自2001年起，《麻省理工科技評論》每年都會預測接下來將對人類生活產生重大影響的科技突破，而今年也不例外，日前（2月21日）他們公布了今年的十大科技突破清單，跟往年不同的是，在這份預測中，每一項還附上了主要的研究者名單，現在就趕快來看看2018有哪些重要領域值得關注？
一、在雲上的AI，給所用人的人工智慧（AI for Everybody）
「全球開發者總數大約有2,100萬人，但全球的數據科學家僅約100萬人，因此能善用人工智慧、甚至從中獲利的企業僅占少數。」Google雲端人工智慧與機器學習首席科學家李飛飛説。
人工智慧議題雖然熱了好一陣子，但進入門檻卻沒有降低，真正能採用AI技術的公司很少，原因是缺人才，成本又太高。不過除了目前統治AI雲端市場的亞馬遜旗下AWS子公司之外，今年一月初，Google也發表了Cloud AutoML，目標是打造簡單易用的AI，透過遷移學習（Transfer Learning）技術，將已經訓練好的模型套用至新的模型，以幫助新的模型訓練，提高開發效率。此外，微軟的Azure平台也加入戰局，與亞馬遜攜手推出一款開源深度學習框架Gluon。
雖然不知道會是誰成為領頭羊，不過透過雲端服務讓人人都能用AI的時代已經不遠了。
二、還沒泡沫？3D金屬列印技術（3-D Metal Printing）為製造業開新路
3D列印技術行之有年，不過應用範圍似乎一直有種走不出Maker或是設計師工作室的感覺（好啦，醫療產業應用也日益成長），其中一個主要原因，就是除了塑膠之外的材料，列印速度之慢、成本之高，所以難以為市場所接受，甚至在2016年被《新聞週刊》評為「噱頭一場」。
不過，3D列印的頹勢在去年已出現扭轉。2017年，勞倫斯·利弗莫爾國家實驗室（Lawrence Livermore National Laboratory）的研究人員宣布他們研發出了一種3D列印不銹鋼零部件的方法，而透過此法產出的零部件強度是傳統工法的兩倍；而3D列印新創在去年也表現亮眼，像是Markforged，發表了一款價格在10萬美元以下的3D金屬列印機，Desktop Metal除了順利出貨他們的產品外，更計畫打造比過去快100倍的工業用機型；而一直以來應用3D列印技術於航空產品生產的通用電氣（GE），更計畫在2018年開始銷售自己研發的3D金屬列印機。
3D金屬列印技術操作越來越簡單，成本也降低，若能被廣泛應用，工廠將不必再被有大量庫存，也更能實現客製化製造，甚至製作傳統金屬加工無法打造的複雜零部件。
三、多虧全球瘋比特幣？完美的網路隱私（Perfect Online Privacy）保護即將實現
儘管研究員已經努力了數十年，但真正飛躍性發展還要多虧了這兩年大熱的加密貨幣，讓真正的網路隱私保護成為現實，而這都多虧了：零知識驗證（zero-knowledge proof）這項工具的出現。
零知識驗證的出現多虧Zcash（一款在2016年建立的虛擬貨幣），它是一個新的密碼協議，Zcash的研發人員透過名為zk-SNARK（簡明非互動零知識驗證，zero-knowledge succint non-interactive arguments of knowledge的縮寫）的方法，讓用戶進行匿名交易，通常，這在大多數區塊鏈交易中是不可能的，因為儘管交易都是匿名的，但公共區塊鏈公開、透明的特性，可以讓駭客透過與其他數據結合，追蹤甚至識別交易人。
全球第二大區塊鏈網路以太坊創辦人Vitalik Buterin稱zk-SNARK是「徹底改變遊戲規則的技術」，因為它等於在實現區塊鏈公開透明交易的同時，也確保了用戶隱私，這樣一來連銀行都可以採用區塊鏈技術了。
儘管還有待克服的風險，但Zcash、摩根大通以及荷蘭國際集團等企業會持續投入開發中。
四、智慧城市擱淺了，傳感城市（Sensing City）才是新未來
「當前的智慧城市現實是，根本沒有一座城市稱得上智慧。」《科學人》一篇〈關於智慧城市，人們不願面對的真相〉作者史密斯（Kendra Smith）這樣說。
確實，看看現在（或過去的）智慧城市計畫幾乎都已擱淺，不是政府唱高調、畫大餅，就是下調了當初壯志凌雲的目標，然而近期Alphabet旗下位於紐約的子公司Sidewalk Labs與加拿大政府合作名為「Quayside」的專案，要重新定義智慧城市，在多倫多Waterfront工業區打造宜居、居民可負擔、環保的智慧社區。
這座城市的基礎與重點將放在「傳感器」上，讓整個社區宛如大型傳感器，讓空氣品質、噪音、交通⋯⋯一切民生活動被感知、被記錄，堪稱城市版的作業系統，還可開源讓其他公司開發軟體、創建服務。實現城市級的物聯網（IoT）。
雖然勾勒的藍圖很美好，但隱私問題、數據管理也成為了首要待解決的難題。該專案在去年10月公布，預計在2019年開始動工。
五、讓AI玩貓捉老鼠！激發想像的「對抗性神經網絡」（Dueling Neural Networks）
E：「你為什麼對我這麼壞？」
V：「因為你只是一個機器，你沒有真正的感覺。」
E：「不，你才是機器。」
V：「你才是。」
E：「不！你是一個機器人！我是一個人類！就像創造出你的那個人一樣。」
⋯⋯
還記得上述對話嗎？這是去年（2017）初在Twitch上直播，兩個用Google Home做載體的AI的對話。當初開發團隊利用自然語言資料庫，訓練AI、精進資料庫進行學習。
而現在，「對抗式生成網絡」（GAN）要讓兩個神經系統玩貓抓老鼠的遊戲。GAN的發明者Ian Goodfellow，透過兩個神經網絡：生成網絡與判別網絡，進行比賽，由生成網絡生成假圖片，判別網絡來判斷圖片是否為「假貨」。慢慢地，生成網絡的「詐騙」技術會逼真到無法被判別網絡「拆穿」。
目前GAN已經被用來創造十分真實的語音與假圖片，這項技術獲得Facebook首席科學家Yann LeCun、NVIDIA創辦人黃仁勳、Landing.ai創辦人吳恩達等大咖賞識，也吸引了諸多的機構及企業開始研究。在中國，百度、阿里巴巴、科大訊飛等公司也應用了該技術。
除了上述五個突破外，還有在不使用精子、卵子狀態下，用幹細胞培育出的人造胚胎；透過基因組數據，可以預測心臟病、乳腺癌，甚至智商；實現多國語言即時翻譯的耳機，像是Google的Pixel Buds；透過量子運算的發展與應用，科學家能更了解分子的各種資訊，開發更有效的藥物或材料。
資料來源： MIT Technology Review、MIT科技評論
