10 Bước đột phá trong công nghệ năm 2018

Dueling neural networks, Artificial embryos, AI in the cloud. Chào mừng bạn đến với danh sách về 10 tiến bộ công nghệ mà chúng ta nghĩ sẽ có thể có cách chúng ta làm việc và sống ngay bây giờ trong nhiều năm tới.

Hàng năm kể từ năm 2001, chúng tôi đã chọn cái mà chúng tôi gọi là 10 Công nghệ đột phá. Mọi người thường hỏi, chính xác ý của bạn về “đột phá”? Đó là một câu hỏi hợp lý — một số lựa chọn của chúng tôi chưa được sử dụng rộng rãi, trong khi những lựa chọn khác của chúng tôi có thể nằm trên đỉnh của việc trở thành thương mại. Những gì chúng tôi đang thực sự tìm kiếm là một công nghệ, hoặc thậm chí là một bộ các công nghệ, sẽ có tác động sâu sắc đến cuộc sống của chúng ta.

Trong năm nay, một kỹ thuật mới trong trí thông minh nhân tạo gọi là Generative Adversarial Networks(GANs) là tạo ra trí tưởng tượng cho máy móc; phôi nhân tạo, mặc dù một số ràng buộc đạo đức gai góc, đang xác định lại cách sống có thể được tạo ra và đang mở một cửa sổ nghiên cứu vào những khoảnh khắc đầu đời của con người; và một nhà máy thí điểm ở trung tâm của ngành công nghiệp hóa dầu của Texas đang cố gắng tạo ra năng lượng sạch hoàn toàn từ khí tự nhiên – có lẽ là nguồn năng lượng chính trong tương lai gần. Những phần còn lại trong danh sách của chúng tôi sẽ đáng để mắt đến.

Trong khi in 3-D đã tồn tại trong nhiều thập kỷ, nó vẫn chủ yếu nằm trong “lãnh địa” của những người có sở thích hoặc nhà thiết kế. Và in các vật thể bằng bất cứ thứ gì khác ngoài plastic – đặc biệt là kim loại — đắt tiền và chậm chạp.

Có thể bạn quan tâm:

Tuy nhiên, hiện tại nó trở nên rẻ và dễ dàng, đủ để trở nên thực tế của các bộ phận sản xuất. Nếu được áp dụng rộng rãi, nó có thể thay đổi cách chúng ta sản xuất hàng loạt sản phẩm.

Trong thời hạn ngắn, các nhà sản xuất sẽ không cần phải duy trì hàng tồn kho lớn – họ có thể chỉ cần in một nguyên mẫu, chẳng hạn như một phần thay thế cho một chiếc xe cũ, bất cứ khi nào ai đó cần nó.

Về lâu dài, các nhà máy lớn sản xuất hàng loạt các bộ phận giới hạn có thể được thay thế bởi các nhà máy nhỏ hơn, tạo ra sự đa dạng rộng hơn, thích ứng với nhu cầu thay đổi của khách hàng.

Công nghệ này có thể tạo ra các bộ phận nhẹ hơn, mạnh mẽ hơn và các hình dạng phức tạp mà không thể thực hiện với các phương pháp chế tạo kim loại thông thường. Nó cũng có thể cung cấp điều khiển chính xác hơn về cấu trúc vi kim loại. Trong năm 2017, các nhà nghiên cứu từ Phòng thí nghiệm quốc gia Lawrence Livermore đã thông báo họ đã phát triển phương pháp in 3 chiều để tạo ra các bộ phận bằng thép không gỉ gấp hai lần so với các bộ phận truyền thống.

Cũng trong năm 2017, công ty in 3D Markforged, một công ty khởi nghiệp nhỏ có trụ sở ở bên ngoài Boston, phát hành máy in kim loại 3-D đầu tiên với giá dưới 100.000 đô la.

Một công ty khởi nghiệp khác ở Boston, Desktop Metal, đã bắt đầu xuất xưởng các máy tạo mẫu kim loại đầu tiên vào tháng 12 năm 2017. Nó có kế hoạch bắt đầu bán các máy lớn hơn, được thiết kế để sản xuất, nhanh gấp 100 lần so với các phương pháp in kim loại cũ.

Việc in các bộ phận kim loại cũng dễ dàng hơn. Desktop Metal hiện cung cấp phần mềm tạo ra các thiết kế sẵn sàng cho in 3-D. Người dùng cho chương trình biết thông số kỹ thuật của đối tượng mà họ muốn in và phần mềm tạo ra một mẫu máy tính phù hợp để in.

GE, từ lâu đã là người đề xuất sử dụng in 3-D trong các sản phẩm hàng không của mình (xem “10 công nghệ đột phá năm 2013: Sản xuất phụ gia”), có phiên bản thử nghiệm của máy in kim loại mới đủ nhanh để chế tạo các bộ phận lớn. Công ty có kế hoạch bắt đầu bán máy in vào năm 2018. —Erin Winick

Trong một bước đột phá xác định lại cách tạo ra cuộc sống, các nhà phôi học làm việc tại Đại học Cambridge ở Anh đã phát triển phôi chuột trông thực tế chỉ sử dụng các tế bào gốc. Không có trứng. Không có tinh trùng. Chỉ các tế bào lấy từ phôi khác. Các nhà nghiên cứu đã đặt các tế bào cẩn thận trong một giàn giáo ba chiều và quan sát, thu hút, khi chúng bắt đầu giao tiếp và xếp thành hình dạng đạn đặc biệt của phôi chuột vài ngày tuổi.

“Chúng ta biết rằng các tế bào gốc rất kỳ diệu trong tiềm năng mạnh mẽ của chúng về những gì chúng có thể làm. Chúng tôi không nhận ra rằng nó có thể tự tổ chức một cách đẹp đẽ và hoàn hảo đến thế, ”Magdelena Zernicka-Goetz, người đứng đầu nhóm, nói với một người phỏng vấn vào thời điểm đó.

Zernicka-Goetz nói rằng phôi “tổng hợp” của cô có lẽ không thể phát triển thành chuột. Tuy nhiên, chúng là một gợi ý rằng chúng ta sớm có thể có động vật có vú sinh ra mà không có trứng.

Đó không phải là mục tiêu của Zernicka-Goetz. Cô muốn nghiên cứu cách các tế bào của phôi thai bắt đầu thực hiện vai trò chuyên môn của chúng. Bước tiếp theo, cô nói, là tạo ra một phôi nhân tạo từ các tế bào gốc của con người, công việc đang được theo đuổi tại Đại học Michigan và Đại học Rockefeller.

Phôi người tổng hợp sẽ là một lợi ích cho các nhà khoa học, cho phép họ can thiệp vào các sự kiện sớm trong sự phát triển của nó. Và kể từ khi phôi như vậy bắt đầu với các tế bào gốc dễ dàng thao tác, các phòng thí nghiệm sẽ có thể sử dụng đầy đủ các công cụ, chẳng hạn như chỉnh sửa gen, để điều tra chúng khi chúng phát triển.

Tuy nhiên, phôi nhân tạo đặt ra những câu hỏi về đạo đức. Điều gì sẽ xảy ra nếu chúng không thể phân biệt được với phôi thực? Bao lâu chúng có thể được trồng trong phòng thí nghiệm trước khi chúng cảm thấy đau? Chúng ta cần phải giải quyết những câu hỏi đó trước khi cuộc đua khoa học tiến xa hơn nhiều, các nhà sinh học học nói. —Antonio Regalado

Nhiều chương trình thành phố thông minh đã đi vào sự chậm trễ, làm giảm mục tiêu đầy tham vọng của họ, hoặc định giá của nó vượt ngoài tầm với của hầu hết mọi người ngoại trừ những người giàu có. Một dự án mới ở Toronto, được gọi là Quayside, hy vọng sẽ thay đổi mô hình thất bại đó bằng cách quy hoạch lại một khu vực đô thị từ đầu và xây dựng lại nó xung quanh các công nghệ kỹ thuật số mới nhất.

Phòng thí nghiệm Sidewalk Labs của Alphabet, có trụ sở tại thành phố New York, đang cộng tác với chính phủ Canada trong dự án công nghệ cao, được dự kiến đặt tại khu vực công nghiệp của Toronto.

Một trong những mục tiêu của dự án là quyết định cơ bản về thiết kế, chính sách và công nghệ dựa trên thông tin từ mạng cảm biến rộng lớn thu thập dữ liệu về mọi thứ từ chất lượng không khí đến mức độ tiếng ồn đến hoạt động của mọi người.

Kế hoạch này kêu gọi tất cả các phương tiện tự chủ và chia sẻ. Rô bốt sẽ đi lang thang dưới lòng đất làm những việc vặt như gửi thư. Sidewalk Labs cho biết họ sẽ mở quyền truy cập vào phần mềm và hệ thống mà công ty đang tạo để các công ty khác có thể xây dựng dịch vụ trên của họ, nhiều người xây dựng ứng dụng cho điện thoại di động.

Công ty có ý định giám sát chặt chẽ cơ sở hạ tầng công cộng và điều này đã làm dấy lên những lo ngại về quản trị dữ liệu và quyền riêng tư. Nhưng Sidewalk Labs tin rằng nó có thể làm việc với cộng đồng và chính quyền địa phương để giảm bớt những lo lắng đó.

Rit Aggarwala, giám đốc phụ trách lập kế hoạch hệ thống đô thị của Phòng thí nghiệm Sidewalk cho biết: “Điều đặc biệt về những gì chúng tôi đang cố gắng làm ở Quayside là dự án không chỉ mang tính tham vọng mà còn có một số lượng khiêm tốn. Sự khiêm tốn đó có thể giúp Quayside tránh được những cạm bẫy đã cản trở những sáng kiến thành phố thông minh trước đó.

Các thành phố Bắc Mỹ khác đang kêu gọi trở thành thành viên tiếp theo trong danh sách Labs của Sidewalk Labs, theo Waterfront Toronto, cơ quan công cộng giám sát sự phát triển của Quayside. “San Francisco, Denver, Los Angeles và Boston đều kêu gọi giới thiệu,” Giám đốc điều hành của cơ quan này, Will Fleissig nói. —Elizabeth Woyke

Trí tuệ nhân tạo cho đến nay chủ yếu là đồ chơi của các công ty công nghệ lớn như Amazon, Baidu, Google và Microsoft, cũng như một số công ty khởi nghiệp. Đối với nhiều công ty và bộ phận khác của nền kinh tế, hệ thống AI quá đắt và quá khó thực hiện đầy đủ.

Giải pháp là gì? Các công cụ học máy dựa trên đám mây mang AI đến với một đối tượng rộng lớn hơn nhiều. Cho đến nay, Amazon thống trị đám mây AI với công ty con của AWS. Google đang thử thách với TensorFlow, một thư viện AI nguồn mở có thể được sử dụng để xây dựng các phần mềm học máy khác. Gần đây, Google đã công bố Cloud AutoML, một bộ các hệ thống được đào tạo sẵn có thể làm cho AI đơn giản hơn để sử dụng.

Microsoft, có nền tảng đám mây được hỗ trợ bởi AI, Azure, đang hợp tác với Amazon để cung cấp Gluon, một thư viện học tập mã nguồn mở. Gluon có nghĩa vụ chế tạo lưới thần kinh — một công nghệ then chốt trong AI mà bắt chước một cách thô sơ cách bộ não con người học – dễ dàng như xây dựng một ứng dụng điện thoại thông minh.

Không rõ các công ty này sẽ trở thành người dẫn đầu trong việc cung cấp các dịch vụ đám mây AI. Nhưng đó là một cơ hội kinh doanh lớn cho những người chiến thắng.

Những sản phẩm này sẽ rất cần thiết nếu cuộc cách mạng AI sẽ lan rộng rộng rãi hơn thông qua các phần khác nhau của nền kinh tế.

Hiện nay AI được sử dụng chủ yếu trong ngành công nghiệp công nghệ, nơi nó đã tạo ra hiệu quả và sản xuất các sản phẩm và dịch vụ mới. Nhưng nhiều doanh nghiệp và ngành công nghiệp khác đã phải vật lộn để tận dụng lợi thế của những tiến bộ trong trí tuệ nhân tạo. Các lĩnh vực như y học, sản xuất và năng lượng cũng có thể được chuyển đổi nếu họ có thể thực hiện công nghệ đầy đủ hơn, với một sự thúc đẩy rất lớn cho năng suất kinh tế.

Tuy nhiên, hầu hết các công ty vẫn không có đủ người biết cách sử dụng AI trên đám mây. Vì vậy, Amazon và Google cũng đang thiết lập các dịch vụ tư vấn. Một khi đám mây đặt công nghệ trong tầm với của hầu hết mọi người, cuộc cách mạng AI thực sự có thể bắt đầu. —Jackie Snow

Trí thông minh nhân tạo đang rất giỏi trong việc xác định mọi thứ: hiển thị một triệu bức ảnh và nó có thể cho bạn biết độ chính xác kỳ lạ, cái mà mô tả người đi bộ băng qua đường. Nhưng AI là vô vọng trong việc tạo ra hình ảnh người đi bộ của chính nó. Nếu nó có thể làm điều đó, nó sẽ có thể tạo ra tiếng gobs của hình ảnh thực tế nhưng tổng hợp mô tả người đi bộ trong các thiết lập khác nhau, mà một chiếc xe tự lái có thể sử dụng để đào tạo chính nó mà không bao giờ đi ra ngoài đường.

Vấn đề là, tạo ra một cái gì đó hoàn toàn mới đòi hỏi trí tưởng tượng – và cho đến bây giờ điều đó đã làm rối loạn AI.

Giải pháp đầu tiên xảy ra với Ian Goodfellow, sau đó là sinh viên tiến sĩ tại Đại học Montreal, trong một cuộc tranh luận học thuật tại một quán bar vào năm 2014. Cách tiếp cận này, được gọi là mạng đối lập sinh sản, hoặc GAN, có hai mạng nơron. của bộ não con người làm nền tảng cho việc học máy móc hiện đại nhất – và đưa chúng vào nhau trong một trò chơi mèo và chuột kỹ thuật số.

Cả hai mạng đều được đào tạo trên cùng một tập dữ liệu. Một, được gọi là máy phát điện, được giao nhiệm vụ tạo các biến thể về hình ảnh mà nó đã được nhìn thấy – có thể là hình ảnh của người đi bộ có thêm cánh tay. Thứ hai, được gọi là phân biệt đối xử, được yêu cầu xác định xem ví dụ mà nó thấy giống như hình ảnh mà nó đã được đào tạo hoặc giả tạo bởi máy phát — về cơ bản, là người có vũ trang ba có khả năng là thật không?

Theo thời gian, máy phát có thể trở nên rất giỏi trong việc tạo ra hình ảnh mà người phân biệt không thể phát hiện ra hàng giả. Về cơ bản, máy phát điện đã được dạy để nhận ra, và sau đó tạo ra, hình ảnh thực tế tìm kiếm của người đi bộ.

Công nghệ này đã trở thành một trong những tiến bộ hứa hẹn nhất trong AI trong thập kỷ qua, có thể giúp máy móc tạo ra kết quả đánh lừa con người.

GAN đã được đưa vào sử dụng tạo ra bài phát biểu có âm thanh thực tế và hình ảnh giả mạo ảnh thực tế. Trong một ví dụ hấp dẫn, các nhà nghiên cứu từ nhà sản xuất chip Nvidia đã đưa ra một GAN với những bức ảnh nổi tiếng để tạo ra hàng trăm khuôn mặt đáng tin cậy của những người không tồn tại. Một nhóm nghiên cứu khác đã tạo ra những bức tranh giả mạo không giống với những tác phẩm của Van Gogh. Được đẩy xa hơn, GAN có thể tái tạo hình ảnh theo nhiều cách khác nhau — làm cho con đường đầy nắng có tuyết rơi hoặc biến ngựa thành ngựa vằn.

Kết quả không phải lúc nào cũng hoàn hảo: GAN có thể gợi ý xe đạp với hai bộ tay lái, hoặc khuôn mặt với lông mày ở vị trí không chính xác. Nhưng vì hình ảnh và âm thanh thường gây sửng sốt thực tế, một số chuyên gia tin rằng có một cảm giác trong đó GAN bắt đầu hiểu cấu trúc cơ bản của thế giới mà họ nhìn thấy và nghe thấy. Và điều đó có nghĩa là AI có thể đạt được, cùng với một cảm giác tưởng tượng, một khả năng độc lập hơn để hiểu được những gì nó thấy trên thế giới. —Jamie Condliffe

Trong cuốn sách kinh điển khoa học viễn tưởng The Hitchhiker’s Guide to the Galaxy, bạn trượt một con cá Babel màu vàng vào tai bạn để nhận bản dịch ngay lập tức. Trong thế giới thực, Google đã đưa ra một giải pháp tạm thời: một cặp tai nghe trị giá 159 đô la, được gọi là Pixel Buds. Các thiết bị này hoạt động với điện thoại thông minh Pixel và ứng dụng Google Dịch để tạo ra bản dịch thực tế theo thời gian thực.

Một người đeo tai nghe, trong khi người kia cầm điện thoại. Người đeo tai nghe nói bằng ngôn ngữ của mình – tiếng Anh là mặc định — và ứng dụng dịch trò chuyện và phát to lên trên điện thoại. Người cầm điện thoại trả lời; phản ứng này được dịch và phát qua tai nghe.

Google Dịch đã có tính năng trò chuyện và ứng dụng iOS và Android cho phép hai người dùng trò chuyện vì nó tự động tìm ra ngôn ngữ họ đang sử dụng và sau đó dịch chúng. Nhưng tiếng ồn xung quanh có thể làm cho ứng dụng khó hiểu những gì mọi người đang nói và cũng phải tìm ra khi một người đã ngừng nói và đã đến lúc bắt đầu dịch.

Pixel Buds giải quyết những vấn đề này bởi vì người đeo tai nghe và giữ một ngón tay trên tai nghe bên phải trong khi nói chuyện. Việc tách sự tương tác giữa điện thoại và tai nghe cho phép mỗi người kiểm soát micro và giúp người nói duy trì liên lạc bằng mắt, vì họ không cố gắng chuyển điện thoại qua lại.

Pixel Buds được mở rộng cho thiết kế phụ. Họ trông ngớ ngẩn, và họ có thể không vừa vặn trong tai bạn. Họ cũng có thể khó thiết lập bằng điện thoại.

Mặc dù vậy, phần cứng Clunky có thể được sửa. Pixel Buds cho thấy lời hứa về giao tiếp dễ hiểu giữa các ngôn ngữ gần với thời gian thực. Và không cần cá. —Rachel Metz

Thế giới có lẽ bị gán với khí tự nhiên, là một trong những nguồn điện chính của chúng ta trong tương lai gần. Giá rẻ và có sẵn, hiện nay chiếm hơn 30% điện của Mỹ và 22% điện năng thế giới. Và mặc dù nó sạch hơn than, nhưng nó vẫn là một nguồn phát thải carbon lớn.

Một nhà máy điện thí điểm ngay bên ngoài Houston, ở trung tâm của ngành công nghiệp dầu mỏ và tinh chế của Mỹ, đang thử nghiệm một công nghệ có thể làm cho năng lượng sạch từ khí thiên nhiên trở thành hiện thực. Công ty đứng đằng sau dự án 50-megawatt, Net Power, tin rằng nó có thể tạo ra năng lượng, ít nhất cũng rẻ như các nhà máy khí đốt tự nhiên tiêu chuẩn và giữ cơ bản tất cả cácbon điôxít được giải phóng trong quá trình này.

Nếu vậy, điều đó có nghĩa là thế giới có một cách để sản xuất năng lượng không có carbon từ nhiên liệu hóa thạch với chi phí hợp lý. Các nhà máy khí tự nhiên như vậy có thể được tăng và giảm xuống theo yêu cầu, tránh chi phí cao của năng lượng hạt nhân và tránh được nguồn cung cấp không ổn định mà năng lượng tái tạo thường cung cấp.

Net Power là sự hợp tác giữa công ty phát triển công nghệ 8 Rivers Capital, Exelon Generation và công ty xây dựng năng lượng CB & I. Công ty đang trong quá trình vận hành nhà máy và đã bắt đầu thử nghiệm ban đầu. Nó dự định phát hành kết quả từ những đánh giá ban đầu trong những tháng tới.

Nhà máy đặt khí carbon dioxide thải ra từ khí đốt tự nhiên dưới áp suất và nhiệt độ cao, sử dụng CO2 siêu tới hạn như “chất lỏng làm việc” dẫn động một tuabin được chế tạo đặc biệt. Phần lớn carbon dioxit có thể được tái chế liên tục; phần còn lại có thể được chụp với giá rẻ.

Một phần quan trọng trong việc đẩy chi phí phụ thuộc vào việc bán carbon dioxide đó. Ngày nay, việc sử dụng chính là giúp chiết xuất dầu từ giếng dầu. Đó là một thị trường hạn chế, và không phải là một thị trường đặc biệt xanh. Tuy nhiên, Net Power hy vọng sẽ thấy nhu cầu ngày càng tăng đối với carbon dioxit trong sản xuất xi măng và trong việc sản xuất nhựa và các vật liệu dựa trên cacbon khác.

Công nghệ của Net Power sẽ không giải quyết được tất cả các vấn đề về khí tự nhiên, đặc biệt là ở khía cạnh khai thác. Nhưng miễn là chúng ta đang sử dụng khí thiên nhiên, chúng ta cũng có thể sử dụng nó càng sạch càng tốt. Trong số tất cả các công nghệ năng lượng sạch trong phát triển, Net Power là một trong những công nghệ xa nhất để hứa hẹn nhiều hơn một tiến bộ cận biên trong việc cắt giảm lượng khí thải carbon. —James Temple

Sự riêng tư trên internet cuối cùng có thể đảm bảo nhờ một công cụ mới cho phép bạn chứng minh bạn trên 18 tuổi mà không tiết lộ ngày sinh của bạn hoặc chứng minh bạn có đủ tiền trong ngân hàng để thực hiện giao dịch tài chính mà không tiết lộ số dư của bạn hoặc các chi tiết khác. Điều đó hạn chế nguy cơ vi phạm quyền riêng tư hoặc hành vi trộm cắp danh tính.

Công cụ này là một giao thức mã hóa mới nổi được gọi là bằng chứng không có kiến ​​thức. Mặc dù các nhà nghiên cứu đã nghiên cứu nó trong nhiều thập kỷ, nhưng sự quan tâm đã bùng nổ trong năm qua, một phần nhờ sự ám ảnh ngày càng tăng với tiền điện tử, hầu hết trong số đó không phải là riêng tư.

Phần lớn tín dụng cho một bằng chứng kiến thức không thực tế được chuyển đến Zcash, một loại tiền kỹ thuật số được đưa ra vào cuối năm 2016. Các nhà phát triển của Zcash đã sử dụng một phương pháp gọi là zk-SNARK (đối với “đối số kiến thức không tương tác ngắn gọn không hiểu biết”) cung cấp cho người dùng khả năng giao dịch ẩn danh.

Đó không phải là điều bình thường trong Bitcoin và hầu hết các hệ thống blockchain công cộng khác, trong đó các giao dịch được hiển thị cho tất cả mọi người. Mặc dù các giao dịch này về mặt lý thuyết là ẩn danh, chúng có thể được kết hợp với các dữ liệu khác để theo dõi và thậm chí xác định người dùng. Vitalik Buterin, tác giả của Ethereum, mạng lưới blockchain phổ biến thứ hai trên thế giới, đã mô tả zk-SNARK là một “công nghệ thay đổi hoàn toàn trò chơi”.

Đối với các ngân hàng, đây có thể là một cách để sử dụng blockchains trong hệ thống thanh toán mà không phải hy sinh sự riêng tư của khách hàng. Năm ngoái, JPMorgan Chase đã thêm zk-SNARK vào hệ thống thanh toán dựa trên blockchain của riêng mình.

Tuy nhiên, đối với tất cả lời hứa của họ, zk-SNARK có tính toán nặng và chậm. Họ cũng yêu cầu cái gọi là “thiết lập đáng tin cậy”, tạo ra một khóa mã hóa có thể làm tổn hại toàn bộ hệ thống nếu nó rơi vào tay kẻ xấu. Nhưng các nhà nghiên cứu đang xem xét các giải pháp thay thế để triển khai bằng chứng kiến thức không hiệu quả hơn và không yêu cầu khóa như vậy. —Mike Orcutt

Một ngày, trẻ sẽ nhận được thẻ báo cáo DNA khi sinh. Những báo cáo này sẽ đưa ra những dự đoán về cơ hội của họ bị bệnh tim hoặc ung thư, bị dính vào thuốc lá, và thông minh hơn mức trung bình.

Khoa học làm cho các thẻ báo cáo này có thể đến bất cứ lúc nào, nhờ các nghiên cứu di truyền rất lớn – một số liên quan đến hơn một triệu người.

Nó chỉ ra rằng các bệnh phổ biến nhất và nhiều hành vi và đặc điểm, bao gồm cả trí thông minh, là kết quả của không một hoặc một vài gen nhưng nhiều diễn xuất trong buổi hòa nhạc. Sử dụng dữ liệu từ các nghiên cứu di truyền liên tục lớn, các nhà khoa học đang tạo ra cái mà họ gọi là “điểm rủi ro đa biến”.

Mặc dù các xét nghiệm DNA mới cung cấp xác suất, chứ không phải chẩn đoán, chúng có thể mang lại lợi ích lớn cho y học. Ví dụ, nếu phụ nữ có nguy cơ cao bị ung thư vú có nhiều hình ảnh nhũ ảnh hơn và những người có nguy cơ thấp thì ít hơn, những bài kiểm tra đó có thể bắt được nhiều bệnh ung thư thực hơn và gây ra ít báo động giả hơn.

Các công ty dược phẩm cũng có thể sử dụng điểm số trong các thử nghiệm lâm sàng về thuốc phòng ngừa cho những căn bệnh như bệnh Alzheimer hoặc bệnh tim. Bằng cách chọn các tình nguyện viên có nhiều khả năng bị bệnh, họ có thể kiểm tra chính xác hơn mức độ hiệu quả của thuốc.

Vấn đề là, những dự đoán xa hoàn hảo. Ai muốn biết họ có thể phát triển bệnh Alzheimer? Điều gì sẽ xảy ra nếu một người nào đó có điểm nguy cơ thấp cho bệnh ung thư sẽ không được sàng lọc, và sau đó phát triển ung thư?

Điểm số đa dạng cũng gây tranh cãi vì chúng có thể dự đoán bất kỳ đặc điểm nào, không chỉ các bệnh. Ví dụ: giờ đây, họ có thể dự đoán khoảng 10% hiệu suất của một người đối với các bài kiểm tra IQ. Khi điểm số được cải thiện, có khả năng các dự đoán về IQ, IQ sẽ trở nên thường xuyên có sẵn. Nhưng cha mẹ và nhà giáo dục sẽ sử dụng thông tin đó như thế nào?

Đối với nhà di truyền học hành vi Eric Turkheimer, cơ hội dữ liệu di truyền sẽ được sử dụng cho cả tốt và xấu là điều làm cho công nghệ mới “đồng thời thú vị và đáng báo động” .—Antonio Regalado

Triển vọng của các máy tính lượng tử mới mạnh mẽ đi kèm với một câu đố. Họ sẽ có khả năng tính toán không thể tưởng tượng với máy móc của ngày hôm nay, nhưng chúng tôi vẫn chưa tìm ra những gì chúng tôi có thể làm với những quyền hạn đó.

One likely and enticing possibility: chính xác thiết kế các phân tử.

Các nhà hóa học đã mơ về các protein mới cho các loại thuốc hiệu quả hơn, các chất điện giải mới cho pin tốt hơn, các hợp chất có thể biến ánh sáng mặt trời trực tiếp thành nhiên liệu lỏng và các tế bào năng lượng mặt trời hiệu quả hơn nhiều.

Chúng ta không có những thứ này bởi vì các phân tử rất khó mô hình trên một máy tính cổ điển. Thử mô phỏng hành vi của các electron ngay cả một phân tử tương đối đơn giản và bạn gặp phải những phức tạp vượt xa khả năng của các máy tính ngày nay.

Nhưng đó là một vấn đề tự nhiên đối với các máy tính lượng tử, thay vì các bit số đại diện cho 1s và 0s sử dụng “qubit” mà chính chúng là hệ thống lượng tử. Gần đây, các nhà nghiên cứu của IBM đã sử dụng một máy tính lượng tử với bảy qubit để mô hình một phân tử nhỏ được tạo thành từ ba nguyên tử.

Nó có thể để mô phỏng chính xác các phân tử lớn hơn và thú vị hơn nhiều khi các nhà khoa học chế tạo các máy với nhiều qubit hơn, và cũng quan trọng hơn, các thuật toán lượng tử tốt hơn. — David Rotman

Techtalk via Viblo