自2001年以來(lái)，《麻省理工科技評(píng)論》(MIT)每年都會(huì)評(píng)選出10項(xiàng)突破性技術(shù)。對(duì)于“突破”一詞到底如何定義?MIT編輯部表示，可能我們的TOP10里面有一些技術(shù)尚未得到廣泛的應(yīng)用，而另外的一些已經(jīng)處于商業(yè)化的頂端。我們真正想要的是一種技術(shù)，或者說(shuō)是一種技術(shù)的集合，它能夠?qū)θ藗兊纳町a(chǎn)生深遠(yuǎn)的影響。今天，MIT公布了2018年“全球十大突破性技術(shù)”(10 Breakthrough Technologies)。

3D金屬打印機(jī)（3-D Metal Printing）、人造胚胎（Artificial Embryos）、傳感城市（Sensing City）、給所有人的人工智能（AI for Everybody）、對(duì)抗性神經(jīng)網(wǎng)絡(luò)（Dueling Neural Networks）、巴別魚(yú)耳塞（Babel-Fish Earbuds）、零碳排放天然氣（Zero-Carbon Natural Gas）、完美網(wǎng)絡(luò)隱私（Perfect Online Privacy）、基因占卜（Genetic Fortune-Telling）、材料的量子飛躍（Materials’ Quantum Leap）等入選了MIT2018全球十大突破性技術(shù)。

人造胚胎（Artificial Embryos）

UNIVERSITY OF CAMBRIDGE

突破性：未使用卵細(xì)胞或精子細(xì)胞，研究人員僅從干細(xì)胞就創(chuàng)造出了胚胎樣結(jié)構(gòu)（embryo-like structure），為創(chuàng)造生命提供了一條全新的途徑。

重要性：人造胚胎將使研究人員更加容易地研究人類生命的神秘起源，但這一技術(shù)也正在引發(fā)新的生物倫理爭(zhēng)論。

可用性：現(xiàn)在

關(guān)鍵研究者：劍橋大學(xué)、密歇根大學(xué)、洛克菲勒大學(xué)

在一項(xiàng)重新定義了如何創(chuàng)造生命的突破性研究中，英國(guó)劍橋大學(xué)的胚胎學(xué)家們僅利用干細(xì)胞（沒(méi)有卵子，沒(méi)有精子，只是從另一個(gè)胚胎中取出的細(xì)胞）就培育出了逼真的（realistic-looking）小鼠胚胎。

領(lǐng)導(dǎo)該研究的Magdelena Zernicka--Goetz說(shuō)：“我們知道，干細(xì)胞具有不可思議的能力，但我們真的沒(méi)有意識(shí)到，它們能夠如此完美地自我組織（self-organize）。”

不過(guò)， Zernicka--Goetz表示，她的“合成”胚胎可能不能發(fā)育成小鼠。這也不是Zernicka-Goetz的目標(biāo)。她想要研究，一個(gè)早期胚胎中的細(xì)胞如何開(kāi)始發(fā)揮其特殊的作用。她還說(shuō)，他們的下一步計(jì)劃是用人類干細(xì)胞生成人造胚胎。密歇根大學(xué)和洛克菲勒大學(xué)的科學(xué)家們正在進(jìn)行相關(guān)的研究。

人工合成的人類胚胎將是科學(xué)家們的福音，可以讓他們弄清早期發(fā)育中發(fā)生的各種事件。同時(shí)，由于這類胚胎是從易操作的干細(xì)胞發(fā)育而來(lái)的，因此，研究人員將能夠利用各種工具（如基因編輯）在它們生長(zhǎng)的過(guò)程中調(diào)查它們。不過(guò)，

人造胚胎這一突破技術(shù)也引發(fā)了倫理問(wèn)題。如果它們變得與真實(shí)的胚胎難以區(qū)分，我們?cè)撛趺崔k？ 在它們能夠感覺(jué)疼痛之前（before they feel pain），它們能在實(shí)驗(yàn)室里成長(zhǎng)多久？ 生物倫理學(xué)家們說(shuō)，我們需要在科學(xué)競(jìng)賽愈演愈烈之前解決這些問(wèn)題。

給所有人的人工智能（AI for Everybody） ?

MIGUEL PORLAN

突破性：基于云的人工智能技術(shù)（Cloud-based AI）使得這項(xiàng)技術(shù)的使用更便宜、更容易。

重要性：目前，AI的使用由少數(shù)幾家公司主導(dǎo)，但作為一種基于云的服務(wù)，它能夠被更多的人使用，從而推動(dòng)經(jīng)濟(jì)增長(zhǎng)。

可用性：現(xiàn)在

關(guān)鍵研究者：亞馬遜、谷歌、微軟

迄今為止，人工智能主要是像亞馬遜、百度、谷歌和微軟這樣的大型科技公司以及一些初創(chuàng)公司的“利器”，對(duì)許多其他公司和經(jīng)濟(jì)領(lǐng)域來(lái)說(shuō)，AI系統(tǒng)太昂貴，且太難完全實(shí)現(xiàn)了。

那么，讓AI更普及的解決方案是什么呢？基于云的機(jī)器學(xué)習(xí)工具正在將AI帶給更廣泛的群體。到目前為止，亞馬遜的 AWS 子公司主導(dǎo)著云AI（cloud AI），而谷歌正試圖用TensorFlow（一個(gè)開(kāi)源的AI庫(kù)）來(lái)挑戰(zhàn)它的地位。擁有自己AI云平臺(tái)Azure的微軟則選擇與亞馬遜合作，推出了一款開(kāi)源深度學(xué)習(xí)庫(kù)—— Gluon。

這些公司中的哪一家會(huì)成為提供人工智能云服務(wù)的領(lǐng)導(dǎo)者，目前還不清楚。但對(duì)于贏家來(lái)說(shuō)，這是一個(gè)巨大的商機(jī)。如果人工智能革命將會(huì)在經(jīng)濟(jì)的不同領(lǐng)域更廣泛地?cái)U(kuò)散，那么，這些云產(chǎn)品將是不可或缺的。

目前AI主要應(yīng)用于科技行業(yè)，許多其他行業(yè)一直難以利用人工智能技術(shù)的發(fā)展。醫(yī)療、制造以及能源等行業(yè)如果能夠更全面地推行人工智能技術(shù)，那么，這些行業(yè)可能將產(chǎn)生巨大的改變。

對(duì)抗性神經(jīng)網(wǎng)絡(luò)（Dueling Neural Networks） ?

DEREK BRAHNEY

突破性：兩個(gè)AI系統(tǒng)可以通過(guò)相互對(duì)抗來(lái)創(chuàng)造逼真的圖像和語(yǔ)音，此前，機(jī)器從未有過(guò)這種能力

重要性：這給機(jī)器帶來(lái)類似想象力的能力，可以讓它們不再那么依賴人類，同時(shí)也把它們變成了一種數(shù)字造假工具。

可用性：現(xiàn)在

主要研究者：Google Brain、DeepMind、Nvidia

人工智能（AI）在識(shí)別事物方面變得越來(lái)越擅長(zhǎng)了：向它展示一百萬(wàn)張圖片，它能以驚人的準(zhǔn)確性告訴你哪張照片描繪了一個(gè)行人穿越街道。但是AI幾乎不可能生成行人的圖像。如果能做到這一點(diǎn)，它就能創(chuàng)造出大量逼真的合成畫(huà)面，比如在各種環(huán)境下的行人。這樣，自動(dòng)駕駛系統(tǒng)可以在不出門的情況下使用這些圖片進(jìn)行訓(xùn)練。

但問(wèn)題是，創(chuàng)造一個(gè)全新的東西需要想象力，而這一直困擾著AI。 直到2014年，蒙特利爾大學(xué)的一名博士生Ian Goodfellow在一家酒吧的學(xué)術(shù)辯論中，率先想到了解決方案。這種方法被稱為“對(duì)抗式生成網(wǎng)絡(luò)”（GAN），它采用了兩種神經(jīng)網(wǎng)絡(luò)（人腦的簡(jiǎn)化數(shù)學(xué)模型，這是現(xiàn)代機(jī)器學(xué)習(xí)的基礎(chǔ)），并在數(shù)字版貓捉老鼠游戲中相互對(duì)抗。

這兩個(gè)神經(jīng)網(wǎng)絡(luò)都是在相同的數(shù)據(jù)集上進(jìn)行訓(xùn)練的，其中一個(gè)被稱為“發(fā)生器”（generator），負(fù)責(zé)依照所見(jiàn)過(guò)的圖片來(lái)創(chuàng)造新的圖片。另一個(gè)被稱為鑒別器（discriminator），負(fù)責(zé)識(shí)別它所看到的圖片是否像訓(xùn)練時(shí)的圖片，還是發(fā)生器產(chǎn)生的虛假圖像。

漸漸地，發(fā)生器可以創(chuàng)造出鑒別器不能識(shí)別出的圖片。這項(xiàng)技術(shù)已經(jīng)成為AI在過(guò)去十年中最有希望的進(jìn)展之一，它能夠幫助機(jī)器“騙過(guò)”人類。

目前，GAN已經(jīng)被用于制作非常逼真的語(yǔ)音和假圖片。舉個(gè)例子，芯片制造商N(yùn)vidia的研究人員用明星照片訓(xùn)練出一個(gè)GAN系統(tǒng)，而這個(gè)系統(tǒng)生成了數(shù)百?gòu)埐淮嬖诘雌饋?lái)很真實(shí)的面孔。另一個(gè)研究小組則生成了很逼真的梵高作品。進(jìn)一步訓(xùn)練之后，GAN可以用不同的方式重新創(chuàng)造圖片，比如在干凈的道路上鋪上一層雪，或者把馬變成斑馬。

但GAN也不總是完美的，它可能會(huì)生成有兩套把手的自行車或者，眉毛錯(cuò)位的臉。但由于圖片和聲音的逼真，一些專家認(rèn)為，在某種意義上，GAN在某種程度上開(kāi)始理解它們所見(jiàn)所聽(tīng)。這就意味著，隨著想象力的獲得，AI也有可能開(kāi)始理解它在這個(gè)世界上所看到的東西。

基因占卜（Genetic Fortune-Telling） ?

DEREK BRAHNEY

突破性：科學(xué)家可以使用基因來(lái)預(yù)測(cè)人們未來(lái)患心臟病、乳腺癌的風(fēng)險(xiǎn)，甚至可以預(yù)測(cè)IQ。

重要性：基于DNA水平的預(yù)測(cè)技術(shù)可能是公共健康領(lǐng)域下一個(gè)重要突破，但它也會(huì)增加基因歧視風(fēng)險(xiǎn)。

可用性：現(xiàn)在

主要研究者：Helix、23andMe、Myriad Genetics、UK Biobank、Broad Institute

將來(lái)有一天，嬰兒出生時(shí)就會(huì)得到一份DNA檢測(cè)報(bào)告。這些報(bào)告將提供他們患心臟病或癌癥的幾率，是否對(duì)煙草上癮，以及是否比一般人更聰明的預(yù)測(cè)。由于大型基因研究的陸續(xù)開(kāi)展，這一天很快就會(huì)來(lái)臨。

事實(shí)證明，最常見(jiàn)的疾病和包括智力等許多行為特征，都不是一個(gè)或幾個(gè)基因的結(jié)果，而是許多基因作用的結(jié)果。利用正在進(jìn)行的基因研究的數(shù)據(jù)，科學(xué)家們正在創(chuàng)造他們所謂的“多基因風(fēng)險(xiǎn)評(píng)分”。

盡管新的DNA檢測(cè)提供的只是概率，而不是精確診斷，但它們?nèi)钥梢詷O大地造福醫(yī)學(xué)的發(fā)展。比如說(shuō)，醫(yī)生可以建議乳腺癌高危的女性多做乳房x光檢查，而低風(fēng)險(xiǎn)的女性乳房x光檢查則少做些，那么這些檢查可能幫助發(fā)現(xiàn)更多的真正患癌癥的病人，并能夠減少 “假警報(bào)”的情況。

此外，制藥公司還可以在針對(duì)阿爾茨海默病或心臟病等疾病的預(yù)防性藥物的臨床試驗(yàn)中使用這些信息，他們通過(guò)挑選患病風(fēng)險(xiǎn)更高的志愿者，從而可以更準(zhǔn)確地測(cè)試藥物的效果。

但問(wèn)題是，這些預(yù)測(cè)遠(yuǎn)非完美。誰(shuí)想知道他們未來(lái)可能會(huì)患上老年癡呆癥?如果癌癥風(fēng)險(xiǎn)評(píng)分低的人推遲接受篩查，然后又患上癌癥怎么辦?

多基因評(píng)分也有爭(zhēng)議，因?yàn)樗鼈兛梢灶A(yù)測(cè)任何個(gè)體特征，而不僅僅是疾病。比如說(shuō)，他們現(xiàn)在可以預(yù)測(cè)一個(gè)人在智商測(cè)試中表現(xiàn)的10%。隨著評(píng)分技術(shù)的提高，DNA智商的預(yù)測(cè)很可能會(huì)成為常規(guī)的檢測(cè)。但是家長(zhǎng)和教育工作者將如何使用這些信息呢?

行為遺傳學(xué)家EricTurkheimer表示，基因數(shù)據(jù)是把雙刃劍?！盎蛘疾贰奔茸屓伺d奮，也令人擔(dān)心。

參考資料

10 BREAKTHROUGH TECHNOLOGIES 2018