东润分享︱2018年“全球十大突破性技术”正式发布-东润公益基金会
2018 年《麻省理工科技评论》全球十大突破性技术榜单正式揭晓，包括：给所有人的人工智能（云端 AI）、对抗性神经网络、人造胚胎、“基因占卜”、传感城市、巴别鱼耳塞、完美的网络隐私、材料的量子飞跃、实用型 3D 金属打印机、零碳排放天然气发电共10大突破性技术。
回看过去几年的上榜技术，我们发现一个明显的趋势：越来越多的人工智能相关技术入选榜单，其中包括：2008 年机器学习、2009 年的 Siri、2013 年的深度学习、2014 年的神经形态芯片、2016 年的语音接口与知识分享型机器人，以及 2017 年的自动驾驶卡车与强化学习。
2018 年，我们在人工智能领域看到最具开创性的突破点，就在于人工智能将脱离需要大量资料喂养设定的框架酸溜土豆丝，取得足以自行演化出更精细结果的能力。我们认为，今年最具突破性的人工智能技术是对抗性神经网络（Dueling Neural Networks）/ 对抗式生成网络（GAN）—— 通过两个 AI 系统的竞争对抗，极大化加速机器学习的过程，进而赋予机器智能过去从未企及的想像力。
另一个同样在 2018 年入选榜单的人工智能技术则是：“给所有人的人工智能”——云端 AI，足以让深度学习算法变得像微博一样简单易用。
回顾人类历史发展的过程，越是先进的技术曾启荣，越是被少数人控制掌握斯瓦西里语，也越容易成为操纵垄断的工具，但今年入选的这两项人工智能技术的重要性，就在于破除过去的陈规旧习，达成用 AI 技术普惠人类世界的愿景目标。
技术的强大和普及，将促进相关领域科研及社会经济的发展，但不可讳言的是，技术发展带来的负面影响也不容忽视，比如 GAN 能创造出以假乱真的图片及视频来混淆视听，这是伴随技术突破发展而来的全新挑战起名字典。因此，对于一手打造 GAN 技术的 Ian Goodfellow 而言，他当前的研究重心就在于 GAN 滥用问题，就如同父亲对待孩子一样，希望 GAN 技术不至误入歧途。
Ian Goodfellow
在 2018 年的榜单中，类似 GAN 这种“亦正亦邪”的技术不止一个，在生物医疗领域的“人造胚胎”和“基因占卜”也属于这样充满了争议性的技术。我们究竟该如何善用科学与科技的突破进展，回答过去无法被回答的问题，解决过去无法被解决的困难，但却不致于迷失在谁能扮演上帝的迷惑与恐惧中？
同样的状况也出现在谷歌母公司 Alphabet 旗下的 Sidewalk Labs 的一项计划中，Sidewalk Labs 准备在加拿大多伦多启动一项智慧城市试验性项目，通过遍布城市每个角落的传感器，来收集居民活动的所有相关数据。但这到底是大数据用于公众利益的范例，还是个人隐私被侵犯监视噩梦的开始？
幸运的是，并不是所有上榜技术都是让人纠结的双面刃难题陌上寸草。
清洁能源一直都是被高度关注的议题，而在今年我们看到了一个新的机会，一家位于在美国德州中心点的试点工厂，正在积极的发展一项完全乾淨无污染的天然气发电技术，在可预见的未来，无污染的天然气发电将成为最主要的能源供应来源。
从零碳排放的天然气发电、3D 金属打印机、到《银河系漫游指南》书中所写的将巴别鱼塞进耳朵就能听懂不同语言的实时翻译耳塞等等，也都是我们认为具有突破性、且将改变世界的重要技术。
值得注意的是，可能很多人没有注意到的是，在这次榜单中也包含了由当前火热的区块链所衍生的突破性技术—零知识验证（zero-knowledge proof）的新密码协议，与当前多项由区块链技术发展出的加密货币交易有著紧密关系，要如何在几乎完完全公开交易过程中，仍然维持用户的隐私安全性，这一直都是在区块链与加密货币蓬勃发展背后的隐忧。
该项技术入选十大突破性技术，除了显示区块链在整体经济、乃至于社会体系中扮演的角色将越来越不容忽视，也更进一步凸显于区块链相关技术的讨论负荆请罪造句，已脱离单纯的加密货币发行与新兴商业模式的初期狂热阶段，进入更强调能够让区块链技术生态环境能够永续发展的关键性技术发展阶段，安全隐私就是其中的重点所在，这攸关于未来区块链技术能否真正成为价值互联网的发展基础，而不只是一时狂热的资金泡沫。
2018 年十大突破性技术榜单重磅解读，中国新兴科技势力不容忽视
麻省理工科技评论的年度“十大突破性技术”榜单有一个明显的特点，除了列出技术的入选理由、突破点、重大意义、成熟期之外，还会列出全球范围内主导技术研发的“主要研究者”（Key Players）。其中最经典的案例就是 2017 年“十大突破性技术”中的“刷脸支付”（Paying With Your Face），这项技术可谓专为中国定制，主要研究者也均为国内一线厂商。
同样，在 2018 年“十大突破性技术”榜单中郭孔丞，《麻省理工科技评论》中美编辑部经过深入调研与反复斟酌后，在针对中国发布的榜单内容中，为了避免以偏概全，也加入了来自中国本土的主要研究者，尤其是在人工智能相关领域等。不可否认，中国的科技研发能力已经成为全球最重要的势力之一，在某些领域已经可以与全球顶尖科技公司一决高下。
需要说明的是，“十大突破性技术”榜单中所列出的“主要研究者”并非一个奖项，而是在入选技术的领域具有代表性的机构、公司或个人，供读者参考。编辑部在此也希望广大读者们更多的去关心我们甄选出的十大技术趋势，而不是去过分解读背后的厂商及其商业意义。
除了发布 2018 年《麻省理工科技评论》全球十大突破性技术榜单崔贤珠，DeepTech 深科技也邀请多位专家参与解读此次公布的十大突破性技术，其中包括 Innovators Under 35 China 首届获奖人丛乐、王旭、韩壁丞、沈亦晨、陈成猛、朱明杰、曾晓东、李林鲜、韦福如等，另外还有多位国内重量级科技企业代表，如商汤－香港中大联合实验室教授李鸿升、达闼科技创始人兼 CEO 黄晓庆、台湾工研院雷射中心副主任洪基彬、阿里巴巴、科大讯飞等，以及 DeepTech 深科技内部专家群，逐一针对十项突破性技术进行深度剖析探究。
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盒子世界，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凌源房产网，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。
但问题在于，从无到有创造一个东西需要想象力，而这正是人工智能技术一直难以实现的能力周倩如。
直到 2014 年，当时还是蒙特利尔大学博士生的 Ian Goodfellow 在酒吧里与友人进行学术辩论时，他突然想到了这个问题的答案。这种名为“对抗式生成网络”（GAN）的手段会使用两个神经网络（一种简化人脑数学模型，是现代机器学习基石），然后让这两者在数字版的“猫捉老鼠”游戏中相互拼杀。
这两个网络会使用同一个数据集进行训练。其中一个神经网络叫生成网络，它的任务就是依照所见过的图片来生成新的图片，比如一个多长一条手臂的行人。而另外那个神经网络叫判别网络，它的任务则是判断它所见得图片是否与训练时的图片相似，还是由生成模型创造出来的“假货”，比如圣者晨雷，判断那个长着三个手臂的人有没有可能是真的？
慢慢的，生成网络创造图片的能力会强到无法被判别网络识破的程度。基本上，经过训练之后，生成网络学会了识别并创造看起来十分真实的行人图片。
这项技术已经成为了在过去十年最具潜力的人工智能突破，帮助机器产生甚至可以欺骗人类的成果。
目前稷山天气预报，GAN 已被用于创造听起来十分真实的语音，以及非常逼真的假图片位面诚实商人 。就拿一个很有名的例子来说，来自芯片公司英伟达的研究人员们用明星照片训练出了一个 GAN 系统，而这个系统则生成了数百张根本不存在、但看起来十分真实的人脸照片。另外一个研究团队则生成了看起来十分逼真的梵高油画。在进一步训练后，GAN 可以对图片进行各种修改，比如在干净的马路上盖上一层雪，或者把马变成斑马。
但是 GAN 的成果并非完美：它们可能生成有两套把手的自行车，或者眉毛错位的脸和亲罪妃。但由于有些图片与声音实在太逼真了，一些专家相信，GAN 在某种程度上已经开始理解它们所见到，所听到的世界的底层结构。而这意味着，随着人工智能开始获得想象力，它们也可能开始理解它在这世界上所看到的东西。
Ian Goodfellow发明出GAN后城市下下签，获得Facebook首席科学家Yann LeCun、NVIDIA创办人黄仁勋、Landing.ai创办人吴恩达等大牛的赞赏，吸引了诸多的机构及企业开始研究。在中国部分，学术机构致力于研究GAN理论的近一步改良及优化，像是中科院自动化所研究人员受人类视觉识别过程启发，提出了双路径GAN（TP-GAN），用于正面人脸图像合成祖述宪，而商汤－香港中大联合实验室在国际学术大会上发表多项GAN相关研究成果。
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刘相韬。
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
新型量子计算机功能强大，不过它的发展道路上依然笼罩着一层迷雾：量子计算机有着当今计算机无法比拟的计算力，但是我们至今尚未弄清楚这种能力能被用来做什么。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。
多少年来李雨青，化学家都梦想着能设计出新型蛋白质，用于研制更有疗效的药物，或是设计出新型高效电池中的电解质、直接将太阳能转化为液态燃料的神奇化合物以及更高效的太阳能电池。然而，这些技术中的材料分子都难以在计算机上建模和彷真，遑论设计和合成了。即使彷真一个简单分子的电子形态这样的任务林慧仪，都会复杂到让现有的计算机败下阵来。不过，这对于量子计算机而言就是小菜一碟了。
相比传统计算机那样采用“1”或“0”的数字比特（Digital Bits）作为计算和存储单元，量子计算机采用量子系统的量子比特（Qubits）作为运算单元。最近，IBM 的研究者应用 7 量子比特量子计算机针对一个三原子分子进行了彷真实验。
如今，崔心心科学家正在打造具有更多量子比特的量子计算机，量子算法也在提升，我们更感兴趣的大分子精确彷真计算也将成为可能。
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。
本文来源：DeepTech深科技
2018 年《麻省理工科技评论》全球十大突破性技术榜单正式揭晓，包括：给所有人的人工智能（云端 AI）、对抗性神经网络、人造胚胎、“基因占卜”、传感城市、巴别鱼耳塞、完美的网络隐私、材料的量子飞跃、实用型 3D 金属打印机、零碳排放天然气发电共10大突破性技术。
回看过去几年的上榜技术，我们发现一个明显的趋势：越来越多的人工智能相关技术入选榜单，其中包括：2008 年机器学习、2009 年的 Siri、2013 年的深度学习、2014 年的神经形态芯片、2016 年的语音接口与知识分享型机器人，以及 2017 年的自动驾驶卡车与强化学习。
2018 年，我们在人工智能领域看到最具开创性的突破点，就在于人工智能将脱离需要大量资料喂养设定的框架酸溜土豆丝，取得足以自行演化出更精细结果的能力。我们认为，今年最具突破性的人工智能技术是对抗性神经网络（Dueling Neural Networks）/ 对抗式生成网络（GAN）—— 通过两个 AI 系统的竞争对抗，极大化加速机器学习的过程，进而赋予机器智能过去从未企及的想像力。
另一个同样在 2018 年入选榜单的人工智能技术则是：“给所有人的人工智能”——云端 AI，足以让深度学习算法变得像微博一样简单易用。
回顾人类历史发展的过程，越是先进的技术曾启荣，越是被少数人控制掌握斯瓦西里语，也越容易成为操纵垄断的工具，但今年入选的这两项人工智能技术的重要性，就在于破除过去的陈规旧习，达成用 AI 技术普惠人类世界的愿景目标。
技术的强大和普及，将促进相关领域科研及社会经济的发展，但不可讳言的是，技术发展带来的负面影响也不容忽视，比如 GAN 能创造出以假乱真的图片及视频来混淆视听，这是伴随技术突破发展而来的全新挑战起名字典。因此，对于一手打造 GAN 技术的 Ian Goodfellow 而言，他当前的研究重心就在于 GAN 滥用问题，就如同父亲对待孩子一样，希望 GAN 技术不至误入歧途。
Ian Goodfellow
在 2018 年的榜单中，类似 GAN 这种“亦正亦邪”的技术不止一个，在生物医疗领域的“人造胚胎”和“基因占卜”也属于这样充满了争议性的技术。我们究竟该如何善用科学与科技的突破进展，回答过去无法被回答的问题，解决过去无法被解决的困难，但却不致于迷失在谁能扮演上帝的迷惑与恐惧中？
同样的状况也出现在谷歌母公司 Alphabet 旗下的 Sidewalk Labs 的一项计划中，Sidewalk Labs 准备在加拿大多伦多启动一项智慧城市试验性项目，通过遍布城市每个角落的传感器，来收集居民活动的所有相关数据。但这到底是大数据用于公众利益的范例，还是个人隐私被侵犯监视噩梦的开始？
幸运的是，并不是所有上榜技术都是让人纠结的双面刃难题陌上寸草。
清洁能源一直都是被高度关注的议题，而在今年我们看到了一个新的机会，一家位于在美国德州中心点的试点工厂，正在积极的发展一项完全乾淨无污染的天然气发电技术，在可预见的未来，无污染的天然气发电将成为最主要的能源供应来源。
从零碳排放的天然气发电、3D 金属打印机、到《银河系漫游指南》书中所写的将巴别鱼塞进耳朵就能听懂不同语言的实时翻译耳塞等等，也都是我们认为具有突破性、且将改变世界的重要技术。
值得注意的是，可能很多人没有注意到的是，在这次榜单中也包含了由当前火热的区块链所衍生的突破性技术—零知识验证（zero-knowledge proof）的新密码协议，与当前多项由区块链技术发展出的加密货币交易有著紧密关系，要如何在几乎完完全公开交易过程中，仍然维持用户的隐私安全性，这一直都是在区块链与加密货币蓬勃发展背后的隐忧。
该项技术入选十大突破性技术，除了显示区块链在整体经济、乃至于社会体系中扮演的角色将越来越不容忽视，也更进一步凸显于区块链相关技术的讨论负荆请罪造句，已脱离单纯的加密货币发行与新兴商业模式的初期狂热阶段，进入更强调能够让区块链技术生态环境能够永续发展的关键性技术发展阶段，安全隐私就是其中的重点所在，这攸关于未来区块链技术能否真正成为价值互联网的发展基础，而不只是一时狂热的资金泡沫。
2018 年十大突破性技术榜单重磅解读，中国新兴科技势力不容忽视
麻省理工科技评论的年度“十大突破性技术”榜单有一个明显的特点，除了列出技术的入选理由、突破点、重大意义、成熟期之外，还会列出全球范围内主导技术研发的“主要研究者”（Key Players）。其中最经典的案例就是 2017 年“十大突破性技术”中的“刷脸支付”（Paying With Your Face），这项技术可谓专为中国定制，主要研究者也均为国内一线厂商。
同样，在 2018 年“十大突破性技术”榜单中郭孔丞，《麻省理工科技评论》中美编辑部经过深入调研与反复斟酌后，在针对中国发布的榜单内容中，为了避免以偏概全，也加入了来自中国本土的主要研究者，尤其是在人工智能相关领域等。不可否认，中国的科技研发能力已经成为全球最重要的势力之一，在某些领域已经可以与全球顶尖科技公司一决高下。
需要说明的是，“十大突破性技术”榜单中所列出的“主要研究者”并非一个奖项，而是在入选技术的领域具有代表性的机构、公司或个人，供读者参考。编辑部在此也希望广大读者们更多的去关心我们甄选出的十大技术趋势，而不是去过分解读背后的厂商及其商业意义。
除了发布 2018 年《麻省理工科技评论》全球十大突破性技术榜单崔贤珠，DeepTech 深科技也邀请多位专家参与解读此次公布的十大突破性技术，其中包括 Innovators Under 35 China 首届获奖人丛乐、王旭、韩壁丞、沈亦晨、陈成猛、朱明杰、曾晓东、李林鲜、韦福如等，另外还有多位国内重量级科技企业代表，如商汤－香港中大联合实验室教授李鸿升、达闼科技创始人兼 CEO 黄晓庆、台湾工研院雷射中心副主任洪基彬、阿里巴巴、科大讯飞等，以及 DeepTech 深科技内部专家群，逐一针对十项突破性技术进行深度剖析探究。
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盒子世界，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凌源房产网，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。
但问题在于，从无到有创造一个东西需要想象力，而这正是人工智能技术一直难以实现的能力周倩如。
直到 2014 年，当时还是蒙特利尔大学博士生的 Ian Goodfellow 在酒吧里与友人进行学术辩论时，他突然想到了这个问题的答案。这种名为“对抗式生成网络”（GAN）的手段会使用两个神经网络（一种简化人脑数学模型，是现代机器学习基石），然后让这两者在数字版的“猫捉老鼠”游戏中相互拼杀。
这两个网络会使用同一个数据集进行训练。其中一个神经网络叫生成网络，它的任务就是依照所见过的图片来生成新的图片，比如一个多长一条手臂的行人。而另外那个神经网络叫判别网络，它的任务则是判断它所见得图片是否与训练时的图片相似，还是由生成模型创造出来的“假货”，比如圣者晨雷，判断那个长着三个手臂的人有没有可能是真的？
慢慢的，生成网络创造图片的能力会强到无法被判别网络识破的程度。基本上，经过训练之后，生成网络学会了识别并创造看起来十分真实的行人图片。
这项技术已经成为了在过去十年最具潜力的人工智能突破，帮助机器产生甚至可以欺骗人类的成果。
目前稷山天气预报，GAN 已被用于创造听起来十分真实的语音，以及非常逼真的假图片位面诚实商人 。就拿一个很有名的例子来说，来自芯片公司英伟达的研究人员们用明星照片训练出了一个 GAN 系统，而这个系统则生成了数百张根本不存在、但看起来十分真实的人脸照片。另外一个研究团队则生成了看起来十分逼真的梵高油画。在进一步训练后，GAN 可以对图片进行各种修改，比如在干净的马路上盖上一层雪，或者把马变成斑马。
但是 GAN 的成果并非完美：它们可能生成有两套把手的自行车，或者眉毛错位的脸和亲罪妃。但由于有些图片与声音实在太逼真了，一些专家相信，GAN 在某种程度上已经开始理解它们所见到，所听到的世界的底层结构。而这意味着，随着人工智能开始获得想象力，它们也可能开始理解它在这世界上所看到的东西。
Ian Goodfellow发明出GAN后城市下下签，获得Facebook首席科学家Yann LeCun、NVIDIA创办人黄仁勋、Landing.ai创办人吴恩达等大牛的赞赏，吸引了诸多的机构及企业开始研究。在中国部分，学术机构致力于研究GAN理论的近一步改良及优化，像是中科院自动化所研究人员受人类视觉识别过程启发，提出了双路径GAN（TP-GAN），用于正面人脸图像合成祖述宪，而商汤－香港中大联合实验室在国际学术大会上发表多项GAN相关研究成果。
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刘相韬。
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
新型量子计算机功能强大，不过它的发展道路上依然笼罩着一层迷雾：量子计算机有着当今计算机无法比拟的计算力，但是我们至今尚未弄清楚这种能力能被用来做什么。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。
多少年来李雨青，化学家都梦想着能设计出新型蛋白质，用于研制更有疗效的药物，或是设计出新型高效电池中的电解质、直接将太阳能转化为液态燃料的神奇化合物以及更高效的太阳能电池。然而，这些技术中的材料分子都难以在计算机上建模和彷真，遑论设计和合成了。即使彷真一个简单分子的电子形态这样的任务林慧仪，都会复杂到让现有的计算机败下阵来。不过，这对于量子计算机而言就是小菜一碟了。
相比传统计算机那样采用“1”或“0”的数字比特（Digital Bits）作为计算和存储单元，量子计算机采用量子系统的量子比特（Qubits）作为运算单元。最近，IBM 的研究者应用 7 量子比特量子计算机针对一个三原子分子进行了彷真实验。
如今，崔心心科学家正在打造具有更多量子比特的量子计算机，量子算法也在提升，我们更感兴趣的大分子精确彷真计算也将成为可能。
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。
本文来源：DeepTech深科技