2018年度10大新兴技术：人工智能量子计算增强现实等

Posted 2021-01-07 dicksonjyl

2018年度10大新兴技术：人工智能、量子计算、增强现实等

 

https://mp.weixin.qq.com/s/FEhGUixl00knNOu14sdbTg

 

9月19日，世界经济论坛和《科学美国人》联合发布了2018年度十大新兴技术榜单，人工智能及生物医药、新材料领域的技术入围，其中多项技术有望为治疗癌症带来新的解决办法。这些技术被认为在未来3~5年会对社会与经济产生重要影响。  

《科学美国人》与世界经济论坛联合发布了 2018 年全球十大新兴技术。这份榜单由《科学美国人》、《科学美国人》全球顾问委员会、世界经济论坛全球专家网络、世界未来委员会共同选出，涵盖了生物医疗、化学、计算机、人工智能等领域的最新技术。这些技术尽管仍处于发展早期，但它们吸引了众多研究团队的关注，并且广受投资者青睐。在未来 3~5 年间，它们可能会对社会与经济产生重要影响。

 

在不久的将来，技术革新将如何改变我们的生活？人工智能将极大地加快新型药物、材料的研发速度；新型诊断工具将打造更先进的个性化医疗；增强现实将变得随处可见，从日常任务到工业生产，现实世界将被大量信息和动画所覆盖；一旦你患病，医生可以将活细胞移植到你体内，用这些 “药物工厂” 为你治病；你吃的牛肉、鸡肉、鱼肉可能都是用干细胞在实验室培育的，这将大幅降低畜牧业造成的环境危害。

 

这些足以改变世界的想法与其他新兴技术一起，组成了 2018 年的 “全球十大新兴技术”。这份榜单包括：

 

无处不在的增强现实技术

 

 

 

增强现实无处不在——世界即将被数据覆盖

 

增强现实（AR）是一项将计算机生成的信息实时覆盖在现实世界之上的技术。大量面向消费者的应用软件都用到了 AR 功能。将来，这项技术还会支持博物馆制作全息参观指南；让患者体内组织对外科医生三维可视化；帮助初学者快速学习从医药到工厂维修的各类技术……

 

在未来几年内，操作简单，用于设计应用程序的软件将会满足消费者更多的需求。就目前而言，AR 对工业有着极大的影响，它是 “工业 4.0” 不可或缺的一部分：通过整合真实系统与数字系统来促进制造业的系统转型，从而提升产品质量、降低成本并提高效率。

 

一些市场分析公司相信，AR 正在走向主流市场。他们预估，现在估值为 15 亿美元 AR 市场在 2020 年能达到 1000 亿美元。而苹果、谷歌、微软等大型科技公司都向 AR 和 VR 相关产品和应用程序投入大量资金和人才。

 

随着能够支持 AR 技术且更便宜、更快速的移动芯片问世，功能更丰富的智能眼镜进入市场以及带宽的增加，该领域将会快速发展。随后，增强现实将加入互联网，而实时视频将成为我们日常生活中不可或缺的一部分。

 

针对个性化医疗的高级诊断技术

 

 

 

私人定制的诊断工具——终结千人一药的传统治疗方案

 

在 20 世纪，罹患乳腺癌的女性大多都使用同一种治疗方案。但现在治疗手段变得更个性化了：乳腺癌被分为不同的亚型，每一种都有自己独特的治疗方法。

 

得益于诊断工具的进步，个性化、精准化治疗的发展得以加速。这些技术能帮医生识别并量化生物标记（人体内标志着稳态紊乱的分子），从而通过病人对疾病的敏感性、预后以及对药物最有可能的反应，将病人区分成不同的亚型。

 

早期分子诊断工具只观测单一的分子，比如对糖尿病患者就只会监测血糖。但在过去的 10 年里，生物组学技术取得了突破性进展：能在体液或组织样本中迅速、准确地对个体的全部基因组进行测序，或测量所有蛋白水平、代谢副产物或微生物数量。

 

新型诊断工具已经开始给标准的疾病诊断与治疗手段带来变革了。为病人提供对他们来说最有效的治疗方案，甚至可以降低医疗开支。或许有一天，我们中的许多人都将拥有自己独特的生物标记数据云，这些数据不断累积，并能在任何治疗我们的地方为医生提供信息。

 

分子设计领域的人工智能技术

 

                       

 

人工智能辅助化学分子设计——机器学习算法加速新型药物和材料的研发

 

无论是设计新型太阳能材料、抗癌药物还是用于农作物的抗病毒化合物，有两个难题需要解决：找到所需的正确化学结构，并确定哪些化学反应能让正确的原子与所需的分子连接。

 

如果使用传统方法，以上问题的答案往往来自于复杂的猜测和意外的发现。这一过程非常耗时，并且需要经历许多次失败的尝试。现在，人工智能正在提高设计和合成化学分子的效率，帮助企业更快、更经济地解决合成问题。

 

机器学习算法可以分析所有已知的合成实验，既包括成功的，也有那些失败的实验。基于所识别的模式，这些算法可以预测潜在的、有用的新分子结构，以及可能的生成方法。

 

在制药领域，一种基于人工智能的新技术——生成式机器学习同样令人激动。大多数制药公司为了生产新药，需要对数以百万计的化合物进行筛选。这种筛选过程十分缓慢，而且产生的有效结果相对较少。利用描述已知药物（和候选药物）化学结构及特性的数据集，机器学习工具可以找到那些特性相似，但可能更加有用的新化合物。

 

近 100 家初创企业已经在探索用于研发新药的人工智能方法。最近，Benevolent AI 筹集了 1.15 亿美元，准备将其人工智能技术应用于运动神经元疾病、帕金森病和其他难治疾病的药物研发。

 

会辩论的人工智能系统

 

 

 

会辩论的人工智能——新算法赋予个人设备针对话题学习、辩论的能力

 

如今的智能助手已经能在某些时刻让你误以为它是人类，但未来的智能助手还会更进一步。

 

手机屏幕背后的智能助手系统必须经过预先 “训练”：尽可能多地学习人类可能提出的请求，其回复也是由人类编写、组织成高度结构化的数据格式。因此，智能助手在回应请求时会受到预设数据的限制。

 

现在，人们正在致力于开发新技术，使得下一代系统能够从各个来源吸收和组织非结构化数据（例如原始文本、视频、图片、音频、电子邮件等），然后自主地撰写出有说服力的建议，或者就一个它们从未接受过训练的问题与对手辩论。

 

今年 6 月，IBM 展示了一种先进的技术：没有事先就某一主题进行过培训，但可以与人类专家进行实时辩论的系统。系统必须使用非结构化数据来确定信息的相关性和真实性，并将其组织成某种可重复使用的形式，形成一致的论述来支持它被分配的立场。它还必须回应人类对手的论述。该系统演示了两场辩论，在其中一场辩论中，有许多观众认为该系统的辩论更具说服力。

 

这项技术的开发用了 5 年多，它包含的新软件不仅能理解自然语言，还能检测语言所包含的情绪是积极还是消极的。目前这一工作仍在进行中，但它已经为无数新型应用打开了大门，这些应用程序可能在未来 3~5 年甚至更短的时间内出现。

 

可植入的制药细胞

 

 

 

可植入的制药细胞——直接在病人体内释放药物即将变得可行

 

许多糖尿病患者每天需要多次刺破手指、测量血糖水平，并决定他们需要注射多少胰岛素。如果能在病人体内植入正常制造胰岛素的胰岛细胞，那就可以取代这一繁琐的过程。但是移植细胞总是会被自体免疫系统干扰，而使用免疫抑制剂则有巨大的副作用。

 

过去的几十年里，科学家发明了将细胞封闭在半渗透的保护膜中的方法，以防止免疫系统攻击移植的细胞。这些胶囊能保证营养物质和小分子渗入，并让激素以及其他有治疗意义的分子渗出。但问题是，免疫系统也可能将保护膜也当作外来物，这样胶囊周围就会长出疤痕组织。这种 “纤维化” 会阻碍营养物质进入细胞，从而杀死细胞本身。

 

2016 年，麻省理工学院的研究团队发布了一种能让移植细胞在免疫系统面前隐身的方法。在研发并筛选了上百种材料之后，研究者们选择了一种经过化学改造的藻酸盐凝胶。当他们将胰岛细胞密封在这种胶纸中，并植入患糖尿病的小鼠体内后，这种细胞立刻开始应对血糖的变化生产胰岛素，并在为期六个月的实验中持续控制着血糖水平。在此期间也没有观测到纤维化。

 

现在，这些胶囊内的细胞都是从动物或人类尸体上获取，或是通过人类干细胞培育而来的。未来的植入性细胞可能包含更多种类的细胞，甚至包括生物合成技术制造的：通过重写细胞基因来让它们具有新的功能，例如在可控的条件下根据需要向组织内释放特定的药物分子。

 

实验室人造肉类

 

 

 

人造肉——不杀生的人造肉正走向你的餐桌

 

想象一下，你咬了一口多汁的牛肉汉堡，而这是在不杀死动物的前提下发生的。从实验室培养出的人造肉正在把这种设想变成现实。

 

人造肉是由动物身上提取的肌肉样本培育成的。技术人员从动物组织中收集干细胞，让它们增殖并分化成原肌纤维，然后再长成肌肉组织。Mosa Meat 公司声称，一份从牛身上采集的组织样本就足以产生 8 万个牛肉汉堡。

 

一些初创企业表示，他们预计在未来几年内正式推出人造肉产品。但在上市之前，人造肉还必须克服许多障碍。

 

其中两个障碍分别是成本和口味。以 2013 年展示给各大媒体的实验室人造肉汉堡为例，汉堡中肉饼的制作成本超过 30 万美元，而且肉质过于干燥（因为脂肪太少）。自那以后，人造肉的制作成本逐年下降。今年，Memphis Meats 公司声称，1/4 磅的人造牛肉价格约为 600 美元。按照这一趋势，在几年内，人造肉就可能成为传统肉类的竞争对手。如果他们能成功制造出价格实惠、口味纯正的产品，人造肉就能使我们的日常饮食习惯更加符合伦理、对环境更加友好。

 

电子医学

 

 

 

电刺激医学——神经刺激疗法将替代许多药物治疗慢性病

 

神经电刺激器是一种通过电流脉冲治疗疾病的设备，在药学界有着很悠久的历史，例如心脏起搏器、耳蜗植入装置和治疗帕金森病的深脑电极刺激。这种电刺激器正变得越来越多功能化，将显著提升对大量病症的疗效。

 

在范斯坦医学研究所的凯文 · 特雷西（Kevin Tracey）等人的努力下，迷走神经刺激（VNS）在部分场合中已经变得可行。他们发现迷走神经能释放化学物质帮助调节免疫系统。这对患有免疫性疾病的患者来说是个好消息，因为现有的药物常常不起作用或者会带来严重的副作用。由于 VNS 只对特定的神经系统进行刺激，因此相比要通过全身并伤害目标以外身体组织的药物来说，这可能是个更容易接受的疗法。

 

迷走神经并不是新兴的电刺激疗法唯一的目标。2017 年末，FDA 批准了一项非植入式设备，可通过耳后皮肤向颅神经和枕神经发送信号，以缓解戒除类鸦片物质时的戒断反应。

 

VNS 疗法最大的阻碍在于它的手术价格，但随着非植入式技术的进步，价格问题应该会得到显著缓解。研究者们还要进一步了解 VNS 在每种疾病里是如何产生作用的，以及如何为每个病人确定最佳的电流频率。无论如何，伴随着更多关于机制和疗效的研究，VNS 和其他电刺激医学或许能更好地控制很多慢性疾病，并减少成千上万病人对药品的需求。

 

基因驱动技术

 

 

 

基因驱动——改变甚至消灭整个物种的基因工具技术

 

一项正在快速发展的基因工程技术，可以永久性地改变一个种群甚至整个物种的性状。这项技术通过基因驱动使得含有某种遗传因子的子代数量升高，从而加速该基因在物种中的传播。基因驱动可以自然发生，也可以通过基因工程人为控制，它在众多方面对人类有益：阻止昆虫传播疟疾和其他传染病、修改害虫的基因以提高粮食产量、赋予珊瑚抵抗环境压力的能力、防止入侵物种破坏生态系统。

 

尽管前景光明，基因驱动技术还是引起了人们的担忧：经过人为改造的基因会无意中扩散到其他野外的物种中，并干扰其生长吗？将现有的物种从生态系统中消除有什么风险？非法组织会不会将基因驱动用作武器来破坏农业生产？

 

为了避免出现这种极端情况，有研究团队发明了一个驱动开关：必须通过传递一种特殊的物质才能打开，使基因驱动起作用。与此同时，许多科学家团体正致力于拟定条款，来指导基因驱动实验在各阶段的进展。2016 年，美国国家科学院、工程院和医学院审查了基因驱动的研究并对相关研究提出了建议。2018 年，一个大型的国际工作小组为从实验室研究到野外试验的研究操作制定了流程。该组织提出了将基因驱动用在非洲控制疟疾的建议，这样将使公众健康前所未有地受益。

 

等离子激元材料

 

 

 

等离子激元材料——传感器科技因光控纳米材料正兴起一场革命

 

2007 年，加州理工学院的哈里 ·A· 阿特沃特（Harry A. Atwater）在《科学美国人》上撰文预测：“等离激元光子学” 最终会通向一系列应用，从高灵敏度的生物探测器到隐形覆盖物。之后的十年里，各种等离子体技术已经实现了商业化，另有一些技术正由实验室向市场过渡。

 

这些技术都依赖于对电磁场和金属（通常是金或银）中自由电子之间相互作用的控制，自由电子决定了材料的导电性和光学性能。当有光照射金属时，金属表面的自由电子产生共振，形成表面等离激元。如果金属材料体积较大，自由电子反射照射到它们的光后，材料可以发光；但如果金属只是直径几纳米的颗粒，它的自由电子就被限制在一个很小的空间里，电子的振动频率因而受到了限制。电子特定的振荡频率将取决于金属纳米颗粒的大小。

 

在等离激元材料领域，研究最透彻的应用之一，是用于检测化学和生物试剂的传感器；其他应用还包括可监测电池活动的电池内部传感器、能区分病毒和细菌感染的设备等。此外，在医学领域，研究者正在临床试验中测试光敏纳米颗粒在癌症治疗中的应用。根据市场研究公司 Future Market Insights 的分析预测，等离激元传感器的应用在北美的市值，将会从 2017 年的近 2.5 亿美元上涨到 2027 年的近 4.7 亿美元。

 

量子计算机算法 

 

为量子计算机而生的算法——开发者在不断修改程序以适应量子计算机

 

量子计算机特有的叠加、纠缠特性，使其在解决特定问题时比任何传统计算机更高效。然而，实现量子计算的条件却是众所周知的挑剔。例如，量子退相干过程会破坏其功能。研究人员已经证实，通过量子纠错，可以使具有数千量子比特的量子计算机受到严格控制，维持在量子态。但是到目前为止，实验室中的量子计算机都只是包含数十个量子比特、尚未进行纠错的嘈杂中型量子（NISQ）计算机。

 

然而，随着专门为 NISQ 计算机编写算法的研究兴起，量子计算领域可能将迎来突破。

 

在研究人员看来，NISQ 算法在模拟和机器学习领域具有广阔前景。许多研究人员已经开发出在 NISQ 设备（以及未来进行纠错后的量子计算机）上模拟分子和材料的算法。这些算法可以提高从能源到健康科学领域新材料的设计效率。

 

开发人员还在评估量子计算机是否会在机器学习方面更胜一筹。针对 NISQ 设备的算法集正快速增长，对其测试表明，量子计算机确实可以加快机器学习，例如将信息按类别分类、将类似的项目或特征归类，以及从现有的统计样本生成新的样本。

 

在接下来的几年里，研究人员很可能会开发出更大、操控性更强的 NISQ 设备；其次是数千个量子比特，经过完全纠错的仪器。我们乐观地认为，NISQ 的算法效率将超越拥有最先进技术的传统计算机，尽管我们可能要等到完全纠错的机器可用的时候。

 

（本文经授权转载自环球科学ScientificAmerican，ID：huanqiukexue）