3、零碳排放天然气发电

在可预见的未来，我们可能要一直将天然气作为主要的发电能源之一。现成又便宜的天然气发出的电占美国总发电量的30％，全世界发电量的22％。天然气虽然比煤炭清洁得多，仍造成了大量的碳排放，而现有技术体系通常是进一步增设CO2吸附、脱硫脱硝、降灰等环保装置来实现。

然而，这些手段大都是补救性质的，会增加发电成本和能耗，降低经济效益。而现在，美国能源公司NetPower彻底摒弃传统的以水蒸气为工质的热能循环过程，选用全新的以高压高温超临界CO2为介质的Allam循环过程。这样就从本质上解决了CO2排放和NOx污染的问题，且回收的CO2还变废为宝，可应用于采油或作为化工原材料等利用。

该技术发电综合效率更高，设施大幅简化，固定投资少，占地面积小。如果该技术成熟并实现产业化，将引领热力发电领域的技术革命，不仅对天然气发电意义重大，对煤电领域也有非常重要的参考价值。

4、人造胚胎

英国剑桥大学的胚胎学家们利用干细胞培育出了一种逼真的小鼠胚胎。值得一提的是，该胚胎并不是由卵细胞与精子结合而来的，只使用了从另一个胚胎中得到的细胞。

团队负责人Zernicka－Goetz称，她的“合成”的胚胎可能不会发育成老鼠。尽管如此，它们也意味着，我们很快就可以实现在没有卵子的情况下育出哺乳动物。

据了解，人工合成的人类胚胎将是科学家们的福音，这可以让他们梳理出胚胎在早期发展中经历的过程。而且，由于这些胚胎是从易操作的干细胞发展而来的，实验室将能够使用各种工具，例如基因编辑技术，在它们生长的过程中对它们进行研究。

5、对抗性神经网络

人工智能识别物体的能力已经越来越强了：给它看一百万张图片，它就可以用惊人的准确度来告诉你究竟哪张里面有个行人在过马路。但是AI几乎不可能独自生成行人的图片。如果它可以实现这一点，它将可以创造大量看似真实的合成图片，把行人放在各种环境下。而自动驾驶系统或许足不出户就能使用这些图片进行训练。

但问题在于，从无到有创造一个东西需要想象力，而这正是人工智能技术一直难以实现的能力。

直到2014年，当时还是蒙特利尔大学博士生的IanGoodfellow突然想到了这个问题的答案，这就是“对抗式生成网络”（GAN）。

“对抗式生成网络”使用两个神经网络，而且使用同一个数据集进行训练。其中一个神经网络叫生成网络，它的任务就是依照所见过的图片来生成新的图片，比如一个多长一条手臂的行人。而另外那个神经网络叫判别网络，它的任务则是判断它所见得图片是否与训练时的图片相似，还是由生成模型创造出来的“假货”，比如，判断那个长着三个手臂的人有没有可能是真的？

慢慢的，生成网络创造图片的能力会强到无法被判别网络识破的程度。基本上，经过训练之后，生成网络学会了识别并创造看起来十分真实的行人图片。

这项技术已经成为了在过去十年最具潜力的人工智能突破，帮助机器产生甚至可以欺骗人类的成果。一些专家相信，GAN在某种程度上已经开始理解它们所见到，所听到的世界的底层结构。而这意味着，随着人工智能开始获得想象力，它们也可能开始理解它在这世界上所看到的东西。

不过，GAN的成果并非完美：它们可能生成有两套把手的自行车，或者眉毛错位的脸。

6、云端AI——给所有人的人工智能

人工智能一直以来都只是亚马逊、百度、谷歌和微软等大型科技公司，以及少数初创公司的玩物。对于其他领域的众多公司来说，人工智能太贵也太难，无法全面普及。

这个问题该如何解决？基于云端的机器学习工具正在将人工智能带给更广泛的群体。如今，亚马逊旗下的AWS子公司几乎统治了云AI市场。谷歌则试图通过TensorFlow这款可以开发机器学习系统的开源人工智能框架来挑战它的地位。而谷歌近日刚公开的CloudAutoML也是一套经过预先训练，可以让人工智能变得更容易使用的系统。

7、基因占卜

将来有一天，婴儿出生时就会得到一份DNA检测报告。这些报告将提供婴儿患心脏病或癌症的几率、是否对烟草上瘾，以及是否比一般人更聪明的预测。由于大型基因研究（部分研究涉及人数超过100万人）的开展以及科学进步，这样的报告很快就会从概念变成现实。

尽管新的DNA测试只是提供了概率推断，而不是直接得出诊断结论，但依然可以极大地造福医学的发展