踏上新征程！德媒預測今年七大科技趨勢

　　實習記者 張佳欣

　　今日視點

　　量子計算機、納米抗體、哲學新邏輯……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)布的預測�？靵砜纯从袥]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。

　　美國高德納咨詢公司表示，在當前的行業(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；心理學家格特·尼曼于2012年在芬蘭赫爾辛基大學進一步開發(fā)了這一技術(shù)。蘋果和微軟在Siri和必應(Bing)等應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)絡起源于所謂的物聯(lián)網(wǎng)，即機器之間相互連通的網(wǎng)絡。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)學總是及時且有效的。相反，哲學則負責一些思想學科，這些學科應該可以幫助我們判斷當事情在某處變得嚴重時到底意味著什么：倫理學是其中的一部分，還有認識論、意識形態(tài)。

　　遺憾的是，如今大學里有關(guān)數(shù)學的哲學討論，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)學哲學家戴維·科菲爾德感到非常擔憂，于是他借助最新的數(shù)學基礎(chǔ)之一，即所謂的同倫類型論，著手開發(fā)了“哲學的新邏輯”。這種邏輯希望確保日益計算機化的數(shù)學實踐，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)量子物理學的規(guī)則計算的，所以這臺機器應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)和大學也獲得了大量資金來制造量子計算機。害怕掉隊的擔心可以理解。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)學問題的速度比最快的超級計算機還要快。當計算機制造商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：作為復雜的物理和化學過程的有效模擬器，這些困難的物理或化學過程很難以傳統(tǒng)方式實現(xiàn)。

　　少樣本學習

　　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)絡的工作效率之所以如此之高，是因為它們可以被廣泛訓練。

　　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習，用“小數(shù)據(jù)”代替了“大數(shù)據(jù)”，即“少樣本學習”。例如，在德國，圖賓根人工智能科學家馬蒂亞斯·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。人腦的學習技能被反復用作機器學習的參考，因為人們通常無需從海量例子中學習東西，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習樣本基礎(chǔ)上變得與人腦一樣有能力。