| 簡體中文 / English | ||||
| 股票代碼：603291 | ||||
| 網(wǎng)站首頁 | 關(guān)于我們 | 新聞資訊 | 核心業(yè)務(wù) | 人力資源 | 聯(lián)系我們 |
|
|
||||||||||
|
|||||||||||
|
| 德媒預(yù)測：2021年，這些科技夢想將成真 | ||
|
||
參考消息網(wǎng)1月20日報道德國《法蘭克福匯報》網(wǎng)站1月11日刊載題為《邁向新境界——量子計算機、納米抗體、新邏輯：2021年將帶來哪些技術(shù)突破？》的文章，文章預(yù)測了2021年即將夢想成真的幾個科技領(lǐng)域。全文摘編如下： 行為互聯(lián)網(wǎng) 處理器通常被解釋和描述為計算機的運算大腦。因此，如果現(xiàn)在數(shù)十億臺計算機通過網(wǎng)絡(luò)相互連接，人們或許可以將這種網(wǎng)絡(luò)視為一種類似于大型人工神經(jīng)系統(tǒng)的東西。就像自然界里的一個器官系統(tǒng)一樣，它能吸收、比較和應(yīng)對外部發(fā)展和內(nèi)部變化。 現(xiàn)在，在本就喜歡用“高大上”詞匯的科技行業(yè)，以自信著稱的美國高德納咨詢公司的專家們又推出一個概念：行為互聯(lián)網(wǎng)。英國物理學家斯蒂芬·沃爾弗拉姆2009年推出的“計算機知識引擎”勾勒出了它的技術(shù)基本特征。蘋果的Siri和微軟的必應(yīng)等應(yīng)用均以此為基礎(chǔ)。 2021年可能是行為互聯(lián)網(wǎng)的一年，畢竟這種網(wǎng)絡(luò)源于所謂的物聯(lián)網(wǎng)，即機器間相互溝通的網(wǎng)絡(luò)。它們使用的人工語言雖然是人類設(shè)計的，但今天大多數(shù)人已根本不再理解這些語言。因此，從某種意義上說，這些機器完全自成一體。不僅如此，它們還具備技術(shù)能力，能夠從不斷變化的環(huán)境中得出自己的結(jié)論，并根據(jù)這些結(jié)論進行(指導(dǎo)性)決策。 在亞馬遜網(wǎng)站下過幾次訂單、看過亞馬遜算法給出推薦的人，都知道這些建議有多智能。因此，機器可以通過分析數(shù)據(jù)塑造其他機器的行為，進而影響消費者的行為。面對由此最終衍生出的系統(tǒng)，傳統(tǒng)的自然思維者需要強健的神經(jīng)予以應(yīng)對。 探知宇宙更深處 毫不夸張地說，詹姆斯·韋伯太空望遠鏡就是太空望遠鏡界的“爛尾工程”。 早在上世紀90年代，美國航空航天局就開始了該項目最初的研發(fā)工作。韋伯太空望遠鏡將成為哈勃太空望遠鏡的繼任者。韋伯太空望遠鏡原計劃耗資5億美元（1美元約合6.5元人民幣——本網(wǎng)注），計劃發(fā)射時間是2007年。但由于各種延誤和意外，發(fā)射日期被一拖再拖，目前耗資已超過100億美元。 現(xiàn)在似乎可以肯定的是，今年10月，韋伯太空望遠鏡最終將在法屬圭亞那的庫魯航天中心由阿麗亞娜5型火箭送入近地空間。科學家們對此充滿期待。多年來，在他們發(fā)表的大量文章中，結(jié)語都表達了對獲得進一步認知太空的期望，而這種認知只有通過韋伯太空望遠鏡才可能實現(xiàn)。 這架望遠鏡的口徑達6.5米，而哈勃太空望遠鏡的口徑僅為2.4米。這意味著高靈敏度的韋伯太空望遠鏡將有7倍于哈勃太空望遠鏡的面積用于收集電磁輻射。此外，與前任相比，韋伯太空望遠鏡能在直至中紅外波段的更長波長上工作，這將使該望遠鏡能夠觀測到更久以前的宇宙。如此一來，最年輕的星系、最初的恒星以及對外星生命痕跡的探尋都將被列入研究議程。 競速無人機普及 今年，無人機飛行將有所不同：對雄心勃勃的業(yè)余愛好者來說，競速無人機將變得可控和可購買。 人們可以通過無人機眼花繚亂的自由式飛行動作制作極其炫酷的視頻，而非電影式的風景視頻。站在地面上的飛行員可通過視頻眼鏡實時觀看第一視角下競速無人機拍攝的視頻圖像，幾乎沒有延遲。飛行員不再像以往那樣看著手機屏幕，而是從無人機的視角體驗飛行，就像飛鳥一樣。這一切已經(jīng)成為現(xiàn)實，但只適用于能將無人機、視頻眼鏡和運動攝像頭融為一體的組裝者和專業(yè)人士。 不過，這一技術(shù)的應(yīng)用正在大眾化，視頻眼鏡、攝像頭、遙控器和無人機可以一站式購齊。新型第一視角無人機的速度遠快于傳統(tǒng)型號，其電池使用時間也可達20分鐘以上。今年還會出現(xiàn)使用手部動作而不再是操縱桿的新遙控方式。為配合視頻眼鏡的使用，飛行員還需要一名“觀測手”，后者負責觀察無人機飛行并向佩戴視頻眼鏡的飛行員發(fā)出潛在危險的警告。 這背后還有一點：如果說虛擬現(xiàn)實眼鏡一直未能獲得普遍接受，現(xiàn)在隨著新型第一視角無人機的出現(xiàn)，虛擬現(xiàn)實眼鏡可能迎來真正的春天。 納米抗體對抗病毒 如果在信使核糖核酸疫苗取得歷史性成功后，最終也在治療上實現(xiàn)期待已久的突破，那么人們最終將如何看待這場對抗新冠病毒的苦戰(zhàn)呢？ 理想的情況是研發(fā)一種針對病毒量身定做的低成本藥物，載體可以是鼻噴劑或糖衣藥片，這種藥物能像精密制導(dǎo)武器一樣瞄準病毒最脆弱的部位。如今，這樣的制藥奇跡不再是幻想，而是一個有望在今年實現(xiàn)的真實選項——“納米抗體”。 在新冠病毒研究中，傳統(tǒng)的所謂單克隆抗體已經(jīng)取得相當大的成功。但人類抗體每次注射要花費數(shù)萬歐元，生產(chǎn)成本高，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——即人類抗體的一種迷你版——則更穩(wěn)定、更廣泛、更易得。更重要的是，它們可以在酵母或細菌生物反應(yīng)器中被大量生產(chǎn)。 20世紀80年代末，人們在羊駝和駱駝的血清中首次發(fā)現(xiàn)這種迷你抗體。目前，它們已能被人工合成，甚至被設(shè)想用于洗發(fā)水(治療皮膚病)。長期以來，這種抗體的有效性一直有待提高。隨著新冠藥物研發(fā)大規(guī)模升級，現(xiàn)已開發(fā)出生物技術(shù)納米抗體，有望很快在人體臨床試驗中被證明是一種全新的抗病毒物質(zhì)類別。 “哲學新邏輯”問世 數(shù)學如今無處不在，從世界貿(mào)易到統(tǒng)計和評估感染數(shù)字都需要數(shù)學。 另一方面，哲學負責的幾門思想學科可以在情況變復(fù)雜時幫助我們判斷它到底意味著什么：倫理學是其中之一，此外還有認識論和世界觀。 令人遺憾的是，如今大學里有關(guān)數(shù)學的哲學討論在很大程度上仍停留在100多年前數(shù)學邏輯的水平上。這讓英國數(shù)學哲學家戴維·科菲爾德非常擔心，以至于他已借助最新的數(shù)學基礎(chǔ)理論之一同倫類型論著手開發(fā)一種“哲學新邏輯”。同倫類型論的開發(fā)者希望確保越來越多基于計算機的數(shù)學實踐(如創(chuàng)建證明)不僅能兼容機器，而且易于人類理解。 2020年，經(jīng)過幾年的前期工作，科菲爾德的《模態(tài)同倫類型論——哲學新邏輯的前景》出版。受疫情影響，相關(guān)學術(shù)界對該書的討論主要在網(wǎng)上展開。討論肯定會在今年繼續(xù)，其方向?qū)⑹且环N可能既非純自動也非習以為常的人類邏輯。 或許只有當我們不再只是思考、設(shè)計和討論，而是同時使用和體驗這種邏輯時，我們才能找到適合描述它的詞匯。 爭奪量子位 與人工智能一樣，量子計算機被認為是IT領(lǐng)域的下一場革命。這種根據(jù)量子物理規(guī)則計算的機器應(yīng)能以閃電般的速度搜索大型數(shù)據(jù)庫，極快地處理大量數(shù)據(jù)，以及破解所有迄今被認為安全的代碼。因此，圍繞令所有超級計算機黯然失色的最強大量子計算機的賽跑仍在繼續(xù)。 谷歌、國際商用機器公司(IBM)和微軟等企業(yè)為此投入巨額資金，歐洲的研究機構(gòu)和大學也獲得大量經(jīng)費用于制造量子計算機。害怕掉隊是有理由的，畢竟谷歌的53量子位計算機“梧桐樹”和最近中國的量子計算原型機“九章”已表明，它們解決特殊數(shù)學問題的速度比最快的超級計算機還快。計算機制造商IBM將推出其量子計算機王牌——已公布的127量子位計算機。不過，這只是初級階段，該公司希望在2023年打造超過1000量子位的計算機。其他公司也會繼續(xù)升級它們的量子計算機，畢竟系統(tǒng)的計算能力會隨量子位數(shù)量增加而呈指數(shù)級提高。 然而，盡管取得了各種進展，2021年估計仍不會出現(xiàn)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。因此，量子計算機將繼續(xù)完成其最初設(shè)定的工作：作為復(fù)雜的物理和化學過程的高效模擬器，這是傳統(tǒng)方式難以或根本無法實現(xiàn)的。 從少量數(shù)據(jù)中學習 人工智能領(lǐng)域的最新成果令人印象深刻且影響深遠。為在這場競爭中立于不敗之地，全球的企業(yè)和政府都在大舉投資——這將帶來經(jīng)濟、政治、軍事和社會影響。 到目前為止，一個重要的成功秘訣在于不斷增加投入：更高的計算能力、更多的員工、更多的數(shù)據(jù)。計算機已經(jīng)學會并在繼續(xù)借助大量例子學習識別物體，將詞句從一種語言翻譯成另一種語言，或合理地回答問題。人工神經(jīng)元網(wǎng)絡(luò)之所以能如此有效地運轉(zhuǎn)，是因為它們可以獲得廣泛訓練。 現(xiàn)在，一個從多方面看都令人興奮的人工智能研究領(lǐng)域，正嘗試開發(fā)使用更少數(shù)據(jù)的方法，即用“小數(shù)據(jù)”代替“大數(shù)據(jù)”。該領(lǐng)域被稱為“少樣本學習”。例如在德國，人工智能專家馬蒂亞斯·貝特格就在研究這一領(lǐng)域。該領(lǐng)域的進展可使計算機的能力更加接近人腦，因為人類通常不是從大量例子中學習的。 對很多行業(yè)而言，人工智能能否取得商業(yè)突破取決于程序能否基于較少的樣本學習變得像人類一樣勝任某項工作。 本文轉(zhuǎn)載自參考消息 |
| 收藏本頁 打印本頁 關(guān)閉本頁 |
|
