Saul Griffith: Hardware solutions to everyday problems

25,321 views ・ 2007-03-23

TED


Proszę kliknąć dwukrotnie na poniższe angielskie napisy, aby odtworzyć film.

Tłumaczenie: Anna Ułanowicz Korekta: Marta Barszcz
00:25
So anyway, who am I?
0
25000
1000
Kim jestem?
00:26
I usually say to people, when they say, "What do you do?"
1
26000
3000
Zwykle gdy ludzie pytają, czym się zajmuję
00:29
I say, "I do hardware,"
2
29000
2000
mówię "Sprzętem"
00:31
because it sort of conveniently encompasses everything I do.
3
31000
2000
bo to niejako dogodnie obejmuje wszystko, czym się zajmuję.
00:33
And I recently said that to a venture capitalist casually at some
4
33000
4000
Ostatnio powiedziałem to zwyczajnie do inwestora na jakiejś
00:37
Valley event, to which he replied, "How quaint."
5
37000
3000
imprezie w Dolinie, na co odpowiedział "Jak oryginalnie".
00:40
(Laughter)
6
40000
2000
(Śmiech)
00:42
And I sort of really was dumbstruck.
7
42000
3000
Naprawdę oniemiałem.
00:45
And I really should have said something smart.
8
45000
2000
Powinienem powiedzieć coś błyskotliwego.
00:47
And now I've had a little bit of time to think about it,
9
47000
5000
Mając nieco więcej czasu na przemyślenie sprawy
00:52
I would have said, "Well, you know,
10
52000
2000
powiedziałbym: "Wiesz,
00:54
if we look at the next 100 years
11
54000
2000
jeśli spojrzymy na następne sto lat
00:56
and we've seen all these problems in the last few days,
12
56000
2000
a widzieliśmy wszystkie te problemy przez kilka ostatnich dni,
00:58
most of the big issues -- clean water, clean energy --
13
58000
3000
przede wszystkim ważne zagadnienia - czysta woda, czysta energia -
01:01
and they're interchangeable in some respects --
14
61000
2000
a są one pod pewnymi względami zamienne -
01:03
and cleaner, more functional materials --
15
63000
2000
i czystsze, bardziej funkcjonalne materiały -
01:05
they all look to me to be hardware problems.
16
65000
3000
wszystko to wygląda na problemy związane ze sprzętem.
01:08
This doesn't mean we should ignore software,
17
68000
2000
Co nie znaczy, że powinniśmy ignorować oprogramowanie,
01:10
or information, or computation."
18
70000
2000
czy informację lub obliczenia.
01:12
And that's in fact probably what I'm going to try and tell you about.
19
72000
3000
I właśnie o tym pewnie spróbuję wam opowiedzieć.
01:15
So, this talk is going to be about how do we make things
20
75000
3000
Więc ten wykład będzie o tym, jak tworzymy rzeczy
01:18
and what are the new ways that we're going to make things in the future.
21
78000
5000
i jakimi nowymi sposobami będziemy tworzyć rzeczy w przyszłości.
01:23
Now, TED sends you a lot of spam if you're a speaker
22
83000
5000
TED wysyła mówcom masę spamu
01:28
about "do this, do that" and you fill out all these forms,
23
88000
2000
z "zrób to, zrób tamto" i wypełnia się wszystkie te formularze,
01:30
and you don't actually know how they're going to describe you,
24
90000
3000
a w sumie nie wiesz, jak zamierzają cię opisać
01:33
and it flashed across my desk that they were going to introduce me as a futurist.
25
93000
3000
i mignęło mi, że zamierzają przedstawić mnie jako futurystę.
01:36
And I've always been nervous about the term "futurist,"
26
96000
2000
A zawsze denerwował mnie termin "futurysta",
01:38
because you seem doomed to failure because you can't really predict it.
27
98000
3000
ponieważ jest się skazanym na porażkę, bo nie da się tego tak naprawdę przewidzieć.
01:41
And I was laughing about this with the very smart colleagues I have,
28
101000
3000
Śmiałem się z tego z moimi bardzo mądrymi kolegami
01:44
and said, "You know, well, if I have to talk about the future, what is it?"
29
104000
4000
i powiedziałem: "Wiecie, jeśli mam mówić o przyszłości, co to jest?"
01:48
And George Homsey, a great guy, said, "Oh, the future is amazing.
30
108000
5000
A George Homsey, wspaniały facet, odrzekł: "Oh, przyszłość jest niesamowita.
01:53
It is so much stranger than you think.
31
113000
2000
O wiele dziwniejsza niż ci się wydaje.
01:55
We're going to reprogram the bacteria in your gut,
32
115000
2000
Zamierzamy przeprogramować bakterie w twoich jelitach
01:57
and we're going to make your poo smell like peppermint."
33
117000
5000
i sprawimy, że twoje kupy będą pachniały miętą."
02:02
(Laughter)
34
122000
2000
(Śmiech)
02:04
So, you may think that's sort of really crazy,
35
124000
3000
Więc możecie myśleć, że to wariactwo,
02:07
but there are some pretty amazing things that are happening
36
127000
2000
ale dzieją się naprawdę niesamowite rzeczy,
02:09
that make this possible.
37
129000
1000
które sprawią, że będzie to możliwe.
02:10
So, this isn't my work, but it's work of good friends of mine at MIT.
38
130000
4000
To akurat nie moją praca, tylko mojego dobrego przyjaciela z MIT.
02:14
This is called the registry of standard biological parts.
39
134000
2000
Nazywa się to rejestrem standardowych części biologicznych.
02:16
This is headed by Drew Endy and Tom Knight
40
136000
2000
Kierują tym Drew Endy i Tom Knight
02:18
and a few other very, very bright individuals.
41
138000
3000
oraz kilka innych bardzo, bardzo bystrych jednostek.
02:21
Basically, what they're doing is looking at biology as a programmable system.
42
141000
3000
Zasadniczo, patrzą na biologię jako na programowalny system.
02:24
Literally, think of proteins as subroutines
43
144000
4000
Dosłownie, pomyślcie o proteinach jako o podprogramach,
02:28
that you can string together to execute a program.
44
148000
3000
które można powiązać razem, żeby wykonać program.
02:31
Now, this is actually becoming such an interesting idea.
45
151000
5000
Staje się to takim ciekawym pomysłem.
02:36
This is a state diagram. That's an extremely simple computer.
46
156000
3000
To jest diagram stanów. Pokazuje zupełnie prosty komputer.
02:39
This one is a two-bit counter.
47
159000
2000
Ten to tandetny licznik.
02:41
So that's essentially the computational equivalent of two light switches.
48
161000
6000
Zasadniczo jest to obliczeniowy ekwiwalent dwóch przełączników światła.
02:47
And this is being built by a group of students at Zurich
49
167000
3000
Budowany przez grupę studentów z Zurychu
02:50
for a design competition in biology.
50
170000
2000
na konkurs projektów z dziedziny biologii.
02:52
And from the results of the same competition last year,
51
172000
3000
Z rezultatów tego konkursu z zeszłego roku:
02:55
a University of Texas team of students programmed bacteria
52
175000
4000
grupa studentów z Uniwersytetu w Teksasie zaprogramowała bakterie tak,
02:59
so that they can detect light and switch on and off.
53
179000
3000
że mogły wykrywać oraz włączać i wyłączać światło.
03:02
So this is interesting in the sense that you can now
54
182000
2000
To jest ciekawe w tym sensie, że obecnie można
03:04
do "if-then-for" statements in materials, in structure.
55
184000
5000
wykorzystywać stwierdzenia "jeśli, to" w materiałach, w strukturze.
03:09
This is a pretty interesting trend,
56
189000
2000
To bardzo interesujący trend.
03:11
because we used to live in a world where everyone's said glibly,
57
191000
2000
Ponieważ przyzwyczailiśmy się do życia w świecie, gdzie każdy bez zastanowienia twierdził, że
03:13
"Form follows function," but I think I've sort of grown up in a world
58
193000
4000
że forma wynika z funkcji, ale sądzę, że wyrosłem w świecie
03:17
-- you listened to Neil Gershenfeld yesterday;
59
197000
3000
- słuchaliście wczoraj Neila Gershenfelda,
03:20
I was in a lab associated with his -- where it's really a world
60
200000
4000
Byłem w laboratorium powiązanym z jego laboratorium - w którym to świecie
03:24
where information defines form and function.
61
204000
3000
informacja definiuje formę i funkcję.
03:27
I spent six years thinking about that,
62
207000
4000
Spędziłem sześć lat myśląc o tym,
03:31
but to show you the power of art over science --
63
211000
2000
ale, żeby pokazać wam przewagę sztuki nad nauką -
03:33
this is actually one of the cartoons I write. These are called "HowToons."
64
213000
3000
to jest jeden z komiksów, które piszę. Nazywają się "Howtoons".
03:36
I work with a fabulous illustrator called Nick Dragotta.
65
216000
2000
Pracuję ze wspaniałym ilustratorem - nazywa się Nick Dragotta.
03:38
Took me six years at MIT,
66
218000
2000
Zabrało mi sześć lat w MIT
03:40
and about that many pages to describe what I was doing,
67
220000
4000
i mniej więcej tyle stron, żeby opisać, co robiłem,
03:44
and it took him one page. And so this is our muse Tucker.
68
224000
5000
a jemu zajęło to jedną stronę. A oto jest nasza muza Tucker.
03:49
He's an interesting little kid -- and his sister, Celine --
69
229000
2000
Jest ciekawym dzieciakiem - i jego siostra, Celine -
03:51
and what he's doing here
70
231000
2000
a to, co tutaj robi
03:53
is observing the self-assembly of his Cheerios in his cereal bowl.
71
233000
4000
to obserwuje jak jego płatki śniadaniowe łączą się w grupki w miseczce.
03:57
And in fact you can program the self-assembly of things,
72
237000
3000
W rzeczy samej można zaprogramować samoorganizację obiektów,
04:00
so he starts chocolate-dipping edges,
73
240000
2000
więc zaczyna zanurzać brzegi w polewie czekoladowej,
04:02
changing the hydrophobicity and the hydrophylicity.
74
242000
2000
Zmieniając hydrofobię i hydrofilię.
04:04
In theory, if you program those sufficiently,
75
244000
2000
W teorii, jeśli wystarczająco je zaprogramujesz,
04:06
you should be able to do something pretty interesting
76
246000
2000
powinieneś móc zrobić coś naprawdę ciekawego
04:08
and make a very complex structure.
77
248000
2000
i stworzyć bardzo złożoną strukturę.
04:10
In this case, he's done self-replication of a complex 3D structure.
78
250000
5000
W tym przypadku wykonał samoreplikację złożonej struktury 3D.
04:15
And that's what I thought about for a long time,
79
255000
3000
I o tym myślałem przez długi czas,
04:18
because this is how we currently make things.
80
258000
2000
ponieważ w ten sposób obecnie tworzymy rzeczy.
04:20
This is a silicon wafer, and essentially
81
260000
2000
To jest silikonowa płytka i generalnie
04:22
that's just a whole bunch of layers of two-dimensional stuff, sort of layered up.
82
262000
4000
to po prostu szereg warstw dwu-wymiarowego czegoś, jakby ułożonego warstwowo.
04:26
The feature side is -- you know, people will say,
83
266000
2000
Rozmiar elementu to - wiecie, ludzie powiedzą,
04:28
[unclear] down around about 65 nanometers now.
84
268000
2000
[niejasne] około 65 nanometrów obecnie.
04:30
On the right, that's a radiolara.
85
270000
2000
Po prawej, to jest radiolaria.
04:32
That's a unicellular organism ubiquitous in the oceans.
86
272000
3000
To jednokomórkowy organizm zamieszkujący oceany.
04:35
And that has feature sizes down to about 20 nanometers,
87
275000
4000
A rozmiar to około 20 nanometrów.
04:39
and it's a complex 3D structure.
88
279000
2000
i jest złożoną struktura 3D.
04:41
We could do a lot more with computers and things generally
89
281000
4000
Moglibyśmy zrobić ogólnie o wiele więcej z komputerami i rzeczami,
04:45
if we knew how to build things this way.
90
285000
3000
gdybyśmy wiedzieli, jak budować rzeczy w ten sposób.
04:48
The secret to biology is, it builds computation
91
288000
3000
Sekretem biologii jest, że wbudowuje obliczenia
04:51
into the way it makes things. So this little thing here, polymerase,
92
291000
3000
w sposób w jaki tworzy rzeczy. Więc ta mała rzecz tutaj, polimeraza,
04:54
is essentially a supercomputer designed for replicating DNA.
93
294000
5000
to w zasadzie komputer zaprojektowany do powielania DNA.
04:59
And the ribosome here is another little computer
94
299000
3000
A ten rybosom, tutaj, to inny mały komputer,
05:02
that helps in the translation of the proteins.
95
302000
2000
który pomaga tłumaczyć proteiny.
05:04
I thought about this
96
304000
1000
Myślałem o tym
05:05
in the sense that it's great to build in biological materials,
97
305000
3000
w tym sensie, że to wspaniale budować w materiałach biologicznych,
05:08
but can we do similar things?
98
308000
2000
ale czy możemy robić podobne rzeczy?
05:10
Can we get self-replicating-type behavior?
99
310000
2000
Czy możemy uzyskać zachowania typu samo-powielania?
05:12
Can we get complex 3D structure automatically assembling
100
312000
4000
Czy możemy uzyskać automatyczną organizację złożonych struktur 3D
05:16
in inorganic systems?
101
316000
2000
w systemach nieorganicznych?
05:18
Because there are some advantages to inorganic systems,
102
318000
2000
Ponieważ systemy nieorganiczne mają pewną przewagę,
05:20
like higher speed semiconductors, etc.
103
320000
2000
np. półprzewodniki o większej prędkości, itp.
05:22
So, this is some of my work
104
322000
2000
Więc to jest część mojej pracy
05:24
on how do you do an autonomously self-replicating system.
105
324000
6000
dotyczącej tego jak zrobić autonomicznie samopowielający się system.
05:30
And this is sort of Babbage's revenge.
106
330000
2000
I to jest rodzaj zemsty Babbage'a.
05:32
These are little mechanical computers.
107
332000
1000
To są małe mechaniczne komputery.
05:33
These are five-state state machines.
108
333000
3000
To są pięcio-stanowe maszyny stanu.
05:36
So, that's about three light switches lined up.
109
336000
3000
Więc to około trzech przełączników światła w linii.
05:39
In a neutral state, they won't bind at all.
110
339000
2000
W stanie neutralnym nie będą się w ogóle łączyć.
05:41
Now, if I make a string of these, a bit string,
111
341000
4000
Teraz, jeśli zrobię z nich łańcuch,
05:45
they will be able to replicate.
112
345000
2000
Będą się mogły powielać.
05:47
So we start with white, blue, blue, white.
113
347000
1000
Zaczynamy z białym, niebieskim, niebieskim, białym.
05:48
That encodes; that will now copy. From one comes two,
114
348000
6000
To koduje, teraz się będzie kopiować. Z jednego biorą się dwa,
05:54
and then from two comes three.
115
354000
2000
a następnie z dwóch biorą się trzy.
05:56
And so you've got this sort of replicating system.
116
356000
4000
Więc otrzymujemy rodzaj systemu powielania.
06:00
It was work actually by Lionel Penrose,
117
360000
2000
Został opracowany przez Lionela Penrose,
06:02
father of Roger Penrose, the tiles guy.
118
362000
3000
ojca Rogera Penrose, gościa od "kafelków".
06:05
He did a lot of this work in the '60s,
119
365000
2000
Wykonał większość tej pracy w latach 60',
06:07
and so a lot of this logic theory lay fallow
120
367000
2000
więc znaczna część tej teorii logicznej leżała odłogiem,
06:09
as we went down the digital computer revolution, but it's now coming back.
121
369000
3000
kiedy zmierzaliśmy do cyfrowej rewolucji komputerowej, ale teraz wraca.
06:12
So now I'm going to show you the hands-free, autonomous self-replication.
122
372000
4000
Więc teraz zamierzam wam pokazać autonomiczne samoreplikowanie bez udziału rąk.
06:16
So we've tracked in the video the input string,
123
376000
2000
Prześledziliśmy na filmie łańcuch wejściowy,
06:18
which was green, green, yellow, yellow, green.
124
378000
2000
który był zielony, zielony, żółty, żółty, zielony.
06:20
We set them off on this air hockey table.
125
380000
4000
Umieściliśmy go na tym stole do "powietrznego" hokeja.
06:24
You know, high science uses air hockey tables --
126
384000
2000
Wiecie, zaawansowana nauka używa takich stołów -
06:26
(Laughter)
127
386000
1000
(Śmiech)
06:27
-- and if you watch this thing long enough you get dizzy,
128
387000
2000
- i jeśli patrzy się na to zbyt długo, ma się zwroty głowy,
06:29
but what you're actually seeing is copies of that original string
129
389000
3000
ale to co widzicie to kopie tego pierwotnego łańcucha
06:32
emerging from the parts bin that you have here.
130
392000
3000
wyłaniające się z tego śmietnika części, które tu macie.
06:35
So we've got autonomous replication of bit strings.
131
395000
5000
Więc osiągnęliśmy autonomiczne powielanie łańcuchów części.
06:40
So, why would you want to replicate bit strings?
132
400000
3000
Dlaczego mielibyśmy chcieć powielać łańcuchy części?
06:43
Well, it turns out biology has this other very interesting meme,
133
403000
3000
Cóż, okazuje się, że biologia ma ten ciekawy mem,
06:46
that you can take a linear string, which is a convenient thing to copy,
134
406000
3000
że można wziąć linearny łańcuch, który jest wygodny w kopiowaniu
06:49
and you can fold that into an arbitrarily complex 3D structure.
135
409000
4000
i można go zwinąć w arbitralnie złożoną strukturę 3D.
06:53
So I was trying to, you know, take the engineer's version:
136
413000
3000
Więc próbowałem wiecie, wziąć wersję inżyniera:
06:56
Can we build a mechanical system in inorganic materials
137
416000
3000
Czy możemy stworzyć mechaniczny system z nieorganicznymi materiałami,
06:59
that will do the same thing?
138
419000
1000
który będzie robił to samo?
07:00
So what I'm showing you here is that we can make a 2D shape --
139
420000
5000
To, co wam pokazuję tutaj to, że możemy stworzyć dwuwymiarowy kształt -
07:05
the B -- assemble from a string of components
140
425000
4000
B - złożyć z łańcucha składników,
07:09
that follow extremely simple rules.
141
429000
2000
które odpowiadają całkowicie prostym zasadom.
07:11
And the whole point of going with the extremely simple rules here,
142
431000
3000
A cały sens korzystania z calkowicie prostych zasad tutaj
07:14
and the incredibly simple state machines in the previous design,
143
434000
3000
i z niesamowicie prostych maszyn stanów w poprzednim projekcie,
07:17
was that you don't need digital logic to do computation.
144
437000
3000
polega na tym, że nie potrzeba cyfrowej logiki do wykonywania obliczeń.
07:20
And that way you can scale things much smaller than microchips.
145
440000
4000
I w ten sposób można tworzyć rzeczy znacznie mniejsze od mikroczipów.
07:24
So you can literally use these as the tiny components in the assembly process.
146
444000
4000
Można dosłownie użyć ich jako malutkich składników w procesie składania.
07:28
So, Neil Gershenfeld showed you this video on Wednesday, I believe,
147
448000
5000
Neil Gershenfeld pokazał wam chyba w środę ten film,
07:33
but I'll show you again.
148
453000
2000
ale pokażę go znowu.
07:35
This is literally the colored sequence of those tiles.
149
455000
3000
To jest dosłownie kolorowa sekwencja płytek.
07:38
Each different color has a different magnetic polarity,
150
458000
3000
Każdy kolor ma inną biegunowość magnetyczną,
07:41
and the sequence is uniquely specifying the structure that is coming out.
151
461000
5000
a sekwencja w sposób wyjątkowy określa osiąganą strukturę.
07:46
Now, hopefully, those of you who know anything about graph theory
152
466000
3000
Mam nadzieję, że ci z was, którzy wiedzą cokolwiek o teorii grafów
07:49
can look at that, and that will satisfy you
153
469000
2000
spojrzą na to i poczują się usatysfakcjonowani,
07:51
that that can also do arbitrary 3D structure,
154
471000
3000
że można też tworzyć przypadkowe struktury 3D.
07:54
and in fact, you know, I can now take a dog, carve it up
155
474000
5000
W rzeczywistości, mogę teraz wziąć psa, podzielić na części
07:59
and then reassemble it so it's a linear string
156
479000
2000
i ułożyć znowu w linearny łańcuch,
08:01
that will fold from a sequence. And now
157
481000
2000
który będzie się zwijał z sekwencji. I teraz
08:03
I can actually define that three-dimensional object as a sequence of bits.
158
483000
7000
mogę zdefiniować trójwymiarowy obiekt jako sekwencję części.
08:10
So, you know, it's a pretty interesting world
159
490000
3000
To jest naprawdę ciekawy świat,
08:13
when you start looking at the world a little bit differently.
160
493000
2000
kiedy zaczynasz patrzeć na świat troszeczkę inaczej.
08:15
And the universe is now a compiler.
161
495000
3000
Wszechświat jest obecnie kompilatorem
08:18
And so I'm thinking about, you know, what are the programs
162
498000
2000
Zastanawiam się, jakimi programami
08:20
for programming the physical universe?
163
500000
3000
można zaprogramować fizyczny wszechświat?
08:23
And how do we think about materials and structure,
164
503000
3000
W jaki sposób myślimy o materiałach i strukturze
08:26
sort of as an information and computation problem?
165
506000
3000
jako o problemie informacji i obliczania?
08:29
Not just where you attach a micro-controller to the end point,
166
509000
3000
Nie tylko, gdy dołącza się mikrokontroler w punkcie końcowym,
08:32
but that the structure and the mechanisms are the logic, are the computers.
167
512000
5000
ale że struktura i mechanizmy są logiką, są komputerami.
08:37
Having totally absorbed this philosophy,
168
517000
5000
Całkowicie przyjmując tę filozofię,
08:42
I started looking at a lot of problems a little differently.
169
522000
3000
zacząłem patrzeć na wiele problemów nieco inaczej.
08:45
With the universe as a computer,
170
525000
1000
Z wszechświatem jako komputerem,
08:46
you can look at this droplet of water
171
526000
2000
możecie spojrzeć na tę kroplę wody
08:48
as having performed the computations.
172
528000
2000
jako na coś, co przeprowadza obliczenia.
08:50
You set a couple of boundary conditions, like gravity,
173
530000
2000
Ustawia się kilka warunków granicznych, jak grawitacja,
08:52
the surface tension, density, etc., and then you press "execute,"
174
532000
4000
napięcie powierzchniowe, gęstość, itd, a następnie wciska "wykonaj"
08:56
and magically, the universe produces you a perfect ball lens.
175
536000
5000
i magicznie, wszechświat produkuje doskonałe kuliste soczewki.
09:01
So, this actually applied to the problem
176
541000
2000
Stosując to do rzeczywistego problemu -
09:03
of -- so there's a half a billion to a billion people in the world
177
543000
3000
Na świecie jest od pół miliarda do miliarda ludzi,
09:06
don't have access to cheap eyeglasses.
178
546000
2000
którzy nie mają dostępu do tanich okularów.
09:08
So can you make a machine
179
548000
2000
Czy można więc zrobić maszynę,
09:10
that could make any prescription lens very quickly on site?
180
550000
4000
która będzie mogła zrobić dowolne przepisane soczewki bardzo szybko na miejscu?
09:14
This is a machine where you literally define a boundary condition.
181
554000
4000
To maszyna, gdzie dosłownie definiuje się warunki graniczne.
09:18
If it's circular, you make a spherical lens.
182
558000
3000
Jeśli jest to koliste, można zrobić soczewki sferyczne.
09:21
If it's elliptical, you can make an astigmatic lens.
183
561000
3000
Jeśli eliptyczne, można zrobić soczewki astygmatyczne.
09:24
You then put a membrane on that and you apply pressure --
184
564000
3000
Następnie wkłada się na to membranę i przykłada ciśnienie -
09:27
so that's part of the extra program.
185
567000
2000
to część dodatkowego programu.
09:29
And literally with only those two inputs --
186
569000
3000
Z tymi dosłownie dwoma danymi wejściowymi -
09:32
so, the shape of your boundary condition and the pressure --
187
572000
2000
kształtem twoich warunków granicznych i ciśnieniem -
09:34
you can define an infinite number of lenses
188
574000
2000
można zdefiniować nieograniczoną liczbę soczewek,
09:36
that cover the range of human refractive error,
189
576000
2000
które pokrywają zasięg ludzkiego błędu refrakcyjnego
09:38
from minus 12 to plus eight diopters, up to four diopters of cylinder.
190
578000
5000
od minus 12 do plus 8 dioptrii, aż do 4 dioptrii cylindra.
09:43
And then literally, you now pour on a monomer.
191
583000
3000
I teraz dosłownie, nalewa się monomer.
09:46
You know, I'll do a Julia Childs here.
192
586000
3000
Porobię tu za Julię Childs.
09:49
This is three minutes of UV light.
193
589000
3000
Teraz trzy minuty ultrafioletu.
09:52
And you reverse the pressure on your membrane
194
592000
3000
I odwraca się ciśnienie na membranę.
09:55
once you've cooked it. Pop it out.
195
595000
3000
Po ugotowaniu, wyciągnij.
09:58
I've seen this video, but I still don't know if it's going to end right.
196
598000
3000
Widziałem już ten fim, ale ciągle nie wiem, czy się dobrze kończy.
10:01
(Laughter)
197
601000
3000
(Śmiech)
10:04
So you reverse this. This is a very old movie,
198
604000
2000
Odwraca się to. To bardzo stary film,
10:06
so with the new prototypes, actually both surfaces are flexible,
199
606000
4000
więc w nowych prototypach, obydwie powierzchnie są elastyczne,
10:10
but this will show you the point.
200
610000
2000
ale to pokaże wam sens.
10:12
Now you've finished the lens, you literally pop it out.
201
612000
2000
Kiedy skończyliście soczewki, dosłownie je wyciągacie.
10:14
That's next year's Yves Klein, you know, eyeglasses shape.
202
614000
7000
To przyszłoroczny Yves Klein, wiecie, kształt okularów.
10:21
And you can see that that has a mild prescription of about minus two diopters.
203
621000
3000
Te, które widzicie to łagodna recepta na około minus dwóch dioptrii.
10:24
And as I rotate it against this side shot, you'll see that that has cylinder,
204
624000
4000
Kiedy obróciccie to z profilu, zobaczycie, że ma cylinder,
10:28
and that was programmed in --
205
628000
1000
i zostało to zaprogramowane -
10:29
literally into the physics of the system.
206
629000
4000
dosłownie w fizyce systemu.
10:33
So, this sort of thinking about structure as computation
207
633000
3000
Ten rodzaj myślenia o strukturze jako o obliczeniu
10:36
and structure as information leads to other things, like this.
208
636000
5000
i strukturze jako informacji prowadzi do innych rzeczy, jak te.
10:41
This is something that my people at SQUID Labs
209
641000
3000
To jest coś, nad czym moi ludzie w SQUID Labs
10:44
are working on at the moment, called "electronic rope."
210
644000
2000
pracują w tej chwili, nazywa się to elektroniczna lina.
10:46
So literally, you think about a rope. It has very complex structure in the weave.
211
646000
4000
Więc dosłownie, myślicie o linie. To bardzo złożona struktura, jeśli chodzi o splot.
10:50
And under no load, it's one structure.
212
650000
2000
I bez ciężaru, to jedna struktura.
10:52
Under a different load, it's a different structure. And you can actually exploit that
213
652000
3000
Pod innym obciążeniem, to inna struktura. I można to wykorzystać
10:55
by putting in a very small number of
214
655000
2000
używając bardzo małej liczby
10:57
conducting fibers to actually make it a sensor.
215
657000
2000
włókien przewodzących, żeby stworzyć czujnik.
10:59
So this is now a rope that knows the load on the rope
216
659000
3000
Więc jest to teraz lina, która zna obciążenie na linie
11:02
at any particular point in the rope.
217
662000
2000
w którymkolwiek punkcie liny.
11:04
Just by thinking about the physics of the world,
218
664000
3000
Tylko przez myślenie o fizyce świata,
11:07
materials as the computer,
219
667000
2000
o materiałach jako o komputerze,
11:09
you can start to do things like this.
220
669000
3000
możecie zacząć robić rzeczy takie jak to.
11:12
I'm going to segue a little here.
221
672000
3000
Zrobię tu krótką przebitkę.
11:15
I guess I'm just going to casually tell you the types of things
222
675000
2000
Chyba po prostu opowiem wam o rodzajach rzeczy
11:17
that I think about with this.
223
677000
1000
o których myślę przy tym.
11:18
One thing I'm really interested about this right now is, how,
224
678000
4000
Jedną z rzeczy, którymi się naprawdę interesuję teraz, jest, jak
11:22
if you're really taking this view of the universe as a computer,
225
682000
4000
jeśli naprawdę przyjmuje się to spojrzenie na wszechświat jako na komputer,
11:26
how do we make things in a very general sense,
226
686000
2000
jak tworzymy rzeczy w bardzo ogólnym znaczeniu,
11:28
and how might we share the way we make things in a general sense
227
688000
4000
oraz jak możemy dzielić się sposobem tworzenia rzeczy w ogólnym znaczeniu
11:32
the same way you share open source hardware?
228
692000
3000
tak samo jak dzielimy się ogólnodostępnym sprzętem?
11:35
And a lot of talks here have espoused the benefits
229
695000
3000
Wiele wykładów tutaj optowało za korzyściami
11:38
of having lots of people look at problems,
230
698000
2000
sytuacji, gdy wielu ludzi patrzy na problemy,
11:40
share the information and work on those things together.
231
700000
3000
dzieli się informacjami i wspólnie pracuje nad tymi zagadnieniami.
11:43
So, a convenient thing about being a human is you move in linear time,
232
703000
3000
Wygodną rzeczą w byciu człowiekiem jest to, że porusza się w czasie linearnym,
11:46
and unless Lisa Randall changes that,
233
706000
2000
i chyba że Lisa Randall to zmieni,
11:48
we'll continue to move in linear time.
234
708000
3000
będzie się nadal poruszał w czasie linearnym.
11:51
So that means anything you do, or anything you make,
235
711000
2000
To oznacza, że wszystko co robicie czy wszystko co tworzycie,
11:53
you produce a sequence of steps --
236
713000
2000
produkujecie jako sekwencję kroków -
11:55
and I think Lego in the '70s nailed this,
237
715000
3000
myślę, że Lego uchwyciło to w latach 70'
11:58
and they did it most elegantly.
238
718000
1000
i zrobili to najbardziej elegancko.
11:59
But they can show you how to build things in sequence.
239
719000
4000
Ale oni potrafią pokazać, jak budować rzeczy w sekwencji.
12:03
So, I'm thinking about, how can we generalize
240
723000
3000
Myślę o tym, jak możemy uogólnić
12:06
the way we make all sorts of things,
241
726000
2000
sposób tworzenia wszelakich rzeczy,
12:08
so you end up with this sort of guy, right?
242
728000
2000
żeby skończyć z tym rodzajem gościa?
12:10
And I think this applies across a very broad -- sort of, a lot of concepts.
243
730000
5000
I sądzę, że to stosuje się do bardzo szerokiego - do wielu pojęć.
12:15
You know, Cameron Sinclair yesterday said,
244
735000
2000
Wiecie, Cameron Sinclair powiedział wczoraj:
12:17
"How do I get everyone to collaborate on design
245
737000
2000
"Jak mam sprawić, żeby wszyscy współpracowali nad projektem
12:19
globally to do housing for humanity?"
246
739000
3000
globalnie, żeby stworzyć budownictwo mieszkaniowe dla ludzkości?"
12:22
And if you've seen Amy Smith,
247
742000
2000
Jeśli widzieliście Amy Smith,
12:24
she talks about how you get students at MIT
248
744000
4000
opowiada o tym, jak sprawić, że studenci z MIT
12:28
to work with communities in Haiti.
249
748000
2000
pracują ze społecznościami na Haiti.
12:30
And I think we have to sort of redefine and rethink
250
750000
2000
Myślę, że musimy jakby z redefiniować i przemyśleć,
12:32
how we define structure and materials and assembly things,
251
752000
4000
w jaki sposób definiujemy strukturę i materiały i montaż rzeczy,
12:36
so that we can really share the information
252
756000
2000
abyśmy mogli naprawdę dzielić się informacjami
12:38
on how you do those things in a more profound way
253
758000
2000
o tym, jak robi się te rzeczy w głębszy sposób
12:40
and build on each other's source code for structure.
254
760000
3000
i budować kod źródłowy dla struktury w oparciu o innych.
12:43
I don't know exactly how to do this yet,
255
763000
1000
Nie wiem jeszcze, jak to dokładnie zrobić,
12:44
but, you know, it's something being actively thought about.
256
764000
5000
ale to coś, o czym bardzo aktywnie myślę.
12:49
So, you know, that leads to questions
257
769000
2000
Prowadzi to do pytań
12:51
like, is this a compiler? Is this a sub-routine?
258
771000
4000
takich jak, czy to jest kompilator? Czy to jest podprogram?
12:55
Interesting things like that.
259
775000
1000
Takich ciekawych rzeczy.
12:56
Maybe I'm getting a little too abstract, but you know,
260
776000
3000
Może staję się trochę za bardzo abstrakcyjny, ale wiecie,
12:59
this is the sort of -- returning to our comic characters --
261
779000
3000
to jest rodzaj - wracając do naszych komiksowych postaci -
13:02
this is sort of the universe, or a different universe view,
262
782000
2000
to jest rodzaj wszechświata lub inne spojrzenie na wszechświat,
13:04
that I think is going to be very prevalent in the future --
263
784000
2000
które, jak sądzę, będzie przważało w przyszłości -
13:06
from biotech to materials assembly. It was great to hear Bill Joy.
264
786000
3000
od biotechnologii po montaż materiałów. Świetnie było posłuchać Billa Joy.
13:09
They're starting to invest in materials science,
265
789000
3000
Zaczynają inwestować w naukę o materiałach,
13:12
but these are the new things in materials science.
266
792000
2000
ale to są nowe rzeczy w nauce o materiałach.
13:14
How do we put real information and real structure into new ideas,
267
794000
4000
W jaki sposób zastosujemy prawdziwe informacje i prawdziwą strukturę do nowych pomysłów
13:18
and see the world in a different way? And it's not going to be binary code
268
798000
3000
i popatrzymy na świat w odmienny sposób? I to nie będzie kod binarny,
13:21
that defines the computers of the universe --
269
801000
2000
który definiuje komputery wszechświata -
13:23
it's sort of an analog computer.
270
803000
2000
to rodzaj komputera analogowego.
13:25
But it's definitely an interesting new worldview.
271
805000
5000
Ale to zdecydowanie ciekawy, nowy światopogląd.
13:30
I've gone too far. So that sounds like it's it.
272
810000
3000
Poszedłem za daleko. Więc brzmi to, jakby to już było to.
13:33
I've probably got a couple of minutes of questions,
273
813000
2000
Mam chyba kilka minut na pytania,
13:35
or I can show -- I think they also said that I do extreme stuff
274
815000
4000
albo mogę pokazać - sądzę, że powiedzieli też, że robię ekstremalne rzeczy,
13:39
in the introduction, so I may have to explain that.
275
819000
4000
we wstępie, więc może powinienem to wyjaśnić.
13:43
So maybe I'll do that with this short video.
276
823000
3000
Może zrobię to przy pomocy tego krótkiego filmu.
13:46
So this is actually a 3,000-square-foot kite,
277
826000
6000
To jest zasadniczo latawiec o powierzchni 3 tysięcy stóp kwadratowych (278m2),
13:52
which also happens to be a minimal energy surface.
278
832000
2000
co tak się składa jest powierzchnią minimalnej energii.
13:54
So returning to the droplet, again,
279
834000
2000
Wracając do kropli, znowu,
13:56
thinking about the universe in a new way.
280
836000
2000
myślenie o wszechświecie w nowy sposób.
13:58
This is a kite designed by a guy called Dave Kulp.
281
838000
2000
Ten latawiec został zaprojektowany przez gościa, który nazywa się Dave Kulp.
14:00
And why do you want a 3,000-square-foot kite?
282
840000
2000
Po co mielibyście chcieć latawiec o powierzchni 3 tysięcy stóp kwadratowych?
14:02
So that's a kite the size of your house.
283
842000
2000
To latawiec w rozmiarze waszego domu.
14:04
And so you want that to tow boats very fast.
284
844000
4000
Więc chcecie, żeby bardzo szybko holował łodzie.
14:08
So I've been working on this a little, also,
285
848000
3000
Pracowałem nad tym trochę, również,
14:11
with a couple of other guys.
286
851000
2000
z kilkoma innymi osobami.
14:13
But, you know, this is another way to look at the --
287
853000
2000
Ale jest to inny sposób spojrzenia na -
14:15
if you abstract again,
288
855000
2000
jeśliby znowu podsumować,
14:17
this is a structure that is defined by the physics of the universe.
289
857000
4000
że jest to struktura zdefiniowana przez fizykę wszechświata.
14:21
You could just hang it as a bed sheet,
290
861000
1000
Możnaby to powiesić jako prześcieradło,
14:22
but again, the computation of all the physics
291
862000
2000
ale znów, obliczenia wszystkich praw fizycznych
14:24
gives you the aerodynamic shape.
292
864000
2000
dają aerodynamiczny kształt.
14:26
And so you can actually sort of almost double your boat speed
293
866000
3000
Można więc praktycznie podwoić prędkość łodzi
14:29
with systems like that. So that's sort of another interesting aspect of the future.
294
869000
7000
z takimi systemami. To jest jeszcze jeden ciekawy aspekt przyszłości.
14:36
(Applause)
295
876000
1000
(Brawa)
O tej stronie

Na tej stronie poznasz filmy z YouTube, które są przydatne do nauki języka angielskiego. Zobaczysz lekcje angielskiego prowadzone przez najlepszych nauczycieli z całego świata. Kliknij dwukrotnie na angielskie napisy wyświetlane na stronie każdego filmu, aby odtworzyć film od tego miejsca. Napisy przewijają się synchronicznie z odtwarzaniem filmu. Jeśli masz jakieś uwagi lub prośby, skontaktuj się z nami za pomocą formularza kontaktowego.

https://forms.gle/WvT1wiN1qDtmnspy7