[摘要]《麻省理工科技評論》在中國大陸地區的獨家運營方DeepTech深科技舉辦了2017年《麻省理工科技評論》全球十大突破性技術榜單發布會
2月21日下午，北京大雪紛飛，《麻省理工科技評論》在中國大陸地區的獨家運營方DeepTech深科技舉辦了2017年《麻省理工科技評論》全球十大突破性技術榜單發布會，IBM中國研究院、人民郵電出版社、雲享客、科大訊飛等聯合參與。
作為全球最為著名的技術榜單之一，《麻省理工科技評論》全球十大突破性技術具備極大的全球影響力和權威性，至今已經舉辦了超過16年。每年上榜的技術，有的已經在現實中得以應用，有的還尚需時日；但他們的重要性都毋庸諱言，註定將在未來對我們的經濟政治生活產生重大的影響，甚至會徹底改變整個社會的文化面貌。
《麻省理工科技評論》中美雙方聯合全球領域權威產業人士對此榜單進行了深度的挖掘和剖析，所形成的內容將交由人民郵電出版社正式出版。
1. 強化學習 Reinforcement Learning
技術突破：強化學習（Reinforcement Learning，RL）是一種人工智慧方法，能使計算機在沒有明確指導的情況下像人一樣自主學習。
重要意義：假如機器不能夠自主通過環境經驗磨練技能，自動駕駛汽車以及其他自動化領域的進展速度將受到極大地限制。
主要研究者：
- DeepMind - 科大訊飛
- Mobileye - 阿里巴巴
- OpenAI - 微軟亞洲研究院
- Google - 中科院
- Uber - 百度
成熟期：1~2年
強化學習技術，正是AlphaGo能夠掌握複雜的圍棋遊戲，並擊敗世界最強職業選手的關鍵。如今，強化學習正在迅速發展，並逐步將人工智慧滲透到除了遊戲之外的各個領域。除了能夠提升自動駕駛汽車性能，該技術還能讓機器人領會並掌握以前從未訓練過的技能。
本質上，強化學習技術是從自然界中學習的一種基本法則。心理學家愛德華·桑代克（Edward Thorndike）在100多年前也注意到了這一點。在最著名的迷箱實驗中，桑代克將貓放在一個迷箱中，貓只能通過按壓一個控制杆才能逃脫。觀察結果顯示，經過相當長時間的來回徘徊，動物最終總會偶然地踩到控制杆，然後逃脫。
一些最早期的人工智慧研究者認為，迷箱實驗的過程有可能在機器中有效地重現。早在1951年，馬文·明斯基（Marvin Minsky）創造了世界上第一臺具有學習能力的機器，利用簡單形式的強化學習方法模擬了一隻老鼠如何學習走出迷宮。
然而，隨後的幾十年裡這個領域幾乎沒有什麼喜人的成績。1992年，IBM的研究員傑拉爾德·特索羅（Gerald Tesauro）演示了一個使用人工智慧技術玩西洋雙陸棋的程序。很快，這個程序就玩的非常熟練，並足以與最好的人類玩家競賽。這是人工智慧發展史上一個裡程碑式的成就。
強化學習技術之所以行得通，是因為研究人員找出了如何讓電腦程式計算出每種狀態下應該分配的強化值的方法。還是以迷箱實驗為例，在走出迷宮的過程中，「模擬老鼠」每一次做出「向左轉」或者「向右轉」動作時，電腦程式會做出獎或懲的評價。並且，所有分配的強化值都存儲在一張大表格中，然後計算程序會隨著學習的過程逐步更新這些數據。
但對於大型複雜的任務，這種方法在計算上是不切實際的。然而，近幾年來，深度學習技術被證明是一種用來識別數據模式的極其高效的方式，無論這裡的數據指的是迷宮中的轉彎、圍棋棋盤上的位點，還是計算機遊戲中屏幕上的像素，亦或是自動駕駛時面臨的複雜路況。
在國內，以科大訊飛為例，這家公司已經針對強化學習在多個方向展開了研究和應用，包括人機對話系統、智能客服系統、機器輔助駕駛、機器人控制等方向，都已有了應用研究。以對話系統這樣一個多輪人機互動系統為例，它就是一個非常典型的強化學習應用案例。
傳統的任務完成型對話系統，用戶需要在一次交互過程中把自己的需求描述清楚，這樣的交互不是自然的。在訊飛的AIUI交互系統框架中，引入了多輪交互的思想，由一個深度強化學習（馬爾庫夫決策過程）模型來引導用戶輸入需求，從而快速、自然流暢地完成用戶任務。
同時，許多工業機器人製造商也將目光投向了強化學習技術，測試該技術在無手工編程情況下訓練機器執行新任務的效果。此外， Google公司的研究人員也正與DeepMind合作，試圖利用深度強化學習（deep reinforcement learning）技術使其數據中心更加節能。
通常，找出數據中心各個單元如何影響系統總能耗是十分困難的，但是強化學習算法能夠從收集的數據以及模擬實驗中學習經驗並提出優化建議，比如說，如何以及何時啟動冷卻系統。
2. 360°自拍 The 360-Degree Selfie
突破技術：消費級360°全景相機，能夠更真實的還原事件和場景。
重要意義：能提供360°全景拍攝的廉價相機將開啟攝影的新篇章，也將改變人們分享故事的方式。
主要研究者：
- 日本理光（Ricoh）
- 360fly
- 三星
- JK Imaging （柯達Pixpro相機的製造廠商）
- IC Real Tech（ALLie相機的製造廠商）
- Humaneyes Technologies（全景相機Vuze的製造廠商）
成熟期：現在
360°全景拍攝的熱潮最早是由一位哈佛大學的生態學者柯恩·霍夫肯斯（Koen Hufkens）掀起的。去年秋天他前往麻薩諸塞州的一片叢林中探險，並在網站上實時直播了探險的過程。
當時，他使用的就是一臺價值350美元的名為「theRicoh Theta S camera」的360°全景相機。在這一過程中，觀眾可以通過使用滑鼠或者點擊行動裝置的屏幕將直播圖像區域放大，藉此看到森林的全貌。
按道理說，我們所生活的世界就是一個充斥著聲光的三維世界，360°的場景隨處可見。但迄今為止，已有的兩種主流全景拍攝技術：拼接多個相機拍攝或者是採用價值不菲的（10000美金）特種相機都有很大的缺陷。使用這兩種方法操作的圖像處理過程都是十分繁瑣，且很耗時。
好在現在大多數人都能買得起更方便好用的360°全景相機了，500美金的售價就相當於入門級的單反。
現在，紐約時報（New YorkTimes）以及路透社（Reuters）的記者在採訪海地颶風災情以及加沙難民營時都使用了三星的Gear360全景相機（價值350美金）。
Gear360拍攝的畫面
在學術圈，這樣的全景相機也大有用處，一家位於洛杉磯的初創公司Giblib就開發了專供醫用的4k全景相機，醫學院的學生已經可以通過它傳來的影像學習外科手術了。
此外，全景相機也應用在了體育直播以及體育訓練上，例如籃球、足球以及冰球，有價值的360°全景回放都可以被保存下來。
元器件的革新
一項技術的革命往往得益於很多技術的創新，全景相機技術的出現也不例外。由於全景相機相較普通相機而言功率更大，也就會產生更多的熱量，而採用智慧型手機處理器就可以很好地解決這一問題，例如「360fly」以及「ALLie」相機都採用了驍龍的處理器。
同時，智慧型手機市場的蓬勃發展也為相機製造廠商創造了一個良性的競爭環境，「迫使」他們開發出新技術。例如，索尼近年來就不斷將自己的圖像傳感器集成化，並保證了在微光條件下照片拍攝的質量。而智慧型手機市場激烈的競爭也將元器件的價格壓低，又進一步拉低了全景相機的價格。
360fly全景相機
現在大多數的全景相機都有對應的手機App來查看取景的情況以及拍攝的照片，拍攝完的照片及影片上傳到網絡也變得十分容易。而最新的算法將全景相機拼接照片的過程簡化，延遲大大縮短，圖像處理甚至可以在相機端就完成，由此開啟了全民直播時代。
市場方面，在2016年球狀全景相機的市場份額佔全球相機的1%，而到2017年年初就已經增至4%，全景相機的興起之勢已不可阻擋。根據YouTube官方的反饋，很多人都會使用谷歌的Cardboard和Daydream設備搭配手機來觀看虛擬實境視頻，虛擬實境和全景拍攝已形成相互促進的局面。
Oculus VR的首席技術官約翰·卡馬克（John Carmack）就預測：「未來，人們使用虛擬實境的時間中只有一半是玩遊戲，另一半則是進行旅行觀光或者是做一些現實的事情，例如參加一場婚禮。」
3. 基因療法2.0 Gene Therapy 2.0
技術突破：美國即將批准首個基因治療技術，更多基因療法正在開發與批准的進程中。
重要意義：很多疾病都是由單個基因突變導致的，新型基因療法能夠徹底治癒這些疾病。
主要研究者：
- SparkTherapeutics
- BioMarin - GenSight Biologics
- BlueBird Bio - UniQure
成熟期：現在
數十年來，研究人員一直在追求基因療法的夢想。基因療法的前景非常美好：利用改造過的病毒將相關基因的健康副本遞送至攜帶有缺陷基因的患者體內。然而，至今為止，基因療法帶來的失望遠大於希望。1999年，一名18歲的肝病患者傑西·基辛格（Jesse Gelsinger）在一場基因治療實驗中死亡，從此整個基因療法領域的發展就開始停滯不前。
早期基因療法失敗的原因部分是源於其遞送機制，因為新的遺傳物質（改造基因）、以及將其攜帶至細胞的載體病毒，被錯誤地遞送到基因組的其他位置，這會激活某些患者體內的致癌基因，或者引起患者免疫系統的過度反應，從而導致多器官功能衰竭以及腦死亡。
但是現在，一些關鍵的難題已經解決，基因治療也將迎來曙光。研究人員使用了更高效的病毒將新的功能基因轉運到細胞中。
現在，兩種遺傳性疾病的基因療法：治療一種SCID病的Strimvelis，以及治療一種引起脂肪在血液中堆積的失調症的Glybera，已在歐洲獲得相關管理部門的批准。
在美國，Spark Therapeutics有望成為第一家邁入市場的基因療法新創公司，該公司開發出針對漸進式失明的基因治療方法。還有很多其他正在研究的基因療法，正將目光投向血友病的治療，以及一種稱為表皮溶解水皰症的遺傳性皮膚失能症。
但是，挑戰依然存在。
雖然目前已經針對幾種相對罕見的疾病開發了基因療法，但是對於那些具有複雜遺傳病因的常見疾病，開發對應的基因療法則更加困難。
對於像SCID和血友病這樣的疾病，科學家明確知道引起疾病的精確基因突變。但是，諸如阿爾茨海默病、糖尿病和心力衰竭等疾病，它們不僅涉及到多個基因，並且在患有同種疾病的不同病人中，對應的基因突變還不完全相同。
4. 細胞圖譜 The Cell Atlas
技術突破：這是人體中各種細胞類型的完全目錄。
為什麼重要：超精確的人類生理學模型將加速新藥研發與試驗。
主要研究者：
- 布羅德研究所（Broad Institute）
- 桑格研究所（Sanger Institute）
- 陳—扎克伯格的Biohub（Chan Zuckerberg Biohub）
成熟期：5年
我們究竟是什麼組成的？下一個生物學上的巨型項目將會回答。
科學家正在建立一個超詳細的 「人類細胞圖譜」，即通過細胞內部的內容來定義活細胞。
在1665年，羅伯特·胡克（Robert Hooke）凝視著顯微鏡下的一塊軟木，在其中發現了無數像房間一樣的小格子。作為第一個描述細胞的科學家，胡克一定會被生物學的下一個大型項目震驚到：這是一個使用現代基因組學和細胞生物學中最強大的工具，來單獨捕獲和端詳數百萬個細胞的計劃。
這個項目的目標是構建第一個全面的「細胞圖譜」，或者人類細胞地圖。這個項目的實現將成為一個技術奇蹟，因為它將首次全面揭示人體是由什麼所組成的，並為科學家們提供一個新的複雜生物學模型，以提升藥物研發的速度。
為了執行這個解碼人體37.2萬億細胞的任務，由來自美國、英國、瑞典、以色列、荷蘭和日本的國際科學家組成的聯合會正在分配任務，包括檢測每個細胞的分子特徵，並給每種細胞一個在人體空間中特定的「郵政編碼」。
「我們將會看到我們所期望的東西，我們已知存在的東西，但我確信，除此之外我們還會發現全新的東西，」英國桑格研究所的細胞圖譜團隊的負責人Mike Stubbington說。「我認為，會有驚喜出現。」
從填充大腦和脊髓的毛狀神經元，到皮膚的粘脂肪細胞（glutinousfat cells），先前描述細胞的嘗試表明，人體總共有約300種細胞，但真正的數字無疑會更大。
實際上，分析細胞之間的分子差異已經揭示了一些發現。舉例而言，我們已經揭示了數十年來眼部研究都沒能發現的兩種新類型的視網膜細胞：一種在每10,000個血細胞中只佔4個，卻在對抗病原體的第一防線起著重要作用的細胞；以及新發現的一種十分獨特、通過產生的類固醇來抑制免疫應答的免疫細胞。
這個新項目的研究主要運用了三種技術。
第一種叫做「細胞微流體」，即通過分離單獨的細胞並用微珠標記後，使其被油滴包裹後再進行研究和分析，選擇油滴的原因是因為油滴可以如同汽車一樣載著細胞，沿著被蝕刻在微小晶片上、狹窄的毛細管單向「街道」分流，使得細胞被聚集在特定的地方，裂解並逐一研究。
第二種技術是使用超快、高效的測序儀來解碼那些在單個細胞中活化的基因。這項技術的花費並不高，每個細胞僅需幾美分即可。其高效性使得一個科學家可以在一天內處理10000個細胞。
第三種技術則是使用全新的標記和染色技術，基於基因活動來定位各種細胞在人體器官或組織中的「郵政編碼」。
細胞圖譜研究的執行者主要是頂尖研究所，包括英國桑格研究所、麻省理工學院和哈佛大學的布羅德研究所、以及由Facebook執行長馬克·扎克伯格（Mark Zuckerberg）資助的位於加利福尼亞州的一個全新的「Biohub研究所」。在去年9月，扎克伯格和他的妻子Priscilla Chan將細胞圖譜研究作為了30億美元醫療研究捐贈的首個目標。
5. 自動駕駛貨車 Self-DrivingTrucks
技術突破：可以在高速路上自動駕駛的長途貨車。
重要意義：這項技術的發展將幫助貨車司機更高效地完成運輸任務，但這一崗位的薪酬可能會因此下降，貨車司機最終也將失業。
主要公司：
- Otto
- 沃爾沃（Volvo）
- 戴姆勒（Daimler AG）
- 皮特比爾特（Peterbilt）
- 百度（Baidu）
成熟期：5年到10年
未來，自動駕駛貨車將在高速上與其它車輛並駕齊驅，美國170萬的貨車司機又將何去何從？
研究自動駕駛系統的Otto公司成立於2016年，總部位於舊金山南市。公司的創始人安東尼·萊萬多夫斯基（Anthony Levandowski）曾為谷歌的自動駕駛汽車團隊效力，利奧爾·羅恩（Lior Ron）則曾是谷歌地圖的負責人。
截至目前，谷歌自動駕駛汽車已經在美國多個州行駛了超過兩百萬英裡。對萊萬多夫斯基和羅恩來說，藉助為谷歌工作積累的大量經驗創立一家自動駕駛公司是很自然的一件事。
Otto最新一代的傳感器和處理器陣列被安裝在沃爾沃車內，很自然地和駕駛室融為了一體。全套設備包括四個面向前方的攝像機、雷達和一盒加速度傳感器。
Otto的關鍵技術是一種雷射雷達系統，該系統使用脈衝雷射器記錄下貨車周圍環境的詳細數據。Otto從第三方買雷射雷達的成本在10萬美元左右，但該公司已經成立了一個團隊，旨在製造Otto自己的雷射雷達，並將成本控制在1萬美元以內。
Otto駕駛室內有一個液冷式的定製微型超級計算機，大小跟麵包箱差不多。這臺計算機將會處理來自傳感器海量的數據，然後通過制導算法，根據貨車的載貨量調整剎車和轉向指令。該硬體系統的最後一環是利用電子線控技術，將計算機輸出的指令轉化為貨車的機械動作。這一環的執行藉助了機電作動器，它們被安裝在貨車的轉向、節流和剎車設備上。
沃爾沃、戴勒姆和皮特比爾特（Peterbilt）都開始研發自己的自動駕駛貨車技術。
對自動駕駛技術感興趣的也不僅僅是貨運公司，Uber在去年八月收購了Otto（據報導收購價高達6.8億美元）。收購以後，Otto團隊可以和Uber的500多位工程師合作，共同研發自動駕駛技術。萊萬多夫斯基如今成為了Uber該技術研發團隊的負責人，他表示Uber的目標是創建一個強大的自動運輸交通網，讓人和貨物在多地之間的交通更加方便、安全且成本更低。
乍一看，自動駕駛貨車所面臨的機遇和挑戰與一般的自動駕駛汽車沒有什麼不同，然而事實遠非如此——貨車不僅僅是「加長版」的汽車這麼簡單。使用自動駕駛貨車在經濟上的合理性可能更甚於普通的自動駕駛汽車。好幾臺自動駕駛貨車可以組成「排」在高速上互相協作，從而在長途運輸中減少風阻和節省汽油。此外，讓貨車在一段時間裡自動駕駛也能讓司機有更多休息時間，更快地完成運輸任務。
況且，最棘手的問題是，比起一般的自動駕駛汽車，自動駕駛貨車的普及會帶來更大的社會動蕩。實際上，「自動化對工人帶來威脅」這個問題已經極大地影響了全球政治和經濟格局。如果再來一個自動駕駛貨車，藍領工人的生活必定受到影響。
根據美國勞工統計局的數據，全美有170萬個貨車司機崗位。自動駕駛貨車的應用不會代替所有的貨車司機，但這項技術必定改變這個崗位的工作性質——而這種改變不一定被每個人都接受。
中國的自動駕駛貨車
目前，中國有720萬臺貨車和1600萬個長途司機負責城際公路上的物資運輸——這個產業的價值高達3000億美元，而司機的工資成本佔運輸總成本的40%。如果使用自動駕駛貨車，一些原本需要兩到三位司機合作完成的長途運輸任務可以由一位司機完成。
目前，中國的貨運服務良莠不齊，公眾普遍期待這個行業能進行大整改。此外，由於該行業的監管較松，給了企業很大的創新空間。在這兩個因素的驅動下，中國的自動駕駛貨車產業有望得到快速發展。
中國針對自動駕駛車輛的監管才剛剛開始：政府正試圖在保證公眾安全和鼓勵公司創新中尋求一種平衡。2016年7月，政府宣布正在起草監管自動駕駛車輛的相關文件，並呼籲該產業在文件正式出臺前減少試驗的次數。
即便如此，很多人還是相信，政府最終會放鬆對自動駕駛貨車測試的監管，並對這種貨車的商用保持開放的態度。
6. 刷臉支付 Paying with Your Face
技術突破：人臉識別技術如今已經可以十分精確，在網絡交易等相關領域已被廣泛使用。
重大意義：該技術提供了一種安全並且十分方便的支付方式，但是或許仍存在隱私洩露問題。
成熟期：現在
在中國，人臉識別系統現在應用於授權支付、設備訪問以及罪犯追蹤。那麼問題來了，其他國家會效仿麼？
Face++是一家估值超過10億美金的中國初創公司，當筆者走進公司大門時，發現我那滿是胡茬的臉呈現在了入口的大屏幕上。從那一刻起，我的臉已經進入了公司的資料庫，我也可以靠著「刷臉」自由出入公司大門了。
不僅如此，人臉識別系統還能對於我在各個房間內的活動進行監控。
當我走進Face++的辦公室，我發現裡面有很多屏幕，這些屏幕上有著以各種角度拍攝的辦公室畫面。這時，我瞥見我的臉出現在一個屏幕上，軟體自動識別我臉上的83個點，那畫面有點驚悚，但這就是技術帶給我們的震撼感覺。
在過去的幾年裡，計算機技術突飛猛進，人臉識別技術的發展也是日新月異。特別在中國，由於監控和便民應用的推動，人臉識別技術得到了長足的進步，已經在交通監管、銀行交易、日常生活交易以及公共運輸等各個方面改變人們的生活。
其實，Face++的人臉識別技術登陸手機app已有一段時間了。現在，支付寶也已經可以使用人臉識別進行授權支付了。另外，在「滴滴打車」軟體中，用戶能夠看到司機的實名認證以及人臉認證信息。任何想註冊成為「滴滴司機」的用戶都需要在攝像頭前掃描並進行人臉識別認證。
作為全世界首批上線人臉識別技術的國家，中國對於監控以及隱私方面的政策對此有很大的與推動。
與其他國家不一樣的是，中國有一個龐大的身份證資料庫。筆者在Face++訪問的時候就見到當地政府利用人臉識別技術識別監控裡的嫌疑人。相比於尚不成熟的足跡分析技術和早已過時的嫌犯存檔照片等其它刑事鑑定技術，人臉識別顯然更加有效。
經過了幾十年的發展，人臉識別技術的精度已經達到金融交易的級別。另一方面，人臉識別還與深度學習進行了緊密的結合。在我們已經公布的《麻省理工科技評論》2013年十大突破技術中，就有對深度學習的介紹，這種人工智慧技術能使得圖像識別技術更加高效。
「人臉識別是一個巨大的市場。」一位來自北京大學從事機器學習和圖像處理研究的教授表示，「中國人口眾多，公共安全是十分重要的，很多公司都涉足到了這個領域。」
對於人臉識別的發展前景，清華大學的唐傑教授說：「其實不只是刷臉支付，人臉識別還能應用於很多地方。」
7. 太陽能熱光伏電池 Hot Solar Cells
技術突破：一種可以讓太陽能電池效率翻倍的技術。
重要意義：這項新設計可能會催生出在日落後依然可以工作的廉價太陽能發電技術。
主要研究者：
- David Bierman、Marin Soljacic、Evelyn Wang（麻省理工學院）
- Vladimir Shalaev（普渡大學）
成熟期：10到15年
太陽能電池板覆蓋了越來越多的屋頂，但是，儘管這項技術已經發展了幾十年，這些矽片組成的電池組件仍然笨重、昂貴而且低效。理論上的限制讓這些常規的光伏電池板只能吸收太陽光中的一部分能量。
但是，麻省理工學院的一個科學家團隊已經製造了一種全新類型的太陽能設備，利用工程創新和最新的材料科學進步來捕獲更多的太陽能。
該技術的秘訣在於先將太陽光變成熱能，然後將其重新變成光，而且聚集在太陽能電池可以使用的光譜範圍內。
雖然許多研究人員已經在這項被稱為是太陽能熱光伏的技術上研發了多年，但麻省理工學院的這個裝置是第一個可以比只使用光伏電池吸收更多能量的裝置，表明該方法可以顯著提高效率。
標準矽太陽能電池主要捕獲從紫色到紅色的可見光。再加上其他條件的限制，它們永遠不能把太陽能中超過32％的能量轉化為電能。麻省理工學院的這個設備仍然是一個粗糙的原型，而且運行效率只有6.8％，但是通過各種辦法提高效率後，其效率可以大約達到傳統光伏的兩倍。
MIT團隊研發的原型設備，陽光從中間的窗口射入真空腔。
這個創新設備的關鍵步驟是開發了一種叫做吸收-輻射器的東西——它本質上就是一個放在太陽能電池上方的光漏鬥。吸收層由實心的黑色碳納米管構成，用來捕獲太陽光中的所有能量並將其中的大部分轉化為熱。
當溫度達到約1000℃時，相鄰的輻射層再將這些能量以光的形式輻射出來，而這時，這些輻射出來的光的光譜已經基本窄到光伏電池可以吸收的範圍。
用於捕獲太陽光，並將其轉化為熱能的黑色碳納米管層。
麻省理工學院團隊的這項技術當然也有其弊端，比如部分部件相對而言仍然非常高昂，以及目前僅能在真空環境下工作等。但其經濟性應該會隨著效率的提高而提高。
此外，研究人員還在探索如何去利用太陽能熱光伏電池的另一個優勢。因為熱比電更容易儲存，所以應當可以將由裝置產生的過量的熱量儲存起來，這樣即使在太陽不發光時也可以用於產生電力。
如果研究人員可以整合儲熱設備，並提高效率水平，該系統有朝一日將可以實現清潔、廉價和連續的太陽能電力供應。
8. 實用型量子計算機 Practical Quantum Computers
技術突破：製造出穩定的量子比特。比特是傳統計算機中的信息單位，而量子比特是量子計算機的信息單位。
重要意義：在運行人工智慧程序以及處理複雜的模擬和規劃問題時，量子計算機的速度可能是傳統計算機的指數倍，而量子計算機甚至能製造出無法破解的密碼。
主要公司：
- 荷蘭量子技術研究所QuTech
- 英特爾 - 谷歌
- 微軟 - IBM
成熟期：4~5年
科學家們正在將以前的理論設計變成現實。量子計算機雖然每年都是「十大突破性技術」的奪標大熱門，但每年我們都得出同樣的結論：仍然無法實用。
的確，量子比特和量子計算機多年來很大程度上都是在紙上談兵，存在於論文中，或者在確定其可行的脆弱的實驗中。
儘管加拿大公司D-Wave系統幾年前就開始出售其所謂的量子計算機，他們的量子計算機使用一種名為「量子退火（quantumannealing）」的專有技術。但懷疑人士指出，這一方法只適合應用於非常有限的計算，而且與傳統計算機相比，可能並沒有速度上的優勢。
但今年，科學家們正在將以前的理論設計變成現實。
而且，今年的新氣象還包括：來自谷歌、IBM、英特爾、微軟等公司的資金正源源不斷地流入，為建造一臺能工作的量子計算機所需要的各種技術，包括微電子學、複雜電路以及控制軟體等的研發，提供了強大的資金支持！
在應用層面，量子計算機尤其適合對海量的數據進行分解，這讓它很容易破解大多數現有的密碼技術，並且可能設計出無法被破解的密碼。此外，量子計算機還適合用於解決複雜的最優化問題，並執行機器學習算法。
而且，可能還有很多應用我們目前沒有想到。不過，很快我們就會知道能利用量子計算機做什麼了。
迄今為止，科學家們已經研製出了能完全編程的5個量子比特的計算機，以及包括10到20個量子比特的測試系統。來自谷歌的研究團隊表示，他們正在衝擊建造49個量子比特的系統，希望在一年內製造出來。
研製出近50個量子比特的量子計算機這一目標並非科學家們隨心所欲制定的，因為約50個量子比特是一個極為關鍵的門檻。研究者預計，在 50個 量子比特級別，量子計算機就能達到「量子霸權」（quantum supremacy）。
所謂「量子霸權」是加州理工學院物理學家John Preskill發明的名詞，通俗的解讀就是：超級計算機系統目前能完成5到20個量子比特的量子計算機所做的事情，但達到約50個量子比特之後，量子計算機的能力將一騎絕塵，超級計算機只能望「量子」興嘆。
而且，從現在起2-5年內，這樣的系統很有可能開始出售。最終，科學家們有望研製出擁有10萬個量子比特的系統。這些系統會製造出精確的分子模型，從而顛覆材料、化學和製藥產業，讓科學家們研製出各種新材料和新藥。
更大膽的預測是，十年之內，科學家們或許就會研製出擁有100萬個量子比特的量子計算系統！
9. 治癒癱瘓 Reversing Paralysis
技術突破：無線腦-體電子元件可繞過神經系統的損傷來實現運動。
重要意義：全球有數百萬人被癱瘓所折磨，無時不刻都渴望著擺脫疾病的困擾。
主要研究機構：
- 巴黎綜合理工大學洛桑理工學院（EPFL）
- 韋斯生物和神經工程中心（Wyss Institute at Harvard）
- 匹茲堡大學（University of Pittsburgh）
- 凱斯西儲大學（Case Western Reserve University）
成熟期：10至15年
Grégoire Courtine持有腦脊柱接口的兩個主要部分
在利用腦植入來恢復脊髓損傷引起的運動自由受損上，科學家們已經取得了顯著的進步。
近年來，藉助腦植入物，少量患者已可以通過思想來控制計算機光標或者是機器臂。現在研究人員正在嘗試意義重大的下一步：治癒癱瘓。
他們利用無線電將大腦讀取技術直接連接到身體上的電刺激器，創造出法國神經科學家Grégoire Courtine所稱的「神經旁路」，從而使人們的想法能夠再次控制他們的四肢。
由Robert Kirsch和Bolu Ajiboye領導的凱斯西儲大學團隊對一個四肢癱瘓者進行了一次實驗，他們在癱瘓者的手臂和手掌肌肉安裝了超過16個的精細電極，在大腦中放置了兩個比郵票還小的矽制記錄裝置，上面有上百個頭髮大小的金屬探針，來探測神經元發出的命令。
在操作過程中，志願者在彈簧扶手的幫助下緩慢地抬起了他的手臂，並可以實現手掌的張和握，他甚至可以把有吸管的杯子遞到嘴邊。
左：一個帶電極的大腦閱讀晶片的特寫。右：模擬脊髓的柔性電極。
這個凱斯西儲大學將要在醫學雜誌上發表的結果，是使用植入電子設備來恢復各種感官和功能的廣泛研究中的一部分。除了治療癱瘓外，科學家希望能夠使用所謂的「神經義肢」，通過在眼睛中放置晶片來恢復視力，或者是恢復阿爾茨海默病人的記憶。
相比起非常成熟的人工耳蝸，讓「神經義肢」改善癱瘓會更有難度。在1998年，一個患者使用腦探針實現了移動計算機光標的任務，但它並沒有任何更為廣泛的實際應用。該項技術仍然太基礎、太複雜以及無法脫離實驗室的環境。
瑞士億萬富翁Hansjörg Wyss專門為解決脊髓旁路等神經科技的技術設立了研究中心。該研究中心的領導人是約翰·多諾霍（John Donohoe），他正試圖帶領神經科學家、技術人員、臨床醫生共同創建一個商業上可行的系統。
對於多諾霍來說，首要任務之一是製造「神經通」——這是一個超緊湊型無線設備，以網絡速度從大腦收集數據。多諾霍說，「這是世界上最複雜的大腦通信器。」
雖然很複雜，並且進展緩慢，但是神經旁路仍然意義重大，病人對此充滿了強烈的期待，多諾霍說，「人們希望恢復他們的日常生活。」
神經旁路中的裡程碑
● 1961年：醫生和發明家William F. House測試了第一個人工耳蝸，證明可以恢復聽力。該設備使超過25萬人受益。
● 1998年：醫生在一個不能說話的癱瘓者的大腦中安裝了一個電極，使其通過計算機與人交流。
● 2008年：猴子的大腦信號通過網際網路從美國發送到日本，從而激發機器人在跑步機上行走。
● 2013年：美國監管機構批准了Second Sight公司出售的「仿生眼」。原理是利用縫合到視網膜的晶片，從而繞過受傷的光感受器。
● 2014-2015年：俄亥俄醫生開始努力使兩個不同癱瘓類型的男人「重獲新生」。他們的想法可以傳遞到他們手臂上的電極，從而實現手指的伸縮。
● 2016年：28歲的Nathan Copeland通過大腦植入物操控了一個機器臂，使得他可以「感覺」到手指，還在歐巴馬總統訪問實驗室時與他頂拳。
脊柱受傷導致右腿癱瘓的猴子，在實施手術後恢復正常行走能力
10. 殭屍物聯網 Botnets of Things
突破技術：可以感染並控制攝像頭、監視器以及其他消費電子產品的惡意軟體，可造成大規模的網絡癱瘓。
重要意義：基於這種惡意軟體的殭屍網絡對網際網路的破壞能力將會越來越大，也會越來越難阻止。
關鍵人物：
- Mirai殭屍網絡軟體的創造者
- 任何使網絡有安全隱患的人——其中有你嗎？
成熟期：現在
正在興起的物聯網熱潮有著極其危險的副作用，且該風險與日俱增。
殭屍網絡並不是一個新技術。早在2000年，就有黑客通過集合殭屍網絡中所有電腦的力量，隨意釋放威力強大的分布式拒絕服務攻擊（Distributed Denial-of Service Attack，縮寫為DDoS）。被攻擊的目標網站或伺服器會因為大量的數據流量而超載下線。
在2016年10月，一個殭屍網絡成功攻陷了一家網際網路基礎服務提供商Dyn，該公司的域名伺服器（DNS）被迫斷網，大量網站如Twitter、Netflix等暫時癱瘓。攻擊Dyn的殭屍網絡是由一款名為Mirai的公開惡意軟體創造的。由於該軟體可以被任何人輕易獲得，並且對感染控制電子產品的過程進行了大量的自動化設置，導致其潛在危害非常嚴重。
但如今，這一問題不但沒有被解決，反而變得更加嚴重。其主要原因就是大量廉價的攝像頭、監視器以及其他物聯網產品的出現。由於這些產品往往沒有採取任何安全措施，黑客可以輕易地控制它們，就拿Mirai創造的殭屍網絡來說，這些設備只有在被拔掉電源後才會真正的安全。
其結果就是殭屍網絡的規模越來越大，攻擊能力越來越強。今日的大型殭屍網絡已經具有同時攻擊數個目標的能力。在接下來的幾年裡，擁有安全隱患的設備將會出現指數增長，殭屍網絡規模及威力也會藉此增長。
全世界可聯網設備的數量
● 2011年80億
● 2012年93億
● 2013年111億
● 2014年131億
● 2015年152億
● 2016年174億
黑客們將如何利用殭屍網絡？
殭屍網絡的作用之一就是進行「點擊欺詐」（Click Fraud）。其目的是欺騙廣告商，讓他們認為人們有觀看或點擊他們投放的廣告，以此賺取大量的廣告費。如果控制殭屍網絡的黑客們找出了一個更加高效隱秘的方法進行點擊欺詐，那整個網際網路的廣告商務模式將會崩潰。
此地圖展現了2016年10月21日，Dyn受到DDos攻擊之後所造成的網絡癱瘓規模
除此之外，因為殭屍網絡可以加快暴力破解密碼的速度，所以它還可以繞過垃圾郵件過濾器（Spam Filter）、進行比特幣挖礦以及做任何需要大量設備的事情。這意味著，殭屍網絡背後的利益也將會越來越大。
雖然犯罪集團會租用殭屍網絡獲取利益，但是能登上頭條的殭屍網絡新聞往往都是DDoS攻擊。雖然Dyn被攻擊只是一個意外。但並不是所有的攻擊都是源於意氣用事，圖財的黑客組織將會使用這種攻擊作為勒索手段，擁有政治背景的組織則會使用這種攻擊手段來堵住反對者的「網絡喉舌」，而對於國家來說，這也是一款威力強大的電子戰武器。
該如何抵抗殭屍網絡的攻擊？
以彼之道，還施彼身：在殭屍網絡還比較罕見的過去，直接攻擊其中央控制系統是一個非常有效的反制方式。不過，這一手段隨著殭屍網絡的泛濫開始逐漸失效，對殭屍網絡的攻擊進行被動防禦也是一種選擇。
目前，市場上有多家公司出售DDoS Scrubber（DDoS清理）設備。不過，它們的防禦效果並不穩定，會根據被攻擊的服務類型以及程度做出變化。
但是總體來說，黑客還是處於上風。Dyn所承受的攻擊只是一個開始，人們需要準備好承受更多來自殭屍網絡的攻擊。