2021年2月24日，MIT Technology Review一年一度的“十大突破性技術(shù)”榜單正式發(fā)布。自2001年起，該雜志每年都會(huì)評(píng)選出當(dāng)年的“十大突破性技術(shù)”，這份在全球科技領(lǐng)域舉足輕重的榜單曾精準(zhǔn)預(yù)測(cè)了腦機(jī)接口、量子密碼、靈巧機(jī)器人、智慧傳感城市、深度學(xué)習(xí)等諸多熱門(mén)技術(shù)的崛起。本年度MIT Technology Review “十大突破性技術(shù)”分別為：mRNA疫苗、生成式預(yù)訓(xùn)練模型、數(shù)據(jù)信托、鋰金屬電池、數(shù)字接觸追蹤、超高精度定位、遠(yuǎn)程技術(shù)、多技能型人工智能、TikTok推薦算法和綠色氫能。為了讓廣大讀者深入了解這十項(xiàng)技術(shù)的科學(xué)價(jià)值及其背后的科學(xué)故事，本刊特邀請(qǐng)各領(lǐng)域著名科學(xué)家分別對(duì)其進(jìn)行深入解讀，以激發(fā)科研人員的創(chuàng)新思維，并促進(jìn)科學(xué)界的學(xué)術(shù)交流。

　　1 mRNA疫苗(Messenger RNA vaccines)

　　在1918年大流感100年后，全球爆發(fā)了又一次呼吸道病毒傳染病大流行，罪魁禍?zhǔn)资且环N具有包膜的正鏈單股RNA病毒——嚴(yán)重急性呼吸系統(tǒng)綜合征冠狀病毒2(SARS-CoV-2)。根據(jù)世界衛(wèi)生組織的統(tǒng)計(jì)，截止到2021年6月17日，全球已有176 693 988人確診，造成3 830 304人失去了生命。面對(duì)病毒的挑戰(zhàn)，人類(lèi)最有力的對(duì)抗武器是疫苗。針對(duì)這次疫情，從疫苗研發(fā)到實(shí)際應(yīng)用的速度空前。截止到2021年6月15日，全世界已接種了2 377 780 590劑次針對(duì)SARS-CoV-2的各種疫苗。其中包括有首次應(yīng)用就一戰(zhàn)成名的mRNA疫苗，它被MIT Technology Review評(píng)選為2021年“全球十大突破性技術(shù)”之一。

　　專家點(diǎn)評(píng)：

? ? ? mRNA(Messenger RNA)被稱為信使RNA，是攜帶編碼蛋白遺傳信息的單鏈RNA。在細(xì)胞內(nèi)，mRNA指導(dǎo)把單個(gè)氨基酸按特定序列組成蛋白質(zhì)，是細(xì)胞內(nèi)“蛋白工廠”生產(chǎn)的“指導(dǎo)員”。很久以來(lái)，許多人都曾設(shè)想把在體外人工合成的mRNA“指導(dǎo)員”導(dǎo)入細(xì)胞內(nèi)從而指導(dǎo)“蛋白工廠”的工作。第一例證明體外轉(zhuǎn)錄的mRNA可在體內(nèi)指導(dǎo)蛋白質(zhì)合成的研究發(fā)表于1990年，Wolff等將編碼β-半乳糖苷酶(β-galactosidase)的mRNA注射到小鼠的骨骼肌，成功檢測(cè)到了β-半乳糖苷酶的活性。兩年后，Jirikowski等在大鼠中成功的用mRNA表達(dá)出了有功能的抗利尿激素(vasopressin)。雖然這些早期研究顯示出mRNA作為潛在治療載體的原理可行，其實(shí)際應(yīng)用的缺陷也變得十分明顯。mRNA本身不夠穩(wěn)定，在體內(nèi)易降解，不易靶向遞送，而且可以導(dǎo)致強(qiáng)烈的免疫激活和炎癥反應(yīng)。因此，在而后的許多年中，核酸治療領(lǐng)域都沒(méi)有把mRNA作為開(kāi)發(fā)重點(diǎn)。

　　近十年的技術(shù)進(jìn)步，通過(guò)對(duì)mRNA的人工修飾，大幅降低了mRNA本身的免疫原性，提高了安全性。通過(guò)脂質(zhì)納米粒包裹mRNA的遞送技術(shù)，大幅提高mRNA在體內(nèi)的表達(dá)效率。加之mRNA只需體外轉(zhuǎn)錄就可人工合成，快速價(jià)廉，實(shí)用性隨之增高。通過(guò)mRNA表達(dá)蛋白抗原來(lái)誘導(dǎo)機(jī)體針對(duì)蛋白產(chǎn)生免疫應(yīng)答，可能達(dá)到疫苗效果。機(jī)制上，脂質(zhì)納米粒包裹的mRNA可有效的進(jìn)入樹(shù)突狀細(xì)胞中，一方面使樹(shù)突狀細(xì)胞按mRNA指導(dǎo)表達(dá)蛋白抗原，另一方面通過(guò)脂質(zhì)納米粒類(lèi)似佐劑的作用激活樹(shù)突狀細(xì)胞。作為免疫系統(tǒng)中最重要的抗原遞呈細(xì)胞，樹(shù)突狀細(xì)胞可將蛋白抗原消化分解成肽段，并呈遞于細(xì)胞表面的一類(lèi)、二類(lèi)組織相容性復(fù)合體，引起CD4、CD8 T細(xì)胞的特異性應(yīng)答。CD4陽(yáng)性T細(xì)胞可分化成不同的亞群，分泌細(xì)胞因子，促進(jìn)機(jī)體的免疫反應(yīng)。CD8陽(yáng)性T細(xì)胞可分化成殺傷性T細(xì)胞，從而在感染發(fā)生時(shí)殺傷感染細(xì)胞。在接種疫苗一段時(shí)間后，CD4和CD8 T細(xì)胞都會(huì)分化成為記憶T細(xì)胞。另外，mRNA表達(dá)的蛋白抗原也可以被B細(xì)胞抓取，促使其活化，在CD4陽(yáng)性T細(xì)胞的幫助下這些B細(xì)胞分化成為記憶B細(xì)胞和產(chǎn)生高親和力抗體的長(zhǎng)效漿細(xì)胞。

　　這次新冠肺炎疫情中，mRNA疫苗展現(xiàn)出了驚人的保護(hù)效果。在臨床前研究階段，Moderna開(kāi)發(fā)的mRNA疫苗mRNA-1273在恒河猴中可誘導(dǎo)強(qiáng)烈的免疫應(yīng)答。在第二劑接種后四周，血清中可檢測(cè)到高滴度中和抗體，表達(dá)白介素-21的濾泡性輔助T細(xì)胞顯著增多。在包含了30 420志愿者的三期臨床研究中，mRNA-1273的有效率達(dá)94.1%。這款疫苗對(duì)保存條件要求較為嚴(yán)苛，需在-20 ℃條件下運(yùn)輸。我國(guó)科學(xué)家開(kāi)發(fā)的耐高溫mRNA疫苗ARCoV表現(xiàn)不俗，在動(dòng)物實(shí)驗(yàn)中可以誘導(dǎo)抗體和細(xì)胞免疫，并顯著降低病毒載量;它只需在2—8 ℃保存。目前這款國(guó)產(chǎn)mRNA疫苗正在墨西哥進(jìn)行III期臨床實(shí)驗(yàn)。

　　使用外源mRNA導(dǎo)入人體實(shí)現(xiàn)細(xì)胞內(nèi)蛋白表達(dá)的本質(zhì)就是讓人體自身細(xì)胞成為“工廠”，生產(chǎn)所需的蛋白分子。該技術(shù)顯然不局限于新冠病毒疫苗。多國(guó)研究者還在針對(duì)其他諸如HIV和Zika病毒設(shè)計(jì)和開(kāi)發(fā)mRNA疫苗。該技術(shù)也不局限于抗感染疫苗，比如也有針對(duì)黑色素瘤的mRNA疫苗正在臨床試驗(yàn)中。事實(shí)上，使用mRNA表達(dá)技術(shù)也不局限于做疫苗。比如通過(guò)表達(dá)正確的血紅蛋白來(lái)作為治療性蛋白分子，同樣思路可能用于治療鐮狀紅血球貧血癥。時(shí)勢(shì)造英雄，mRNA疫苗在這次新冠肺炎疫情中顯示出了巨大潛力。同時(shí)，我們也要注意到，mRNA技術(shù)的第一個(gè)概念性實(shí)驗(yàn)證明距今30年，再一次說(shuō)明投入源頭創(chuàng)新，回報(bào)不一定是立竿見(jiàn)影;但假以時(shí)日，金子總要發(fā)光。mRNA技術(shù)未來(lái)還會(huì)給我們帶來(lái)什么新的治療突破?我們拭目以待。

　　2 生成式預(yù)訓(xùn)練模型(GPT-3)

　　具有寫(xiě)作和對(duì)話功能的大規(guī)模自然語(yǔ)言模型使人工智能朝著更好地理解人類(lèi)的自然語(yǔ)言與人機(jī)交互這一目標(biāo)邁出了堅(jiān)實(shí)的一步。在眾多語(yǔ)言模型中，OpenAI公司開(kāi)發(fā)的GPT-3是目前為止參數(shù)最多、規(guī)模最大、能力最強(qiáng)的模型。通過(guò)利用大量的互聯(lián)網(wǎng)文本數(shù)據(jù)和成千上萬(wàn)的書(shū)籍進(jìn)行模型訓(xùn)練，GPT-3模型對(duì)人類(lèi)自然語(yǔ)言的模仿到了一個(gè)不可思議的地步，極具真實(shí)性，也因此成為迄今為止令人印象最深刻的語(yǔ)言模型。

　　雖然GPT-3模型建模能力、描述能力非常強(qiáng)，但是也存在眾多問(wèn)題和局限性。首當(dāng)其沖的就是GPT-3模型不能理解什么是真正意義上的寫(xiě)作(自然語(yǔ)言生成)，因此有時(shí)會(huì)生成一些不可控的內(nèi)容。其次，訓(xùn)練GPT-3模型需要大量的算力、數(shù)據(jù)和資金投入，并會(huì)產(chǎn)生大量的碳排放，只有資源充足的實(shí)驗(yàn)室才有能力開(kāi)發(fā)類(lèi)似的模型。此外，由于GPT-3模型在充斥錯(cuò)誤消息和偏見(jiàn)的互聯(lián)網(wǎng)文本數(shù)據(jù)上進(jìn)行訓(xùn)練，往往會(huì)產(chǎn)生與訓(xùn)練數(shù)據(jù)類(lèi)似，即帶有偏見(jiàn)的篇章段落。

　　專家點(diǎn)評(píng)：

　　(1)為什么可以入選10大技術(shù)

　　人工智能已經(jīng)成為人類(lèi)社會(huì)經(jīng)濟(jì)和社會(huì)發(fā)展的重要支撐技術(shù)，是引領(lǐng)新一輪科技革命、產(chǎn)業(yè)和社會(huì)變革的戰(zhàn)略性技術(shù)，自然語(yǔ)言理解是下一代人工智能的核心技術(shù)之一，其關(guān)鍵技術(shù)的突破極具科學(xué)意義和產(chǎn)業(yè)價(jià)值。語(yǔ)言模型是利用計(jì)算機(jī)對(duì)自然語(yǔ)言進(jìn)行抽象數(shù)學(xué)建模，是自然語(yǔ)言理解最核心的科學(xué)問(wèn)題。廣義上，任何自然語(yǔ)言理解模型都可稱之為語(yǔ)言模型，因?yàn)槎家M(jìn)行數(shù)學(xué)建模。狹義上講，語(yǔ)言模型要完成對(duì)一段文字的概率估計(jì)，或者給定上下文估計(jì)某個(gè)語(yǔ)言片段的出現(xiàn)概率或者抽象數(shù)學(xué)表示。通常所指的語(yǔ)言模型是狹義語(yǔ)言模型。語(yǔ)言模型的歷史從1948年提出的N-Gram模型、1954年的分布式理論詞袋模型、1986年的分布式表示、2013年的Word2Vec模型直到2018年提出的預(yù)訓(xùn)練模型。預(yù)訓(xùn)練語(yǔ)言模型(最具有代表性的模型包括ELMo、BERT和GPT)對(duì)自然語(yǔ)言處理領(lǐng)域產(chǎn)生了深遠(yuǎn)的影響,是深度學(xué)習(xí)時(shí)代自然語(yǔ)言處理領(lǐng)域里程碑式的研究成果。

　　這一系列基于深度學(xué)習(xí)技術(shù)的模型只需要利用非監(jiān)督的語(yǔ)言模型訓(xùn)練目標(biāo)函數(shù)即可從海量的文本中捕捉和學(xué)習(xí)到各種類(lèi)型的有效信息，能夠動(dòng)態(tài)生成更加準(zhǔn)確的具有上下文信息建模能力的字、詞、短語(yǔ)乃至句子和篇章的向量表示和生成概率，并可以在多種下游任務(wù)上取得驚艷的效果，例如問(wèn)答、閱讀理解、文本蘊(yùn)含、語(yǔ)義相似度匹配、文本摘要、代碼生成、故事創(chuàng)作等。除了強(qiáng)大的表示學(xué)習(xí)能力和多任務(wù)泛化屬性以外，這些預(yù)訓(xùn)練語(yǔ)言模型還具有強(qiáng)大的小樣本學(xué)習(xí)能力，只需要很少數(shù)據(jù)樣本(甚至是在零樣本學(xué)習(xí)的設(shè)置下)，即可理解特定的任務(wù)并取得和監(jiān)督學(xué)習(xí)模型相當(dāng)甚至更好的表現(xiàn)。在眾多模型中，2020年5月OpenAI公司所提出的第三代GPT模型(GPT-3)憑借其當(dāng)時(shí)最大的參數(shù)規(guī)模、非凡的模型能力、多任務(wù)泛化表現(xiàn)以及小樣本學(xué)習(xí)能力入選2021年MIT Technology Review的“全球十大突破性技術(shù)”。

　　(2) GPT等系列模型發(fā)展過(guò)程和能力變化

　　預(yù)訓(xùn)練語(yǔ)言模型數(shù)量眾多，其中具有里程碑意義的典型模型包括ELMo、BERT和GPT。限于篇幅，在此只選擇GPT系列模型進(jìn)行代表性介紹。

　　在對(duì)GPT-3模型進(jìn)行解讀之前，我們首先對(duì)預(yù)訓(xùn)練語(yǔ)言模型的初衷和中間發(fā)展過(guò)程進(jìn)行回顧。以N-Gram為代表的傳統(tǒng)語(yǔ)言模型是計(jì)算給定語(yǔ)言片段的概率或者給定上文預(yù)測(cè)下一個(gè)詞的出現(xiàn)概率，采用的是傳統(tǒng)的基于頻率的離散統(tǒng)計(jì)概率模型。其主要問(wèn)題是離散的詞表示方法描述能力差，參數(shù)空間成指數(shù)級(jí)增長(zhǎng)，基于頻率的統(tǒng)計(jì)概率模型建模能力差，導(dǎo)致最終語(yǔ)言模型描述能力不足、魯棒性差、準(zhǔn)確率不高。為解決上述問(wèn)題，以ELMo、BERT和GPT為代表的預(yù)訓(xùn)練語(yǔ)言模型利用大規(guī)模甚至全網(wǎng)數(shù)據(jù)，基于生成式語(yǔ)言模型或者掩碼語(yǔ)言模型，用神經(jīng)網(wǎng)絡(luò)方法訓(xùn)練語(yǔ)言模型。這樣，預(yù)訓(xùn)練語(yǔ)言模型既有傳統(tǒng)模型的概率輸出，也可生成語(yǔ)言片段的向量表示。由于采用神經(jīng)網(wǎng)絡(luò)的方法，可以利用可導(dǎo)、可微等強(qiáng)大的數(shù)學(xué)工具和極大規(guī)模的數(shù)據(jù)，所以預(yù)訓(xùn)練語(yǔ)言模型上下文建模能力超強(qiáng)，可計(jì)算出更加準(zhǔn)確的概率和上下文強(qiáng)相關(guān)的語(yǔ)言片段的動(dòng)態(tài)向量表示。

　　ELMo開(kāi)啟了第二代預(yù)訓(xùn)練語(yǔ)言模型的時(shí)代，即上下文相關(guān)和“預(yù)訓(xùn)練+微調(diào)”的范式。ELMo是一種生成式模型，以雙向LSTM作為特征提取器，利用上下文信息動(dòng)態(tài)建模，較好地解決了以Word2Vec為代表的第一代預(yù)訓(xùn)練語(yǔ)言模型存在的一詞多義問(wèn)題，在自然語(yǔ)言生成任務(wù)上表現(xiàn)尤為出色。BERT是一種掩碼式語(yǔ)言模型，以Transformer Encoder為特征提取器，在自然語(yǔ)言分析和理解任務(wù)上表現(xiàn)尤為出色。GPT是一種生成式模型，以Transformer Decoder為特征提取器，在自然語(yǔ)言生成任務(wù)上表現(xiàn)更為突出。

　　在上述系列模型提出以前，以自然語(yǔ)言理解為代表的下游任務(wù)主要采用監(jiān)督學(xué)習(xí)的方式在相應(yīng)的標(biāo)注數(shù)據(jù)集上訓(xùn)練模型。這就需要每一個(gè)目標(biāo)任務(wù)有充足的標(biāo)注數(shù)據(jù)，并且在特定任務(wù)上訓(xùn)練的模型無(wú)法有效地泛化到其他任務(wù)上。在數(shù)據(jù)不足的情況下，這類(lèi)判別式模型就無(wú)法取得令人滿意的效果。針對(duì)這一問(wèn)題，OpenAI團(tuán)隊(duì)提出了第一代的生成式預(yù)訓(xùn)練語(yǔ)言模型(GPT-1)是基于Transformer Decoder的生成式語(yǔ)言模型，對(duì)該模型結(jié)構(gòu)沒(méi)有新穎改動(dòng)，但擴(kuò)大了模型的復(fù)雜度。該類(lèi)生成式預(yù)訓(xùn)練模型只需要利用非監(jiān)督的語(yǔ)言模型目標(biāo)函數(shù)即可進(jìn)行訓(xùn)練，因此可以利用海量的無(wú)標(biāo)注數(shù)據(jù)進(jìn)行模型學(xué)習(xí)。除此以外，GPT-1模型在增強(qiáng)下游任務(wù)時(shí)對(duì)各種輸入數(shù)據(jù)的格式進(jìn)行了統(tǒng)一，以實(shí)現(xiàn)最小的模型結(jié)構(gòu)修改?；谝陨蟽蓚€(gè)特點(diǎn)，GPT-1只需要簡(jiǎn)單的微調(diào)監(jiān)督訓(xùn)練即可用于下游任務(wù)，并取得顯著的效果提升，展示了生成式預(yù)訓(xùn)練語(yǔ)言模型強(qiáng)大的泛化能力。額外的評(píng)測(cè)發(fā)現(xiàn)GPT-1在零資源的設(shè)置下仍然具有一定的泛化能力。這些結(jié)果展示了生成式預(yù)訓(xùn)練的強(qiáng)大威力，為后續(xù)參數(shù)規(guī)模更大、所需訓(xùn)練數(shù)據(jù)更多的模型版本奠定了基礎(chǔ)。

　　GPT-2在GPT-1的基礎(chǔ)上，對(duì)模型結(jié)構(gòu)進(jìn)行了5點(diǎn)微小改進(jìn)，增加更多的訓(xùn)練數(shù)據(jù)，進(jìn)一步提升了生成式預(yù)訓(xùn)練語(yǔ)言模型的泛化能力，重點(diǎn)解決 GPT-1 在下游任務(wù)使用時(shí)需要監(jiān)督微調(diào)訓(xùn)練的問(wèn)題。通過(guò)在模型訓(xùn)練時(shí)引入任務(wù)信息、利用比GPT-1模型更多的訓(xùn)練數(shù)據(jù)(40GB vs. 5GB)、搭建更大參數(shù)規(guī)模的模型(15億vs. 1.17億)，GPT-2模型在零資源的設(shè)置下超越了多種下游任務(wù)上的前沿模型，例如機(jī)器翻譯、閱讀理解、長(zhǎng)距離依賴關(guān)系建模等。GPT-2模型的這些特點(diǎn)揭示了更大的模型容量和更多的訓(xùn)練數(shù)據(jù)可以進(jìn)一步提升模型的泛化能力以及減少對(duì)監(jiān)督訓(xùn)練的依賴。此外，GPT-2模型的容量和訓(xùn)練數(shù)據(jù)相比，還處于欠擬合的狀態(tài)，這就需要進(jìn)一步增大模型的參數(shù)規(guī)模。

　　GPT-3在GPT-2模型的基礎(chǔ)上進(jìn)一步擴(kuò)大了參數(shù)(1750億 vs. 15億)和數(shù)據(jù)規(guī)模(45TB vs. 40GB)，是目前為止最大的語(yǔ)言模型，無(wú)需微調(diào)訓(xùn)練即可用于下游任務(wù)，在零資源(Zero-shot)和小樣本(Few-shot)設(shè)置下具有出色的表現(xiàn)。在GPT-2的多任務(wù)泛化能力基礎(chǔ)上，GPT-3在新的任務(wù)上取得了驚艷的結(jié)果，包括數(shù)學(xué)加法、新聞文章生成、詞匯解讀、代碼編寫(xiě)等，并且這種模型表現(xiàn)會(huì)隨著參數(shù)量的進(jìn)一步增加而提升。

　　(3) 成功和局限性背后的根本原因討論

　　通過(guò)對(duì)比GPT三代模型的設(shè)計(jì)初衷和發(fā)展過(guò)程可以發(fā)現(xiàn)，三代模型都是基于Transformer Decoder結(jié)構(gòu)，GPT-3模型的強(qiáng)大能力建立在規(guī)模效應(yīng)的基礎(chǔ)上，即超強(qiáng)的泛化能力僅來(lái)自于增加模型和訓(xùn)練數(shù)據(jù)的規(guī)模。也就是說(shuō)，GPT-3的本質(zhì)還是一種數(shù)據(jù)驅(qū)動(dòng)的模型，通過(guò)利用超大容量的模型來(lái)擬合海量的數(shù)據(jù)，最終實(shí)現(xiàn)模型的收斂。因此，數(shù)據(jù)驅(qū)動(dòng)模型的特點(diǎn)都會(huì)體現(xiàn)在GPT系列模型上，即模型的能力取決于所擬合數(shù)據(jù)的覆蓋范圍、分布情況以及質(zhì)量。無(wú)論是新的數(shù)據(jù)還是不同的數(shù)據(jù)分布亦或是數(shù)據(jù)中的噪聲都會(huì)給模型帶來(lái)災(zāi)難性的問(wèn)題。最新的測(cè)試結(jié)果顯示，GPT-3模型無(wú)法在自然語(yǔ)言推理、填空、長(zhǎng)文本生成和一些閱讀理解任務(wù)上取得較好的表現(xiàn)，表明GPT-3模型更多的是停留在數(shù)據(jù)擬合階段，而非真正理解自然語(yǔ)言。除此以外，受限于互聯(lián)網(wǎng)文本數(shù)據(jù)的質(zhì)量，GPT-3模型會(huì)生成一些帶有偏見(jiàn)且令人厭惡的內(nèi)容。這些都表明，GPT-3依然停留在感知智能階段，距離通用智能和認(rèn)知智能還有遙遠(yuǎn)的距離。因此，GPT-3被認(rèn)為“具有一定泛化能力的記憶”，更容易獲得并記住陳述性知識(shí)，而不是理解知識(shí)，不具備真正的邏輯推理能力和明辨是非的能力。

　　(4) GPT-3的意義

　　雖然GPT-3模型還不具有意圖或?qū)ΜF(xiàn)實(shí)世界中的請(qǐng)求做出響應(yīng)的能力，但是其對(duì)人工智能領(lǐng)域的影響是深遠(yuǎn)的。從2012年深度學(xué)習(xí)在各個(gè)領(lǐng)域開(kāi)始爆炸式的發(fā)展到現(xiàn)在已經(jīng)有將近10年的時(shí)間，新技術(shù)和新算法的發(fā)展也進(jìn)入了瓶頸期，數(shù)據(jù)驅(qū)動(dòng)模型的效果和能力似乎也遇到了天花板，而GPT-3模型的出現(xiàn)為深度學(xué)習(xí)領(lǐng)域注入了一支強(qiáng)心劑并引發(fā)了新的思考。最直接的問(wèn)題就是這種隨著模型規(guī)模增加而實(shí)現(xiàn)的能力擴(kuò)展是否具有穩(wěn)定性和可預(yù)測(cè)性?從短期的結(jié)果來(lái)看，這種規(guī)模效應(yīng)還會(huì)隨著計(jì)算機(jī)硬件算力的提升，繼續(xù)提高深度學(xué)習(xí)的天花板。第二個(gè)問(wèn)題是深度學(xué)習(xí)的極限在哪里?這種數(shù)據(jù)驅(qū)動(dòng)模型是否最終能真正地理解語(yǔ)言?最后，深度學(xué)習(xí)的盡頭是否會(huì)是真正的人工智能?是否能實(shí)現(xiàn)認(rèn)知能力和通用智能?

　　從實(shí)際應(yīng)用的角度來(lái)看，GPT-3的功能非常強(qiáng)大，可以完成問(wèn)答、閱讀理解、摘要生成、自動(dòng)聊天、搜索匹配、代碼生成以及文章生成等。鑒于GPT-3模型所面臨的安全性和不可控性，包括在自然語(yǔ)言理解時(shí)遇到魯棒性的問(wèn)題、在內(nèi)容生成時(shí)會(huì)輸出虛假內(nèi)容和充滿偏見(jiàn)信息的問(wèn)題等，在某些應(yīng)用場(chǎng)景，其應(yīng)用價(jià)值主要還體現(xiàn)在智能輔助任務(wù)上，不能直接面對(duì)最終的用戶。例如，在總結(jié)報(bào)告生成、創(chuàng)作寫(xiě)作等任務(wù)中，利用GPT-3根據(jù)用戶的任務(wù)描述生成相應(yīng)的內(nèi)容，再引入人工校驗(yàn)編輯，將最終編輯后的內(nèi)容呈現(xiàn)給最終用戶。除此以外，GPT-3可以用于開(kāi)發(fā)游戲應(yīng)用等無(wú)明確任務(wù)定義和完成目標(biāo)的場(chǎng)景。

　　(5) 未來(lái)研究方向和我國(guó)的相關(guān)情況

　　總的來(lái)說(shuō)，以GPT-3為代表的的預(yù)訓(xùn)練模型還存在各種工程應(yīng)用問(wèn)題、道德問(wèn)題和社會(huì)問(wèn)題。同時(shí)，在推動(dòng)該類(lèi)模型的發(fā)展時(shí)還面臨著跨學(xué)科合作、開(kāi)放共享、資源不平衡和安全防護(hù)等挑戰(zhàn)。我國(guó)在這方面亦有相應(yīng)的布局和長(zhǎng)遠(yuǎn)規(guī)劃，目前已經(jīng)取得了非常好的前期成果，以“悟道”和“盤(pán)古”為代表的超大規(guī)模智能模型系統(tǒng)已經(jīng)在模型效果、領(lǐng)域移植和泛化、小模型、模型訓(xùn)練效率、多語(yǔ)言、弱相關(guān)多模態(tài)預(yù)訓(xùn)練、通用、可控、知識(shí)融入、蛋白質(zhì)序列預(yù)測(cè)等場(chǎng)景中取得了突破。相信在未來(lái)的10到20年，我國(guó)在人工智能基礎(chǔ)技術(shù)創(chuàng)新、人才和團(tuán)隊(duì)建設(shè)、社區(qū)開(kāi)源等方面會(huì)達(dá)到世界領(lǐng)先的水平。

　　3 數(shù)據(jù)信托(Data trusts)

　　數(shù)據(jù)信托是信托類(lèi)型化研究和當(dāng)代信托立法中典型的新生事物，信托制度起源于英國(guó)，發(fā)展于美國(guó)，從法律角度看，信托是指基于對(duì)受托人的信任，委托人從其自身利益出發(fā)，將資產(chǎn)交給受托人管理的行為，數(shù)據(jù)信托則是受托人管理一群人的數(shù)據(jù)或數(shù)據(jù)權(quán)利的行為，這就像醫(yī)生有責(zé)任依據(jù)病人的利益來(lái)行事一樣，數(shù)據(jù)受托人管理委托人的數(shù)據(jù)或數(shù)據(jù)權(quán)利，同時(shí)要對(duì)其利益負(fù)責(zé)。理論上，數(shù)據(jù)信托允許用戶行使其作為數(shù)據(jù)生產(chǎn)者的權(quán)利。

　　專家點(diǎn)評(píng)：

　　數(shù)據(jù)的價(jià)值和資產(chǎn)屬性已經(jīng)被社會(huì)熟知和認(rèn)可，但是數(shù)據(jù)資產(chǎn)存在一個(gè)特殊性，即和實(shí)體資產(chǎn)相比，數(shù)據(jù)只要在控制人手里，幾乎可無(wú)成本進(jìn)行分析、挖掘、復(fù)制和擴(kuò)散并獲利，并且其中個(gè)人隱私信息無(wú)法得到保護(hù)，典型的例子是當(dāng)我們通過(guò)電商平臺(tái)完成交易后，后期總會(huì)看到和前期交易內(nèi)容有關(guān)聯(lián)的選擇性推送商品廣告信息，因此帶來(lái)一個(gè)嚴(yán)重的問(wèn)題，即在數(shù)據(jù)生產(chǎn)者及數(shù)據(jù)權(quán)屬所有者(如廣大公民個(gè)體)、數(shù)據(jù)實(shí)際控制者(如提供各類(lèi)服務(wù)的單位部門(mén))、以及數(shù)據(jù)利益的享有者(如能獲取各類(lèi)數(shù)據(jù)的機(jī)構(gòu)企業(yè))相互分離的情況下，生產(chǎn)者的數(shù)據(jù)在采集、分析、挖掘、使用全生命周期中，其隱私如何能得到更好的保護(hù)，價(jià)值如何能得到更好的保障?；诖?，信托理論被引入用來(lái)保護(hù)數(shù)據(jù)主體所遭受的敏感信息侵害，加強(qiáng)數(shù)據(jù)安全保護(hù)，有效應(yīng)對(duì)境內(nèi)外數(shù)據(jù)安全風(fēng)險(xiǎn)。2016年，美國(guó)耶魯大學(xué)教授杰克·巴金(Jack M. Balkin)在隱私數(shù)據(jù)保護(hù)領(lǐng)域首次提出采用信托工具解釋數(shù)據(jù)主體與數(shù)據(jù)控制人之間關(guān)系的主張。2017年，《英國(guó)人工智能產(chǎn)業(yè)發(fā)展報(bào)告》明確提出了“Data Trust”一詞，并建議利用數(shù)據(jù)信托制度建立數(shù)據(jù)投資治理架構(gòu)，以確保數(shù)據(jù)交換安全互利。2018年10月，英國(guó)開(kāi)放數(shù)據(jù)研究所(Open Data Institute，ODI)首次明確將數(shù)據(jù)信托定義為“提供獨(dú)立數(shù)據(jù)管理權(quán)的法律結(jié)構(gòu)”。

　　數(shù)據(jù)信托是數(shù)據(jù)資產(chǎn)信托財(cái)產(chǎn)的一個(gè)閉環(huán)：數(shù)據(jù)持有者首先要將自己所持有的某一個(gè)數(shù)據(jù)資產(chǎn)作為信托財(cái)產(chǎn)設(shè)立信托;再進(jìn)行信托受益權(quán)轉(zhuǎn)讓，委托方通過(guò)信托受益權(quán)轉(zhuǎn)讓獲得現(xiàn)金收入;隨后，受托人繼續(xù)委托數(shù)據(jù)服務(wù)商對(duì)特定數(shù)據(jù)資產(chǎn)進(jìn)行運(yùn)用和增值，產(chǎn)生收益;最后，向社會(huì)投資者進(jìn)行信托利益分配。

　　數(shù)據(jù)信托的實(shí)質(zhì)是在數(shù)據(jù)主體與數(shù)據(jù)控制人之間創(chuàng)設(shè)出信托法律關(guān)系，數(shù)據(jù)控制人基于數(shù)據(jù)主體的信任對(duì)數(shù)據(jù)享有更大的管理運(yùn)用權(quán)限，同時(shí)也承擔(dān)更嚴(yán)格的法律信義義務(wù)。數(shù)據(jù)控制人的數(shù)據(jù)管理運(yùn)用權(quán)限包括但不限于訪問(wèn)控制、訪問(wèn)審核以及數(shù)據(jù)的匿名化處置等重要內(nèi)容，以此平衡數(shù)據(jù)主體的隱私保護(hù)與數(shù)據(jù)可交易價(jià)值之間的緊張與沖突。與此同時(shí)，數(shù)據(jù)控制人還應(yīng)履行對(duì)數(shù)據(jù)主體的信義義務(wù)，這主要表現(xiàn)為信托法上的謹(jǐn)慎義務(wù)、忠實(shí)義務(wù)、保密義務(wù)等，不得損害數(shù)據(jù)主體的根本利益。

　　數(shù)據(jù)信托主要解決兩大問(wèn)題：(1)解決數(shù)據(jù)資產(chǎn)的授權(quán)使用問(wèn)題。數(shù)據(jù)主體既是數(shù)據(jù)信托的委托人也是受益人，數(shù)據(jù)控制人則是數(shù)據(jù)信托的受托人。數(shù)據(jù)控制人的數(shù)據(jù)管理運(yùn)用權(quán)限包括但不限于訪問(wèn)控制、訪問(wèn)審核以及數(shù)據(jù)的匿名化處置等重要內(nèi)容，以此平衡數(shù)據(jù)主體的隱私保護(hù)與數(shù)據(jù)可交易價(jià)值之間的緊張與沖突。(2)數(shù)據(jù)信托還可以明確數(shù)據(jù)資產(chǎn)的收益安排，使得數(shù)據(jù)資產(chǎn)增值部分的利益歸屬可以按照委托人意愿進(jìn)行設(shè)計(jì)和分配。通過(guò)重置數(shù)據(jù)主體與數(shù)據(jù)控制人之間的權(quán)益結(jié)構(gòu)，把數(shù)據(jù)控制人的數(shù)據(jù)權(quán)限與數(shù)據(jù)義務(wù)有效鏈接起來(lái)，促進(jìn)數(shù)據(jù)的合理有效利用。

　　應(yīng)該清楚地看到，數(shù)據(jù)信托作為大數(shù)據(jù)時(shí)代的新生事物，無(wú)論在法律層面還是保障數(shù)據(jù)信托實(shí)施的技術(shù)層面仍不是完備的。

　　首先，在法律層面，針對(duì)數(shù)據(jù)使用的用途限制、安全與隱私保護(hù)政策及風(fēng)險(xiǎn)管控問(wèn)題，數(shù)據(jù)信托仍需要法定信托屬性、數(shù)據(jù)信托的信托財(cái)產(chǎn)范圍、數(shù)據(jù)信托中的信義義務(wù)的具體規(guī)制，建立更加完善的法律法規(guī)。

　　其次，在保障數(shù)據(jù)信托實(shí)施的技術(shù)層面，針對(duì)數(shù)據(jù)在流轉(zhuǎn)各環(huán)節(jié)都可能面臨的安全風(fēng)險(xiǎn)，需要從數(shù)據(jù)隱私保護(hù)、數(shù)據(jù)確權(quán)、數(shù)據(jù)追溯、權(quán)益可信分配等多方面提供更加全面、系統(tǒng)、可信的技術(shù)手段，除傳統(tǒng)的數(shù)據(jù)加密、身份認(rèn)證、安全接入、應(yīng)用保護(hù)、訪問(wèn)控制技術(shù)外，還需要結(jié)合信息技術(shù)的應(yīng)用和發(fā)展，研究如下關(guān)鍵技術(shù)：

　　(1) 隱私保護(hù)數(shù)據(jù)發(fā)布，敏感數(shù)據(jù)在進(jìn)入流通市場(chǎng)之前進(jìn)行必要的隱私檢驗(yàn)和脫敏處理。

　　(2) 區(qū)塊鏈技術(shù)的應(yīng)用，有效保證數(shù)據(jù)的可信性、數(shù)據(jù)流通與使用的可追溯性，區(qū)塊鏈技術(shù)也是目前進(jìn)行數(shù)據(jù)確權(quán)的最佳解決方案。利用區(qū)塊鏈技術(shù)，可以使得登記、交易轉(zhuǎn)讓、清結(jié)算、查詢舉證更加透明、高效、低成本。

　　(3) 隱私保護(hù)的聯(lián)邦學(xué)習(xí)，結(jié)合安全多方計(jì)算、差分隱私或同態(tài)加密技術(shù)實(shí)現(xiàn)分布式的深度學(xué)習(xí)，在智能化學(xué)習(xí)的同時(shí)保障用戶的隱私。

　　4 鋰金屬電池(Lithium-metal batteries)

　　制約電動(dòng)汽車(chē)產(chǎn)業(yè)發(fā)展的一大難題就是電池技術(shù)。目前，電動(dòng)汽車(chē)普遍使用的是鋰離子電池，這種電池昂貴、笨重、能量密度低，并且其所依賴的液體電解質(zhì)在碰撞時(shí)極易起火。電池的一系列缺點(diǎn)體現(xiàn)在電動(dòng)汽車(chē)上就是：價(jià)格高、續(xù)航低、充電慢，而且還存在安全隱患，這些正是讓眾多車(chē)主對(duì)電動(dòng)汽車(chē)望而卻步的原因。顯然，要使電動(dòng)汽車(chē)比汽油汽車(chē)更具競(jìng)爭(zhēng)力，就需要一種突破性電池來(lái)彌補(bǔ)這些缺陷。硅谷初創(chuàng)公司 QuantumScape 聲稱已經(jīng)開(kāi)發(fā)出全新的鋰金屬電池，其采用固體電解質(zhì)(陶瓷)克服了傳統(tǒng)鋰離子電池存在的這些缺陷。

　　專家點(diǎn)評(píng)：

　　當(dāng)代社會(huì)生產(chǎn)和生活方式高度依賴于能源的利用。二次電池是一種可以實(shí)現(xiàn)化學(xué)能與電能高效可逆轉(zhuǎn)化的器件。鋰離子電池是一種典型的二次電池，具有能量密度高、循環(huán)壽命長(zhǎng)、無(wú)記憶效應(yīng)、便攜等特點(diǎn)，方便電能的移動(dòng)存儲(chǔ)、輸運(yùn)和利用，支撐現(xiàn)代生產(chǎn)生活進(jìn)入“無(wú)線”模式，促進(jìn)社會(huì)朝著清潔、便攜不斷發(fā)展。隨著便攜式電子設(shè)備、電動(dòng)汽車(chē)、儲(chǔ)能電站等新生事物的不斷涌現(xiàn)，鋰離子電池成為當(dāng)下二次電池的“主力軍”。鋰離子電池獲得2019年諾貝爾化學(xué)獎(jiǎng)，是對(duì)整個(gè)行業(yè)的認(rèn)可和激勵(lì)。然而，鋰離子電池受制于自身材料的嵌入式能源存儲(chǔ)機(jī)制，歷經(jīng)30余年發(fā)展后，其能量密度逐漸接近極限值。研發(fā)具有更高能量密度的二次電池成為社會(huì)共識(shí)。

　　此次入選MIT Technology Review 2021“全球十大突破性技術(shù)”的基于固態(tài)電解質(zhì)的鋰金屬電池正是突破鋰離子電池能量密度上限的新體系電池。鋰金屬電池的能量密度可以超過(guò)400 Wh/kg，相比于現(xiàn)在鋰離子電池提升30%以上。這意味著電子設(shè)備和電動(dòng)汽車(chē)等可以具有更長(zhǎng)的續(xù)航，緩解人們的里程焦慮。鋰金屬電池能量密度高的主要原因是采用轉(zhuǎn)化型儲(chǔ)能機(jī)制的鋰金屬為負(fù)極。鋰金屬具有極高的理論比容量和極低的電極電勢(shì)。事實(shí)上，早在20世紀(jì)60年代就提出了鋰金屬電池的概念，80年代也做過(guò)商業(yè)化嘗試。由于在有機(jī)電解液中，鋰金屬負(fù)極不均勻鋰沉積引起安全隱患，金屬鋰電池未能在各種應(yīng)用場(chǎng)合中廣泛應(yīng)用。

　　為了克服鋰金屬負(fù)極的安全隱患，此次入選突破性技術(shù)采用固態(tài)電解質(zhì)來(lái)匹配正極材料和負(fù)極材料構(gòu)筑鋰金屬電池。固態(tài)電解質(zhì)可以克服液態(tài)電解液易泄露、易燃的問(wèn)題。在能量密度和安全性之外，此次入選的突破性技術(shù)對(duì)電池快充性能尤為關(guān)注?？斐湫阅艿奶嵘?，將使得充電和加油一樣方便，是另外一個(gè)緩解里程焦慮的方式?；诠虘B(tài)電解質(zhì)的鋰金屬電池如能夠兼顧能量密度、安全性和快充性能，將有望實(shí)現(xiàn)與鋰離子電池相互補(bǔ)充甚至替代。

　　突破性技術(shù)所展示的固態(tài)鋰金屬電池性能是基于電芯水平。如果要應(yīng)用于電子設(shè)備、電動(dòng)汽車(chē)及儲(chǔ)能設(shè)備上，仍需要考慮電芯大規(guī)模、標(biāo)準(zhǔn)化生產(chǎn)以及多電芯串并聯(lián)組裝成電池組的電池管理問(wèn)題。此外，實(shí)際工況遠(yuǎn)比實(shí)驗(yàn)室條件復(fù)雜，如高低溫、倍率切換、過(guò)充、過(guò)放、撞擊擠壓等條件下是否保障安全的問(wèn)題。針對(duì)固態(tài)金屬鋰電池，需要建立一系列性能評(píng)價(jià)原則，經(jīng)過(guò)充分的性能驗(yàn)證和安全保障繼承，才能滿足實(shí)際工況的要求。盡管目前固態(tài)鋰金屬電池展示優(yōu)異的前景，但距離固態(tài)鋰金屬電池真正實(shí)用化仍還有許多科學(xué)和技術(shù)問(wèn)題需要解決。例如，界面接觸電阻大、固態(tài)電解質(zhì)界面穩(wěn)定性、鋰枝晶內(nèi)部生長(zhǎng)、固態(tài)電解質(zhì)厚度和固態(tài)電池的成本等。固態(tài)鋰金屬電池仍需要在不斷探究和摸索中發(fā)展。

　　目前我國(guó)在固態(tài)鋰金屬電池方面的基礎(chǔ)研究基本與國(guó)際同步，產(chǎn)業(yè)研究和技術(shù)工藝方面甚至領(lǐng)先。在國(guó)家政策和科技項(xiàng)目的支持下，我國(guó)在固態(tài)鋰金屬電池研究方面建立起了從原子、分子，到材料，再到器件的多尺度的認(rèn)識(shí)，并在應(yīng)用示范上取得了一些實(shí)際經(jīng)驗(yàn)，為固態(tài)鋰金屬電池的研究和推廣奠定了堅(jiān)實(shí)的基礎(chǔ)。同時(shí)，在項(xiàng)目推進(jìn)的過(guò)程中，一大批有志于從事固態(tài)鋰金屬電池研究的青年成長(zhǎng)起來(lái)，為固態(tài)鋰金屬電池及其他新型電池體系的持續(xù)推進(jìn)儲(chǔ)備了人才。

　　固態(tài)鋰金屬電池是極具前景的下一代高能量密度電池，在世界范圍內(nèi)獲得了廣泛研究和投入。固態(tài)鋰金屬電池的突破，對(duì)現(xiàn)有的鋰離子電池將是有力的補(bǔ)充或替代，從而能夠?yàn)橄{間歇性的可再生能源發(fā)電提供技術(shù)基礎(chǔ)，有利于可再生能源的大規(guī)模推廣利用，從而促進(jìn)能源消費(fèi)和生產(chǎn)轉(zhuǎn)型，為實(shí)現(xiàn)碳中和目標(biāo)提供強(qiáng)有力支撐。

　　5 “數(shù)字接觸追蹤”技術(shù)(Digital contact tracing)

　　2020 年全球都在經(jīng)歷的新冠肺炎疫情讓 “數(shù)字接觸追蹤” 引起人們的關(guān)注。新冠疫情之下，科技為公共衛(wèi)生調(diào)查人員追溯感染者的行蹤提供新思路 —— 數(shù)字接觸追蹤。使用該技術(shù)，衛(wèi)生調(diào)查人員不再需要依靠病人的記憶對(duì)其行蹤進(jìn)行追蹤，這減輕了對(duì)疾病監(jiān)控的壓力。這一技術(shù)對(duì)應(yīng)到實(shí)際應(yīng)用被稱為 “曝光通知”(Exposure Notification)。對(duì)于該數(shù)字接觸追蹤系統(tǒng)，程序員在幾周內(nèi)完成了建立和運(yùn)行，并將代碼開(kāi)源共享，以保證全球各地的、蘋(píng)果和安卓的用戶都可以使用這一功能。

　　專家點(diǎn)評(píng)：

　　為應(yīng)對(duì)新冠病毒肺炎疫情，2020年5月蘋(píng)果和谷歌公司聯(lián)合推出基于iOS和Android操作系統(tǒng)的智能手機(jī)應(yīng)用“暴露通知(Exposure Notification)”，借助數(shù)字設(shè)備和技術(shù)助力新冠肺炎密切接觸者追蹤工作，這一技術(shù)入選MIT Technology Review 2021年“十大突破性技術(shù)”。該技術(shù)的原理是通過(guò)手機(jī)應(yīng)用程序使用藍(lán)牙來(lái)匿名連接附近運(yùn)行同一程序的其他手機(jī)設(shè)備，在本地對(duì)高風(fēng)險(xiǎn)接觸行為進(jìn)行記錄，一旦某用戶被確診為新冠肺炎患者，該應(yīng)用將會(huì)通知其接觸過(guò)的其他用戶，從而有利于盡早展開(kāi)排查和隔離。相比于傳統(tǒng)的流行病學(xué)調(diào)查方式，數(shù)字接觸追蹤技術(shù)可以有效提升追蹤效率并降低人力成本。

　　事實(shí)上，“暴露通知”并非首個(gè)針對(duì)新冠疫情的數(shù)字接觸追蹤應(yīng)用。早在2020年3月，韓國(guó)開(kāi)發(fā)了“新冠肺炎疫情智能管理系統(tǒng)”，主要通過(guò)采集手機(jī)用戶的GPS定位數(shù)據(jù)來(lái)判斷用戶與確診患者間是否存在密切接觸的可能。同樣采用GPS定位數(shù)據(jù)的還有以色列開(kāi)發(fā)的“TheShield”應(yīng)用，由于位置信息屬于敏感信息，這類(lèi)應(yīng)用都面臨著隱私安全方面的問(wèn)題。新加坡開(kāi)發(fā)的“TraceTogether”應(yīng)用，則是采用藍(lán)牙匿名連接的方式進(jìn)行接觸追蹤，由于藍(lán)牙連接只會(huì)記錄匿名接觸信息而不采集用戶地理位置等敏感信息，數(shù)據(jù)也只會(huì)分散式地存儲(chǔ)在用戶設(shè)備本地，因而在隱私保護(hù)方面具有顯著的優(yōu)勢(shì)，與“暴露通知”有所不同，新加坡可依據(jù)當(dāng)?shù)胤ㄒ?guī)從新冠肺炎患者的TraceTogether應(yīng)用中讀取存儲(chǔ)數(shù)據(jù)并獲得密切接觸者的手機(jī)號(hào)信息，具有一定的集中式特點(diǎn)。

　　我國(guó)采用的技術(shù)路線與前述略有不同，從疫情爆發(fā)以來(lái)我國(guó)推出的“健康碼”應(yīng)用，是通過(guò)個(gè)體主動(dòng)的掃碼上報(bào)，利用全國(guó)一體化政務(wù)服務(wù)平臺(tái)實(shí)現(xiàn)接觸追蹤，而“通信大數(shù)據(jù)行程卡”則是利用多家運(yùn)營(yíng)商的“手機(jī)信令數(shù)據(jù)”為用戶提供快速的行程追蹤服務(wù)，這兩類(lèi)數(shù)字追蹤更多地基于集中式服務(wù)平臺(tái)、側(cè)重于區(qū)域接觸追蹤而非直接的個(gè)體接觸追蹤。

　　迄今為止，盡管有許多國(guó)家應(yīng)用數(shù)字接觸追蹤技術(shù)應(yīng)對(duì)新冠疫情，這些應(yīng)用對(duì)于抗擊疫情的價(jià)值仍存在爭(zhēng)議。一方面，許多應(yīng)用程序僅為自愿使用，總體使用率偏低使其很難發(fā)揮作用。這其中的原因是多方面的，包括用戶對(duì)程序安全性的擔(dān)憂、部分軟件運(yùn)作異常、智能手機(jī)普及率有限等。另一方面，分散式應(yīng)用程序雖然能夠有效保護(hù)用戶隱私，但也使得密切接觸者的檢測(cè)和隔離完全取決于個(gè)人意志，無(wú)法保障防疫效果。對(duì)于前者，需要研究合適的宣傳引導(dǎo)策略，并保障應(yīng)用程序獲取和使用的通暢。對(duì)于后者，需要探索隱私保護(hù)和防疫效果之間更優(yōu)的權(quán)衡方案。從抗疫成果上來(lái)看，我國(guó)所采用技術(shù)路線是較為成功的案例，國(guó)家的宣傳與引導(dǎo)保障了總體使用率，相對(duì)集中式的信息獲取和存儲(chǔ)保障了醫(yī)療衛(wèi)生部門(mén)對(duì)密接者的高效排查和處理，當(dāng)然這其中配合了強(qiáng)隱私保護(hù)機(jī)制以防止數(shù)據(jù)被濫用。

　　對(duì)于新冠肺炎疫情期間產(chǎn)生的數(shù)字接觸追蹤這一突破性技術(shù)，目前仍然處于早期發(fā)展階段，技術(shù)本身的應(yīng)用范圍未來(lái)也不僅限于疫情防控，對(duì)很多應(yīng)用領(lǐng)域可能帶來(lái)新的啟示。我認(rèn)為以下方向值得進(jìn)一步研究探索：

　　(1) 數(shù)字接觸追蹤隱私保護(hù)理論探索。數(shù)字接觸追蹤涉及到以人為目標(biāo)的數(shù)據(jù)采集、存儲(chǔ)、使用和銷(xiāo)毀等流程，需要著重考慮隱私保護(hù)問(wèn)題，探索隱私保護(hù)的相關(guān)理論，并在技術(shù)的設(shè)計(jì)階段即予以解決。采集階段如何做到最小化采集，非必要的數(shù)據(jù)不采集;采集的數(shù)據(jù)哪些應(yīng)當(dāng)存儲(chǔ)在本地，非必要不上傳、不公開(kāi);數(shù)據(jù)的使用應(yīng)當(dāng)限定授權(quán)給哪些單位和個(gè)人;如何設(shè)定數(shù)據(jù)的存儲(chǔ)期限，過(guò)期數(shù)據(jù)如何保障其盡快被銷(xiāo)毀。

　　(2) 隱私保護(hù)與應(yīng)用效果的權(quán)衡機(jī)制探索。在涉及公共安全和國(guó)家安全的應(yīng)用場(chǎng)景，過(guò)于追求對(duì)隱私的保護(hù)可能將難以發(fā)揮應(yīng)用的效果，而讓渡部分隱私信息可能有效提升應(yīng)用效果，這就需要探索兩者之間的最優(yōu)權(quán)衡機(jī)制。數(shù)字接觸追蹤這一實(shí)例中，完全分散式的方案完整地保護(hù)了隱私，但密接者的響應(yīng)只能依靠自覺(jué)，對(duì)防疫的作用有限;而部分集中式的方案則允許國(guó)家介入獲得確診者和密接者的部分關(guān)鍵信息，使得密接者能夠獲得及時(shí)妥當(dāng)?shù)奶幚恚嬖陔[私泄露的風(fēng)險(xiǎn)。因此，高安全、高效率的數(shù)字接觸追蹤技術(shù)與機(jī)制仍然值得深入探索。

　　(3) 在其他領(lǐng)域的應(yīng)用探索。數(shù)字接觸追蹤是追蹤技術(shù)在醫(yī)療衛(wèi)生領(lǐng)域的一項(xiàng)應(yīng)用，實(shí)現(xiàn)了對(duì)歷史數(shù)據(jù)的有效記錄和對(duì)關(guān)鍵數(shù)據(jù)的高效查詢。類(lèi)似的需求在社會(huì)治理和國(guó)家安全方面同樣存在，值得探索數(shù)字追蹤技術(shù)在更加廣闊的社會(huì)場(chǎng)景中的應(yīng)用價(jià)值。

　　6 超高精度定位(Hyper-accurate positioning)

　　全球衛(wèi)星定位系統(tǒng)的精度正在從 “米” 提高到 “厘米” 級(jí)別，這將為自動(dòng)駕駛汽車(chē)、送貨機(jī)器人等在街道上安全行駛提供更大支撐。2020 年正式開(kāi)通的北斗三號(hào)全球衛(wèi)星導(dǎo)航系統(tǒng)可實(shí)時(shí)捕獲地面上幾米的位置變化，甚至其處理精度能夠達(dá)到毫米級(jí)。該系統(tǒng)已用于檢測(cè)中國(guó)各地山體滑坡易發(fā)地區(qū)地表的細(xì)微變化，并于當(dāng)年預(yù)測(cè)到中國(guó)湖南省將遭遇數(shù)十年來(lái)最嚴(yán)重的山體滑坡，使村民得以提前撤離。中國(guó)科學(xué)院航天信息研究所專家表示，如果衛(wèi)星定位精度仍然在米或分米的水平，對(duì)此，這是不可能實(shí)現(xiàn)的。

　　其實(shí)，北斗和全球衛(wèi)星定位系統(tǒng)(GPS)精度的進(jìn)一步提升都需要通過(guò)地面設(shè)施來(lái)提高定位精度。在目前廣泛使用的方法中，一種是實(shí)時(shí)動(dòng)態(tài)(Real Time Kinematic，RTK)定位，精度可達(dá) 3 cm 以下;另一種是精確點(diǎn)定位(Precise Point Positioning，PPP)，也可以達(dá)到厘米級(jí)別的精度。此外，中國(guó)科學(xué)院航天信息研究所專家表示：“我們正在開(kāi)發(fā) PPP-RTK 技術(shù)，結(jié)合二者的優(yōu)勢(shì)，有望在幾年后投入使用?！?p>　　專家點(diǎn)評(píng)：

　　衛(wèi)星導(dǎo)航定位技術(shù)是目前最廣泛、最廉價(jià)、最便捷的定位導(dǎo)航和定時(shí)(PNT)手段，是國(guó)家經(jīng)濟(jì)建設(shè)、國(guó)防建設(shè)、交通運(yùn)輸?shù)闹匾A(chǔ)設(shè)施，為智慧城市、物聯(lián)網(wǎng)、智能交通等體系建設(shè)提供了全球覆蓋、全天候的時(shí)間與位置服務(wù)。

　　中國(guó)自主研發(fā)建設(shè)的北斗全球衛(wèi)星導(dǎo)航系統(tǒng)(BDS-3)不僅向全球用戶提供標(biāo)準(zhǔn)定位導(dǎo)航和授時(shí)(PNT)服務(wù)，還向中國(guó)及周邊提供精度更優(yōu)的星基增強(qiáng)(BDSBAS)和星基精密單點(diǎn)定位(B2b-PPP)服務(wù)，可以實(shí)現(xiàn)米級(jí)、分米級(jí)和厘米級(jí)精度定位。當(dāng)然，用戶也可以通過(guò)地基差分定位獲得毫米級(jí)精度定位。此次超高精度定位技術(shù)入選“MIT全球十大突破性技術(shù)”，不僅得益于北斗系統(tǒng)設(shè)計(jì)和功能的創(chuàng)新，各類(lèi)地基定位技術(shù)和算法的改進(jìn)也為高精度北斗定位提供了重要支撐。

　　(1) 特色混合星座設(shè)計(jì)

　　北斗衛(wèi)星導(dǎo)航系統(tǒng)創(chuàng)造性地設(shè)計(jì)了包括3顆地球靜止軌道衛(wèi)星(GEO)、3顆傾斜地球同步軌道衛(wèi)星(IGSO)和24顆中圓軌道衛(wèi)星(MEO)的混合星座。地球靜止軌道衛(wèi)星星座為星基增強(qiáng)、星基精密單點(diǎn)定位提供了重要平臺(tái);傾斜軌道衛(wèi)星星座為局部觀測(cè)幾何增強(qiáng)提供了支持;中圓軌道星座實(shí)現(xiàn)了全球PNT服務(wù)，并為特定用戶提供國(guó)際搜救、全球短報(bào)文服務(wù)。

　　(2) 高精度衛(wèi)星星歷

　　要提供高精度定位服務(wù)首先需要實(shí)現(xiàn)高精度的導(dǎo)航衛(wèi)星軌道測(cè)定和時(shí)間同步。受多方因素影響，中國(guó)僅能在境內(nèi)布設(shè)北斗衛(wèi)星地面跟蹤站，嚴(yán)重制約著北斗衛(wèi)星軌道測(cè)定精度和時(shí)間同步精度。為此，北斗三號(hào)衛(wèi)星搭載了星間鏈路載荷進(jìn)行星座衛(wèi)星間的測(cè)距和通信，優(yōu)化觀測(cè)幾何，從而實(shí)現(xiàn)高精度衛(wèi)星軌道測(cè)定和時(shí)間同步。北斗星間鏈路采用Ka波段雙單向測(cè)距體制，測(cè)量精度為分米級(jí)，對(duì)北斗全球星座的軌道測(cè)定和時(shí)間同步發(fā)揮了重要作用。2020年6月，Inside GNSS引用多篇國(guó)內(nèi)學(xué)者文獻(xiàn)，評(píng)價(jià)“北斗成為GNSS中唯一具備星間鏈路這一精度提升功能的系統(tǒng)”;2020年9月，Oliver Montenbruck 在文章中對(duì)四大全球?qū)Ш叫l(wèi)星系統(tǒng)(GNSS)系統(tǒng)的服務(wù)性能進(jìn)行評(píng)估，作者認(rèn)為BDS-3和Galileo的空間信號(hào)精度相對(duì)更優(yōu)，而B(niǎo)DS-3空間信號(hào)精度結(jié)果得益于星間鏈路支持下獲得的高穩(wěn)定鐘差。在星間鏈路的支持下，北斗MEO衛(wèi)星廣播軌道精度優(yōu)于30 cm，廣播鐘差精度優(yōu)于0.6 ns。目前，北斗全球系統(tǒng)廣播星歷每1小時(shí)更新一次，星歷的高頻更新在一定程度上降低了預(yù)報(bào)星歷累積誤差對(duì)定位精度的影響。

　　(3) 標(biāo)準(zhǔn)定位服務(wù)

　　北斗全球衛(wèi)星導(dǎo)航系統(tǒng)建成以來(lái)，服務(wù)性能穩(wěn)步提升。根據(jù)國(guó)際GNSS監(jiān)測(cè)評(píng)估中心(iGMAS)的監(jiān)測(cè)結(jié)果，正常情況下，北斗單頻定位精度在水平方向優(yōu)于3 m，高程方向優(yōu)于5 m，授時(shí)精度優(yōu)于 15 ns，服務(wù)性能遠(yuǎn)優(yōu)于設(shè)計(jì)指標(biāo)。

　　(4) 星基精密單點(diǎn)定位服務(wù)

　　傳統(tǒng)的精密定位需通過(guò)互聯(lián)網(wǎng)獲取國(guó)際GNSS服務(wù)中心(IGS)或其他機(jī)構(gòu)提供的精密衛(wèi)星星歷產(chǎn)品，才能進(jìn)行高精度定位解算，沙漠、高原、海上等無(wú)網(wǎng)絡(luò)覆蓋地區(qū)用戶無(wú)法使用此類(lèi)服務(wù)。BDS-3創(chuàng)新性地將精密單點(diǎn)服務(wù)嵌入三顆GEO衛(wèi)星，通過(guò)B2b頻點(diǎn)向中國(guó)及周邊地區(qū)播發(fā)北斗和GPS衛(wèi)星的精密星歷和碼間偏差(DCB)，用戶接收信息后，可以根據(jù)需要，進(jìn)行單頻或雙頻精密單點(diǎn)定位解算。目前，星基實(shí)時(shí)精密單點(diǎn)定位服務(wù)的水平分量精度優(yōu)于0.3 m，高程分量精度優(yōu)于0.5 m。最新報(bào)道表明，將快速動(dòng)態(tài)定位與精密單點(diǎn)定位組合(RTK-PPP)1分鐘內(nèi)即可實(shí)現(xiàn)動(dòng)態(tài)厘米級(jí)定位。如果采用事后精密定位的方式，可以獲得毫米級(jí)精度的定位。

　　(5) 星基增強(qiáng)服務(wù)

　　在標(biāo)準(zhǔn)定位服務(wù)的基礎(chǔ)上，北斗系統(tǒng)可向中國(guó)及周邊地區(qū)用戶提供星基增強(qiáng)服務(wù)，滿足民航、高鐵等高安全、高精度用戶需求。北斗SBAS將衛(wèi)星軌道、鐘差、電離層延遲等各項(xiàng)誤差模型化處理后，通過(guò)地球靜止軌道衛(wèi)星(GEO)播發(fā)至用戶，從而實(shí)現(xiàn)米級(jí)至分米級(jí)增強(qiáng)定位。從2020年的測(cè)試結(jié)果來(lái)看，單頻增強(qiáng)定位精度水平分量?jī)?yōu)于1.5 m，高程分量?jī)?yōu)于2 m;雙頻增強(qiáng)定位精度水平分量?jī)?yōu)于1 m，高程分量?jī)?yōu)于1.5 m。

　　(6) 地基差分技術(shù)

　　除了依靠北斗衛(wèi)星自身提供的星基精密單點(diǎn)定位服務(wù)和星基增強(qiáng)服務(wù)，用戶也可在地面通過(guò)差分GNSS技術(shù)實(shí)現(xiàn)分米、厘米甚至毫米級(jí)高精度定位。國(guó)內(nèi)多個(gè)省份和多個(gè)行業(yè)都已經(jīng)建立了北斗差分服務(wù)網(wǎng)絡(luò)，向服務(wù)區(qū)內(nèi)的廣大用戶提供精密定位和定時(shí)該服務(wù)。

　　(7) 未來(lái)發(fā)展

　　北斗高精度定位導(dǎo)航和授時(shí)服務(wù)取得了舉世矚目的進(jìn)步，但是，衛(wèi)星導(dǎo)航具有天然的脆弱性。未來(lái)，還將建設(shè)國(guó)家綜合PNT體系，包括低軌導(dǎo)航衛(wèi)星增強(qiáng)、天基導(dǎo)航與地基無(wú)線電通信組合增強(qiáng)、以及與海面、海底定位系統(tǒng)的組合服務(wù)等。在自主定位導(dǎo)航和定時(shí)方面，微型化慣性導(dǎo)航、微型化原子鐘、量子導(dǎo)航定位、量子時(shí)鐘等也會(huì)得到快速發(fā)展。用戶獲取超高精度定位服務(wù)的方式更加靈活，手段更加便捷，定位服務(wù)的精度、連續(xù)性、可用性和可靠性也將得到進(jìn)一步提升。

　　7 遠(yuǎn)程技術(shù)(Remote everything)

　　遠(yuǎn)程技術(shù)是指利用無(wú)線/有線網(wǎng)絡(luò)通信技術(shù)，通過(guò)將分布在不同空間位置的多個(gè)終端有效互聯(lián)，實(shí)現(xiàn)高效的信息傳播和共享，進(jìn)而提高遠(yuǎn)程工作、學(xué)習(xí)的便捷性和效率。自20世紀(jì)70年代以來(lái)，隨著傳感器技術(shù)、信息與通訊技術(shù)(ICT)、人工智能(AI)等相關(guān)技術(shù)的快速發(fā)展，遠(yuǎn)程技術(shù)得到了長(zhǎng)足進(jìn)步，并被廣泛應(yīng)用于教育、醫(yī)療等領(lǐng)域。特別是受新冠肺炎疫情的影響，遠(yuǎn)程技術(shù)得以短時(shí)間內(nèi)迅速發(fā)展，導(dǎo)致諸多行業(yè)工作方式以及普通民眾生活方式上的重大變革。因此遠(yuǎn)程技術(shù)入選2021年MIT Technology Review“全球十大突破性技術(shù)”。

　　專家點(diǎn)評(píng)：

　　近年來(lái)，隨著5G通信、工業(yè)互聯(lián)網(wǎng)和人工智能技術(shù)的快速發(fā)展，以及智能移動(dòng)終端的普及，為以遠(yuǎn)程教育、遠(yuǎn)程醫(yī)療為代表的遠(yuǎn)程技術(shù)的廣泛應(yīng)用奠定了基礎(chǔ)。其中，遠(yuǎn)程教育，也稱在線教育，是指利用電視、電話、互聯(lián)網(wǎng)等傳播媒體的新型教學(xué)模式，該模式更具靈活性，突破了線下教育在時(shí)間、空間上的限制。通過(guò)結(jié)合5G通訊、高清成像、虛擬現(xiàn)實(shí)等信息技術(shù)，可以實(shí)現(xiàn)優(yōu)質(zhì)課堂資源的快速遠(yuǎn)程共享，一定程度上避免了教育資源分配不均等問(wèn)題。通過(guò)對(duì)教育相關(guān)大數(shù)據(jù)的采集，如考試問(wèn)卷、師生表情、生理電信號(hào)、動(dòng)作姿態(tài)等信息，利用人工智能技術(shù)可進(jìn)行學(xué)習(xí)狀態(tài)監(jiān)測(cè)、學(xué)習(xí)質(zhì)量評(píng)估、學(xué)習(xí)行為建模等處理，有望提高學(xué)習(xí)效率并改善教學(xué)質(zhì)量。

　　遠(yuǎn)程醫(yī)療以先進(jìn)信息和通信、VR/AR、遙操作等技術(shù)為依托，發(fā)揮發(fā)達(dá)地區(qū)醫(yī)療優(yōu)勢(shì)，可為醫(yī)療條件較差的地區(qū)、海島或艦船上的人員提供遠(yuǎn)程醫(yī)療培訓(xùn)、醫(yī)療診斷、手術(shù)、治療、康復(fù)和咨詢等服務(wù)，對(duì)于醫(yī)療資源均衡分配具有重要意義。特別是隨著5G通訊、“互聯(lián)網(wǎng)+醫(yī)療”的興起，云掛號(hào)、云咨詢、云問(wèn)診、云處方等遠(yuǎn)程醫(yī)療技術(shù)讓人們就醫(yī)變得更加便利。例如，5G網(wǎng)絡(luò)通訊技術(shù)的高速率及低延遲，讓基于遙操作技術(shù)的機(jī)器人手術(shù)成為可能。新冠肺炎疫情以來(lái)，各種基于遠(yuǎn)程技術(shù)的機(jī)器人系統(tǒng)在遠(yuǎn)程手術(shù)、遠(yuǎn)程急救、移動(dòng)查房、移動(dòng)送藥送餐、移動(dòng)消毒等領(lǐng)域發(fā)揮重要作用。

　　因此，世界各國(guó)政府均加強(qiáng)了遠(yuǎn)程教育、遠(yuǎn)程醫(yī)療上的政策保障和資金投入。遠(yuǎn)程教育方面，英國(guó)是最早實(shí)行大學(xué)遠(yuǎn)程教育的國(guó)家，其中最具代表性的英國(guó)開(kāi)放大學(xué)(The Open University)全部課程采用遠(yuǎn)程教學(xué)。該學(xué)校1969年建校至今已培養(yǎng)超過(guò)220萬(wàn)名畢業(yè)生。1998年,美國(guó)國(guó)會(huì)通過(guò)了《高等教育法修正案》,取消了對(duì)遠(yuǎn)程教育的多種限制。遠(yuǎn)程醫(yī)療方面，美國(guó)、法國(guó)、德國(guó)等國(guó)家為遠(yuǎn)程醫(yī)療制定了相關(guān)法律法規(guī)，并逐步完善了電子處方、數(shù)字醫(yī)療建檔、數(shù)字醫(yī)療保險(xiǎn)等相關(guān)體系和制度的建設(shè)。此外，比利時(shí)、意大利、新西蘭、西班牙、英國(guó)等國(guó)家的醫(yī)療保健體系也為遠(yuǎn)程醫(yī)療制定了相關(guān)規(guī)定。2021年發(fā)布的我國(guó)“十四五”規(guī)劃中，明確將推廣數(shù)字化教育、在線醫(yī)療等遠(yuǎn)程技術(shù)應(yīng)用列入未來(lái)五年計(jì)劃。

　　近年來(lái)，在市場(chǎng)、技術(shù)、政策的多重推動(dòng)下，遠(yuǎn)程教育、遠(yuǎn)程醫(yī)療產(chǎn)業(yè)愈發(fā)活躍，特別是新冠疫情加速了遠(yuǎn)程教育、遠(yuǎn)程醫(yī)療產(chǎn)業(yè)的爆發(fā)式發(fā)展。例如，微軟、IBM、谷歌、Cisco等大型國(guó)際科技公司均推出了自己的遠(yuǎn)程技術(shù)解決方案。IBM開(kāi)了放IBM Skills, Open P-TECH 以及 IBM AI Education series for teachers三個(gè)教育平臺(tái)，提供在線課程資源、結(jié)業(yè)認(rèn)證等服務(wù)。遠(yuǎn)程辦公軟件Zoom支持多終端視頻會(huì)議，可提供線上教學(xué)。Cisco公司為醫(yī)院、診所等醫(yī)療機(jī)構(gòu)提供電子病歷、工作流程等解決方案，應(yīng)用于遠(yuǎn)程初級(jí)診療、遠(yuǎn)程病房監(jiān)控等場(chǎng)景。LG CNS將遠(yuǎn)程技術(shù)應(yīng)用于電子醫(yī)療檔案、移動(dòng)通訊照護(hù)、老年公寓監(jiān)護(hù)等領(lǐng)域。美國(guó)Mercy Virtual虛擬醫(yī)療中心，提供遠(yuǎn)程全天候值班護(hù)士、陪護(hù)、急診、家庭監(jiān)護(hù)、重癥監(jiān)護(hù)等遠(yuǎn)程醫(yī)療服務(wù)。國(guó)內(nèi)，騰訊、阿里、華為等大型科技公司也紛紛推出了遠(yuǎn)程個(gè)性化在線解決方案。例如，釘釘提供教育、醫(yī)療等多個(gè)領(lǐng)域的數(shù)字化解決方案，2020年實(shí)現(xiàn)用戶增長(zhǎng)量100%，達(dá)到了4億用戶。我國(guó)的國(guó)家遠(yuǎn)程醫(yī)療中心逐步形成“國(guó)際—國(guó)內(nèi)—省—市—縣—鄉(xiāng)—村”的7級(jí)醫(yī)療服務(wù)體系。疫情期間，國(guó)家遠(yuǎn)程醫(yī)療中心與華為等公司合作，建成了基于5G SA與固網(wǎng)融合的疫情防控與遠(yuǎn)程醫(yī)療綜合服務(wù)體系。此外，國(guó)內(nèi)的VIPKID、51Talk、猿輔導(dǎo)、妙手醫(yī)生、企鵝杏仁、好大夫在線等新興遠(yuǎn)程技術(shù)企業(yè)也開(kāi)發(fā)了相關(guān)平臺(tái)并實(shí)現(xiàn)快速發(fā)展。

　　總體而言，目前遠(yuǎn)程技術(shù)已在某些特定場(chǎng)景實(shí)現(xiàn)廣泛應(yīng)用，未來(lái)市場(chǎng)需求旺盛。但是，在技術(shù)方面依然存在諸多挑戰(zhàn)，例如，感知方面，遠(yuǎn)程技術(shù)無(wú)法對(duì)微表情、觸覺(jué)、嗅覺(jué)、味覺(jué)等信息進(jìn)行采集和反饋;交互方面，遠(yuǎn)程技術(shù)無(wú)法理解人的復(fù)雜意圖，且情感交互能力缺失;大數(shù)據(jù)方面，數(shù)據(jù)安全、隱私保護(hù)等面臨的問(wèn)題依舊嚴(yán)峻。此外，相關(guān)法律、法規(guī)的建立，各種保障制度的完善以及遠(yuǎn)程技術(shù)人才的培養(yǎng)等方面還有很多工作需要完成。

　　8 多技能AI(Multi-skilled AI)

　　2012 年底，人工智能科學(xué)家首次弄清了如何讓神經(jīng)網(wǎng)絡(luò) “擁有視覺(jué)”，隨后，他們還掌握了如何讓神經(jīng)網(wǎng)絡(luò)模仿人類(lèi)推理、聽(tīng)覺(jué)、語(yǔ)言和寫(xiě)作的方式。雖然人工智能在完成特定任務(wù)方面已經(jīng)變得非常像人類(lèi)，甚至是超越人類(lèi)，但它仍然沒(méi)有人類(lèi)大腦的 “靈活性”，即人腦可以在一種情境中學(xué)習(xí)技能，并將其應(yīng)用到另一種情境中。

　　受兒童成長(zhǎng)過(guò)程的啟發(fā)，如果將感官和語(yǔ)言結(jié)合起來(lái)，并讓人工智能擁有更接近于人類(lèi)的方式來(lái)收集和處理信息，那么它能否發(fā)展出對(duì)世界的理解?答案是肯定的。這些可同時(shí)獲得人類(lèi)智能的感官和語(yǔ)言的 “多模態(tài)” 系統(tǒng)，應(yīng)該會(huì)生成一種更強(qiáng)大的人工智能，也更容易適應(yīng)新情況、以及解決新問(wèn)題。如此一來(lái)，我們便可以使用這樣的算法來(lái)解決更復(fù)雜的問(wèn)題，或者將其移植到機(jī)器人中去，使得機(jī)器人能夠在日常生活中與我們交流協(xié)作。2020 年 9 月，艾倫人工智能研究所 AI2 的研究人員創(chuàng)建了一個(gè)可以從文本標(biāo)題生成圖像的模型，展示了算法將單詞與視覺(jué)信息關(guān)聯(lián)的能力;11 月，北卡羅來(lái)納大學(xué)教堂山分校的研究人員開(kāi)發(fā)了一種將圖像納入現(xiàn)有語(yǔ)言模型的方法，此舉提高了模型的閱讀理解能力;2021 年初，OpenAI 對(duì) GPT-3 進(jìn)行了擴(kuò)展，發(fā)布了兩個(gè)視覺(jué)語(yǔ)言模型，其中一個(gè)將圖像中的對(duì)象與標(biāo)題中描述它們的單詞聯(lián)系起來(lái)，另一個(gè)則根據(jù)它所學(xué)的概念組合生成圖像。從長(zhǎng)遠(yuǎn)來(lái)看，“多模態(tài)” 系統(tǒng)取得的重大進(jìn)展可以幫助突破人工智能的極限，不僅會(huì)解鎖新的人工智能應(yīng)用，也會(huì)讓它們的應(yīng)用變得更加安全可靠，更加精密的多模態(tài)系統(tǒng)也將使更先進(jìn)的機(jī)器人助手成為可能。總而言之，多模態(tài)系統(tǒng)可能會(huì)成為第一批我們可以真正信任的人工智能。

　　專家點(diǎn)評(píng)：

　　人工智能正成為推動(dòng)人類(lèi)進(jìn)入智能時(shí)代的決定性力量。讓機(jī)器能夠像人一樣思考、感受和認(rèn)識(shí)世界，是人工智能科學(xué)家們孜孜以求的終極目標(biāo)。算法、算力、數(shù)據(jù)規(guī)模的迅速提升，讓面向特定任務(wù)的人工智能技術(shù)迎來(lái)了爆發(fā)式的發(fā)展。目標(biāo)檢測(cè)與識(shí)別、人機(jī)對(duì)弈、無(wú)人駕駛等技術(shù)實(shí)現(xiàn)了前所未有的突破，在局部智能水平的單項(xiàng)測(cè)試中甚至超越人類(lèi)。然而，這樣的智能系統(tǒng)局限在任務(wù)單一、需求明確、應(yīng)用邊界清晰、領(lǐng)域知識(shí)豐富、建模相對(duì)簡(jiǎn)單的場(chǎng)景中。例如， DeepMind的AlphaGo可以擊敗世界上最好的圍棋大師，但它并不能將這種能力擴(kuò)展到棋盤(pán)之外。

　　可以預(yù)見(jiàn)，多技能人工智能(Multi-skilled AI)將是下一代人工智能發(fā)展的趨勢(shì)，也是研究和應(yīng)用領(lǐng)域的重大挑戰(zhàn)。多技能AI旨在拓展現(xiàn)有人工智能技術(shù)的感知邊界，賦予智能系統(tǒng)多種能力，多技能相互協(xié)同，完成復(fù)雜任務(wù)。其中，多感官的結(jié)合非常關(guān)鍵，可以預(yù)想，當(dāng)機(jī)器開(kāi)始將語(yǔ)言與視覺(jué)、聽(tīng)覺(jué)等其他感官信息相關(guān)聯(lián)時(shí)，它們就能夠描述越來(lái)越復(fù)雜的現(xiàn)象和動(dòng)態(tài)。從僅反映相關(guān)性的內(nèi)容中推理因果關(guān)系，并構(gòu)建復(fù)雜的世界模型。這樣的模型可以幫助它們?cè)谀吧沫h(huán)境中導(dǎo)航，并在上下文中添加新的知識(shí)和經(jīng)驗(yàn)。

　　多技能AI的發(fā)展，對(duì)于人工智能技術(shù)突破現(xiàn)有局限，以及它的落地和普及都具有非常重要的意義。具備多種技能的系統(tǒng)可以勝任更多的應(yīng)用場(chǎng)景，協(xié)同、高效地完成復(fù)雜任務(wù)，讓高智能機(jī)器人的出現(xiàn)成為可能。當(dāng)前一代的人工智能驅(qū)動(dòng)的機(jī)器人主要使用視覺(jué)數(shù)據(jù)來(lái)引導(dǎo)并與周?chē)h(huán)境進(jìn)行交互，這在有限的環(huán)境中完成簡(jiǎn)單的任務(wù)十分靈活，但是在更為復(fù)雜的場(chǎng)景中將失靈。多技能AI將給未來(lái)的技術(shù)帶來(lái)靈活性和安全性，篩選簡(jiǎn)歷的算法不會(huì)將性別和種族等無(wú)關(guān)的特征視為能力的標(biāo)志，自動(dòng)駕駛汽車(chē)不會(huì)在陌生的環(huán)境中迷失方向，不會(huì)在黑暗或下雪的天氣中墜毀。它的發(fā)展將直接賦能醫(yī)療，教育，航天等其他領(lǐng)域，推動(dòng)智能時(shí)代的進(jìn)程。由于具備的深遠(yuǎn)影響力以及廣泛的應(yīng)用前景和發(fā)展前景，多技能人工技能被MIT Technology Review評(píng)選為2021年“全球十大突破技術(shù)”之一。

　　國(guó)際上已經(jīng)逐步開(kāi)始關(guān)注到多技能AI技術(shù)方向，目前被廣泛稱為通用人工智能。早在2016年10月，美國(guó)國(guó)家科學(xué)技術(shù)委員會(huì)發(fā)布《國(guó)家人工智能研究與發(fā)展戰(zhàn)略計(jì)劃》，提出在美國(guó)的人工智能在中長(zhǎng)期發(fā)展策略中要著重研究通用人工智能。微軟在2017年成立了通用人工智能實(shí)驗(yàn)室，眾多感知、學(xué)習(xí)、推理、自然語(yǔ)言理解等方面的科學(xué)家參與其中。騰訊的董事會(huì)主席兼首席執(zhí)行官馬化騰在2019世界人工智能大會(huì)上表示：“實(shí)現(xiàn)從專用人工智能向通用人工智能的跨越發(fā)展，這也是下一階段的重要趨勢(shì)。”

　　目前著手這個(gè)領(lǐng)域研究的團(tuán)隊(duì)主要是大型研究機(jī)構(gòu)，包括微軟的AI研究所、Alphabet旗下的DeepMind和Google Brain、特斯拉CEO Elon Musk和風(fēng)投大亨Peter Thiel支持的OpenAI，以及捷克的GoodAI等。2019年10月，DeepMind推出的新版AlphaStar[1]，可以實(shí)現(xiàn)與真實(shí)世界中的玩家實(shí)現(xiàn)了復(fù)雜場(chǎng)景交互中的對(duì)戰(zhàn)，并且排名超越了99.8%的玩家。2020年，OpenAI開(kāi)發(fā)出包含1750億個(gè)神經(jīng)的GPT-3[2]，以此為基礎(chǔ)開(kāi)發(fā)出全能的“通才”，可以同時(shí)具備數(shù)據(jù)庫(kù)工程師、會(huì)計(jì)、運(yùn)維、智能客服等30多種功能，儼然一副取代人類(lèi)的架勢(shì)。目前，國(guó)內(nèi)也逐漸開(kāi)始關(guān)注到這個(gè)領(lǐng)域，擁有大量的人才和資金優(yōu)勢(shì)，并在專項(xiàng)領(lǐng)域有雄厚的積累，未來(lái)的發(fā)展一片光明。

　　多技能人工智能必將成為未來(lái)的主流趨勢(shì)，擁有廣闊的應(yīng)用前景和發(fā)展空間，但是目前仍有很長(zhǎng)的一段路要走。首先，最主要的問(wèn)題是目前研發(fā)的成本過(guò)高，導(dǎo)致研究團(tuán)隊(duì)主要集中在少數(shù)幾家龍頭企業(yè)，這有待于硬件技術(shù)和模型緊湊壓縮技術(shù)的進(jìn)一步發(fā)展。其次，該項(xiàng)技術(shù)需要解決對(duì)于標(biāo)注數(shù)據(jù)高度依賴問(wèn)題，盡可能使用更少的特定領(lǐng)域數(shù)據(jù)，看好無(wú)(自)監(jiān)督技術(shù)的發(fā)展可以成為這個(gè)問(wèn)題的解。最后，如何增量更新經(jīng)驗(yàn)與新任務(wù)，動(dòng)態(tài)改正錯(cuò)誤，不斷的在自我學(xué)習(xí)中變的強(qiáng)大，將是模型不斷變強(qiáng)的根本路線。

　　9 TikTok推薦算法(TikTok recommendation algorithms)

　　TikTok 是全球最具吸引力、增長(zhǎng)最快的社交媒體平臺(tái)之一。截至目前，TikTok 在全球范圍內(nèi)已超過(guò) 26 億次下載量，在美國(guó)擁有 1 億用戶。TikTok 發(fā)現(xiàn)和提供內(nèi)容的獨(dú)特方式是其具有吸引力的 “秘密武器”。

　　TikTok 將網(wǎng)紅博主的視頻與新人博主的視頻混合放在 “為你推薦” 頁(yè)面，然后以瀏覽量獎(jiǎng)勵(lì)優(yōu)質(zhì)創(chuàng)作內(nèi)容，用這種方式將更多新人博主的視頻推給廣大用戶。該應(yīng)用不同于其他社交媒體平臺(tái)的是，任何人在 “為你推薦” 頁(yè)面都有可能 “一舉成名”。視頻將通過(guò) TikTok 的推薦算法向與視頻博主有共同興趣、愛(ài)好或特定身份的用戶不斷推薦，從而使優(yōu)質(zhì)的創(chuàng)作內(nèi)容快速傳播。視頻博主有多少粉絲、是否走紅過(guò)等因素并不會(huì)作為 TikTok 推薦算法的判斷依據(jù)，它的推薦取決于視頻標(biāo)題、聲音和標(biāo)簽，結(jié)合用戶拍攝內(nèi)容、點(diǎn)贊過(guò)的視頻領(lǐng)域等進(jìn)行推薦。概括來(lái)說(shuō)，TikTok 增強(qiáng)用戶粘性的技能越來(lái)越 “爐火純青”，不僅能夠精準(zhǔn)地為用戶推薦感興趣的視頻，還能通過(guò)推薦算法幫助他們拓展與其有交集的新領(lǐng)域。

　　專家點(diǎn)評(píng)：

　　隨著互聯(lián)網(wǎng)應(yīng)用水平的提高，用戶對(duì)于互聯(lián)網(wǎng)內(nèi)容的需求越來(lái)越具體和精準(zhǔn)，這使得個(gè)性化的信息服務(wù)越來(lái)越受到用戶的青睞。個(gè)性化推薦旨在對(duì)用戶的特定興趣偏好和需求進(jìn)行理解，并進(jìn)而滿足這種不同類(lèi)型的信息需求。近年來(lái)，個(gè)性化推薦越來(lái)越成為學(xué)術(shù)研究和實(shí)際應(yīng)用中的熱點(diǎn)領(lǐng)域。

　　個(gè)性化推薦的目的，是為用戶提供符合其興趣或需求的內(nèi)容，例如商品、電影、音樂(lè)、視頻、新聞、圖書(shū)、旅游景點(diǎn)、課程、餐館等等。而衡量個(gè)性化推薦結(jié)果好壞的評(píng)價(jià)指標(biāo)，除了人們所容易想到的精準(zhǔn)度(Precision)以外，還包括多樣性(diversity)、新穎性(novelty)、驚喜性(serendipity)、可解釋性(explainability)，以及近幾年來(lái)新提出的公平性(fairness)。個(gè)性化服務(wù)的目的，也從傳統(tǒng)的滿足大眾普遍的愛(ài)好，越來(lái)越強(qiáng)調(diào)滿足長(zhǎng)尾用戶、個(gè)體用戶的細(xì)分的興趣領(lǐng)域。為用戶提供符合興趣需求的細(xì)分領(lǐng)域的內(nèi)容(niche item，與熱點(diǎn)內(nèi)容popular item相對(duì))，就成為近些年來(lái)人們提出的一個(gè)挑戰(zhàn)性的也是重要的問(wèn)題。

　　這一點(diǎn)在社交媒體應(yīng)用中體現(xiàn)得尤其明顯。TikTok是近年來(lái)新興起的以短視頻為主的社交媒體平臺(tái)，增長(zhǎng)速度極快，目前在全球范圍內(nèi)已經(jīng)超過(guò)26億次下載量，在美國(guó)擁有1億用戶，被認(rèn)為是全球最具有吸引力的社交媒體平臺(tái)之一。TikTok將新博主的視頻和網(wǎng)紅博主的視頻混合放在“為你推薦”頻道，以瀏覽量來(lái)獎(jiǎng)勵(lì)優(yōu)質(zhì)創(chuàng)作內(nèi)容，因而任何人都有可能在該平臺(tái)上“一舉成名”。由于其所使用的推薦算法會(huì)將視頻推送給與視頻博主有相似的興趣、愛(ài)好或特定身份的用戶，這種“投其所好”的行為很大程度上鼓勵(lì)了視頻被觀看，因而使優(yōu)質(zhì)的創(chuàng)作內(nèi)容快速地傳播。在算法中，作為推薦依據(jù)的不僅僅靠博主的粉絲數(shù)、是否有過(guò)熱門(mén)視頻，更重要的還有視頻標(biāo)題、聲音、內(nèi)容標(biāo)簽屬性等等，與用戶觀看或點(diǎn)贊過(guò)的視頻、拍攝過(guò)的內(nèi)容等的細(xì)分的興趣領(lǐng)域相結(jié)合，基于個(gè)性化推薦領(lǐng)域經(jīng)典的協(xié)同過(guò)濾及內(nèi)容推薦方法做出最終的推薦。因此TikTok不僅能夠精準(zhǔn)地為用戶推薦感興趣的視頻，還能通過(guò)推薦算法幫助他們拓展其可能感興趣的新的細(xì)分領(lǐng)域的內(nèi)容，從而提升了用戶在新穎性和驚喜性方面的需求。TikTok的推薦算法入選MIT Technology Review 2021的“全球十大突破技術(shù)”，正是因?yàn)樗惴M足了每位個(gè)體用戶的具體的細(xì)分興趣需求，而不再僅強(qiáng)調(diào)追隨熱點(diǎn)的“從眾效應(yīng)”。

　　其實(shí)這一評(píng)選結(jié)果也是對(duì)近幾年來(lái)國(guó)際社會(huì)越來(lái)越關(guān)注的推薦系統(tǒng)的“公平性”問(wèn)題的直接反映。從2012年起，研究者們開(kāi)始發(fā)現(xiàn)和討論不同推薦場(chǎng)景下存在的公平性問(wèn)題。例如，在工作推薦場(chǎng)景中，與同能力水平的男性相比，女性可能會(huì)被推薦薪酬較低的工作崗位;在電影推薦場(chǎng)景中，不同性別、年齡的人可能會(huì)被推薦不同質(zhì)量的電影;在圖書(shū)推薦場(chǎng)景中，女性作者的書(shū)籍在評(píng)分上受到不公平的對(duì)待等。2019年還有研究者提出基于熱門(mén)內(nèi)容的推薦會(huì)帶來(lái)推薦系統(tǒng)的偏差，將其稱為“熱點(diǎn)偏差”(Popularity bias)。推薦系統(tǒng)中的不公平性不僅存在于信息的接受者即觀看內(nèi)容的用戶端，還存在于信息的創(chuàng)造者即發(fā)布內(nèi)容的用戶端，例如在傳統(tǒng)方法中非網(wǎng)紅明星的優(yōu)質(zhì)內(nèi)容提供者的作品被推薦的機(jī)會(huì)往往不如明星的作品多。

　　從2018年研究者們提出“有責(zé)任的推薦”(Responsible Recommendation, FAccTRec 2020), 2019年研究者們專門(mén)組織了“第一屆多媒體中的公平、責(zé)任、透明研討會(huì)”(1st International Workshop on Fairness, Accountability, and Transparency in MultiMedia, FAT 2019)，2021年，“公平性”已經(jīng)成為信息檢索領(lǐng)域主流學(xué)術(shù)會(huì)議(如SIGIR，theWebConf等)中最熱點(diǎn)的研究話題之一，相關(guān)研究已經(jīng)開(kāi)始受到廣泛的重視。目前研究界和產(chǎn)業(yè)界已經(jīng)開(kāi)始提出越來(lái)越多用于解決或至少緩解推薦系統(tǒng)公平性的模型和方法，從用戶公平性和內(nèi)容公平性的兩個(gè)角度來(lái)推進(jìn)，分別從數(shù)據(jù)、模型、結(jié)果、評(píng)價(jià)指標(biāo)等多個(gè)層面進(jìn)行優(yōu)化。除了個(gè)性化推薦的算法以外，不少經(jīng)濟(jì)學(xué)和社會(huì)科學(xué)的理論和知識(shí)也被綜合利用進(jìn)來(lái)，例如經(jīng)濟(jì)學(xué)的帕累托優(yōu)化方法、邊際效益、最低工資、嫉妒公平等理論、社會(huì)學(xué)的基尼系數(shù)、壟斷指數(shù)等等。

　　因此，TikTok推薦方法中，非知名新博主的新作品與網(wǎng)紅明星的視頻一樣有機(jī)會(huì)被廣大用戶所看到，是推薦算法在公平性方面的一個(gè)代表性的成功的產(chǎn)業(yè)應(yīng)用。隨著相關(guān)領(lǐng)域研究者和產(chǎn)業(yè)界的共同努力，將會(huì)有越來(lái)越多精準(zhǔn)的、多樣的、新穎的、驚喜的、可解釋的、公平的推薦方法得到發(fā)展，互聯(lián)網(wǎng)個(gè)性化信息服務(wù)的質(zhì)量也必然會(huì)越來(lái)越好。

　　10 綠色氫能(Green Hydrogen)

　　面對(duì)全球性的能源危機(jī)與環(huán)境污染，開(kāi)發(fā)綠色、可持續(xù)、低成本的能源成為了全人類(lèi)的共識(shí)。氫氣一直是重要的清潔能源，但到目前為止，大多數(shù)氫氣是由化石能源制備而來(lái)，這個(gè)過(guò)程是高污染和高耗能的。可喜的是，利用太陽(yáng)能和風(fēng)能發(fā)電的成本迅速下降，意味著可用通過(guò)耦合可再生能源利用技術(shù)與電催化分解水技術(shù)制備“綠色氫能”?！熬G色氫能(Green Hydrogen)”作為未來(lái)能源發(fā)展的重要方向入選2021年MIT Technology Review的“全球十大突破性技術(shù)”，展現(xiàn)出廣闊的發(fā)展前景，成為學(xué)界與業(yè)界共同關(guān)注的焦點(diǎn)。

　　專家點(diǎn)評(píng)：

　　伴隨著社會(huì)的進(jìn)步，人類(lèi)對(duì)能源的利用沿著由高碳到低碳、由低能量密度到高能量密度的路徑發(fā)展。在此趨勢(shì)下，氫能被認(rèn)為是下一代清潔能源的代表，成為21世紀(jì)的“終極能源”[3]。這主要源于氫能的諸多優(yōu)點(diǎn)：首先，氫能中不含碳原子，其利用過(guò)程一般不釋放溫室氣體或有害物質(zhì)，是清潔的能量載體;其次，氫能是高密度的能量載體，具有高于汽油、柴油等傳統(tǒng)燃料的質(zhì)量能量密度[4]。

　　當(dāng)前，全球氫能需求旺盛，氫能產(chǎn)量約達(dá)每年70兆噸[5]。其中，絕大多數(shù)氫能來(lái)源于煤、石油、天然氣等化石燃料，相關(guān)制備路線具有成本低廉、技術(shù)成熟、可大規(guī)模應(yīng)用等優(yōu)勢(shì)，但制備過(guò)程伴隨著二氧化碳等溫室氣體的排放，不利于實(shí)現(xiàn)“碳中和”目標(biāo)。因此，采用該路徑制備的氫能被稱為“灰色氫能”。如果能夠?qū)⑸鲜鰵淠苌a(chǎn)方法中所產(chǎn)生的二氧化碳進(jìn)行補(bǔ)集、利用和封存(Carbon Capture and Utilization or Storage, CCUS)，則能夠間接達(dá)成“碳中和”的目標(biāo)，從而獲得“藍(lán)色氫能”。然而，“藍(lán)色氫能”不可再生，生產(chǎn)成本與“灰色氫能”相比仍然較高，制備系統(tǒng)成熟度較低，距大規(guī)模應(yīng)用還有一定的距離。從環(huán)境與資源利用效率的角度來(lái)看，以上制氫方法均不是清潔高效的選擇。因此，通過(guò)零污染、低成本、可持續(xù)的方式制取“綠色氫能”是未來(lái)能源發(fā)展的重點(diǎn)[6]。

　　制取“綠色氫能”的方法主要有生物質(zhì)制氫、光催化分解水制氫、電催化分解水制氫等[7]。其中，電解水制氫技術(shù)具有悠久的歷史，是相對(duì)成熟的制氫方法。近年來(lái)，新能源發(fā)電技術(shù)(如太陽(yáng)能發(fā)電、風(fēng)力發(fā)電、水力發(fā)電等)得到了快速地發(fā)展，促使可再生電能的成本不斷下降，這使得利用可再生電能進(jìn)行大規(guī)模電解水生產(chǎn)氫能成為可能[8]?？稍偕娔芙馑^(guò)程基本不會(huì)耗費(fèi)化石能源或產(chǎn)生溫室氣體，能夠滿足“碳中和”系統(tǒng)的要求。另一方面，可再生電能解水制氫技術(shù)能夠克服光電、風(fēng)電等可再生電能由于晝夜、氣候、區(qū)域等因素帶來(lái)的間歇性、隨機(jī)性、不均衡性的缺點(diǎn)，可有效利用難以并網(wǎng)的可再生電能，分布式地生產(chǎn)“綠色氫能”[9]。

　　伴隨技術(shù)的發(fā)展，世界上可再生電能解水制氫示范項(xiàng)目的數(shù)量和電解槽容量不斷增加，電解槽總?cè)萘繌?010年的不足1兆瓦增加到2019年的25兆瓦以上。同時(shí)，項(xiàng)目規(guī)模也逐步加大，在2010年前后，多數(shù)項(xiàng)目的容量均低于0.5兆瓦，而在2017—2019年間，項(xiàng)目規(guī)?？蛇_(dá)6兆瓦[10]?？稍偕娔芙馑茪浼夹g(shù)在近年來(lái)更是得到了長(zhǎng)足的發(fā)展。2020年3月，日本福島的FH2R項(xiàng)目正式投入運(yùn)行，該項(xiàng)目將20兆瓦的太陽(yáng)能發(fā)電站與10兆瓦的電解水裝置耦合，每小時(shí)可生產(chǎn)1 200標(biāo)方氫氣[11]。加拿大法液空公司也正在建造容量高達(dá)20兆瓦的“綠色氫能”工廠。除此之外，多國(guó)也宣布將在十年內(nèi)建成數(shù)百兆瓦的可再生電能解水制氫項(xiàng)目[12]。

　　我國(guó)一直致力于推動(dòng)傳統(tǒng)能源向低碳清潔能源的轉(zhuǎn)型，在太陽(yáng)能發(fā)電與風(fēng)能發(fā)電領(lǐng)域的年增長(zhǎng)量與裝機(jī)量均已躍升至世界第一，在新能源領(lǐng)域具有豐富的研發(fā)與產(chǎn)業(yè)基礎(chǔ)。習(xí)總書(shū)記莊嚴(yán)承諾我國(guó)將在2060年前實(shí)現(xiàn)“碳中和”，國(guó)家相關(guān)部委也相繼出臺(tái)氫能相關(guān)政策及發(fā)展綱要，大力推動(dòng)氫能產(chǎn)業(yè)的發(fā)展，促進(jìn)了“綠色氫能”項(xiàng)目的落地。2019年7月，山西省榆社縣政府與合肥陽(yáng)光新能源科技有限公司共同計(jì)劃建設(shè)300兆瓦的光伏發(fā)電站與50兆瓦的制氫綜合示范項(xiàng)目[13]。2020年4月，寧夏寶豐能源集團(tuán)的太陽(yáng)能電解制氫儲(chǔ)能及綜合應(yīng)用示范項(xiàng)目開(kāi)工建設(shè)，預(yù)計(jì)建成后合計(jì)年產(chǎn)氫氣1.6億標(biāo)方，每年可減少煤炭資源消耗25.4萬(wàn)噸，減少二氧化碳排放約44.5萬(wàn)噸[14]。我國(guó)在“綠色氫能”應(yīng)用領(lǐng)域也走在世界的前沿?；诶顮N院士團(tuán)隊(duì)技術(shù)的“液態(tài)太陽(yáng)燃料合成示范項(xiàng)目”采用總功率為10兆瓦的光伏發(fā)電站配套電解水制氫工藝，所生產(chǎn)的“綠色氫能”用于二氧化碳加氫合成甲醇，實(shí)現(xiàn)了“液態(tài)太陽(yáng)燃料”的生產(chǎn)[15]。

　　“綠色氫能”技術(shù)為解決能源與環(huán)境問(wèn)題勾畫(huà)出了美好藍(lán)圖，但其未來(lái)發(fā)展仍面臨諸多挑戰(zhàn)。學(xué)界與業(yè)界可以從“綠色氫能”的制取、儲(chǔ)運(yùn)、使用以及配套基礎(chǔ)建設(shè)等方面出發(fā)，為實(shí)現(xiàn)“綠色氫能”技術(shù)的大規(guī)模應(yīng)用打下理論與應(yīng)用基礎(chǔ)。首先，應(yīng)開(kāi)發(fā)高性能制氫系統(tǒng)，降低制氫成本。以可再生電能解水制氫系統(tǒng)為例，可以基于對(duì)催化活性中心作用機(jī)制與調(diào)控規(guī)律的認(rèn)識(shí)，在進(jìn)一步提升催化劑性能的同時(shí)，降低催化劑中貴金屬用量或其價(jià)格，使得“綠色氫能”的成本更具有競(jìng)爭(zhēng)力。與此同時(shí)，可以通過(guò)強(qiáng)化可再生能源轉(zhuǎn)化系統(tǒng)與產(chǎn)氫系統(tǒng)之間的耦合與匹配，達(dá)到提高能源綜合利用效率的目的。其次，應(yīng)研發(fā)高效儲(chǔ)氫新材料和儲(chǔ)氫新技術(shù)。一方面，從理論的角度進(jìn)一步明確化學(xué)儲(chǔ)氫機(jī)理，并以此為基礎(chǔ)設(shè)計(jì)高效儲(chǔ)氫材料;另一方面，提升液化儲(chǔ)氫技術(shù)，以終端使用為導(dǎo)向開(kāi)發(fā)物理儲(chǔ)氫新技術(shù)。再次，應(yīng)繼續(xù)發(fā)展以燃料電池技術(shù)為代表的氫能使用方法。以較為成熟的質(zhì)子交換膜燃料電池為例，應(yīng)基于對(duì)應(yīng)用場(chǎng)景(如交通運(yùn)輸、固定式發(fā)電等)特定需求的理解，優(yōu)化電池結(jié)構(gòu)和催化劑設(shè)計(jì)，以滿足對(duì)功率密度和耐久度的要求。最后，應(yīng)在基礎(chǔ)設(shè)施建設(shè)方面為未來(lái)“綠色氫能”的利用提供支持。如提前布局分布式加氫站的建設(shè);調(diào)研氫能管道輸送的可行性方案和安全性方案等。

　　盡管“綠色氫能”的全面應(yīng)用還面臨著巨大挑戰(zhàn)，我們?nèi)匀幌嘈旁谙嚓P(guān)科研工作者、企業(yè)和政府的共同努力下，“綠色氫能”的高效利用系統(tǒng)將在不久的將來(lái)得以建立和完善，“綠色氫能”將作為常規(guī)能源，融入人類(lèi)的生產(chǎn)和生活中，為構(gòu)建綠色、清潔的未來(lái)社會(huì)提供重要支撐。