“改變世界”這個詞已經(jīng)被用濫了，但對晶體管、萬維網(wǎng)和手機這類發(fā)明，要形容其撼動世界歷史的影響力，還有別的合適詞語嗎？的確有一些創(chuàng)新改變了歷史的方向。

本文介紹的碳呼吸電池、手術(shù)機器人、量子衛(wèi)星和另外7種創(chuàng)新能否產(chǎn)生相似的效果呢？現(xiàn)在下結(jié)論還為時尚早。大多數(shù)創(chuàng)新方案*終都失敗了，*偉大的創(chuàng)意往往也伴隨著*高的風險。但一個創(chuàng)意從引人發(fā)笑到變成大勢所趨，往往用不了多長時間。

1.碳呼吸電池

電化學電池能夠吸收大氣中的碳，將其轉(zhuǎn)化為電能。

單單削減溫室氣體排量已經(jīng)不足以阻止全球變暖?，F(xiàn)在，我們必須將大氣中已經(jīng)存在的二氧化碳清除一部分。好消息是，做這件事的方法有很多；壞消息是，這些方法基本上都需要消耗大量能源。

理想的碳封存技術(shù)可以產(chǎn)生電能，而不是消耗能量。在2016年7月發(fā)表于《科學進展》上的一篇論文中，美國康奈爾大學的研究人員瓦迪·阿爾·薩達特和林登·阿徹描述了一種能捕捉二氧化碳的電化學電池的設(shè)計方案。

電池的陰極材料采用的是鋁，這種金屬成本低、儲量大、易于加工。陽極由多孔碳構(gòu)成，研究人員向其中注入氧氣和二氧化碳的混合物。鋁、氧氣和二氧化碳在電池內(nèi)部發(fā)生反應，產(chǎn)生電能并生成草酸鋁。薩達特和阿徹表示，在一個1.4伏電池的生命周期中，電池所吸收的碳是制造電池時所釋放的碳的2.5倍。

阿徹表示，要想把這個設(shè)計轉(zhuǎn)化為實用的技術(shù)，他和同事還有很長的路要走。首先，他們需要證明該技術(shù)的成本效益足夠高，并且規(guī)模可以擴展。阿徹預計，如果他們能成功實現(xiàn)這樣的轉(zhuǎn)化，將來這種電池會配備在發(fā)電站和汽車排氣管上。

2.全新的抗生素

設(shè)計新型化合物的方法可用來對抗耐藥菌。

很難想象一個沒有抗生素的世界是什么樣的，不過因為大規(guī)模濫用抗生素，我們正走近這樣的世界。美國國家疾病預防與控制中心表示，僅在美國，每年就有超過23000人因感染抗生素無法對付的病菌而死亡。英國政府資助的一項研究估計，到2050年，全世界每年會有1000萬人死于耐藥菌。科學家正苦苦尋找能殺死超級病菌的新藥，例如大環(huán)內(nèi)酯類抗生素。

邁爾斯和他的團隊找到了合成大環(huán)內(nèi)酯的方法。為了合成這種化合物，研究人員把大環(huán)內(nèi)酯的結(jié)構(gòu)分解成8個基本模塊，然后以新的形式把它們組合起來，利用不同的組合方式調(diào)節(jié)其化學性質(zhì)。邁爾斯團隊在2016年5月發(fā)表于《自然》雜志（Nature）的論文中表示，他們已經(jīng)合成了超過300種新型化合物。研究人員使用了14種致病細菌進行實驗，發(fā)現(xiàn)大多數(shù)化合物可以抑制細菌，而且有很多可以殺死耐藥菌株。

3.量子衛(wèi)星

量子密鑰的天基傳輸可能會讓“不可攻破”的互聯(lián)網(wǎng)變?yōu)楝F(xiàn)實。

要建立**的加密方法，并不需要比鉛筆和紙更高級的技術(shù)：只要選擇一串隨機的字符和數(shù)字，用作加密信息的密鑰。把這個密鑰寫在紙上，用一次之后把紙燒掉就行。關(guān)鍵是要確保沒有人能攔截或篡改密鑰。而在互聯(lián)網(wǎng)上，竊取或篡改密鑰的事情一直沒斷過。量子密鑰分發(fā)可以解決這個問題，該方法會從糾纏光子中生成一個一次性密鑰。量子密鑰分發(fā)的問題是，沒人知道如何長距離傳輸糾纏光子。然而今年8月，中國科學院成功將世界*顆量子衛(wèi)星送入軌道，為解決這個問題邁進了一大步。

中國科學院的項目名為量子科學實驗衛(wèi)星，是與奧地利科學院合作的項目。該項目利用衛(wèi)星向中國境內(nèi)相距1200千米的兩個觀測站傳輸量子密鑰，這一距離是目前*遠傳輸紀錄的8倍。如果中國研究人員創(chuàng)造了量子密鑰傳輸距離的新紀錄，那么未來的衛(wèi)星就能提供一個軌道平臺，建立起不可攻破的“量子互聯(lián)網(wǎng)”，物理定律可以確保加密數(shù)據(jù)包的**。

4.替代外科手術(shù)的微型機器人

遠程控制的微型機器人可以在體內(nèi)完成治療。

醫(yī)學干預手段越先進，侵入性就越低?，F(xiàn)在，麻省理工學院的研究人員發(fā)明了一種機器人，可以在胃里完成簡單的手術(shù)，且完全不需要切口或連接外部的纜線——病人只需把機器人吞下去就行。

這種微型機器人包裹在用冰做成的口服含片里，被人服下后會進到胃里。冰膠囊融化后，機器人會像折紙一樣打開。展開后的機器人看起來像一張有皺褶的紙，材料上的皺褶、縫隙和補丁的位置都是精心設(shè)計好的，它們遇熱或受磁場作用時會膨脹或收縮，進而借此移動。這種移動方式類似關(guān)節(jié)和肌肉的運動方式。外科醫(yī)生通過外部電磁場影響機器人上的磁鐵，就可控制機器人的運動。

機器人的主體由生物相容性材料制成——部分材料來自豬的小腸，也是香腸腸衣的材料。這些材料可以向體內(nèi)傷口給藥或是像創(chuàng)可貼那樣固定在傷口上。機器人還能用自帶的磁鐵“捕捉”并移除異物，比如誤吞的紐扣電池。

5.發(fā)現(xiàn)貧困地區(qū)的軟件

機器學習軟件可以分析衛(wèi)星圖片，找到需要幫助的偏遠貧困地區(qū)。

2015年，聯(lián)合國定下一個目標，希望在2030年前在世界范圍內(nèi)消除極端貧困。這個目標很大膽。要實現(xiàn)目標，*步就是找到*窮的人都在哪里，而這一步的難度就非常大。在貧困和易發(fā)戰(zhàn)亂的國家進行經(jīng)濟調(diào)查既昂貴又危險。研究人員嘗試通過一種間接的辦法來解決這一難題：他們在夜間的人造衛(wèi)星照片中尋找特別暗的區(qū)域。“一般來說，晚上亮起來的地方經(jīng)濟狀況更好，”斯坦福大學地球科學系統(tǒng)助理教授馬紹爾·博克解釋說。但這種方法有缺陷，尤其是在區(qū)分貧困程度方面。在晚上，從太空中看，輕度貧困和極端貧困的地方是一樣的，都是漆黑一片。

博克和他在斯坦福的團隊認為，可以用機器學習的方法來改進人造衛(wèi)星成像研究。研究人員利用非洲五國的日間和夜間衛(wèi)星圖像來訓練圖片分析軟件。在綜合了日間和夜間的圖片數(shù)據(jù)后，計算機“學會”把日間圖片的特征（道路、城市區(qū)域和農(nóng)業(yè)用地）與不同水平的夜間亮度關(guān)聯(lián)起來?！袄靡归g的燈光，可以找出日間照片中有何重要特征，”博克說。

當訓練結(jié)束后，博克的軟件可以僅僅根據(jù)白天的衛(wèi)星圖片發(fā)現(xiàn)貧困區(qū)域的位置。

6.會制冷的衣服

納米多孔纖維讓穿著者感到?jīng)隹?，這可以降低對空調(diào)的需求。

地球變得越熱，把空調(diào)溫度調(diào)得更低的人就越多。但是空調(diào)制冷需要能源，而獲取能源會排放溫室氣體。

崔屹是斯坦福大學材料科學與工程學教授，他想用衣服幫助人們解暑降溫。即便是*輕薄的棉纖維衣物也會吸收身體發(fā)射出的紅外線，從而鎖住熱量。崔屹和他的團隊發(fā)現(xiàn)，一種用于制造鋰離子電池的納米多孔聚乙烯材料（nanoPE），可以讓這些輻射散發(fā)出去。

與棉質(zhì)衣服相比，nanoPE可以讓模擬的人體皮膚多降溫2攝氏度。崔屹團隊于2016年9月在《科學》（Science）雜志上報告了這一發(fā)現(xiàn)。崔屹表示：“如果你穿上nanoPE的衣服，只要外部溫度比你的體溫稍低，你就會感到?jīng)隹?。”如果是大熱天，你可能還是想開空調(diào)，但可以把溫度調(diào)高一些。有研究顯示，只要把空調(diào)溫度調(diào)高幾度，就能讓能耗降低近一半。

7.抗病毒*方案

一個罕見的遺傳突變也許可以催生出能對抗所有病毒的藥物。

眾所周知，病毒很擅長躲避人造藥物的攻擊，但它們面對罕見基因突變ISG15時卻很無力。帶有這個突變的人能更好地抵御大多數(shù)可以感染人類的病毒——但每1000萬人里只有不到1人攜帶這一突變。西奈山伊坎醫(yī)學院的杜贊·博古諾維奇認為，可以模擬這一突變來研發(fā)藥物。他有可能找到一種可以臨時對抗所有病毒的藥物，讓人不會因感染病毒而生病。

博古諾維奇希望找到一種藥物，可以通過相同方式把ISG15突變作為目標?！爸灰陨哉{(diào)整一下我們的系統(tǒng)，就可以壓住感染的*波爆發(fā)，”他解釋道。博古諾維奇的團隊正從1600萬種化合物中篩選有前景的抗病毒藥物。當他們發(fā)現(xiàn)候選化合物以后，就需要精細地調(diào)整化合物的化學性質(zhì)，完成毒理學和動物試驗，并*終進行人體臨床試驗。這項研究并不是必定能獲得成功的。有些攜帶ISG15突變的人會偶發(fā)癲癇，出現(xiàn)類似紅斑狼瘡的自體免疫疾病癥狀。研究人員開發(fā)的藥物需要避免出現(xiàn)副作用。

8.新算法讓計算機學會橫向思考

人工智能方法可以讓計算機在視覺模式識別方面勝過人類。

如果有人給看你一個陌生字母表里的字母，再讓你把它寫到一張紙上，也許你能做到，但計算機卻做不到——即使它有*先進的深度學習算法也不行。哪怕只是做一些基本的圖片區(qū)分工作，機器學習系統(tǒng)也需要用大量的數(shù)據(jù)進行訓練。

借助貝葉斯規(guī)劃這個機器學習框架，計算機已離這一飛躍不遠了。紐約大學、麻省理工學院和多倫多大學的研究者組成的團隊證實，只需學習