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
在数据统计分析、数据清洗、异常值识别与数据分布研究中,箱型图是最直观、高效、专业的可视化分析工具。相较于柱状图、折线图仅 ...
2026-05-29Tkinter是Python内置的标准GUI图形界面库,具备无需额外安装、调用简单、兼容性强、轻量化高效等优势,是Python快速开发桌面小程 ...
2026-05-29 很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当 ...
2026-05-29【核心关键词】大数据、经理、专业、金融、客户、传统、建模、数据产品、互联网金融、产品经理、数据分析、金融行业、数据模型 ...
2026-05-28 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-05-28随着大数据技术的快速普及,各行各业积累了海量的用户数据、交易数据、生产数据与行为数据。单纯的数据统计与报表分析只能呈现表 ...
2026-05-28在Python网络请求、接口测试、数据爬取、业务对接开发中,Requests库是最简洁、最高效的HTTP请求工具,凭借简洁的语法、完善的适 ...
2026-05-272025 年,零售与服务行业的竞争已从 “经验驱动” 全面转向 “数据驱动”。中小企业门店普遍面临数据零散、分析浅层、决策凭感觉 ...
2026-05-27 很多数据分析师每天都在写SQL,但当被问到“数据查询语言(DQL)的本质是什么”“SELECT语句中各子句的书写顺序与实际执行顺 ...
2026-05-27在统计学分析、实验研究、业务数据复盘过程中,单因素方差分析是检验自变量对因变量是否存在显著影响的核心方法。其中,两个水平 ...
2026-05-26【核心关键词】算法、客户、大数据、互联网、调优、建模、模型优化、机器学习、评分卡模型、模型开发、智能风控、业务场景、数 ...
2026-05-26 很多数据分析师写过无数个 SELECT,但当被问到“新建一张表,该如何定义字段类型来保证数据质量”“创建视图和存储物理表有 ...
2026-05-26在数据清洗、统计分析与数据质量检测工作中,箱型图(又称箱线图、Box Plot)是最直观、最高效的可视化分析工具之一。相较于柱状 ...
2026-05-25在大数据分析、数据清洗、质量管控、风险监测等领域,异常数据识别是保障数据质量、确保分析结论精准、规避业务决策失误的核心基 ...
2026-05-25 很多数据分析师精通Excel函数和透视表,但当被问到“数据从哪里来”“表和视图有什么区别”“数据库管理系统和SQL是什么关系 ...
2026-05-25数字化经营时代,企业的市场竞争早已从经验决策转向数据决策。门店营收、用户转化、产品销量、成本损耗、存量资产等所有经营行为 ...
2026-05-22在MySQL数据库日常运维、业务数据校验、数据迁移与数据清洗场景中,自增主键ID的连续性校验是一项基础且关键的工作。MySQL的Auto ...
2026-05-22 很多企业团队并非缺乏指标,而是陷入“指标失控”:仪表盘上堆满实时跳动的数据,却无法回答“当前瓶颈在哪、下一步该做什么 ...
2026-05-22【核心关键词】大数据、可视化、存储、架构、客户、离线、产品、同步、实时、数据仓库、数据分析、数据可视化、存储数据、离线 ...
2026-05-21在电商流量红利消退、公域获客成本持续走高的当下,存量用户深度挖掘已成为店铺增收增效的核心抓手。相较于付费投放获取的陌生新 ...
2026-05-21