Er du klar til at blive teknooptimist igen?

For 20 år siden valgte MIT Technology Review 10 nye områder for innovation, som vi lovede ville ændre verden. Det var en tid med højteknologisk optimisme. Ja, dot-com-boomet var midt i at implodere; nogle insidere var allerede bekymrede over afslutningen på Moores lov. (Det er de stadig, selvom industrien bliver ved med at finde måder at gøre computere mere kraftfulde på.) Men på mange måder var det en strålende tid for videnskab og teknologi.

Et arbejdsudkast til det menneskelige genom blev offentliggjort i februar 2001 - en genetisk plan, der lovede at afsløre vores dybeste biologiske hemmeligheder. Der var stor begejstring over de seneste gennembrud inden for nanoteknologi. Tidlige fremskridt inden for kvante- og molekylær databehandling varslede en ny, post-Moores lov-æra for beregning. Og så var der den fantastiske søgemaskine med det sjove navn, der hurtigt fik brugere og ændrede, hvordan de surfede på nettet og fik adgang til information. Føler du dig heldig?

Denne historie var en del af vores marts 2021-udgave

Se resten af problemet
Abonner

Så det er umagen værd at se tilbage på den indledende TR10, som vi nu kalder vores årlige liste, for at få et fingerpeg om, hvor store fremskridt vi har gjort.

Lad os først erkende, at det var en tankevækkende liste. Vi undgik roboteksoskeletter og menneskelig kloning, såvel som molekylær nanofremstilling og nanodommernes frygtede grå sludder – alle aktuelle emner. I stedet fokuserede vi på grundlæggende fremskridt inden for informationsteknologi, materialer og bioteknologi. De fleste af teknologierne er stadig velkendte: data mining, naturlig sprogbehandling, mikrofluidik, hjerne-maskine-grænseflader, biometri (som ansigtsgenkendelse) og robotdesign.

Så hvor godt opfyldte disse teknologier de drømme, vi havde for dem for to årtier siden? Her er et par lektioner fra 2001-listen.

MIT TECHNOLOGY REVIE W

Lektion 1:

Fremskridt er ofte langsomt

Vores første udvalg, hjerne-maskine-grænseflader, begynder med en beskrivelse af neuroforskeren Miguel Nicolelis, der optager de elektriske signaler fra hjernen på en meget sød ugleabe ved navn Belle, mens hun tænker på, hvordan man får et par dråber æblejuice. Blink frem til sensommeren 2020, hvor Elon Musk viser hjernesignalerne fra en meget sød gris ved navn Gertrude, og får ohh og ahhs fra tilbedende fans, der overværede demonstrationen for Neuralink, hans hjernemaskine-startup.

Elon Musks Neuralink er neurovidenskabsteater Elon Musks livestreamede hjerneimplantatbegivenhed gav løfter, som vil være svære at holde.

En observatør ved Musks begivenhed kunne være blevet tilgivet for at spekulere på, om der virkelig var gået 20 år siden Nicolelis' eksperiment. Begge mænd havde lignende visioner for direkte at forbinde hjernen med computerenheder via implanterede chips. Som vores biomedicinske redaktør, Antonio Regalado, skrev i 2001, ser Nicolelis indsatsen som en del af den forestående revolution, der i sidste ende kunne gøre [hjernegrænseflader] lige så almindelige som Palm Pilots.

Den påstand er gået i opfyldelse, men kun takket være Palm Pilots død, ikke populariteten af hjerne-maskine-grænseflader. På trods af nogle opmuntrende menneskelige eksperimenter gennem årene, forbliver sådanne grænseflader en videnskabelig og medicinsk særhed. Som det viser sig, er neurovidenskab meget vanskelig. Der har været succes med at skrumpe elektronikken og gøre implantaterne trådløse, men fremskridtene i videnskaben har været langsommere, hvilket hindrer de visioner, Nicolelis og Musk håbede at realisere. (En fodnote til første lektion: succes afhænger ofte af, om en række fremskridt alle kan komme sammen. At gøre hjernegrænseflader praktiske kræver fremskridt i både videnskaben og gadgets.)

Lektion 2:

Nogle gange kræver det en krise

Vi valgte mikrofluidik i 2001 på grund af nogle bemærkelsesværdige fremskridt med at flytte små mængder biologiske prøver rundt på en lille enhed - en såkaldt lab-on-a-chip. Disse lovede hurtige diagnostiske tests og evnen til at automatisere lægemiddel- og genomiske eksperimenter.

Siden da har mikrofluidik fundet værdifulde anvendelser i biologiforskning. Smarte fremskridt fortsatte, såsom ultrabillige og brugervenlige papirdiagnostiske tests (Paper Diagnostics var en TR10 i 2009). Men feltet har ikke opfyldt sit løfte om transformerende test . Der var simpelthen ikke en overvældende efterspørgsel efter teknologien. Det er rimeligt at sige, at mikrofluidik blev et videnskabeligt dødvande.

Covid-19 afsluttede det. Konventionelle tests er afhængige af flertrinsprocedurer udført i et analytisk laboratorium; dette er dyrt og langsomt. Pludselig er der appetit på en hurtig og billig lab-on-a-chip løsning. Det tog et par måneder for forskere at opstøve teknologien, men nu covid-19 diagnostik ved hjælp af mikrofluidik dukker op. Disse teknikker, inklusive en, der bruger CRISPR-genredigering, lover at gøre covid-tests langt mere tilgængelige og udbredte.

Lektion 3:

Være forsigtig med, hvad du ønsker

I 2001 så Joseph Atick, en af pionererne inden for biometri, ansigtsgenkendelse som en måde, hvorpå folk kan kommunikere med deres gadgets og computere mere sikkert og nemt. Det ville give mobiltelefoner og personlige digitale assistenter, der blev mere og mere populære, en måde at genkende deres ejere ved at stave slutningen af pinkoder og adgangskoder. En del af den vision blev til sidst virkelighed med sådanne applikationer som Apples FaceID. Men ansigtsgenkendelse tog også en drejning, som Atick nu siger, chokerer mig.

Podcast: Ansigtsgenkendelse bliver stille og roligt brugt til at kontrollere adgangen til boliger og sociale ydelser

I denne episode ser vi på debatten om, hvordan og hvorvidt offentlige midler skal bruges til at implementere ansigtsgenkendelse i udsatte samfund

I 2001 var ansigtsgenkendelsesalgoritmer begrænset. De krævede instruktioner fra mennesker i matematisk form om, hvordan man identificerer et ansigts kendetegn. Og hvert ansigt i databasen over ansigter, der skulle genkendes, skulle møjsommeligt scannes ind i softwaren.

Så kom boomet på de sociale medier. Mens han i de tidlige dage, siger Atick, ville have været begejstret for 100.000 billeder i ansigtsgenkendelsesdatabaser, kunne der pludselig trænes maskinlæringsalgoritmer på milliarder af ansigter, skrabet fra Facebook, LinkedIn og andre websteder. Der var nu hundredvis af disse algoritmer, og de trænede sig selv, blot ved at indtage og sammenligne billeder - ingen eksperthjælp påkrævet.

Men det bemærkelsesværdige fremskridt kom med en afvejning: ingen forstår rigtigt den begrundelse, maskinerne bruger. Og det er et problem nu, hvor ansigtsgenkendelse i stigende grad er afhængig af følsomme opgaver som at identificere mistænkte for kriminelle. Jeg havde ikke forestillet mig en verden, hvor disse maskiner ville tage over og træffe beslutninger for os, siger Atick.

Lektion 4:

Fremskridtsbanen har betydning

Hej igen, Sidney P. Manyclicks. Vi har anbefalinger til dig. Kunder, der har købt dette, købte også...

Anbefalingsmotorerne beskrevet i dette, åbningen af vores 2001-artikel om data mining, virkede imponerende på det tidspunkt. En anden potentiel brug af datamining omkring 2001 lød også spændende: computersøgbare videobiblioteker. I dag virker det hele helt banalt.

Takket være den stadigt stigende beregningskraft, den eksploderende størrelse af databaser og nært beslægtede fremskridt inden for kunstig intelligens styrer datamining (udtrykket er nu ofte udskifteligt med AI) forretningsverdenen. Det er livsnerven for store teknologivirksomheder, fra Google og dets datterselskab YouTube til Amazon og Facebook. Det driver annoncering og, ja, salg af alt fra sko til forsikringer ved hjælp af personlige anbefalingsmotorer.

Har disse teknologier gjort vores liv ikke bare mere bekvemt, men bedre på måder, som vi holder af?

Alligevel skjuler disse store succeser en underliggende fiasko, der blev særligt tydelig under pandemien. Vi har ikke udnyttet kraften i big data på områder, der betyder mest.

Ved næsten hvert trin, fra de første tegn på virussen til test og hospitalsindlæggelse til udrulningen af vacciner, har vi gået glip af mange muligheder for at indsamle data og udvinde dem til kritisk information. Vi kunne have lært så meget mere om, hvordan virussen spredes, hvordan den udvikler sig, hvordan man behandler den, og hvordan man allokerer ressourcer, hvilket potentielt har reddet utallige liv. Vi så ikke ud til at have en anelse om, hvordan vi skulle indsamle data vi havde brug for .

Samlet set er de 10 teknologier, vi valgte i 2001, stadig relevante; ingen er blevet forladt; og nogle har været bemærkelsesværdige, endda verdensforandrende, succeser. Men den virkelige test af fremskridt er sværere: Har disse teknologier gjort vores liv ikke bare mere bekvemt, men bedre på måder, som vi holder af? Hvordan måler vi det fremskridt?

Hvad gør dig glad?

Den almindelige måde at måle økonomiske fremskridt på er ved at måle bruttonationalproduktet (BNP). Den blev formuleret i 1930'erne i USA for at hjælpe os med at forstå, hvor godt økonomien var ved at komme sig efter den store depression. Og selv om en af dets chefarkitekter, Simon Kuznets, advarede om, at BNP ikke må forveksles med et mål for landets velfærd og dets folks velstand, har generationer af økonomer og politikere gjort netop det og gransket BNP-tallene for spor til økonomiens sundhed og endda tempoet i teknologiske fremskridt.

Økonomer kan pirre det, de kalder total faktorproduktivitet (TFP) fra BNP-statistikker; det er dybest set et mål for, hvor meget innovation bidrager til vækst. I teorien skulle nye opfindelser øge produktiviteten og få økonomien til at vokse hurtigere. Alligevel har billedet ikke været godt i løbet af de sidste to årtier. Siden omkring midten af 2000'erne - kort efter vores første TR10-liste - har væksten i TFP været træg og skuffende, især i betragtning af strømmen af nye teknologier, der kommer fra steder som Silicon Valley.

Nogle økonomer mener, at forklaringen kan være, at vores innovationer ikke er så vidtrækkende, som vi tror. Men det er også muligt, at BNP, som blev designet til at måle den industrielle produktion i midten af det 20. århundrede, ikke tager højde for de økonomiske fordele ved digitale produkter, især når de er gratis at bruge, som søgemaskiner og sociale medier.

Stanford-økonom Erik Brynjolfsson og hans kolleger har oprettet en ny foranstaltning at forsøge at fange bidraget fra disse digitale varer. Kaldet BNP-B (B'et er for fordele), det beregnes ved at bruge online-undersøgelser til at spørge folk, hvor meget de værdsætter forskellige digitale tjenester. Hvad skal du f.eks. have betalt for at leve en måned uden Facebook?

Beregningerne tyder på, at amerikanske forbrugere har opnået omkring 225 milliarder dollars i utalt værdi fra Facebook alene siden 2004. Wikipedia tilføjede 42 milliarder dollars. Hvorvidt BNP-B fuldt ud kunne forklare den tilsyneladende nedgang i produktiviteten er usikkert, men det giver bevis for, at mange økonomer og politiske beslutningstagere kan have undervurderet den digitale revolution. Og det, siger Brynjolfsson, har vigtige konsekvenser for, hvor meget vi skal investere i digital infrastruktur og prioritere visse områder af innovation.

BNP-B er en af et større sæt af bestræbelser på at finde statistikker, der mere præcist afspejler de ændringer, vi bekymrer os om. Tanken er ikke at smide BNP ud, men at supplere det med andre målinger, der mere bredt afspejler det, vi kan kalde fremskridt.

En anden sådan foranstaltning er Indeks for sociale fremskridt , som blev skabt af et par økonomer, MITs Scott Stern og Harvards Michael Porter. Den indsamler data fra 163 lande om faktorer, herunder miljøkvalitet, adgang til sundhedspleje og uddannelse, trafikdødsfald og kriminalitet. Mens rigere lande, ikke overraskende, har tendens til at klare sig bedre på dette indeks, siger Stern, at ideen er at se på, hvor sociale fremskridt afviger fra BNP pr. indbygger. Det viser, hvordan nogle lande, selv fattige, er bedre end andre til at vende økonomisk vækst til værdsatte sociale forandringer.

Undersøgelse fra 13 lande viser generationskløft

'Forestil dig, når covid-19-pandemien er forbi ... hvilket skal dit land prioritere mere?'

KILDE: IPSOS/SOCIAL FREMGANGSMÅDE

USA, med et af verdens højeste niveauer af BNP pr. indbygger, er nummer 28 i indekset og er et af kun fire lande, hvis resultater er faldet siden 2014. Norge, som er lige så velhavende, kom på førstepladsen i 2020 (se diagrammet). under). Nogle fattigere lande klarer sig også bedre.

Meget ofte handler beslutningerne om innovation og teknologi om dens økonomiske virkning, siger Stern. Det er der ikke noget galt med. Men retter vi de økonomiske belønninger til områder, der vil fremme sociale fremskridt?

En lignende tanke ligger bag et andet alternativ til BNP, udviklet af Diane Coyle og hendes kolleger ved Bennett Institute for Public Policy i Cambridge, Storbritannien. Deres mål for, hvad de kalder rigdomsøkonomien er baseret på det, de definerer som et samfunds aktiver, herunder dets menneskelige kapital (dets menneskers sundhed og færdigheder), naturkapital (dets ressourcer og miljøets sundhed) og social kapital (tillid og social samhørighed).

Det er et enormt ambitiøst projekt, der forsøger at skabe et par nøglemålinger for hvert aktiv. Disse tal, siger Coyle, er beregnet til at informere bedre beslutninger om teknologi og innovation, herunder beslutninger om prioriteter for offentlige investeringer. Hun siger, at tilgangen giver dig mulighed for at spørge: Hvad gør teknologien for mennesker?

Værdien af disse forskellige alternativer til BNP er, at de giver et bredere billede af, hvordan vores liv ændrer sig som følge af teknologi. Havde de været på plads for 20 år siden, ville de måske have kastet lys over kriser, vi var sent på at se, såsom væksten i indkomstulighed og den hurtige forringelse af vores klima. Hvis for 20 år siden var en tid med højteknologisk optimisme, kunne det have fået os til at spørge: Optimisme om hvad?

Genfødt håb

For omkring et årti siden begyndte den teknooptimistiske fortælling at falde fra hinanden.

I 2011 skrev Tyler Cowen, en økonom ved George Mason University i Virginia Den store stagnation , og argumenterede for, at de teknologier, der virkede så imponerende på det tidspunkt - især sociale medier og smartphone-apps - gjorde lidt for at stimulere økonomisk vækst og forbedre folks liv. Amerikansk væksts stigning og fald, en bestseller fra 2016 af Robert Gordon, en anden fremtrædende økonom, løb til mere end 700 sider og beskriver årsagerne til afmatningen i TFP efter 2004. Det midlertidige boom fra internettet, erklærede han, var forbi.

Bøgerne var med til at starte en æra med teknopessimisme, i hvert fald blandt økonomer. Og i de sidste par år har problemer som misinformation på sociale medier, usikre levebrød for arbejdere i koncertøkonomi og den mere uhyggelige brug af datamining givet næring til et bredere pessimistisk syn - en følelse af, at Big Tech ikke kun ikke gør samfundet bedre men gør det værre.

I disse dage vender Cowen dog tilbage til optimistlejren. Han efterlyser mere forskning for at forklare fremskridt, og hvordan man skaber det, men han siger, at det er en mere positiv historie, end den var for et par år siden. Den tilsyneladende succes med covid-vacciner baseret på messenger-RNA gør ham begejstret. Det samme gør gennembrud i at bruge AI til at forudsige proteinfoldning , det kraftfulde genredigeringsværktøj CRISPR, nye typer batterier til elektriske køretøjer og fremskridt inden for solenergi.

Hvad gør teknologien for mennesker?
Diane Coyle

Et forventet boom i finansiering fra både regeringer og virksomheder kan forstærke virkningen af disse nye teknologier. Præsident Joe Biden har lovet hundredvis af milliarder i infrastrukturudgifter, herunder mere end 300 milliarder dollars over de næste fire år til F&U. EU har sin egen massive stimulusregning. Og der er tegn på en ny runde af venturekapitalinvesteringer, især rettet mod grøn teknologi.

Hvis teknooptimisterne har ret, så kan vores 10 banebrydende teknologier for 2021 have en lys fremtid. Videnskaben bag mRNA-vacciner kan åbne en ny æra inden for medicin, hvor vi manipulerer vores immunsystem til blandt andet at transformere kræftbehandling. Lithium-metal batterier endelig kunne gøre elbiler velsmagende for millioner af forbrugere. Grøn brint kunne være med til at erstatte fossile brændstoffer. De fremskridt, der gjorde GPT-3 muligt kunne føre til læsefærdige computere som det næste store skridt inden for kunstig intelligens.

Alligevel fortæller skæbnen for teknologierne på 2001-listen os, at fremskridt ikke vil ske kun på grund af selve gennembruddene. Vi får brug for ny infrastruktur til grøn brint og elbiler; ny presserende betydning for mRNA-videnskab; og nytænkning omkring AI og de muligheder, det giver i løsning af sociale problemer. Kort sagt, vi har brug for politisk vilje.

Men den vigtigste lektie fra 2001-listen er den enkleste: Om disse gennembrud opfylder deres potentiale afhænger af, hvordan vi vælger at bruge dem. Og det er måske den største grund til fornyet optimisme, for ved at udvikle nye måder at måle fremskridt på, som økonomer som Coyle gør, kan vi også skabe nye forhåbninger til disse strålende nye teknologier. Hvis vi kan se ud over konventionel økonomisk vækst og begynde at måle, hvordan innovationer forbedrer livet for så mange mennesker som muligt, har vi en meget større chance for at skabe en bedre verden.

211service.com