TED2006
Neil Gershenfeld: Unleash your creativity in a Fab Lab
ניל גרשנפלד על Fab Labs (מעבדות ייצור)
Filmed:
Readability: 4.8
871,282 views
פרופ' ניל גרשנפלד מMIT מדבר על ה Fab Lab שלו -- מעבדה בעלות נמוכה שמאפשרת לאנשים לבנות דברים שהם צריכים על ידי שימוש בכלים דיגיטליים ואנלוגיים. זה רעיון פשוט עם תוצאות חזקות.
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. Full bio
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 meeting has really been about a digital revolution,
0
0
4000
המפגש הזה באמת היה על המהפכה הדיגיטלית,
00:29
but I'd like to argue that it's done; we won.
1
4000
3000
אבל הייתי רוצה לטעון שהיא נגמרה; ניצחנו.
00:33
We've had a digital revolution but we don't need to keep having it.
2
8000
4000
היתה לנו מהפכה דיגיטלית אבל אנחנו לא צריכים להמשיך אותה.
00:37
And I'd like to look after that,
3
12000
2000
והייתי רוצה להביט אחרי זה,
00:39
to look what comes after the digital revolution.
4
14000
3000
לראות מה בא אחרי המהפכה הדיגיטלית.
00:42
So, let me start projecting forward.
5
17000
2000
אז, תנו לי להתחיל לחזות קדימה.
00:44
These are some projects I'm involved in today at MIT,
6
19000
4000
אלה כמה מהפרוייקטים שאני מעורב בהם בMIT,
00:48
looking what comes after computers.
7
23000
3000
לראות מה בא אחרי המחשוב.
00:51
This first one, Internet Zero, up here -- this is a web server
8
26000
5000
הראשון, אינטרנט אפס, פה למעלה -- זה שרת אינטרנט
00:56
that has the cost and complexity of an RFID tag --
9
31000
3000
שיש לו את העלות והמורכבות של תג RFID --
00:59
about a dollar -- that can go in every light bulb and doorknob,
10
34000
3000
בערך דולר -- שיכול להכנס לתוך כל נורה וידית דלת,
01:02
and this is getting commercialized very quickly.
11
37000
2000
וזה נעשה מסחרי מהר מאוד.
01:04
And what's interesting about it isn't the cost;
12
39000
2000
ומה שמעניין בו זה לא המחיר;
01:06
it's the way it encodes the Internet.
13
41000
1000
זה הדרך בה הוא מקודד את האינטרנט.
01:07
It uses a kind of a Morse code for the Internet
14
42000
3000
הוא משתמש בסוג של קוד מורס לאינטרנט
01:10
so you could send it optically; you can communicate acoustically
15
45000
3000
כך שתוכלו לשלוח אותו אופטית; תוכלו לתקשר אקוסטית
01:13
through a power line, through RF.
16
48000
2000
דרך קו מתח, דרך גלי רדיו.
01:15
It takes the original principle of the Internet,
17
50000
2000
זה לוקח את העיקרון המקורי של האינטרנט,
01:17
which is inter-networking computers,
18
52000
2000
שהוא מחשבים מרושתים,
01:19
and now lets devices inter-network.
19
54000
3000
ועכשיו מאפשר למכשירים להתרשת.
01:22
That we can take the whole idea that gave birth to the Internet
20
57000
3000
כך נוכל לקחת את כל הרעיון שהוליד את האינטרנט
01:25
and bring it down to the physical world in this Internet Zero,
21
60000
3000
ולהביא אותו לעולם המוחשי באינטרנט אפס הזה,
01:28
this internet of devices.
22
63000
2000
האינטרנט של המכשירים.
01:30
So this is the next step from there to here,
23
65000
2000
אז זה השלב הבא משם לפה,
01:32
and this is getting commercialized today.
24
67000
3000
וזה נעשה מסחרי היום.
01:35
A step after that is a project on fungible computers.
25
70000
5000
שלב אחרי זה הוא פרוייקט על מחשבים ברי חליפין.
01:40
Fungible goods in economics can be extended and traded.
26
75000
3000
סחורות ברות חילוף בכלכלה יכולות להתרחב ולהיסחר.
01:43
So, half as much grain is half as much useful,
27
78000
2000
אז, חצי מכמות הגרעינים היא חצי מועילה,
01:45
but half a baby or half a computer is less useful than
28
80000
3000
אבל חצי תינוק או חצי מחשב הם פחות מועילים
01:48
a whole baby or a whole computer,
29
83000
2000
מתינוק שלם או מחשב שלם,
01:50
and we've been trying to make computers that work that way.
30
85000
3000
וניסינו לגרום למחשבים לעבוד ככה.
01:53
So, what you see in the background is a prototype.
31
88000
2000
אז, מה שאתם רואים ברקע הוא אב טיפוס.
01:55
This was from a thesis of a student, Bill Butow, now at Intel,
32
90000
3000
מתיזה של סטודנט, ביל בטו, עכשיו באינטל,
01:58
who wondered why, instead of making bigger and bigger chips,
33
93000
3000
שתהה למה, במקום ליצור שבבים גדולים יותר ויותר,
02:01
you don't make small chips, put them in a viscous medium,
34
96000
3000
לא יוצרים שבבים קטנים, ושמים אותם בתווך צמיגי,
02:04
and pour out computing by the pound or by the square inch.
35
99000
2000
ושופכים כוח מחשוב לפי משקל או לפי נפח.
02:06
And that's what you see here.
36
101000
2000
וזה מה שאתם רואים פה.
02:08
On the left was postscript being rendered by a conventional computer;
37
103000
3000
משמאל רונדר פוטסקריפט על ידי מחשב רגיל,
02:11
on the right is postscript being rendered from the first prototype
38
106000
3000
מימין מרונדר פוסטסקריפט מאב הטיפוס הזה
02:14
we made, but there's no frame buffer, IO processor,
39
109000
4000
שיצרנו, אבל אין פריים באפר, מעבד תקשורת,
02:18
any of that stuff -- it's just this material.
40
113000
2000
כלום מאלה -- זה רק חומר.
02:20
Unlike this screen where the dots are placed carefully,
41
115000
2000
בניגוד למסך הזה בו הנקודות מונחות בזהירות,
02:22
this is a raw material.
42
117000
1000
זה החומר הגולמי.
02:23
If you add twice as much of it, you have twice as much display.
43
118000
3000
אם תוסיפו פי שניים מזה, יש לכם פי שניים תצוגה.
02:26
If you shoot a gun through the middle, nothing happens.
44
121000
3000
אם תירו ברובה למרכז, כלום לא יקרה.
02:29
If you need more resource, you just apply more computer.
45
124000
4000
אם אתם צריכים יותר משאבים, פשוט תוסיפו עוד מחשוב.
02:33
So, that's the step after this -- of computing as a raw material.
46
128000
3000
אז, זה השלב אחרי זה -- של מחשוב כחומר גלם.
02:36
That's still conventional bits, the step after that is --
47
131000
3000
אלה עדיין חלקים קונבציונליים, השלב אחרי זה --
02:39
this is an earlier prototype in the lab;
48
134000
2000
זה אב טיפוס מוקדם יותר במעבדה,
02:41
this is high-speed video slowed down.
49
136000
2000
זה וידאו במהירות גבוהה שהואט.
02:43
Now, integrating chemistry in computation, where the bits are bubbles.
50
138000
3000
עכשיו, שילוב כימיה בחישובים, בהם הביטים הם בועות.
02:46
This is showing making bits, this is showing --
51
141000
2000
זה מראה יצירת ביטים, זה מראה --
02:48
once again, slowed down so you can see it,
52
143000
2000
שוב, מואט כדי שתוכלו לראות את זה,
02:50
bits interacting to do logic and multiplexing and de-multiplexing.
53
145000
4000
ביטים מתקשרים כדי לחשב לוגיקה וריבוב, והפשטה.
02:54
So, now we can compute that the output arranges material
54
149000
3000
אז, עכשיו אנחנו יכולים לחשב שהתוצאה מארגנת חומר
02:57
as well as information. And, ultimately, these are some slides
55
152000
4000
כמו גם מידע. ובסופו של דבר, אלה כמה שקופיות
03:01
from an early project I did, computing where the bits are stored
56
156000
3000
מפרוייקט מוקדם שעשיתי, שמחשב איפה הביטים מאוכסנים
03:04
quantum-mechanically in the nuclei of atoms, so
57
159000
3000
במכאניקה קוונטית בגרעין האטום, אז
03:07
programs rearrange the nuclear structure of molecules.
58
162000
4000
תוכניות מארגנות מחדש את המבנה האטומי של מולקולות.
03:11
All of these are in the lab pushing further and further and further,
59
166000
4000
כל אלה במעבדה דוחפים קדימה עוד ועוד,
03:15
not as metaphor but literally integrating bits and atoms,
60
170000
3000
לא כמטאפורה אלא מילולית מאחדים ביטים עם אטומים,
03:18
and they lead to the following recognition.
61
173000
3000
והם מובילים להכרה הבאה.
03:21
We all know we've had a digital revolution, but what is that?
62
176000
3000
כולנו יודעים שהיתה לנו מהפכה דיגיטלית, אבל מה היא?
03:24
Well, Shannon took us, in the '40s, from here to here:
63
179000
3000
ובכן, שנון לקח אותנו, בשנות הארבעים, מכאן לכאן:
03:27
from a telephone being a speaker wire that degraded with distance
64
182000
4000
מטלפון שהיה חוט רמקול שהתדרדר עם המרחק
03:31
to the Internet. And he proved the first threshold theorem, that shows
65
186000
4000
לאינטרנט. והוא הוכיח את תאורית הסף הראשונה, שמראה
03:35
if you add information and remove it to a signal,
66
190000
3000
שאם תוסיפו מידע לסיגנל ותסירו אותו,
03:38
you can compute perfectly with an imperfect device.
67
193000
2000
תוכלו לחשב במדוייק עם מכשירים לא מושלמים.
03:40
And that's when we got the Internet.
68
195000
2000
ואז קיבלנו את האינטרנט.
03:42
Von Neumann, in the '50s, did the same thing for computing;
69
197000
3000
פון ניומן, בשנות ה50, עשה את אותו הדבר למחשוב;
03:45
he showed you can have an unreliable computer but restore its state
70
200000
3000
הוא הראה שיכול להיות לנו מחשב לא אמין אבל לשחזר את המצב שלו
03:48
to make it perfect. This was the last great analog computer at MIT:
71
203000
4000
כדי להפוך אותו למושלם. זה היה המחשב האנלוגי הגדול האחרון מMIT:
03:52
a differential analyzer, and the more you ran it,
72
207000
2000
מנתח דיפרנציאלים, וככל שהרצתם אותו יותר,
03:54
the worse the answer got.
73
209000
2000
התשובה נעשתה גרועה יותר.
03:56
After Von Neumann, we have the Pentium, where the billionth transistor
74
211000
3000
אחרי פון ניומן, יש לנו את הפנטיום, בו הטרנסיסטור המיליארד
03:59
is as reliable as the first one.
75
214000
3000
אמין כמו הראשון.
04:02
But all our fabrication is down in this lower left corner.
76
217000
3000
אבל כל הייצור שלנו נמצא בפינה השמאלית התחתונה.
04:05
A state-of-the-art airplane factory rotating metal wax at fixed metal,
77
220000
3000
מפעל מטוסים חדשני מסובב וקס מטאלי על מתכת קבועה,
04:08
or you maybe melt some plastic. A 10-billion-dollar chip fab
78
223000
3000
או שאולי תמיסו קצת פלסטיק. מפעל צ'יפים ב10 מיליארד דולר
04:11
uses a process a village artisan would recognize --
79
226000
3000
משתמש בתהליך שאמן כפרי יכיר --
04:14
you spread stuff around and bake it.
80
229000
3000
אתם מפזרים דברים מסביב ואופים את זה.
04:17
All the intelligence is external to the system;
81
232000
2000
כל התבונה היא חיצונית למערכת;
04:19
the materials don't have information.
82
234000
2000
לחומרים אין מידע.
04:21
Yesterday you heard about molecular biology,
83
236000
3000
אתמול שמעתם על ביולוגיה מולקולרית,
04:24
which fundamentally computes to build.
84
239000
2000
שבאופן בסיסי מחשב כדי להבנות.
04:26
It's an information processing system.
85
241000
2000
זו מערכת עיבוד מידע.
04:28
We've had digital revolutions in communication and computation,
86
243000
4000
היו לנו מהפכות דיגיטליות בתקשורת ומחשוב,
04:32
but precisely the same idea, precisely the same math
87
247000
3000
אבל בדיוק אותו הרעיון, בדיוק אותה המתמטיקה
04:35
Shannon and Von Neuman did, hasn't yet come out
88
250000
2000
ששנון ופון ניומן עשו, עדיין לא יצאה
04:37
to the physical world. So, inspired by that,
89
252000
3000
לעולם הפיסי. אז, עם השראה מזה,
04:40
colleagues in this program -- the Center for Bits and Atoms
90
255000
2000
עמיתים בתוכנית -- המרכז לחלקיקים ואטומים
04:42
at MIT -- which is a group of people, like me,
91
257000
3000
בMIT -- שהם קבוצה של אנשים, כמוני,
04:45
who never understood the boundary between physical science
92
260000
3000
שמעולם לא הבינו את הגבול בין מדע פיסי
04:48
and computer science. I would even go further and say
93
263000
3000
ולמדעי המחשב. הייתי אפילו מרחיק ואומר
04:51
computer science is one of the worst things that ever happened
94
266000
2000
שמדע המחשב הוא אחד הדברים הנוראיים ביותר שקרו
04:53
to either computers or to science --
95
268000
2000
למחשבים או למדע --
04:55
(Laughter)
96
270000
1000
(צחוק)
04:56
-- because the canon -- computer science --
97
271000
4000
-- מפני שהתותח -- מדעי המחשב --
05:00
many of them are great but the canon of computer science
98
275000
2000
רבים מהם נפלאים אבל התותח של מדעי המחשב
05:02
prematurely froze a model of computation
99
277000
3000
הקפיא מודל מחשוב מוקדם מידי
05:05
based on technology that was available in 1950,
100
280000
3000
בהתבסס על טכנולוגיה שהיתה זמינה ב1950.
05:08
and nature's a much more powerful computer than that.
101
283000
2000
והטבע הוא מחשב חזק בהרבה מזה.
05:10
So, you'll hear, tomorrow, from Saul Griffith. He was one of the
102
285000
4000
אז, אתם תשמעו, מחר, מסול גריפית'. יש לו את אחד
05:14
first students to emerge from this program.
103
289000
3000
מהסטודנטים הראשונים שהגיחו מהתוכנית הזאת.
05:17
We started to figure out how you can compute to fabricate.
104
292000
3000
התחלנו להבין איך אפשר לחשב הרכבות.
05:20
This was just a proof of principle he did of tiles
105
295000
3000
זו הייתה רק הדגמת עקרון שהוא עשה עם לוחיות
05:23
that interact magnetically, where you write a code,
106
298000
2000
שמתקשרות מגנטית, שם אתם כותבים קוד,
05:25
much like protein folding, that specifies their structure.
107
300000
3000
בדומה לקיפול חלבונים, שקובע את המבנה שלהם.
05:28
So, there's no feedback to a tool metrology;
108
303000
3000
אז, אין הידוד למטרולוגית כלים,
05:31
the material itself codes for its structure in just the same ways
109
306000
5000
החומר עצמו מקודד את מבנהו באותה דרך
05:36
that protein are fabricated. So, you can, for example, do that.
110
311000
4000
בה חלבונים נוצרים. אז, אתם יכולים, לדוגמה, לעשות את זה.
05:40
You can do other things. That's in 2D. It works in 3D.
111
315000
3000
אתם יכולים לעשות עוד דברים. זה בשני מימדים. זה עובד בשלושה מימדים.
05:43
The video on the upper right -- I won't show for time --
112
318000
2000
הוידאו מימין למעלה -- אני לא אראה לכם מפאת הזמן --
05:45
shows self-replication, templating so something can make something
113
320000
4000
מראה שיכפול עצמי, טמפלייטינג, אז משהו יכול ליצור משהו
05:49
that can make something, and we're doing that now over, maybe,
114
324000
3000
שיכול ליצור משהו, ואחנו עושים את זה עכשיו במשך, אולי,
05:52
nine orders of magnitude. Those ideas have been used to show
115
327000
3000
תשע רמות. הרעיונות האלה עזרו להראות
05:55
the best fidelity and direct rate DNA to make an organism,
116
330000
3000
את ההפרדה הכי טובה וקצב DNA ישיר כדי ליצור אורגניזם,
05:58
in functionalizing nanoclusters with peptide tails
117
333000
3000
בהפיכת ננומקבצים עם זנבות פפטידים לבעלי תפקיד
06:01
that code for their assembly -- so, much like the magnets,
118
336000
2000
שמקודדים להרכבה שלהם. אז, בדומה למגנטים,
06:03
but now on nanometer scales.
119
338000
2000
אבל עכשיו בקנה מידה ננומטרי.
06:05
Laser micro-machining: essentially 3D printers that digitally fabricate
120
340000
4000
מיקרו-ייצור בלייזרים: בעיקרון מדפסות תלת מימדיות שמייצרות דיגיטלית
06:09
functional systems, all the way up to building buildings,
121
344000
3000
מערכות עובדות, עד לגודל של בניית בניינים,
06:12
not by having blueprints,
122
347000
1000
לא על ידי תוכניות,
06:13
but having the parts code for the structure of the building.
123
348000
3000
אלא על ידי שיש להם את הקוד של החלקים למבנה הבניין.
06:16
So, these are early examples in the lab of emerging technologies
124
351000
5000
אז, אלה דוגמאות ראשוניות במעבדה של טכנולוגיות עולות
06:21
to digitize fabrication. Computers that don't control tools
125
356000
4000
להפיכת היצור לדיגיטלי. מחשבים שלא שולטים בכלים
06:25
but computers that are tools, where the output of a program
126
360000
4000
אלא מחשבים שהם כלים, בהם הפלט של התוכנית
06:29
rearranges atoms as well as bits.
127
364000
4000
מארגן אטומים בנוסף לביטים.
06:33
Now, to do that -- with your tax dollars, thank you --
128
368000
3000
עכשיו, כדי לעשות את זה -- עם כספי המיסים שלכם, תודה רבה --
06:36
I bought all these machines. We made a modest proposal
129
371000
4000
קניתי את כל המכונות האלו. הוצאנו הצעה צנועה
06:40
to the NSF. We wanted to be able to make anything on any length scale,
130
375000
4000
לNSF. רצינו להיות מסוגלים ליצור כל דבר בכל מידה,
06:44
all in one place, because you can't segregate digital fabrication
131
379000
4000
הכל במקום אחד, מפני שאי אפשר להפריד יצור דיגיטלי
06:48
by a discipline or a length scale.
132
383000
2000
לפי דיסציפלינה או קנה מידה של אורך.
06:50
So we put together focused nano beam writers
133
385000
4000
אז שמנו יחד כותבי קרני ננו ממוקדים
06:54
and supersonic water jet cutters and excimer micro-machining systems.
134
389000
5000
וחותכי סילון מים על קוליים ומכונות מיקרו יצור.
06:59
But I had a problem. Once I had all these machines,
135
394000
3000
אבל היתה לי בעיה. ברגע שהיו לי את כל המכונות האלו,
07:02
I was spending too much time teaching students to use them.
136
397000
3000
בזבזתי יותר מדי זמן בללמד סטודנטים איך להשתמש בהן.
07:05
So I started teaching a class, modestly called,
137
400000
2000
אז התחלתי ללמד כיתה, שנקראת בצניעות,
07:07
"How To Make Almost Anything." And that wasn't meant to be provocative;
138
402000
3000
"איך ליצור כמעט הכל." וזה לא היה מכוון להיות פרובוקטיבי,
07:10
it was just for a few research students.
139
405000
2000
זה היה רק לכמה סטודנטי מחקר.
07:12
But the first day of class looked like this.
140
407000
2000
אבל היום הראשון של הכיתה נראה ככה.
07:14
You know, hundreds of people came in begging,
141
409000
2000
אתם יודעים, מאות אנשים באו מתחננים
07:16
all my life I've been waiting for this class; I'll do anything to do it.
142
411000
3000
כל חיי חיכיתי לכיתה הזו, אני אעשה כל דבר כדי להתקבל.
07:19
Then they'd ask, can you teach it at MIT? It seems too useful?
143
414000
3000
אז הם היו שואלים, מותר לך ללמד את זה בMIT? זה נראה יותר מדי שימושי?
07:22
And then the next --
144
417000
1000
ואז --
07:23
(Laughter)
145
418000
2000
(צחוק)
07:25
-- surprising thing was they weren't there to do research.
146
420000
1000
-- הדבר המפתיע היה שהם לא היו שם כדי לעשות מחקר.
07:26
They were there because they wanted to make stuff.
147
421000
2000
הם היו שם כי הם רצו ליצור דברים.
07:28
They had no conventional technical background.
148
423000
4000
לא היה להם רקע טכני מסורתי.
07:32
At the end of a semester they integrated their skills.
149
427000
2000
בסוף הסמסטר הם שילבו את היכולות שלהם.
07:34
I'll show an old video. Kelly was a sculptor, and this is what she did
150
429000
4000
אני אראה לכם וידאו ישן. קלי היתה פסלת, וזה מה שהיא עשתה
07:38
with her semester project.
151
433000
2000
עם פרוייקט הסימסטר שלה.
07:40
(Video): Kelly: Hi, I'm Kelly and this is my scream buddy.
152
435000
3000
(וידאו): קלי: הי, אני קלי וזה חבר הצעקות שלי.
07:45
Do you ever find yourself in a situation
153
440000
3000
האם אתם מוצאים את עצמכם לפעמים במצב
07:48
where you really have to scream, but you can't because you're at work,
154
443000
5000
שאתם ממש חייבים לצעוק, אבל אתם לא יכולים מפני שאתם בעבודה,
07:53
or you're in a classroom, or you're watching your children,
155
448000
3000
או בכיתה, או שאתם עם הילדים שלכם,
07:56
or you're in any number of situations where it's just not permitted?
156
451000
5000
או שאתם בכל אחת ממספר סיטואציות שזה אסור?
08:01
Well, scream buddy is a portable space for screaming.
157
456000
4000
ובכן, חבר הצעקות הוא מרחב נייד לצעקות.
08:05
When a user screams into scream buddy, their scream is silenced.
158
460000
5000
כשמשתמש צועק לתוך חבר הצעקות, הצעקה שלהם מושקטת.
08:10
It is also recorded for later release where, when and how
159
465000
4000
היא גם מוקלטת לשחרור מאוחר יותר במקום, בזמן ובצורה
08:14
the user chooses.
160
469000
1000
שהמשתמש בוחר.
08:36
(Scream)
161
491000
2000
(צעקה)
08:39
(Laughter) (Applause)
162
494000
4000
(צחוק)(מחיאות כפיים)
08:43
So, Einstein would like this.
163
498000
2000
אז, איינשטיין היה אוהב את זה.
08:45
This student made a web browser for parrots --
164
500000
1000
הסטודנט הזה עשה דפדפן לתוכים --
08:46
lets parrots surf the Net and talk to other parrots.
165
501000
3000
שמאפשר לתוכים לגלוש ברשת ולדבר עם תוכים אחרים.
08:49
This student's made an alarm clock you wrestle
166
504000
2000
הסטודנט הזה יצר שעון מעורר שנאבקים בו
08:51
to prove you're awake; this is one that defends --
167
506000
2000
כדי להוכיח שערים, זה אחד שמגן --
08:53
a dress that defends your personal space.
168
508000
2000
שמלה שמגינה על המרחב האישי שלכם.
08:55
This isn't technology for communication;
169
510000
2000
זו לא טכנולוגית תקשורת;
08:57
it's technology to prevent it.
170
512000
2000
זו טכנולוגיה למניעתה.
08:59
This is a device that lets you see your music.
171
514000
3000
זה מכשיר שמאפשר לכם לראות את המוזיקה שלכם.
09:02
This is a student who made a machine that makes machines,
172
517000
3000
זה סטודנט שיצר מכונה שיוצרת מכונות,
09:05
and he made it by making Lego bricks that do the computing.
173
520000
3000
והוא יצר אותה על ידי יצור לבני לגו שעושות את החישובים.
09:08
Just year after year -- and I finally realized
174
523000
2000
כך שנה אחרי שנה -- ולבסוף הבנתי
09:10
the students were showing the killer app of personal fabrication
175
525000
4000
שהסטודנטים הראו שהאפליקציה המושלמת של יצור אישי
09:14
is products for a market of one person.
176
529000
2000
היא מוצרים לשוק של אדם אחד.
09:16
You don't need this for what you can get in Wal-Mart;
177
531000
2000
אתם לא צריכים את זה למשהו שאתם יכולים להשיג בוול-מארט;
09:18
you need this for what makes you unique.
178
533000
1000
אתם צריכים את זה למה שעושה אתכם ליחודיים.
09:19
Ken Olsen famously said, nobody needs a computer in the home.
179
534000
4000
קן אולסן אמר משפט מפורסם, אף אחד לא צריך מחשב בבית.
09:23
But you don't use it for inventory and payroll;
180
538000
2000
אבל אתם לא משתמשים בו למצאי ומשכורות;
09:25
DEC is now twice bankrupt. You don't need personal fabrication
181
540000
3000
דיגיטל פשטו את הרגל עכשיו פעמיים. אתם לא צריכים יצור אישי עכשיו
09:28
in the home to buy what you can buy because you can buy it.
182
543000
2000
בבית כדי לקנות את מה שאתם יכולים לקנות בגלל שאתם יכולים לקנות את זה.
09:30
You need it for what makes you unique, just like personalization.
183
545000
4000
אתם צריכים את זה למה שעושה אתכם ליחודיים, בדיוק כמו התאמה אישית.
09:34
So, with that, in turn, 20 million dollars today does this;
184
549000
4000
אז, עם זה, עכשיו, 20 מיליון דולר עושים את זה היום,
09:38
20 years from now we'll make Star Trek replicators that make anything.
185
553000
4000
בעוד 20 שנה מעכשיו ניצור משכפלים ממסע בין כוכבים שיוצרים כל דבר.
09:42
The students hijacked all the machines I bought to do personal fabrication.
186
557000
4000
הסטודנטים חטפו את כל המכונות שקניתי ליצור עצמי.
09:46
Today, when you spend that much of your money,
187
561000
2000
היום, כשאתם מוצאים כל כך הרבה מהכסף שלכם,
09:48
there's a government requirement to do outreach, which often means
188
563000
3000
יש דרישה ממשלתית לחפש בחוץ, שלרוב זה אומר
09:51
classes at a local school, a website -- stuff that's just not that exciting.
189
566000
3000
כיתות בבתי ספר מקומיים, אתר אינטרנט; דברים שלא כל כך מרגשים.
09:54
So, I made a deal with my NSF program managers that
190
569000
4000
אז, עשיתי עסקה עם מנהלי הפרוייקטים בNSF
09:58
instead of talking about it, I'd give people the tools.
191
573000
2000
שבמקום לדבר על זה, אני אתן לאנשים את הכלים.
10:00
This wasn't meant to be provocative or important,
192
575000
2000
זה לא היה אמור להיות פרובוקטיבי או חשוב,
10:02
but we put together these Fab Labs. It's about 20,000 dollars in equipment
193
577000
4000
אבל הרכבנו את מעבדות היצור האלה. זה ציוד בשווי של בערך 20,000 דולר
10:06
that approximate both what the 20 million dollars does and where it's going.
194
581000
5000
ששוה ערך בערך למה ש20 המיליון עושים ולאן שהם מביאים אתכם.
10:11
A laser cutter to do press-fit assembly with 3D from 2D,
195
586000
3000
חותך לייזר ליצור והרכבה בלחיצה עם תלת מימד מדו מימד,
10:14
a sign cutter to plot in copper to do electromagnetics,
196
589000
2000
חותך שלטים כדי לשרטט בנחושת כדי ליצור אלקטרומגנטים,
10:16
a micron scale,
197
591000
2000
משקל מיקרוני,
10:18
numerically-controlled milling machine for precise structures,
198
593000
2000
כרסומים ממוחשבים למבנים מדוייקים,
10:20
programming tools for less than a dollar,
199
595000
3000
כלי תכנות בפחות מדולר,
10:23
100-nanosecond microcontrollers. It lets you work from microns
200
598000
3000
מיקרו בקרים של 100 ננו-שניות. זה מאפשר לכם לעבוד ממיקרונים
10:26
and microseconds on up, and they exploded around the world.
201
601000
4000
ומיקרו-שניות ומעלה, והם נפוצו במהירות מסביב לעולם.
10:30
This wasn't scheduled, but they went from inner-city Boston
202
605000
2000
זה לא היה מתוכנן, אבל הם עברו ממרכז העיר בוסטון
10:32
to Pobal in India, to Secondi-Takoradi on Ghana's coast
203
607000
4000
לפובל בהודו, לסקונדי-טקורדי בחופי גאנה
10:36
to Soshanguve in a township in South Africa,
204
611000
3000
לסושנגובי בעיר בדרום אפריקה,
10:39
to the far north of Norway, uncovering, or helping uncover,
205
614000
4000
לצפון הרחוק של נורווגיה, חשפו, או עזרו לחשוף,
10:43
for all the attention to the digital divide,
206
618000
3000
לכל תשומת הלב לפער הדיגיטלי,
10:46
we would find unused computers in all these places.
207
621000
4000
היינו מוצאים מחשבים לא בשימוש בכל המקומות האלה.
10:50
A farmer in a rural village -- a kid needs to measure and modify
208
625000
3000
חקלאי באזור כפרי -- ילד צריך למדוד ולהתאים
10:53
the world, not just get information about it on a screen.
209
628000
4000
את העולם, לא רק לקבל מידע עליו על מסך.
10:57
That there's really a fabrication and an instrumentation divide
210
632000
2000
שיש באמת פער ביצור ובכלים
10:59
bigger than the digital divide.
211
634000
3000
גדול יותר מהפער הדיגיטלי.
11:02
And the way you close it is not IT for the masses but IT development for the masses.
212
637000
3000
והדרך בה סוגרים אותו היא לא על ידי מחשוב להמונים אלא פיתוח מחשוב להמונים.
11:05
So, in place after place
213
640000
3000
אז, במקום אחרי מקום
11:08
we saw this same progression: that we'd open one of these Fab Labs,
214
643000
3000
ראינו את אותה התקדמות: שהיינו פותחים את אחת ממעבדות היצור האלה,
11:11
where we didn't -- this is too crazy to think of.
215
646000
3000
היכן שלא פתחנו -- זה משוגע מדי לחשוב על זה.
11:14
We didn't think this up, that we would get pulled to these places;
216
649000
3000
לא חשבנו על זה מראש, שנמשך למקומות האלה,
11:17
we'd open it. The first step was just empowerment.
217
652000
2000
שבהם פתחנו. השלב הראשון היה נתינת הכוח.
11:19
You can see it in their face, just this joy of, I can do it.
218
654000
3000
אתם יכולים לראות את זה על פניהם, את ההנאה מזה, אני יכול לעשות את זה.
11:22
This is a girl in inner-city Boston who had just done a high-tech
219
657000
2000
זו בחורה בבוסטון שעשתה מכירה לפי דרישה
11:24
on-demand craft sale in the inner city community center.
220
659000
4000
של אמנות היי-טק במתנ"ס העירוני.
11:28
It goes on from there to serious hands-on technical education
221
663000
4000
זה ממשיך משם לחינוך טכני רציני
11:32
informally, out of schools. In Ghana we had set up one of these labs.
222
667000
5000
באופן לא פורמלי, מחוץ לבתי ספר. בגאנה הקמנו אחת מהמעבדות האלו.
11:37
We designed a network sensor, and kids would show up
223
672000
2000
עיצבנו רשת חיישנים, וילדים היו מופיעים
11:39
and refuse to leave the lab.
224
674000
1000
ומסרבים לעזוב את המעבדה.
11:40
There was a girl who insisted we stay late at night --
225
675000
3000
היתה ילדה שהתעקשה שנשאר מאוחר בלילה --
11:43
(Video): Kids: I love the Fab Lab.
226
678000
2000
(וידאו): ילדים: אנחנו אוהבים את מעבדת היצור.
11:45
-- her first night in the lab because she was going to make the sensor.
227
680000
3000
-- הלילה הראשון שלה במעבדה בגלל שהיא עמדה ליצור את החיישן.
11:48
So she insisted on fabbing the board, learning how to stuff it,
228
683000
3000
אז היא התעקשה לייצר את הלוח, ללמוד איך למלא אותו,
11:51
learning how to program it. She didn't really know
229
686000
2000
ללמוד איך לתכנת אותו. היא לא באמת ידעה
11:53
what she was doing or why she was doing it, but she knew
230
688000
2000
מה היא עושה או למה היא עושה את זה, אבל היא ידעה
11:55
she just had to do it. There was something electric about it.
231
690000
3000
שהיא פשוט חייבת לעשות את זה. היה משהו מחשמל בזה.
11:58
This is late at, you know, 11 o'clock at night
232
693000
2000
זה מאוחר, אתם יודעים, 11 בלילה
12:00
and I think I was the only person surprised when what she built
233
695000
3000
ואני חושב שהייתי האדם היחיד שהופתע שמה שהיא בנתה
12:03
worked the first time.
234
698000
2000
עבד בפעם הראשונה.
12:05
And I've shown this to engineers at big companies, and they say
235
700000
2000
והראתי את זה למהנדסים בחברות גדולות, והם אמרו
12:07
they can't do this. Any one thing she's doing, they can do better,
236
702000
3000
שהם לא יכולים לעשות את זה. כל דבר בנפרד שהיא עשתה, הם יכולים לעשות טוב יותר,
12:10
but it's distributed over many people and many sites
237
705000
3000
אבל זה מבוזר בין הרבה אנשים והרבה אתרים
12:13
and they can't do in an afternoon
238
708000
1000
והם לא יכולים לעשות את זה באחר צהריים אחד
12:14
what this little girl in rural Ghana is doing.
239
709000
3000
מה שהילדה הקטנה הזו בגאנה הכפרית עושה.
12:33
(Video): Girl: My name is Valentina Kofi; I am eight years old.
240
728000
4000
(וידאו): ילדה: שמי ולנטינה קופי, ואני בת שמונה.
12:37
I made a stacking board.
241
732000
3000
יצרתי לוח גיבוב.
12:40
And, again, that was just for the joy of it.
242
735000
3000
ושוב, זה היה רק בשביל הכיף שבעניין.
12:43
Then these labs started doing serious problem solving --
243
738000
3000
אז המעבדות האלו התחילו לפתור בעיות רציניות --
12:46
instrumentation for agriculture in India,
244
741000
2000
מכשור לחקלאות בהודו,
12:48
steam turbines for energy conversion in Ghana,
245
743000
2000
טורבינות קיטור להמרת אנרגיה בגאנה,
12:50
high-gain antennas in thin client computers.
246
745000
4000
אנטנות מוגברות במחשבי לקוח דקים,
12:54
And then, in turn, businesses started to grow,
247
749000
1000
ואז, בתמורה, עסקים החלו לצמוח,
12:55
like making these antennas.
248
750000
1000
כמו יצור האנטנות האלו.
12:56
And finally, the lab started doing invention.
249
751000
2000
ולבסוף, המעבדה החלה ליצר המצאות.
12:58
We're learning more from them than we're giving them.
250
753000
2000
אנחנו לומדים יותר מהם משהם לומדים מאיתנו.
13:00
I was showing my kids in a Fab Lab how to use it.
251
755000
3000
הראתי לילדי במעבדת היצור איך להשתמש בה.
13:03
They invented a way to do a construction kit out of a cardboard box --
252
758000
4000
הם המציאו דרך ליצור קיט הרכבה מקופסת קרטון --
13:07
which, as you see up there, that's becoming a business --
253
762000
2000
שכמו שאתם רואים שם למעלה, זה נהפך לעסק --
13:09
but their design was better than Saul's design at MIT,
254
764000
3000
אבל העיצוב שלהם היה טוב יותר מהעיצוב של סול בMIT,
13:12
so there's now three students at MIT doing their theses on
255
767000
3000
אז יש עכשיו 3 סטודנטים בMIT שעושים את התזה שלהם על
13:15
scaling the work of eight-year-old children
256
770000
3000
הגדלת קנה המידה של עבודה של ילד בן שמונה
13:18
because they had better designs.
257
773000
1000
מפני שהיו להם עיצובים טובים יותר.
13:19
Real invention is happening in these labs.
258
774000
3000
המצאות אמיתיות מתרחשות במעבדות האלו.
13:22
And I still kept -- so, in the last year I've been spending time with
259
777000
2000
ועדיין שמרתי -- אז, בשנה האחרונה ביליתי זמן עם
13:24
heads of state and generals and tribal chiefs who all want this,
260
779000
3000
ראשי מדינות וגנרלים וצ'יפים של שבטים שכולם רצו את זה,
13:27
and I keep saying, but this isn't the real thing.
261
782000
2000
ואני חוזר ואומר, אבל זה לא הדבר האמיתי.
13:29
Wait, like, 20 years and then we'll be done.
262
784000
2000
חכו, משהו כמו 20 שנה ואז נסיים.
13:31
And I finally got what's been going on. This is Kernigan and Ritchie
263
786000
3000
ולבסוף הבנתי מה קורה. זה קרניגן וריצ'י
13:34
inventing UNIX on a PDP.
264
789000
3000
ממציאים את UNIX על PDP.
13:37
PDPs came between mainframes and minicomputers.
265
792000
2000
מחשבי PDP הגיעו בין מיינפריימים למיני מחשבים.
13:39
They were tens of thousands of dollars, hard to use,
266
794000
3000
הם עלו עשרות אלפי דולרים, קשים לשימוש,
13:42
but they brought computing down to work groups,
267
797000
2000
אבל הם הביאו את המחשוב לקבוצות העבודה,
13:44
and everything we do today happened there.
268
799000
2000
וכל מה שאנחנו עושים היום קרה שם.
13:46
These Fab Labs are the cost and complexity of a PDP.
269
801000
3000
מעבדות היצור האלו הם העלות והמורכבות של הPDP.
13:49
The projection of digital fabrication
270
804000
2000
התחזית של יצור דיגיטלי
13:51
isn't a projection for the future; we are now in the PDP era.
271
806000
3000
היא לא תחזית לעתיד; אנחנו עכשיו בעידן הPDP.
13:54
We talked in hushed tones about the great discoveries then.
272
809000
3000
דיברנו בטונים שקטים על הגילויים הגדולים אז.
13:57
It was very chaotic, it wasn't, sort of, clear what was going on.
273
812000
3000
זה היה מאוד כאוטי, זה לא היה, בערך, ברור מה קורה.
14:00
In the same sense we are now, today, in the minicomputer era
274
815000
3000
באותו מובן שאנחנו עכשיו, היום, בעידן המיני מחשב
14:03
of digital fabrication.
275
818000
2000
של הייצור הדיגיטלי.
14:05
The only problem with that is it breaks everybody's boundaries.
276
820000
4000
הבעיה היחידה עם זה היא שזה שובר את הגבולות של כולם.
14:09
In DC, I go to every agency that wants to talk, you know;
277
824000
3000
בוושינגטון, השגתי כל סוכנות שרוצה לדבר, אתם יודעים.
14:12
in the Bay Area, I go to every organization you can think of --
278
827000
2000
באזור המפרץ, אני הולך לכל ארגון שאתם יכולים לחשוב עליו.
14:14
they all want to talk about it, but it breaks
279
829000
2000
כולם רוצים לדבר על זה, אבל זה שובר
14:16
their organizational boundaries. In fact, it's illegal for them,
280
831000
3000
את הגבולות הארגוניים שלהם. למעשה, זה לא חוקי בשבילם,
14:19
in many cases, to equip ordinary people to create
281
834000
4000
בהרבה מקרים, לתת אפשרות לאנשים רגילים ליצור
14:23
rather than consume technology.
282
838000
1000
במקום לצרוך טכנולוגיה.
14:24
And that problem is so severe that the ultimate invention
283
839000
4000
והבעיה הזו היא כה חמורה שההמצאה האולטימטיבית
14:28
coming from this community surprised me:
284
843000
3000
שהגיעה מהקהילה הזו הפתיעה אותי:
14:31
it's the social engineering. That the lab in far north of Norway --
285
846000
4000
זו ההנדסה החברתית. זו המעבדה בצפון הרחוק של נורווגיה --
14:35
this is so far north its satellite dishes look at the ground
286
850000
2000
זה כה רחוק בצפון שצלחות הלווין שלה מכוונות לרצפה
14:37
rather than the sky because that's where the satellites are --
287
852000
4000
במקום לשמיים מפני ששם הלווינים נמצאים --
14:41
the lab outgrew the little barn that it was in.
288
856000
1000
המעבדה גדלה מעבר לאסם הקטן בו היתה.
14:42
It was there because they wanted to find animals in the mountains
289
857000
3000
היא היתה שם מפני שהם רצו למצוא חיות בהרים
14:45
but it outgrew it, so they built this extraordinary village for the lab.
290
860000
4000
אבל היא גדלה מעבר לזה, אז הם בנו את הכפר המדהים הזה למעבדה.
14:49
This isn't a university; it's not a company. It's essentially
291
864000
2000
זו לא אוניברסיטה, זו לא חברה; זה בעיקרון
14:51
a village for invention; it's a village for the outliers in society,
292
866000
5000
כפר להמצאות, זה כפר לקצוות בחברה,
14:56
and those have been growing up around these Fab Labs
293
871000
2000
ואלה גדלו מסביב למעבדות היצור האלו
14:58
all around the world.
294
873000
1000
מסביב לעולם.
14:59
So this program has split into an NGO foundation,
295
874000
4000
אז התוכנית הזו התפצלה לקרן חוץ ממשלתית,
15:03
a Fab Foundation to support the scaling, a micro VC fund.
296
878000
4000
קרן ייצור לתמיכה בגדילה, מיקרו קרן הון סיכון.
15:07
The person who runs it nicely describes it as
297
882000
1000
האדם שמנהל אותה מתואר אותה בנחמדות
15:08
"machines that make machines need businesses that make businesses:"
298
883000
4000
כמכונות שיוצרות מכונות צריכות עסקים שיוצרים עסקים:
15:12
it's a cross between micro-finance and VC to do fan-out,
299
887000
3000
זו הכלאה בין מיקרו מימון והון סיכון כדי לפצל,
15:15
and then the research partnerships back at MIT for what's
300
890000
2000
ואז שותפויות המחקר בMIT למה
15:17
making it possible.
301
892000
3000
שמאפשר את זה.
15:20
So I'd like to leave you with two thoughts.
302
895000
2000
אז הייתי רוצה להשאיר אתכם עם שתי מחשבות.
15:22
There's been a sea change in aid, from top-down mega-projects
303
897000
5000
היה שינוי עצום בסיוע, ממגה-פרוייקטים שמונחתים מלמעלה
15:27
to bottom-up, grassroots, micro-finance investing in the roots,
304
902000
4000
לפרוייקטים שמתחילים מלמטה, מהשורשים, השקעה מיקרו פיננסית בשורשים,
15:31
so that everybody's got that that's what works.
305
906000
3000
כך שכולם הבינו שזה מה שעובד.
15:34
But we still look at technology as top-down mega-projects.
306
909000
3000
אבל אנחנו עדיין מסתכלים על טכנולוגיה כמגה פרוייקטים שמונחתים מלמעלה.
15:37
Computing, communication, energy for the rest of the planet
307
912000
3000
מחשוב, תקשורת, אנרגיה לשאר הכדור
15:40
are these top-down mega-projects.
308
915000
2000
הם המגה פרוייקטים האלה.
15:42
If this room full of heroes is just clever enough,
309
917000
2000
אם החדר הזה מלא הגיבורים הוא חכם מספיק,
15:44
you can solve the problems.
310
919000
2000
אתם יכולים לפתור את הבעיות.
15:46
The message coming from the Fab Labs is that
311
921000
2000
המסר שמגיע ממעבדות היצור הוא
15:48
the other five billion people on the planet
312
923000
2000
שחמשת מיליארד האנשים האחרים על הכוכב
15:50
aren't just technical sinks; they're sources.
313
925000
2000
הם לא רק בורות טכנולוגיים; הם משאבים.
15:52
The real opportunity is to harness the inventive power of the world
314
927000
3000
ההזדמנות האמיתית היא לרתום את כוח ההמצאה של העולם
15:55
to locally design and produce solutions to local problems.
315
930000
4000
כדי לעצב ולייצר לוקאלית פיתרונות לבעיות לוקאליות.
15:59
I thought that's the projection 20 years hence into the future,
316
934000
3000
אני חשבתי שזו התחזית 20 שנה לעתיד,
16:02
but it's where we are today.
317
937000
2000
אבל שם אנחנו היום.
16:04
It breaks every organizational boundary we can think of.
318
939000
2000
זה שובר כל גבול ארגוני שאנחנו יכולים לחשוב עליו.
16:06
The hardest thing at this point is the social engineering
319
941000
3000
הדבר הקשה ביותר בנקודה הזו הוא ההנדסה החברתית
16:09
and the organizational engineering, but it's here today.
320
944000
3000
וההנדסה הארגונית, אבל זה פה היום.
16:12
And, finally, any talk like this on the future of computing
321
947000
2000
ולבסוף, כל הרצאה כמו זו על עתיד המחשוב
16:14
is required to show Moore's law, but my favorite version --
322
949000
4000
חייבת להראות את חוק מור, אבל הגרסה החביבה עלי --
16:18
this is Gordon Moore's original one from his original paper --
323
953000
5000
זו הגרסה המקורית של גורדון מור מהמאמר המקורי שלו --
16:23
and what's happened is, year after year after year,
324
958000
2000
ומה שקרה הוא, שנה אחרי שנה אחרי שנה,
16:25
we've scaled and we've scaled and we've scaled
325
960000
1000
שינינו את קנה המידה שוב ושוב
16:26
and we've scaled, and we've scaled and we've scaled,
326
961000
4000
ושוב ושוב,
16:30
and we've scaled and we've scaled,
327
965000
1000
ושוב ושוב,
16:31
and there's this looming bug of what's going to happen
328
966000
2000
ויש את הבאג המאיים הזה של מה שעומד לקרות
16:33
at the end of Moore's law; this ultimate bug is coming.
329
968000
4000
בסופו של חוק מור; הבאג האולטימטיבי מגיע.
16:37
But we're coming to appreciate, is the transition from 2D to 3D,
330
972000
5000
אבל אנחנו לומדים להעריך, את המעבר מדו מימד לתלת מימד,
16:42
from programming bits to programming atoms,
331
977000
3000
מתכנות ביטים לתכנות אטומים,
16:45
turns the ends of Moore's law scaling from the ultimate bug
332
980000
2000
וזה משנה את חוק מור מקנה מידה של הבאג האולטימטיבי
16:47
to the ultimate feature.
333
982000
2000
לתכונה האולטימטיבית.
16:49
So, we're just at the edge of this digital revolution in fabrication,
334
984000
4000
אז, אנחנו על סף המהפכה הדיגיטלית בייצור,
16:53
where the output of computation programs the physical world.
335
988000
3000
בו התוצר של מחשוב מתכנת את העולם הפיסי.
16:56
So, together, these two projects answer questions
336
991000
3000
אז, ביחד, שני הפרוייקטים האלה עונים על שאלות
16:59
I hadn't asked carefully. The class at MIT shows the killer app
337
994000
4000
שלא שאלתי בקפידה. הכיתה בMIT מראה שהאפליקציה המושלמת
17:03
for personal fabrication in the developed world
338
998000
2000
לייצור אישי בעולם המפותח
17:05
is technology for a market of one: personal expression in technology
339
1000000
4000
היא טכנולוגיה לשוק של אחד: ביטוי אישי בטכנולוגיה
17:09
that touches a passion unlike anything I've seen in technology
340
1004000
3000
שנוגעת בתשוקה בשונה מכל דבר שראיתי בטכנולוגיה
17:12
for a very long time.
341
1007000
2000
כבר הרבה זמן.
17:14
And the killer app for the rest of the planet is the instrumentation
342
1009000
4000
והאפליקציה ההורסת לשאר העולם היא פער המכשור
17:18
and the fabrication divide: people locally developing solutions
343
1013000
3000
והייצור: אנשים מפתחים פתרונות לוקאליים
17:21
to local problems. Thank you.
344
1016000
2000
לבעיות לוקאליות. תודה לכם.
ABOUT THE SPEAKER
Neil Gershenfeld - Physicist, personal fab pioneerAs 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.
Neil Gershenfeld | Speaker | TED.com