0
MIT Technology review近日评选出了2016年35位在35岁以下对科技的进步做出了杰出贡献的青年科学家。这也是MIT Technology review第16次进行这样的评选了。他们的研究领域包含了医疗、可再生能源、计算机科学等方方面面，AI科技评论在此选取了其中5位研究领域与AI息息相关的发明者。为大家展示他们的成就与信念。
目前供职：MIT CSAIL实验室
一项看起来完全不可能的无线电设计让无线设备的数据传输能力得到了成倍的提高。
Dinesh Bharadia发明了一种所有人都说不可能实现的通讯技术：他发现了一种在相同频率上同时发送和接收数据的方法。
因为从一台设备上广播出去的信号强度可能会是接收信号的1000亿倍，因此几乎没有人会怀疑发射出去的信号会将接收到的信号完全淹没。所以无线电设备通常会在不同的频率上发送和接收数据，或者在接收和发送数据的状态间快速切换。“就连教科书都已经认定这是不可能的了”，Bharadia说。
Bharadia发明了一套能够选择性避免过于强烈的信号发送从而使设备能够顺利解码接收到的信息的硬件和软件。从而创造出了第一台全双工无线电设备，这项技术最终能应用到手机中去，应该可以简单的通过双向使用让无线通讯的可用带宽加倍。这对电信公司和消费者来说简直就是天籁之音。
Bharadia暂时从他在斯坦福的博士进修中休学了，以便能将这项技术在Kumu Networks（运营商名）那里实现产业化应用。德国的电信公司Deutsche Telekom去年开始测试这项技术，但是由于Bharadia的原型机的电路板太大了，难以适配到手机中去，所以工程师们首先需要想办法将它的尺寸变小一点。
目前供职：Google DeepMind
其实教计算机玩游戏也是一件很严肃的事情。
在Oriol Vinyals 15岁的时候，他沉迷于星际争霸，一个内容是三个不同的种族之间争夺地图控制权的电脑游戏，就像一盘双方都即时行动的棋局。Vinyals很快就成为了西班牙内玩这个游戏的顶级高手。“我那时就有一种感觉，这个游戏会再次出现在我的生活中”，他说，“我被它所展现的在人工智能领域内的潜力迷住了。”
Vinyals的预感成为现实已经是十余年之后了。他在UC伯克利大学读书时，帮助设计了一个能够在人类完全不介入的情况下玩星际争霸的名叫“主宰(游戏剧情中的一个boss角色)”的AI程序，这个程序标志着机器学习的一场胜利。
不过，后来当他在谷歌的AI团队从事开发机器翻译技术的相关工作的时候，却感到他不再有那么丰富的灵感了。 他决定试试自己到底能让电脑多精确的描述一张图片。这也是一种翻译，只不过是从像素翻译成文字。“我记的很清楚”，他说，“我把我程序的代码改了一下：本来输入的内容会是一段发于，我把它的输入源改成了一副图像”第二天，Vinyals给他的程序看了一张繁忙的集市的照片，旁边的地面上散落着许多香蕉。计算机给出的结果是:“一群人站在市场里正在买水果”。“成功了！”他回忆道，“这程序不仅看出了“人们在街上”，它还读出了图片中更复杂的信息。这项技术现在被整合进了谷歌的图像搜索功能里，允许计算机读取图片并向人们展示其中与搜索内容相关的物件
Vinyals和他的同事们还开发过一项应用于谷歌Gmail的叫做智能回复的技术，可以在回复短邮件时自动建议合适的短语。而现在，加入了伦敦的谷歌DeepMind公司之后，他又开始做自己最初所做的事了。目前他正在开发一种能教会自己玩并在复杂的游戏中学会获胜的电脑程序。不是靠手动编程，而是靠编写能让它们从自己的经验中学习的代码。
目前供职：百度
AI专家、交互界面设计师，致力于让技术帮助而不是打扰我们的生活。
当我们在北京的798艺术区，中国首都内的一个咖啡馆里见面时，顾嘉唯关上了自己手机上的微信通知推送，他快速的扫了一眼屏幕，上面已经有超过17000条未读消息了。他说，我们与信息交互的方式已经变得支离破碎，“我不想成为那些代表着通知的嗡嗡声的奴隶。”他是这么解释的。
嘉唯是百度的研发工程师，工作是设计更好的人机交互模型。比如，DuLight，是一个用来帮助失明或视力受损人士的AI交互界面，是一个安装在使用者耳机或手机上的，能扫描钱币、列车时刻表、盒子上的标签、或者类似的东西的摄像头。利用手机上的处理器和深度学习算法，它能确定这些东西的名称，并且将其转换为使用者能从耳机中听到的语音。嘉唯说，“人脸识别技术也在其中有很好的应用。”
嘉唯对未来的期望是人们可以真正的充分享受技术带来的福利。而不是被各种各样的通知所束缚，他说，“我希望能带人们找回不插电时代的感觉。”
目前供职：美国田纳西州大学
那些患了自闭症的人给她带来了研究人工智能的灵感。
“我的研究开始于研究生院，那时我在人工智能的研究体系中工作，并读到了动物学家Temple Grandin讲述她的自闭症是如何给了她一个相对于大多数人显得很独特的通过视觉思考世界的方法的书《Thinking in pictures》”
“我当时觉得：真有意思，大多数AI系统都不是像她那样的‘视觉思考者’，大多数AI的运作都依赖于变量，数字，列表这样的东西，然后通过数学和逻辑动作作出推理。”这些系统都是“语言思考者”，如果你创造了一个完全且只使用图片和视觉信息来进行数据读取和推理，比如旋转图片或者把图片拼到一起的AI，会发生什么事？如果Temple Grandin可以依靠她的视觉思考能力做出这么了不起的事，那我相信AI也同样能做到。我将我们从那些有自闭症的人们身上学到的有趣的视觉能力整合进了AI系统。现在做这些其实还有些早，不过我相信这些东西最终将会非常有价值。
如果我们想帮助学生们学习解决困难问题的方法，我们应该给学生进行一些AI方面的培训，给他们展示解决同一问题的不同方法。如果我们想帮助医生找到疾病爆发的模式，我们应该使用多种AI分析系统以便用使用多种发现模式从各个角度详细分析数据。
目前供职：IBM研究院
他的研究帮助IBM在十余年对使用更高效的碳纳米晶体管替换掉硅基晶体管的探索中前进了许多。
2001
IBM的研究者发明了一种生产碳–炭纳米晶体管阵列的方法。
2002
IBM的研究者们发现炭纳米晶体管能承受现有性能最好的硅基晶体管原型2倍的电流。这被认为是第一次发现炭纳米晶体管的性能优于硅基晶体管的证据。
2006
第一块使用了单个碳–炭纳米晶体管的集成电路被IBM制造了出来。
2008
当他在伊利诺斯州大学攻读博士学位时，曹庆发明了一种在柔性塑料基板上蚀刻炭纳米管电路的方法。
2013
在IBM里，曹庆发明了一种使用机械力来在水中提纯出高精度，整齐排列的炭纳米管阵列的方法。
2015
曹克服了一个将炭纳米晶体管商业化应用的基础障碍。他发现了通过将金属原子焊接到炭纳米管的末端来将金属线连接到炭纳米管上的方法。
2016
IBM将碳–炭纳米管整合进了它的内部半导体研究项目来研究如何改进和扩大这项技术的应用规模。
2020–2025
IBM希望在这个时间内准备好用炭纳米晶体管全面替换它产品中的硅基晶体管。IBM估计炭纳米晶体管的性能会达到硅基晶体管的两到三倍，而能耗只会有其一半。
曹庆和Dinesh Bharadia的研究项目看起来和AI没有什么关系，但我们不要忘了，AI从来不是一个单单由算法或者任何哪项单独的领域就能驱动其进步的技术。AI的发展与进步，需要算法、交互、硬件、神经科学乃至社会伦理的全面发展。在万物互联的未来，Dinesh Bharadia的研究无疑能让AI之间的学习数据的交流和共享变得更加快速和可靠。而曹庆带来的硬件领域的进步是更直接的——要知道，深度学习的崛起很大程度上正是托了硬件计算能力暴涨的福。正是有了这些科学家们的不懈努力，无论是在榜单上的还是没有上这个榜单但也为AI的发展做出了杰出贡献的那些人们，我们才能在迈向心中那个理想的“大白”的路上，一步又一步缓慢却又坚定的前进，且让我们在这里，对这些科学家们的贡献表示由衷的敬佩和支持吧。
题图来自Getty images
雷峰网原创文章，未经授权禁止转载。详情见转载须知。
