Σήμερα θα ήθελα να σας δείξω πως θα φτιάχνουμε αντικείμενα στο μέλλον. Πιστεύω ότι σύντομα τα κτίσματα και οι μηχανές μας θα είναι αυτοσυναρμολογούμενα, αντιγράφοντας και επισκευάζοντας τους εαυτούς τους. Θα σας δείξω λοιπόν ποια πιστεύω ότι είναι η σημερινή κατάσταση στις κατασκευές και μετά θα την συγκρίνω με μερικά φυσικά συστήματα.
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.
Έτσι, στην παρούσα φάση των κατασκευών, έχουμε ουρανοξύστες -- δυόμιση χρόνια για κατασκευή, 500.000 έως ένα εκατομμύριο απάρτια, -- αρκετά πολύπλοκο, νέες και συναρπαστικές τεχνολογίες στους τομείς του χάλυβα, του σκυροδέματος, του υάλου. Έχουμε συναρπαστικές μηχανές που μπορούν να μας πάνε στο διάστημα -- 5 χρόνια για κατασκευή και 2,5 εκατομμύρια απάρτια.
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.
Αλλά, από την άλλη μεριά, εάν δείτε τα φυσικά συστήματα, έχουμε πρωτεΐνες που έχουν δύο εκατομμύρια τύπους, μπορούν να αναδιπλωθούν σε 10.000 νανοδευτερόλεπτα ή το DNA με 3 δισεκατομμύρια ζεύγη βάσεων που μπορούμε να αντιγράψουμε το πολύ σε μια ώρα. Υπάρχει λοιπόν όλη αυτή η πολυπλοκότητα στα φυσικά μας συστήματα, αλλά είναι εξαιρετικά αποτελεσματική, πολύ πιο αποτελεσματική από οτιδήποτε μπορούμε να δημιουργήσουμε, πολύ πιο πολύπλοκη από οτιδήποτε μπορούμε να δημιουργήσουμε. Είναι μακράν πιο αποδοτικά από άποψη ενέργειας. Σπάνια κάνουν λάθη. Και μπορούν να επιδιορθώσουν τον εαυτό τους για μακροζωία.
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.
Υπάρχει λοιπόν, κάτι πολύ ενδιαφέρον στα φυσικά συστήματα. Και εάν το μεταφέρουμε αυτό στο δομημένο μας περιβάλλον, τότε υπάρχουν πολλές συναρπαστικές δυνατότητες για τον τρόπο που δημιουργούμε αντικείμενα. Και πιστεύω ότι το κλειδί σε αυτό είναι η αυτοσυναρμολόγηση.
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.
Εάν λοιπόν θέλουμε να την υλοποιήσουμε στο φυσικό μας περιβάλλον, πιστεύω ότι υπάρχουν τέσσερις βασικοί παράγοντες. Ο πρώτος είναι ότι πρέπει να αποκωδικοποιήσουμε όλη την πολυπλοκότητα αυτού που θέλουμε να δημιουργήσουμε -- κτίρια και μηχανές δηλαδή. Και πρέπει να κάνουμε την αποκωδικοποίηση σε απλές ακολουθίες -- βασικά το DNA για το πως λειτουργούν τα κτίριά μας. Μετά, χρειαζόμαστε προγραμματιζόμενα απάρτια που να μπορούν να πάρουν αυτές τις ακολουθίες και να τις χρησιμοποιήσουν για να αναδιπλωθούν ή να επαναρρυθμιστούν. Χρειαζόμαστε κάποιου είδους ενέργεια που θα τους επιτρέψει να ενεργοποιηθούν, επιτρέποντας στα απάρτια να αναδιπλωθούν με βάση το πρόγραμμα. Και χρειαζόμαστε κάποιου είδους ελέγχου και διόρθωσης σφαλμάτων που θα εγγυηθεί ότι έχουμε χτίσει με επιτυχία αυτό που θέλουμε.
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.
Θα σας δείξω λοιπόν, κάποια προγράμματα στα οποία οι συνάδελφοί μου και εγώ στο ΜΙΤ εργαζόμαστε για να πετύχουμε την αυτοσυναρμολόγηση στο μέλλον. Τα πρώτα δυο είναι τα MacroBot και DeciBot. Αυτά λοιπόν τα προγράμματα είναι αναδιαρθρώσιμα ρομπότ μεγάλης κλίμακας -- 2,5 μέτρα, 3,5 μέτρα μήκος πρωτεϊνών. Είναι ενσωματωμένα με μηχανικές ηλεκτρικές συσκευές, αισθητήρες. Αποκωδικοποιούμε το πως θέλουμε να αναδιπλωθεί, σε μια ακολουθία από γωνίες -- όπως αρνητική 120 μοίρες, αρνητική 120 μοίρες, 0 μοίρες, 0 μοίρες, 120 μοίρες, αρνητική 120 μοίρες -- κάπως έτσι, μια ακολουθία από γωνίες ή στροφές, η οποία στέλνεται σε σειρά. Κάθε μονάδα λαμβάνει το μήνυμά της -- έστω αρνητική 120 μοίρες. Περιστρέφεται τόσο, ελέγχει εάν έφτασε εκεί και μετά το μεταφέρει στη γειτονική της μονάδα.
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.
Αυτοί είναι λοιπόν οι λαμπροί επιστήμονες, μηχανικοί, σχεδιαστές που δούλεψαν σε αυτό το πρόγραμμα. Και πιστεύω ότι πραγματικά αναδεικνύει το ερώτημα: Είναι αυτό πραγματικά κλιμακούμενο; Δηλαδή, χιλιάδες δολάρια, πάρα πολλές ανθρωποώρες χρειάστηκαν για να δημιουργηθεί αυτό το δυόμιση μέτρων ρομπότ. Μπορούμε να το κλιμακώσουμε; Μπορούμε πραγματικά να ενσωματώσουμε τη ρομποτική σε κάθε απάρτιο; Το επόμενο πρόγραμμα το αμφισβητεί αυτό και εξετάζει τον παθητικό χαρακτήρα ή παθητικά προσπαθεί να κάνει προγραμματιστική επανόρθωση. Αλλά πάει ένα βήμα παραπέρα και προσπαθεί να κάνει πραγματικούς υπολογισμούς. Βασικά ενσωματώνει το πιο θεμελιώδες δομικό στοιχείο της πληροφορικής, την ψηφιακή λογική πύλη, απευθείας στα απάρτια.
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.
Αυτή λοιπόν είναι μια πύλη NAND. Έχετε ένα τετράεδρο που είναι η πύλη και πρόκειται να κάνει τους υπολογισμούς και έχετε δυο τετράεδρα εισόδου. Το ένα είναι η είσοδος από το χρήστη, καθώς τοποθετούνται οι δομικές μονάδες. Το άλλο είναι από την προηγούμενη δομική μονάδα που τοποθετήθηκε. Και μετά μας δίνει το αποτέλεσμα στον τρισδιάστατο χώρο. Αυτό λοιπόν σημαίνει ότι ο χρήστης μπορεί να ξεκινήσει την εισαγωγή του τι θέλει να κάνουν οι δομικές μονάδες. Υπολογίζει αυτό που έκανε πριν και τι του είπατε να κάνει. Και τώρα αρχίζει και περιστρέφεται στο χώρο, πάνω ή κάτω. Έτσι, έχουμε στα αριστερά, η είσοδος [1,1] δίνει έξοδο 0, που πηγαίνει κάτω. Στη δεξιά πλευρά, η είσοδος [0,0] δίνει έξοδο 1, που πηγαίνει πάνω. Αυτό λοιπόν πραγματικά σημαίνει ότι οι δομές μας περιέχουν τα κατασκευαστικά σχέδια αυτού που θέλουμε να κατασκευάσουμε.
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.
Έχουν λοιπόν ενσωματωμένη όλη την πληροφορία του τι κατασκευάστηκε. Αυτό σημαίνει ότι μπορούμε να έχουμε κάποιου είδους αυτο-αντιγραφής. Σε αυτή την περίπτωση την ονομάζω αυτο-καθοδηγούμενη αντιγραφή, επειδή η δομή περιέχει τα ακριβή κατασκευαστικά σχέδια. Εάν υπάρχουν σφάλματα, μπορείτε να αντικαταστήσετε τη δομική μονάδα. Όλη η τοπική πληροφορία είναι ενσωματωμένη και θα σας πει πως να το επιδιορθώσετε. Θα μπορούσατε δηλαδή να έχετε κάτι που καθώς ανεβαίνει την διαβάζει και μπορεί να την εξάγει μία προς μία. Είναι πλήρως ενσωματωμένη, δεν υπάρχουν εξωτερικές οδηγίες.
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.
Το τελευταίο πρόγραμμα που θα σας δείξω ονομάζεται Biased Chains και πιθανότατα είναι το πιο συναρπαστικό παράδειγμα που έχουμε αυτή τη στιγμή για τα παθητικά αυτοσυναρμολογούμενα συστήματα. Παίρνει την επαναρρύθμιση και τον προγραμματισμό και τα καθιστά ένα πλήρες παθητικό σύστημα. Βασικά, έχουμε μια αλυσίδα από στοιχεία. Κάθε στοιχείο είναι ολόιδιο και είναι πολωμένα. Έτσι, κάθε αλυσίδα ή κάθε στοιχείο, θέλει να περιστραφεί αριστερά ή δεξιά. Όπως λοιπόν συναρμολογείτε την αλυσίδα, αυτό που κάνετε βασικά είναι να την προγραμματίζετε. Λέτε σε κάθε δομική μονάδα εάν πρέπει να περιστραφεί δεξιά ή αριστερά. Όταν λοιπόν ανακινείτε την αλυσίδα, αυτή αναδιπλώνεται στο σχήμα που την έχετε προγραμματίσει -- όπως σε αυτή την περίπτωση μια σπείρα ή σε αυτή την περίπτωση, δύο κύβοι ο ένας δίπλα στον άλλον. Μπορείτε λοιπόν να προγραμματίσετε οποιοδήποτε τρισδιάστατο σχήμα ή μονοδιάστατο, δισδιάστατο -- επάνω σε αυτή την αλυσίδα τελείως παθητικά.
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.
Τι μας λέει αυτό για το μέλλον; Πιστεύω ότι μας δείχνει ότι υπάρχουν νέες δυνατότητες για αυτοσυναρμολόγηση, αντιγραφή, επισκευή στις φυσικές μας δομές, τα κτίρια, τις μηχανές. Υπάρχει νέα δυνατότητα προγραμματισμού σε αυτές τις περιοχές. Και λόγω αυτού έχουμε νέες δυνατότητες για την πληροφορική. Θα έχουμε χωρικούς υπολογιστές. Φανταστείτε τα κτίριά μας, γέφυρες, μηχανές, όλα μας τα δομικά υλικά να μπορούν να κάνουν υπολογισμούς. Αυτή είναι καταπληκτική παράλληλη και κατανεμημένη υπολογιστική ισχύς, νέες δυνατότητες σχεδιασμού. Υπάρχουν λοιπόν εξαιρετικές προοπτικές γι' αυτό. Πιστεύω λοιπόν ότι τα προγράμματα που σας παρουσίασα είναι ένα μικρό βήμα προς το μέλλον, εάν εφαρμόσουμε αυτές τις νέες τεχνολογίες για ένα νέο αυτοσυναρμολογούμενο κόσμο.
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.
Σας ευχαριστώ.
Thank you.
(Χειροκρότημα)
(Applause)