据英国媒体报道，2017年，全球先进的科学技术将获得更多的突破。以下列出了值得期待的十大科技趋势：

更多智能装置 

我们将会看到更多配备传感器和WiFi功能的产品。亚马逊公司售价130英镑（约合1100元人民币）的声控“回声”音箱可以让整天窝在沙发里的人不用动手指就能打开空调或者调暗灯光。

更加聪明的人工智能 

人工智能（AI）是2016年的热门词汇，但它仍然处于初级阶段。AI将通过学会对口语下达的语音命令做出回应并分析这些装置输出的数据来推动智能装置的发展。

网络犯罪浪潮 

2016年有更多的网络攻击行动被曝光，例如雅虎公司10亿个账户遭黑客侵入。2017年还会有新的黑客行为见诸报端。多年前犯下的安全错误将令更多的公司和机构十分尴尬，同时智能装置也将受到黑客袭击，从而令人担心在家里使用这些设备的安全性。

虚拟现实设备成为主流 

高规格的虚拟现实（VR）设备2016年走进大众市场，奥克卢斯公司的Oculus Rift和宏达电的HTC Vive相继问世。内容改善的同时，价格也将回落。未来将出现为游戏玩家准备的具备社交性能的VR服务，以及为非游戏玩家准备的旅行体验、沉浸式音乐视频和体育赛事等VR服务。

增强现实技术紧随其后 

“口袋妖怪GO”游戏让许多人首次尝试了增强现实（AR）技术。这种技术将电脑生成的效果叠加到现实场景中。我们将会看到更多的AR应用程序和游戏。

机器人的崛起 

无人驾驶汽车和无人机送货2017年还不会成为主流，但是人们会看到这个领域的更多进展。亚马逊在西雅图开设了一个实验性的杂货店，在这里人们可以在选好商品后离开，购买过程通过传感器和摄像头来监控，商店直接从采购者的亚马逊账户上扣款。该公司2016年可能在英国开设一个类似的分店。

健康领域的突破 

所有这些重要的新技术（AI、VR和机器人）在医疗保健领域的应用将更加具体。国际商用机器公司（IBM）的AI装置“沃森”超级电脑在海外已经被用来评估病人的病例并诊断癌症，它会参考数以百万页的医学研究报告。

更多技术将造福人类 

在卢旺达，无人机被用于向偏远地区的诊所运送血液，2017年这里将继续建造由福斯特建筑事务所设计的无人机机场，充当紧急救助和医疗供应中心。此外还将有更多帮助难民的倡议：开发更多类似安曼那种可以通过虹膜扫描确认难民身份并发放联合国救助金的提款机的项目。

更善于聊天的技术 

随着人与人之间的交流减少，技术将变得更健谈。未来将出现更多的聊天机器人，其中包括基于文本的聊天机器人。公司认为客户会发现这种机器人将不再那么冷淡。

信任问题仍将备受关注 

在有人声称社交媒体上的虚假新闻左右了美国大选后，脸书网站公布了解决这一问题的措施，未来它将受到严格监督。各公司也面临使它们的数据收集更加诚实的压力，而被泄露的欧盟计划显示，保护客户隐私将成为网络服务公司的职责。

人工智能离普及还有多远？

等你下一次不管是用谷歌搜索引擎搜索问题也好，还是在谷歌地图上找一家电影院的位置也罢，请你记住，在你看不见的地方，正有一个巨大的大脑在为你提供相关搜索结果，使你不至于在开车时迷了路。

当然，这里说的并不是人的大脑，而是网络搜索巨头谷歌的“谷歌大脑”（Google Brain）研究团队。“谷歌大脑”研究团队迄今已经开发了1000多个所谓的“深度学习”项目，它们也是YouTube、谷歌翻译、谷歌照片等近年来谷歌公司多个成功产品背后的大功臣。通过深度学习技术，研究人员能够将海量数据输入“神经元网络”软件系统进行处理，该系统能够以人脑完全无法企及的速度，在海量数据中进行学习和模式分析。

近日，“谷歌大脑”团队的创始人和负责人之一的杰夫·迪恩接受了专访，并谈到了人工智能领域的研究进展及其带来的挑战，以及人工智能技术在谷歌产品中的应用。出于篇幅考虑，以下采访稿有删节。

在推动人工智能领域研究的过程中，科研人员主要面临哪些挑战？

人类的学习有大量内容来自无监督式的学习，也就是说，你只是在观察周围的世界，理解事物的道理。这是机器学习研究的一个非常活跃的领域，但目前研究的进展与监督式学习还是不能比拟的。

如果计算机能自行进行观察和感知，是否能解决更复杂的问题？

是的，人类的洞察力主要是通过无监督式学习训练出来的。你从小就会观察世界，但偶尔你也会得到一些监督式学习的信号，比如有人会告诉你：“那是一只长颈鹿”或“那是一辆小汽车”。你获了这些少量的监督式信息后，你的心智模式就会自然地对其产生回应。

我们需要将监督式和非监督式学习更紧密地结合起来。不过以我们大部分机器学习系统的工作模式来看，我们现在还没有完全进展到那个地步。

你能解释一下什么是“强化学习”技术吗？

“强化学习”背后的理念是，你并不一定理解你可能要采取的行动，所以你会先尝试你应该采取的一系列行动，比如你觉得某个想法很好，就可以先尝试一下，然后观察外界的反应。这就好比玩桌游，你可以针对对手的举动做出回应。最终在一系列的类似行为之后，你就会获得某种奖励信号。

强化学习的理念就是，在你获得奖励信号的同时，可以将功劳或过错分配给你在尝试过程中采取的所有行动。这项技术在今天的某些领域的确非常有效。

我觉得强化学习面临的一些挑战主要集中在当你可以采取的行为状态极为宽泛的时候。在真实世界中，人类在任何给定的时候都可以采取一系列极为宽泛的行为。而在你玩桌游的时候，你能采取的只有有限的一系列行为，因为游戏的规则限制了你，而且奖励信号也要明确得多——不是赢就是输。

如果我的目标是泡一杯咖啡之类的，那我可能采取的潜在行为就相当宽泛了，而奖励信号也没有那么明显了。

不过你们还是可以将步骤分解开，对吧？

对。我认为增强学习的一个特点就是它需要探索，所以在物理系统环境下使用它往往有些困难。不过我们已经开始尝试在机器人上使用这种技术了。当机器人要需要采取某些行动中，它在特定一天内可以采取的行为是有限的。但是如果使用计算机模拟的话，就可以轻易地使用大量计算机获得上百万个样本。

谷歌已经开始将强化学习技术用在核心搜索产品上了吗？

我们通过与DeepMind（一家人工智能领域的创业公司，2014年被谷歌收购）和我们的数据中心运营人员的共同努力，已经将强化学习技术应用到了我们的核心产品上。他们还将这项技术运用在了数据中心的空调温控系统上，在大大降低能耗的同时，达到了相同的、安全的冷却效果和运行条件。它能探索温控旋钮的哪种设置是合理的，以及当你改变运行条件时应该如何做出响应。

通过强化学习技术，他们能够探索这18个或者更多个温控旋钮的最优设置，而这可能是连专门负责温控的工作人员都没有做过的。熟悉温控系统的人可能会觉得：“这个设置真奇怪。”然而事实上它的工作效果非常好。

什么样的任务更适合应用强化学习技术？

上面说的数据中心这个案例之所以效果很好，就是因为在一段给定时间内并没有太多不同的行为。温控系统大概有18个温控旋钮，你可以把一个旋钮调高或调低，结果都是很容易衡量的。只要你在可以接受的适当温度范围内运行，你的能耗利用率就会更好。从这个角度看，这几乎是一个理想的强化学习技术的使用案例。

而至于在网络搜索中，我应该显示哪些搜索结果，这应该是强化学习技术的运用效果稍差的一个用例了。针对不同的搜索提问，我可以选择显示的搜索结果的面是很宽的，而且奖励信号也不明确。比方说一名用户看到了搜索结果，至于他心里喜不喜欢这个搜索结果，这是很不明显的。

如果他们不喜欢某一搜索结果，你连衡量它都很难吧？

是的，的确有点棘手。我认为这个例子就能说明强化学习技术可能还不够成熟，在这种奖励信号不够明确、约束条件太少的环境下，还不能真正有效地运行。

你们研究出来的这些技术要想应用到人们日常使用的产品中，还将面临哪些最大的挑战？

首先，很多机器学习解决方案和针对这些解决方案的研究是可以在各个不同领域重复使用的。比如我们与谷歌地图团队就在某些研究上展开了合作。他们希望能够识别出街景图片中的所有商户名称和标志牌，以更深入地了解这个世界——比如确定这究竟是一家披萨店还是别的什么。

事实证明，要想识别这些图像中的文字，你可以对一个机器学习模型进行“训练”，给它一些人们在文字周围画圈或画框的样本数据。这样一来，机器学习模型就会学会分辨图像中的哪些部分包含了文字。

这项能力总体还是很有用的。谷歌团队的另一部分人还将该技术运用到了一项卫星图像分析项目中，主要用来分辨美国和全世界的建筑物的房顶，以估算太阳能电池板在房顶上的安装位置。

我们还发现，同样的模型还能协助我们进行医学影响分析方面的一些初级工作。比如说你有一些医学影响，你想在其中发现一些与临床相关的有趣的部分，你就可以用这个模型来帮忙。

虚拟现实将成为汽车新增点

“中国在虚拟现实（VR）产业上已具备一定基础，特别是在军工、航天、航空、医疗等领域已经有较多的应用，但在汽车产业领域上的应用，基本处于空白状态，急需要抓核心，补短板。”日前，西安交通大学高端制造装备协同创新中心王永国教授在江苏南通召开的“2016中国齿轮产业发展高峰会议”上如是说。参加此次会议代表围绕着其中的一个主题虚拟现实在汽车行业的应用展开了讨论。

VR助力齿轮产业发展

王永国教授在会上表示，卢秉恒院士是我们中心的学术带头人，由于卢秉恒院士有事未能参加本次会议，我今天代表卢院士演讲《智能制造与切削大数据》为主题报告，他说，智能制造是中国制造2025发展的高端阶段与核心内容，其中大数据是不可或缺的支撑体系。

从制造业大数据的功能看，在诊断装备运行状态时，它可以保障安全与质量；在工艺过程控制过程中，它可以提升质量，例如：3D打印在成形件尖锐处的过热控制，切削加工中的统计分析控制等；在优化工艺时，它可以集成多家用户的累积数据，得出工艺规律及用户工艺；它还可以评估制造装备的优劣、适用场合、装备薄弱环节，给出改进建议；并且对制造资源进行组织和优化。

从制造业的大数据特征看，与社会大数据即传统大数据的主要特性———统计分析并找出相关性，以及具有巨量但片面并且可用性低的特点相比，制造或工业大数据具有机理规律性与逻辑性强的特征，可以通过人为设计来压缩数据、提升数据可用性及信息的全覆盖。但也仍然有信息不完整等问题，同时还存在收集难度以及产权归属的问题。

“数据的集成才产生价值”，通过互联网+也即大数据的采集才能产生大数据。王永国教授认为，制造大数据在切削工艺上可以帮助进行工艺选择、机床状态判别、机床效率优化等工艺决策。例如在工艺选择问题上，到底是用车削，还是用铣削，还是用磨削，以及加工顺序的决定，都可以利用到大数据的特征；对于机床状态的判别和工艺参数的优化，也可以通过实时监测而进行程序解读、状态诊断和智能决策。

以互联网为代表的高科技对世界经济、对生产力的提升以及对人类思维方式、行为方式、社会治理方式等的冲击频率和深度前所未有，其中对实体产业和汽车等制造业的冲击也相当可观。

VR助力汽车产业智能化

中国汽车工业咨询委员会委员陈光祖在会上介绍说：“我们在‘十三五’开局之年，一定要把虚拟现实搞起来，就是要提高我们国际竞争力，因为虚拟现实技术渗透到汽车业，改变了消费者的消费习惯和汽车生产商的生产模式，大幅度缩减产品生产周期和成本。谁掌握得好，谁就会在下一个世纪当中，成为汽车革命竞争的优胜者。因为它的高科技，成本低，效率高，效益好。2016年是全球VR发展的元年，这已成为全球广泛的共识。可以说，汽车VR马上进入泛虚化，高端化，全球化，社会化，网络化，主流化发展的新时期。”

技术转化要国际合作与产学研并举

当务之急就是要展开国际合作与科研院所合作技术转化。王永国说：“我们要建立中国高校智能制造的创新网络，搭建国际合作与技术转化的大平台，成为前沿领域研究的联合体，同时也成为企业创新生态系统的核心区，服务提供方，教育界、科技界与产业界的沟通桥梁。”

北京航空航天大学交通科学与工程学院徐向阳教授多年来与企业进行了产学研的的深度合作，例如，与盛瑞自动变速器的8AT的合作，现在已经成功产业化，对于目前产业面临的困境有着自己的观点他说：“汽车电动化是不可逆转的趋势，齿轮行业面临越来越大的挑战传统内燃机车的手动变速器市场将快速萎缩，齿轮行业的未来在新能源汽车传动系统（HEV/PHEV/2-3EAT/分布驱动）在未来至少10年内将快速发展。纯电动普通乘用车的技术路线在很长时间将是：电机加变速器；轮边驱动属于过渡性产品，市场空间有限；2挡或3挡少挡位数自动变速器将很快在新能源汽车中推广应用。”

中国齿轮行业知名企业天津天海同步集团的国际合作为行业走出了一条可借鉴的道路，董事长吕超在会上介绍说，近两年带领团队迅速展开全球同行业考察，董事长捷足先登决定放弃传统展开国际合作，2016年11月21日，在北京宣布，其旗下的湖北泰特机电有限公司100%收购了欧洲最大的新能源汽车轮毂电机生产商———荷兰e-TractionEuropeB.V公司，一举获得了轮毂电机在中国继续研发、生产的绝对控制权。这项来自荷兰的轮毂电机技术相对很成熟，经过正确的发展路径，完全有可能在中国甚至全世界率先实现轮毂电机应用的市场化。

机器人能否替代77%工作岗位？

2016年，谷歌人工智能“阿尔法狗”引发的人工智能热潮，冲击了人们的想象力：机器人来抢人类的饭碗怎么办？

这一热潮，毋宁说是一种恐慌。许多媒体更是大呼小叫地引用牛津大学的一项预测——未来20年内，美国约47%的工作岗位有被机器人取代的风险。而“世界工厂”中国的情况更糟，面临自动化“高度风险”的工作岗位比例为77%。

77%工作将被机器人替代？是不是意味着中国将迎失业狂潮？没那么简单。

工人不想干了，机器人才有机会

世界车间的模板——富士康近两年引入6万机器人替代工人，而且表示要加大对机器人的投资。

但这不是机器人挤走了人，而是因为招不来工。

产业网络评论者“小刀马”说，“因为现在的就业市场已经开始出现人荒了，尤其是一些苦重的行业，招人很难，能够留住人的机会也不大。这时候引入机器人是一个不错的选择。

富士康不断引进机器人，加大这方面的研发和投入，或许也是一种无奈之举。”

富士康目前还有120万员工。富士康用实际行动表明，机器人不比传统的廉价劳动力便宜。新一代工人忍受不了肮脏、危险和无聊岗位，才给机器人带来了机会。

即使将来有大批工作被机器人替代，那也是因为人找到了更有意思的活儿干。

机器人大国就业率反而最高

机器人二战以后就发明了。但现在机器人普及率只有10%。因为在绝大多数工厂里，如果人全撤掉，让机器人挑大梁，工作效率并不高。工厂引入机器人和人工智能，只是为了优化工艺流程，补人之疏忽。

和全球工业机器人市场类似，中国工业机器人的三大种类为焊接、搬运、喷涂。汽车工业是用机器人的大头。别的行业用得不多。

美、德、日、韩四个汽车制造国，是工业机器人大国的榜首，而它们的就业情况在发达国家中是最好的。2015年，全球制造业机器人平均密度为69，韩国高达531；日本与德国则仅次于韩国分别为305和301。中国的工业机器人密度只有日本的七分之一左右。

由此来看，提高就业率和提高机器人普及率是并行不悖的。中国的经验也证明这一点：2005年至2014年间，中国工业机器人的销售量年增速保持在25%，同期中国对工人的需求一直很紧迫。

几乎所有的工业机器人专家都认为，中国的机器人缺口还极大，对机器人的旺盛需求会保持十年以上。

短期看来，二者还是合作关系

“工业机器人的发展，不是取代工人的劳动，而是与工人分工合作。”工业机器人专家，德国库卡公司CTO埃伯哈德·克罗斯博士近期表示，25年前风靡一时的自动化制造以失败告终，主要原因是不能与工人互动，工人不参与生产过程和决定产品质量。而德国工业4.0模式中，机器人与工人是分工合作的关系。有的活儿是以工人为主，有的活儿是以机器人为主。

德国维尔兹堡大学机器人专家克劳斯·席林教授说：“使用机器人，是为了人和机器人合作。机器人可以搬重物，可以准确移动，但人有更好的计划和感知环境的能力，比机器人更为灵活，所以我们需要人和机器人互动，发挥各自所长。现在全球人口老龄化，想保持现在的生产规模，就必须使用机器人。”

美国公司Rethink推出的协作机器人近年很受市场欢迎，它能跟人配合操控机器、测试电路板以及干其他高精度的事儿。Rethink亚太区总经理李英豪认为，机器人不可能替代人。机器人来配合人干活更合适。工业机器人之所以几十年来发展空间有限，是因为投入非常大，而且周期长。

巨额投资在某一种工业机器人上，是为了长期使用。而除了少数行业的工序，不可能有长期一成不变的生产，因此生产专用机器人往往是划不来的。

机器人是在解放人类天赋

2016年因为阿尔法狗和其他人工智能项目的出色表现，很多人开始认真考虑机器人全面替代白领工作的可能性。比如说简单编辑，案卷检索之类的事儿没必要找秘书干了。

自动化会消灭工作吗？200多年前，蒸汽机和纺织机刚发明的英国就有很多人这么认为。大批工人抱怨机器挤占了生路，于是加入卢德运动去捣毁机器。

后来这样的想法叫“卢德谬误”：“在生产中应用节省人力的技术会导致失业。”之所以叫做谬误，是因为如果此观念为真，那么现在的世界应该遍地失业，而不是百业繁荣。与卢德谬误正相反，福特汽车公司一方面用流水线生产出更多汽车，一方面付给工人高工资以购买汽车（高工资换取的是高标准的劳动）。这也是典型的现代经济：自动化技术应用导致价格下降，需求上涨和就业增加。

当然，200年来的经验未必能套用21世纪的人工智能运动。但我们仍然可以期望机器人在提高工作效率和产品质量、改善劳动安全时，也可以创造出更多高智力和高标准的工作岗位。传统岗位的确被大量替代，但新岗位之多，补充上来绰绰有余。

何况不是每个岗位都需要机器人来提高效率。互联网著名评论人凯文·凯利说：未来那些对效率敏感的工作岗位将会被机器人替代；对效率要求不高和有创造力挑战的工作依然由人来做。

至少能够肯定一点：机器人包揽简单工作的同时，也同时减弱了社会对简单工业品和低级服务的需求。机器人实际上是不断解放着人类，让我们把天赋智力在更自由的层面更加富于效率地发挥。当流水线上的家具很容易就买得起时，付给木匠的钱比以前却多多了。如果你能提供些并非千篇一律的高级玩意儿，未来你仍然可以愉快地上班。