2016年《麻省理工科技评论》十大突破技术

　　从2002年开始，《麻省理工科技评论》(MIT Technology Review)每年都会评选出当年的“十大突破性技术”。最近，该评论从去年的各项创新中遴选出了或攻克疑难问题、或催生科技使用新方法的2016年十大突破性技术。这些突破性技术将在未来数年凸显出其重要意义。

　　《麻省理工科技评论》主编兼出版人杰森·旁汀(Jason Pontin)表示：“每一年，我们的编辑都会在全球范围内进行搜索并制作这样一份重要的榜单。今年，从中国的抗真菌小麦，到西雅图利用空中信号为自身供电的设备，这10项突破性技术代表了我们认为将在数年内极大影响我们生活的技术进步。”

　　以下为《麻省理工科技评论》评选出的“2016年十大突破技术”：

　　1、免疫工程(Immune Engineering)

　　经过基因改造的免疫细胞正在拯救癌症病人的生命，而这只是开始。

　　成熟期：1-2年

　　突破点：经过基因改造的T细胞能够治疗癌症。

　　重要性：通过改造免疫系统，癌症、多发性硬化症和艾滋病等疾病统统可以治愈。

　　该领域主要参与者：Cellectis、Juno Therapeutics、诺华制药

　　T细胞被称为免疫系统中的“杀手细胞”，它们能够在人体内四处移动、能够进行感知探测、并能够杀死其他细胞。科学家们将的从一个人的血液中提取出来，加入新的DNA指令，从而令其能够攻击肿瘤细胞，同时还采用基因编辑方式删除T细胞用以探测外来分子的受体，使其不至于攻击 “非来自自体”的好细胞。该技术已经在300多名病患身上进行了实验，效果十分惊人，甚至能够极大地缓解病情。目前世界上已有十几家医药公司和生物技术企业正在努力将这项疗法带入市场。经过基因改造的T细胞将为糖尿病、多发性硬化症和红斑狼疮等自身免疫系统疾病，以及艾滋病和各种传染性疾病带来新生希望。

　　2、植物基因精确编辑(Precise Gene Editing in Plants)

　　一种简便且精确改变植物基因的方式，可为植物带来疾病抵御和抗旱等能力。

　　成熟期：5-10年

　　突破点：在不遗留外源DNA的情况下，对植物基因进行精确编辑，且成本低廉。

　　重要性：全球人口不断增长，到2050年将达到100亿，农作物增产问题亟待解决。

　　该领域主要参与者：英国诺维奇Sainsbury实验室及John Innes中心、韩国首尔国立大学、美国明尼苏达大学、中国科学院遗传与发育生物学研究所

　　该技术能够便宜、精确地编辑植物基因组，且不遗留外源DNA。中国已经利用该技术创造了一种抗真菌的小麦，并提高水稻产量。英国已经利用该技术创造出具有抗旱能力的植物品种。这种基因编辑技术还有助于使科学家能及时对抗处于不断进化中的各种危害作物的微生物。

　　3、对话界面(Conversational Interfaces)

　　来自中国领先互联网公司的强大语音技术使智能手机的使用更为便捷。

　　成熟期：现已趋于成熟

　　突破点：将语音识别和自然语言理解相结合，为全球最大互联网市场创造有效语言接口。

　　重要性：通过打字方式和计算机进行互动既浪费时间，又浪费感情。

　　该领域主要参与者：百度、谷歌、苹果、Nuance、Facebook

　　现在，大部分智能手机上已经预装了苹果的siri、微软Cortana和谷歌Now等语音识别系统，但这些系统不甚完美，有时候会误听或误解指令。百度则在该领域取得了令人印象深刻的进展：去年11月，百度硅谷实验室宣布研发了一个强大的语音识别引擎，称为“深度语音系统2”(Deep Speech 2)，该系统拥有一个大型“深度”神经网络，可在数百万转录语言库的基础上学习如何将声音和语句联系起来，语音识别率精确度极高。

　　4、可回收火箭(Reusable Rockets)

　　现在，火箭可以直立着陆，加满燃料后再次发射。这将开启太空航行的新时代。

　　成熟期：现已趋于成熟

　　突破点：火箭可将有效负载发射到轨道上，然后安全着陆。

　　重要性：降低发射成本，有助于开启太空探索的各种新可能。

　　该领域主要参与者：SpaceX、Blue Origin公司、美国联合发射联盟

　　可回收火箭将使航天飞行的成本便宜几百倍。杰夫·贝索斯(Jeff Bezos)的蓝色起源公司(Blue Origin)和埃隆·穆斯克(Elon Musk)的SpaceX公司分别在去年11月和12月成功实现了火箭的回收。廉价太空旅行的新时代已经在向我们招手。

　　5、知识分享型机器人(Robots That Teach Each Other)

　　如果机器人能自己琢磨出更多事情，并在相互之间分享知识，世界会变得如何?

　　成熟期：3-5年

　　突破点：机器人学习任务，然后将知识上传到云端，供其他机器人下载使用。

　　重要性：如果各种不同的机器人无需进行独立分别编程，那么机器人学的发展将极大地加快。

　　该领域主要参与者：Brain of Things的阿舒托什·萨克塞纳(Ashutosh Saxena)、布朗大学的斯蒂芬妮·塔勒克斯(Stefanie Tellex)、加州大学伯克利分校的皮尔特·阿布比尔(Pieter Abbeel)、肯·戈德伯格(Ken Goldberg)和谢尔盖·勒凡(Sergey Levin)、德国达姆施塔特科技大学的简·比德斯(Jan Peters)

　　基于一个标准编程框架ROS的机器人学习特定任务后，将知识传送到云端供其他机器人下载、分析并使用，其他机器人也可上传反馈，进一步优化对后续机器人发出的指令。有关识别和抓取特定物体的数据可压缩成5-10M，也就是一首歌曲的大小。未来5-10年，我们或将能看到机器人的这种能力出现爆发式增长。