Skylar Tibbits: Can we make things that make themselves?

75,792 views ・ 2011-09-01

TED


Dubbelklicka på de engelska undertexterna nedan för att spela upp videon.

Översättare: Johan Cegrell Granskare: Matti Jääaro
00:15
Today I'd like to show you
0
15260
2000
Idag skulle jag vilja visa er
00:17
the future of the way we make things.
1
17260
2000
framtiden för hur vi tillverkar saker.
00:19
I believe that soon our buildings and machines
2
19260
2000
Jag tror att snart kommer våra byggnader och maskiner
00:21
will be self-assembling,
3
21260
2000
att vara självbyggande,
00:23
replicating and repairing themselves.
4
23260
2000
återskapande och reparera sig själva.
00:25
So I'm going to show you
5
25260
2000
Så jag kommer att visa för er
00:27
what I believe is the current state of manufacturing,
6
27260
2000
vad jag anser är den nuvarande nivån av tillverkning
00:29
and then compare that to some natural systems.
7
29260
3000
och sedan jämnföra det med några naturlig system.
00:32
So in the current state of manufacturing, we have skyscrapers --
8
32260
3000
Så bland det som tillverkas just nu, har vi skyskrapor --
00:35
two and a half years [of assembly time],
9
35260
2000
två och ett halvt år,
00:37
500,000 to a million parts,
10
37260
2000
500.000 till en miljon delar,
00:39
fairly complex,
11
39260
2000
ganska komplext,
00:41
new, exciting technologies in steel, concrete, glass.
12
41260
3000
nya och spännande tekniker inom stål, betong, glas.
00:44
We have exciting machines
13
44260
2000
Vi har spännande maskiner
00:46
that can take us into space --
14
46260
2000
som kan ta oss ut i rymden --
00:48
five years [of assembly time], 2.5 million parts.
15
48260
3000
fem år, 2.5 miljoner delar.
00:51
But on the other side, if you look at the natural systems,
16
51260
3000
Men å andra sidan, om ni tittar på de naturliga systemen,
00:54
we have proteins
17
54260
2000
så har vi protein
00:56
that have two million types,
18
56260
2000
som har två miljoner olika typer,
00:58
can fold in 10,000 nanoseconds,
19
58260
2000
kan vikas på 10,000 nanosekunder,
01:00
or DNA with three billion base pairs
20
60260
2000
eller DNA med tre miljoner baspar
01:02
we can replicate in roughly an hour.
21
62260
3000
som vi kan återskapa inom cirka en timme.
01:05
So there's all of this complexity
22
65260
2000
Där finns all denna komplexitet
01:07
in our natural systems,
23
67260
2000
i våra naturliga system,
01:09
but they're extremely efficient,
24
69260
2000
men de är extremt effektiva,
01:11
far more efficient than anything we can build,
25
71260
2000
mycket mer effektiva än något vi kan bygga,
01:13
far more complex than anything we can build.
26
73260
2000
mycket mer komplexa än något vi kan bygga.
01:15
They're far more efficient in terms of energy.
27
75260
2000
De är långt mer effektiva avseende energi.
01:17
They hardly ever make mistakes.
28
77260
3000
De gör nästan aldrig misstag.
01:20
And they can repair themselves for longevity.
29
80260
2000
Och de kan reparera sig för lång livslängd.
01:22
So there's something super interesting about natural systems.
30
82260
3000
Därmed finns det något superintressant med naturliga system.
01:25
And if we can translate that
31
85260
2000
Och om vi kan översätta det
01:27
into our built environment,
32
87260
2000
in i vår byggnationsmiljö,
01:29
then there's some exciting potential for the way that we build things.
33
89260
2000
så finns det en del spännande potential för sättet vi bygger saker.
01:31
And I think the key to that is self-assembly.
34
91260
3000
Och jag tror att nyckeln till det är självbyggande.
01:34
So if we want to utilize self-assembly in our physical environment,
35
94260
3000
Om vi vill använda självbyggande i vår fysiska miljö,
01:37
I think there's four key factors.
36
97260
2000
tror jag att det finns fyra nyckelfaktorer.
01:39
The first is that we need to decode
37
99260
2000
Den första är att vi måste avkoda
01:41
all of the complexity of what we want to build --
38
101260
2000
all den komplexitet i det vi vill bygga --
01:43
so our buildings and machines.
39
103260
2000
som våra byggnader och maskiner.
01:45
And we need to decode that into simple sequences --
40
105260
2000
Och vi behöver avkoda det till enkla sekvenser --
01:47
basically the DNA of how our buildings work.
41
107260
2000
i grund och botten ett DNA för hur våra byggnader fungerar.
01:49
Then we need programmable parts
42
109260
2000
Sedan behöver vi programmerbara delar
01:51
that can take that sequence
43
111260
2000
som kan ta den sekvensen
01:53
and use that to fold up, or reconfigure.
44
113260
3000
och använda den till att vikas, eller omformas.
01:56
We need some energy that's going to allow that to activate,
45
116260
3000
Vi behöver någon form av energi som tillåter det att aktiveras,
01:59
allow our parts to be able to fold up from the program.
46
119260
3000
möjliggör för våra delar att vikas ut ur programmet.
02:02
And we need some type of error correction redundancy
47
122260
2000
Och vi behöver någon form av felkorrigering som säkerhetsåtgärd
02:04
to guarantee that we have successfully built what we want.
48
124260
3000
som garanterar att vi lyckats bygga det vi ville.
02:07
So I'm going to show you a number of projects
49
127260
2000
Jag kommer att visa er ett antal projekt
02:09
that my colleagues and I at MIT are working on
50
129260
2000
som mina kollegor och jag på MIT jobbar med
02:11
to achieve this self-assembling future.
51
131260
2000
för att uppnå framtidens självbyggande.
02:13
The first two are the MacroBot and DeciBot.
52
133260
3000
De första två är MacroBot och DeciBot.
02:16
So these projects are large-scale reconfigurable robots --
53
136260
4000
Dessa projekt är storskaliga omformbara robotar --
02:20
8 ft., 12 ft. long proteins.
54
140260
3000
8 fot, 12 fot långa proteiner.
02:23
They're embedded with mechanical electrical devices, sensors.
55
143260
3000
De har inbyggda mekaniska och elektriska apparater, sensorer.
02:26
You decode what you want to fold up into,
56
146260
2000
Man avkodar vad man vill vika upp den som,
02:28
into a sequence of angles --
57
148260
2000
i en sekvens av vinklar --
02:30
so negative 120, negative 120, 0, 0,
58
150260
2000
negativ 120, negativ 120, 0, 0,
02:32
120, negative 120 -- something like that;
59
152260
3000
120, negativ 120 -- något sånt där;
02:35
so a sequence of angles, or turns,
60
155260
2000
till en sekvens av vinklar, eller vridningar,
02:37
and you send that sequence through the string.
61
157260
3000
och man skickar den sekvensen genom hela raden.
02:40
Each unit takes its message -- so negative 120 --
62
160260
3000
varje enhet tar sitt meddelande -- t.ex. negativ 120.
02:43
it rotates to that, checks if it got there
63
163260
2000
Den roterar till det, kontrollerar att den kom dit
02:45
and then passes it to its neighbor.
64
165260
3000
och skickar sedan vidare till sin granne.
02:48
So these are the brilliant scientists,
65
168260
2000
Detta är de briljanta forskare,
02:50
engineers, designers that worked on this project.
66
170260
2000
ingejörer, designers som arbetade med detta projektet.
02:52
And I think it really brings to light:
67
172260
2000
Och jag tror att det belyser;
02:54
Is this really scalable?
68
174260
2000
Är det verkligen skalbart?
02:56
I mean, thousands of dollars, lots of man hours
69
176260
2000
jag menar, tusentals dollar, massor av arbetade timmar
02:58
made to make this eight-foot robot.
70
178260
3000
för att skapa denna 8 fots robot.
03:01
Can we really scale this up? Can we really embed robotics into every part?
71
181260
3000
Kan vi verkligen skala up denna? Kan vi verkligen bygga in robotar i varje del?
03:04
The next one questions that
72
184260
2000
Den nästa ställer den frågan
03:06
and looks at passive nature,
73
186260
2000
och tittar på den passiva naturen,
03:08
or passively trying to have reconfiguration programmability.
74
188260
3000
eller försöker passivt att ha omformbarhet programmerbart.
03:11
But it goes a step further,
75
191260
2000
Men den går ett steg längre,
03:13
and it tries to have actual computation.
76
193260
2000
och försöker att ha med faktisk beräkning.
03:15
It basically embeds the most fundamental building block of computing,
77
195260
2000
I grunden bakar den in de grundläggande byggstenarna för beräkning,
03:17
the digital logic gate,
78
197260
2000
den digitala logiska grinden,
03:19
directly into your parts.
79
199260
2000
direkt i era delar.
03:21
So this is a NAND gate.
80
201260
2000
Detta är en NAND-grind.
03:23
You have one tetrahedron which is the gate
81
203260
2000
Ni har en tetraeder som är grinden
03:25
that's going to do your computing,
82
205260
2000
som kommer att göra beräkningarna,
03:27
and you have two input tetrahedrons.
83
207260
2000
och ni har två tetraeder för inmatning.
03:29
One of them is the input from the user, as you're building your bricks.
84
209260
3000
En av dem är till för inmatning från användaren, när ni bygger era block.
03:32
The other one is from the previous brick that was placed.
85
212260
3000
Den andra är till för det föregående blocket som placerades.
03:35
And then it gives you an output in 3D space.
86
215260
3000
Och sedan ger den ett resultat i 3D.
03:38
So what this means
87
218260
2000
Vad detta innebär
03:40
is that the user can start plugging in what they want the bricks to do.
88
220260
3000
är att användaren kan börja mata in vad de vill att blocken skall göra.
03:43
It computes on what it was doing before
89
223260
2000
Den räknar på vad den gjorde innan
03:45
and what you said you wanted it to do.
90
225260
2000
och vad ni sa att ni ville att den skulle göra.
03:47
And now it starts moving in three-dimensional space --
91
227260
2000
Och nu börjar den röra sig i tre dimansioner --
03:49
so up or down.
92
229260
2000
upp eller ner.
03:51
So on the left-hand side, [1,1] input equals 0 output, which goes down.
93
231260
3000
På vänster sida, [1,1] inmatat ger 0 i resultat, vilket betyder neråt.
03:54
On the right-hand side,
94
234260
2000
På högra sidan,
03:56
[0,0] input is a 1 output, which goes up.
95
236260
3000
[0,0] inmatat ger 1 i resultat, vilket betyder uppåt.
03:59
And so what that really means
96
239260
2000
Vad det verkligen betyder
04:01
is that our structures now contain the blueprints
97
241260
2000
är att vår byggnad nu innehåller ritningen
04:03
of what we want to build.
98
243260
2000
för vad vi vill bygga.
04:05
So they have all of the information embedded in them of what was constructed.
99
245260
3000
De har all information inom sig över vad som blev byggt.
04:08
So that means that we can have some form of self-replication.
100
248260
3000
Det betyder att vi kan ha någon form av självreplikering
04:11
In this case I call it self-guided replication,
101
251260
3000
I detta fallet kallar jag det för självstyrd replikering,
04:14
because your structure contains the exact blueprints.
102
254260
2000
eftersom er struktur innehåller de exakta ritningarna.
04:16
If you have errors, you can replace a part.
103
256260
2000
Om ni har felaktigheter, kan ni byta ut den delen.
04:18
All the local information is embedded to tell you how to fix it.
104
258260
3000
All lokal information är inlagd för att meddela er hur det skall fixas.
04:21
So you could have something that climbs along and reads it
105
261260
2000
Ni kan ha något som klättrar längsmed och läser den
04:23
and can output at one to one.
106
263260
2000
och kan ge information en till en.
04:25
It's directly embedded; there's no external instructions.
107
265260
2000
Det är direkt inbyggt; det finns inga yttre instruktioner.
04:27
So the last project I'll show is called Biased Chains,
108
267260
3000
Det sista projektet jag kommer visa är jäviga kedjor,
04:30
and it's probably the most exciting example that we have right now
109
270260
3000
och det är förmodligen det mest spännande exemplet vi har just nu
04:33
of passive self-assembly systems.
110
273260
2000
av passivt självbyggande system.
04:35
So it takes the reconfigurability
111
275260
2000
Det tar omformbarheten
04:37
and programmability
112
277260
2000
och programmerbarheten
04:39
and makes it a completely passive system.
113
279260
3000
och gör det till ett helt passivt system.
04:43
So basically you have a chain of elements.
114
283260
2000
I grunden har ni en kedja av element.
04:45
Each element is completely identical,
115
285260
2000
Varje element är helt identiskt,
04:47
and they're biased.
116
287260
2000
och de är jäviga.
04:49
So each chain, or each element, wants to turn right or left.
117
289260
3000
Varje kedja, eller varje element, vill vridas åt höger eller vänster.
04:52
So as you assemble the chain, you're basically programming it.
118
292260
3000
När ni sätter samma kedjan, programmerar ni den egentligen.
04:55
You're telling each unit if it should turn right or left.
119
295260
3000
Ni säger till varje del om den skall vridas höger eller vänster.
04:58
So when you shake the chain,
120
298260
3000
Så när ni skakar kedjan,
05:01
it then folds up
121
301260
2000
kommer den vikas
05:03
into any configuration that you've programmed in --
122
303260
3000
till varje konfigurering som ni programmerat in i den --
05:06
so in this case, a spiral,
123
306260
2000
i detta fallet, en spiral,
05:08
or in this case,
124
308260
3000
eller i detta fallet,
05:11
two cubes next to each other.
125
311260
3000
två kuber intill varandra.
05:14
So you can basically program
126
314260
2000
I grund och botten kan ni programmera
05:16
any three-dimensional shape --
127
316260
2000
vilken tredimensionel form --
05:18
or one-dimensional, two-dimensional -- up into this chain completely passively.
128
318260
3000
eller endimensionel, tvådimensionel -- in i denna kedjan helt passivt.
05:21
So what does this tell us about the future?
129
321260
2000
Vad säger detta oss om framtiden?
05:23
I think that it's telling us
130
323260
2000
Jag tror att det säger oss
05:25
that there's new possibilities for self-assembly, replication, repair
131
325260
3000
att det finns nya möjligheter för självbyggande, replikering, reparerande
05:28
in our physical structures, our buildings, machines.
132
328260
3000
inom våra fysiska strukturer, våra byggnader, maskiner.
05:31
There's new programmability in these parts.
133
331260
2000
Det finns ny programmerbarhet i dessa delar.
05:33
And from that you have new possibilities for computing.
134
333260
2000
Och därifrån får ni nya möjligheter inom beräkning.
05:35
We'll have spatial computing.
135
335260
2000
Vi har spatiell beräkning.
05:37
Imagine if our buildings, our bridges, machines,
136
337260
2000
Föreställ er om våra byggnader, våra broar, maskiner,
05:39
all of our bricks could actually compute.
137
339260
2000
alla era byggklossar faktiskt kunde beräkna.
05:41
That's amazing parallel and distributed computing power,
138
341260
2000
Det är fantastisk parallell och fördelad beräkningskraft,
05:43
new design possibilities.
139
343260
2000
nya designmöjligheter.
05:45
So it's exciting potential for this.
140
345260
2000
Det är spännande potential för detta.
05:47
So I think these projects I've showed here
141
347260
2000
Jag tror att de projekt jag har visat er
05:49
are just a tiny step towards this future,
142
349260
2000
bara är ett litet steg emot denna framtid,
05:51
if we implement these new technologies
143
351260
2000
om vi implementerar dessa nya teknologier
05:53
for a new self-assembling world.
144
353260
2000
till en ny självbyggande värld.
05:55
Thank you.
145
355260
2000
Tack så mycket.
05:57
(Applause)
146
357260
2000
(Applåder)
Om denna webbplats

På den här webbplatsen hittar du YouTube-videor som är användbara för att lära sig engelska. Du kommer att få se engelska lektioner som ges av förstklassiga lärare från hela världen. Dubbelklicka på de engelska undertexterna som visas på varje videosida för att spela upp videon därifrån. Undertexterna rullar i takt med videouppspelningen. Om du har några kommentarer eller önskemål kan du kontakta oss via detta kontaktformulär.

https://forms.gle/WvT1wiN1qDtmnspy7