ABOUT THE SPEAKER
Neil Gershenfeld - Physicist, personal fab pioneer
As Director of MIT’s Center for Bits and Atoms, Neil Gershenfeld explores the boundaries between the digital and physical worlds.

Why you should listen

MIT's Neil Gershenfeld is redefining the boundaries between the digital and analog worlds. The digital revolution is over, Gershenfeld says. We won. What comes next? His Center for Bits and Atoms has developed quite a few answers, including Internet 0, a tiny web server that fits into lightbulbs and doorknobs, networking the physical world in previously unimaginable ways.

But Gershenfeld is best known as a pioneer in personal fabrication -- small-scale manufacturing enabled by digital technologies, which gives people the tools to build literally anything they can imagine. His famous Fab Lab is immensely popular among students at MIT, who crowd Gershenfeld's classes. But the concept is potentially life-altering in the developing world, where a Fab Lab with just $20,000 worth of laser cutters, milling machines and soldering irons can transform a community, helping people harness their creativity to build tools, replacement parts and essential products unavailable in the local market. Read more in Fab: The Coming Revolution on Your Desktop.

More profile about the speaker
Neil Gershenfeld | Speaker | TED.com
TED2006

Neil Gershenfeld: Unleash your creativity in a Fab Lab

Neil Gershefeld habla acerca de los "Fab Labs"

Filmed:
871,282 views

Neil Gershefeld, profesor del Instituto Tecnológico de Massachusetts -MIT-, habla acerca de su Fab Lab - un laboratorio de bajo costo que le permite a la gente construir cosas que necesitan, usando herrramientas digitales y anlógicas. Es una idea simple pero con resultados de gran alcance.
- Physicist, personal fab pioneer
As Director of MIT’s Center for Bits and Atoms, Neil Gershenfeld explores the boundaries between the digital and physical worlds. Full bio

Double-click the English transcript below to play the video.

00:25
This meetingreunión has really been about a digitaldigital revolutionrevolución,
0
0
4000
Esta reunión realmente ha tratado sobre una revolución digital,
00:29
but I'd like to arguediscutir that it's donehecho; we wonwon.
1
4000
3000
pero quisiera argumentar que está terminada; hemos ganado.
00:33
We'veNosotros tenemos had a digitaldigital revolutionrevolución but we don't need to keep havingteniendo it.
2
8000
4000
Hemos tenido una revolución digital, pero no necesitamos seguir teniéndola.
00:37
And I'd like to look after that,
3
12000
2000
Y me gustaría mirar más allá de esto,
00:39
to look what comesproviene after the digitaldigital revolutionrevolución.
4
14000
3000
mirar lo que viene después de la revolución digital.
00:42
So, let me startcomienzo projectingsaliente forwardadelante.
5
17000
2000
Así que déjenme empezar a proyectar hacia el futuro.
00:44
These are some projectsproyectos I'm involvedinvolucrado in todayhoy at MITMIT,
6
19000
4000
Estos son algunos de los proyectos en los que estoy involucrado en el MIT (Massachusetts Institute of Technology)
00:48
looking what comesproviene after computersordenadores.
7
23000
3000
viendo lo que viene después de las computadoras.
00:51
This first one, InternetInternet ZeroCero, up here -- this is a webweb serverservidor
8
26000
5000
Lo primero, Internet Cero, aquí arriba -- esto es un servidor Web
00:56
that has the costcosto and complexitycomplejidad of an RFIDRFID tagetiqueta --
9
31000
3000
que tiene el coste y la complejidad de una etiqueta RFID (Identificación por Radiofrecuencia)
00:59
about a dollardólar -- that can go in everycada lightligero bulbbulbo and doorknobPerilla de la puerta,
10
34000
3000
alrededor de un dólar -- y que puede ir en cada bombilla y en cada pomo de una puerta,
01:02
and this is gettingconsiguiendo commercializedcomercializado very quicklycon rapidez.
11
37000
2000
y esto está siendo comercializado muy rápidamente.
01:04
And what's interestinginteresante about it isn't the costcosto;
12
39000
2000
Y lo que es interesante no es el coste;
01:06
it's the way it encodescodifica the InternetInternet.
13
41000
1000
es la forma en que codifica Internet.
01:07
It usesusos a kindtipo of a Morsemorse codecódigo for the InternetInternet
14
42000
3000
Utiliza una especie de código Morse para Internet
01:10
so you could sendenviar it opticallyópticamente; you can communicatecomunicar acousticallyacústicamente
15
45000
3000
así que puede enviarse ópticamente, puedes comunicarte acústicamente
01:13
throughmediante a powerpoder linelínea, throughmediante RFRF.
16
48000
2000
al través de una línea eléctrica, o por radiofrecuencia.
01:15
It takes the originaloriginal principleprincipio of the InternetInternet,
17
50000
2000
Toma el principio original de Internet,
01:17
whichcual is inter-networkinginterredes computersordenadores,
18
52000
2000
que es interconectar computadoras,
01:19
and now letsdeja devicesdispositivos inter-networkentre redes.
19
54000
3000
y ahora permite interconectar dispositivos.
01:22
That we can take the wholetodo ideaidea that gavedio birthnacimiento to the InternetInternet
20
57000
3000
Entonces, podemos tomar la idea entera que dio origen a Internet
01:25
and bringtraer it down to the physicalfísico worldmundo in this InternetInternet ZeroCero,
21
60000
3000
y traerla al mundo físico en esta Internet Cero,
01:28
this internetInternet of devicesdispositivos.
22
63000
2000
esta Internet de dispositivos.
01:30
So this is the nextsiguiente steppaso from there to here,
23
65000
2000
Así que este es el siguiente paso desde allí hasta aquí,
01:32
and this is gettingconsiguiendo commercializedcomercializado todayhoy.
24
67000
3000
y esto se está comercializando hoy.
01:35
A steppaso after that is a projectproyecto on fungiblefungible computersordenadores.
25
70000
5000
Un paso adelante es el proyecto de computadoras fungibles.
01:40
FungibleFungible goodsbienes in economicsciencias económicas can be extendedextendido and tradednegociado.
26
75000
3000
Los bienes económicos fungibles pueden ser extensibles y comercializables.
01:43
So, halfmitad as much graingrano is halfmitad as much usefulútil,
27
78000
2000
Así, la mitad de la cantidad de grano es la mitad de útil
01:45
but halfmitad a babybebé or halfmitad a computercomputadora is lessMenos usefulútil than
28
80000
3000
pero medio bebé o media computadora es mucho menos útil que
01:48
a wholetodo babybebé or a wholetodo computercomputadora,
29
83000
2000
un bebé completo o una computadora completa,
01:50
and we'venosotros tenemos been tryingmolesto to make computersordenadores that work that way.
30
85000
3000
y hemos estado tratando de hacer computadoras que trabajen de esa forma.
01:53
So, what you see in the backgroundfondo is a prototypeprototipo.
31
88000
2000
Así, lo que ven en el fondo es un prototipo.
01:55
This was from a thesistesis of a studentestudiante, BillCuenta ButowButow, now at IntelIntel,
32
90000
3000
Esto viene de la tesis de un estudiante, Bill Butow*, ahora en Intel,
01:58
who wonderedpreguntado why, insteaden lugar of makingfabricación biggermás grande and biggermás grande chipspapas fritas,
33
93000
3000
quien se preguntaba por qué, en lugar de hacer chips más y más grandes,
02:01
you don't make smallpequeña chipspapas fritas, put them in a viscousviscoso mediummedio,
34
96000
3000
no hacían chips pequeños, colocados en un medio viscoso,
02:04
and pourverter out computinginformática by the poundlibra or by the squarecuadrado inchpulgada.
35
99000
2000
y obtener capacidad de cómputo por kilos o centímetros cuadrados.
02:06
And that's what you see here.
36
101000
2000
Y eso es lo que ven aquí.
02:08
On the left was postscriptposdata beingsiendo renderedprestado by a conventionalconvencional computercomputadora;
37
103000
3000
A la izquierda ven postscript siendo procesado por una computadora convencional,
02:11
on the right is postscriptposdata beingsiendo renderedprestado from the first prototypeprototipo
38
106000
3000
a la derecha ven postscript siendo procesado por el primer prototipo que hicimos,
02:14
we madehecho, but there's no framemarco bufferbuffer, IOIO processorprocesador,
39
109000
4000
pero no tiene memoria intermedia, ni procesador de entrada/salida,
02:18
any of that stuffcosas -- it's just this materialmaterial.
40
113000
2000
nada de esas cosas - es sólo este material.
02:20
Unlikediferente a this screenpantalla where the dotspuntos are placedmetido carefullycuidadosamente,
41
115000
2000
A diferencia de esta pantalla en la que los puntos están colocados cuidadosamente,
02:22
this is a rawcrudo materialmaterial.
42
117000
1000
esto es materia prima.
02:23
If you addañadir twicedos veces as much of it, you have twicedos veces as much displaymonitor.
43
118000
3000
Si agregan el doble de este material, obtienen el doble de pantalla.
02:26
If you shootdisparar a gunpistola throughmediante the middlemedio, nothing happenssucede.
44
121000
3000
Si le disparan una pistola en la mitad, nada sucede.
02:29
If you need more resourcerecurso, you just applyaplicar more computercomputadora.
45
124000
4000
Si necesitas más recursos, sólo le aplicas más computadora.
02:33
So, that's the steppaso after this -- of computinginformática as a rawcrudo materialmaterial.
46
128000
3000
Así, este es el paso siguiente - la computación como materia prima.
02:36
That's still conventionalconvencional bitsbits, the steppaso after that is --
47
131000
3000
Aún son bits convencionales, el paso siguiente es -
02:39
this is an earliermás temprano prototypeprototipo in the lablaboratorio;
48
134000
2000
este es un prototipo anterior en el laboratorio,
02:41
this is high-speedalta velocidad videovídeo slowedralentizado down.
49
136000
2000
este es un video de alta velocidad proyectado a cámara lenta.
02:43
Now, integratingintegrando chemistryquímica in computationcálculo, where the bitsbits are bubblesburbujas.
50
138000
3000
Ahora, integrando química y computación, dónde los bits son burbujas.
02:46
This is showingdemostración makingfabricación bitsbits, this is showingdemostración --
51
141000
2000
Esto nos muestra cómo se hacen bits, esto está mostrando --
02:48
onceuna vez again, slowedralentizado down so you can see it,
52
143000
2000
de nuevo, a cámara lenta para que puedan verlo,
02:50
bitsbits interactinginteractuando to do logiclógica and multiplexingmultiplexación and de-multiplexingdesmultiplexado.
53
145000
4000
bits interactuando para hacer lógica, y multiplexación y de-multiplexación.
02:54
So, now we can computecalcular that the outputsalida arrangesarregla materialmaterial
54
149000
3000
Entonces, ahora podremos calcular que el producto final organize la materia
02:57
as well as informationinformación. And, ultimatelypor último, these are some slidesdiapositivas
55
152000
4000
al igual que información. Y, finalmente, estas son algunas diapositivas
03:01
from an earlytemprano projectproyecto I did, computinginformática where the bitsbits are storedalmacenado
56
156000
3000
de un proyecto que hice al principio, calculando dónde los bits son almacenados
03:04
quantum-mechanicallycuánticamente mecánicamente in the nucleinúcleos of atomsátomos, so
57
159000
3000
al nivel de mecánica cuántica en los núcleos de los átomos, por lo que
03:07
programsprogramas rearrangearreglar de nuevo the nuclearnuclear structureestructura of moleculesmoléculas.
58
162000
4000
los programas reorganizan la estrucutra nuclear de las moléculas.
03:11
All of these are in the lablaboratorio pushingemprendedor furtherpromover and furtherpromover and furtherpromover,
59
166000
4000
Y todo esto está en el laboratorio avanzando más y más y más,
03:15
not as metaphormetáfora but literallyliteralmente integratingintegrando bitsbits and atomsátomos,
60
170000
3000
no como una metáfora, sino literalmente integrando bits y átomos,
03:18
and they leaddirigir to the followingsiguiendo recognitionreconocimiento.
61
173000
3000
y eso nos lleva al siguiente reconocimiento.
03:21
We all know we'venosotros tenemos had a digitaldigital revolutionrevolución, but what is that?
62
176000
3000
Todos sabemos que hemos tenido una revolución digital, pero ¿qué es eso?
03:24
Well, ShannonShannon tooktomó us, in the '40s, from here to here:
63
179000
3000
Bueno, Shannon nos llevó, en los años cuarenta, desde aquí hasta aquí:
03:27
from a telephoneteléfono beingsiendo a speakeraltavoz wirecable that degradeddegradado with distancedistancia
64
182000
4000
de un teléfono como medio para hablar que se degradaba con la distancia
03:31
to the InternetInternet. And he proveddemostrado the first thresholdlímite theoremteorema, that showsmuestra
65
186000
4000
a Internet. Y probó el primer teorema del umbral, que muestra
03:35
if you addañadir informationinformación and removeretirar it to a signalseñal,
66
190000
3000
que si agregas información y se la quitas a una señal,
03:38
you can computecalcular perfectlyperfectamente with an imperfectimperfecto devicedispositivo.
67
193000
2000
puedes calcular perfectamente con un dispositivo imperfecto.
03:40
And that's when we got the InternetInternet.
68
195000
2000
Y fue entonces cuando llegamos a Internet.
03:42
VonVon NeumannNeumann, in the '50s, did the samemismo thing for computinginformática;
69
197000
3000
Von Neumann, en los cincuenta, hizo la misma cosa por la computación;
03:45
he showedmostró you can have an unreliableno fidedigno computercomputadora but restorerestaurar its stateestado
70
200000
3000
mostró como puedes tener un computador poco fiable pero recuperar su estado
03:48
to make it perfectPerfecto. This was the last great analogcosa análoga computercomputadora at MITMIT:
71
203000
4000
para hacerla perfecta. Esta fue el último gran computador analógico del MIT:
03:52
a differentialdiferencial analyzeranalizador, and the more you rancorrió it,
72
207000
2000
un analizador diferencial, y cuanto más lo ejecutabas,
03:54
the worsepeor the answerresponder got.
73
209000
2000
peor era la respuesta que obtenías.
03:56
After VonVon NeumannNeumann, we have the PentiumPentium, where the billionthbillonésimo transistortransistor
74
211000
3000
Despúes de Von Neumann, tuvimos la Pentium, donde el transistor mil millones
03:59
is as reliablede confianza as the first one.
75
214000
3000
es tan fiable como el primero.
04:02
But all our fabricationfabricación is down in this lowerinferior left corneresquina.
76
217000
3000
Pero toda nuestra fabricación está aquí abajo en la esquina inferior izquierda.
04:05
A state-of-the-artlo último airplaneavión factoryfábrica rotatinggiratorio metalmetal waxcera at fixedfijo metalmetal,
77
220000
3000
Una fábrica de aviones de última generación aplicando cera para metales a piezas fijas,
04:08
or you maybe meltderretir some plasticel plastico. A 10-billion-dollar-bilion de dolares chipchip fabfab
78
223000
3000
o tal vez derretir algún plástico. Una fábrica de chips de 10 mil millones de dólares
04:11
usesusos a processproceso a villagepueblo artisanartesano would recognizereconocer --
79
226000
3000
utiliza un proceso que el artesano de una aldea podría reconocer --
04:14
you spreaduntado stuffcosas around and bakehornear it.
80
229000
3000
esparces el material y lo horneas.
04:17
All the intelligenceinteligencia is externalexterno to the systemsistema;
81
232000
2000
Toda la inteligencia es externa al sistema;
04:19
the materialsmateriales don't have informationinformación.
82
234000
2000
los materiales no tienen información.
04:21
YesterdayAyer you heardoído about molecularmolecular biologybiología,
83
236000
3000
Ayer escuchaban sobre biología molecular,
04:24
whichcual fundamentallyfundamentalmente computescomputa to buildconstruir.
84
239000
2000
que fundamentalmente calcula para construir.
04:26
It's an informationinformación processingtratamiento systemsistema.
85
241000
2000
Es un sistema de procesamiento de información.
04:28
We'veNosotros tenemos had digitaldigital revolutionsrevoluciones in communicationcomunicación and computationcálculo,
86
243000
4000
Hemos tenido las revoluciones digitales en comunicación y cálculo,
04:32
but preciselyprecisamente the samemismo ideaidea, preciselyprecisamente the samemismo mathmates
87
247000
3000
pero precisamente la misma idea, precisamente la misma matemática
04:35
ShannonShannon and VonVon NeumanNeuman did, hasn'tno tiene yettodavía come out
88
250000
2000
que Shannon y Von Neumann tuvieron, aún no ha salido
04:37
to the physicalfísico worldmundo. So, inspiredinspirado by that,
89
252000
3000
del mundo físico. Así que, inspirados por ello,
04:40
colleaguescolegas in this programprograma -- the CenterCentrar for BitsBits and AtomsÁtomos
90
255000
2000
colegas en este programa -- El Centro para Bits y Átomos
04:42
at MITMIT -- whichcual is a groupgrupo of people, like me,
91
257000
3000
en el MIT -- que es un grupo de personas quienes, como yo,
04:45
who never understoodentendido the boundarylímite betweenEntre physicalfísico scienceciencia
92
260000
3000
nunca entendieron la frontera entre ciencia física
04:48
and computercomputadora scienceciencia. I would even go furtherpromover and say
93
263000
3000
y ciencia computacional. Iría aún más lejos y diría que
04:51
computercomputadora scienceciencia is one of the worstpeor things that ever happenedsucedió
94
266000
2000
la ciencia computacional es una de las peores cosas que jamás le sucedió
04:53
to eitherya sea computersordenadores or to scienceciencia --
95
268000
2000
tanto a los computadores como a la ciencia --
04:55
(LaughterRisa)
96
270000
1000
(Risas)
04:56
-- because the canoncanon -- computercomputadora scienceciencia --
97
271000
4000
-- porque el canon - ciencia computacional -
05:00
manymuchos of them are great but the canoncanon of computercomputadora scienceciencia
98
275000
2000
muchos de ellos son muy buenos pero el canon de la ciencia de computadores
05:02
prematurelyprematuramente frozecongelado a modelmodelo of computationcálculo
99
277000
3000
prematuramente fijó un modelo de computación
05:05
basedbasado on technologytecnología that was availabledisponible in 1950,
100
280000
3000
basado en la tecnología que estaba disponible en 1950,
05:08
and nature'sla naturaleza a much more powerfulpoderoso computercomputadora than that.
101
283000
2000
y la naturaleza es un computador mucho más poderoso que eso.
05:10
So, you'lltu vas a hearoír, tomorrowmañana, from SaulSaúl GriffithGriffith. He was one of the
102
285000
4000
Entonces, mañana escucharán de Saul Griffith. Él es uno de los
05:14
first studentsestudiantes to emergesurgir from this programprograma.
103
289000
3000
primeros estudiantes que terminaron este programa.
05:17
We startedempezado to figurefigura out how you can computecalcular to fabricatefabricar.
104
292000
3000
Empezamos a considerar cómo podrías "calcular para fabricar".
05:20
This was just a proofprueba of principleprincipio he did of tilesazulejos
105
295000
3000
Esto es sólo la prueba de un principio que hizo con mosaicos
05:23
that interactinteractuar magneticallymagnéticamente, where you writeescribir a codecódigo,
106
298000
2000
que interactúan magnéticamente, en los que escribes en código,
05:25
much like proteinproteína foldingplegable, that specifiesespecifica theirsu structureestructura.
107
300000
3000
muy parecido al plegamiento de las proteínas, que especifica su estructura.
05:28
So, there's no feedbackrealimentación to a toolherramienta metrologymetrología;
108
303000
3000
Así, no hay retroalimentación a una herramienta de metrología,
05:31
the materialmaterial itselfsí mismo codescódigos for its structureestructura in just the samemismo waysformas
109
306000
5000
el material se codifica a sí mismo por su estructura de la misma forma en que
05:36
that proteinproteína are fabricatedfabricado. So, you can, for exampleejemplo, do that.
110
311000
4000
las proteínas son fabricadas. Así, puedes, por ejemplo, hacer eso.
05:40
You can do other things. That's in 2D. It workstrabajos in 3D.
111
315000
3000
Puedes hacer otras cosas. Esto es en 2D. Funciona en 3D.
05:43
The videovídeo on the upperSuperior right -- I won'tcostumbre showespectáculo for time --
112
318000
2000
El video en la esquina superior derecha - que no mostraré por falta de tiempo -
05:45
showsmuestra self-replicationautorreplicación, templatingplantilla so something can make something
113
320000
4000
muestra auto-replicación, moldeado, para que algo pueda hacer algo
05:49
that can make something, and we're doing that now over, maybe,
114
324000
3000
que pueda hacer algo, y estamos haciendo eso ahora en, tal vez,
05:52
ninenueve orderspedidos of magnitudemagnitud. Those ideasideas have been used to showespectáculo
115
327000
3000
nueve órdenes de magnitud. Estas ideas han sido utilizadas para mostrar
05:55
the bestmejor fidelityfidelidad and directdirecto ratetarifa DNAADN to make an organismorganismo,
116
330000
3000
el ADN de mayor fidelidad y tasa directa para formar un organismo
05:58
in functionalizingfuncionalizando nanoclustersnanoclusters with peptidepéptido tailscruz
117
333000
3000
en funcionalización de nanoclusters con enlaces peptídicos
06:01
that codecódigo for theirsu assemblymontaje -- so, much like the magnetsimanes,
118
336000
2000
que codifican su ensamblaje. Así, funcionan muy parecido a los imanes,
06:03
but now on nanometernanómetro scalesescamas.
119
338000
2000
pero ahora en escalas nanométricas.
06:05
LaserLáser micro-machiningmicromecanizado: essentiallyesencialmente 3D printersimpresoras that digitallydigitalmente fabricatefabricar
120
340000
4000
Micromecanizado por láser: esencialmente impresoras 3D que fabrican digitalmente
06:09
functionalfuncional systemssistemas, all the way up to buildingedificio buildingsedificios,
121
344000
3000
sistemas funcionales, hasta incluso construir edificios,
06:12
not by havingteniendo blueprintsplanos,
122
347000
1000
no por medio de planos,
06:13
but havingteniendo the partspartes codecódigo for the structureestructura of the buildingedificio.
123
348000
3000
sino haciendo que las partes se codifiquen a si mismas para a la estructura del edificio.
06:16
So, these are earlytemprano examplesejemplos in the lablaboratorio of emergingemergentes technologiestecnologías
124
351000
5000
Así, estos son los primeros ejemplos en el laboratorio de tecnologías emergentes
06:21
to digitizedigitalizar fabricationfabricación. ComputersOrdenadores that don't controlcontrolar toolsherramientas
125
356000
4000
para digitalizar la fabricación. Computadoras que no controlan herramientas
06:25
but computersordenadores that are toolsherramientas, where the outputsalida of a programprograma
126
360000
4000
sino computadoras que son herramientas, en donde la salida de un programa
06:29
rearrangesreorganiza atomsátomos as well as bitsbits.
127
364000
4000
reordena los átomos así como los bits.
06:33
Now, to do that -- with your taximpuesto dollarsdólares, thank you --
128
368000
3000
Ahora, para hacer eso - con sus impuestos, muchas gracias -
06:36
I boughtcompró all these machinesmáquinas. We madehecho a modestmodesto proposalpropuesta
129
371000
4000
compré todas estas máquinas. Hemos hecho una modesta propuesta
06:40
to the NSFNSF. We wanted to be ablepoder to make anything on any lengthlongitud scaleescala,
130
375000
4000
a la Fundación Nacional para las Ciencias (NSF). Queríamos ser capaces de hacer cualquier cosa en cualquier escala,
06:44
all in one placelugar, because you can't segregatesegregar digitaldigital fabricationfabricación
131
379000
4000
todo en un lugar, porque no puedes separar la fabricación digital
06:48
by a disciplinedisciplina or a lengthlongitud scaleescala.
132
383000
2000
por disciplinas o por una escala de longitud.
06:50
So we put togetherjuntos focusedcentrado nanonano beamhaz writersescritores
133
385000
4000
Así que juntamos nano-rayos escritores enfocados
06:54
and supersonicsupersónico wateragua jetchorro cutterscortadores and excimerExcimer micro-machiningmicromecanizado systemssistemas.
134
389000
5000
y cortadores supersónicos de agua y sistemas de micro-mecanización de excímeros
06:59
But I had a problemproblema. OnceUna vez I had all these machinesmáquinas,
135
394000
3000
Pero tenía un problema. Una vez que tuve todas estas máquinas,
07:02
I was spendinggasto too much time teachingenseñando studentsestudiantes to use them.
136
397000
3000
perdía mucho tiempo en enseñar a los estudiantes cómo usarlas.
07:05
So I startedempezado teachingenseñando a classclase, modestlymodestamente calledllamado,
137
400000
2000
Así que empecé una clase, modestamente llamada,
07:07
"How To Make AlmostCasi Anything." And that wasn'tno fue meantsignificado to be provocativeprovocativo;
138
402000
3000
"Cómo hacer prácticamente todo". Y no pretendía ser provocativo,
07:10
it was just for a fewpocos researchinvestigación studentsestudiantes.
139
405000
2000
era solo para unos cuantos estudiantes de investigación.
07:12
But the first day of classclase lookedmirado like this.
140
407000
2000
Pero el primer día de clase se veía así.
07:14
You know, hundredscientos of people camevino in beggingmendicidad,
141
409000
2000
Ya saben, cientos de personas llegaron rogando,
07:16
all my life I've been waitingesperando for this classclase; I'll do anything to do it.
142
411000
3000
"toda mi vida esperé por esta clase, haré todo lo necesario para lograrlo".
07:19
Then they'dellos habrían askpedir, can you teachenseñar it at MITMIT? It seemsparece too usefulútil?
143
414000
3000
Entonces preguntaban, ¿puede enseñarlo en el MIT? ¿Parece muy útil?
07:22
And then the nextsiguiente --
144
417000
1000
Y entonces la siguiente --
07:23
(LaughterRisa)
145
418000
2000
(risas)
07:25
-- surprisingsorprendente thing was they weren'tno fueron there to do researchinvestigación.
146
420000
1000
-- cosa sorprendente era que no estaban allí para hacer investigación.
07:26
They were there because they wanted to make stuffcosas.
147
421000
2000
Ellos querían la clase porque querían hacer cosas.
07:28
They had no conventionalconvencional technicaltécnico backgroundfondo.
148
423000
4000
No tenían formación técnica convencional.
07:32
At the endfin of a semestersemestre they integratedintegrado theirsu skillshabilidades.
149
427000
2000
Y al final del semestre habían integrado sus capacidades.
07:34
I'll showespectáculo an oldantiguo videovídeo. KellyKelly was a sculptorescultor, and this is what she did
150
429000
4000
Les voy a mostrar un viejo video. Kelly era una escultora, y esto es lo que hizo
07:38
with her semestersemestre projectproyecto.
151
433000
2000
con su proyecto semestral.
07:40
(VideoVídeo): KellyKelly: HiHola, I'm KellyKelly and this is my screamgritar buddycompañero.
152
435000
3000
(Video): Kelly: Hola, soy Kelly y este es mi amigo gritón.
07:45
Do you ever find yourselftú mismo in a situationsituación
153
440000
3000
¿Te has encontrado alguna vez en una situación
07:48
where you really have to screamgritar, but you can't because you're at work,
154
443000
5000
en la que realmente necesitas gritar, pero no puedes porque estás en el trabajo,
07:53
or you're in a classroomaula, or you're watchingacecho your childrenniños,
155
448000
3000
o en un salón de clase, o estás cuidando a tus niños,
07:56
or you're in any numbernúmero of situationssituaciones where it's just not permittedpermitido?
156
451000
5000
o te encuentras en una de esas situaciones en las que simplemente no está permitido?
08:01
Well, screamgritar buddycompañero is a portableportátil spaceespacio for screaminggritando.
157
456000
4000
Bueno, el amigo gritón es un espacio portátil para gritar.
08:05
When a userusuario screamscarcajadas into screamgritar buddycompañero, theirsu screamgritar is silencedsilenciado.
158
460000
5000
Cuando un usuario grita en su amigo gritón, su grito es silenciado.
08:10
It is alsoademás recordedgrabado for laterluego releaselanzamiento where, when and how
159
465000
4000
También se graba para liberarlo posteriormente, donde, cuando y como
08:14
the userusuario chooseselige.
160
469000
1000
el usuario elija.
08:36
(ScreamGritar)
161
491000
2000
(Grito)
08:39
(LaughterRisa) (ApplauseAplausos)
162
494000
4000
(Risas)(Aplausos)
08:43
So, EinsteinEinstein would like this.
163
498000
2000
Bien, a Einstein le gustaría esto.
08:45
This studentestudiante madehecho a webweb browsernavegador for parrotsloros --
164
500000
1000
Este estudiante hizo un navegador Web para loros --
08:46
letsdeja parrotsloros surfnavegar the NetRed and talk to other parrotsloros.
165
501000
3000
que le permite a los loros navegar la red y hablar con otros loros.
08:49
This student'sestudiante madehecho an alarmalarma clockreloj you wrestleluchar
166
504000
2000
Este estudiante hizo un reloj despertador con el que luchas
08:51
to proveprobar you're awakedespierto; this is one that defendsdefiende --
167
506000
2000
para demostrar que estás despierto. Este es uno que defiende --
08:53
a dressvestir that defendsdefiende your personalpersonal spaceespacio.
168
508000
2000
un traje que defiende tu espacio personal.
08:55
This isn't technologytecnología for communicationcomunicación;
169
510000
2000
Esto no es tecnología para la comunicación;
08:57
it's technologytecnología to preventevitar it.
170
512000
2000
es tecnología para prevenirla.
08:59
This is a devicedispositivo that letsdeja you see your musicmúsica.
171
514000
3000
Este es un dispositivo que te permite ver tu música.
09:02
This is a studentestudiante who madehecho a machinemáquina that makeshace machinesmáquinas,
172
517000
3000
Este es un estudiante que hizo una máquina que hace máquinas,
09:05
and he madehecho it by makingfabricación LegoLego bricksladrillos that do the computinginformática.
173
520000
3000
y la construyó haciendo Lego Bricks® que hacen los cálculos.
09:08
Just yearaño after yearaño -- and I finallyfinalmente realizeddio cuenta
174
523000
2000
Esto es año tras año -- y finalmente me di cuenta
09:10
the studentsestudiantes were showingdemostración the killerasesino appaplicación of personalpersonal fabricationfabricación
175
525000
4000
que los estudiantes estaban mostrando que la aplicación definitiva de la fabricación personal
09:14
is productsproductos for a marketmercado of one personpersona.
176
529000
2000
es productos para un mercado de una persona.
09:16
You don't need this for what you can get in Wal-MartWal-Mart;
177
531000
2000
No necesitas esto para lo que puedes encontrar en tiendas Wal-Mart;
09:18
you need this for what makeshace you uniqueúnico.
178
533000
1000
necesitas esto para lo que te hace único.
09:19
KenConocido OlsenOlsen famouslyfamosamente said, nobodynadie needsnecesariamente a computercomputadora in the home.
179
534000
4000
Ken Olsen (CEO de DEC en 1977) célebremente dijo, "nadie necesita una computadora en su casa".
09:23
But you don't use it for inventoryinventario and payrollnómina de sueldos;
180
538000
2000
Pero no se usa para inventarios o nóminas
09:25
DECDIC is now twicedos veces bankruptarruinado. You don't need personalpersonal fabricationfabricación
181
540000
3000
DEC está ahora doblemente en bancarrota. No necesitas fabricación personal
09:28
in the home to buycomprar what you can buycomprar because you can buycomprar it.
182
543000
2000
en la casa para comprar lo que puedes comprar porque puedes comprarlo.
09:30
You need it for what makeshace you uniqueúnico, just like personalizationpersonalización.
183
545000
4000
Lo necesitas para lo que te hace único, como la personalización.
09:34
So, with that, in turngiro, 20 millionmillón dollarsdólares todayhoy does this;
184
549000
4000
Entonces, con esto, a su vez, 20 millones de dólares hoy hacen esto,
09:38
20 yearsaños from now we'llbien make StarEstrella TrekEmigrar replicatorsreplicadores that make anything.
185
553000
4000
dentro de 20 años vamos a hacer replicadores de Star Trek que hacen cualquier cosa.
09:42
The studentsestudiantes hijackedsecuestrado all the machinesmáquinas I boughtcompró to do personalpersonal fabricationfabricación.
186
557000
4000
Los estudiantes "secuestraron" todas las máquinas que compré para hacer fabricación personal.
09:46
TodayHoy, when you spendgastar that much of your moneydinero,
187
561000
2000
Hoy en día, cuando gasta tanto de su dinero,
09:48
there's a governmentgobierno requirementrequisito to do outreachsuperar a, whichcual oftena menudo meansmedio
188
563000
3000
hay un requisito del gobierno para hacer divulgación, que normalmente significa
09:51
classesclases at a locallocal schoolcolegio, a websitesitio web -- stuffcosas that's just not that excitingemocionante.
189
566000
3000
clases en la escuela local, un sitio web, cosas que no son tan emocionantes.
09:54
So, I madehecho a dealacuerdo with my NSFNSF programprograma managersgerentes that
190
569000
4000
Por lo tanto, hice un trato con mi directores de programa de la NSF
09:58
insteaden lugar of talkinghablando about it, I'd give people the toolsherramientas.
191
573000
2000
que en lugar de hablar de ello, le daría a la gente las herramientas.
10:00
This wasn'tno fue meantsignificado to be provocativeprovocativo or importantimportante,
192
575000
2000
Esto no estaba destinado a ser provocativo o importante,
10:02
but we put togetherjuntos these FabFab LabsLabs. It's about 20,000 dollarsdólares in equipmentequipo
193
577000
4000
pero creamos estos Fab Labs (Laboratorios Fabulosos). Son aproximadamente 20.000 dólares en equipo
10:06
that approximateaproximado bothambos what the 20 millionmillón dollarsdólares does and where it's going.
194
581000
5000
que se aproximan tanto a lo que los 20 millones de dólares hacen como a donde se dirigen.
10:11
A laserláser cuttercortador to do press-fitpress-fit assemblymontaje with 3D from 2D,
195
586000
3000
Un cortador láser para hacer montaje "press-fit" (ajustado a presión) con 3D a partir de 2D,
10:14
a signfirmar cuttercortador to plottrama in coppercobre to do electromagneticselectromagnetismo,
196
589000
2000
un plotter de corte para trazar en cobre para hacer electromagnetismo,
10:16
a micronmicrón scaleescala,
197
591000
2000
un micrómetro,
10:18
numerically-controlledcontrolado numéricamente millingmolienda machinemáquina for precisepreciso structuresestructuras,
198
593000
2000
una fresadora controlada numéricamente para estructuras precisas,
10:20
programmingprogramación toolsherramientas for lessMenos than a dollardólar,
199
595000
3000
herramientas de programación por menos de un dólar,
10:23
100-nanosecond-nanosegundo microcontrollersmicrocontroladores. It letsdeja you work from micronsmicrones
200
598000
3000
microcontroladores de 100 nanosegundos, te permiten trabajar desde micro
10:26
and microsecondsmicrosegundos on up, and they explodedexplotó around the worldmundo.
201
601000
4000
y milisegundos en adelante, y explotaron en todo el mundo.
10:30
This wasn'tno fue scheduledprogramado, but they wentfuimos from inner-citycentro de la ciudad BostonBostón
202
605000
2000
No estaba planificado, pero fueron de los suburbios de Boston
10:32
to PobalPobal in IndiaIndia, to Secondi-TakoradiSecondi-Takoradi on Ghana'sGhana coastcosta
203
607000
4000
a Pobal en la India, a Secondi-Takoradi en la costa de Ghana
10:36
to SoshanguveSoshanguve in a townshipmunicipio in SouthSur AfricaÁfrica,
204
611000
3000
a Soshanguve en un poblado en Sudáfrica,
10:39
to the farlejos northnorte of NorwayNoruega, uncoveringdescubriendo, or helpingración uncoverdescubrir,
205
614000
4000
al extremo norte de Noruega, descubriendo, o ayudando a descubrir,
10:43
for all the attentionatención to the digitaldigital dividedividir,
206
618000
3000
por toda la atención a la brecha digital,
10:46
we would find unusedno usado computersordenadores in all these placeslugares.
207
621000
4000
nos encontraríamos con computadoras sin uso en todos estos lugares.
10:50
A farmeragricultor in a ruralrural villagepueblo -- a kidniño needsnecesariamente to measuremedida and modifymodificar
208
625000
3000
Un granjero en un pueblo rural - un niño necesita medir y modificar
10:53
the worldmundo, not just get informationinformación about it on a screenpantalla.
209
628000
4000
el mundo, no sólo obtener información sobre él en una pantalla.
10:57
That there's really a fabricationfabricación and an instrumentationinstrumentación dividedividir
210
632000
2000
Que hay realmente una brecha de fabricación e instrumentación
10:59
biggermás grande than the digitaldigital dividedividir.
211
634000
3000
más grande que la brecha digital
11:02
And the way you closecerca it is not IT for the massesmasas but IT developmentdesarrollo for the massesmasas.
212
637000
3000
Y la manera de cerrarla no es TI (Tecnologías de la Información) para las masas, sino de desarrollo de TI para las masas.
11:05
So, in placelugar after placelugar
213
640000
3000
De esta forma, lugar tras lugar
11:08
we saw this samemismo progressionprogresión: that we'dmie openabierto one of these FabFab LabsLabs,
214
643000
3000
vimos la misma progresión: que habíamos abierto uno de estos Fab Labs,
11:11
where we didn't -- this is too crazyloca to think of.
215
646000
3000
donde -- nosotros no -- esto es muy loco para pensar en ello.
11:14
We didn't think this up, that we would get pulledtirado to these placeslugares;
216
649000
3000
Nosotros no planeamos todo esto, que seríamos llevados a estos lugares,
11:17
we'dmie openabierto it. The first steppaso was just empowermentempoderamiento.
217
652000
2000
donde lo habíamos abierto. El primer paso fue solamente darle el poder a la gente.
11:19
You can see it in theirsu facecara, just this joyalegría of, I can do it.
218
654000
3000
Puedes verlo en sus caras, simplemente esa alegría de "puedo hacerlo".
11:22
This is a girlniña in inner-citycentro de la ciudad BostonBostón who had just donehecho a high-techalta tecnología
219
657000
2000
Esta es una niña de los suburbios de Boston que acababa de hace una venta de
11:24
on-demandBajo demanda craftarte saleventa in the innerinterior cityciudad communitycomunidad centercentrar.
220
659000
4000
artesanías de alta tecnología bajo demanda en el centro comunitario de la ciudad.
11:28
It goesva on from there to seriousgrave hands-onlas manos en technicaltécnico educationeducación
221
663000
4000
Va de allí a la educación técnica práctica seria,
11:32
informallyinformalmente, out of schoolsescuelas. In GhanaGhana we had setconjunto up one of these labslaboratorios.
222
667000
5000
informalmente, fuera de las escuelas. En Ghana hemos levantado uno de estos laboratorios
11:37
We designeddiseñado a networkred sensorsensor, and kidsniños would showespectáculo up
223
672000
2000
Diseñamos un sensor de redes, y los niños aparecían
11:39
and refusedesperdicios to leavesalir the lablaboratorio.
224
674000
1000
y rehusaban irse del laboratorio.
11:40
There was a girlniña who insistedinsistió we staypermanecer latetarde at night --
225
675000
3000
Había una niña que insistió en que nos quedásemos hasta tarde por la noche --
11:43
(VideoVídeo): KidsNiños: I love the FabFab LabLaboratorio.
226
678000
2000
(Video): Niños: Me encanta el Fab Lab.
11:45
-- her first night in the lablaboratorio because she was going to make the sensorsensor.
227
680000
3000
-- en su primera noche en el laboratorio porque iba a construir el sensor.
11:48
So she insistedinsistió on fabbingfabbing the boardtablero, learningaprendizaje how to stuffcosas it,
228
683000
3000
Así que insistió en fabricar el circuito impreso, aprendiendo como armarlo,
11:51
learningaprendizaje how to programprograma it. She didn't really know
229
686000
2000
aprendendiendo como programarlo. Ella no sabía realmente
11:53
what she was doing or why she was doing it, but she knewsabía
230
688000
2000
lo que estaba haciendo o por qué lo hacía, pero sabía
11:55
she just had to do it. There was something electriceléctrico about it.
231
690000
3000
que tenía que hacerlo. Había algo de eléctrico en ello.
11:58
This is latetarde at, you know, 11 o'clocken punto at night
232
693000
2000
Esto es tarde, ¿saben?, a las 11 en punto de la noche
12:00
and I think I was the only personpersona surprisedsorprendido when what she builtconstruido
233
695000
3000
y creo que yo era la única persona sorprendida cuando lo que construyó
12:03
workedtrabajó the first time.
234
698000
2000
funcionó la primera vez.
12:05
And I've shownmostrado this to engineersingenieros at biggrande companiescompañías, and they say
235
700000
2000
Y he mostrado esto a ingenieros en grandes compañías, y ellos dicen
12:07
they can't do this. Any one thing she's doing, they can do better,
236
702000
3000
que no pueden hacerlo. Cualquier cosa que ella esté haciendo, ellos pueden hacerla mejor,
12:10
but it's distributedrepartido over manymuchos people and manymuchos sitessitios
237
705000
3000
pero está distribuido entre mucha gente y muchos sitios
12:13
and they can't do in an afternoontarde
238
708000
1000
y no pueden hacer en una tarde
12:14
what this little girlniña in ruralrural GhanaGhana is doing.
239
709000
3000
lo que está haciendo esta niña de una zona rural de Ghana.
12:33
(VideoVídeo): GirlNiña: My namenombre is ValentinaValentina KofiKofi; I am eightocho yearsaños oldantiguo.
240
728000
4000
(Video): Niña: Mi nombre es Valentina Kofi, tengo ocho años de edad.
12:37
I madehecho a stackingapilado boardtablero.
241
732000
3000
Hice un circuito apilado.
12:40
And, again, that was just for the joyalegría of it.
242
735000
3000
Y, de nuevo, era sólo por el placer de hacerlo.
12:43
Then these labslaboratorios startedempezado doing seriousgrave problemproblema solvingresolviendo --
243
738000
3000
Entonces estos laboratorios comenzaron a resolver problemas más serios --
12:46
instrumentationinstrumentación for agricultureagricultura in IndiaIndia,
244
741000
2000
instrumentación para la agricultura en la India,
12:48
steamvapor turbinesturbinas for energyenergía conversionconversión in GhanaGhana,
245
743000
2000
turbinas de vapor para la conversión de energía en Ghana,
12:50
high-gainalta ganancia antennasantenas in thinDelgado clientcliente computersordenadores.
246
745000
4000
antenas de alta ganancia en computadores clientes ligeros.
12:54
And then, in turngiro, businessesnegocios startedempezado to growcrecer,
247
749000
1000
Y luego, a su vez, los negocios comenzaron a crecer,
12:55
like makingfabricación these antennasantenas.
248
750000
1000
como la fabricación de estas antenas.
12:56
And finallyfinalmente, the lablaboratorio startedempezado doing inventioninvención.
249
751000
2000
Y, por último, el laboratorio comenzó a hacer invenciones.
12:58
We're learningaprendizaje more from them than we're givingdando them.
250
753000
2000
Estamos aprendiendo más de ellos de lo que les estamos dando.
13:00
I was showingdemostración my kidsniños in a FabFab LabLaboratorio how to use it.
251
755000
3000
Estaba mostrando a mis hijos en un Fab Lab cómo usarlo.
13:03
They inventedinventado a way to do a constructionconstrucción kitequipo out of a cardboardcartulina boxcaja --
252
758000
4000
Inventaron una manera de hacer un kit de construcción a partir de una caja de cartón --
13:07
whichcual, as you see up there, that's becomingdevenir a businessnegocio --
253
762000
2000
que, como ven ahí arriba, se está convirtiendo en un negocio --
13:09
but theirsu designdiseño was better than Saul'sSaul designdiseño at MITMIT,
254
764000
3000
pero su diseño era mejor que el diseño de Saúl en el MIT,
13:12
so there's now threeTres studentsestudiantes at MITMIT doing theirsu thesestesis on
255
767000
3000
así que ahora hay tres estudiantes en el MIT basando sus tesis en
13:15
scalingescalada the work of eight-year-oldocho años de edad childrenniños
256
770000
3000
ampliar el trabajo de niños de ocho años de edad
13:18
because they had better designsdiseños.
257
773000
1000
porque tenían mejores diseños.
13:19
RealReal inventioninvención is happeningsucediendo in these labslaboratorios.
258
774000
3000
La invención real está ocurriendo en estos laboratorios.
13:22
And I still keptmantenido -- so, in the last yearaño I've been spendinggasto time with
259
777000
2000
Y aún mantenía -- de esta forma, en el último año he estado pasando tiempo con
13:24
headscabezas of stateestado and generalsgenerales and tribaltribal chiefsjefes who all want this,
260
779000
3000
jefes de estado y generales y jefes tribales, todos los cuales lo quieren,
13:27
and I keep sayingdiciendo, but this isn't the realreal thing.
261
782000
2000
y sigo diciendo, pero esto no es lo real.
13:29
Wait, like, 20 yearsaños and then we'llbien be donehecho.
262
784000
2000
Esperen unos 20 años y entonces habremos terminado.
13:31
And I finallyfinalmente got what's been going on. This is KerniganKernigan and RitchieRitchie
263
786000
3000
Y finalmente entendí lo que está pasando. Estos son Kernigan y Ritchie
13:34
inventinginventar UNIXUNIX on a PDPPDP.
264
789000
3000
inventando UNIX en un PDP (Procesador de Datos Programado).
13:37
PDPsPDPs camevino betweenEntre mainframesmainframes and minicomputersminiordenadores.
265
792000
2000
Los PDP aparecieron entre los mainframes y las minicomputadoras.
13:39
They were tensdecenas of thousandsmiles of dollarsdólares, harddifícil to use,
266
794000
3000
Costaban decenas de miles de dólares, difíciles de usar,
13:42
but they broughttrajo computinginformática down to work groupsgrupos,
267
797000
2000
pero llevaron la informática a los grupos de trabajo,
13:44
and everything we do todayhoy happenedsucedió there.
268
799000
2000
y todo lo que hacemos hoy en día sucedió allí.
13:46
These FabFab LabsLabs are the costcosto and complexitycomplejidad of a PDPPDP.
269
801000
3000
Estos Fab Labs tienen el coste y la complejidad del PDP.
13:49
The projectionproyección of digitaldigital fabricationfabricación
270
804000
2000
La proyección de fabricación digital
13:51
isn't a projectionproyección for the futurefuturo; we are now in the PDPPDP eraera.
271
806000
3000
no es una proyección para el futuro; ahora estamos en la era del PDP.
13:54
We talkedhabló in hushedcallado tonestonos about the great discoveriesdescubrimientos then.
272
809000
3000
En ese entonces, hablábamos en voz baja acerca de los grandes descubrimientos.
13:57
It was very chaoticcaótico, it wasn'tno fue, sortordenar of, clearclaro what was going on.
273
812000
3000
Fue muy caótico, no era, de alguna forma, claro lo que estaba pasando.
14:00
In the samemismo sensesentido we are now, todayhoy, in the minicomputerminiordenador eraera
274
815000
3000
En el mismo sentido estamos ahora, hoy, en la era del minicomputador
14:03
of digitaldigital fabricationfabricación.
275
818000
2000
de la fabricación digital.
14:05
The only problemproblema with that is it breaksdescansos everybody'stodos estan boundarieslímites.
276
820000
4000
El único problema con eso es que rompe las fronteras de todo el mundo.
14:09
In DCcorriente continua, I go to everycada agencyagencia that wants to talk, you know;
277
824000
3000
En Washington DC, voy a cada agencia que quiera hablar, uds. saben.
14:12
in the BayBahía AreaZona, I go to everycada organizationorganización you can think of --
278
827000
2000
En el Área de la Bahía (San Francisco), voy a todas las organizaciones que se puedan imaginar.
14:14
they all want to talk about it, but it breaksdescansos
279
829000
2000
Todos quieren hablar de ello, pero rompe
14:16
theirsu organizationalorganizativo boundarieslímites. In facthecho, it's illegalilegal for them,
280
831000
3000
los límites de su organización. De hecho, es ilegal para ellos,
14:19
in manymuchos casescasos, to equipequipar ordinaryordinario people to createcrear
281
834000
4000
en muchos casos, equipar a la gente común para crear
14:23
rathermás bien than consumeconsumir technologytecnología.
282
838000
1000
en lugar de consumir tecnología.
14:24
And that problemproblema is so severegrave that the ultimateúltimo inventioninvención
283
839000
4000
Y el problema es tan grave que la última invención
14:28
comingviniendo from this communitycomunidad surprisedsorprendido me:
284
843000
3000
procedente de esta comunidad me sorprendió:
14:31
it's the socialsocial engineeringIngenieria. That the lablaboratorio in farlejos northnorte of NorwayNoruega --
285
846000
4000
es la ingeniería social. Que el laboratorio en el extremo norte de Noruega --
14:35
this is so farlejos northnorte its satellitesatélite dishesplatos look at the groundsuelo
286
850000
2000
esto está tan al norte que sus antenas parabólicas miran al suelo
14:37
rathermás bien than the skycielo because that's where the satellitessatélites are --
287
852000
4000
en vez de al cielo porque ahí es donde están los satélites --
14:41
the lablaboratorio outgrewsuperó the little barngranero that it was in.
288
856000
1000
al laboratorio se le quedó chico el pequeño granero en el que estaba.
14:42
It was there because they wanted to find animalsanimales in the mountainsmontañas
289
857000
3000
Estaba allí porque querían encontrar animales en las montañas
14:45
but it outgrewsuperó it, so they builtconstruido this extraordinaryextraordinario villagepueblo for the lablaboratorio.
290
860000
4000
pero creció demasiado, así que construyeron este pueblo extraordinario para el laboratorio.
14:49
This isn't a universityUniversidad; it's not a companyempresa. It's essentiallyesencialmente
291
864000
2000
Esto no es una universidad, no es una empresa, es esencialmente
14:51
a villagepueblo for inventioninvención; it's a villagepueblo for the outliersvalores atípicos in societysociedad,
292
866000
5000
un pueblo para la invención, es un pueblo para miembros atípicos de la sociedad,
14:56
and those have been growingcreciente up around these FabFab LabsLabs
293
871000
2000
y han estado creciendo en torno a estos Fab Labs
14:58
all around the worldmundo.
294
873000
1000
en todo el mundo.
14:59
So this programprograma has splitdivisión into an NGOONG foundationFundación,
295
874000
4000
Así que este programa se ha dividido en una ONG,
15:03
a FabFab FoundationFundación to supportapoyo the scalingescalada, a micromicro VCVC fundfondo.
296
878000
4000
una Fundación Fab para apoyar la ampliación, un micro fondo de capital riesgo.
15:07
The personpersona who runscarreras it nicelybien describesdescribe it as
297
882000
1000
La persona que lo lleva a cabo lo describe muy bien como
15:08
"machinesmáquinas that make machinesmáquinas need businessesnegocios that make businessesnegocios:"
298
883000
4000
máquinas que fabrican máquinas necesitan negocios que hagan negocios:
15:12
it's a crosscruzar betweenEntre micro-financemicrofinanzas and VCVC to do fan-outfan-out,
299
887000
3000
es un cruce entre micro créditos y fondo de capital riesgo para hacer fan-out,
15:15
and then the researchinvestigación partnershipsasociaciones back at MITMIT for what's
300
890000
2000
y luego los grupos de investigación allí en el MIT que
15:17
makingfabricación it possibleposible.
301
892000
3000
lo están haciendo posible.
15:20
So I'd like to leavesalir you with two thoughtspensamientos.
302
895000
2000
Así que me gustaría dejarles con dos pensamientos.
15:22
There's been a seamar changecambio in aidayuda, from top-downDe arriba hacia abajo mega-projectsmegaproyectos
303
897000
5000
Ha habido un enorme cambio en la ayuda, de mega-proyectos muy jerarquizados
15:27
to bottom-upde abajo hacia arriba, grassrootsbases, micro-financemicrofinanzas investinginvirtiendo in the rootsraíces,
304
902000
4000
a inversión de micro créditos en las bases por parte de grupos gente común poco estructurados
15:31
so that everybody'stodos estan got that that's what workstrabajos.
305
906000
3000
así que todos entendieron que eso es lo que funciona.
15:34
But we still look at technologytecnología as top-downDe arriba hacia abajo mega-projectsmegaproyectos.
306
909000
3000
Pero todavía vemos a la tecnología como mega-proyectos muy jerarquizados.
15:37
ComputingInformática, communicationcomunicación, energyenergía for the restdescanso of the planetplaneta
307
912000
3000
Informática, comunicaciones, energía para el resto del planeta
15:40
are these top-downDe arriba hacia abajo mega-projectsmegaproyectos.
308
915000
2000
son estos mega-proyectos jerarquizados.
15:42
If this roomhabitación fullcompleto of heroeshéroes is just cleverinteligente enoughsuficiente,
309
917000
2000
Si esta sala llena de héroes es lo suficientemente inteligente,
15:44
you can solveresolver the problemsproblemas.
310
919000
2000
pueden resolver los problemas.
15:46
The messagemensaje comingviniendo from the FabFab LabsLabs is that
311
921000
2000
El mensaje que llega desde los Fab Labs es que
15:48
the other fivecinco billionmil millones people on the planetplaneta
312
923000
2000
los otros cinco mil millones de personas en el planeta
15:50
aren'tno son just technicaltécnico sinkssumideros; they're sourcesfuentes.
313
925000
2000
no son sumideros técnicos; ellos son fuentes.
15:52
The realreal opportunityoportunidad is to harnessaprovechar the inventiveinventivo powerpoder of the worldmundo
314
927000
3000
La oportunidad real es aprovechar el poder de inventiva del mundo
15:55
to locallyen la zona designdiseño and produceProduce solutionssoluciones to locallocal problemsproblemas.
315
930000
4000
para diseñar y producir localmente soluciones a los problemas locales.
15:59
I thought that's the projectionproyección 20 yearsaños hencepor lo tanto into the futurefuturo,
316
934000
3000
Yo creía que esa era una proyección de aquí a 20 años,
16:02
but it's where we are todayhoy.
317
937000
2000
pero es donde estamos hoy.
16:04
It breaksdescansos everycada organizationalorganizativo boundarylímite we can think of.
318
939000
2000
Rompe todas las barreras organizacionales que podamos imaginar.
16:06
The hardestmás duro thing at this pointpunto is the socialsocial engineeringIngenieria
319
941000
3000
Lo más difícil en este punto es la ingeniería social
16:09
and the organizationalorganizativo engineeringIngenieria, but it's here todayhoy.
320
944000
3000
y la ingeniería organizacional, pero ya está presente hoy.
16:12
And, finallyfinalmente, any talk like this on the futurefuturo of computinginformática
321
947000
2000
Y, por último, cualquier charla de este tipo sobre el futuro de la computación
16:14
is requirednecesario to showespectáculo Moore'sMoore lawley, but my favoritefavorito versionversión --
322
949000
4000
requiere mostrar la ley de Moore, pero mi versión favorita --
16:18
this is GordonGordon Moore'sMoore originaloriginal one from his originaloriginal paperpapel --
323
953000
5000
esta es la original de Gordon Moore, de su trabajo original --
16:23
and what's happenedsucedió is, yearaño after yearaño after yearaño,
324
958000
2000
y lo que ha sucedido es que, año tras año tras año,
16:25
we'venosotros tenemos scaledescamoso and we'venosotros tenemos scaledescamoso and we'venosotros tenemos scaledescamoso
325
960000
1000
hemos calculado y calculado y calculado
16:26
and we'venosotros tenemos scaledescamoso, and we'venosotros tenemos scaledescamoso and we'venosotros tenemos scaledescamoso,
326
961000
4000
y calculado y calculado y calculado
16:30
and we'venosotros tenemos scaledescamoso and we'venosotros tenemos scaledescamoso,
327
965000
1000
y calculado y calculado
16:31
and there's this loomingse avecina bugerror of what's going to happenocurrir
328
966000
2000
y está la amenaza de este error que sucederá
16:33
at the endfin of Moore'sMoore lawley; this ultimateúltimo bugerror is comingviniendo.
329
968000
4000
al final de la ley de Moore; este error fatal se acerca.
16:37
But we're comingviniendo to appreciateapreciar, is the transitiontransición from 2D to 3D,
330
972000
5000
Pero lo que estamos llegando a apreciar, es que la transición de 2D a 3D
16:42
from programmingprogramación bitsbits to programmingprogramación atomsátomos,
331
977000
3000
de programar bits a programar átomos,
16:45
turnsvueltas the endstermina of Moore'sMoore lawley scalingescalada from the ultimateúltimo bugerror
332
980000
2000
cambia el final de la gráfica de la ley de Moore del error fatal
16:47
to the ultimateúltimo featurecaracterística.
333
982000
2000
a una función última.
16:49
So, we're just at the edgeborde of this digitaldigital revolutionrevolución in fabricationfabricación,
334
984000
4000
Entonces, estamos justo al borde de esta revolución digital en la fabricación,
16:53
where the outputsalida of computationcálculo programsprogramas the physicalfísico worldmundo.
335
988000
3000
donde los resultados de la computación programen el mundo físico.
16:56
So, togetherjuntos, these two projectsproyectos answerresponder questionspreguntas
336
991000
3000
Así que, en conjunto, estos dos proyectos responden preguntas
16:59
I hadn'tno tenía askedpreguntó carefullycuidadosamente. The classclase at MITMIT showsmuestra the killerasesino appaplicación
337
994000
4000
que no había formulado con cuidado. La clase en el MIT muestra que la aplicación definitiva
17:03
for personalpersonal fabricationfabricación in the developeddesarrollado worldmundo
338
998000
2000
para la fabricación personal en el mundo desarrollado
17:05
is technologytecnología for a marketmercado of one: personalpersonal expressionexpresión in technologytecnología
339
1000000
4000
es la tecnología para un mercado de uno: la expresión personal en la tecnología
17:09
that touchestoques a passionpasión unlikediferente a anything I've seenvisto in technologytecnología
340
1004000
3000
que toca una pasión como nada que yo haya visto en la tecnología
17:12
for a very long time.
341
1007000
2000
desde hace mucho tiempo.
17:14
And the killerasesino appaplicación for the restdescanso of the planetplaneta is the instrumentationinstrumentación
342
1009000
4000
Y la aplicación definitiva para el resto del planeta es la instrumentación
17:18
and the fabricationfabricación dividedividir: people locallyen la zona developingdesarrollando solutionssoluciones
343
1013000
3000
y la brecha de la fabricación: gente desarrollando localmente soluciones
17:21
to locallocal problemsproblemas. Thank you.
344
1016000
2000
a problemas locales. Gracias.
Translated by Miguel Villada Paredes
Reviewed by Matias Gurmandi

▲Back to top

ABOUT THE SPEAKER
Neil Gershenfeld - Physicist, personal fab pioneer
As Director of MIT’s Center for Bits and Atoms, Neil Gershenfeld explores the boundaries between the digital and physical worlds.

Why you should listen

MIT's Neil Gershenfeld is redefining the boundaries between the digital and analog worlds. The digital revolution is over, Gershenfeld says. We won. What comes next? His Center for Bits and Atoms has developed quite a few answers, including Internet 0, a tiny web server that fits into lightbulbs and doorknobs, networking the physical world in previously unimaginable ways.

But Gershenfeld is best known as a pioneer in personal fabrication -- small-scale manufacturing enabled by digital technologies, which gives people the tools to build literally anything they can imagine. His famous Fab Lab is immensely popular among students at MIT, who crowd Gershenfeld's classes. But the concept is potentially life-altering in the developing world, where a Fab Lab with just $20,000 worth of laser cutters, milling machines and soldering irons can transform a community, helping people harness their creativity to build tools, replacement parts and essential products unavailable in the local market. Read more in Fab: The Coming Revolution on Your Desktop.

More profile about the speaker
Neil Gershenfeld | Speaker | TED.com