麻省理工发布2018年全球10大突破性技术 零碳天然气发电入选!

碳道小编 · 2018-10-09 15:10 · 阅读量 · 355

摘要:《麻省理工科技评论》揭晓了2018年“全球十大突破性技术”,这份全球新兴科技领域的权威榜单至今已有17年的历史。

人们通常会问,你们所说的“突破性”指的是什么?

实际上,我们选出的技术中有些并没有得到广泛应用,然而有些则即将实现商业化。实际上,我们寻找的是即将对我们的生活产生深远影响的单项技术或者一系列技术。

《麻省理工科技评论》揭晓了2018年“全球十大突破性技术”,这份全球新兴科技领域的权威榜单至今已有17年的历史。

以下为内容摘编。


1.3D金属打印

入选理由:新型设备首次让3D打印金属零部件成为实用型技术。

技术突破:3D金属打印机实现了低成本快速金属物体打印。

重大意义:按需打印大型复杂金属物体的能力将为制造业带来变革。

主要研究者:Markforged、Desktop Metal、GE等。

成熟期:现在。

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。

3D 金属打印的操作如今也变得越来越容易。Desktop Metal 公司现在推出了一款用于 3D 金属打印的软件。使用者只要在软件中输入他们所要打印的物体规格,软件就会生成一个适用于 3D 打印的计算机模型。

GE 公司长期以来一直将 3D 打印技术用于它的航空产品生产中。早在 2013 年“十大突破性技术”中就曾提到“增材制造”(Additive Manufacturing)。该公司现在也正在测试一款新型 3D 金属打印机,该打印机打印速度很快,可用于大型零部件的生产。而 GE 计划在 2018 年开始销售该 3D 金属打印机。

2人工胚胎

入选理由:科学家们已经开始通过干细胞制造胚胎。

技术突破:在不使用卵细胞或精子细胞的情况下,研究人员仅从干细胞中就可以培育出类似胚胎的结构,为创造人造生命提供了一条全新的途径。

重要意义:人造胚胎将为研究人员研究人类生命神秘起源提供更方便的工具,但该技术正在引发新的生物伦理争议。

主要研究者:剑桥大学、密歇根大学、洛克菲勒大学、中国科学院等。

成熟期:现在。

英国剑桥大学的胚胎学家们在一项重新定义了如何创造人造生命的突破性研究中,利用干细胞培育出了一种逼真的小鼠胚胎。该胚胎并不是由卵细胞与精子结合而来的,只使用了从另一个胚胎中得到的细胞。研究人员将这些细胞小心翼翼地放在三维支架上观察,细胞随后彼此开始联结,并且排列成几天大的老鼠胚胎独有的子弹形状,研究人员被这一景象吸引住了。

“我们知道干细胞有着极其强大的潜能,可以展现出近乎魔法般的能力。然而,我们没有意识到,他们可以如此完美地实现自组织”,团队负责人 Magdelena Zernicka -Goetz 表示。

Zernicka-Goetz 称,她的“合成”的胚胎可能不会发育成老鼠。尽管如此,它们也意味着,我们很快就可以实现在没有卵子的情况下育出哺乳动物。

但这并不是 Zernicka-Goetz 的最终目标。她想研究早期胚胎的细胞是如何开始分化出其特殊作用的。她说,研究的下一步是使用人类胚胎干细胞生成人造胚胎,这也是密歇根大学和洛克菲勒大学正在进行的研究。

人工合成的人类胚胎将是科学家们的福音,这可以让他们梳理出胚胎在早期发展中经历的过程。而且,由于这些胚胎是从易操作的干细胞发展而来的,实验室将能够使用各种工具,例如基因编辑技术,在它们生长的过程中对它们进行研究。

然而,人造胚胎将会引发一些伦理问题。如果它们最终与真实的人类胚胎难以区分,我们该怎么办? 在它们形成痛觉之前,它们能在实验室里成长多久? 生物伦理学家们说,我们需要在科学竞赛愈演愈烈之前解决这些问题。

3传感城市

入选理由:Alphabet 旗下的 Sidewalk Labs 计划创建一个高科技社区来重新思考到底应该如何建设和运营一座城市.

技术突破:多伦多的一个街区有望成为全球首个成功将尖端城市设计与前沿科技融合在一起的地方。

重大意义:智慧城市会让都市地区变得更加可负担、宜居、环保。

主要研究者:Alphabet 旗下的 Sidewalk Labs、多伦多 Waterfront、阿里巴巴等。

成熟期:项目 2017 年 10 月对外公布,预计在 2019 年开始施工建设。

如今,全球很多智慧城市计划都已搁浅,要么下调了曾经雄心勃勃的目标,要么因为生活成本原因逼走了超级富豪之外的普通居民。而多伦多的一个叫 Quayside 的项目,却希望从头开始重新设计一个社区,用最新的数字技术将其重建,打破现有的失败局面。

Alphabet 旗下位于纽约市的 Sidewalk Labs 将和加拿大政府进行合作,让这一高科技项目落地在多伦多 Waterfront 工业区。

该项目的目标之一就是让一切关于设计、政策以及信息科技的决策都以一个巨大的传感器网络为基础。这个网络将收集各种信息:空气质量、噪声水平以及人们的行为等数据。

在该规划中,一切车辆都是自动驾驶的共享车辆,地下也将跑着负责送快递这种低级体力劳动的机器人。Sidewalk Labs 表示,他们计划让正在设计的软件与系统开源,可以允许其他公司在其上创建服务,类似为手机开发 APP 的做法。

该公司计划密切监视公共基础设施,然而这却引起了对数据管理与隐私的担忧。但是 Sidewalk Labs 相信,它可以通过与社区和当地政府的合作,缓解部分担忧。

4共享AI

入选理由:将机器学习工具搬上云端,将有助于人工智能更广泛的传播。

技术突破:基于云端的人工智能正在降低这项技术的使用难度和价格。

重大意义:目前,人工智能的应用是受到少数几家公司统治的。但其一旦与云技术相结合,那它将可以对许多人变得触手可及,从而实现经济的爆发式增长。

主要研究者包括:亚马逊、谷歌、微软、百度、腾讯、阿里巴巴、科大讯飞、第四范式等。

成熟期:现在。

人工智能一直以来都只是亚马逊、百度、谷歌和微软等大型科技公司,以及少数初创公司的玩物。对于其他领域的众多公司来说,人工智能太贵也太难,无法全面普及。

这个问题该如何解决?基于云端的机器学习工具正在将人工智能带给更广泛的群体。如今,亚马逊旗下的 AWS 子公司几乎统治了云 AI 市场。谷歌则试图通过 TensorFlow 这款可以开发机器学习系统的开源人工智能框架来挑战它的地位。而谷歌近日刚公开的 Cloud AutoML 也是一套经过预先训练,可以让人工智能变得更容易使用的系统。

以 Azure 平台加入云服务大战的微软则选择与亚马逊合作,推出了一款开源深度学习框架 Gluon。在理论上,Gluon 可以让创建神经网络——一款试图复制人脑学习方式的重要人工智能技术——变得和开发手机 APP 一样简单。

虽然我们不知道究竟哪家公司将会成为人工智能云服务市场的领头羊,但赢家一定会获得巨大的商业机会。

如果人工智能革命会扩散至经济领域的各个角落,那么机器学习工具也将会随之成为必需品。

如今的人工智能技术绝大多数仅用于科技行业,为这个领域带来了效率的提升以及多种新的产品和服务。但是其他的公司与行业一直难以利用人工智能技术的发展。如果可以在医疗、制造以及能源等行业里更全面地推行人工智能技术,将极大提高各产业的生产力。

5对抗性神经网络

入选理由:两个 AI 系统通过玩“猫捉老鼠”游戏来获得想象力。

技术突破:两个 AI 系统可以通过相互对抗来创造超级真实的原创图像或声音,而在此之前,机器从未有这种能力。

重大意义:这给机器带来一种类似想象力的能力,因此可能让它们变得不再那么依赖人类,但也把它们变成了一种能力惊人的数字造假工具。

主要研究者:Google Brain、DeepMind、英伟达、中科院自动化所、百度、阿里巴巴、腾讯、商汤科技、依图科技、云从科技、旷视科技等。

成熟期:现在。

人工智能识别物体的能力已经越来越强了:给它看一百万张图片,它就可以用惊人的准确度来告诉你究竟哪张里面有个行人在过马路。但是 AI 几乎不可能独自生成行人的图片。如果它可以实现这一点,它将可以创造大量看似真实的合成图片,把行人放在各种环境下。而自动驾驶系统或许足不出户就能使用这些图片进行训练。

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。

中国企业界则是更倾向于把技术应用在服务中,相关案例不胜枚举,比如,百度使用GAN构建语音识别框架,科大讯飞通过GAN与传统深度学习框架的结合在语音合成领域获得了很大的进展。而阿里巴巴的城市大脑项目团队在ACM MM2017会议上,其中发表的一篇论文便是使用GAN来生成用以进行车牌识别的训练数据集。

6巴别鱼耳塞

入选理由:虽然现有硬件并不那么好用,但谷歌 Pixel Buds 却展示了实时翻译的前景。

技术突破:近实时翻译适用于多种语言,而且使用起来很方便。

重大意义:在全球化日益发展的今天,语言仍是交流的一大障碍。

主要研究者:谷歌、科大讯飞、百度、腾讯、搜狗、清华大学、哈尔滨工业大学、苏州大学等。

成熟期:现在。

在风靡一时的科幻经典《银河系漫游指南》中,你把一条黄色的巴别鱼塞到耳朵里,就可以听到实时翻译。在现实世界中,谷歌已经研究出了一个过渡性的解决方案:一副叫做 Pixel Buds 价值 159 美元的耳塞。这副耳塞可以在 Pixel 智能手机上通过谷歌翻译应用进行实时翻译。

佩戴耳塞的人用自己的语言讲话——然后谷歌翻译应用就会对所讲的话进行翻译,并在智能手机上大声播放。手持手机的人回应后,回答被翻译,然后在耳塞中播放。

佩戴人可以在说话的同时用手指点击和长按右边的耳塞。将交互分别放在智能手机和耳塞上,可以让双方都能控制麦克风,帮助讲者保持眼神交流,因为这样就不用来回传递手机了。

目前,Pixel Buds 因为低于行业平均水准的设计而备受抨击。耳塞看起来很不智能,也不是很贴合耳朵,而且很难与手机进行适配。不过硬件笨拙还是有计可施的。Pixel Buds 让大家看到了近实时翻译跨语言障碍自由沟通的曙光,而且你还不用把一条巴别鱼塞到耳朵里。

在中国,有许多公司也积极投入发展,科大讯飞、百度、搜狗可以说是这个领域的领先者,除了提供智能语音、翻译等服务外,也将技术引入硬件中,不过,相较于外国业者偏好以耳机作为切入点,中国企业则选择翻译机,像是科大讯飞推出晓译翻译机,百度则有共享 WiFi 翻译机,搜狗也在日前发表“旅行翻译宝”和“速记翻译笔”。

7零碳天然气发电

入选理由:一种针对天然气发电厂的新工程学方法,将二氧化碳回收再利用。

技术突破:一家发电厂能够以廉价高效的方式捕捉天然气燃烧释放的碳元素,避免了温室气体的排放。

重大意义:天然气发电为美国提供了近 32% 的电力,其碳排放量也达到电力部门总碳排放量的 30%。

主要研究者:8 RiversCapital、Exelon 电力公司、CB&I等。

成熟期:3-5 年。

在可预见的未来,我们可能要一直将天然气作为主要的发电能源之一。现成又便宜的天然气发出的电占美国总发电量的 30%, 全世界发电量的 22%。天然气虽然比煤炭清洁得多,仍造成了大量的碳排放。

在美国炼油工业区的中心休斯顿城外出现了一家前沿发电厂,他们正在测试一项可以实现清洁天然气能源的技术。这家公司拥有 50 兆瓦特的项目,他们就是 Net Power。该公司相信他们能捕获天然气发电过程中释放的所有二氧化碳,同时又能够以低廉的成本发电,至少和标准天然气发电厂的成本相同。

如果此举真的可以实现,就意味着从此就可以以合理的价格从化石燃料中获得零碳能源。这样的天然气发电必会改善能源供给的局面,因为它既不像核能那样成本高企,也不像可再生能源那样供给不稳。

这家发电厂将燃烧天然气产生的二氧化碳放置到高压高温的环境中,并用合成的超临界二氧化碳作为“工质”,驱动一个特制的涡轮机。其中,大部分的二氧化碳都能被不断地再利用,剩下不能利用的可以用一种低成本的方式捕获。

降低成本的关键在于出售部分二氧化碳。目前二氧化碳主要用于协助开采原油。这个市场容量有限,也并不环保。然而最终 Net Power 希望其他行业对二氧化碳的需求能够涨起来,比如水泥制造业、塑料制造业及其他碳基材料行业。

Net Power 的科技并不能解决天然气带来的所有问题,尤其是开采方面的问题,但是只要我们还在使用天然气,就应该让天然气变的更清洁。在正在发展的所有清洁能源技术中 Net Power 的技术是最有远见的技术之一,他向我们展示的是一个真真切切的可减少碳排放的新突破。

8完美网络隐私

入选理由:原本为加密货币的交易过程开发的一种工具,现在能让你在上网时避免透露任何非必要信息。

技术突破:计算机科学家正在完善一款加密工具,可以在不透露非必要信息的前提下完成验证。

重大意义:如果你需要透露个人信息以在网上完成某件事,这个方法可以让你在免除隐私泄漏或身份被盗窃风险的同时轻松实现。

主要研究者:Zcash、摩根大通、荷兰国际集团等。

成熟期:现在。

真正的互联网隐私终于将成为可能,这要归功于一种新的工具。举个例子,该工具可以让你不用透露出生日期就能证明自己年满 18 岁,或者不用透露自己的银行余额或其他细节,就能证明自己在银行有足够的存款可以完成金融交易。这样就大大降低了隐私泄漏或身份盗用的风险。这款工具是一种叫做“零知识验证”(zero-knowledge proof)的新密码协议。

尽管研究人员已经研究了几十年,但直到去年人们对零知识验证的兴趣才开始暴增,某种程度上,这要得益于人们对加密货币日益增长的热情,以及大多数加密货币都为机构所拥有的的现实。

一定程度上也得益于 2016 年末建立的电子货币——Zcash 把零知识验证应用于实际。Zcash 的研发人员使用一种叫做 zk-SNARK(简明非交互零知识验证)的方法让用户进行匿名交易。

尽管理论上来说,这些交易都是匿名的,但通过与其他数据进行结合,还是可以追踪到甚至识别出交易人。世界第二大区块链网络以太坊创始人 Vitalik Buterin 将 zk-SNARK 称为一项“彻底改变游戏规则的技术”。对银行来说,这样就可以在支付系统中使用区块链了,同时还能保护客户隐私。

9基因占卜

入选理由:大规模基因研究将让科学家能够预测普通疾病及人格特征。

技术突破:科学家们现在可以利用你的基因组数据预测你患心脏病或乳腺癌的几率,甚至你的智商也能被预测。

重大意义:基于 DNA 的预测技术可能公共健康领域下一个重大突破,但它将增加歧视的风险。

主要研究者:Helix、23andMe、Myriad Genetics、UKBiobank 、Broad Institute、华大基因、奕真生物、WeGene等。

成熟期:现在。

将来有一天,婴儿出生时就会得到一份 DNA 检测报告。这些报告将提供婴儿患心脏病或癌症的几率、是否对烟草上瘾,以及是否比一般人更聪明的预测。由于大型基因研究(部分研究涉及人数超过 100 万人)的开展以及科学进步,这样的报告很快就会从概念变成现实。

事实证明,最常见的疾病和人们的许多行为和特征,包括智力水平,都不是一个或几个基因影响的结果,而是许多基因作用的结果。利用正在进行的大型基因研究的数据,科学家们正在创造他们所谓的“多基因风险评分”指标。

尽管新的 DNA 测试只是提供了概率推断,而不是直接得出诊断结论,但依然可以极大地造福医学的发展。例如,如果那些患乳腺癌几率高的女性做更多的乳房 X 光检查,而患病几率低的女性做更少的乳房 X 光检查,那么这些检查可能会发现更多真正罹患癌症的患者,也能降低假警报发生的几率。

问题是,这些预测远非完美。谁愿意知道他们未来可能会患上阿兹海默症? 如果癌症风险指标得分低的人推迟接受筛查,然后又患上癌症怎么办? 多基因检查指标评分也存在其他争议,因为它们几乎可以预测任何个体特征,不仅仅是疾病。例如,我们现在可能只能预测一个人在智商测试中表现的 10%。随着评分技术的提升,基于 DNA 的智商预测很可能会成为常态。

然而,家长和教育工作者应该如何使用这些信息呢?对此,行为遗传学家 EricTurkheimer 表示,这项新技术“既令人兴奋又令人担忧”,因为基因数据不仅可以造福我们,也有可能会被用于其他用途,产生不好的影响。

10材料的量子飞跃

入选理由:研究者们最近开始使用量子计算机对简单分子进行建模,而这仅仅是开始。

技术突破:IBM 采用 7 量子比特的量子计算机对小分子的电子结构成功地进行彷真计算。

重大意义:借助该技术,科学家能了解分子的各个方面信息并以此开发出更有效的药物以及更高效生成或传输能源的新材料。

主要研究者:IBM、Google、哈佛大学 Alán Aspuru-Guzik 教授、中国科技大学、中国科学院、浙江大学、阿里巴巴等。

成熟期:5 到 10 年。

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。一个前景无限的应用方向正在向量子计算机招手:精确分子设计。

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”。

实际上,中国在量子计算方面也有相当明显的成长,虽然目前的技术层次还无法与前面几家大企业相提并论,但是在产业、学术界,以及政府的通力合作之下,也正一步步追赶上领先者的脚步。

2017 年 5 月,中国科学院宣布由中科大、中国科学院──阿里巴巴量子核算实验室、浙江大学、中科院物理所等单位或公司联合研製的光量子电脑正式诞生。另外,同年 10 月 11 日,由中科院与阿里云合作发佈量子计算云平台,量子计算的商业化已经近在咫尺,速度毫不逊色于欧美的脚步。

然而,量子计算还有不少需要突破的地方,首先,量子计算的精度相当低,虽然用在深度学习等精度需求不高的计算上相当合适,但要处理传统计算机的通用计算工作,可能就力有未逮了。其次,量子计算这种高度并行的计算环境需要框架的适配,以及编译器的针对性优化,这种开发逻辑与现有的计算架构完全不同。

来源:微信公众号“NewtonFashionMBA”

会员专享