以下为完整榜单:
1. 3D金属打印
3D打印的发展已有几十年时间. 但到目前为止, 3D打印仍主要用于制造一次性的原型产品. 如果希望使用除塑料以外的其他材料, 例如金属去打印, 不仅成本高昂, 且速度很慢.
不过目前, 3D金属打印的成本正越来越低, 并逐渐成为一种制造实际零件的方法. 如果得到广泛普及, 那么将改变大批量产品生产的方式.
从短期来看, 制造商将不再需要维护大量库存. 对于汽车零配件这样的商品, 在有需要的时候直接打印即可.
从长期来看, 大批量生产少数几种零配件的大型工厂可能会被规模较小, 更能适应客户需求变化的工厂所取代.
3D金属打印可以制造出重量更轻, 强度更高的部件, 获得传统方法难以做到的复杂形状, 并对金属微结构进行更精确的控制. 2017年, 来自劳伦斯利沃莫国家实验室的研究人员宣布, 已开发出一种3D打印方法, 能制造出强度达到传统工艺两倍的不锈钢.
同样在2017年, 来自波士顿的3D打印公司Markforged发布了首款价格不到10万美元的3D金属打印机.
另一家波士顿创业公司Desktop Metal于2017年推出了金属打印原型设备. 该公司计划销售用于实际产品生产的大型机器, 其生产速度比传统金属打印方法快100倍.
金属零配件的打印正变得更容易. Desktop Metal目前提供的软件可以生成适合3D打印的设计. 用户只需告知软件希望打印的物体参数, 软件即可生成适合打印的计算机模型.
通用电气长期以来一直在其航空产品中使用3D打印技术. 该公司正在测试新的金属打印机, 速度足以打印大型配件. 该公司计划于2018年销售这款打印机.
2. 人工胚胎
研究者将这些细胞小心放在三维支架上并观察. 这些细胞相互之间交流, 并排列成几天大的小鼠胚胎的形状.
团队负责人麦格德莱娜·泽尔尼卡-格茨 (Magdelena Zernicka-Goetz) 表示: '我们知道, 干细胞的强大潜力很像是魔法. 但我们没有意识到, 它们可以如此漂亮完美地进行自组织. '
泽尔尼卡-格茨表示, 这个 '合成' 胚胎可能不会发育成为小鼠. 但尽管如此, 这仍然表明, 我们可以不需要卵细胞就能培育出哺乳动物.
这还不是泽尔尼卡-格茨的目标. 她想要研究, 早期胚胎细胞如何发挥出特殊作用. 她表示, 下一步是利用人类干细胞去培育人造胚胎. 密歇根大学和洛克菲勒大学也在从事这方面的研究.
人工智能合成的人类胚胎将给科学家们带来福音, 帮助他们理解人体早期发育的每个过程. 而由于这些胚胎来自易于操作的干细胞, 因此实验室中可以使用各种工具, 例如基因编辑工具, 在它们的生长过程中开展研究.
然而, 人工胚胎带来了伦理问题. 如果这样的胚胎与真实胚胎难以区分, 那么情况会是什么样? 在胚胎感到疼痛之前, 它们能在实验室里成长多久? 生物伦理学家认为, 在科学竞赛开始之前, 我们需要首先解决这些问题.
3. 感知城市
这一项目于2017年10月公布, 具体建设将从2019年开始. 来自纽约, Alphabet旗下的Sidewalk Labs正在与加拿大政府就这一项目展开合作, 项目计划在多伦多的海滨工业区进行.
项目的目标之一是, 利用庞大的传感器网络收集空气质量, 噪音水平, 人口活动等多种数据, 随后指导设计, 政策和技术决策.
这样的计划要求所有车辆都实现自动驾驶, 并进入共享出行平台. 机器人会从事琐碎的杂务, 例如递送邮件. Sidewalk Labs表示, 将开放对该公司软件和系统的访问, 让其他公司可以在此基础上开发服务, 就像第三方为智能手机开发应用一样.
该公司计划密切监控公共基础设施, 这引发了对数据管理和隐私保护的担忧. 不过Sidewalk Labs表示, 可以通过与社区和当地政府的合作来解除这些担忧.
Sidewalk Labs城市系统规划负责人利特·阿加瓦拉 (Rit Aggarwala) 表示: '我们为Quayside所做的不同之处在于, 这个项目不仅雄心勃勃, 也有一定的人文关怀. ' 这或许有助于Quayside避免重蹈以往智慧城市计划的覆辙.
负责Quayside开发的政府机构Waterfront Toronto表示, 其他北美城市也在与Sidewalk Labs联系, 希望成为下一个合作的城市. 该机构CEO威尔·福莱西格 (Will Fleissig) 表示: '旧金山, 丹佛, 洛杉矶和波士顿都已经致电, 希望获得介绍. '
4. 面向所有人的人工智能
那么解决方案是什么? 基于云计算的机器学习工具正在将人工智能带给更广泛的受众. 到目前为止, 亚马逊AWS是云端人工智能的领先者. 谷歌正凭借开源的人工智能库TensorFlow对亚马逊发起挑战. 近期, 谷歌还公布了Cloud AutoML. 这是一套经过预训练的系统, 让人工智能更易于使用.
微软也拥有集成人工智能的云计算平台Azure. 此外微软也与亚马逊合作, 提供开源的深度学习库Gluon. Gluon主要用于开发神经网络, 让神经网络变得像手机应用一样容易开发.
目前尚不清楚, 哪家公司会成为云端人工智能的领先者. 但对赢家来说, 这意味着巨大的商机.
如果人工智能革命渗透至各行各业, 那么这些产品将成为必不可少的元素.
目前, 人工智能主要应用在科技行业. 在这个行业中, 人工智能创造了效率, 带来了新的产品和服务. 不过, 许多其他企业和行业也试图利用人工智能. 如果医药, 制造和能源等行业也能全面部署这项技术, 那么生产力将得到大幅提升, 整个行业将因此发生革命.
然而, 大部分企业仍然缺乏足够多的人才, 弄清如何利用云端人工智能. 因此, 亚马逊和谷歌也在提供咨询服务. 一旦云计算将技术普及给所有人, 那么真正的人工智能革命将会启动.
5. 对抗的神经网络
问题在于, 创造新东西需要想象力, 而想象力是人工智能所不擅长的.
2014年, 蒙特利尔大学博士生伊安·古德费罗 (Ian Goodfellow) 在一家酒吧的学术辩论中首先想到了这个解决方案, 这被称作 '生成对抗网络' (GAN) . GAN让两个神经网络在数字版的 '猫鼠游戏' 中相互对抗.
两个网络都使用相同的数据集去训练. 其中一个名为 '生成器' , 任务是利用所看到的图像去创建不同版本, 例如3只手的人. 而另一个名为 '鉴别器' , 任务是识别所看到的图像是否是生成器制造的假图像.
通过这样的过程, 生成器将非常善于产生图像, 导致鉴别器无法判断哪些是真实图像, 哪些是假的. 从本质上来看, 生成器被训练去识别并制作看起来真实的图像.
过去10年, GAN成为了人工智能最有前景的领域之一, 帮助机器生成能迷惑人眼的结果.
GAN已被投入使用, 用于制作听起来很逼真的语音和图像. 例如, 英伟达的研究者向GAN提供了大量明星照片, 随后创造出数百张并不存在的头像. 另一个研究团队则生成了类似梵高作品的假画. 更进一步, GAN可以以不同方式来重新想象画面, 例如将阳光灿烂的道路变成一条雪路, 或是将马变成斑马.
结果并不总是完美的: GAN或许会给自行车安上两个车把, 或是把眉毛放在头像错误的地方. 不过, 由于生成的图像和声音往往非常真实, 因此专家认为, 从某种意义上来说, GAN已经开始了解所看到和听到的世界的底层结构. 这意味着除了想象力之外, 人工智能还能获得更独立的能力, 理解所见的世界.
6. 巴别鱼耳塞
一个人戴着耳机, 另一个人拿着手机. 耳塞佩戴者用他或她的语言说话——默认语言为英语——App应用把语句翻译过来, 传到电话中, 大声播放出来. 拿手机的人回应; 回答被翻译过来, 传到耳机里播放.
谷歌翻译已经拥有会话功能, 它的iOS和Android应用程序允许两个用户交谈, 对话将被自动识别并翻译过来. 但是, 背景噪音会使App应用难以理解人们的对话, 也不知道人们何时停止交谈, 何时开始翻译.
Pixel Buds绕开了这些问题, 办法是让用户在讲话时按住右耳塞. 将手机和耳机的互动区分开来, 可以人为控制麦克风, 有利于通话者保持目光接触, 不用将手机拿来拿去.
Pixel Buds的设计欠佳, 广受批评. 它们看起来很傻, 可能不适合你的耳朵, 也很难与手机互连使用.
但是, 笨重的硬件不难搞定. Pixel Buds展示了在语言之间实现实时理解沟通的大好前景, 而且, 不再需要鱼儿了.
7. 零碳排放天然气
在休斯敦郊外的美国天然气和炼油工业中心, 一家试验性发电厂正在测试一项技术, 有望使天然气变为清洁能源的梦想成为现实. 这个50兆瓦的项目名为 '净电力' (Net Power) , 主办企业相信可以以更低成本发电, 至少能够与标准天然气发电厂的成本不相上下, 作业过程中所排放的二氧化碳可全部回收.
如果是这样的话, 那就意味着全世界已经找到了一种方法, 可以以合理的价格从化石燃料中提取无碳能源. 天然气发电厂可以根据需求提高或降低产量, 避免核电的高资本成本, 规避可再生能源的供应不稳定问题.
'净电力' 项目的合作方包括科技开发企业8 Rivers资本和Exelon Generation公司, 以及能源建设公司CB&I公司. 目前, 公司正处于工厂建设阶段, 已经开始初步测试, 并打算在未来几个月公布早期评估结果.
该工厂将燃烧的天然气所排放的二氧化碳置于高压高温环境下, 利用它所产生的超临界二氧化碳作为 '工作流体' 驱动特制涡轮机. 大部分二氧化碳可以连续循环使用, 其余的可被便宜地回收.
降低成本的关键部分在于出售二氧化碳. 今天, 二氧化碳的主要用途是帮助从油井中提取石油. 这是一个有限的市场, 而且, 不是一个特别环保的市场. 然而, '净电力' 项目最终希望看到二氧化碳在水泥制造和制造塑料和其他碳基材料方面的需求日益增长.
'净电力' 技术并不能解决天然气的所有问题, 特别是在开采方面. 但是, 只要我们在使用天然气, 就应该尽可能清洁地使用它. 在所有正在开发的清洁能源技术中, '净电力' 是最有希望大幅削减碳排放的一项.
8. 完美的在线隐私
该工具是一种新兴的加密协议, 称为零知识证明. 尽管研究人员为此已经研究了几十年, 但在过去的一年里, 人们的兴趣才开始激增, 这在一定程度上要归功于公众对加密货币的痴迷, 其中大部分与私有无关.
零知识证明的技术绝大部分得益于Zcash, 这是2016年末推出的一种数字货币. Zcash的开发人员使用了一种名为zk-SNARK的尖端加密技术, 允许用户以匿名方式进行交易.
在比特币和其他大多数公共区块链系统中, 这通常是不可能的, 在那些系统中, 每个人都能看到交易内容. 虽然交易在理论上是匿名的, 但它们可以与其他数据结合起来, 达到跟踪甚至识别用户的目的. 作为世界第二大流行的区块链网络以太坊的创建者, 维塔利克·布特林 (Vitalik Buterin) 将zk-SNARKs描述为一种 '绝对改变游戏规则的技术' .
对于银行来说, 这可能是一种在不牺牲客户隐私的情况下, 在支付系统中使用区块链的方法. 去年, 摩根大通(JPMorgan Chase)在自己的基于区块链支付系统中加入了zk-SNARKs.
尽管zk-SNARKs前景看好, 但它的计算繁琐而缓慢, 还需要一个所谓的 '可信设置' 来创建加密密钥, 而一旦密钥落入居心不良者手中, 就可能危及整个系统. 不过, 研究人员正在寻找一种替代方案, 以便更有效地部署零知识证明, 而且不需要密钥.
9. 遗传预测
这些报告卡片的突然出现要归功于基因研究的长足进步, 其中一些研究涉及超过100万人.
事实证明, 最常见的疾病和包括智力在内的许多行为和特征, 不是一个或几个基因所造成的, 而是许多基因协同作用的结果. 利用获取的基因研究数据, 科学家们正在创建所谓的 '多基因风险评分' 机制.
虽然新的DNA测试只能提供概率, 而不是诊断, 但却可以极大地造福医学. 例如, 如果乳腺癌高危女性增加乳房X光检查次数, 而低风险的女性减少乳房X光检查次数, 那么, 这些检查可能发现更多真正的癌症, 并减少假警报.
制药公司还可以将这些评分应用于阿尔茨海默病或心脏病等疾病的预防性药物的临床试验中. 通过挑选更容易生病的志愿者, 他们可以更准确地测试药物的效果.
问题是, 这些预测远非完美. 谁想知道自己可能会患上老年痴呆症? 如果癌症风险得分低的人推迟接受筛查, 然后又患上癌症, 怎么办?
多基因评分也面临争议, 因为它们可以预测任何特征, 而不仅仅是疾病. 例如, 他们现在对智商测试结果的测试准确率约为10%. 随着分数的提高, DNA智商预测很可能会成为常规. 但是, 家长和教育工作者将如何使用这些信息呢?
对行为遗传学家埃里克·托克海默 (Eric Turk heimer) 来说, 基因数据优劣参半, 使得这项新技术 '既令人兴奋, 又令人担忧. '
10. 材料的量子飞跃
新量子计算机前景广阔, 同时也带来了一个难题. 它们的计算能力远超今天的机器, 功能强大到难以想象, 但我们还没有弄清楚应该如何应用这些能力.
一种可能且诱人的可能性是精确地设计分子.
化学家们已经在梦想着可用于更有效药物的新蛋白质, 可生产更好电池的新型电解质, 可将阳光直接转化为液体燃料的化合物, 以及更高效的太阳能电池.
我们没有这些东西, 因为分子很难在传统计算机上建模. 即使是在一个相对简单的分子中尝试模拟电子运动, 运算的复杂性就远远超出当今计算机的能力.
但对于量子计算机来说, 这是小菜一碟, 因为它使用的不是表示1和0的数字位, 而是量子系统的 '量子位' . 最近, IBM的研究人员使用一台量子计算机, 用7个量子位模拟出一个由三个原子组成的小分子.
当科学家制造出更多量子位的机器时, 就应该能够精确地模拟出更大更有趣的分子, 同样重要的是, 量子算法也会演化得更好.