今日，《科學美國人》與世界經(jīng)濟論壇聯(lián)合發(fā)布了2018年全球十大新興技術(shù)。這份榜單由《科學美國人》、《科學美國人》全球顧問委員會、世界經(jīng)濟論壇全球?qū)＜揖W(wǎng)絡(luò)、世界未來委員會共同選出，涵蓋了生物醫(yī)療、化學、計算機、人工智能等領(lǐng)域的最新技術(shù)。這些技術(shù)盡管仍處于發(fā)展早期，但它們吸引了眾多研究團隊的關(guān)注，并且廣受投資者青睞。在未來3~5年間，它們可能會對社會與經(jīng)濟產(chǎn)生重要影響。

在不久的將來，技術(shù)革新將如何改變我們的生活？人工智能將極大地加快新型藥物、材料的研發(fā)速度；新型診斷工具將打造更先進的個性化醫(yī)療；增強現(xiàn)實將變得隨處可見，從日常任務到工業(yè)生產(chǎn)，現(xiàn)實世界將被大量信息和動畫所覆蓋；一旦你患病，醫(yī)生可以將活細胞移植到你體內(nèi)，用這些“藥物工廠”為你治?。荒愠缘呐Ｈ?、雞肉、魚肉可能都是用干細胞在實驗室培育的，這將大幅降低畜牧業(yè)造成的環(huán)境危害。

這些足以改變世界的想法與其他新興技術(shù)一起，組成了2018年的“全球十大新興技術(shù)”。

1，增強現(xiàn)實無處不在

增強現(xiàn)實（AR）是一項將計算機生成的信息實時覆蓋在現(xiàn)實世界之上的技術(shù)。大量面向消費者的應用軟件都用到了AR功能。將來，這項技術(shù)還會支持博物館制作全息參觀指南；讓患者體內(nèi)組織對外科醫(yī)生三維可視化；幫助初學者快速學習從醫(yī)藥到工廠維修的各類技術(shù)……

在未來幾年內(nèi)，操作簡單，用于設(shè)計應用程序的軟件將會滿足消費者更多的需求。就目前而言，AR對工業(yè)有著極大的影響，它是“工業(yè)4.0”不可或缺的一部分：通過整合真實系統(tǒng)與數(shù)字系統(tǒng)來促進制造業(yè)的系統(tǒng)轉(zhuǎn)型，從而提升產(chǎn)品質(zhì)量、降低成本并提高效率。

一些市場分析公司相信，AR正在走向主流市場。他們預估，現(xiàn)在估值為15億美元AR市場在2020年能達到1000億美元。而蘋果、谷歌、微軟等大型科技公司都向AR和VR相關(guān)產(chǎn)品和應用程序投入大量資金和人才。

隨著能夠支持AR技術(shù)且更便宜、更快速的移動芯片問世，功能更豐富的智能眼鏡進入市場以及帶寬的增加，該領(lǐng)域?qū)焖侔l(fā)展。隨后，增強現(xiàn)實將加入互聯(lián)網(wǎng)，而實時視頻將成為我們?nèi)粘Ｉ钪胁豢苫蛉钡囊徊糠帧?/span>

2，私人定制的診斷工具

在20世紀，罹患乳腺癌的女性大多都使用同一種治療方案。但現(xiàn)在治療手段變得更個性化了：乳腺癌被分為不同的亞型，每一種都有自己獨特的治療方法。

得益于診斷工具的進步，個性化、精準化治療的發(fā)展得以加速。這些技術(shù)能幫醫(yī)生識別并量化生物標記（人體內(nèi)標志著穩(wěn)態(tài)紊亂的分子），從而通過病人對疾病的敏感性、預后以及對藥物最有可能的反應，將病人區(qū)分成不同的亞型。

早期分子診斷工具只觀測單一的分子，比如對糖尿病患者就只會監(jiān)測血糖。但在過去的10年里，生物組學技術(shù)取得了突破性進展：能在體液或組織樣本中迅速、準確地對個體的全部基因組進行測序，或測量所有蛋白水平、代謝副產(chǎn)物或微生物數(shù)量。

新型診斷工具已經(jīng)開始給標準的疾病診斷與治療手段帶來變革了。為病人提供對他們來說最有效的治療方案，甚至可以降低醫(yī)療開支?；蛟S有一天，我們中的許多人都將擁有自己獨特的生物標記數(shù)據(jù)云，這些數(shù)據(jù)不斷累積，并能在任何治療我們的地方為醫(yī)生提供信息。

3，人工智能輔助化學分子設(shè)計

無論是設(shè)計新型太陽能材料、抗癌藥物還是用于農(nóng)作物的抗病毒化合物，有兩個難題需要解決：找到所需的正確化學結(jié)構(gòu)，并確定哪些化學反應能讓正確的原子與所需的分子連接。

如果使用傳統(tǒng)方法，以上問題的答案往往來自于復雜的猜測和意外的發(fā)現(xiàn)。這一過程非常耗時，并且需要經(jīng)歷許多次失敗的嘗試?，F(xiàn)在，人工智能正在提高設(shè)計和合成化學分子的效率，幫助企業(yè)更快、更經(jīng)濟地解決合成問題。

機器學習算法可以分析所有已知的合成實驗，既包括成功的，也有那些失敗的實驗。基于所識別的模式，這些算法可以預測潛在的、有用的新分子結(jié)構(gòu)，以及可能的生成方法。

在制藥領(lǐng)域，一種基于人工智能的新技術(shù)——生成式機器學習同樣令人激動。大多數(shù)制藥公司為了生產(chǎn)新藥，需要對數(shù)以百萬計的化合物進行篩選。這種篩選過程十分緩慢，而且產(chǎn)生的有效結(jié)果相對較少。利用描述已知藥物（和候選藥物）化學結(jié)構(gòu)及特性的數(shù)據(jù)集，機器學習工具可以找到那些特性相似，但可能更加有用的新化合物。

近100家初創(chuàng)企業(yè)已經(jīng)在探索用于研發(fā)新藥的人工智能方法。最近，Benevolent AI籌集了1.15億美元，準備將其人工智能技術(shù)應用于運動神經(jīng)元疾病、帕金森病和其他難治疾病的藥物研發(fā)。

4，會辯論的人工智能

如今的智能助手已經(jīng)能在某些時刻讓你誤以為它是人類，但未來的智能助手還會更進一步。

手機屏幕背后的智能助手系統(tǒng)必須經(jīng)過預先“訓練”：盡可能多地學習人類可能提出的請求，其回復也是由人類編寫、組織成高度結(jié)構(gòu)化的數(shù)據(jù)格式。因此，智能助手在回應請求時會受到預設(shè)數(shù)據(jù)的限制。

現(xiàn)在，人們正在致力于開發(fā)新技術(shù)，使得下一代系統(tǒng)能夠從各個來源吸收和組織非結(jié)構(gòu)化數(shù)據(jù)（例如原始文本、視頻、圖片、音頻、電子郵件等），然后自主地撰寫出有說服力的建議，或者就一個它們從未接受過訓練的問題與對手辯論。

今年6月，IBM展示了一種先進的技術(shù)：沒有事先就某一主題進行過培訓，但可以與人類專家進行實時辯論的系統(tǒng)。系統(tǒng)必須使用非結(jié)構(gòu)化數(shù)據(jù)來確定信息的相關(guān)性和真實性，并將其組織成某種可重復使用的形式，形成一致的論述來支持它被分配的立場。它還必須回應人類對手的論述。該系統(tǒng)演示了兩場辯論，在其中一場辯論中，有許多觀眾認為該系統(tǒng)的辯論更具說服力。

這項技術(shù)的開發(fā)用了5年多，它包含的新軟件不僅能理解自然語言，還能檢測語言所包含的情緒是積極還是消極的。目前這一工作仍在進行中，但它已經(jīng)為無數(shù)新型應用打開了大門，這些應用程序可能在未來3~5年甚至更短的時間內(nèi)出現(xiàn)。

5，可植入的制藥細胞

過去的幾十年里，科學家發(fā)明了將細胞封閉在半滲透的保護膜中的方法，以防止免疫系統(tǒng)攻擊移植的細胞。這些膠囊能保證營養(yǎng)物質(zhì)和小分子滲入，并讓激素以及其他有治療意義的分子滲出。但問題是，免疫系統(tǒng)也可能將保護膜也當作外來物，這樣膠囊周圍就會長出疤痕組織。這種“纖維化”會阻礙營養(yǎng)物質(zhì)進入細胞，從而殺死細胞本身。

2016年，麻省理工學院的研究團隊發(fā)布了一種能讓移植細胞在免疫系統(tǒng)面前隱身的方法。在研發(fā)并篩選了上百種材料之后，研究者們選擇了一種經(jīng)過化學改造的藻酸鹽凝膠。當他們將胰島細胞密封在這種膠紙中，并植入患糖尿病的小鼠體內(nèi)后，這種細胞立刻開始應對血糖的變化生產(chǎn)胰島素，并在為期六個月的實驗中持續(xù)控制著血糖水平。在此期間也沒有觀測到纖維化。

現(xiàn)在，這些膠囊內(nèi)的細胞都是從動物或人類尸體上獲取，或是通過人類干細胞培育而來的。未來的植入性細胞可能包含更多種類的細胞，甚至包括生物合成技術(shù)制造的：通過重寫細胞基因來讓它們具有新的功能，例如在可控的條件下根據(jù)需要向組織內(nèi)釋放特定的藥物分子。

6，人造肉

人造肉是由動物身上提取的肌肉樣本培育成的。技術(shù)人員從動物組織中收集干細胞，讓它們增殖并分化成原肌纖維，然后再長成肌肉組織。Mosa Meat公司聲稱，一份從牛身上采集的組織樣本就足以產(chǎn)生8萬個牛肉漢堡。

一些初創(chuàng)企業(yè)表示，他們預計在未來幾年內(nèi)正式推出人造肉產(chǎn)品。但在上市之前，人造肉還必須克服許多障礙。

其中兩個障礙分別是成本和口味。以2013年展示給各大媒體的實驗室人造肉漢堡為例，漢堡中肉餅的制作成本超過30萬美元，而且肉質(zhì)過于干燥（因為脂肪太少）。自那以后，人造肉的制作成本逐年下降。今年，Memphis Meats公司聲稱，1/4磅的人造牛肉價格約為600美元。按照這一趨勢，在幾年內(nèi)，人造肉就可能成為傳統(tǒng)肉類的競爭對手。如果他們能成功制造出價格實惠、口味純正的產(chǎn)品，人造肉就能使我們的日常飲食習慣更加符合倫理、對環(huán)境更加友好。

7，電刺激醫(yī)學

神經(jīng)電刺激器是一種通過電流脈沖治療疾病的設(shè)備，在藥學界有著很悠久的歷史，例如心臟起搏器、耳蝸植入裝置和治療帕金森病的深腦電極刺激。這種電刺激器正變得越來越多功能化，將顯著提升對大量病癥的療效。

在范斯坦醫(yī)學研究所的凱文·特雷西（Kevin Tracey）等人的努力下，迷走神經(jīng)刺激（VNS）在部分場合中已經(jīng)變得可行。他們發(fā)現(xiàn)迷走神經(jīng)能釋放化學物質(zhì)幫助調(diào)節(jié)免疫系統(tǒng)。這對患有免疫性疾病的患者來說是個好消息，因為現(xiàn)有的藥物常常不起作用或者會帶來嚴重的副作用。由于VNS只對特定的神經(jīng)系統(tǒng)進行刺激，因此相比要通過全身并傷害目標以外身體組織的藥物來說，這可能是個更容易接受的療法。

迷走神經(jīng)并不是新興的電刺激療法唯一的目標。2017年末，FDA批準了一項非植入式設(shè)備，可通過耳后皮膚向顱神經(jīng)和枕神經(jīng)發(fā)送信號，以緩解戒除類鴉片物質(zhì)時的戒斷反應。

VNS療法最大的阻礙在于它的手術(shù)價格，但隨著非植入式技術(shù)的進步，價格問題應該會得到顯著緩解。研究者們還要進一步了解VNS在每種疾病里是如何產(chǎn)生作用的，以及如何為每個病人確定最佳的電流頻率。無論如何，伴隨著更多關(guān)于機制和療效的研究，VNS和其他電刺激醫(yī)學或許能更好地控制很多慢性疾病，并減少成千上萬病人對藥品的需求。

8，基因驅(qū)動

一項正在快速發(fā)展的基因工程技術(shù)，可以永久性地改變一個種群甚至整個物種的性狀。這項技術(shù)通過基因驅(qū)動使得含有某種遺傳因子的子代數(shù)量升高，從而加速該基因在物種中的傳播?；蝌?qū)動可以自然發(fā)生，也可以通過基因工程人為控制，它在眾多方面對人類有益：阻止昆蟲傳播瘧疾和其他傳染病、修改害蟲的基因以提高糧食產(chǎn)量、賦予珊瑚抵抗環(huán)境壓力的能力、防止入侵物種破壞生態(tài)系統(tǒng)。

盡管前景光明，基因驅(qū)動技術(shù)還是引起了人們的擔憂：經(jīng)過人為改造的基因會無意中擴散到其他野外的物種中，并干擾其生長嗎？將現(xiàn)有的物種從生態(tài)系統(tǒng)中消除有什么風險？非法組織會不會將基因驅(qū)動用作武器來破壞農(nóng)業(yè)生產(chǎn)？

為了避免出現(xiàn)這種極端情況，有研究團隊發(fā)明了一個驅(qū)動開關(guān)：必須通過傳遞一種特殊的物質(zhì)才能打開，使基因驅(qū)動起作用。與此同時，許多科學家團體正致力于擬定條款，來指導基因驅(qū)動實驗在各階段的進展。2016年，美國國家科學院、工程院和醫(yī)學院審查了基因驅(qū)動的研究并對相關(guān)研究提出了建議。2018年，一個大型的國際工作小組為從實驗室研究到野外試驗的研究操作制定了流程。該組織提出了將基因驅(qū)動用在非洲控制瘧疾的建議，這樣將使公眾健康前所未有地受益。

9，等離子激元材料

2007年，加州理工學院的哈里·A·阿特沃特（Harry A. Atwater）在《科學美國人》上撰文預測：“等離激元光子學” 最終會通向一系列應用，從高靈敏度的生物探測器到隱形覆蓋物。之后的十年里，各種等離子體技術(shù)已經(jīng)實現(xiàn)了商業(yè)化，另有一些技術(shù)正由實驗室向市場過渡。

這些技術(shù)都依賴于對電磁場和金屬（通常是金或銀）中自由電子之間相互作用的控制，自由電子決定了材料的導電性和光學性能。當有光照射金屬時，金屬表面的自由電子產(chǎn)生共振，形成表面等離激元。如果金屬材料體積較大，自由電子反射照射到它們的光后，材料可以發(fā)光；但如果金屬只是直徑幾納米的顆粒，它的自由電子就被限制在一個很小的空間里，電子的振動頻率因而受到了限制。電子特定的振蕩頻率將取決于金屬納米顆粒的大小。

在等離激元材料領(lǐng)域，研究最透徹的應用之一，是用于檢測化學和生物試劑的傳感器；其他應用還包括可監(jiān)測電池活動的電池內(nèi)部傳感器、能區(qū)分病毒和細菌感染的設(shè)備等。此外，在醫(yī)學領(lǐng)域，研究者正在臨床試驗中測試光敏納米顆粒在癌癥治療中的應用。根據(jù)市場研究公司Future Market Insights的分析預測，等離激元傳感器的應用在北美的市值，將會從2017年的近2.5億美元上漲到2027年的近4.7億美元。

10，為量子計算機而生的算法

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(tǒng)計算機更高效。然而，實現(xiàn)量子計算的條件卻是眾所周知的挑剔。例如，量子退相干過程會破壞其功能。研究人員已經(jīng)證實，通過量子糾錯，可以使具有數(shù)千量子比特的量子計算機受到嚴格控制，維持在量子態(tài)。但是到目前為止，實驗室中的量子計算機都只是包含數(shù)十個量子比特、尚未進行糾錯的嘈雜中型量子（NISQ）計算機。

然而，隨著專門為NISQ計算機編寫算法的研究興起，量子計算領(lǐng)域可能將迎來突破。

在研究人員看來，NISQ算法在模擬和機器學習領(lǐng)域具有廣闊前景。許多研究人員已經(jīng)開發(fā)出在NISQ設(shè)備（以及未來進行糾錯后的量子計算機）上模擬分子和材料的算法。這些算法可以提高從能源到健康科學領(lǐng)域新材料的設(shè)計效率。

開發(fā)人員還在評估量子計算機是否會在機器學習方面更勝一籌。針對NISQ設(shè)備的算法集正快速增長，對其測試表明，量子計算機確實可以加快機器學習，例如將信息按類別分類、將類似的項目或特征歸類，以及從現(xiàn)有的統(tǒng)計樣本生成新的樣本。

在接下來的幾年里，研究人員很可能會開發(fā)出更大、操控性更強的NISQ設(shè)備；其次是數(shù)千個量子比特，經(jīng)過完全糾錯的儀器。我們樂觀地認為，NISQ的算法效率將超越擁有最先進技術(shù)的傳統(tǒng)計算機，盡管我們可能要等到完全糾錯的機器可用的時候。