科大讯飞两项技术入选《麻省理工科技评论》2017全球十大突破性技术榜单

科大讯飞两项技术入选《麻省理工科技评论》2017全球十大突破性技术榜单2月21日，2017年《麻省理工科技评论》全球十大突破性技术榜单发布会在北京举行，科大讯飞、百度、驭势科技、乐视、地平线、中科创星、华创资本、和米资本、清华大学、中国科技大学、中科院合生基因、元码基因、等数十家机构的嘉宾参与了这次发布会，科大讯飞研究院院长胡国平做开幕致辞并参加圆桌讨论。

在今年的榜单中，科大讯飞入选强化学习、刷脸支付两大突破性技术研究者名单。

MIT 科技评论《麻省理工科技评论》创刊于1899年，是世界上历史最悠久、影响力最大的技术商业类杂志，现已发展为具有全球影响力的数字化平台。

自2001年起，《麻省理工科技评论》每年遴选并公布10项即将对人们工作生活产生深远影响的新兴技术，2003年开始以“突破性技术”替代“新兴技术”。

“十大突破性技术”代表了当前世界科技的发展前沿和未来发展方向，集中反映了世界科技发展的新特点和新趋势，具有巨大的影响力。

MIT Technology Review出版人兼主编就十大突破技术中国首发进行专门的致辞，并就榜单内容做了简单的介绍。

2017全球十大突破性技术榜单强化学习(Reinforcement Learning)360°自拍(The360-Degree Selfie)基因疗法2.0(Gene Therapy 2.0)细胞图谱(The Cell Atlas)自动驾驶货车(Self-DrivingTrucks)刷脸支付(Paying with Your Face)太阳能热光伏电池(Hot Solar Cells)实用型量子计算机(Practical Quantum Computers)治愈瘫痪(Reversing Paralysis)僵尸物联网(Botnets of Things) 以下为《麻省理工科技评论》2017全球十大突破性技术详细榜单（文字整理自Deep Tech 深科技）：强化学习Reinforcement Learning技术突破：强化学习（Reinforcement Learning，RL）是一种人工智能方法，能使计算机在没有明确指导的情况下像人一样自主学习。

重要意义：假如机器不能够自主通过环境经验磨练技能，自动驾驶汽车以及其他自动化领域的进展速度将受到极大地限制。

主要研究者：- DeepMind - 科大讯飞- Mobileye - 阿里巴巴- OpenAI- 微软亚洲研究院- Google - 中科院- Uber - 百度成熟期：1~2年强化学习技术，正是AlphaGo能够掌握复杂的围棋游戏，并击败世界最强职业选手的关键。

如今，强化学习正在迅速发展，并逐步将人工智能渗透到除了游戏之外的各个领域。

除了能够提升自动驾驶汽车性能，该技术还能让机器人领会并掌握以前从未训练过的技能。

本质上，强化学习技术是从自然界中学习的一种基本法则。

心理学家爱德华·桑代克（Edward Thorndike）在100多年前也注意到了这一点。

在最著名的迷箱实验中，桑代克将猫放在一个迷箱中，猫只能通过按压一个控制杆才能逃脱。

观察结果显示，经过相当长时间的来回徘徊，动物最终总会偶然地踩到控制杆，然后逃脱。

一些最早期的人工智能研究者认为，迷箱实验的过程有可能在机器中有效地重现。

早在1951年，马文·明斯基（Marvin Minsky）创造了世界上第一台具有学习能力的机器，利用简单形式的强化学习方法模拟了一只老鼠如何学习走出迷宫。

然而，随后的几十年里这个领域几乎没有什么喜人的成绩。

1992年，IBM的研究员杰拉尔德·特索罗（Gerald Tesauro）演示了一个使用人工智能技术玩西洋双陆棋的程序。

很快，这个程序就玩的非常熟练，并足以与最好的人类玩家竞赛。

这是人工智能发展史上一个里程碑式的成就。

强化学习技术之所以行得通，是因为研究人员找出了如何让计算机程序计算出每种状态下应该分配的强化值的方法。

还是以迷箱实验为例，在走出迷宫的过程中，“模拟老鼠”每一次做出“向左转”或者“向右转”动作时，计算机程序会做出奖或惩的评价。

并且，所有分配的强化值都存储在一张大表格中，然后计算程序会随着学习的过程逐步更新这些数据。

但对于大型复杂的任务，这种方法在计算上是不切实际的。

然而，近几年来，深度学习技术被证明是一种用来识别数据模式的极其高效的方式，无论这里的数据指的是迷宫中的转弯、围棋棋盘上的位点，还是计算机游戏中屏幕上的像素，亦或是自动驾驶时面临的复杂路况。

在国内，以科大讯飞为例，这家公司已经针对强化学习在多个方向展开了研究和应用，包括人机对话系统、智能客服系统、机器辅助驾驶、机器人控制等方向，都已有了应用研究。

以对话系统这样一个多轮人机交互系统为例，它就是一个非常典型的强化学习应用案例。

传统的任务完成型对话系统，用户需要在一次交互过程中把自己的需求描述清楚，这样的交互不是自然的。

在讯飞的AIUI交互系统框架中，引入了多轮交互的思想，由一个深度强化学习（马尔科夫决策过程）模型来引导用户输入需求，从而快速、自然流畅地完成用户任务。

同时，许多工业机器人制造商也将目光投向了强化学习技术，测试该技术在无手工编程情况下训练机器执行新任务的效果。

此外，Google公司的研究人员也正与DeepMind合作，试图利用深度强化学习（deep reinforcement learning）技术使其数据中心更加节能。

通常，找出数据中心各个单元如何影响系统总能耗是十分困难的，但是强化学习算法能够从收集的数据以及模拟实验中学习经验并提出优化建议，比如说，如何以及何时启动冷却系统。

360°自拍The 360-Degree Selfie突破技术：消费级360°全景相机，能够更真实的还原事件和场景。

重要意义：能提供360°全景拍摄的廉价相机将开启摄影的新篇章，也将改变人们分享故事的方式。

主要研究者：- 日本理光（Ricoh）- 360fly- 三星- JK Imaging （柯达Pixpro相机的制造厂商）- IC Real Tech（ALLie相机的制造厂商）- Humaneyes Technologies （全景相机Vuze的制造厂商）成熟期：现在360°全景拍摄的热潮最早是由一位哈佛大学的生态学者柯恩·霍夫肯斯（Koen Hufkens）掀起的。

去年秋天他前往马萨诸塞州的一片丛林中探险，并在网站上实时直播了探险的过程。

当时，他使用的就是一台价值350美元的名为“theRicoh Theta S camera”的360°全景相机。

在这一过程中，观众可以通过使用鼠标或者点击移动设备的屏幕将直播图像区域放大，借此看到森林的全貌。

按道理说，我们所生活的世界就是一个充斥着声光的三维世界，360°的场景随处可见。

但迄今为止，已有的两种主流全景拍摄技术：拼接多个相机拍摄或者是采用价值不菲的（10000美金）特种相机都有很大的缺陷。

使用这两种方法操作的图像处理过程都是十分繁琐，且很耗时。

好在现在大多数人都能买得起更方便好用的360°全景相机了，500美金的售价就相当于入门级的单反。

现在，纽约时报（New YorkTimes）以及路透社（Reuters）的记者在采访海地飓风灾情以及加沙难民营时都使用了三星的Gear360全景相机（价值350美金）。

Gear360拍摄的画面在学术圈，这样的全景相机也大有用处，一家位于洛杉矶的初创公司Giblib就开发了专供医用的4k全景相机，医学院的学生已经可以通过它传来的影像学习外科手术了。

此外，类似柯达PixproSP360-4K的全景相机也应用在了体育直播以及体育训练上，例如篮球、足球以及冰球，有价值的360°全景回放都可以被保存下来。

柯达PixproSP360-4K全景相机元器件的革新一项技术的革命往往得益于很多技术的创新，全景相机技术的出现也不例外。

由于全景相机相较普通相机而言功率更大，也就会产生更多的热量，而采用智能手机处理器就可以很好地解决这一问题，例如“360fly”以及“ALLie”相机都采用了骁龙的处理器。

同时，智能手机市场的蓬勃发展也为相机制造厂商创造了一个良性的竞争环境，“迫使”他们开发出新技术。

例如，索尼近年来就不断将自己的图像传感器集成化，并保证了在微光条件下照片拍摄的质量。

而智能手机市场激烈的竞争也将元器件的价格压低，又进一步拉低了全景相机的价格。

360fly全景相机现在大多数的全景相机都有对应的手机App来查看取景的情况以及拍摄的照片，拍摄完的照片及影片上传到网络也变得十分容易。

而最新的算法将全景相机拼接照片的过程简化，延迟大大缩短，图像处理甚至可以在相机端就完成，由此开启了全民直播时代。

市场方面，在2016年球状全景相机的市场份额占全球相机的1%，而到2017年年初就已经增至4%，全景相机的兴起之势已不可阻挡。

根据YouTube官方的反馈，很多人都会使用谷歌的Cardboard和Daydream设备搭配手机来观看虚拟现实视频，虚拟现实和全景拍摄已形成相互促进的局面。

Oculus VR的首席技术官约翰·卡马克（John Carmack）就预测：“未来，人们使用虚拟现实的时间中只有一半是玩游戏，另一半则是进行旅行观光或者是做一些现实的事情，例如参加一场婚礼。

”基因疗法2.0 Gene Therapy 2.0技术突破：美国即将批准首个基因治疗技术，更多基因疗法正在开发与批准的进程中。

重要意义：很多疾病都是由单个基因突变导致的，新型基因疗法能够彻底治愈这些疾病。

主要研究者：- SparkTherapeutics- BioMarin - GenSight Biologics- BlueBird Bio - UniQure成熟期：现在数十年来，研究人员一直在追求基因疗法的梦想。

基因疗法的前景非常美好：利用改造过的病毒将相关基因的健康副本递送至携带有缺陷基因的患者体内。

然而，至今为止，基因疗法带来的失望远大于希望。

1999年，一名18岁的肝病患者杰西·基辛格（Jesse Gelsinger）在一场基因治疗实验中死亡，从此整个基因疗法领域的发展就开始停滞不前。

早期基因疗法失败的原因部分是源于其递送机制，因为新的遗传物质（改造基因）、以及将其携带至细胞的载体病毒，被错误地递送到基因组的其他位置，这会激活某些患者体内的致癌基因，或者引起患者免疫系统的过度反应，从而导致多器官功能衰竭以及脑死亡。

但是现在，一些关键的难题已经解决，基因治疗也将迎来曙光。

研究人员使用了更高效的病毒将新的功能基因转运到细胞中。

现在，两种遗传性疾病的基因疗法：治疗一种SCID 病的Strimvelis，以及治疗一种引起脂肪在血液中堆积的失调症的Glybera，已在欧洲获得相关管理部门的批准。