《麻省理工科技評(píng)論》“十大突破性技術(shù)”代表了世界科技發(fā)展的最前沿和未來方向，曾經(jīng)成功預(yù)測了包括腦機(jī)接口、合成生物學(xué)、深度學(xué)習(xí)、CRISPR 基因組編輯等重大技術(shù)突破的爆發(fā)、商業(yè)化及其深遠(yuǎn)影響，其專業(yè)性、權(quán)威性和前瞻性都在科技領(lǐng)域有著極高的認(rèn)可度，相信我們的讀者對(duì)它也非常熟悉了。

不過，正如中科院院士唐本忠所說的，“幾乎沒有任何研究課題會(huì)完全按照預(yù)期發(fā)展；如果有，這種研究不會(huì)有任何突破、不會(huì)給人帶來任何驚喜。”今天我們就將聚光燈從光鮮亮麗的技術(shù)上移開一會(huì)兒，關(guān)注下那些由于種種原因沉寂在了時(shí)代大潮下的技術(shù)，看看為什么會(huì)出現(xiàn)這樣的情況？它們真的就此“失敗”了嗎？

特別大，特別響，但……

最近科技大廠的寒潮愈演愈烈，META自然也在其列。扎克伯格一邊發(fā)文致歉，一邊宣布了1.1 萬人的 META 史上最大裁員計(jì)劃，聲稱“世界沒按我的預(yù)期進(jìn)行！”這條兼具悲痛與狂妄的發(fā)言所指的，除了新冠疫情的影響之外，自然也很容易聯(lián)想到其百億美元豪****元宇宙的決策，而這一戰(zhàn)略的核心之一，就是其于 2014 年以 20 億美元收購的 Oculus VR 虛擬現(xiàn)實(shí)頭顯。

Oculus VR，元宇宙里再見？

Oculus Rift 2014 年入選了“十大突破性技術(shù)”，聲稱其“視覺沉浸式界面將帶來新的娛樂方式與交際手段”，它最大的一個(gè)突破在于，高質(zhì)量的虛擬現(xiàn)實(shí)硬件的價(jià)格已經(jīng)便宜到了 C 端市場可以承受的地步。誠然，與動(dòng)輒十萬美金的前輩相比，Oculus 的成本控制得很好，也掀起了一次 VR 技術(shù)的浪潮。不過，其最近一次沖上熱搜，卻是八月份扎克伯格在社交媒體上曬出 META 元宇宙 Horizon Worlds 中的自拍遭到“群嘲”，其圖形質(zhì)量和建模細(xì)節(jié)被網(wǎng)友與十幾年前的古早游戲放在一起對(duì)比，他的化身（avatar）“甚至沒有腿！”可以說，新一代的 Oculus Quest 2 雖然改善了 VR 眩暈等用戶體驗(yàn)問題，但放在元宇宙的尺度下，其圖形質(zhì)量受限于算力和成本等因素仍然與 2D 游戲有很大差距，更別提扎克伯格愿景中的沉浸感了。

圖丨來源：扎克伯格 Instagram

不過，正如扎克伯格自己所說，META的策略是“先讓盡可能多的人用上這些工具，假以時(shí)日，再建立起一個(gè)更好的生態(tài)系統(tǒng)”，Quest 2 的銷量已經(jīng)接近了 1500 萬臺(tái)（2022 年 5 月數(shù)據(jù)），Oculus 系列 VR 頭顯產(chǎn)品的市場份額也占到了全球市場的80%，這固然與他們十億人 VR 互聯(lián)的夢想相去甚遠(yuǎn)，但要說是徹底失敗，顯然是為時(shí)過早的。

谷歌氣球，讓網(wǎng)絡(luò)飛一會(huì)兒

互聯(lián)網(wǎng)已經(jīng)是我們?nèi)粘Ｉ钪胁豢煞指畹囊徊糠?，就和水、電一樣。不過，時(shí)至今日，世界上仍有超過 35 億的人處在“斷網(wǎng)”狀態(tài)，主要分布在眾多偏遠(yuǎn)地區(qū)。究其原因，這些地區(qū)或出于地理?xiàng)l件限制，或由于人口稀少、業(yè)務(wù)量小，導(dǎo)致通信****、電力系統(tǒng)和光纜等基礎(chǔ)設(shè)施薄弱，建設(shè)、運(yùn)營成本過高而投入產(chǎn)出比低下，網(wǎng)絡(luò)服務(wù)堪稱“奢侈品”。

這樣的背景下，谷歌于 2013 年推出了谷歌氣球Project Loon 計(jì)劃，試圖通過飄浮在平流層的大型氦氣球建立空基無限網(wǎng)絡(luò)，為世界偏遠(yuǎn)地區(qū)提供網(wǎng)絡(luò)覆蓋。它的好處在于可以避免光纖網(wǎng)絡(luò)、通信****高昂的時(shí)間和鋪設(shè)成本，可以用穩(wěn)定可靠且價(jià)格低廉的方式向這些地區(qū)送去互聯(lián)網(wǎng)服務(wù)。

圖：谷歌氣球和自動(dòng)****臺(tái)丨來源：Project Loon

為實(shí)現(xiàn)長續(xù)航、穩(wěn)定的氣球網(wǎng)絡(luò)，谷歌在氣球技術(shù)、材料科學(xué)、導(dǎo)航通信上做出了多項(xiàng)創(chuàng)新，才最終打破了氣球?qū)＜业雀鹘缛耸繉?duì)于其可行性的質(zhì)疑，不僅保證無動(dòng)力系統(tǒng)的氣球借助自然風(fēng)在平流層實(shí)現(xiàn)精準(zhǔn)導(dǎo)航，還能在高速運(yùn)動(dòng)的情況下維持區(qū)域網(wǎng)絡(luò)覆蓋所要求的氣球矩陣密度，其中一個(gè)氣球甚至繞地球轉(zhuǎn)了 19 圈，在天上足足待了 130 天。

谷歌氣球于 2015 年入選了“十大突破性技術(shù)”，有望為全球 35 億“離線”的人們帶來大量教育和就業(yè)機(jī)會(huì)，堪稱科技向善的典范之一。2014 年夏天，巴西東北部偏遠(yuǎn)地區(qū)的一所小學(xué)中，學(xué)生們終于在一堂地理課上用上了互聯(lián)網(wǎng)，老師借助維基百科和在線地圖向孩子們傳授了更多、更直觀的知識(shí)，而這“在氣球飄過來之前”是不可能的；2017 年 10 月，谷歌更通過緊急****多個(gè)氣球，幫助遭受颶風(fēng)蹂躪的波多黎各恢復(fù)了通信，使得各種人道主義救援工作得以順利開展，讓當(dāng)?shù)氐?span style=";padding: 0px;outline: 0px;max-width: 100%;box-sizing: border-box !important;overflow-wrap: break-word !important;font-family: Arial, sans-serif"> 10 萬居民連上了網(wǎng)。

圖：一只谷歌氣球正從內(nèi)華達(dá)州飛向波多黎各馳援丨來源：Project Loon

谷歌氣球原本的商業(yè)模式設(shè)想是在為偏遠(yuǎn)地區(qū)海量“離線”人群提供低廉網(wǎng)絡(luò)服務(wù)的同時(shí)，也向他們投放廣告以維持收支平衡。然而很可惜，雖然有很多激動(dòng)人心的實(shí)例，這一計(jì)劃從未真正實(shí)現(xiàn)盈利。2021 年 1 月，谷歌宣布關(guān)閉該項(xiàng)目，稱沒有找到一種方法來降低成本，從而建立一個(gè)長期、可持續(xù)發(fā)展的業(yè)務(wù)模式。谷歌氣球“墜落”了，而馬斯克的“星鏈”計(jì)劃則帶著同樣的愿景，由于“可回收火箭”（2016 年入選“十大突破性技術(shù)”）的出現(xiàn)在持續(xù)推進(jìn)。也許，全球通網(wǎng)的夢，會(huì)以另一種形式延續(xù)下去。

傳感城市，智能、不智慧？

2017 年，與谷歌同屬 Alphabet 旗下的 Sidewalk Labs 為多倫多提出了一個(gè)野心勃勃的計(jì)劃，要在其Waterfront 湖濱工業(yè)區(qū)落地一個(gè)以高科技從頭設(shè)計(jì)的Quayside 項(xiàng)目，讓城市變成一個(gè)完整的大智慧體，通過一個(gè)巨大的傳感器網(wǎng)絡(luò)收集、監(jiān)控各種信息，包含空氣質(zhì)量、噪聲水平以及人們的行為等數(shù)據(jù)，并基于這一無所不在的數(shù)字層來輔助城市中一切關(guān)于設(shè)計(jì)、政策、活動(dòng)等的決策，并通過自動(dòng)交通優(yōu)化、機(jī)器人出租車、自動(dòng)垃圾收集和加熱人行道等方式解放勞動(dòng)力，提升居民的生活品質(zhì)。

傳感城市于 2018 年入選了“十大突破性技術(shù)”，結(jié)合了人工智能、傳感器、物聯(lián)網(wǎng)、大數(shù)據(jù)等技術(shù)來建設(shè)一個(gè)擁有自己“操作系統(tǒng)”的智慧社區(qū)，并通過開源的形式鼓勵(lì)企業(yè)為其開發(fā)各類服務(wù)。設(shè)想很美好，技術(shù)也非常華麗，不過這一計(jì)劃似乎從一開始就有一些“水土不服”，當(dāng)?shù)鼐用駥?duì)這一“互聯(lián)網(wǎng)+”的社區(qū)愿景并不十分感冒，反而對(duì)私營企業(yè)收集日常生活活動(dòng)數(shù)據(jù)、控制公共街道和交通這種“不夠尊重居民隱私”的行為感到反感甚至憤怒，事實(shí)證明，加拿大人對(duì)這些行為的“容忍度遠(yuǎn)低于美國人”。

2020 年 5 月，Sidewalk Labs 以“全球新冠疫情帶來的前所未有的經(jīng)濟(jì)不確定性”為由中止了該計(jì)劃，而公眾爭議在此前已經(jīng)持續(xù)了兩年多的時(shí)間，這座設(shè)想中的“數(shù)據(jù)富集”的城市，始終未能回答“人們?yōu)槭裁磿?huì)想住在這里”的問題。目前多倫多市的 Quayside 2.0 計(jì)劃目前已經(jīng)啟動(dòng)，關(guān)注點(diǎn)從數(shù)據(jù)回歸到了“風(fēng)、雨、鳥鳴和蜜蜂”，希望建立一個(gè)真正宜居的伊甸園。而 Quayside 項(xiàng)目注定將成為智慧城市理念中濃墨重彩的一筆，或許下一次，技術(shù)需要更好地響應(yīng)人類的需求。

圖：Quayside 2.0丨來源：Waterfront Toronto

如果我們把時(shí)間尺度放大一點(diǎn)……

上述的技術(shù)都算不上成功，那么，它們就真的從此消亡了嗎？答案是，不一定。

深度學(xué)習(xí)，幾經(jīng)沉浮的奧德賽

如今，AI 已經(jīng)走進(jìn)千家萬戶，以至于回想起來我們都無法相信它的普及也就是近十年的事情而已，而其核心，就是 2012 年入選“十大突破性技術(shù)”的深度學(xué)習(xí)?！堵槭±砉た萍荚u(píng)論》在當(dāng)時(shí)的節(jié)點(diǎn)上，成功且準(zhǔn)確地預(yù)測了該技術(shù)在幾年內(nèi)的爆發(fā)，而這樣的趨勢愈演愈烈，直到現(xiàn)在也沒有減緩的跡象。然而，深度學(xué)習(xí)即便在當(dāng)時(shí)也并不是很新鮮的事物，反而是由來已久。

事實(shí)上，深度學(xué)習(xí)的核心神經(jīng)網(wǎng)絡(luò)自誕生之初，便是跨學(xué)科交叉的產(chǎn)物。1943 年，心理學(xué)家 McCulloch 和數(shù)理邏輯學(xué)家 Pitts基于對(duì)大腦神經(jīng)活動(dòng)的研究，提出了神經(jīng)網(wǎng)絡(luò)模型和神經(jīng)元的第一個(gè)數(shù)學(xué)模型——MP 模型，為后來的研究工作打下了基礎(chǔ)，開創(chuàng)了一個(gè)新時(shí)代。

1958 年，Frank Rosenblatt 教授基于 MP 模型提出了感知機(jī)模型（perceptron），通過單計(jì)算層為其增加了學(xué)習(xí)功能，并付諸實(shí)踐。這一突破引發(fā)了神經(jīng)網(wǎng)絡(luò)領(lǐng)域的第一次浪潮，不過卻在 1969 年被證明只能解決線性可分問題，且否定了多層神經(jīng)網(wǎng)絡(luò)訓(xùn)練的可能性，甚至有專家提出了“基于感知機(jī)的研究終將失敗”的觀點(diǎn)。此后的十多年，該領(lǐng)域的研究基本處于停滯狀態(tài)。

圖：Frank Rosenblatt丨來源：Division of Rare and Manuscript Collections

20 世紀(jì) 80 年代，計(jì)算機(jī)得到了飛速的發(fā)展，算力相較以前有了質(zhì)的飛躍，也為神經(jīng)網(wǎng)絡(luò)領(lǐng)域帶來了新的機(jī)遇。1986 年，被稱為“深度學(xué)習(xí)之父”的 Geoffrey Hinton（杰弗里·辛頓）等提出了一種按誤差逆?zhèn)鞑ニ惴ㄓ?xùn)練的多層前饋網(wǎng)絡(luò)——反向傳播網(wǎng)絡(luò)（Back Propagation Network, BP 網(wǎng)絡(luò)），解決了一些原來的單層感知器無法解決的問題。這一突破有力地回?fù)袅酥暗馁|(zhì)疑，更引領(lǐng)了神經(jīng)網(wǎng)絡(luò)研究的第二次高潮。

不過，當(dāng)時(shí)的 BP 算法有著梯度消失的問題，隨著神經(jīng)網(wǎng)絡(luò)隱藏層數(shù)目的增加，其分類的準(zhǔn)確率反而會(huì)下降。同時(shí)，礙于當(dāng)年極其有限的算力，各種淺層機(jī)器學(xué)習(xí)模型相繼被提出，如支持向量機(jī)（SVM）等，深度模型的研究也被學(xué)界冷落，再次迎來了長達(dá)十幾年的低谷。當(dāng)時(shí)，僅有辛頓等極少數(shù)學(xué)者在研究這一領(lǐng)域，而研究氛圍糟糕到甚至出現(xiàn)了一種說法，也即如果你想在頂刊上發(fā)表有關(guān)深度神經(jīng)網(wǎng)絡(luò)的研究，論文中最好避免出現(xiàn)“神經(jīng)網(wǎng)絡(luò)”的字樣。

圖：Geoffrey Hinton丨來源：DEV Community

情況直到 2006 年才有了轉(zhuǎn)機(jī)，辛頓在這一年首次提出了“深度學(xué)習(xí)”，并給出了 BP 算法梯度消失問題的解決方案。2012年，辛頓帶領(lǐng)團(tuán)隊(duì)參加 ImageNet 圖像識(shí)別比賽，其深度學(xué)習(xí)算法一舉奪魁，性能碾壓第二名SVM 算法。其背后，不僅計(jì)算機(jī)的發(fā)展指數(shù)級(jí)地提升了算力，互聯(lián)網(wǎng)的高速發(fā)展也積累了此前無法想象的海量數(shù)據(jù)，可以用于算法的調(diào)試和模型的訓(xùn)練。自此，深度學(xué)習(xí)終于迎來了新一輪的爆發(fā)，逐漸在許多領(lǐng)域取代了傳統(tǒng)的統(tǒng)計(jì)學(xué)機(jī)器學(xué)習(xí)方法，成為人工智能中最熱門的研究領(lǐng)域。之后，生成對(duì)抗網(wǎng)絡(luò)（入選 2018 年“十大突破性技術(shù)”）帶來了又一個(gè)爆發(fā)性增長點(diǎn)，AlphaGo 則轟動(dòng)世界，極大地?cái)U(kuò)大了深度學(xué)習(xí)的影響力。

深度學(xué)習(xí)的發(fā)展歷史悠久，幾經(jīng)波折，以至于有人做出了圖表來直觀地顯示它的沉浮。我們能看到，在一個(gè)較大的時(shí)間尺度上，科技創(chuàng)新的進(jìn)程并非線性發(fā)展，而是呈一種螺旋上升的態(tài)勢。同時(shí)，深度學(xué)習(xí)爆發(fā)的背后，不僅有生命科學(xué)領(lǐng)域的神經(jīng)科學(xué)和腦科學(xué)的進(jìn)步，更有著來自計(jì)算機(jī)芯片尤其是GPU 技術(shù)、互聯(lián)網(wǎng)普及積累的海量數(shù)據(jù)，以及控制論、算法等多種技術(shù)的支持。可以說，一個(gè)科技領(lǐng)域的爆炸式增長，大多是多學(xué)科交叉、跨學(xué)科融合的結(jié)果，看清多點(diǎn)突破的結(jié)構(gòu)性發(fā)展對(duì)我們的判斷至關(guān)重要。

圖：深度學(xué)習(xí)發(fā)展史丨來源：《深度學(xué)習(xí)研究綜述》

現(xiàn)在讓我們試試把它們放到一起……

如今，科技領(lǐng)域的學(xué)科交叉愈演愈烈，如果說以前的交叉與融合或多或少帶著前沿探索的隨機(jī)性和靈機(jī)一動(dòng)，現(xiàn)在則已經(jīng)成為科技從業(yè)者的普遍共識(shí)，儼然是科技發(fā)展的主流趨勢了。比如 DeepMind 令人印象深刻的 AlphaFold 2 (AI 折疊蛋白質(zhì) 2022 年入選“十大突破性技術(shù)”）就是一個(gè)很好的例子，是生命科學(xué)與信息技術(shù)、人工智能的結(jié)合，目前已經(jīng)可以用 AI 預(yù)測幾乎所有的蛋白質(zhì)結(jié)構(gòu)，賦能生命科學(xué)研究，加快研究進(jìn)展的同時(shí)也減輕了科研人員的負(fù)擔(dān)。