量子計算機、納米抗體、哲學(xué)新邏輯……從微小到宏大，2021年將帶來哪些技術(shù)突破？以下是近期德國《法蘭克福匯報》官網(wǎng)發(fā)布的預(yù)測。快來看看有沒有你感興趣的技術(shù)呢？
行為互聯(lián)網(wǎng)
處理器通常被解釋和描述為計算機的計算大腦。如果現(xiàn)在有數(shù)十億臺計算機通過網(wǎng)絡(luò)相互連接，人們可能會發(fā)現(xiàn)，這樣的連接就像大型的人工神經(jīng)系統(tǒng)。就像自然的器官系統(tǒng)一樣，它既能夠吸收外部發(fā)展，又能夠吸收內(nèi)部變化，并對它們進行比較和做出反應(yīng)。
美國高德納咨詢公司表示，在當(dāng)前的行業(yè)發(fā)展階段，它們的專家又推出一個新的概念：行為互聯(lián)網(wǎng)。2009年，英國物理學(xué)家斯蒂芬·沃爾夫拉姆提出的“計算知識引擎”對這一概念的基本技術(shù)特征進行了設(shè)計；心理學(xué)家格特·尼曼于2012年在芬蘭赫爾辛基大學(xué)進一步開發(fā)了這一技術(shù)。蘋果和微軟在Siri和必應(yīng)（Bing）等應(yīng)用程序上都以此為基礎(chǔ)。
2021年可能是行為互聯(lián)網(wǎng)之年。該網(wǎng)絡(luò)起源于所謂的物聯(lián)網(wǎng)，即機器之間相互連通的網(wǎng)絡(luò)。但如今，大多數(shù)人已經(jīng)無法理解為之設(shè)計的人工語言。從某種意義上說，這些設(shè)備完全自成一體。不僅如此，它們還具備了從不斷變化的環(huán)境中得出自己的結(jié)論并根據(jù)這些結(jié)論做出（具有開創(chuàng)性的）決策的技術(shù)能力。
任何曾經(jīng)在亞馬遜下過幾筆訂單，并在之前購買的基礎(chǔ)上看過亞馬遜算法推薦的人都知道，這些建議有多么智能。因此，機器可以通過數(shù)據(jù)評估來塑造其他機器的行為，進而影響消費者的行為。而由此衍生出的系統(tǒng)，需要傳統(tǒng)的自然思維者具備強大的神經(jīng)來應(yīng)對。
深入太空
詹姆斯·韋伯太空望遠鏡成本為5億美元，原定于2007年發(fā)射。由于各種延誤和意外，日期不得不推遲，目前耗資已超過100億美元。但現(xiàn)在似乎可以確定，韋伯望遠鏡最終將在今年10月發(fā)射。
科學(xué)家的期望是巨大的。多年以來，許多書中都表達了進一步了解太空的愿望，但似乎只有通過詹姆斯·韋伯望遠鏡才能實現(xiàn)。韋伯望遠鏡的主鏡直徑將達到6.5米，而哈勃望遠鏡只有2.4米。這意味著高度靈敏的韋伯望遠鏡將具有7倍的可用面積來收集電磁輻射。與之前的產(chǎn)品相比，它的工作范圍直至中紅外波段，讓我們得以觸及宇宙中更加深遠的曾遙不可及的角落。從宇宙誕生后形成的第一批最年輕的星系到外星中生命存在的線索，韋伯望遠鏡都將是我們探索宇宙的唯一希望。
競速無人機正在普及
今年，無人機的飛行將有所不同：對于雄心勃勃的業(yè)余愛好者來說，競速無人機將是可控操控的，也是可以被買到的。不同于以往電影般的風(fēng)景視頻，這一次，人們可以使用競速無人機生動的自由式飛行動作來制作極其“狂拽炫酷”的視頻。這些無人機飛行時可以更加靠近物體，其速度和加速度都設(shè)定了新的標準，可以在不到兩秒的時間內(nèi)從0加速到100km/h。站在地面上的飛行員可以通過視頻眼鏡觀看具有第一人稱視角（FPV）的競速無人機實時顯示的視頻圖像，幾乎沒有延遲。他不再需要像以前那樣注視著手機顯示屏，而是可以從無人機的角度體驗飛一般的感覺，就像鳥兒一樣。所有這些都已經(jīng)可以實現(xiàn)，但僅適用于將無人機、視頻眼鏡和運動攝像頭組裝在一起使用的業(yè)余愛好者和專業(yè)人士。這些自組裝的無人機一次充電通常只能飛行幾分鐘。
現(xiàn)在，技術(shù)正在越來越大眾化。視頻眼鏡、相機、遙控器和無人機可以一站式購買。盡管新型FPV無人機比傳統(tǒng)無人機速度更快，其電池續(xù)航時間也可以超過20分鐘。今年，還將出現(xiàn)一些新的遙控器，這些遙控器不再是與操縱桿一起使用，而是可以手動操作。使用視頻眼鏡時，還需要一個“觀察者”，即在飛行過程中觀察無人機并用FPV眼鏡警告飛行員存在危險的人。還有一點：如果用于虛擬現(xiàn)實的視頻眼鏡還未流行開來，那么現(xiàn)在，人們可以使用新型FPV無人機體驗虛擬現(xiàn)實眼鏡的“第二春”。
對抗病毒的納米抗體
如果在mRNA疫苗取得歷史性的成功之后，且最終能夠?qū)崿F(xiàn)人們所期望的治療上的突破，那么人們最終將如何看待對抗新冠病毒的痛苦斗爭呢？
理想的做法是量身定做一種廉價的針對病毒的藥物，這種藥物可以作為鼻腔噴霧劑或糖衣藥丸，就像精確武器一樣，瞄準病原體最脆弱的區(qū)域。如今，這個制藥奇跡不再是一個空想，而是一個真實的選項。今年，在全世界任何地方都可能實現(xiàn)。它就是“納米抗體”。
新冠肺炎的研究中，經(jīng)典的所謂單克隆抗體已經(jīng)取得了相當(dāng)大的成功。但其生產(chǎn)成本昂貴，而且在動物細胞中繁殖的抗體產(chǎn)量很低。相比之下，納米抗體是人類抗體的一種迷你瘦身版本——更穩(wěn)定、更普遍、更易分配。此外，它們可以在酵母或細菌生物反應(yīng)器中大量生成。
上世紀80年代末，人們在羊駝和駱駝的血清中發(fā)現(xiàn)了第一種微型抗體。同時，它們也可以人工合成，甚至可以用在洗發(fā)水中（以防皮膚問題）。它們的成效在很長一段時間內(nèi)都不盡如人意。隨著新冠藥物研究的大規(guī)模升級，生物技術(shù)納米抗體已經(jīng)被開發(fā)出來，在疫情大流行的人類臨床試驗中，它可能很快被證明是一種全新的抗病毒物質(zhì)類別。
哲學(xué)的新邏輯
如今，從世界貿(mào)易到新冠病毒感染人數(shù)的記錄和分析，無論什么情況、出現(xiàn)什么樣的嚴重問題，數(shù)學(xué)總是及時且有效的。相反，哲學(xué)則負責(zé)一些思想學(xué)科，這些學(xué)科應(yīng)該可以幫助我們判斷當(dāng)事情在某處變得嚴重時到底意味著什么：倫理學(xué)是其中的一部分，還有認識論、意識形態(tài)。
遺憾的是，如今大學(xué)里有關(guān)數(shù)學(xué)的哲學(xué)討論，在很大程度上還是停留在100多年前的數(shù)理邏輯水平。這令英國數(shù)學(xué)哲學(xué)家戴維·科菲爾德感到非常擔(dān)憂，于是他借助最新的數(shù)學(xué)基礎(chǔ)之一，即所謂的同倫類型論，著手開發(fā)了“哲學(xué)的新邏輯”。這種邏輯希望確保日益計算機化的數(shù)學(xué)實踐，例如，在創(chuàng)造證據(jù)時，既能與機器兼容，又能為人們所理解。
經(jīng)過幾年的準備工作，到2020年，戴維·科菲爾德的《模態(tài)同倫類型理論——哲學(xué)新邏輯的前景》一書出版。但出乎意料的是，由于疫情，圍繞該書內(nèi)容的討論主要在網(wǎng)上進行，但疫情并沒有減慢這一討論的步伐，反而加速了這一討論。
今年，這一討論還會繼續(xù)并朝著一種邏輯的方向發(fā)展，這種邏輯可能不會是純粹自動的，也不是人類常用的方式。當(dāng)我們不再只是思考、設(shè)計和討論，而是使用和體驗它們時，才可能會找到合適的詞語。
爭奪量子位
除了人工智能，量子計算機被認為是IT領(lǐng)域的下一次革命。因為它是根據(jù)量子物理學(xué)的規(guī)則計算的，所以這臺機器應(yīng)該能夠以閃電般的速度搜索大型數(shù)據(jù)庫，以極快的速度處理海量數(shù)據(jù)，并破解任何以前被認為是安全的代碼。因此，爭奪最強大的量子計算機的競賽仍在繼續(xù)，這將使任何超級計算機黯然失色。
谷歌、IBM、微軟等公司在這方面投入了大量資金，歐洲的研究機構(gòu)和大學(xué)也獲得了大量資金來制造量子計算機。害怕掉隊的擔(dān)心可以理解。畢竟，2019年美國谷歌公司推出的53個“懸鈴木”量子計算機和前不久問世的中國“九章”量子計算機已經(jīng)證明，它們解決特殊數(shù)學(xué)問題的速度比最快的超級計算機還要快。當(dāng)計算機制造商IBM宣布將在2021年推出其量子計算機王牌——一臺擁有127個量子比特的計算機。但這只是初步階段，2023年，該公司的工程師們想要制造出1000量子位的計算機。其他公司也將進一步升級他們的量子計算機。畢竟，系統(tǒng)的計算能力隨著量子位數(shù)的增加而呈指數(shù)型增長。
然而，盡管取得了各種進展，但到2021年，可能仍然不會有通用的容錯量子計算機，即像傳統(tǒng)計算機那樣可自由編程的量子計算機。量子系統(tǒng)將繼續(xù)完成其最初的構(gòu)想：作為復(fù)雜的物理和化學(xué)過程的有效模擬器，這些困難的物理或化學(xué)過程很難以傳統(tǒng)方式實現(xiàn)。
少樣本學(xué)習(xí)
到目前為止，人工智能成功的一個基本秘訣是不斷增加資金的投入：更強的計算能力、更多的員工和更多的數(shù)據(jù)。計算機學(xué)會了如何識別對象、如何將單詞和句子從一種語言翻譯成另一種語言，或者智能地回答問題。人工神經(jīng)網(wǎng)絡(luò)的工作效率之所以如此之高，是因為它們可以被廣泛訓(xùn)練。
現(xiàn)在，人們正試圖開發(fā)人工智能中一個令人興奮的研究領(lǐng)域，即讓機器從少量樣本中就可以快速學(xué)習(xí)，用“小數(shù)據(jù)”代替了“大數(shù)據(jù)”，即“少樣本學(xué)習(xí)”。例如，在德國，圖賓根人工智能科學(xué)家馬蒂亞斯·貝特格就在從事這一領(lǐng)域的研究工作。
這方面的進步使計算機的技能進一步接近人腦成為可能。人腦的學(xué)習(xí)技能被反復(fù)用作機器學(xué)習(xí)的參考，因為人們通常無需從海量例子中學(xué)習(xí)東西，所以小孩子不需要看成千上萬張老虎或大象的圖片，就能在其他圖片上或在動物園里獨立地識別大象是什么、老虎是什么。
但這并不是這個領(lǐng)域令人興奮的唯一原因。在現(xiàn)實中，并不是所有情況下都存在像互聯(lián)網(wǎng)上的購買行為或搜索行為那樣多的海量數(shù)據(jù)。許多行業(yè)的人工智能是否會取得突破將取決于程序能否在更少的學(xué)習(xí)樣本基礎(chǔ)上變得與人腦一樣有能力。
