**美國東部時間 6 月 19 日，《麻省理工科技評論》公布了第 19 屆 35 Innovators Under 35 評選結果，即 2019 年度 全球 「35 歲以下科技創新 35 人」榜單。
**
*先鋒者 （Pioneers） *
他們破除了舊有的方式，創造了更好的人工智能、抗生素，甚至建築風格。
李金星
- 32 歲
- 斯坦福大學
- 出生地：中國
他的小型機器人可被編程用來治療感染病。李金星率先研究出幾微米的小型機器人，來治療動物疾病。李金星設計了外觀類似火箭的微型馬達機器人，可以在活體動物的腸道中運行，並在完成任務後對其進行生物降解。
這些機器人是由聚合物塗層的鎂球所制成的，這些材料會與胃酸產生化學反應產生氫氣泡，以推動它們穿過腸道。李金星和合作者在其中一個聚合物塗層上裝載了抗生素，並將機器人給予至患有胃感染的老鼠身體中。一旦進入胃部，藥物會射向胃內壁，並在逐漸分解之前吸附在胃壁上，同時釋放自己的「存貨」來治療感染。
最近的一項研究表明，隱藏在血小板細胞膜中的磁性納米馬達可以有效地通過血液中穿行，清除毒素和病原體，而不會像外來顆粒那樣，被免疫系統清除或被粘性生物分子所覆蓋。
李金星表示，他們下一步將製造「生化細胞」，通過提取人體中的免疫細胞，捕獲並摧毀細菌或癌細胞，並將它們與納米機器人結合，導向疾病部位。
César De La Fuente
- 33 歲
- 賓夕法尼亞大學
- 出生地：西班牙
他利用數字化的演變以制造更好的抗生素。
細菌的進化速度比科學家們制作新的抗生素的速度更快，這就是為什麽César De La Fuente 開發出遵循達爾文進化論的算法，來創造出優化後的人工抗生素。
Fuente 是解決醫療問題的多肽蛋白工程專家，他開發出一種將有毒蛋白(比如黃蜂毒液中的蛋白質)轉化為抗菌素的方法，挖掘了大量現存的人體蛋白質數據庫，發現了一種能夠殺死有害微生物的分子。
「我每天早上醒來，都會想到在國內以及世界各地那些因無法醫治的感染而死去的人們感到痛惜。我嘗試提出方案，解決此類問題。」César De La Fuente 說道，而他一直著迷於微生物的生存技巧。
除了要開發計算機設計的抗生素，Fuente 作為賓夕法尼亞大學的一名助理教授，並希望使用相同的工程方法找到與憂鬱症、焦慮症等精神疾病有關的蛋白質，並對它們予以修改，對大腦功能和行為產生影響。
Rediet Abebe
- 28 歲
- 康乃爾大學
- 出生地：埃塞俄比亞
她將人工智能與搜索引擎的結果結合起來，來發掘群體需求。
Rediet Abebe 利用算法與人工智能來惠及弱勢群體，使他們獲得更多的機會。當 Abebe 從她的祖國埃塞俄比亞動身前往美國，去哈佛大學上學的時候，她震驚地發現，即使是在世界上最富有的國家之一，至關重要的資源往往無法惠及最脆弱的人群。所以，她正在利用電腦技術來緩解社會經濟的不平等。
作為一名微軟的實習生，Abebe 制定了一個人工智能項目，即分析搜索查詢，以揭示非洲人民的健康信息需求。此外，她的這個研究項目揭示了哪些人口群體可能對艾滋病毒的治療方式表現出興趣，以及哪些國家的居民格外擔心與愛滋病毒/愛滋病相關的羞辱和歧視問題。據了解，這個項目首次使用了基於網絡的大型數據集，來研究所有 54 個非洲國家的衛生狀況。
為了向衛生規劃工作提供信息，Abebe 正在將這些發現提交給非洲各國衛生部的健康專家。她還與美國國立衛生研究院咨詢委員會合作，幫助減少美國的健康差距。
為了鼓勵這一領域的發展，她與團隊共同創立了「社會福利機制設計」，這是一項多機構的研究計劃，旨在利用算法來應對從分配保障性住房到改善健康狀況等一系列挑戰。她看到資源沒有惠及到那些需要它們的人。
*Nicole Gaudelli *
- 34歲
- Beam Therapeutics
- 出生地：美國
她發明了一種糾正DNA單堿基突變的更好方法。
Nicole Gaudelli 發明了一種方法，這種方法可以糾正由 DNA 單堿基突變導致的可遺傳疾病，幾乎一半以上的人都會因此受益。
例如像 CRISPR 這樣的基因編輯工具，可以解決一些導致遺傳性疾病的單堿基錯誤的問題，但是對於DNA鏈中原本應該是鳥嘌呤（G）的位置而出現腺嘌呤（A）的錯誤問題，它卻不能糾正。由 G 到 A 的錯誤出現可能會引起許多疾病，比如鐮刀形細胞貧血症、囊性纖維變性、帕金森症、老年癡呆症以及許多類型的癌癥。
因此，Gaudelli 開始研制一種新的酶，這種酶可以將 A-T 堿基對直接轉化為 G-C 堿基對，而且幾乎沒有任何不良影響。
Gaudelli 在談到讓她研制出的新型酶起到的作用時表示，「這有點神奇」。
據悉，Nicole Gaudelli 現在是一家位於馬薩諸塞州劍橋市的生物技術公司 Beam Therapeutics 的資深科學家。目前，其正在致力於將這個研究方法進行商業化。
顧鄉鄉
- 30 歲
- 加州大學伯克利分校
- 出生地：美國
她正在用 AI 技術來幫助獲得新一代更輕、更強的材料。
顧鄉鄉正在研究利用人工智能技術來探索制造更好材料的方法。她研發的材料可以用於制作更輕、更強的防彈衣，還可用於 3D 列印以及定制化的醫學植入體。此外，這種材料還可以用來製作可調節的太陽能電池，可以比傳統的太陽能電池轉化的更好。
她的發明靈感來自於貝殼和竹子等天然材料，其中的基本成分結構，形成了材料的強度、耐磨性、硬度和柔韌性。
她在加州大學伯克利分校的團隊使用機器學習算法，企圖從自然界的例子中，尋找並分解出新的覆合結構。而這種方式，使她能夠設計出超級堅固但又輕巧的材料。然後對發明出的新材料進行 3D 列印和測試，以驗證算法，從而確保這種理想的材料能夠在現實世界中起到作用。到目前為止，顧鄉鄉的研究，使她研制出了許多強度顯著提高的材料，並且其硬度可以針對特定應用進行優化。
韓松
- 30 歲
- 麻省理工學院
- 出生地：中國
他開發了一種讓強大的 AI 程序能夠更加流暢運行的軟件。
AlphaGo 是第一個擊敗人類職業圍棋選手、第一個戰勝圍棋世界冠軍的 AI 機器人。在其背後，需要近 2000 個中央處理單元和300個圖形處理單元才能維持其運作。因此，每場比賽都會花費將近 3000 美元的電費。而韓松發明的軟硬件技術，使得像 AlphaGo 這樣強大的 AI 機器人，能夠在一些電容量較低的設備中流暢運行。
韓松發明的 「深度壓縮」技術，使得人工智能算法識別物體、生成圖像，以及理解人類語言，從而在智能手機上實時運行成為可能。Facebook 公司以及其他許多公司都在使用他開發出的軟件，來減少識別圖像算法所需的計算量，並且使得人們可以用他們的智慧型手機自帶的相機功能，精確識別現實生活中的物體，然後添加數字視覺效果。
2016 年，韓松與他的同伴共同成立了深鑒科技（DeepPhi Tech）。這家總部位於北京的公司在 2018 年被美國半導體公司賽靈思（Xilinx）收購。
而現在，韓松作為麻省理工學院助理教授，正致力於 AI 算法自動化研究。當談到計算系統松散地模仿人腦的問題時，韓松表示，他的目標是「讓任何一個非專業人士，僅僅按下一個按鈕就能建立完整的神經網路」，這才是人工智能如何工作的核心問題。
他說，即使是在人工智能領域沒有專業技能的軟件開發人員，也可以利用此類神經網路技術，來對物體進行分類，提高圖像的的分辨率，並且更高效率地分析影片。
*Mariana Popescu *
- 32 歲
- 蘇黎世聯邦理工學院
- 出生地：羅馬尼亞
她使用針織紡織品作為混凝土建築物的模型，這意味著將花費更少的錢、更低的碳排放以及時間。
Mariana Popescu 開發了一套生產工藝以及配套的計算工具，這種工具能夠將針織紡織品轉化為用於混凝土建築的覆雜模具。她的這項創新，使得快速構建複雜的定製化設計服務體系成為可能，與此同時，這將會減少大量的汙染以及二氧化碳的排放。
Popescu 表示：「如果你真想用較少的材料來製造更好的結構，那麽最終你將會的得到帶有雙彎曲結構的複雜幾何圖形或者其它難以被澆築成型的特點。」
而傳統的建築採用由沈重腳手架支撐的木材或泡沫來形成澆築混凝土的形式，這不僅耗費時間，也限制了模型的形狀。
Popescu 稱，她所要做的就是，看看這些紡織材料是否適合製作各種各樣的洞、通道和其他覆雜的 3D 形狀，用在臨時建築物中。
因此，Popescu 開發了一種算法，可以將建築設計自動轉換為基於紡織品的模具，並且在短短幾個小時內由工業機器進行編織。而這種方法制造出的模具輕巧靈活。Popescu 還和她的團隊一起開發了一個系統，該系統可以使用鋼纜將模具固定在適當的位置，並同時在上面澆注混凝土。
如果想要用較少的時間和成本建造一個複雜結構的建築物，並且該建築要有最小的生態結構，那麽 Popescu 的發明無疑是一種高效且生態意識強的建築方式。它可以在難民營、戰區和自然災害現場等地區發揮很大潛力，可以建造一些低成本、堅固、輕便的建築。
Wojciech Zaremba
- 30 歲
- OpenAI
- 出生地：波蘭
他教一個機器人手臂如何自己解決問題。
Wojciech Zaremba領導了一個團隊，該團隊使用機器學習手段，讓機器人手臂可以在不同的環境中自主撿起積木塊。機器人必須自己解決如何完成一個覆雜的任務，即抓住一個積木塊，並且根據指令用它的機械手指轉動積木塊。
機器人的訓練過程建立在強化學習技術和神經網絡的基礎之上，神經網絡是一種模擬我們大腦運轉網絡的電腦程序。
盡管強化學習之前已經在機器人技術中得到應用，但因其涉及的眾多任務，可能會需要數百年的不斷學習才可以實現目標，所以它並沒有被應用在像機器人手那樣覆雜的工作中。
由於模擬和現實之間存在差距，在虛擬世界中接受訓練的機器人 AI ，通常無法成功轉移到現實中。Zaremba 假設，如果能夠改變虛擬環境條件，那麽可以順利為 AI 現實學習提供一個完整的神經系統。
他隨機抽取了 254 個物理參數，比如說積木塊的質量以及指尖的摩擦力度。他發現，在經過訓練後，機械手第一次在現實世界中使用時就可以拿起積木塊。
【全球青年英雄榜（一）】《麻省理工科技評論》最新公布 8位華人上榜
【全球青年英雄榜（三）】《麻省理工科技評論》最新公布 8位華人上榜
查看原始文章
