《麻省理工科技評論》發(fā)布2018年“全球十大突破性技術”

　　4、人造胚胎

　　英國劍橋大學的胚胎學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的，只使用了從另一個胚胎中得到的細胞。

　　團隊負責人 Zernicka-Goetz 稱，她的“合成”的胚胎可能不會發(fā)育成老鼠。盡管如此，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。

　　據了解，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(fā)展中經歷的過程。而且，由于這些胚胎是從易操作的干細胞發(fā)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。

　　5、對抗性神經網絡

　　人工智能識別物體的能力已經越來越強了：給它看一百萬張圖片，它就可以用驚人的準確度來告訴你究竟哪張里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(chuàng)造大量看似真實的合成圖片，把行人放在各種環(huán)境下。而自動駕駛系統(tǒng)或許足不出戶就能使用這些圖片進行訓練。

　　但問題在于，從無到有創(chuàng)造一個東西需要想象力，而這正是人工智能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 突然想到了這個問題的答案，這就是“對抗式生成網絡”(GAN)。

　　“對抗式生成網絡”使用兩個神經網絡，而且使用同一個數據集進行訓練。其中一個神經網絡叫生成網絡，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。而另外那個神經網絡叫判別網絡，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(chuàng)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，生成網絡創(chuàng)造圖片的能力會強到無法被判別網絡識破的程度?；旧?，經過訓練之后，生成網絡學會了識別并創(chuàng)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十年最具潛力的人工智能突破，幫助機器產生甚至可以欺騙人類的成果。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，隨著人工智能開始獲得想象力，它們也可能開始理解它在這世界上所看到的東西。

　　不過， GAN 的成果并非完美：它們可能生成有兩套把手的自行車，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。對于其他領域的眾多公司來說，人工智能太貴也太難，無法全面普及。

　　這個問題該如何解決?基于云端的機器學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(tǒng)治了云 AI 市場。谷歌則試圖通過 TensorFlow 這款可以開發(fā)機器學習系統(tǒng)的開源人工智能框架來挑戰(zhàn)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，可以讓人工智能變得更容易使用的系統(tǒng)。