《麻省理工科技評論》發(fā)布2018年“全球十大突破性技術(shù)”

　　4、人造胚胎

　　英國劍橋大學(xué)的胚胎學(xué)家們利用干細胞培育出了一種逼真的小鼠胚胎。值得一提的是，該胚胎并不是由卵細胞與精子結合而來(lái)的，只使用了從另一個(gè)胚胎中得到的細胞。

　　團隊負責人 Zernicka-Goetz 稱(chēng)，她的“合成”的胚胎可能不會(huì )發(fā)育成老鼠。盡管如此，它們也意味著(zhù)，我們很快就可以實(shí)現在沒(méi)有卵子的情況下育出哺乳動(dòng)物。

　　據了解，人工合成的人類(lèi)胚胎將是科學(xué)家們的福音，這可以讓他們梳理出胚胎在早期發(fā)展中經(jīng)歷的過(guò)程。而且，由于這些胚胎是從易操作的干細胞發(fā)展而來(lái)的，實(shí)驗室將能夠使用各種工具，例如基因編輯技術(shù)，在它們生長(cháng)的過(guò)程中對它們進(jìn)行研究。

　　5、對抗性神經(jīng)網(wǎng)絡(luò )

　　人工智能識別物體的能力已經(jīng)越來(lái)越強了：給它看一百萬(wàn)張圖片，它就可以用驚人的準確度來(lái)告訴你究竟哪張里面有個(gè)行人在過(guò)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(shí)現這一點(diǎn)，它將可以創(chuàng )造大量看似真實(shí)的合成圖片，把行人放在各種環(huán)境下。而自動(dòng)駕駛系統或許足不出戶(hù)就能使用這些圖片進(jìn)行訓練。

　　但問(wèn)題在于，從無(wú)到有創(chuàng )造一個(gè)東西需要想象力，而這正是人工智能技術(shù)一直難以實(shí)現的能力。

　　直到 2014 年，當時(shí)還是蒙特利爾大學(xué)博士生的 Ian Goodfellow 突然想到了這個(gè)問(wèn)題的答案，這就是“對抗式生成網(wǎng)絡(luò )”(GAN)。

　　“對抗式生成網(wǎng)絡(luò )”使用兩個(gè)神經(jīng)網(wǎng)絡(luò )，而且使用同一個(gè)數據集進(jìn)行訓練。其中一個(gè)神經(jīng)網(wǎng)絡(luò )叫生成網(wǎng)絡(luò )，它的任務(wù)就是依照所見(jiàn)過(guò)的圖片來(lái)生成新的圖片，比如一個(gè)多長(cháng)一條手臂的行人。而另外那個(gè)神經(jīng)網(wǎng)絡(luò )叫判別網(wǎng)絡(luò )，它的任務(wù)則是判斷它所見(jiàn)得圖片是否與訓練時(shí)的圖片相似，還是由生成模型創(chuàng )造出來(lái)的“假貨”，比如，判斷那個(gè)長(cháng)著(zhù)三個(gè)手臂的人有沒(méi)有可能是真的?

　　慢慢的，生成網(wǎng)絡(luò )創(chuàng )造圖片的能力會(huì )強到無(wú)法被判別網(wǎng)絡(luò )識破的程度?；旧?，經(jīng)過(guò)訓練之后，生成網(wǎng)絡(luò )學(xué)會(huì )了識別并創(chuàng )造看起來(lái)十分真實(shí)的行人圖片。

　　這項技術(shù)已經(jīng)成為了在過(guò)去十年最具潛力的人工智能突破，幫助機器產(chǎn)生甚至可以欺騙人類(lèi)的成果。一些專(zhuān)家相信，GAN 在某種程度上已經(jīng)開(kāi)始理解它們所見(jiàn)到，所聽(tīng)到的世界的底層結構。而這意味著(zhù)，隨著(zhù)人工智能開(kāi)始獲得想象力，它們也可能開(kāi)始理解它在這世界上所看到的東西。

　　不過(guò)， GAN 的成果并非完美：它們可能生成有兩套把手的自行車(chē)，或者眉毛錯位的臉。

　　6、云端 AI——給所有人的人工智能

　　人工智能一直以來(lái)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(chuàng )公司的玩物。對于其他領(lǐng)域的眾多公司來(lái)說(shuō)，人工智能太貴也太難，無(wú)法全面普及。

　　這個(gè)問(wèn)題該如何解決?基于云端的機器學(xué)習工具正在將人工智能帶給更廣泛的群體。如今，亞馬遜旗下的 AWS 子公司幾乎統治了云 AI 市場(chǎng)。谷歌則試圖通過(guò) TensorFlow 這款可以開(kāi)發(fā)機器學(xué)習系統的開(kāi)源人工智能框架來(lái)挑戰它的地位。而谷歌近日剛公開(kāi)的 Cloud AutoML 也是一套經(jīng)過(guò)預先訓練，可以讓人工智能變得更容易使用的系統。