以下為完整榜單:
1. 3D金屬列印
3D列印的發展已有幾十年時間. 但到目前為止, 3D列印仍主要用於製造一次性的原型產品. 如果希望使用除塑料以外的其他材料, 例如金屬去列印, 不僅成本高昂, 且速度很慢.
不過目前, 3D金屬列印的成本正越來越低, 並逐漸成為一種製造實際零件的方法. 如果得到廣泛普及, 那麼將改變大批量產品生產的方式.
從短期來看, 製造商將不再需要維護大量庫存. 對於汽車零配件這樣的商品, 在有需要的時候直接列印即可.
從長期來看, 大批量生產少數幾種零配件的大型工廠可能會被規模較小, 更能適應客戶需求變化的工廠所取代.
3D金屬列印可以製造出重量更輕, 強度更高的部件, 獲得傳統方法難以做到的複雜形狀, 並對金屬微結構進行更精確的控制. 2017年, 來自勞倫斯利沃莫國家實驗室的研究人員宣布, 已開發出一種3D列印方法, 能製造出強度達到傳統工藝兩倍的不鏽鋼.
同樣在2017年, 來自波士頓的3D列印公司Markforged發布了首款價格不到10萬美元的3D金屬印表機.
另一家波士頓創業公司Desktop Metal於2017年推出了金屬列印原型設備. 該公司計劃銷售用於實際產品生產的大型機器, 其生產速度比傳統金屬列印方法快100倍.
金屬零配件的列印正變得更容易. Desktop Metal目前提供的軟體可以生成適合3D列印的設計. 用戶只需告知軟體希望列印的物體參數, 軟體即可生成適合列印的計算機模型.
通用電氣長期以來一直在其航空產品中使用3D列印技術. 該公司正在測試新的金屬印表機, 速度足以列印大型配件. 該公司計劃於2018年銷售這款印表機.
2. 人工胚胎
研究者將這些細胞小心放在三維支架上並觀察. 這些細胞相互之間交流, 並排列成幾天大的小鼠胚胎的形狀.
團隊負責人麥格德萊娜·澤爾尼卡-格茨 (Magdelena Zernicka-Goetz) 表示: '我們知道, 幹細胞的強大潛力很像是魔法. 但我們沒有意識到, 它們可以如此漂亮完美地進行自組織. '
澤爾尼卡-格茨表示, 這個 '合成' 胚胎可能不會發育成為小鼠. 但儘管如此, 這仍然表明, 我們可以不需要卵細胞就能培育出哺乳動物.
這還不是澤爾尼卡-格茨的目標. 她想要研究, 早期胚胎細胞如何發揮出特殊作用. 她表示, 下一步是利用人類幹細胞去培育人造胚胎. 密西根大學和洛克菲勒大學也在從事這方面的研究.
人工智慧合成的人類胚胎將給科學家們帶來福音, 幫助他們理解人體早期發育的每個過程. 而由於這些胚胎來自易於操作的幹細胞, 因此實驗室中可以使用各種工具, 例如基因編輯工具, 在它們的生長過程中開展研究.
然而, 人工胚胎帶來了倫理問題. 如果這樣的胚胎與真實胚胎難以區分, 那麼情況會是什麼樣? 在胚胎感到疼痛之前, 它們能在實驗室裡成長多久? 生物倫理學家認為, 在科學競賽開始之前, 我們需要首先解決這些問題.
3. 感知城市
這一項目於2017年10月公布, 具體建設將從2019年開始. 來自紐約, Alphabet旗下的Sidewalk Labs正在與加拿大政府就這一項目展開合作, 項目計劃在多倫多的海濱工業區進行.
項目的目標之一是, 利用龐大的感測器網路收集空氣質量, 噪音水平, 人口活動等多種數據, 隨後指導設計, 政策和技術決策.
這樣的計劃要求所有車輛都實現自動駕駛, 並進入共用出行平台. 機器人會從事瑣碎的雜務, 例如遞送郵件. Sidewalk Labs表示, 將開放對該公司軟體和系統的訪問, 讓其他公司可以在此基礎上開發服務, 就像第三方為智能手機開發應用一樣.
該公司計劃密切監控公共基礎設施, 這引發了對數據管理和隱私保護的擔憂. 不過Sidewalk Labs表示, 可以通過與社區和當地政府的合作來解除這些擔憂.
Sidewalk Labs城市系統規劃負責人利特·阿加瓦拉 (Rit Aggarwala) 表示: '我們為Quayside所做的不同之處在於, 這個項目不僅雄心勃勃, 也有一定的人文關懷. ' 這或許有助於Quayside避免重蹈以往智慧城市計劃的覆轍.
負責Quayside開發的政府機構Waterfront Toronto表示, 其他北美城市也在與Sidewalk Labs聯繫, 希望成為下一個合作的城市. 該機構CEO威爾·福萊西格 (Will Fleissig) 表示: '舊金山, 丹佛, 洛杉磯和波士頓都已經致電, 希望獲得介紹. '
4. 面向所有人的人工智慧
那麼解決方案是什麼? 基於雲計算的機器學習工具正在將人工智慧帶給更廣泛的受眾. 到目前為止, 亞馬遜AWS是雲端人工智慧的領先者. 穀歌正憑藉開源的人工智慧庫TensorFlow對亞馬遜發起挑戰. 近期, 穀歌還公布了Cloud AutoML. 這是一套經過預訓練的系統, 讓人工智慧更易於使用.
微軟也擁有整合人工智慧的雲計算平台Azure. 此外微軟也與亞馬遜合作, 提供開源的深度學習庫Gluon. Gluon主要用於開發神經網路, 讓神經網路變得像手機應用一樣容易開發.
目前尚不清楚, 哪家公司會成為雲端人工智慧的領先者. 但對贏家來說, 這意味著巨大的商機.
如果人工智慧革命滲透至各行各業, 那麼這些產品將成為必不可少的元素.
目前, 人工智慧主要應用在科技行業. 在這個行業中, 人工智慧創造了效率, 帶來了新的產品和服務. 不過, 許多其他企業和行業也試圖利用人工智慧. 如果醫藥, 製造和能源等行業也能全面部署這項技術, 那麼生產力將得到大幅提升, 整個行業將因此發生革命.
然而, 大部分企業仍然缺乏足夠多的人才, 弄清如何利用雲端人工智慧. 因此, 亞馬遜和穀歌也在提供諮詢服務. 一旦雲計算將技術普及給所有人, 那麼真正的人工智慧革命將會啟動.
5. 對抗的神經網路
問題在於, 創造新東西需要想象力, 而想象力是人工智慧所不擅長的.
2014年, 蒙特利爾大學博士生伊安·古德費羅 (Ian Goodfellow) 在一家酒吧的學術辯論中首先想到了這個解決方案, 這被稱作 '生成對抗網路' (GAN) . GAN讓兩個神經網路在數字版的 '貓鼠遊戲' 中相互對抗.
兩個網路都使用相同的數據集去訓練. 其中一個名為 '生成器' , 任務是利用所看到的映像去建立不同版本, 例如3隻手的人. 而另一個名為 '鑒別器' , 任務是識別所看到的映像是否是生成器製造的假映像.
通過這樣的過程, 生成器將非常善於產生映像, 導致鑒別器無法判斷哪些是真實映像, 哪些是假的. 從本質上來看, 生成器被訓練去識別並製作看起來真實的映像.
過去10年, GAN成為了人工智慧最有前景的領域之一, 幫助機器生成能迷惑人眼的結果.
GAN已被投入使用, 用於製作聽起來很逼真的語音和映像. 例如, 英偉達的研究者向GAN提供了大量明星照片, 隨後創造出數百張並不存在的頭像. 另一個研究團隊則生成了類似梵谷作品的假畫. 更進一步, GAN可以以不同方式來重新想象畫面, 例如將陽光燦爛的道路變成一條雪路, 或是將馬變成斑馬.
結果並不總是完美的: GAN或許會給單車安上兩個車把, 或是把眉毛放在頭像錯誤的地方. 不過, 由於生成的映像和聲音往往非常真實, 因此專家認為, 從某種意義上來說, GAN已經開始了解所看到和聽到的世界的底層結構. 這意味著除了想象力之外, 人工智慧還能獲得更獨立的能力, 理解所見的世界.
6. 巴別魚耳塞
一個人戴著耳機, 另一個人拿著手機. 耳塞佩戴者用他或她的語言說話——預設語言為英語——App應用把語句翻譯過來, 傳到電話中, 大聲播放出來. 拿手機的人回應; 回答被翻譯過來, 傳到耳機裡播放.
穀歌翻譯已經擁有會話功能, 它的iOS和Android應用程序允許兩個用戶交談, 對話將被自動識別並翻譯過來. 但是, 背景噪音會使App應用難以理解人們的對話, 也不知道人們何時停止交談, 何時開始翻譯.
Pixel Buds繞開了這些問題, 辦法是讓用戶在講話時按住右耳塞. 將手機和耳機的互動區分開來, 可以人為控制麥克風, 有利於通話者保持目光接觸, 不用將手機拿來拿去.
Pixel Buds的設計欠佳, 廣受批評. 它們看起來很傻, 可能不適合你的耳朵, 也很難與手機互連使用.
但是, 笨重的硬體不難搞定. Pixel Buds展示了在語言之間實現即時理解溝通的大好前景, 而且, 不再需要魚兒了.
7. 零碳排放天然氣
在休斯敦郊外的美國天然氣和煉油工業中心, 一家試驗性發電廠正在測試一項技術, 有望使天然氣變為清潔能源的夢想成為現實. 這個50兆瓦的項目名為 '淨電力' (Net Power) , 主辦企業相信可以以更低成本發電, 至少能夠與標準天然氣發電廠的成本不相上下, 作業過程中所排放的二氧化碳可全部回收.
如果是這樣的話, 那就意味著全世界已經找到了一種方法, 可以以合理的價格從化石燃料中提取無碳能源. 天然氣發電廠可以根據需求提高或降低產量, 避免核電的高資本成本, 規避可再生能源的供應不穩定問題.
'淨電力' 項目的合作方包括科技開發企業8 Rivers資本和Exelon Generation公司, 以及能源建設公司CB&I公司. 目前, 公司正處於工廠建設階段, 已經開始初步測試, 並打算在未來幾個月公布早期評估結果.
該工廠將燃燒的天然氣所排放的二氧化碳置於高壓高溫環境下, 利用它所產生的超臨界二氧化碳作為 '工作流體' 驅動特製渦輪機. 大部分二氧化碳可以連續迴圈使用, 其餘的可被便宜地回收.
降低成本的關鍵部分在於出售二氧化碳. 今天, 二氧化碳的主要用途是幫助從油井中提取石油. 這是一個有限的市場, 而且, 不是一個特別環保的市場. 然而, '淨電力' 項目最終希望看到二氧化碳在水泥製造和製造塑料和其他碳基材料方面的需求日益增長.
'淨電力' 技術並不能解決天然氣的所有問題, 特別是在開採方面. 但是, 只要我們在使用天然氣, 就應該儘可能清潔地使用它. 在所有正在開發的清潔能源技術中, '淨電力' 是最有希望大幅削減碳排放的一項.
8. 完美的線上隱私
該工具是一種新興的加密協議, 稱為零知識證明. 儘管研究人員為此已經研究了幾十年, 但在過去的一年裡, 人們的興趣才開始激增, 這在一定程度上要歸功於公眾對加密貨幣的癡迷, 其中大部分與私有無關.
零知識證明的技術絕大部分得益於Zcash, 這是2016年末推出的一種數字貨幣. Zcash的開發人員使用了一種名為zk-SNARK的尖端加密技術, 允許用戶以匿名方式進行交易.
在比特幣和其他大多數公共區塊鏈系統中, 這通常是不可能的, 在那些系統中, 每個人都能看到交易內容. 雖然交易在理論上是匿名的, 但它們可以與其他數據結合起來, 達到跟蹤甚至識別用戶的目的. 作為世界第二大流行的區塊鏈網路以太坊的建立者, 維塔利克·布特林 (Vitalik Buterin) 將zk-SNARKs描述為一種 '絕對改變遊戲規則的技術' .
對於銀行來說, 這可能是一種在不犧牲客戶隱私的情況下, 在支付系統中使用區塊鏈的方法. 去年, 摩根大通(JPMorgan Chase)在自己的基於區塊鏈支付系統中加入了zk-SNARKs.
儘管zk-SNARKs前景看好, 但它的計算繁瑣而緩慢, 還需要一個所謂的 '可信設置' 來建立加密密鑰, 而一旦密鑰落入居心不良者手中, 就可能危及整個系統. 不過, 研究人員正在尋找一種替代方案, 以便更有效地部署零知識證明, 而且不需要密鑰.
9. 遺傳預測
這些報告卡片的突然出現要歸功於基因研究的長足進步, 其中一些研究涉及超過100萬人.
事實證明, 最常見的疾病和包括智力在內的許多行為和特徵, 不是一個或幾個基因所造成的, 而是許多基因協同作用的結果. 利用獲取的基因研究數據, 科學家們正在建立所謂的 '多基因風險評分' 機制.
雖然新的DNA測試只能提供機率, 而不是診斷, 但卻可以極大地造福醫學. 例如, 如果乳腺癌高危女性增加乳房X光檢查次數, 而低風險的女性減少乳房X光檢查次數, 那麼, 這些檢查可能發現更多真正的癌症, 並減少假警報.
製藥公司還可以將這些評分應用於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. 通過挑選更容易生病的志願者, 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. 誰想知道自己可能會患上老年癡呆症? 如果癌症風險得分低的人推遲接受篩查, 然後又患上癌症, 怎麼辦?
多基因評分也面臨爭議, 因為它們可以預測任何特徵, 而不僅僅是疾病. 例如, 他們現在對智商測試結果的測試準確率約為10%. 隨著分數的提高, DNA智商預測很可能會成為常規. 但是, 家長和教育工作者將如何使用這些資訊呢?
對行為遺傳學家埃裡克·托克海默 (Eric Turk heimer) 來說, 基因數據優劣參半, 使得這項新技術 '既令人興奮, 又令人擔憂. '
10. 材料的量子飛躍
新量子計算機前景廣闊, 同時也帶來了一個難題. 它們的計算能力遠超今天的機器, 功能強大到難以想象, 但我們還沒有弄清楚應該如何應用這些能力.
一種可能且誘人的可能性是精確地設計分子.
化學家們已經在夢想著可用於更有效藥物的新蛋白質, 可生產更好電池的新型電解質, 可將陽光直接轉化為液體燃料的化合物, 以及更高效的太陽能電池.
我們沒有這些東西, 因為分子很難在傳統計算機上建模. 即使是在一個相對簡單的分子中嘗試類比電子運動, 運算的複雜性就遠遠超出當今計算機的能力.
但對於量子計算機來說, 這是小菜一碟, 因為它使用的不是表示1和0的數字位, 而是量子系統的 '量子位' . 最近, IBM的研究人員使用一台量子計算機, 用7個量子位類比出一個由三個原子組成的小分子.
當科學家製造出更多量子位的機器時, 就應該能夠精確地類比出更大更有趣的分子, 同樣重要的是, 量子演算法也會演化得更好.