图片来源：世界经济论坛
技术如何在不久的将来改变你的生活?人工智能将大大加快创新药物和材料的设计。先进的诊断工具将使医疗日益个性化。增强现实将无处不在，把信息和动画叠加在真实世界的图像上，以帮助你完成日常任务，并有助于行业更有效地运营。如果你生病了，医生将能够在你的身体内植入活细胞，治疗你的病。而你将吃从干细胞培养而来的牛肉、鸡肉和鱼肉，大大减少了动物养殖对环境的影响，并使无数生物免受非人道待遇。
这些改变世界的想法，由生物学、无机化学、机器人和人工智能等领域的顶尖专家挑选，构成今年“十大新兴技术”名单。
首先，我们在网上集思广益，征求世界经济论坛全球未来理事会和专家网络社区创新者，科学美国人顾问委员会成员和编辑人员以及其他人的建议。然后，在一系列虚拟会议中，指导小组评估了候选技术满足几个标准的程度。这些技术必须能够为社会和经济提供重大利益，并在未来三到五年内实现这一目标。它们必须具有潜在的颠覆性，能够改变行业或建立做事方式。它们必须处于相对早期的发展阶段，尚未得到广泛使用，但正在被许多团体研究，引起专家兴奋，吸引越来越多的投资，理想情况下，由不止一家公司开发。指导小组在第一次会议上删除了50多份提交的初始名单，然后编制了额外的条件，以评估剩下的大约20个候选技术。在通过进一步的讨论收集更多信息后，做出了最终决定。
以下就是年十大新兴技术，排名不分先后。
无处不在的增强现实
图片来源：世界经济论坛
虚拟现实(VR)让你沉浸在虚构的、孤立的世界中。相比之下，增强现实(AR)实时覆盖了现实世界中计算机生成的信息。当你看到或佩戴配备AR软件和相机的设备时，无论是智能手机、平板电脑、耳机还是智能眼镜，该程序会分析传入的视频流，下载有关场景的大量信息并在其上叠加相关数据、图像或动画，通常是三维的。
两个例子：帮助汽车安全备份的显示屏和流行的游戏《精灵梦可宝GO》。众多消费者应用程序也具有AR功能，包括为外国游客翻译街道标志的应用程序，使学生能够剖析虚拟青蛙，并允许购物者在将椅子带回家之前看到它在自家客厅中的样子。在未来，该技术将使博物馆用户能够制作类似全息图的指南;外科医生用三维可视化患者皮肤下的组织;建筑师和设计师以新颖的方式合作创作;无人机操作员通过增强的图像控制远程机器人;和新手快速学习从医药到工厂维护等领域的新任务。
易于使用的软件设计应用程序应在未来几年内扩展至消费者产品。然而，目前，AR正在对工业产生最大的影响，它是“第四次工业革命”或“工业4.0”的一个组成部分：通过物理和数字系统的整合来对制造业系统性改进质量、降低成本、提高效率。例如，许多公司正在测试其在装配线上的使用。AR可以在需要时提供恰当的信息，从而减少错误，提高效率并提高生产率。它还能使设备中的应力可视化，并创建问题所在的实时图像。
个性化医疗的高级诊断
在20世纪的大部分时间里，所有乳腺癌女性都接受过类似的治疗。从那时起，治疗变得更加个性化：乳腺癌现在被分为亚型并进行相应的治疗。例如，许多肿瘤产生雌激素受体的女性可能会接受专门针对这些受体的药物，以及标准的术后化疗。今年，研究人员向更加个性化的治疗迈进了一步。他们确定了很大一部分患者的肿瘤具有可以安全放弃化疗的特征，并避免其经常出现严重的副作用。
随着诊断工具的进步，这种面向许多疾病的个性化或精确医学的迈进正在加速。这些技术可以帮助医生检测和量化多种生物标志物(表明存在疾病的分子)，将患者划分为对疾病、预后或对特定治疗有反应的可能性不同的亚组。
早期的分子诊断工具研究了单个分子，在糖尿病的情况下，例如葡萄糖。然而，在过去十年中，“组学”技术取得了巨大进步，能够快速、可靠和廉价地对个体的整个基因组进行测序或测量所有蛋白质(蛋白质组)，代谢副产物(代谢组)的水平，或体液或组织样品中的微生物(微生物组)。该技术的常规使用同时开始产生巨大的数据集，人工智能可以挖掘这些数据集以发现对临床有用的新生物标记。高通量组学技术和人工智能的结合正在引领先进诊断的新时代，这将改变对许多疾病的理解和治疗，允许医生根据个体患者的分子特征定制治疗方案。
几种先进的诊断方法已经用于治疗癌症。一个名为OncotypeDX，检测21个基因;这项测试显示，许多乳腺癌女性可以避免化疗。另一项称为FoundationOneCDx测试，检测实体肿瘤中多个基因的基因突变，并指出可能对特定患者有用的特定基因靶向药物。
需要注意的是：使用此类私密诊断工具的医疗机构和研究人员必须严格执行保护患者隐私的保护措施。此外，需要明确的监管指南，以一致的方式评估生物标志物作为诊断工具的价值。这些指南将加速将新的生物标志物引入医疗实践。
即便如此，先进的诊断技术也开始消除诊断和治疗疾病的标准方法。通过引导患者进行最有效的治疗，他们甚至可以减少医疗保健支出。有一天，我们中的许多人可能拥有个人生物标记数据云，这些数据会随着时间的推移而累积，无论我们在何处寻求治疗，都会告知我们治疗方法。
人工智能辅助分子设计
想要设计一种新的太阳能材料，一种抗癌药物或阻止病*攻击作物的化合物?首先，你必须应对两个挑战：找到物质的正确化学结构，并确定哪些化学反应将正确的原子连接到所需的分子或分子组合。
传统上，答案来自于偶然性所引发的复杂猜测。该过程非常耗时，并且涉及许多失败的尝试。例如，合成计划可能有数百个单独的步骤，其中许多步骤会产生不想要的副反应或副产物或完全根本不起作用。然而，现在，人工智能开始提高设计和合成的效率，使企业更快、更容易、更便宜，同时减少化学品浪费。
在AI中，机器学习算法分析所有已知的过去实验，这些实验试图发现和合成感兴趣的物质，包括那些有效的实验，更重要的是那些失败的实验。基于它们识别的模式，算法预测潜在有用的新分子的结构和制造它们的可能方式。没有任何一种机器学习工具可以通过按一下按钮就能完成所有这些工作，但AI技术正在迅速进入药物分子和材料的真实设计。
例如，德国明斯特大学的研究人员开发的AI工具，反复模拟万个已知的单步化学反应，提出了多步合成路线——比人类的速度快30倍。
在制药领域，一种被称为“生成机器学习”基于人工智能的技术也令人兴奋。大多数制药公司储存了数百万种化合物，并筛选它们作为获取新药的潜力。但即使使用机器人技术和实验室自动化工具，这种筛选过程也很慢，并且产生的命中率相对较低。此外，所有的“库”加起来可能只是理论上个分子中的一小部分。使用描述已知药物(和候选药物)的化学结构及其性质的数据集，机器学习工具可以构建具有类似、可能更有用的特征的新化合物虚拟库。这种能力开始大大加速药物先导的识别。
近家初创企业已经开始探索AI用于药物发现。其中包括InsilicoMedicine，Kebotix和BenevolentAI;最近一次筹集了1.15亿美元，用于将其AI技术扩展到发现运动神经元疾病、帕金森病和其他难以治疗疾病的药物。BenevolentAI正在将人工智能应用于整个药物开发过程，从新分子的发现到临床试验的设计和分析，旨在证明人类的安全性和有效性。
在材料领域，像CitrineInformatics这样的企业正在使用类似于制药商的方法，并与包括巴斯夫和松下在内的大公司合作，以加速创新。美国*府也支持对AI设计的研究。自年以来，它已在材料基因组计划中投入了超过2.5亿美元，该计划正在建立一个包括人工智能和其他计算方法的基础设施，以加速先进材料的开发。
过去的经验告诉我们，新材料和化学品可能会对健康和安全造成无法预料的风险。幸运的是，AI方法应该能够预测并减少这些不良后果。这些技术似乎有望显著提高新型分子和材料被发现并带入市场的速度和效率，它们可以提供诸如改善医疗保健和农业，更好地保护资源以及增强可再生能源的生产和储存等益处。
可争辩和指导的AI
今天的数字助理有时会让你相信它们就是人类，但更有能力的数字助手正在路上。在幕后，Siri，Alexa和它们的同类使用先进的语音识别软件来弄清楚你的要求以及如何提供，并且它们会产生自然的语音，以提供与你问题相匹配的脚本答案。这些系统必须首先被“训练”——置身于人类可能提出的各种请求的无数案例中——并且合适的反应必须是由人类编写并组织成高度结构化的数据格式。
这项工作非常耗时，导致数字助理受限于它们可以执行的任务。系统可以“学习”，它们的机器学习能力使其能够更好地将输入问题与现有答案相匹配，但是在有限的范围内。即便如此，它们也令人印象深刻。
在更高级别的复杂性，现在正在开发技术，以允许下一代此类系统从无数来源吸收和组织非结构化数据(原始文本，视频，图片，音频，电子邮件等)，然后自主地在它们从未接受过训练的情况下，给出有说服力的建议或进行辩论。
我们已经在提供聊天机器人的网站上看到了这种能力，这些聊天机器人可以回答自然语言问题，这些问题涵盖了他们所训练的各种数据集。聊天机器人在特定问题或要求方面需要相对较少或不需要培训;它们使用预先配置的数据和“读取”相关背景材料的紧急能力。然而，它们确实需要进行一些识别单词和意图的培训才能给出高度准确的答案。
6月份，IBM展示了该技术的更高级版本：一个与人类专家进行实时辩论的系统，没有事先就该主题进行培训或有待论证的立场。使用非结构化数据(包括来自维基百科的内容)，系统必须确定信息的相关性和准确性，并将其组织成一个可重复使用的资产，它可以调用它来形成一致的参数，支持它所指定的立场。它还必须回应其人类对手的论点。该系统在演示期间进行了两次辩论，并且一大群观众认为其更有说服力。
支持技术已经发展了五年多，包括不仅能够理解自然语言，而且能够应对检测正面和负面情绪的更难挑战的软件，仍然是一项正在进行中的工作。尽管如此，未经编写的人工智能系统赢了一位公认的人类专家，打开了无数相关应用程序的大门，这些应用程序可能会在未来三到五年内出现。例如，这样的系统可以帮助医生快速找到与复杂病例相关的研究，然后讨论给定治疗方案的优点。
这些智能系统仅用于组装现有知识，而不是像科研科学家或专家那样创建它。尽管如此，随着机器变得越来越聪明，它们也是增加失业的幽灵。
植入式制药细胞
许多糖尿病患者每天多次刺破手指以测量血糖水平，并决定他们需要的胰岛素剂量。胰岛细胞植入物通常在体内产生胰岛素，可以使这种麻烦的过程变得不必要。同样，细胞植入物可以改变其他疾病的治疗，包括癌症，心力衰竭，血友病，青光眼和帕金森病。但细胞植入物有一个主要缺点：接受者必须无限期地服用免疫抑制剂以防止免疫系统的排斥。此类药物可导致严重的副作用，包括感染或恶性肿瘤的风险增加。
几十年来，科学家们发明了将细胞封闭在半透性保护膜中的方法，这种保护膜可以防止免疫系统攻击植入的细胞。这些胶囊仍然允许营养物和其他小分子流入，并将需要的激素或其他治疗性蛋白质流出。然而，让细胞远离伤害是不够的：如果免疫系统将保护性材料看作是外来的，它将导致疤痕组织在胶囊上生长。这种“纤维化”将阻止营养物质到达细胞，从而杀死它们。
现在，研究人员开始解决纤维化挑战。例如，年，麻省理工学院的一个团队发布了一种方法，使植入物对免疫系统不可见。在生产和筛选了数百种材料后，研究人员确定了一种名为藻酸盐的化学改性凝胶，这种凝胶在人体内安全使用的历史悠久。
已经有几家公司开发了封装细胞疗法。其中之一，SigilonTherapeutics，正在推进MIT开发的技术。为糖尿病、血友病和一种叫做溶酶体贮积病的代谢疾病设计治疗方法。制药公司EliLilly与Sigilon合作开展糖尿病工作。在其他例子中，SemmaTherapeutics也使用自己的技术专注于糖尿病;NeurotechPharmaceuticals在青光眼和以视网膜退化为特征的各种眼部疾病的临床试验中植入细胞;LivingCellTechnologies正在进行帕金森氏植入物的临床试验，并正在开发其他神经退行性疾病的治疗方法。
今天，掺入胶囊中的细胞是从动物或人体尸体中提取的，或者来自人类干细胞。有一天植入式细胞疗法可能包括更广泛的细胞类型，包括一些通过合成生物学改造的细胞，它重新编程细胞的遗传学，使其发挥新的功能，如控制，按需释放指定的药物分子进入组织。这些仍处于早期阶段。在大型临床试验中，封装细胞疗法的安全性和功效均未得到证实，但这些迹象令人鼓舞。
人造肉
想象一下，咬着一个多汁的牛肉汉堡，而它是在没有杀死动物的情况下生产的。在培养细胞的实验室中人造肉正在将这一愿景变为现实。几家初创企业正在开发实验室培养牛肉、猪肉、家禽和海鲜，其中包括MosaMeat，MemphisMeats，SuperMeat和FinlessFoods。该领域吸引了数百万美元的资金。例如，在年，MemphisMeats从比尔·盖茨和农业公司嘉吉等获得了万美元投资。
如果被广泛采用，实验室培养的肉，也称为清洁肉，可以消除对饲养动物的大部分残忍、不人道的待遇。它还可以减少肉类生产的相当大的环境成本;仅需要资源来产生和维持培养的细胞，而不是从出生开始养大整个生物体。
许多初创企业表示，他们希望在未来几年内销售产品。但如果要在商业上可行，人造肉必须克服许多障碍。
成本和味道就是其中之二。年，当一个用人造肉制成的汉堡送给记者时，生产的馅饼花费超过30万美元，并且口感很干(因为脂肪太少)。此后费用下降。MemphisMeats今年报道，其四分之一磅的碎牛肉价格约为美元。鉴于这种趋势，人造肉可以在几年内与传统肉类竞争。仔细注意纹理和明智地补充其他成分可以解决味道问题。
要获得市场认可，必须证明人造肉是安全的。虽然没有理由认为实验室生产的肉会对健康造成危害，但FDA现在才开始考虑如何对其进行监管。与此同时，传统的肉类生产商正展开反击，认为实验室产生的根本不是肉类，不应该这样标记，调查显示公众吃人造肉的兴趣并不高。尽管面临这些挑战，清洁肉类公司仍在不断前进。如果他们能够成功创造出价格合理且味道正宗的产品，清洁肉类可以使我们的日常饮食习惯更具道德和环境可持续性。
电子疗法
电子疗法(Electroceuticals)——用电脉冲治疗疾病的设备——在医学上有悠久的历史。想想心脏起搏器、人工耳蜗植入和帕金森病的深部脑刺激。其中一种方法有望变得更加通用，大大改善对一系列疾病的护理。它涉及向迷走神经传递信号，迷走神经将脑干的脉冲发送到大多数器官并再次返回。
迷走神经刺激(VNS)的新用途已经成为可能，部分原因是Feinstein医学研究所的KevinTracey和其他研究显示，迷走神经发出的化学物质有助于调节免疫系统。例如，脾脏中特定神经递质的释放使整个身体炎症中涉及的免疫细胞平静下来。这些研究结果表明，VNS可能对除了自身免疫和炎症等干扰电信号传导的疾病有益。对于患有这些疾病的患者来说，这可能是一个福音，因为现有药物经常会失败或引起严重的副作用。VNS可能更容易忍受，因为它作用于特定的神经，而药物通常在整个身体中传播，可能会破坏超出治疗目标的组织。
迄今为止，与炎症相关的应用研究令人鼓舞。由SetPointMedical(由Tracey共同创立)开发的VNS装置在类风湿性关节炎的早期人体试验中被证明是安全的，类风湿性关节炎引起关节的疼痛，毁容性炎症，以及涉及肠道炎症的克罗恩病。目前正在对两者进行额外的试验。对于具有炎症成分的其他疾病，例如心血管疾病，代谢失调和痴呆，以及对于诸如狼疮的自身免疫疾病，其中迷走神经本身变得不活跃，也正在考虑电子疗法。防止移植组织的免疫排斥是另一种潜在的应用。
旨在缓解丛集性头痛和偏头痛的无创手持迷走神经刺激器最近也获得了FDA批准，尽管迷走神经刺激究竟是如何帮助这些病症尚不清楚的。手持设备通过颈部或耳朵上的皮肤对神经提供温和的电刺激。
迷走神经不是唯一一个被新的电子疗法作为目标的神经。年底，FDA批准了一种非植入式装置，通过耳后皮肤向颅神经和枕神经的分支发送信号，从而减轻阿片类药物的戒断症状。在73例服用阿片类药物的患者戒断症的严重程度降低31%或更高后，该装置获得了FDA的批准。
植入物和手术的费用可能会妨碍VNS治疗的广泛采用，尽管随着技术的侵入性越来越小，这个问题应该会缓解。但成本并不是唯一的挑战。研究人员仍需要更多地了解VNS如何在每种情况下产生其效果，以及如何最好地确定个体患者的最佳刺激模式。靶向迷走神经的脉冲也可能以不受欢迎的方式影响周围的神经。
然而，随着越来越多的研究和试验检查其机制和作用，VNS和其他电子药物最终可能能够更好地管理各种慢性疾病，从而可能减少为数百万患者服用药物的需求。
基因驱动技术
对能够永久改变人口甚至整个物种特征的基因工程技术的研究正在迅速发展。该方法使用基因驱动技术-遗传因素从父母传递到无数后代，从而在种群中相当快地传播。基因驱动是自然发生的，但也可以设计，这样做可以在很多方面为人类带来福音。该技术有可能阻止昆虫传播疟疾和其他可怕的感染，通过改变侵袭植物的害虫，使珊瑚抵抗环境压力，并防止入侵植物和动物破坏生态系统来提高作物产量。然而，调查人员深知，改变甚至消灭一个物种可能会产生深远的影响。作为回应，他们正在制定规则，来管理基因驱动技术从实验室转移到未来的现场测试和更广泛的使用。
几十年来，调查人员一直在考虑利用基因驱动技术来对抗疾病和其他问题。近年来，由于CRISPR基因编辑的引入，这项努力得到了推动，这使得将遗传物质插入染色体上的特定位点变得容易。年，有几篇论文报道了基于CRISPR的基因驱动在酵母、果蝇和蚊子中的成功传播。
今年，一个CRISPR基因驱动系统在老鼠身上进行了测试，试图操纵皮毛颜色。这个过程只对女性有效。即便如此，研究结果还是支持这种技术带来的可能性，即可以帮助消除或改变入侵小鼠或其他哺乳动物种群，对作物或野生动物的威胁或疾病传播。
美国国防高级研究计划局(DARPA)是对该技术充满热情的投资者之一。它已投入1亿美元用于基因驱动研究，旨在对抗蚊媒疾病和侵入性啮齿动物。比尔和梅林达盖茨基金会已投资万美元建立了一个致力于抗击疟疾的基因驱动研究联盟。
等离子体材料
加利福尼亚理工学院的哈里·阿特沃特曾表示，“等离子体”技术最终会导致一系列应用，从高灵敏度的生物探测器到隐形斗篷。十年后，各种等离子体技术已经成为商业现实，其他技术正在从实验室转向市场。
这些技术都依赖于控制电磁场与金属(通常是金或银)中的自由电子之间的相互作用，这是金属的导电性和光学性质的原因。当被光击中时，金属表面上的自由电子共同振荡，形成所谓的表面等离子体。当一块金属很大时，自由电子反射撞击它们的光线，使材料发光。但是当金属仅为几纳米时，其自由电子被限制在非常小的空间内，限制了它们振动的频率。振荡的具体频率取决于金属纳米颗粒的尺寸。在一种称为共振的现象中，等离子体仅吸收入射光的一部分，其以与等离子体本身相同的频率振荡(反射其余的光)。可利用该表面等离子体共振来产生纳米天线、高效太阳能电池和其他有用的装置。
等离子体材料的最佳研究应用之一是用于检测化学和生物制剂的传感器。在一种方法中，研究人员在等离子体纳米材料上涂覆一种与感兴趣的分子结合的物质-比如细菌*素。在没有*素的情况下，照射在材料上的光以特定角度重新发射。但是如果存在*素，它将改变表面等离子体的频率，并因此改变反射光的角度。可以非常准确地测量该效果，甚至可以检测和测量*素的数量。一些初创公司正在开发基于这种和相关方法的产品-其中包括用于电池的内部传感器，可以监测其活动以帮助增加功率密度和充电速率，以及可以区分病*和细菌感染的装置。等离子体也正在进入磁盘上的磁存储器。例如，热辅助磁记录装置通过在写入期间暂时加热盘上的微小点来增加存储器存储。
在医学领域，光活化纳米粒子正在临床试验中测试其治疗癌症的能力。将纳米颗粒注入血液中，之后它们集中在肿瘤内。然后，与表面等离子体相同频率的光照射到质量中，导致粒子通过共振加热。热量选择性地杀死肿瘤中的癌细胞而不伤害周围的健康组织。
随着新公司开始充分利用等离子体，他们需要确保其产品价格合理、可靠、坚固、易于大规模制造并与其他组件集成。尽管存在这些挑战，但前景仍然光明。超材料——合成纳米材料的出现使等离子体产生不寻常的光学效应——使等离子体学研究人员能够使用除金和银之外的材料，如石墨烯和半导体。FutureMarketInsights的分析预测，北美等离子体传感器应用市场的价值将从年的近2.5亿美元增长到年的近4.7亿美元。
量子计算机的专门算法
在几年之内，量子计算机可以赶上甚至超越经典计算机，这要归功于硬件和运行算法的重要工作。
量子计算机利用量子力学来执行计算。它们的基本计算单位，即量子位，类似于标准位(0或1)，但它处于两个计算量子态之间的量子叠加：它可以同时是0和1。该属性以及另一种称为纠缠的独特量子特征，可以使量子计算机比任何传统计算机更有效地解决某些类别的问题。
这项技术虽然令人兴奋，但却是众所周知的苛刻。例如，一个称为退相干的过程可能会破坏其功能。调查人员已经确定，通过称为量子误差校正的技术，可以使具有几千量子位的严格控制的量子计算机能够承受退相干。但到目前为止，实验室已经证明的最大量子计算机——IBM，谷歌，RigettiComputing和IonQ——只包含数十个量子比特。这些版本，加州理工学院的约翰普雷斯基尔命名为噪声中等规模量子(NISQ)计算机，尚未执行纠错。尽管如此，针对NISQ专门编写的算法研究，可能使这些设备能够比传统计算机更有效地执行某些计算。
为全球用户增加NISQ机器的访问，极大地促进了这一进展，，使越来越多的学术研究人员能够为机器开发和测试小规模的程序版本。一个专注于量子软件不同方面的初创公司生态系统也正在蓬勃发展。
研究人员看到了两种NISQ算法的特殊前景，分别为用于模拟和机器学习的算法。年，传奇理论物理学家理查德·费曼提出，量子计算机最强大的应用之一就是模拟自然本身：原子、分子和材料。许多研究人员已经开发出算法来模拟NISQ设备上的分子和材料(以及未来完全纠错的量子计算机)。这些算法可以增强新材料的设计，应用于从能源到健康科学的领域。
开发人员还在评估量子计算机是否在机器学习任务方面更胜一筹，在这些任务中，计算机可以从大型数据集或经验中学习。针对NISQ设备快速增长的算法集的测试表明，量子计算机确实可以促进这样的机器学习任务，例如按类别对信息进行分类，将类似的项目或特征聚类在一起，以及从现有的统计样本生成新的统计样本。至少有三个研究小组独立报告了开发机器学习方法(称为生成性对抗网络(GAN))的量子版本的进展，该方法在过去几年中风靡机器学习领域。
虽然许多算法似乎在现有的NISQ机器上运行良好，但还没有人提供正式的证据，能证明它们比在传统计算机上执行的算法更强大。这些证明很难，可能需要数年才能完成。
在接下来的几年里，研究人员很可能会开发出更大，更可控的NISQ设备，其次是具有数千个物理量子比特的完全纠错的机器。从事算法工作的人都乐观地认为，NISQ的算法将非常有效，比最先进的传统计算机更有优势，尽管我们可能要等到完全纠错的机器可用的时候。