Saul Griffith: Hardware solutions to everyday problems

Saul Griffith fala sobre invenções do dia-a-dia

25,321 views ・ 2007-03-23

TED


Por favor, clique duas vezes nas legendas em inglês abaixo para reproduzir o vídeo.

Tradutor: Alexandre Marcondes Revisor: Belucio Haibara
00:25
So anyway, who am I?
0
25000
1000
Então, quem sou eu?
00:26
I usually say to people, when they say, "What do you do?"
1
26000
3000
Eu geralmente falo para as pessoas, quando me perguntam "O que você faz?",
00:29
I say, "I do hardware,"
2
29000
2000
eu falo: "eu faço hardware",
00:31
because it sort of conveniently encompasses everything I do.
3
31000
2000
porque convenientemente isso abrange tudo o que eu faço.
00:33
And I recently said that to a venture capitalist casually at some
4
33000
4000
E recentemente eu mencionei isso para um investidor de risco
00:37
Valley event, to which he replied, "How quaint."
5
37000
3000
num evento no Vale do Silício, e ele respondeu: "Que esquisito!"
00:40
(Laughter)
6
40000
2000
(Risos)
00:42
And I sort of really was dumbstruck.
7
42000
3000
E eu fiquei sem saber o que responder.
00:45
And I really should have said something smart.
8
45000
2000
Eu deveria ter dito algo inteligente.
00:47
And now I've had a little bit of time to think about it,
9
47000
5000
E agora já tive um pouco mais de tempo para pensar sobre isso,
00:52
I would have said, "Well, you know,
10
52000
2000
e eu teria dito: "Bem, você sabe,
00:54
if we look at the next 100 years
11
54000
2000
se olharmos para os próximos 100 anos
00:56
and we've seen all these problems in the last few days,
12
56000
2000
e nós vimos todos estes problemas aqui nos últimos dias,
00:58
most of the big issues -- clean water, clean energy --
13
58000
3000
a maioria dos grandes problemas como água limpa, energia limpa
01:01
and they're interchangeable in some respects --
14
61000
2000
e ambos são intercambiáveis sob diversos aspectos,
01:03
and cleaner, more functional materials --
15
63000
2000
e materiais mais limpos e funcionais,
01:05
they all look to me to be hardware problems.
16
65000
3000
todos me parecem ser problemas de hardware.
01:08
This doesn't mean we should ignore software,
17
68000
2000
Isso não quer dizer que devamos ignorar o software,
01:10
or information, or computation."
18
70000
2000
ou informação, ou computação.
01:12
And that's in fact probably what I'm going to try and tell you about.
19
72000
3000
E isso é provavelmente sobre o que eu vou tentar falar para vocês.
01:15
So, this talk is going to be about how do we make things
20
75000
3000
Essa apresentação será sobre como fazemos coisas
01:18
and what are the new ways that we're going to make things in the future.
21
78000
5000
e quais são as novas maneiras que usaremos no futuro para fazer coisas.
01:23
Now, TED sends you a lot of spam if you're a speaker
22
83000
5000
O TED manda bastante "spam" se você é um palestrante
01:28
about "do this, do that" and you fill out all these forms,
23
88000
2000
dizendo "faça isso, faça aquilo", preencha tais formulários,
01:30
and you don't actually know how they're going to describe you,
24
90000
3000
e no final você não sabe ao certo como eles irão descrevê-lo,
01:33
and it flashed across my desk that they were going to introduce me as a futurist.
25
93000
3000
e me ocorreu que eles pudessem me apresentar como um futurista.
01:36
And I've always been nervous about the term "futurist,"
26
96000
2000
E eu sempre tive ressalvas sobre o termo futurista,
01:38
because you seem doomed to failure because you can't really predict it.
27
98000
3000
porque você parece condenado ao fracasso, pois é impossível prever o futuro.
01:41
And I was laughing about this with the very smart colleagues I have,
28
101000
3000
E eu estava rindo sobre isso com os colegas muito inteligentes que eu tenho,
01:44
and said, "You know, well, if I have to talk about the future, what is it?"
29
104000
4000
e disse "Bem, se eu tiver que falar sobre o futuro, o que ele será?"
01:48
And George Homsey, a great guy, said, "Oh, the future is amazing.
30
108000
5000
E George Homsey, um cara fantástico, disse: "O futuro é impressionante.
01:53
It is so much stranger than you think.
31
113000
2000
É muito mais estranho do que você imagina.
01:55
We're going to reprogram the bacteria in your gut,
32
115000
2000
Nós iremos reprogramar as bactérias do seu intestino,
01:57
and we're going to make your poo smell like peppermint."
33
117000
5000
e fazer seu cocô ter cheiro de menta."
02:02
(Laughter)
34
122000
2000
(Risos)
02:04
So, you may think that's sort of really crazy,
35
124000
3000
Vocês podem achar que isso seja loucura,
02:07
but there are some pretty amazing things that are happening
36
127000
2000
mas existem algumas coisas muito impressionantes que estão acontecendo
02:09
that make this possible.
37
129000
1000
que podem tornar isso possível.
02:10
So, this isn't my work, but it's work of good friends of mine at MIT.
38
130000
4000
Isso não é o meu trabalho, mas o trabalho de alguns amigos do MIT.
02:14
This is called the registry of standard biological parts.
39
134000
2000
Isso é chamado de repositório de partes biológicas padrão.
02:16
This is headed by Drew Endy and Tom Knight
40
136000
2000
Isso é encabeçado por Drew Endy e Tom Knight
02:18
and a few other very, very bright individuals.
41
138000
3000
e alguns outros indivíduos muito brilhantes.
02:21
Basically, what they're doing is looking at biology as a programmable system.
42
141000
3000
Basicamente, eles estão olhando para biologia como um sistema programável.
02:24
Literally, think of proteins as subroutines
43
144000
4000
Literalmente, pense em proteínas como sub-rotinas
02:28
that you can string together to execute a program.
44
148000
3000
que você pode combinar para executar um programa.
02:31
Now, this is actually becoming such an interesting idea.
45
151000
5000
Isto está se tornando uma idéia muito interessante.
02:36
This is a state diagram. That's an extremely simple computer.
46
156000
3000
Isto é um diagrama de estados. É um computador extremamente simples.
02:39
This one is a two-bit counter.
47
159000
2000
Esse aqui é um contador de 2 bits.
02:41
So that's essentially the computational equivalent of two light switches.
48
161000
6000
Que é o equivalente computacional de dois interruptores de luz.
02:47
And this is being built by a group of students at Zurich
49
167000
3000
E isto está sendo desenvolvido por um grupo de estudantes em Zurique
02:50
for a design competition in biology.
50
170000
2000
para uma competição de design biológico.
02:52
And from the results of the same competition last year,
51
172000
3000
E a partir dos resultados da mesma competição do ano passado,
02:55
a University of Texas team of students programmed bacteria
52
175000
4000
uma equipe de estudantes da Universidade do Texas programou uma bactéria
02:59
so that they can detect light and switch on and off.
53
179000
3000
para que possam detectar luz e ligá-la e desligá-la.
03:02
So this is interesting in the sense that you can now
54
182000
2000
Isso é interessante pois agora pode-se
03:04
do "if-then-for" statements in materials, in structure.
55
184000
5000
criar comandos do tipo "se isso, faça aquilo" em materiais, em estruturas.
03:09
This is a pretty interesting trend,
56
189000
2000
Essa é uma tendência bastante interessante.
03:11
because we used to live in a world where everyone's said glibly,
57
191000
2000
Porque nós estávamos acostumados a viver num mundo onde todos diziam fluentemente,
03:13
"Form follows function," but I think I've sort of grown up in a world
58
193000
4000
a forma segue a função, mas eu acho que cresci num mundo
03:17
-- you listened to Neil Gershenfeld yesterday;
59
197000
3000
-- você ouviu ao Neil Gershenfeld ontem,
03:20
I was in a lab associated with his -- where it's really a world
60
200000
4000
eu estava em um laboratório associado com o dele -- onde é realmente um mundo
03:24
where information defines form and function.
61
204000
3000
onde as informações definem a forma e a função.
03:27
I spent six years thinking about that,
62
207000
4000
Eu passei seis anos pensando sobre isso,
03:31
but to show you the power of art over science --
63
211000
2000
mas para mostrar a vocês o poder da arte sobre a ciência --
03:33
this is actually one of the cartoons I write. These are called "HowToons."
64
213000
3000
este é, na verdade, um dos quadrinhos que eu escrevi. São chamados Howtoons.
03:36
I work with a fabulous illustrator called Nick Dragotta.
65
216000
2000
Eu trabalho com um fabuloso ilustrador chamado Nick Dragotta.
03:38
Took me six years at MIT,
66
218000
2000
Levou seis anos, para mim, no MIT,
03:40
and about that many pages to describe what I was doing,
67
220000
4000
e esse tanto de páginas para descrever o que eu estava fazendo,
03:44
and it took him one page. And so this is our muse Tucker.
68
224000
5000
e levou para ele apenas uma página. E então este é nosso mascote -- Tucker.
03:49
He's an interesting little kid -- and his sister, Celine --
69
229000
2000
Ele é um menininho interessante -- e sua irmã, Celine --
03:51
and what he's doing here
70
231000
2000
e o que eles estão fazendo aqui
03:53
is observing the self-assembly of his Cheerios in his cereal bowl.
71
233000
4000
é observar o auto-agrupamento do seu Cheerios em sua vasilha de cereais.
03:57
And in fact you can program the self-assembly of things,
72
237000
3000
E, de fato, você pode programar o auto-agrupamento dessas coisas,
04:00
so he starts chocolate-dipping edges,
73
240000
2000
de forma que comece com bordas de chocolate,
04:02
changing the hydrophobicity and the hydrophylicity.
74
242000
2000
mudando a hibrofobicidade e hidrofilicidade.
04:04
In theory, if you program those sufficiently,
75
244000
2000
Teoricamente, se você programá-los suficientemente,
04:06
you should be able to do something pretty interesting
76
246000
2000
você poderia fazer coisas bem interessantes
04:08
and make a very complex structure.
77
248000
2000
e fazer uma estrutura complexa.
04:10
In this case, he's done self-replication of a complex 3D structure.
78
250000
5000
Neste caso, ele fez a auto-replicação de uma estrutura 3D complexa.
04:15
And that's what I thought about for a long time,
79
255000
3000
E isto é o que eu pensei por um bom tempo,
04:18
because this is how we currently make things.
80
258000
2000
porque é como nós atualmente fazemos as coisas.
04:20
This is a silicon wafer, and essentially
81
260000
2000
Isto é um wafer de silício, e essencialmente
04:22
that's just a whole bunch of layers of two-dimensional stuff, sort of layered up.
82
262000
4000
que é apenas um punhado de camadas bidimensionais de material, meio que uma por cima da outra.
04:26
The feature side is -- you know, people will say,
83
266000
2000
A novidade é -- sabe, as pessoas vão dizer,
04:28
[unclear] down around about 65 nanometers now.
84
268000
2000
perto de 65 nanometros agora.
04:30
On the right, that's a radiolara.
85
270000
2000
À direita, está uma radiolara.
04:32
That's a unicellular organism ubiquitous in the oceans.
86
272000
3000
É um organismo unicelular que está por todo oceano.
04:35
And that has feature sizes down to about 20 nanometers,
87
275000
4000
E elas produzem coisas de mais ou menos 20 nanometros,
04:39
and it's a complex 3D structure.
88
279000
2000
e é uma estrutura 3D complexa.
04:41
We could do a lot more with computers and things generally
89
281000
4000
Nós poderíamos fazer muito mais com computadores e coisas em geral
04:45
if we knew how to build things this way.
90
285000
3000
se soubéssemos como construir coisas desta forma.
04:48
The secret to biology is, it builds computation
91
288000
3000
O segredo da biologia é, ela constrói computação
04:51
into the way it makes things. So this little thing here, polymerase,
92
291000
3000
ao mesmo tempo que constrói coisas. Então esta pequena coisa aqui, polimerase,
04:54
is essentially a supercomputer designed for replicating DNA.
93
294000
5000
é essencialmente um supercomputador projetado para replicar DNA.
04:59
And the ribosome here is another little computer
94
299000
3000
E este ribossoma, aqui, é um outro pequeno computador
05:02
that helps in the translation of the proteins.
95
302000
2000
que ajuda na tradução das proteínas.
05:04
I thought about this
96
304000
1000
Eu pensei sobre isso
05:05
in the sense that it's great to build in biological materials,
97
305000
3000
no sentido de que é magnífico construir sobre materiais biológicos,
05:08
but can we do similar things?
98
308000
2000
mas nós conseguimos fazer coisas similares?
05:10
Can we get self-replicating-type behavior?
99
310000
2000
Podemos ter comportamentos do tipo auto-replicantes?
05:12
Can we get complex 3D structure automatically assembling
100
312000
4000
Podemos ter uma estrutura complexa em 3D construída automaticamente
05:16
in inorganic systems?
101
316000
2000
em sistemas inorgânicos?
05:18
Because there are some advantages to inorganic systems,
102
318000
2000
Porque há algumas vantagens em sistemas inorgânicos,
05:20
like higher speed semiconductors, etc.
103
320000
2000
como semi-condutores de alta velocidade, etc.
05:22
So, this is some of my work
104
322000
2000
Assim, este é um pedaço de meu trabalho
05:24
on how do you do an autonomously self-replicating system.
105
324000
6000
sobre como você faz um sistema autônomo auto-replicantes.
05:30
And this is sort of Babbage's revenge.
106
330000
2000
E isto não é uma espécie de vingança de Babbage.
05:32
These are little mechanical computers.
107
332000
1000
Estes são pequenos computadores mecânicos.
05:33
These are five-state state machines.
108
333000
3000
São máquinas de estados com cinco estados.
05:36
So, that's about three light switches lined up.
109
336000
3000
Então, é como três interruptores de luz alinhados.
05:39
In a neutral state, they won't bind at all.
110
339000
2000
Em um estado neutro, eles não se ligarão de forma alguma.
05:41
Now, if I make a string of these, a bit string,
111
341000
4000
Agora, se fizermos uma cadeia deles, uma cadeia de bits,
05:45
they will be able to replicate.
112
345000
2000
eles serão capazes de replicar-se.
05:47
So we start with white, blue, blue, white.
113
347000
1000
Então começamos com branco, azul, azul, branco.
05:48
That encodes; that will now copy. From one comes two,
114
348000
6000
Isso codifica; agora irá copiar. De um, surgem dois,
05:54
and then from two comes three.
115
354000
2000
e então de dois surgem três.
05:56
And so you've got this sort of replicating system.
116
356000
4000
E desta forma você tem uma espécie de sistema de replicação.
06:00
It was work actually by Lionel Penrose,
117
360000
2000
Foi um trabalho, na realidade, de Lionel Penrose,
06:02
father of Roger Penrose, the tiles guy.
118
362000
3000
pai de Roger Penrose, o rapaz dos padrões.
06:05
He did a lot of this work in the '60s,
119
365000
2000
Ele fez muito do seu trabalho na década de 60,
06:07
and so a lot of this logic theory lay fallow
120
367000
2000
e então muito desta teoria de lógica foi deixada de lado
06:09
as we went down the digital computer revolution, but it's now coming back.
121
369000
3000
quando entramos na revolução do computador digital, mas agora está voltando.
06:12
So now I'm going to show you the hands-free, autonomous self-replication.
122
372000
4000
Agora vou mostrar-lhes a auto-replicação autônoma sem interferências.
06:16
So we've tracked in the video the input string,
123
376000
2000
Nós acomapanhamos no vídeo a cadeia inicial,
06:18
which was green, green, yellow, yellow, green.
124
378000
2000
que era verde, verde, amarelo, amarelo, verde.
06:20
We set them off on this air hockey table.
125
380000
4000
Nós colocamos ela nessa mesa de hockey com ar.
06:24
You know, high science uses air hockey tables --
126
384000
2000
Sabe, a ciência de ponta usa mesas de hockey com ar --
06:26
(Laughter)
127
386000
1000
(Risadas)
06:27
-- and if you watch this thing long enough you get dizzy,
128
387000
2000
-- e se você olhar isso por muito tempo você ficará tonto,
06:29
but what you're actually seeing is copies of that original string
129
389000
3000
mas o você está vendo, na verdade, são cópias da cadeia original
06:32
emerging from the parts bin that you have here.
130
392000
3000
emergindo do monte de partes que você tem ali.
06:35
So we've got autonomous replication of bit strings.
131
395000
5000
Então temos a replicação autônoma de uma cadeia de bits.
06:40
So, why would you want to replicate bit strings?
132
400000
3000
Mas porque você iria querer replicar uma cadeia de bits?
06:43
Well, it turns out biology has this other very interesting meme,
133
403000
3000
Bem, acontece que na biologia há este outro meme muito interessante,
06:46
that you can take a linear string, which is a convenient thing to copy,
134
406000
3000
que você pode pegar uma cadeia linear, que é uma coisa conveniente para a cópia,
06:49
and you can fold that into an arbitrarily complex 3D structure.
135
409000
4000
e pode dobrá-la arbitrariamente em uma estrutura 3D complexa.
06:53
So I was trying to, you know, take the engineer's version:
136
413000
3000
Assim como eu estava tentando compreender o lado do engenheiro:
06:56
Can we build a mechanical system in inorganic materials
137
416000
3000
Podemos construir um sistema mecânico com materiais inorgânicos
06:59
that will do the same thing?
138
419000
1000
que faça a mesma coisa?
07:00
So what I'm showing you here is that we can make a 2D shape --
139
420000
5000
Então o que eu estou mostrando aqui é que você pode pegar uma forma em 2D --
07:05
the B -- assemble from a string of components
140
425000
4000
o B -- construí-la com uma cadeia de componentes
07:09
that follow extremely simple rules.
141
429000
2000
que segue regras extremamente simples.
07:11
And the whole point of going with the extremely simple rules here,
142
431000
3000
E todo o ponto de usar regras extremamente simples aqui,
07:14
and the incredibly simple state machines in the previous design,
143
434000
3000
e as máquinas de estados extremamente simples do design anterior,
07:17
was that you don't need digital logic to do computation.
144
437000
3000
é que você não precisa de lógica digital para fazer a computação.
07:20
And that way you can scale things much smaller than microchips.
145
440000
4000
E desta forma você pode escalar coisas muito menores do que microchips.
07:24
So you can literally use these as the tiny components in the assembly process.
146
444000
4000
Você pode literalmente usá-los como pequenos componentes no processo de construção.
07:28
So, Neil Gershenfeld showed you this video on Wednesday, I believe,
147
448000
5000
Neil Gershenfeld mostrou-lhes este vídeo na quarta-feira, creio eu,
07:33
but I'll show you again.
148
453000
2000
mas vou mostrar-lhes novamente.
07:35
This is literally the colored sequence of those tiles.
149
455000
3000
Esta é literalmente a sequência colorida destes padrões.
07:38
Each different color has a different magnetic polarity,
150
458000
3000
Cada cor diferente tem uma polaridade magnética diferente
07:41
and the sequence is uniquely specifying the structure that is coming out.
151
461000
5000
e a sequência é especificada unicamente na estrutura que está surgindo.
07:46
Now, hopefully, those of you who know anything about graph theory
152
466000
3000
Agora, esperamos, que aqueles que conhecem alguma coisa de teoria dos grafos
07:49
can look at that, and that will satisfy you
153
469000
2000
possa olhar para isto, e isto vai convencê-lo
07:51
that that can also do arbitrary 3D structure,
154
471000
3000
de que pode também criar uma estrutura arbitraria em 3D,
07:54
and in fact, you know, I can now take a dog, carve it up
155
474000
5000
e de fato, sabe, posso agora pegar um cachorro, desmontá-lo
07:59
and then reassemble it so it's a linear string
156
479000
2000
e então reconstruí-lo em uma cadeia linear
08:01
that will fold from a sequence. And now
157
481000
2000
que se dobrará em uma sequência. E agora
08:03
I can actually define that three-dimensional object as a sequence of bits.
158
483000
7000
posso realmente definir este objeto tridimensional como uma sequência de bits.
08:10
So, you know, it's a pretty interesting world
159
490000
3000
Sabe, é um mundo muito interessante
08:13
when you start looking at the world a little bit differently.
160
493000
2000
quando você começa a ver o mundo de maneira um pouco diferente.
08:15
And the universe is now a compiler.
161
495000
3000
E o universo agora é um compilador.
08:18
And so I'm thinking about, you know, what are the programs
162
498000
2000
E estou pensando sobre o que são os programas
08:20
for programming the physical universe?
163
500000
3000
para programar o universo físico?
08:23
And how do we think about materials and structure,
164
503000
3000
E como pensamos sobre materiais e estruturas,
08:26
sort of as an information and computation problem?
165
506000
3000
como informações e problemas computacionais?
08:29
Not just where you attach a micro-controller to the end point,
166
509000
3000
Não apenas onde você encaixa um micro-controlador na terminação,
08:32
but that the structure and the mechanisms are the logic, are the computers.
167
512000
5000
mas que a estrutura e os mecanismos são a lógica, são os computadores.
08:37
Having totally absorbed this philosophy,
168
517000
5000
Sendo totalmente absorvido por esta filosofia,
08:42
I started looking at a lot of problems a little differently.
169
522000
3000
eu comecei a ver muitos problemas de uma maneira um pouco diferente.
08:45
With the universe as a computer,
170
525000
1000
Com o universo como um computador,
08:46
you can look at this droplet of water
171
526000
2000
você pode olhar para esta gota d'água
08:48
as having performed the computations.
172
528000
2000
como tendo feito as computações.
08:50
You set a couple of boundary conditions, like gravity,
173
530000
2000
Você define um conjunto de condições limitantes, como a gravidade,
08:52
the surface tension, density, etc., and then you press "execute,"
174
532000
4000
a tensão superficial, densidade, etc, e então pressiona executar,
08:56
and magically, the universe produces you a perfect ball lens.
175
536000
5000
e magicamente, o universo produz uma lente esférica perfeita.
09:01
So, this actually applied to the problem
176
541000
2000
Assim, isso realmente aplicado ao problema
09:03
of -- so there's a half a billion to a billion people in the world
177
543000
3000
-- há meio bilhão a um bilhão de pessoas no mundo
09:06
don't have access to cheap eyeglasses.
178
546000
2000
que não tem acesso a óculos baratos.
09:08
So can you make a machine
179
548000
2000
Vocês poderiam criar uma máquina
09:10
that could make any prescription lens very quickly on site?
180
550000
4000
que poderia fazer uma lente de qualquer receita médica rapidamente no lugar?
09:14
This is a machine where you literally define a boundary condition.
181
554000
4000
É uma máquina em que você literalmente define uma condição limite.
09:18
If it's circular, you make a spherical lens.
182
558000
3000
Se é circular, você faz uma lente esférica.
09:21
If it's elliptical, you can make an astigmatic lens.
183
561000
3000
Se é elíptica, você pode fazer uma lente para astigmatismo.
09:24
You then put a membrane on that and you apply pressure --
184
564000
3000
E você pode por uma membrana em que se você aplicar pressão --
09:27
so that's part of the extra program.
185
567000
2000
essa é uma parte extra do programa.
09:29
And literally with only those two inputs --
186
569000
3000
E literalmente com apenas estas duas entradas --
09:32
so, the shape of your boundary condition and the pressure --
187
572000
2000
a forma de sua condição de limite e a pressão --
09:34
you can define an infinite number of lenses
188
574000
2000
você pode definir um infinito número de lentes
09:36
that cover the range of human refractive error,
189
576000
2000
que cobrem o espectro de erros refrativos humanos,
09:38
from minus 12 to plus eight diopters, up to four diopters of cylinder.
190
578000
5000
de dioptrias de menos 12 a mais 8, até quatro dioptrias cilíndricas.
09:43
And then literally, you now pour on a monomer.
191
583000
3000
Então literalmente, agora você tem um monômero.
09:46
You know, I'll do a Julia Childs here.
192
586000
3000
Eu vou fazer uma Julia Childs aqui.
09:49
This is three minutes of UV light.
193
589000
3000
Isto são três minutos de luz ultra-violeta.
09:52
And you reverse the pressure on your membrane
194
592000
3000
E se você reverter a pressão na sua membrana
09:55
once you've cooked it. Pop it out.
195
595000
3000
depois de cozida. Ela estourará.
09:58
I've seen this video, but I still don't know if it's going to end right.
196
598000
3000
Eu vi este vídeo, mas ainda não sei se irá terminar bem.
10:01
(Laughter)
197
601000
3000
(Risadas)
10:04
So you reverse this. This is a very old movie,
198
604000
2000
E você reverte isso. Este é um filme antigo,
10:06
so with the new prototypes, actually both surfaces are flexible,
199
606000
4000
então com os novos protótipos, ambas as superfícies são flexíveis,
10:10
but this will show you the point.
200
610000
2000
mas isso mostra o ponto.
10:12
Now you've finished the lens, you literally pop it out.
201
612000
2000
Agora que finalizamos a lente, você pode literalmente estourá-la.
10:14
That's next year's Yves Klein, you know, eyeglasses shape.
202
614000
7000
O Yves Klein do próximo ano, óculos neste formato.
10:21
And you can see that that has a mild prescription of about minus two diopters.
203
621000
3000
E você pode ver que tem uma receita comum de menos duas dioptrias.
10:24
And as I rotate it against this side shot, you'll see that that has cylinder,
204
624000
4000
E eu rotaciono isso contra este controle lateral, você vai ver que ele tem um cilindro,
10:28
and that was programmed in --
205
628000
1000
e que estava programado --
10:29
literally into the physics of the system.
206
629000
4000
literalmente na física do sistema.
10:33
So, this sort of thinking about structure as computation
207
633000
3000
Este tipo de pensamento sobre as estruturas como computação
10:36
and structure as information leads to other things, like this.
208
636000
5000
e esteruturas como informações leva-nos a outros pensamentos, como isto.
10:41
This is something that my people at SQUID Labs
209
641000
3000
Isso é algo que meu pessoal no SQUID Labs
10:44
are working on at the moment, called "electronic rope."
210
644000
2000
estão trabalhando no momento, chamado de corda eletrônica.
10:46
So literally, you think about a rope. It has very complex structure in the weave.
211
646000
4000
Então, literalmente, pense numa corda. Ela tem uam estrutura muito complexa na sua tecitura.
10:50
And under no load, it's one structure.
212
650000
2000
E em uma carga, é uma estrutura.
10:52
Under a different load, it's a different structure. And you can actually exploit that
213
652000
3000
Com uma carga diferente, é uma estrutura diferente. E você pode realmente explorar isto
10:55
by putting in a very small number of
214
655000
2000
colocando um pequeno número de
10:57
conducting fibers to actually make it a sensor.
215
657000
2000
fibras condutoras para realmente serem um sensor.
10:59
So this is now a rope that knows the load on the rope
216
659000
3000
E agora temos uma corda que conhece a carga na corda
11:02
at any particular point in the rope.
217
662000
2000
em qualquer ponto particular dela.
11:04
Just by thinking about the physics of the world,
218
664000
3000
Apenas pense na física do mundo,
11:07
materials as the computer,
219
667000
2000
materiais como computadores,
11:09
you can start to do things like this.
220
669000
3000
você pode começar a fazer coisas como essa.
11:12
I'm going to segue a little here.
221
672000
3000
Eu vou avançar um pouco aqui.
11:15
I guess I'm just going to casually tell you the types of things
222
675000
2000
Eu acho eu vou apenas comentar casualmente os tipos de coisas
11:17
that I think about with this.
223
677000
1000
que eu penso com isso.
11:18
One thing I'm really interested about this right now is, how,
224
678000
4000
Uma coisa que eu estou realmente interessado neste momento é, como,
11:22
if you're really taking this view of the universe as a computer,
225
682000
4000
se você está realmente tomando este ponto de vista do universo como um computador,
11:26
how do we make things in a very general sense,
226
686000
2000
como fazemos as coisas em um sentido bem geral,
11:28
and how might we share the way we make things in a general sense
227
688000
4000
e como deveríamos compartilhar a forma como fazemos as coisas no geral
11:32
the same way you share open source hardware?
228
692000
3000
da mesma forma como compartilhamos hardware de código aberto?
11:35
And a lot of talks here have espoused the benefits
229
695000
3000
E muitas das palestras aqui expuseram os benefícios
11:38
of having lots of people look at problems,
230
698000
2000
de se ter muitas pessoas olhando para os problemas,
11:40
share the information and work on those things together.
231
700000
3000
trocando informações e trabalhando nessas coisas em conjunto.
11:43
So, a convenient thing about being a human is you move in linear time,
232
703000
3000
Então, uma coisa conveniente sobre ser humano é que você move-se linearmente no tempo,
11:46
and unless Lisa Randall changes that,
233
706000
2000
a menos que Lisa Randall mude isso,
11:48
we'll continue to move in linear time.
234
708000
3000
continuaremos a nos mover linearmente no tempo.
11:51
So that means anything you do, or anything you make,
235
711000
2000
Isso quer dizer que qualquer coisa que você faça, ou construa,
11:53
you produce a sequence of steps --
236
713000
2000
você produz uma seqüência de passos --
11:55
and I think Lego in the '70s nailed this,
237
715000
3000
e eu acho que Lego nos anos 70 pegou isso,
11:58
and they did it most elegantly.
238
718000
1000
e eles fizeram isso da forma mais elegante.
11:59
But they can show you how to build things in sequence.
239
719000
4000
Mas eles podem mostrar como construir coisas na seqüencia.
12:03
So, I'm thinking about, how can we generalize
240
723000
3000
Então, estou pensando em como podemos generalizar
12:06
the way we make all sorts of things,
241
726000
2000
a maneira pela qual fazemos todos os tipos de coisas,
12:08
so you end up with this sort of guy, right?
242
728000
2000
e você termina com esse tipo de coisa, certo?
12:10
And I think this applies across a very broad -- sort of, a lot of concepts.
243
730000
5000
E eu acho que isso se aplica a uma grande amplitude -- tipo, um monte de conceitos.
12:15
You know, Cameron Sinclair yesterday said,
244
735000
2000
Sabe, Cameron Sinclair falou ontem:
12:17
"How do I get everyone to collaborate on design
245
737000
2000
"Como eu faço todos colaborarem no projeto
12:19
globally to do housing for humanity?"
246
739000
3000
gobal de habitações para a humanidade?"
12:22
And if you've seen Amy Smith,
247
742000
2000
E se você viu a Amy Smith,
12:24
she talks about how you get students at MIT
248
744000
4000
ela falou sobre como você pega estudantes do MIT
12:28
to work with communities in Haiti.
249
748000
2000
para trabalhar com comunidades no Haiti.
12:30
And I think we have to sort of redefine and rethink
250
750000
2000
E eu acho que nós temos que como redefinir e repensar
12:32
how we define structure and materials and assembly things,
251
752000
4000
como definimos estruturas e materiais e a construção das coisas,
12:36
so that we can really share the information
252
756000
2000
de forma que possamos realmente compartilhar a informação
12:38
on how you do those things in a more profound way
253
758000
2000
em como você pode fazer essas coisas de uma forma mais profunda
12:40
and build on each other's source code for structure.
254
760000
3000
e construir sobre o código aberto das estruturas dos outros.
12:43
I don't know exactly how to do this yet,
255
763000
1000
Eu não sei ainda como fazer isso,
12:44
but, you know, it's something being actively thought about.
256
764000
5000
mas, sabe, é algo que está sendo pensado ativamente.
12:49
So, you know, that leads to questions
257
769000
2000
Sabe, isso nos leva a algumas questões
12:51
like, is this a compiler? Is this a sub-routine?
258
771000
4000
como, isso é um compilador? É uma sub-rotina?
12:55
Interesting things like that.
259
775000
1000
Coisas interessantes como essas.
12:56
Maybe I'm getting a little too abstract, but you know,
260
776000
3000
Talvez eu estou sendo um pouco abstrato demais, mas sabe,
12:59
this is the sort of -- returning to our comic characters --
261
779000
3000
isso é tipo de -- retornando para nossos personagens cômicos --
13:02
this is sort of the universe, or a different universe view,
262
782000
2000
isso é como o universo, e uma perspectiva diferente do universo
13:04
that I think is going to be very prevalent in the future --
263
784000
2000
que eu penso que será muito difundida no futuro --
13:06
from biotech to materials assembly. It was great to hear Bill Joy.
264
786000
3000
de biotech para contrução de materiais. Seria muito bom ouvir Bill Joy.
13:09
They're starting to invest in materials science,
265
789000
3000
Eles estão começando a investir na ciência de materiais,
13:12
but these are the new things in materials science.
266
792000
2000
mas essas são as novidades na ciência de materiais.
13:14
How do we put real information and real structure into new ideas,
267
794000
4000
Como colocamos informações reais e estruturas reais em novas idéias,
13:18
and see the world in a different way? And it's not going to be binary code
268
798000
3000
e ver o mundo de uma forma diferente? E não será o código binário
13:21
that defines the computers of the universe --
269
801000
2000
que define os computadores do universo --
13:23
it's sort of an analog computer.
270
803000
2000
é um tipo de computador analógico.
13:25
But it's definitely an interesting new worldview.
271
805000
5000
Mas isto é definitivamente uma nova e interessante visão de mundo.
13:30
I've gone too far. So that sounds like it's it.
272
810000
3000
Eu fui muito longe. Então parece que é isso.
13:33
I've probably got a couple of minutes of questions,
273
813000
2000
Eu provavelmente tenho alguns minutos para perguntas,
13:35
or I can show -- I think they also said that I do extreme stuff
274
815000
4000
ou posso mostrar -- acho que eles também falam que eu faço coisas extremas
13:39
in the introduction, so I may have to explain that.
275
819000
4000
na introdução, então posso explicar isso.
13:43
So maybe I'll do that with this short video.
276
823000
3000
Então talvez farei isso com este vídeo curto.
13:46
So this is actually a 3,000-square-foot kite,
277
826000
6000
Essa é realmente uma pipa de 300 metros quadrados,
13:52
which also happens to be a minimal energy surface.
278
832000
2000
que também é uma superfície de energia mínima.
13:54
So returning to the droplet, again,
279
834000
2000
Então voltando para aquela gota, novamente,
13:56
thinking about the universe in a new way.
280
836000
2000
pensando sobre o universo de um novo modo.
13:58
This is a kite designed by a guy called Dave Kulp.
281
838000
2000
Esta pipa foi projetada por um cara chamado Dave Kulp.
14:00
And why do you want a 3,000-square-foot kite?
282
840000
2000
E por que você iria querer uma pipa de 300 metros quadrados?
14:02
So that's a kite the size of your house.
283
842000
2000
E essa é uma pipa do tamanho da sua casa.
14:04
And so you want that to tow boats very fast.
284
844000
4000
E você iria querer ela para puxar barcos rapidamente.
14:08
So I've been working on this a little, also,
285
848000
3000
E tenho trabalhado nisso, também,
14:11
with a couple of other guys.
286
851000
2000
com alguns outros rapazes.
14:13
But, you know, this is another way to look at the --
287
853000
2000
Mas sabe, é uma outra forma de olhar para --
14:15
if you abstract again,
288
855000
2000
se você abstrair novamente,
14:17
this is a structure that is defined by the physics of the universe.
289
857000
4000
esta é uma estrutura que está definida na física do universo.
14:21
You could just hang it as a bed sheet,
290
861000
1000
Você pode apenas usá-la como lençol para a cama,
14:22
but again, the computation of all the physics
291
862000
2000
mas novamente, a computação de toda a física
14:24
gives you the aerodynamic shape.
292
864000
2000
lhe dará uma forma aerodinâmica.
14:26
And so you can actually sort of almost double your boat speed
293
866000
3000
E você pode realmente quase dobrar a velocidade de seu barco
14:29
with systems like that. So that's sort of another interesting aspect of the future.
294
869000
7000
com sistemas como estes. Então esse é um tipo de outros aspectos interessantes do futuro.
14:36
(Applause)
295
876000
1000
(Aplausos)
Sobre este site

Este site apresentará a você vídeos do YouTube que são úteis para o aprendizado do inglês. Você verá aulas de inglês ministradas por professores de primeira linha de todo o mundo. Clique duas vezes nas legendas em inglês exibidas em cada página de vídeo para reproduzir o vídeo a partir daí. As legendas rolarão em sincronia com a reprodução do vídeo. Se você tiver algum comentário ou solicitação, por favor, entre em contato conosco usando este formulário de contato.

https://forms.gle/WvT1wiN1qDtmnspy7