工業技術研究院

科技可以是、也應該是一股正面力量，向來是《麻省理工科技評論》秉持的理念，為此，我們每年遴選出35名年齡在35歲以下的創新家。

本文將逐一介紹這些入圍者，有些人以創新方法治病，例如利用微型機器人，或為基因編輯工具CRISPR找到新用途，甚至是以運算法找出更好的抗生素。有年輕女性憑藉數據科學之力，尋找並打擊網路騷擾。有年輕男性努力讓線上遊戲、乃至於各地的數位環境更普遍，讓身心障礙者亦能受惠。有些人則在電池、地熱能、核融合等技術領域追求重大突破。還有些人利用人工智慧進一步了解並治療神經系統疾病、發想出新一代的堅固材料，或讓城市更適合居住。

這些創新家是如何選出來的？我們每年有600位提名人選，這個階段難度最高，因為每位被提名人都是一時之選。編輯團隊身負重任，選出最有創新力、最有意思的前100名。這些人選的研發內容再由32位評審委員審查，評審來自各個科技專業背景，包括人工智慧、生物科技、軟體、能源、材料等等。編輯團隊根據評審排名，選出最後35名。

期望讀者看完這些創新家的故事會發現，即使在這個挑戰重重、憤世嫉俗的世界，還是有很多人才願意奉獻心力，讓大家看到科技也能帶來正面影響，打造一個更安全、更公平、更寬厚的世界。

1領航者

李金星 32歲 史丹佛大學 出生地：中國大陸

微型機器人經程式設計能治療感染。

李金星使用直徑只有幾微米（µm）的微型機器人，來治療動物疾病。

他研發出有如火箭的微型馬達，能夠以活體動物的腸道液為動力，完成任務後會自動生物分解。機器人由球型的鎂元素製成，外層有聚合物包覆，能與胃酸反應而產生氫氣氣泡，衝進胃腸道。

李金星與合作團隊在其中一層聚合物上放抗生素，將機器人送入胃部遭受感染的老鼠。進入胃部後，機器人發射到胃黏膜，附著在胃壁上，最後再慢慢溶解，釋放出抗生素，治療胃部感染。

李金星的近期研究顯示，以血小板細胞膜包覆磁力驅動的奈米發動機，能夠有效率地在血液流動，清除毒素和病原體；跟外來粒子不同，不會被免疫系統攻擊或被黏性生物分子包覆。

他說下一步想打造出「生化人細胞」，也就是將體內的免疫細胞（能找到並攻擊細菌或癌細胞）與奈米機器人結合，自動朝病灶前進。


阿貝貝（Rediet Abebe） 28歲 康乃爾大學 出生地：衣索比亞

結合人工智慧與搜尋引擎結果，發掘社群需求。

阿貝貝運用演算法與人工智慧，讓向來被邊緣化的族群也有改善生活的機會。阿貝貝當初從衣索比亞搬到美國就讀哈佛學院（Harvard College），發現即使身處富裕國家，也常有弱勢族群得不到重要資源的現象，這讓她很震驚。為了降低社經不平等的問題，她開始訴諸運算技術。

阿貝貝在微軟實習時，成立一項人工智慧計畫，分析搜尋字來了解非洲民眾有哪些健康資訊需求未被滿足。她的研究結果包括：哪個特定族群有可能對HIV病毒的自然療法有興趣；哪一國民眾特別擔心HIV病毒與愛滋病的汙名與歧視。這項計畫率先使用大量網路數據，進行涵蓋54個非洲國家的健康研究。

為了協助加強各國健康方案的內容，阿貝貝目前正在將研究結果分享給非洲各健康部的專家。此外，她也跟美國國家衛生研究院（National Institutes of Health）的諮詢委員會合作，協助降低美國的健康落差。

她希望能夠鼓勵這個領域的成長，因此與人共同創辦「社會公益機智設計」（Mechanism Design for Social Good），結合多家機構的研究實力，使用運算法解決各種相關問題，例如分配低收入住房、改善健康結果等等。


波普修（Mariana Popescu） 32歲 ETHZ 出生地：羅馬尼亞

創新營建流程，將針織紡織品變成混凝土建築，省錢省時又減碳。

波普修研發出一套營建流程與相關運算工具，能將針織紡織品轉變成複雜模具，建造混凝土建築。拜她的研發之賜，打造複雜的客製化設計時，速度可以更快，同時減少廢料與碳排量。

「如果真的想要使用更少的材料來打造好的結構，你只能動用到繁複的幾何形狀，但這樣常需要用到雙向彎曲或不易開模的設計，」波普修說。傳統營建方式以厚重鷹架支撐住木材或保麗龍當模板，灌入混凝土，不僅耗時數月，形狀也有限。她說，只要看毛衣就知道，紡織材料非常適合做成各式各樣的形狀，例如孔洞、通道等等複雜的立體形狀，非常符合現代建築的訴求。

波普修研發出的運算法能夠自動分析建築設計，解構成紡織品模具，以工業機器編織只要幾個小時就能完成，最後形成又輕又有彈性的模具。波普修跟團隊成員研發出一套系統，使用鋼纜固定模具，同時灌注混凝土。

以她的創新方式打造複雜建築，兼具效率和生態意識，既能將生態足跡降到最低，以最快的速度完成，亦能壓低成本。有些地方如難民營、戰區與天災災區等等，需要低成本、堅固、輕量的建築，亦可透過這種方式加快興建速度。


傅恩特（César de la Fuente）32歲 賓州大學 出生地：西班牙

將演化過程數位化，研發藥效更佳的抗生素。

細菌演化之快，使得科學家往往來不及研發出新的抗生素與之對抗。正因為如此，傅恩特研發出一套依據達爾文演化論的運算法，製造優化版的人工抗生素。他除了擅長以胜肽（介於胺基酸和蛋白質之間的小單位）工程解決醫學問題之外，更研發出一種方法能將毒性蛋白質（如黃蜂毒液）轉化成抗菌劑。此外，他大量分析既有的人體蛋白質資料庫，發掘能夠殺死有害微生物的分子。

「我每天一早醒來都會想到，美國、乃至於全世界，有人死於無法治療的感染，所以希望找到解方，」一向覺得微生物存活能力很神奇的傅恩特說。

除了借重電腦之力研發抗生素之外，在賓州大學擔任助理教授的傅恩特，下一步還希望使用同樣的工程技術，找到跟精神疾病（如憂鬱症與焦慮）有關的蛋白質，加以改質來影響腦部功能與行為。


高黛莉（Nicole Gaudelli）34歲 Beam Therapeutics 出生地：美國

找到修正單一基因突變更好的方法。

高黛莉（Nicole Gaudelli）研發出一種方法，有機會修正近半數由單一基因突變所造成的遺傳病。

單字母遺傳「拼寫」錯誤可能造成的遺傳疾病，有些可以透過基因編輯工具（如CRISPR）解決，但如果一股DNA原本應該有核酸鳥嘌呤（Guanine；G），卻出現腺瞟呤（Adenine；A），基因編輯工具就無法糾正。錯置的A可能會造成鐮狀細胞疾病、囊腫纖維化、帕金森氏症、阿茲海默症，以及多種類型的癌症。

於是，高黛莉著手研發一種新的酵素，能夠乾淨地將A-T鹼基對轉化成G-C鹼基對，過程幾乎沒有不良影響。

「有點像變魔術，」高黛莉這樣形容這個酵素。她現在是生技公司光束療法（Beam Therapeutics）的資深科學家。該公司位於麻省劍橋，目前正致力於將她的研發成果商業化。


顧鄉鄉 30歲 加州大學柏克萊分校 出生地：美國

使用人工智慧，發想出更輕盈、堅韌的新一代材料。

顧鄉鄉使用人工智慧製造出更好的材料。她想望新材料可用來研發更輕盈、更堅硬的防彈衣；可製作客製化的3D列印醫療植入物；也可用於轉換率比傳統太陽能電池更高的可調式太陽能電池材。

她的靈感來自於貝殼與竹子等天然材料，這些材料因其基礎成分的結構，擁有耐損、堅硬與彈性特質。她在柏克萊的團隊使用機器學習運算法，向大自然取經，發掘新的複合結構，藉此研發超級堅韌卻輕巧的材料。這些設計以3D列印出來後，經過測試，驗證運算法是否成立，確保新材料可用於真實世界。

到目前為止，顧鄉鄉的研究催生出強度大幅提升的材料設計，而這樣的材料剛度可在特定應用中發揮功能。


宋漢 30歲 麻省理工學院 出生地：中國大陸

研發讓人工智慧程式運作更順暢的軟體。

回顧2016年，人工智慧圍棋程式AlphaGo打敗全球棋王，幕後動用近2,000台中央處理器與300顆繪圖處理器，下一局棋的電費就要3,000美元。宋漢研發出一套軟硬體，讓類似AlphaGo的進階人工智慧程式，也能在低功耗的移動式裝置上運行。

透過宋漢所研發的「深度壓縮」技術，在智慧型手機也可能即時運作各類人工智慧運算法，例如辨識物體、產生圖像、了解人類語言等等。舉例來說，臉書將宋漢的軟體設計用於能夠物體辨識的運算法，藉此降低運算量，讓人可以將手機相機瞄準實體，然後加入數位虛擬效果。

如今在麻省理工學院擔任助理教授的宋漢，正在研發人工智慧運算法的自動化設計，「目標是讓門外漢一鍵就能設計出具體而微的神經網絡。」


札任巴（Wojciech Zaremba）30歲 OpenAI 出生地：波蘭

訓練機械手自行摸索物體。

札任巴帶領團隊使用機器學習訓練機械手，教它自己在不同環境中撿起積木。機械手必須自行摸索出如何完成複雜的指令，以手指抓握與翻轉1塊積木。

機器人訓練過程的技術，包括強化學習（Reinforcement Learning）與神經網絡，後者亦即模擬人類大腦的電腦程式。

儘管強化學習已經運用在機器人技術，但尚未用於複雜的機械手，因為過程牽涉太多環節，曠日廢時。札任巴選擇在虛擬環境設定各種不同的條件，並隨機採取254種物理參數，例如積木質量與指尖摩擦等等，結果發現，機械手經過訓練後，就能立刻在現實世界操作積木。

2遠見家

莫荷塞妮（Azalia Mirhoseini）32歲 Google大腦 出生地：伊朗

訓練人工智慧設計人工智慧晶片。

在Google大腦（Google Brain）擔任研究科學家的莫荷塞妮，使用人工智慧本身製造出人工智慧晶片。

許多用於人工智慧的微晶片原本另有用途，大多數是將視訊與遊戲相關硬體的微晶片重新設計，因此，這些人類設計的傳統晶片在耗能、成本和功能上尚有很大的改善空間。莫荷塞妮的系統根據人工智慧的強化學習概念，可以從錯誤中學習並自我訓練，幾個小時就能交出晶片設計圖，反觀全球頂尖專家需要好幾週才能完成。在她的方法下，晶片品質足以媲美人類工程師的設計，甚至更好，不但更快、更節能，還更便宜。

強化學習是人工智慧最有前景的一大領域，應用在軟體時，軟體可以自我訓練完成一項任務，不必由人類一步一步設計程式。莫荷塞妮說：「應該要用機器學習與人工智慧研發出更好的電腦了！」


弗杭蘇瓦（Camille François）30歲 Graphika 出生地：法國

使用數據科學檢測假新聞與有組織的騷擾行動。

研究人員多年來不斷精進偵測方法，希望揪出社群媒體的假帳號。這些方法雖然可以找出個別機器人，有時卻無法偵測到更複雜的網路操作，例如國家層級資助的假新聞或騷擾行動，經常是行之有年，涉及成千上萬個帳戶。

Graphika創新長弗杭蘇瓦說，社會大眾需要更多數據與模型，才能解決網路操作的亂象，又不會抹滅真正的聲音。

她與研究團隊使用機器學習，找出網路社群的位置與網絡流通資訊的方式。他們將數據科學與調查方法應用於這些地圖上，找出假新聞行動的明顯特徵。法蘭柯與牛津同事去年使用這個方法，受美國參議院情報特別委員會（Select Committee on Intelligence）之邀，分析2016年總統大選期間和之後的俄羅斯活動。

弗杭蘇瓦說，為了解網軍的運作方式，她訪談網軍的逃兵與受害者，讓她的研究有了重大突破。「這個研究工作有三分之二是科技，三分之一是社會學，」她說：「網軍技術不斷在變，我們要多想一步。」


布朗（Noam Brown）31歲 臉書 出生地：以色列

讓人工智慧玩撲克牌增進效能。

布朗從來就不是撲克牌達人，但他研發的一款人工智慧程式，卻首度在無限注德州撲克（No-Limit Texas Hold,em；最受玩家歡迎的類型）打敗全球高手。

近年，機器頻頻在跳棋、西洋棋與圍棋打敗人類，這類遊戲稱為「完全資訊」遊戲，雙方在任何一個時間點都知道盤勢。撲克牌則屬於不完全資訊的遊戲，因為看不到牌，所以才有詐唬等策略，增加了遊戲難度。

「資訊不透明之後，過去的技術都不管用了，」布朗說。畢竟在現實生活中，大多數的策略性互動都牽涉到某種形式的隱藏資訊。放眼長期，布朗期許他的研究結果可以做到自動化，為類似不完全資訊遊戲的生活情境解決問題，例如管控交通、預估市場表現、進行國家安全協商等等。

布朗的程式稱之為Libratus，由三個人工智慧系統結合為一。第一個經過幾個月的訓練，自己跟自己打了幾兆手牌，負責研擬撲克牌策略。第二套系統在實際與人類打牌時，即時精進策略。第三套系統在每天競賽結束後檢討，找出有哪些弱點可能被對手利用，例如下注模式容易被猜出。

2017年1月，Libratus與全球4名撲克高手在匹茲堡一家賭場短兵相接，20天內打了超過12萬手牌，最後打敗所有人。Libratus並非靠模仿人類學習打牌，因此採取人類玩家通常不用的戰術。有些戰術，已經逐漸轉變職業玩家的玩法。


徐安祺 27歲 沙克生物研究中心 出生地：台灣

讓CRISPR更有彈性，能夠治療大腦疾病。

CRISPR基因編輯改革了人類改造DNA的能力。徐安祺正在將這項技術拓展到RNA（將DNA藍圖轉譯成蛋白質的分子），藉此治療大腦疾病。

在加州沙克生物研究中心主持一個實驗室的徐安祺，小時候曾目睹爺爺失智症發病的情況。「他半夜會睡到我的床，不知道自己人在哪裡，」他說：「我那時在想，可以怎麼幫助爺爺？」

在哈佛大學就讀研究所時，他曾經與CRISPR的發明人張鋒共事，打造出這項技術的幾個基礎要素。但他後來發現，操作RNA可能更有彈性，不會對基因密碼造成永久、有時甚至是預期外的轉變。

他在沙克生物研究中心自組實驗室後，研發出一款電腦程式，可以搜索公開的基因組數據，尋找新的蛋白質，結果找到一組高效率、高選擇性的CRISPR酵素會鎖定RNA。
這個發現讓他瞥見治療大腦疾病的可能性。他的實驗證實，將這項技術用於實驗室培育的人類神經細胞時，可以修正導致額顳葉型失智症的RNA加工錯誤──額顳葉型失智症是一種類似阿茲海默症的神經退化性疾病，會導致認知功能逐漸喪失。


史黛森菲（Kimberly Stachenfeld）28歲 DeepMind 出生地：美國

借重強化學習技術，進一步了解人腦與人工智慧系統的解決問題能力。

在DeepMind擔任研究員的史黛森菲，之前曾協助研發出一套海馬迴理論──海馬迴是大腦的一個區域，負責空間記憶與導航。在神經科學的研究有了重大突破後，她現在希望進一步了解人工智慧。

海馬迴相關研究之前聚焦在其中一個重要功能，亦即一個人過去與現在的情況，尤其是所在的空間位置。但史黛森菲希望解釋，海馬迴也能連接現在與未來，以現況預估未來的事件。她向人工智慧的強化學習（以從錯中學為核心概念）取經，認為海馬迴利用類似機制，將一個人的現況（例如位於車庫）連結到想要的未來狀態（準時抵達公司）。

史黛森菲與研究團隊的理論可以進一步說明，海馬迴可能扮演了預測系統的角色，協助大腦迅速評估選擇，例如平日早上是要上車去工作，還是留在家裡看電視。

史黛森菲現在要以大腦研究為基礎，將目標放在改進人工智慧。舉例來說，讓人工智慧系統有效率地學習如何達成簡單任務，例如找到糖放在櫥櫃哪個地方。

但這樣的系統還是比不過人腦，人腦可以把幾個任務歸類在一起，同時學好幾件事，學習過程中還能記住偶發細節，這樣可能有助於在學其他類似任務時回想起來。舉例來說，我們學會「攪」和「拌」是2個本質相同的觀念，所以2個動作可以互用。

如果史黛森菲能摸索出人腦怎麼做到這點，她相信能夠大幅加快人工智慧系統的訓練，而不必需要大量數據。


波帕（Raluca Ada Popa）32歲 加州大學柏克萊分校 出生地：羅馬尼亞

網路安全技術讓防火牆成為過去式。

波帕解決了網路安全最基本的挑戰之一：不靠防火牆抵擋駭客，就能讓電腦安全無虞。

之所以會有這項突破，是因為她讓資料庫管理系統更實用，能在加密數據上運作。儘管數據加密技術對簡單的通訊軟體ＷhatsAPP有用，用於必須分析數據的系統卻嫌太慢。波帕找到能在加密數據上進行運算的方法。如今，她的加密系統適用於許多應用程式，提供防火牆所不能及的保護；即使駭客成功入侵，也無法破解數據。

波帕說，透過這項技術，系統就好像被蒙住眼睛，看不到也能夠進行數據計算。她更近期的研發成果是「海倫」（Helen），可以讓醫院分享與彙整病歷，卻不會侵犯到個資。還有一個系統叫Opaque，能夠加強硬體系統的安全，抵擋安全堪慮的軟體，已獲IBM等大公司採用。


洪國松 33歲 史丹福大學 出生地：中國大陸

探針工具有可能改革腦部治療。

洪國松研發出新的大腦與視網膜探針工具，可以精細到個別神經元。它類似網狀電極，又小又有彈性，可以捲成針狀，精準注射到研究區域。醫界現在已經使用腦部電極治療許多疾病（如帕金森氏症），但這類電極又大又硬，必須進行大手術才能植入。電極植入幾週後，疤痕組織開始癒合，使得電極的效果隨著時間減弱。

洪國松研發出的電極能夠與神經組織無縫接合，又不會受到免疫系統的攻擊。這項工具有許多潛在應用面，包括：協助科學家了解複雜的神經過程（如大腦的老化）；治療阿茲海默症與癲癇等神經系統疾病；有助於重拾癱瘓病人的四肢功能；若注入眼睛，有可能治療青光眼等眼疾。

他認為，網狀電極是這個領域的一大進步，最終的願景是「人人可以無障礙地隨意分享想法。」


徐亮 31歲 平安科技 出生地：中國大陸

使用人工智慧讓城市更貼近市民需求。

徐亮與研究團隊研發出一套人工智慧平台，可提升大眾健康、降低犯罪率、增加公共管理效率。研究團隊與市政機構密切合作，由後者提供大量相關數據，例如幾千萬筆病歷與海關過境紀錄。這個稱為PADIA的平台，刪除會透露個資的細節，進行其他形式的訓練後，再整合到這些市政機關的電腦系統。

重慶和深圳的醫療保健當局採用此平台，成功預估流感爆發情況，準確率超過9成。深圳有個市政機構使用這套軟體後，文件處理時間縮短95%。此外，有幾個省份還因此查出醫療保健詐欺案，牽涉金額高達近10億人民幣。

政府使用人工智慧，在許多國家都是爭論焦點，徐亮也清楚人工智慧有侵害隱私和跟人類搶工作等缺點，但他仍樂觀認為人工智慧可望將教育與醫療保健帶到偏鄉。他指出，鄉村教師有了人工智慧的海量知識，就能找到問題的解答；地方衛生所也能使用人工智慧運算法，診斷出嚴重疾病。