Är du redo att bli en teknooptimist igen?

För tjugo år sedan valde MIT Technology Review 10 nya områden av innovation som vi lovade skulle förändra världen. Det var en tid av högsta teknooptimism. Ja, dot-com-boomen var mitt i att implodera; några insiders var redan oroliga över slutet på Moores lag. (Det är de fortfarande, även om industrin fortsätter att hitta sätt att göra datorer mer kraftfulla.) Men på många sätt var det en strålande tid för vetenskap och teknik.

Ett arbetsutkast till det mänskliga genomet publicerades i februari 2001 - en genetisk ritning som lovade att avslöja våra djupaste biologiska hemligheter. Det var stor spänning över de senaste genombrotten inom nanoteknik. Tidiga framsteg inom kvant- och molekylära beräkningar förebådade en ny, post-Moore's Law era av beräkning. Och så var det den där fantastiska sökmotorn med det roliga namnet, som snabbt fick användare och ändrade hur de surfade på nätet och fick tillgång till information. Känner du dig lycklig?

Den här historien var en del av vårt marsnummer 2021

• Se resten av frågan
• Prenumerera

Så det är värt att titta tillbaka på den inledande TR10, som vi nu kallar vår årliga lista, för ledtrådar om hur mycket framsteg vi har gjort.

Först, låt oss erkänna att det var en tankeväckande lista. Vi undvek robotiska exoskelett och mänsklig kloning, såväl som molekylär nanotillverkning och nanodomesägarnas fruktade gråa tönt – alla heta ämnen för dagen. Istället fokuserade vi på grundläggande framsteg inom informationsteknologi, material och bioteknik. De flesta av teknikerna är fortfarande bekanta: datautvinning, bearbetning av naturliga språk, mikrofluidik, hjärn-maskin-gränssnitt, biometri (som ansiktsigenkänning) och robotdesign.

Så hur väl uppfyllde dessa teknologier de drömmar vi hade för dem för två decennier sedan? Här är några lärdomar från 2001 års lista.

MIT TECHNOLOGY REVIE W

Lektion 1:

Framstegen går ofta långsamt

Vårt första urval, gränssnitt mellan hjärna och maskin, börjar med en beskrivning av neuroforskaren Miguel Nicolelis som spelar in de elektriska signalerna från hjärnan på en väldigt söt ugglaapa vid namn Belle när hon funderar på hur man får i sig några droppar äppeljuice. Blinka fram till sensommaren 2020, när Elon Musk visar upp hjärnsignalerna från en väldigt söt gris som heter Gertrude, och får ohh och ahhs av att beundra fans som deltar i demonstrationen för Neuralink, hans hjärnmaskinstart.

Relaterad berättelse

Elon Musks Neuralink är neurovetenskapsteater Elon Musks livestreamade hjärnimplantatevenemang gav löften som kommer att bli svåra att hålla.

En observatör vid Musks evenemang kan ha blivit förlåten för att han undrade om det verkligen hade gått 20 år sedan Nicolelis experiment. Båda männen hade liknande visioner för att direkt ansluta hjärnan till datorenheter via implanterade chips. Som vår biomedicinredaktör, Antonio Regalado, skrev 2001, ser Nicolelis ansträngningen som en del av den förestående revolutionen som så småningom kan göra [hjärngränssnitt] lika vanligt som Palm Pilots.

Det påståendet har besannats, men bara tack vare Palm Pilots bortgång, inte populariteten för gränssnitt mellan hjärna och maskin. Trots några uppmuntrande mänskliga experiment genom åren är sådana gränssnitt fortfarande en vetenskaplig och medicinsk märklighet. Som det visar sig är neurovetenskap mycket svårt. Det har varit framgång med att krympa elektroniken och göra implantaten trådlösa, men framstegen inom vetenskapen har varit långsammare, vilket hindrat de visioner som Nicolelis och Musk hoppades kunna förverkliga. (En fotnot till lektion ett: framgång beror ofta på huruvida en rad framsteg alla kan kombineras. Att göra hjärngränssnitt praktiska kräver framsteg inom både vetenskapen och prylar.)

Lektion 2:

Ibland krävs det en kris

Vi valde mikrofluidik 2001 på grund av några anmärkningsvärda framsteg när det gäller att flytta runt små mängder biologiska prover på en liten enhet - en så kallad lab-on-a-chip. Dessa lovade snabba diagnostiska tester och förmågan att automatisera läkemedels- och genomexperiment.

Sedan dess har mikrofluidik hittat värdefulla användningsområden inom biologiforskning. Smarta framsteg fortsatte, såsom ultrabilliga och lättanvända diagnostiska tester på papper (Paper Diagnostics var en TR10 2009). Men fältet har inte infriat sitt löfte om transformerande testning . Det fanns helt enkelt inte en överväldigande efterfrågan på tekniken. Det är rättvist att säga att mikrofluidik blev ett vetenskapligt bakvatten.

Covid-19 gjorde slut på det. Konventionella tester förlitar sig på flerstegsprocedurer gjorda i ett analytiskt labb; detta är dyrt och långsamt. Plötsligt finns det en aptit på en snabb och billig lab-on-a-chip-lösning. Det tog några månader för forskare att damma av tekniken, men nu covid-19 diagnostik med mikrofluidik dyker upp. Dessa tekniker, inklusive en som använder CRISPR-genredigering, lovar att göra covid-tester mycket mer tillgängliga och allmänt använda.

Lektion 3:

Var försiktig med vad du önskar

2001 såg Joseph Atick, en av pionjärerna inom biometri, ansiktsigenkänning som ett sätt för människor att gränssnitta med sina prylar och datorer säkrare och enklare. Det skulle ge mobiltelefoner och personliga digitala assistenter som blev allt populärare ett sätt att känna igen sina ägare, stava slutet på PIN-koder och lösenord. En del av den visionen blev så småningom verklighet med sådana applikationer som Apples FaceID. Men ansiktsigenkänningen tog också en vändning som Atick nu säger chockerar mig.

Relaterad berättelse

Podcast: Ansiktsigenkänning används i tysthet för att kontrollera tillgången till bostäder och sociala tjänster

I det här avsnittet tittar vi på debatten om hur och om offentliga medel ska användas för att använda ansiktsigenkänning i utsatta samhällen

År 2001 var algoritmer för ansiktsigenkänning begränsade. De krävde instruktioner från människor, i matematisk form, om hur man identifierar de utmärkande egenskaperna hos ett ansikte. Och varje ansikte i databasen med ansikten som skulle kännas igen måste mödosamt skannas in i programvaran.

Sedan kom boomen i sociala medier. Medan han under de tidiga dagarna, säger Atick, skulle ha varit nöjd med 100 000 bilder i ansiktsigenkänningsdatabaser, kunde plötsligt maskinlärande algoritmer tränas på miljarder ansikten, skrapas från Facebook, LinkedIn och andra webbplatser. Det fanns nu hundratals av dessa algoritmer, och de tränade sig själva, helt enkelt genom att ta in och jämföra bilder – ingen experthjälp krävs.

Men det anmärkningsvärda framsteg kom med en avvägning: ingen förstår riktigt resonemanget som maskinerna använder. Och det är ett problem nu när ansiktsigenkänning i allt högre grad används för känsliga uppgifter som att identifiera brottsmisstänkta. Jag föreställde mig inte en värld där de här maskinerna skulle ta över och fatta beslut åt oss, säger Atick.

Lektion 4:

Framstegsbanan spelar roll

Hej igen, Sidney P. Manyclicks. Vi har rekommendationer till dig. Kunder som köpte detta köpte också...

Rekommendationsmotorerna som beskrivs i detta, inledningen av vår artikel om datautvinning från 2001, verkade imponerande vid den tiden. En annan potentiell användning av datautvinning omkring 2001 lät också spännande: datorsökbara videobibliotek. Idag verkar allt vara helt vardagligt.

Tack vare den ständigt ökande beräkningskraften, den exploderande storleken på databaser och närbesläktade framsteg inom artificiell intelligens styr datautvinning (termen är nu ofta utbytbar med AI) affärsvärlden. Det är livsnerven för stora teknikföretag, från Google och dess dotterbolag YouTube till Amazon och Facebook. Det driver reklam och, ja, försäljning av allt från skor till försäkringar, med hjälp av personliga rekommendationsmotorer.

Har dessa tekniker gjort våra liv inte bara bekvämare, utan bättre på sätt som vi bryr oss om?

Ändå döljer dessa stora framgångar ett underliggande misslyckande som blev särskilt uppenbart under pandemin. Vi har inte utnyttjat kraften i big data på områden som betyder mest.

Vid nästan varje steg, från de första tecknen på viruset till testning och sjukhusvistelse till utbyggnaden av vacciner, har vi missat många möjligheter att samla in data och bryta den för kritisk information. Vi kunde ha lärt oss så mycket mer om hur viruset sprider sig, hur det utvecklas, hur man behandlar det och hur man fördelar resurser, vilket kan rädda otaliga liv. Vi verkade inte ha en aning om hur vi skulle samla in data vi behövde .

Sammantaget är alltså de 10 teknikerna vi valde 2001 fortfarande relevanta; ingen har blivit övergiven; och några har varit anmärkningsvärda, till och med världsomvälvande, framgångar. Men det verkliga testet av framsteg är svårare: Har dessa teknologier gjort våra liv inte bara bekvämare, utan bättre på sätt som vi bryr oss om? Hur mäter vi dessa framsteg?

Vad gör dig glad?

Det vanliga sättet att mäta ekonomiska framsteg är genom att mäta bruttonationalprodukten (BNP). Den formulerades på 1930-talet i USA för att hjälpa oss förstå hur väl ekonomin återhämtade sig från den stora depressionen. Och även om en av dess chefsarkitekter, Simon Kuznets, varnade för att BNP inte bör förväxlas med ett mått på landets välbefinnande och dess folks välstånd, har generationer av ekonomer och politiker gjort just det och granskat BNP-siffrorna efter ledtrådar till ekonomins hälsa och till och med takten i den tekniska utvecklingen.

Ekonomer kan reta ut vad de kallar total faktorproduktivitet (TFP) från BNP-statistik; det är i grunden ett mått på hur mycket innovation bidrar till tillväxt. I teorin borde nya uppfinningar öka produktiviteten och få ekonomin att växa snabbare. Ändå har bilden inte varit bra under de senaste två decennierna. Sedan mitten av 2000-talet – kort efter vår första TR10-lista – har tillväxten i TFP varit trög och en besvikelse, särskilt med tanke på floden av ny teknik som kommer från platser som Silicon Valley.

Vissa ekonomer tror att förklaringen kan vara att våra innovationer inte är så långtgående som vi tror. Men det är också möjligt att BNP, som utformades för att mäta industriproduktionen i mitten av 1900-talet, inte tar hänsyn till de ekonomiska fördelarna med digitala produkter, särskilt när de är fria att använda, som sökmotorer och sociala medier.

Stanford-ekonomen Erik Brynjolfsson och hans kollegor har skapat en ny åtgärd för att försöka fånga bidraget från dessa digitala varor. Kallas BNP-B (B är för förmåner), det beräknas genom att använda online-undersökningar för att fråga människor hur mycket de värdesätter olika digitala tjänster. Vad skulle du behöva få betalt för att till exempel leva en månad utan Facebook?

Beräkningarna tyder på att amerikanska konsumenter har fått cirka 225 miljarder dollar i oräknat värde enbart på Facebook sedan 2004. Wikipedia lade till 42 miljarder dollar. Huruvida BNP-B fullt ut skulle kunna förklara den skenbara nedgången i produktiviteten är osäkert, men det ger bevis på att många ekonomer och beslutsfattare kan ha undervärderat den digitala revolutionen. Och det, säger Brynjolfsson, har viktiga konsekvenser för hur mycket vi ska investera i digital infrastruktur och prioritera vissa innovationsområden.

BNP-B är en av en större uppsättning ansträngningar för att hitta statistik som mer exakt återspeglar de förändringar vi bryr oss om. Tanken är inte att kasta ut BNP, utan att komplettera den med andra mått som mer allmänt speglar vad vi kan kalla framsteg.

En annan sådan åtgärd är Sociala framsteg Index , som skapades av ett par ekonomer, Scott Stern från MIT och Michael Porter från Harvard. Den samlar in data från 163 länder om faktorer inklusive miljökvalitet, tillgång till hälsovård och utbildning, trafikdödsfall och brottslighet. Medan rikare länder, föga överraskande, tenderar att klara sig bättre på detta index, säger Stern att tanken är att titta på var sociala framsteg avviker från BNP per capita. Det visar hur vissa länder, även fattiga, är bättre än andra på att omvandla ekonomisk tillväxt till värdefulla sociala förändringar.

Undersökning från 13 länder visar generationsgap

'Föreställa dig när covid-19-pandemin är över ... vilket ska ditt land prioritera mest?'

KÄLLA: IPSOS/SOCIAL FRAMSTEG IMPERATIVE

USA, med en av världens högsta nivåer av BNP per capita, ligger på 28:e plats i indexet och är ett av endast fyra länder vars poäng har sjunkit sedan 2014. Norge, som är lika rikt, rankades först 2020 (se diagrammet). Nedan). Vissa fattigare länder överträffar också.

Mycket ofta handlar besluten om innovation och teknik om dess ekonomiska påverkan, säger Stern. Det är inget fel med det. Men riktar vi de ekonomiska belöningarna till områden som kommer att främja sociala framsteg?

En liknande tanke ligger bakom ett annat alternativ till BNP, utvecklat av Diane Coyle och hennes kollegor vid Bennett Institute for Public Policy i Cambridge, Storbritannien. Deras mått på vad de kallar förmögenhetsekonomin baseras på vad de definierar som ett samhälles tillgångar, inklusive dess humankapital (medborgarnas hälsa och kompetens), naturkapital (dess resurser och miljöns hälsa) och socialt kapital (förtroende och social sammanhållning).

Det är ett enormt ambitiöst projekt som försöker skapa ett par nyckelmått för varje tillgång. Dessa siffror, säger Coyle, är avsedda att informera bättre beslut om teknik och innovation, inklusive beslut om prioriteringar för statliga investeringar. Hon säger att tillvägagångssättet låter dig fråga: Vad gör tekniken för människor?

Värdet av dessa olika alternativ till BNP är att de ger en bredare bild av hur våra liv förändras till följd av teknologin. Hade de funnits på plats för 20 år sedan hade de kanske belyst kriser som vi var sena med att se, som ökningen av inkomstskillnaderna och den snabba försämringen av vårt klimat. Om det för 20 år sedan var en tid av högsta teknooptimism, kanske det hade föranlett oss att fråga, Optimism om vad?

Pånyttfödd hopp

För ungefär ett decennium sedan började den teknooptimistiska berättelsen falla isär.

2011 skrev Tyler Cowen, en ekonom vid George Mason University i Virginia Den stora stagnationen , och hävdade att de teknologier som verkade så imponerande vid den tiden – särskilt sociala medier och smartphoneappar – gjorde lite för att stimulera ekonomisk tillväxt och förbättra människors liv. Den amerikanska tillväxtens uppgång och fall, en bästsäljare från 2016 av Robert Gordon, en annan framstående ekonom, uppgick till mer än 700 sidor och beskriver orsakerna till nedgången i TFP efter 2004. Den tillfälliga boomen från internet, förklarade han, var över.

Böckerna hjälpte till att starta en era av teknopessimism, åtminstone bland ekonomer. Och under de senaste åren har problem som desinformation på sociala medier, den osäkra försörjningen för arbetare inom spelningsekonomin och den läskigare användningen av datautvinning underblåst en bredare pessimistisk syn – en känsla av att Big Tech inte bara inte gör samhället bättre men gör det värre.

Nuförtiden återvänder Cowen dock till optimistlägret. Han efterlyser mer forskning för att förklara framsteg och hur man skapar det, men han säger att det är en mer positiv historia än för några år sedan. Den uppenbara framgången med covid-vacciner baserade på budbärar-RNA gör honom upphetsad. Så gör genombrott i att använda AI för att förutsäga proteinveckning , det kraftfulla genredigeringsverktyget CRISPR, nya typer av batterier för elfordon och framsteg inom solenergi.

Vad gör tekniken för människor?

Diane Coyle

En förväntad boom i finansiering från både regeringar och företag kan förstärka effekten av dessa nya tekniker. President Joe Biden har lovat hundratals miljarder i infrastrukturutgifter, inklusive mer än 300 miljarder dollar under de kommande fyra åren för FoU. EU har sin egen massiva stimulansräkning. Och det finns tecken på en ny omgång av riskkapitalinvesteringar, särskilt inriktade på grön teknik.

Om teknooptimisterna har rätt, kan våra 10 banbrytande teknologier för 2021 ha en ljus framtid. Vetenskapen bakom mRNA-vacciner kan öppna en ny era av medicin där vi manipulerar vårt immunförsvar för att transformera cancerbehandling, bland annat. Litium-metallbatterier äntligen skulle kunna göra elbilar välsmakande för miljontals konsumenter. Grönt väte kan hjälpa till att ersätta fossila bränslen. De framsteg som gjorts GPT-3 möjlig kan leda till läskunniga datorer som nästa stora steg inom artificiell intelligens.

Ändå säger ödet för teknologierna på 2001 års lista oss att framsteg inte kommer att ske bara på grund av själva genombrotten. Vi kommer att behöva ny infrastruktur för grönt vätgas och elbilar; ny brådska för mRNA-vetenskap; och nytänkande kring AI och de möjligheter det ger för att lösa sociala problem. Kort sagt, vi behöver politisk vilja.

Men den viktigaste lärdomen från 2001 års lista är den enklaste: Huruvida dessa genombrott uppfyller sin potential beror på hur vi väljer att använda dem. Och kanske är det den största anledningen till förnyad optimism, för genom att utveckla nya sätt att mäta framsteg, som ekonomer som Coyle gör, kan vi också skapa nya ambitioner för dessa briljanta nya teknologier. Om vi ​​kan se bortom konventionell ekonomisk tillväxt och börja mäta hur innovationer förbättrar livet för så många människor som möjligt, har vi en mycket större chans att skapa en bättre värld.

2021

10 banbrytande teknologier

Dölj