智慧城市网

　　该预测的重点是人工智能和心理健康的未来、基于人工智能的超人视觉、可以掌握地球复杂状况的巨视显微镜、片上医疗实验室、能够探测环境污染的智能传感器。这些领域的创新可以极大地改善农业和能源效率，提前识别有害污染物，并提前预防身心健康问题。“IBM 5 in 5”不仅参考了市场和社会趋势，也考虑了世界各地的IBM实验室正在开发的新型技术。
 

　　以下就是今年的新预测：
 

　　1、借助人工智能，语言将成为洞察心理健康的窗口美国目前有1/5的成年人存在心理健康问题。
 

　　无论是神经性疾病(亨廷顿病、阿尔兹海默病、帕金森病)还是心理疾病(抑郁症和精神错乱)，每年约有半数患有严重精神疾病的人得不到治疗。从来看，治疗精神疾病的成本甚至超过糖尿病、呼吸系统疾病和癌症的总和。仅美国一个国家，因为心理障碍产生的经济负担每年就高达1万亿美元。
 

　　如果说电脑是一个尚未被人类充分了解的黑匣子，那么语言就是打开这个黑匣子的钥匙。5年内，我们说的话、写的字都将成为判断身心健康的指标。新的认知系统可以通过对语言和书写形态的分析，了解心理和神经系统疾病的早期信号，帮助医生和病人更好地预测、监控和追踪这些疾病。
 

　　IBM的科学家利用机器学习技术来分析精神病检查过程中的文本和语音记录，寻找那些可以帮助临床医生准确预测和监控精神错乱、精神分裂、狂躁症和抑郁症的形态。目前大约只需要300个单词就可以帮助临床医生预测某人患有精神病的概率。
 

　　类似的技术未来还可以帮助帕金森病、阿尔茨海默病、亨廷顿病、创伤后应激障碍(PTSD)，甚至孤独症及注意力缺陷多动症(ADHD)等行为疾病的患者。认知计算机可以分析病人的语言和书写内容，从中找出一些有意义的指标，包括语言含义、句法和语调。
 

　　将这些结果与穿戴设备提供的数据以及磁共振和脑电图扫描数据进行整合，便可展现更加全面的状况，帮助医生更好地确诊、理解和治疗基础疾病。
 

　　原本看不见摸不着的信号将成为判断病人是否进入某种心理状态，或者衡量治疗方案具体效果的明确信号，对常规的临床评估进行补充。
 

　　2、超成像和人工智能将为我们提供超人视觉99.9%的电磁波谱都无法被肉眼看到。
 

　　过去100年，科学家开发了各种各样的设备，可以释放和感应不同波长的能量。我们现在将其中的某些技术应用在医学成像领域，可以查看牙齿中的空洞，检查机场的包裹，帮助飞机在浓雾天气降落。但这些设备都非常专业，且价格昂贵，只能看见某些具体波长的电磁波谱。
 

　　5年内，使用超成像技术的成像设备将集成众多波长的电磁波谱，从而极大地拓展我们的视野范围，揭露出有价值的或蕴含潜在危险的信号。重要的是，这些设备都便于携带、价格亲民、易于使用，因此超人视觉可以成为我们日常体验的一部分。
 

　　如果能够看到周围所有无法看到或有些模糊的物理现象，便可帮助驾驶员和无人驾驶汽车更好地了解路况。例如，借助毫米波成像、摄像头和其他传感器，超成像技术便可帮助汽车看透迷雾或暴雨，探测黑冰等难以看清的危险路况，或者帮助我们了解前方物体的距离和尺寸。认知计算技术将会分析这些数据，从而判断前方哪个地方可能撞到横穿马路的动物，或者路上的坑洼地段是否会刺破轮胎。
 

　　将同样的技术嵌入手机后，便可通过拍摄照片的方式分析食物的营养价值，判断其是否可以安全使用。在医药和银行领域使用超成像技术则可以帮助用户识别欺诈行为。原本无法被人类看到的信息都将一一呈现在我们面前，
 

　　IBM的科学家现在正在开发一套紧凑型超成像平台，可以在一个平台上看到不同波长的电磁波谱，从而促成一系列实用且价格亲民的设备和应用模式。
 

　　3、巨视显微镜帮助我们深入了解地球的复杂状况当今的物理世界只能让我们肤浅地了解环环相扣的复杂生态系统。
 

　　我们收集了海量数据，但多数都很凌乱。事实上，数据科学家约有80%的时间都用来规整数据，而非分析和理解数据背后的含义。
 

　　得益于物联网的发展，大量的联网设备成为了新的数据源——从冰箱、灯泡和心率监测器，到无人机、摄像头、气象站、卫星和望远镜阵列。
 

　　现在已经有60多亿联网设备每月贡献数十exabyte的数据，年增速超过30%。在成功实现信息、商业交易和社交互动的数字化后，我们现在又开始对物理世界实施数字化。
 

　　5年内，我们将利用机器学习算法和软件来组织与物理世界有关的信息，从而分析利用数十亿设备收集的复杂数据。我们称之为“巨视显微镜”(macroscope)——与观察微观世界的显微镜和观察远方世界的望远镜不同，这套由软件和算法构成的系统可以将地球的复杂数据汇总起来，分析背后的含义。
 

　　例如，通过汇总、组织、分析各种数据(气候、土壤环境、水位)及其与灌溉活动之间的关系，新一代的农民便可选择更加合适的作物、种植地点、耕作方式，同时还能保留珍贵的水资源。
 

　　2012年，IBM研究员开始在Gallo Winery调查这个概念，将灌溉、土壤和气象数据与卫星图像和其他传感器的数据结合起来，预测获得佳葡萄产量和葡萄品质所需的具体灌溉方法。未来，巨视显微镜技术还将帮助我们把这个概念应用到世界各地。
 

　　除了了解自己的星球外，巨视显微镜技术还可以汇总和分析望远镜收集的海量数据，从而预测行星之间的相互碰撞，并对其构成展开更加深入的研究。
 

　　4、“片上”医疗实验室将扮演健康侦探角色，在纳米层面追踪疾病疾病的早期诊断至关重要。
 

　　在多数情况下，越早诊断疾病，治愈或控制的概率就越大。然而，像癌症或帕金森这样的疾病却很难诊断——在出现症状前，都会隐藏在我们的身体内。
 

　　唾液、泪液、血液、尿液和汗液等各种体液里包含的生物学微粒所提供的信息，可以帮助我们了解自己的健康状况。现有的技术很难捕捉和分析这些生物微粒，因为它们的直径仅为人类头发直径的几千分之一。
 

　　今后5年新的“片上”医疗实验室将充当纳米级健康侦探——追踪体液中无法看到的信号，让我们立刻了解自己是否应该去看医生。终目标是将分析疾病所需的完整生化实验室压缩到一个芯片上。
 

　　这种片上实验室技术终将整合到便携式的手持设备中，让人们可以定期而迅速地通过少量体液分析生物指标，并轻而易举地将信息传送到云端。这样便可与睡眠监测器和智能手表等其他物联网设备的数据进行整合，然后交由人工智能系统进行分析。这些数据可以帮助我们更加深入地了解自己的健康状况，在出现问题时候时间获知，及时阻止问题恶化。
 

　　IBM研究院的科学家正在开发片上实验室纳米技术，低可以分离直径20纳米的生物微粒，这一精度足够捕捉DNA、病毒和外来体。通过对这些微粒进行分析，便有望在出现病症之前诊断疾病。
 

　　5、智能传感器以光速探测环境污染多数污染物都是人眼无法看到的，直到产生不可忽视的影响才会引起我们的注意。
 

　　例如，甲烷是天然气的主要成分，人们普遍认为这是一种清洁能源。但如果甲烷泄漏到空气中，便会产生温室效应。据估计，甲烷是仅次于二氧化碳的第二大变暖来源。
 

　　在美国，石油和天然气系统泄露成为大气中甲烷气体的大工业来源。美国环保局估计，2017年从天然气系统中泄漏到大气中的甲烷超过900万吨。这些温室气体相当于美国所有钢铁、水泥、铝生产设施释放的温室气体总量。
 

　　5年内，廉价的新型感应技术几乎会部署到所有天然气开采井附近、存储设施周围以及运输管道沿线，以便随时查找人眼无法看到的气体泄露。通过无线网络接入云端的物联网可以对庞大的天然气基础设施展开持续监控，只需几分钟便可找到漏点，较之前的几周时间大大缩短。不仅减少了污染和浪费，还有可能避免灾难事故的发生。
 

　　IBM的科学家也在追逐这一趋势，与Southwestern Energy等天然气开采商合作开发了智能甲烷监控系统，并参与了ARPA-E的MONITOR项目。
 

　　IBM研究的核心是硅光子学，这项处于发展过程中的技术可以通过光来传输数据，因此可以实现光速计算。这些芯片内置在地面或基础设施的传感器网络中，甚至可以安装在无人机上。与实时风力数据、卫星数据和其他历史数据进行整合后，便可建立复杂的环境模型，以便在污染发生时快速确定源头和污染物的排放量。