查看原文
其他

科大讯飞两项技术入选《麻省理工科技评论》2017全球十大突破性技术榜单

2017-02-21 科大讯飞

2月21日,2017年《麻省理工科技评论》全球十大突破性技术榜单发布会在北京举行,科大讯飞、百度、驭势科技、乐视、地平线、中科创星、华创资本、和米资本、清华大学、中国科技大学、中科院合生基因、元码基因、等数十家机构的嘉宾参与了这次发布会,科大讯飞研究院院长胡国平做开幕致辞并参加圆桌讨论。在今年的榜单中,科大讯飞入选强化学习、刷脸支付两大突破性技术研究者名单。

 MIT科技评论 

《麻省理工科技评论》创刊于1899年,是世界上历史最悠久、影响力最大的技术商业类杂志,现已发展为具有全球影响力的数字化平台。自2001年起,《麻省理工科技评论》每年遴选并公布10项即将对人们工作生活产生深远影响的新兴技术,2003年开始以“突破性技术”替代“新兴技术”。“十大突破性技术”代表了当前世界科技的发展前沿和未来发展方向,集中反映了世界科技发展的新特点和新趋势,具有巨大的影响力。


https://v.qq.com/txp/iframe/player.html?vid=d0377fcipw6&width=500&height=375&auto=0
MIT Technology Review出版人兼主编就十大突破技术中国首发进行专门的致辞,并就榜单内容做了简单的介绍。



2017全球十大突破性技术榜单


  • 强化学习(Reinforcement Learning)

  • 360°自拍(The 360-Degree Selfie)

  • 基因疗法2.0(Gene Therapy 2.0)

  • 细胞图谱(The Cell Atlas)

  • 自动驾驶货车(Self-DrivingTrucks)

  • 刷脸支付(Paying with Your Face)

  • 太阳能热光伏电池(Hot Solar Cells)

  • 实用型量子计算机(Practical Quantum Computers)

  • 治愈瘫痪(Reversing Paralysis)

  • 僵尸物联网(Botnets of Things)


以下为《麻省理工科技评论》2017全球十大突破性技术详细榜单(文字整理自Deep Tech 深科技):

强化学习Reinforcement Learning


技术突破:强化学习(Reinforcement Learning,RL)是一种人工智能方法,能使计算机在没有明确指导的情况下像人一样自主学习。

重要意义:假如机器不能够自主通过环境经验磨练技能,自动驾驶汽车以及其他自动化领域的进展速度将受到极大地限制。

主要研究者:

- DeepMind            - 科大讯飞

- Mobileye              - 阿里巴巴

- OpenAI                - 微软亚洲研究院

- Google                 - 中科院

- Uber                     - 百度

成熟期:1~2年

 


强化学习技术,正是AlphaGo能够掌握复杂的围棋游戏,并击败世界最强职业选手的关键。如今,强化学习正在迅速发展,并逐步将人工智能渗透到除了游戏之外的各个领域。除了能够提升自动驾驶汽车性能,该技术还能让机器人领会并掌握以前从未训练过的技能。


本质上,强化学习技术是从自然界中学习的一种基本法则。心理学家爱德华·桑代克(Edward Thorndike)在100多年前也注意到了这一点。在最著名的迷箱实验中,桑代克将猫放在一个迷箱中,猫只能通过按压一个控制杆才能逃脱。观察结果显示,经过相当长时间的来回徘徊,动物最终总会偶然地踩到控制杆,然后逃脱。

 

一些最早期的人工智能研究者认为,迷箱实验的过程有可能在机器中有效地重现。早在1951年,马文·明斯基(Marvin Minsky)创造了世界上第一台具有学习能力的机器,利用简单形式的强化学习方法模拟了一只老鼠如何学习走出迷宫。


然而,随后的几十年里这个领域几乎没有什么喜人的成绩。1992年,IBM的研究员杰拉尔德·特索罗(Gerald Tesauro)演示了一个使用人工智能技术玩西洋双陆棋的程序。很快,这个程序就玩的非常熟练,并足以与最好的人类玩家竞赛。这是人工智能发展史上一个里程碑式的成就。



强化学习技术之所以行得通,是因为研究人员找出了如何让计算机程序计算出每种状态下应该分配的强化值的方法。还是以迷箱实验为例,在走出迷宫的过程中,“模拟老鼠”每一次做出“向左转”或者“向右转”动作时,计算机程序会做出奖或惩的评价。并且,所有分配的强化值都存储在一张大表格中,然后计算程序会随着学习的过程逐步更新这些数据。

 

但对于大型复杂的任务,这种方法在计算上是不切实际的。然而,近几年来,深度学习技术被证明是一种用来识别数据模式的极其高效的方式,无论这里的数据指的是迷宫中的转弯、围棋棋盘上的位点,还是计算机游戏中屏幕上的像素,亦或是自动驾驶时面临的复杂路况。



在国内,以科大讯飞为例,这家公司已经针对强化学习在多个方向展开了研究和应用,包括人机对话系统、智能客服系统、机器辅助驾驶、机器人控制等方向,都已有了应用研究。以对话系统这样一个多轮人机交互系统为例,它就是一个非常典型的强化学习应用案例。


传统的任务完成型对话系统,用户需要在一次交互过程中把自己的需求描述清楚,这样的交互不是自然的。在讯飞的AIUI交互系统框架中,引入了多轮交互的思想,由一个深度强化学习(马尔科夫决策过程)模型来引导用户输入需求,从而快速、自然流畅地完成用户任务。

 


同时,许多工业机器人制造商也将目光投向了强化学习技术,测试该技术在无手工编程情况下训练机器执行新任务的效果。此外, Google公司的研究人员也正与DeepMind合作,试图利用深度强化学习(deep reinforcement learning)技术使其数据中心更加节能。


通常,找出数据中心各个单元如何影响系统总能耗是十分困难的,但是强化学习算法能够从收集的数据以及模拟实验中学习经验并提出优化建议,比如说,如何以及何时启动冷却系统。

360°自拍 The 360-Degree Selfie


突破技术:消费级360°全景相机,能够更真实的还原事件和场景。

重要意义:能提供360°全景拍摄的廉价相机将开启摄影的新篇章,也将改变人们分享故事的方式。

主要研究者:

- 日本理光(Ricoh)       

- 360fly                             

- 三星

- JK Imaging (柯达Pixpro相机的制造厂商)

- IC Real Tech(ALLie相机的制造厂商)

- Humaneyes Technologies(全景相机Vuze的制造厂商)

成熟期:现在

 


360°全景拍摄的热潮最早是由一位哈佛大学的生态学者柯恩·霍夫肯斯(Koen Hufkens)掀起的。去年秋天他前往马萨诸塞州的一片丛林中探险,并在网站上实时直播了探险的过程。

 

当时,他使用的就是一台价值350美元的名为“theRicoh Theta S camera”的360°全景相机。在这一过程中,观众可以通过使用鼠标或者点击移动设备的屏幕将直播图像区域放大,借此看到森林的全貌。

 

按道理说,我们所生活的世界就是一个充斥着声光的三维世界,360°的场景随处可见。但迄今为止,已有的两种主流全景拍摄技术:拼接多个相机拍摄或者是采用价值不菲的(10000美金)特种相机都有很大的缺陷。使用这两种方法操作的图像处理过程都是十分繁琐,且很耗时。



好在现在大多数人都能买得起更方便好用的360°全景相机了,500美金的售价就相当于入门级的单反。

 

现在,纽约时报(New YorkTimes)以及路透社(Reuters)的记者在采访海地飓风灾情以及加沙难民营时都使用了三星的Gear360全景相机(价值350美金)。


Gear360拍摄的画面


在学术圈,这样的全景相机也大有用处,一家位于洛杉矶的初创公司Giblib就开发了专供医用的4k全景相机,医学院的学生已经可以通过它传来的影像学习外科手术了。

 

此外,类似柯达PixproSP360-4K的全景相机也应用在了体育直播以及体育训练上,例如篮球、足球以及冰球,有价值的360°全景回放都可以被保存下来。


柯达PixproSP360-4K全景相机


元器件的革新

 一项技术的革命往往得益于很多技术的创新,全景相机技术的出现也不例外。由于全景相机相较普通相机而言功率更大,也就会产生更多的热量,而采用智能手机处理器就可以很好地解决这一问题,例如“360fly”以及“ALLie”相机都采用了骁龙的处理器。


同时,智能手机市场的蓬勃发展也为相机制造厂商创造了一个良性的竞争环境,“迫使”他们开发出新技术。例如,索尼近年来就不断将自己的图像传感器集成化,并保证了在微光条件下照片拍摄的质量。而智能手机市场激烈的竞争也将元器件的价格压低,又进一步拉低了全景相机的价格。


360fly全景相机


现在大多数的全景相机都有对应的手机App来查看取景的情况以及拍摄的照片,拍摄完的照片及影片上传到网络也变得十分容易。而最新的算法将全景相机拼接照片的过程简化,延迟大大缩短,图像处理甚至可以在相机端就完成,由此开启了全民直播时代。

 

市场方面,在2016年球状全景相机的市场份额占全球相机的1%,而到2017年年初就已经增至4%,全景相机的兴起之势已不可阻挡。根据YouTube官方的反馈,很多人都会使用谷歌的Cardboard和Daydream设备搭配手机来观看虚拟现实视频,虚拟现实和全景拍摄已形成相互促进的局面。


Oculus VR的首席技术官约翰·卡马克(John Carmack)就预测:“未来,人们使用虚拟现实的时间中只有一半是玩游戏,另一半则是进行旅行观光或者是做一些现实的事情,例如参加一场婚礼。”


基因疗法2.0 Gene Therapy 2.0


技术突破:美国即将批准首个基因治疗技术,更多基因疗法正在开发与批准的进程中。

重要意义:很多疾病都是由单个基因突变导致的,新型基因疗法能够彻底治愈这些疾病。

主要研究者:

- SparkTherapeutics

- BioMarin                  - GenSight Biologics

- BlueBird Bio            - UniQure

成熟期:现在




数十年来,研究人员一直在追求基因疗法的梦想。基因疗法的前景非常美好:利用改造过的病毒将相关基因的健康副本递送至携带有缺陷基因的患者体内。然而,至今为止,基因疗法带来的失望远大于希望。1999年,一名18岁的肝病患者杰西·基辛格(Jesse Gelsinger)在一场基因治疗实验中死亡,从此整个基因疗法领域的发展就开始停滞不前。

 

早期基因疗法失败的原因部分是源于其递送机制,因为新的遗传物质(改造基因)、以及将其携带至细胞的载体病毒,被错误地递送到基因组的其他位置,这会激活某些患者体内的致癌基因,或者引起患者免疫系统的过度反应,从而导致多器官功能衰竭以及脑死亡。


但是现在,一些关键的难题已经解决,基因治疗也将迎来曙光。研究人员使用了更高效的病毒将新的功能基因转运到细胞中。

 

现在,两种遗传性疾病的基因疗法:治疗一种SCID病的Strimvelis,以及治疗一种引起脂肪在血液中堆积的失调症的Glybera,已在欧洲获得相关管理部门的批准。


在美国,Spark Therapeutics有望成为第一家迈入市场的基因疗法新创公司,该公司开发出针对渐进式失明的基因治疗方法。还有很多其他正在研究的基因疗法,正将目光投向血友病的治疗,以及一种称为表皮溶解水皰症的遗传性皮肤失能症。


但是,挑战依然存在。


虽然目前已经针对几种相对罕见的疾病开发了基因疗法,但是对于那些具有复杂遗传病因的常见疾病,开发对应的基因疗法则更加困难。

 

对于像SCID和血友病这样的疾病,科学家明确知道引起疾病的精确基因突变。但是,诸如阿尔茨海默病、糖尿病和心力衰竭等疾病,它们不仅涉及到多个基因,并且在患有同种疾病的不同病人中,对应的基因突变还不完全相同。


细胞图谱 The Cell Atlas

技术突破:这是人体中各种细胞类型的完全目录。

为什么重要:超精确的人类生理学模型将加速新药研发与试验。

主要研究者:

- 布罗德研究所(Broad Institute)

- 桑格研究所(Sanger Institute)

- 陈—扎克伯格的Biohub(Chan Zuckerberg Biohub)

成熟期:5年

 

我们究竟是什么组成的?下一个生物学上的巨型项目将会回答。




科学家正在建立一个超详细的 “人类细胞图谱”,即通过细胞内部的内容来定义活细胞。

 

在1665年,罗伯特·胡克(Robert Hooke)凝视着显微镜下的一块软木,在其中发现了无数像房间一样的小格子。作为第一个描述细胞的科学家,胡克一定会被生物学的下一个大型项目震惊到:这是一个使用现代基因组学和细胞生物学中最强大的工具,来单独捕获和端详数百万个细胞的计划。

 

这个项目的目标是构建第一个全面的“细胞图谱”,或者人类细胞地图。这个项目的实现将成为一个技术奇迹,因为它将首次全面揭示人体是由什么所组成的,并为科学家们提供一个新的复杂生物学模型,以提升药物研发的速度。

 

罗伯特·胡克通过显微镜看到并画下的软木栓细胞(1665年)


为了执行这个解码人体37.2万亿细胞的任务,由来自美国、英国、瑞典、以色列、荷兰和日本的国际科学家组成的联合会正在分配任务,包括检测每个细胞的分子特征,并给每种细胞一个在人体空间中特定的“邮政编码”。

 

“我们将会看到我们所期望的东西,我们已知存在的东西,但我确信,除此之外我们还会发现全新的东西,”英国桑格研究所的细胞图谱团队的负责人Mike Stubbington说。“我认为,会有惊喜出现。”

 

从填充大脑和脊髓的毛状神经元,到皮肤的粘脂肪细胞(glutinousfat cells),先前描述细胞的尝试表明,人体总共有约300种细胞,但真正的数字无疑会更大。


人类、骆驼和蟾蜍的血液细胞Daguerreotypes(A.Donné,1845年)

 

实际上,分析细胞之间的分子差异已经揭示了一些发现。举例而言,我们已经揭示了数十年来眼部研究都没能发现的两种新类型的视网膜细胞:一种在每10,000个血细胞中只占4个,却在对抗病原体的第一防线起着重要作用的细胞;以及新发现的一种十分独特、通过产生的类固醇来抑制免疫应答的免疫细胞。


这个新项目的研究主要运用了三种技术。

 

第一种叫做“细胞微流体”,即通过分离单独的细胞并用微珠标记后,使其被油滴包裹后再进行研究和分析,选择油滴的原因是因为油滴可以如同汽车一样载着细胞,沿着被蚀刻在微小芯片上、狭窄的毛细管单向“街道”分流,使得细胞被聚集在特定的地方,裂解并逐一研究。

 

第二种技术是使用超快、高效的测序仪来解码那些在单个细胞中活化的基因。这项技术的花费并不高,每个细胞仅需几美分即可。其高效性使得一个科学家可以在一天内处理10000个细胞。

 

第三种技术则是使用全新的标记和染色技术,基于基因活动来定位各种细胞在人体器官或组织中的“邮政编码”。

 

细胞图谱研究的执行者主要是顶尖研究所,包括英国桑格研究所、麻省理工学院和哈佛大学的布罗德研究所、以及由Facebook首席执行官马克·扎克伯格(Mark Zuckerberg)资助的位于加利福尼亚州的一个全新的“Biohub研究所”。在去年9月,扎克伯格和他的妻子Priscilla Chan将细胞图谱研究作为了30亿美元医疗研究捐赠的首个目标。


自动驾驶货车Self-DrivingTrucks


技术突破:可以在高速路上自动驾驶的长途货车。

重要意义:这项技术的发展将帮助货车司机更高效地完成运输任务,但这一岗位的薪酬可能会因此下降,货车司机最终也将失业。

主要公司:

- Otto

- 沃尔沃(Volvo)

- 戴姆勒(Daimler AG)

- 皮特比尔特(Peterbilt)

- 百度(Baidu)

 成熟期:5年到10年

 

未来,自动驾驶货车将在高速上与其它车辆并驾齐驱,美国170万的货车司机又将何去何从?


 

研究自动驾驶系统的Otto公司成立于2016年,总部位于旧金山南市。公司的创始人安东尼·莱万多夫斯基(Anthony Levandowski)曾为谷歌的自动驾驶汽车团队效力,利奥尔·罗恩(Lior Ron)则曾是谷歌地图的负责人。

 

截至目前,谷歌自动驾驶汽车已经在美国多个州行驶了超过两百万英里。对莱万多夫斯基和罗恩来说,借助为谷歌工作积累的大量经验创立一家自动驾驶公司是很自然的一件事。

 

Otto最新一代的传感器和处理器阵列被安装在沃尔沃车内,很自然地和驾驶室融为了一体。全套设备包括四个面向前方的摄像机、雷达和一盒加速度传感器。

 


Otto的关键技术是一种激光雷达系统,该系统使用脉冲激光器记录下货车周围环境的详细数据。Otto从第三方买激光雷达的成本在10万美元左右,但该公司已经成立了一个团队,旨在制造Otto自己的激光雷达,并将成本控制在1万美元以内。

 

Otto驾驶室内有一个液冷式的定制微型超级计算机,大小跟面包箱差不多。这台计算机将会处理来自传感器海量的数据,然后通过制导算法,根据货车的载货量调整刹车和转向指令。该硬件系统的最后一环是利用电子线控技术,将计算机输出的指令转化为货车的机械动作。这一环的执行借助了机电作动器,它们被安装在货车的转向、节流和刹车设备上。

 

驾驶室内还有两个红色按钮——Otto将它们称为“大红钮”——只要一按,自动驾驶功能就会被关闭。不过,即使没有这个关闭功能,只要司机在驾驶席稍微转一下方向盘,或者重重地踩一下刹车,货车就会“乖乖照做”。



沃尔沃、戴勒姆和皮特比尔特(Peterbilt)都开始研发自己的自动驾驶货车技术。

 

对自动驾驶技术感兴趣的也不仅仅是货运公司,Uber在去年八月收购了Otto(据报道收购价高达6.8亿美元)。收购以后,Otto团队可以和Uber的500多位工程师合作,共同研发自动驾驶技术。莱万多夫斯基如今成为了Uber该技术研发团队的负责人,他表示Uber的目标是创建一个强大的自动运输交通网,让人和货物在多地之间的交通更加方便、安全且成本更低。

 

去年十月,一台装载了Otto自动驾驶系统的货车将2000箱百威啤酒从科罗拉多州的科林斯堡(Fort Collins)送达科罗拉多泉(Colorado Springs),全程共行驶了200千米。车上唯一的真人司机始终都在驾驶室后面的休息室坐着,一刻也没有碰过方向盘。

 


这是自动驾驶货车第一次完成商用运输任务——这个里程碑事件无疑向世人证明了这项技术的巨大潜力,但人们同时也意识到了它的局限性。因为这项技术还无法让货车在狭窄的田间土路和城市道路上自动行驶,货车上高速之前以及下高速之后都要由真正的司机负责开车,只有在高速上时才能切换为自动驾驶模式。

 

乍一看,自动驾驶货车所面临的机遇和挑战与一般的自动驾驶汽车没有什么不同,然而事实远非如此——货车不仅仅是“加长版”的汽车这么简单。使用自动驾驶货车在经济上的合理性可能更甚于普通的自动驾驶汽车。好几台自动驾驶货车可以组成“排”在高速上互相协作,从而在长途运输中减少风阻和节省汽油。此外,让货车在一段时间里自动驾驶也能让司机有更多休息时间,更快地完成运输任务。

 

况且,最棘手的问题是,比起一般的自动驾驶汽车,自动驾驶货车的普及会带来更大的社会动荡。实际上,“自动化对工人带来威胁”这个问题已经极大地影响了全球政治和经济格局。如果再来一个自动驾驶货车,蓝领工人的生活必定受到影响。

 

根据美国劳工统计局的数据,全美有170万个货车司机岗位。自动驾驶货车的应用不会代替所有的货车司机,但这项技术必定改变这个岗位的工作性质——而这种改变不一定被每个人都接受。


中国的自动驾驶货车


目前,中国有720万台货车和1600万个长途司机负责城际公路上的物资运输——这个产业的价值高达3000亿美元,而司机的工资成本占运输总成本的40%。如果使用自动驾驶货车,一些原本需要两到三位司机合作完成的长途运输任务可以由一位司机完成。

 

目前,中国的货运服务良莠不齐,公众普遍期待这个行业能进行大整改。此外,由于该行业的监管较松,给了企业很大的创新空间。在这两个因素的驱动下,中国的自动驾驶货车产业有望得到快速发展。



互联网巨头百度与货车制造商福田汽车展开了合作,并在2016年11月于上海新国际会展中心发布了国内首款自动驾驶卡车。

 

中国针对自动驾驶车辆的监管才刚刚开始:政府正试图在保证公众安全和鼓励公司创新中寻求一种平衡。2016年7月,政府宣布正在起草监管自动驾驶车辆的相关文件,并呼吁该产业在文件正式出台前减少试验的次数。


即便如此,很多人还是相信,政府最终会放松对自动驾驶货车测试的监管,并对这种货车的商用保持开放的态度。


刷脸支付 Paying with Your Face


技术突破:人脸识别技术如今已经可以十分精确,在网络交易等相关领域已被广泛使用。

重大意义:该技术提供了一种安全并且十分方便的支付方式,但是或许仍存在隐私泄露问题。

主要公司:

- 旷视Face++

- 百度               

- 科大讯飞

- 阿里巴巴

成熟期:现在



在中国,人脸识别系统现在应用于授权支付、设备访问以及罪犯追踪。那么问题来了,其他国家会效仿么?

 

Face++是一家估值超过10亿美金的中国初创公司,当笔者走进公司大门时,发现我那满是胡茬的脸呈现在了入口的大屏幕上。从那一刻起,我的脸已经进入了公司的数据库,我也可以靠着“刷脸”自由出入公司大门了。



不仅如此,人脸识别系统还能对于我在各个房间内的活动进行监控。


当我走进Face++的办公室,我发现里面有很多屏幕,这些屏幕上有着以各种角度拍摄的办公室画面。这时,我瞥见我的脸出现在一个屏幕上,软件自动识别我脸上的83个点,那画面有点惊悚,但这就是技术带给我们的震撼感觉。

 

在过去的几年里,计算机技术突飞猛进,人脸识别技术的发展也是日新月异。特别在中国,由于监控和便民应用的推动,人脸识别技术得到了长足的进步,已经在交通监管、银行交易、日常生活交易以及公共交通等各个方面改变人们的生活。


其实,Face++的人脸识别技术登陆手机app已有一段时间了。现在,支付宝也已经可以使用人脸识别进行授权支付了。另外,在“滴滴打车”软件中,用户能够看到司机的实名认证以及人脸认证信息。任何想注册成为“滴滴司机”的用户都需要在摄像头前扫描并进行人脸识别认证。

 

作为全世界首批上线人脸识别技术的国家,中国对于监控以及隐私方面的政策对此有很大的与推动。


与其他国家不一样的是,中国有一个庞大的身份证数据库。笔者在Face++访问的时候就见到当地政府利用人脸识别技术识别监控里的嫌疑人。相比于尚不成熟的足迹分析技术和早已过时的嫌犯存档照片等其它刑事鉴定技术,人脸识别显然更加有效。



经过了几十年的发展,人脸识别技术的精度已经达到金融交易的级别。另一方面,人脸识别还与深度学习进行了紧密的结合。在我们已经公布的《麻省理工科技评论》2013年十大突破技术中,就有对深度学习的介绍,这种人工智能技术能使得图像识别技术更加高效。

 

“人脸识别是一个巨大的市场。”一位来自北京大学从事机器学习和图像处理研究的教授表示,“中国人口众多,公共安全是十分重要的,很多公司都涉足到了这个领域。”

 

比如,全中国最大搜索引擎百度的研究人员也在将人脸识别和机器学习进行结合,并进行了软件识别人脸与真人识别人脸的对比。今年一月份,在一档电视节目上,百度开发的人脸识别软件与人展开了一场对决,双方同时观察嘉宾幼时的照片并以此识别真人,结果百度的人脸识别系统完胜。


现在,百度正在开发一种人脸识别取火车票的系统,试点选在了乌镇。这座旅游城市足够的人流量将为系统实验提供充足的数据。据悉,这将需要将数百万张人脸输入数据库中才能达到99%的正确识别率。


另外一个具代表性的例子就是科大讯飞。这家公司与中国最大的银行卡联合组织合作开发了“声纹+人脸P2P转帐”产品:"声纹+人脸"融合认证个人转账应用。通过该应用,用户只需说出类似"我要给(姓名)转(金额)"这样的指令,再通过"声纹+人脸"相结合的融合生物认证,就能完成转账操作。


对于人脸识别的发展前景,清华大学的唐杰教授说:“其实不只是刷脸支付,人脸识别还能应用于很多地方。”


太阳能热光伏电池 Hot Solar Cells


技术突破:一种可以让太阳能电池效率翻倍的技术。

重要意义:这项新设计可能会催生出在日落后依然可以工作的廉价太阳能发电技术。

主要研究者:

- David Bierman、Marin Soljacic、Evelyn Wang(麻省理工学院)

- Vladimir Shalaev(普渡大学)

成熟期:10到15年

 


太阳能电池板覆盖了越来越多的屋顶,但是,尽管这项技术已经发展了几十年,这些硅片组成的电池组件仍然笨重、昂贵而且低效。理论上的限制让这些常规的光伏电池板只能吸收太阳光中的一部分能量。

 

但是,麻省理工学院的一个科学家团队已经制造了一种全新类型的太阳能设备,利用工程创新和最新的材料科学进步来捕获更多的太阳能。

 

该技术的秘诀在于先将太阳光变成热能,然后将其重新变成光,而且聚集在太阳能电池可以使用的光谱范围内。

 

虽然许多研究人员已经在这项被称为是太阳能热光伏的技术上研发了多年,但麻省理工学院的这个装置是第一个可以比只使用光伏电池吸收更多能量的装置,表明该方法可以显着提高效率。

 

标准硅太阳能电池主要捕获从紫色到红色的可见光。再加上其他条件的限制,它们永远不能把太阳能中超过32%的能量转化为电能。麻省理工学院的这个设备仍然是一个粗糙的原型,而且运行效率只有6.8%,但是通过各种办法提高效率后,其效率可以大约达到传统光伏的两倍。


MIT团队研发的原型设备,阳光从中间的窗口射入真空腔。

 

这个创新设备的关键步骤是开发了一种叫做吸收-辐射器的东西——它本质上就是一个放在太阳能电池上方的光漏斗。吸收层由实心的黑色碳纳米管构成,用来捕获太阳光中的所有能量并将其中的大部分转化为热。

 

当温度达到约1000℃时,相邻的辐射层再将这些能量以光的形式辐射出来,而这时,这些辐射出来的光的光谱已经基本窄到光伏电池可以吸收的范围。

用于捕获太阳光,并将其转化为热能的黑色碳纳米管层。

 

麻省理工学院团队的这项技术当然也有其弊端,比如部分部件相对而言仍然非常高昂,以及目前仅能在真空环境下工作等。但其经济性应该会随着效率的提高而提高。

 

此外,研究人员还在探索如何去利用太阳能热光伏电池的另一个优势。因为热比电更容易储存,所以应当可以将由装置产生的过量的热量储存起来,这样即使在太阳不发光时也可以用于产生电力。

 

如果研究人员可以整合储热设备,并提高效率水平,该系统有朝一日将可以实现清洁、廉价和连续的太阳能电力供应。


实用型量子计算机 Practical Quantum Computers


技术突破:制造出稳定的量子比特。比特是传统计算机中的信息单位,而量子比特是量子计算机的信息单位。

重要意义:在运行人工智能程序以及处理复杂的模拟和规划问题时,量子计算机的速度可能是传统计算机的指数倍,而量子计算机甚至能制造出无法破解的密码。

主要公司: 

- 荷兰量子技术研究所QuTech

- 英特尔       - 谷歌

- 微软           - IBM

成熟期:4~5年



科学家们正在将以前的理论设计变成现实。量子计算机虽然每年都是“十大突破性技术”的夺标大热门,但每年我们都得出同样的结论:仍然无法实用。

 

的确,量子比特和量子计算机多年来很大程度上都是在纸上谈兵,存在于论文中,或者在确定其可行的脆弱的实验中。

 

尽管加拿大公司D-Wave系统几年前就开始出售其所谓的量子计算机,他们的量子计算机使用一种名为“量子退火(quantumannealing)”的专有技术。但怀疑人士指出,这一方法只适合应用于非常有限的计算,而且与传统计算机相比,可能并没有速度上的优势。

 

但今年,科学家们正在将以前的理论设计变成现实。



而且,今年的新气象还包括:来自谷歌、IBM、英特尔、微软等公司的资金正源源不断地流入,为建造一台能工作的量子计算机所需要的各种技术,包括微电子学、复杂电路以及控制软件等的研发,提供了强大的资金支持!

 

在应用层面,量子计算机尤其适合对海量的数据进行分解,这让它很容易破解大多数现有的密码技术,并且可能设计出无法被破解的密码。此外,量子计算机还适合用于解决复杂的最优化问题,并执行机器学习算法。

 

而且,可能还有很多应用我们目前没有想到。不过,很快我们就会知道能利用量子计算机做什么了。


迄今为止,科学家们已经研制出了能完全编程的5个量子比特的计算机,以及包括10到20个量子比特的测试系统。来自谷歌的研究团队表示,他们正在冲击建造49个量子比特的系统,希望在一年内制造出来。




研制出近50个量子比特的量子计算机这一目标并非科学家们随心所欲制定的,因为约50个量子比特是一个极为关键的门槛。研究者预计,在 50个 量子比特级别,量子计算机就能达到“量子霸权”(quantum supremacy)。


所谓“量子霸权”是加州理工学院物理学家John Preskill发明的名词,通俗的解读就是:超级计算机系统目前能完成5到20个量子比特的量子计算机所做的事情,但达到约50个量子比特之后,量子计算机的能力将一骑绝尘,超级计算机只能望“量子”兴叹。


而且,从现在起2-5年内,这样的系统很有可能开始出售。最终,科学家们有望研制出拥有10万个量子比特的系统。这些系统会制造出精确的分子模型,从而颠覆材料、化学和制药产业,让科学家们研制出各种新材料和新药。

 

更大胆的预测是,十年之内,科学家们或许就会研制出拥有100万个量子比特的量子计算系统!


治愈瘫痪 Reversing Paralysis


技术突破:无线脑-体电子元件可绕过神经系统的损伤来实现运动。

重要意义:全球有数百万人被瘫痪所折磨,无时不刻都渴望着摆脱疾病的困扰。

主要研究机构:
- 巴黎综合理工大学洛桑理工学院(EPFL)

- 韦斯生物和神经工程中心(Wyss Institute at Harvard)

- 匹兹堡大学(University of Pittsburgh)

- 凯斯西储大学(Case Western Reserve University)

成熟期:10至15年

 

Grégoire Courtine持有脑脊柱接口的两个主要部分

 

在利用脑植入来恢复脊髓损伤引起的运动自由受损上,科学家们已经取得了显着的进步。

 

近年来,借助脑植入物,少量患者已可以通过思想来控制计算机光标或者是机器臂。现在研究人员正在尝试意义重大的下一步:治愈瘫痪。

 

他们利用无线电将大脑读取技术直接连接到身体上的电刺激器,创造出法国神经科学家Grégoire Courtine所称的“神经旁路”,从而使人们的想法能够再次控制他们的四肢。

 

 

由Robert Kirsch和Bolu Ajiboye领导的凯斯西储大学团队对一个四肢瘫痪者进行了一次实验,他们在瘫痪者的手臂和手掌肌肉安装了超过16个的精细电极,在大脑中放置了两个比邮票还小的硅制记录装置,上面有上百个头发大小的金属探针,来探测神经元发出的命令。

 

在操作过程中,志愿者在弹簧扶手的帮助下缓慢地抬起了他的手臂,并可以实现手掌的张和握,他甚至可以把有吸管的杯子递到嘴边。

 

左:一个带电极的大脑阅读芯片的特写。右:模拟脊髓的柔性电极。

 

这个凯斯西储大学将要在医学杂志上发表的结果,是使用植入电子设备来恢复各种感官和功能的广泛研究中的一部分。除了治疗瘫痪外,科学家希望能够使用所谓的“神经义肢”,通过在眼睛中放置芯片来恢复视力,或者是恢复阿尔茨海默病人的记忆。

 

相比起非常成熟的人工耳蜗,让“神经义肢”改善瘫痪会更有难度。在1998年,一个患者使用脑探针实现了移动计算机光标的任务,但它并没有任何更为广泛的实际应用。该项技术仍然太基础、太复杂以及无法脱离实验室的环境。

 

瑞士亿万富翁Hansjörg Wyss专门为解决脊髓旁路等神经科技的技术设立了研究中心。该研究中心的领导人是约翰·多诺霍(John Donohoe),他正试图带领神经科学家、技术人员、临床医生共同创建一个商业上可行的系统。

 

对于多诺霍来说,首要任务之一是制造“神经通”——这是一个超紧凑型无线设备,以网络速度从大脑收集数据。多诺霍说,“这是世界上最复杂的大脑通信器。”

 

无线神经通讯装置模型

 

虽然很复杂,并且进展缓慢,但是神经旁路仍然意义重大,病人对此充满了强烈的期待,多诺霍说,“人们希望恢复他们的日常生活。”

 

神经旁路中的里程碑

 ● 1961年:医生和发明家William F. House测试了第一个人工耳蜗,证明可以恢复听力。该设备使超过25万人受益。

 ● 1998年:医生在一个不能说话的瘫痪者的大脑中安装了一个电极,使其通过计算机与人交流。

 ● 2008年:猴子的大脑信号通过互联网从美国发送到日本,从而激发机器人在跑步机上行走。

 ● 2013年:美国监管机构批准了Second Sight公司出售的“仿生眼”。原理是利用缝合到视网膜的芯片,从而绕过受伤的光感受器。

 ● 2014-2015年:俄亥俄医生开始努力使两个不同瘫痪类型的男人“重获新生”。他们的想法可以传递到他们手臂上的电极,从而实现手指的伸缩。

 ● 2016年:28岁的Nathan Copeland通过大脑植入物操控了一个机器臂,使得他可以“感觉”到手指,还在奥巴马总统访问实验室时与他顶拳。

 

脊柱受伤导致右腿瘫痪的猴子,在实施手术后恢复正常行走能力


僵尸物联网 Botnets of Things


突破技术:可以感染并控制摄像头、监视器以及其他消费电子产品的恶意软件,可造成大规模的网络瘫痪。

重要意义:基于这种恶意软件的僵尸网络对互联网的破坏能力将会越来越大,也会越来越难阻止。

关键人物:

- Mirai僵尸网络软件的创造者

- 任何使网络有安全隐患的人——其中有你吗?

成熟期:现在

 


正在兴起的物联网热潮有着极其危险的副作用,且该风险与日俱增。


僵尸网络并不是一个新技术。早在2000年,就有黑客通过集合僵尸网络中所有电脑的力量,随意释放威力强大的分布式拒绝服务攻击(Distributed Denial-of Service Attack,缩写为DDoS)。被攻击的目标网站或服务器会因为大量的数据流量而超载下线。


在2016年10月,一个僵尸网络成功攻陷了一家互联网基础服务提供商Dyn,该公司的域名服务器(DNS)被迫断网,大量网站如Twitter、Netflix等暂时瘫痪。攻击Dyn的僵尸网络是由一款名为Mirai的公开恶意软件创造的。由于该软件可以被任何人轻易获得,并且对感染控制电子产品的过程进行了大量的自动化设置,导致其潜在危害非常严重。



但如今,这一问题不但没有被解决,反而变得更加严重。其主要原因就是大量廉价的摄像头、监视器以及其他物联网产品的出现。由于这些产品往往没有采取任何安全措施,黑客可以轻易地控制它们,就拿Mirai创造的僵尸网络来说,这些设备只有在被拔掉电源后才会真正的安全。

 

其结果就是僵尸网络的规模越来越大,攻击能力越来越强。今日的大型僵尸网络已经具有同时攻击数个目标的能力。在接下来的几年里,拥有安全隐患的设备将会出现指数增长,僵尸网络规模及威力也会借此增长。


全世界可联网设备的数量

● 2011年80亿

● 2012年93亿

● 2013年111亿

● 2014年131亿

● 2015年152亿

● 2016年174亿

 

黑客们将如何利用僵尸网络?

 僵尸网络的作用之一就是进行“点击欺诈”(Click Fraud)。其目的是欺骗广告商,让他们认为人们有观看或点击他们投放的广告,以此赚取大量的广告费。如果控制僵尸网络的黑客们找出了一个更加高效隐秘的方法进行点击欺诈,那整个互联网的广告商务模式将会崩溃。


此地图展现了2016年10月21日,Dyn受到DDos攻击之后所造成的网络瘫痪规模

 

除此之外,因为僵尸网络可以加快暴力破解密码的速度,所以它还可以绕过垃圾邮件过滤器(Spam Filter)、进行比特币挖矿以及做任何需要大量设备的事情。这意味着,僵尸网络背后的利益也将会越来越大。

 

虽然犯罪集团会租用僵尸网络获取利益,但是能登上头条的僵尸网络新闻往往都是DDoS攻击。虽然Dyn被攻击只是一个意外。但并不是所有的攻击都是源于意气用事,图财的黑客组织将会使用这种攻击作为勒索手段,拥有政治背景的组织则会使用这种攻击手段来堵住反对者的“网络喉舌”,而对于国家来说,这也是一款威力强大的电子战武器。

 

该如何抵抗僵尸网络的攻击?

 

以彼之道,还施彼身:在僵尸网络还比较罕见的过去,直接攻击其中央控制系统是一个非常有效的反制方式。不过,这一手段随着僵尸网络的泛滥开始逐渐失效,对僵尸网络的攻击进行被动防御也是一种选择。

 

目前,市场上有多家公司出售DDoS Scrubber(DDoS清理)设备。不过,它们的防御效果并不稳定,会根据被攻击的服务类型以及程度做出变化。

 

但是总体来说,黑客还是处于上风。Dyn所承受的攻击只是一个开始,人们需要准备好承受更多来自僵尸网络的攻击。


互动话题

看了以上《麻省理工科技评论》2017全球突破性技术榜单,还有哪些技术在你看来也值得关注的呢?欢迎以评论的方式告诉小编,说不准还能入选明年的十大突破技术榜单哦~


文/编  王十二

责编   taozhu

您可能也对以下帖子感兴趣

文章有问题?点此查看未经处理的缓存