Er du klar for å bli teknooptimist igjen?

For 20 år siden valgte MIT Technology Review 10 nye områder for innovasjon som vi lovet ville forandre verden. Det var en tid med topp teknooptimisme. Ja, dot-com-boomen var midt i imploderingen; noen innsidere bekymret seg allerede over slutten av Moores lov. (Det er de fortsatt, selv om industrien stadig finner måter å gjøre datamaskiner kraftigere på.) Men på mange måter var det en strålende tid for vitenskap og teknologi.

Et arbeidsutkast til det menneskelige genomet ble publisert i februar 2001 – en genetisk plan som lovet å avsløre våre dypeste biologiske hemmeligheter. Det var stor spenning over de siste gjennombruddene innen nanoteknologi. Tidlige fremskritt innen kvante- og molekylær databehandling varslet en ny, post-Moores lov-æra for beregning. Og så var det den fantastiske søkemotoren med det morsomme navnet, som raskt fikk brukere og endret hvordan de surfet på nettet og fikk tilgang til informasjon. Føler seg heldig?

Denne historien var en del av mars 2021-utgaven vår

• Se resten av saken
• Abonnere

Så det er verdt å se tilbake på den innledende TR10, som vi nå kaller vår årlige liste, for å se hvor mye fremgang vi har gjort.

Først, la oss erkjenne at det var en gjennomtenkt liste. Vi unngikk robotiske eksoskjeletter og menneskelig kloning, så vel som molekylær nanoproduksjon og nano-dommernes fryktede grå tull – alle aktuelle temaer. I stedet fokuserte vi på grunnleggende fremskritt innen informasjonsteknologi, materialer og bioteknologi. De fleste av teknologiene er fortsatt kjent: datautvinning, naturlig språkbehandling, mikrofluidikk, hjerne-maskin-grensesnitt, biometri (som ansiktsgjenkjenning) og robotdesign.

Så hvor godt oppfylte disse teknologiene drømmene vi hadde for dem for to tiår siden? Her er noen leksjoner fra 2001-listen.

MIT TECHNOLOGY REVIE W

Leksjon 1:

Fremgangen går ofte sakte

Vårt første utvalg, hjerne-maskin-grensesnitt, begynner med en beskrivelse av nevrovitenskapsmannen Miguel Nicolelis som registrerer de elektriske signalene fra hjernen til en veldig søt ugleape ved navn Belle mens hun tenker på hvordan hun kan få i seg noen dråper eplejuice. Blink frem til sensommeren 2020, mens Elon Musk viser frem hjernesignalene fra en veldig søt gris som heter Gertrude, og får åhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhh.

Relatert historie

Elon Musks Neuralink er nevrovitenskapsteater Elon Musks livestreamede hjerneimplantatbegivenhet ga løfter som vil være vanskelig å holde.

En observatør ved Musks arrangement kan ha blitt tilgitt for å lure på om det virkelig hadde gått 20 år siden Nicolelis sitt eksperiment. Begge mennene hadde lignende visjoner for å koble hjernen direkte til dataenheter via implanterte brikker. Som vår biomedisinske redaktør, Antonio Regalado, skrev i 2001, ser Nicolelis innsatsen som en del av den forestående revolusjonen som til slutt kan gjøre [hjernegrensesnitt] like vanlig som Palm Pilots.

Den påstanden har gått i oppfyllelse, men takket være bortfallet av Palm Pilots, ikke populariteten til hjerne-maskin-grensesnitt. Til tross for noen oppmuntrende menneskelige eksperimenter gjennom årene, er slike grensesnitt fortsatt en vitenskapelig og medisinsk merkelighet. Som det viser seg, er nevrovitenskap veldig vanskelig. Det har vært suksess med å krympe elektronikken og gjøre implantatene trådløse, men fremgangen i vitenskapen har vært langsommere, og hindret visjonene Nicolelis og Musk håpet å realisere. (En fotnote til leksjon én: suksess avhenger ofte av om en rekke fremskritt kan komme sammen. Å gjøre hjernegrensesnitt praktiske krever fremskritt både innen vitenskapen og gadgets.)

Leksjon 2:

Noen ganger krever det en krise

Vi valgte mikrofluidikk i 2001 på grunn av noen bemerkelsesverdige fremskritt i å flytte små mengder biologiske prøver rundt på en liten enhet – en såkalt lab-on-a-chip. Disse lovet raske diagnostiske tester og muligheten til å automatisere medikament- og genomiske eksperimenter.

Siden den gang har mikrofluidikk funnet verdifull bruk i biologiforskning. Smarte fremskritt fortsatte, for eksempel ultrabillige og brukervennlige papirdiagnostiske tester (Paper Diagnostics var en TR10 i 2009). Men feltet har sviktet løftet om transformerende testing . Det var rett og slett ikke en overveldende etterspørsel etter teknologien. Det er rimelig å si at mikrofluidikk ble et vitenskapelig bakvann.

Covid-19 gjorde det slutt. Konvensjonelle tester er avhengige av flertrinnsprosedyrer utført i et analytisk laboratorium; dette er dyrt og tregt. Plutselig er det appetitt på en rask og billig lab-on-a-chip-løsning. Det tok noen måneder for forskere å tørke støv av teknologien, men nå covid-19 diagnostikk ved bruk av mikrofluidikk dukker opp. Disse teknikkene, inkludert en som bruker CRISPR-genredigering, lover å gjøre covid-tester langt mer tilgjengelige og mye brukt.

Leksjon 3:

Være forsiktig med hva du ønsker deg

I 2001 så Joseph Atick, en av pionerene innen biometri, ansiktsgjenkjenning som en måte for folk å kommunisere med gadgetene og datamaskinene sine sikrere og enklere. Det ville gi mobiltelefoner og personlige digitale assistenter som ble stadig mer populære en måte å gjenkjenne eierne sine ved å stave slutten av PIN-koder og passord. En del av den visjonen gikk til slutt i oppfyllelse med slike applikasjoner som Apples FaceID. Men ansiktsgjenkjenning tok også en vending som Atick nå sier sjokkerer meg.

Relatert historie

Podcast: Ansiktsgjenkjenning brukes i det stille for å kontrollere tilgangen til bolig og sosiale tjenester

I denne episoden ser vi på debatten om hvordan og om offentlige midler skal brukes til å distribuere ansiktsgjenkjenning i sårbare samfunn

I 2001 var ansiktsgjenkjenningsalgoritmer begrenset. De krevde instruksjoner fra mennesker, i matematisk form, om hvordan man identifiserer kjennetegnene til et ansikt. Og hvert ansikt i databasen med ansikter som skulle gjenkjennes, måtte møysommelig skannes inn i programvaren.

Så kom boomen i sosiale medier. Mens han i de første dagene, sier Atick, ville vært begeistret over 100 000 bilder i ansiktsgjenkjenningsdatabaser, kunne plutselig maskinlæringsalgoritmer trenes på milliarder av ansikter, skrapet fra Facebook, LinkedIn og andre nettsteder. Det var nå hundrevis av disse algoritmene, og de trente seg selv, ganske enkelt ved å innta og sammenligne bilder – ingen eksperthjelp kreves.

Men det bemerkelsesverdige fremskrittet kom med en avveining: ingen forstår egentlig resonnementet maskinene bruker. Og det er et problem nå som ansiktsgjenkjenning blir mer og mer avhengig av sensitive oppgaver som å identifisere kriminelle mistenkte. Jeg så ikke for meg en verden hvor disse maskinene skulle ta over og ta avgjørelser for oss, sier Atick.

Leksjon 4:

Fremskrittsbanen er viktig

Hei igjen, Sidney P. Manyclicks. Vi har anbefalinger til deg. Kunder som kjøpte denne kjøpte også...

Anbefalingsmotorene beskrevet i denne, åpningen av vår artikkel fra 2001 om datautvinning, virket imponerende på den tiden. En annen potensiell bruk av data mining rundt 2001 hørtes også spennende ut: datasøkbare videobiblioteker. I dag virker det hele helt hverdagslig.

Takket være stadig økende beregningskraft, den eksploderende størrelsen på databaser og nært beslektede fremskritt innen kunstig intelligens, styrer datautvinning (begrepet er nå ofte utskiftbart med AI) forretningsverdenen. Det er livsnerven til store teknologiselskaper, fra Google og datterselskapet YouTube til Amazon og Facebook. Den driver reklame og, ja, salg av alt fra sko til forsikring, ved hjelp av personlig tilpassede anbefalingsmotorer.

Har disse teknologiene gjort livene våre ikke bare mer praktiske, men bedre på måter som vi bryr oss om?

Likevel skjuler disse store suksessene en underliggende fiasko som ble spesielt tydelig under pandemien. Vi har ikke utnyttet kraften til big data på områder som betyr mest.

Ved nesten hvert trinn, fra de første tegnene på viruset til testing og sykehusinnleggelse til utrulling av vaksiner, har vi gått glipp av mange muligheter til å samle data og hente dem for kritisk informasjon. Vi kunne ha lært så mye mer om hvordan viruset sprer seg, hvordan det utvikler seg, hvordan man behandler det og hvordan man fordeler ressurser, og potensielt reddet utallige liv. Vi så ikke ut til å ha en anelse om hvordan vi skulle samle inn data vi trengte .

Totalt sett er de 10 teknologiene vi valgte i 2001 fortsatt relevante; ingen er blitt forlatt; og noen har vært bemerkelsesverdige, til og med verdensendrende, suksesser. Men den virkelige testen av fremgang er vanskeligere: Har disse teknologiene gjort livene våre ikke bare mer praktiske, men bedre på måter som vi bryr oss om? Hvordan måler vi den fremgangen?

Det som gjør deg glad?

Den vanlige måten å måle økonomisk fremgang på er ved å måle bruttonasjonalprodukt (BNP). Den ble formulert på 1930-tallet i USA for å hjelpe oss å forstå hvor godt økonomien kom seg etter den store depresjonen. Og selv om en av sjefsarkitektene, Simon Kuznets, advarte om at BNP ikke bør forveksles med et mål på landets velvære og velstanden til dets folk, har generasjoner av økonomer og politikere gjort nettopp det, og gransket BNP-tallene for å finne ledetråder. til helsen til økonomien og til og med tempoet i teknologisk fremgang.

Økonomer kan erte det de kaller total faktorproduktivitet (TFP) fra BNP-statistikk; det er i utgangspunktet et mål på hvor mye innovasjon bidrar til vekst. I teorien skulle nye oppfinnelser øke produktiviteten og få økonomien til å vokse raskere. Likevel har ikke bildet vært bra de siste to tiårene. Siden rundt midten av 2000-tallet – kort tid etter vår første TR10-liste – har veksten i TFP vært treg og skuffende, spesielt gitt flom av ny teknologi som kommer fra steder som Silicon Valley.

Noen økonomer tror forklaringen kan være at innovasjonene våre ikke er så vidtrekkende som vi tror. Men det er også mulig at BNP, som ble designet for å måle industriproduksjonen på midten av 1900-tallet, ikke tar hensyn til de økonomiske fordelene ved digitale produkter, spesielt når de er gratis å bruke, som søkemotorer og sosiale medier.

Stanford-økonom Erik Brynjolfsson og hans kolleger har opprettet et nytt tiltak for å prøve å fange opp bidraget til disse digitale varene. Kalt BNP-B (B er for fordeler), beregnes den ved å bruke nettbaserte undersøkelser for å spørre folk hvor mye de verdsetter ulike digitale tjenester. Hva må du for eksempel få betalt for å leve en måned uten Facebook?

Beregningene tyder på at amerikanske forbrukere har tjent rundt 225 milliarder dollar i uttelling fra Facebook alene siden 2004. Wikipedia la til 42 milliarder dollar. Hvorvidt BNP-B fullt ut kan forklare den tilsynelatende nedgangen i produktiviteten er usikkert, men det gir bevis på at mange økonomer og beslutningstakere kan ha undervurdert den digitale revolusjonen. Og det, sier Brynjolfsson, har viktige implikasjoner for hvor mye vi bør investere i digital infrastruktur og prioritere enkelte områder av innovasjon.

BNP-B er en av et større sett med forsøk på å finne statistikk som mer nøyaktig gjenspeiler endringene vi bryr oss om. Tanken er ikke å kaste ut BNP, men å komplettere det med andre beregninger som mer bredt reflekterer det vi kan kalle fremgang.

Et annet slikt tiltak er Sosial fremgang-indeks , som ble opprettet av et par økonomer, MITs Scott Stern og Harvards Michael Porter. Den samler inn data fra 163 land om faktorer inkludert miljøkvalitet, tilgang til helsetjenester og utdanning, trafikkdødsfall og kriminalitet. Mens rikere land, ikke overraskende, har en tendens til å gjøre det bedre på denne indeksen, sier Stern ideen er å se på hvor sosial fremgang avviker fra BNP per innbygger. Det viser hvordan noen land, selv fattige, er bedre enn andre til å snu økonomisk vekst til verdsatte sosiale endringer.

Undersøkelse fra 13 land viser generasjonsgap

'Forestiller du deg når covid-19-pandemien er over ... hvilket skal landet ditt prioritere mest?'

KILDE: IPSOS/SOSIAL FREMGANGSMÅTE

USA, med et av verdens høyeste nivåer av BNP per innbygger, ligger på 28. plass i indeksen, og er ett av bare fire land som har gått ned siden 2014. Norge, som er like velstående, ble rangert først i 2020 (se figur). under). Noen fattigere land presterer også bedre.

Svært ofte handler beslutningene om innovasjon og teknologi om dens økonomiske virkning, sier Stern. Det er ikke noe galt med det. Men retter vi de økonomiske belønningene til områder som vil fremme sosial fremgang?

En lignende tanke ligger bak et annet alternativ til BNP, utviklet av Diane Coyle og hennes kolleger ved Bennett Institute for Public Policy i Cambridge, Storbritannia. Deres mål på hva de kaller formuesøkonomien er basert på det de definerer som eiendeler til et samfunn, inkludert dets menneskelige kapital (helsen og ferdighetene til dets folk), naturkapital (ressursene og helsen til miljøet) og sosial kapital (tillit og sosial samhørighet).

Det er et enormt ambisiøst prosjekt som prøver å lage et par nøkkelmålinger for hver eiendel. Disse tallene, sier Coyle, er ment å informere om bedre beslutninger om teknologi og innovasjon, inkludert beslutninger om prioriteringer for statlige investeringer. Hun sier at tilnærmingen lar deg spørre: Hva gjør teknologien for folk?

Verdien av disse ulike alternativene til BNP er at de gir et bredere bilde av hvordan livene våre endrer seg som følge av teknologi. Hadde de vært på plass for 20 år siden, ville de kanskje ha kastet lys over kriser vi var sent ute med å se, som veksten i inntektsulikhet og den raske forverringen av klimaet vårt. Hvis 20 år siden var en tid med topp teknooptimisme, kan det ha fått oss til å spørre: Optimisme om hva?

Gjenfødt håp

For omtrent et tiår siden begynte den teknooptimistiske fortellingen å falle fra hverandre.

I 2011 skrev Tyler Cowen, en økonom ved George Mason University i Virginia Den store stagnasjonen , og hevdet at teknologiene som virket så imponerende på den tiden – spesielt sosiale medier og smarttelefonapper – gjorde lite for å stimulere økonomisk vekst og forbedre folks liv. Oppgangen og fallet av amerikansk vekst, en bestselger fra 2016 av Robert Gordon, en annen fremtredende økonom, var på mer enn 700 sider, og beskriver årsakene til nedgangen i TFP etter 2004. Den midlertidige boomen fra internett, erklærte han, var over.

Bøkene bidro til å starte en epoke med teknopessimisme, i det minste blant økonomer. Og i løpet av de siste årene har problemer som feilinformasjon på sosiale medier, usikre levebrød for arbeidstakere i gig-økonomi og den skumlere bruken av data mining drevet et bredere pessimistisk syn – en følelse av at Big Tech ikke bare ikke gjør samfunnet bedre men gjør det verre.

I disse dager vender Cowen imidlertid tilbake til optimistleiren. Han etterlyser mer forskning for å forklare fremgang og hvordan man skaper den, men han sier at det er en mer positiv historie enn for noen år siden. Den tilsynelatende suksessen til covid-vaksiner basert på messenger-RNA gjør ham begeistret. Det samme gjør gjennombrudd i bruk av AI til å forutsi proteinfolding , det kraftige genredigeringsverktøyet CRISPR, nye typer batterier for elektriske kjøretøy og fremskritt innen solenergi.

Hva gjør teknologien for mennesker?

Diane Coyle

En forventet boom i finansiering fra både myndigheter og bedrifter kan forsterke virkningen av disse nye teknologiene. President Joe Biden har lovet hundrevis av milliarder i infrastrukturutgifter, inkludert mer enn 300 milliarder dollar i løpet av de neste fire årene for FoU. EU har sin egen massive stimulansregning. Og det er tegn på en ny runde med risikokapitalinvesteringer, spesielt rettet mot grønn teknologi.

Hvis teknooptimistene har rett, kan våre 10 banebrytende teknologier for 2021 ha en lys fremtid. Vitenskapen bak mRNA-vaksiner kan åpne en ny æra av medisin der vi manipulerer immunsystemet vårt for å transformere kreftbehandling, blant annet. Litium-metall batterier endelig kunne gjøre elbiler velsmakende for millioner av forbrukere. Grønt hydrogen kan bidra til å erstatte fossilt brensel. Fremskrittene som gjorde GPT-3 mulig kan føre til lesekyndige datamaskiner som det neste store skrittet innen kunstig intelligens.

Likevel forteller skjebnen til teknologiene på 2001-listen oss at fremgang ikke vil skje bare på grunn av gjennombruddene i seg selv. Vi vil trenge ny infrastruktur for grønt hydrogen og elbiler; nytt presserende behov for mRNA-vitenskap; og nytenkning rundt AI og mulighetene det gir for å løse sosiale problemer. Kort sagt, vi trenger politisk vilje.

Men den viktigste lærdommen fra 2001-listen er den enkleste: Hvorvidt disse gjennombruddene oppfyller potensialet deres, avhenger av hvordan vi velger å bruke dem. Og kanskje er det den største grunnen til fornyet optimisme, for ved å utvikle nye måter å måle fremgang på, slik økonomer som Coyle gjør, kan vi også skape nye ambisjoner for disse strålende nye teknologiene. Hvis vi kan se utover konvensjonell økonomisk vekst og begynne å måle hvordan innovasjoner forbedrer livene til så mange mennesker som mulig, har vi en mye større sjanse til å skape en bedre verden.

2021

10 banebrytende teknologier

gjemme seg