prescription lens very quickly on site?
180
550000
4000
che sia in grado di fare qualunque prescrizione di lenti in modo veloce e in sito?
09:14
This is a machine where you literally define a boundary condition.
181
554000
4000
Questa è una macchina dove si può letteralmente definire una condizione limite.
09:18
If it's circular, you make a spherical lens.
182
558000
3000
Se è circolare, fa una lente sferice.
09:21
If it's elliptical, you can make an astigmatic lens.
183
561000
3000
Se è ellittica, si può fare una lente astigmatica.
09:24
You then put a membrane on that and you apply pressure --
184
564000
3000
Poi gli si pone sopra una membrana e si applica una pressione....
09:27
so that's part of the extra program.
185
567000
2000
quindi questa è parte del programma extra.
09:29
And literally with only those two inputs --
186
569000
3000
E letteralmente con uno di quei due input...
09:32
so, the shape of your boundary condition and the pressure --
187
572000
2000
quindi, la forma della vostra condizione limite e la pressione...
09:34
you can define an infinite number of lenses
188
574000
2000
si possono definire un numero infinito di lenti
09:36
that cover the range of human refractive error,
189
576000
2000
che coprano la gamma di errori rifrangenti umani,
09:38
from minus 12 to plus eight diopters, up to four diopters of cylinder.
190
578000
5000
da meno 12 a più 8 diottrie, fino a quattro diottrie di cilindro.
09:43
And then literally, you now pour on a monomer.
191
583000
3000
E poi letteralmente, ci si versa un monometro.
09:46
You know, I'll do a Julia Childs here.
192
586000
3000
Sapete, farete una Julia Childs qui.
09:49
This is three minutes of UV light.
193
589000
3000
Questi sono tre minuti di luce UV.
09:52
And you reverse the pressure on your membrane
194
592000
3000
E si riversa la pressione sulla membrana
09:55
once you've cooked it. Pop it out.
195
595000
3000
dopo averla cotta. Lo solleviamo.
09:58
I've seen this video, but I still don't know if it's going to end right.
196
598000
3000
Ho visto questo video, ma non so ancora se finirà bene.
10:01
(Laughter)
197
601000
3000
(Risate)
10:04
So you reverse this. This is a very old movie,
198
604000
2000
Quindi invertitelo. Questo è un filmato molto vecchio,
10:06
so with the new prototypes, actually both surfaces are flexible,
199
606000
4000
quindi con i nuovi prototipi, in effetti entrambe le superfici sono flessibili,
10:10
but this will show you the point.
200
610000
2000
ma questo vi mostrerà il punto.
10:12
Now you've finished the lens, you literally pop it out.
201
612000
2000
Ora la lente è finita, viene letteralmente sollevata.
10:14
That's next year's Yves Klein, you know, eyeglasses shape.
202
614000
7000
Questo è Yves Klein dell'anno prossimo, sapete, la forma della lente.
10:21
And you can see that that has a mild prescription of about minus two diopters.
203
621000
3000
E si può vedere che ha una prescrizione lieve di circa meno due diottrie.
10:24
And as I rotate it against this side shot, you'll see that that has cylinder,
204
624000
4000
E mentre la giro contro questo lato, vedrete che ha un cilindro,
10:28
and that was programmed in --
205
628000
1000
e che è stata programmata in...
10:29
literally into the physics of the system.
206
629000
4000
letteralmente nella fisica del sistema.
10:33
So, this sort of thinking about structure as computation
207
633000
3000
Quindi, questa sorta di pensiero della struttura come computazione
10:36
and structure as information leads to other things, like this.
208
636000
5000
e struttura come informazione porta ad altre cose, come questa.
10:41
This is something that my people at SQUID Labs
209
641000
3000
Questa è qualcosa alla quale stanno lavorando al momento
10:44
are working on at the moment, called "electronic rope."
210
644000
2000
i miei al laboratorio SQUID, e si chiama corda elettronica.
10:46
So literally, you think about a rope. It has very complex structure in the weave.
211
646000
4000
Quindi letteralmente, pensate a una corda. Ha una struttura molto complessa nella trama.
10:50
And under no load, it's one structure.
212
650000
2000
E senza nessun carico, è una struttura.
10:52
Under a different load, it's a different structure. And you can actually exploit that
213
652000
3000
Sotto un carico differente, è una struttura differente. E si può in effetti sfruttare
10:55
by putting in a very small number of
214
655000
2000
mettendoci dentro una quantità piccolissima
10:57
conducting fibers to actually make it a sensor.
215
657000
2000
di fibre di conduzione per renderla un sensore.
10:59
So this is now a rope that knows the load on the rope
216
659000
3000
Quindi questa è ora una corda che conosce il peso sulla corda
11:02
at any particular point in the rope.
217
662000
2000
in ogni particolare punto della corda.
11:04
Just by thinking about the physics of the world,
218
664000
3000
Solo pensando alla fisica del mondo,
11:07
materials as the computer,
219
667000
2000
materiali come computer,
11:09
you can start to do things like this.
220
669000
3000
si possono iniziare a fare cose come queste.
11:12
I'm going to segue a little here.
221
672000
3000
Andrò avanti senza interruzioni.
11:15
I guess I'm just going to casually tell you the types of things
222
675000
2000
Con queste vi dirò in modo casuale i tipi di cose
11:17
that I think about with this.
223
677000
1000
ai quali penso.
11:18
One thing I'm really interested about this right now is, how,
224
678000
4000
Una cosa che mi interessa molto in questo momento, è come,
11:22
if you're really taking this view of the universe as a computer,
225
682000
4000
se state davvero considerando questa visione dell'universo come un computer,
11:26
how do we make things in a very general sense,
226
686000
2000
a come facciamo le cose in un modo molto generale,
11:28
and how might we share the way we make things in a general sense
227
688000
4000
e a come potremmo condividere il modo in cui facciamo le cose in senso generale
11:32
the same way you share open source hardware?
228
692000
3000
allo stesso modo in cui condividiamo gli hardware open source?
11:35
And a lot of talks here have espoused the benefits
229
695000
3000
E molti discorsi qui hanno esposto i benefici
11:38
of having lots of people look at problems,
230
698000
2000
di avere molte persone che considerano quei problemi,
11:40
share the information and work on those things together.
231
700000
3000
condividere insieme l'informazione e il lavoro su quelle cose.
11:43
So, a convenient thing about being a human is you move in linear time,
232
703000
3000
Quindi, una cosa opportuna dell'essere umani è che ci si muove in tempo lineare,
11:46
and unless Lisa Randall changes that,
233
706000
2000
e a meno che Lisa Randall non lo cambi,
11:48
we'll continue to move in linear time.
234
708000
3000
continueremo a muoverci in tempo lineare.
11:51
So that means anything you do, or anything you make,
235
711000
2000
Quindi ciò significa che qualunque cosa facciate, o qualunque cosa creiate,
11:53
you produce a sequence of steps --
236
713000
2000
si produce una sequenza di scalini...
11:55
and I think Lego in the '70s nailed this,
237
715000
3000
e io credo che negli anni Settanta i Lego l'abbiano colto,
11:58
and they did it most elegantly.
238
718000
1000
e l'hanno fatto in modo molto elegante.
11:59
But they can show you how to build things in sequence.
239
719000
4000
Ma possono mostrare come costruire le cose in sequenza.
12:03
So, I'm thinking about, how can we generalize
240
723000
3000
Quindi, sto pensando a come possiamo generalizzare
12:06
the way we make all sorts of things,
241
726000
2000
il modo in cui facciamo ogni sorta di cosa,
12:08
so you end up with this sort of guy, right?
242
728000
2000
quindi si finisce con questa specie di tizio, giusto?
12:10
And I think this applies across a very broad -- sort of, a lot of concepts.
243
730000
5000
E credo che ciò si applichi in un senso molto generale...come a molti concetti.
12:15
You know, Cameron Sinclair yesterday said,
244
735000
2000
Sapete, Cameron Sinclair ieri ha detto,
12:17
"How do I get everyone to collaborate on design
245
737000
2000
"Come possiamo fare in modo che tutti collaborino a livello globale
12:19
globally to do housing for humanity?"
246
739000
3000
a progettare case per l'umanità?"
12:22
And if you've seen Amy Smith,
247
742000
2000
E se avete visto Amy Smith,
12:24
she talks about how you get students at MIT
248
744000
4000
parla di come ha portato gli studenti del MIT
12:28
to work with communities in Haiti.
249
748000
2000
a lavorare con le comunità ad Haiti.
12:30
And I think we have to sort of redefine and rethink
250
750000
2000
E io credo che noi dovremmo come ridefinire e ripensare
12:32
how we define structure and materials and assembly things,
251
752000
4000
a come definiamo struttura e materiali e assembliamo le cose,
12:36
so that we can really share the information
252
756000
2000
così da poter davvero condividere l'informazione
12:38
on how you do those things in a more profound way
253
758000
2000
di come si fanno le cose in un modo più profondo,
12:40
and build on each other's source code for structure.
254
760000
3000
e costruire basandoci sulla fonte dei codici per la struttura reciproca.
12:43
I don't know exactly how to do this yet,
255
763000
1000
Ancora non so esattamente come farlo,
12:44
but, you know, it's something being actively thought about.
256
764000
5000
ma, sapete, è qualcosa alla quale sto pensando attivamente.
12:49
So, you know, that leads to questions
257
769000
2000
Quindi, sapete, ciò porta a domande come:
12:51
like, is this a compiler? Is this a sub-routine?
258
771000
4000
"Questo è un compilatore? E' una sub-routine?"
12:55
Interesting things like that.
259
775000
1000
Cose interessanti come queste.
12:56
Maybe I'm getting a little too abstract, but you know,
260
776000
3000
Forse sto andando un po' troppo sull'astratto, ma sapete,
12:59
this is the sort of -- returning to our comic characters --
261
779000
3000
questo è come...tornare ai nostri personaggi fumetto...
13:02
this is sort of the universe, or a different universe view,
262
782000
2000
questo è una specie di universo, o una visione diversa dall'universo
13:04
that I think is going to be very prevalent in the future --
263
784000
2000
che credo sarà prevalente nel futuro...
13:06
from biotech to materials assembly. It was great to hear Bill Joy.
264
786000
3000
dalla biotecnologia all'assemblaggio dei materiali. E' stato fantastico sentire Bill Joy.
13:09
They're starting to invest in materials science,
265
789000
3000
Stanno iniziando a investire nella scienza dei materiali,
13:12
but these are the new things in materials science.
266
792000
2000
ma queste sono cose nuove nella scienza dei materiali.
13:14
How do we put real information and real structure into new ideas,
267
794000
4000
Come mettiamo un'informazione vera e una struttura vera in nuove idee,
13:18
and see the world in a different way? And it's not going to be binary code
268
798000
3000
e vediamo il mondo in modo diverso? E non sarà un codice binario
13:21
that defines the computers of the universe --
269
801000
2000
a definire i computer dell'universo...
13:23
it's sort of an analog computer.
270
803000
2000
è una specie di computer analogico.
13:25
But it's definitely an interesting new worldview.
271
805000
5000
Ma è di sicuro un'interessante visione nuova del mondo.
13:30
I've gone too far. So that sounds like it's it.
272
810000
3000
Sono andato troppo oltre. Almeno così sembra.
13:33
I've probably got a couple of minutes of questions,
273
813000
2000
Probabilmente ho un paio di minuti per le domande,
13:35
or I can show -- I think they also said that I do extreme stuff
274
815000
4000
o posso mostrarvi...credo abbiamo detto anche nell'introduzione
13:39
in the introduction, so I may have to explain that.
275
819000
4000
che faccio cose estreme, quindi potrei doverle spiegare.
13:43
So maybe I'll do that with this short video.
276
823000
3000
Quindi forse lo farò con questa specie di video.
13:46
So this is actually a 3,000-square-foot kite,
277
826000
6000
Questo è davvero un aquilone di 280 metri quadrati,
13:52
which also happens to be a minimal energy surface.
278
832000
2000
che è anche una superficie minima di energia.
13:54
So returning to the droplet, again,
279
834000
2000
Quindi tornando alla gocciolina, di nuovo,
13:56
thinking about the universe in a new way.
280
836000
2000
pensando all'universo in un modo nuovo.
13:58
This is a kite designed by a guy called Dave Kulp.
281
838000
2000
Questo è un aquilone progettato da un uomo di nome Dave Kulp.
14:00
And why do you want a 3,000-square-foot kite?
282
840000
2000
E perché volere un aquilone di 280 metri quadrati?
14:02
So that's a kite the size of your house.
283
842000
2000
Quindi è della misura della vostra casa.
14:04
And so you want that to tow boats very fast.
284
844000
4000
E quindi volete che traini delle barche in modo molto veloce.
14:08
So I've been working on this a little, also,
285
848000
3000
Quindi ho lavorato un po' anche a questo,
14:11
with a couple of other guys.
286
851000
2000
con un paio di altri signori.
14:13
But, you know, this is another way to look at the --
287
853000
2000
Ma, sapete, questo è un altro modo di guardare a...
14:15
if you abstract again,
288
855000
2000
se siete di nuovo astratti,
14:17
this is a structure that is defined by the physics of the universe.
289
857000
4000
questa è una struttura definita dalle fisiche dell'universo.
14:21
You could just hang it as a bed sheet,
290
861000
1000
Potete semplicemente appenderlo come un lenzuolo,
14:22
but again, the computation of all the physics
291
862000
2000
ma ancora, la computazione di tutte le fisiche
14:24
gives you the aerodynamic shape.
292
864000
2000
vi da la forma aerodinamica.
14:26
And so you can actually sort of almost double your boat speed
293
866000
3000
Quindi potete in effetti come raddoppiare la velocità della vostra barca
14:29
with systems like that. So that's sort of another interesting aspect of the future.
294
869000
7000
con sistemi come questo. Quindi questo è come un'altra specie di aspetto interessante del futuro.
14:36
(Applause)
295
876000
1000
(Applausi)
A proposito di questo sito web

Questo sito vi presenterà i video di YouTube utili per l'apprendimento dell'inglese. Vedrete lezioni di inglese tenute da insegnanti di alto livello provenienti da tutto il mondo. Fate doppio clic sui sottotitoli in inglese visualizzati su ogni pagina video per riprodurre il video da lì. I sottotitoli scorrono in sincronia con la riproduzione del video. Se avete commenti o richieste, contattateci tramite questo modulo di contatto.

https://forms.gle/WvT1wiN1qDtmnspy7