2018年度10大新興技術：人工智慧、量子計算、擴增實境等

2018年度10大新興技術：人工智慧、量子計算、擴增實境等

  

9月19日，世界經濟論壇和《科學美國人》聯合釋出了2018年度十大新興技術榜單，人工智慧及生物醫藥、新材料領域的技術入圍，其中多項技術有望為治療癌症帶來新的解決辦法。這些技術被認為在未來3~5年會對社會與經濟產生重要影響。  

《科學美國人》與世界經濟論壇聯合釋出了 2018 年全球十大新興技術。這份榜單由《科學美國人》、《科學美國人》全球顧問委員會、世界經濟論壇全球專家網路、世界未來委員會共同選出，涵蓋了生物醫療、化學、計算機、人工智慧等領域的最新技術。這些技術儘管仍處於發展早期，但它們吸引了眾多研究團隊的關注，並且廣受投資者青睞。在未來 3~5 年間，它們可能會對社會與經濟產生重要影響。

 

在不久的將來，技術革新將如何改變我們的生活？人工智慧將極大地加快新型藥物、材料的研發速度；新型診斷工具將打造更先進的個性化醫療；擴增實境將變得隨處可見，從日常任務到工業生產，現實世界將被大量資訊和動畫所覆蓋；一旦你患病，醫生可以將活細胞移植到你體內，用這些 “藥物工廠” 為你治病；你吃的牛肉、雞肉、魚肉可能都是用幹細胞在實驗室培育的，這將大幅降低畜牧業造成的環境危害。

 

這些足以改變世界的想法與其他新興技術一起，組成了 2018 年的 “全球十大新興技術”。這份榜單包括：

 

無處不在的擴增實境技術 

 

 

擴增實境無處不在——世界即將被資料覆蓋

 

擴增實境（AR）是一項將計算機生成的資訊實時覆蓋在現實世界之上的技術。大量面向消費者的應用軟體都用到了 AR 功能。將來，這項技術還會支援博物館製作全息參觀指南；讓患者體內組織對外科醫生三維視覺化；幫助初學者快速學習從醫藥到工廠維修的各類技術……

 

在未來幾年內，操作簡單，用於設計應用程式的軟體將會滿足消費者更多的需求。就目前而言，AR 對工業有著極大的影響，它是 “工業 4.0” 不可或缺的一部分：透過整合真實系統與數字系統來促進製造業的系統轉型，從而提升產品質量、降低成本並提高效率。

 

一些市場分析公司相信，AR 正在走向主流市場。他們預估，現在估值為 15 億美元 AR 市場在 2020 年能達到 1000 億美元。而蘋果、谷歌、微軟等大型科技公司都向 AR 和 VR 相關產品和應用程式投入大量資金和人才。

 

隨著能夠支援 AR 技術且更便宜、更快速的移動晶片問世，功能更豐富的智慧眼鏡進入市場以及頻寬的增加，該領域將會快速發展。隨後，擴增實境將加入網際網路，而實時影片將成為我們日常生活中不可或缺的一部分。

 

針對個性化醫療的高階診斷技術

 

 

私人定製的診斷工具——終結千人一藥的傳統治療方案

 

在 20 世紀，罹患乳腺癌的女性大多都使用同一種治療方案。但現在治療手段變得更個性化了：乳腺癌被分為不同的亞型，每一種都有自己獨特的治療方法。

 

得益於診斷工具的進步，個性化、精準化治療的發展得以加速。這些技術能幫醫生識別並量化生物標記（人體內標誌著穩態紊亂的分子），從而透過病人對疾病的敏感性、預後以及對藥物最有可能的反應，將病人區分成不同的亞型。

 

早期分子診斷工具只觀測單一的分子，比如對糖尿病患者就只會監測血糖。但在過去的 10 年裡，生物組學技術取得了突破性進展：能在體液或組織樣本中迅速、準確地對個體的全部基因組進行測序，或測量所有蛋白水平、代謝副產物或微生物數量。

 

新型診斷工具已經開始給標準的疾病診斷與治療手段帶來變革了。為病人提供對他們來說最有效的治療方案，甚至可以降低醫療開支。或許有一天，我們中的許多人都將擁有自己獨特的生物標記資料雲，這些資料不斷累積，並能在任何治療我們的地方為醫生提供資訊。

 

分子設計領域的人工智慧技術 

                       

 

人工智慧輔助化學分子設計——機器學習演算法加速新型藥物和材料的研發

 

無論是設計新型太陽能材料、抗癌藥物還是用於農作物的抗病毒化合物，有兩個難題需要解決：找到所需的正確化學結構，並確定哪些化學反應能讓正確的原子與所需的分子連線。

 

如果使用傳統方法，以上問題的答案往往來自於複雜的猜測和意外的發現。這一過程非常耗時，並且需要經歷許多次失敗的嘗試。現在，人工智慧正在提高設計和合成化學分子的效率，幫助企業更快、更經濟地解決合成問題。

 

機器學習演算法可以分析所有已知的合成實驗，既包括成功的，也有那些失敗的實驗。基於所識別的模式，這些演算法可以預測潛在的、有用的新分子結構，以及可能的生成方法。

 

在製藥領域，一種基於人工智慧的新技術——生成式機器學習同樣令人激動。大多數製藥公司為了生產新藥，需要對數以百萬計的化合物進行篩選。這種篩選過程十分緩慢，而且產生的有效結果相對較少。利用描述已知藥物（和候選藥物）化學結構及特性的資料集，機器學習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 家初創企業已經在探索用於研發新藥的人工智慧方法。最近，Benevolent AI 籌集了 1.15 億美元，準備將其人工智慧技術應用於運動神經元疾病、帕金森病和其他難治疾病的藥物研發。

 

會辯論的人工智慧系統 

 

 

會辯論的人工智慧——新演算法賦予個人裝置針對話題學習、辯論的能力

 

如今的智慧助手已經能在某些時刻讓你誤以為它是人類，但未來的智慧助手還會更進一步。

 

手機螢幕背後的智慧助手系統必須經過預先 “訓練”：儘可能多地學習人類可能提出的請求，其回覆也是由人類編寫、組織成高度結構化的資料格式。因此，智慧助手在回應請求時會受到預設資料的限制。

 

現在，人們正在致力於開發新技術，使得下一代系統能夠從各個來源吸收和組織非結構化資料（例如原始文字、影片、圖片、音訊、電子郵件等），然後自主地撰寫出有說服力的建議，或者就一個它們從未接受過訓練的問題與對手辯論。

 

今年 6 月，IBM 展示了一種先進的技術：沒有事先就某一主題進行過培訓，但可以與人類專家進行實時辯論的系統。系統必須使用非結構化資料來確定資訊的相關性和真實性，並將其組織成某種可重複使用的形式，形成一致的論述來支援它被分配的立場。它還必須回應人類對手的論述。該系統演示了兩場辯論，在其中一場辯論中，有許多觀眾認為該系統的辯論更具說服力。

 

這項技術的開發用了 5 年多，它包含的新軟體不僅能理解自然語言，還能檢測語言所包含的情緒是積極還是消極的。目前這一工作仍在進行中，但它已經為無數新型應用開啟了大門，這些應用程式可能在未來 3~5 年甚至更短的時間內出現。

 

可植入的製藥細胞 

 

可植入的製藥細胞——直接在病人體內釋放藥物即將變得可行

 

許多糖尿病患者每天需要多次刺破手指、測量血糖水平，並決定他們需要注射多少胰島素。如果能在病人體內植入正常製造胰島素的胰島細胞，那就可以取代這一繁瑣的過程。但是移植細胞總是會被自體免疫系統干擾，而使用免疫抑制劑則有巨大的副作用。

 

過去的幾十年裡，科學家發明了將細胞封閉在半滲透的保護膜中的方法，以防止免疫系統攻擊移植的細胞。這些膠囊能保證營養物質和小分子滲入，並讓激素以及其他有治療意義的分子滲出。但問題是，免疫系統也可能將保護膜也當作外來物，這樣膠囊周圍就會長出疤痕組織。這種 “纖維化” 會阻礙營養物質進入細胞，從而殺死細胞本身。

 

2016 年，麻省理工學院的研究團隊釋出了一種能讓移植細胞在免疫系統面前隱身的方法。在研發並篩選了上百種材料之後，研究者們選擇了一種經過化學改造的藻酸鹽凝膠。當他們將胰島細胞密封在這種膠紙中，並植入患糖尿病的小鼠體內後，這種細胞立刻開始應對血糖的變化生產胰島素，並在為期六個月的實驗中持續控制著血糖水平。在此期間也沒有觀測到纖維化。

 

現在，這些膠囊內的細胞都是從動物或人類屍體上獲取，或是透過人類幹細胞培育而來的。未來的植入性細胞可能包含更多種類的細胞，甚至包括生物合成技術製造的：透過重寫細胞基因來讓它們具有新的功能，例如在可控的條件下根據需要向組織內釋放特定的藥物分子。

 

實驗室人造肉類 

 

 

人造肉——不殺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漢堡，而這是在不殺死動物的前提下發生的。從實驗室培養出的人造肉正在把這種設想變成現實。

 

人造肉是由動物身上提取的肌肉樣本培育成的。技術人員從動物組織中收集幹細胞，讓它們增殖並分化成原肌纖維，然後再長成肌肉組織。Mosa Meat 公司聲稱，一份從牛身上採集的組織樣本就足以產生 8 萬個牛肉漢堡。

 

一些初創企業表示，他們預計在未來幾年內正式推出人造肉產品。但在上市之前，人造肉還必須克服許多障礙。

 

其中兩個障礙分別是成本和口味。以 2013 年展示給各大媒體的實驗室人造肉漢堡為例，漢堡中肉餅的製作成本超過 30 萬美元，而且肉質過於乾燥（因為脂肪太少）。自那以後，人造肉的製作成本逐年下降。今年，Memphis Meats 公司聲稱，1/4 磅的人造牛肉價格約為 600 美元。按照這一趨勢，在幾年內，人造肉就可能成為傳統肉類的競爭對手。如果他們能成功製造出價格實惠、口味純正的產品，人造肉就能使我們的日常飲食習慣更加符合倫理、對環境更加友好。

 

電子醫學 

 

電刺激醫學——神經刺激療法將替代許多藥物治療慢性病

 

神經電刺激器是一種透過電流脈衝治療疾病的裝置，在藥學界有著很悠久的歷史，例如心臟起搏器、耳蝸植入裝置和治療帕金森病的深腦電極刺激。這種電刺激器正變得越來越多功能化，將顯著提升對大量病症的療效。

 

在范斯坦醫學研究所的凱文 · 特雷西（Kevin Tracey）等人的努力下，迷走神經刺激（VNS）在部分場合中已經變得可行。他們發現迷走神經能釋放化學物質幫助調節免疫系統。這對患有免疫性疾病的患者來說是個好訊息，因為現有的藥物常常不起作用或者會帶來嚴重的副作用。由於 VNS 只對特定的神經系統進行刺激，因此相比要透過全身並傷害目標以外身體組織的藥物來說，這可能是個更容易接受的療法。

 

迷走神經並不是新興的電刺激療法唯一的目標。2017 年末，FDA 批准了一項非植入式裝置，可透過耳後皮膚向顱神經和枕神經傳送訊號，以緩解戒除類鴉片物質時的戒斷反應。

 

VNS 療法最大的阻礙在於它的手術價格，但隨著非植入式技術的進步，價格問題應該會得到顯著緩解。研究者們還要進一步瞭解 VNS 在每種疾病裡是如何產生作用的，以及如何為每個病人確定最佳的電流頻率。無論如何，伴隨著更多關於機制和療效的研究，VNS 和其他電刺激醫學或許能更好地控制很多慢性疾病，並減少成千上萬病人對藥品的需求。

 

基因驅動技術 

 

基因驅動——改變甚至消滅整個物種的基因工具技術

 

一項正在快速發展的基因工程技術，可以永久性地改變一個種群甚至整個物種的性狀。這項技術透過基因驅動使得含有某種遺傳因子的子代數量升高，從而加速該基因在物種中的傳播。基因驅動可以自然發生，也可以透過基因工程人為控制，它在眾多方面對人類有益：阻止昆蟲傳播瘧疾和其他傳染病、修改害蟲的基因以提高糧食產量、賦予珊瑚抵抗環境壓力的能力、防止入侵物種破壞生態系統。

 

儘管前景光明，基因驅動技術還是引起了人們的擔憂：經過人為改造的基因會無意中擴散到其他野外的物種中，並干擾其生長嗎？將現有的物種從生態系統中消除有什麼風險？非法組織會不會將基因驅動用作武器來破壞農業生產？

 

為了避免出現這種極端情況，有研究團隊發明了一個驅動開關：必須透過傳遞一種特殊的物質才能開啟，使基因驅動起作用。與此同時，許多科學家團體正致力於擬定條款，來指導基因驅動實驗在各階段的進展。2016 年，美國國家科學院、工程院和醫學院審查了基因驅動的研究並對相關研究提出了建議。2018 年，一個大型的國際工作小組為從實驗室研究到野外試驗的研究操作制定了流程。該組織提出了將基因驅動用在非洲控制瘧疾的建議，這樣將使公眾健康前所未有地受益。

 

等離子激元材料

 

 

等離子激元材料——感測器科技因光控奈米材料正興起一場革命

 

2007 年，加州理工學院的哈里 ·A· 阿特沃特（Harry A. Atwater）在《科學美國人》上撰文預測：“等離激元光子學” 最終會通向一系列應用，從高靈敏度的生物探測器到隱形覆蓋物。之後的十年裡，各種等離子體技術已經實現了商業化，另有一些技術正由實驗室向市場過渡。

 

這些技術都依賴於對電磁場和金屬（通常是金或銀）中自由電子之間相互作用的控制，自由電子決定了材料的導電性和光學效能。當有光照射金屬時，金屬表面的自由電子產生共振，形成表面等離激元。如果金屬材料體積較大，自由電子反射照射到它們的光後，材料可以發光；但如果金屬只是直徑幾奈米的顆粒，它的自由電子就被限制在一個很小的空間裡，電子的振動頻率因而受到了限制。電子特定的振盪頻率將取決於金屬奈米顆粒的大小。

 

在等離激元材料領域，研究最透徹的應用之一，是用於檢測化學和生物試劑的感測器；其他應用還包括可監測電池活動的電池內部感測器、能區分病毒和細菌感染的裝置等。此外，在醫學領域，研究者正在臨床試驗中測試光敏奈米顆粒在癌症治療中的應用。根據市場研究公司 Future Market Insights 的分析預測，等離激元感測器的應用在北美的市值，將會從 2017 年的近 2.5 億美元上漲到 2027 年的近 4.7 億美元。

 

量子計算機演算法 

 

為量子計算機而生的演算法——開發者在不斷修改程式以適應量子計算機

 

量子計算機特有的疊加、糾纏特性，使其在解決特定問題時比任何傳統計算機更高效。然而，實現量子計算的條件卻是眾所周知的挑剔。例如，量子退相干過程會破壞其功能。研究人員已經證實，透過量子糾錯，可以使具有數千量子位元的量子計算機受到嚴格控制，維持在量子態。但是到目前為止，實驗室中的量子計算機都只是包含數十個量子位元、尚未進行糾錯的嘈雜中型量子（NISQ）計算機。

 

然而，隨著專門為 NISQ 計算機編寫演算法的研究興起，量子計算領域可能將迎來突破。

 

在研究人員看來，NISQ 演算法在模擬和機器學習領域具有廣闊前景。許多研究人員已經開發出在 NISQ 裝置（以及未來進行糾錯後的量子計算機）上模擬分子和材料的演算法。這些演算法可以提高從能源到健康科學領域新材料的設計效率。

 

開發人員還在評估量子計算機是否會在機器學習方面更勝一籌。針對 NISQ 裝置的演算法集正快速增長，對其測試表明，量子計算機確實可以加快機器學習，例如將資訊按類別分類、將類似的專案或特徵歸類，以及從現有的統計樣本生成新的樣本。

 

在接下來的幾年裡，研究人員很可能會開發出更大、操控性更強的 NISQ 裝置；其次是數千個量子位元，經過完全糾錯的儀器。我們樂觀地認為，NISQ 的演算法效率將超越擁有最先進技術的傳統計算機，儘管我們可能要等到完全糾錯的機器可用的時候。

 

 

轉自： https://www.cnblogs.com/DicksonJYL/p/9684901.html