《科技評論》也會(huì )翻車(chē)？那些“失敗”的突破性技術(shù)們

《麻省理工科技評論》“十大突破性技術(shù)”代表了世界科技發(fā)展的最前沿和未來(lái)方向，曾經(jīng)成功預測了包括腦機接口、合成生物學(xué)、深度學(xué)習、CRISPR 基因組編輯等重大技術(shù)突破的爆發(fā)、商業(yè)化及其深遠影響，其專(zhuān)業(yè)性、權威性和前瞻性都在科技領(lǐng)域有著(zhù)極高的認可度，相信我們的讀者對它也非常熟悉了。

不過(guò)，正如中科院院士唐本忠所說(shuō)的，“幾乎沒(méi)有任何研究課題會(huì )完全按照預期發(fā)展；如果有，這種研究不會(huì )有任何突破、不會(huì )給人帶來(lái)任何驚喜。”今天我們就將聚光燈從光鮮亮麗的技術(shù)上移開(kāi)一會(huì )兒，關(guān)注下那些由于種種原因沉寂在了時(shí)代大潮下的技術(shù)，看看為什么會(huì )出現這樣的情況？它們真的就此“失敗”了嗎？

特別大，特別響，但……

最近科技大廠(chǎng)的寒潮愈演愈烈，META自然也在其列。扎克伯格一邊發(fā)文致歉，一邊宣布了1.1 萬(wàn)人的 META 史上最大裁員計劃，聲稱(chēng)“世界沒(méi)按我的預期進(jìn)行！”這條兼具悲痛與狂妄的發(fā)言所指的，除了新冠疫情的影響之外，自然也很容易聯(lián)想到其百億美元豪****元宇宙的決策，而這一戰略的核心之一，就是其于 2014 年以 20 億美元收購的 Oculus VR 虛擬現實(shí)頭顯。

Oculus VR，元宇宙里再見(jiàn)？

Oculus Rift 2014 年入選了“十大突破性技術(shù)”，聲稱(chēng)其“視覺(jué)沉浸式界面將帶來(lái)新的娛樂(lè )方式與交際手段”，它最大的一個(gè)突破在于，高質(zhì)量的虛擬現實(shí)硬件的價(jià)格已經(jīng)便宜到了 C 端市場(chǎng)可以承受的地步。誠然，與動(dòng)輒十萬(wàn)美金的前輩相比，Oculus 的成本控制得很好，也掀起了一次 VR 技術(shù)的浪潮。不過(guò)，其最近一次沖上熱搜，卻是八月份扎克伯格在社交媒體上曬出 META 元宇宙 Horizon Worlds 中的自拍遭到“群嘲”，其圖形質(zhì)量和建模細節被網(wǎng)友與十幾年前的古早游戲放在一起對比，他的化身（avatar）“甚至沒(méi)有腿！”可以說(shuō)，新一代的 Oculus Quest 2 雖然改善了 VR 眩暈等用戶(hù)體驗問(wèn)題，但放在元宇宙的尺度下，其圖形質(zhì)量受限于算力和成本等因素仍然與 2D 游戲有很大差距，更別提扎克伯格愿景中的沉浸感了。

圖丨來(lái)源：扎克伯格 Instagram

不過(guò)，正如扎克伯格自己所說(shuō)，META的策略是“先讓盡可能多的人用上這些工具，假以時(shí)日，再建立起一個(gè)更好的生態(tài)系統”，Quest 2 的銷(xiāo)量已經(jīng)接近了 1500 萬(wàn)臺（2022 年 5 月數據），Oculus 系列 VR 頭顯產(chǎn)品的市場(chǎng)份額也占到了全球市場(chǎng)的80%，這固然與他們十億人 VR 互聯(lián)的夢(mèng)想相去甚遠，但要說(shuō)是徹底失敗，顯然是為時(shí)過(guò)早的。

谷歌氣球，讓網(wǎng)絡(luò )飛一會(huì )兒

互聯(lián)網(wǎng)已經(jīng)是我們日常生活中不可分割的一部分，就和水、電一樣。不過(guò)，時(shí)至今日，世界上仍有超過(guò) 35 億的人處在“斷網(wǎng)”狀態(tài)，主要分布在眾多偏遠地區。究其原因，這些地區或出于地理條件限制，或由于人口稀少、業(yè)務(wù)量小，導致通信****、電力系統和光纜等基礎設施薄弱，建設、運營(yíng)成本過(guò)高而投入產(chǎn)出比低下，網(wǎng)絡(luò )服務(wù)堪稱(chēng)“奢侈品”。

這樣的背景下，谷歌于 2013 年推出了谷歌氣球Project Loon 計劃，試圖通過(guò)飄浮在平流層的大型氦氣球建立空基無(wú)限網(wǎng)絡(luò )，為世界偏遠地區提供網(wǎng)絡(luò )覆蓋。它的好處在于可以避免光纖網(wǎng)絡(luò )、通信****高昂的時(shí)間和鋪設成本，可以用穩定可靠且價(jià)格低廉的方式向這些地區送去互聯(lián)網(wǎng)服務(wù)。

圖：谷歌氣球和自動(dòng)****臺丨來(lái)源：Project Loon

為實(shí)現長(cháng)續航、穩定的氣球網(wǎng)絡(luò )，谷歌在氣球技術(shù)、材料科學(xué)、導航通信上做出了多項創(chuàng )新，才最終打破了氣球專(zhuān)家等各界人士對于其可行性的質(zhì)疑，不僅保證無(wú)動(dòng)力系統的氣球借助自然風(fēng)在平流層實(shí)現精準導航，還能在高速運動(dòng)的情況下維持區域網(wǎng)絡(luò )覆蓋所要求的氣球矩陣密度，其中一個(gè)氣球甚至繞地球轉了 19 圈，在天上足足待了 130 天。

谷歌氣球于 2015 年入選了“十大突破性技術(shù)”，有望為全球 35 億“離線(xiàn)”的人們帶來(lái)大量教育和就業(yè)機會(huì )，堪稱(chēng)科技向善的典范之一。2014 年夏天，巴西東北部偏遠地區的一所小學(xué)中，學(xué)生們終于在一堂地理課上用上了互聯(lián)網(wǎng)，老師借助維基百科和在線(xiàn)地圖向孩子們傳授了更多、更直觀(guān)的知識，而這“在氣球飄過(guò)來(lái)之前”是不可能的；2017 年 10 月，谷歌更通過(guò)緊急****多個(gè)氣球，幫助遭受颶風(fēng)蹂躪的波多黎各恢復了通信，使得各種人道主義救援工作得以順利開(kāi)展，讓當地的 10 萬(wàn)居民連上了網(wǎng)。

圖：一只谷歌氣球正從內華達州飛向波多黎各馳援丨來(lái)源：Project Loon

谷歌氣球原本的商業(yè)模式設想是在為偏遠地區海量“離線(xiàn)”人群提供低廉網(wǎng)絡(luò )服務(wù)的同時(shí)，也向他們投放廣告以維持收支平衡。然而很可惜，雖然有很多激動(dòng)人心的實(shí)例，這一計劃從未真正實(shí)現盈利。2021 年 1 月，谷歌宣布關(guān)閉該項目，稱(chēng)沒(méi)有找到一種方法來(lái)降低成本，從而建立一個(gè)長(cháng)期、可持續發(fā)展的業(yè)務(wù)模式。谷歌氣球“墜落”了，而馬斯克的“星鏈”計劃則帶著(zhù)同樣的愿景，由于“可回收火箭”（2016 年入選“十大突破性技術(shù)”）的出現在持續推進(jìn)。也許，全球通網(wǎng)的夢(mèng)，會(huì )以另一種形式延續下去。

傳感城市，智能、不智慧？

2017 年，與谷歌同屬 Alphabet 旗下的 Sidewalk Labs 為多倫多提出了一個(gè)野心勃勃的計劃，要在其Waterfront 湖濱工業(yè)區落地一個(gè)以高科技從頭設計的Quayside 項目，讓城市變成一個(gè)完整的大智慧體，通過(guò)一個(gè)巨大的傳感器網(wǎng)絡(luò )收集、監控各種信息，包含空氣質(zhì)量、噪聲水平以及人們的行為等數據，并基于這一無(wú)所不在的數字層來(lái)輔助城市中一切關(guān)于設計、政策、活動(dòng)等的決策，并通過(guò)自動(dòng)交通優(yōu)化、機器人出租車(chē)、自動(dòng)垃圾收集和加熱人行道等方式解放勞動(dòng)力，提升居民的生活品質(zhì)。

傳感城市于 2018 年入選了“十大突破性技術(shù)”，結合了人工智能、傳感器、物聯(lián)網(wǎng)、大數據等技術(shù)來(lái)建設一個(gè)擁有自己“操作系統”的智慧社區，并通過(guò)開(kāi)源的形式鼓勵企業(yè)為其開(kāi)發(fā)各類(lèi)服務(wù)。設想很美好，技術(shù)也非常華麗，不過(guò)這一計劃似乎從一開(kāi)始就有一些“水土不服”，當地居民對這一“互聯(lián)網(wǎng)+”的社區愿景并不十分感冒，反而對私營(yíng)企業(yè)收集日常生活活動(dòng)數據、控制公共街道和交通這種“不夠尊重居民隱私”的行為感到反感甚至憤怒，事實(shí)證明，加拿大人對這些行為的“容忍度遠低于美國人”。

2020 年 5 月，Sidewalk Labs 以“全球新冠疫情帶來(lái)的前所未有的經(jīng)濟不確定性”為由中止了該計劃，而公眾爭議在此前已經(jīng)持續了兩年多的時(shí)間，這座設想中的“數據富集”的城市，始終未能回答“人們?yōu)槭裁磿?huì )想住在這里”的問(wèn)題。目前多倫多市的 Quayside 2.0 計劃目前已經(jīng)啟動(dòng)，關(guān)注點(diǎn)從數據回歸到了“風(fēng)、雨、鳥(niǎo)鳴和蜜蜂”，希望建立一個(gè)真正宜居的伊甸園。而 Quayside 項目注定將成為智慧城市理念中濃墨重彩的一筆，或許下一次，技術(shù)需要更好地響應人類(lèi)的需求。

圖：Quayside 2.0丨來(lái)源：Waterfront Toronto

如果我們把時(shí)間尺度放大一點(diǎn)……

上述的技術(shù)都算不上成功，那么，它們就真的從此消亡了嗎？答案是，不一定。

深度學(xué)習，幾經(jīng)沉浮的奧德賽

如今，AI 已經(jīng)走進(jìn)千家萬(wàn)戶(hù)，以至于回想起來(lái)我們都無(wú)法相信它的普及也就是近十年的事情而已，而其核心，就是 2012 年入選“十大突破性技術(shù)”的深度學(xué)習?！堵槭±砉た萍荚u論》在當時(shí)的節點(diǎn)上，成功且準確地預測了該技術(shù)在幾年內的爆發(fā)，而這樣的趨勢愈演愈烈，直到現在也沒(méi)有減緩的跡象。然而，深度學(xué)習即便在當時(shí)也并不是很新鮮的事物，反而是由來(lái)已久。

事實(shí)上，深度學(xué)習的核心神經(jīng)網(wǎng)絡(luò )自誕生之初，便是跨學(xué)科交叉的產(chǎn)物。1943 年，心理學(xué)家 McCulloch 和數理邏輯學(xué)家 Pitts基于對大腦神經(jīng)活動(dòng)的研究，提出了神經(jīng)網(wǎng)絡(luò )模型和神經(jīng)元的第一個(gè)數學(xué)模型——MP 模型，為后來(lái)的研究工作打下了基礎，開(kāi)創(chuàng )了一個(gè)新時(shí)代。

1958 年，Frank Rosenblatt 教授基于 MP 模型提出了感知機模型（perceptron），通過(guò)單計算層為其增加了學(xué)習功能，并付諸實(shí)踐。這一突破引發(fā)了神經(jīng)網(wǎng)絡(luò )領(lǐng)域的第一次浪潮，不過(guò)卻在 1969 年被證明只能解決線(xiàn)性可分問(wèn)題，且否定了多層神經(jīng)網(wǎng)絡(luò )訓練的可能性，甚至有專(zhuān)家提出了“基于感知機的研究終將失敗”的觀(guān)點(diǎn)。此后的十多年，該領(lǐng)域的研究基本處于停滯狀態(tài)。

圖：Frank Rosenblatt丨來(lái)源：Division of Rare and Manuscript Collections

20 世紀 80 年代，計算機得到了飛速的發(fā)展，算力相較以前有了質(zhì)的飛躍，也為神經(jīng)網(wǎng)絡(luò )領(lǐng)域帶來(lái)了新的機遇。1986 年，被稱(chēng)為“深度學(xué)習之父”的 Geoffrey Hinton（杰弗里·辛頓）等提出了一種按誤差逆傳播算法訓練的多層前饋網(wǎng)絡(luò )——反向傳播網(wǎng)絡(luò )（Back Propagation Network, BP 網(wǎng)絡(luò )），解決了一些原來(lái)的單層感知器無(wú)法解決的問(wèn)題。這一突破有力地回擊了之前的質(zhì)疑，更引領(lǐng)了神經(jīng)網(wǎng)絡(luò )研究的第二次高潮。

不過(guò)，當時(shí)的 BP 算法有著(zhù)梯度消失的問(wèn)題，隨著(zhù)神經(jīng)網(wǎng)絡(luò )隱藏層數目的增加，其分類(lèi)的準確率反而會(huì )下降。同時(shí)，礙于當年極其有限的算力，各種淺層機器學(xué)習模型相繼被提出，如支持向量機（SVM）等，深度模型的研究也被學(xué)界冷落，再次迎來(lái)了長(cháng)達十幾年的低谷。當時(shí)，僅有辛頓等極少數學(xué)者在研究這一領(lǐng)域，而研究氛圍糟糕到甚至出現了一種說(shuō)法，也即如果你想在頂刊上發(fā)表有關(guān)深度神經(jīng)網(wǎng)絡(luò )的研究，論文中最好避免出現“神經(jīng)網(wǎng)絡(luò )”的字樣。

圖：Geoffrey Hinton丨來(lái)源：DEV Community

情況直到 2006 年才有了轉機，辛頓在這一年首次提出了“深度學(xué)習”，并給出了 BP 算法梯度消失問(wèn)題的解決方案。2012年，辛頓帶領(lǐng)團隊參加 ImageNet 圖像識別比賽，其深度學(xué)習算法一舉奪魁，性能碾壓第二名SVM 算法。其背后，不僅計算機的發(fā)展指數級地提升了算力，互聯(lián)網(wǎng)的高速發(fā)展也積累了此前無(wú)法想象的海量數據，可以用于算法的調試和模型的訓練。自此，深度學(xué)習終于迎來(lái)了新一輪的爆發(fā)，逐漸在許多領(lǐng)域取代了傳統的統計學(xué)機器學(xué)習方法，成為人工智能中最熱門(mén)的研究領(lǐng)域。之后，生成對抗網(wǎng)絡(luò )（入選 2018 年“十大突破性技術(shù)”）帶來(lái)了又一個(gè)爆發(fā)性增長(cháng)點(diǎn)，AlphaGo 則轟動(dòng)世界，極大地擴大了深度學(xué)習的影響力。

深度學(xué)習的發(fā)展歷史悠久，幾經(jīng)波折，以至于有人做出了圖表來(lái)直觀(guān)地顯示它的沉浮。我們能看到，在一個(gè)較大的時(shí)間尺度上，科技創(chuàng )新的進(jìn)程并非線(xiàn)性發(fā)展，而是呈一種螺旋上升的態(tài)勢。同時(shí)，深度學(xué)習爆發(fā)的背后，不僅有生命科學(xué)領(lǐng)域的神經(jīng)科學(xué)和腦科學(xué)的進(jìn)步，更有著(zhù)來(lái)自計算機芯片尤其是GPU 技術(shù)、互聯(lián)網(wǎng)普及積累的海量數據，以及控制論、算法等多種技術(shù)的支持。可以說(shuō)，一個(gè)科技領(lǐng)域的爆炸式增長(cháng)，大多是多學(xué)科交叉、跨學(xué)科融合的結果，看清多點(diǎn)突破的結構性發(fā)展對我們的判斷至關(guān)重要。

圖：深度學(xué)習發(fā)展史丨來(lái)源：《深度學(xué)習研究綜述》

現在讓我們試試把它們放到一起……

如今，科技領(lǐng)域的學(xué)科交叉愈演愈烈，如果說(shuō)以前的交叉與融合或多或少帶著(zhù)前沿探索的隨機性和靈機一動(dòng)，現在則已經(jīng)成為科技從業(yè)者的普遍共識，儼然是科技發(fā)展的主流趨勢了。比如 DeepMind 令人印象深刻的 AlphaFold 2 (AI 折疊蛋白質(zhì) 2022 年入選“十大突破性技術(shù)”）就是一個(gè)很好的例子，是生命科學(xué)與信息技術(shù)、人工智能的結合，目前已經(jīng)可以用 AI 預測幾乎所有的蛋白質(zhì)結構，賦能生命科學(xué)研究，加快研究進(jìn)展的同時(shí)也減輕了科研人員的負擔。