美國評出2018年全球十大突破性技術！

最新 02-23

《麻省理工科技評論》在今天正式揭曉 2018 年「全球十大突破性技術」（10 Breakthrough Technologies），這份全球新興科技領域的權威榜單至今已經有 17 年的歷史。

圖 | 2018 年《麻省理工科技評論》全球十大突破性技術榜單包括：給所有人的人工智慧（雲端 AI）、對抗性神經網路、人造胚胎、「基因占卜」、感測城市、巴別魚耳塞、完美的網路隱私、材料的量子飛躍、實用型 3D 金屬印表機、零碳排放天然氣發電共 10 大突破性技術。

回看過去幾年的上榜技術，我們發現一個明顯的趨勢：越來越多的人工智慧相關技術入選榜單，其中包括：2008 年機器學習、2009 年的 Siri、2013 年的深度學習、2014 年的神經形態晶元、2016 年的語音介面與知識分享型機器人，以及 2017 年的自動駕駛卡車與強化學習。

2018 年，我們在人工智慧領域看到最具開創性的突破點，就在於人工智慧將脫離需要大量資料餵養設定的框架，取得足以自行演化出更精細結果的能力。我們認為，今年最具突破性的人工智慧技術是對抗性神經網路（Dueling Neural Networks）/ 對抗式生成網路（GAN）—— 通過兩個 AI 系統的競爭對抗，極大化加速機器學習的過程，進而賦予機器智能過去從未企及的想像力。

另一個同樣在 2018 年入選榜單的人工智慧技術則是：「給所有人的人工智慧」——雲端 AI，足以讓深度學習演算法變得像微博一樣簡單易用。

回顧人類歷史發展的過程，越是先進的技術，越是被少數人控制掌握，也越容易成為操縱壟斷的工具，但今年入選的這兩項人工智慧技術的重要性，就在於破除過去的陳規舊習，達成用 AI 技術普惠人類世界的願景目標。

技術的強大和普及，將促進相關領域科研及社會經濟的發展，但不可諱言的是，技術發展帶來的負面影響也不容忽視，比如 GAN 能創造出以假亂真的圖片及視頻來混淆視聽，這是伴隨技術突破發展而來的全新挑戰。因此，對於一手打造 GAN 技術的 Ian Goodfellow 而言，他當前的研究重心就在於 GAN 濫用問題，就如同父親對待孩子一樣，希望 GAN 技術不至誤入歧途。

圖 | Ian Goodfellow

在 2018 年的榜單中，類似 GAN 這種「亦正亦邪」的技術不止一個，在生物醫療領域的「人造胚胎」和「基因占卜」也屬於這樣充滿了爭議性的技術。我們究竟該如何善用科學與科技的突破進展，回答過去無法被回答的問題，解決過去無法被解決的困難，但卻不致於迷失在誰能扮演上帝的迷惑與恐懼中？

同樣的狀況也出現在谷歌母公司 Alphabet 旗下的 Sidewalk Labs 的一項計劃中，Sidewalk Labs 準備在加拿大多倫多啟動一項智慧城市試驗性項目，通過遍布城市每個角落的感測器，來收集居民活動的所有相關數據。但這到底是大數據用於公眾利益的範例，還是個人隱私被侵犯監視噩夢的開始？

幸運的是，並不是所有上榜技術都是讓人糾結的雙面刃難題。

清潔能源一直都是被高度關注的議題，而在今年我們看到了一個新的機會，一家位於在美國德州中心點的試點工廠，正在積極的發展一項完全乾淨無污染的天然氣發電技術，在可預見的未來，無污染的天然氣發電將成為最主要的能源供應來源。

從零碳排放的天然氣發電、3D 金屬印表機、到《銀河系漫遊指南》書中所寫的將巴別魚塞進耳朵就能聽懂不同語言的實時翻譯耳塞等等，也都是我們認為具有突破性、且將改變世界的重要技術。

圖 | 《銀河系漫遊指南》中的巴別魚已經實現？

值得注意的是，可能很多人沒有注意到的是，在這次榜單中也包含了由當前火熱的區塊鏈所衍生的突破性技術—零知識驗證（zero-knowledge proof）的新密碼協議，與當前多項由區塊鏈技術發展出的加密貨幣交易有著緊密關係，要如何在幾乎完完全公開交易過程中，仍然維持用戶的隱私安全性，這一直都是在區塊鏈與加密貨幣蓬勃發展背後的隱憂。

該項技術入選十大突破性技術，除了顯示區塊鏈在整體經濟、乃至於社會體系中扮演的角色將越來越不容忽視，也更進一步凸顯於區塊鏈相關技術的討論，已脫離單純的加密貨幣發行與新興商業模式的初期狂熱階段，進入更強調能夠讓區塊鏈技術生態環境能夠永續發展的關鍵性技術發展階段，安全隱私就是其中的重點所在，這攸關於未來區塊鏈技術能否真正成為價值互聯網的發展基礎，而不只是一時狂熱的資金泡沫。

2018 年十大突破性技術榜單重磅解讀，中國新興科技勢力不容忽視

麻省理工科技評論的年度「十大突破性技術」榜單有一個明顯的特點，除了列出技術的入選理由、突破點、重大意義、成熟期之外，還會列出全球範圍內主導技術研發的「主要研究者」（Key Players）。其中最經典的案例就是 2017 年「十大突破性技術」中的「刷臉支付」（Paying With Your Face），這項技術可謂專為中國定製，主要研究者也均為國內一線廠商。

同樣，在 2018 年「十大突破性技術」榜單中，《麻省理工科技評論》中美編輯部經過深入調研與反覆斟酌後，在針對中國發布的榜單內容中，為了避免以偏概全，也加入了來自中國本土的主要研究者，尤其是在人工智慧相關領域等。不可否認，中國的科技研發能力已經成為全球最重要的勢力之一，在某些領域已經可以與全球頂尖科技公司一決高下。

圖 | 2017年入選「十大突破性技術」的「刷臉支付」

需要說明的是，「十大突破性技術」榜單中所列出的「主要研究者」並非一個獎項，而是在入選技術的領域具有代表性的機構、公司或個人，供讀者參考。編輯部在此也希望廣大讀者們更多的去關心我們甄選出的十大技術趨勢，而不是去過分解讀背後的廠商及其商業意義。

除了發布 2018 年《麻省理工科技評論》全球十大突破性技術榜單，DeepTech 深科技也邀請多位專家參與解讀此次公布的十大突破性技術，其中包括Innovators Under 35 China 首屆獲獎人叢樂、王旭、韓壁丞、沈亦晨、陳成猛、朱明傑、曾曉東、李林鮮、韋福如等，另外還有多位國內重量級科技企業代表，如商湯－香港中大聯合實驗室教授李鴻升、達闥科技創始人兼 CEO 黃曉慶、台灣工研院雷射中心副主任洪基彬、阿里巴巴、科大訊飛等，以及 DeepTech 深科技內部專家群，逐一針對十項突破性技術進行深度剖析探究——這一板塊的詳細內容我們將集結成書在《科技之巔》系列叢書中出版。

以下是該份榜單詳細內容及部分解讀節選：

實用型 3D 金屬印表機

入選理由：新型設備首次讓 3D 列印金屬零部件成為實用型技術

技術突破：3D 金屬印表機實現了低成本快速金屬物體列印

重大意義：按需列印大型複雜金屬物體的能力將為製造業帶來變革

主要研究者：Markforged、Desktop Metal、GE等

成熟期：現在

雖然 3D 列印技術已經存在了幾十年，但它之前仍然局限在業餘愛好者和設計師的小圈子內，只是用來製造一次性原型。而且，之前的 3D 列印技術使用任何非塑料材料（尤其是金屬）時，成本非常昂貴，速度也慢得讓人無法接受。

不過現在，隨著成本越來越低，使用也越來越簡單，這項技術有望成為可用於零部件生產的實用技術。如果它被廣泛應用，將有可能改變我們大規模量產產品的方式。

短期來看，有了這項技術後，製造商們將不再需要維持大量的庫存，他們可以按需地列印一個部件。比如說，當顧客需要給舊車替換一個零部件的時候，就可以立即提供給他。

長期來看，那些大規模生產某一特定零部件的大工廠將會被產品線豐富的小工坊所取代。這些小工坊將能按照顧客的需求隨時列印出各種各樣的零部件。

這項技術的優勢在於它可以生產出更輕、更堅固的金屬零部件，以及用傳統金屬加工方法無法製造出來的複雜形狀的零部件。它甚至還可以在製造過程中精確調控金屬的微觀結構。

2017 年，來自勞倫斯·利弗莫爾國家實驗室（Lawrence Livermore National Laboratory）的研究人員宣布他們研發出了一種 3D 列印不鏽鋼零部件的方法，通過這種方法生產出來的零部件的強度是通過傳統方法生產出來的兩倍。

同樣在 2017 年，位於波士頓附近的 3D 列印初創公司 Markforged 發布了第一台價格在 10 萬美元以下的 3D 金屬印表機。

而另一家位於波士頓地區的 3D 列印初創公司 Desktop Metal 也在 2017 年 12 月開始交付他們的第一台 3D 金屬原型印表機。該公司還計劃推出體積更大的、用於工業製造的印表機，它們的速度將會比之前的 3D 金屬印表機快 100 倍。

3D 金屬列印的操作如今也變得越來越容易。Desktop Metal 公司現在推出了一款用於 3D 金屬列印的軟體。使用者只要在軟體中輸入他們所要列印的物體規格，軟體就會生成一個適用於 3D 列印的計算機模型。

GE 公司長期以來一直將 3D 列印技術用於它的航空產品生產中。早在 2013 年「十大突破性技術」中就曾提到「增材製造」（Additive Manufacturing）。該公司現在也正在測試一款新型 3D 金屬印表機，該印表機列印速度很快，可用於大型零部件的生產。而 GE 計劃在 2018 年開始銷售該 3D 金屬印表機。

專業解讀

台灣工研院雷射中心副主任洪基彬：我認為，目前全球該領域的主要玩家還有：德國 EOS、德國 SLM Solutions、葡萄牙 Adira、西安鉑力特。

3D 列印在 2012、2013 年受到媒體熱烈矚目，在外界看來後續的發展雖從火熱回歸平實，但技術的演進並未停止，特別是有機會能改變傳統製造業生產方式的 3D 金屬列印，潛力更大。

根據美國材料試驗學會旗下 F42 技術委員會訂定的相關標準，將增材製造，也就是俗稱的 3D 列印，分為七大類技術方法，目前應用在「金屬」的列印主要有四種技術，分別為金屬粉床熔化（PBF，Powder BedFusion）、雷射金屬沉積（LMD，Laser Metal Deposition）、黏著劑噴塗成型（Binder Jetting），以及分層實體製造（LOM，Laminated Object Manufacturing）。

在上述的技術中，現階段最被看好且應用最多的是金屬粉床熔化，在列印時披上一層粉末，再透過雷射進行燒熔出想要的形狀，兩點重要的原因：可以製作出各種複雜形狀的產品，以及如果金屬粉末控制得宜，就能做出精緻度很好的產品。舉例來說，25 微米（Micrometer）的金屬粉末顆粒就能列印出表面細緻度是 25 微米的產品，如果把金屬粉末顆粒縮小至 2~5 微米，就可達到表面細緻度就是 2~5 微米，就會比傳統 CNC 製程做出的更漂亮，但前提是金屬粉末必須控制得宜。

目前 3D 金屬列印的趨勢有三，分別是大尺寸、精緻化、自動化。在3D列印最專業的展覽、於德國法蘭克福舉辦的Formnext 2017上，GE展出可列印出尺寸可達1米*1米*0.3米的航空零部件，並強調未來可以提高到1米*1米*1米。另外，在自動化部分，GE 也以燃油噴嘴尖端（powerfuel nozzle tip）為例，透過 3D 金屬列印，製造工期可由 15～18 個月縮為 3～5 個月，而且此噴射引擎的零件可由 20 件整成 1 件。3D 金屬列印也可與機器手臂、工業 4.0 概念結合，提升製造業的自動化程度。

主要積極研究 3D 金屬列印的應用行業，包括航太、醫材以及頂級跑車，主要是高價、客制化需求高。而未來的發展又是如何？從 Formnext 2017 上業者展出的不少設備都已量產，或是朝量產的方向走去，顯示金屬 3D 列印的商業運轉已經可行，但相較於傳統的鑄造或鍛造工法，3D 金屬列印還有幾個阻礙，一是機器設備以及金屬粉末的成本都仍偏高，二是儘管目前 3D 金屬列印已經來到了四支雷射噴頭可同時工作，但以用戶的角度來看，速度還是慢。

完美的網路隱私

入選理由：原本為加密貨幣的交易過程開發的一種工具，現在能讓你在上網時避免透露任何非必要信息

技術突破：計算機科學家正在完善一款加密工具，可以在不透露非必要信息的前提下完成驗證。

重大意義：如果你需要透露個人信息以在網上完成某件事，這個方法可以讓你在免除隱私泄漏或身份被盜竊風險的同時輕鬆實現

主要研究者：Zcash、摩根大通、荷蘭國際集團等

成熟期：現在

多虧一款新工具的出現，真正的互聯網隱私終於可以實現了。舉個例子，該工具可以讓你不用透露出生日期就能證明自己年滿 18 歲，或者不用透露自己的銀行餘額或其他細節，就能證明自己在銀行有足夠的存款可以完成金融交易。這樣就大大降低了隱私泄漏或身份盜用的風險。這款工具是一種叫做「零知識驗證」（zero-knowledge proof）的新密碼協議。

儘管研究人員已經研究了幾十年，但直到去年人們對零知識驗證的興趣才開始暴增，某種程度上，這要得益於人們對加密貨幣日益增長的熱情，以及大多數加密貨幣都為機構所擁有的的現實。同時，很大一定程度上也得益於 2016 年末建立的電子貨幣——Zcash 把零知識驗證應用於實際。Zcash 的研發人員使用一種叫做 zk-SNARK（簡明非交互零知識驗證）的方法讓用戶進行匿名交易。通常，這在比特幣以及其他公共區塊鏈系統中是不可能實現的，比特幣以及其他公共區塊鏈系統中的交易對所有人都是公開透明的。

儘管理論上來說，這些交易都是匿名的，但通過與其他數據進行結合，還是可以追蹤到甚至識別出交易人。世界第二大區塊鏈網路以太坊創始人 Vitalik Buterin 將 zk-SNARK 稱為一項「徹底改變遊戲規則的技術」。對銀行來說，這樣就可以在支付系統中使用區塊鏈了，同時還能保護客戶隱私。

去年，摩根大通將 zk-SNARK 添加到自己基於區塊鏈的支付系統中。不過儘管 zk-SNARK 承諾種種好處，但計算量大，運行緩慢。同時，zk-SNARK 需要「信任安裝」，所生成的密鑰如果落入壞人之手就可以破壞整個系統。不過，研究人員正在努力研究替代方案，希望可以更加高效地部署零知識驗證，同時不需要上述密鑰。

專業解讀

氪信創始人兼 CEO 朱明傑：如果有一個系統能夠在機制公開透明的同時又能夠保證用戶的隱私得到充分的保證，那麼這個系統就會有足夠的吸引力，尤其是在區塊鏈中，所有的交易是全網公開的，基於零知識證明的區塊鏈系統就可以以完全公開透明的形式實現信息的隱私保護，這無疑是有著巨大的現實意義的。Zcash 以及 JP Morgan 的區塊鏈系統都基於此實現。

現在，更多的區塊鏈系統將要或正在集成零知識證明這一技術。區塊鏈中有部分成熟的應用，其交易相關的隱私數據需要對任意第三方保密，如在供應鏈系統中一旦暴露就會造成巨大的後果。對於這類不能將信息暴露給潛在第三方的系統，零知識證明毫無疑問是一個「剛需」。搭上區塊鏈高速發展的快車，零知識證明技術可望在不遠的將來得到廣泛的應用，成為下一代價值互聯網的基石。

達闥科技創始人兼 CEO 黃曉慶：如果認同零知識證明的創新性，這的確是 Zcash 的非常突破的創新，因為它解決了比特幣等區塊鏈技術交易完全透明的問題，但在應用方面仍必須要考慮到根密鑰的問題，這會是最大的限制所在。事實上，現在也有其他區塊鏈技術如以太坊也開始集成零知識證明功能。

零碳排放天然氣發電

入選理由：一種針對天然氣發電廠的新工程學方法，將二氧化碳回收再利用

技術突破：一家發電廠能夠以廉價高效的方式捕捉天然氣燃燒釋放的碳元素，避免了溫室氣體的排放

重大意義：天然氣發電為美國提供了近 32% 的電力，其碳排放量也達到電力部門總碳排放量的 30%

主要研究者：8 RiversCapital、Exelon 電力公司、CB&I等

成熟期：3-5 年

在可預見的未來，我們可能要一直將天然氣作為主要的發電能源之一。現成又便宜的天然氣發出的電佔美國總發電量的 30%, 全世界發電量的 22%。天然氣雖然比煤炭清潔得多，仍造成了大量的碳排放。

在美國煉油工業區的中心休斯頓城外出現了一家前沿發電廠，他們正在測試一項可以實現清潔天然氣能源的技術。這家公司擁有 50 兆瓦特的項目，他們就是 Net Power。該公司相信他們能捕獲天然氣發電過程中釋放的所有二氧化碳，同時又能夠以低廉的成本發電，至少和標準天然氣發電廠的成本相同。

如果此舉真的可以實現，就意味著從此就可以以合理的價格從化石燃料中獲得零碳能源。這樣的天然氣發電必會改善能源供給的局面，因為它既不像核能那樣成本高企，也不像可再生能源那樣供給不穩。

Net Power 公司是 8 Rivers Capital，Exelon 電力公司以及 CB&I 能源公司合作的產物。這家公司的發電廠已經在試運行且開始了初始測試，他們打算在未來幾個月內就公布初次評估的結果。

這家發電廠將燃燒天然氣產生的二氧化碳放置到高壓高溫的環境中，並用合成的超臨界二氧化碳作為「工質」，驅動一個特製的渦輪機。其中，大部分的二氧化碳都能被不斷地再利用，剩下不能利用的可以用一種低成本的方式捕獲。

降低成本的關鍵在於出售部分二氧化碳。目前二氧化碳主要用於協助開採原油。這個市場容量有限，也並不環保。然而最終 Net Power 希望其他行業對二氧化碳的需求能夠漲起來，比如水泥製造業、塑料製造業及其他碳基材料行業。

Net Power 的科技並不能解決天然氣帶來的所有問題，尤其是開採方面的問題，但是只要我們還在使用天然氣，就應該讓天然氣變的更清潔。在正在發展的所有清潔能源技術中 Net Power 的技術是最有遠見的技術之一，他向我們展示的是一個真真切切的可減少碳排放的新突破。

專業解讀

中國科學院山西煤炭化學研究所副研究員陳成猛：中國目前天然氣約佔總電力供應量的 3%，截止 2020 年預計將佔 6.7%。為使以天然氣和煤炭等為燃料的火電廠更清潔環保，在現有技術體系通常是進一步增設 CO2 吸附、脫硫脫硝、降灰等環保裝置來實現。

然而，這些手段大都是補救性質的，會增加發電成本和能耗，降低經濟效益。Net Power 公司則不然，在天然氣發電領域，他們選擇了源頭創新，徹底摒棄傳統的以水蒸氣為工質的熱能循環過程，選用全新的以高壓高溫超臨界 CO2 為介質的 Allam 循環過程。這樣就從本質上解決了 CO2 排放和 NOx 污染的問題，且回收的 CO2 還變廢為寶，可應用於採油或作為化工原材料等利用。

該技術發電綜合效率更高，設施大幅簡化，固定投資少，佔地面積小。如果該技術成熟並實現產業化，將引領熱力發電領域的技術革命，不僅對天然氣發電意義重大，對煤電領域也有非常重要的參考價值。另外，該技術的突破還有望改變當前全球碳排放和碳交易的格局。

該技術的工藝方案獨闢蹊徑，從熱力學原理上是可行的，但估計存在如下工程技術難點：一、由於工質從水蒸氣變成了 CO2，對裝置的技術要求變化會很大，許多設備都需重新設計開發，其與工藝的匹配性還需進一步的中試和工業示範驗證。二、由於燃燒氣氛從空氣改為純氧，這就需要在前端增加空氣分離裝置，會增加一些固定投資和單位能耗。此外，由此帶來的燃燒速度控制和安全隱患亦不容小覷。

人造胚胎

入選理由：科學家們已經開始通過幹細胞製造胚胎

技術突破：在不使用卵細胞或精子細胞的情況下，研究人員僅從幹細胞中就可以培育出類似胚胎的結構，為創造人造生命提供了一條全新的途徑

重要意義：人造胚胎將為研究人員研究人類生命神秘起源提供更方便的工具，但該技術正在引發新的生物倫理爭議

主要研究者：劍橋大學、密歇根大學、洛克菲勒大學、中國科學院等

成熟期：現在

英國劍橋大學的胚胎學家們在一項重新定義了如何創造人造生命的突破性研究中，利用幹細胞培育出了一種逼真的小鼠胚胎。該胚胎並不是由卵細胞與精子結合而來的，只使用了從另一個胚胎中得到的細胞。

研究人員將這些細胞小心翼翼地放在三維支架上觀察，細胞隨後彼此開始聯結，並且排列成幾天大的老鼠胚胎獨有的子彈形狀，研究人員被這一景象吸引住了。「我們知道幹細胞有著極其強大的潛能，可以展現出近乎魔法般的能力。然而，我們沒有意識到，他們可以如此完美地實現自組織」，團隊負責人 Magdelena Zernicka -Goetz 表示。

Zernicka-Goetz 稱，她的「合成」的胚胎可能不會發育成老鼠。儘管如此，它們也意味著，我們很快就可以實現在沒有卵子的情況下育出哺乳動物。

但這並不是 Zernicka-Goetz 的最終目標。她想研究早期胚胎的細胞是如何開始分化出其特殊作用的。她說，研究的下一步是使用人類胚胎幹細胞生成人造胚胎，這也是密歇根大學和洛克菲勒大學正在進行的研究。

人工合成的人類胚胎將是科學家們的福音，這可以讓他們梳理出胚胎在早期發展中經歷的過程。而且，由於這些胚胎是從易操作的幹細胞發展而來的，實驗室將能夠使用各種工具，例如基因編輯技術，在它們生長的過程中對它們進行研究。

然而，人造胚胎將會引發一些倫理問題。如果它們最終與真實的人類胚胎難以區分，我們該怎麼辦? 在它們形成痛覺之前，它們能在實驗室里成長多久? 生物倫理學家們說，我們需要在科學競賽愈演愈烈之前解決這些問題。

專業解讀：

瑞典卡羅林斯卡醫學院助理教授李林鮮：首次在體外培養皿里通過兩種幹細胞的 3D 共培養模擬了胚胎髮育的早期過程，為研究胚胎的早期發育提供了一種可能的替代方法。人造胚胎的研究的價值依然是非常顯而易見的，例如應用在胚胎早期發育的基礎研究上。在胚胎早期發育的基礎研究中，很多時候需要用到如 CRISPR 的基因組編輯工具，比較在培養皿里對幹細胞和胚胎的操作難度，幹細胞的相關操作要容易些。對幹細胞使用 CRISPR 之類的基因組編輯技術比胚胎會更方便。

對抗性神經網路

入選理由：兩個 AI 系統通過玩「貓捉老鼠」遊戲來獲得想像力

技術突破：兩個 AI 系統可以通過相互對抗來創造超級真實的原創圖像或聲音，而在此之前，機器從未有這種能力

重大意義：這給機器帶來一種類似想像力的能力，因此可能讓它們變得不再那麼依賴人類，但也把它們變成了一種能力驚人的數字造假工具

主要研究者：Google Brain、DeepMind、英偉達、中科院自動化所、百度、阿里巴巴、騰訊、商湯科技、依圖科技、雲從科技、曠視科技等

成熟期：現在

人工智慧識別物體的能力已經越來越強了：給它看一百萬張圖片，它就可以用驚人的準確度來告訴你究竟哪張裡面有個行人在過馬路。但是 AI 幾乎不可能獨自生成行人的圖片。如果它可以實現這一點，它將可以創造大量看似真實的合成圖片，把行人放在各種環境下。而自動駕駛系統或許足不出戶就能使用這些圖片進行訓練。

但問題在於，從無到有創造一個東西需要想像力，而這正是人工智慧技術一直難以實現的能力。

直到 2014 年，當時還是蒙特利爾大學博士生的 Ian Goodfellow 在酒吧里與友人進行學術辯論時，他突然想到了這個問題的答案。這種名為「對抗式生成網路」（GAN）的手段會使用兩個神經網路（一種簡化人腦數學模型，是現代機器學習基石），然後讓這兩者在數字版的「貓捉老鼠」遊戲中相互拼殺。

這兩個網路會使用同一個數據集進行訓練。其中一個神經網路叫生成網路，它的任務就是依照所見過的圖片來生成新的圖片，比如一個多長一條手臂的行人。而另外那個神經網路叫判別網路，它的任務則是判斷它所見得圖片是否與訓練時的圖片相似，還是由生成模型創造出來的「假貨」，比如，判斷那個長著三個手臂的人有沒有可能是真的？

慢慢的，生成網路創造圖片的能力會強到無法被判別網路識破的程度。基本上，經過訓練之後，生成網路學會了識別並創造看起來十分真實的行人圖片。

這項技術已經成為了在過去十年最具潛力的人工智慧突破，幫助機器產生甚至可以欺騙人類的成果。

目前，GAN 已被用於創造聽起來十分真實的語音，以及非常逼真的假圖片。就拿一個很有名的例子來說，來自晶元公司英偉達的研究人員們用明星照片訓練出了一個 GAN 系統，而這個系統則生成了數百張根本不存在、但看起來十分真實的人臉照片。另外一個研究團隊則生成了看起來十分逼真的梵高油畫。在進一步訓練後，GAN 可以對圖片進行各種修改，比如在乾淨的馬路上蓋上一層雪，或者把馬變成斑馬。

但是 GAN 的成果並非完美：它們可能生成有兩套把手的自行車，或者眉毛錯位的臉。但由於有些圖片與聲音實在太逼真了，一些專家相信，GAN 在某種程度上已經開始理解它們所見到，所聽到的世界的底層結構。而這意味著，隨著人工智慧開始獲得想像力，它們也可能開始理解它在這世界上所看到的東西。

Ian Goodfellow發明出GAN後，獲得Facebook首席科學家Yann LeCun、NVIDIA創辦人黃仁勛、Landing.ai創辦人吳恩達等大牛的讚賞，吸引了諸多的機構及企業開始研究。在中國部分，學術機構致力於研究GAN理論的近一步改良及優化，像是中科院自動化所研究人員受人類視覺識別過程啟發，提出了雙路徑GAN（TP-GAN），用於正面人臉圖像合成，而商湯－香港中大聯合實驗室在國際學術大會上發表多項GAN相關研究成果。

中國企業界則是更傾向於把技術應用在服務中，相關案例不勝枚舉，比如，百度使用GAN構建語音識別框架，科大訊飛通過GAN與傳統深度學習框架的結合在語音合成領域獲得了很大的進展。而阿里巴巴的城市大腦項目團隊在ACM MM2017會議上，其中發表的一篇論文便是使用GAN來生成用以進行車牌識別的訓練數據集。

專業解讀：

商湯—香港中文大學聯合實驗室教授李鴻升：GAN 未來可能對計算機圖形學產生衝擊，發展三年多的 GAN，在已經發展了 60 年的人工智慧領域中，雖然還是很新的技術，不過已經有各種變體或進階版出現，而且在諸多研究人員及企業的投入下未來仍有許多的可能性。例如有機會從二維的圖片進展到三維的視頻等等，在更遠的將來，有可能會對圖形學產生衝擊或挑戰。

給所有人的人工智慧

入選理由：將機器學習工具搬上雲端，將有助於人工智慧更廣泛的傳播

技術突破：基於雲端的人工智慧正在降低這項技術的使用難度和價格

重大意義：目前，人工智慧的應用是受到少數幾家公司統治的。但其一旦與雲技術相結合，那它將可以對許多人變得觸手可及，從而實現經濟的爆髮式增長。

主要研究者包括：亞馬遜、谷歌、微軟、百度、騰訊、阿里巴巴、科大訊飛、第四範式等

成熟期：現在

人工智慧一直以來都只是亞馬遜、百度、谷歌和微軟等大型科技公司，以及少數初創公司的玩物。對於其他領域的眾多公司來說，人工智慧太貴也太難，無法全面普及。

這個問題該如何解決？基於雲端的機器學習工具正在將人工智慧帶給更廣泛的群體。如今，亞馬遜旗下的 AWS 子公司幾乎統治了雲 AI 市場。谷歌則試圖通過 TensorFlow 這款可以開發機器學習系統的開源人工智慧框架來挑戰它的地位。而谷歌近日剛公開的 Cloud AutoML 也是一套經過預先訓練，可以讓人工智慧變得更容易使用的系統。

以 Azure 平台加入雲服務大戰的微軟則選擇與亞馬遜合作，推出了一款開源深度學習框架 Gluon。在理論上，Gluon 可以讓創建神經網路——一款試圖複製人腦學習方式的重要人工智慧技術——變得和開發手機 APP 一樣簡單。

雖然我們不知道究竟哪家公司將會成為人工智慧雲服務市場的領頭羊，但贏家一定會獲得巨大的商業機會。

如果人工智慧革命會擴散至經濟領域的各個角落，那麼機器學習工具也將會隨之成為必需品。

如今的人工智慧技術絕大多數僅用於科技行業，為這個領域帶來了效率的提升以及多種新的產品和服務。但是其他的公司與行業一直難以利用人工智慧技術的發展。如果可以在醫療、製造以及能源等行業里更全面地推行人工智慧技術，將極大提高各產業的生產力。

可惜，絕大多數的公司依然缺乏了解如何使用雲端人工智慧的人才。所以，亞馬遜與谷歌也創辦了諮詢服務。當這項技術通過雲端來到每個人的面前的時候，真正的人工智慧革命才會開始。

專業解讀：

Lightelligence 聯合創始人兼 CEO 沈亦晨：計算硬體是人工智慧的核心之一，算力更高的計算硬體可以在更短的時間裡完成神經網路的訓練，而由於 AI 處理器（如 NVIDIA 的 GPU）更新換代很快，售價高，更換硬體也比較麻煩，個人用戶每年更換處理器並不經濟，而雲計算平台把有限的資源集約化共享給大眾。AI 演算法共享也是雲平台的一大優勢，目前有一些已經被廣泛使用的 AI 演算法，如人臉識別，語音識別，圖像識別等，都是定義非常清晰的，公眾也只需要一個結果最好的演算法。

基因占卜

入選理由：大規模基因研究將讓科學家能夠預測普通疾病及人格特徵

技術突破：科學家們現在可以利用你的基因組數據預測你患心臟病或乳腺癌的幾率，甚至你的智商也能被預測

重大意義：基於 DNA 的預測技術可能公共健康領域下一個重大突破，但它將增加歧視的風險

主要研究者：Helix、23andMe、Myriad Genetics、UKBiobank 、Broad Institute、華大基因、奕真生物、WeGene等

成熟期：現在

將來有一天，嬰兒出生時就會得到一份 DNA 檢測報告。這些報告將提供嬰兒患心臟病或癌症的幾率、是否對煙草上癮，以及是否比一般人更聰明的預測。由於大型基因研究（部分研究涉及人數超過 100 萬人）的開展以及科學進步，這樣的報告很快就會從概念變成現實。

事實證明，最常見的疾病和人們的許多行為和特徵，包括智力水平，都不是一個或幾個基因影響的結果，而是許多基因作用的結果。利用正在進行的大型基因研究的數據，科學家們正在創造他們所謂的「多基因風險評分」指標。

儘管新的 DNA 測試只是提供了概率推斷，而不是直接得出診斷結論，但依然可以極大地造福醫學的發展。例如，如果那些患乳腺癌幾率高的女性做更多的乳房 X 光檢查，而患病幾率低的女性做更少的乳房 X 光檢查，那麼這些檢查可能會發現更多真正罹患癌症的患者，也能降低假警報發生的幾率。製藥公司還可以在針對阿爾茨海默病或心臟病等疾病的預防性藥物的臨床試驗中使用這些分數指標。通過挑選患病風險更高的志願者，他們可以更準確地測試藥物的效果。

問題是，這些預測遠非完美。誰願意知道他們未來可能會患上阿茲海默症? 如果癌症風險指標得分低的人推遲接受篩查，然後又患上癌症怎麼辦? 多基因檢查指標評分也存在其他爭議，因為它們幾乎可以預測任何個體特徵，不僅僅是疾病。例如，我們現在可能只能預測一個人在智商測試中表現的 10%。隨著評分技術的提升，基於 DNA 的智商預測很可能會成為常態。

然而，家長和教育工作者應該如何使用這些信息呢? 對此，行為遺傳學家 EricTurkheimer 表示，這項新技術「既令人興奮又令人擔憂」，因為基因數據不僅可以造福我們，也有可能會被用於其他用途，產生不好的影響。

專業解讀

麻省理工學院-哈佛大學布羅德研究所研究員、清華大學訪問學者叢樂：基因組學的科研進展結合大規模臨床研究，使科學家看到基因預測未來的曙光。

這一領域近年來加速式前進，並獲得來自大學院校等科研機構，初創公司跨國藥廠等企業，以及風險投資等資本市場的持續投入，從而讓研究人員得以分析預判遺傳信息對人類的健康狀況、疾病風險、甚至智力等個人能力等影響，這無疑將會影響醫療、保險、教育等多個層面，而這一連串的效應雖然剛剛開始但發展迅猛，究竟是福是禍尚未可知。

基因信息具有很強的個性化差異與地區性差異，所以，針對一個地區一類人群的研究與技術結果不一定適用於全球其他個體（比如亞洲人vs.歐美人），這無疑會帶來更多挑戰，但也意味著有更多的機會。遺傳信息有靜態的部分，比如每個人的細胞最開始都來源於精子卵子結合後形成的胚胎細胞，也有動態部分，比如發育過程中的基因突變可能導致遺傳病，或者衰老過程中的基因突變可能導致癌症和老年病，並不是一生只做一次檢查就足夠，也不是做的越多就代表越好越準確，仍需要許多基礎和臨床研究開發相關技術與數據分析工具。

除了經典的DNA基因組信息，還有很多疾病是由基因組的修飾和RNA表達變化等因素導致，我們稱之為錶冠遺傳學。整體來看，儘管基因預測技術的發展受到高度矚目，但就實際的發展歷程來看，目前我們還只看到人類基因信息的冰山一角而已。

感測城市

入選理由：Alphabet 旗下的 Sidewalk Labs 計劃創建一個高科技社區來重新思考到底應該如何建設和運營一座城市

技術突破：多倫多的一個街區有望成為全球首個成功將尖端城市設計與前沿科技融合在一起的地方

重大意義：智慧城市會讓都市地區變得更加可負擔、宜居、環保

主要研究者：Alphabet 旗下的 Sidewalk Labs、多倫多 Waterfront、阿里巴巴等

成熟期：項目 2017 年 10 月對外公布，預計在 2019 年開始施工建設

如今，全球很多智慧城市計劃都已擱淺，要麼下調了曾經雄心勃勃的目標，要麼因為生活成本原因逼走了超級富豪之外的普通居民。而多倫多的一個叫 Quayside 的項目，卻希望從頭開始重新設計一個社區，用最新的數字技術將其重建，打破現有的失敗局面。

Alphabet 旗下位於紐約市的 Sidewalk Labs 將和加拿大政府進行合作，讓這一高科技項目落地在多倫多 Waterfront 工業區。

該項目的目標之一就是讓一切關於設計、政策以及信息科技的決策都以一個巨大的感測器網路為基礎。這個網路將收集各種信息：空氣質量、雜訊水平以及人們的行為等數據。

在該規劃中，一切車輛都是自動駕駛的共享車輛，地下也將跑著負責送快遞這種低級體力勞動的機器人。Sidewalk Labs 表示，他們計劃讓正在設計的軟體與系統開源，可以允許其他公司在其上創建服務，類似為手機開發 APP 的做法。

該公司計劃密切監視公共基礎設施，然而這卻引起了對數據管理與隱私的擔憂。但是 Sidewalk Labs 相信，它可以通過與社區和當地政府的合作，緩解部分擔憂。

「在 Quayside 項目中，我們所做的最獨特的一點就是，這個項目不僅包含我們巨大的野心，也有著一定程度上的謙遜」，負責城市系統規劃的 Sidewalk Labs 高管 RitAggarwala 說道。而這種謙遜有望幫助 Quayside 避開之前那些智慧城市計劃時常遭遇的各種問題。

目前，北美已有多個城市正在爭取成為 Sidewalk Labs 的下一個標的。據管理 Quayside 開發的某公共部門 CEO WillFleissig 表示：「舊金山、丹佛、洛杉磯以及波士頓都來聯繫我們，就是為了獲得引薦。」

專業解讀

螞蟻技術實驗室無人值守演算法技術負責人曾曉東：城市版本的「操作系統 OS」，搭載先進的「四肢」與「感官系統」為項目的關鍵所在。毫無疑問，物聯網技術在項目中會得到廣泛的應用，大量的感測器將融入整個城市的建設當中，就如同給城市裝上全新的數字肢體和感官，萬物實現互聯、可感、可控，城市的運行將由一個無比強大的 AI 接管。

城市版本的「Android」有機會成為可能，項目中搭建的城市平台打通物質空間層面與科技數據層面，透過標準層面輸出基礎工具與功能，這點與智能手機的操作系統類似。那如果與其和智能手機的生態進行類比，基於這個超級城市版本的「OS」，能否引入更多的「城市開發者」來搭建上層的「城市APP」，這點很值得期待。

中國科學院生態環境研究中心副研究員王旭：到 2050 年，全球 70% 的人口將居住在城市，而且隨著城市化快速擴張，傳統基礎設施存在的問題和產生的社會、經濟和環境壓力將與之俱增。相比傳統基礎設施的發展和存在模式，基於感測器建設的未來城市基礎設施新範式，將會以更加集成、更加智能的方法來建設和管理基礎設施，而不是將城市的能源、交通和水務等基礎設施單元或環節單獨割裂管理。

但當前這種基礎設施新範式，研究和應用熱點更多關注城市交通和能源系統，對於城市其他的重要基礎設施系統，例如水與環境衛生等的投入相對較少，另外，對城市基礎設施不同單元環節的耦合性、抗干擾性、彈性和可持續性方面的研究關注度仍有待提高。

巴別魚耳塞

入選理由：雖然現有硬體並不那麼好用，但谷歌 Pixel Buds 卻展示了實時翻譯的前景

技術突破：近實時翻譯適用於多種語言，而且使用起來很方便

重大意義：在全球化日益發展的今天，語言仍是交流的一大障礙

主要研究者：谷歌、科大訊飛、百度、騰訊、搜狗、清華大學、哈爾濱工業大學、蘇州大學等

成熟期：現在

在風靡一時的科幻經典《銀河系漫遊指南》中，你把一條黃色的巴別魚塞到耳朵里，就可以聽到實時翻譯。在現實世界中，谷歌已經研究出了一個過渡性的解決方案：一副叫做 Pixel Buds 價值 159 美元的耳塞。這副耳塞可以在 Pixel 智能手機上通過谷歌翻譯應用進行實時翻譯。需要一個人佩戴耳塞，另一個人手持手機。

佩戴耳塞的人用自己的語言講話——默認是英語——然後谷歌翻譯應用就會對所講的話進行翻譯，並在智能手機上大聲播放。手持手機的人回應後，回答被翻譯，然後在耳塞中播放。

谷歌翻譯之前就已經有了對話功能，其 iOS 和安卓版應用都可以自動識別說話者的語言，然後自動翻譯。但背景噪音會增加應用理解話語的難度，同時也會讓應用很難判斷說話人何時停頓，何時開始翻譯。Pixel Buds 有效解決了這些問題，因為佩戴人可以在說話的同時用手指點擊和長按右邊的耳塞。將交互分別放在智能手機和耳塞上，可以讓雙方都能控制麥克風，幫助講者保持眼神交流，因為這樣就不用來回傳遞手機了。

目前，Pixel Buds 因為低於行業平均水準的設計而備受抨擊。耳塞看起來很不智能，也不是很貼合耳朵，而且很難與手機進行適配。不過硬體笨拙還是有計可施的。Pixel Buds 讓大家看到了近實時翻譯跨語言障礙自由溝通的曙光，而且你還不用把一條巴別魚塞到耳朵里。

在中國，有許多公司也積極投入發展，科大訊飛、百度、搜狗可以說是這個領域的領先者，除了提供智能語音、翻譯等服務外，也將技術引入硬體中，不過，相較於外國業者偏好以耳機作為切入點，中國企業則選擇翻譯機，像是科大訊飛推出曉譯翻譯機，百度則有共享 WiFi 翻譯機，搜狗也在日前發表「旅行翻譯寶」和「速記翻譯筆」。

專業解讀

微軟亞洲研究院資深研究員/研究經理韋福如：基於序列到序列（sequenceto sequence）的端對端神經網路機器翻譯（NMT，Neural Machine Translation）近年來大幅度提高了機器翻譯的質量和水平，是深度學習演算法在自然語言處理領域最大的突破和成果之一，NMT 技術的進步也進一步觸發相關服務和硬體的創新。

BrainCo 及 BrainRobotics 創始人兼 CEO 韓璧丞：Google 發布的這款 pixel buds 是其對於智能耳機領域的第一次的嘗試，然而小硬體背後卻是大心思。僅通過這一款硬體，Google 就攢起自家過半的當家 AI 技術-知識圖譜、自然語音處理、翻譯、語音識別，以家居+車載+便攜的全場景語音介面，撬動智能家居，智能出行等生態系統，這次打造耳機便攜 AI 介面的野心不可謂不大。

材料的量子飛躍

入選理由：研究者們最近開始使用量子計算機對簡單分子進行建模，而這僅僅是開始

技術突破：IBM 採用 7 量子比特的量子計算機對小分子的電子結構成功地進行彷真計算

重大意義：藉助該技術，科學家能了解分子的各個方面信息並以此開發出更有效的藥物以及更高效生成或傳輸能源的新材料

主要研究者：IBM、Google、哈佛大學 Alán Aspuru-Guzik 教授、中國科技大學、中國科學院、浙江大學、阿里巴巴等

成熟期：5 到 10 年

新型量子計算機功能強大，不過它的發展道路上依然籠罩著一層迷霧：量子計算機有著當今計算機無法比擬的計算力，但是我們至今尚未弄清楚這種能力能被用來做什麼。一個前景無限的應用方向正在向量子計算機招手：精確分子設計。

多少年來，化學家都夢想著能設計出新型蛋白質，用於研製更有療效的藥物，或是設計出新型高效電池中的電解質、直接將太陽能轉化為液態燃料的神奇化合物以及更高效的太陽能電池。然而，這些技術中的材料分子都難以在計算機上建模和彷真，遑論設計和合成了。即使彷真一個簡單分子的電子形態這樣的任務，都會複雜到讓現有的計算機敗下陣來。不過，這對於量子計算機而言就是小菜一碟了。

相比傳統計算機那樣採用「1」或「0」的數字比特（Digital Bits）作為計算和存儲單元，量子計算機採用量子系統的量子比特（Qubits）作為運算單元。最近，IBM 的研究者應用 7 量子比特量子計算機針對一個三原子分子進行了彷真實驗。

如今，科學家正在打造具有更多量子比特的量子計算機，量子演算法也在提升，我們更感興趣的大分子精確彷真計算也將成為可能。

實際上，中國在量子計算方面也有相當明顯的成長，雖然目前的技術層次還無法與前面幾家大企業相提並論，但是在產業、學術界，以及政府的通力合作之下，也正一步步追趕上領先者的腳步。

2017 年 5 月，中國科學院宣布由中科大、中國科學院──阿里巴巴量子核算實驗室、浙江大學、中科院物理所等單位或公司聯合研製的光量子電腦正式誕生。另外，同年 10 月 11 日，由中科院與阿里雲合作發佈量子計算雲平台，量子計算的商業化已經近在咫尺，速度毫不遜色於歐美的腳步。

然而，量子計算還有不少需要突破的地方，首先，量子計算的精度相當低，雖然用在深度學習等精度需求不高的計算上相當合適，但要處理傳統計算機的通用計算工作，可能就力有未逮了。其次，量子計算這種高度並行的計算環境需要框架的適配，以及編譯器的針對性優化，這種開發邏輯與現有的計算架構完全不同。

《麻省理工科技評論》發布2017年全球十大突破性技術榜單

1 年前

作為全球最為著名的技術榜單之一，《麻省理工科技評論》全球十大突破性技術具備極大的全球影響力和權威性，至今已經舉辦了超過16年。每年上榜的有的已經在現實中得以應用，有的還尚需時日，但他們的重要性都毋庸諱言，註定將在未來對我們的經濟政治生活產生重大的影響，甚至會徹底改變整個社會的文化面貌。

技術突破：強化學習（Reinforcement Learning，RL）是一種人工智慧方法，能使計算機在沒有明確指導的情況下像人一樣自主學習。

重要意義：假如機器不能夠自主通過環境經驗磨練技能，自動駕駛汽車以及其他自動化領域的進展速度將受到極大地限制。

主要研究者：

- DeepMind - 科大訊飛

- Mobileye - 阿里巴巴

- OpenAI - 微軟亞洲研究院

- Google - 中科院

- Uber - 百度

成熟期：1~2年

強化學習技術，正是AlphaGo能夠掌握複雜的圍棋遊戲，並擊敗世界最強職業選手的關鍵。如今，強化學習正在迅速發展，並逐步將人工智慧滲透到除了遊戲之外的各個領域。除了能夠提升自動駕駛汽車性能，該技術還能讓機器人領會並掌握以前從未訓練過的技能。

本質上，強化學習技術是從自然界中學習的一種基本法則。心理學家愛德華·桑代克（Edward Thorndike）在100多年前也注意到了這一點。在最著名的迷箱實驗中，桑代克將貓放在一個迷箱中，貓只能通過按壓一個控制桿才能逃脫。觀察結果顯示，經過相當長時間的來回徘徊，動物最終總會偶然地踩到控制桿，然後逃脫。

一些最早期的人工智慧研究者認為，迷箱實驗的過程有可能在機器中有效地重現。早在1951年，馬文·明斯基（Marvin Minsky）創造了世界上第一台具有學習能力的機器，利用簡單形式的強化學習方法模擬了一隻老鼠如何學習走出迷宮。

然而，隨後的幾十年里這個領域幾乎沒有什麼喜人的成績。1992年，IBM的研究員傑拉爾德·特索羅（Gerald Tesauro）演示了一個使用人工智慧技術玩西洋雙陸棋的程序。很快，這個程序就玩的非常熟練，並足以與最好的人類玩家競賽。這是人工智慧發展史上一個里程碑式的成就。

強化學習技術之所以行得通，是因為研究人員找出了如何讓計算機程序計算出每種狀態下應該分配的強化值的方法。還是以迷箱實驗為例，在走出迷宮的過程中，「模擬老鼠」每一次做出「向左轉」或者「向右轉」動作時，計算機程序會做出獎或懲的評價。並且，所有分配的強化值都存儲在一張大表格中，然後計算程序會隨著學習的過程逐步更新這些數據。

但對於大型複雜的任務，這種方法在計算上是不切實際的。然而，近幾年來，深度學習技術被證明是一種用來識別數據模式的極其高效的方式，無論這裡的數據指的是迷宮中的轉彎、圍棋棋盤上的位點，還是計算機遊戲中屏幕上的像素，亦或是自動駕駛時面臨的複雜路況。

在國內，以科大訊飛為例，這家公司已經針對強化學習在多個方向展開了研究和應用，包括人機對話系統、智能客服系統、機器輔助駕駛、機器人控制等方向，都已有了應用研究。以對話系統這樣一個多輪人機交互系統為例，它就是一個非常典型的強化學習應用案例。

傳統的任務完成型對話系統，用戶需要在一次交互過程中把自己的需求描述清楚，這樣的交互不是自然的。在訊飛的AIUI交互系統框架中，引入了多輪交互的思想，由一個深度強化學習（馬爾庫夫決策過程）模型來引導用戶輸入需求，從而快速、自然流暢地完成用戶任務。

同時，許多工業機器人製造商也將目光投向了強化學習技術，測試該技術在無手工編程情況下訓練機器執行新任務的效果。此外， Google公司的研究人員也正與DeepMind合作，試圖利用深度強化學習（deep reinforcement learning）技術使其數據中心更加節能。

通常，找出數據中心各個單元如何影響系統總能耗是十分困難的，但是強化學習演算法能夠從收集的數據以及模擬實驗中學習經驗並提出優化建議，比如說，如何以及何時啟動冷卻系統。

突破技術：消費級360°全景相機，能夠更真實的還原事件和場景。

重要意義：能提供360°全景拍攝的廉價相機將開啟攝影的新篇章，也將改變人們分享故事的方式。

主要研究者：

- 日本理光（Ricoh）

- 360fly

- 三星

- JK Imaging （柯達Pixpro相機的製造廠商）

- IC Real Tech（ALLie相機的製造廠商）

- Humaneyes Technologies（全景相機Vuze的製造廠商）

成熟期：現在

360°全景拍攝的熱潮最早是由一位哈佛大學的生態學者柯恩·霍夫肯斯（Koen Hufkens）掀起的。去年秋天他前往馬薩諸塞州的一片叢林中探險，並在網站上實時直播了探險的過程。

當時，他使用的就是一台價值350美元的名為「theRicoh Theta S camera」的360°全景相機。在這一過程中，觀眾可以通過使用滑鼠或者點擊移動設備的屏幕將直播圖像區域放大，藉此看到森林的全貌。

按道理說，我們所生活的世界就是一個充斥著聲光的三維世界，360°的場景隨處可見。但迄今為止，已有的兩種主流全景拍攝技術：拼接多個相機拍攝或者是採用價值不菲的（10000美金）特種相機都有很大的缺陷。使用這兩種方法操作的圖像處理過程都是十分繁瑣，且很耗時。

好在現在大多數人都能買得起更方便好用的360°全景相機了，500美金的售價就相當於入門級的單反。

現在，紐約時報（New YorkTimes）以及路透社（Reuters）的記者在採訪海地颶風災情以及加沙難民營時都使用了三星的Gear360全景相機（價值350美金）。

在學術圈，這樣的全景相機也大有用處，一家位於洛杉磯的初創公司Giblib就開發了專供醫用的4k全景相機，醫學院的學生已經可以通過它傳來的影像學習外科手術了。

此外，類似柯達PixproSP360-4K的全景相機也應用在了體育直播以及體育訓練上，例如籃球、足球以及冰球，有價值的360°全景回放都可以被保存下來。

元器件的革新

一項技術的革命往往得益於很多技術的創新，全景相機技術的出現也不例外。由於全景相機相較普通相機而言功率更大，也就會產生更多的熱量，而採用智能手機處理器就可以很好地解決這一問題，例如「360fly」以及「ALLie」相機都採用了驍龍的處理器。

同時，智能手機市場的蓬勃發展也為相機製造廠商創造了一個良性的競爭環境，「迫使」他們開發出新技術。例如，索尼近年來就不斷將自己的圖像感測器集成化，並保證了在微光條件下照片拍攝的質量。而智能手機市場激烈的競爭也將元器件的價格壓低，又進一步拉低了全景相機的價格。

現在大多數的全景相機都有對應的手機App來查看取景的情況以及拍攝的照片，拍攝完的照片及影片上傳到網路也變得十分容易。而最新的演算法將全景相機拼接照片的過程簡化，延遲大大縮短，圖像處理甚至可以在相機端就完成，由此開啟了全民直播時代。

市場方面，在2016年球狀全景相機的市場份額佔全球相機的1%，而到2017年年初就已經增至4%，全景相機的興起之勢已不可阻擋。根據YouTube官方的反饋，很多人都會使用谷歌的Cardboard和Daydream設備搭配手機來觀看虛擬現實視頻，虛擬現實和全景拍攝已形成相互促進的局面。

Oculus VR的首席技術官約翰·卡馬克（John Carmack）就預測：「未來，人們使用虛擬現實的時間中只有一半是玩遊戲，另一半則是進行旅行觀光或者是做一些現實的事情，例如參加一場婚禮。」

技術突破：美國即將批准首個基因治療技術，更多基因療法正在開發與批准的進程中。

重要意義：很多疾病都是由單個基因突變導致的，新型基因療法能夠徹底治癒這些疾病。

主要研究者：

- SparkTherapeutics

- BioMarin - GenSight Biologics

- BlueBird Bio - UniQure

成熟期：現在

數十年來，研究人員一直在追求基因療法的夢想。基因療法的前景非常美好：利用改造過的病毒將相關基因的健康副本遞送至攜帶有缺陷基因的患者體內。然而，至今為止，基因療法帶來的失望遠大於希望。1999年，一名18歲的肝病患者傑西·基辛格（Jesse Gelsinger）在一場基因治療實驗中死亡，從此整個基因療法領域的發展就開始停滯不前。

早期基因療法失敗的原因部分是源於其遞送機制，因為新的遺傳物質（改造基因）、以及將其攜帶至細胞的載體病毒，被錯誤地遞送到基因組的其他位置，這會激活某些患者體內的致癌基因，或者引起患者免疫系統的過度反應，從而導致多器官功能衰竭以及腦死亡。

但是現在，一些關鍵的難題已經解決，基因治療也將迎來曙光。研究人員使用了更高效的病毒將新的功能基因轉運到細胞中。

現在，兩種遺傳性疾病的基因療法：治療一種SCID病的Strimvelis，以及治療一種引起脂肪在血液中堆積的失調症的Glybera，已在歐洲獲得相關管理部門的批准。

在美國，Spark Therapeutics有望成為第一家邁入市場的基因療法新創公司，該公司開發出針對漸進式失明的基因治療方法。還有很多其他正在研究的基因療法，正將目光投向血友病的治療，以及一種稱為表皮溶解水皰症的遺傳性皮膚失能症。

但是，挑戰依然存在。

雖然目前已經針對幾種相對罕見的疾病開發了基因療法，但是對於那些具有複雜遺傳病因的常見疾病，開發對應的基因療法則更加困難。

對於像SCID和血友病這樣的疾病，科學家明確知道引起疾病的精確基因突變。但是，諸如阿爾茨海默病、糖尿病和心力衰竭等疾病，它們不僅涉及到多個基因，並且在患有同種疾病的不同病人中，對應的基因突變還不完全相同。

技術突破：這是人體中各種細胞類型的完全目錄。

為什麼重要：超精確的人類生理學模型將加速新葯研發與試驗。

主要研究者：

- 布羅德研究所（Broad Institute）

- 桑格研究所（Sanger Institute）

- 陳—扎克伯格的Biohub（Chan Zuckerberg Biohub）

成熟期：5年

我們究竟是什麼組成的？下一個生物學上的巨型項目將會回答。

科學家正在建立一個超詳細的「人類細胞圖譜」，即通過細胞內部的內容來定義活細胞。

在1665年，羅伯特·胡克（Robert Hooke）凝視著顯微鏡下的一塊軟木，在其中發現了無數像房間一樣的小格子。作為第一個描述細胞的科學家，胡克一定會被生物學的下一個大型項目震驚到：這是一個使用現代基因組學和細胞生物學中最強大的工具，來單獨捕獲和端詳數百萬個細胞的計劃。

這個項目的目標是構建第一個全面的「細胞圖譜」，或者人類細胞地圖。這個項目的實現將成為一個技術奇蹟，因為它將首次全面揭示人體是由什麼所組成的，並為科學家們提供一個新的複雜生物學模型，以提升藥物研發的速度。

為了執行這個解碼人體37.2萬億細胞的任務，由來自美國、英國、瑞典、以色列、荷蘭和日本的國際科學家組成的聯合會正在分配任務，包括檢測每個細胞的分子特徵，並給每種細胞一個在人體空間中特定的「郵政編碼」。

「我們將會看到我們所期望的東西，我們已知存在的東西，但我確信，除此之外我們還會發現全新的東西，」英國桑格研究所的細胞圖譜團隊的負責人Mike Stubbington說。「我認為，會有驚喜出現。」

從填充大腦和脊髓的毛狀神經元，到皮膚的粘脂肪細胞（glutinousfat cells），先前描述細胞的嘗試表明，人體總共有約300種細胞，但真正的數字無疑會更大。

實際上，分析細胞之間的分子差異已經揭示了一些發現。舉例而言，我們已經揭示了數十年來眼部研究都沒能發現的兩種新類型的視網膜細胞：一種在每10,000個血細胞中只佔4個，卻在對抗病原體的第一防線起著重要作用的細胞；以及新發現的一種十分獨特、通過產生的類固醇來抑制免疫應答的免疫細胞。

這個新項目的研究主要運用了三種技術。

第一種叫做「細胞微流體」，即通過分離單獨的細胞並用微珠標記後，使其被油滴包裹後再進行研究和分析，選擇油滴的原因是因為油滴可以如同汽車一樣載著細胞，沿著被蝕刻在微小晶元上、狹窄的毛細管單向「街道」分流，使得細胞被聚集在特定的地方，裂解並逐一研究。

第二種技術是使用超快、高效的測序儀來解碼那些在單個細胞中活化的基因。這項技術的花費並不高，每個細胞僅需幾美分即可。其高效性使得一個科學家可以在一天內處理10000個細胞。

第三種技術則是使用全新的標記和染色技術，基於基因活動來定位各種細胞在人體器官或組織中的「郵政編碼」。

細胞圖譜研究的執行者主要是頂尖研究所，包括英國桑格研究所、麻省理工學院和哈佛大學的布羅德研究所、以及由Facebook首席執行官馬克·扎克伯格（Mark Zuckerberg）資助的位於加利福尼亞州的一個全新的「Biohub研究所」。在去年9月，扎克伯格和他的妻子Priscilla Chan將細胞圖譜研究作為了30億美元醫療研究捐贈的首個目標。

技術突破：可以在高速路上自動駕駛的長途貨車。

重要意義：這項技術的發展將幫助貨車司機更高效地完成運輸任務，但這一崗位的薪酬可能會因此下降，貨車司機最終也將失業。

主要公司：

- Otto

- 沃爾沃（Volvo）

- 戴姆勒（Daimler AG）

- 皮特比爾特（Peterbilt）

- 百度（Baidu）

成熟期：5年到10年

未來，自動駕駛貨車將在高速上與其它車輛並駕齊驅，美國170萬的貨車司機又將何去何從？

研究自動駕駛系統的Otto公司成立於2016年，總部位於舊金山南市。公司的創始人安東尼·萊萬多夫斯基（Anthony Levandowski）曾為谷歌的自動駕駛汽車團隊效力，利奧爾·羅恩（Lior Ron）則曾是谷歌地圖的負責人。

截至目前，谷歌自動駕駛汽車已經在美國多個州行駛了超過兩百萬英里。對萊萬多夫斯基和羅恩來說，藉助為谷歌工作積累的大量經驗創立一家自動駕駛公司是很自然的一件事。

Otto最新一代的感測器和處理器陣列被安裝在沃爾沃車內，很自然地和駕駛室融為了一體。全套設備包括四個面向前方的攝像機、雷達和一盒加速度感測器。

Otto的關鍵技術是一種激光雷達系統，該系統使用脈衝激光器記錄下貨車周圍環境的詳細數據。Otto從第三方買激光雷達的成本在10萬美元左右，但該公司已經成立了一個團隊，旨在製造Otto自己的激光雷達，並將成本控制在1萬美元以內。

Otto駕駛室內有一個液冷式的定製微型超級計算機，大小跟麵包箱差不多。這台計算機將會處理來自感測器海量的數據，然後通過制導演算法，根據貨車的載貨量調整剎車和轉向指令。該硬體系統的最後一環是利用電子線控技術，將計算機輸出的指令轉化為貨車的機械動作。這一環的執行藉助了機電作動器，它們被安裝在貨車的轉向、節流和剎車設備上。

駕駛室內還有兩個紅色按鈕——Otto將它們稱為「大紅鈕」——只要一按，自動駕駛功能就會被關閉。不過，即使沒有這個關閉功能，只要司機在駕駛席稍微轉一下方向盤，或者重重地踩一下剎車，貨車就會「乖乖照做」。

沃爾沃、戴勒姆和皮特比爾特（Peterbilt）都開始研發自己的自動駕駛貨車技術。

對自動駕駛技術感興趣的也不僅僅是貨運公司，Uber在去年八月收購了Otto（據報道收購價高達6.8億美元）。收購以後，Otto團隊可以和Uber的500多位工程師合作，共同研發自動駕駛技術。萊萬多夫斯基如今成為了Uber該技術研發團隊的負責人，他表示Uber的目標是創建一個強大的自動運輸交通網，讓人和貨物在多地之間的交通更加方便、安全且成本更低。

去年十月，一台裝載了Otto自動駕駛系統的貨車將2000箱百威啤酒從科羅拉多州的科林斯堡（Fort Collins）送達科羅拉多泉（Colorado Springs），全程共行駛了200千米。車上唯一的真人司機始終都在駕駛室後面的休息室坐著，一刻也沒有碰過方向盤。

這是自動駕駛貨車第一次完成商用運輸任務——這個裡程碑事件無疑向世人證明了這項技術的巨大潛力，但人們同時也意識到了它的局限性。因為這項技術還無法讓貨車在狹窄的田間土路和城市道路上自動行駛，貨車上高速之前以及下高速之後都要由真正的司機負責開車，只有在高速上時才能切換為自動駕駛模式。

乍一看，自動駕駛貨車所面臨的機遇和挑戰與一般的自動駕駛汽車沒有什麼不同，然而事實遠非如此——貨車不僅僅是「加長版」的汽車這麼簡單。使用自動駕駛貨車在經濟上的合理性可能更甚於普通的自動駕駛汽車。好幾台自動駕駛貨車可以組成「排」在高速上互相協作，從而在長途運輸中減少風阻和節省汽油。此外，讓貨車在一段時間裡自動駕駛也能讓司機有更多休息時間，更快地完成運輸任務。

況且，最棘手的問題是，比起一般的自動駕駛汽車，自動駕駛貨車的普及會帶來更大的社會動蕩。實際上，「自動化對工人帶來威脅」這個問題已經極大地影響了全球政治和經濟格局。如果再來一個自動駕駛貨車，藍領工人的生活必定受到影響。

根據美國勞工統計局的數據，全美有170萬個貨車司機崗位。自動駕駛貨車的應用不會代替所有的貨車司機，但這項技術必定改變這個崗位的工作性質——而這種改變不一定被每個人都接受。

中國的自動駕駛貨車

目前，中國有720萬台貨車和1600萬個長途司機負責城際公路上的物資運輸——這個產業的價值高達3000億美元，而司機的工資成本占運輸總成本的40%。如果使用自動駕駛貨車，一些原本需要兩到三位司機合作完成的長途運輸任務可以由一位司機完成。

目前，中國的貨運服務良莠不齊，公眾普遍期待這個行業能進行大整改。此外，由於該行業的監管較松，給了企業很大的創新空間。在這兩個因素的驅動下，中國的自動駕駛貨車產業有望得到快速發展。

互聯網巨頭百度與貨車製造商福田汽車展開了合作，並在2016年11月於上海新國際會展中心發布了國內首款自動駕駛卡車。

中國針對自動駕駛車輛的監管才剛剛開始：政府正試圖在保證公眾安全和鼓勵公司創新中尋求一種平衡。2016年7月，政府宣布正在起草監管自動駕駛車輛的相關文件，並呼籲該產業在文件正式出台前減少試驗的次數。

即便如此，很多人還是相信，政府最終會放鬆對自動駕駛貨車測試的監管，並對這種貨車的商用保持開放的態度。

刷臉支付Paying with Your Face

技術突破：人臉識別技術如今已經可以十分精確，在網路交易等相關領域已被廣泛使用。

重大意義：該技術提供了一種安全並且十分方便的支付方式，但是或許仍存在隱私泄露問題。

主要公司：

- 曠視Face++

- 百度

- 科大訊飛

- 阿里巴巴

成熟期：現在

在中國，人臉識別系統現在應用於授權支付、設備訪問以及罪犯追蹤。那麼問題來了，其他國家會效仿么？

Face++是一家估值超過10億美金的中國初創公司，當筆者走進公司大門時，發現我那滿是胡茬的臉呈現在了入口的大屏幕上。從那一刻起，我的臉已經進入了公司的資料庫，我也可以靠著「刷臉」自由出入公司大門了。

不僅如此，人臉識別系統還能對於我在各個房間內的活動進行監控。

當我走進Face++的辦公室，我發現裡面有很多屏幕，這些屏幕上有著以各種角度拍攝的辦公室畫面。這時，我瞥見我的臉出現在一個屏幕上，軟體自動識別我臉上的83個點，那畫面有點驚悚，但這就是技術帶給我們的震撼感覺。

在過去的幾年裡，計算機技術突飛猛進，人臉識別技術的發展也是日新月異。特別在中國，由於監控和便民應用的推動，人臉識別技術得到了長足的進步，已經在交通監管、銀行交易、日常生活交易以及公共交通等各個方面改變人們的生活。

其實，Face++的人臉識別技術登陸手機app已有一段時間了。現在，支付寶也已經可以使用人臉識別進行授權支付了。另外，在「滴滴打車」軟體中，用戶能夠看到司機的實名認證以及人臉認證信息。任何想註冊成為「滴滴司機」的用戶都需要在攝像頭前掃描並進行人臉識別認證。

作為全世界首批上線人臉識別技術的國家，中國對於監控以及隱私方面的政策對此有很大的與推動。

與其他國家不一樣的是，中國有一個龐大的身份證資料庫。筆者在Face++訪問的時候就見到當地政府利用人臉識別技術識別監控里的嫌疑人。相比於尚不成熟的足跡分析技術和早已過時的嫌犯存檔照片等其它刑事鑒定技術，人臉識別顯然更加有效。

經過了幾十年的發展，人臉識別技術的精度已經達到金融交易的級別。另一方面，人臉識別還與深度學習進行了緊密的結合。在我們已經公布的《麻省理工科技評論》2013年十大突破技術中，就有對深度學習的介紹，這種人工智慧技術能使得圖像識別技術更加高效。

「人臉識別是一個巨大的市場。」一位來自北京大學從事機器學習和圖像處理研究的教授表示，「中國人口眾多，公共安全是十分重要的，很多公司都涉足到了這個領域。」

比如，全中國最大搜索引擎百度的研究人員也在將人臉識別和機器學習進行結合，並進行了軟體識別人臉與真人識別人臉的對比。今年一月份，在一檔電視節目上，百度開發的人臉識別軟體與人展開了一場對決，雙方同時觀察嘉賓幼時的照片並以此識別真人，結果百度的人臉識別系統完勝。

現在，百度正在開發一種人臉識別取火車票的系統，試點選在了烏鎮。這座旅遊城市足夠的人流量將為系統實驗提供充足的數據。據悉，這將需要將數百萬張人臉輸入資料庫中才能達到99%的正確識別率。

另外一個具代表性的例子就是科大訊飛。這家公司與中國最大的銀行卡聯合組織合作開發了「聲紋+人臉P2P轉帳」產品："聲紋+人臉"融合認證個人轉賬應用。通過該應用，用戶只需說出類似"我要給（姓名）轉（金額）"這樣的指令，再通過"聲紋+人臉"相結合的融合生物認證，就能完成轉賬操作。

對於人臉識別的發展前景，清華大學的唐傑教授說：「其實不只是刷臉支付，人臉識別還能應用於很多地方。」

技術突破：一種可以讓太陽能電池效率翻倍的技術。

重要意義：這項新設計可能會催生出在日落後依然可以工作的廉價太陽能發電技術。

主要研究者：

- David Bierman、Marin Soljacic、Evelyn Wang（麻省理工學院）

- Vladimir Shalaev（普渡大學）

成熟期：10到15年

太陽能電池板覆蓋了越來越多的屋頂，但是，儘管這項技術已經發展了幾十年，這些矽片組成的電池組件仍然笨重、昂貴而且低效。理論上的限制讓這些常規的光伏電池板只能吸收太陽光中的一部分能量。

但是，麻省理工學院的一個科學家團隊已經製造了一種全新類型的太陽能設備，利用工程創新和最新的材料科學進步來捕獲更多的太陽能。

該技術的秘訣在於先將太陽光變成熱能，然後將其重新變成光，而且聚集在太陽能電池可以使用的光譜範圍內。

雖然許多研究人員已經在這項被稱為是太陽能熱光伏的技術上研發了多年，但麻省理工學院的這個裝置是第一個可以比只使用光伏電池吸收更多能量的裝置，表明該方法可以顯著提高效率。

標準硅太陽能電池主要捕獲從紫色到紅色的可見光。再加上其他條件的限制，它們永遠不能把太陽能中超過32％的能量轉化為電能。麻省理工學院的這個設備仍然是一個粗糙的原型，而且運行效率只有6.8％，但是通過各種辦法提高效率後，其效率可以大約達到傳統光伏的兩倍。

這個創新設備的關鍵步驟是開發了一種叫做吸收-輻射器的東西——它本質上就是一個放在太陽能電池上方的光漏斗。吸收層由實心的黑色碳納米管構成，用來捕獲太陽光中的所有能量並將其中的大部分轉化為熱。

當溫度達到約1000℃時，相鄰的輻射層再將這些能量以光的形式輻射出來，而這時，這些輻射出來的光的光譜已經基本窄到光伏電池可以吸收的範圍。

麻省理工學院團隊的這項技術當然也有其弊端，比如部分部件相對而言仍然非常高昂，以及目前僅能在真空環境下工作等。但其經濟性應該會隨著效率的提高而提高。

此外，研究人員還在探索如何去利用太陽能熱光伏電池的另一個優勢。因為熱比電更容易儲存，所以應當可以將由裝置產生的過量的熱量儲存起來，這樣即使在太陽不發光時也可以用於產生電力。

如果研究人員可以整合儲熱設備，並提高效率水平，該系統有朝一日將可以實現清潔、廉價和連續的太陽能電力供應。

技術突破：製造出穩定的量子比特。比特是傳統計算機中的信息單位，而量子比特是量子計算機的信息單位。

重要意義：在運行人工智慧程序以及處理複雜的模擬和規劃問題時，量子計算機的速度可能是傳統計算機的指數倍，而量子計算機甚至能製造出無法破解的密碼。

主要公司：

- 荷蘭量子技術研究所QuTech

- 英特爾 - 谷歌

- 微軟 - IBM

成熟期：4~5年

科學家們正在將以前的理論設計變成現實。量子計算機雖然每年都是「十大突破性技術」的奪標大熱門，但每年我們都得出同樣的結論：仍然無法實用。

的確，量子比特和量子計算機多年來很大程度上都是在紙上談兵，存在於論文中，或者在確定其可行的脆弱的實驗中。

儘管加拿大公司D-Wave系統幾年前就開始出售其所謂的量子計算機，他們的量子計算機使用一種名為「量子退火（quantumannealing）」的專有技術。但懷疑人士指出，這一方法只適合應用於非常有限的計算，而且與傳統計算機相比，可能並沒有速度上的優勢。

但今年，科學家們正在將以前的理論設計變成現實。

而且，今年的新氣象還包括：來自谷歌、IBM、英特爾、微軟等公司的資金正源源不斷地流入，為建造一台能工作的量子計算機所需要的各種技術，包括微電子學、複雜電路以及控制軟體等的研發，提供了強大的資金支持！

在應用層面，量子計算機尤其適合對海量的數據進行分解，這讓它很容易破解大多數現有的密碼技術，並且可能設計出無法被破解的密碼。此外，量子計算機還適合用於解決複雜的最優化問題，並執行機器學習演算法。

而且，可能還有很多應用我們目前沒有想到。不過，很快我們就會知道能利用量子計算機做什麼了。

迄今為止，科學家們已經研製出了能完全編程的5個量子比特的計算機，以及包括10到20個量子比特的測試系統。來自谷歌的研究團隊表示，他們正在衝擊建造49個量子比特的系統，希望在一年內製造出來。

研製出近50個量子比特的量子計算機這一目標並非科學家們隨心所欲制定的，因為約50個量子比特是一個極為關鍵的門檻。研究者預計，在 50個量子比特級別，量子計算機就能達到「量子霸權」（quantum supremacy）。

所謂「量子霸權」是加州理工學院物理學家John Preskill發明的名詞，通俗的解讀就是：超級計算機系統目前能完成5到20個量子比特的量子計算機所做的事情，但達到約50個量子比特之後，量子計算機的能力將一騎絕塵，超級計算機只能望「量子」興嘆。

而且，從現在起2-5年內，這樣的系統很有可能開始出售。最終，科學家們有望研製出擁有10萬個量子比特的系統。這些系統會製造出精確的分子模型，從而顛覆材料、化學和製藥產業，讓科學家們研製出各種新材料和新葯。

更大膽的預測是，十年之內，科學家們或許就會研製出擁有100萬個量子比特的量子計算系統！

技術突破：無線腦-體電子元件可繞過神經系統的損傷來實現運動。

重要意義：全球有數百萬人被癱瘓所折磨，無時不刻都渴望著擺脫疾病的困擾。

主要研究機構：

- 瑞士洛桑聯邦理工學院（EPFL）

- 韋斯生物和神經工程中心（Wyss Institute at Harvard）

- 匹茲堡大學（University of Pittsburgh）

- 凱斯西儲大學（Case Western Reserve University）

成熟期：10至15年

Grégoire Courtine持有腦脊柱介面的兩個主要部分

在利用腦植入來恢復脊髓損傷引起的運動自由受損上，科學家們已經取得了顯著的進步。

近年來，藉助腦植入物，少量患者已可以通過思想來控制計算機游標或者是機器臂。現在研究人員正在嘗試意義重大的下一步：治癒癱瘓。

他們利用無線電將大腦讀取技術直接連接到身體上的電刺激器，創造出法國神經科學家Grégoire Courtine所稱的「神經旁路」，從而使人們的想法能夠再次控制他們的四肢。

由Robert Kirsch和Bolu Ajiboye領導的凱斯西儲大學團隊對一個四肢癱瘓者進行了一次實驗，他們在癱瘓者的手臂和手掌肌肉安裝了超過16個的精細電極，在大腦中放置了兩個比郵票還小的硅制記錄裝置，上面有上百個頭髮大小的金屬探針，來探測神經元發出的命令。

在操作過程中，志願者在彈簧扶手的幫助下緩慢地抬起了他的手臂，並可以實現手掌的張和握，他甚至可以把有吸管的杯子遞到嘴邊。

左：一個帶電極的大腦閱讀晶元的特寫。右：模擬脊髓的柔性電極。

這個凱斯西儲大學將要在醫學雜誌上發表的結果，是使用植入電子設備來恢復各種感官和功能的廣泛研究中的一部分。除了治療癱瘓外，科學家希望能夠使用所謂的「神經義肢」，通過在眼睛中放置晶元來恢復視力，或者是恢復阿爾茨海默病人的記憶。

相比起非常成熟的人工耳蝸，讓「神經義肢」改善癱瘓會更有難度。在1998年，一個患者使用腦探針實現了移動計算機游標的任務，但它並沒有任何更為廣泛的實際應用。該項技術仍然太基礎、太複雜以及無法脫離實驗室的環境。

瑞士億萬富翁Hansj?rg Wyss專門為解決脊髓旁路等神經科技的技術設立了研究中心。該研究中心的領導人是約翰·多諾霍（John Donohoe），他正試圖帶領神經科學家、技術人員、臨床醫生共同創建一個商業上可行的系統。

對於多諾霍來說，首要任務之一是製造「神經通」——這是一個超緊湊型無線設備，以網路速度從大腦收集數據。多諾霍說，「這是世界上最複雜的大腦通信器。」

雖然很複雜，並且進展緩慢，但是神經旁路仍然意義重大，病人對此充滿了強烈的期待，多諾霍說，「人們希望恢復他們的日常生活。」

神經旁路中的里程碑

● 1961年：醫生和發明家William F. House測試了第一個人工耳蝸，證明可以恢復聽力。該設備使超過25萬人受益。

● 1998年：醫生在一個不能說話的癱瘓者的大腦中安裝了一個電極，使其通過計算機與人交流。

● 2008年：猴子的大腦信號通過互聯網從美國發送到日本，從而激發機器人在跑步機上行走。

● 2013年：美國監管機構批准了Second Sight公司出售的「仿生眼」。原理是利用縫合到視網膜的晶元，從而繞過受傷的光感受器。

● 2014-2015年：俄亥俄醫生開始努力使兩個不同癱瘓類型的男人「重獲新生」。他們的想法可以傳遞到他們手臂上的電極，從而實現手指的伸縮。

● 2016年：28歲的Nathan Copeland通過大腦植入物操控了一個機器臂，使得他可以「感覺」到手指，還在奧巴馬總統訪問實驗室時與他頂拳。

脊柱受傷導致右腿癱瘓的猴子，在實施手術後恢復正常行走能力

突破技術：可以感染並控制攝像頭、監視器以及其他消費電子產品的惡意軟體，可造成大規模的網路癱瘓。

重要意義：基於這種惡意軟體的殭屍網路對互聯網的破壞能力將會越來越大，也會越來越難阻止。

關鍵人物：

- Mirai殭屍網路軟體的創造者

- 任何使網路有安全隱患的人——其中有你嗎？

成熟期：現在

正在興起的物聯網熱潮有著極其危險的副作用，且該風險與日俱增。

殭屍網路並不是一個新技術。早在2000年，就有黑客通過集合殭屍網路中所有電腦的力量，隨意釋放威力強大的分散式拒絕服務攻擊（Distributed Denial-of Service Attack，縮寫為DDoS）。被攻擊的目標網站或伺服器會因為大量的數據流量而超載下線。

在2016年10月，一個殭屍網路成功攻陷了一家互聯網基礎服務提供商Dyn，該公司的域名伺服器（DNS）被迫斷網，大量網站如Twitter、Netflix等暫時癱瘓。攻擊Dyn的殭屍網路是由一款名為Mirai的公開惡意軟體創造的。由於該軟體可以被任何人輕易獲得，並且對感染控制電子產品的過程進行了大量的自動化設置，導致其潛在危害非常嚴重。

但如今，這一問題不但沒有被解決，反而變得更加嚴重。其主要原因就是大量廉價的攝像頭、監視器以及其他物聯網產品的出現。由於這些產品往往沒有採取任何安全措施，黑客可以輕易地控制它們，就拿Mirai創造的殭屍網路來說，這些設備只有在被拔掉電源後才會真正的安全。

其結果就是殭屍網路的規模越來越大，攻擊能力越來越強。今日的大型殭屍網路已經具有同時攻擊數個目標的能力。在接下來的幾年裡，擁有安全隱患的設備將會出現指數增長，殭屍網路規模及威力也會藉此增長。

全世界可聯網設備的數量

● 2011年80億

● 2012年93億

● 2013年111億

● 2014年131億

● 2015年152億

● 2016年174億

黑客們將如何利用殭屍網路？

殭屍網路的作用之一就是進行「點擊欺詐」（Click Fraud）。其目的是欺騙廣告商，讓他們認為人們有觀看或點擊他們投放的廣告，以此賺取大量的廣告費。如果控制殭屍網路的黑客們找出了一個更加高效隱秘的方法進行點擊欺詐，那整個互聯網的廣告商務模式將會崩潰。

此地圖展現了2016年10月21日，Dyn受到DDos攻擊之後所造成的網路癱瘓規模

除此之外，因為殭屍網路可以加快暴力破解密碼的速度，所以它還可以繞過垃圾郵件過濾器（Spam Filter）、進行比特幣挖礦以及做任何需要大量設備的事情。這意味著，殭屍網路背後的利益也將會越來越大。

雖然犯罪集團會租用殭屍網路獲取利益，但是能登上頭條的殭屍網路新聞往往都是DDoS攻擊。雖然Dyn被攻擊只是一個意外。但並不是所有的攻擊都是源於意氣用事，圖財的黑客組織將會使用這種攻擊作為勒索手段，擁有政治背景的組織則會使用這種攻擊手段來堵住反對者的「網路喉舌」，而對於國家來說，這也是一款威力強大的電子戰武器。

該如何抵抗殭屍網路的攻擊？

以彼之道，還施彼身：在殭屍網路還比較罕見的過去，直接攻擊其中央控制系統是一個非常有效的反制方式。不過，這一手段隨著殭屍網路的泛濫開始逐漸失效，對殭屍網路的攻擊進行被動防禦也是一種選擇。

目前，市場上有多家公司出售DDoS Scrubber（DDoS清理）設備。不過，它們的防禦效果並不穩定，會根據被攻擊的服務類型以及程度做出變化。

但是總體來說，黑客還是處於上風。Dyn所承受的攻擊只是一個開始，人們需要準備好承受更多來自殭屍網路的攻擊。

來源：DeepTech深科技、麻省理工科技評論

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！