京公网安备 11010802034615号
经营许可证编号:京B2-20210330
《硅谷百年史》作者、硅谷人工智能研究院院长皮埃罗·斯加鲁菲(Piero Scaruffi) 在其著作《人类2.0》中提出,人类发展将进入“2.0” 时代,人类历史上几千年来的“生、老、病、死”大问题,已正式被纳入技术的解决范畴,接下来的科技革命将可能会重新定义人类。
过去几年里, 3D打印、人工智能、纳米科技、生物科技等不同科技之间互动融合的趋势越来越清晰,皮埃罗本人尤其关注人工智能和生物科技的互动与融合。那么,未来10—20年当中,科技会如何重塑医疗健康领域乃至人类的整个生命形态?科技会如何重新定义出生和老去,是否能战胜疾病,乃至死亡?人类会演变成怎样一个“新物种”?
硅谷洞察特约记者就此专访了皮埃罗·斯加鲁菲(Piero Scaruffi),以下是皮埃罗专访内容的精彩节选,将分为(上)、(下)篇。
AI+脑机接口,意念的“魔力”变现实
人工智能在阿尔法狗(AlphaGo)战胜人类围棋冠军后一直都是科技界讨论的热点。但皮埃罗指出,公众对人工智能,更具体来说,是对深度学习的认知里充满着太多炒作和误解,我们在这个领域还有很长一段路要走。
相反,从原来只有在科幻小说中才能看到,到如今已逐渐变成现实的一个进步极大的领域是——脑机接口(brain–computer interface, BCI)。
脑机接口的研究由来已久。
1946年,一位名叫 Robert Heath 的外科医生在杜兰大学发明了一种通过钻入颅骨的小孔将电极植入脑中,以刺激特定的大脑区域来治疗脑疾病的技术,这种手术让病人产生快乐感。
2002年,在获得美国食品药品监督管理局(FDA)批准后,这一技术被称为“深部脑刺激”(Deep Brain Stimulation ,DBS),主要用于治疗帕金森疾病,目前已对大约100,000名患帕金森病等脑部疾病的人进行了治疗。深度脑刺激的花费大约需要5万美元,所以目前它只在需要紧急治疗的情况下进行。
时至今日,科技进步会让这个手术变得越来越便宜。当手术费足够便宜,过程足够安全便捷的时候,健康的人们或许也可以拿这项技术来换取愉悦和快乐的感受,打个不恰当比喻,跟今天一些人吸食大麻本质上是一样的。
很长一段时间里, 脑机接口都需要靠植入电极的方式来推进。直到 2016 年,明尼苏达大学 Bin He 团队演示了一个装有 64 个电极的脑电图帽,在不往大脑中植入电极的情况下,让普通人可以用意念控制机械臂,成功完成在复杂三维空间中抓取物体、控制飞行器飞行等任务,是该领域的一个重大突破。
皮埃罗认为,脑机接口最激动人心之处,目前仍然是让那些无法移动某个部位乃至全身瘫痪的人具备运动能力。
2017年,Bill Kochevar,一名完全瘫痪的男子可以用由大脑控制的机械臂来自己喝咖啡,用叉子吃土豆泥。他只要“想一下”,事情就会发生。该机械臂是凯斯西储大学的 Bolu Ajiboye 设计的,这是世界上第一个帮助完全瘫痪的人用大脑意念来恢复运动能力的手术。
脑机接口在硅谷也得到了热情的回应。
2016 年最广为人知的两个创业公司是伊隆·马斯克创办的Neuralink,其最终目标是实现人机一体,让人类记忆成为能下载的数据,并借助机器力量拓展人类大脑使用潜能。另一个是 Bryan Johnson(前 Braintree 创始人,后将公司出售给 Paypal 后成立了风投基金)投资1亿美金创立的 Kernel,也旨在通过脑机接口提高的人的认知能力。
像大公司的话,2018年 IBM Research 推出了 GraspNet 系统,该系统使用深度学习技术来解码脑电信号,并控制机器人手臂。解读非常微弱的脑电信号一度非常困难,但通过使用人工智能技术,由 Stefan Harrer 领导的团队设法获得了更清晰的信号,这是很大的进步。
而牛津大学的 Newton Howard 教授(之前是麻省理工学院心灵机械项目主任),他在类似项目的神经植入物中则使用了英特尔和高通公司的芯片技术。
接下来的例子听起来可能就有点像好莱坞电影了:
加州大学旧金山分校的 Edward Chang 团队在一种递归神经网络(RNN)的帮助下,开发了一种旨在恢复失去说话的人表达能力的脑机接口技术。以往的脑机接口技术也帮助瘫痪患者直接从大脑中“读取”他们的意图,使瘫痪的人每分钟最多打出 8 个单词,而 Edward Chang 团队直接从大脑信号中产生口语句子,达到 150 个单词,接近正常人水平。
虽然研究还处于早期阶段,但当我们讨论今天大数据和人工智能是否通过一系列算法对人们进行操纵之际,下一个需要担心的可能是少数大公司或机构是否会利用科技直接读取和控制人们的思想了。
人工智能加速新药研发
皮埃罗告诉硅谷洞察,就人工智能的某个应用领域来说,新药研发是非常值得关注的一大领域。
据塔夫茨药物研究中心(Tufts Center for the Study of Drug Development)称,目前,一种新药从研究到投放市场平均需要12年,花费需26亿美元。人工智能的介入,可以让新药诞生速度加快很多。
首先,人工智能助理的出现,能帮助科学家实时掌握最新的科研成果。2017年,仅在生命科学期刊上就发表了超过 120 万篇论文,而已有 2500 万篇论文出版。即每 30 秒就有一篇新文章出现。但是哈佛大学预估每个科学家每年平均只能阅读 264 篇论文。
此外,人工智能还能够帮助医生为患者进行个性化定制医疗。例如,2016年创立于旧金山的 Mendel.ai,就根据最新公布的研究数据为癌症患者提供定制治疗方案。
这个领域已经出现了很多创业者,很多人没有意识到现如今被认为最有价值的(也是获得融资最多的)人工智能创业公司是欧洲的 BenevolentAI,该公司就专注在新药研发领域。(硅谷洞察注:该公司从2013年成立至今,进行了两轮融资,融资额高达2.02亿美元。)
世界其他地区也出现了聚焦新药研发的人工智能创业公司,皮埃罗给硅谷洞察记者列出了一个长名单:Exscientia(英国)、Berg(波士顿)、Numerate(湾区)、Atomwise(旧金山)、Insilico Medicine(巴尔的摩)、Sophia(瑞士) 、PathAI(波士顿)等……
就在刚过去的 2018 年,和吴恩达一起创建线上教育平台 Coursera 的科学家达芙妮·科勒创立了 Insitro,尝试通过深度学习的方法来加速药物研发,并在 2019 年和美国生物医药的龙头公司吉利德科学 (Gilead Sciences)签署了合作协议。皮埃罗认为,这个领域对创业者来说依然有很大的空间和潜力。
基因编辑不仅治疗重疾,还能带来“无性生育”
皮埃罗发现,如今硅谷在生物科技领域的投资规模越来越大,其中一个原因是,基因编辑已被证明是非常真实和强大的技术。
就以导致疟疾流行的蚊子为例。2018年,伦敦帝国理工学院的 Andrea Crisanti 团队用基因编辑技术 CRISPR 给蚊子引入一种新的不良基因,使蚊子无法繁殖。
当然,皮埃罗告诉硅谷洞察,基因编辑最有用的地方当然还是治疗重大疾病。在这里暂时不讨论基因编辑婴儿事件,这确实是少有的个例,继它之后,很多科研机构也都在思考和探索这个领域的伦理和安全问题,探讨如何防止类似“大胆妄为”的实验。公众不应因为一个极端案例而否认这项技术带来的许多积极价值。
再比如,除了治疗疾病,很多病人需要器官移植,但往往需要漫长的等待期。哈佛大学医学院基因组研究中心主任 George Church 就和他的学生一起在波士顿创立了 eGenesis 公司,研发出了用于种植人体移植器官的转基因猪。
2017年,该公司宣布 37 只经过基因编辑的猪诞生了,这些猪经过基因编辑,身上的器官能被人体免疫系统接受,移植给人体后不会出现排异反应。
从 2013 年第一家 CRISPR 基因编辑初创公司成立,到 2018 年初,超过 10 亿美元投资于基因编辑创业公司。三个最知名的 CRISPR 初创公司——Editas Medicine,CRISPR Therapeutics AG 和 Intellia Therapeutics 在 2015 年共获得 5.5 亿美元。这几乎是 2015 年美国投资于生物技术的所有资金的一半(2015 年美国生物科技的总投资额为 12 亿美元),这使得生物科技成为继软件之后美国第二大“吸金”领域。
“疯狂”还在继续,刚刚过去的 2019 年上半年里,基因编辑初创公司 Beam Therapeutics 筹集了 1.35 亿美元,5 月份,谷歌母公司 Alphabet 的风投部门 GV 就用 6000 万美元投资了 Verve Therapeutics 另一家基因编辑公司。
皮埃罗指出,更神奇的是,基因编辑有可能重塑人类生育方式,让无性繁殖变成可能。
2017年,日本九州大学的干细胞生物学家 Katsuhiko Hayashi 在小鼠中测试了一种称为“体外配子”(IVG)的新技术。这种技术允许科学家们在实验室中创造卵子和精子。研究者从小鼠身上取出皮肤细胞,然后用基因编辑培养出卵子和精子,再使卵子受精以产生数百个胚胎,最后将卵子植入雌性小鼠体内,并且生出了几只健康的幼崽。
皮埃罗认为,这项实验的意义非常重大。这意味着,该技术应用到人身上的话,可以让女性随便从身上的某处皮肤上取下一些细胞,就可以从实验室培育出她的孩子,她还同时是孩子的父亲和母亲!这也意味着,或许可以从死去的人身上取出皮肤,制造出他的后代。
这项技术随后在世界多个大学引起热烈讨论,斯坦福大学教授汉克·格里利(Hank Greely)还专门写了一本书《性的终结和人类繁殖的未来》(“The End of Sex and the Future of Human Reproduction”)。汉克在 2019 年初的一场演讲中甚至宣称,这种技术 50 年后就能从实验室走向公众。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在神经网络模型搭建中,“最后一层是否添加激活函数”是新手常困惑的关键问题——有人照搬中间层的ReLU激活,导致回归任务输出异 ...
2025-12-05在机器学习落地过程中,“模型准确率高但不可解释”“面对数据噪声就失效”是两大核心痛点——金融风控模型若无法解释决策依据, ...
2025-12-05在CDA(Certified Data Analyst)数据分析师的能力模型中,“指标计算”是基础技能,而“指标体系搭建”则是区分新手与资深分析 ...
2025-12-05在回归分析的结果解读中,R方(决定系数)是衡量模型拟合效果的核心指标——它代表因变量的变异中能被自变量解释的比例,取值通 ...
2025-12-04在城市规划、物流配送、文旅分析等场景中,经纬度热力图是解读空间数据的核心工具——它能将零散的GPS坐标(如外卖订单地址、景 ...
2025-12-04在CDA(Certified Data Analyst)数据分析师的指标体系中,“通用指标”与“场景指标”并非相互割裂的两个部分,而是支撑业务分 ...
2025-12-04每到“双十一”,电商平台的销售额会迎来爆发式增长;每逢冬季,北方的天然气消耗量会显著上升;每月的10号左右,工资发放会带动 ...
2025-12-03随着数字化转型的深入,企业面临的数据量呈指数级增长——电商的用户行为日志、物联网的传感器数据、社交平台的图文视频等,这些 ...
2025-12-03在CDA(Certified Data Analyst)数据分析师的工作体系中,“指标”是贯穿始终的核心载体——从“销售额环比增长15%”的业务结论 ...
2025-12-03在神经网络训练中,损失函数的数值变化常被视为模型训练效果的“核心仪表盘”——初学者盯着屏幕上不断下降的损失值满心欢喜,却 ...
2025-12-02在CDA(Certified Data Analyst)数据分析师的日常工作中,“用部分数据推断整体情况”是高频需求——从10万条订单样本中判断全 ...
2025-12-02在数据预处理的纲量统一环节,标准化是消除量纲影响的核心手段——它将不同量级的特征(如“用户年龄”“消费金额”)转化为同一 ...
2025-12-02在数据驱动决策成为企业核心竞争力的今天,A/B测试已从“可选优化工具”升级为“必选验证体系”。它通过控制变量法构建“平行实 ...
2025-12-01在时间序列预测任务中,LSTM(长短期记忆网络)凭借对时序依赖关系的捕捉能力成为主流模型。但很多开发者在实操中会遇到困惑:用 ...
2025-12-01引言:数据时代的“透视镜”与“掘金者” 在数字经济浪潮下,数据已成为企业决策的核心资产,而CDA数据分析师正是挖掘数据价值的 ...
2025-12-01数据分析师的日常,常始于一堆“毫无章法”的数据点:电商后台导出的零散订单记录、APP埋点收集的无序用户行为日志、传感器实时 ...
2025-11-28在MySQL数据库运维中,“query end”是查询执行生命周期的收尾阶段,理论上耗时极短——主要完成结果集封装、资源释放、事务状态 ...
2025-11-28在CDA(Certified Data Analyst)数据分析师的工具包中,透视分析方法是处理表结构数据的“瑞士军刀”——无需复杂代码,仅通过 ...
2025-11-28在统计分析中,数据的分布形态是决定“用什么方法分析、信什么结果”的底层逻辑——它如同数据的“性格”,直接影响着描述统计的 ...
2025-11-27在电商订单查询、用户信息导出等业务场景中,技术人员常面临一个选择:是一次性查询500条数据,还是分5次每次查询100条?这个问 ...
2025-11-27