美《技术评论》评出2008年十大新兴技术

　　每年，美国《技术评论》杂志都会公布本年度10大新兴技术，并预计这些技术将在未来几年对我们的生活和社会产生重大影响。2008年评选出的这些即将走出实验室、迈向实践的10大新兴技术涵盖了能源、计算机硬件和软件以及生物成像等领域。其中纤维素酶和原子磁力计2项技术是顶尖科学家正在着力解决的关键问题，“异常”建模、神经连接学、概率芯片、现实挖掘和离线网络应用5项技术代表了观察问题的全新方式，石墨晶体管、纳米收音机和无线电源3项技术是已经创造的了不起的工程壮举。

　　1“异常”建模技术

　　这项技术将洞察人类心理的大量数据结合起来，让机器学习就能帮助人类管理异常事件。人物：埃里克?霍维茨，微软亚洲研究院定义：异常建模技术结合了数据挖掘和机器学习技术，有助于人类更好地预测和应对不寻常事件。

　　影响：异常建模技术将给交通管理、预防医学、军事计划、政策、商业和金融等广泛领域的决策者提供帮助。

　　背景：经数千名微软员工的实地测试，已用在美国西雅图交通模式下的原型软件可成功地对异常事件进行提醒。而更广范围的调查研究工作也正在进行之中。

　　下一次飓风将在何处登陆？股票市场将如何对房价的下跌做出反应？谁又能赢得下届总统的选举？现代生活的许多方面都离不开预测。现存的计算机模型已能相当准确地预测许多事件，但异常事件仍然还是会出现，而且我们还无法消除它们。但微软研究院自适应系统和交互研究部主管埃里克?霍维茨认为，使用一种称为“异常建模”的技术，我们就能最大幅度地减少这些异常事件。

　　霍维茨强调，异常建模并不是要造出一个技术水晶球来预测股市明天将会发生什么，或是盖达组织下个月可能要采取什么行动。但他表示，我们可利用这种方法来研究过去曾遭遇过的异常事件，然后建立起未来可能会发生该类异常事件的模型。由此得出的结果可能会对从卫生保健到军事战略、从政策到金融市场等广泛领域的决策者提供帮助。

　　当然，这还只是一个远景，但它在现实世界的应用已经有了一个良好的开端。从2003年起，霍维茨和他的研究团队一直在微软公司开发和测试一个交通预报服务软件???SmartPhlow。

　　SmartPhlow既可以在台式机上工作，也可运行于微软掌上电脑设备。它利用一张城市地图来标示西雅图的交通情况，繁忙的公路用红色标示，其他交通流畅的路线则用绿色标示。虽然这仅仅是个开始，但是毕竟西雅图的大多数人现在都已知道在上下班时间走这条或那条公路兴许不是个好主意。如果一台机器不停地告诉你已经知道的东西，那它只会令你感到厌烦，因此霍维茨研究团队添加了一个只在异常情况下才予以提醒的软件，这里异常情况指的是交通开始出现许多人不曾预想的瓶颈或从慢性堵塞变得神奇畅通之时。

　　要有效地监测到这种异常情况，这台机器就必须拥有知识和远见。知识指的是人类发现异常情况的良好认知模型，远见指的是及时以某种方式预测异常情况以让用户能有所作为。

　　霍维茨研究团队利用了西雅图数年来的动态和静态交通状况数据，并加入了能够影响这些模式的所有因素：事故、恶劣天气、节假日、体育赛事甚至是高级官员的到访。然后，研究人员将一段特定道路以15分钟为间隔分成数十个路段，利用这些数据来计算每种情况下的交通分布概率。

　　这一分布状况为司机了解所期望的该地区的交通情况提供了相当好的模型。这样，研究人员就能回过头去寻找人们不想出现的那些情况时的数据，这些地方的数据会表现出严重偏离平均模式。由此，就形成了一个异常交通波动的大型数据库。

　　研究人员一旦发现一个异常的统计结果，他们就回溯30分钟到交通似乎正按照期望在流动的地方，然后运行机器学习算法来找出该模式内的微妙之处，从而可让他们预测出异常情况。

　　霍维茨表示，由此产生的模型工作得非常好。当设置参数使其误差率减少到5%%时，它能预测出西雅图交通系统中50%%的异常情况。如果这听起来还不够令人印象深刻，那么你想象一下它给司机提示的异常情况要比从其他途径获知的多50%%以上。今天，已有超过5000名微软员工在他们的智能手机上安装了这项服务。

　　霍维茨研究团队正在和微软公司交通与路由部一起研究将SmartPhlow商品化的可能性。2005年，微软宣布将核心技术授权给Inrix公司。去年3月，Inrix公司推出了Windows移动设备平台的交通应用服务。该服务可提前为横跨美国和英国的客户提供短到几分钟、长达5天的交通预报。

　　虽然包含在SmartPhlow内的技术没有一个是全新的，但这些技术的结合和应用却非同一般。斯坦福大学概率建模和机器学习专家达芙妮?科勒表示，对于像监测信用卡欺诈或生物恐怖等建立在大型数据集上的异常情况，研究人员还有相当多的工作要做。但这项工作的重点在于监测当前的异常情况，并不是预测不久将来可能发生的事情。另外，大多数预测模型都无视统计异常值，而霍维茨的模型专门追踪这些异常值。将人为因素考虑在内也是他的独到之处，他正在明确地建立人类认知过程的模型。

　　当然，问题是有多大范围的人类活动可以这种方式建模。用于SmartPhlow的算法对于特定领域是必须的，霍维茨相信总体方法应可推及到许多其他领域。他已在跟政策科学家讨论用异常建模来预测意想不到的冲突。他乐观地认为，在专家对某个市场的房屋价格、道琼斯工业平均指数或是货币汇率的变化感到惊奇时，异常建模都能预测得到。他称，该技术甚至还能预测商业趋势，在过去几十年里，许许多多的公司就是因为没有预见到技术兴起导致竞争局面的改观而倒闭。

　　霍维茨承认，大多数这样的应用还有很长的路要走。他表示，这是个长期远景，但它非常重要，因为它建立在我们称之为智慧的基础之上：理解我们所未知的东西。 (来源：科技日报)