回看過去幾年的上榜技術，我們發現一個明顯的趨勢：越來越多的人工智慧相關技術入選榜單，其中包括：2008年機器學習、2009年的Siri、2013年的深度學習、2014年的神經形態晶片、2016年的語音介面與知識分享型機器人，以及2017年的自動駕駛卡車與強化學習。
2018年，我們在人工智慧領域看到最具開創性的突破點，就在於人工智慧將脫離需要大量資料餵養設定的框架，取得足以自行演化出更精細結果的能力。我們認為，今年最具突破性的人工智慧技術是對抗性神經網路（Dueling Neural Networks）/ 對抗式生成網路（GAN）—— 通過兩個AI系統的競爭對抗，極大化加速機器學習的過程，進而賦予機器智慧過去從未企及的想像力。
另一個同樣在2018年入選榜單的人工智慧技術則是：「給所有人的人工智慧」——雲端AI，足以讓深度學習演算法變得像微博一樣簡單易用。
回顧人類歷史發展的過程，越是先進的技術，越是被少數人控制掌握，也越容易成為操縱壟斷的工具，但今年入選的這兩項人工智慧技術的重要性，就在於破除過去的陳規舊習，達成用 AI 技術普惠人類世界的願景目標。
技術的強大和普及，將促進相關領域科研及社會經濟的發展，但不可諱言的是，技術發展帶來的負面影響也不容忽視，比如GAN能創造出以假亂真的圖片及視頻來混淆視聽，這是伴隨技術突破發展而來的全新挑戰。因此，對於一手打造GAN技術的Ian Goodfellow而言，他當前的研究重心就在於GAN濫用問題，就如同父親對待孩子一樣，希望GAN技術不至誤入歧途。
在2018年的榜單中，類似GAN這種「亦正亦邪」的技術不止一個，在生物醫療領域的「人造胚胎」和「 基因占卜 」也屬於這樣充滿了爭議性的技術。我們究竟該如何善用科學與科技的突破進展，回答過去無法被回答的問題，解決過去無法被解決的困難，但卻不致於迷失在誰能扮演上帝的迷惑與恐懼中？
同樣的狀況也出現在谷歌母公司Alphabet旗下的Sidewalk Labs的一項計畫中，Sidewalk Labs 準備在加拿大多倫多啟動一項智慧城市試驗性專案，通過遍佈城市每個角落的感測器，來收集居民活動的所有相關資料。但這到底是大資料用於公眾利益的範例，還是個人隱私被侵犯監視噩夢的開始？
幸運的是，並不是所有上榜技術都是讓人糾結的雙面刃難題。
清潔能源一直都是被高度關注的議題，而在今年我們看到了一個新的機會，一家位於在美國德州中心點的試點工廠，正在積極的發展一項完全乾淨無污染的天然氣發電技術，在可預見的未來，無污染的天然氣發電將成為最主要的能源供應來源。
從零碳排放的天然氣發電、3D 金屬印表機、到《銀河系漫遊指南》書中所寫的將巴別魚塞進耳朵就能聽懂不同語言的即時翻譯耳塞等等，也都是我們認為具有突破性、且將改變世界的重要技術。
值得注意的是，可能很多人沒有注意到的是，在這次榜單中也包含了由當前火熱的區塊鏈所衍生的突破性技術—零知識驗證（zero-knowledge proof）的新密碼協定，與當前多項由區塊鏈技術發展出的加密貨幣交易有著緊密關係，要如何在幾乎完完全公開交易過程中，仍然維持用戶的隱私安全性，這一直都是在區塊鏈與加密貨幣蓬勃發展背後的隱憂。
該項技術入選10大突破性技術，除了顯示區塊鏈在整體經濟、乃至於社會體系中扮演的角色將越來越不容忽視，也更進一步凸顯于區塊鏈相關技術的討論，已脫離單純的加密貨幣發行與新興商業模式的初期狂熱階段，進入更強調能夠讓區塊鏈技術生態環境能夠永續發展的關鍵性技術發展階段，安全隱私就是其中的重點所在，這攸關於未來區塊鏈技術能否真正成為價值互聯網的發展基礎，而不只是一時狂熱的資金泡沫。
2018年10大突破性技術榜單重磅解讀，中國新興科技勢力不容忽視
麻省理工科技評論的年度「10大突破性技術」榜單有一個明顯的特點，除了列出技術的入選理由、突破點、重大意義、成熟期之外，還會列出全球範圍內主導技術研發的「主要研究者」（Key Players）。其中最經典的案例就是2017年10大突破性技術中的「人臉辨識支付」（Paying With Your Face），這項技術可謂專為中國定制，主要研究者也均為一線廠商。
同樣，在2018年「10大突破性技術」榜單中，《麻省理工科技評論》中美編輯部經過深入調研與反復斟酌後，在針對中國發佈的榜單內容中，為了避免以偏概全，也加入了來自中國本土的主要研究者，尤其是在人工智慧相關領域等。不可否認，中國的科技研發能力已經成為全球最重要的勢力之一，在某些領域已經可以與全球頂尖科技公司一決高下。
需要說明的是，「10大突破性技術」榜單中所列出的「主要研究者」並非一個獎項，而是在入選技術的領域具有代表性的機構、公司或個人，供讀者參考。編輯部在此也希望廣大讀者們更多的去關心我們甄選出的10大技術趨勢，而不是去過分解讀背後的廠商及其商業意義。
除了發佈2018年《麻省理工科技評論》全球10大突破性技術榜單，DeepTech 深科技也邀請多位專家參與解讀此次公佈的10大突破性技術，其中包括 Innovators Under 35 China 首屆獲獎人叢樂、王旭、韓壁丞、沈亦晨、陳成猛、朱明傑、曾曉東、李林鮮、韋福如等，另外還有多位中國重量級科技企業代表，如商湯－香港中大聯合實驗室教授李鴻升、達闥科技創始人兼 CEO 黃曉慶、臺灣工研院雷射中心副主任洪基彬、阿里巴巴、科大訊飛等，以及 DeepTech 深科技內部專家群，逐一針對十項突破性技術進行深度剖析探究——這一板塊的詳細內容我們將集結成書在《科技之巔》系列叢書中出版。
以下是該份榜單詳細內容及部分解讀節選：
1.實用型3D金屬印表機
- 入選理由：新型設備首次讓 3D 列印金屬零部件成為實用型技術
- 技術突破：3D 金屬印表機實現了低成本快速金屬物體列印
- 重大意義：按需列印大型複雜金屬物體的能力將為製造業帶來變革
- 主要研究者：Markforged、Desktop Metal、GE等
- 成熟期：現在
雖然 3D 列印技術已經存在了幾十年，但它之前仍然局限在業餘愛好者和設計師的小圈子內，只是用來製造一次性原型。而且，之前的 3D 列印技術使用任何非塑膠材料（尤其是金屬）時，成本非常昂貴，速度也慢得讓人無法接受。
不過現在，隨著成本越來越低，使用也越來越簡單，這項技術有望成為可用於零部件生產的實用技術。如果它被廣泛應用，將有可能改變我們大規模量產產品的方式。
短期來看，有了這項技術後，製造商們將不再需要維持大量的庫存，他們可以按需地列印一個部件。比如說，當顧客需要給舊車替換一個零部件的時候，就可以立即提供給他。
長期來看，那些大規模生產某一特定零部件的大工廠將會被產品線豐富的小工坊所取代。這些小工坊將能按照顧客的需求隨時列印出各種各樣的零部件。
這項技術的優勢在於它可以生產出更輕、更堅固的金屬零部件，以及用傳統金屬加工方法無法製造出來的複雜形狀的零部件。它甚至還可以在製造過程中精確調控金屬的微觀結構。
2017年，來自勞倫斯·利弗莫爾國家實驗室（Lawrence Livermore National Laboratory）的研究人員宣佈他們研發出了一種3D列印不銹鋼零部件的方法，通過這種方法生產出來的零部件的強度是通過傳統方法生產出來的2倍。
同樣在2017年，位於波士頓附近的3D列印初創公司Markforged發佈了第一台價格在10萬美元以下的3D金屬印表機。
而另一家位於波士頓地區的3D列印初創公司Desktop Metal也在2017年12月開始交付他們的第一台3D金屬原型印表機。該公司還計畫推出體積更大的、用於工業製造的印表機，它們的速度將會比之前的3D金屬印表機快100倍。
3D金屬列印的操作如今也變得越來越容易。Desktop Metal公司現在推出了一款用於3D金屬列印的軟體。使用者只要在軟體中輸入他們所要列印的物體規格，軟體就會生成一個適用於3D列印的電腦模型。
GE公司長期以來一直將3D列印技術用於它的航空產品生產中。早在2013年「10大突破性技術」中就曾提到「增材製造」（Additive Manufacturing）。該公司現在也正在測試一款新型3D金屬印表機，該印表機列印速度很快，可用於大型零部件的生產。而GE計畫在2018年開始銷售該3D金屬印表機。
專業解讀
臺灣工研院雷射中心副主任洪基彬：我認為，目前全球該領域的主要玩家還有：德國EOS、德國SLM Solutions、葡萄牙Adira、西安鉑力特。
3D列印在2012、2013年受到媒體熱烈矚目，在外界看來後續的發展雖從火熱回歸平實，但技術的演進並未停止，特別是有機會能改變傳統製造業生產方式的3D金屬列印，潛力更大。
根據美國材料試驗學會旗下F42技術委員會訂定的相關標準，將增材製造，也就是俗稱 3D列印，分為7大類技術方法，目前應用在「金屬」的列印主要有4種技術，分別為金屬粉床熔化（PBF，Powder BedFusion）、雷射金屬沉積（LMD，Laser Metal Deposition）、黏著劑噴塗成型（Binder Jetting），以及分層實體製造（LOM，Laminated Object Manufacturing）。
在上述的技術中，現階段最被看好且應用最多的是金屬粉床熔化，在列印時披上一層粉末，再透過雷射進行燒熔出想要的形狀，兩點重要的原因：可以製作出各種複雜形狀的產品，以及如果金屬粉末控制得宜，就能做出精緻度很好的產品。舉例來說，25微米（Micrometer）的金屬粉末顆粒就能列印出表面細緻度是25微米的產品，如果把金屬粉末顆粒縮小至2~5微米，就可達到表面細緻度就是2~5微米，就會比傳統CNC制程做出的更漂亮，但前提是金屬粉末必須控制得宜。
目前3D金屬列印的趨勢有三，分別是大尺寸、精緻化、自動化。在3D列印最專業的展覽、於德國法蘭克福舉辦的Formnext 2017上，GE展出可列印出尺寸可達1米*1米*0.3米的航空零部件，並強調未來可以提高到1米*1米*1米。另外，在自動化部分，GE 也以燃油噴嘴尖端（powerfuel nozzle tip）為例，透過 3D 金屬列印，製造工期可由 15～18 個月縮為 3～5 個月，而且此噴射引擎的零件可由 20 件整成 1 件。3D 金屬列印也可與機器手臂、工業 4.0 概念結合，提升製造業的自動化程度。
主要積極研究3D金屬列印的應用行業，包括航太、醫材以及頂級跑車，主要是高價、客制化需求高。而未來的發展又是如何？從 Formnext 2017上業者展出的不少設備都已量產，或是朝量產的方向走去，顯示金屬 3D 列印的商業運轉已經可行，但相較于傳統的鑄造或鍛造工法，3D金屬列印還有幾個阻礙，一是機器設備以及金屬粉末的成本都仍偏高，二是儘管目前3D金屬列印已經來到了4支雷射噴頭可同時工作，但以用戶的角度來看，速度還是慢。
2.完美的網路隱私
- 入選理由：原本為加密貨幣的交易過程開發的一種工具，現在能讓你在上網時避免透露任何非必要資訊
- 技術突破：電腦科學家正在完善一款加密工具，可以在不透露非必要資訊的前提下完成驗證。
- 重大意義：如果你需要透露個人資訊以在網上完成某件事，這個方法可以讓你在免除隱私權洩露或身份被盜竊風險的同時輕鬆實現
- 主要研究者：Zcash、摩根大通、荷蘭國際集團等
- 成熟期：現在
多虧一款新工具的出現，真正的互聯網隱私終於可以實現了。舉個例子，該工具可以讓你不用透露出生日期就能證明自己年滿18歲，或者不用透露自己的銀行餘額或其他細節，就能證明自己在銀行有足夠的存款可以完成金融交易。這樣就大大降低了隱私權洩露或身份盜用的風險。這款工具是一種叫做「零知識驗證」（zero-knowledge proof）的新密碼協定。
儘管研究人員已經研究了幾十年，但直到去年人們對零知識驗證的興趣才開始暴增，某種程度上，這要得益於人們對加密貨幣日益增長的熱情，以及大多數加密貨幣都為機構所擁有的的現實。同時，很大一定程度上也得益於 2016 年末建立的電子錢——Zcash把零知識驗證應用於實際。Zcash的研發人員使用一種叫做 zk-SNARK（簡明非交互零知識驗證）的方法讓使用者進行匿名交易。通常，這在比特幣以及其他公共區塊鏈系統中是不可能實現的，比特幣以及其他公共區塊鏈系統中的交易對所有人都是公開透明的。
儘管理論上來說，這些交易都是匿名的，但通過與其他資料進行結合，還是可以追蹤到甚至識別出交易人。世界第二大區塊鏈網路乙太坊創始人Vitalik Buterin將zk-SNARK稱為一項「徹底改變遊戲規則的技術」。對銀行來說，這樣就可以在支付系統中使用區塊鏈了，同時還能保護客戶隱私。
去年，摩根大通將 zk-SNARK 添加到自己基於區塊鏈的支付系統中。不過儘管 zk-SNARK 承諾種種好處，但計算量大，運行緩慢。同時，zk-SNARK 需要“信任安裝”，所生成的金鑰如果落入壞人之手就可以破壞整個系統。不過，研究人員正在努力研究替代方案，希望可以更加高效地部署零知識驗證，同時不需要上述金鑰。
專業解讀
氪信創始人兼 CEO 朱明傑：如果有一個系統能夠在機制公開透明的同時又能夠保證用戶的隱私得到充分的保證，那麼這個系統就會有足夠的吸引力，尤其是在區塊鏈中，所有的交易是全網公開的，基於零知識證明的區塊鏈系統就可以以完全公開透明的形式實現資訊的隱私保護，這無疑是有著巨大的現實意義的。Zcash以及JP Morgan的區塊鏈系統都基於此實現。
現在，更多的區塊鏈系統將要或正在集成零知識證明這一技術。區塊鏈中有部分成熟的應用，其交易相關的隱私資料需要對任意協力廠商保密，如在供應鏈系統中一旦暴露就會造成巨大的後果。對於這類不能將資訊暴露給潛在協力廠商的系統，零知識證明毫無疑問是一個「剛需」。搭上區塊鏈高速發展的快車，零知識證明技術可望在不遠的將來得到廣泛的應用，成為下一代價值互聯網的基石。
達闥科技創始人兼 CEO 黃曉慶：如果認同零知識證明的創新性，這的確是 Zcash 的非常突破的創新，因為它解決了比特幣等區塊鏈技術交易完全透明的問題，但在應用方面仍必須要考慮到根金鑰的問題，這會是最大的限制所在。事實上，現在也有其他區塊鏈技術如乙太坊也開始集成零知識證明功能。
3.零碳排放天然氣發電
- 入選理由：一種針對天然氣發電廠的新工程學方法，將二氧化碳回收再利用
- 技術突破：一家發電廠能夠以廉價高效的方式捕捉天然氣燃燒釋放的碳元素，避免了溫室氣體的排放
- 重大意義：天然氣發電為美國提供了近 32% 的電力，其碳排放量也達到電力部門總碳排放量的 30%
- 主要研究者：8 RiversCapital、Exelon 電力公司、CB&I等
- 成熟期：3-5 年
在可預見的未來，我們可能要一直將天然氣作為主要的發電能源之一。現成又便宜的天然氣發出的電占美國總發電量的30%, 全世界發電量的22%。天然氣雖然比煤炭清潔得多，仍造成了大量的碳排放。
在美國煉油工業區的中心休斯頓城外出現了一家前沿發電廠，他們正在測試一項可以實現清潔天然氣能源的技術。這家公司擁有50兆瓦特的項目，他們就是 Net Power。該公司相信他們能捕獲天然氣發電過程中釋放的所有二氧化碳，同時又能夠以低廉的成本發電，至少和標準天然氣發電廠的成本相同。
如果此舉真的可以實現，就意味著從此就可以以合理的價格從化石燃料中獲得零碳能源。這樣的天然氣發電必會改善能源供給的局面，因為它既不像核能那樣成本高企，也不像可再生能源那樣供給不穩。
Net Power公司是8 Rivers Capital，Exelon電力公司以及CB&I能源公司合作的產物。這家公司的發電廠已經在試運行且開始了初始測試，他們打算在未來幾個月內就公佈初次評估的結果。
這家發電廠將燃燒天然氣產生的二氧化碳放置到高壓高溫的環境中，並用合成的超臨界二氧化碳作為「工質」，驅動一個特製的渦輪機。其中，大部分的二氧化碳都能被不斷地再利用，剩下不能利用的可以用一種低成本的方式捕獲。
降低成本的關鍵在於出售部分二氧化碳。目前二氧化碳主要用於協助開採原油。這個市場容量有限，也並不環保。然而最終 Net Power 希望其他行業對二氧化碳的需求能夠漲起來，比如水泥製造業、塑膠製造業及其他碳基材料行業。
Net Power的科技並不能解決天然氣帶來的所有問題，尤其是開採方面的問題，但是只要我們還在使用天然氣，就應該讓天然氣變的更清潔。在正在發展的所有清潔能源技術中Net Power的技術是最有遠見的技術之一，他向我們展示的是一個真真切切的可減少碳排放的新突破。
專業解讀
中國科學院山西煤炭化學研究所副研究員陳成猛：中國目前天然氣約占總電力供應量的3%，截止2020年預計將占6.7%。為使以天然氣和煤炭等為燃料的火電廠更清潔環保，在現有技術體系通常是進一步增設CO2吸附、脫硫脫硝、降灰等環保裝置來實現。
然而，這些手段大都是補救性質的，會增加發電成本和能耗，降低經濟效益。Net Power公司則不然，在天然氣發電領域，他們選擇了源頭創新，徹底摒棄傳統的以水蒸氣為工質的熱能迴圈過程，選用全新的以高壓高溫超臨界CO2為介質的Allam 迴圈過程。這樣就從本質上解決了CO2排放和NOx污染的問題，且回收的CO2還變廢為寶，可應用于採油或作為化工原材料等利用。
該技術發電綜合效率更高，設施大幅簡化，固定投資少，占地面積小。如果該技術成熟並實現產業化，將引領熱力發電領域的技術革命，不僅對天然氣發電意義重大，對煤電領域也有非常重要的參考價值。另外，該技術的突破還有望改變當前全球碳排放和碳交易的格局。
該技術的工藝方案獨闢蹊徑，從熱力學原理上是可行的，但估計存在如下工程技術難點：一、由於工質從水蒸氣變成了CO2，對裝置的技術要求變化會很大，許多設備都需重新設計開發，其與工藝的匹配性還需進一步的中試和工業示範驗證。二、由於燃燒氣氛從空氣改為純氧，這就需要在前端增加空氣分離裝置，會增加一些固定投資和單位能耗。此外，由此帶來的燃燒速度控制和安全隱患亦不容小覷。
4.人造胚胎
- 入選理由：科學家們已經開始通過幹細胞製造胚胎
- 技術突破：在不使用卵細胞或精子細胞的情況下，研究人員僅從幹細胞中就可以培育出類似胚胎的結構，為創造人造生命提供了一條全新的途徑
- 重要意義：人造胚胎將為研究人員研究人類生命神秘起源提供更方便的工具，但該技術正在引發新的生物倫理爭議
- 主要研究者：劍橋大學、密西根大學、洛克菲勒大學、中國科學院等
- 成熟期：現在
英國劍橋大學的胚胎學家們在一項重新定義了如何創造人造生命的突破性研究中，利用幹細胞培育出了一種逼真的小鼠胚胎。該胚胎並不是由卵細胞與精子結合而來的，只使用了從另一個胚胎中得到的細胞。
研究人員將這些細胞小心翼翼地放在三維支架上觀察，細胞隨後彼此開始聯結，並且排列成幾天大的老鼠胚胎獨有的子彈形狀，研究人員被這一景象吸引住了。「我們知道幹細胞有著極其強大的潛能，可以展現出近乎魔法般的能力。然而，我們沒有意識到，他們可以如此完美地實現自組織」，團隊負責人Magdelena Zernicka -Goetz表示。
Zernicka-Goetz稱，她的「合成」的胚胎可能不會發育成老鼠。儘管如此，它們也意味著，我們很快就可以實現在沒有卵子的情況下育出哺乳動物。
但這並不是Zernicka-Goetz的最終目標。她想研究早期胚胎的細胞是如何開始分化出其特殊作用的。她說，研究的下一步是使用人類胚胎幹細胞生成人造胚胎，這也是密西根大學和洛克菲勒大學正在進行的研究。
人工合成的人類胚胎將是科學家們的福音，這可以讓他們梳理出胚胎在早期發展中經歷的過程。而且，由於這些胚胎是從易操作的幹細胞發展而來的，實驗室將能夠使用各種工具，例如基因編輯技術，在它們生長的過程中對它們進行研究。
然而，人造胚胎將會引發一些倫理問題。如果它們最終與真實的人類胚胎難以區分，我們該怎麼辦？在它們形成痛覺之前，它們能在實驗室裡成長多久？生物倫理學家們說，我們需要在科學競賽愈演愈烈之前解決這些問題。
專業解讀：
瑞典卡羅林斯卡醫學院助理教授李林鮮：首次在體外培養皿裡通過兩種幹細胞的3D共培養模擬了胚胎發育的早期過程，為研究胚胎的早期發育提供了一種可能的替代方法。人造胚胎的研究的價值依然是非常顯而易見的，例如應用在胚胎早期發育的基礎研究上。在胚胎早期發育的基礎研究中，很多時候需要用到如CRISPR的基因組編輯工具，比較在培養皿裡對幹細胞和胚胎的操作難度，幹細胞的相關操作要容易些。對幹細胞使用CRISPR之類的基因組編輯技術比胚胎會更方便。
5.對抗性神經網路
- 入選理由：2個 AI 系統通過玩「貓捉老鼠」遊戲來獲得想像力
- 技術突破：2個 AI 系統可以通過相互對抗來創造超級真實的原創圖像或聲音，而在此之前，機器從未有這種能力
- 重大意義：這給機器帶來一種類似想像力的能力，因此可能讓它們變得不再那麼依賴人類，但也把它們變成了一種能力驚人的數位造假工具
- 主要研究者：Google Brain、DeepMind、NVIDIA、中科院自動化所、百度、阿里巴巴、騰訊、商湯科技、依圖科技、雲從科技、曠視科技等
- 成熟期：現在
人工智慧識別物體的能力已經越來越強了：給它看100萬張圖片，它就可以用驚人的準確度來告訴你究竟哪張裡面有個行人在過馬路。但是AI幾乎不可能獨自生成行人的圖片。如果它可以實現這一點，它將可以創造大量看似真實的合成圖片，把行人放在各種環境下。而自動駕駛系統或許足不出戶就能使用這些圖片進行訓練。
但問題在於，從無到有創造一個東西需要想像力，而這正是人工智慧技術一直難以實現的能力。
直到2014年，當時還是蒙特利爾大學博士生的Ian Goodfellow在酒吧裡與友人進行學術辯論時，他突然想到了這個問題的答案。這種名為「對抗式生成網路」（GAN）的手段會使用2個神經網路（一種簡化人腦數學模型，是現代機器學習基石），然後讓這兩者在數位版的「貓捉老鼠」遊戲中相互拼殺。
這兩個網路會使用同一個資料集進行訓練。其中一個神經網路叫生成網路，它的任務就是依照所見過的圖片來生成新的圖片，比如一個多長一條手臂的行人。而另外那個神經網路叫判別網路，它的任務則是判斷它所見得圖片是否與訓練時的圖片相似，還是由生成模型創造出來的「假貨」，比如，判斷那個長著三個手臂的人有沒有可能是真的？
慢慢的，生成網路創造圖片的能力會強到無法被判別網路識破的程度。基本上，經過訓練之後，生成網路學會了識別並創造看起來十分真實的行人圖片。
這項技術已經成為了在過去10年最具潛力的人工智慧突破，幫助機器產生甚至可以欺騙人類的成果。
目前，GAN已被用於創造聽起來十分真實的語音，以及非常逼真的假圖片。就拿一個很有名的例子來說，來自晶片公司NVIDIA的研究人員們用明星照片訓練出了一個GAN系統，而這個系統則生成了數百張根本不存在、但看起來十分真實的人臉照片。另外一個研究團隊則生成了看起來十分逼真的梵古油畫。在進一步訓練後，GAN可以對圖片進行各種修改，比如在乾淨的馬路上蓋上一層雪，或者把馬變成斑馬。
但是GAN的成果並非完美：它們可能生成有2套把手的自行車，或者眉毛錯位的臉。但由於有些圖片與聲音實在太逼真了，一些專家相信，GAN在某種程度上已經開始理解它們所見到，所聽到的世界的底層結構。而這意味著，隨著人工智慧開始獲得想像力，它們也可能開始理解它在這世界上所看到的東西。
Ian Goodfellow發明出GAN後，獲得Facebook首席科學家Yann LeCun、NVIDIA創辦人黃仁勳、Landing.ai創辦人吳恩達等大牛的讚賞，吸引了諸多的機構及企業開始研究。在中國部分，學術機構致力於研究GAN理論的近一步改良及優化，像是中科院自動化所研究人員受人類視覺識別過程啟發，提出了雙路徑GAN（TP-GAN），用於正面人臉圖像合成，而商湯－香港中大聯合實驗室在國際學術大會上發表多項GAN相關研究成果。
中國企業界則是更傾向于把技術應用在服務中，相關案例不勝枚舉，比如，百度使用GAN構建語音辨識框架，科大訊飛通過GAN與傳統深度學習框架的結合在語音合成領域獲得了很大的進展。而阿里巴巴的城市大腦項目團隊在ACM MM2017會議上，其中發表的一篇論文便是使用GAN來生成用以進行車牌識別的訓練資料集。
專業解讀：
商湯—香港中文大學聯合實驗室教授李鴻升：GAN 未來可能對電腦圖形學產生衝擊，發展三年多的 GAN，在已經發展了 60 年的人工智慧領域中，雖然還是很新的技術，不過已經有各種變體或進階版出現，而且在諸多研究人員及企業的投入下未來仍有許多的可能性。例如有機會從二維的圖片進展到三維的視頻等等，在更遠的將來，有可能會對圖形學產生衝擊或挑戰。
6.給所有人的人工智慧
- 入選理由：將機器學習工具搬上雲端，將有助於人工智慧更廣泛的傳播
- 技術突破：基於雲端的人工智慧正在降低這項技術的使用難度和價格
- 重大意義：目前，人工智慧的應用是受到少數幾家公司統治的。但其一旦與雲技術相結合，那它將可以對許多人變得觸手可及，從而實現經濟的爆發式增長。
- 主要研究者包括：亞馬遜、谷歌、微軟、百度、騰訊、阿里巴巴、科大訊飛、第四範式等
- 成熟期：現在
人工智慧一直以來都只是亞馬遜、百度、谷歌和微軟等大型科技公司，以及少數初創公司的玩物。對於其他領域的眾多公司來說，人工智慧太貴也太難，無法全面普及。
這個問題該如何解決？基於雲端的機器學習工具正在將人工智慧帶給更廣泛的群體。如今，亞馬遜旗下的AWS子公司幾乎統治了雲AI市場。谷歌則試圖通過TensorFlow這款可以開發機器學習系統的開源人工智慧框架來挑戰它的地位。而谷歌近日剛公開的Cloud AutoML也是一套經過預先訓練，可以讓人工智慧變得更容易使用的系統。
以Azure平臺加入雲服務大戰的微軟則選擇與亞馬遜合作，推出了一款開源深度學習框架Gluon。在理論上，Gluon可以讓創建神經網路——一款試圖複製人腦學習方式的重要人工智慧技術——變得和開發手機APP一樣簡單。
雖然我們不知道究竟哪家公司將會成為人工智慧雲服務市場的領頭羊，但贏家一定會獲得巨大的商業機會。
如果人工智慧革命會擴散至經濟領域的各個角落，那麼機器學習工具也將會隨之成為必需品。
如今的人工智慧技術絕大多數僅用於科技行業，為這個領域帶來了效率的提升以及多種新的產品和服務。但是其他的公司與行業一直難以利用人工智慧技術的發展。如果可以在醫療、製造以及能源等行業裡更全面地推行人工智慧技術，將極大提高各產業的生產力。
可惜，絕大多數的公司依然缺乏瞭解如何使用雲端人工智慧的人才。所以，亞馬遜與谷歌也創辦了諮詢服務。當這項技術通過雲端來到每個人的面前的時候，真正的人工智慧革命才會開始。
專業解讀：
Lightelligence聯合創始人兼CEO沈亦晨：計算硬體是人工智慧的核心之一，算力更高的計算硬體可以在更短的時間裡完成神經網路的訓練，而由於AI處理器（如 NVIDIA的GPU）更新換代很快，售價高，更換硬體也比較麻煩，個人用戶每年更換處理器並不經濟，而雲計算平臺把有限的資源集約化共用給大眾。AI演算法共用也是雲平臺的一大優勢，目前有一些已經被廣泛使用的AI演算法，如人臉識別，語音辨識，圖像識別等，都是定義非常清晰的，公眾也只需要一個結果最好的演算法。
7.基因占卜
- 入選理由：大規模基因研究將讓科學家能夠預測普通疾病及人格特徵
- 技術突破：科學家們現在可以利用你的基因組資料預測你患心臟病或乳腺癌的幾率，甚至你的智商也能被預測
- 重大意義：基於 DNA 的預測技術可能公共健康領域下一個重大突破，但它將增加歧視的風險
- 主要研究者：Helix、23andMe、Myriad Genetics、UKBiobank 、Broad Institute、華大基因、奕真生物、WeGene等
- 成熟期：現在
將來有一天，嬰兒出生時就會得到一份DNA檢測報告。這些報告將提供嬰兒患心臟病或癌症的幾率、是否對煙草上癮，以及是否比一般人更聰明的預測。由於大型基因研究（部分研究涉及人數超過100萬人）的開展以及科學進步，這樣的報告很快就會從概念變成現實。
事實證明，最常見的疾病和人們的許多行為和特徵，包括智力水準，都不是一個或幾個基因影響的結果，而是許多基因作用的結果。利用正在進行的大型基因研究的資料，科學家們正在創造他們所謂的「多基因風險評分」指標。
儘管新的DNA測試只是提供了概率推斷，而不是直接得出診斷結論，但依然可以極大地造福醫學的發展。例如，如果那些患乳腺癌幾率高的女性做更多的乳房 X 光檢查，而患病幾率低的女性做更少的乳房X光檢查，那麼這些檢查可能會發現更多真正罹患癌症的患者，也能降低假警報發生的幾率。製藥公司還可以在針對阿爾茨海默病或心臟病等疾病的預防性藥物的臨床試驗中使用這些分數指標。通過挑選患病風險更高的志願者，他們可以更準確地測試藥物的效果。
問題是，這些預測遠非完美。誰願意知道他們未來可能會患上阿茲海默症? 如果癌症風險指標得分低的人推遲接受篩查，然後又患上癌症怎麼辦? 多基因檢查指標評分也存在其他爭議，因為它們幾乎可以預測任何個體特徵，不僅僅是疾病。例如，我們現在可能只能預測一個人在智商測試中表現的10%。隨著評分技術的提升，基於DNA的智商預測很可能會成為常態。
然而，家長和教育工作者應該如何使用這些資訊呢? 對此，行為遺傳學家EricTurkheimer表示，這項新技術「既令人興奮又令人擔憂」，因為基因資料不僅可以造福我們，也有可能會被用於其他用途，產生不好的影響。
專業解讀
麻省理工學院-哈佛大學布羅德研究所研究員、清華大學訪問學者叢樂：基因組學的科研進展結合大規模臨床研究，使科學家看到基因預測未來的曙光。
這一領域近年來加速式前進，並獲得來自大學院校等科研機構，初創公司跨國藥廠等企業，以及風險投資等資本市場的持續投入，從而讓研究人員得以分析預判遺傳信息對人類的健康狀況、疾病風險、甚至智力等個人能力等影響，這無疑將會影響醫療、保險、教育等多個層面，而這一連串的效應雖然剛剛開始但發展迅猛，究竟是福是禍尚未可知。
基因資訊具有很強的個性化差異與地區性差異，所以，針對一個地區一類人群的研究與技術結果不一定適用於全球其他個體（比如亞洲人vs.歐美人），這無疑會帶來更多挑戰，但也意味著有更多的機會。遺傳信息有靜態的部分，比如每個人的細胞最開始都來源於精子卵子結合後形成的胚胎細胞，也有動態部分，比如發育過程中的基因突變可能導致遺傳病，或者衰老過程中的基因突變可能導致癌症和老年病，並不是一生只做一次檢查就足夠，也不是做的越多就代表越好越準確，仍需要許多基礎和臨床研究開發相關技術與資料分析工具。
除了經典的DNA基因組資訊，還有很多疾病是由基因組的修飾和RNA表達變化等因素導致，我們稱之為表冠遺傳學。整體來看，儘管基因預測技術的發展受到高度矚目，但就實際的發展歷程來看，目前我們還只看到人類基因資訊的冰山一角而已。
8.傳感城市
- 入選理由：Alphabet 旗下的 Sidewalk Labs 計畫創建一個高科技社區來重新思考到底應該如何建設和運營一座城市
- 技術突破：多倫多的一個街區有望成為全球首個成功將尖端城市設計與前沿科技融合在一起的地方
- 重大意義：智慧城市會讓都市地區變得更加可負擔、宜居、環保
- 主要研究者：Alphabet 旗下的 Sidewalk Labs、多倫多 Waterfront、阿里巴巴等
- 成熟期：專案 2017 年 10 月對外公佈，預計在 2019 年開始施工建設
如今，全球很多智慧城市計畫都已擱淺，要麼下調了曾經雄心勃勃的目標，要麼因為生活成本原因逼走了超級富豪之外的普通居民。而多倫多的一個叫Quayside的專案，卻希望從頭開始重新設計一個社區，用最新的數位技術將其重建，打破現有的失敗局面。
Alphabet旗下位於紐約市的Sidewalk Labs將和加拿大政府進行合作，讓這一高科技專案落地在多倫多Waterfront工業區。
該專案的目標之一就是讓一切關於設計、政策以及資訊科技的決策都以一個巨大的感測器網路為基礎。這個網路將收集各種資訊：空氣品質、雜訊水準以及人們的行為等資料。
在該規劃中，一切車輛都是自動駕駛的共用車輛，地下也將跑著負責送快遞這種低級體力勞動的機器人。Sidewalk Labs表示，他們計畫讓正在設計的軟體與系統開源，可以允許其他公司在其上創建服務，類似為手機開發APP的做法。
該公司計畫密切監視公共基礎設施，然而這卻引起了對資料管理與隱私的擔憂。但是Sidewalk Labs相信，它可以通過與社區和當地政府的合作，緩解部分擔憂。
「在Quayside項目中，我們所做的最獨特的一點就是，這個項目不僅包含我們巨大的野心，也有著一定程度上的謙遜」，負責城市系統規劃的Sidewalk Labs高管RitAggarwala說道。而這種謙遜有望幫助Quayside避開之前那些智慧城市計畫時常遭遇的各種問題。
目前，北美已有多個城市正在爭取成為Sidewalk Labs的下一個標的。據管理Quayside開發的某公共部門CEO WillFleissig表示：「舊金山、丹佛、洛杉磯以及波士頓都來聯繫我們，就是為了獲得引薦。」
專業解讀
螞蟻技術實驗室無人值守演算法技術負責人曾曉東：城市版本的「作業系統OS」，搭載先進的「四肢」與「感官系統」為專案的關鍵所在。毫無疑問，物聯網技術在項目中會得到廣泛的應用，大量的感測器將融入整個城市的建設當中，就如同給城市裝上全新的數字肢體和感官，萬物實現互聯、可感、可控，城市的運行將由一個無比強大的 AI 接管。
城市版本的「Android」有機會成為可能，項目中搭建的城市平臺打通物質空間層面與科技資料層面，透過標準層面輸出基礎工具與功能，這點與智慧手機的作業系統類似。那如果與其和智慧手機的生態進行類比，基於這個超級城市版本的「OS」，能否引入更多的「城市開發者」來搭建上層的「城市APP」，這點很值得期待。
中國科學院生態環境研究中心副研究員王旭：到 2050 年，全球 70% 的人口將居住在城市，而且隨著城市化快速擴張，傳統基礎設施存在的問題和產生的社會、經濟和環境壓力將與之俱增。相比傳統基礎設施的發展和存在模式，基於感測器建設的未來城市基礎設施新範式，將會以更加集成、更加智慧的方法來建設和管理基礎設施，而不是將城市的能源、交通和水務等基礎設施單元或環節單獨割裂管理。
但當前這種基礎設施新範式，研究和應用熱點更多關注城市交通和能源系統，對於城市其他的重要基礎設施系統，例如水與環境衛生等的投入相對較少，另外，對城市基礎設施不同單元環節的耦合性、抗干擾性、彈性和可持續性方面的研究關注度仍有待提高。
9.巴別魚耳塞
- 入選理由：雖然現有硬體並不那麼好用，但谷歌 Pixel Buds 卻展示了即時翻譯的前景
- 技術突破：近即時翻譯適用于多種語言，而且使用起來很方便
- 重大意義：在全球化日益發展的今天，語言仍是交流的一大障礙
- 主要研究者：谷歌、科大訊飛、百度、騰訊、搜狗、清華大學、哈爾濱工業大學、蘇州大學等
- 成熟期：現在
在風靡一時的科幻經典《銀河系漫遊指南》中，你把一條黃色的巴別魚塞到耳朵裡，就可以聽到即時翻譯。在現實世界中，谷歌已經研究出了一個過渡性的解決方案：一副叫做 Pixel Buds 價值 159 美元的耳塞。這副耳塞可以在 Pixel 智慧手機上通過谷歌翻譯應用進行即時翻譯。需要一個人佩戴耳塞，另一個人手持手機。
佩戴耳塞的人用自己的語言講話——預設是英語——然後谷歌翻譯應用就會對所講的話進行翻譯，並在智慧手機上大聲播放。手持手機的人回應後，回答被翻譯，然後在耳塞中播放。
谷歌翻譯之前就已經有了對話功能，其 iOS和安卓版應用都可以自動識別說話者的語言，然後自動翻譯。但背景雜音會增加應用理解話語的難度，同時也會讓應用很難判斷說話人何時停頓，何時開始翻譯。Pixel Buds有效解決了這些問題，因為佩戴人可以在說話的同時用手指點擊和長按右邊的耳塞。將交互分別放在智慧手機和耳塞上，可以讓雙方都能控制麥克風，說明講者保持眼神交流，因為這樣就不用來回傳遞手機了。
目前，Pixel Buds因為低於行業平均水準的設計而備受抨擊。耳塞看起來很不智慧，也不是很貼合耳朵，而且很難與手機進行適配。不過硬體笨拙還是有計可施的。Pixel Buds讓大家看到了近即時翻譯跨語言障礙自由溝通的曙光，而且你還不用把一條巴別魚塞到耳朵裡。
在中國，有許多公司也積極投入發展，科大訊飛、百度、搜狗可以說是這個領域的領先者，除了提供智慧語音、翻譯等服務外，也將技術引入硬體中，不過，相較於外國業者偏好以耳機作為切入點，中國企業則選擇翻譯機，像是科大訊飛推出曉譯翻譯機，百度則有共用 WiFi 翻譯機，搜狗也在日前發表「旅行翻譯寶」和「速記翻譯筆」。
專業解讀
微軟亞洲研究院資深研究員／研究經理韋福如：基於序列到序列（sequenceto sequence）的端對端神經網路機器翻譯（NMT，Neural Machine Translation）近年來大幅度提高了機器翻譯的品質和水準，是深度學習演算法在自然語言處理領域最大的突破和成果之一，NMT技術的進步也進一步觸發相關服務和硬體的創新。
BrainCo 及 BrainRobotics創始人兼CEO韓璧丞：Google發佈的這款pixel buds是其對於智慧耳機領域的第一次的嘗試，然而小硬體背後卻是大心思。僅通過這一款硬體，Google就攢起自家過半的當家AI技術-知識圖譜、自然語音處理、翻譯、語音辨識，以家居+車載+便攜的全場景語音介面，撬動智慧家居，智慧出行等生態系統，這次打造耳機便攜AI介面的野心不可謂不大。
10.材料的量子飛躍
- 入選理由：研究者們最近開始使用量子電腦對簡單分子進行建模，而這僅僅是開始
- 技術突破：IBM採用7量子比特的量子電腦對小分子的電子結構成功地進行彷真計算
- 重大意義：借助該技術，科學家能瞭解分子的各個方面資訊並以此開發出更有效的藥物以及更高效生成或傳輸能源的新材料
- 主要研究者：IBM、Google、哈佛大學 Alán Aspuru-Guzik 教授、中國科技大學、中國科學院、浙江大學、阿里巴巴等
- 成熟期：5到10年
新型量子電腦功能強大，不過它的發展道路上依然籠罩著一層迷霧：量子電腦有著當今電腦無法比擬的計算力，但是我們至今尚未弄清楚這種能力能被用來做什麼。一個前景無限的應用方向正在向量子電腦招手：精確分子設計。
多少年來，化學家都夢想著能設計出新型蛋白質，用於研製更有療效的藥物，或是設計出新型高效電池中的電解質、直接將太陽能轉化為液態燃料的神奇化合物以及更高效的太陽能電池。然而，這些技術中的材料分子都難以在電腦上建模和彷真，遑論設計和合成了。即使彷真一個簡單分子的電子形態這樣的任務，都會複雜到讓現有的電腦敗下陣來。不過，這對於量子電腦而言就是小菜一碟了。
相比傳統電腦那樣採用「1」或「0」的數位比特（Digital Bits）作為計算和存儲單元，量子電腦採用量子系統的量子比特（Qubits）作為運算單元。最近，IBM 的研究者應用7量子比特量子電腦針對一個三原子分子進行了彷真實驗。
如今，科學家正在打造具有更多量子比特的量子電腦，量子演算法也在提升，我們更感興趣的大分子精確彷真計算也將成為可能。
實際上，中國在量子計算方面也有相當明顯的成長，雖然目前的技術層次還無法與前面幾家大企業相提並論，但是在產業、學術界，以及政府的通力合作之下，也正一步步追趕上領先者的腳步。
2017 年 5 月，中國科學院宣佈由中科大、中國科學院──阿里巴巴量子核算實驗室、浙江大學、中科院物理所等單位或公司聯合研製的光量子電腦正式誕生。另外，同年 10 月 11 日，由中科院與阿里雲合作發佈量子計算雲平臺，量子計算的商業化已經近在咫尺，速度毫不遜色于歐美的腳步。
然而，量子計算還有不少需要突破的地方，首先，量子計算的精度相當低，雖然用在深度學習等精度需求不高的計算上相當合適，但要處理傳統電腦的通用計算工作，可能就力有未逮了。其次，量子計算這種高度並行的計算環境需要框架的適配，以及編譯器的針對性優化，這種開發邏輯與現有的計算架構完全不同。
