“創業最前線”旗下 “科技最前線”原創出品
作者 | IAN
英國有本非常著名的雜誌叫《自然》。
它是世界歷史最悠久，且最有名望的科學雜誌之一，內容涵蓋全球科學領域最前沿的研究成果。
（《自然》及《科學美國人》雜誌封面）
而這本雜誌還有個更受讀者歡迎“姐妹出版物”：《科學美國人》，它跟《自然》最大的區別就是對於科學這件事，後者更熱衷於“說人話”。
自創刊173年來《科學美國人》被讀者公認為是：最大眾化的高水平學術期刊。
北京時間9月19日上午，《科學美國人》雜誌與世界經濟論壇聯合發佈了一份榜單：2018年全球十大新興技術。
（榜單中10項技術的官方示意圖）
該榜單是由《科學美國人》、《科學美國人》全球顧問委員會、世界經濟論壇全球專家網絡、世界未來委員會的生物、無機化學、機器人和AI等領域的頂尖專家共同選出。
除了這份榜單的權威性外，官方還用了3個“一定”去描述這次被選中的10個技術：
1.一定能在未來3-5內，為社會和經濟提供重大幫助；
2.一定具有潛在顛覆性，能夠改變行業或既定的行事方式；
3.一定處於相對早期的開發階段，還沒有被廣泛使用。
可以說是權威中帶著客觀，客觀裡還有一絲調皮，很符合雜誌的調性了，也難怪愛因斯坦最喜歡在這裡發文章。
下面就來詳細看下這份榜單中最前沿的技術，有多少是你聽說過的，又有多少超出了你的認知。
這項技術炒挺多年了，它的原理其實很簡單：
將計算機生成的信息，實時覆蓋在現實世界上。
我們都知道，人類和計算機信息的交互需要通過電腦來完成，和現實世界之間的交流則不需要介質，如果計算機生成的信息可以與現實世界融合，其帶來最大的改變是：
1.計算機信息的呈現，會更多元、直觀、有血有肉；
2.我們與計算機交流的方式也更豐富。
相比於目前的“偶爾用AR玩一玩”，未來將有大量面向消費者的應用軟件用到AR技術：
（可視化學習）
（建築設計領域）
（交通輔助系統）
（體育競技）
AR技術其實已經開始走向大眾市場，有分析公司認為：
目前估值15億美元的AR市場，在2020年將會達到1000億美元，蘋果、谷歌、微軟等大型科技公司已經開始在AR及VR領域大量投入資金和人才。
而我們普通消費者，體驗
“真AR技術”的門檻暫時還比較高，但樂觀的是我們已經“有機會”去體驗。隨著支持AR的硬件成本降低，其高效、高精準的屬性將對整個工業，製造業，設計行業，教育行業產生顛覆性地改變，甚至會直接改變我們的生活方式。
以往的對於疾病的治療，大多是：一種確診病，對應一種治療方案，其技術瓶頸是對病源的診斷，還無法達到足夠高的精度。
但過去十年裡，隨著“組學”（omics）技術的巨大進步，現在已經能夠快速、可靠、廉價地對人的整個基因組、蛋白組、代謝組等等進行測序。
這一系列“組”裡面包含著每個人的身體狀況，然後結合AI對這些數據進行挖掘，篩選，比對，就可以精準定位患者的疾病到底是由哪些分子引發。
醫生就可以針對不同患者，進行定製化治療。
同時，這些數據又會成為伴隨每個人一生的“醫療數據集”，像一本龐大的分子病例，它記錄著你身上發生過，正在發生，以及即將會發生的一切變化。
（病毒基因組示意圖）
目前，這種高通量組學技術與AI技術相結合的診斷方法已經臨床應用於癌症、子宮內膜異位症、自閉症、帕金森症和阿爾茨海默症等疾病的治療。
在分子合成領域最大的難點在於：無法快速規避合成時的失敗反應以及副作用。在AI中，機器學習算法則通過分析所有已知的過去實驗，設計新分子的合成步驟，可極大地提高分子合成的成功率。
舉兩個例子：
德國明斯特大學的研究人員開發了一種AI工具，它可以反覆模擬已知的1240萬個單步化學反應，並以比人類快30倍的速度設計出多步合成路線。
在製藥領域，製藥公司將儲存的數以百萬計的化合物信息輸入AI工具，並對它們進行篩選，以確定其作為新藥的潛力，同時排除可能出現的副作用。
（傳統逆合成分析法示意圖）
（AI算法探索不同的化學翻譯路徑）
與分子合成相同，在新材料和新化學品的研發過程中，最大的難點在於：無法有效排除實驗結果對健康和安全的影響。而在AI的輔助下則可以用最低的成本，高效地排除這些風險。
在今年6月，IBM 開發的人工智能 Project Debater 在舊金山同 2 位人類頂尖辯手舉行了 2 場辯論比賽，人工智能成功取得了一場勝利。
（IBM 人工智能與以色列國際辯論協會主席 Dan Zafrir）
而這次辯論與以往不同的是，在比賽之前 Project Debater 並不知道辯題是什麼。除了辯論開始的問候和笑話之外，論辯的陳述都是 Project Debater 自由發揮的，沒有固定陳述詞。
當它獲得一個新的話題時，它需要自行查找素材，理解辯題，組織語言，甚至根據人類對手的陳訴進行反駁。
（IBM 人工智能與以色列全國辯論冠軍Noa Ovadia）
這項技術已經開發了5年，相比其他語言類AI技術而言，它的強大之處是：不僅可以自行理解人類的自然語言，還能檢測到語言中所包含的情緒，最終給出一個“最人類”的反饋。
目前的研究成果，已經可以確定在人體植入某些可以釋放藥物的健康細胞，對於病症的治療會更高效，且成本更低。
但植入細胞與免疫系統的“爭鬥”又始終難以得到解決。
以糖尿病為例，在體內直接植入可以正常製造胰島素的胰島細胞，會被人體免疫系統干擾而失效，而使用免疫抑制劑又會對人體產生巨大副作用。
（胰島細胞被免疫系統攻擊）
過去幾十年，科學家曾研究出一種方法來封裝被攻擊的細胞，但用來封裝的保護膜，依然會被免疫系統作為外來物攻擊，最終導致細胞死亡。
2016年，麻省理工學院的研究團隊在篩選了上百種材料之後，選擇了一種經過化學改造的藻酸鹽凝膠作為保護膜，這種材質可以保證免疫系統無法“識別”和“攻擊”，並保證了細胞營養的供給。
可以說這類“治病膠囊”從內部製藥細胞的提取，到膠囊殼的材質問題都已經得到了解決，在未來幾年，這項技術將對醫學領域產生巨大的影響。
人造肉是由動物身上提取的肌肉樣本培育而成。全球第一塊人造漢堡肉餅發明公司 Mosa Meat 表示：
一份從牛身上採集的組織樣本，足夠生產 8 萬個牛肉漢堡。
（Impossible Foods漢堡肉）
而人造肉也有兩個很難逾越障礙：成本及口味。 目前來看在成本上已經取得了一些突破：
2013 年漢堡中肉餅的製作成本超過 30 萬美元，且肉質乾燥。從那以後成本逐年下降，今年，Memphis Meats 公司表示，1/4 磅的人造牛肉價格約為 600 美元。
（Impossible Foods漢堡肉）
按照這個趨勢發展，幾年內就將出現物美價廉的人造肉，成為傳統肉類的競品，並逐漸改變我們的飲食習慣，對倫理和環境這兩個難以克服的問題來說，也更加友好。
這種療法，其實並沒有我們想象的那麼不堪。
神經電刺激器是通過電流脈衝治療疾病的設備，在藥學界已經有非常悠久的歷史，目前常見的應用有：心臟起搏器、耳蝸植入物以及治療帕金森病的深腦電極刺激。
而目前這種技術又多了一些驗證有效的應用領域：
1.迷走神經刺激（VNS）療法，被范斯坦醫學研究所的凱文·特雷西（Kevin Tracey）發現還可以治療免疫性疾病。
2.通過耳後皮膚向顱神經和枕神經發送信號，用於緩解戒除類鴉片物質時，所產生的戒斷反應（該設備目前已獲得了美國食品藥品監督管理局FDA的批准）。
相比VNS，後者的進步在於這種設備是非植入式的，其手術成本極低，對人體的損傷也更小。
隨著這項技術的進步，一些需要長期依賴藥物治療的慢性病患者，在幾年內將會有更好的選擇。
基因工程目前已經可以實現對基因進行“改造”，而現在又有了一項新的技術：
可以人為控制含有某一遺傳因子的子代數量。簡單講就是：已經找到並可以成功改造一種能控制後代繁衍的基因（我們稱之為“驅動基因”）。
它在很多方面對人類有益：比如使攜帶病毒的昆蟲逐漸減少，或修改害蟲基因降低繁衍數量，提升糧食產量等。
（攜帶瘧疾的蚊子）
同時，為了防止改造過基因的物種擴散到野外，影響其他物種正常繁衍，或被用作生物武器破壞農業生產，有研究團隊還發明瞭一個驅動開關：只有傳遞某種特殊物質，才能使驅動基因起作用。
（基因驅動機制示意圖）
但這項技術的未知風險很大，其帶來的副作用也許會比正面作用更難以預測。因為這種控制，相當於加速了改造基因對原有生態環境的改變。
早在2007年，加州理工學院的哈里·阿特沃特 （Harry a . Atwater） 就曾撰文預測：“等離子體”（plasmonics）技術可能會被投入到非常廣泛的應用中。
而10年後的現在，等離子體技術已經進入商業化階段，而更多的應用也正在從實驗室走向市場。
（等離子體極化濺射波）
這項技術依賴於電磁場和金屬中自由電子的相互作用，這種作用決定了材料的導電和光學性能。
那麼，通過限制材料的大小，則可以控制其自由電子的振盪頻率，從而控制這種材料是否發光或導電。
目前這項技術應用最廣泛的領域是檢測化學或生物中的成分，
將一種等離子體納米材料包裹在特定的分子上，可以通過光線反饋檢測到分子是否存在。
（金納米球、片、棒上生長金銀合金納米島）
已有初創公司在開發基於這項技術的應用：
檢測電池活動，以提高功率密度和充電率；
用於磁盤上的磁存儲器，以提高內存容量；
注入血液使其附著於腫瘤細胞，精準消滅癌細胞。
在科學領域，材料常常是限制技術發展的主要障礙，而這種“超材料”的出現，在未來將讓更多領域的技術得以真正實現。
量子計算機特有的疊加、糾纏特性，使其在解決特定問題時比任何傳統計算機都更高效，但其副作用也非常明顯和致命：
一個被稱為退相干（decoherence）的過程可以破壞它的功能。
（世界上最先進的量子計算機之一 IBM Q）
得益於 NISQ 量子計算機（指那些擁有 50-100 量子比特、以及高保真量子門的設備）已向全球開放，目前全世界的研究人員已經在進行大量專門針對 NISQ 的算法研究，這對量子技術的發展帶來了極大的推動作用。
目前在 NISQ 上的出現的兩種算法，被認為有非常廣闊的前景：
1.模擬算法：可以提高從能源到健康科學等領域的新材料設計效率（上文有提到）。
2.機器學習：從大數據集或經驗中學習，以及根據現有的統計樣本生成新的樣本。
（量子計算機和傳統計算機之間的區別）
測試結果表明：目前量子計算機在這兩個領域的計算效率，已經遠超最先進的傳統計算機，隨著量子計算的硬件和算法的繼續發展，其帶來的改變可能是推動整個人類文明的發展進程。
這份關於未來的榜單，《科學美國人》基本每年都會發布一次，。
除了對這一年的重大科技進展做個總結，其更重要意義在於：讓身處科學事業之外的大多數人，對即將發生的一切有所準備。
即使我們面對未來往往是被動的，但在另一個維度裡，這份準備必定能讓它來的更快。
當明年的此刻再回看這份榜單，也許我們已經在用這些技術，創造著另一個新的未來。
參考資料：
1.Top 10 Emerging Technologies of 2018 - Scientific American
2.環球科學 - huanqiukexue.com
閱讀更多 創業最前線 的文章
