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.
Այսօր ցանկանում եմ ձեզ ցույց տալ իրերի ստեղծման ապագայի եղանակները: Ես հավատում եմ, որ շուտով մեր շենքներն ու մեքենաները ինքնուրույն համակարգվող կլինեն, ինքնուրույն կվերարտադրվեն և իրենք իրենց կնորոգեն: Այսպես, ես պատրաստվում եմ ձեզ ցույց տալ այն, ինչ գտնում եմ, որ ներկայիս արտադրության զարգացվածության վիճակն է, որը, այնուհետև, կհամեմատենք որոշ բնական համակարգերի հետ:
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.
Այսպիսով, արտադրության ներկայիս վիճակում, մենք ունենք երկնաքերեր. երկուսուկես տարի, 500,000-ից ավել մաս, բավականին բարդ է, նոր և հետաքրքիր տեխնոլոգիաներ` պողպատե, բետոնե, ապակե: Մենք ունենք հիանալի մեքենաներ, որ կարող են մեզ տիեզերք տանել. 5 տարի, 2.5 միլիոն մաս:
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.
Սակայն մյուս կողմից, եթե նայենք բնական համակարգերին, մենք ունենք սպիտակուցներ, որ երկու միլիոն տեսակի են, որոնք կարող են քայքայվել 10,000 նանո-վայրկյանում; կամ վերցնենք 3 միլիարդ մոլեկուլ պարունակող ԴՆԹ-ն, որ մոտ մեկ ժամվա ընթացքում կարող ենք վերարտադրել: Այսպիսով, այս ամբողջ բարդությունը մեր բնական համակարգերում է, սակայն սրա հետ մեկտեղ կան չափազանց կարևոր բաներ ևս, շատ ավելի կարևոր, քան որևէ այլ բան, որ մենք կարող ենք կառուցել, շատ ավելի բարդ, քան որևէ այլ բան, որ մենք կարող ենք ստեղծել: Էներգիայի տեսանկյունից սրանք շատ ավելի արդյունավետ են: Վերջիններս հազվադեպ են սխալվում: Եվ դրանք կարող են իրենք իրենց վերանորոգել` ապահովելով երկարատևություն:
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.
Այսպիսով, մեր բնական համակարգերում իրոք շատ հետաքրքիր մի բան կա: Եվ եթե կարողանանք դա հաղորդել մեր կառուցվող շրջակա միջավայրում, ապա հետաքրքիր պոտենցիալ կգտնենք այն բանի մեջ, թե ինչպես ենք մենք կառուցում իրերը: Ես գտնում եմ, որ դրա լուծումը ինքնուրույն համակարգումն է:
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.
Այսինքն, եթե ցանկանում ենք օգտագործել ինքնուրույն համակարգումը մեր ֆիզիկական միջավայրում, կարծում եմ, որ պետք է օգտագործենք դրա համար նախատեսված 4 կարևոր գործոնները: Առաջինն այն է, որ մենք պետք է բացահայտենք այն ամենի բարդությունը, ինչ ցանկանում ենք կառուցել, այսինքն` մեր շենքներնի ու մեքենաների: Այնուհետև, մենք պետք է վերածենք դա հասարակ հաջորդականության` հիմանկանում տեսնելու համար մեր կառույցների աշխատանքի ԴՆԹ-ն: Հետևապես, մեզ անրհաժեշտ են ծրագրավորվող մասեր, որոնք կարող են ամրապնդել այդ հաջորդականությունը, որից հետո դա կօգտագործվի միավորման կամ վերակարգավորման համար: Այդ գործընթացը կատարելու համար մեզ անհրաժեշտ է որոշակի էներգիա, որը թույլ կտա այս մասնիկներին միավորվել հենց ծրագրից: Մեզ նաև անհրաժեշտ է սխալները ուղղող որոշակի ռեզերվային համակարգ, երաշխավորելու համար, որ մենք կառուցել ենք այն, ինչ ուզում էինք:
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.
Այսպիսով, ես պատրաստվում եմ ձեզ ցույց տալ մի շարք ծրագրեր, որոնց վրա իմ գործընկերներն ու ես աշխատել ենք Մասաչուսեթսի տեխնոլոգիական ինստիտուտում` ապագայում այս ինքնահամակարգմանը հասնելու համար: Դրանցից առաջին երկուսը MacroBot-ն ու DeciBot-ն են: Այս ծրագրերը լայնածավալ վերակոնֆիգուրացվող ռոբոտներ են` 2,5 և 3,5 մետր երկարությամբ: Նրանցում ներդրված են մեխանիկական էլեկտրական սարքավորումներ, սենսորներ: Դուք հավաքում եք այն, ինչ ցանկանում եք միավորել անկյունների հաջորդականությամբ, մինուս 120, մինուս 120, 0, 0, 120, մինուս 120. սրա պես մի բան; այսպիսով, ստացանք անկյունների կամ պտույտների հաջորդականություն, որից հետո, լարի միջոցով փոխանցում եք այդ հաջորդականությանը: Յուրաքանչյուր բլոկ ստանում է իր հաղորդագրությունը. այն է` մինուս 120: Այն պտտվում է այդ անկյունով, ստուգում արդյոք ամեն ինչ ճիշտ է և այնուհետև փոխանցում դա իր հարևան բլոկին:
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.
Ահա այն հրաշալի գիտնականները, ճարտարագետները, դիզայներները, ովքեր աշխատում են այս ծրագրի վրա: Եվ ես կարծում եմ, որ սա ի հայտ է բերում հետևյալ հարցերը. Իսկ դա իրականում ընդլայնելի՞ է: Ի նկատի ունեմ, հազարավոր դոլարների, շատ-շատերի ժամանկի ծախսը հանգեցրել է 2,5 մետր երկարությամբ ռոբոտի ստեղծմանը: Կկարողանա՞նք դրա մասշտաբը ընդլայնել: Իրականում կկարողանա՞նք ներդնել ռոբոտատեխնիկան դրա յուրաքանչյուր մասում: Հաջորդը նախագիծը լուծում է այդ հարցը, և դիտարկում դրա պասիվ բնույթը կամ պասիվ կերպով փորձում է ապահովել վերակոնֆիգուրացման ծրագրավորման ունակությունը: Սակայն դա շարժվում է առաջ և փորձում է ունենալ փաստացի հաշվարկում: Դա իր հիմքում ունի հաշվարկների ամենահիմնային շինարարական բլոկը, թվային ինտեգրալ սխեմայի տրամաբանական տարրը անմիջապես յուրաքանչյուր մասի մեջ:
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.
Սա «ԵՎ-ՈՉ» տարրն է: Դուք ունեք մեկ տարր` քառանիստ, որը կկատարի բոլոր հաշվարկը, և երկու քառանիստեր` մուտքագրման համար: Դրանցից մեկը` օգտագորողի կողմից ինֆորմացիայի մուտքագրման համար, այնպես ինչպես աղյուսներ եք շարում: Հաջորդը` նախորդ շարված աղյուսից ինֆորմացիա ստանալու համար: Որից հետո այն արտաբերում է ինֆորմացիան եռաչափ տարածության մեջ: Այսպիսով, սա նշանակում է, որ օգտվողը կարող է սկսել աշխատեցնել աղյուսների տեղափոխությունը ցանկալի ուղղությամբ: Նրա հաշվարկները հիմնվում են այն բանի վրա, թե ինչ է արվել մինչ արդ և նրա, թե ինչ եք նրան ասել, որ անի: Իսկ այժմ այն սկսում է շարժվել եռաչափ տարածության մեջ, վերև կամ ներքև: Այսպիսով ձախ կողմում, [1,1] մուտքագրումը ելքում հավասար է 0, շարժ դեպի ներքև: Աջ կողմում [0,0] մուտքագրումը ելքում հավասար է 1, որը նշանակում է շարժ դեպի վեր: Սրանից հետևում է, որ այժմ մեր կառույցները ունեն գծագրեր այն ամենի համար, ինչ մենք ցանկանում ենք կառուցել:
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.
Այսինքն, այն ամբողջ տեղեկատվությունը, թե ինչ է կառուցվելու, դրանք կուտակել են իրենց մեջ: Սա նշանակում է, որ մենք կարող ենք ունենալ ինքնաարտադրման որոշակի ձև: Ես դա կոչում եմ ինքնակառավարվող վերարտադրություն, քանի որ կառույցներն ունեն հստակ գծագրեր: Եթե սխալ տեղի ունենա, դուք կարող եք փոխարինել տվյալ մասը: Ամբողջ առկա տեղեկատվությունը հուշում է ձեզ, ինչպես այն վերանորոգել. Այսպիսով, դուք կարող եք ունենալ մի բան, որ տեղաշարժվում և կարդում է ինֆորմացիա և կարող է այն փոխանցել իր մի մասից մյուսին: Դա ուղղակիորեն ներկառուցված է, չկա արտաքին և ոչ մի հրահանգ:
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.
Ուստի վերջին նախագիծը, որ ես ձեզ ցույց կտամ կոչվում է «Biased Chains», և հավանաբար դա ամենահուզիչ օրինակն է, այն բանի, որ մենք այսօր ունենք, պասիվ ինքնուրույն հավաքվող համագարգերի օրինակներից: Հետևաբար դա ունի վերակոնֆիգուրացման և ծրագրավորման հնարավորություն, որ ստեղծում է ամպողջապես պասիվ համակարգ: Այսպիսով, հիմքում ունենք տարրերի շղթա: Բոլոր տարրերը լիովին նույնական են, և որոշակիորեն շեղված: Այսինքն` յուրաքանչյուչ շղթա, կամ տարր, շարժվում է աջ կամ ձախ: Եվ երբ դուք համախմբում եք շղթան, դուք, ըստ էության, ծրագրավորում եք այն: Դուք հրաման եք տալիս յուրաքանչյուր միավորին, որ այն շարժվի աջ կամ ձախ: Այսպես, երբ դուք շարժում եք շղթան, այն վերափոխվում է ցանկացած փոխդասավորության, որ դուք ծրագրավորել եք` օրինակ սրա դեպքում ստանում ենք պարույրագիծ, կամ այս մյուսը` իրար կողք երկու խորանարդ է: Այսպիսով, դուք կարող եք ծրագրավորել ցանկացած եռաչափ ձև, կամ միաչափ, երկչափ և այլ ձևեր` այս ամբողջովին պասիվ շղթաներից:
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.
Ի՞նչ է մեզ սա ասում ապագայի մասին: Կարծում եմ, սա մեզ ասում է, որ մեր ֆիզիկական կառույցների, մեր շենքերի և մեքենաների համար կան ինքնահամախմբման, կրկնօրինակման, նորոգման նոր հնարավորություններ: Այս մասերը նոր ծրագրավորման կարողություն ունեն: Սրա շնորհիվ դուք ունեք նոր հնարավորություններ հաշվարկների համար: Մենք կունենանք տարածական համակարգիչներ: Պատկերացրեք, եթե մեր շենքերը, կամուրջները, մեքենաները, մեր բոլոր աղյուսները իրականում կարողանային հաշվարկել անել: Սա զարմանալի զուգահեռ է և հաշվարկման դասակարգված ուժ, նախագծման նոր հնարավորություններ: Այսպիսով, սա իրոք հետաքրքիր պոտենցիալ է: Կարծում եմ, որ այս նախագծերը, որ ձեզ ցույց տվեցի, ընդամենը փոքրիկ քայլ են դեպի մեր ապագան, իհարկե, եթե մենք ներդնենք այս նոր տեխնոլոգիաները նոր ինքնահամակարգվող աշխարհի համար:
Thank you.
Շնորհակալություն:
(Applause)
(Ծափահարություններ)