2018年全球十大新兴技术”榜单

电子说

1.2w人已加入

描述

摘要:在不久的将来,技术革新将如何改变我们的生活?人工智能将大幅提升新药物和新材料的开发速度;新型诊断工具将打造更先进的个性化医疗;如果你生病了,医生将可以在你体内植入活细胞,用这些“药物工厂”为你治病;你将会吃到用干细胞在实验室培育的牛肉、鸡肉和鱼肉,这将使无数的动物免遭不人道待遇。

经过层层遴选,最终由来自生物医学、化学、计算机和人工智能等领域的顶尖专家共同评选,评出这份“2018年全球十大新兴技术”榜单。根据发布方,世界著名科普杂志《科学美国人》的介绍,这些新兴技术能在未来3~5年间,对社会和经济产生重要影响。

增强现实将无处不在

虚拟现实(VR)让你沉浸在一个虚幻、独立的世界里,而增强现实(AR)是将计算机生成的信息实时覆盖在现实世界之上。当你看到或者佩戴集成了AR程序和摄像头的设备(可以是智能手机、平板电脑、耳机或智能眼镜)时,程序会分析输入的视频流,下载大量与当前场景相关的信息,并在其上叠加相关数据——通常是3D的图片或动画。

举两个例子:协助车辆安全倒车的倒车影像系统和热门游戏《精灵宝可梦GO》。大量面向消费者的应用软件都会用到AR功能,比如为外国游客翻译街道标志,医学专业的学生开展的虚拟解剖,消费者在买家具时可以看到预想的摆设效果。将来,这项技术还会支持博物馆制作全息参观指南;帮助外科医生,使得患者体内组织三维可视化;允许建筑师和设计师以全新的方式合作;帮助无人机操作员用增强的图像远程控制机器;帮助初学者快速学习从医药到工厂维修的各项技术。在未来几年内,操作简单、用于设计应用程序的软件将会满足更多消费者的需求。

电刺激医学将减少药物使用

神经电刺激设备可以通过电流脉冲治疗疾病,这种设备在医学界已经有很长的应用历史。例如,心脏起搏器、耳蜗植入装置和治疗帕金森病的深脑电极刺激都用到了该设备。这种电刺激设备正变得越来越多功能化,将显著提升对大量病症的治疗能力。神经电刺激设备的工作原理是,向迷走神经发送信号,迷走神经将电流从脑干发送至器官,最后返回脑干。

在科学家的努力下,迷走神经刺激的全新用途正变得可行。他们发现,迷走神经能释放调节免疫系统的化学物质。例如,在脾脏里释放的特定神经递质对参与全身炎症反应的免疫细胞具有镇静作用。这些发现表明,能从迷走神经刺激中受益的不仅是与电信号紊乱有关的疾病,还包括自身免疫疾病和炎症反应。对这些疾病的患者来说,这个发现无疑是个好消息。由于这项技术只对特定的神经系统进行刺激,因此相对于经过全身,会伤害作用目标以外的身体组织的药物,电刺激疗法可能更容易接受。

人造肉对环境更友好

想象一下,你咬了一口鲜嫩多汁的牛肉汉堡,而这是在不杀死任何动物的前提下发生的。利用实验室的细胞培育出的人造肉,正在将这种设想变成现实。多家初创企业正在开发实验室培育的牛肉、猪肉、家禽和海鲜。

由于只需为培育和维持人工培养的细胞(而非完整的生物体)提供资源,人造肉还可以减少肉类生产过程中的高昂环境代价。

人造肉是由从动物身上提取的肌肉样本制成的。技术人员从动物组织中收集干细胞,让它们迅速增殖,分化成原肌纤维,随后膨大形成肌肉组织。Mosa Meat公司称,一份从牛身上采集的组织样本就足以生产出8万个牛肉汉堡。

一些初创企业表示,他们预计在未来几年内正式推出人造肉产品。但在上市之前,人造肉还必须克服重重障碍。

其中两个障碍分别是成本和口味。以2013年向各大媒体展示的实验室人造肉汉堡为例,汉堡中肉饼的制作成本超过30万美元,而且肉质过于干燥(因为脂肪太少)。自那以后,人造肉的制作成本逐年下降。2018年,Memphis Meats公司声称,四分之一磅(约113克)人造牛肉馅的价格约为600美元。按照这一趋势,在几年内,人造肉就可能成为传统肉类的竞争对手。

会辩论的人工智能

如今的智能助理已经能在某些情形下让你误以为它们是人类,但未来的智能助理还会更加先进。在手机屏幕背后,智能助理使用复杂的语音识别软件来识别你的需求、为你提供帮助,然后生成听起来很自然的语音,给出符合你问题的预设答案。这样的系统必须预先经过“训练”:大量学习人类经常提出的请求,而相应的回复必须由人类来编写,并组织成高度结构化的数据格式。

实际上,这些系统已经能够“学习”了——通过机器学习技术,它们能够改进问题与现有答案之间的匹配方式,但改进程度有限。即便如此,它们仍然令人印象深刻。

在更高复杂度的层面上,目前科学家正在致力于开发新技术,以使下一代的系统能够从各个来源吸纳、组织非结构化数据,然后自主撰写出有说服力的建议,或者就一个它们从未接受过训练的问题与对手辩论。

2018年6月,IBM展示了一项更加先进的技术:一套没有事先就某一主题或立场进行过培训,就能与人类专家实时辩论的系统。系统必须使用非结构化数据来确定信息的相关性和真实性,并将之组织成某种可重复使用的形式,然后根据它所处的立场,来调取相关的论据。系统还必须对人类对手的论述作出回应。在演示时,这套系统参加了两场与人类的辩论,在其中一场辩论中,有许多观众认为,该系统的辩论更具说服力。

可植入人体的制药细胞

许多糖尿病患者每天都要多次刺破手指,测量血糖水平,从而决定需要多少胰岛素。如果能在病人体内植入制造胰岛素的胰岛细胞,就能取代这一烦琐的过程。除了糖尿病,细胞植入技术还能改变癌症、心力衰竭、血友病、青光眼、帕金森病等多种疾病的疗法。但细胞植入存在一项风险:患者必须持续使用免疫抑制剂以防止免疫系统的排异。这种药物可能带来严重的副作用,包括增加感染或恶性肿瘤的风险。

现在,研究者开始应对这一挑战。2016年,一支来自麻省理工学院的团队发布了一种能让移植的细胞在免疫系统面前隐形的方法。在研发并筛选了上百种材料之后,研究者们选择了一种经过化学修饰的藻酸盐凝胶。藻酸盐已经被证实可在人体中安全使用。当他们在患糖尿病的小鼠体内植入密封在藻酸盐凝胶内的胰岛细胞后,这些细胞立刻开始根据血糖的变化生产胰岛素,并在为期6个月的试验中持续控制血糖水平。研究者没有观测到任何纤维症的出现。这个团队还在另一项研究中发现,抑制一种在纤维化过程中起重要作用的免疫分子(集落刺激因子I受体),可以有效抑制疤痕的产生。加入这种受体抑制剂将进一步提高植入细胞的存活率。

用人工智能设计化学分子

想设计新型太阳能材料、抗癌药物或是用于农作物的抗病毒化合物?首先,你必须解决两个难题:找到正确的化学结构,并确定哪些化学反应能将合适的原子连接到所需的分子上。

如果使用传统方法,以上问题的答案往往来自于复杂的猜测和意外的发现。这一过程非常耗时,并且需要经历许多次失败的尝试。例如,一份完整的合成计划包含数百个独立的步骤,其中很多步骤都会产生不需要的副反应或副产品,或者根本不起作用。现在,人工智能正在提高设计和合成化学分子的效率,帮助企业在减少化学废料的同时,更快、更容易、更经济地解决合成问题。在人工智能领域,机器学习算法可以分析所有已知的合成实验,包括那些成功的和失败的实验——后者可能更加重要。基于所识别的模式,这些算法可以预测具有潜在用途的新分子结构,以及可能的制造方法。现在还没有哪种机器学习工具可以简单到按下按钮就能完成所有工作,但不可否认的是,人工智能技术正在药物分子和材料设计领域迅速发展。

私人定制的诊断工具

在20世纪的绝大部分时间里,患乳腺癌的女性都在使用同一种治疗方案。现在,治疗手段变得更具个性化了:乳腺癌被分为不同的亚型,每一种都有独特的治疗方法。例如,许多乳腺癌患者的肿瘤会产生雌激素受体,她们可以在标准术后化疗的同时,配合使用专门攻击这些受体的药物。2018年,研究者朝着个性化治疗又迈进了一步。他们发现很大一部分肿瘤病人其实不需要接受化疗,从而避免了严重的副作用。

诊断工具的进步加速了个性化、精准化药物的发展。这些技术能帮助医生识别并量化多种生物标志物(这些分子的出现,往往意味着人体患有某种疾病),从而通过病人对疾病的敏感性、预后情况,以及对特定治疗的反应,将病人划分成不同的亚型。

在过去的十年里,生物组学技术取得了突破性进展。新技术的使用能产生大量数据,这些数据可以供人工智能挖掘,从而找到用于临床的全新生物标志物。在新时代,结合高产能的生物组学技术和人工智能,诊断技术将重塑我们对很多疾病的认知,改变传统治疗方法,让医生能根据病人的个人分子档案制定治疗计划。

基因驱动技术

一项正在快速发展的基因工程技术可以永久改变一个种群甚至整个物种的特征。这项技术通过基因驱动使含有父母某种遗传特征的子代数量异常增多,从而加速该性状在物种中的传播。基因驱动可以自然地发生,也可以通过基因工程技术人为控制。这项技术可以通过多种方式帮助人类:可以阻止昆虫传播疟疾和其他可怕的传染病;修改害虫的基因,以提高粮食产量;赋予珊瑚抵抗环境压力的能力;防止入侵物种破坏生态系统……虽然受益巨大,但研究者深刻地意识到,改变甚至消灭一个物种可能会带来深远的影响。为了应对潜在的风险,他们正在制定规则,在基因驱动技术从实验室到野外试验,以及走向更广泛的应用时,给予恰当的管理。

几十年来,研究者一直在思考如何利用基因驱动对抗疾病和其他问题。最近几年,CRISPR基因编辑技术的应用,让我们能够轻易地在染色体的特殊位点插入特定基因,极大地推动了基因驱动技术的发展。

尽管前景光明,基因驱动还是引起了众多担忧:经过人为改造的基因会在无意中传播给野生物种,会干扰其生长吗?从生态系统中消除现有的物种有什么风险?非法组织是否会将基因驱动用作破坏农业生产的武器?

为了避免此类极端情形的出现,一支研究团队发明了一个开关:只有传递一种特殊的物质,才能打开开关,从而使基因驱动起作用。与此同时,许多科学家团体正致力于拟定条款,以指导基因驱动试验在各个阶段的进展。

等离激元材料

2007年,加州理工学院的哈里·阿特沃特在《科学美国人》上撰文预测:“等离激元光子学”(plasmonics)技术最终会通向从高灵敏度的生物探测器到隐形斗篷的一系列应用。10年后,多种等离子体技术已经实现了商业化,而另一些技术正由实验室走向市场。

在表面等离激元材料的诸多应用中,研究得最深入的一种是用于检测化学和生物试剂的传感器。研究者在等离激元纳米材料表面覆盖了一种能与特定分子(比如细菌毒素)结合的物质。正常情况下,照射在材料上的光会以特定的角度反射出来。但如果有毒素存在,表面等离激元的振动频率会发生改变,从而改变光的反射角度。我们可以非常精确地测出这种变化,从而检测到微量的毒素。

在医学领域,研究者正在临床试验中测试光敏纳米颗粒治疗癌症的能力。治疗方法是将纳米颗粒注入血液中,等它们聚集到肿瘤内部后,用与表面等离激元振动频率相同的光照射肿瘤,使纳米颗粒通过共振产生热量。这种热量能在不伤害周围健康组织的情况下,选择性地杀死肿瘤细胞。

为量子计算机而生的算法

量子计算机利用量子逻辑来执行计算,基本单位量子比特(qubit)与传统比特(0或1)相似,但不同的是,量子比特可处于两个量子态之间的叠加态:它可以同时是0和1。这种属性以及另一种称为纠缠的量子特性,使得量子计算机在特定问题上比任何传统计算机都高效。

尽管这项技术激动人心,但其实现条件却是众所周知的苛刻。研究人员已经确定,通过量子纠错,可以使具有数千量子比特的量子计算机受到严格控制,维持在量子态。但是到目前为止,实验室造出的量子计算机最多只包含数十个量子比特。这些被加州理工学院的约翰·普雷斯基尔称作“嘈杂中型量子”(NISQ)计算机,都是尚未进行纠错的。然而,随着专门为NISQ计算机编写算法的研究兴起,这些设备在特定问题上的计算能力可能会强于传统计算机。

随着越来越多的NISQ设备向全球用户开放,大量研究人员开始为这类设备开发、测试小规模程序,这极大地促进了该领域的发展。与此同时,开发不同方向的量子软件的初创公司也呈百花齐放之势。

在研究人员看来,NISQ算法在模拟和机器学习领域具有广阔前景。因为计算机可以从大数据或经验中进行学习。对一套正在迅速发展的算法所做的测试表明,量子计算机确实可以加快机器学习。

打开APP阅读更多精彩内容
声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表电子发烧友网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。 举报投诉

全部0条评论

快来发表一下你的评论吧 !

×
20
完善资料,
赚取积分