大談未來創新技術 看MIT科學界新星怎麼說？

解決人類面臨的大問題，「創新技術」為箇中關鍵。時代基金會12日舉辦「Young Innovators Conference」線上論壇，大談創新未來大趨勢。當中邀請9位科學界明日之星，分享其在重大科技領域的研究洞見、機會與挑戰，包括人工智慧（AI）與機器人、生物技術、氣候變遷、運算及材料科學等關鍵技術領域的研究方向。

與會的科學界新星分享其在各自領域中所觀察到的最有希望和最具挑戰的部分，並同時提出創新解決方案。而其中9位分享者來頭不小，皆為全球科學界35歲以下的創新者，其中7位更為2022年「MIT Technology Review's Innovators Under 35」得主。《麻省理工科技評論》每年都會在全球挖掘35位35歲以下，有望改變世界的科技創新優秀人才，歷年獲獎者包括Google聯合創辦人Larry Page、Meta創辦人Mark Zuckerberg等，是目前全球最具權威的青年科技創新人才榜。

而其中獲此殊榮的麻省理工電腦科學與人工智慧實驗室（CSAIL）教授Stefanie Mueller，更曾在2017年獲評富比士（Forbes）Under 30，其向台灣與會者分享一種可重新編程材料的最新研究。該研究指出，透過將特殊材料應用於物理對象的表面，可以在幾分鐘之內改變外觀，使得未來人們可以像今日更新數位照片一樣，更新衣服、鞋子，甚至整個房間內裝的顏色，這在現在幾乎是不可能發生的事。

Stefanie Mueller也提到，電腦運算徹底改變當前處理數據與數據交互的方式，但目前還無法應用於物理物質。Stefanie Mueller正研究利用一種光致變色染料（Photochromic dyes）將其應用於物理對象的表面，使其能夠在短時間內改變顏色，未來可望在個人化產品設計上擴展應用。

而2016年微軟全球黑客松得主、現為Meta AI研究科學家Ishan Misra，則分享超越傳統機器學習（ML）的自我監督模型學習。這種自我監督（或無監督）學習，可以輕鬆使用數十億張未標記的圖像，自動學習識別物體與圖像的特徵，而超越使用人工標記的傳統機器學習方法。總體來說，機器學習模型可以在沒有人類監督的情況下，學習強大、公平且穩健的模型。

而在醫療領域方面，又有何創新技術值得留意呢？同時榮獲MIT Innovators Under 35評選，並在2022年獲得One Mind's Rising Star Award的美國斯克里普斯研究院神經科學系助理教授Xin Jin，則分享以人類基因來研究自閉症及人腦發展，其透過一種可擴展的遺傳篩選方法，即體內Perturb-seq技術，並將該方法應用於自閉症譜系障礙（ASD）風險基因的功能評估。

而另一位Meta首席用戶體驗研究員Setor Zilevu，則以中風康復運動訓練和中風運動評估為例，分享在具體學習（EL）場景中，人機互動（HCI）如何應用於複雜的機器學習環境，以捕捉和評估人類如何在具體空間中的移動、思考和學習。

事實上，HCI和機器學習不論主要目標、方法和評估過程中都被認為存在差異。Setor Zilevu提到，HCI通常是採用以人為本的方法，專注於使用人類智慧來設計最佳解決方案，但相比之下，機器學習通常側重於使用高度標準化及可量化的數據集作為輸入，以提供可歸納的輸出結果。

另一方面，數位轉型當道，數位經濟時代下軟體幾乎融入了當前社會的方方面面，舉凡在醫療設備、航空、汽車系統、智慧家居和關鍵基礎設施等系統中，都發揮著關鍵作用。卡內基美隆大學助理教授Ensuk Kang則分享其如何設計出安全且可靠的軟體。

Ensuk Kang指出，當軟體進一步與生活密不可分，也意味軟體故障的潛在成本比以往都要更大，同時，伴隨系統設計愈來愈複雜，Ensuk Kang也認為人類對於理解和控制其行為的能力也在減弱，因此新的軟體系統設計方法尤為重要，其需確保這些系統在任何情況下都不會對用戶或環境造成重大損害。