前沿動態

前沿動態

世界經濟論壇發布2017全球十大新興技術

2017年6月26日，世界經濟論壇發布了2017年全球十大新興技術。這份榜單由《科學美國人》、《科學美國人》全球顧問委員會、世界經濟論壇全球專家網絡以及世界未來委員會共同選出，涵蓋了在醫療、計算機、環保等領域的最新技術，它們在提高生活質量、促進產業轉型、保護地球環境等方面具有無限潛能。

2017年全球十大新興技術分別為：液體活檢、從空氣中收集凈水、深度學習與機器視覺、從陽光中收集液態燃料、人類細胞圖譜計劃、精準農業、廉價的氫能汽車催化劑、基因疫苗、可持續型社區、量子計算機，其中3項技術涉及信息科技：

（1）深度學習與機器視覺

在深度學習的幫助下（尤其是隨著卷積神經網絡的發展），計算機的圖像識別能力開始超越人類。目前，機器視覺技術在自動駕駛、醫學診斷、保險索賠的破損評估、水位監測、農業生產等領域具有廣泛的應用前景。

（2）精準農業

第四次工業革命為農民提供了一系列新的工具，這些工具能夠在減少水和農藥使用量的同時，提高作物的產量與質量。傳感器、機器人、GPS、地圖工具以及數據分析軟件全部按照植物養護的需求量身定制。

（3）量子計算機

量子計算機擁有無限的潛能，與之相對應的是極高的建造難度和高昂的花費。小型量子計算機的運算能力仍未超越超級計算機。不過在2016年，IBM將量子計算機的發展推向了一個新高度，其成為首家向公眾提供量子計算機云服務的公司。目前，全球超過50家企業正在努力讓量子計算機成為現實。

瑞士研究人員利用GPU加速的超級計算機模擬宇宙

據TOP500官網介紹，近日瑞士蘇黎世大學研究人員利用兩臺GPU加速的超級計算機和新開發的軟件，完成了宇宙模擬。利用名為“PKDGRAV3”的代碼軟件，研究人員在位于瑞士國家超級計算中心（CSCS）的16petaflops超級計算機Piz Daint上運行了兩萬億粒子宇宙模擬，并位于美國橡樹嶺國家實驗室（ORNL）的27teraflops超級計算機Titan上運行了8萬億粒子模擬。

研究人員指出，宇宙中約95%是由暗物質和暗能量組成的，其余約5%為人眼可見。研究銀河系暗物質和暗能量的最低要求是兩萬億粒子。未來宇宙實驗或將揭開暗物質之謎，革新現代物理學。在Piz Daint超算機上，研究人員使用4000多個計算節點，耗時約80小時繪制出整個宇宙。在Titan超算機上，研究人員使用1.8萬個計算節點，耗時約67小時，完成8萬億粒子模擬，突破了已有的粒子模擬規模。

基于這兩次模擬而建立的銀河星系目錄將被用于之后的歐幾里德（Euclid）衛星實驗，即在2020至2026年間繪制暗物質宇宙。研究人員希望，利用Euclid收集而來的數據能為暗能量本質研究提供新信息，揭示廣義相對論理論的新方向，或探索全新的粒子。該項目還將追溯宇宙100多億年間的演變過程。

英國阿蘭·圖靈研究所針對大數據研究設立多個興趣小組

成立于2015年的英國阿蘭·圖靈研究所（Alan Turing Institute）致力于使英國成為大數據分析與應用領域的全球領跑者，確保英國立足于數據科學的前沿。2017年3月至5月間，針對大數據研究與應用的不同方向和領域，該研究所成立了多個研究興趣小組，各小組的研究方向及主要內容如表1所示。

表1 阿蘭·圖靈研究所研究興趣小組一覽

CERN科學家用人工智能新手段防御黑客攻擊

據《科學美國人》雜志日前報道，為了抵御黑客們的攻擊，歐洲核子研究中心（CERN）的科學家們將利用人工智能來對付網絡黑客，保護與大型強子對撞機（LHC）相連的“全球LHC計算網格（WLCG）”。

目前的網絡探測系統一般通過掃描輸入數據中與已知病毒和其他類型的惡意代碼有關的信息來發現攻擊，但這些系統對新病毒或惡意代碼以及不熟悉的威脅幾乎無用。而且，現在的惡意軟件“變形”速度極快。另外，保護一個計算網格面臨的最大挑戰之一是：確保安全不能妨礙處理能力和數據存儲的共享，因為全球各地不同實驗室的科學家可能正在進行同樣的研究，會使用同樣的計算機，因而對網格的要求很高。CERN也擔心，與網格相連的計算機上可能有病毒或其他惡意軟件，這些“不法分子”或許會借機進入整個網格并快速擴散。例如，某個病毒可能使黑客接管部分網格，并使用這些計算機來生成數字貨幣（比特幣）或對其他計算機發動攻擊。

CERN的網絡安全部門正在訓練其人工智能軟件，讓其了解網絡上正常行為與可疑行為之間的差別，并在潛在威脅出現時，能通過手機短信、電子郵件或計算機信息提醒工作人員。這一系統甚至能自動關閉可疑活動。CERN希望，這一新方法能保護自己龐大的計算機網格。針對CERN的人工智能安全系統進行的升級仍處于早期階段，將隨著時間的推移慢慢鋪開。第一個測試將保護“大型離子對撞實驗（ALICE）”涉及到的網格部分。ALICE是LHC的關鍵組成部分，主要目標是研究鉛核的對撞。如果在ALICE上的測試取得成功，那么，CERN基于機器學習的網絡安全措施隨后可能被用于防御其他6個探測實驗使用的網格部分。（責編：楊潔）

（中國科學院成都文獻情報中心信息科技戰略情報團隊編譯）