Одним из таких проектов является Dactyl, робот, который научился переворачивать игрушечный блок в своих пальцах. Dactyl, проект некоммерческой организации OpenAI из Сан-Франциско, состоит из руки промышленного робота, окружённой множеством источников света и камер. Используя так называемое обучение с подкреплением, нейронная сеть учит машину, как захватывать и успешно поворачивать блок в моделируемой среде, прежде чем манипулятор попробует справиться с задачей в реальности. Сначала ПО проводит случайные эксперименты, укрепляя связи в сети с течением времени, когда алгоритм приближается к целевому результату.

Обычно невозможно перенести виртуальную практику такого типа в реальный мир, потому что такие вещи, как трение или различные свойства материалов, трудно симулировать. Команда OpenAI обошла это, добавив элемент случайности к виртуальному обучению. Если в будущем подобные методы обучения можно будет эффективно использовать, в конечном счёте роботы будут собирать смартфоны, загружать посудомоечные машины и даже помогать бабушкам вставать с постели.

Небольшие модульные реакторы обычно вырабатывают десятки мегаватт энергии (для сравнения, традиционный ядерный реактор вырабатывает около 1000 МВт). Такие компании, как NuScale в Орегоне, говорят, что миниатюрные реакторы могут сэкономить деньги и снизить экологические и финансовые риски.

В области термоядерного управляемого синтеза тоже наблюдается некоторый прогресс, но ранее 2030 года вряд ли в этой сфере обозначится что-то определённое. Многие считают, что синтез — это несбыточная мечта, но поскольку такие реакторы не могут взорваться и не создают опасных радиоактивных отходов, их появление может стать настоящим прорывом. К слову, Билл Гейтс выступает инвестором компаний TerraPower и Commonwealth Fusion Systems, занимающихся этим направлением.

Наш генетический материал находится в основном внутри наших клеток. Но небольшое количество «бесклеточных» молекул ДНК и РНК, выделяемых умирающими клетками, также плавают в нашей крови. У беременных этот материал представляет собой смесь нуклеиновых кислот плода, плаценты и матери. Биоинженер Стэнфордского университета Стивен Квейк (Stephen Quake) нашёл способ использовать этот материал для решения одной из самых сложных проблем медицины: преждевременных родов.

После такого анализа врачи могут принять меры, чтобы предотвратить ранние роды и дать ребёнку больше шансов на выживание. Свободно плавающие молекулы ДНК и РНК могут дать информацию, которая ранее требовала сложных инвазивных способов захвата клеток вроде прокалывания живота беременной женщины для выполнения амниоцентеза. По словам господина Квейка, технология, лежащая в основе такого анализа крови, быстра, проста и стоит менее $10 за анализ. Он и его сотрудники запустили стартап Akna Dx, чтобы коммерциализировать метод.

Раннее обследование кишечника помогло бы медицинским работникам понять, когда следует вмешаться и как бороться с проблемой. Терапия уже доступна для младенцев, но диагностика и изучение болезней кишечника таких маленьких детей часто требует обезболивания и введения трубки, называемой эндоскопом, через горло. Это дорого, неудобно и непрактично в тех регионах мира, где распространена EED.

Поэтому Гильермо Тирни (Guillermo Tearney), патолог и инженер в Массачусетской больнице общего профиля (MGH) в Бостоне, разрабатывает небольшие устройства, которые можно использовать для проверки кишечника на наличие признаков EED и даже для получения биопсии тканей. В отличие от эндоскопов, они просты в использовании.

Капсулы для глотания содержат миниатюрные микроскопы. Они прикреплены к гибкому ниточкообразному тросу, который обеспечивает питание и свет при отправке изображений на консоль в виде портфеля с монитором. Это позволяет медицинскому работнику приостановить работу капсулы в местах, представляющих интерес, и вытащить её после завершения, что позволит её стерилизовать и использовать повторно. Хотя это звучит немногим лучше эндоскопа, команда господина Тирни разработала методику, которая, по их словам, не вызывает дискомфорта. Капсула также может включать датчики, которые способны отображать поверхность пищеварительного тракта с разрешением до одной клетки или захватывать трёхмерное изображение сечений в пару миллиметров глубиной.

Технология имеет несколько применений. В MGH она используются для диагностики синдрома Барретта, предшественника рака пищевода. Для EED команда исследователей разработала ещё более компактную версию пилюли для детей, которые не могут проглотить таблетку. Она была протестирована на подростках в Пакистане, где распространена EED, а тестирование на младенцах запланировано на текущий год. Маленький зонд поможет исследователям ответить на вопросы о развитии EED — например, на какие клетки она воздействует и участвуют ли в развитии болезни бактерии.

Возможность создания таких вакцин стала обрисовываться в 2008 году, через пять лет после завершения проекта «Геном человека», когда генетики опубликовали первую последовательность раковых опухолевых клеток. Вскоре после этого исследователи начали сравнивать ДНК различных опухолевых клеток с ДНК здоровых клеток. Эти исследования подтвердили, что все раковые клетки содержат сотни, если не тысячи специфических мутаций, большинство из которых уникальны для каждой опухоли.

Несколько лет спустя немецкий стартап под названием BioNTech предоставил убедительные доказательства того, что вакцина, содержащая копии определённых мутаций, может катализировать иммунную систему организма, чтобы вырабатывать T-лимфоциты, предназначенные для поиска и уничтожения злокачественных клеток.

В декабре 2017 года BioNTech совместно с биотехнологическим гигантом Genentech начал масштабное тестирование вакцины на онкологических больных. Продолжающееся исследование нацелено как минимум на 10 распространённых раковых заболеваний. Обе компании разрабатывают новые технологии производства, чтобы дёшево и быстро производить тысячи индивидуальных вакцин. Это будет сложно, потому что создание вакцины включает в себя биопсию опухоли пациента, секвенирование и анализ его ДНК и передачу этой информации в лабораторию. После производства вакцина должна быть незамедлительно доставлена в больницу — задержки могут быть смертельными.

В зависимости от животного, для производства килограмма мясного белка современными методами требуется в 4–25 раз больше воды, в 6–17 раз больше земли и в 6–20 раз больше ископаемого топлива, чем для производства такой же массы растительного белка. Проблема в том, что люди вряд ли прекратят есть мясо в ближайшее время. Это означает, что выращенные в лаборатории и основанные на растениях альтернативы могут быть оптимальным выходом из ситуации.

Изготовление лабораторного мяса предусматривает извлечение мышечной ткани у животных и последующее выращивание его в биореакторах. Конечный продукт (по крайней мере, фарш) должен быть близок к натуральному, хотя исследователи всё ещё работают над вкусом. Учёные из Университета Маастрихта в Нидерландах, которые работают над технологией промышленного выращивания такого мяса, полагают, что к следующему году у них будет лабораторный бургер. Один из недостатков мяса, выращенного искусственно, заключается в том, что экологические выгоды в лучшем случае ничтожны — в недавнем отчёте Всемирного экономического форума говорится, что выбросы от такого мяса будут лишь на 7 % меньше, чем от полученной естественным путём говядины.

Более выгодным с экологической точки зрения подходом может стать «растительное мясо» от компаний вроде Beyond Meat и Impossible Foods (Билл Гейтс выступает инвестором обеих), в котором используется белок гороха, сои, пшеницы, картофеля и растительные масла для имитации текстуры и вкуса мяса животных. Beyond Meat построила новый завод в Калифорнии площадью 2400 квадратных метров и уже продала более 25 млн гамбургеров через 30 тысяч магазинов и ресторанов. В будущем бургер с таким «мясом» будет требовать в 10 раз меньше выбросов, чем обычный с настоящей говядиной.

Прошлым летом климатолог из Гарварда Дэвид Кит (David Keith) подсчитал, что теоретически машины могут справиться с задачей по цене менее $100 за тонну с помощью подхода, известного как прямой захват воздуха. Это на порядок дешевле, чем считалось ранее, хотя потребуются годы, пока затраты упадут до такого уровня. Carbon Engineering, канадский стартап, основанный господином Китом в 2009 году, планирует расширить свой пилотный завод, чтобы из полученного таким способом CO₂ производить синтетическое топливо (Билл Гейтс тоже является инвестором в Carbon Engineering).

Завод по прямому захвату воздуха Climeworks в Италии тоже собирается производить метан из абсорбированного углекислого газа и водорода, а их же завод в Швейцарии будет продавать углекислый газ для индустрии безалкогольных напитков. Global Thermostat в Нью-Йорке, которая завершила строительство своего первого коммерческого завода в Алабаме в прошлом году, тоже занимается поставками диоксида углерода для индустрии газированных напитков.

Также полученный из воздуха CO₂ можно применять в углеродном волокне, полимерах или бетоне. Пока, впрочем, удаление углекислого газа из воздуха, с инженерной точки зрения, является одним из самых сложных и дорогостоящих способов борьбы с изменением климата.

Умные часы с поддержкой ЭКГ, ставшие возможными благодаря новшествам в аппаратном и программном обеспечении, предлагают удобство носимого устройства с точностью, близкой к полноценным медицинским приборам. Совместимый с Apple Watch браслет от стартапа AliveCor, способный определять мерцательную аритмию, частую причину образования тромбов и инсультов, получил разрешение FDA (Управления по контролю за продуктами и медикаментами США) в 2017 году. В прошлом году Apple выпустила собственные часы с поддержкой ЭКГ (одобрены FDA). Вскоре после этого компания Withings объявила о планах выпустить часы с функцией ЭКГ.

Впрочем, в современных носимых устройствах по-прежнему используется только один электрод, в то время как в полноценном аппарате ЭКГ их 12. И ни одно из носимых устройств пока не способно обнаружить сердечный приступ по мере его возникновения. Но это может скоро измениться. Осенью прошлого года AliveCor представила предварительные результаты Американской кардиологической ассоциации по системе с двумя датчиками — она умеет выявлять определённый тип сердечного приступа.

Билл Гейтс активно поддерживает разработки туалетов, способных перерабатывать отходы на месте, без необходимости использования большого количества воды для доставки фекалий на удалённую очистную станцию.
Большинство прототипов являются автономными и не нуждаются в канализации, но всё же схожи с традиционными туалетами и предусматривают контейнеры. А вот туалет NEWgenerator, разработанный в Университете Южной Флориды, отфильтровывает загрязняющие вещества с помощью анаэробной мембраны, поры которой меньше, чем у бактерий и вирусов. Другой проект, разработанный компанией Biomass Controls из Коннектикута, представляет собой очистительный завод размером с обычный контейнер — он нагревает отходы, образуя богатый углеродом материал, который может использоваться в качестве удобрения. Система рассчитана на десятки тысяч пользователей в день. Сейчас задача состоит в том, чтобы сделать подобные проекты более универсальными, удобными для самых разных сообществ и более массовыми.

В июне 2018 года исследователи из команды OpenAI разработали методику, которая обучает ИИ на немаркированном тексте, чтобы избежать затрат и времени на классификацию и маркировку всех данных вручную. Несколько месяцев спустя Google представила систему BERT, которая научилась предсказывать пропущенные слова, изучая миллионы предложений. В тесте по заполнению пропущенных слов система справлялась не хуже обычных людей.

Эти улучшения в сочетании с продвинутым синтезом речи позволяют сделать взаимодействие с машинами более естественным и создать настоящих цифровых помощников. Кое-что уже удивляет: например, технология Google Duplex может осуществлять звонки от лица человека и самостоятельно бронировать места в ресторане или салоне, имитируя разговор человека. В Китае потребители уже привыкли к AliMe Alibaba, который координирует доставку посылок по телефону и торгуется по поводу цены товаров в чате. Но всё это только начало, намётки будущего — ИИ пока работает скорее на основе статистики.