摘要：在不久的將來，技術革新將如何改變我們的生活？人工智能將大幅提升新藥物和新材料的開發速度；新型診斷工具將打造更先進的個性化醫療；如果你生病了，醫生將可以在你體內植入活細胞，用這些“藥物工廠”為你治病；你將會吃到用干細胞在實驗室培育的牛肉、雞肉和魚肉，這將使無數的動物免遭不人道待遇。

經過層層遴選，最終由來自生物醫學、化學、計算機和人工智能等領域的頂尖專家共同評選，評出這份“2018年全球十大新興技術”榜單。根據發布方，世界著名科普雜志《科學美國人》的介紹，這些新興技術能在未來3~5年間，對社會和經濟產生重要影響。

增強現實將無處不在

虛擬現實（VR）讓你沉浸在一個虛幻、獨立的世界里，而增強現實（AR）是將計算機生成的信息實時覆蓋在現實世界之上。當你看到或者佩戴集成了AR程序和攝像頭的設備（可以是智能手機、平板電腦、耳機或智能眼鏡）時，程序會分析輸入的視頻流，下載大量與當前場景相關的信息，并在其上疊加相關數據——通常是3D的圖片或動畫。

舉兩個例子：協助車輛安全倒車的倒車影像系統和熱門游戲《精靈寶可夢GO》。大量面向消費者的應用軟件都會用到AR功能，比如為外國游客翻譯街道標志，醫學專業的學生開展的虛擬解剖，消費者在買家具時可以看到預想的擺設效果。將來，這項技術還會支持博物館制作全息參觀指南；幫助外科醫生，使得患者體內組織三維可視化；允許建筑師和設計師以全新的方式合作；幫助無人機操作員用增強的圖像遠程控制機器；幫助初學者快速學習從醫藥到工廠維修的各項技術。在未來幾年內，操作簡單、用于設計應用程序的軟件將會滿足更多消費者的需求。

電刺激醫學將減少藥物使用

神經電刺激設備可以通過電流脈沖治療疾病，這種設備在醫學界已經有很長的應用歷史。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都用到了該設備。這種電刺激設備正變得越來越多功能化，將顯著提升對大量病癥的治療能力。神經電刺激設備的工作原理是，向迷走神經發送信號，迷走神經將電流從腦干發送至器官，最后返回腦干。

在科學家的努力下，迷走神經刺激的全新用途正變得可行。他們發現，迷走神經能釋放調節免疫系統的化學物質。例如，在脾臟里釋放的特定神經遞質對參與全身炎癥反應的免疫細胞具有鎮靜作用。這些發現表明，能從迷走神經刺激中受益的不僅是與電信號紊亂有關的疾病，還包括自身免疫疾病和炎癥反應。對這些疾病的患者來說，這個發現無疑是個好消息。由于這項技術只對特定的神經系統進行刺激，因此相對于經過全身，會傷害作用目標以外的身體組織的藥物，電刺激療法可能更容易接受。

人造肉對環境更友好

想象一下，你咬了一口鮮嫩多汁的牛肉漢堡，而這是在不殺死任何動物的前提下發生的。利用實驗室的細胞培育出的人造肉，正在將這種設想變成現實。多家初創企業正在開發實驗室培育的牛肉、豬肉、家禽和海鮮。

由于只需為培育和維持人工培養的細胞（而非完整的生物體）提供資源，人造肉還可以減少肉類生產過程中的高昂環境代價。

人造肉是由從動物身上提取的肌肉樣本制成的。技術人員從動物組織中收集干細胞，讓它們迅速增殖，分化成原肌纖維，隨后膨大形成肌肉組織。MosaMeat公司稱，一份從牛身上采集的組織樣本就足以生產出8萬個牛肉漢堡。

一些初創企業表示，他們預計在未來幾年內正式推出人造肉產品。但在上市之前，人造肉還必須克服重重障礙。

其中兩個障礙分別是成本和口味。以2013年向各大媒體展示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。2018年，MemphisMeats公司聲稱，四分之一磅（約113克）人造牛肉餡的價格約為600美元。按照這一趨勢，在幾年內，人造肉就可能成為傳統肉類的競爭對手。

會辯論的人工智能

如今的智能助理已經能在某些情形下讓你誤以為它們是人類，但未來的智能助理還會更加先進。在手機屏幕背后，智能助理使用復雜的語音識別軟件來識別你的需求、為你提供幫助，然后生成聽起來很自然的語音，給出符合你問題的預設答案。這樣的系統必須預先經過“訓練”：大量學習人類經常提出的請求，而相應的回復必須由人類來編寫，并組織成高度結構化的數據格式。

實際上，這些系統已經能夠“學習”了——通過機器學習技術，它們能夠改進問題與現有答案之間的匹配方式，但改進程度有限。即便如此，它們仍然令人印象深刻。

在更高復雜度的層面上，目前科學家正在致力于開發新技術，以使下一代的系統能夠從各個來源吸納、組織非結構化數據，然后自主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。

2018年6月，IBM展示了一項更加先進的技術：一套沒有事先就某一主題或立場進行過培訓，就能與人類專家實時辯論的系統。系統必須使用非結構化數據來確定信息的相關性和真實性，并將之組織成某種可重復使用的形式，然后根據它所處的立場，來調取相關的論據。系統還必須對人類對手的論述作出回應。在演示時，這套系統參加了兩場與人類的辯論，在其中一場辯論中，有許多觀眾認為，該系統的辯論更具說服力。

可植入人體的制藥細胞

許多糖尿病患者每天都要多次刺破手指，測量血糖水平，從而決定需要多少胰島素。如果能在病人體內植入制造胰島素的胰島細胞，就能取代這一煩瑣的過程。除了糖尿病，細胞植入技術還能改變癌癥、心力衰竭、血友病、青光眼、帕金森病等多種疾病的療法。但細胞植入存在一項風險：患者必須持續使用免疫抑制劑以防止免疫系統的排異。這種藥物可能帶來嚴重的副作用，包括增加感染或惡性腫瘤的風險。

現在，研究者開始應對這一挑戰。2016年，一支來自麻省理工學院的團隊發布了一種能讓移植的細胞在免疫系統面前隱形的方法。在研發并篩選了上百種材料之后，研究者們選擇了一種經過化學修飾的藻酸鹽凝膠。藻酸鹽已經被證實可在人體中安全使用。當他們在患糖尿病的小鼠體內植入密封在藻酸鹽凝膠內的胰島細胞后，這些細胞立刻開始根據血糖的變化生產胰島素，并在為期6個月的試驗中持續控制血糖水平。研究者沒有觀測到任何纖維癥的出現。這個團隊還在另一項研究中發現，抑制一種在纖維化過程中起重要作用的免疫分子（集落刺激因子I受體），可以有效抑制疤痕的產生。加入這種受體抑制劑將進一步提高植入細胞的存活率。

用人工智能設計化學分子

想設計新型太陽能材料、抗癌藥物或是用于農作物的抗病毒化合物？首先，你必須解決兩個難題：找到正確的化學結構，并確定哪些化學反應能將合適的原子連接到所需的分子上。

如果使用傳統方法，以上問題的答案往往來自于復雜的猜測和意外的發現。這一過程非常耗時，并且需要經歷許多次失敗的嘗試。例如，一份完整的合成計劃包含數百個獨立的步驟，其中很多步驟都會產生不需要的副反應或副產品，或者根本不起作用。現在，人工智能正在提高設計和合成化學分子的效率，幫助企業在減少化學廢料的同時，更快、更容易、更經濟地解決合成問題。在人工智能領域，機器學習算法可以分析所有已知的合成實驗，包括那些成功的和失敗的實驗——后者可能更加重要。基于所識別的模式，這些算法可以預測具有潛在用途的新分子結構，以及可能的制造方法。現在還沒有哪種機器學習工具可以簡單到按下按鈕就能完成所有工作，但不可否認的是，人工智能技術正在藥物分子和材料設計領域迅速發展。

私人定制的診斷工具

在20世紀的絕大部分時間里，患乳腺癌的女性都在使用同一種治療方案。現在，治療手段變得更具個性化了：乳腺癌被分為不同的亞型，每一種都有獨特的治療方法。例如，許多乳腺癌患者的腫瘤會產生雌激素受體，她們可以在標準術后化療的同時，配合使用專門攻擊這些受體的藥物。2018年，研究者朝著個性化治療又邁進了一步。他們發現很大一部分腫瘤病人其實不需要接受化療，從而避免了嚴重的副作用。

診斷工具的進步加速了個性化、精準化藥物的發展。這些技術能幫助醫生識別并量化多種生物標志物（這些分子的出現，往往意味著人體患有某種疾病），從而通過病人對疾病的敏感性、預后情況，以及對特定治療的反應，將病人劃分成不同的亞型。

在過去的十年里，生物組學技術取得了突破性進展。新技術的使用能產生大量數據，這些數據可以供人工智能挖掘，從而找到用于臨床的全新生物標志物。在新時代，結合高產能的生物組學技術和人工智能，診斷技術將重塑我們對很多疾病的認知，改變傳統治療方法，讓醫生能根據病人的個人分子檔案制定治療計劃。

基因驅動技術

一項正在快速發展的基因工程技術可以永久改變一個種群甚至整個物種的特征。這項技術通過基因驅動使含有父母某種遺傳特征的子代數量異常增多，從而加速該性狀在物種中的傳播。基因驅動可以自然地發生，也可以通過基因工程技術人為控制。這項技術可以通過多種方式幫助人類：可以阻止昆蟲傳播瘧疾和其他可怕的傳染病；修改害蟲的基因，以提高糧食產量；賦予珊瑚抵抗環境壓力的能力；防止入侵物種破壞生態系統……雖然受益巨大，但研究者深刻地意識到，改變甚至消滅一個物種可能會帶來深遠的影響。為了應對潛在的風險，他們正在制定規則，在基因驅動技術從實驗室到野外試驗，以及走向更廣泛的應用時，給予恰當的管理。

幾十年來，研究者一直在思考如何利用基因驅動對抗疾病和其他問題。最近幾年，CRISPR基因編輯技術的應用，讓我們能夠輕易地在染色體的特殊位點插入特定基因，極大地推動了基因驅動技術的發展。

盡管前景光明，基因驅動還是引起了眾多擔憂：經過人為改造的基因會在無意中傳播給野生物種，會干擾其生長嗎？從生態系統中消除現有的物種有什么風險？非法組織是否會將基因驅動用作破壞農業生產的武器？

為了避免此類極端情形的出現，一支研究團隊發明了一個開關：只有傳遞一種特殊的物質，才能打開開關，從而使基因驅動起作用。與此同時，許多科學家團體正致力于擬定條款，以指導基因驅動試驗在各個階段的進展。

等離激元材料

2007年，加州理工學院的哈里·阿特沃特在《科學美國人》上撰文預測：“等離激元光子學”（plasmonics）技術最終會通向從高靈敏度的生物探測器到隱形斗篷的一系列應用。10年后，多種等離子體技術已經實現了商業化，而另一些技術正由實驗室走向市場。

在表面等離激元材料的諸多應用中，研究得最深入的一種是用于檢測化學和生物試劑的傳感器。研究者在等離激元納米材料表面覆蓋了一種能與特定分子（比如細菌毒素）結合的物質。正常情況下，照射在材料上的光會以特定的角度反射出來。但如果有毒素存在，表面等離激元的振動頻率會發生改變，從而改變光的反射角度。我們可以非常精確地測出這種變化，從而檢測到微量的毒素。

在醫學領域，研究者正在臨床試驗中測試光敏納米顆粒治療癌癥的能力。治療方法是將納米顆粒注入血液中，等它們聚集到腫瘤內部后，用與表面等離激元振動頻率相同的光照射腫瘤，使納米顆粒通過共振產生熱量。這種熱量能在不傷害周圍健康組織的情況下，選擇性地殺死腫瘤細胞。

為量子計算機而生的算法

量子計算機利用量子邏輯來執行計算，基本單位量子比特（qubit）與傳統比特（0或1）相似，但不同的是，量子比特可處于兩個量子態之間的疊加態：它可以同時是0和1。這種屬性以及另一種稱為糾纏的量子特性，使得量子計算機在特定問題上比任何傳統計算機都高效。

盡管這項技術激動人心，但其實現條件卻是眾所周知的苛刻。研究人員已經確定，通過量子糾錯，可以使具有數千量子比特的量子計算機受到嚴格控制，維持在量子態。但是到目前為止，實驗室造出的量子計算機最多只包含數十個量子比特。這些被加州理工學院的約翰·普雷斯基爾稱作“嘈雜中型量子”（NISQ）計算機，都是尚未進行糾錯的。然而，隨著專門為NISQ計算機編寫算法的研究興起，這些設備在特定問題上的計算能力可能會強于傳統計算機。

隨著越來越多的NISQ設備向全球用戶開放，大量研究人員開始為這類設備開發、測試小規模程序，這極大地促進了該領域的發展。與此同時，開發不同方向的量子軟件的初創公司也呈百花齊放之勢。

在研究人員看來，NISQ算法在模擬和機器學習領域具有廣闊前景。因為計算機可以從大數據或經驗中進行學習。對一套正在迅速發展的算法所做的測試表明，量子計算機確實可以加快機器學習。