2021年2月24日，MIT Technology Review一年一度的“十大突破性技術(shù)”榜單正式發(fā)布。自2001年起，該雜志每年都會評選出當(dāng)年的“十大突破性技術(shù)”，這份在全球科技領(lǐng)域舉足輕重的榜單曾精準預(yù)測了腦機接口、量子密碼、靈巧機器人、智慧傳感城市、深度學(xué)習(xí)等諸多熱門技術(shù)的崛起。本年度MIT Technology Review “十大突破性技術(shù)”分別為：mRNA疫苗、生成式預(yù)訓(xùn)練模型、數(shù)據(jù)信托、鋰金屬電池、數(shù)字接觸追蹤、超高精度定位、遠程技術(shù)、多技能型人工智能、TikTok推薦算法和綠色氫能。為了讓廣大讀者深入了解這十項技術(shù)的科學(xué)價值及其背后的科學(xué)故事，本刊特邀請各領(lǐng)域著名科學(xué)家分別對其進行深入解讀，以激發(fā)科研人員的創(chuàng)新思維，并促進科學(xué)界的學(xué)術(shù)交流。

　　1 mRNA疫苗(Messenger RNA vaccines)

　　在1918年大流感100年后，全球爆發(fā)了又一次呼吸道病毒傳染病大流行，罪魁禍首是一種具有包膜的正鏈單股RNA病毒——嚴重急性呼吸系統(tǒng)綜合征冠狀病毒2(SARS-CoV-2)。根據(jù)世界衛(wèi)生組織的統(tǒng)計，截止到2021年6月17日，全球已有176 693 988人確診，造成3 830 304人失去了生命。面對病毒的挑戰(zhàn)，人類最有力的對抗武器是疫苗。針對這次疫情，從疫苗研發(fā)到實際應(yīng)用的速度空前。截止到2021年6月15日，全世界已接種了2 377 780 590劑次針對SARS-CoV-2的各種疫苗。其中包括有首次應(yīng)用就一戰(zhàn)成名的mRNA疫苗，它被MIT Technology Review評選為2021年“全球十大突破性技術(shù)”之一。

　　專家點評：

? ? ? mRNA(Messenger RNA)被稱為信使RNA，是攜帶編碼蛋白遺傳信息的單鏈RNA。在細胞內(nèi)，mRNA指導(dǎo)把單個氨基酸按特定序列組成蛋白質(zhì)，是細胞內(nèi)“蛋白工廠”生產(chǎn)的“指導(dǎo)員”。很久以來，許多人都曾設(shè)想把在體外人工合成的mRNA“指導(dǎo)員”導(dǎo)入細胞內(nèi)從而指導(dǎo)“蛋白工廠”的工作。第一例證明體外轉(zhuǎn)錄的mRNA可在體內(nèi)指導(dǎo)蛋白質(zhì)合成的研究發(fā)表于1990年，Wolff等將編碼β-半乳糖苷酶(β-galactosidase)的mRNA注射到小鼠的骨骼肌，成功檢測到了β-半乳糖苷酶的活性。兩年后，Jirikowski等在大鼠中成功的用mRNA表達出了有功能的抗利尿激素(vasopressin)。雖然這些早期研究顯示出mRNA作為潛在治療載體的原理可行，其實際應(yīng)用的缺陷也變得十分明顯。mRNA本身不夠穩(wěn)定，在體內(nèi)易降解，不易靶向遞送，而且可以導(dǎo)致強烈的免疫激活和炎癥反應(yīng)。因此，在而后的許多年中，核酸治療領(lǐng)域都沒有把mRNA作為開發(fā)重點。

　　近十年的技術(shù)進步，通過對mRNA的人工修飾，大幅降低了mRNA本身的免疫原性，提高了安全性。通過脂質(zhì)納米粒包裹mRNA的遞送技術(shù)，大幅提高mRNA在體內(nèi)的表達效率。加之mRNA只需體外轉(zhuǎn)錄就可人工合成，快速價廉，實用性隨之增高。通過mRNA表達蛋白抗原來誘導(dǎo)機體針對蛋白產(chǎn)生免疫應(yīng)答，可能達到疫苗效果。機制上，脂質(zhì)納米粒包裹的mRNA可有效的進入樹突狀細胞中，一方面使樹突狀細胞按mRNA指導(dǎo)表達蛋白抗原，另一方面通過脂質(zhì)納米粒類似佐劑的作用激活樹突狀細胞。作為免疫系統(tǒng)中最重要的抗原遞呈細胞，樹突狀細胞可將蛋白抗原消化分解成肽段，并呈遞于細胞表面的一類、二類組織相容性復(fù)合體，引起CD4、CD8 T細胞的特異性應(yīng)答。CD4陽性T細胞可分化成不同的亞群，分泌細胞因子，促進機體的免疫反應(yīng)。CD8陽性T細胞可分化成殺傷性T細胞，從而在感染發(fā)生時殺傷感染細胞。在接種疫苗一段時間后，CD4和CD8 T細胞都會分化成為記憶T細胞。另外，mRNA表達的蛋白抗原也可以被B細胞抓取，促使其活化，在CD4陽性T細胞的幫助下這些B細胞分化成為記憶B細胞和產(chǎn)生高親和力抗體的長效漿細胞。

　　這次新冠肺炎疫情中，mRNA疫苗展現(xiàn)出了驚人的保護效果。在臨床前研究階段，Moderna開發(fā)的mRNA疫苗mRNA-1273在恒河猴中可誘導(dǎo)強烈的免疫應(yīng)答。在第二劑接種后四周，血清中可檢測到高滴度中和抗體，表達白介素-21的濾泡性輔助T細胞顯著增多。在包含了30 420志愿者的三期臨床研究中，mRNA-1273的有效率達94.1%。這款疫苗對保存條件要求較為嚴苛，需在-20 ℃條件下運輸。我國科學(xué)家開發(fā)的耐高溫mRNA疫苗ARCoV表現(xiàn)不俗，在動物實驗中可以誘導(dǎo)抗體和細胞免疫，并顯著降低病毒載量;它只需在2—8 ℃保存。目前這款國產(chǎn)mRNA疫苗正在墨西哥進行III期臨床實驗。

　　使用外源mRNA導(dǎo)入人體實現(xiàn)細胞內(nèi)蛋白表達的本質(zhì)就是讓人體自身細胞成為“工廠”，生產(chǎn)所需的蛋白分子。該技術(shù)顯然不局限于新冠病毒疫苗。多國研究者還在針對其他諸如HIV和Zika病毒設(shè)計和開發(fā)mRNA疫苗。該技術(shù)也不局限于抗感染疫苗，比如也有針對黑色素瘤的mRNA疫苗正在臨床試驗中。事實上，使用mRNA表達技術(shù)也不局限于做疫苗。比如通過表達正確的血紅蛋白來作為治療性蛋白分子，同樣思路可能用于治療鐮狀紅血球貧血癥。時勢造英雄，mRNA疫苗在這次新冠肺炎疫情中顯示出了巨大潛力。同時，我們也要注意到，mRNA技術(shù)的第一個概念性實驗證明距今30年，再一次說明投入源頭創(chuàng)新，回報不一定是立竿見影;但假以時日，金子總要發(fā)光。mRNA技術(shù)未來還會給我們帶來什么新的治療突破?我們拭目以待。

　　2 生成式預(yù)訓(xùn)練模型(GPT-3)

　　具有寫作和對話功能的大規(guī)模自然語言模型使人工智能朝著更好地理解人類的自然語言與人機交互這一目標邁出了堅實的一步。在眾多語言模型中，OpenAI公司開發(fā)的GPT-3是目前為止參數(shù)最多、規(guī)模最大、能力最強的模型。通過利用大量的互聯(lián)網(wǎng)文本數(shù)據(jù)和成千上萬的書籍進行模型訓(xùn)練，GPT-3模型對人類自然語言的模仿到了一個不可思議的地步，極具真實性，也因此成為迄今為止令人印象最深刻的語言模型。

　　雖然GPT-3模型建模能力、描述能力非常強，但是也存在眾多問題和局限性。首當(dāng)其沖的就是GPT-3模型不能理解什么是真正意義上的寫作(自然語言生成)，因此有時會生成一些不可控的內(nèi)容。其次，訓(xùn)練GPT-3模型需要大量的算力、數(shù)據(jù)和資金投入，并會產(chǎn)生大量的碳排放，只有資源充足的實驗室才有能力開發(fā)類似的模型。此外，由于GPT-3模型在充斥錯誤消息和偏見的互聯(lián)網(wǎng)文本數(shù)據(jù)上進行訓(xùn)練，往往會產(chǎn)生與訓(xùn)練數(shù)據(jù)類似，即帶有偏見的篇章段落。

　　專家點評：

　　(1)為什么可以入選10大技術(shù)

　　人工智能已經(jīng)成為人類社會經(jīng)濟和社會發(fā)展的重要支撐技術(shù)，是引領(lǐng)新一輪科技革命、產(chǎn)業(yè)和社會變革的戰(zhàn)略性技術(shù)，自然語言理解是下一代人工智能的核心技術(shù)之一，其關(guān)鍵技術(shù)的突破極具科學(xué)意義和產(chǎn)業(yè)價值。語言模型是利用計算機對自然語言進行抽象數(shù)學(xué)建模，是自然語言理解最核心的科學(xué)問題。廣義上，任何自然語言理解模型都可稱之為語言模型，因為都要進行數(shù)學(xué)建模。狹義上講，語言模型要完成對一段文字的概率估計，或者給定上下文估計某個語言片段的出現(xiàn)概率或者抽象數(shù)學(xué)表示。通常所指的語言模型是狹義語言模型。語言模型的歷史從1948年提出的N-Gram模型、1954年的分布式理論詞袋模型、1986年的分布式表示、2013年的Word2Vec模型直到2018年提出的預(yù)訓(xùn)練模型。預(yù)訓(xùn)練語言模型(最具有代表性的模型包括ELMo、BERT和GPT)對自然語言處理領(lǐng)域產(chǎn)生了深遠的影響,是深度學(xué)習(xí)時代自然語言處理領(lǐng)域里程碑式的研究成果。

　　這一系列基于深度學(xué)習(xí)技術(shù)的模型只需要利用非監(jiān)督的語言模型訓(xùn)練目標函數(shù)即可從海量的文本中捕捉和學(xué)習(xí)到各種類型的有效信息，能夠動態(tài)生成更加準確的具有上下文信息建模能力的字、詞、短語乃至句子和篇章的向量表示和生成概率，并可以在多種下游任務(wù)上取得驚艷的效果，例如問答、閱讀理解、文本蘊含、語義相似度匹配、文本摘要、代碼生成、故事創(chuàng)作等。除了強大的表示學(xué)習(xí)能力和多任務(wù)泛化屬性以外，這些預(yù)訓(xùn)練語言模型還具有強大的小樣本學(xué)習(xí)能力，只需要很少數(shù)據(jù)樣本(甚至是在零樣本學(xué)習(xí)的設(shè)置下)，即可理解特定的任務(wù)并取得和監(jiān)督學(xué)習(xí)模型相當(dāng)甚至更好的表現(xiàn)。在眾多模型中，2020年5月OpenAI公司所提出的第三代GPT模型(GPT-3)憑借其當(dāng)時最大的參數(shù)規(guī)模、非凡的模型能力、多任務(wù)泛化表現(xiàn)以及小樣本學(xué)習(xí)能力入選2021年MIT Technology Review的“全球十大突破性技術(shù)”。

　　(2) GPT等系列模型發(fā)展過程和能力變化

　　預(yù)訓(xùn)練語言模型數(shù)量眾多，其中具有里程碑意義的典型模型包括ELMo、BERT和GPT。限于篇幅，在此只選擇GPT系列模型進行代表性介紹。

　　在對GPT-3模型進行解讀之前，我們首先對預(yù)訓(xùn)練語言模型的初衷和中間發(fā)展過程進行回顧。以N-Gram為代表的傳統(tǒng)語言模型是計算給定語言片段的概率或者給定上文預(yù)測下一個詞的出現(xiàn)概率，采用的是傳統(tǒng)的基于頻率的離散統(tǒng)計概率模型。其主要問題是離散的詞表示方法描述能力差，參數(shù)空間成指數(shù)級增長，基于頻率的統(tǒng)計概率模型建模能力差，導(dǎo)致最終語言模型描述能力不足、魯棒性差、準確率不高。為解決上述問題，以ELMo、BERT和GPT為代表的預(yù)訓(xùn)練語言模型利用大規(guī)模甚至全網(wǎng)數(shù)據(jù)，基于生成式語言模型或者掩碼語言模型，用神經(jīng)網(wǎng)絡(luò)方法訓(xùn)練語言模型。這樣，預(yù)訓(xùn)練語言模型既有傳統(tǒng)模型的概率輸出，也可生成語言片段的向量表示。由于采用神經(jīng)網(wǎng)絡(luò)的方法，可以利用可導(dǎo)、可微等強大的數(shù)學(xué)工具和極大規(guī)模的數(shù)據(jù)，所以預(yù)訓(xùn)練語言模型上下文建模能力超強，可計算出更加準確的概率和上下文強相關(guān)的語言片段的動態(tài)向量表示。

　　ELMo開啟了第二代預(yù)訓(xùn)練語言模型的時代，即上下文相關(guān)和“預(yù)訓(xùn)練+微調(diào)”的范式。ELMo是一種生成式模型，以雙向LSTM作為特征提取器，利用上下文信息動態(tài)建模，較好地解決了以Word2Vec為代表的第一代預(yù)訓(xùn)練語言模型存在的一詞多義問題，在自然語言生成任務(wù)上表現(xiàn)尤為出色。BERT是一種掩碼式語言模型，以Transformer Encoder為特征提取器，在自然語言分析和理解任務(wù)上表現(xiàn)尤為出色。GPT是一種生成式模型，以Transformer Decoder為特征提取器，在自然語言生成任務(wù)上表現(xiàn)更為突出。

　　在上述系列模型提出以前，以自然語言理解為代表的下游任務(wù)主要采用監(jiān)督學(xué)習(xí)的方式在相應(yīng)的標注數(shù)據(jù)集上訓(xùn)練模型。這就需要每一個目標任務(wù)有充足的標注數(shù)據(jù)，并且在特定任務(wù)上訓(xùn)練的模型無法有效地泛化到其他任務(wù)上。在數(shù)據(jù)不足的情況下，這類判別式模型就無法取得令人滿意的效果。針對這一問題，OpenAI團隊提出了第一代的生成式預(yù)訓(xùn)練語言模型(GPT-1)是基于Transformer Decoder的生成式語言模型，對該模型結(jié)構(gòu)沒有新穎改動，但擴大了模型的復(fù)雜度。該類生成式預(yù)訓(xùn)練模型只需要利用非監(jiān)督的語言模型目標函數(shù)即可進行訓(xùn)練，因此可以利用海量的無標注數(shù)據(jù)進行模型學(xué)習(xí)。除此以外，GPT-1模型在增強下游任務(wù)時對各種輸入數(shù)據(jù)的格式進行了統(tǒng)一，以實現(xiàn)最小的模型結(jié)構(gòu)修改?；谝陨蟽蓚€特點，GPT-1只需要簡單的微調(diào)監(jiān)督訓(xùn)練即可用于下游任務(wù)，并取得顯著的效果提升，展示了生成式預(yù)訓(xùn)練語言模型強大的泛化能力。額外的評測發(fā)現(xiàn)GPT-1在零資源的設(shè)置下仍然具有一定的泛化能力。這些結(jié)果展示了生成式預(yù)訓(xùn)練的強大威力，為后續(xù)參數(shù)規(guī)模更大、所需訓(xùn)練數(shù)據(jù)更多的模型版本奠定了基礎(chǔ)。

　　GPT-2在GPT-1的基礎(chǔ)上，對模型結(jié)構(gòu)進行了5點微小改進，增加更多的訓(xùn)練數(shù)據(jù)，進一步提升了生成式預(yù)訓(xùn)練語言模型的泛化能力，重點解決 GPT-1 在下游任務(wù)使用時需要監(jiān)督微調(diào)訓(xùn)練的問題。通過在模型訓(xùn)練時引入任務(wù)信息、利用比GPT-1模型更多的訓(xùn)練數(shù)據(jù)(40GB vs. 5GB)、搭建更大參數(shù)規(guī)模的模型(15億vs. 1.17億)，GPT-2模型在零資源的設(shè)置下超越了多種下游任務(wù)上的前沿模型，例如機器翻譯、閱讀理解、長距離依賴關(guān)系建模等。GPT-2模型的這些特點揭示了更大的模型容量和更多的訓(xùn)練數(shù)據(jù)可以進一步提升模型的泛化能力以及減少對監(jiān)督訓(xùn)練的依賴。此外，GPT-2模型的容量和訓(xùn)練數(shù)據(jù)相比，還處于欠擬合的狀態(tài)，這就需要進一步增大模型的參數(shù)規(guī)模。

　　GPT-3在GPT-2模型的基礎(chǔ)上進一步擴大了參數(shù)(1750億 vs. 15億)和數(shù)據(jù)規(guī)模(45TB vs. 40GB)，是目前為止最大的語言模型，無需微調(diào)訓(xùn)練即可用于下游任務(wù)，在零資源(Zero-shot)和小樣本(Few-shot)設(shè)置下具有出色的表現(xiàn)。在GPT-2的多任務(wù)泛化能力基礎(chǔ)上，GPT-3在新的任務(wù)上取得了驚艷的結(jié)果，包括數(shù)學(xué)加法、新聞文章生成、詞匯解讀、代碼編寫等，并且這種模型表現(xiàn)會隨著參數(shù)量的進一步增加而提升。

　　(3) 成功和局限性背后的根本原因討論

　　通過對比GPT三代模型的設(shè)計初衷和發(fā)展過程可以發(fā)現(xiàn)，三代模型都是基于Transformer Decoder結(jié)構(gòu)，GPT-3模型的強大能力建立在規(guī)模效應(yīng)的基礎(chǔ)上，即超強的泛化能力僅來自于增加模型和訓(xùn)練數(shù)據(jù)的規(guī)模。也就是說，GPT-3的本質(zhì)還是一種數(shù)據(jù)驅(qū)動的模型，通過利用超大容量的模型來擬合海量的數(shù)據(jù)，最終實現(xiàn)模型的收斂。因此，數(shù)據(jù)驅(qū)動模型的特點都會體現(xiàn)在GPT系列模型上，即模型的能力取決于所擬合數(shù)據(jù)的覆蓋范圍、分布情況以及質(zhì)量。無論是新的數(shù)據(jù)還是不同的數(shù)據(jù)分布亦或是數(shù)據(jù)中的噪聲都會給模型帶來災(zāi)難性的問題。最新的測試結(jié)果顯示，GPT-3模型無法在自然語言推理、填空、長文本生成和一些閱讀理解任務(wù)上取得較好的表現(xiàn)，表明GPT-3模型更多的是停留在數(shù)據(jù)擬合階段，而非真正理解自然語言。除此以外，受限于互聯(lián)網(wǎng)文本數(shù)據(jù)的質(zhì)量，GPT-3模型會生成一些帶有偏見且令人厭惡的內(nèi)容。這些都表明，GPT-3依然停留在感知智能階段，距離通用智能和認知智能還有遙遠的距離。因此，GPT-3被認為“具有一定泛化能力的記憶”，更容易獲得并記住陳述性知識，而不是理解知識，不具備真正的邏輯推理能力和明辨是非的能力。

　　(4) GPT-3的意義

　　雖然GPT-3模型還不具有意圖或?qū)ΜF(xiàn)實世界中的請求做出響應(yīng)的能力，但是其對人工智能領(lǐng)域的影響是深遠的。從2012年深度學(xué)習(xí)在各個領(lǐng)域開始爆炸式的發(fā)展到現(xiàn)在已經(jīng)有將近10年的時間，新技術(shù)和新算法的發(fā)展也進入了瓶頸期，數(shù)據(jù)驅(qū)動模型的效果和能力似乎也遇到了天花板，而GPT-3模型的出現(xiàn)為深度學(xué)習(xí)領(lǐng)域注入了一支強心劑并引發(fā)了新的思考。最直接的問題就是這種隨著模型規(guī)模增加而實現(xiàn)的能力擴展是否具有穩(wěn)定性和可預(yù)測性?從短期的結(jié)果來看，這種規(guī)模效應(yīng)還會隨著計算機硬件算力的提升，繼續(xù)提高深度學(xué)習(xí)的天花板。第二個問題是深度學(xué)習(xí)的極限在哪里?這種數(shù)據(jù)驅(qū)動模型是否最終能真正地理解語言?最后，深度學(xué)習(xí)的盡頭是否會是真正的人工智能?是否能實現(xiàn)認知能力和通用智能?

　　從實際應(yīng)用的角度來看，GPT-3的功能非常強大，可以完成問答、閱讀理解、摘要生成、自動聊天、搜索匹配、代碼生成以及文章生成等。鑒于GPT-3模型所面臨的安全性和不可控性，包括在自然語言理解時遇到魯棒性的問題、在內(nèi)容生成時會輸出虛假內(nèi)容和充滿偏見信息的問題等，在某些應(yīng)用場景，其應(yīng)用價值主要還體現(xiàn)在智能輔助任務(wù)上，不能直接面對最終的用戶。例如，在總結(jié)報告生成、創(chuàng)作寫作等任務(wù)中，利用GPT-3根據(jù)用戶的任務(wù)描述生成相應(yīng)的內(nèi)容，再引入人工校驗編輯，將最終編輯后的內(nèi)容呈現(xiàn)給最終用戶。除此以外，GPT-3可以用于開發(fā)游戲應(yīng)用等無明確任務(wù)定義和完成目標的場景。

　　(5) 未來研究方向和我國的相關(guān)情況

　　總的來說，以GPT-3為代表的的預(yù)訓(xùn)練模型還存在各種工程應(yīng)用問題、道德問題和社會問題。同時，在推動該類模型的發(fā)展時還面臨著跨學(xué)科合作、開放共享、資源不平衡和安全防護等挑戰(zhàn)。我國在這方面亦有相應(yīng)的布局和長遠規(guī)劃，目前已經(jīng)取得了非常好的前期成果，以“悟道”和“盤古”為代表的超大規(guī)模智能模型系統(tǒng)已經(jīng)在模型效果、領(lǐng)域移植和泛化、小模型、模型訓(xùn)練效率、多語言、弱相關(guān)多模態(tài)預(yù)訓(xùn)練、通用、可控、知識融入、蛋白質(zhì)序列預(yù)測等場景中取得了突破。相信在未來的10到20年，我國在人工智能基礎(chǔ)技術(shù)創(chuàng)新、人才和團隊建設(shè)、社區(qū)開源等方面會達到世界領(lǐng)先的水平。

　　3 數(shù)據(jù)信托(Data trusts)

　　數(shù)據(jù)信托是信托類型化研究和當(dāng)代信托立法中典型的新生事物，信托制度起源于英國，發(fā)展于美國，從法律角度看，信托是指基于對受托人的信任，委托人從其自身利益出發(fā)，將資產(chǎn)交給受托人管理的行為，數(shù)據(jù)信托則是受托人管理一群人的數(shù)據(jù)或數(shù)據(jù)權(quán)利的行為，這就像醫(yī)生有責(zé)任依據(jù)病人的利益來行事一樣，數(shù)據(jù)受托人管理委托人的數(shù)據(jù)或數(shù)據(jù)權(quán)利，同時要對其利益負責(zé)。理論上，數(shù)據(jù)信托允許用戶行使其作為數(shù)據(jù)生產(chǎn)者的權(quán)利。

　　專家點評：

　　數(shù)據(jù)的價值和資產(chǎn)屬性已經(jīng)被社會熟知和認可，但是數(shù)據(jù)資產(chǎn)存在一個特殊性，即和實體資產(chǎn)相比，數(shù)據(jù)只要在控制人手里，幾乎可無成本進行分析、挖掘、復(fù)制和擴散并獲利，并且其中個人隱私信息無法得到保護，典型的例子是當(dāng)我們通過電商平臺完成交易后，后期總會看到和前期交易內(nèi)容有關(guān)聯(lián)的選擇性推送商品廣告信息，因此帶來一個嚴重的問題，即在數(shù)據(jù)生產(chǎn)者及數(shù)據(jù)權(quán)屬所有者(如廣大公民個體)、數(shù)據(jù)實際控制者(如提供各類服務(wù)的單位部門)、以及數(shù)據(jù)利益的享有者(如能獲取各類數(shù)據(jù)的機構(gòu)企業(yè))相互分離的情況下，生產(chǎn)者的數(shù)據(jù)在采集、分析、挖掘、使用全生命周期中，其隱私如何能得到更好的保護，價值如何能得到更好的保障?；诖?，信托理論被引入用來保護數(shù)據(jù)主體所遭受的敏感信息侵害，加強數(shù)據(jù)安全保護，有效應(yīng)對境內(nèi)外數(shù)據(jù)安全風(fēng)險。2016年，美國耶魯大學(xué)教授杰克·巴金(Jack M. Balkin)在隱私數(shù)據(jù)保護領(lǐng)域首次提出采用信托工具解釋數(shù)據(jù)主體與數(shù)據(jù)控制人之間關(guān)系的主張。2017年，《英國人工智能產(chǎn)業(yè)發(fā)展報告》明確提出了“Data Trust”一詞，并建議利用數(shù)據(jù)信托制度建立數(shù)據(jù)投資治理架構(gòu)，以確保數(shù)據(jù)交換安全互利。2018年10月，英國開放數(shù)據(jù)研究所(Open Data Institute，ODI)首次明確將數(shù)據(jù)信托定義為“提供獨立數(shù)據(jù)管理權(quán)的法律結(jié)構(gòu)”。

　　數(shù)據(jù)信托是數(shù)據(jù)資產(chǎn)信托財產(chǎn)的一個閉環(huán)：數(shù)據(jù)持有者首先要將自己所持有的某一個數(shù)據(jù)資產(chǎn)作為信托財產(chǎn)設(shè)立信托;再進行信托受益權(quán)轉(zhuǎn)讓，委托方通過信托受益權(quán)轉(zhuǎn)讓獲得現(xiàn)金收入;隨后，受托人繼續(xù)委托數(shù)據(jù)服務(wù)商對特定數(shù)據(jù)資產(chǎn)進行運用和增值，產(chǎn)生收益;最后，向社會投資者進行信托利益分配。

　　數(shù)據(jù)信托的實質(zhì)是在數(shù)據(jù)主體與數(shù)據(jù)控制人之間創(chuàng)設(shè)出信托法律關(guān)系，數(shù)據(jù)控制人基于數(shù)據(jù)主體的信任對數(shù)據(jù)享有更大的管理運用權(quán)限，同時也承擔(dān)更嚴格的法律信義義務(wù)。數(shù)據(jù)控制人的數(shù)據(jù)管理運用權(quán)限包括但不限于訪問控制、訪問審核以及數(shù)據(jù)的匿名化處置等重要內(nèi)容，以此平衡數(shù)據(jù)主體的隱私保護與數(shù)據(jù)可交易價值之間的緊張與沖突。與此同時，數(shù)據(jù)控制人還應(yīng)履行對數(shù)據(jù)主體的信義義務(wù)，這主要表現(xiàn)為信托法上的謹慎義務(wù)、忠實義務(wù)、保密義務(wù)等，不得損害數(shù)據(jù)主體的根本利益。

　　數(shù)據(jù)信托主要解決兩大問題：(1)解決數(shù)據(jù)資產(chǎn)的授權(quán)使用問題。數(shù)據(jù)主體既是數(shù)據(jù)信托的委托人也是受益人，數(shù)據(jù)控制人則是數(shù)據(jù)信托的受托人。數(shù)據(jù)控制人的數(shù)據(jù)管理運用權(quán)限包括但不限于訪問控制、訪問審核以及數(shù)據(jù)的匿名化處置等重要內(nèi)容，以此平衡數(shù)據(jù)主體的隱私保護與數(shù)據(jù)可交易價值之間的緊張與沖突。(2)數(shù)據(jù)信托還可以明確數(shù)據(jù)資產(chǎn)的收益安排，使得數(shù)據(jù)資產(chǎn)增值部分的利益歸屬可以按照委托人意愿進行設(shè)計和分配。通過重置數(shù)據(jù)主體與數(shù)據(jù)控制人之間的權(quán)益結(jié)構(gòu)，把數(shù)據(jù)控制人的數(shù)據(jù)權(quán)限與數(shù)據(jù)義務(wù)有效鏈接起來，促進數(shù)據(jù)的合理有效利用。

　　應(yīng)該清楚地看到，數(shù)據(jù)信托作為大數(shù)據(jù)時代的新生事物，無論在法律層面還是保障數(shù)據(jù)信托實施的技術(shù)層面仍不是完備的。

　　首先，在法律層面，針對數(shù)據(jù)使用的用途限制、安全與隱私保護政策及風(fēng)險管控問題，數(shù)據(jù)信托仍需要法定信托屬性、數(shù)據(jù)信托的信托財產(chǎn)范圍、數(shù)據(jù)信托中的信義義務(wù)的具體規(guī)制，建立更加完善的法律法規(guī)。

　　其次，在保障數(shù)據(jù)信托實施的技術(shù)層面，針對數(shù)據(jù)在流轉(zhuǎn)各環(huán)節(jié)都可能面臨的安全風(fēng)險，需要從數(shù)據(jù)隱私保護、數(shù)據(jù)確權(quán)、數(shù)據(jù)追溯、權(quán)益可信分配等多方面提供更加全面、系統(tǒng)、可信的技術(shù)手段，除傳統(tǒng)的數(shù)據(jù)加密、身份認證、安全接入、應(yīng)用保護、訪問控制技術(shù)外，還需要結(jié)合信息技術(shù)的應(yīng)用和發(fā)展，研究如下關(guān)鍵技術(shù)：

　　(1) 隱私保護數(shù)據(jù)發(fā)布，敏感數(shù)據(jù)在進入流通市場之前進行必要的隱私檢驗和脫敏處理。

　　(2) 區(qū)塊鏈技術(shù)的應(yīng)用，有效保證數(shù)據(jù)的可信性、數(shù)據(jù)流通與使用的可追溯性，區(qū)塊鏈技術(shù)也是目前進行數(shù)據(jù)確權(quán)的最佳解決方案。利用區(qū)塊鏈技術(shù)，可以使得登記、交易轉(zhuǎn)讓、清結(jié)算、查詢舉證更加透明、高效、低成本。

　　(3) 隱私保護的聯(lián)邦學(xué)習(xí)，結(jié)合安全多方計算、差分隱私或同態(tài)加密技術(shù)實現(xiàn)分布式的深度學(xué)習(xí)，在智能化學(xué)習(xí)的同時保障用戶的隱私。

　　4 鋰金屬電池(Lithium-metal batteries)

　　制約電動汽車產(chǎn)業(yè)發(fā)展的一大難題就是電池技術(shù)。目前，電動汽車普遍使用的是鋰離子電池，這種電池昂貴、笨重、能量密度低，并且其所依賴的液體電解質(zhì)在碰撞時極易起火。電池的一系列缺點體現(xiàn)在電動汽車上就是：價格高、續(xù)航低、充電慢，而且還存在安全隱患，這些正是讓眾多車主對電動汽車望而卻步的原因。顯然，要使電動汽車比汽油汽車更具競爭力，就需要一種突破性電池來彌補這些缺陷。硅谷初創(chuàng)公司 QuantumScape 聲稱已經(jīng)開發(fā)出全新的鋰金屬電池，其采用固體電解質(zhì)(陶瓷)克服了傳統(tǒng)鋰離子電池存在的這些缺陷。

　　專家點評：

　　當(dāng)代社會生產(chǎn)和生活方式高度依賴于能源的利用。二次電池是一種可以實現(xiàn)化學(xué)能與電能高效可逆轉(zhuǎn)化的器件。鋰離子電池是一種典型的二次電池，具有能量密度高、循環(huán)壽命長、無記憶效應(yīng)、便攜等特點，方便電能的移動存儲、輸運和利用，支撐現(xiàn)代生產(chǎn)生活進入“無線”模式，促進社會朝著清潔、便攜不斷發(fā)展。隨著便攜式電子設(shè)備、電動汽車、儲能電站等新生事物的不斷涌現(xiàn)，鋰離子電池成為當(dāng)下二次電池的“主力軍”。鋰離子電池獲得2019年諾貝爾化學(xué)獎，是對整個行業(yè)的認可和激勵。然而，鋰離子電池受制于自身材料的嵌入式能源存儲機制，歷經(jīng)30余年發(fā)展后，其能量密度逐漸接近極限值。研發(fā)具有更高能量密度的二次電池成為社會共識。

　　此次入選MIT Technology Review 2021“全球十大突破性技術(shù)”的基于固態(tài)電解質(zhì)的鋰金屬電池正是突破鋰離子電池能量密度上限的新體系電池。鋰金屬電池的能量密度可以超過400 Wh/kg，相比于現(xiàn)在鋰離子電池提升30%以上。這意味著電子設(shè)備和電動汽車等可以具有更長的續(xù)航，緩解人們的里程焦慮。鋰金屬電池能量密度高的主要原因是采用轉(zhuǎn)化型儲能機制的鋰金屬為負極。鋰金屬具有極高的理論比容量和極低的電極電勢。事實上，早在20世紀60年代就提出了鋰金屬電池的概念，80年代也做過商業(yè)化嘗試。由于在有機電解液中，鋰金屬負極不均勻鋰沉積引起安全隱患，金屬鋰電池未能在各種應(yīng)用場合中廣泛應(yīng)用。

　　為了克服鋰金屬負極的安全隱患，此次入選突破性技術(shù)采用固態(tài)電解質(zhì)來匹配正極材料和負極材料構(gòu)筑鋰金屬電池。固態(tài)電解質(zhì)可以克服液態(tài)電解液易泄露、易燃的問題。在能量密度和安全性之外，此次入選的突破性技術(shù)對電池快充性能尤為關(guān)注。快充性能的提升，將使得充電和加油一樣方便，是另外一個緩解里程焦慮的方式。基于固態(tài)電解質(zhì)的鋰金屬電池如能夠兼顧能量密度、安全性和快充性能，將有望實現(xiàn)與鋰離子電池相互補充甚至替代。

　　突破性技術(shù)所展示的固態(tài)鋰金屬電池性能是基于電芯水平。如果要應(yīng)用于電子設(shè)備、電動汽車及儲能設(shè)備上，仍需要考慮電芯大規(guī)模、標準化生產(chǎn)以及多電芯串并聯(lián)組裝成電池組的電池管理問題。此外，實際工況遠比實驗室條件復(fù)雜，如高低溫、倍率切換、過充、過放、撞擊擠壓等條件下是否保障安全的問題。針對固態(tài)金屬鋰電池，需要建立一系列性能評價原則，經(jīng)過充分的性能驗證和安全保障繼承，才能滿足實際工況的要求。盡管目前固態(tài)鋰金屬電池展示優(yōu)異的前景，但距離固態(tài)鋰金屬電池真正實用化仍還有許多科學(xué)和技術(shù)問題需要解決。例如，界面接觸電阻大、固態(tài)電解質(zhì)界面穩(wěn)定性、鋰枝晶內(nèi)部生長、固態(tài)電解質(zhì)厚度和固態(tài)電池的成本等。固態(tài)鋰金屬電池仍需要在不斷探究和摸索中發(fā)展。

　　目前我國在固態(tài)鋰金屬電池方面的基礎(chǔ)研究基本與國際同步，產(chǎn)業(yè)研究和技術(shù)工藝方面甚至領(lǐng)先。在國家政策和科技項目的支持下，我國在固態(tài)鋰金屬電池研究方面建立起了從原子、分子，到材料，再到器件的多尺度的認識，并在應(yīng)用示范上取得了一些實際經(jīng)驗，為固態(tài)鋰金屬電池的研究和推廣奠定了堅實的基礎(chǔ)。同時，在項目推進的過程中，一大批有志于從事固態(tài)鋰金屬電池研究的青年成長起來，為固態(tài)鋰金屬電池及其他新型電池體系的持續(xù)推進儲備了人才。

　　固態(tài)鋰金屬電池是極具前景的下一代高能量密度電池，在世界范圍內(nèi)獲得了廣泛研究和投入。固態(tài)鋰金屬電池的突破，對現(xiàn)有的鋰離子電池將是有力的補充或替代，從而能夠為消納間歇性的可再生能源發(fā)電提供技術(shù)基礎(chǔ)，有利于可再生能源的大規(guī)模推廣利用，從而促進能源消費和生產(chǎn)轉(zhuǎn)型，為實現(xiàn)碳中和目標提供強有力支撐。

　　5 “數(shù)字接觸追蹤”技術(shù)(Digital contact tracing)

　　2020 年全球都在經(jīng)歷的新冠肺炎疫情讓 “數(shù)字接觸追蹤” 引起人們的關(guān)注。新冠疫情之下，科技為公共衛(wèi)生調(diào)查人員追溯感染者的行蹤提供新思路 —— 數(shù)字接觸追蹤。使用該技術(shù)，衛(wèi)生調(diào)查人員不再需要依靠病人的記憶對其行蹤進行追蹤，這減輕了對疾病監(jiān)控的壓力。這一技術(shù)對應(yīng)到實際應(yīng)用被稱為 “曝光通知”(Exposure Notification)。對于該數(shù)字接觸追蹤系統(tǒng)，程序員在幾周內(nèi)完成了建立和運行，并將代碼開源共享，以保證全球各地的、蘋果和安卓的用戶都可以使用這一功能。

　　專家點評：

　　為應(yīng)對新冠病毒肺炎疫情，2020年5月蘋果和谷歌公司聯(lián)合推出基于iOS和Android操作系統(tǒng)的智能手機應(yīng)用“暴露通知(Exposure Notification)”，借助數(shù)字設(shè)備和技術(shù)助力新冠肺炎密切接觸者追蹤工作，這一技術(shù)入選MIT Technology Review 2021年“十大突破性技術(shù)”。該技術(shù)的原理是通過手機應(yīng)用程序使用藍牙來匿名連接附近運行同一程序的其他手機設(shè)備，在本地對高風(fēng)險接觸行為進行記錄，一旦某用戶被確診為新冠肺炎患者，該應(yīng)用將會通知其接觸過的其他用戶，從而有利于盡早展開排查和隔離。相比于傳統(tǒng)的流行病學(xué)調(diào)查方式，數(shù)字接觸追蹤技術(shù)可以有效提升追蹤效率并降低人力成本。

　　事實上，“暴露通知”并非首個針對新冠疫情的數(shù)字接觸追蹤應(yīng)用。早在2020年3月，韓國開發(fā)了“新冠肺炎疫情智能管理系統(tǒng)”，主要通過采集手機用戶的GPS定位數(shù)據(jù)來判斷用戶與確診患者間是否存在密切接觸的可能。同樣采用GPS定位數(shù)據(jù)的還有以色列開發(fā)的“TheShield”應(yīng)用，由于位置信息屬于敏感信息，這類應(yīng)用都面臨著隱私安全方面的問題。新加坡開發(fā)的“TraceTogether”應(yīng)用，則是采用藍牙匿名連接的方式進行接觸追蹤，由于藍牙連接只會記錄匿名接觸信息而不采集用戶地理位置等敏感信息，數(shù)據(jù)也只會分散式地存儲在用戶設(shè)備本地，因而在隱私保護方面具有顯著的優(yōu)勢，與“暴露通知”有所不同，新加坡可依據(jù)當(dāng)?shù)胤ㄒ?guī)從新冠肺炎患者的TraceTogether應(yīng)用中讀取存儲數(shù)據(jù)并獲得密切接觸者的手機號信息，具有一定的集中式特點。

　　我國采用的技術(shù)路線與前述略有不同，從疫情爆發(fā)以來我國推出的“健康碼”應(yīng)用，是通過個體主動的掃碼上報，利用全國一體化政務(wù)服務(wù)平臺實現(xiàn)接觸追蹤，而“通信大數(shù)據(jù)行程卡”則是利用多家運營商的“手機信令數(shù)據(jù)”為用戶提供快速的行程追蹤服務(wù)，這兩類數(shù)字追蹤更多地基于集中式服務(wù)平臺、側(cè)重于區(qū)域接觸追蹤而非直接的個體接觸追蹤。

　　迄今為止，盡管有許多國家應(yīng)用數(shù)字接觸追蹤技術(shù)應(yīng)對新冠疫情，這些應(yīng)用對于抗擊疫情的價值仍存在爭議。一方面，許多應(yīng)用程序僅為自愿使用，總體使用率偏低使其很難發(fā)揮作用。這其中的原因是多方面的，包括用戶對程序安全性的擔(dān)憂、部分軟件運作異常、智能手機普及率有限等。另一方面，分散式應(yīng)用程序雖然能夠有效保護用戶隱私，但也使得密切接觸者的檢測和隔離完全取決于個人意志，無法保障防疫效果。對于前者，需要研究合適的宣傳引導(dǎo)策略，并保障應(yīng)用程序獲取和使用的通暢。對于后者，需要探索隱私保護和防疫效果之間更優(yōu)的權(quán)衡方案。從抗疫成果上來看，我國所采用技術(shù)路線是較為成功的案例，國家的宣傳與引導(dǎo)保障了總體使用率，相對集中式的信息獲取和存儲保障了醫(yī)療衛(wèi)生部門對密接者的高效排查和處理，當(dāng)然這其中配合了強隱私保護機制以防止數(shù)據(jù)被濫用。

　　對于新冠肺炎疫情期間產(chǎn)生的數(shù)字接觸追蹤這一突破性技術(shù)，目前仍然處于早期發(fā)展階段，技術(shù)本身的應(yīng)用范圍未來也不僅限于疫情防控，對很多應(yīng)用領(lǐng)域可能帶來新的啟示。我認為以下方向值得進一步研究探索：

　　(1) 數(shù)字接觸追蹤隱私保護理論探索。數(shù)字接觸追蹤涉及到以人為目標的數(shù)據(jù)采集、存儲、使用和銷毀等流程，需要著重考慮隱私保護問題，探索隱私保護的相關(guān)理論，并在技術(shù)的設(shè)計階段即予以解決。采集階段如何做到最小化采集，非必要的數(shù)據(jù)不采集;采集的數(shù)據(jù)哪些應(yīng)當(dāng)存儲在本地，非必要不上傳、不公開;數(shù)據(jù)的使用應(yīng)當(dāng)限定授權(quán)給哪些單位和個人;如何設(shè)定數(shù)據(jù)的存儲期限，過期數(shù)據(jù)如何保障其盡快被銷毀。

　　(2) 隱私保護與應(yīng)用效果的權(quán)衡機制探索。在涉及公共安全和國家安全的應(yīng)用場景，過于追求對隱私的保護可能將難以發(fā)揮應(yīng)用的效果，而讓渡部分隱私信息可能有效提升應(yīng)用效果，這就需要探索兩者之間的最優(yōu)權(quán)衡機制。數(shù)字接觸追蹤這一實例中，完全分散式的方案完整地保護了隱私，但密接者的響應(yīng)只能依靠自覺，對防疫的作用有限;而部分集中式的方案則允許國家介入獲得確診者和密接者的部分關(guān)鍵信息，使得密接者能夠獲得及時妥當(dāng)?shù)奶幚?，但存在隱私泄露的風(fēng)險。因此，高安全、高效率的數(shù)字接觸追蹤技術(shù)與機制仍然值得深入探索。

　　(3) 在其他領(lǐng)域的應(yīng)用探索。數(shù)字接觸追蹤是追蹤技術(shù)在醫(yī)療衛(wèi)生領(lǐng)域的一項應(yīng)用，實現(xiàn)了對歷史數(shù)據(jù)的有效記錄和對關(guān)鍵數(shù)據(jù)的高效查詢。類似的需求在社會治理和國家安全方面同樣存在，值得探索數(shù)字追蹤技術(shù)在更加廣闊的社會場景中的應(yīng)用價值。

　　6 超高精度定位(Hyper-accurate positioning)

　　全球衛(wèi)星定位系統(tǒng)的精度正在從 “米” 提高到 “厘米” 級別，這將為自動駕駛汽車、送貨機器人等在街道上安全行駛提供更大支撐。2020 年正式開通的北斗三號全球衛(wèi)星導(dǎo)航系統(tǒng)可實時捕獲地面上幾米的位置變化，甚至其處理精度能夠達到毫米級。該系統(tǒng)已用于檢測中國各地山體滑坡易發(fā)地區(qū)地表的細微變化，并于當(dāng)年預(yù)測到中國湖南省將遭遇數(shù)十年來最嚴重的山體滑坡，使村民得以提前撤離。中國科學(xué)院航天信息研究所專家表示，如果衛(wèi)星定位精度仍然在米或分米的水平，對此，這是不可能實現(xiàn)的。

　　其實，北斗和全球衛(wèi)星定位系統(tǒng)(GPS)精度的進一步提升都需要通過地面設(shè)施來提高定位精度。在目前廣泛使用的方法中，一種是實時動態(tài)(Real Time Kinematic，RTK)定位，精度可達 3 cm 以下;另一種是精確點定位(Precise Point Positioning，PPP)，也可以達到厘米級別的精度。此外，中國科學(xué)院航天信息研究所專家表示：“我們正在開發(fā) PPP-RTK 技術(shù)，結(jié)合二者的優(yōu)勢，有望在幾年后投入使用。”

　　專家點評：

　　衛(wèi)星導(dǎo)航定位技術(shù)是目前最廣泛、最廉價、最便捷的定位導(dǎo)航和定時(PNT)手段，是國家經(jīng)濟建設(shè)、國防建設(shè)、交通運輸?shù)闹匾A(chǔ)設(shè)施，為智慧城市、物聯(lián)網(wǎng)、智能交通等體系建設(shè)提供了全球覆蓋、全天候的時間與位置服務(wù)。

　　中國自主研發(fā)建設(shè)的北斗全球衛(wèi)星導(dǎo)航系統(tǒng)(BDS-3)不僅向全球用戶提供標準定位導(dǎo)航和授時(PNT)服務(wù)，還向中國及周邊提供精度更優(yōu)的星基增強(BDSBAS)和星基精密單點定位(B2b-PPP)服務(wù)，可以實現(xiàn)米級、分米級和厘米級精度定位。當(dāng)然，用戶也可以通過地基差分定位獲得毫米級精度定位。此次超高精度定位技術(shù)入選“MIT全球十大突破性技術(shù)”，不僅得益于北斗系統(tǒng)設(shè)計和功能的創(chuàng)新，各類地基定位技術(shù)和算法的改進也為高精度北斗定位提供了重要支撐。

　　(1) 特色混合星座設(shè)計

　　北斗衛(wèi)星導(dǎo)航系統(tǒng)創(chuàng)造性地設(shè)計了包括3顆地球靜止軌道衛(wèi)星(GEO)、3顆傾斜地球同步軌道衛(wèi)星(IGSO)和24顆中圓軌道衛(wèi)星(MEO)的混合星座。地球靜止軌道衛(wèi)星星座為星基增強、星基精密單點定位提供了重要平臺;傾斜軌道衛(wèi)星星座為局部觀測幾何增強提供了支持;中圓軌道星座實現(xiàn)了全球PNT服務(wù)，并為特定用戶提供國際搜救、全球短報文服務(wù)。

　　(2) 高精度衛(wèi)星星歷

　　要提供高精度定位服務(wù)首先需要實現(xiàn)高精度的導(dǎo)航衛(wèi)星軌道測定和時間同步。受多方因素影響，中國僅能在境內(nèi)布設(shè)北斗衛(wèi)星地面跟蹤站，嚴重制約著北斗衛(wèi)星軌道測定精度和時間同步精度。為此，北斗三號衛(wèi)星搭載了星間鏈路載荷進行星座衛(wèi)星間的測距和通信，優(yōu)化觀測幾何，從而實現(xiàn)高精度衛(wèi)星軌道測定和時間同步。北斗星間鏈路采用Ka波段雙單向測距體制，測量精度為分米級，對北斗全球星座的軌道測定和時間同步發(fā)揮了重要作用。2020年6月，Inside GNSS引用多篇國內(nèi)學(xué)者文獻，評價“北斗成為GNSS中唯一具備星間鏈路這一精度提升功能的系統(tǒng)”;2020年9月，Oliver Montenbruck 在文章中對四大全球?qū)Ш叫l(wèi)星系統(tǒng)(GNSS)系統(tǒng)的服務(wù)性能進行評估，作者認為BDS-3和Galileo的空間信號精度相對更優(yōu)，而BDS-3空間信號精度結(jié)果得益于星間鏈路支持下獲得的高穩(wěn)定鐘差。在星間鏈路的支持下，北斗MEO衛(wèi)星廣播軌道精度優(yōu)于30 cm，廣播鐘差精度優(yōu)于0.6 ns。目前，北斗全球系統(tǒng)廣播星歷每1小時更新一次，星歷的高頻更新在一定程度上降低了預(yù)報星歷累積誤差對定位精度的影響。

　　(3) 標準定位服務(wù)

　　北斗全球衛(wèi)星導(dǎo)航系統(tǒng)建成以來，服務(wù)性能穩(wěn)步提升。根據(jù)國際GNSS監(jiān)測評估中心(iGMAS)的監(jiān)測結(jié)果，正常情況下，北斗單頻定位精度在水平方向優(yōu)于3 m，高程方向優(yōu)于5 m，授時精度優(yōu)于 15 ns，服務(wù)性能遠優(yōu)于設(shè)計指標。

　　(4) 星基精密單點定位服務(wù)

　　傳統(tǒng)的精密定位需通過互聯(lián)網(wǎng)獲取國際GNSS服務(wù)中心(IGS)或其他機構(gòu)提供的精密衛(wèi)星星歷產(chǎn)品，才能進行高精度定位解算，沙漠、高原、海上等無網(wǎng)絡(luò)覆蓋地區(qū)用戶無法使用此類服務(wù)。BDS-3創(chuàng)新性地將精密單點服務(wù)嵌入三顆GEO衛(wèi)星，通過B2b頻點向中國及周邊地區(qū)播發(fā)北斗和GPS衛(wèi)星的精密星歷和碼間偏差(DCB)，用戶接收信息后，可以根據(jù)需要，進行單頻或雙頻精密單點定位解算。目前，星基實時精密單點定位服務(wù)的水平分量精度優(yōu)于0.3 m，高程分量精度優(yōu)于0.5 m。最新報道表明，將快速動態(tài)定位與精密單點定位組合(RTK-PPP)1分鐘內(nèi)即可實現(xiàn)動態(tài)厘米級定位。如果采用事后精密定位的方式，可以獲得毫米級精度的定位。

　　(5) 星基增強服務(wù)

　　在標準定位服務(wù)的基礎(chǔ)上，北斗系統(tǒng)可向中國及周邊地區(qū)用戶提供星基增強服務(wù)，滿足民航、高鐵等高安全、高精度用戶需求。北斗SBAS將衛(wèi)星軌道、鐘差、電離層延遲等各項誤差模型化處理后，通過地球靜止軌道衛(wèi)星(GEO)播發(fā)至用戶，從而實現(xiàn)米級至分米級增強定位。從2020年的測試結(jié)果來看，單頻增強定位精度水平分量優(yōu)于1.5 m，高程分量優(yōu)于2 m;雙頻增強定位精度水平分量優(yōu)于1 m，高程分量優(yōu)于1.5 m。

　　(6) 地基差分技術(shù)

　　除了依靠北斗衛(wèi)星自身提供的星基精密單點定位服務(wù)和星基增強服務(wù)，用戶也可在地面通過差分GNSS技術(shù)實現(xiàn)分米、厘米甚至毫米級高精度定位。國內(nèi)多個省份和多個行業(yè)都已經(jīng)建立了北斗差分服務(wù)網(wǎng)絡(luò)，向服務(wù)區(qū)內(nèi)的廣大用戶提供精密定位和定時該服務(wù)。

　　(7) 未來發(fā)展

　　北斗高精度定位導(dǎo)航和授時服務(wù)取得了舉世矚目的進步，但是，衛(wèi)星導(dǎo)航具有天然的脆弱性。未來，還將建設(shè)國家綜合PNT體系，包括低軌導(dǎo)航衛(wèi)星增強、天基導(dǎo)航與地基無線電通信組合增強、以及與海面、海底定位系統(tǒng)的組合服務(wù)等。在自主定位導(dǎo)航和定時方面，微型化慣性導(dǎo)航、微型化原子鐘、量子導(dǎo)航定位、量子時鐘等也會得到快速發(fā)展。用戶獲取超高精度定位服務(wù)的方式更加靈活，手段更加便捷，定位服務(wù)的精度、連續(xù)性、可用性和可靠性也將得到進一步提升。

　　7 遠程技術(shù)(Remote everything)

　　遠程技術(shù)是指利用無線/有線網(wǎng)絡(luò)通信技術(shù)，通過將分布在不同空間位置的多個終端有效互聯(lián)，實現(xiàn)高效的信息傳播和共享，進而提高遠程工作、學(xué)習(xí)的便捷性和效率。自20世紀70年代以來，隨著傳感器技術(shù)、信息與通訊技術(shù)(ICT)、人工智能(AI)等相關(guān)技術(shù)的快速發(fā)展，遠程技術(shù)得到了長足進步，并被廣泛應(yīng)用于教育、醫(yī)療等領(lǐng)域。特別是受新冠肺炎疫情的影響，遠程技術(shù)得以短時間內(nèi)迅速發(fā)展，導(dǎo)致諸多行業(yè)工作方式以及普通民眾生活方式上的重大變革。因此遠程技術(shù)入選2021年MIT Technology Review“全球十大突破性技術(shù)”。

　　專家點評：

　　近年來，隨著5G通信、工業(yè)互聯(lián)網(wǎng)和人工智能技術(shù)的快速發(fā)展，以及智能移動終端的普及，為以遠程教育、遠程醫(yī)療為代表的遠程技術(shù)的廣泛應(yīng)用奠定了基礎(chǔ)。其中，遠程教育，也稱在線教育，是指利用電視、電話、互聯(lián)網(wǎng)等傳播媒體的新型教學(xué)模式，該模式更具靈活性，突破了線下教育在時間、空間上的限制。通過結(jié)合5G通訊、高清成像、虛擬現(xiàn)實等信息技術(shù)，可以實現(xiàn)優(yōu)質(zhì)課堂資源的快速遠程共享，一定程度上避免了教育資源分配不均等問題。通過對教育相關(guān)大數(shù)據(jù)的采集，如考試問卷、師生表情、生理電信號、動作姿態(tài)等信息，利用人工智能技術(shù)可進行學(xué)習(xí)狀態(tài)監(jiān)測、學(xué)習(xí)質(zhì)量評估、學(xué)習(xí)行為建模等處理，有望提高學(xué)習(xí)效率并改善教學(xué)質(zhì)量。

　　遠程醫(yī)療以先進信息和通信、VR/AR、遙操作等技術(shù)為依托，發(fā)揮發(fā)達地區(qū)醫(yī)療優(yōu)勢，可為醫(yī)療條件較差的地區(qū)、海島或艦船上的人員提供遠程醫(yī)療培訓(xùn)、醫(yī)療診斷、手術(shù)、治療、康復(fù)和咨詢等服務(wù)，對于醫(yī)療資源均衡分配具有重要意義。特別是隨著5G通訊、“互聯(lián)網(wǎng)+醫(yī)療”的興起，云掛號、云咨詢、云問診、云處方等遠程醫(yī)療技術(shù)讓人們就醫(yī)變得更加便利。例如，5G網(wǎng)絡(luò)通訊技術(shù)的高速率及低延遲，讓基于遙操作技術(shù)的機器人手術(shù)成為可能。新冠肺炎疫情以來，各種基于遠程技術(shù)的機器人系統(tǒng)在遠程手術(shù)、遠程急救、移動查房、移動送藥送餐、移動消毒等領(lǐng)域發(fā)揮重要作用。

　　因此，世界各國政府均加強了遠程教育、遠程醫(yī)療上的政策保障和資金投入。遠程教育方面，英國是最早實行大學(xué)遠程教育的國家，其中最具代表性的英國開放大學(xué)(The Open University)全部課程采用遠程教學(xué)。該學(xué)校1969年建校至今已培養(yǎng)超過220萬名畢業(yè)生。1998年,美國國會通過了《高等教育法修正案》,取消了對遠程教育的多種限制。遠程醫(yī)療方面，美國、法國、德國等國家為遠程醫(yī)療制定了相關(guān)法律法規(guī)，并逐步完善了電子處方、數(shù)字醫(yī)療建檔、數(shù)字醫(yī)療保險等相關(guān)體系和制度的建設(shè)。此外，比利時、意大利、新西蘭、西班牙、英國等國家的醫(yī)療保健體系也為遠程醫(yī)療制定了相關(guān)規(guī)定。2021年發(fā)布的我國“十四五”規(guī)劃中，明確將推廣數(shù)字化教育、在線醫(yī)療等遠程技術(shù)應(yīng)用列入未來五年計劃。

　　近年來，在市場、技術(shù)、政策的多重推動下，遠程教育、遠程醫(yī)療產(chǎn)業(yè)愈發(fā)活躍，特別是新冠疫情加速了遠程教育、遠程醫(yī)療產(chǎn)業(yè)的爆發(fā)式發(fā)展。例如，微軟、IBM、谷歌、Cisco等大型國際科技公司均推出了自己的遠程技術(shù)解決方案。IBM開了放IBM Skills, Open P-TECH 以及 IBM AI Education series for teachers三個教育平臺，提供在線課程資源、結(jié)業(yè)認證等服務(wù)。遠程辦公軟件Zoom支持多終端視頻會議，可提供線上教學(xué)。Cisco公司為醫(yī)院、診所等醫(yī)療機構(gòu)提供電子病歷、工作流程等解決方案，應(yīng)用于遠程初級診療、遠程病房監(jiān)控等場景。LG CNS將遠程技術(shù)應(yīng)用于電子醫(yī)療檔案、移動通訊照護、老年公寓監(jiān)護等領(lǐng)域。美國Mercy Virtual虛擬醫(yī)療中心，提供遠程全天候值班護士、陪護、急診、家庭監(jiān)護、重癥監(jiān)護等遠程醫(yī)療服務(wù)。國內(nèi)，騰訊、阿里、華為等大型科技公司也紛紛推出了遠程個性化在線解決方案。例如，釘釘提供教育、醫(yī)療等多個領(lǐng)域的數(shù)字化解決方案，2020年實現(xiàn)用戶增長量100%，達到了4億用戶。我國的國家遠程醫(yī)療中心逐步形成“國際—國內(nèi)—省—市—縣—鄉(xiāng)—村”的7級醫(yī)療服務(wù)體系。疫情期間，國家遠程醫(yī)療中心與華為等公司合作，建成了基于5G SA與固網(wǎng)融合的疫情防控與遠程醫(yī)療綜合服務(wù)體系。此外，國內(nèi)的VIPKID、51Talk、猿輔導(dǎo)、妙手醫(yī)生、企鵝杏仁、好大夫在線等新興遠程技術(shù)企業(yè)也開發(fā)了相關(guān)平臺并實現(xiàn)快速發(fā)展。

　　總體而言，目前遠程技術(shù)已在某些特定場景實現(xiàn)廣泛應(yīng)用，未來市場需求旺盛。但是，在技術(shù)方面依然存在諸多挑戰(zhàn)，例如，感知方面，遠程技術(shù)無法對微表情、觸覺、嗅覺、味覺等信息進行采集和反饋;交互方面，遠程技術(shù)無法理解人的復(fù)雜意圖，且情感交互能力缺失;大數(shù)據(jù)方面，數(shù)據(jù)安全、隱私保護等面臨的問題依舊嚴峻。此外，相關(guān)法律、法規(guī)的建立，各種保障制度的完善以及遠程技術(shù)人才的培養(yǎng)等方面還有很多工作需要完成。

　　8 多技能AI(Multi-skilled AI)

　　2012 年底，人工智能科學(xué)家首次弄清了如何讓神經(jīng)網(wǎng)絡(luò) “擁有視覺”，隨后，他們還掌握了如何讓神經(jīng)網(wǎng)絡(luò)模仿人類推理、聽覺、語言和寫作的方式。雖然人工智能在完成特定任務(wù)方面已經(jīng)變得非常像人類，甚至是超越人類，但它仍然沒有人類大腦的 “靈活性”，即人腦可以在一種情境中學(xué)習(xí)技能，并將其應(yīng)用到另一種情境中。

　　受兒童成長過程的啟發(fā)，如果將感官和語言結(jié)合起來，并讓人工智能擁有更接近于人類的方式來收集和處理信息，那么它能否發(fā)展出對世界的理解?答案是肯定的。這些可同時獲得人類智能的感官和語言的 “多模態(tài)” 系統(tǒng)，應(yīng)該會生成一種更強大的人工智能，也更容易適應(yīng)新情況、以及解決新問題。如此一來，我們便可以使用這樣的算法來解決更復(fù)雜的問題，或者將其移植到機器人中去，使得機器人能夠在日常生活中與我們交流協(xié)作。2020 年 9 月，艾倫人工智能研究所 AI2 的研究人員創(chuàng)建了一個可以從文本標題生成圖像的模型，展示了算法將單詞與視覺信息關(guān)聯(lián)的能力;11 月，北卡羅來納大學(xué)教堂山分校的研究人員開發(fā)了一種將圖像納入現(xiàn)有語言模型的方法，此舉提高了模型的閱讀理解能力;2021 年初，OpenAI 對 GPT-3 進行了擴展，發(fā)布了兩個視覺語言模型，其中一個將圖像中的對象與標題中描述它們的單詞聯(lián)系起來，另一個則根據(jù)它所學(xué)的概念組合生成圖像。從長遠來看，“多模態(tài)” 系統(tǒng)取得的重大進展可以幫助突破人工智能的極限，不僅會解鎖新的人工智能應(yīng)用，也會讓它們的應(yīng)用變得更加安全可靠，更加精密的多模態(tài)系統(tǒng)也將使更先進的機器人助手成為可能?？偠灾?，多模態(tài)系統(tǒng)可能會成為第一批我們可以真正信任的人工智能。

　　專家點評：

　　人工智能正成為推動人類進入智能時代的決定性力量。讓機器能夠像人一樣思考、感受和認識世界，是人工智能科學(xué)家們孜孜以求的終極目標。算法、算力、數(shù)據(jù)規(guī)模的迅速提升，讓面向特定任務(wù)的人工智能技術(shù)迎來了爆發(fā)式的發(fā)展。目標檢測與識別、人機對弈、無人駕駛等技術(shù)實現(xiàn)了前所未有的突破，在局部智能水平的單項測試中甚至超越人類。然而，這樣的智能系統(tǒng)局限在任務(wù)單一、需求明確、應(yīng)用邊界清晰、領(lǐng)域知識豐富、建模相對簡單的場景中。例如， DeepMind的AlphaGo可以擊敗世界上最好的圍棋大師，但它并不能將這種能力擴展到棋盤之外。

　　可以預(yù)見，多技能人工智能(Multi-skilled AI)將是下一代人工智能發(fā)展的趨勢，也是研究和應(yīng)用領(lǐng)域的重大挑戰(zhàn)。多技能AI旨在拓展現(xiàn)有人工智能技術(shù)的感知邊界，賦予智能系統(tǒng)多種能力，多技能相互協(xié)同，完成復(fù)雜任務(wù)。其中，多感官的結(jié)合非常關(guān)鍵，可以預(yù)想，當(dāng)機器開始將語言與視覺、聽覺等其他感官信息相關(guān)聯(lián)時，它們就能夠描述越來越復(fù)雜的現(xiàn)象和動態(tài)。從僅反映相關(guān)性的內(nèi)容中推理因果關(guān)系，并構(gòu)建復(fù)雜的世界模型。這樣的模型可以幫助它們在陌生的環(huán)境中導(dǎo)航，并在上下文中添加新的知識和經(jīng)驗。

　　多技能AI的發(fā)展，對于人工智能技術(shù)突破現(xiàn)有局限，以及它的落地和普及都具有非常重要的意義。具備多種技能的系統(tǒng)可以勝任更多的應(yīng)用場景，協(xié)同、高效地完成復(fù)雜任務(wù)，讓高智能機器人的出現(xiàn)成為可能。當(dāng)前一代的人工智能驅(qū)動的機器人主要使用視覺數(shù)據(jù)來引導(dǎo)并與周圍環(huán)境進行交互，這在有限的環(huán)境中完成簡單的任務(wù)十分靈活，但是在更為復(fù)雜的場景中將失靈。多技能AI將給未來的技術(shù)帶來靈活性和安全性，篩選簡歷的算法不會將性別和種族等無關(guān)的特征視為能力的標志，自動駕駛汽車不會在陌生的環(huán)境中迷失方向，不會在黑暗或下雪的天氣中墜毀。它的發(fā)展將直接賦能醫(yī)療，教育，航天等其他領(lǐng)域，推動智能時代的進程。由于具備的深遠影響力以及廣泛的應(yīng)用前景和發(fā)展前景，多技能人工技能被MIT Technology Review評選為2021年“全球十大突破技術(shù)”之一。

　　國際上已經(jīng)逐步開始關(guān)注到多技能AI技術(shù)方向，目前被廣泛稱為通用人工智能。早在2016年10月，美國國家科學(xué)技術(shù)委員會發(fā)布《國家人工智能研究與發(fā)展戰(zhàn)略計劃》，提出在美國的人工智能在中長期發(fā)展策略中要著重研究通用人工智能。微軟在2017年成立了通用人工智能實驗室，眾多感知、學(xué)習(xí)、推理、自然語言理解等方面的科學(xué)家參與其中。騰訊的董事會主席兼首席執(zhí)行官馬化騰在2019世界人工智能大會上表示：“實現(xiàn)從專用人工智能向通用人工智能的跨越發(fā)展，這也是下一階段的重要趨勢?！?p>　　目前著手這個領(lǐng)域研究的團隊主要是大型研究機構(gòu)，包括微軟的AI研究所、Alphabet旗下的DeepMind和Google Brain、特斯拉CEO Elon Musk和風(fēng)投大亨Peter Thiel支持的OpenAI，以及捷克的GoodAI等。2019年10月，DeepMind推出的新版AlphaStar[1]，可以實現(xiàn)與真實世界中的玩家實現(xiàn)了復(fù)雜場景交互中的對戰(zhàn)，并且排名超越了99.8%的玩家。2020年，OpenAI開發(fā)出包含1750億個神經(jīng)的GPT-3[2]，以此為基礎(chǔ)開發(fā)出全能的“通才”，可以同時具備數(shù)據(jù)庫工程師、會計、運維、智能客服等30多種功能，儼然一副取代人類的架勢。目前，國內(nèi)也逐漸開始關(guān)注到這個領(lǐng)域，擁有大量的人才和資金優(yōu)勢，并在專項領(lǐng)域有雄厚的積累，未來的發(fā)展一片光明。

　　多技能人工智能必將成為未來的主流趨勢，擁有廣闊的應(yīng)用前景和發(fā)展空間，但是目前仍有很長的一段路要走。首先，最主要的問題是目前研發(fā)的成本過高，導(dǎo)致研究團隊主要集中在少數(shù)幾家龍頭企業(yè)，這有待于硬件技術(shù)和模型緊湊壓縮技術(shù)的進一步發(fā)展。其次，該項技術(shù)需要解決對于標注數(shù)據(jù)高度依賴問題，盡可能使用更少的特定領(lǐng)域數(shù)據(jù)，看好無(自)監(jiān)督技術(shù)的發(fā)展可以成為這個問題的解。最后，如何增量更新經(jīng)驗與新任務(wù)，動態(tài)改正錯誤，不斷的在自我學(xué)習(xí)中變的強大，將是模型不斷變強的根本路線。

　　9 TikTok推薦算法(TikTok recommendation algorithms)

　　TikTok 是全球最具吸引力、增長最快的社交媒體平臺之一。截至目前，TikTok 在全球范圍內(nèi)已超過 26 億次下載量，在美國擁有 1 億用戶。TikTok 發(fā)現(xiàn)和提供內(nèi)容的獨特方式是其具有吸引力的 “秘密武器”。

　　TikTok 將網(wǎng)紅博主的視頻與新人博主的視頻混合放在 “為你推薦” 頁面，然后以瀏覽量獎勵優(yōu)質(zhì)創(chuàng)作內(nèi)容，用這種方式將更多新人博主的視頻推給廣大用戶。該應(yīng)用不同于其他社交媒體平臺的是，任何人在 “為你推薦” 頁面都有可能 “一舉成名”。視頻將通過 TikTok 的推薦算法向與視頻博主有共同興趣、愛好或特定身份的用戶不斷推薦，從而使優(yōu)質(zhì)的創(chuàng)作內(nèi)容快速傳播。視頻博主有多少粉絲、是否走紅過等因素并不會作為 TikTok 推薦算法的判斷依據(jù)，它的推薦取決于視頻標題、聲音和標簽，結(jié)合用戶拍攝內(nèi)容、點贊過的視頻領(lǐng)域等進行推薦。概括來說，TikTok 增強用戶粘性的技能越來越 “爐火純青”，不僅能夠精準地為用戶推薦感興趣的視頻，還能通過推薦算法幫助他們拓展與其有交集的新領(lǐng)域。

　　專家點評：

　　隨著互聯(lián)網(wǎng)應(yīng)用水平的提高，用戶對于互聯(lián)網(wǎng)內(nèi)容的需求越來越具體和精準，這使得個性化的信息服務(wù)越來越受到用戶的青睞。個性化推薦旨在對用戶的特定興趣偏好和需求進行理解，并進而滿足這種不同類型的信息需求。近年來，個性化推薦越來越成為學(xué)術(shù)研究和實際應(yīng)用中的熱點領(lǐng)域。

　　個性化推薦的目的，是為用戶提供符合其興趣或需求的內(nèi)容，例如商品、電影、音樂、視頻、新聞、圖書、旅游景點、課程、餐館等等。而衡量個性化推薦結(jié)果好壞的評價指標，除了人們所容易想到的精準度(Precision)以外，還包括多樣性(diversity)、新穎性(novelty)、驚喜性(serendipity)、可解釋性(explainability)，以及近幾年來新提出的公平性(fairness)。個性化服務(wù)的目的，也從傳統(tǒng)的滿足大眾普遍的愛好，越來越強調(diào)滿足長尾用戶、個體用戶的細分的興趣領(lǐng)域。為用戶提供符合興趣需求的細分領(lǐng)域的內(nèi)容(niche item，與熱點內(nèi)容popular item相對)，就成為近些年來人們提出的一個挑戰(zhàn)性的也是重要的問題。

　　這一點在社交媒體應(yīng)用中體現(xiàn)得尤其明顯。TikTok是近年來新興起的以短視頻為主的社交媒體平臺，增長速度極快，目前在全球范圍內(nèi)已經(jīng)超過26億次下載量，在美國擁有1億用戶，被認為是全球最具有吸引力的社交媒體平臺之一。TikTok將新博主的視頻和網(wǎng)紅博主的視頻混合放在“為你推薦”頻道，以瀏覽量來獎勵優(yōu)質(zhì)創(chuàng)作內(nèi)容，因而任何人都有可能在該平臺上“一舉成名”。由于其所使用的推薦算法會將視頻推送給與視頻博主有相似的興趣、愛好或特定身份的用戶，這種“投其所好”的行為很大程度上鼓勵了視頻被觀看，因而使優(yōu)質(zhì)的創(chuàng)作內(nèi)容快速地傳播。在算法中，作為推薦依據(jù)的不僅僅靠博主的粉絲數(shù)、是否有過熱門視頻，更重要的還有視頻標題、聲音、內(nèi)容標簽屬性等等，與用戶觀看或點贊過的視頻、拍攝過的內(nèi)容等的細分的興趣領(lǐng)域相結(jié)合，基于個性化推薦領(lǐng)域經(jīng)典的協(xié)同過濾及內(nèi)容推薦方法做出最終的推薦。因此TikTok不僅能夠精準地為用戶推薦感興趣的視頻，還能通過推薦算法幫助他們拓展其可能感興趣的新的細分領(lǐng)域的內(nèi)容，從而提升了用戶在新穎性和驚喜性方面的需求。TikTok的推薦算法入選MIT Technology Review 2021的“全球十大突破技術(shù)”，正是因為算法滿足了每位個體用戶的具體的細分興趣需求，而不再僅強調(diào)追隨熱點的“從眾效應(yīng)”。

　　其實這一評選結(jié)果也是對近幾年來國際社會越來越關(guān)注的推薦系統(tǒng)的“公平性”問題的直接反映。從2012年起，研究者們開始發(fā)現(xiàn)和討論不同推薦場景下存在的公平性問題。例如，在工作推薦場景中，與同能力水平的男性相比，女性可能會被推薦薪酬較低的工作崗位;在電影推薦場景中，不同性別、年齡的人可能會被推薦不同質(zhì)量的電影;在圖書推薦場景中，女性作者的書籍在評分上受到不公平的對待等。2019年還有研究者提出基于熱門內(nèi)容的推薦會帶來推薦系統(tǒng)的偏差，將其稱為“熱點偏差”(Popularity bias)。推薦系統(tǒng)中的不公平性不僅存在于信息的接受者即觀看內(nèi)容的用戶端，還存在于信息的創(chuàng)造者即發(fā)布內(nèi)容的用戶端，例如在傳統(tǒng)方法中非網(wǎng)紅明星的優(yōu)質(zhì)內(nèi)容提供者的作品被推薦的機會往往不如明星的作品多。

　　從2018年研究者們提出“有責(zé)任的推薦”(Responsible Recommendation, FAccTRec 2020), 2019年研究者們專門組織了“第一屆多媒體中的公平、責(zé)任、透明研討會”(1st International Workshop on Fairness, Accountability, and Transparency in MultiMedia, FAT 2019)，2021年，“公平性”已經(jīng)成為信息檢索領(lǐng)域主流學(xué)術(shù)會議(如SIGIR，theWebConf等)中最熱點的研究話題之一，相關(guān)研究已經(jīng)開始受到廣泛的重視。目前研究界和產(chǎn)業(yè)界已經(jīng)開始提出越來越多用于解決或至少緩解推薦系統(tǒng)公平性的模型和方法，從用戶公平性和內(nèi)容公平性的兩個角度來推進，分別從數(shù)據(jù)、模型、結(jié)果、評價指標等多個層面進行優(yōu)化。除了個性化推薦的算法以外，不少經(jīng)濟學(xué)和社會科學(xué)的理論和知識也被綜合利用進來，例如經(jīng)濟學(xué)的帕累托優(yōu)化方法、邊際效益、最低工資、嫉妒公平等理論、社會學(xué)的基尼系數(shù)、壟斷指數(shù)等等。

　　因此，TikTok推薦方法中，非知名新博主的新作品與網(wǎng)紅明星的視頻一樣有機會被廣大用戶所看到，是推薦算法在公平性方面的一個代表性的成功的產(chǎn)業(yè)應(yīng)用。隨著相關(guān)領(lǐng)域研究者和產(chǎn)業(yè)界的共同努力，將會有越來越多精準的、多樣的、新穎的、驚喜的、可解釋的、公平的推薦方法得到發(fā)展，互聯(lián)網(wǎng)個性化信息服務(wù)的質(zhì)量也必然會越來越好。

　　10 綠色氫能(Green Hydrogen)

　　面對全球性的能源危機與環(huán)境污染，開發(fā)綠色、可持續(xù)、低成本的能源成為了全人類的共識。氫氣一直是重要的清潔能源，但到目前為止，大多數(shù)氫氣是由化石能源制備而來，這個過程是高污染和高耗能的?？上驳氖?，利用太陽能和風(fēng)能發(fā)電的成本迅速下降，意味著可用通過耦合可再生能源利用技術(shù)與電催化分解水技術(shù)制備“綠色氫能”?！熬G色氫能(Green Hydrogen)”作為未來能源發(fā)展的重要方向入選2021年MIT Technology Review的“全球十大突破性技術(shù)”，展現(xiàn)出廣闊的發(fā)展前景，成為學(xué)界與業(yè)界共同關(guān)注的焦點。

　　專家點評：

　　伴隨著社會的進步，人類對能源的利用沿著由高碳到低碳、由低能量密度到高能量密度的路徑發(fā)展。在此趨勢下，氫能被認為是下一代清潔能源的代表，成為21世紀的“終極能源”[3]。這主要源于氫能的諸多優(yōu)點：首先，氫能中不含碳原子，其利用過程一般不釋放溫室氣體或有害物質(zhì)，是清潔的能量載體;其次，氫能是高密度的能量載體，具有高于汽油、柴油等傳統(tǒng)燃料的質(zhì)量能量密度[4]。

　　當(dāng)前，全球氫能需求旺盛，氫能產(chǎn)量約達每年70兆噸[5]。其中，絕大多數(shù)氫能來源于煤、石油、天然氣等化石燃料，相關(guān)制備路線具有成本低廉、技術(shù)成熟、可大規(guī)模應(yīng)用等優(yōu)勢，但制備過程伴隨著二氧化碳等溫室氣體的排放，不利于實現(xiàn)“碳中和”目標。因此，采用該路徑制備的氫能被稱為“灰色氫能”。如果能夠?qū)⑸鲜鰵淠苌a(chǎn)方法中所產(chǎn)生的二氧化碳進行補集、利用和封存(Carbon Capture and Utilization or Storage, CCUS)，則能夠間接達成“碳中和”的目標，從而獲得“藍色氫能”。然而，“藍色氫能”不可再生，生產(chǎn)成本與“灰色氫能”相比仍然較高，制備系統(tǒng)成熟度較低，距大規(guī)模應(yīng)用還有一定的距離。從環(huán)境與資源利用效率的角度來看，以上制氫方法均不是清潔高效的選擇。因此，通過零污染、低成本、可持續(xù)的方式制取“綠色氫能”是未來能源發(fā)展的重點[6]。

　　制取“綠色氫能”的方法主要有生物質(zhì)制氫、光催化分解水制氫、電催化分解水制氫等[7]。其中，電解水制氫技術(shù)具有悠久的歷史，是相對成熟的制氫方法。近年來，新能源發(fā)電技術(shù)(如太陽能發(fā)電、風(fēng)力發(fā)電、水力發(fā)電等)得到了快速地發(fā)展，促使可再生電能的成本不斷下降，這使得利用可再生電能進行大規(guī)模電解水生產(chǎn)氫能成為可能[8]?？稍偕娔芙馑^程基本不會耗費化石能源或產(chǎn)生溫室氣體，能夠滿足“碳中和”系統(tǒng)的要求。另一方面，可再生電能解水制氫技術(shù)能夠克服光電、風(fēng)電等可再生電能由于晝夜、氣候、區(qū)域等因素帶來的間歇性、隨機性、不均衡性的缺點，可有效利用難以并網(wǎng)的可再生電能，分布式地生產(chǎn)“綠色氫能”[9]。

　　伴隨技術(shù)的發(fā)展，世界上可再生電能解水制氫示范項目的數(shù)量和電解槽容量不斷增加，電解槽總?cè)萘繌?010年的不足1兆瓦增加到2019年的25兆瓦以上。同時，項目規(guī)模也逐步加大，在2010年前后，多數(shù)項目的容量均低于0.5兆瓦，而在2017—2019年間，項目規(guī)?？蛇_6兆瓦[10]?？稍偕娔芙馑茪浼夹g(shù)在近年來更是得到了長足的發(fā)展。2020年3月，日本福島的FH2R項目正式投入運行，該項目將20兆瓦的太陽能發(fā)電站與10兆瓦的電解水裝置耦合，每小時可生產(chǎn)1 200標方氫氣[11]。加拿大法液空公司也正在建造容量高達20兆瓦的“綠色氫能”工廠。除此之外，多國也宣布將在十年內(nèi)建成數(shù)百兆瓦的可再生電能解水制氫項目[12]。

　　我國一直致力于推動傳統(tǒng)能源向低碳清潔能源的轉(zhuǎn)型，在太陽能發(fā)電與風(fēng)能發(fā)電領(lǐng)域的年增長量與裝機量均已躍升至世界第一，在新能源領(lǐng)域具有豐富的研發(fā)與產(chǎn)業(yè)基礎(chǔ)。習(xí)總書記莊嚴承諾我國將在2060年前實現(xiàn)“碳中和”，國家相關(guān)部委也相繼出臺氫能相關(guān)政策及發(fā)展綱要，大力推動氫能產(chǎn)業(yè)的發(fā)展，促進了“綠色氫能”項目的落地。2019年7月，山西省榆社縣政府與合肥陽光新能源科技有限公司共同計劃建設(shè)300兆瓦的光伏發(fā)電站與50兆瓦的制氫綜合示范項目[13]。2020年4月，寧夏寶豐能源集團的太陽能電解制氫儲能及綜合應(yīng)用示范項目開工建設(shè)，預(yù)計建成后合計年產(chǎn)氫氣1.6億標方，每年可減少煤炭資源消耗25.4萬噸，減少二氧化碳排放約44.5萬噸[14]。我國在“綠色氫能”應(yīng)用領(lǐng)域也走在世界的前沿。基于李燦院士團隊技術(shù)的“液態(tài)太陽燃料合成示范項目”采用總功率為10兆瓦的光伏發(fā)電站配套電解水制氫工藝，所生產(chǎn)的“綠色氫能”用于二氧化碳加氫合成甲醇，實現(xiàn)了“液態(tài)太陽燃料”的生產(chǎn)[15]。

　　“綠色氫能”技術(shù)為解決能源與環(huán)境問題勾畫出了美好藍圖，但其未來發(fā)展仍面臨諸多挑戰(zhàn)。學(xué)界與業(yè)界可以從“綠色氫能”的制取、儲運、使用以及配套基礎(chǔ)建設(shè)等方面出發(fā)，為實現(xiàn)“綠色氫能”技術(shù)的大規(guī)模應(yīng)用打下理論與應(yīng)用基礎(chǔ)。首先，應(yīng)開發(fā)高性能制氫系統(tǒng)，降低制氫成本。以可再生電能解水制氫系統(tǒng)為例，可以基于對催化活性中心作用機制與調(diào)控規(guī)律的認識，在進一步提升催化劑性能的同時，降低催化劑中貴金屬用量或其價格，使得“綠色氫能”的成本更具有競爭力。與此同時，可以通過強化可再生能源轉(zhuǎn)化系統(tǒng)與產(chǎn)氫系統(tǒng)之間的耦合與匹配，達到提高能源綜合利用效率的目的。其次，應(yīng)研發(fā)高效儲氫新材料和儲氫新技術(shù)。一方面，從理論的角度進一步明確化學(xué)儲氫機理，并以此為基礎(chǔ)設(shè)計高效儲氫材料;另一方面，提升液化儲氫技術(shù)，以終端使用為導(dǎo)向開發(fā)物理儲氫新技術(shù)。再次，應(yīng)繼續(xù)發(fā)展以燃料電池技術(shù)為代表的氫能使用方法。以較為成熟的質(zhì)子交換膜燃料電池為例，應(yīng)基于對應(yīng)用場景(如交通運輸、固定式發(fā)電等)特定需求的理解，優(yōu)化電池結(jié)構(gòu)和催化劑設(shè)計，以滿足對功率密度和耐久度的要求。最后，應(yīng)在基礎(chǔ)設(shè)施建設(shè)方面為未來“綠色氫能”的利用提供支持。如提前布局分布式加氫站的建設(shè);調(diào)研氫能管道輸送的可行性方案和安全性方案等。

　　盡管“綠色氫能”的全面應(yīng)用還面臨著巨大挑戰(zhàn)，我們?nèi)匀幌嘈旁谙嚓P(guān)科研工作者、企業(yè)和政府的共同努力下，“綠色氫能”的高效利用系統(tǒng)將在不久的將來得以建立和完善，“綠色氫能”將作為常規(guī)能源，融入人類的生產(chǎn)和生活中，為構(gòu)建綠色、清潔的未來社會提供重要支撐。