?
6、自然人工智能 當計算機能夠學習的話會發(fā)生些什么呢？
?
人工智能（AI），簡單來說，就是用計算機來做人類能夠做的事的科學。過去幾年，AI發(fā)展顯著：現在我們大部分都是用可以識別語音的智能手機，或者利用圖像識別技術快速通過機場入境處。自動駕駛的汽車和自動無人機正處于大規(guī)模應用前的測試階段，在某些特定的學習和記憶任務方面，機器的表現超越人類。人工智能計算機系統(tǒng)Watson在問答游戲Jeopardy中打敗了人類的最佳選手。
?
?
?
對比普通的軟硬件，人工智能允許一臺機器感知并對變化的環(huán)境做出回應。自然AI更進一步，通過吸取大量的信息，機器可以自主學習，自主的發(fā)展。以NELL（Never-Ending Language Learning）為例，這個永不結束的語言學習項目來自卡耐基梅隆大學，該系統(tǒng)不僅通過瀏覽上億網頁以獲取真實的信息，還試圖在該過程中提高閱讀理解能力，使得自身在未來做的更好。
?
就像下一代機器人技術，AI會促使生產力顯著地提高，就像機器取代了人工那樣，甚至更有過之。大量證據表明，自動駕駛汽車會減少撞車頻率，避免道路交通帶來的死亡和傷害，因為機器不會犯人類犯的錯誤，如注意力不集中，視力缺陷以及其他的缺點。智能的機器能夠快速訪問大容量存儲的信息，能夠沒有感情偏見的做出回應，也能夠在診斷疾病時比專業(yè)醫(yī)師表現的更好。Watson系統(tǒng)正被應用于腫瘤科以協助診斷，并為癌癥患者提供個性化的，以事實為依據的治療方案以供選擇。
?
長期以來人來都對AI懷有科幻噩夢，AI確實會帶來風險—-最顯著的就是超智能機器有一天也許會超越并且奴役人類。雖然幾十年過去了，專家們越發(fā)重視這個問題了，很多專家簽署了一封公開信以引導AI遠離潛在的陷阱，刊登于2015年一月刊的FLI（未來生命研究）上。更簡單的說，由智能計算機替代人工引起經濟變化，可能會加劇社會不平等，威脅到現有的工作機會。例如，無人機會代替大部分人工運輸機，而自動駕駛短期出租車輛會使的士越來越無用。
?
另一方面，自然AI可能會使那些只限于人類的屬性—創(chuàng)造性，情感，私人關系—更加有價值。隨著機器在智力方面的成長，技術也在不斷的挑戰(zhàn)我們的觀念：人與機器之間的差距在快速縮小，風險與機遇共存，作為人類該如何是好？
?
7、分布式制造
?
分布式制造正在我們制造和運輸產品的路上打開局面。在傳統(tǒng)的制造業(yè)中，原材料送到大型中央工廠里，在那里組裝加工成相同的成品，接下來送到客戶手上。在分布式工廠里，原材料和制作方式事分開的，制造出的成品非常接近最終客戶。
?
?
?
從本質上，這個想法是用數字信息盡可能多的替代材料供應鏈。例如，想要制造一把椅子，不再把采購木頭和制造椅子都放在工廠里，而是將組成椅子的各部件的切割數字計劃發(fā)布到使用電腦切割工具如CNC路由的本地制造企業(yè)。消費者或者本地制作工坊可以自行組裝這些部件，變成成品。已經在使用這種模式的公司是美國的一家家具公司AtFAB。
?
目前分布式制造的利用嚴重依賴于DIY玩家的活動，愛好者們用他們自己的3-D打印機和本地材料制造產品。這體現了部分開源思想，如此一來，消費者們可以個性化定制滿足他們需求和喜好的產品。與集中生產不同，創(chuàng)造性的設計元素更加眾包，當更多人參與到可視化和生產，產品會演變出更多的性質。
?
分布式生產被賦予期望能夠對資源更有效的使用，減少集中式工廠內的容量浪費。通過減少建立第一個原型和產品所需的資本，它同樣降低了進入市場的門檻。重要的是，它會減少制造業(yè)對整體環(huán)境的影響：數字信息通過Web傳送，而不是實物產品通過道路、鐵路貨水路傳送；原材料來源于當地，進一步減少了運輸所需的能源。
?
如果分布式制造應用更加普遍，將會打亂傳統(tǒng)的勞動力市場，及傳統(tǒng)制造業(yè)的經濟。這的確構成風險；調節(jié)和控制遠程人造醫(yī)療設備可能會變得更加困難，而槍械類的產品既不合法又危險。并不是所有東西都能用分布式生產方式來制作，而傳統(tǒng)制造業(yè)和供應鏈仍會存在以保證大部分非常重要而又復雜的消費品的生產。
?
分布式生產會鼓勵現今標準化的產品如智能手機和汽車更加多樣化。應用規(guī)模無限：一家英國公司Facit Homes利用個性化設計和3-D打印為消費者建立了一幢自定義的房子。產品功能不斷發(fā)展，服務于不同的市場和地理位置，貨物及服務將迅速擴散至世界那些現今傳統(tǒng)制造業(yè)無法覆蓋的區(qū)域。
?
8、能夠「感知與避讓」的無人機
?
用會飛的機器人（眾所周知的無人駕駛汽車，或者無人機）檢查電纜或運輸緊急物資在近年已經成為軍事能力重要又具有爭議的部分。該技術還被應用于農業(yè)，拍攝和許多其他應用，這些地方都需要廉價和廣泛的空中偵察。但目前為止，這些無人機都需要人類駕駛員；區(qū)別在于這些飛行員都在地面上，遠程控制著這些飛行器。
?
?
?
無人機技術的下一步是開發(fā)機器自行飛行，將它們帶到更廣的應用領域。為了這一目的，無人機必須能夠感知和對周邊環(huán)境做出回應，調整高度和飛行軌跡以避免在它們的飛行軌道上與其他物體相撞。在自然界，鳥，魚和昆蟲都能聚結成群，而每一只都能夠瞬間對周邊做出回應，得以讓整個群體如同單個單元一般飛翔或游動。無人機可以效仿這一點。
?
帶有可靠地自主性和防碰撞系統(tǒng)的無人機可以開始執(zhí)行對于人類來說太過危險或太遠的任務：比如檢查電力線纜，或者緊急情況下提供醫(yī)療用品。無人運輸機會考慮其他飛行器或障礙并找到前往目的地的最佳路徑。在農業(yè)中，無人機會收集處理大量的來源于空氣的可視化數據，根據這些數據可以精確有效的利用化肥和灌溉。
?
在2014年1月，Intel和Ascending技術公司展示了多動力無人原型機，該無人機可以定位障礙物，并且自動避讓走在它們設定的航行路線上的人類。無人機使用了Intel的實時感知攝像頭，攝像頭僅重8克，厚度不超過4mm。這個級別的防碰撞系統(tǒng)將會迎來共享領空的未來，將有很多無人機在接近人類的地方飛行，在被建立的環(huán)境里或附近操作執(zhí)行各種任務。無人機本質上就是在3個而不是2個維度上進行操作的機器人；下一代機器人技術的進步將會加速這種趨勢。
?
飛行器永遠都有風險，不管是人操作的，還是作為智能機器。為了得到廣泛接納，感知-避免無人機必須能夠在更加困難的條件下可靠地操作：在夜里，在暴風雪或沙塵暴里。不像我們現今的數字移動設備（實際上并不移動，因為我們得把它們呆在身邊），無人機將轉型，因為它們是自行移動并且有能力在這個三維世界里飛到超越人類極限的地方。一旦無處不在，它們將會極大的擴展我們的存在，生產率及人類體驗。
?
9、神經形態(tài)技術 模仿人類大腦的計算機芯片
?
即使是當今最好的超級計算機也無法匹敵人類大腦的復雜性。計算機是線性的，通過高速主干網，在內存芯片與中央處理器間來回移動數據。而大腦，則是完全相互關聯的，邏輯與記憶緊密交叉，其密度與多樣性數十億倍于現代電腦。神經芯片試圖用一種與傳統(tǒng)硬件完全不同的方式來處理信息，即模擬大腦體系結構，試圖大幅度提高計算機思維響應能力。
?
?
?
多年來，小型化已在傳統(tǒng)計算能力領域大幅度發(fā)展，但在中央處理器與存儲中不斷轉移數據的瓶頸在于這樣會耗費大量的能量并且造成熱量流失，從而限制了長遠的發(fā)展。相反，神經芯片將數據存儲于數據處理部分放在同一個相互關聯的模塊里，可以更有效的利用能源，并且更加強大。在這個意義上來說，系統(tǒng)復制了數十億的網絡神經元，從而彌補了人類的大腦。
?
神經形態(tài)技術將是強大計算的下一階段，將大大提高數據處理速度，提高機器學習能力。2014年8月，IBM透露了百萬神經元TrueNorth芯片的原型，該芯片在一些特定任務中的電源效率數百倍優(yōu)于傳統(tǒng)CPU（中央處理器），第一次更加接近人類的大腦皮層。擁有更強大的計算能力，消耗更少的能量，占用更小的體積，擁有這些優(yōu)點的神經芯片將會帶來更加智能的小規(guī)模機器，從而將小型化與人工智能帶入下一階段。
?
潛在的應用包括：無人機能夠更好的對視覺線索做出處理和響應，相機和智能手機能夠更加強大和智能，大規(guī)模數據運算能夠幫助解密金融市場或者天氣預報。計算機將會預測和學習，而不僅僅只是以預編程方式做出回應。
?
10、數字基因組：當你的遺傳密碼存儲在一個U盤時代的衛(wèi)生保健
?
第一次對組成人類基因組的32億對堿基對的DNA測序花費了多年的時間與上億美元的資金，今天，只要花上幾分鐘和幾百美元就能對你的基因組進行測序并數字化。結果可以保存到U盤上，甚至輕易地通過Internet進行分享。這種迅速廉價的確定我們獨特，個體的基因組的能力帶來了更加個性化和更有效率的保健改革。
?
?
?
很多我們棘手的健康問題，從心臟病到癌癥都與基因有關。事實上，癌癥是基因引起的疾病中最好描述的。隨著數字化，醫(yī)生將能夠通過腫瘤基因組來決定患者的癌癥治療方式。這項技術也使精密醫(yī)學成為現實，開啟了高度靶向治療的發(fā)展，可以提供改進后治療方式的潛在效果，特別是針對那些正在對抗癌癥的患者們。
?
跟其它個人信息一樣，因為隱私原因，人的數字基因也需要保護好。個人的基因組分析已經面臨了挑戰(zhàn)，人類對遺傳類疾病風險的更加了解會如何回應，與此同時其他人如雇主或保險公司會想要獲取并利用這些信息。但，利益很可能超出了風險，因為個性化治療和靶向治療可以發(fā)展出更多的潛力，可以應用于許多因為DNA病變導致或引起的疾病。
