La siguiente es una lista completa:
1. impresión de metal 3D
La impresión 3D ha existido durante décadas, pero hasta ahora, la impresión 3D todavía se usa principalmente para fabricar prototipos únicos, y si desea utilizar materiales distintos al plástico, como el metal, para imprimir, no solo es costoso sino también rápido Muy lento
Pero por el momento, el costo de la impresión de metal en 3D es cada vez menor, y se ha convertido gradualmente en una forma de fabricar piezas reales, que, si se adoptan ampliamente, cambiarán la forma en que se realiza la producción en masa.
A corto plazo, los fabricantes ya no necesitarán mantener un gran inventario de productos como autopartes, imprimir directamente cuando sea necesario.
A largo plazo, las grandes fábricas que producen piezas pequeñas en pequeñas cantidades pueden ser reemplazadas por otras más pequeñas que se adapten mejor a las necesidades cambiantes de sus clientes.
La impresión 3D de metal puede producir piezas más ligeras, de mayor resistencia, formas complejas que son difíciles de lograr con los métodos tradicionales y un control más preciso de la microestructura del metal. En 2017, un estudio del Laboratorio Nacional Lawrence Lvmo El personal ha anunciado que han desarrollado un método de impresión 3D que produce acero inoxidable hasta el doble de la resistencia de los procesos tradicionales.
También en 2017, Markforged, la compañía de impresión 3D con sede en Boston, presentó su primera impresora de metal 3D por menos de $ 100,000.
Otra startup de Boston, Desktop Metal, lanzó una prototipo de máquina de impresión de metal en 2017. La compañía planea vender una máquina grande para la producción real del producto 100 veces más rápido que la impresión tradicional basada en metal.
La impresión de piezas metálicas ahora es aún más fácil. El software actual de Desktop Metal está diseñado para crear diseños que son adecuados para la impresión 3D. Los usuarios simplemente le dicen al software qué objetos desean imprimir y el software genera un modelo de computadora adecuado para la impresión.
General Electric ha sido utilizado en el producto aeroespacial en la tecnología de impresión 3D. La compañía está probando una nueva impresora de metal, lo suficientemente rápido como para imprimir un gran accesorios. La compañía planea vender la impresora 2018.
Embrión artificial
Estos investigadores células en los andamios, y cuidadosamente observado comunicación mutua. Entre estas células y dispuestos en la forma de unos pocos días de edad embriones de ratón.
La líder del equipo Magdelena Zernicka-Goetz dijo: "Sabemos que el gran potencial de las células madre se parece mucho a la magia, pero no nos damos cuenta de que son tan hermosas y perfectas Autoorganización
Zernica-Gates dijo que el embrión 'sintético' puede no convertirse en un ratón, pero aún muestra que podemos desarrollar mamíferos sin necesidad de óvulos.
Esta no es la meta de Zernijkar-Gates, que quiere estudiar cómo las células embrionarias tempranas juegan un papel especial, dijo, y el siguiente paso es usar células madre humanas para cultivar embriones artificiales. La Universidad de Michigan y la Universidad Rockefeller también están trabajando en esto. Aspectos de la investigación.
AI síntesis de embriones humanos dará a los científicos llevar el Evangelio para ayudarles a entender cada uno durante el desarrollo temprano del cuerpo humano. Y debido a que estas células madre embrionarias a partir de fácil, por lo que el laboratorio puede utilizar una variedad de herramientas, tales como herramientas de edición de genes, Investiga en su crecimiento.
Sin embargo, embrión artificial trajo problemas éticos. Si estos embriones y embriones difícil distinguir entre lo verdadero, entonces la situación sería como? Antes de que el embrión se siente dolor, cuánto tiempo pueden crecer en el laboratorio? Bioeticistas creen en la ciencia Antes de que comience la carrera, primero debemos abordar estos problemas.
3 percepción de la ciudad
El proyecto fue anunciado en octubre de 2017, la construcción específica comenzará en 2019. Nueva York, Acera laboratorios del alfabeto está trabajando con el Gobierno de Canadá para colaborar en este proyecto, que se lleva a cabo en la zona industrial costera de Toronto.
Uno de los objetivos del proyecto es el uso de una gran variedad de redes de sensores para recopilar datos de calidad del aire, niveles de ruido, las actividades de población, etc., y luego guiar las decisiones de diseño, políticas y tecnológicas.
Dicho plan requiere que todos los vehículos para lograr la conducción automática, y entrar en la plataforma viaje compartido. Robot participará en tareas triviales, como la entrega de correo. Acera Laboratorios dijo que abrirá el acceso a software y sistemas de la empresa, para que otras empresas puedan sobre esta base En el desarrollo de servicios, al igual que el desarrollo de terceros y la aplicación de teléfonos inteligentes.
La compañía planea monitorear de cerca la infraestructura pública, generando preocupaciones sobre la administración de datos y la privacidad, aunque Sidewalk Labs dijo que podría ser levantada trabajando con las comunidades y las autoridades locales.
Rit Aggarwala, jefe de planificación de sistemas urbanos en Sidewalk Labs, dijo: "Lo que hicimos por Quayside fue que el proyecto no solo era ambicioso sino que también tenía un toque humano". Eso puede ayudar Quayside Evite repetir los errores de planes de ciudades inteligentes anteriores.
Waterfront Toronto, la agencia gubernamental responsable del desarrollo de Quayside, dijo que otras ciudades norteamericanas también están en contacto con Sidewalk Labs con la esperanza de convertirse en la próxima ciudad en asociarse, dijo Will Fleissig, CEO de San Francisco, Denver, Los Angeles. Y Boston ha llamado para obtener la introducción.
4. Inteligencia artificial para todos
¿Cuál es la solución? Las herramientas de aprendizaje automático basadas en la nube están llevando la inteligencia artificial a un público más amplio, y hasta ahora, Amazon AWS es líder en inteligencia artificial basada en la nube. Google confía en la biblioteca de código abierto de inteligencia artificial TensorFlow para Amazon Desafíos. Recientemente, Google también anunció Cloud AutoML, un conjunto de sistemas pre-entrenados que hacen que la inteligencia artificial sea más fácil de usar.
Microsoft también tiene Azure, una plataforma de computación en nube con inteligencia artificial integrada, y Microsoft se ha asociado con Amazon para proporcionar Gluon, una biblioteca de código abierto de aprendizaje profundo diseñada principalmente para desarrollar redes neuronales que hacen que las redes neuronales sean tan fáciles de desarrollar como aplicaciones móviles.
Aún no está claro qué compañía se convertirá en líder en inteligencia artificial basada en la nube, pero para los ganadores esto significa enormes oportunidades comerciales.
Si la revolución de AI impregna todos los ámbitos de la vida, entonces estos productos serán un elemento esencial.
En la actualidad, la inteligencia artificial se utiliza principalmente en la industria de la tecnología, donde la inteligencia artificial crea eficiencia y aporta nuevos productos y servicios, pero muchas otras empresas e industrias también intentan utilizar inteligencia artificial. Si se trata de productos farmacéuticos, fabricación y energía, etc. La industria también puede implementar completamente esta tecnología, luego la productividad se verá enormemente mejorada, toda la industria será una revolución.
Sin embargo, la mayoría de las empresas aún carecen de talento suficiente para descubrir cómo aprovechar la inteligencia artificial en la nube, por lo que Amazon y Google también brindan servicios de consultoría, y una vez que la computación en la nube popularice la tecnología, la verdadera revolución de la IA comenzará. .
5. red neuronal antagonista
El problema es que la imaginación es necesaria para crear cosas nuevas, y la imaginación no es buena para la inteligencia artificial.
En 2014, Ian Goodfellow, estudiante de doctorado en la Universidad de Montreal, propuso por primera vez esta solución en el debate académico de un colegio de abogados llamado GAN. GAN deja que los nervios se pongan difíciles. La web se enfrenta en la versión digital de Cats and Gobbles.
Ambas redes usan el mismo conjunto de datos para entrenar, uno de los cuales se llama 'Generador' y la tarea es usar la imagen que ves para crear diferentes versiones de una persona con 3 manos, por ejemplo, mientras que otra se llama 'Discriminador'. , La tarea es identificar si la imagen que ves es una imagen falsa creada por el generador.
A través de este proceso, el generador producirá una imagen muy buena, condujo a la identificación no puede decidir lo que es imagen real, lo cual es falso. En esencia, el generador está entrenado para reconocer y hacer que la imagen parezca real.
Durante los últimos 10 años, la GAN se ha convertido en una de las áreas más prometedoras de la inteligencia artificial, ayuda generada por máquina confundir el ojo humano puede resultar.
Por ejemplo, los investigadores de Nvidia proporcionaron a GAN una gran cantidad de fotos de celebridades y posteriormente crearon cientos de avatares inexistentes, mientras que otro equipo de investigadores generó Un pseudografo que se asemeja al trabajo de Van Gogh. Además, GAN puede reimaginar la imagen de diferentes maneras, como convertir el camino soleado en una carretera nevada o convertir el caballo en una cebra.
El resultado no siempre es perfecto: GAN podría poner dos manubrios en la bicicleta o poner las cejas en la cara incorrecta, pero dado que las imágenes y los sonidos resultantes tienden a ser muy reales, En el sentido, GAN ha comenzado a comprender la estructura subyacente del mundo que se ve y escucha, lo que significa que, además de la imaginación, la inteligencia artificial puede obtener una capacidad más independiente para comprender el mundo que se ve.
6. tapones para los oídos de pescado paquistaní
Uno usando un audífono y el otro sosteniendo un teléfono celular. El usuario del audífono habla en su propio idioma (el idioma predeterminado es el inglés), la aplicación de aplicación traduce la oración, se propaga por teléfono y se reproduce en voz alta. La gente responde, la respuesta se traduce, se extiende a los auriculares para jugar.
Google Translate ya tiene una función de conversación, y sus aplicaciones iOS y Android permiten que dos usuarios hablen y la conversación será reconocida y traducida automáticamente, pero el ruido de fondo hará que sea difícil para la aplicación entender las conversaciones de las personas o saber cuándo la gente se detiene. Habla, cuando comenzar a traducir
Pixel Buds elude estos problemas al permitir que el usuario sostenga el tapón derecho mientras habla, y diferenciar la interacción entre el teléfono móvil y el auricular, controlar el micrófono artificialmente y mantener a la persona que llama en contacto sin tener que tomar el teléfono .
Los Pixel Buds están mal diseñados y ampliamente criticados, y se ven tontos y pueden no ajustarse a tus oídos o estar conectados a tu teléfono.
Sin embargo, el hardware engorroso no es difícil de descubrir. Pixel Buds muestra una gran promesa de comprensión en tiempo real de la comunicación entre idiomas, y ya no hay necesidad de pescar.
7. Cero emisiones de carbono del gas natural
Una central eléctrica piloto está probando una tecnología que hará realidad el sueño de convertir el gas natural en energía limpia en el centro industrial de refinación de petróleo y gas natural de EE. UU. Fuera de Houston: el proyecto de 50 megavatios, llamado Net Power, , Los organizadores creen que pueden generar electricidad a un costo menor, al menos comparable al de una central eléctrica de gas natural estándar, y que todo el dióxido de carbono emitido durante la operación puede recuperarse por completo.
Si es así, eso significa que el mundo ha encontrado una manera de extraer energía libre de carbono de los combustibles fósiles a precios razonables. Las centrales eléctricas de gas natural pueden aumentar o reducir la producción a demanda, evitar el alto costo de capital de la energía nuclear, Para evitar la inestabilidad en el suministro de energía renovable.
proyectos netas de energía 'socios incluyen el desarrollo de la ciencia y la tecnología de 8 Empresa de Generación Ríos capital y Exelon, y la construcción de energía empresa CB & Company I. La compañía se encuentra actualmente en la fase de construcción de la planta, ha comenzado las pruebas preliminares, y tiene la intención de publicar en los próximos meses temprana Resultados de evaluación
Las emisiones de dióxido de planta de carbono del gas de combustión colocados bajo alta presión y temperatura, se genera utilizando dióxido de carbono supercrítico como la turbina de accionamiento especial 'fluido de trabajo'. Dióxido de más de carbono se puede reciclar de forma continua, el resto se puede recuperar económicamente.
La reducción de costos es una parte clave de la venta de dióxido de carbono. Hoy en día, el objetivo principal es ayudar a la extracción de dióxido de carbono de petróleo desde el pozo. Es un mercado limitado, pero no un mercado particularmente amigable con el medio ambiente. Sin embargo, el proyecto 'red de poder' en última instancia, quiere ver La demanda de cemento en la fabricación y fabricación de plásticos y otros materiales basados en carbono está creciendo.
La tecnología 'La potencia neta' no resolverá todos los problemas de gas natural, pero siempre y cuando se utiliza el gas natural, se debe utilizar lo más limpio posible, especialmente en lo que se refiere a la minería en todas las tecnologías de energía limpia en desarrollo, 'energía limpia' Es una de las reducciones más prometedoras en emisiones de carbono.
Perfecta privacidad en línea
La herramienta es un protocolo criptográfico emergente llamado prueba de conocimiento cero. Aunque los investigadores han estado estudiando durante décadas para este propósito, el interés solo se ha disparado en el último año, gracias en parte a: La obsesión pública con la criptomoneda, la mayoría de los cuales es de propiedad privada.
Gran parte de la tecnología para la prueba de cero conocimiento se ha beneficiado de Zcash, una moneda digital introducida a fines de 2016. Los desarrolladores de Zcash utilizaron tecnología de cifrado de última generación, llamada zk-SNARK, que permite a los usuarios realizar transacciones de forma anónima.
En Bitcoin y en la mayoría de los sistemas públicos de cadenas de bloques, esto generalmente no es posible, y en esos sistemas, todo el mundo ve el contenido transaccional. Aunque las transacciones son teóricamente anónimas, pueden combinarse con otros datos. Juntos, haciendo un seguimiento e incluso identificando usuarios, Vitalik Buterin, el creador de Ethereum, la segunda cadena de blockchain más grande del mundo, describió los zk-SNARK como un "cambio absoluto". Reglas del juego de la tecnología '.
Para los bancos, esta podría ser una forma de utilizar blockchain en los sistemas de pago sin sacrificar la privacidad del cliente. El año pasado, JPMorgan Chase se unió a su sistema de pago basado en blockchain zk-SNARKs.
A pesar de su prometedor futuro, los zk-SNARK son computacionalmente engorrosos y lentos, y requieren una llamada 'configuración confiable' para crear claves de cifrado que podrían comprometer todo el sistema una vez que la llave cae en las manos equivocadas, Los investigadores están buscando una alternativa para implementar pruebas de cero conocimiento de manera más eficiente y sin la necesidad de una clave.
9. Predicción genética
La aparición repentina de estos informes se debe a los avances dramáticos en la investigación genética, algunos de los cuales involucran a más de un millón de personas.
Resulta que las enfermedades más comunes y muchos comportamientos y características, incluida la inteligencia, no son causados por uno o algunos genes, sino que son el resultado de las sinergias de muchos genes. Usando los datos de los genes adquiridos, los científicos están creando los llamados Mecanismo de 'puntaje de riesgo de múltiples genes'.
Mientras que la nueva prueba de ADN sólo puede proporcionar probabilidades, en lugar del diagnóstico, pero puede beneficiarse en gran medida la medicina. Por ejemplo, si las mujeres con alto riesgo de cáncer de mama aumenta el número de radiografías de mama, mientras que las mujeres de bajo riesgo para reducir el número de radiografías de mama, a continuación, estos controles pueden encontrar cánceres más real, y reducir las falsas alarmas.
Las empresas farmacéuticas también pueden utilizar estas puntuaciones utilizadas en los ensayos clínicos de las enfermedades de medicina preventiva, como la enfermedad de Alzheimer o enfermedades del corazón. Al elegir más probable conseguir voluntarios enfermos, pueden ser más precisa probar el efecto de la droga.
El problema es que estas predicciones están lejos de ser perfectas. ¿A quién le gustaría saber si pueden tener la enfermedad de Alzheimer? ¿Qué pasaría si las personas con bajo riesgo de cáncer anulan la evaluación y luego desarrollan cáncer?
Las puntuaciones multigénicas también se debaten porque predicen cualquier rasgo, no solo la enfermedad, por ejemplo, ahora prueban las pruebas de cociente intelectual con una precisión del 10%. A medida que aumentan las puntuaciones, es probable que las predicciones del coeficiente de inteligencia del ADN se vuelvan Sin embargo, ¿cómo usan los padres y educadores esta información?
Para el genetista del comportamiento Eric Turk Heimer, los datos genéticos son variados, lo que hace que la nueva tecnología sea "emocionante y preocupante".
Salto cuántico de material
Las nuevas perspectivas de computación cuántica, sino que también plantea un problema. Su potencia de cálculo mucho más que las máquinas actuales, de gran alcance de imaginar, pero aún tenemos que encontrar la manera de utilizar estas capacidades.
Una posibilidad posible y tentadora es diseñar moléculas con precisión.
Los químicos han soñado con nuevas proteínas para fármacos más efectivos, nuevos electrolitos que producen mejores baterías, compuestos que convierten la luz solar directamente en combustibles líquidos y células solares más eficientes.
No tenemos esto, porque es difícil para las moléculas modelar en las computadoras tradicionales, e incluso en una molécula relativamente simple que intenta simular el movimiento electrónico, la complejidad computacional supera con creces el poder de las computadoras de hoy en día.
Pero para la computadora cuántica esto es pan comido porque no usa números que representan los números 1 y 0, sino los "qubits" del sistema cuántico. Recientemente, los investigadores de IBM usaron una computadora cuántica con 7 Un qubit imita una pequeña molécula compuesta de tres átomos.
Cuando los científicos crean máquinas que tienen más qubits, deberían ser capaces de modelar moléculas más grandes y más interesantes con precisión, y lo que es más importante, los algoritmos cuánticos evolucionarán mejor.