13位專家深度點(diǎn)評(píng)2021年“十大突破性技術(shù)”

2021 年 2 月 24 日，MIT Technology Review 一年一度的 “十大突破性技術(shù)” 榜單正式發(fā)布。自 2001 年起，該雜志每年都會(huì)評(píng)選出當(dāng)年的 “十大突破性技術(shù)”，這份在全球科技領(lǐng)域舉足輕重的榜單曾精準(zhǔn)預(yù)測(cè)了腦機(jī)接口、量子密碼、靈巧機(jī)器人、智慧傳感城市、深度學(xué)習(xí)等諸多熱門技術(shù)的崛起。

本年度 MIT Technology Review “十大突破性技術(shù)” 分別為：mRNA 疫苗、生成式預(yù)訓(xùn)練模型、數(shù)據(jù)信托、鋰金屬電池、數(shù)字接觸追蹤、超高精度定位、遠(yuǎn)程技術(shù)、多技能型人工智能、TikTok 推薦算法和綠色氫能。

為了讓廣大讀者深入了解這十項(xiàng)技術(shù)的科學(xué)價(jià)值及其背后的科學(xué)故事，國(guó)家自然科學(xué)基金委員會(huì)特邀請(qǐng)各領(lǐng)域著名科學(xué)家分別對(duì)其進(jìn)行深入解讀，以激發(fā)科研人員的創(chuàng)新思維，并促進(jìn)科學(xué)界的學(xué)術(shù)交流。

1、mRNA 疫苗（Messenger RNA vaccines）

在 1918 年大流感 100 年后，全球爆發(fā)了又一次呼吸道病毒傳染病大流行，罪魁禍?zhǔn)资且环N具有包膜的正鏈單股 RNA 病毒 —— 嚴(yán)重急性呼吸系統(tǒng)綜合征冠狀病毒 2（SARS-CoV-2）。

根據(jù)世界衛(wèi)生組織的統(tǒng)計(jì)，截止到 2021 年 6 月 17 日，全球已有 176693988 人確診，造成 3830304 人失去了生命。面對(duì)病毒的挑戰(zhàn)，人類最有力的對(duì)抗武器是疫苗。針對(duì)這次疫情，從疫苗研發(fā)到實(shí)際應(yīng)用的速度空前。

截止到 2021 年 6 月 15 日，全世界已接種了 2377780590 劑次針對(duì) SARS-CoV-2 的各種疫苗。其中包括有首次應(yīng)用就一戰(zhàn)成名的 mRNA 疫苗，它被 MIT Technology Review 評(píng)選為 2021 年 “全球十大突破性技術(shù)” 之一。

專家點(diǎn)評(píng)：

專家簡(jiǎn)介：祁海 清華大學(xué)醫(yī)學(xué)院院長(zhǎng)，教授，“長(zhǎng)江學(xué)者” 特聘教授，國(guó)家杰出青年科學(xué)基金獲得者，霍華德休斯醫(yī)學(xué)研究所國(guó)際學(xué)者。曾獲教育部高等學(xué)?？茖W(xué)研究?jī)?yōu)秀成果獎(jiǎng)自然科學(xué)一等獎(jiǎng)以及北京市自然科學(xué)獎(jiǎng)二等獎(jiǎng)。

曾獲美國(guó)免疫學(xué)會(huì)研究者獎(jiǎng)、樹蘭醫(yī)學(xué)獎(jiǎng)、吳階平 — 保羅楊森醫(yī)學(xué)藥學(xué)獎(jiǎng)、談家楨生命科學(xué)創(chuàng)新獎(jiǎng)等獎(jiǎng)項(xiàng)。長(zhǎng)期研究抗體免疫應(yīng)答調(diào)控，開創(chuàng)性成果包括發(fā)現(xiàn)抗體親和力成熟的細(xì)胞間正反饋機(jī)制、鑒定了記憶 B 細(xì)胞前體、揭示抗體應(yīng)答雌雄二態(tài)性的細(xì)胞學(xué)基礎(chǔ)、以及定義了第一條調(diào)控獲得性免疫應(yīng)答的腦 — 脾軸神經(jīng)通路。

mRNA（Messenger RNA）被稱為信使 RNA，是攜帶編碼蛋白遺傳信息的單鏈 RNA。在細(xì)胞內(nèi)，mRNA 指導(dǎo)把單個(gè)氨基酸按特定序列組成蛋白質(zhì)，是細(xì)胞內(nèi) “蛋白工廠” 生產(chǎn)的 “指導(dǎo)員”。

很久以來，許多人都曾設(shè)想把在體外人工合成的 mRNA “指導(dǎo)員” 導(dǎo)入細(xì)胞內(nèi)從而指導(dǎo) “蛋白工廠” 的工作。第一例證明體外轉(zhuǎn)錄的 mRNA 可在體內(nèi)指導(dǎo)蛋白質(zhì)合成的研究發(fā)表于 1990 年，Wolff 等將編碼 β- 半乳糖苷酶（β-galactosidase）的 mRNA 注射到小鼠的骨骼肌，成功檢測(cè)到了 β- 半乳糖苷酶的活性。

兩年后，Jirikowski 等在大鼠中成功的用 mRNA 表達(dá)出了有功能的抗利尿激素（vasopressin）。雖然這些早期研究顯示出 mRNA 作為潛在治療載體的原理可行，其實(shí)際應(yīng)用的缺陷也變得十分明顯。

mRNA 本身不夠穩(wěn)定，在體內(nèi)易降解，不易靶向遞送，而且可以導(dǎo)致強(qiáng)烈的免疫激活和炎癥反應(yīng)。因此，在而后的許多年中，核酸治療領(lǐng)域都沒有把 mRNA 作為開發(fā)重點(diǎn)。

近十年的技術(shù)進(jìn)步，通過對(duì) mRNA 的人工修飾，大幅降低了 mRNA 本身的免疫原性，提高了安全性。通過脂質(zhì)納米粒包裹 mRNA 的遞送技術(shù)，大幅提高 mRNA 在體內(nèi)的表達(dá)效率。加之 mRNA 只需體外轉(zhuǎn)錄就可人工合成，快速價(jià)廉，實(shí)用性隨之增高。

通過 mRNA 表達(dá)蛋白抗原來誘導(dǎo)機(jī)體針對(duì)蛋白產(chǎn)生免疫應(yīng)答，可能達(dá)到疫苗效果。機(jī)制上，脂質(zhì)納米粒包裹的 mRNA 可有效的進(jìn)入樹突狀細(xì)胞中，一方面使樹突狀細(xì)胞按 mRNA 指導(dǎo)表達(dá)蛋白抗原，另一方面通過脂質(zhì)納米粒類似佐劑的作用激活樹突狀細(xì)胞。

作為免疫系統(tǒng)中最重要的抗原遞呈細(xì)胞，樹突狀細(xì)胞可將蛋白抗原消化分解成肽段，并呈遞于細(xì)胞表面的一類、二類組織相容性復(fù)合體，引起 CD4、CD8 T 細(xì)胞的特異性應(yīng)答。

CD4 陽性 T 細(xì)胞可分化成不同的亞群，分泌細(xì)胞因子，促進(jìn)機(jī)體的免疫反應(yīng)。CD8 陽性 T 細(xì)胞可分化成殺傷性 T 細(xì)胞，從而在感染發(fā)生時(shí)殺傷感染細(xì)胞。在接種疫苗一段時(shí)間后，CD4 和 CD8 T 細(xì)胞都會(huì)分化成為記憶 T 細(xì)胞。

另外，mRNA 表達(dá)的蛋白抗原也可以被 B 細(xì)胞抓取，促使其活化，在 CD4 陽性 T 細(xì)胞的幫助下這些 B 細(xì)胞分化成為記憶 B 細(xì)胞和產(chǎn)生高親和力抗體的長(zhǎng)效漿細(xì)胞。

這次新冠肺炎疫情中，mRNA 疫苗展現(xiàn)出了驚人的保護(hù)效果。在臨床前研究階段，Moderna 開發(fā)的 mRNA 疫苗 mRNA-1273 在恒河猴中可誘導(dǎo)強(qiáng)烈的免疫應(yīng)答。

在第二劑接種后四周，血清中可檢測(cè)到高滴度中和抗體，表達(dá)白介素 - 21 的濾泡性輔助 T 細(xì)胞顯著增多。在包含了 30420 志愿者的三期臨床研究中，mRNA-1273 的有效率達(dá) 94.1%。這款疫苗對(duì)保存條件要求較為嚴(yán)苛，需在 - 20 ℃條件下運(yùn)輸。

中國(guó)科學(xué)家開發(fā)的耐高溫 mRNA 疫苗 ARCoV 表現(xiàn)不俗，在動(dòng)物實(shí)驗(yàn)中可以誘導(dǎo)抗體和細(xì)胞免疫，并顯著降低病毒載量；它只需在 2—8 ℃保存。目前這款國(guó)產(chǎn) mRNA 疫苗正在墨西哥進(jìn)行 III 期臨床實(shí)驗(yàn)。

使用外源 mRNA 導(dǎo)入人體實(shí)現(xiàn)細(xì)胞內(nèi)蛋白表達(dá)的本質(zhì)就是讓人體自身細(xì)胞成為 “工廠”，生產(chǎn)所需的蛋白分子。該技術(shù)顯然不局限于新冠病毒疫苗。多國(guó)研究者還在針對(duì)其他諸如 HIV 和 Zika 病毒設(shè)計(jì)和開發(fā) mRNA 疫苗。

該技術(shù)也不局限于抗感染疫苗，比如也有針對(duì)黑色素瘤的 mRNA 疫苗正在臨床試驗(yàn)中。事實(shí)上，使用 mRNA 表達(dá)技術(shù)也不局限于做疫苗。比如通過表達(dá)正確的血紅蛋白來作為治療性蛋白分子，同樣思路可能用于治療鐮狀紅血球貧血癥。

時(shí)勢(shì)造英雄，mRNA 疫苗在這次新冠肺炎疫情中顯示出了巨大潛力。同時(shí)，我們也要注意到，mRNA 技術(shù)的第一個(gè)概念性實(shí)驗(yàn)證明距今 30 年，再一次說明投入源頭創(chuàng)新，回報(bào)不一定是立竿見影；但假以時(shí)日，金子總要發(fā)光。

mRNA 技術(shù)未來還會(huì)給我們帶來什么新的治療突破？我們拭目以待。

2、生成式預(yù)訓(xùn)練模型 （GPT-3）

具有寫作和對(duì)話功能的大規(guī)模自然語言模型使人工智能朝著更好地理解人類的自然語言與人機(jī)交互這一目標(biāo)邁出了堅(jiān)實(shí)的一步。在眾多語言模型中，OpenAI 公司開發(fā)的 GPT-3 是目前為止參數(shù)最多、規(guī)模最大、能力最強(qiáng)的模型。

通過利用大量的互聯(lián)網(wǎng)文本數(shù)據(jù)和成千上萬的書籍進(jìn)行模型訓(xùn)練，GPT-3 模型對(duì)人類自然語言的模仿到了一個(gè)不可思議的地步，極具真實(shí)性，也因此成為迄今為止令人印象最深刻的語言模型。

雖然 GPT-3 模型建模能力、描述能力非常強(qiáng)，但是也存在眾多問題和局限性。首當(dāng)其沖的就是 GPT-3 模型不能理解什么是真正意義上的寫作（自然語言生成），因此有時(shí)會(huì)生成一些不可控的內(nèi)容。

其次，訓(xùn)練 GPT-3 模型需要大量的算力、數(shù)據(jù)和資金投入，并會(huì)產(chǎn)生大量的碳排放，只有資源充足的實(shí)驗(yàn)室才有能力開發(fā)類似的模型。此外，由于 GPT-3 模型在充斥錯(cuò)誤消息和偏見的互聯(lián)網(wǎng)文本數(shù)據(jù)上進(jìn)行訓(xùn)練，往往會(huì)產(chǎn)生與訓(xùn)練數(shù)據(jù)類似，即帶有偏見的篇章段落。

專家點(diǎn)評(píng)：

專家簡(jiǎn)介：張民 蘇州大學(xué)特聘教授，博士生導(dǎo)師，計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院院長(zhǎng)。國(guó)家杰出青年科學(xué)基金獲得者， “國(guó)家百千萬人才工程” 入選者，國(guó)家級(jí)有突出貢獻(xiàn)中青年專家，享受國(guó)務(wù)院政府特殊津貼。主要研究領(lǐng)域?yàn)樽匀徽Z言處理、機(jī)器翻譯和人工智能。

專家簡(jiǎn)介：李俊濤 蘇州大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院副教授。2020 年于北京大學(xué)獲博士學(xué)位，主要研究方向?yàn)槲谋旧珊蛯?duì)話系統(tǒng)。

（1）為什么可以入選 10 大技術(shù)

人工智能已經(jīng)成為人類社會(huì)經(jīng)濟(jì)和社會(huì)發(fā)展的重要支撐技術(shù)，是引領(lǐng)新一輪科技革命、產(chǎn)業(yè)和社會(huì)變革的戰(zhàn)略性技術(shù)，自然語言理解是下一代人工智能的核心技術(shù)之一，其關(guān)鍵技術(shù)的突破極具科學(xué)意義和產(chǎn)業(yè)價(jià)值。

語言模型是利用計(jì)算機(jī)對(duì)自然語言進(jìn)行抽象數(shù)學(xué)建模，是自然語言理解最核心的科學(xué)問題。廣義上，任何自然語言理解模型都可稱之為語言模型，因?yàn)槎家M(jìn)行數(shù)學(xué)建模。狹義上講，語言模型要完成對(duì)一段文字的概率估計(jì)，或者給定上下文估計(jì)某個(gè)語言片段的出現(xiàn)概率或者抽象數(shù)學(xué)表示。

通常所指的語言模型是狹義語言模型。語言模型的歷史從 1948 年提出的 N-Gram 模型、1954 年的分布式理論詞袋模型、1986 年的分布式表示、2013 年的 Word2Vec 模型直到 2018 年提出的預(yù)訓(xùn)練模型。

預(yù)訓(xùn)練語言模型（最具有代表性的模型包括 ELMo、BERT 和 GPT）對(duì)自然語言處理領(lǐng)域產(chǎn)生了深遠(yuǎn)的影響，是深度學(xué)習(xí)時(shí)代自然語言處理領(lǐng)域里程碑式的研究成果。

這一系列基于深度學(xué)習(xí)技術(shù)的模型只需要利用非監(jiān)督的語言模型訓(xùn)練目標(biāo)函數(shù)即可從海量的文本中捕捉和學(xué)習(xí)到各種類型的有效信息，能夠動(dòng)態(tài)生成更加準(zhǔn)確的具有上下文信息建模能力的字、詞、短語乃至句子和篇章的向量表示和生成概率，并可以在多種下游任務(wù)上取得驚艷的效果。

例如問答、閱讀理解、文本蘊(yùn)含、語義相似度匹配、文本摘要、代碼生成、故事創(chuàng)作等。除了強(qiáng)大的表示學(xué)習(xí)能力和多任務(wù)泛化屬性以外，這些預(yù)訓(xùn)練語言模型還具有強(qiáng)大的小樣本學(xué)習(xí)能力，只需要很少數(shù)據(jù)樣本（甚至是在零樣本學(xué)習(xí)的設(shè)置下），即可理解特定的任務(wù)并取得和監(jiān)督學(xué)習(xí)模型相當(dāng)甚至更好的表現(xiàn)。

在眾多模型中，2020 年 5 月 OpenAI 公司所提出的第三代 GPT 模型（GPT-3）憑借其當(dāng)時(shí)最大的參數(shù)規(guī)模、非凡的模型能力、多任務(wù)泛化表現(xiàn)以及小樣本學(xué)習(xí)能力入選 2021 年 MIT Technology Review 的 “全球十大突破性技術(shù)”。

（2） GPT 等系列模型發(fā)展過程和能力變化

預(yù)訓(xùn)練語言模型數(shù)量眾多，其中具有里程碑意義的典型模型包括 ELMo、BERT 和 GPT。限于篇幅，在此只選擇 GPT 系列模型進(jìn)行代表性介紹。

在對(duì) GPT-3 模型進(jìn)行解讀之前，我們首先對(duì)預(yù)訓(xùn)練語言模型的初衷和中間發(fā)展過程進(jìn)行回顧。以 N-Gram 為代表的傳統(tǒng)語言模型是計(jì)算給定語言片段的概率或者給定上文預(yù)測(cè)下一個(gè)詞的出現(xiàn)概率，采用的是傳統(tǒng)的基于頻率的離散統(tǒng)計(jì)概率模型。

其主要問題是離散的詞表示方法描述能力差，參數(shù)空間成指數(shù)級(jí)增長(zhǎng)，基于頻率的統(tǒng)計(jì)概率模型建模能力差，導(dǎo)致最終語言模型描述能力不足、魯棒性差、準(zhǔn)確率不高。

為解決上述問題，以 ELMo、BERT 和 GPT 為代表的預(yù)訓(xùn)練語言模型利用大規(guī)模甚至全網(wǎng)數(shù)據(jù)，基于生成式語言模型或者掩碼語言模型，用神經(jīng)網(wǎng)絡(luò)方法訓(xùn)練語言模型。

這樣，預(yù)訓(xùn)練語言模型既有傳統(tǒng)模型的概率輸出，也可生成語言片段的向量表示。由于采用神經(jīng)網(wǎng)絡(luò)的方法，可以利用可導(dǎo)、可微等強(qiáng)大的數(shù)學(xué)工具和極大規(guī)模的數(shù)據(jù)，所以預(yù)訓(xùn)練語言模型上下文建模能力超強(qiáng)，可計(jì)算出更加準(zhǔn)確的概率和上下文強(qiáng)相關(guān)的語言片段的動(dòng)態(tài)向量表示。

ELMo 開啟了第二代預(yù)訓(xùn)練語言模型的時(shí)代，即上下文相關(guān)和 “預(yù)訓(xùn)練 + 微調(diào)” 的范式。ELMo 是一種生成式模型，以雙向 LSTM 作為特征提取器，利用上下文信息動(dòng)態(tài)建模，較好地解決了以 Word2Vec 為代表的第一代預(yù)訓(xùn)練語言模型存在的一詞多義問題，在自然語言生成任務(wù)上表現(xiàn)尤為出色。

BERT 是一種掩碼式語言模型，以 Transformer Encoder 為特征提取器，在自然語言分析和理解任務(wù)上表現(xiàn)尤為出色。GPT 是一種生成式模型，以 Transformer Decoder 為特征提取器，在自然語言生成任務(wù)上表現(xiàn)更為突出。

在上述系列模型提出以前，以自然語言理解為代表的下游任務(wù)主要采用監(jiān)督學(xué)習(xí)的方式在相應(yīng)的標(biāo)注數(shù)據(jù)集上訓(xùn)練模型。這就需要每一個(gè)目標(biāo)任務(wù)有充足的標(biāo)注數(shù)據(jù)，并且在特定任務(wù)上訓(xùn)練的模型無法有效地泛化到其他任務(wù)上。

在數(shù)據(jù)不足的情況下，這類判別式模型就無法取得令人滿意的效果。針對(duì)這一問題，OpenAI 團(tuán)隊(duì)提出了第一代的生成式預(yù)訓(xùn)練語言模型（GPT-1）是基于 Transformer Decoder 的生成式語言模型，對(duì)該模型結(jié)構(gòu)沒有新穎改動(dòng)，但擴(kuò)大了模型的復(fù)雜度。

該類生成式預(yù)訓(xùn)練模型只需要利用非監(jiān)督的語言模型目標(biāo)函數(shù)即可進(jìn)行訓(xùn)練，因此可以利用海量的無標(biāo)注數(shù)據(jù)進(jìn)行模型學(xué)習(xí)。除此以外，GPT-1 模型在增強(qiáng)下游任務(wù)時(shí)對(duì)各種輸入數(shù)據(jù)的格式進(jìn)行了統(tǒng)一，以實(shí)現(xiàn)最小的模型結(jié)構(gòu)修改。

基于以上兩個(gè)特點(diǎn)，GPT-1 只需要簡(jiǎn)單的微調(diào)監(jiān)督訓(xùn)練即可用于下游任務(wù)，并取得顯著的效果提升，展示了生成式預(yù)訓(xùn)練語言模型強(qiáng)大的泛化能力。額外的評(píng)測(cè)發(fā)現(xiàn) GPT-1 在零資源的設(shè)置下仍然具有一定的泛化能力。

這些結(jié)果展示了生成式預(yù)訓(xùn)練的強(qiáng)大威力，為后續(xù)參數(shù)規(guī)模更大、所需訓(xùn)練數(shù)據(jù)更多的模型版本奠定了基礎(chǔ)。

GPT-2 在 GPT-1 的基礎(chǔ)上，對(duì)模型結(jié)構(gòu)進(jìn)行了 5 點(diǎn)微小改進(jìn)，增加更多的訓(xùn)練數(shù)據(jù)，進(jìn)一步提升了生成式預(yù)訓(xùn)練語言模型的泛化能力，重點(diǎn)解決 GPT-1 在下游任務(wù)使用時(shí)需要監(jiān)督微調(diào)訓(xùn)練的問題。

通過在模型訓(xùn)練時(shí)引入任務(wù)信息、利用比 GPT-1 模型更多的訓(xùn)練數(shù)據(jù)（40GB vs. 5GB）、搭建更大參數(shù)規(guī)模的模型（15 億 vs. 1.17 億），GPT-2 模型在零資源的設(shè)置下超越了多種下游任務(wù)上的前沿模型，例如機(jī)器翻譯、閱讀理解、長(zhǎng)距離依賴關(guān)系建模等。

GPT-2 模型的這些特點(diǎn)揭示了更大的模型容量和更多的訓(xùn)練數(shù)據(jù)可以進(jìn)一步提升模型的泛化能力以及減少對(duì)監(jiān)督訓(xùn)練的依賴。此外，GPT-2 模型的容量和訓(xùn)練數(shù)據(jù)相比，還處于欠擬合的狀態(tài)，這就需要進(jìn)一步增大模型的參數(shù)規(guī)模。

GPT-3 在 GPT-2 模型的基礎(chǔ)上進(jìn)一步擴(kuò)大了參數(shù) （1750 億 vs. 15 億） 和數(shù)據(jù)規(guī)模（45TB vs. 40GB），是目前為止最大的語言模型，無需微調(diào)訓(xùn)練即可用于下游任務(wù)，在零資源（Zero-shot）和小樣本（Few-shot）設(shè)置下具有出色的表現(xiàn)。

在 GPT-2 的多任務(wù)泛化能力基礎(chǔ)上，GPT-3 在新的任務(wù)上取得了驚艷的結(jié)果，包括數(shù)學(xué)加法、新聞文章生成、詞匯解讀、代碼編寫等，并且這種模型表現(xiàn)會(huì)隨著參數(shù)量的進(jìn)一步增加而提升。

（3） 成功和局限性背后的根本原因討論

通過對(duì)比 GPT 三代模型的設(shè)計(jì)初衷和發(fā)展過程可以發(fā)現(xiàn)，三代模型都是基于 Transformer Decoder 結(jié)構(gòu)，GPT-3 模型的強(qiáng)大能力建立在規(guī)模效應(yīng)的基礎(chǔ)上，即超強(qiáng)的泛化能力僅來自于增加模型和訓(xùn)練數(shù)據(jù)的規(guī)模。

也就是說，GPT-3 的本質(zhì)還是一種數(shù)據(jù)驅(qū)動(dòng)的模型，通過利用超大容量的模型來擬合海量的數(shù)據(jù)，最終實(shí)現(xiàn)模型的收斂。因此，數(shù)據(jù)驅(qū)動(dòng)模型的特點(diǎn)都會(huì)體現(xiàn)在 GPT 系列模型上，即模型的能力取決于所擬合數(shù)據(jù)的覆蓋范圍、分布情況以及質(zhì)量。

無論是新的數(shù)據(jù)還是不同的數(shù)據(jù)分布亦或是數(shù)據(jù)中的噪聲都會(huì)給模型帶來災(zāi)難性的問題。最新的測(cè)試結(jié)果顯示，GPT-3 模型無法在自然語言推理、填空、長(zhǎng)文本生成和一些閱讀理解任務(wù)上取得較好的表現(xiàn)，表明 GPT-3 模型更多的是停留在數(shù)據(jù)擬合階段，而非真正理解自然語言。

除此以外，受限于互聯(lián)網(wǎng)文本數(shù)據(jù)的質(zhì)量，GPT-3 模型會(huì)生成一些帶有偏見且令人厭惡的內(nèi)容。這些都表明，GPT-3 依然停留在感知智能階段，距離通用智能和認(rèn)知智能還有遙遠(yuǎn)的距離。

因此，GPT-3 被認(rèn)為 “具有一定泛化能力的記憶”，更容易獲得并記住陳述性知識(shí)，而不是理解知識(shí)，不具備真正的邏輯推理能力和明辨是非的能力。

（4） GPT-3 的意義

雖然 GPT-3 模型還不具有意圖或?qū)ΜF(xiàn)實(shí)世界中的請(qǐng)求做出響應(yīng)的能力，但是其對(duì)人工智能領(lǐng)域的影響是深遠(yuǎn)的。

從 2012 年深度學(xué)習(xí)在各個(gè)領(lǐng)域開始爆炸式的發(fā)展到現(xiàn)在已經(jīng)有將近 10 年的時(shí)間，新技術(shù)和新算法的發(fā)展也進(jìn)入了瓶頸期，數(shù)據(jù)驅(qū)動(dòng)模型的效果和能力似乎也遇到了天花板，而 GPT-3 模型的出現(xiàn)為深度學(xué)習(xí)領(lǐng)域注入了一支強(qiáng)心劑并引發(fā)了新的思考。

最直接的問題就是這種隨著模型規(guī)模增加而實(shí)現(xiàn)的能力擴(kuò)展是否具有穩(wěn)定性和可預(yù)測(cè)性？從短期的結(jié)果來看，這種規(guī)模效應(yīng)還會(huì)隨著計(jì)算機(jī)硬件算力的提升，繼續(xù)提高深度學(xué)習(xí)的天花板。

第二個(gè)問題是深度學(xué)習(xí)的極限在哪里？這種數(shù)據(jù)驅(qū)動(dòng)模型是否最終能真正地理解語言？最后，深度學(xué)習(xí)的盡頭是否會(huì)是真正的人工智能？是否能實(shí)現(xiàn)認(rèn)知能力和通用智能？

從實(shí)際應(yīng)用的角度來看，GPT-3 的功能非常強(qiáng)大，可以完成問答、閱讀理解、摘要生成、自動(dòng)聊天、搜索匹配、代碼生成以及文章生成等。

鑒于 GPT-3 模型所面臨的安全性和不可控性，包括在自然語言理解時(shí)遇到魯棒性的問題、在內(nèi)容生成時(shí)會(huì)輸出虛假內(nèi)容和充滿偏見信息的問題等，在某些應(yīng)用場(chǎng)景，其應(yīng)用價(jià)值主要還體現(xiàn)在智能輔助任務(wù)上，不能直接面對(duì)最終的用戶。

例如，在總結(jié)報(bào)告生成、創(chuàng)作寫作等任務(wù)中，利用 GPT-3 根據(jù)用戶的任務(wù)描述生成相應(yīng)的內(nèi)容，再引入人工校驗(yàn)編輯，將最終編輯后的內(nèi)容呈現(xiàn)給最終用戶。除此以外，GPT-3 可以用于開發(fā)游戲應(yīng)用等無明確任務(wù)定義和完成目標(biāo)的場(chǎng)景。

（5） 未來研究方向和中國(guó)的相關(guān)情況

總的來說，以 GPT-3 為代表的的預(yù)訓(xùn)練模型還存在各種工程應(yīng)用問題、道德問題和社會(huì)問題。同時(shí)，在推動(dòng)該類模型的發(fā)展時(shí)還面臨著跨學(xué)科合作、開放共享、資源不平衡和安全防護(hù)等挑戰(zhàn)。

中國(guó)在這方面亦有相應(yīng)的布局和長(zhǎng)遠(yuǎn)規(guī)劃，目前已經(jīng)取得了非常好的前期成果，以 “悟道” 和 “盤古” 為代表的超大規(guī)模智能模型系統(tǒng)已經(jīng)在模型效果、領(lǐng)域移植和泛化、小模型、模型訓(xùn)練效率、多語言、弱相關(guān)多模態(tài)預(yù)訓(xùn)練、通用、可控、知識(shí)融入、蛋白質(zhì)序列預(yù)測(cè)等場(chǎng)景中取得了突破。

相信在未來的 10 到 20 年，中國(guó)在人工智能基礎(chǔ)技術(shù)創(chuàng)新、人才和團(tuán)隊(duì)建設(shè)、社區(qū)開源等方面會(huì)達(dá)到世界領(lǐng)先的水平。

3、數(shù)據(jù)信托（Data trusts）

數(shù)據(jù)信托是信托類型化研究和當(dāng)代信托立法中典型的新生事物，信托制度起源于英國(guó)，發(fā)展于美國(guó)，從法律角度看，信托是指基于對(duì)受托人的信任，委托人從其自身利益出發(fā)，將資產(chǎn)交給受托人管理的行為。

數(shù)據(jù)信托則是受托人管理一群人的數(shù)據(jù)或數(shù)據(jù)權(quán)利的行為，這就像醫(yī)生有責(zé)任依據(jù)病人的利益來行事一樣，數(shù)據(jù)受托人管理委托人的數(shù)據(jù)或數(shù)據(jù)權(quán)利，同時(shí)要對(duì)其利益負(fù)責(zé)。理論上，數(shù)據(jù)信托允許用戶行使其作為數(shù)據(jù)生產(chǎn)者的權(quán)利。

專家點(diǎn)評(píng)：

專家簡(jiǎn)介：張小松 電子科技大學(xué)網(wǎng)絡(luò)空間安全研究院院長(zhǎng)，博士生導(dǎo)師，教育部長(zhǎng)江學(xué)者特聘教授，中國(guó)電子學(xué)會(huì)區(qū)塊鏈分會(huì)副主任委員。長(zhǎng)期從事計(jì)算機(jī)網(wǎng)絡(luò)與系統(tǒng)安全技術(shù)的研究，以第一完成人先后獲國(guó)家科技進(jìn)步獎(jiǎng)一等獎(jiǎng)、二等獎(jiǎng)各 1 項(xiàng)，另獲省部級(jí)科技進(jìn)步獎(jiǎng)一等獎(jiǎng) 2 項(xiàng)，發(fā)明獎(jiǎng) 2 項(xiàng)。

數(shù)據(jù)的價(jià)值和資產(chǎn)屬性已經(jīng)被社會(huì)熟知和認(rèn)可，但是數(shù)據(jù)資產(chǎn)存在一個(gè)特殊性，即和實(shí)體資產(chǎn)相比，數(shù)據(jù)只要在控制人手里，幾乎可無成本進(jìn)行分析、挖掘、復(fù)制和擴(kuò)散并獲利，并且其中個(gè)人隱私信息無法得到保護(hù)。

典型的例子是當(dāng)我們通過電商平臺(tái)完成交易后，后期總會(huì)看到和前期交易內(nèi)容有關(guān)聯(lián)的選擇性推送商品廣告信息。

因此帶來一個(gè)嚴(yán)重的問題，即在數(shù)據(jù)生產(chǎn)者及數(shù)據(jù)權(quán)屬所有者（如廣大公民個(gè)體）、數(shù)據(jù)實(shí)際控制者（如提供各類服務(wù)的單位部門）、以及數(shù)據(jù)利益的享有者（如能獲取各類數(shù)據(jù)的機(jī)構(gòu)企業(yè)）相互分離的情況下，生產(chǎn)者的數(shù)據(jù)在采集、分析、挖掘、使用全生命周期中，其隱私如何能得到更好的保護(hù)，價(jià)值如何能得到更好的保障。

基于此，信托理論被引入用來保護(hù)數(shù)據(jù)主體所遭受的敏感信息侵害，加強(qiáng)數(shù)據(jù)安全保護(hù)，有效應(yīng)對(duì)境內(nèi)外數(shù)據(jù)安全風(fēng)險(xiǎn)。2016 年，美國(guó)耶魯大學(xué)教授杰克?巴金（Jack M. Balkin）在隱私數(shù)據(jù)保護(hù)領(lǐng)域首次提出采用信托工具解釋數(shù)據(jù)主體與數(shù)據(jù)控制人之間關(guān)系的主張。

2017 年，《英國(guó)人工智能產(chǎn)業(yè)發(fā)展報(bào)告》明確提出了 “Data Trust” 一詞，并建議利用數(shù)據(jù)信托制度建立數(shù)據(jù)投資治理架構(gòu)，以確保數(shù)據(jù)交換安全互利。2018 年 10 月，英國(guó)開放數(shù)據(jù)研究所（Open Data Institute，ODI）首次明確將數(shù)據(jù)信托定義為 “提供獨(dú)立數(shù)據(jù)管理權(quán)的法律結(jié)構(gòu)”。

數(shù)據(jù)信托是數(shù)據(jù)資產(chǎn)信托財(cái)產(chǎn)的一個(gè)閉環(huán)：數(shù)據(jù)持有者首先要將自己所持有的某一個(gè)數(shù)據(jù)資產(chǎn)作為信托財(cái)產(chǎn)設(shè)立信托；再進(jìn)行信托受益權(quán)轉(zhuǎn)讓，委托方通過信托受益權(quán)轉(zhuǎn)讓獲得現(xiàn)金收入；隨后，受托人繼續(xù)委托數(shù)據(jù)服務(wù)商對(duì)特定數(shù)據(jù)資產(chǎn)進(jìn)行運(yùn)用和增值，產(chǎn)生收益；最后，向社會(huì)投資者進(jìn)行信托利益分配。

數(shù)據(jù)信托的實(shí)質(zhì)是在數(shù)據(jù)主體與數(shù)據(jù)控制人之間創(chuàng)設(shè)出信托法律關(guān)系，數(shù)據(jù)控制人基于數(shù)據(jù)主體的信任對(duì)數(shù)據(jù)享有更大的管理運(yùn)用權(quán)限，同時(shí)也承擔(dān)更嚴(yán)格的法律信義義務(wù)。

數(shù)據(jù)控制人的數(shù)據(jù)管理運(yùn)用權(quán)限包括但不限于訪問控制、訪問審核以及數(shù)據(jù)的匿名化處置等重要內(nèi)容，以此平衡數(shù)據(jù)主體的隱私保護(hù)與數(shù)據(jù)可交易價(jià)值之間的緊張與沖突。與此同時(shí)，數(shù)據(jù)控制人還應(yīng)履行對(duì)數(shù)據(jù)主體的信義義務(wù)，這主要表現(xiàn)為信托法上的謹(jǐn)慎義務(wù)、忠實(shí)義務(wù)、保密義務(wù)等，不得損害數(shù)據(jù)主體的根本利益。

數(shù)據(jù)信托主要解決兩大問題：

（1）解決數(shù)據(jù)資產(chǎn)的授權(quán)使用問題。數(shù)據(jù)主體既是數(shù)據(jù)信托的委托人也是受益人，數(shù)據(jù)控制人則是數(shù)據(jù)信托的受托人。數(shù)據(jù)控制人的數(shù)據(jù)管理運(yùn)用權(quán)限包括但不限于訪問控制、訪問審核以及數(shù)據(jù)的匿名化處置等重要內(nèi)容，以此平衡數(shù)據(jù)主體的隱私保護(hù)與數(shù)據(jù)可交易價(jià)值之間的緊張與沖突。

（2）數(shù)據(jù)信托還可以明確數(shù)據(jù)資產(chǎn)的收益安排，使得數(shù)據(jù)資產(chǎn)增值部分的利益歸屬可以按照委托人意愿進(jìn)行設(shè)計(jì)和分配。通過重置數(shù)據(jù)主體與數(shù)據(jù)控制人之間的權(quán)益結(jié)構(gòu)，把數(shù)據(jù)控制人的數(shù)據(jù)權(quán)限與數(shù)據(jù)義務(wù)有效鏈接起來，促進(jìn)數(shù)據(jù)的合理有效利用。

應(yīng)該清楚地看到，數(shù)據(jù)信托作為大數(shù)據(jù)時(shí)代的新生事物，無論在法律層面還是保障數(shù)據(jù)信托實(shí)施的技術(shù)層面仍不是完備的。

首先，在法律層面，針對(duì)數(shù)據(jù)使用的用途限制、安全與隱私保護(hù)政策及風(fēng)險(xiǎn)管控問題，數(shù)據(jù)信托仍需要法定信托屬性、數(shù)據(jù)信托的信托財(cái)產(chǎn)范圍、數(shù)據(jù)信托中的信義義務(wù)的具體規(guī)制，建立更加完善的法律法規(guī)。

其次，在保障數(shù)據(jù)信托實(shí)施的技術(shù)層面，針對(duì)數(shù)據(jù)在流轉(zhuǎn)各環(huán)節(jié)都可能面臨的安全風(fēng)險(xiǎn)，需要從數(shù)據(jù)隱私保護(hù)、數(shù)據(jù)確權(quán)、數(shù)據(jù)追溯、權(quán)益可信分配等多方面提供更加全面、系統(tǒng)、可信的技術(shù)手段，除傳統(tǒng)的數(shù)據(jù)加密、身份認(rèn)證、安全接入、應(yīng)用保護(hù)、訪問控制技術(shù)外，還需要結(jié)合信息技術(shù)的應(yīng)用和發(fā)展，研究如下關(guān)鍵技術(shù)：

（1） 隱私保護(hù)數(shù)據(jù)發(fā)布，敏感數(shù)據(jù)在進(jìn)入流通市場(chǎng)之前進(jìn)行必要的隱私檢驗(yàn)和脫敏處理。

（2） 區(qū)塊鏈技術(shù)的應(yīng)用，有效保證數(shù)據(jù)的可信性、數(shù)據(jù)流通與使用的可追溯性，區(qū)塊鏈技術(shù)也是目前進(jìn)行數(shù)據(jù)確權(quán)的最佳解決方案。利用區(qū)塊鏈技術(shù)，可以使得登記、交易轉(zhuǎn)讓、清結(jié)算、查詢舉證更加透明、高效、低成本。

（3） 隱私保護(hù)的聯(lián)邦學(xué)習(xí)，結(jié)合安全多方計(jì)算、差分隱私或同態(tài)加密技術(shù)實(shí)現(xiàn)分布式的深度學(xué)習(xí)，在智能化學(xué)習(xí)的同時(shí)保障用戶的隱私。

4、鋰金屬電池（Lithium-metal batteries）

制約電動(dòng)汽車產(chǎn)業(yè)發(fā)展的一大難題就是電池技術(shù)。目前，電動(dòng)汽車普遍使用的是鋰離子電池，這種電池昂貴、笨重、能量密度低，并且其所依賴的液體電解質(zhì)在碰撞時(shí)極易起火。

電池的一系列缺點(diǎn)體現(xiàn)在電動(dòng)汽車上就是：價(jià)格高、續(xù)航低、充電慢，而且還存在安全隱患，這些正是讓眾多車主對(duì)電動(dòng)汽車望而卻步的原因。

顯然，要使電動(dòng)汽車比汽油汽車更具競(jìng)爭(zhēng)力，就需要一種突破性電池來彌補(bǔ)這些缺陷。硅谷初創(chuàng)公司 QuantumScape 聲稱已經(jīng)開發(fā)出全新的鋰金屬電池，其采用固體電解質(zhì)（陶瓷）克服了傳統(tǒng)鋰離子電池存在的這些缺陷。

專家點(diǎn)評(píng)：

專家簡(jiǎn)介：張強(qiáng) 清華大學(xué)長(zhǎng)聘教授，長(zhǎng)期從事能源化學(xué)與能源材料的研究，致力于將國(guó)家重大需求與基礎(chǔ)研究相結(jié)合，面向能源存儲(chǔ)和利用的重大需求，重點(diǎn)研究鋰硫電池的原理和關(guān)鍵能源材料。

提出了鋰硫電池中的鋰鍵化學(xué)、離子溶劑復(fù)合結(jié)構(gòu)概念，并根據(jù)高能電池需求，研制出復(fù)合金屬鋰負(fù)極、碳硫復(fù)合正極等多種高性能能源材料，構(gòu)筑了鋰硫軟包電池器件。曾獲得國(guó)家杰出青年科學(xué)基金、教育部自然科學(xué)一等獎(jiǎng)、教育部青年科學(xué)獎(jiǎng)、英國(guó)皇家學(xué)會(huì) Newton Advanced Fellowship、國(guó)際電化學(xué)會(huì)議 Tian Zhaowu 獎(jiǎng)。在 Advanced Materials、Journal of the American Chemical Society、Angewandte Chemie 等發(fā)表 SCI 收錄論文 200 余篇，授權(quán)發(fā)明專利 50 余項(xiàng)。

當(dāng)代社會(huì)生產(chǎn)和生活方式高度依賴于能源的利用。二次電池是一種可以實(shí)現(xiàn)化學(xué)能與電能高效可逆轉(zhuǎn)化的器件。

鋰離子電池是一種典型的二次電池，具有能量密度高、循環(huán)壽命長(zhǎng)、無記憶效應(yīng)、便攜等特點(diǎn)，方便電能的移動(dòng)存儲(chǔ)、輸運(yùn)和利用，支撐現(xiàn)代生產(chǎn)生活進(jìn)入 “無線” 模式，促進(jìn)社會(huì)朝著清潔、便攜不斷發(fā)展。

隨著便攜式電子設(shè)備、電動(dòng)汽車、儲(chǔ)能電站等新生事物的不斷涌現(xiàn)，鋰離子電池成為當(dāng)下二次電池的 “主力軍”。鋰離子電池獲得 2019 年諾貝爾化學(xué)獎(jiǎng)，是對(duì)整個(gè)行業(yè)的認(rèn)可和激勵(lì)。

然而，鋰離子電池受制于自身材料的嵌入式能源存儲(chǔ)機(jī)制，歷經(jīng) 30 余年發(fā)展后，其能量密度逐漸接近極限值。研發(fā)具有更高能量密度的二次電池成為社會(huì)共識(shí)。

此次入選 MIT Technology Review 2021 “全球十大突破性技術(shù)” 的基于固態(tài)電解質(zhì)的鋰金屬電池正是突破鋰離子電池能量密度上限的新體系電池。鋰金屬電池的能量密度可以超過 400 Wh/kg，相比于現(xiàn)在鋰離子電池提升 30% 以上。

這意味著電子設(shè)備和電動(dòng)汽車等可以具有更長(zhǎng)的續(xù)航，緩解人們的里程焦慮。鋰金屬電池能量密度高的主要原因是采用轉(zhuǎn)化型儲(chǔ)能機(jī)制的鋰金屬為負(fù)極。鋰金屬具有極高的理論比容量和極低的電極電勢(shì)。

事實(shí)上，早在 20 世紀(jì) 60 年代就提出了鋰金屬電池的概念，80 年代也做過商業(yè)化嘗試。由于在有機(jī)電解液中，鋰金屬負(fù)極不均勻鋰沉積引起安全隱患，金屬鋰電池未能在各種應(yīng)用場(chǎng)合中廣泛應(yīng)用。

為了克服鋰金屬負(fù)極的安全隱患，此次入選突破性技術(shù)采用固態(tài)電解質(zhì)來匹配正極材料和負(fù)極材料構(gòu)筑鋰金屬電池。固態(tài)電解質(zhì)可以克服液態(tài)電解液易泄露、易燃的問題。

在能量密度和安全性之外，此次入選的突破性技術(shù)對(duì)電池快充性能尤為關(guān)注?？斐湫阅艿奶嵘瑢⑹沟贸潆姾图佑鸵粯臃奖?，是另外一個(gè)緩解里程焦慮的方式。基于固態(tài)電解質(zhì)的鋰金屬電池如能夠兼顧能量密度、安全性和快充性能，將有望實(shí)現(xiàn)與鋰離子電池相互補(bǔ)充甚至替代。

突破性技術(shù)所展示的固態(tài)鋰金屬電池性能是基于電芯水平。如果要應(yīng)用于電子設(shè)備、電動(dòng)汽車及儲(chǔ)能設(shè)備上，仍需要考慮電芯大規(guī)模、標(biāo)準(zhǔn)化生產(chǎn)以及多電芯串并聯(lián)組裝成電池組的電池管理問題。

此外，實(shí)際工況遠(yuǎn)比實(shí)驗(yàn)室條件復(fù)雜，如高低溫、倍率切換、過充、過放、撞擊擠壓等條件下是否保障安全的問題。針對(duì)固態(tài)金屬鋰電池，需要建立一系列性能評(píng)價(jià)原則，經(jīng)過充分的性能驗(yàn)證和安全保障繼承，才能滿足實(shí)際工況的要求。

盡管目前固態(tài)鋰金屬電池展示優(yōu)異的前景，但距離固態(tài)鋰金屬電池真正實(shí)用化仍還有許多科學(xué)和技術(shù)問題需要解決。例如，界面接觸電阻大、固態(tài)電解質(zhì)界面穩(wěn)定性、鋰枝晶內(nèi)部生長(zhǎng)、固態(tài)電解質(zhì)厚度和固態(tài)電池的成本等。固態(tài)鋰金屬電池仍需要在不斷探究和摸索中發(fā)展。

目前中國(guó)在固態(tài)鋰金屬電池方面的基礎(chǔ)研究基本與國(guó)際同步，產(chǎn)業(yè)研究和技術(shù)工藝方面甚至領(lǐng)先。

在國(guó)家政策和科技項(xiàng)目的支持下，中國(guó)在固態(tài)鋰金屬電池研究方面建立起了從原子、分子，到材料，再到器件的多尺度的認(rèn)識(shí)，并在應(yīng)用示范上取得了一些實(shí)際經(jīng)驗(yàn)，為固態(tài)鋰金屬電池的研究和推廣奠定了堅(jiān)實(shí)的基礎(chǔ)。

同時(shí)，在項(xiàng)目推進(jìn)的過程中，一大批有志于從事固態(tài)鋰金屬電池研究的青年成長(zhǎng)起來，為固態(tài)鋰金屬電池及其他新型電池體系的持續(xù)推進(jìn)儲(chǔ)備了人才。

固態(tài)鋰金屬電池是極具前景的下一代高能量密度電池，在世界范圍內(nèi)獲得了廣泛研究和投入。固態(tài)鋰金屬電池的突破，對(duì)現(xiàn)有的鋰離子電池將是有力的補(bǔ)充或替代，從而能夠?yàn)橄{間歇性的可再生能源發(fā)電提供技術(shù)基礎(chǔ)，有利于可再生能源的大規(guī)模推廣利用，從而促進(jìn)能源消費(fèi)和生產(chǎn)轉(zhuǎn)型，為實(shí)現(xiàn)碳中和目標(biāo)提供強(qiáng)有力支撐。

5、“數(shù)字接觸追蹤” 技術(shù)（Digital contact tracing）

2020 年全球都在經(jīng)歷的新冠肺炎疫情讓 “數(shù)字接觸追蹤” 引起人們的關(guān)注。新冠疫情之下，科技為公共衛(wèi)生調(diào)查人員追溯感染者的行蹤提供新思路 —— 數(shù)字接觸追蹤。

使用該技術(shù)，衛(wèi)生調(diào)查人員不再需要依靠病人的記憶對(duì)其行蹤進(jìn)行追蹤，這減輕了對(duì)疾病監(jiān)控的壓力。這一技術(shù)對(duì)應(yīng)到實(shí)際應(yīng)用被稱為 “曝光通知”（Exposure Notification）。

對(duì)于該數(shù)字接觸追蹤系統(tǒng)，程序員在幾周內(nèi)完成了建立和運(yùn)行，并將代碼開源共享，以保證全球各地的、蘋果和安卓的用戶都可以使用這一功能。

專家點(diǎn)評(píng)：

專家簡(jiǎn)介：程學(xué)旗 中國(guó)科學(xué)院計(jì)算技術(shù)研究所研究員、博士生導(dǎo)師，國(guó)家杰出青年基金獲得者。主要研究方向：數(shù)據(jù)科學(xué)基礎(chǔ)理論，大數(shù)據(jù)分析技術(shù)與系統(tǒng)，網(wǎng)絡(luò)與社會(huì)治理大數(shù)據(jù)應(yīng)用等。在國(guó)內(nèi)外學(xué)術(shù)期刊與會(huì)議上發(fā)表論文 200 余篇，授權(quán)發(fā)明專利 80 余項(xiàng)。

在網(wǎng)絡(luò)大數(shù)據(jù)表征學(xué)習(xí)、異構(gòu)大數(shù)據(jù)廣譜關(guān)聯(lián)、信息檢索與排序、群體分析與群智眾包系統(tǒng)等方面取得突出研究成果，五次獲得本領(lǐng)域國(guó)際學(xué)術(shù)會(huì)議最佳論文獎(jiǎng)（SIGIR、CIKM、PKDD 等），多次擔(dān)任本領(lǐng)域?qū)W術(shù)會(huì)議主席或副主席（ACM WSDM、ACM SIGIR、ACM CIKM、CCIR 等）。獲國(guó)家科技進(jìn)步獎(jiǎng)二等獎(jiǎng) 3 次、技術(shù)發(fā)明二等獎(jiǎng) 1 次。

為應(yīng)對(duì)新冠病毒肺炎疫情，2020 年 5 月蘋果和谷歌公司聯(lián)合推出基于 iOS 和 Android 操作系統(tǒng)的智能手機(jī)應(yīng)用 “暴露通知（Exposure Notification）”，借助數(shù)字設(shè)備和技術(shù)助力新冠肺炎密切接觸者追蹤工作，這一技術(shù)入選 MIT Technology Review 2021 年 “十大突破性技術(shù)”。

該技術(shù)的原理是通過手機(jī)應(yīng)用程序使用藍(lán)牙來匿名連接附近運(yùn)行同一程序的其他手機(jī)設(shè)備，在本地對(duì)高風(fēng)險(xiǎn)接觸行為進(jìn)行記錄，一旦某用戶被確診為新冠肺炎患者，該應(yīng)用將會(huì)通知其接觸過的其他用戶，從而有利于盡早展開排查和隔離。相比于傳統(tǒng)的流行病學(xué)調(diào)查方式，數(shù)字接觸追蹤技術(shù)可以有效提升追蹤效率并降低人力成本。

事實(shí)上，“暴露通知” 并非首個(gè)針對(duì)新冠疫情的數(shù)字接觸追蹤應(yīng)用。早在 2020 年 3 月，韓國(guó)開發(fā)了 “新冠肺炎疫情智能管理系統(tǒng)”，主要通過采集手機(jī)用戶的 GPS 定位數(shù)據(jù)來判斷用戶與確診患者間是否存在密切接觸的可能。

同樣采用 GPS 定位數(shù)據(jù)的還有以色列開發(fā)的 “TheShield” 應(yīng)用，由于位置信息屬于敏感信息，這類應(yīng)用都面臨著隱私安全方面的問題。

新加坡開發(fā)的 “TraceTogether” 應(yīng)用，則是采用藍(lán)牙匿名連接的方式進(jìn)行接觸追蹤，由于藍(lán)牙連接只會(huì)記錄匿名接觸信息而不采集用戶地理位置等敏感信息，數(shù)據(jù)也只會(huì)分散式地存儲(chǔ)在用戶設(shè)備本地，因而在隱私保護(hù)方面具有顯著的優(yōu)勢(shì)。

與 “暴露通知” 有所不同，新加坡可依據(jù)當(dāng)?shù)胤ㄒ?guī)從新冠肺炎患者的 TraceTogether 應(yīng)用中讀取存儲(chǔ)數(shù)據(jù)并獲得密切接觸者的手機(jī)號(hào)信息，具有一定的集中式特點(diǎn)。

中國(guó)采用的技術(shù)路線與前述略有不同，從疫情爆發(fā)以來中國(guó)推出的 “健康碼” 應(yīng)用，是通過個(gè)體主動(dòng)的掃碼上報(bào)，利用全國(guó)一體化政務(wù)服務(wù)平臺(tái)實(shí)現(xiàn)接觸追蹤。

而 “通信大數(shù)據(jù)行程卡” 則是利用多家運(yùn)營(yíng)商的 “手機(jī)信令數(shù)據(jù)” 為用戶提供快速的行程追蹤服務(wù)，這兩類數(shù)字追蹤更多地基于集中式服務(wù)平臺(tái)、側(cè)重于區(qū)域接觸追蹤而非直接的個(gè)體接觸追蹤。

迄今為止，盡管有許多國(guó)家應(yīng)用數(shù)字接觸追蹤技術(shù)應(yīng)對(duì)新冠疫情，這些應(yīng)用對(duì)于抗擊疫情的價(jià)值仍存在爭(zhēng)議。

一方面，許多應(yīng)用程序僅為自愿使用，總體使用率偏低使其很難發(fā)揮作用。這其中的原因是多方面的，包括用戶對(duì)程序安全性的擔(dān)憂、部分軟件運(yùn)作異常、智能手機(jī)普及率有限等。

另一方面，分散式應(yīng)用程序雖然能夠有效保護(hù)用戶隱私，但也使得密切接觸者的檢測(cè)和隔離完全取決于個(gè)人意志，無法保障防疫效果。對(duì)于前者，需要研究合適的宣傳引導(dǎo)策略，并保障應(yīng)用程序獲取和使用的通暢。

對(duì)于后者，需要探索隱私保護(hù)和防疫效果之間更優(yōu)的權(quán)衡方案。從抗疫成果上來看，中國(guó)所采用技術(shù)路線是較為成功的案例，國(guó)家的宣傳與引導(dǎo)保障了總體使用率，相對(duì)集中式的信息獲取和存儲(chǔ)保障了醫(yī)療衛(wèi)生部門對(duì)密接者的高效排查和處理，當(dāng)然這其中配合了強(qiáng)隱私保護(hù)機(jī)制以防止數(shù)據(jù)被濫用。

對(duì)于新冠肺炎疫情期間產(chǎn)生的數(shù)字接觸追蹤這一突破性技術(shù)，目前仍然處于早期發(fā)展階段，技術(shù)本身的應(yīng)用范圍未來也不僅限于疫情防控，對(duì)很多應(yīng)用領(lǐng)域可能帶來新的啟示。我認(rèn)為以下方向值得進(jìn)一步研究探索：

（1） 數(shù)字接觸追蹤隱私保護(hù)理論探索。數(shù)字接觸追蹤涉及到以人為目標(biāo)的數(shù)據(jù)采集、存儲(chǔ)、使用和銷毀等流程，需要著重考慮隱私保護(hù)問題，探索隱私保護(hù)的相關(guān)理論，并在技術(shù)的設(shè)計(jì)階段即予以解決。

采集階段如何做到最小化采集，非必要的數(shù)據(jù)不采集；采集的數(shù)據(jù)哪些應(yīng)當(dāng)存儲(chǔ)在本地，非必要不上傳、不公開；數(shù)據(jù)的使用應(yīng)當(dāng)限定授權(quán)給哪些單位和個(gè)人；如何設(shè)定數(shù)據(jù)的存儲(chǔ)期限，過期數(shù)據(jù)如何保障其盡快被銷毀。

（2） 隱私保護(hù)與應(yīng)用效果的權(quán)衡機(jī)制探索。在涉及公共安全和國(guó)家安全的應(yīng)用場(chǎng)景，過于追求對(duì)隱私的保護(hù)可能將難以發(fā)揮應(yīng)用的效果，而讓渡部分隱私信息可能有效提升應(yīng)用效果，這就需要探索兩者之間的最優(yōu)權(quán)衡機(jī)制。

數(shù)字接觸追蹤這一實(shí)例中，完全分散式的方案完整地保護(hù)了隱私，但密接者的響應(yīng)只能依靠自覺，對(duì)防疫的作用有限；而部分集中式的方案則允許國(guó)家介入獲得確診者和密接者的部分關(guān)鍵信息，使得密接者能夠獲得及時(shí)妥當(dāng)?shù)奶幚?，但存在隱私泄露的風(fēng)險(xiǎn)。因此，高安全、高效率的數(shù)字接觸追蹤技術(shù)與機(jī)制仍然值得深入探索。

（3） 在其他領(lǐng)域的應(yīng)用探索。數(shù)字接觸追蹤是追蹤技術(shù)在醫(yī)療衛(wèi)生領(lǐng)域的一項(xiàng)應(yīng)用，實(shí)現(xiàn)了對(duì)歷史數(shù)據(jù)的有效記錄和對(duì)關(guān)鍵數(shù)據(jù)的高效查詢。類似的需求在社會(huì)治理和國(guó)家安全方面同樣存在，值得探索數(shù)字追蹤技術(shù)在更加廣闊的社會(huì)場(chǎng)景中的應(yīng)用價(jià)值。

6、超高精度定位（Hyper-accurate positioning）

全球衛(wèi)星定位系統(tǒng)的精度正在從 “米” 提高到 “厘米” 級(jí)別，這將為自動(dòng)駕駛汽車、送貨機(jī)器人等在街道上安全行駛提供更大支撐。

2020 年正式開通的北斗三號(hào)全球衛(wèi)星導(dǎo)航系統(tǒng)可實(shí)時(shí)捕獲地面上幾米的位置變化，甚至其處理精度能夠達(dá)到毫米級(jí)。

該系統(tǒng)已用于檢測(cè)中國(guó)各地山體滑坡易發(fā)地區(qū)地表的細(xì)微變化，并于當(dāng)年預(yù)測(cè)到中國(guó)湖南省將遭遇數(shù)十年來最嚴(yán)重的山體滑坡，使村民得以提前撤離。中國(guó)科學(xué)院航天信息研究所專家表示，如果衛(wèi)星定位精度仍然在米或分米的水平，對(duì)此，這是不可能實(shí)現(xiàn)的。

其實(shí)，北斗和全球衛(wèi)星定位系統(tǒng)（GPS）精度的進(jìn)一步提升都需要通過地面設(shè)施來提高定位精度。

在目前廣泛使用的方法中，一種是實(shí)時(shí)動(dòng)態(tài)（Real Time Kinematic，RTK）定位，精度可達(dá) 3 cm 以下；另一種是精確點(diǎn)定位（Precise Point Positioning，PPP），也可以達(dá)到厘米級(jí)別的精度。此外，中國(guó)科學(xué)院航天信息研究所專家表示：“我們正在開發(fā) PPP-RTK 技術(shù)，結(jié)合二者的優(yōu)勢(shì)，有望在幾年后投入使用?！?/p>

專家點(diǎn)評(píng)：

專家簡(jiǎn)介：楊元喜 西安測(cè)繪研究所研究員，中國(guó)科學(xué)院院士，北斗全球衛(wèi)星導(dǎo)航系統(tǒng)副總設(shè)計(jì)師，美國(guó)導(dǎo)航協(xié)會(huì)會(huì)士。長(zhǎng)期從事大地測(cè)量與衛(wèi)星導(dǎo)航技術(shù)研究，發(fā)表論文 400 余篇，SCI 論文 60 余篇。曾獲何梁何利科技進(jìn)步獎(jiǎng)，國(guó)家科技進(jìn)步獎(jiǎng)二等獎(jiǎng)兩項(xiàng)，省部級(jí)科技進(jìn)步獎(jiǎng)一等獎(jiǎng)以上 7 項(xiàng)。

專家簡(jiǎn)介：任夏 西安測(cè)繪研究所助理研究員，博士，主要從事導(dǎo)航衛(wèi)星自主定軌技術(shù)研究。

衛(wèi)星導(dǎo)航定位技術(shù)是目前最廣泛、最廉價(jià)、最便捷的定位導(dǎo)航和定時(shí)（PNT）手段，是國(guó)家經(jīng)濟(jì)建設(shè)、國(guó)防建設(shè)、交通運(yùn)輸?shù)闹匾A(chǔ)設(shè)施，為智慧城市、物聯(lián)網(wǎng)、智能交通等體系建設(shè)提供了全球覆蓋、全天候的時(shí)間與位置服務(wù)。

中國(guó)自主研發(fā)建設(shè)的北斗全球衛(wèi)星導(dǎo)航系統(tǒng)（BDS-3）不僅向全球用戶提供標(biāo)準(zhǔn)定位導(dǎo)航和授時(shí)（PNT）服務(wù)，還向中國(guó)及周邊提供精度更優(yōu)的星基增強(qiáng)（BDSBAS）和星基精密單點(diǎn)定位（B2b-PPP）服務(wù)，可以實(shí)現(xiàn)米級(jí)、分米級(jí)和厘米級(jí)精度定位。當(dāng)然，用戶也可以通過地基差分定位獲得毫米級(jí)精度定位。

此次超高精度定位技術(shù)入選 “MIT 全球十大突破性技術(shù)”，不僅得益于北斗系統(tǒng)設(shè)計(jì)和功能的創(chuàng)新，各類地基定位技術(shù)和算法的改進(jìn)也為高精度北斗定位提供了重要支撐。

（1） 特色混合星座設(shè)計(jì)

北斗衛(wèi)星導(dǎo)航系統(tǒng)創(chuàng)造性地設(shè)計(jì)了包括 3 顆地球靜止軌道衛(wèi)星（GEO）、3 顆傾斜地球同步軌道衛(wèi)星（IGSO）和 24 顆中圓軌道衛(wèi)星（MEO）的混合星座。

地球靜止軌道衛(wèi)星星座為星基增強(qiáng)、星基精密單點(diǎn)定位提供了重要平臺(tái)；傾斜軌道衛(wèi)星星座為局部觀測(cè)幾何增強(qiáng)提供了支持；中圓軌道星座實(shí)現(xiàn)了全球 PNT 服務(wù)，并為特定用戶提供國(guó)際搜救、全球短報(bào)文服務(wù)。

（2） 高精度衛(wèi)星星歷

要提供高精度定位服務(wù)首先需要實(shí)現(xiàn)高精度的導(dǎo)航衛(wèi)星軌道測(cè)定和時(shí)間同步。受多方因素影響，中國(guó)僅能在境內(nèi)布設(shè)北斗衛(wèi)星地面跟蹤站，嚴(yán)重制約著北斗衛(wèi)星軌道測(cè)定精度和時(shí)間同步精度。

為此，北斗三號(hào)衛(wèi)星搭載了星間鏈路載荷進(jìn)行星座衛(wèi)星間的測(cè)距和通信，優(yōu)化觀測(cè)幾何，從而實(shí)現(xiàn)高精度衛(wèi)星軌道測(cè)定和時(shí)間同步。北斗星間鏈路采用 Ka 波段雙單向測(cè)距體制，測(cè)量精度為分米級(jí)，對(duì)北斗全球星座的軌道測(cè)定和時(shí)間同步發(fā)揮了重要作用。

2020 年 6 月，Inside GNSS 引用多篇國(guó)內(nèi)學(xué)者文獻(xiàn)，評(píng)價(jià) “北斗成為 GNSS 中唯一具備星間鏈路這一精度提升功能的系統(tǒng)”；2020 年 9 月，Oliver Montenbruck 在文章中對(duì)四大全球?qū)Ш叫l(wèi)星系統(tǒng)（GNSS）系統(tǒng)的服務(wù)性能進(jìn)行評(píng)估，作者認(rèn)為 BDS-3 和 Galileo 的空間信號(hào)精度相對(duì)更優(yōu)，而 BDS-3 空間信號(hào)精度結(jié)果得益于星間鏈路支持下獲得的高穩(wěn)定鐘差。

在星間鏈路的支持下，北斗 MEO 衛(wèi)星廣播軌道精度優(yōu)于 30 cm，廣播鐘差精度優(yōu)于 0.6 ns。目前，北斗全球系統(tǒng)廣播星歷每 1 小時(shí)更新一次，星歷的高頻更新在一定程度上降低了預(yù)報(bào)星歷累積誤差對(duì)定位精度的影響。

（3） 標(biāo)準(zhǔn)定位服務(wù)

北斗全球衛(wèi)星導(dǎo)航系統(tǒng)建成以來，服務(wù)性能穩(wěn)步提升。根據(jù)國(guó)際 GNSS 監(jiān)測(cè)評(píng)估中心（iGMAS）的監(jiān)測(cè)結(jié)果，正常情況下，北斗單頻定位精度在水平方向優(yōu)于 3 m，高程方向優(yōu)于 5 m，授時(shí)精度優(yōu)于 15 ns，服務(wù)性能遠(yuǎn)優(yōu)于設(shè)計(jì)指標(biāo)。

（4） 星基精密單點(diǎn)定位服務(wù)

傳統(tǒng)的精密定位需通過互聯(lián)網(wǎng)獲取國(guó)際 GNSS 服務(wù)中心（IGS）或其他機(jī)構(gòu)提供的精密衛(wèi)星星歷產(chǎn)品，才能進(jìn)行高精度定位解算，沙漠、高原、海上等無網(wǎng)絡(luò)覆蓋地區(qū)用戶無法使用此類服務(wù)。

BDS-3 創(chuàng)新性地將精密單點(diǎn)服務(wù)嵌入三顆 GEO 衛(wèi)星，通過 B2b 頻點(diǎn)向中國(guó)及周邊地區(qū)播發(fā)北斗和 GPS 衛(wèi)星的精密星歷和碼間偏差（DCB），用戶接收信息后，可以根據(jù)需要，進(jìn)行單頻或雙頻精密單點(diǎn)定位解算。

目前，星基實(shí)時(shí)精密單點(diǎn)定位服務(wù)的水平分量精度優(yōu)于 0.3 m，高程分量精度優(yōu)于 0.5 m。最新報(bào)道表明，將快速動(dòng)態(tài)定位與精密單點(diǎn)定位組合（RTK-PPP）1 分鐘內(nèi)即可實(shí)現(xiàn)動(dòng)態(tài)厘米級(jí)定位。如果采用事后精密定位的方式，可以獲得毫米級(jí)精度的定位。

（5） 星基增強(qiáng)服務(wù)

在標(biāo)準(zhǔn)定位服務(wù)的基礎(chǔ)上，北斗系統(tǒng)可向中國(guó)及周邊地區(qū)用戶提供星基增強(qiáng)服務(wù)，滿足民航、高鐵等高安全、高精度用戶需求。

北斗 SBAS 將衛(wèi)星軌道、鐘差、電離層延遲等各項(xiàng)誤差模型化處理后，通過地球靜止軌道衛(wèi)星（GEO）播發(fā)至用戶，從而實(shí)現(xiàn)米級(jí)至分米級(jí)增強(qiáng)定位。從 2020 年的測(cè)試結(jié)果來看，單頻增強(qiáng)定位精度水平分量?jī)?yōu)于 1.5 m，高程分量?jī)?yōu)于 2 m；雙頻增強(qiáng)定位精度水平分量?jī)?yōu)于 1 m，高程分量?jī)?yōu)于 1.5 m。

（6） 地基差分技術(shù)

除了依靠北斗衛(wèi)星自身提供的星基精密單點(diǎn)定位服務(wù)和星基增強(qiáng)服務(wù)，用戶也可在地面通過差分 GNSS 技術(shù)實(shí)現(xiàn)分米、厘米甚至毫米級(jí)高精度定位。國(guó)內(nèi)多個(gè)省份和多個(gè)行業(yè)都已經(jīng)建立了北斗差分服務(wù)網(wǎng)絡(luò)，向服務(wù)區(qū)內(nèi)的廣大用戶提供精密定位和定時(shí)該服務(wù)。

（7） 未來發(fā)展

北斗高精度定位導(dǎo)航和授時(shí)服務(wù)取得了舉世矚目的進(jìn)步，但是，衛(wèi)星導(dǎo)航具有天然的脆弱性。

未來，還將建設(shè)國(guó)家綜合 PNT 體系，包括低軌導(dǎo)航衛(wèi)星增強(qiáng)、天基導(dǎo)航與地基無線電通信組合增強(qiáng)、以及與海面、海底定位系統(tǒng)的組合服務(wù)等。在自主定位導(dǎo)航和定時(shí)方面，微型化慣性導(dǎo)航、微型化原子鐘、量子導(dǎo)航定位、量子時(shí)鐘等也會(huì)得到快速發(fā)展。

用戶獲取超高精度定位服務(wù)的方式更加靈活，手段更加便捷，定位服務(wù)的精度、連續(xù)性、可用性和可靠性也將得到進(jìn)一步提升。

7、遠(yuǎn)程技術(shù)（Remote everything）

遠(yuǎn)程技術(shù)是指利用無線 / 有線網(wǎng)絡(luò)通信技術(shù)，通過將分布在不同空間位置的多個(gè)終端有效互聯(lián)，實(shí)現(xiàn)高效的信息傳播和共享，進(jìn)而提高遠(yuǎn)程工作、學(xué)習(xí)的便捷性和效率。

自 20 世紀(jì) 70 年代以來，隨著傳感器技術(shù)、信息與通訊技術(shù)（ICT）、人工智能（AI）等相關(guān)技術(shù)的快速發(fā)展，遠(yuǎn)程技術(shù)得到了長(zhǎng)足進(jìn)步，并被廣泛應(yīng)用于教育、醫(yī)療等領(lǐng)域。

特別是受新冠肺炎疫情的影響，遠(yuǎn)程技術(shù)得以短時(shí)間內(nèi)迅速發(fā)展，導(dǎo)致諸多行業(yè)工作方式以及普通民眾生活方式上的重大變革。因此遠(yuǎn)程技術(shù)入選 2021 年 MIT Technology Review “全球十大突破性技術(shù)”。

專家點(diǎn)評(píng)：

專家簡(jiǎn)介：叢楊 中國(guó)科學(xué)院沈陽自動(dòng)化所研究員，博士生導(dǎo)師。主要從事機(jī)器人視覺、機(jī)器學(xué)習(xí)、醫(yī)學(xué)影像分析等研究。獲得國(guó)家優(yōu)青，中國(guó)科學(xué)院青年創(chuàng)新促進(jìn)會(huì)優(yōu)秀會(huì)員，擔(dān)任中國(guó)圖象圖形學(xué)會(huì)理事，中國(guó)自動(dòng)化學(xué)會(huì)青年工作委員會(huì)副主任等職務(wù)。

主持國(guó)家重點(diǎn)研發(fā)計(jì)劃項(xiàng)目、國(guó)家自然科學(xué)基金優(yōu)青、重點(diǎn)項(xiàng)目多項(xiàng)。獲得遼寧省自然科學(xué)一等獎(jiǎng)（排名 1），中國(guó)自動(dòng)化學(xué)會(huì)自然科學(xué)獎(jiǎng)一等獎(jiǎng)（排名 1）、中國(guó)自動(dòng)化學(xué)會(huì)青年科學(xué)家獎(jiǎng)，遼寧省青年科技獎(jiǎng)。

近年來，隨著 5G 通信、工業(yè)互聯(lián)網(wǎng)和人工智能技術(shù)的快速發(fā)展，以及智能移動(dòng)終端的普及，為以遠(yuǎn)程教育、遠(yuǎn)程醫(yī)療為代表的遠(yuǎn)程技術(shù)的廣泛應(yīng)用奠定了基礎(chǔ)。

其中，遠(yuǎn)程教育，也稱在線教育，是指利用電視、電話、互聯(lián)網(wǎng)等傳播媒體的新型教學(xué)模式，該模式更具靈活性，突破了線下教育在時(shí)間、空間上的限制。通過結(jié)合 5G 通訊、高清成像、虛擬現(xiàn)實(shí)等信息技術(shù)，可以實(shí)現(xiàn)優(yōu)質(zhì)課堂資源的快速遠(yuǎn)程共享，一定程度上避免了教育資源分配不均等問題。

通過對(duì)教育相關(guān)大數(shù)據(jù)的采集，如考試問卷、師生表情、生理電信號(hào)、動(dòng)作姿態(tài)等信息，利用人工智能技術(shù)可進(jìn)行學(xué)習(xí)狀態(tài)監(jiān)測(cè)、學(xué)習(xí)質(zhì)量評(píng)估、學(xué)習(xí)行為建模等處理，有望提高學(xué)習(xí)效率并改善教學(xué)質(zhì)量。

遠(yuǎn)程醫(yī)療以先進(jìn)信息和通信、VR/AR、遙操作等技術(shù)為依托，發(fā)揮發(fā)達(dá)地區(qū)醫(yī)療優(yōu)勢(shì)，可為醫(yī)療條件較差的地區(qū)、海島或艦船上的人員提供遠(yuǎn)程醫(yī)療培訓(xùn)、醫(yī)療診斷、手術(shù)、治療、康復(fù)和咨詢等服務(wù)，對(duì)于醫(yī)療資源均衡分配具有重要意義。

特別是隨著 5G 通訊、“互聯(lián)網(wǎng) + 醫(yī)療” 的興起，云掛號(hào)、云咨詢、云問診、云處方等遠(yuǎn)程醫(yī)療技術(shù)讓人們就醫(yī)變得更加便利。例如，5G 網(wǎng)絡(luò)通訊技術(shù)的高速率及低延遲，讓基于遙操作技術(shù)的機(jī)器人手術(shù)成為可能。

新冠肺炎疫情以來，各種基于遠(yuǎn)程技術(shù)的機(jī)器人系統(tǒng)在遠(yuǎn)程手術(shù)、遠(yuǎn)程急救、移動(dòng)查房、移動(dòng)送藥送餐、移動(dòng)消毒等領(lǐng)域發(fā)揮重要作用。

因此，世界各國(guó)政府均加強(qiáng)了遠(yuǎn)程教育、遠(yuǎn)程醫(yī)療上的政策保障和資金投入。遠(yuǎn)程教育方面，英國(guó)是最早實(shí)行大學(xué)遠(yuǎn)程教育的國(guó)家，其中最具代表性的英國(guó)開放大學(xué)（The Open University）全部課程采用遠(yuǎn)程教學(xué)。

該學(xué)校 1969 年建校至今已培養(yǎng)超過 220 萬名畢業(yè)生。1998 年，美國(guó)國(guó)會(huì)通過了《高等教育法修正案》， 取消了對(duì)遠(yuǎn)程教育的多種限制。遠(yuǎn)程醫(yī)療方面，美國(guó)、法國(guó)、德國(guó)等國(guó)家為遠(yuǎn)程醫(yī)療制定了相關(guān)法律法規(guī)，并逐步完善了電子處方、數(shù)字醫(yī)療建檔、數(shù)字醫(yī)療保險(xiǎn)等相關(guān)體系和制度的建設(shè)。

此外，比利時(shí)、意大利、新西蘭、西班牙、英國(guó)等國(guó)家的醫(yī)療保健體系也為遠(yuǎn)程醫(yī)療制定了相關(guān)規(guī)定。2021 年發(fā)布的中國(guó) “十四五” 規(guī)劃中，明確將推廣數(shù)字化教育、在線醫(yī)療等遠(yuǎn)程技術(shù)應(yīng)用列入未來五年計(jì)劃。

近年來，在市場(chǎng)、技術(shù)、政策的多重推動(dòng)下，遠(yuǎn)程教育、遠(yuǎn)程醫(yī)療產(chǎn)業(yè)愈發(fā)活躍，特別是新冠疫情加速了遠(yuǎn)程教育、遠(yuǎn)程醫(yī)療產(chǎn)業(yè)的爆發(fā)式發(fā)展。

例如，微軟、IBM、谷歌、Cisco 等大型國(guó)際科技公司均推出了自己的遠(yuǎn)程技術(shù)解決方案。IBM 開了放 IBM Skills， Open P-TECH 以及 IBM AI Education series for teachers 三個(gè)教育平臺(tái)，提供在線課程資源、結(jié)業(yè)認(rèn)證等服務(wù)。遠(yuǎn)程辦公軟件 Zoom 支持多終端視頻會(huì)議，可提供線上教學(xué)。

Cisco 公司為醫(yī)院、診所等醫(yī)療機(jī)構(gòu)提供電子病歷、工作流程等解決方案，應(yīng)用于遠(yuǎn)程初級(jí)診療、遠(yuǎn)程病房監(jiān)控等場(chǎng)景。LG CNS 將遠(yuǎn)程技術(shù)應(yīng)用于電子醫(yī)療檔案、移動(dòng)通訊照護(hù)、老年公寓監(jiān)護(hù)等領(lǐng)域。

美國(guó) Mercy Virtual 虛擬醫(yī)療中心，提供遠(yuǎn)程全天候值班護(hù)士、陪護(hù)、急診、家庭監(jiān)護(hù)、重癥監(jiān)護(hù)等遠(yuǎn)程醫(yī)療服務(wù)。國(guó)內(nèi)，騰訊、阿里、華為等大型科技公司也紛紛推出了遠(yuǎn)程個(gè)性化在線解決方案。

例如，釘釘提供教育、醫(yī)療等多個(gè)領(lǐng)域的數(shù)字化解決方案，2020 年實(shí)現(xiàn)用戶增長(zhǎng)量 100%，達(dá)到了 4 億用戶。中國(guó)的國(guó)家遠(yuǎn)程醫(yī)療中心逐步形成 “國(guó)際 — 國(guó)內(nèi) — 省 — 市 — 縣 — 鄉(xiāng) — 村” 的 7 級(jí)醫(yī)療服務(wù)體系。

疫情期間，國(guó)家遠(yuǎn)程醫(yī)療中心與華為等公司合作，建成了基于 5G SA 與固網(wǎng)融合的疫情防控與遠(yuǎn)程醫(yī)療綜合服務(wù)體系。此外，國(guó)內(nèi)的 VIPKID、51Talk、猿輔導(dǎo)、妙手醫(yī)生、企鵝杏仁、好大夫在線等新興遠(yuǎn)程技術(shù)企業(yè)也開發(fā)了相關(guān)平臺(tái)并實(shí)現(xiàn)快速發(fā)展。

總體而言，目前遠(yuǎn)程技術(shù)已在某些特定場(chǎng)景實(shí)現(xiàn)廣泛應(yīng)用，未來市場(chǎng)需求旺盛。

但是，在技術(shù)方面依然存在諸多挑戰(zhàn)，例如，感知方面，遠(yuǎn)程技術(shù)無法對(duì)微表情、觸覺、嗅覺、味覺等信息進(jìn)行采集和反饋；交互方面，遠(yuǎn)程技術(shù)無法理解人的復(fù)雜意圖，且情感交互能力缺失；大數(shù)據(jù)方面，數(shù)據(jù)安全、隱私保護(hù)等面臨的問題依舊嚴(yán)峻。此外，相關(guān)法律、法規(guī)的建立，各種保障制度的完善以及遠(yuǎn)程技術(shù)人才的培養(yǎng)等方面還有很多工作需要完成。

8、多技能 AI（Multi-skilled AI）

2012 年底，人工智能科學(xué)家首次弄清了如何讓神經(jīng)網(wǎng)絡(luò) “擁有視覺”，隨后，他們還掌握了如何讓神經(jīng)網(wǎng)絡(luò)模仿人類推理、聽覺、語言和寫作的方式。雖然人工智能在完成特定任務(wù)方面已經(jīng)變得非常像人類，甚至是超越人類，但它仍然沒有人類大腦的 “靈活性”，即人腦可以在一種情境中學(xué)習(xí)技能，并將其應(yīng)用到另一種情境中。

受兒童成長(zhǎng)過程的啟發(fā)，如果將感官和語言結(jié)合起來，并讓人工智能擁有更接近于人類的方式來收集和處理信息，那么它能否發(fā)展出對(duì)世界的理解？答案是肯定的。

這些可同時(shí)獲得人類智能的感官和語言的 “多模態(tài)” 系統(tǒng)，應(yīng)該會(huì)生成一種更強(qiáng)大的人工智能，也更容易適應(yīng)新情況、以及解決新問題。如此一來，我們便可以使用這樣的算法來解決更復(fù)雜的問題，或者將其移植到機(jī)器人中去，使得機(jī)器人能夠在日常生活中與我們交流協(xié)作。

2020 年 9 月，艾倫人工智能研究所 AI2 的研究人員創(chuàng)建了一個(gè)可以從文本標(biāo)題生成圖像的模型，展示了算法將單詞與視覺信息關(guān)聯(lián)的能力；2020 年 11 月，北卡羅來納大學(xué)教堂山分校的研究人員開發(fā)了一種將圖像納入現(xiàn)有語言模型的方法，此舉提高了模型的閱讀理解能力；2021 年初，OpenAI 對(duì) GPT-3 進(jìn)行了擴(kuò)展，發(fā)布了兩個(gè)視覺語言模型，其中一個(gè)將圖像中的對(duì)象與標(biāo)題中描述它們的單詞聯(lián)系起來，另一個(gè)則根據(jù)它所學(xué)的概念組合生成圖像。

從長(zhǎng)遠(yuǎn)來看，“多模態(tài)” 系統(tǒng)取得的重大進(jìn)展可以幫助突破人工智能的極限，不僅會(huì)解鎖新的人工智能應(yīng)用，也會(huì)讓它們的應(yīng)用變得更加安全可靠，更加精密的多模態(tài)系統(tǒng)也將使更先進(jìn)的機(jī)器人助手成為可能?？偠灾嗄B(tài)系統(tǒng)可能會(huì)成為第一批我們可以真正信任的人工智能。

專家點(diǎn)評(píng)：

專家簡(jiǎn)介：紀(jì)榮嶸 廈門大學(xué)南強(qiáng)特聘教授，國(guó)家杰出青年科學(xué)基金獲得者。主要研究方向?yàn)?a target="_blank">計(jì)算機(jī)視覺。近年來發(fā)表 TPAMI、IJCV、ACM 匯刊、IEEE 匯刊等論文百余篇。曾獲 2016 年教育部技術(shù)發(fā)明獎(jiǎng)一等獎(jiǎng)、2018 年省科技進(jìn)步獎(jiǎng)一等獎(jiǎng)、2019 年福建省青年科技獎(jiǎng)。

任中國(guó)計(jì)算機(jī)學(xué)會(huì) A 類國(guó)際會(huì)議 CVPR 和 ACM Multimedia 領(lǐng)域主席、中國(guó)圖象圖形學(xué)學(xué)會(huì)學(xué)術(shù)工委副主任、教育部電子信息類教指委人工智能專業(yè)建設(shè)咨詢委員會(huì)委員。

人工智能正成為推動(dòng)人類進(jìn)入智能時(shí)代的決定性力量。讓機(jī)器能夠像人一樣思考、感受和認(rèn)識(shí)世界，是人工智能科學(xué)家們孜孜以求的終極目標(biāo)。

算法、算力、數(shù)據(jù)規(guī)模的迅速提升，讓面向特定任務(wù)的人工智能技術(shù)迎來了爆發(fā)式的發(fā)展。目標(biāo)檢測(cè)與識(shí)別、人機(jī)對(duì)弈、無人駕駛等技術(shù)實(shí)現(xiàn)了前所未有的突破，在局部智能水平的單項(xiàng)測(cè)試中甚至超越人類。

然而，這樣的智能系統(tǒng)局限在任務(wù)單一、需求明確、應(yīng)用邊界清晰、領(lǐng)域知識(shí)豐富、建模相對(duì)簡(jiǎn)單的場(chǎng)景中。例如， DeepMind 的 AlphaGo 可以擊敗世界上最好的圍棋大師，但它并不能將這種能力擴(kuò)展到棋盤之外。

可以預(yù)見，多技能人工智能（Multi-skilled AI）將是下一代人工智能發(fā)展的趨勢(shì)，也是研究和應(yīng)用領(lǐng)域的重大挑戰(zhàn)。多技能 AI 旨在拓展現(xiàn)有人工智能技術(shù)的感知邊界，賦予智能系統(tǒng)多種能力，多技能相互協(xié)同，完成復(fù)雜任務(wù)。

其中，多感官的結(jié)合非常關(guān)鍵，可以預(yù)想，當(dāng)機(jī)器開始將語言與視覺、聽覺等其他感官信息相關(guān)聯(lián)時(shí)，它們就能夠描述越來越復(fù)雜的現(xiàn)象和動(dòng)態(tài)。從僅反映相關(guān)性的內(nèi)容中推理因果關(guān)系，并構(gòu)建復(fù)雜的世界模型。這樣的模型可以幫助它們?cè)谀吧沫h(huán)境中導(dǎo)航，并在上下文中添加新的知識(shí)和經(jīng)驗(yàn)。

多技能 AI 的發(fā)展，對(duì)于人工智能技術(shù)突破現(xiàn)有局限，以及它的落地和普及都具有非常重要的意義。具備多種技能的系統(tǒng)可以勝任更多的應(yīng)用場(chǎng)景，協(xié)同、高效地完成復(fù)雜任務(wù)，讓高智能機(jī)器人的出現(xiàn)成為可能。

當(dāng)前一代的人工智能驅(qū)動(dòng)的機(jī)器人主要使用視覺數(shù)據(jù)來引導(dǎo)并與周圍環(huán)境進(jìn)行交互，這在有限的環(huán)境中完成簡(jiǎn)單的任務(wù)十分靈活，但是在更為復(fù)雜的場(chǎng)景中將失靈。

多技能 AI 將給未來的技術(shù)帶來靈活性和安全性，篩選簡(jiǎn)歷的算法不會(huì)將性別和種族等無關(guān)的特征視為能力的標(biāo)志，自動(dòng)駕駛汽車不會(huì)在陌生的環(huán)境中迷失方向，不會(huì)在黑暗或下雪的天氣中墜毀。

它的發(fā)展將直接賦能醫(yī)療，教育，航天等其他領(lǐng)域，推動(dòng)智能時(shí)代的進(jìn)程。由于具備的深遠(yuǎn)影響力以及廣泛的應(yīng)用前景和發(fā)展前景，多技能人工技能被 MIT Technology Review 評(píng)選為 2021 年 “全球十大突破技術(shù)” 之一。

國(guó)際上已經(jīng)逐步開始關(guān)注到多技能 AI 技術(shù)方向，目前被廣泛稱為通用人工智能。

早在 2016 年 10 月，美國(guó)國(guó)家科學(xué)技術(shù)委員會(huì)發(fā)布《國(guó)家人工智能研究與發(fā)展戰(zhàn)略計(jì)劃》，提出在美國(guó)的人工智能在中長(zhǎng)期發(fā)展策略中要著重研究通用人工智能。微軟在 2017 年成立了通用人工智能實(shí)驗(yàn)室，眾多感知、學(xué)習(xí)、推理、自然語言理解等方面的科學(xué)家參與其中。

騰訊的董事會(huì)主席兼 CEO 馬化騰在 2019 世界人工智能大會(huì)上表示：“實(shí)現(xiàn)從專用人工智能向通用人工智能的跨越發(fā)展，這也是下一階段的重要趨勢(shì)?！?/p>

目前著手這個(gè)領(lǐng)域研究的團(tuán)隊(duì)主要是大型研究機(jī)構(gòu)，包括微軟的 AI 研究所、Alphabet 旗下的 DeepMind 和 Google Brain、特斯拉 CEO Elon Musk 和風(fēng)投大亨 Peter Thiel 支持的 OpenAI，以及捷克的 GoodAI 等。

2019 年 10 月，DeepMind 推出的新版 AlphaStar ［1］，可以實(shí)現(xiàn)與真實(shí)世界中的玩家實(shí)現(xiàn)了復(fù)雜場(chǎng)景交互中的對(duì)戰(zhàn)，并且排名超越了 99.8% 的玩家。

2020 年，OpenAI 開發(fā)出包含 1750 億個(gè)神經(jīng)的 GPT-3 ［2］，以此為基礎(chǔ)開發(fā)出全能的 “通才”，可以同時(shí)具備數(shù)據(jù)庫(kù)工程師、會(huì)計(jì)、運(yùn)維、智能客服等 30 多種功能，儼然一副取代人類的架勢(shì)。目前，國(guó)內(nèi)也逐漸開始關(guān)注到這個(gè)領(lǐng)域，擁有大量的人才和資金優(yōu)勢(shì)，并在專項(xiàng)領(lǐng)域有雄厚的積累，未來的發(fā)展一片光明。

多技能人工智能必將成為未來的主流趨勢(shì)，擁有廣闊的應(yīng)用前景和發(fā)展空間，但是目前仍有很長(zhǎng)的一段路要走。

首先，最主要的問題是目前研發(fā)的成本過高，導(dǎo)致研究團(tuán)隊(duì)主要集中在少數(shù)幾家龍頭企業(yè)，這有待于硬件技術(shù)和模型緊湊壓縮技術(shù)的進(jìn)一步發(fā)展。

其次，該項(xiàng)技術(shù)需要解決對(duì)于標(biāo)注數(shù)據(jù)高度依賴問題，盡可能使用更少的特定領(lǐng)域數(shù)據(jù)，看好無（自）監(jiān)督技術(shù)的發(fā)展可以成為這個(gè)問題的解。最后，如何增量更新經(jīng)驗(yàn)與新任務(wù)，動(dòng)態(tài)改正錯(cuò)誤，不斷的在自我學(xué)習(xí)中變的強(qiáng)大，將是模型不斷變強(qiáng)的根本路線。

9、TikTok 推薦算法（TikTok recommendation algorithms）

TikTok 是全球最具吸引力、增長(zhǎng)最快的社交媒體平臺(tái)之一。截至目前，TikTok 在全球范圍內(nèi)已超過 26 億次下載量，在美國(guó)擁有 1 億用戶。TikTok 發(fā)現(xiàn)和提供內(nèi)容的獨(dú)特方式是其具有吸引力的 “秘密武器”。

TikTok 將網(wǎng)紅博主的視頻與新人博主的視頻混合放在 “為你推薦” 頁(yè)面，然后以瀏覽量獎(jiǎng)勵(lì)優(yōu)質(zhì)創(chuàng)作內(nèi)容，用這種方式將更多新人博主的視頻推給廣大用戶。

該應(yīng)用不同于其他社交媒體平臺(tái)的是，任何人在 “為你推薦” 頁(yè)面都有可能 “一舉成名”。視頻將通過 TikTok 的推薦算法向與視頻博主有共同興趣、愛好或特定身份的用戶不斷推薦，從而使優(yōu)質(zhì)的創(chuàng)作內(nèi)容快速傳播。

視頻博主有多少粉絲、是否走紅過等因素并不會(huì)作為 TikTok 推薦算法的判斷依據(jù)，它的推薦取決于視頻標(biāo)題、聲音和標(biāo)簽，結(jié)合用戶拍攝內(nèi)容、點(diǎn)贊過的視頻領(lǐng)域等進(jìn)行推薦。

概括來說，TikTok 增強(qiáng)用戶粘性的技能越來越 “爐火純青”，不僅能夠精準(zhǔn)地為用戶推薦感興趣的視頻，還能通過推薦算法幫助他們拓展與其有交集的新領(lǐng)域。

（來源：MIT Technology Review 官方 APP）

專家點(diǎn)評(píng)：

專家簡(jiǎn)介：劉奕群 清華大學(xué)計(jì)算機(jī)系教授、黨委書記。主要研究領(lǐng)域集中在信息檢索、互聯(lián)網(wǎng)搜索技術(shù)以及自然語言處理研究方面。擔(dān)任信息檢索領(lǐng)域知名國(guó)際期刊 Foundations and Trends in IR 主編、信息檢索領(lǐng)域重要會(huì)議 ACM SIGIR2018（CCF A）程序委員會(huì)主席等學(xué)術(shù)職務(wù)。

獲得北京智源學(xué)者、北京市科學(xué)技術(shù)獎(jiǎng)一等獎(jiǎng)、錢偉長(zhǎng)中文信息處理科學(xué)技術(shù)獎(jiǎng)一等獎(jiǎng)等獎(jiǎng)勵(lì)，并作為項(xiàng)目負(fù)責(zé)人獲得國(guó)家重點(diǎn)研發(fā)計(jì)劃、國(guó)家自然科學(xué)基金委員會(huì)優(yōu)秀青年科學(xué)基金和重點(diǎn)基金支持。

專家簡(jiǎn)介：張敏 清華大學(xué)計(jì)算機(jī)系特別研究員，清華大學(xué)計(jì)算機(jī)系人工智能實(shí)驗(yàn)室副主任。主要研究領(lǐng)域?yàn)榛ヂ?lián)網(wǎng)搜索、個(gè)性化推薦、用戶建模及機(jī)器學(xué)習(xí)應(yīng)用。擔(dān)任頂級(jí)國(guó)際期刊 ACM Transactions on Information Systems （TOIS） 主編、信息檢索重要學(xué)術(shù)組織 ACM SIGIR 執(zhí)行委員會(huì)成員。發(fā)表的學(xué)術(shù)論文引用累計(jì) 6000 余次。

隨著互聯(lián)網(wǎng)應(yīng)用水平的提高，用戶對(duì)于互聯(lián)網(wǎng)內(nèi)容的需求越來越具體和精準(zhǔn)，這使得個(gè)性化的信息服務(wù)越來越受到用戶的青睞。個(gè)性化推薦旨在對(duì)用戶的特定興趣偏好和需求進(jìn)行理解，并進(jìn)而滿足這種不同類型的信息需求。近年來，個(gè)性化推薦越來越成為學(xué)術(shù)研究和實(shí)際應(yīng)用中的熱點(diǎn)領(lǐng)域。

個(gè)性化推薦的目的，是為用戶提供符合其興趣或需求的內(nèi)容，例如商品、電影、音樂、視頻、新聞、圖書、旅游景點(diǎn)、課程、餐館等等。

而衡量個(gè)性化推薦結(jié)果好壞的評(píng)價(jià)指標(biāo)，除了人們所容易想到的精準(zhǔn)度 （Precision） 以外，還包括多樣性 （diversity）、新穎性 （novelty）、驚喜性 （serendipity）、可解釋性 （explainability），以及近幾年來新提出的公平性 （fairness）。個(gè)性化服務(wù)的目的，也從傳統(tǒng)的滿足大眾普遍的愛好，越來越強(qiáng)調(diào)滿足長(zhǎng)尾用戶、個(gè)體用戶的細(xì)分的興趣領(lǐng)域。

為用戶提供符合興趣需求的細(xì)分領(lǐng)域的內(nèi)容（niche item，與熱點(diǎn)內(nèi)容 popular item 相對(duì)），就成為近些年來人們提出的一個(gè)挑戰(zhàn)性的也是重要的問題。

這一點(diǎn)在社交媒體應(yīng)用中體現(xiàn)得尤其明顯。TikTok 是近年來新興起的以短視頻為主的社交媒體平臺(tái)，增長(zhǎng)速度極快，目前在全球范圍內(nèi)已經(jīng)超過 26 億次下載量，在美國(guó)擁有 1 億用戶，被認(rèn)為是全球最具有吸引力的社交媒體平臺(tái)之一。

TikTok 將新博主的視頻和網(wǎng)紅博主的視頻混合放在 “為你推薦” 頻道，以瀏覽量來獎(jiǎng)勵(lì)優(yōu)質(zhì)創(chuàng)作內(nèi)容，因而任何人都有可能在該平臺(tái)上 “一舉成名”。

由于其所使用的推薦算法會(huì)將視頻推送給與視頻博主有相似的興趣、愛好或特定身份的用戶，這種 “投其所好” 的行為很大程度上鼓勵(lì)了視頻被觀看，因而使優(yōu)質(zhì)的創(chuàng)作內(nèi)容快速地傳播。

在算法中，作為推薦依據(jù)的不僅僅靠博主的粉絲數(shù)、是否有過熱門視頻，更重要的還有視頻標(biāo)題、聲音、內(nèi)容標(biāo)簽屬性等等，與用戶觀看或點(diǎn)贊過的視頻、拍攝過的內(nèi)容等的細(xì)分的興趣領(lǐng)域相結(jié)合，基于個(gè)性化推薦領(lǐng)域經(jīng)典的協(xié)同過濾及內(nèi)容推薦方法做出最終的推薦因此 。

TikTok 不僅能夠精準(zhǔn)地為用戶推薦感興趣的視頻，還能通過推薦算法幫助他們拓展其可能感興趣的新的細(xì)分領(lǐng)域的內(nèi)容，從而提升了用戶在新穎性和驚喜性方面的需求。

TikTok 的推薦算法入選 MIT Technology Review 2021 的 “全球十大突破技術(shù)”，正是因?yàn)樗惴M足了每位個(gè)體用戶的具體的細(xì)分興趣需求，而不再僅強(qiáng)調(diào)追隨熱點(diǎn)的 “從眾效應(yīng)”。

其實(shí)這一評(píng)選結(jié)果也是對(duì)近幾年來國(guó)際社會(huì)越來越關(guān)注的推薦系統(tǒng)的 “公平性” 問題的直接反映。

從 2012 年起，研究者們開始發(fā)現(xiàn)和討論不同推薦場(chǎng)景下存在的公平性問題。例如，在工作推薦場(chǎng)景中，與同能力水平的男性相比，女性可能會(huì)被推薦薪酬較低的工作崗位；在電影推薦場(chǎng)景中，不同性別、年齡的人可能會(huì)被推薦不同質(zhì)量的電影；在圖書推薦場(chǎng)景中，女性作者的書籍在評(píng)分上受到不公平的對(duì)待等。

2019 年還有研究者提出基于熱門內(nèi)容的推薦會(huì)帶來推薦系統(tǒng)的偏差，將其稱為 “熱點(diǎn)偏差”（Popularity bias）。推薦系統(tǒng)中的不公平性不僅存在于信息的接受者即觀看內(nèi)容的用戶端，還存在于信息的創(chuàng)造者即發(fā)布內(nèi)容的用戶端，例如在傳統(tǒng)方法中非網(wǎng)紅明星的優(yōu)質(zhì)內(nèi)容提供者的作品被推薦的機(jī)會(huì)往往不如明星的作品多。

從 2018 年研究者們提出 “有責(zé)任的推薦”（Responsible Recommendation， FAccTRec 2020）， 2019 年研究者們專門組織了 “第一屆多媒體中的公平、責(zé)任、透明研討會(huì)”（1st International Workshop on Fairness， Accountability， and Transparency in MultiMedia， FAT 2019）。

2021 年，“公平性” 已經(jīng)成為信息檢索領(lǐng)域主流學(xué)術(shù)會(huì)議（如 SIGIR，theWebConf 等）中最熱點(diǎn)的研究話題之一，相關(guān)研究已經(jīng)開始受到廣泛的重視。目前研究界和產(chǎn)業(yè)界已經(jīng)開始提出越來越多用于解決或至少緩解推薦系統(tǒng)公平性的模型和方法。

從用戶公平性和內(nèi)容公平性的兩個(gè)角度來推進(jìn)，分別從數(shù)據(jù)、模型、結(jié)果、評(píng)價(jià)指標(biāo)等多個(gè)層面進(jìn)行優(yōu)化。除了個(gè)性化推薦的算法以外，不少經(jīng)濟(jì)學(xué)和社會(huì)科學(xué)的理論和知識(shí)也被綜合利用進(jìn)來，例如經(jīng)濟(jì)學(xué)的帕累托優(yōu)化方法、邊際效益、最低工資、嫉妒公平等理論、社會(huì)學(xué)的基尼系數(shù)、壟斷指數(shù)等等。

因此，TikTok 推薦方法中，非知名新博主的新作品與網(wǎng)紅明星的視頻一樣有機(jī)會(huì)被廣大用戶所看到，是推薦算法在公平性方面的一個(gè)代表性的成功的產(chǎn)業(yè)應(yīng)用。隨著相關(guān)領(lǐng)域研究者和產(chǎn)業(yè)界的共同努力，將會(huì)有越來越多精準(zhǔn)的、多樣的、新穎的、驚喜的、可解釋的、公平的推薦方法得到發(fā)展，互聯(lián)網(wǎng)個(gè)性化信息服務(wù)的質(zhì)量也必然會(huì)越來越好。

10、綠色氫能（Green Hydrogen）

面對(duì)全球性的能源危機(jī)與環(huán)境污染，開發(fā)綠色、可持續(xù)、低成本的能源成為了全人類的共識(shí)。

氫氣一直是重要的清潔能源，但到目前為止，大多數(shù)氫氣是由化石能源制備而來，這個(gè)過程是高污染和高耗能的?？上驳氖牵锰柲芎惋L(fēng)能發(fā)電的成本迅速下降，意味著可用通過耦合可再生能源利用技術(shù)與電催化分解水技術(shù)制備 “綠色氫能”。

“綠色氫能（Green Hydrogen）” 作為未來能源發(fā)展的重要方向入選 2021 年 MIT Technology Review 的 “全球十大突破性技術(shù)”，展現(xiàn)出廣闊的發(fā)展前景，成為學(xué)界與業(yè)界共同關(guān)注的焦點(diǎn)。

專家點(diǎn)評(píng)：

專家簡(jiǎn)介：鞏金龍 天津大學(xué)北洋講席教授。國(guó)家杰出青年科學(xué)基金獲得者、教育部長(zhǎng)江學(xué)者特聘教授、英國(guó)皇家化學(xué)學(xué)會(huì) Fellow。主要從事能源化工領(lǐng)域研究，先后主持國(guó)家重點(diǎn)研發(fā)計(jì)劃項(xiàng)目、國(guó)家自然科學(xué)基金重點(diǎn)項(xiàng)目 30 余項(xiàng)。

在 Science 等國(guó)際重要學(xué)術(shù)期刊發(fā)表論文 300 余篇；申請(qǐng)美國(guó)、中國(guó)發(fā)明專利 100 余項(xiàng)。曾獲國(guó)家自然科學(xué)獎(jiǎng)二等獎(jiǎng)（第一完成人）、首屆科學(xué)探索獎(jiǎng)、第十五屆中國(guó)青年科技獎(jiǎng) — 特別獎(jiǎng)、高等教育國(guó)家級(jí)教學(xué)成果一等獎(jiǎng)、三項(xiàng)省部級(jí)科技獎(jiǎng)一等獎(jiǎng)等獎(jiǎng)勵(lì)。

伴隨著社會(huì)的進(jìn)步，人類對(duì)能源的利用沿著由高碳到低碳、由低能量密度到高能量密度的路徑發(fā)展。在此趨勢(shì)下，氫能被認(rèn)為是下一代清潔能源的代表，成為 21 世紀(jì)的 “終極能源”［3］。

這主要源于氫能的諸多優(yōu)點(diǎn)：首先，氫能中不含碳原子，其利用過程一般不釋放溫室氣體或有害物質(zhì)，是清潔的能量載體；其次，氫能是高密度的能量載體，具有高于汽油、柴油等傳統(tǒng)燃料的質(zhì)量能量密度 ［4］。

當(dāng)前，全球氫能需求旺盛，氫能產(chǎn)量約達(dá)每年 70 兆噸 ［5］。其中，絕大多數(shù)氫能來源于煤、石油、天然氣等化石燃料，相關(guān)制備路線具有成本低廉、技術(shù)成熟、可大規(guī)模應(yīng)用等優(yōu)勢(shì)，但制備過程伴隨著二氧化碳等溫室氣體的排放，不利于實(shí)現(xiàn) “碳中和” 目標(biāo)。

因此，采用該路徑制備的氫能被稱為 “灰色氫能”。如果能夠?qū)⑸鲜鰵淠苌a(chǎn)方法中所產(chǎn)生的二氧化碳進(jìn)行補(bǔ)集、利用和封存（Carbon Capture and Utilization or Storage， CCUS），則能夠間接達(dá)成 “碳中和” 的目標(biāo)，從而獲得 “藍(lán)色氫能”。

然而，“藍(lán)色氫能” 不可再生，生產(chǎn)成本與 “灰色氫能” 相比仍然較高，制備系統(tǒng)成熟度較低，距大規(guī)模應(yīng)用還有一定的距離。從環(huán)境與資源利用效率的角度來看，以上制氫方法均不是清潔高效的選擇。

因此，通過零污染、低成本、可持續(xù)的方式制取 “綠色氫能” 是未來能源發(fā)展的重點(diǎn) ［6］。

制取 “綠色氫能” 的方法主要有生物質(zhì)制氫、光催化分解水制氫、電催化分解水制氫等 ［7］。其中，電解水制氫技術(shù)具有悠久的歷史，是相對(duì)成熟的制氫方法。

近年來，新能源發(fā)電技術(shù)（如太陽能發(fā)電、風(fēng)力發(fā)電、水力發(fā)電等）得到了快速地發(fā)展，促使可再生電能的成本不斷下降，這使得利用可再生電能進(jìn)行大規(guī)模電解水生產(chǎn)氫能成為可能 ［8］。

可再生電能解水過程基本不會(huì)耗費(fèi)化石能源或產(chǎn)生溫室氣體，能夠滿足 “碳中和” 系統(tǒng)的要求。

另一方面，可再生電能解水制氫技術(shù)能夠克服光電、風(fēng)電等可再生電能由于晝夜、氣候、區(qū)域等因素帶來的間歇性、隨機(jī)性、不均衡性的缺點(diǎn)，可有效利用難以并網(wǎng)的可再生電能，分布式地生產(chǎn) “綠色氫能”［9］。

伴隨技術(shù)的發(fā)展，世界上可再生電能解水制氫示范項(xiàng)目的數(shù)量和電解槽容量不斷增加，電解槽總?cè)萘繌?2010 年的不足 1 兆瓦增加到 2019 年的 25 兆瓦以上。

同時(shí)，項(xiàng)目規(guī)模也逐步加大，在 2010 年前后，多數(shù)項(xiàng)目的容量均低于 0.5 兆瓦，而在 2017—2019 年間，項(xiàng)目規(guī)模可達(dá) 6 兆瓦 ［10］。

可再生電能解水制氫技術(shù)在近年來更是得到了長(zhǎng)足的發(fā)展。2020 年 3 月，日本福島的 FH2R 項(xiàng)目正式投入運(yùn)行，該項(xiàng)目將 20 兆瓦的太陽能發(fā)電站與 10 兆瓦的電解水裝置耦合，每小時(shí)可生產(chǎn) 1 200 標(biāo)方氫氣 ［11］。

加拿大法液空公司也正在建造容量高達(dá) 20 兆瓦的 “綠色氫能” 工廠。除此之外，多國(guó)也宣布將在十年內(nèi)建成數(shù)百兆瓦的可再生電能解水制氫項(xiàng)目 ［12］。

中國(guó)一直致力于推動(dòng)傳統(tǒng)能源向低碳清潔能源的轉(zhuǎn)型，在太陽能發(fā)電與風(fēng)能發(fā)電領(lǐng)域的年增長(zhǎng)量與裝機(jī)量均已躍升至世界第一，在新能源領(lǐng)域具有豐富的研發(fā)與產(chǎn)業(yè)基礎(chǔ)。

習(xí)總書記莊嚴(yán)承諾中國(guó)將在 2060 年前實(shí)現(xiàn) “碳中和”，國(guó)家相關(guān)部委也相繼出臺(tái)氫能相關(guān)政策及發(fā)展綱要，大力推動(dòng)氫能產(chǎn)業(yè)的發(fā)展，促進(jìn)了 “綠色氫能” 項(xiàng)目的落地。

2019 年 7 月，山西省榆社縣政府與合肥陽光新能源科技有限公司共同計(jì)劃建設(shè) 300 兆瓦的光伏發(fā)電站與 50 兆瓦的制氫綜合示范項(xiàng)目 ［13］。

2020 年 4 月，寧夏寶豐能源集團(tuán)的太陽能電解制氫儲(chǔ)能及綜合應(yīng)用示范項(xiàng)目開工建設(shè)，預(yù)計(jì)建成后合計(jì)年產(chǎn)氫氣 1.6 億標(biāo)方，每年可減少煤炭資源消耗 25.4 萬噸，減少二氧化碳排放約 44.5 萬噸 ［14］。

中國(guó)在 “綠色氫能” 應(yīng)用領(lǐng)域也走在世界的前沿?；诶顮N院士團(tuán)隊(duì)技術(shù)的 “液態(tài)太陽燃料合成示范項(xiàng)目” 采用總功率為 10 兆瓦的光伏發(fā)電站配套電解水制氫工藝，所生產(chǎn)的 “綠色氫能” 用于二氧化碳加氫合成甲醇，實(shí)現(xiàn)了 “液態(tài)太陽燃料” 的生產(chǎn) ［15］。

“綠色氫能” 技術(shù)為解決能源與環(huán)境問題勾畫出了美好藍(lán)圖，但其未來發(fā)展仍面臨諸多挑戰(zhàn)。學(xué)界與業(yè)界可以從 “綠色氫能” 的制取、儲(chǔ)運(yùn)、使用以及配套基礎(chǔ)建設(shè)等方面出發(fā)，為實(shí)現(xiàn) “綠色氫能” 技術(shù)的大規(guī)模應(yīng)用打下理論與應(yīng)用基礎(chǔ)。

首先，應(yīng)開發(fā)高性能制氫系統(tǒng)，降低制氫成本。以可再生電能解水制氫系統(tǒng)為例，可以基于對(duì)催化活性中心作用機(jī)制與調(diào)控規(guī)律的認(rèn)識(shí)，在進(jìn)一步提升催化劑性能的同時(shí)，降低催化劑中貴金屬用量或其價(jià)格，使得 “綠色氫能” 的成本更具有競(jìng)爭(zhēng)力。

與此同時(shí)，可以通過強(qiáng)化可再生能源轉(zhuǎn)化系統(tǒng)與產(chǎn)氫系統(tǒng)之間的耦合與匹配，達(dá)到提高能源綜合利用效率的目的。其次，應(yīng)研發(fā)高效儲(chǔ)氫新材料和儲(chǔ)氫新技術(shù)。一方面，從理論的角度進(jìn)一步明確化學(xué)儲(chǔ)氫機(jī)理，并以此為基礎(chǔ)設(shè)計(jì)高效儲(chǔ)氫材料；另一方面，提升液化儲(chǔ)氫技術(shù)，以終端使用為導(dǎo)向開發(fā)物理儲(chǔ)氫新技術(shù)。

再次，應(yīng)繼續(xù)發(fā)展以燃料電池技術(shù)為代表的氫能使用方法。以較為成熟的質(zhì)子交換膜燃料電池為例，應(yīng)基于對(duì)應(yīng)用場(chǎng)景（如交通運(yùn)輸、固定式發(fā)電等）特定需求的理解，優(yōu)化電池結(jié)構(gòu)和催化劑設(shè)計(jì)，以滿足對(duì)功率密度和耐久度的要求。

最后，應(yīng)在基礎(chǔ)設(shè)施建設(shè)方面為未來 “綠色氫能” 的利用提供支持。如提前布局分布式加氫站的建設(shè)；調(diào)研氫能管道輸送的可行性方案和安全性方案等。

盡管 “綠色氫能” 的全面應(yīng)用還面臨著巨大挑戰(zhàn)，我們?nèi)匀幌嘈旁谙嚓P(guān)科研工作者、企業(yè)和政府的共同努力下，“綠色氫能” 的高效利用系統(tǒng)將在不久的將來得以建立和完善，“綠色氫能” 將作為常規(guī)能源，融入人類的生產(chǎn)和生活中，為構(gòu)建綠色、清潔的未來社會(huì)提供重要支撐。

-End-

本文經(jīng)授權(quán)轉(zhuǎn)載自國(guó)家自然科學(xué)基金委員會(huì)（ID：NSFC-CSC）

編輯：jq