要点提示


●如果讲战争制胜的新机理，那就是创新力；信息化军队、智能军队本质上就是创新型军队。

●未来反导系统中将出现激光武器，我们所看到的下一代战争，必然是基于自主系统的光战争。

●每个变革拐点处，都存在发展道路重新选择的问题，重在把握真正的历史机遇、战略机遇。
 





 
 
 
 
未来战场将产生五大颠覆性技术

引领制胜机理创新




人类进入了一个创造神话的时代，各类新技术、新技术群纷纷亮相，究竟谁最具“颠覆性”，并能成为变革浪潮的下一个引领者？在确定下一代技术发展重点时，美国防部调研了60多名不同类型的专家，包括未来学家、社会伦理学家、国防政策专家、实验室主管和风险投资家，在经过一系列兵棋推演后他们得出结论：5种技术对未来的颠覆性潜力最为突出，对国防安全可能产生重大影响。






一是自主式系统，或叫智能军事系统。如已经和正在走向战场的无人机、机器人等无人作战系统，它们正使信息化军队走向高级阶段——智能军队。首先给情报、监视、侦察、体系对抗及反恐作战，带来革命性变化。当前，自主系统的关键支撑技术——机器人、人工智能、软件等在市场的牵动下迅猛发展，为研发体型小巧、造价低廉的自主系统开辟了广阔空间。无人自主系统已受到军事大国高度重视，将其视为争取未来优势的重要砝码。






二是定向能武器。定向能武器通过毫米波、高功率微波、激光或电磁脉冲产生作战效果。这些技术主要用于替代或改进传统弹药，或用于非致命武器。特别是激光武器，作为一种可隐身、“零飞行”时间的高精度武器，可同时打击多个目标、拥有无限量“弹药”，能大大提高部队和设施的防护力，对抗精确制导武器和多种自主系统具有特殊功效。






三是网络能力。随着网络空间和现实社会日益密不可分，网络安全的概念已被网际安全概念所取代。对网络空间的战略管理及网络国防建设，正在颠覆着传统的国家安全观。






四是3D打印技术。这一技术能就地利用可用材料，“打印”武器装备的特定部件，显著改变装备制造流程，提高装备的战术适应性，从而为军事后勤保障带来巨大变革，在根本上影响国防工业。






五是人体机能改良技术。人体机能包括体能、认知和社会情感功能。人体机能改良技术，是指通过生物科学和遗传基因技术等提高或降低人的机能。


从哲学高度讲，军队仍然可分为“认知域”和“行动域”两个方面，新技术革命仍然沿着“辅人律”“拟人律”和“协调平衡发展律”的轨迹在创新发展。20世纪前期及其以往的军事变革，都是新技术在“行动域”（机动力、打击力、防护力等）的突破引发的；20世纪后期兴起的军事变革，是新技术在“认知域”的突破引发的。这两个领域里的技术突破，越来越走向协调与平衡创新阶段。在这条平衡创新发展的道路上，智能化自主式系统与定向能武器系统在今后一二十年内，将成为军事变革主潮流。伴随着这个主潮流还会有急速发展的支流。变革浪潮发展到一定时期，原来的主潮流趋于平衡，潜在的发展着的支流逐步打破原有平衡，跃升为主潮流，使军事变革进入到一个更新的时代。所以如果讲战争制胜的新机理，那就是创新力；信息化军队、智能军队本质上就是创新型军队。










“颠覆性技术”背后的战略思想

对制胜追求更为重要


新技术引发军事领域的变革，并不是自发的过程，而是一个战略思想选择新技术，使之成为一定时期核心军事能力、并创新“游戏规则”的过程。人始终是军事变革的主体。特别在新技术群大量涌现的当今时代，战略思想的确定才是主要的。


2011年美国智库“战略与预算评估中心”发布了一份《日渐成熟的军事革命》的报告，强调指出：之前的军事革命产生了新的核心作战能力即基于信息技术的精确打击能力，这一能力的成熟与扩散为21世纪中期的作战方式带来根本变化，美军因此面临着新挑战。这些挑战包括：基于信息技术的精确打击能力对太空与网络空间的依赖加重，使“潜在对手”看到了美军“七寸”；对手大力发展“反介入/区域拒止”精确打击系统，使美军以航母编队为代表的海上生存能力面临挑战；传感器与地对空导弹的快速发展，使美军隐形技术优势受到削弱；在优势战场态势感知基础上的远程精确打击能力的提高，促使地面部队向小型化、轻型化转变，美军未来将面临“杂乱”的战场环境；精确制导武器的不断扩散，使美军向海外投送大规模重型部队将付出惨重代价。报告还指出，基于信息技术的精确打击能力的扩散，使美军必然面临“资产递耗”的战略困境。也就是说，世界上一些新兴力量以发展精确打击能力不断增强对美军的反制，迫使美军作战行动代价不断提高，从而使其部分核心能力成为“递耗资产”。


这份报告显示，美军正在掀起的下一轮新军事变革浪潮或者说“成熟的军事革命”，在目标性、指向性、针对性上比前一阶段要明确得多。海湾战争后，美军提出新军事变革时，苏联已经解体，美军是在战略对手不明确的情况下，依据新技术的发展提出变革理论与蓝图，针对性差。所以，他们感到是“不成熟的变革”。自从美提出“重返亚洲”，有了明确的针对性、指向性，自然也就显得“成熟”了。因此美国提出的“成熟的新军事变革”，强调要针对“基于信息技术的精确打击能力的扩散”谋划新的“颠覆性技术”。《日渐成熟的军事革命》以中国军队精确打击能力提升为借口，竭力鼓吹“中国威胁论”，明确指出：“中国不断增长的反舰弹道导弹和反舰巡航导弹，可以从空中、水面和水下发射，使进入中国‘介入/区域拒止’范围的美国航母战斗群面临越来越大的危险。”甚至耸人听闻地宣称：“航母主导海洋的时代即将结束。”美军基于这样一种战略设想，着重发展那些高效节约的“颠覆性技术”，莫过于在“大数据”支撑下的自主系统，和以激光武器为代表的包括微波、核电磁脉冲在内的定向能武器的结合。


“大数据”，是在智能时代获取决策优势的“虚拟作战参谋部”；自主系统即无人作战系统，可保证美军真正实现“零伤亡”；激光武器，可用最低廉的“成本战法”，击败“饱和式导弹攻击”；电磁脉冲，可以通过搞乱对手指挥控制系统，掌握战场主动权。据此可判断，美国未来的导弹防御系统，不会再是导弹对导弹的拦击，而是激光武器对导弹的拦击。我们所看到的下一代战争，必然是基于自主系统的光战争。


进入21世纪，特别是近年来，西方竞相发展激光武器，呈现出新的变革大势。美国波音公司的“激光复仇者系统”、雷声公司的“激光区域防御系统”、洛·马公司的激光“区域防御反导系统”、德国莱茵金属公司的50千瓦高能激光武器、欧洲导弹系统公司的40千瓦高能激光武器等都已进入使用阶段。专家评论，激光武器发展已步入黄金期。









后发国家要当心进一步拉大“时代差”


在近年的新军事变革中，美军由于理论准备基本完成，采取了只做少说的策略。这就给人以假象，似乎“领头羊”不走了，变革止步了。认识上的误解将进一步拉大后发国家军队的“时代差”。


经济不景气，美军国防费相对减少，还有能力搞军事变革？其实，上世纪90年代初美军提出新军事变革，当时的一个重要原因就是国防费相对减少。成功的军事变革不在于多花钱，而是选定正确的发展方向。在新产业革命发生时，国家重点发展朝阳产业，会暂时影响经济增长速度，但长远看，战略方向对了，发展才有可持续性。


在新技术革命持续发生中，新的核心军事能力是不断变化的，信息技术作为引发新军事变革的主要技术，已成为核心军事能力。当这一核心军事能力达到一个“平衡态”时，新的核心军事能力又会争居变革潮流的上游。目前，以激光武器为代表的定向能武器，正在成为引领变革潮流的下一种核心能力。美军在发展智能化装备时，不声不响地积极推进定向能武器，特别是激光武器快速发展。于是就不难理解，在未来的无人化战场上，可能发生的是光战争。美《空海一体战》在未来发展的设计中，提出9个作战方面的倡议，5个组织结构方面的倡议，8个技术装备方面的倡议，都是在为实际的转型作设计。特别在技术装备建设的倡议中，专门列出了“关于定向能武器系统的倡议书”，强调空军和海军一方面要加大用于陆基和海基导弹点防御的定向能武器研发，另一方面空军和海军对成熟的定向能武器系统应当积极采用和部署。这条倡议文字不多，内涵却深不可测。从美2014财年国防预算申请中也可以看出，美军在国防费减少下的务实转型和变革路径。美军之所以没有再对新军事变革大叫大喊，是因为他们希望后发国家的军队在传统的发展道路上加大投入，继续追赶。在技术上已经远远领先的美军，与其比别人跑得更快，倒不如诱导别人跑错路。


发展道路的不同选择，那才是战略性的非对称。在信息网络建设初期，一些有条件的大国因没有看到信息霸权主义的严重性，及早创建自主可控的互联网，完全依托美国的互联网，也就很容易被美国所监控。既然互联网的总开关在美国，你的计算机如果又使用人家的芯片，在今后的网络战中不论你有多少招，也都是孙猴子在如来佛掌中翻跟斗。我们曾提出过“跨越式发展”的战略口号，因理论准备不充分，却不能回答如何跨越的问题。


人类几千年的战争史一再证明，最先拥有新技术的一方，容易占有居高临下的优势。只要新技术革命持续发生，新军事变革就不会停步。特别在新产业革命正在兴起之际，军事变革的浪潮或明或暗、或隐或现地存在着。每个变革拐点处，都存在发展道路重新选择的问题，重在把握真正的历史机遇、战略机遇。





 
 
 
 
更多内容请关注：www.imefuture.com





 
来源： 战略前沿技术 查看全部

《自然》在今年6月评选了当今中国最具影响力的十位人物。从古老的DNA到中微子和神经科学，中国的顶尖研究者们正在发挥巨大的影响——并提升着他们的祖国在全球科学界的地位。







吴季：冲上云霄

自2003年开始担任中国科学院国家空间科学中心主任以来，吴季一直致力于让中国航天任务的重心从提升国家形象和展示技术优势转向科研与探索。







叶玉如：牵线搭桥
从美国到香港到大陆，出生于香港的叶玉如建立起了一座桥梁，将知识与经验在不同的地方与人群之间传播。







崔维成：深海蛟龙

中国正在提升对深海科学研究的支持，而曾搭乘蛟龙号下潜至7000米深度的崔维成也以潜至马里亚纳海沟最深处作为自己的新目标。







颜宁：晶体行家

一名顶尖的结构生物学家，全中国最年轻的女性正教授之一，也是一位呼吁为女性和青年科学家提供更好条件的知名倡议者。







王贻芳：粒子能量

为了将中国推向粒子物理研究的第一线，中国科学院高能物理研究所的所长王贻芳有一个雄心勃勃的计划：建造一座周长50-100千米的环形粒子对撞机，超越欧核中心的大型强子对撞机（LHC）。







高彩霞：作物设计师

CRISPR–Cas9这一技术正在横扫全世界的生物学实验室之时，高彩霞率先使用了这项简洁的革命性基因编辑技术对小麦和水稻的基因进行编辑。







付巧妹：基因组史学家

通过对欧洲古人类的DNA进行分析，付巧妹帮助重新书写了欧洲最早的现代人类的历史。现在她回到中国，希望能对亚洲先民的历史掀起同样的波澜。







秦为稼：极地探索

参与了冰穹A考察，发现了世界上最长峡谷的秦为稼希望，中国能够从冰穹A上取回地球上最古老的冰，以助揭开南极冰盖的历史，并以此为预测未来气候提供参考。







陆朝阳：量子鬼才

作为中国科技大学的一位物理学家，陆朝阳以量子纠缠研究闻名。他的目标是将量子纠缠扩展到可以用于计算的程度。







陈吉宁：污染斗士

中国环境保护部的部长是一项棘手的工作，但在上任的头15个月中，陈吉宁已经通过大力清理腐败现象、确保地方官员和企业遵守环境法规，获得了许多环保人士和科学家同僚的信任。
 
 
来源： Nature自然科研 神经科技
 
 
 
 
 
更多内容请关注：www.imefuture.com




2016年《自然》年度十大科学人物
智造家
 
 
  查看全部

2016年版的《自然》年度十大人物今天公布了，这是《自然》选出的在今年对于科学产生了重大影响的十个人。“今年的名单突显了来自全球各地的研究人员，在天文学，生殖生物学和少数族裔在科学领域的权利方面做出了自己的贡献。”Richard Monastersky，《自然》的特写编辑表示，“2016年《自然》十大科学人物是一个多元化的群体，他们都在今年的重大科学实践中发挥了作用，并可能在世界范围内影响变化。”







加布里埃拉·冈萨雷斯
GABRIELA GONZALEZ    引力密探

原文作者：Davide Castelvecchi
一位物理学家帮助首次捕捉到人类搜寻已久的引力波的直接信号。


一年前，Gabriela Gonzalez正在努力保守她人生中最大的秘密。在美国，两个大型探测器检测到了引力波的信号——爱因斯坦预言中的时空涟漪，但此前从未被直接观测到过。冈萨雷斯的工作是在将这些发现公之于众前，协助领导一千多位科学家仔细验证。


这样的新闻很难长期保密，但这个发现实在太重大了，因此，研究团队花费了将近五个月时间来分析位于华盛顿州和路易斯安那州的两座激光干涉引力波天文台（LIGO）探测器得到的数据。作为LIGO科学合作组织的发言人和负责协调分析的关键人员之一，Gonzalez需要协调分散于全球各地的研究团队，包括位于意大利比萨附近的处女座干涉仪研究人员，LIGO与处女座干涉仪共享数据。


在管理这个巨型项目的过程中，Gonzalez发挥了自己的多面能力。大多数物理学家很早就知道自己会成为理论家还是实验家，但Gonzalez开始研究生学业时选择的是理论方向，后来才转到了实验物理学领域，并表现出惊人的天赋。“这种天赋使其可以成为一流的科学家。”LIGO项目的创始人之一、麻省理工学院的物理学家Rainer Weiss说。


Gonzalez说，在自己的职业生涯中，她在LIGO项目上“什么工作都做过一点”。有段时间，她承担了诊断干涉仪性能的重要职责，以确保它们达到无与伦比的敏感度。现在，其敏感度足以探测出 4千米长的干涉臂上1021分之一的长度变化，这相当于DNA的宽度与土星轨道之比。她还协助领导过数据分析团队，并说服引力波研究者和常规天文学研究者开展合作。他们将在即将到来的多信使天文学时代，联手寻找会同时释放引力波和电磁波的现象。


宣布LIGO发现之前的那个月紧张而忙碌，Gonzalez和同事努力确保团队已经获得了板上钉钉的证据。他们知道，历史对报告“发现”引力波的研究者并不仁慈：就在最近一次的2015年初，一支国际团队不得不撤回了南极一架望远镜发现引力波间接信号的声明。


让LIGO团队压力倍增的是，在得到最初发现不到一周时，流言就已流传开来，记者也开始致电询问。Gonzalez说，在漫长的分析过程中，自己从未在不与同事商讨的情况下，擅自做出重要决定，她的领导能力获得到大家的称赞。“加布里埃拉让我们顺利度过了这一阶段，”Weiss说。


Gonzalez就职于路易斯安那州立大学，靠近位于利文斯顿的LIGO干涉仪。2008年，她成为了系里的第一位女性正教授。冈萨雷斯说，她在职业生涯中从未遭遇过直接的性骚扰或歧视，但“我或许不得不比其他人更努力地证明自己（的能力）。”


Gonzalez说，到2017年三月，她目前的LIGO发言人任期将结束，之后不会再竞选，而是计划回归到全职研究岗位。她协助创立的科学领域—引力波天文学才刚刚起步。“对我来说，科研工作一直都是一场趣味横生的旅行，而现在的风景越来越美。”








杰米斯·哈萨比斯
DEMIS HASSABIS   思维缔造者 
 
原文作者：Elizabeth Gibney

人工智能开发者打败围棋高手，下一步，剑指全球问题。


资深棋手Demis Hassabis在今年三月迎来了人生中最艰难的比赛，而他甚至没有亲自上场：在他的团队创造的程序AlphaGo与顶尖棋手李世乭对弈时，Hassabis只能在一旁观看。最终，电脑赢得了比赛，这标志着AI领域的巨大胜利；也为哈萨比斯的系列战绩再添一笔。


位于伦敦的DeepMind公司是AlphaGo的开发者。作为DeepMind的联合创始人, 哈萨比斯感到兴奋而欣慰。“我们下了一着险棋，而且成功了。”
 

但这场胜利不仅仅是一场棋赛的胜利。Hassabis想要向全世界展示机器学习技术的实力，他希望未来能利用这项技术制造类似人类一样的综合AI，使之能够解决复杂的全球性问题。

 
在他早慧的青年时期，Hassabis就已经勾勒出了这一愿景。他是一个象棋神童，十几岁时就设计出了销量百万的新颖电子游戏，20岁出头就开设了属于自己的公司。在拿到认知神经学博士学位后，他于2010年创建了DeepMind公司。四年后，Google据报道以4亿英镑的价格收购了这家公司。


DeepMind的研究者们将来自神经科学的灵感应用于各色各样引人注目的AI项目中，从语音合成到伦敦地铁导航，皆包括在内。Hassabis说，DeepMind每一个算法的复杂性都建立在之前算法的基础上，并融入此前只在不同AI中单独开发出来过的能力。DeepMind的AI已经从学习如何观察和做出相应行动的阶段，进入到利用这些信息进行计划和推理的阶段。在解决现实问题方面，他们的团队利用机器学习将Google数据中心的用电量减少了15%；Hassabis希望这一技术能得到更大规模的应用。


虽然DeepMind的研究者也会发表论文，但他们对进行中的工作是保密的，这一点让一些学者感到苦恼。一些数据隐私倡议者则对Google DeepMind与英国国家医疗服务署的合作感到担忧，但科学家却蜂拥进入DeepMind工作。


在日常生活中，Hassabis非常谦逊，但充满热情。他在伦敦大学学院的博士导师Eleanor Maguire说，他拥有一种用自己的激情感染他人的天赋。“一旦他开始谈论自己感兴趣的事，他的热情就会传染给别人。”在管理公司的同时从事科研意味着只能在凌晨时分做研究工作，但Hassabis表示他并不介意这一点：“我们从事的是非常重要的工作，我觉得为此牺牲是值得的。”








特瑞·修斯
TERRY HUGHES    珊瑚礁哨兵
 
原文作者：Daniel Cressey

珊瑚研究者就大堡礁的大规模白化事件发出警示。


今年三月，在飞过大堡礁上空时，Terry Huges的心沉了下去：海面之下映入眼底的是一片苍白斑块，那是珊瑚已经死亡或即将死去的明确迹象。

 
Hughes是澳大利亚研究理事会（ARC）珊瑚礁研究卓越中心的主管，他说，自己和学生在看到航空调查的破坏结果后哭了出来。白化事件袭击了几乎整个大堡礁，初步调查显示，大堡礁北段81%的珊瑚礁都遭到了严重打击。这是有记录以来大堡礁最为严重的白化事件——而且，这次事件只是太平洋各海域的珊瑚正在普遍遭遇的灾难的一个缩影。

 
热带太平洋的强厄尔尼诺变暖模式触发了这场灾难。高的异常的水温使得珊瑚排出与之共生的虫黄藻，而后者为珊瑚提供了大部分食物，以及它们的鲜艳色彩。一些珊瑚能在白化后恢复，但另一些则会死去。10月和11月的追踪研究表明，在绵延700公里的大堡礁北段，已有67%的浅水珊瑚死亡。


大型厄尔尼诺事件发生时，Hughes本人正在大堡礁中段附近从事研究。在领导开展初始调查后，他实质上成为了这场灾难的发言人。在媒体对白化报道的高峰时期，修斯一天接受了35场采访。

 
“在澳大利亚，就连从来没去过大堡礁和很有可能永远不会去的人们也将它视为国家标志，”Bob Pressey说；他是Hughes在ARC的同事。

 
这场危机推翻了一些既定的观念。Hughes说，对白化的传统观点是，珊瑚会在排出虫黄藻后慢慢饿死。但今年的水温实在太高，“许多珊瑚在开始挨饿之前就死去了；它们实际上是被热死的。”


过去几年来，随着全球温度反复创下历史新高，全球的珊瑚都陷入困境。2015年十月，在夏威夷、巴布亚新几内亚和马尔代夫的珊瑚相继发生白化后，美国国家海洋和大气管理局宣布，珊瑚白化已成为一场全球性事件。


今年，白化扩散到了澳大利亚、日本和太平洋的其他地区。研究者表示，随着气候变化推升基准温度，白化将会更为频繁地侵袭珊瑚礁。在一些情况下，频繁的白化将会使得大部分珊瑚都无法存活。

 
Hughes还不打算放弃大堡礁。但最近的白化事件使珊瑚变得非常脆弱，极易受到病原体和捕食者的攻击。如果不久后再次发生，还将会对珊瑚带来更大的打击，“我们想要告诉公众的是，”他说，“应对气候变化的时间已经不多
 
 






古斯·凡德尔
GUUS VELDERS     冷却者
 
原文作者：Jeff Tollefson

大气化学家为达成国际气候协定打下基础。


大气化学家并没有多少拯救世界的机会，但在今年十月，Guus Velders得到了一个属于他的机会。他参加了在卢旺达首都基加利举行的国际谈判，会上，各国代表试图约定逐步停止生产和使用氢氟烃（HFCs）——一种常在空调中使用的超级温室气体。

 
大多数国家同意了大力削减氢氟烃的时间表，但印度和少数其他国家想另外推迟四年。在经过模型计算后，Velders告诉谈判国，这一让步对地球的影响很小。

 
这一点以及他先前的工作为达成全球协议铺平了道路。10月15日，有关禁用氯氟烃的协议签字通过，广受好评。说话轻声细语的Velders是荷兰国立公共卫生与环境研究院的一位研究员，他对自己在其中扮演的角色感到自豪：“我之前从来没有参与过能促进在气候方面达成全球共识的工作，”他说。


但这并不是个巧合。Velders的同事说，他是氢氟烃排放领域的世界级专家，除他之外，没有人能在基加利会议上提供如此迅速的分析。他也与科学界同仁一起，将1987年签署的《蒙特利尔议定书》——一个旨在保护臭氧层的国际协定——改造为对抗全球变暖的工具。


根据《蒙特利尔议定书》的规定，制冷剂也是强力的温室气体；Velders的团队还表明，《蒙特利尔议定书》在控制全球温度方面的贡献实际上高于1997年的《京都议定书》。最近，他的团队还估测了氢氟烃在本世纪可能造成的变暖程度，为有关氯氟烃的协议打下了基础，该协议成为《蒙特利尔议定书》的一个修正案。


“Velders的团队总能在正确的时间回答合适的问题，”Durwood Zaelke表示，他是一家位于美国华盛顿特区的倡议团体——可持续发展与治理研究所的主席。“可以确定地说，没有他们，我们就没法达成协议。”


现在，Velders的团队又回到了原点。由于禁令的达成，他们有关氢氟烃排放增长的预测作废了。对于这样的“研究挫折”，Velders完全接受。








赛琳娜·M·杜尔基
CELINA M. TURCHI     寨卡侦探
 
原文作者：Declan Butler

医生与时间赛跑，试图解开巴西东北部的医学谜题


2016年，对寨卡病毒的恐惧在全球扩散，作为美洲首个出现疫情的国家，巴西正处于恐慌的中心。一些研究者甚至呼吁推迟8月的里约夏季奥运会。但Celina Maria Turchi Martelli远离媒体喧嚣，抗战在巴西东北部的寨卡疫情前线，试图解开这个医学谜团。


Turchi是一位医生兼传染病专家，2015年9月，她的生活被寨卡病毒彻底打乱了。当时，巴西卫生部派她去调查她的家乡伯南布哥州新生儿小头症（头部和脑部异常小）病例显著增加的情况。很快，她就确信巴西正面临着一场公共卫生危机。“作为流行病学家，在我最坏的想象中，也没想到新生儿小头症这样的疫情，”她说。


Turchi就职于累西腓市的Aggeu Magalhães研究中心。她立刻联系了全球科学家寻求帮助，她组建了一支包括流行病学家、传染病学家、儿科医生、神经病学家和生殖生物学家组成的专家团队。Turchi说，他们面临的挑战是艰巨的：寨卡病毒并没有可靠的实验室检测方法，人们对小头症的病例定义也没有达成共识。但她积极联系的合作获得了回报：Turchi和同事们最终得到了足够的证据，表明怀孕前三个月内感染寨卡病毒和新生儿小头症间存在关联。


不过，Turchi表示，寨卡病毒的谜团还远未解开。虽然寨卡病毒已经传播到了美洲各地，但人们预计的巴西东北部之外的小头症病例爆发并未发生。Turchi正与她的专家团队一起探究各中原因。Turchi说，当她刚开始在累西腓市的医院研究这场疫情时，她必须大胆创新，“并没有什么现成的书本供我参考。”现在，她和她的同事正在自己撰写这本书。








亚历山德拉·埃尔巴克彦
ALEXANDRA ELBAKYAN     窃文者
 
原文作者：Richard Van Noorden

付费论文盗版网站的创始人在博得赞誉的同时也官司缠身。


不过几年的时间，Alexandra Elbakyan就从信息技术专业的学生成为了举世闻名的在逃犯人。


在2009年，当时的Elbakyan还是一位研究生，在哈萨克斯坦阿拉木图准备自己的毕业研究项目。她需要阅读大量学术论文，却无力支付高昂的费用，这令她倍感沮丧。正是在这种情况下，她学会了如何绕过出版社的付费墙。


很快，她的技术供不应求。每当看到有科学家在网络论坛上请求无法访问的论文时，Elbakyan都很乐意伸出援手。“因为发送原本需要付费的论文，我经常收到人们的感谢，”她说。2011年，她决定将这个过程自动化，于是，Elbakya建立了Sci-Hub，一个抓取付费论文并向任何发出请求的人提供论文的盗版网站。今年，由于主流媒体的关注，人们对Sci-Hub的关注大大增长，使用量也随之飙升。根据Elbakyan的数据显示，Sci-Hub目前约收录了6000万篇论文，2016年的下载量有望突破7500万次，而去年为4200万次，据估计，这约占全球科学出版商所有下载量的3%。


这可谓是大规模的版权侵犯，并为Elbakyan本人带来了声誉、批评和一桩法律诉讼。很少有人支持她的违法行为，但更多的人则认为Sci-Hub推动了开放获取运动的发展——认为论文应被（合法地）免费阅读和重复使用。“她的所作所为令人敬畏，”加州大学伯克利分校的生物学家和开放获取拥护者Michael Eisen说。“难以获取科学文献获取是巨大的不公，而她一举解决了这个问题。”


在Sci-Hub运营的最初几年里，一切风平浪静，但随着其规模不断壮大，订阅出版商无法继续无视它的存在。2015年，荷兰出版商爱思唯尔在出版行业的广泛支持下，以侵犯版权为由在美国向Elbakyan提起诉讼。如果Elbakyan败诉，她将面临支付上千万美元损失费的局面，甚至可能锒铛入狱。（因此，Elbakyan没有透露她目前的位置，而是通过加密电子邮件和信息接受本文采访）。2015年，美国法院命令关停Sci-Hub，但Sci-Hub通过其它域名再次开张。


Elbakyan的名字屡见报端，她说她每周一般会收到一百条支持她的消息，有时也有捐款。她感到自己在道德上有义务维持网站的运行，因为用户们需要它来继续自己的研究。“运行一个像Sci-Hub这样的论文获取网站有错或可耻吗？我不觉得，因此我可以坦然面对自己的所作所为，”她说。


不论是批评者，还是支持者都认为即使Sci-Hub不复存在，它的影响还会长存。“全面开放获取是大势所趋，”美国北卡罗来纳州的非营利组织Impactstory的联合创始人Heather Piwowar说，Impactstory旨在帮助科学家追踪其在线产出的影响。“但是我们认为，并且也希望Sci-Hub正让收费获取的出版商惊慌失措。因为在很多情况下，恐慌才能真正驱使他们做出正确的事情，向开放获取模式转变。”


无论这一点是否能实现，Elbakyan说她都将会继续建设Sci-Hub，尤其是扩充年代较久的文献；与此同时，她正在攻读科学史硕士学位。“Sci-Hub网站是我自己维护的，但如果我倒下了，将会有其他人代替我，”她说。








张进
JOHN ZHANG      生殖医学“逆子”
 
原文作者：Sara Reardon

争议性的体外受精技术引发争论。


震惊、愤怒、质疑、祝贺，各种褒贬不一的反应一并向张进袭来：今年9月，他宣布自己已经利用有争议的“三亲”技术让一名健康男婴诞生。


这种技术旨在防止婴儿遗传线粒体（制造能量的细胞结构）相关疾病。但出于伦理和安全考虑，美国禁止在未经许可的情况下执行此类操作。任职于纽约新希望生殖中心的张进在该中心位于墨西哥的一家诊所内执行了这项操作。


批评者认为此举企图逃避法规限制，并指责张进在会议上而非通过论文发表来宣布此事。


但张进对这些反对意见置之不理。“最重要的是生下健康的婴儿，而不是向全世界宣布，”他说。


张进惯于挑战科学和伦理的边界。20世纪90年代，他与纽约大学朗格尼医学中心的生殖内分泌专家Jamie Grifo合作开发了一种帮助高龄妇女怀孕的生殖技术——使用较年轻的卵子中的线粒体来替换较老的线粒体，相当于张进今年使用的技术的另一个版本——但没有获得成功。


美国监管部门于2001年禁止该技术后，张进与他在中国的合作者接手了这项工作。2003年，张进的团队创造了多个胚胎，并移植进一位女性体内。所有胎儿均流产后，中国也禁止了该技术。


Grifo和其他一些人对张进的最新成果表示赞赏。“我认为他最终取得成功是一件了不起的事情，”Grifo说。但也有人指责新希望团队。“他们所做的许多事情都是很不安全的”，包括向供体卵子内注入了一种可能引发染色体异常的药物，俄勒冈卫生科学大学的干细胞科学家Shoukhrat Mitalipov说。


张进不为所动。他说，许多其他面临线粒体疾病风险的家庭已经对他的操作表达了兴趣，他希望自己可以在其它国家执行这一操作。“再过5-10年，人们再看这项技术时就会说，‘我们当时为什么那么愚蠢，为什么要反对它？’”他说。“我认为，我们首先必须展现出它为人类创造的福祉。”

 






凯文·埃斯维特
KEVIN ESVELTCRISPR     警示者
 
原文作者：Heidi Ledford

锋芒初露的年轻生物学家认为基因驱动的伦理比实验更重要。


10岁时，一次去加拉帕戈斯群岛的旅行激发了Kevin Esvelt对摆弄演化的兴趣。面对曾经启发了达尔文的鬣蜥、鸟儿和种种多样性，Esvelt为之叹服，并立志认识（并改进）演化。“我希望更具体地了解这些生物是如何诞生的，”他说。“而且，坦白地说，我希望能带来属于我自己的见解。”


现在，Esvelt是一位年轻有为的生物学家。作为基因驱动这项富有争议的技术的先驱之一，在MIT媒体实验室建立起自己的实验室不到一年后，他就已经崭露头角。他的方法利用CRISPR–Cas9基因编辑方法来绕过演化，强制基因在种群中快速散播。该技术可用于消灭蚊媒疾病（比如疟疾）或根除入侵物种，但也可能引发意外的生态链反应，或被用于制造生物武器。


2013年，Esvelt在研究Cas9酶时突然产生了CRISPR基因驱动的想法。“那是让我欣喜若狂的一天：这将让人类完全摆脱疟疾，”Esvelt说。“然后我又想到，‘等等。’”


顺着这个思路，Esvelt一直努力确保在实验前先解决伦理问题。2014年，他首先敲响警钟，呼吁就基因驱动展开公众讨论，此时他甚至还未证明CRISPR–Cas9基因驱动有效 (K. A. Oye et al. Science 345, 626–628 (2014); K. M. Esvelt et al. eLife 3, e03401;2014) 。自那之后，Esvelt与同事已经展示了如何将基因驱动技术变得更加安全，以及如何逆转其影响(J. E. DiCarlo et al. Nature Biotechnol. 33, 1250–1255; 2015)。


今年，他的主张终于开花结果。全球的研究者和决策者已经就该技术展开了讨论，美国国家学院发布了一份报告，敦促继续推进基因驱动研究，但保持审慎。在加州大学河滨分校研究基因驱动的Omar Akbari认为，Esvelt的努力在恰当的时机吸引了公众对这项新生技术的注意，也吸引了研究资金。“我认为这要归功于Kevin，”Akbari说。“对于科学家而言，能做到他所做的并非易事。”








古伊勒姆·安格拉达-埃斯库德
GUILLEM ANGLADA-ESCUDE      行星猎手
 
原文作者：Alexandra Witze

一位天文学家发现了已知最近的系外行星。


今年年初，当电脑屏幕上显示出一个外星世界存在的证据时，Guillem Anglada-Escudé并没有感到意外。他几乎可以肯定，有一颗地球大小的行星绕半人马座比邻星(Proxima Centauri)运行。比邻星是距太阳最近的恒星，二者之间的距离仅1.3秒差距（4.2光年）。


Anglada是伦敦大学玛丽皇后学院的一位天文学家，对他而言，这个发现与其说使他感到震惊，倒不如说让他如释重负。他和同事一直在拼命工作，试图在行星搜寻领域占据一席之地，而发现比邻星证明了他们走在正确的道路上。“我们做到了，”他说。


发现已知距地球最近的系外行星引发了人们的无限遐想。人们不禁要问，在我们的宇宙近邻之上是否存在生命，以及天文学家能否发现它们。


起初，正是这样的问题让Anglada加入了行星搜寻的行列。Anglada是一个科幻小说迷，在西班牙巴塞罗那长大，他与天文学的渊源始于为欧洲空间局的盖亚任务（绘制包含10亿颗恒星的三维星图）做数据模拟。之后，他将自己的数据处理技术用在了寻找系外行星上。他开发出了一种方法，从全球首个地面行星搜寻设备——欧洲南方天文台位于智利拉西拉的高精度径向速度行星搜索器(HARPS)——收集到的数据中提取微弱的行星信号。


“Guillem天赋异禀，能在别人囿于细节时纵观全局，”英国赫特福德大学的天文学家，Anglada的合作者Mikko Tuomi说。


但Anglada很快陷入了学术争论中，与其他研究者争夺一颗绕恒星Gliese 667C运行、体积大于地球但小于海王星的行星的发现人资格。“我原本可以退出研究领域，做些其它事情，”他说。“但我决定全力从事研究。”


他一头扎进了HARPS数据中，发表了一篇又一篇论文，讨论他在数据背景噪声中发现的行星信号。之后，仿佛是为了反击秘密和竞争，Anglada开始公开寻找绕比邻星运行的行星。


他建立了一支团队，获得了HARPS和其它望远镜的观测时间，后者可以用来检查行星存在的潜在证据是否是由恒星活动引起的，因为它们与行星信号很类似（许多声称发现系外行星的研究都存在这个问题）。研究人员将他们获得的几乎所有详细信息都发布在了外联网站和社交媒体帐号上。如此透明“完全没有危险”，Anglada说。“我们觉得没有其他人会做这件事。”


他们用几天时间证实了行星的存在，用几周时间提交了一份详细介绍这项发现的论文手稿。这颗行星被命名为比邻星b，它至少是地球质量的1.3倍，每11.2天绕比邻星运行一次。


比邻星b虽然接近母星，但处于宜居带内，表面可能存在液态水。这意味着它不仅是迄今为止确认的3500多颗系外行星中距离我们最近的一颗，而且还是一颗可能存在外星生命的行星——对于研究人员和科幻小说迷来说是个双重惊喜。


就在今年8月《自然》发表其论文前不久（G.Anglada- Escudé et al. Nature 536, 437–440; 2016），Anglada向英国科幻小说作家、小说Proxima（Gollancz, 2013）的作者Stephen Baxter发了一封电子邮件。他们在通信中讨论了在一个某一半球始终朝着耀星的星球上（就像比邻星一样），生命会是什么样子。


人类最终还可能有望详细考察比邻星b。突破摄星（Breakthrough Starshot）项目计划向附近的一颗恒星发送激光驱动的小型飞船舰队，这一项目可能以比邻星为目标，因为它是最近的最佳选择。


下一步，Anglada计划观察比邻星b是否存在凌星现象，即从地球上看，它是否会从母星前方通过。这种机率不高，但如果确实存在，那么当比邻星的光穿过它的大气层时（如果比邻星b有大气层的话），人们便可以收集到更多科学信息。


如果凌星没有发生呢？Anglada或许会转而探索来自其它行星的信号。








伊莲娜·朗
ELENA LONG     多元化的开路先锋
 
原文作者：Elizabeth Gibney

一位跨性别物理学家为少数群体获得更大程度的包容铺平了道路。


物理学家不排斥以新的方式看待世界，但是他们需要先看到数据。这为Elena Long带来了问题，身为一名核物理学家，她一直在为让物理学领域更包容性取向少数和性别少数群体而努力。“我们没有任何数据，因为人们认为询问我们是否存在太过冒犯了。这就像是第二十二条军规一样。”Long是美国物理学会(APS)开展的一项史无前例的调查的设计者之一，这项调查记录了LGBT群体物理学家的经历。


在今年三月的学会会议上，美国物理学会公布了调查发现，现场座无虚席。调查结果令人震惊，在324位给出回应的科学家中，超过五分之一的人在前一年曾在工作场合受到排挤、恐吓或骚扰。跨性别物理学家受歧视的发生率最高。Long本身是一名跨性别人士，对此并不觉得意外。2009年，她开始在美国托马斯·杰斐逊国家加速器实验室(Thomas Jefferson National Accelerator Facility) 攻读博士学位，那里缺少雇员保护和医疗保健福利。没有LGBT支持网络，她感到孤立无援。“我爱自己的工作，我爱研究，但环境很严峻，”她说。


因此，她成立了LGBT+物理学家支持小组，推动美国物理学会扩大LGBT群体的认识，最终，美国物理学会成立了一个委员会来收集有关LGBT歧视的数据。她说，许多物理学家甚至不明白这项研究有什么必要。不过，得益于Long及其同事的努力，物理学界在科学界成为了处理这类问题的典范，OSTEM学会(Out in Science, Technology, Engineering and Mathematics)的委员会成员Samuel Brinton表示。“我们基本上就在使用他们的成果，来推动其它学科领域向更好的方向转变，”他说。美国物理学会接受了3月的报告中提出的建议。8月，学会的一个大型分部投票决定将2018年的会议从北卡罗来纳州的夏洛特市撤到别处，因为该州的一条法律要求人们按照出生性别使用相应的公共厕所。


与此同时，Long获得了实验室颁给她的两项青年科学家大奖，并成为了两项新的加速器实验的联合负责人。“我认识很多做志愿工作的博士后，他们的科研通常会受到影响，”Long在新罕布什尔大学的博士后导师Karl Slifer说。“我从未在Elena身上看到这样的问题。”（Long将她严格的时间管理归因于自己设计的一个电脑程序，她用它来规划每一天每一个小时的活动。）


现在，Long正在美国物理学会协助建立一个以多元与包容为核心的成员小组，她希望这个小组能帮助其它少数群体中的科学家成长壮大。“我确定，在我从未想到过的一些方面，还有其他物理学研究者面临着困难，”她说。“我不希望他们需要等待七年才能获得一席之地，发出自己的声音。”









2017年《自然》关注人物

● Cori Bargmann，陈-扎克伯格计划(Chan Zuckerberg Initiative)科研主席

Bargmann主管着这个30亿美元的慈善计划的研究工作，陈-扎克伯格计划致力于2100年前治愈、预防或控制所有疾病。


● Robert Feidenhans’l ，欧洲X射线自由电子激光器(European XFEL)主席

作为全世界最强大的X射线自由电子激光器的新任主管，Feidenhans’l将指导这个价值12亿欧元的设备的筹备，使其在2017年年中完全投入运行。


● Jef Boeke，人类基因组编写计划（Human Genome Project–Write) 联合负责人

Boeke是这项雄心勃勃的人类基因组合成计划的主管，他与同仁已经快要完成对酵母基因组的编写了。


● 吴伟仁，中国探月工程总设计师

中国计划于2017年下半年发射嫦娥五号探测器，以收集月岩样本并带回地球，这自20世纪70年以来属于首次。


● Marcia Mcnutt，美国国家科学院主席

McNutt曾在美国总统奥巴马内阁担任职务，在特朗普担任总统期间，她将在政府代表美国科研，扮演核心角色。
 
来源： Nature自然科研 神经科技
 
 


 
更多内容请关注：www.imefuture.com




 
【深度】“机器问题”卷土重来 人工智能要革谁的命？
机器学习性能改善备忘单：32个帮你做出更好预测模型的技巧和窍门
行业数据分享：中国工业机器人市场统计数据
智造家 查看全部

近来，连格力电器董事长董明珠也说，自己成了网红。

当然，让董小姐频上头条的不仅是辞去格力集团董事长和普涨员工工资1000元。更重要的是，董明珠“契而不舍”地收购珠海银隆新能源公司，但是，这种“契而不舍”得到的并不是掌声，而是外界对她决意造车的质疑。
 
 
 
12月15日，北京人民大会堂中国制造高峰论坛上，大连万达集团、中集集团、董明珠个人、北京燕赵汇金国际投资公司、江苏京东邦能投资管理有限公司等5家企业和个人与珠海银隆签署增资协议，共同增资30亿元，获得珠海银隆22.39%的股权。
 

由于对董小姐的信任，大连万达集团股份有限公司董事长王健林拿出自认为“不多”的五个亿，毫无条件的支持老友董明珠，在采访时他坦陈，“对于投资珠海银隆，不用深思熟虑，也不用调研，我就是相信董明珠的眼光。”
 

实际上，董明珠自己也承认投资珠海银隆的重要原因是，“银隆掌握了非常先进的电池技术。” 而董明珠认为珠海银隆掌握的核心电池技术正是快充技术。
 

无疑，电池技术是决定电动车成败的重要因素，但是电池技术的进步日新月异，突飞猛进。
 

12月18日，一位汽车业内的电池专家在接受21世纪经济报道记者采访时表示，“钛酸锂负极电池具有快充性能、长寿命、高安全性等优点，缺点是能量密度低、价格高，只适用于公交车使用。但是，近来碳负极的快充电池进步很快，其能量密度高、成本低，钛酸锂负极电池将没有优势。
 
 

 
银隆市值一年内翻倍
 

一句“让世界爱上中国造”成就了格力和董明珠。当然，“中国造”的重点是格力掌握核心科技，但是新能源汽车要做到世界最好，仅凭“买来的”技术，显然不能成功。
 

“银隆的发展和前身值得关注，靠收购专利和贩卖专利赚钱，不是做实业和制造业起家的。”18日，一位汽车行业分析师对21世纪经济报道记者表示。
 

说起银隆新能源，就不得不提他的老板魏银仓。2004年，魏银仓在珠海注册了广东银通投资控股集团有限公司（以下简称“银通”），在房地产、担保、二手车、航空器材（无人直升机）、农业等领域有所投资。随后，他将目光投向了电动汽车的核心——动力电池。
 

而银通的“杀手锏”在于2011年7月收购美国纳斯达克上市公司——奥钛纳米科技有限公司（Altair Nano）公司53.6%的股权，涉及总额4900万美元（折合人民币约3.25亿元），并将其钛酸锂负极材料快充技术、生产线和销售体系收入囊中。
 

2013年，珠海银通新能源有限公司正式变更为珠海银隆新能有限公司，在基本“吃透”钛酸锂和磷酸铁锂技术之后，珠海银隆启动了钛酸锂电池的量产之路。
 

据悉，“银隆钛”电池，具有耐宽温（-50℃—+60℃）、6分钟快充放、30年循环使用寿命、不起火不爆炸高安全性、高效率等优良特性，常用于电动公交项目。
 

16日，一位不愿透露姓名的投资人对21世纪经济报道记者说，银隆依靠与北京公交集团的合作，进而奠定自己的里程碑。他表示，北巴传媒（北京巴士传媒股份有限公司）入股银隆，也分享了银隆业绩增长的经济附加值；在第二轮融资早该结束的时候，就是等姗姗来迟的北京公交大主顾的关联投资，北京公交中标方包括福田、安凯和银隆。但是，福田和安凯也被公交集团要求采用银隆的钛酸锂动力系统。
 

2015年底，北巴传媒以2亿元购买珠海恒古持有的5%银隆新能源股份，银隆新能源当时整体估值40亿元；2016年初，众业达全资子公司众业达新能源又向方德新能源以0.5亿元转让银隆新能源1%股份，此时银隆新能源估值高达50亿元。
 

不到一年，中信证券联手华融资产、东方资产、阳光保险、三峡资本、北京公交等20家品牌企业共同注资数十亿元人民币，成为银隆主要股东。
 

现在，董明珠也出手了。在8月份时，董小姐决定通过格力电器以发行股份的方式全资收购银隆时，评估机构对银隆给出的估值是130亿，而董小姐想要继续募集100亿资金帮助银隆发展时，却被股东大会否决。
 

到了12月，董女士以个人身份投资银隆时，银隆估值变成了104亿元。
 

“此前，银隆兰州公交项目在市场上漂了很久，11亿元的合同总额，必须在12月31日前实现财务意义上的销售，其实是为补贴、为业绩、为估值。”上述投资人告诉记者。
 
 
 

银隆电池技术并不适合乘用车
 

“收购奥钛这些年，银隆的公司文化是胆子大、投机的江湖作风，但凡有一点点华为的痕迹，大家都会高看一眼。”一位动力电池企业技术技术专家18日对21世纪经济报道记者表示。
 

外界对钛酸锂的前景并不不看好。王健林乐观地认为，银隆的前途是在储能上，如果把技术商业化，银隆市值就会翻倍。
 

“因为全中国能耗的一半是被房地产消耗的。储能能够在低峰时候冲起来，这个事情15年前世界行业建筑团队就在研讨，到现在还没有发现真正能够商业化的。所以我们的关键是能不能把储能技术真正地做到稍微商业化，要做到这点，也许我们还有更多的事情要做。”王健林说。
 

15分钟快充满电、6分钟充满90%、循环次数可达2万次以上的技术确实令人垂涎，而且在经济性上明显优于传统磷酸铁锂电池。但碳酸锂快充电池只是适合细分市场，特别是重负荷的工业领域，如轨道、港口、公交、船舶等，对于个人消费者的乘用车，并不适合应用。
 

“钛酸锂负极电池具有快充性能、寿命长、高安全性，但是最大的问题是能量密度低，价格高，适合在公交车上使用，但是近来碳负极快充电池技术进步很快，能量密度高，成本低。”上述电池专家对记者表示，碳负极快充电池将代替钛酸锂负极电池，钛酸锂将没有前途。
 

更为重要的是，在动力电池市场上，与银隆的竞争对手——微宏动力与国安盟固利都有搭载多元复合锂快充电池技术的产品替代钛酸锂，而银隆没有这方面的进展。
 

也就是说，钛酸锂负极材料在公交上的应用有可能会被替代，市场空间很可能会被压缩，只是在较高功率的应用场合，如插电式混合动力汽车PHEV和混合动力汽车HEV上，钛酸锂具有一定竞争力。
 

而且，虽然在全生命周期成本中，钛酸锂具有一定优势，但是首次购买价格高，纯电续航里程短，也会抑制客户的购买意愿。
 

“没有持续研发的能力，预期业绩无法支撑固执，企业文化基因不适合搞制造业。”上述动力电池专家最后表示。
 
 
（编辑：何芳）
 
 更多相关内容请关注：




 
业界 | 谷歌自动驾驶公司Waymo展示新车型，计划明年上路
喜讯！又一种国产工具进入航空制造核心领域，已小批量供货
机器真的已经战胜人类医生了吗？医学AI标题党文章中的三大陷阱
 
 智造家
 
 

  查看全部

很多人认为在太空中操作机器人是最难的，因为你完全只能进行远程操控，并且还有许多未知的因素不能预测。然而，事实上，要想在海洋中驾轻就熟地使用一台机器人，难度系数不会低于太空。不相信，我们可以一起来试一试。


首先有一个很客观的问题，把机器人放在海水中，由于海水中所参杂的化学物质很多，在很多时候它会腐蚀你的机器人，并且更加严重的是，当机器人在一望无际的海水中航行的时候，海水会阻止无线信号的发射和接收。


除此之外，还有很多其他的负面困扰。例如在深海中有许多的海带，尤其是当机器人经过繁密的海带丛林的时候，这些烦人的东西会缠绕机器人，使其在里面无法脱身，甚至会损坏机器人，让你永远都拿不回来。
 

另外，海洋中的好伙伴鲨鱼也是机器人的另一个威胁，这些凶猛的族类会尝试着去咬掉机器人，这样一来，整个机器人探索就必须终止。

 
所以综上所述，我们可以得知，海洋真的是导致机器人训练搁浅的头号障碍。尽管这样，机器人潜水艇已成为海洋研究的重要工具。


虽然卫星可以研究海洋表面，但是它们的信号无法穿透海水达到底层。所以研究海水底部一个更好的方法就是人类亲自下去一探究竟，或者派一个机器人下去。通常人类在海底身体状况会受到很大的挑战，所以机器人此时就成为了绝佳的替代品。


海洋对于机器人真的就是这样一个无法触碰的领域吗？可想而知人们对此都充满了好奇和疑问。为了更好地来挑战这个区域，来自美国航空航天局的研究人员和其他机构的一些工作人员最近在加利福尼亚州的蒙特利湾进行了一次深入地探究，他们想挑战一下这篇波涛汹涌的水域。


目前他们正在进行的研究是开发一款人工智能为潜水器，帮助他们跟踪海洋底部的生命迹象。这样做不仅有利于加强我们对地球海洋环境的认识，同样该研究小组希望这个人工智能潜水器有朝一日可以被用来探索极地寒冷的海域，例如人们一直相信在Europa存在这样一个领域。


如果得到证实，这些海洋很有可能将是与太阳系外围地域系统中最相似的区域。


此次，这些研究人员使用了六个无人机来支持该舰队研究蒙特利湾。该舰队往四周航行了很久，为的是找出不同区域的海水温度和盐度的变化。

 
为了更加准确地绘制出自己的路线，对这些海洋功能的预测数据和信息会通过无人机即时地发送到岸上。
 

该无人机还能够感觉到海洋是如何一步一步发生改变的。该研究小组的主要目标是研发出一款人工智能，使其可以无缝地集成这几类关于海洋变化的数据。


“自主无人机是海洋研究的主要工具，但今天的无人驾驶在飞行上没有太多的主动权，”研究小组的成员之一史蒂夫说道。他此次引领美国宇航局喷气推进实验室进行该人工智能的研究工作。“为了研究出这些不可预知的海洋现象，我们需要开发一些能够自行做出决策的潜艇。这样做将有助于我们了解海洋和那些在其他行星上可能存在的水域。”
 

加州理工学院的其他研究人员， 蒙特雷湾水族馆研究所的莫斯•兰丁，伍兹霍尔海洋研究所的伍兹•霍尔; 以及来自马萨诸塞州负责遥感解决方案的巴恩斯特布尔对人工智能海洋研究都做出了很大的努力。


如果成功，该项目将有助于他们研发出一款新型人工智能潜水艇，该设备可以通过检测出周围水域的特征从而自行绘制出他们的航行路线。这可能会改变我们收集数据的方式。

 
此外，同时还可以实现行星的自主探测，加州理工学院环境科学与工程助理教授安德鲁•汤普森如此说道。


“我们的目标是让人类不再需要花费精力在日复一日的机器人航行路线上，取而代之的是让他们可以将专注力放在所收集到的数据的整理分析上。”汤普森说。“我们希望这些潜艇可以自行地收集一些有用的信息，而无需人类额外来纠正他们。”
 

海洋生物的存在构成了一种生物体系。在水中的营养物质可以用来喂养浮游生物; 小鱼吃浮游生物; 大鱼吃小鱼。知道这些营养物质，你就可以按照该线索找寻到其他海洋生物。

 
但是，这谈何容易呢。这些营养物质会随着洋流席卷到世界各地，并能突然改变流动的方向。海底的生活是在不断变化，并且变化的尺度也不一样。

 
“这不是一件容易的事，需要从三个维度来分析，另外需要耗费时间。”谈到跟踪分析海洋特征的时候史蒂夫如此说道。“比如赤潮现象，涉及范围都有上百公里。但是，像甲藻云这一类型的小东西，只有涉及到几十米的领域。”


可能让鱼儿来跟踪海洋的变化可能会更加容易，但如果使用一款非智能的机器人设备，恐怕没有一点用处。


“机器人舰队在海洋探索史上已经存在几十年了，”汤普森说。“将喷气实验室和人工智能经验带入该问题当中，可以让我们在其他更具挑战性的区域进行类似研究时，可以为我们奠定更加坚定的基础。比如在地球极地地区和其他行星上的海域。”
 
 
 
 
来源：林伢 1号机器人网
智造家 查看全部

 





 现在，量子技术已经成为一个新兴的、快速发展中的技术领域。这其中，量子通信、量子计算、量子成像、量子测度学和量子生物学是目前取得进展较大的几个方向。
量子通信
广义地说，量子通信是指把量子态从一个地方传送到另一个地方，它的内容包含量子隐形传态，量子纠缠交换和量子密钥分配。狭义地说，我们谈到量子通信时，实际上只是指量子密钥分配或者基于量子密钥分配的密码通信。
量子态隐形传输一直是学术界和公众的关注焦点。其基本思想是：将原物的信息分成经典信息和量子信息两部分，它们分别经由经典通道和量子通道传送给接收者。经典信息是发送者对原物进行某种测量而获得的，量子信息是发送者在测量中未提取的其余信息；而量子通道是指可以保持量子态的量子特性的传输通道。
 
比如说，保偏光纤对于光子的量子偏振态而言就是一种量子通道。但在量子态隐形传输态中，量子通道的角色是由双方共享的量子纠缠态所担任的。
 
接收者在获得这两种信息后，就可以制备出原物量子态的完全复制品。该过程中传送的仅仅是原物的量子态，而不是原物本身。发送者甚至可以对这个量子态一无所知，而接收者是将别的粒子处于原物的量子态上。
当隐形传输的量子态是一个纠缠态的一部分时，隐形传输就变成了量子纠缠交换。利用纠缠交换，可以将两个原本毫无联系的粒子纠缠起来，在它们之间建立量子关联。
 
隐形传态和纠缠交换可以把物体的量子信息在瞬间精确无误地传送到遥远的地方，这看起来很像科幻电影中的瞬时传送，或者电子游戏中的传送门之类的神奇功能。当然，在我们能够把生命完全分解成量子信息和经典信息，并建立足够多的纠缠资源之前，传送门还只是个美好的幻想。不过，隐形传态和纠缠交换并不仅仅是一个用来憧憬美好幻想的奇妙现象，利用它们可以实现超远距离的量子密钥分配，为全球范围的通信加上一把安全的“量子锁”。
 
现在，实用的量子通信技术都基于量子密钥分配（Quantum Key Distribution），也就是说仅使用量子态产生经典密钥，需要传递的经典信息则根据这个密钥由经典的私钥加密系统加密。量子通信的安全性保障了密钥的安全性，从而保证加密后的信息是安全的。不用量子通信的方式传递全部经典信息的原因是：在目前和可以预见的未来，这样做的成本都太昂贵，并且可能反而效率低下、不够安全。
 
因此，人们决定只利用量子通信来产生密钥，以便提高效率。量子密钥分配还有一个好处——不需要大面积地改造现有的通信设备和线路。量子密钥分配突破了传统加密方法的束缚，以不可复制的量子状态作为密钥，具有理论上的“无条件安全性”。任何截获或测试量子密钥的操作，都会改变量子状态。
 
这样，截获者得到的只是无意义的信息，而信息的合法接收者也可以从量子态的改变，知道密钥曾被截取过。最重要的是，与经典的公钥密码体系不同，即使实用的量子计算机出现甚至得到普及，量子密钥分配仍是安全的。
 
量子计算
 
量子计算是量子物理学向我们展示的又一种强大的能力。量子计算的概念最先由Richard Feynman提出，源自于对真实物理系统的模拟。
 
模拟多粒子系统的行为时，描述系统的希尔伯特空间（Hilbert space）的维数会随着粒子的数目成指数增长。而当需要模拟的粒子数目很多时，一个足够精确的模拟所需的运算时间则变得相当可观，甚至是不切实际的天文数字。例如，考虑模拟一个由40个自旋为1/2的粒子构成的量子系统，经典计算机至少需要内存为1000G比特，而计算时间演化则需要求一个维矩阵的指数，以目前的经典计算机水平将无法胜任此类任务
 
。Feynman提出如果用量子系统所构成的计算机来模拟量子现象则运算时间可大幅度减少，从此量子计算机的概念诞生。
 
量子成像
 
量子成像是从利用量子纠缠成像开始逐渐发展起来的一种新的成像技术。量子成像利用光学成像和量子信息进行并行处理，与经典成像相比，两者获取物体信息的物理机制、理论模型、具体光学系统以及成像效果均不相同。
 
量子成像增加了辐射场空间涨落这一获取目标图像及控制图像质量的新的独立信息通道。限制经典成像质量和精度的光场量子涨落这一因素，在量子成像中反而扮演着获取目标图像信息的重要角色。同时，量子成像在成像探测灵敏度、成像系统分辨率、扫描成像速率等方面均可突破经典成像的极限。
 
量子成像中的一种比较奇妙的现象称为鬼成像或者关联成像、符合成像。与经典光学成像只能在同一光路得到该物体的像不同，鬼成像可以在另一条并未放置物体的光路上再现该物体的空间分布信息。将纠缠光子对的双光子分别输入两个不同的线性光学系统中，在其中一个光学系统（取样系统）放置待成像的物体，通过双光子关联测量，在另一个光学系统（参考系统）中再现物体的空间分布信息。其所表现出来的奇特性质已经成为近年来量子光学领域研究前沿的热点问题之一。
 
量子测度学
 
一个物理量的测量准确度最终取决于其测量标准的准确度。时间频率利用量子频标作为测量标准，而量子频标则是利用原子不同能级之间跃迁所发射或吸收的电磁波频率来作为标准，由于微观量子态的跃迁具有稳定不变的周期，从而使得时间频率具有较高的准确度与稳定度。量子频标或者叫原子钟，是当代第一个基于微观量子力学原理做成的计量标准。
 
自1955年世界上第一台原子钟诞生以来，其准确度和稳定度不断提高。用于量子频标的理想粒子，应该是完全孤立的、不受外界干扰的、在自由空间静止的粒子，但由于原子热运动及相互间的作用引起的谱线增宽，若想获得更准确的时钟，必须使用光学频率标准。
 
时间精确测量与国防、科技、民生等方面息息相关。将长度、温度、电压等物理量转换成频率量，即时间的倒数来进行测量，这样就可以提高其它物理量的精确度。理论上所有物理量都能通过时间频率来进行测量，所有计量单位都可以通过时间频率来定义和导出，从而使所有物理量都统一于时间频率，这会大大提高各种物理量的测量精确度。
 
由于时间频率基准具有最高的准确度，对基准影响因素的研究往往涉及物理学的前沿，因为测量精度的细微提高，常预示着新的物理发现，能推动整个物理学的前进，物理学史上有11个诺贝尔物理学奖都与建立时间频率标准有关。时间频率信号涉及国家安全命脉，可以利用局部停播、伪造误码和加载噪声等手段迷惑与打击敌人，实现战略和战术目标，还可以通过发播不同信息码以限制民用用户得到高精度的时间频率信号。
 
因此，精密的时间信号的使用绝不止是一般的计量问题，而是密切关系到国家机密、国防事务等方面。
从全球定位系统（GPS）到国际守时标准，以量子技术为基础的光钟对时间频率的测量能力目前已初现端倪，至于其未来的全部应用也许目前我们还无法全部预计。但是科学的发展一再表明时间频率测量精度每提高一个量级，人们
 
对世界的认识就深入一步。光钟作为最新、最有力的时间频率科学研究平台，将更好地推动基础科学的研究和发展。
 
量子生物学
 
量子生物学是利用量子力学的概念、原理及方法，从分子、原子及电子水平研究生命物质和生命过程的学科。
 
量子力学的创立和发展，吸引着众多物理学家和化学家，促使他们用量子力学的方法分析生物学意义上的电子结构，并把结果和生物学活性联系起来。例如，早在1938年，R.F.施密特就已开始对致癌芳香烃类化合物的研究，试图说明致癌活性与分子的电子结构之间的关系，随后经过普尔曼等人的工作，现已成为量子生物学中的重要组成部分。
 
1939年，物理学家P.Jordan提出了“突变是一种量子过程”的观点，薛定谔在《生命是什么》一书中对这一观点进行了详尽的阐述，提出遗传物质是一种有机分子，遗传性状以“密码”形式通过染色体而传递等设想。这些设想由脱氧核糖核酸双螺旋结构模型而得到极大的发展，从而奠定了分子生物学的基础。分子的相互作用必然涉及其外围电子的行为，而能够精确描述电子行为的手段就是量子力学。
 
因此量子生物学是分子生物学深入发展的必然趋势，是量子力学与分子生物学发展到一定阶段之后相互结合的产物。
 
量子生物学的研究方法基本上就是用量子力学的方法来处理一个微观体系的全部计算过程，并利用由此得出的各种参量，说明所研究对象的结构、能量状态及变化，进而解释其生物学活性及生命过程。对一个具有生物学意义的体系，根据欲研究分子的结构，选定合适的波函数，代入波动方程中并求解，即将欲研究的生物学活性转化为量子化的结构模型。
 
计算结果可以得到两类不同性质的指数：能量指数与结构指数。能量指数说明体系的能量状态，例如总能量、跃迁能（不同状态之间的能量差）、最高填满分子轨道（即电离势）与最低空分子轨道（即电子亲合势）等。结构指数说明分子的结构特征，例如键级（双键性的大小）、自由价（通过某一原子参与化学反应的能力）、电子电荷等。
 
只要生物分子本身的化学结构或各级结构已经清楚，就可以研究和这种分子相关联的生物学活性的本质，或者它们之间的相互作用。因此量子生物学所研究的问题实际上包含分子生物学的全部内容。
 
例如重要生物大分子的物理性质、各级结构与功能；酶的结构与催化机制；致癌物质的作用机制；药物作用机制等。可以把量子生物学的内容归纳为以下四个方面：分子间相互作用力的研究、生物分子的电子结构与反应活性的研究、生物大分子的构象与功能的研究和特异作用与识别机制的研究。
 
量子生物学还是一门十分年轻的学科，国际量子生物学会（简称ISQB）于1970年成立。量子生物学的发展不仅需要计算方法的改进，还需要与实验结果密切配合。到目前为止，量子生物学还只限于对较小分子的研究，特别是药物的作用，对于复杂生物学问题的探讨，还有待深入。
 
 
来源：1号机器人

智造家提供 查看全部

国内对于人工智能的讨论大多是不成体系的碎片式，很难从中深入了解人工智能的发展脉络和技术体系，也很难有实际借鉴意义。德勤DUP发布的一份报告中，对人工智能的历史、核心技术和应用情况进行了详细说明，尤其是其中重要的认知技术。这份报告将有助于我们对人工智能和认知技术进行深入了解，也有助于各行业的公司考量人工智能应用的实际价值。






一、概述

近几年各界对人工智能的兴趣激增，自2011年以来，开发与人工智能相关的产品和技术并使之商业化的公司已获得超过总计20亿美元的风险投资，而科技巨头更是投资数十亿美元收购那些人工智能初创公司。相关报道铺天盖地，而巨额投资、计算机导致失业等问题也开始浮现，计算机比人更加聪明并有可能威胁到人类生存这类论断更是被媒体四处引用并引发广泛关注。

IBM承诺拨出10亿美元来使他们的认知计算平台Watson商业化。

谷歌在最近几年里的投资主要集中在人工智能领域，比如收购了8个机器人公司和1个机器学习公司。

Facebook聘用了人工智能学界泰斗Yann LeCun来创建自己的人工智能实验室，期望在该领域获得重大突破。

牛津大学的研究人员发表了一篇报告表明，美国大约47%的工作因为机器认知技术自动化而变得岌岌可危。

纽约时报畅销书《The Second Machine Age》论断，数字科技和人工智能带来巨大积极改变的时代已经到来，但是随之而来的也有引发大量失业等负面效应。

硅谷创业家Elon Musk则通过不断投资的方式来保持对人工智能的关注。他甚至认为人工智能的危险性超过核武器。

著名理论物理学家Stephen Hawking认为，如果成功创造出人工智能则意味着人类历史的终结，“除非我们知道如何规避风险。”

即便有如此多炒作，但人工智能领域却也不乏显著的商业行为，这些活动已经或者即将对各个行业和组织产生影响。商业领袖需要透彻理解人工智能的含义以及发展趋势。

二、人工智能与认知科技

揭秘人工智能的首要步骤就是定义专业术语，勾勒历史，同时描述基础性的核心技术。

1、人工智能的定义

人工智能领域苦于存在多种概念和定义，有的太过有的则不够。作为该领域创始人之一的Nils Nilsson先生写到：“人工智能缺乏通用的定义。”一本如今已经修订三版的权威性人工智能教科书给出了八项定义，但书中并没有透露其作者究竟倾向于哪种定义。对于我们来说，一种实用的定义即为——人工智能是对计算机系统如何能够履行那些只有依靠人类智慧才能完成的任务的理论研究。例如，视觉感知、语音识别、在不确定条件下做出决策、学习、还有语言翻译等。比起研究人类如何进行思维活动，从人类能够完成的任务角度对人工智能进行定义，而非人类如何思考，在当今时代能够让我们绕开神经机制层面对智慧进行确切定义从而直接探讨它的实际应用。值得一提的是，随着计算机为解决新任务挑战而升级换代并推而广之，人们对那些所谓需要依靠人类智慧才能解决的任务的定义门槛也越来越高。所以，人工智能的定义随着时间而演变，这一现象称之为“人工智能效应”，概括起来就是“人工智能就是要实现所有目前还无法不借助人类智慧才能实现的任务的集合。”

2、人工智能的历史

人工智能并不是一个新名词。实际上，这个领域在20世纪50年代就已经开始启动，这段探索的历史被称为“喧嚣与渴望、挫折与失望交替出现的时代”——最近给出的一个较为恰当的评价。

20世纪50年代明确了人工智能要模拟人类智慧这一大胆目标，从此研究人员开展了一系列贯穿20世纪60年代并延续到70年代的研究项目，这些项目表明，计算机能够完成一系列所本只属于人类能力范畴之内的任务，例如证明定理、求解微积分、通过规划来响应命令、履行物理动作，甚至是模拟心理学家、谱曲这样的活动。

但是，过分简单的算法、匮乏的难以应对不确定环境（这种情形在生活中无处不在）的理论，以及计算能力的限制严重阻碍了我们使用人工智能来解决更加困难和多样的问题。伴随着对缺乏继续努力的失望，人工智能于20世纪70年代中期逐渐淡出公众视野。

20世纪80年代早期，日本发起了一个项目，旨在开发一种在人工智能领域处于领先的计算机结构。西方开始担心会在这个领域输给日本，这种焦虑促使他们决定重新开始对人工智能的投资。20世纪80年代已经出现了人工智能技术产品的商业供应商，其中一些已经上市，例如Intellicorp、Symbolics、和Teknowledge。

20世纪80年代末，几乎一半的“财富500强”都在开发或使用“专家系统”，这是一项通过对人类专家的问题求解能力进行建模，来模拟人类专家解决该领域问题的人工智能技术。

对于专家系统潜力的过高希望彻底掩盖了它本身的局限性，包括明显缺乏常识、难以捕捉专家的隐性知识、建造和维护大型系统这项工作的复杂性和成本，当这一点被越来越多的人所认识到时，人工智能研究再一次脱离轨道。

20世纪90年代在人工智能领域的技术成果始终处于低潮，成果寥寥。反而是神经网络、遗传算法等科技得到了新的关注，这一方面是因为这些技术避免了专家系统的若干限制，另一方面是因为新算法让它们运行起来更加高效。

神经网络的设计受到了大脑结构的启发。遗传算法的机制是，首先迭代生成备选解决方案，然后剔除最差方案，最后通过引入随机变量来产生新的解决方案，从而“进化”出解决问题的最佳方案。


3、人工智能进步的催化剂

截止到21世纪前10年的后期，出现了一系列复兴人工智能研究进程的要素，尤其是一些核心技术。下面将对这些重要的因素和技术进行详细说明。

1）摩尔定律

在价格、体积不变的条件下，计算机的计算能力可以不断增长。这就是被人们所熟知的摩尔定律，它以Intel共同创办人Gordon Moore命名。Gordon Moore从各种形式的计算中获利，包括人工智能研究人员使用的计算类型。数年以前，先进的系统设计只能在理论上成立但无法实现，因为它所需要的计算机资源过于昂贵或者计算机无法胜任。今天，我们已经拥有了实现这些设计所需要的计算资源。举个梦幻般的例子，现在最新一代微处理器的性能是1971年第一代单片机的400万倍。

2）大数据

得益于互联网、社交媒体、移动设备和廉价的传感器，这个世界产生的数据量急剧增加。随着对这些数据的价值的不断认识，用来管理和分析数据的新技术也得到了发展。大数据是人工智能发展的助推剂，这是因为有些人工智能技术使用统计模型来进行数据的概率推算，比如图像、文本或者语音，通过把这些模型暴露在数据的海洋中，使它们得到不断优化，或者称之为“训练”——现在这样的条件随处可得。

3）互联网和云计算

和大数据现象紧密相关，互联网和云计算可以被认为是人工智能基石有两个原因，第一，它们可以让所有联网的计算机设备都能获得海量数据。这些数据是人们推进人工智能研发所需要的，因此它可以促进人工智能的发展。第二，它们为人们提供了一种可行的合作方式——有时显式有时隐式——来帮助人工智能系统进行训练。比如，有些研究人员使用类似Mechanical Turk这样基于云计算的众包服务来雇佣成千上万的人来描绘数字图像。这就使得图像识别算法可以从这些描绘中进行学习。谷歌翻译通过分析用户的反馈以及使用者的无偿贡献来提高它自动翻译的质量。

4）新算法

算法是解决一个设计程序或完成任务的路径方法。最近几年，新算法的发展极大提高了机器学习的能力，这些算法本身很重要，同时也是其他技术的推动者，比如计算机视觉（这项科技将会在后文描述）。机器学习算法目前被开源使用，这种情形将促成更大进步，因为在开源环境下开发人员可以补足和增强彼此的工作。

4、认知技术

我们将区分人工智能领域和由此延伸的各项技术。大众媒体将人工智能刻画为跟人一样聪明的或比人更聪明的计算机的来临。而各项技术则在以往只有人能做到的特定任务上面表现得越来越好。我们称这些技术为认知技术（下图），认知技术是人工智能领域的产物，它们能完成以往只有人能够完成的任务。而它们正是商业和公共部门的领导者应该关注的。下面我们将介绍几个最重要的认知技术，它们正被广泛采纳并进展迅速，也获得大量投资。






1）计算机视觉

是指计算机从图像中识别出物体、场景和活动的能力。计算机视觉技术运用由图像处理操作及其他技术所组成的序列来将图像分析任务分解为便于管理的小块任务。比如，一些技术能够从图像中检测到物体的边缘及纹理。分类技术可被用作确定识别到的特征是否能够代表系统已知的一类物体。

计算机视觉有着广泛应用。其中包括，医疗成像分析被用来提高疾病的预测、诊断和治疗；人脸识别被Facebook用来自动识别照片里的人物；在安防及监控领域被用来指认嫌疑人；在购物方面，消费者现在可以用智能手机拍摄下产品以获得更多购买选择。

机器视觉作为一个相关学科，泛指在工业自动化领域的视觉应用。在这些应用里，计算机在高度受限的工厂环境里识别诸如生产零件一类的物体，因此相对于寻求在非受限环境里操作的计算机视觉来说目标更为简单。计算机视觉是一个正在进行中的研究，而机器视觉则是“已经解决的问题”，是系统工程方面的课题而非研究层面的课题。因为应用范围的持续扩大，计算机视觉领域的初创公司自2011年起已经吸引了数亿美元的风投资本。

2）机器学习

指的是计算机系统无需遵照显式的程序指令而只是依靠暴露在数据中来提升自身性能的能力。其核心在于，机器学习是从数据中自动发现模式，模式一旦被发现便可用于做预测。比如，给予机器学习系统一个关于交易时间、商家、地点、价格及交易是否正当等信用卡交易信息的数据库，系统就会学习到可用来预测信用卡欺诈的模式。处理的交易数据越多，预测就会越好。

机器学习的应用范围非常广泛，针对那些产生庞大数据的活动，它几乎拥有改进一切性能的潜力。除了欺诈甄别之外，这些活动还包括销售预测、库存管理、石油和天然气勘探、以及公共卫生。机器学习技术在其他的认知技术领域也扮演着重要角色，比如计算机视觉，它能在海量图像中通过不断训练和改进视觉模型来提高其识别对象的能力。
 
现如今，机器学习已经成为认知技术中最炙手可热的研究领域之一，在2011-2014年中这段时间内就已吸引了近十亿美元的风险投资。谷歌也在2014年斥资4亿美金收购Deepmind这家研究机器学习技术的公司。

3）自然语言处理

是指计算机拥有的人类般文本处理的能力，比如，从文本中提取意义，甚至从那些可读的、风格自然、语法正确的文本中自主解读出含义。一个自然语言处理系统并不了解人类处理文本的方式，但是它却可以用非常复杂与成熟的手段巧妙处理文本，例如自动识别一份文档中所有被提及的人与地点；识别文档的核心议题；或者在一堆仅人类可读的合同中，将各种条款与条件提取出来并制作成表。以上这些任务通过传统的文本处理软件根本不可能完成，后者仅能针对简单的文本匹配与模式进行操作。请思考一个老生常谈的例子，它可以体现自然语言处理面临的一个挑战。在句子“光阴似箭（Time flies like an arrow）”中每一个单词的意义看起来都很清晰，直到系统遇到这样的句子“果蝇喜欢香蕉（Fruit flies like a banana）”，用“水果（fruit）”替代了“时间（time）”，并用“香蕉（banana）”替代“箭（arrow）”，就改变了“飞逝/飞着的（like）”与“像/喜欢（like）”这两个单词的意思。

自然语言处理，像计算机视觉技术一样，将各种有助于实现目标的多种技术进行了融合。建立语言模型来预测语言表达的概率分布，举例来说，就是某一串给定字符或单词表达某一特定语义的最大可能性。选定的特征可以和文中的某些元素结合来识别一段文字，通过识别这些元素可以把某类文字同其他文字区别开来，比如垃圾邮件同正常邮件。以机器学习为驱动的分类方法将成为筛选的标准，用来决定一封邮件是否属于垃圾邮件。

因为语境对于理解“time flies（时光飞逝）”和“fruit flies（果蝇）”的区别是如此重要，所以自然语言处理技术的实际应用领域相对较窄，这些领域包括分析顾客对某项特定产品和服务的反馈、自动发现民事诉讼或政府调查中的某些含义、以及自动书写诸如企业营收和体育运动的公式化范文等。

4）机器人技术

将机器视觉、自动规划等认知技术整合至极小却高性能的传感器、致动器、以及设计巧妙的硬件中，这就催生了新一代的机器人，它有能力与人类一起工作，能在各种未知环境中灵活处理不同的任务。例如无人机，还有可以在车间为人类分担工作的“cobots”，还包括那些从玩具到家务助手的消费类产品。

5）语音识别技术

主要是关注自动且准确的转录人类的语音。该技术必须面对一些与自然语言处理类似的问题，在不同口音的处理、背景噪音、区分同音异形异义词（“buy”和“by”听起来是一样的）方面存在一些困难，同时还需要具有跟上正常语速的工作速度。语音识别系统使用一些与自然语言处理系统相同的技术，再辅以其他技术，比如描述声音和其出现在特定序列和语言中概率的声学模型等。
 
语音识别的主要应用包括医疗听写、语音书写、电脑系统声控、电话客服等。比如Domino’s Pizza最近推出了一个允许用户通过语音下单的移动APP。

上面提到的认知技术进步飞快并吸引了大量投资，其他相对成熟的认知技术仍然是企业软件系统的重要组成部分。这些日渐成熟的认知技术包括决策最优化——自动完成对复杂决策或者在资源有限的前提下做出最佳权衡；规划和调度——使设计一系列行动流程来满足目标和观察约束；规则导向系统——为专家系统提供基础的技术，使用知识和规则的数据库来自动完成从信息中进行推论的处理过程。


三、认知技术的广泛使用

各种经济部门已经把认知技术运用到了多种商业职能中。

1）银行业

自动欺诈探测系统使用机器学习可以识别出预示着欺诈性付款行动的行为模式；借助语音识别技术能够自动完成电话客服；声音识别可以核实来电者的身份

2）医疗健康领域

美国有一半的医院采用自动语音识别来帮助医生自动完成医嘱抄录，而且使用率还在迅速增长；机器视觉系统自动完成乳房X光检查和其他医学影响的分析；IBM的Watson借助自然语言处理技术来阅读和理解大量医学文献，通过假设自动生成来完成自动诊断，借助机器学习可以提高准确率。

3）生命科学领域

机器学习系统被用来预测生物数据和化合物活动的因果关系，从而帮助制药公司识别出最有前景的药物。

4）媒体与娱乐行业

许多公司正在使用数据分析和自然语言生成技术，自动起草基于数据的的公文材料，比如公司营收状况、体育赛事综述等。

5）石油与天然气

厂商将机器学习广泛运用在矿藏资源定位、钻井设备故障诊断等众多方面。

6）公共部门

出于监控、合规和欺诈检测等特定目的，公共部门也已经开始使用认知技术。比如，乔治亚州正在通过众包的形式来进行财政披露和竞选捐助表格的数字化，在这个过程中他们就采用了一套自动手写识别系统。

7）零售商

零售商利用机器学习来自动发现有吸引力的交叉销售定价和有效的促销活动。

8）科技公司

它们正利用机器视觉、机器学习等认知技术来改进产品或者开发全新产品，比如Roomba机器人吸尘器，Nest智能恒温器。

上述例子表明，认识技术的潜在商业收益远大于自动化带来的成本节约，这主要体现在：

更快的行动与决策（比如，自动欺诈检测，计划和调度）

更好的结果（比如，医学诊断、石油探测、需求预测）

更高的效率（亦即，更好的利用高技能人才和昂贵设备），

更低的成本（比如，自动电话客服减少了劳动成本）

更大的规模（亦即，开展人力无法执行的大规模任务）

产品与服务创新（从增加新功能到创造新产品）






四、认知技术影响力与日俱增的原因

在未来五年，认知技术在商业领域的影响力将显著增长。原因有二，首先，近些年来，技术性能有了实质进步，并处于持续研发状态。其次，数亿美元已经投入到技术商业化中，许多公司正致力于为各商业部门的广泛需求提供定制化开发和打包方案，以使这些技术更易购买和配置。虽然并非所有的技术提供商都能幸存，但他们的努力将共同推动市场前进。技术性能的改善和商业化正在共同扩大着认知技术的应用范围，这种情况在未来几年都将持续下去。

1、技术提升扩展了应用范围

认知技术大踏步前进的例子非常多。比如Google的语音识别系统，一份报告显示，Google用了不到两年时间就将语音识别的精准度从2012年的84%提升到如今的98%。计算机视觉技术也取得了突飞猛进的发展。如果以计算机视觉技术研究者设置的技术标准来看，自2010年到2014年，图像分类识别的精准度提高了4倍。Facebook的DeepFace技术在同行评审报告（译者注：同行评审，是一种学术成果审查程序，即一位作者的学术著作或计划被同一领域的其他专家学者评审。）被高度肯定，其脸部识别率的准确度达到97%。2011年，IBM为了让Watson在智力节目《危险边缘》中获胜，曾对Watson进行优化，提升两倍的答案精确度。现在，IBM又宣称如今的Watson比当时“智能”了2400%。

随着技术的改进和提高，技术应用的范围也在不断扩大。比如，在语音识别方面，机器曾经需要大量训练才能在有限词库里勉强识别出来，由语音识别技术延伸出的医疗应用程序也很难得到真正普及。而现在，每个月互联网上都会有数以百万次的语音搜索。另外，计算机视觉技术过去被狭隘的理解为部署在工业自动化方面，但现在，我们早已看到这一技术被广泛运用到监控、安全以及各种各样的消费应用里。IBM如今正拓展Watson在竞赛游戏之外的应用，从医疗诊断到医学研究再到财务建议以及自动化的呼叫中心。

并不是所有的认知技术都有如此令人瞩目的发展。机器翻译有了一定发展，但幅度很小。一份调查发现，从2009年到2012年，将阿拉伯语翻译到英语的精确度仅仅提升了13%。尽管这些技术还不完美，但他们已经可以影响到专业机构的工作方式。很多专业翻译人员依靠机器翻译提升翻译精准度，并把一些常规翻译交给机器，自己专注在更具挑战性的任务上。

很多公司正努力将认知技术做进一步研发，并逐步将其融入到更多产品尤其是企业级产品里，以方便企业用户购买和部署。

2、对商业化进行的大规模投资

从2011年到2014年5月，超过20亿美元的风险投资流入到基于认知技术研究的产品和服务里。与此同时，超过100家的相关公司被兼并或收购，其中一些被互联网巨头如亚马逊、苹果、Google、IBM或Facebook收购。所有这些投资都在培育一个多样化的公司图谱，这些公司正在加速认知技术的商业化进程。

在这里，我们并不会提供关于某公司在认知技术商业化方面的细节，我们希望说明，认知技术产品拥有丰富的多样性。下面就是致力于认知技术商业化的公司名单，这个名单既不是完整无缺也非固定不变，而是一个动态的，用于推动和培育市场的指标。

数据管理和分析工具主要使用自然语言处理、机器学习等认知技术。这些工具利用自然语言处理来从非结构化的文本中提取出意思，或者借助机器学习帮助分析人员从大规模数据集中发现深层含义。这个领域的公司包括Context Relevant（译者注：美国的一家大数据挖掘和分析公司）、Palantir Technologies（译者注：这家公司称要将数据、技术、人类和环境连接起来）、以及Skytree（译者注：一家借助机器学习进行市场分析并提供决策依据的大数据公司）。

认知技术的各个部分可以被整合到各种应用和商业决策中，分别起到增加功能和提高效率的作用。例如，Wise.io公司提供一套模块来促进商业决策，比如客户支持、营销和销售，这里面会用到机器学习模型来预测哪些客户比较容易流失，以及哪些潜在客户更加容易转化。Nuance公司通过提供一种语音识别技术来帮助开发者进行需要语音控制的移动APP的开发。

单点解决方案。众多认知技术成熟的标志是它们正在被不断的嵌入到特定商业问题的解决方案中。这些解决方案的设计初衷是要比公司原有的解决方案更加有效，并且几乎不需要认知技术方面的专业人员。普及度比较高的应用领域包括广告、营销和销售自动化、预测以及规划。

技术平台。平台的目的是为建立高度定制化的商业解决方案提供基础。它们会提供一系列功能，包括数据管理、机器学习工具、自然语言处理、知识表示和推理、以及将这些定制化软件整合在一起的统一框架。

3、新兴应用

如果这些技术的表现和商业化趋势继续发展，我们就能够大胆预测认知技术的应用将更加广泛，被接受程度也会大大增加。数亿美金的投资涌入这些基于机器学习、自然语言处理、机器视觉或者机器人技术的公司，这预示着许多新应用即将投入市场。在商业机构依托认知技术构建自动化业务流程、增强产品和服务方面，我们也看到了巨大空间。

五、认知技术在企业的应用路径

认知技术将在接下来几年里变得流行。在未来2-5年，技术层面的进步和商业化将扩大认知技术对企业的影响。越来越多的企业会找到一些创新性应用来显著改善他们自身的表现或者创造新功能，以增强他们的竞争地位。企业的IT部门现在可以行动起来，增加对这些技术的了解，评估出适用这些技术的机会，将这些技术可能带来的价值向领导进行汇报。高级商务和公共部门的领导应该思考认知技术将对他们的部门以及整个公司产生何种影响，这些技术将如何激发创新并提升经营表现。
 
 
 
来源：1号机器人

智造家提供 查看全部

过去十几年间，中国的经济、科技实力进步明显，众多科技热词都随着这股“洪流”奔涌出来，云存储就是其中之一。

对于非行业人士，听闻大数据、云存储这类字眼，便不由的打个“寒颤”，顿感虚无，但其实不然，云存储作为新时代的科技产品代表，其具有相当强的实用价值，它集成各种存储设备至一个平台，为人们服务;值得一提的是，它提供的还是多样化且定制化的服务，因此，客户选择它也不仅仅是存储需求的服务，更多的是其中以客户为中心的随时可变的多样化的数据服务。






云存储的发展轨迹

据度娘介绍，云存储是在云计算（cloud computing）概念上延伸和发展出来的一个新的概念，是一种新兴的网络存储技术，是指通过集群应用、网络技术或分布式文件系统等功能，将网络中大量各种不同类型的存储设备通过应用软件集合起来协同工作，共同对外提供数据存储和业务访问功能的一个系统。当云计算系统运算和处理的核心是大量数据的存储和管理时，云计算系统中就需要配置大量的存储设备，那么云计算系统就转变成为一个云存储系统，所以云存储是一个以数据存储和管理为核心的云计算系统。简单来说，云存储就是将储存资源放到云上供人存取的一种新兴方案。使用者可以在任何时间、任何地方，透过任何可连网的装置连接到云上方便地存取数据。

总的来说，云存储是一种服务，是一种以计算机科学为载体的新兴服务，它可以是一个设备、一个工具、一个网络接口等等，它的每个部分都可利用存储作为平台来进行其他的数据访问;另外，云存储还可看做是服务器与存储设备的叠加，云技术可以大大减少服务器数量、大幅度减少数据传输环节、降低系统建设成本，提高工作效率，保证系统的稳定运行。

云存储的结构模型

云存储的整体架构也与普通设备大不相同，其不仅仅是单个的硬件组成，而是存在多个系统分布。

一、 存储层

这是在云存储系统中最基础的部分，包含很多存储设备，利用互联网技术将这些不同的存储设备连接起来，构建成存储设备的管理系统;存储设备之上是一个统一存储设备管理系统，可以实现存储设备的逻辑虚拟化管理、多链路冗余管理，以及硬件设备的状态监控和故障维护。另外，该系统还可利用系统中的模块对设备进行监控和管理。

二、基础管理层

基础管理层是云存储最核心的部分，它在存储层之上，也是最复杂的部分，这个管理层利用集群分布的文件系统，实现存储设备之间的多重工作，使得存储设备可以提供新的服务，提高数据访问的可能性，保证数据的安全性;同时，通过各种技术和措施可以保证云存储中的数据不会丢失，保证云存储自身的安全和稳定。

三、应用接口层

应用接口层是云存储最灵活多变的部分。不同的不同的云存储运营单位可以根据实际业务类型，开发不同的应用服务接口，为用户提供不同的服务。

四、访问层

任何一个授权用户都可以通过标准的公用应用接口来登录云存储系统，享受云存储服务。云存储运营单位不同，云存储提供的访问类型和访问手段也不同。
 
 
 
来源：1号机器人

智造家提供 查看全部