Dnes bych vám rád ukázal budoucnost toho, jak se tvoří věci. Věřím, že brzy se budou budovy a stroje vytvářet, množit a opravovat samy. Ukáži vám, jak dnes vypadá průmyslová výroba, a poté ji porovnám s přírodními systémy.
Today I'd like to show you the future of the way we make things. I believe that soon our buildings and machines will be self-assembling, replicating and repairing themselves. So I'm going to show you what I believe is the current state of manufacturing, and then compare that to some natural systems.
Dnes máme mrakodrapy -- dva a půl roku, 500 000 až milion součástek, dosti složité, máme zajímavé nové technologie zpracování oceli, betonu a skla. Máme velice zajímavé stroje, které nás dostanou do vesmíru -- 5 let, 2,5 milionu součástek.
So in the current state of manufacturing, we have skyscrapers -- two and a half years [of assembly time], 500,000 to a million parts, fairly complex, new, exciting technologies in steel, concrete, glass. We have exciting machines that can take us into space -- five years [of assembly time], 2.5 million parts.
Na druhou stranu, když se podíváme na přírodní systémy, máme proteiny, kterých jsou 2 milionů typů a rozmnoží se za 10 000 nanosekund. Dále tu je DNA s 3 miliardami párů bází, které se zdvojnásobí za přibližně hodinu. Přírodní systémy jsou tedy velice složité, ale zároveň vysoce účinné, mnohem účinnější a mnohem složitější než cokoliv, co jsme schopni postavit. Jsou mnohem účinnější energeticky. Málokdy chybují. A účinně se spravují po dlouhou dobu.
But on the other side, if you look at the natural systems, we have proteins that have two million types, can fold in 10,000 nanoseconds, or DNA with three billion base pairs we can replicate in roughly an hour. So there's all of this complexity in our natural systems, but they're extremely efficient, far more efficient than anything we can build, far more complex than anything we can build. They're far more efficient in terms of energy. They hardly ever make mistakes. And they can repair themselves for longevity.
Přírodní systémy jsou tedy velice zajímavé. A pokud bychom byli schopni si z nich vzít to nejlepší a použít to v našem světě, pak pro nás skrývají obrovský potenciál ve způsobu, jakým tvoříme věci. A to si myslím, že je klíčem k sebekonstrukci.
So there's something super interesting about natural systems. And if we can translate that into our built environment, then there's some exciting potential for the way that we build things. And I think the key to that is self-assembly.
Pokud tedy chceme využít sebekonstrukce v našem fyzickém prostředí, musíme počítat se 4 klíčovými faktory. Zaprvé potřebujeme rozluštit komplexitu toho, co chceme vytvořit -- budovy a stroje. A potřebujeme je rozdělit do jednoduchých částí -- v podstatě DNA toho, jak budovy fungují. Dále potřebujeme programovatelné součástky, které mohou použít ony části k vytvoření něčeho nového nebo k přeměně. Potřebujeme energii, která nám dovolí vše aktivovat a dovolí sestavení podle programu. A nakonec potřebujeme něco, co se bude zabývat chybami, abychom se ujistili, že se tvoří to, co chceme.
So if we want to utilize self-assembly in our physical environment, I think there's four key factors. The first is that we need to decode all of the complexity of what we want to build -- so our buildings and machines. And we need to decode that into simple sequences -- basically the DNA of how our buildings work. Then we need programmable parts that can take that sequence and use that to fold up, or reconfigure. We need some energy that's going to allow that to activate, allow our parts to be able to fold up from the program. And we need some type of error correction redundancy to guarantee that we have successfully built what we want.
Nyní vám ukáži několik projektů, na kterých se svými kolegy z MIT pracuji v rámci sebekonstrukce. První dva projekty jsou MacroBot a DeciBot. Jsou to velcí programovatelní roboti -- 250 až 350 cm dlouhé proteiny. Je v nich zabudovaná elektronika, senzory. Vy naprogramujete, do čeho chcete aby se seskládali, do řady úhlů -- takže -120°, -120°, 0, 0, 120°, -120° -- něco podobného. Tedy řadu úhlů či záhybů. Tu pošlete celým řetězcem. Každá jednotka obdrží svou informaci -- tedy -120°. Jednotka se podle toho otočí a zkontroluje pozici a poté pošle informace dál.
So I'm going to show you a number of projects that my colleagues and I at MIT are working on to achieve this self-assembling future. The first two are the MacroBot and DeciBot. So these projects are large-scale reconfigurable robots -- 8 ft., 12 ft. long proteins. They're embedded with mechanical electrical devices, sensors. You decode what you want to fold up into, into a sequence of angles -- so negative 120, negative 120, 0, 0, 120, negative 120 -- something like that; so a sequence of angles, or turns, and you send that sequence through the string. Each unit takes its message -- so negative 120 -- it rotates to that, checks if it got there and then passes it to its neighbor.
Na tomto projektu pracovali špičkoví vědci, inženýři a projektanti. A myslím, že nás to nutí se ptát: Je to realizovatelné? Myslím tím, tisíce dolarů, mnoho hodin práce vedlo k vytvoření tohoto 250 cm velkého robota. Jsme schopni to přenést na větší věci? Můžeme zakomponovat robotiku do každé součástky? Další věcí je pasivní charakter, neboli pokus o programovatelnost rekonfigurace. Ale jde to ještě dál a jsou zde pokusy o počty. V podstatě to zahrnuje nejzákladnější pilíř programování, digitální logický člen, přímo do součástek.
So these are the brilliant scientists, engineers, designers that worked on this project. And I think it really brings to light: Is this really scalable? I mean, thousands of dollars, lots of man hours made to make this eight-foot robot. Can we really scale this up? Can we really embed robotics into every part? The next one questions that and looks at passive nature, or passively trying to have reconfiguration programmability. But it goes a step further, and it tries to have actual computation. It basically embeds the most fundamental building block of computing, the digital logic gate, directly into your parts.
Toto je tedy NAND logický člen. Tento čtyřstěn je logickým členem, který provádí výpočty, a vy máte dva čtyřstěny jako vstupní zdroje. Jeden z nich představuje vstup od uživatele, když jej skládáte. Druhý je předchozí díl, který jste zasadili. Výstup máte ve 3D. To znamená, že uživatel může naprogramovat, co chce, aby se ze součástek utvořilo. Výpočty jsou založeny na minulých procesech a na tom, co chcete, aby vzniklo. A poté se to začne pohybovat ve třech dimenzích -- nahoru a dolů. Takže nalevo -- vstup [1,1] znamená výstup 0, tedy dolů. Napravo -- vstup [0,0] je výstup 1, takže nahoru. To znamená, že tyto konstrukce nyní obsahují plány toho, co má být postaveno.
So this is a NAND gate. You have one tetrahedron which is the gate that's going to do your computing, and you have two input tetrahedrons. One of them is the input from the user, as you're building your bricks. The other one is from the previous brick that was placed. And then it gives you an output in 3D space. So what this means is that the user can start plugging in what they want the bricks to do. It computes on what it was doing before and what you said you wanted it to do. And now it starts moving in three-dimensional space -- so up or down. So on the left-hand side, [1,1] input equals 0 output, which goes down. On the right-hand side, [0,0] input is a 1 output, which goes up. And so what that really means is that our structures now contain the blueprints of what we want to build.
Takže obsahují informaci o tom, co bylo postaveno. To umožní autonomní replikaci. V tomto případě tomu říkám autonomně řízená duplikace, protože konstrukce samotná obsahuje přesné plány. Když dojde k chybě, část vyměníte. Všechny informace o tom, jak chybu opravit, jsou zahrnuty. Takže byste mohli mít něco, co v průběhu čte a přímo tvoří výstup. Vše je uvnitř, nejsou zde externí pokyny.
So they have all of the information embedded in them of what was constructed. So that means that we can have some form of self-replication. In this case I call it self-guided replication, because your structure contains the exact blueprints. If you have errors, you can replace a part. All the local information is embedded to tell you how to fix it. So you could have something that climbs along and reads it and can output at one to one. It's directly embedded; there's no external instructions.
Poslední projekt, který vám ukážu, je Biased Chains. Je to asi to nejvíce strhující, co zatím v oblasti sebekonstrukce existuje. Využívá to rekonfigurace a programovatelnosti a tvoří to zcela pasivní systém. Takže máte řetězec prvků. Prvky jsou stejné a závislé. Každý řetězec, nebo každý prvek, se chce otočit buď doleva nebo doprava. Vy tedy utvoříte řetězec, vlastně ho naprogramujete. Každému prvku řeknete, jak se má natočit. Když řetězcem trhnete, uspořádá se do podoby, kterou jste předprogramovali -- v tomto případě do spirály nebo v tomto případě do dvou krychlí vedle sebe. Můžete tedy naprogramovat libovolný trojrozměrný tvar -- jednorozměrný či dvourozměrný -- to vše pasivně.
So the last project I'll show is called Biased Chains, and it's probably the most exciting example that we have right now of passive self-assembly systems. So it takes the reconfigurability and programmability and makes it a completely passive system. So basically you have a chain of elements. Each element is completely identical, and they're biased. So each chain, or each element, wants to turn right or left. So as you assemble the chain, you're basically programming it. You're telling each unit if it should turn right or left. So when you shake the chain, it then folds up into any configuration that you've programmed in -- so in this case, a spiral, or in this case, two cubes next to each other. So you can basically program any three-dimensional shape -- or one-dimensional, two-dimensional -- up into this chain completely passively.
Takže co nám toto vše napovídá o budoucnosti? Myslím, že nám to naznačuje, že zde jsou nové možnosti sebekonstrukce, replikace a oprav v budovách, strojích a dalších konstrukcích. Jedná se o nový typ programovatelnosti. Z toho jsou odvozeny nové možnosti pro počítače. Bude existovat prostorové programování. Představte si, že by budovy, mosty, stroje a všechny jejich součásti mohly samostatně pracovat. Je to úžasná paralelní distribuovaná výpočetní síla. Tolik nových možností. Má to úžasný potenciál. To, co jsem vám ukázal, jsou pouze malé krůčky vstříc této budoucnosti, pokud zavedeme tyto nové technologie světa sebekonstrukce.
So what does this tell us about the future? I think that it's telling us that there's new possibilities for self-assembly, replication, repair in our physical structures, our buildings, machines. There's new programmability in these parts. And from that you have new possibilities for computing. We'll have spatial computing. Imagine if our buildings, our bridges, machines, all of our bricks could actually compute. That's amazing parallel and distributed computing power, new design possibilities. So it's exciting potential for this. So I think these projects I've showed here are just a tiny step towards this future, if we implement these new technologies for a new self-assembling world.
Děkuji.
Thank you.
(Potlesk)
(Applause)