從2002年開始，《麻省理工科技評論》(MIT Technology Review)每年都會評選出當年的“十大突破性技術”。最近，該評論從去年的各項創新中遴選出了或攻克疑難問題、或催生科技使用新方法的2016年十大突破性技術。這些突破性技術將在未來數年凸顯出其重要意義。

　　《麻省理工科技評論》主編兼出版人杰森·旁汀(Jason Pontin)表示：“每一年，我們的編輯都會在全球范圍內進行搜索并制作這樣一份重要的榜單。今年，從中國的抗真菌小麥，到西雅圖利用空中信號為自身供電的設備，這10項突破性技術代表了我們認為將在數年內極大影響我們生活的技術進步。”

　　以下為《麻省理工科技評論》評選出的“2016年十大突破技術”：

　　1、免疫工程(Immune Engineering)

　　經過基因改造的免疫細胞正在拯救癌癥病人的生命，而這只是開始。

　　成熟期：1-2年

　　突破點：經過基因改造的T細胞能夠治療癌癥。

　　重要性：通過改造免疫系統，癌癥、多發性硬化癥和艾滋病等疾病統統可以治愈。

　　該領域主要參與者：Cellectis、Juno Therapeutics、諾華制藥

　　T細胞被稱為免疫系統中的“殺手細胞”，它們能夠在人體內四處移動、能夠進行感知探測、并能夠殺死其他細胞。科學家們將的從一個人的血液中提取出來，加入新的DNA指令，從而令其能夠攻擊腫瘤細胞，同時還采用基因編輯方式刪除T細胞用以探測外來分子的受體，使其不至于攻擊 “非來自自體”的好細胞。該技術已經在300多名病患身上進行了實驗，效果十分驚人，甚至能夠極大地緩解病情。目前世界上已有十幾家醫藥公司和生物技術企業正在努力將這項療法帶入市場。經過基因改造的T細胞將為糖尿病、多發性硬化癥和紅斑狼瘡等自身免疫系統疾病，以及艾滋病和各種傳染性疾病帶來新生希望。

　　2、植物基因精確編輯(Precise Gene Editing in Plants)

　　一種簡便且精確改變植物基因的方式，可為植物帶來疾病抵御和抗旱等能力。

　　成熟期：5-10年

　　突破點：在不遺留外源DNA的情況下，對植物基因進行精確編輯，且成本低廉。

　　重要性：全球人口不斷增長，到2050年將達到100億，農作物增產問題亟待解決。

　　該領域主要參與者：英國諾維奇Sainsbury實驗室及John Innes中心、韓國首爾國立大學、美國明尼蘇達大學、中國科學院遺傳與發育生物學研究所

　　該技術能夠便宜、精確地編輯植物基因組，且不遺留外源DNA。中國已經利用該技術創造了一種抗真菌的小麥，并提高水稻產量。英國已經利用該技術創造出具有抗旱能力的植物品種。這種基因編輯技術還有助于使科學家能及時對抗處于不斷進化中的各種危害作物的微生物。

　　3、對話界面(Conversational Interfaces)

　　來自中國領先互聯網公司的強大語音技術使智能手機的使用更為便捷。

　　成熟期：現已趨于成熟

　　突破點：將語音識別和自然語言理解相結合，為全球最大互聯網市場創造有效語言接口。

　　重要性：通過打字方式和計算機進行互動既浪費時間，又浪費感情。

　　該領域主要參與者：百度、谷歌、蘋果、Nuance、Facebook

　　現在，大部分智能手機上已經預裝了蘋果的siri、微軟Cortana和谷歌Now等語音識別系統，但這些系統不甚完美，有時候會誤聽或誤解指令。百度則在該領域取得了令人印象深刻的進展：去年11月，百度硅谷實驗室宣布研發了一個強大的語音識別引擎，稱為“深度語音系統2”(Deep Speech 2)，該系統擁有一個大型“深度”神經網絡，可在數百萬轉錄語言庫的基礎上學習如何將聲音和語句聯系起來，語音識別率精確度極高。

　　4、可回收火箭(Reusable Rockets)

　　現在，火箭可以直立著陸，加滿燃料后再次發射。這將開啟太空航行的新時代。

　　成熟期：現已趨于成熟

　　突破點：火箭可將有效負載發射到軌道上，然后安全著陸。

　　重要性：降低發射成本，有助于開啟太空探索的各種新可能。

　　該領域主要參與者：SpaceX、Blue Origin公司、美國聯合發射聯盟

　　可回收火箭將使航天飛行的成本便宜幾百倍。杰夫·貝索斯(Jeff Bezos)的藍色起源公司(Blue Origin)和埃隆·穆斯克(Elon Musk)的SpaceX公司分別在去年11月和12月成功實現了火箭的回收。廉價太空旅行的新時代已經在向我們招手。

　　5、知識分享型機器人(Robots That Teach Each Other)

　　如果機器人能自己琢磨出更多事情，并在相互之間分享知識，世界會變得如何?

　　成熟期：3-5年

　　突破點：機器人學習任務，然后將知識上傳到云端，供其他機器人下載使用。

　　重要性：如果各種不同的機器人無需進行獨立分別編程，那么機器人學的發展將極大地加快。

　　該領域主要參與者：Brain of Things的阿舒托什·薩克塞納(Ashutosh Saxena)、布朗大學的斯蒂芬妮·塔勒克斯(Stefanie Tellex)、加州大學伯克利分校的皮爾特·阿布比爾(Pieter Abbeel)、肯·戈德伯格(Ken Goldberg)和謝爾蓋·勒凡(Sergey Levin)、德國達姆施塔特科技大學的簡·比德斯(Jan Peters)

　　基于一個標準編程框架ROS的機器人學習特定任務后，將知識傳送到云端供其他機器人下載、分析并使用，其他機器人也可上傳反饋，進一步優化對后續機器人發出的指令。有關識別和抓取特定物體的數據可壓縮成5-10M，也就是一首歌曲的大小。未來5-10年，我們或將能看到機器人的這種能力出現爆發式增長。