医学：纳米级的细菌杀手

http://www.sina.com.cn/  2012年02月01日 14:42  环球科学杂志微博

　　世界卫生组织惊呼，耐药性结核病菌正在欧洲大肆泛滥。形势之严峻，与人类抗击其他耐药型疾病所面临的境况如出一辙[耐甲氧西林金黄色葡萄球菌感染(MRSA )即为一例，这种葡萄球菌感染在美国每年要夺去19 000 人的生命)]。一种纳米刀可望充当救星的角色。

　　IBM 公司阿尔马登研究中心的科学家设计出了一种可以刺穿细菌的细胞膜，从而彻底干掉细菌细胞的纳米微粒。

　　纳米微粒的外壳带正电荷，这使它们可以结合在带负电的细菌细胞膜上。 “微粒进来后，便黏附到细胞膜上，并把它的里面向外翻出，然后钻入细胞膜中，”IBM 材料科学家吉姆·赫德里克(Jim Hedrick )说，他与新加坡生物工程与纳米技术研究所的研究人员合作致力于此项目。没有一个完整的细胞膜，细菌会很快干瘪下去，犹如被戳破的气球一样。因为人的细胞膜上并没有细菌细胞膜所带的负电荷，所以它们不会与红血球接触，这种纳米微粒也就对人无害。纳米微粒完成杀菌的任务后，酶就把它分解掉，并由人体将它们排出体外。

　　赫德里克期望看到针对纳米微粒的人体试验在今后几年开展起来。如果这一方案站得住脚，医生就可以把融入了纳米微粒的乳胶或药水喷在医院病人的皮肤上以防MRSA 感染，也可把纳米微粒注入血流，以封杀全身性耐药病菌，例如可能引发坏血症并致人于死地的链球菌之类。不过，即使此法真的获得成功，我们还须克服一想起有“纳米钻头”跑进了血流中就惶惶不安的感觉。而地球上最难缠的病菌是绝不会轻易认输的。

能源：供电动汽车使用的液体燃料

http://www.sina.com.cn  2012年02月01日 14:41  环球科学杂志微博 能源：供电动汽车使用的液体燃料

　　要让电动汽车跑上数百千米而中途不用充电，提高电池性能是关键。但现有技术的改进却始终是小打小闹，突破性进展总让人觉得遥不可及。不过，采用一种新方法来安排现代电池的内部架构，有望使电池容量翻一番。

　　这个想法由麻省理工学院教授蒋业明(Yet–Ming Chiang )提出，他在度假时想到了这个创意，并与别人合作创办了A123 系统公司。蒋业明认为，推动电解液穿过电池的所谓“液流电池”具有一些极佳的特性，而现今最高水平的锂离子电池，即已经在日常电子产品中普遍使用的那种电池，则有较大的能量密度，如果能找到一种方法把两者的优势结合起来，那会怎样呢？

　　液流电池将电能存储在电解液槽中，它的缺点是能量密度较低。其优点则是大小随意，扩容易如反掌：要提高电池容量，只须建造更大的储能液槽即可。

　　蒋业明与同事打造出了一种新电池的工作样品，它的能量密度与传统的锂离子电池相当，但其储能载体实质上则是与液流电池一样的液体。此载体外观如黑色泥浆，内含纳米级微粒及储能金属颗粒，蒋业明称它为 “坎布里奇原油”(Cambridge crude)。

　　如果在电子显微镜下观察坎布里奇原油，会看见许多微尘大小的颗粒，其材料与构成许多锂离子电池负极和正极的材料相同，分别为锂钴氧化物(正极)和石墨(负极)。

　　在这些悬浮于液体中的相对较大的颗粒之间，是一些由碳构成的纳米微粒，它们正是此发明的“秘密调料”。纳米微粒集聚起来打造出一个海绵状的网络，形成一条条把存储着离子和电子的较大电池颗粒连接起来的“液体导线”。在其流动时，纳米组分也

　　始终维持着电子运动的路径，使电子在各个 储能载体颗粒之间畅行无阻。

　　新电池的工作载体可以流动，这诱发了 一些美好的憧憬，比如安装了这种电池的汽 车驶入服务站后不用充电，直接加坎布里奇 原油即可。蒋业明的合作伙伴、麻省理工学 院的W· 克雷格·卡特(W.CraigCarter )提出， 用户或许可以更换一种状如燃气罐而内装电 解液的装置，而无须在插座上充电。 但是，将充电电解液注入或取出电池， 并非蒋业明眼下着力开发的首项产业化应 用。他已经同卡特及实业家斯鲁普· 怀尔德(Throop Wilder )合作创建了一家名为24M Technologies 的新公司，将其团队的研发成果 推向市场。对于该公司即将推出的第一款产 品，卡特与蒋业明皆守口如瓶，但他们强调， 这些电池完全适合于电网储能等应用场合。 蒋业明指出，即使储电量不大，也可能对风 能及太阳能等间歇性能源的性能产生显著影 响。以他的设计为基础的大规模储能电池的 能量密度至少将达传统液流电池的10 倍，这 样电池可做得更加紧凑，成本也可能更低。

　　不过，坎布里奇原油要实现产业化应用， 还有很长一段路要走。一所重点科研院校储 能工程的负责人指出：“对此持怀疑态度的人 可能会说，他的新设计遇到的棘手向题，要 比某种潜在解决方案带来的好处多得多。”将 电解液泵送过电池槽需要增添机械装置，从 而加大系统的重量，这当然让人不爽了。“泵、 储能缸、管道等的重量和体积，以及电解液 和碳添加剂等额外所需的重量和体积加在一 起，可能使这项技术在重量上超过现有技术 水准的电池。”此外，随着时间的推移，经过 多次充放电之后，它的稳定性可能也不及传 统锂离子电池。

　　更根本的问题在于，这种新电池的充电 太慢，据卡特说要比传统电池慢上2 ～ 4倍。

　　这对汽车来说是个令人头疼的事，因为汽车 需要快速传送动力。一种解决办法是让这种 电池与传统电池或超级电容器(它可在几秒 内释放出所存储的电能)搭配使用，在刹车 和加速期间由后者提供缓冲的传动。

　　但这种新方案仍然大有潜力。美国爵硕 大学材料工程师尤里· 高果奇(YuryGogotsi) 指出，将能量存储在“微粒型流体”中的装置 应该与几乎任何一种电池化学体系相容，从 而使它对电池行业未来的革新起到推动作用。 高果奇说：“它为电池设计开辟了一条新路。 ”

农业：无须重新种植的作物

http://www.sina.com.cn  2012年02月01日 14:38  环球科学杂志微博

　　在农业出现之前，地球上绝大部分地方都被多年生的植物覆盖着。后来这些植物逐渐被每年都必须重新种植的粮食作物取代。现在科学家打算培育多年生的玉米和小麦等常见农作物，以扭转多年生植物每况愈下的趋势。如果他们取得成功，世界上某些最饥饿的地区的农田产量可望突飞猛进，而且这些植物说不定还会把地球大气层中过多的碳吸收掉一些。

　　农业生态学家杰里· 格拉福尔(Jerry Glover )指出，以多年生作物取代同类的一年生作物是农业科学家几十年来追求的梦想，但让梦想成真所需要的遗传技术却直至最近10 到15 年间才浮出水面。与每年都必须重新种植的作物相比，多年生植物具有一系列优势。比如，它的深层根系有利于防止水土流失，可以帮助土壤保住如磷之类的重要矿物质，而且它们需要的化肥和水也少于一年生作物。传统方法种植的一年生作物是大气中碳的来源之一，而种植多年生作物的土地无须耕耘，这就使它们变成了一片可以大量吸收二氧化碳的碳池。

　　马拉维的农民已经在通常种植主要粮食作物玉米的田地里间作多年生木豆，从而大大提高了作物产量。木豆是温饱型农户急需的蛋白质来源，它增强了土壤的水分保持能力并使土壤的碳和氮的含量翻一番，同时又不会降低一块地上主要作物的产量。

　　多年生作物发展的下一阶段，就是在传统作物的种植规模的基础上引进多年生作物，但这需要大量研究工作来支持。美国康奈尔大学的植物遗传学家埃德· 巴克勒(Ed Buckler )有意开发一种多年生玉米。他认为，找出与多年生特性相关的基因需要5年时间，而培育一个实用的品种还需要再用10 年。格拉福尔宣称：“即使借助现有的最高端的技术，培育出多年生玉米肯定也是20 年后的事情了。

　　” 科学家一直在使用先进的基因分型技术(genotyping technology )来加速开发多年生作物。现在他们可以快速分析具备有利特性的植物的基因组，以找出基因和这些特性的联系。第一代植物结出种子后，研究人员就直接对幼苗进行测序分析，以从数以千计的幼苗中锁定保留了有利特性的少数几株幼苗，而无须等待这些幼苗过几年长成之后再进行测序。

　　一旦取代一年生作物的多年生品种登场，它们的普及就可能对碳排放产生极大影响。关键在于，多年生作物的根系有极强的固碳效果——它可以在每立方米表层土中封存相当于土壤质量1% 的碳。英国生物技术与生物科学研究理事会会长道格拉斯· 凯尔(Douglas Kell )计算出，每年只要把全球一年生作物的2% 改为种植多年生作物，就能吸收足够多的碳，扭转大气中二氧化碳含量有增无减的势头。而如果将地球上所有耕地全部改种多年生作物，封存的碳可以达到全球二氧化碳总量的 118ppm (百万分之118)，换言之，足以把大气中温室气体的含量拉回到工业革命以前的水平。

材料：细菌矿工变废为宝

http://www.sina.com.cn  2012年02月01日 14:36  环球科学杂志微博

　　自青铜时代以来，采矿方法就没有发生过多大变化。通常的做法是对矿石加热并使用焦炭之类的化学物质。但这需要消耗大量能源，成本高昂，不适用于开采金属含量较低的矿物。

　　现在采矿行业越来越广泛地利用细菌从低品质矿石中提取金属。此方法不但省钱，而且可在常温下进行。利用细菌，矿业公司可从矿石中将含量仅仅1% 的金属提取出来，提取效率高达85% ，而所要做的只是将细菌引入废弃矿石堆，并用稀释的酸液来浇灌矿石堆。在矿石堆内，诸如嗜酸硫杆菌(Acidithiobacillus )或者钩端螺旋菌(Leptospirillum )之类的细菌将使铁和硫氧化以获取能量。这些细菌在吞食矿物的过程中产生活性三价铁及硫酸，它们使石质成分降解，从而分离出有价值的金属。

　　生物技术现在也用来整治从老矿山排出的酸性液流，并在这一过程中将最后一点值钱的金属也捞出来。诸如脱硫弧菌(Desulfovibrio )和脱硫肠状菌(Desulfotomaculum )之类的细菌使酸中和，产生出的硫化物则与铜、镍及其他金属相结合，从而将它们从溶液中分离出来。

　　近年来，由于高品质矿石越来越难寻找，生物采矿法获得了前所未有的蓬勃发展。据矿业咨询专家考雷尔· 布里尔利(Corale Brierley )估计，目前全球近 20% 的铜来自生物采矿，产量自上世纪 90 年代中期以来已经翻了一番。布里尔利说：“矿业公司以前抛弃的废物，现在我们都视之为有用的矿石。”

　　下一步就是打发细菌清洁工去清扫矿山废物。戴维· 巴里· 约翰逊(David Barrie Johnson )在威尔士班戈大学研究用于处理酸性矿山排水的生物液，据他估计，用细菌来清理矿山，20 年内就能收回投资。

货币：无国界货币

http://www.sina.com.cn  2012年02月01日 14:35  环球科学杂志微博

　　假设你走进一家熟食店，要了一个三层什锦三明治，扔下几张一美元的钞票，却听见收银员对你说：“很好。现在我需要您的姓名、寄付账单地址、电话号码、您母亲的婚前姓氏以及银行账号。”大多数客人听到这些要求恐怕都会感到非常纠结，但这正是现今我们在网上购买产品和服务时的付费方式。

　　网上并不存在像钞票那样简单方便且匿名使用的货币。因此我们转而依靠信用卡之类的“金融代理人”来进行交易，但这些代理人要按交易额榨取一笔手续费，还要弄走你的个人资料。随着“比特币”(Bitcoin )的问世，这一局面有望得到改观。比特币是一种全数字式货币，其流动性与匿名性毫不逊于现金。据比特币网的掌门人之一加文· 安德里森(Gavin Andresen )说，使用比特币“就像是将钞票塞进电脑中，然后通过互联网花出去”。

　　比特币由比特构成，实际上也就是可以通过对等网络从一位用户传递到另一位用户的一串代码。通常说的比特流是可以复制无限多次的(但任何一种货币如果可以随意复制，那就一文不值了)，所以每一比特币只能消费一次。由于具有高强度的加密保护，窃贼对比特币只能望洋兴叹，而且，因为通过对等网络进行交易，也就不需要Visa 或PayPal 之类的中枢管理机构 了。网络把权力下放到用户手中，而不是由金融代理人来掌控交易。

　　比特币从人们熟知的加密程序那里借用了若干招数。软件给每位比特币用户分配了两个独一无二的代码，一个是藏在用户电脑内的私人密钥，另一个则是所有人都可以看见的公开地址。密钥和公开地址之间存在着某种数学关系，但如果想从某人的公开地址推算出其密钥，那基本上是白日做梦。如果我有 50 块比特币，希望把这些银币转账给我的一位朋友，那么软件将把我的密钥与我朋友的地址组合起来。其他网友可以根据我的公开地址与私人密钥来证实我的确拥有我想要花掉的那些银币，然后用密码破译算法把银币划转出去。第一台完成计算的电脑会不时得到几块比特币作为奖励，这就吸引了形形色色的用户参加进来，使这种货币体系得以维持下去。

　　据报道，首个使用比特币交易的商品是2010 年初以10 000 比特币售出的比萨饼。此后，比特币兑美元的汇率就一直如爵士乐中的音调那样不停地大起大落。由于它涨跌无常，只有极少数几个网商会接受用比特币付账。眼下比特币的用户群人数虽少，但全是些死忠分子，恰如互联网萌芽时期的网络拥趸一样。

计算：不会死机的电脑

http://www.sina.com.cn  2012年02月01日 14:34  环球科学杂志微博

　　吉姆· 霍尔特(Jim Holt )是飞思卡尔半导体公司(Freescale Semiconductor )的工程师。他总是抱怨智能手机并不智能。他在手机上安装了一个可以搜索餐厅地图的应用，不过令他不爽的是，每当他结束搜索后，此应用依然在起劲地耗电并占用内存，弄得他连发条短信之类简单的事情都做不了。

　　霍尔特的手机凸显了当前计算系统的一个通病：系统的一部分不知道另一部分在干什么。每个程序都竭尽所能地抢占资源，而操作系统也够笨的，竟不能发现用户眼下使用的应用正受到排挤。这个问题不仅令智能手机头疼，也困扰着个人电脑和超级计算机。随着更多的电脑采用多核处理器，该问题的严重性只会有增无减。如果电脑的各部分不能学会相互沟通，彼此了解对方的可用度及需求，未来的计算技术很可能无法重现过去的辉煌。

　　对于这个问题，霍尔特以及他在麻省理工学院主导的研发协作组织Project Angstrom 中的合作者们拿出了解决方案：研制具有“自我意识”的电脑。在一般的电脑中，软件、硬件以及把软硬件联系起来的操作系统很难搞清到底彼此在干些什么，尽管它们全都在同一台机器内运行。比方说，如果视频播放软件运行非常吃力，那么操作系统对此是一无所知的，即使观看视频的人肯定注意到画面卡死等情况出现。

　　去年，麻省理工学院的一个团队发布了名为“应用心律”(Application Heartbeats )的研究软件，它可以监测各种应用软件的健康状况。例如，它可以发现视频软件正以15 帧/秒的低帧率而不是以30 帧/秒的最优帧率播放视频，导致画面出现卡顿。

　　研究人员的目标是最终打造出一旦应用程序运行过慢，即可发现问题并拿出可行解决方案的操作系统。如果电脑的电池充满电，操作系统可能会为应用程序分配更多的计算能力，否则操作系统或许会要求程序使用品级较低但效率更高的指令组。操作系统会逐步从经验中学习，说不定到下一次它就能更快地解决问题了。有自我意识的电脑将能同时协调好若干比较复杂的目标，比如“运行这三个程序，但以第一个优先”以及“尽量节省电能，但以不影响我观看这部电影为前提”等。

　　下一步就是设计一种后继的操作系统，它能够针对实际情况灵活调节分配给每一个程序的资源。如果视频播放过慢，那么操作系统将会为它分配更多的电能。但如果视频以40 帧/秒的速率播放，则电脑或许会把部分电能转拨到其他地方，因为对人眼而言，电影以40 帧/秒的速率播放看起来并不比30 帧/秒更佳。“与目前的行业传统做法相比，我们可节省40% 电能，”麻省理工学院从事此软件研究的博士研究生亨利· 霍夫曼(Henry Hofmann )说。

　　该项目的首席科学家阿南特· 阿加沃尔(Anant Agarwal )认为，具有自我意识的系统不仅能使电脑更聪明，而且对管理未来一代更加复杂的电脑来说可能也必不可少。过去十年间，电脑工程师已经向电脑中塞进了越来越多的基本计算单元，即所谓的“核心”。现今的电脑有 2~4 个核心，而未来的电脑将使用数十到数千颗核心。对如此之多的核心来说，向电脑核心分配计算任务的工作不可能再像现在这样由程序员来制定。具有自我意识的系统将从程序员手中接过这一任务，在后台自动调整程序的核心使用状况。

　　能够调度好如此之多的核心，或许会促使计算速度飙升到一个全新水平，并有助于让我们打造出速度越来越快的计算机。“核心数目达到很大规模之后，我们就得有相应级别的、有自我意识的系统，”加利福尼亚大学洛杉矶分校的电气工程学教授约翰· 比利亚塞尼奥尔(John Villasenor，他并未参与Project Angstrom 项目)说，“我认为，今后几年中这一趋势将会初现端倪。”

货币：皮肤中的钱包

http://www.sina.com.cn  2012年02月01日 14:32  环球科学杂志微博 货币：皮肤中的钱包

　　学生们进入食堂，在餐盘里盛满饭菜后，径直走向收银机，对它挥挥手，便可放心地与同学们一起享用午餐了。学校已经在收银机里安装了仅有一平方英寸大的传感器，它可以根据学生手掌静脉血管的分布模式来识别每一位学生。这样买午饭既不用卡，也不用现金了。学生的手就成了他们唯一的钱包。

　　有了这个富士通PalmSecure 系统帮忙，食堂的队列就移动得很快了——自从采取这项措施后，排队等待的时间缩短了一半。鉴于学校规定午餐就餐时间只有30 分钟，排队时间尽量短显得尤为重要。同样的技术被管理着30 多家医院的美国卡罗来纳医疗系统用来识别180 万名患者，不论他们自己是否知情。日本的三菱东京UFJ 银行也把掌纹识别技术作为一种附加交易验证手段。

　　机器可以根据多种人体特征进行识别，但只有少数几种特性兼具独一无二和即查即得这两大优点，可以方便迅捷地利用。我们曾以为每人的指纹和面孔都是不一样的，但其实并非如此，使用它们来识别可能会认错人，而且它们还容易造假。人的虹膜倒具有唯一性，但获取虹膜图像需要人们盯着读取装置几秒钟而不能眨眼，这就容易造成读取失败，而且也给人们一种侵扰感。人体手臂静脉血管的分布模式则基本上是因人而异，很容易用毫无危害的近红外光来读取。既然如此，我们为何还要用信用卡来付账呢？

　　一旦某家大型零售商或某个政府部门采用这样一种系统——试想想挥下手就能进地铁的情景——掌纹识别即可充分施展它的应用潜力，将触角伸到全世界的每一个角落。金融行业面对的诈骗与误识事件已经够多，过渡到生物识别技术不太可能改变这种状况。但它可以让我们体验到手一挥、账即付的潇洒快捷。

计算：像人脑一样思维的芯片

http://www.sina.com.cn  2012年02月01日 14:30  环球科学杂志微博 计算：像人脑一样思维的芯片

　　微芯片设计师达门德拉· S · 莫达(Dharmendra S. Modha )的团队里竟有一名精神病医生。当然，这并不是因为莫达想让手下保持精神健康，而是因为他的合作者正在对一种模拟神经元的微芯片进行攻关，其中包括5所大学和IBM 的5个实验室。

　　他们把自己的研究称为“认知计算”，首批产品已在2011 年8月亮相。眼下这些芯片所能做的还只是在游戏Pong 中击败对手，或者穿越简单的迷宫，不过它们雄心勃勃的最终目标却是把人脑的神经元计算功能塞进小小的硅组件中。这个名为SyNAPSE 的项目正在打造一种由100 亿个神经元和100 万亿个突触构成的微处理器，规模大致与人脑的一个半球相当。研究者预计它的体积不超过两升，功耗约1 000 瓦。

　　莫达坚称他并不是想要创造一个大脑，尽管表面看来似乎如此。他的团队只是在尝试建立一种新的结构。常规芯片必须通过唯一的一条狭窄通道来传递指令和数据，这就限制了最高速度。而莫达则是让每个人造神经元都拥有单独的通道，从而使大规模并行处理从一开始就成为芯片的内嵌功能。莫达说：“我们正在建造的是一种通用基底，是一项可为多种应用服务的平台技术。”

　　佐治亚州立大学的神经科学家唐· 爱德华兹(Don Edwards)指出，这一构想如果成功，那将是模拟神经元网络领域30 余年来最大的成果。就连IBM 的竞争对手也对此深表钦佩。西雅图Cray 公司副总裁巴里· 博尔丁(Barry Bolding )断言：“神经形态处理为那些借助传统电脑设计很难解决，或许根本无法解决的问题开辟了广阔的前景。”

　　莫达强调，认知计算架构只是补充，决不会取代传统电脑。它可以从充斥着各种噪声的现实世界中获取信息并进行预处理，将它们转换成传统电脑能轻松应对的符号。

　　如果说这一切听起来太像电影《终结者3：机器人暴动》中的故事，那么此类芯片的数学功力之差，或许会让我们感觉舒服一些。莫达说： “在模仿大脑方面，如今的电脑非常低效，但类似大脑的网络在传统电脑拿手的加减法运算上，效率也很低。它们各有所长，谁也不能取代对方。”

医学：永远的健康守护神

http://www.sina.com.cn  2012年02月01日 14:23  环球科学杂志微博

　　大多数人都是直到胸痛或遇到可疑的肿块时才去就医，但当这类症状出现再采取措施往往为时已晚。为了尽早发现症状，需要连续不断地监测，而这项任务或许可交给手机承担。事实上，手机连续不断发出的数据流，由健康监视系统实时接收并加以分析，有助于在症状初现时便作出诊断，从而避免病情恶化。移动器件也可以帮助医疗卫生机构发现并处理问题，以免小病拖成大病，增加治疗费用，治愈的难度也更大。理论上，这种永远处于开机状态的警报系统可以消除体内无数危及健康的定时炸弹，将治疗慢性疾病的开支减少75% ， 延长患者的寿命。

　　手机市场上各种纯属玩弄噱头的 保健类应用泛滥成灾，但少数几个优 秀系统有望帮助用户控制慢性疾病或发现危险症状。美国 AliveCor 公司推出的手机心电监测装置iPhone ECG 是一 个塑料盒，背面有两个金属电极，当使用者用双手握住此 装置或将它紧按在胸腔上时，电极即可记录心跳节律。这 一即测即得的心电图数据可以通过无线方式发送给患者、 家属及医生，提醒他们注意患者心脏节律是否异常。此装 置拟于2012 年初通过美国食品及药品管理局(FDA )的 审批。该装置的开发者、生物医学工程师戴维· 阿尔伯特(David Albert )指出：“它不仅让人们及早获得警报，同 时也省去了做常规心电检查的成本。”   

　　无独有偶，法国Withings 公司也开发出一种与iPhone 配套使用的血压监测装置。使用者把这个外观时尚漂亮的 白色袖带戴在手上时，iPhone 屏幕便会在30 秒内弹出读 数。如果读数异常，还会出现一个警告。美国WellDoc 公 司推出的糖尿病监测软件DiabetesManager 已获FDA 批准。 病人只要将各种实时数据(例如血糖含量、碳水化合物摄 入量以及服用的糖尿病药物等)输入手机，该软件便会对 这些数据进行分析，并向患者推荐为保持正常血糖水平应 采取的措施(比如注射胰岛素、吃某种食物等)。2011 年 9月公布的一项实验结果证明，使用DiabetesManager 的患 者，对血糖含量的长期控制状况远远好于未使用该软件的患者。

　　目前这些新系统基本上仍各自为战，其中许多还停留在研发阶段。但无线健康专家认为这预示着一个新时期的开端——未来的各种手机健康监测系统将会彼此配合，让用户和医生通过翔实的数据全面了解其总体健康状况。

　　“按一下手机上的一个键并告诉它，‘我想看我的关键生理指标的实时数据’ ， 这种即按即得的设想在技术上是可行的，”美国斯克利普斯应用科学研究所所长埃里克· 托普尔(Eric Topol) 宣称。

　　但传感技术是一大瓶颈。传统的血糖监测装置必须刺穿皮肤才能获得 着量血压的袖带、身上贴着胶布粘牢 的电极满街转呢？好在更加方便的解决方案即将浮出水面。日本科学家近来发明了可以监测血糖含量的注射式荧光纤维，而托普尔则透露，未来一代以纳米微粒为基础，并且可与智能手机互动的多种传感器能够更加可靠地监测关键生理指标，最令人心动的是，它们还可以比传统方法更早地探测出抗体等疾病标志物。例如，能够探测所谓肿瘤标志物的传感器一旦发现目标便会通过手机报警，患者便可以接受预防性化疗，以防肿瘤细胞在体内站稳脚跟。此外，手机健康监测越简便，消费者便越有可能申请开通这种功能。2010 年的一项调查发现，有40% 的美国人愿意支付一笔月费服务，让手机把血压、血糖或心率等健康指标发送给他们的医生。

　　无线生命科技联盟(Wireless-Life Sciences Alliance) 副总裁保罗· 松尼尔(PaulSonnier )指出，手机健康监测功能一旦与基因分析整合起来，将方便我们及早解决健康问题。比如，假定某位患者携带一种使她有可能在早年患上糖尿病或癌症的基因，那么她就可以带上一种不露形迹的传感器，一旦体内出现任何异常动向，传感器即可将此消息发送到她的手机。“我们可以抢在胰腺的胰岛细胞首次遭受感染或首批癌细胞现身之前把纳米传感器嵌入体内，”托普尔说。只要手机健康监视系统能发挥出潜力，它们就可以充当人类形影不离的健康卫士，在人们浑然不觉自己已身陷危险时悄悄地保护他们。

瑞士物理学家拟10亿欧元打造超级机器预测未来

http://www.sina.com.cn  2012年01月10日 09:48  环球科学杂志微博 超级机器预测未来

　　如果你将有关这个世界的所有数据输入一个黑盒子，这个黑盒子能否变成一个水晶球，可以让你窥见未来——甚至还可以根据你的选择来测试将要发生什么？至少有一个人认为可以，而且他即将获得10亿美元的资金来打造这个黑盒子。

　　撰文戴维·温伯格(David Weinberger)翻译张燕晶

　　在2010 务，希腊不得不面对一系列潜在的后果。当然，这些后果不会有人愿意看到。希腊政府削减开支的尝试，年的夏季和秋季，希腊的财政危机撕开了全球经济的伤疤。由于欠下了一屁股永远没有能力还清的债引发雅典街头的暴乱。同时，希腊债务违约的威胁，也给全球金融市场敲响了警钟。许多经济学家都认为，希腊必须退出欧元区，并让其货币贬值，从理论上说，只有这样才能帮助经济发展。“没错，(希腊)有序退出欧元区将十分艰难，”美国纽约大学的经济学家诺里埃尔。鲁比尼(Nouriel Roubini )在为英国《金融时报》(FinancialTimes) 撰文时指出：“但是，眼看着希腊的经济和社会缓慢而无序地崩溃，则是更糟糕的事。”

　　然越多的人担心，希腊一旦脱离欧元区，那么西班牙和意大而，没有一个人能够百分之百确定剧情将如何发展。越来利或许也会效仿，这样就会使欧盟的关键纽带进一步削弱。但是英国著名财经杂志《经济学人》(Economist)却认为，危机会“促使布鲁塞尔(欧洲央行所在地)加强对财政政策的控制，将欧元 区变为一个在政治上更加一体化的俱乐部”。这些结果还将进一步带来广泛的影响：申请进入欧盟的移民也许会转而涌入生活费用较为便宜的希腊；旅游人数的下降，也会使得传染病的扩散受到限制；贸易路线的改变则会破坏当地的生态系统。

　　其实问题本身非常简单——希腊到底要不要退出欧元区？但问题将会带来的后果却很难预料，其结果过于复杂，即使是世界上最聪明的专家也无法把握这一切将会带来的变化。

　　德克· 赫尔宾(Dirk Helbing )是一位物理学家，同时也是瑞士苏黎世联邦理工大学的社会学教授，他试图花费10 亿欧元来打造一个计算系统，用以对世界上将要发生的事情作出有效预测。而前文提到的那些问题，恰恰就是刺激他这么做的动机。赫尔宾的系统绝不仅限于用来预测金融、政策或环境等的某一方面。他的目标非常明确，那就是要预测一切——即这个世界上的所有事情——从而找到决策者面临的最棘手问题的解决方案。这个项目的核心部分被称为“活地球模拟器”(LivingEarth Simulator)，它试图模拟一个全球尺度的系统——包括经济、政府、文化趋势、流行病、农业、技术发展及更多领域——这需要用到巨量的数据流、高级的算法，以及能让系统运转起来的硬件设施。在赫尔宾的竭力推销下，欧盟委员会被打动了，因此，他们在有6个项目参与的最终角逐中，将赫尔宾的项目排在第一位，并向他的项目投入10亿欧元。

　　这个系统是对“巨量数据”最具雄心的表达，在许多科学家看来，此趋势堪与当年望远镜或者显微镜的发明相媲美。美国哈佛大学医学教授、社会学家尼古拉斯· 克里斯泰基斯(Nicholas Christakis )说，呈指数式增长的数字化信息将计算机科学、社会科学、生物学等通过各种方式结合在一起，这让我们有能力应对那些此前无力解决的问题。克里斯泰基斯举了一个例子，无处不在的手机可以创造出大量的数据，比如一个人正在前往什么地方，他们在购买什么，甚至可以追踪人们都在思考些什么。很多科学家都相信，只要将这些数据同其他类型的数据结合起来——比如来自基因组学、经济学、政治，以及其他领域的数据——众多新颖的探索领域很快就会向科学家敞开大门。

　　“科学上的进步一般都是由仪器来推动的。”戴维· 雷泽尔 (David Lazer )说，他是美国西北大学计算机和信息科学学院的副教授，同时也是赫尔宾项目的支持者。有了工具，任务也就随之而来，如雷泽尔说的那样：“科学就像一个醉汉在街边的路灯下找钥匙，因为那儿的光线更好。”对赫尔宾的支持者来说(其中包括来自全球的数十位备受尊敬的科学家)，10 亿欧元的资金足以获得非常明亮的“光线”。但仍有许多科学家对是否需要将全球的数据汇集到一个中央数据库持怀疑态度。他们认为，更好的方式是通过互联网形成数据云，然后通过链接来使它们能供所有人利用。这种数据分享格式能让更多人有机会浏览查看数据，然后找到潜在的联系，并为有竞争力的创意创造一个交流场所。

　　超级复杂顶级模型

　　对现代科技而言，寻找各类数据之间的联系实属稀松平常，即使现在这些数据堪称海量，它们之间的关系也相隔十万八千里。例如，美国麻省理工学院人类动力学实验室主任亚历克斯·彭特南德(AlexPentland )指出，研究者已积累了大量有关人类行为的匿名数据，足以通过分析这些数据，找出诱发II 型糖尿病等“行为方式疾病”(diseases of behavior )的行为学和环境方面的复杂因素。彭特南德说，这种海量数据挖掘的方法使得一项始于1948 年、累计有5 209 名自愿者参与的极具创意的心血管病研究[俗称“弗雷明汉研究”(Framingham study)]，看起来就跟一项小组研究差不多。

　　然而，赫尔宾的“未来信息通信技术知识加速器”(FuturICT Knowledge Accelerator )以及“危机缓解系统”——这是该项目的正式名称——远远超越了数据挖掘的范畴。该项目包括“全球危机气象台”，四处搜寻危机出现的苗头，例如食物短缺或者流行病的出现。它还有一个被称为“地球神经系统”的组成部分，能将分布在地球各地的传感器采集到的数据汇总起来。但是， FuturICT 的核心还是要数“活地球模拟器”，它可以对世界上正在起作用的，来自社会、生物、政治以及物理的无数力量进行模拟，并利用它们来获得对未来的认识。
模型的出现已经有大半个世纪了。早在1949 年，一位来自新西兰的工程师及经济学家比尔· 菲利普斯(Bill Phillips )用水管零件和一台拆下的汽车雨刮马达打造了一个模型，向世人展示了英国的经济是如何运转的。此模型基于对消费者开支、税收以及其他经济活动所进行的“假设”调节，用有颜色的水模拟收入的流动。尽管用今天的标准来看，菲利普斯的模型还相当初级，但它却具备了模拟的基本运作方式：规定各个要素之间的一系列关系，输入数据，然后观察结果。即使预测效果不准，这种误差本身也能成为有用的信息，可以用于改进模型。

　　现代社会没有电脑将寸步难行，没有模型也一样难以运作。但是你能时时刻刻都使用足够多的水管与水泵来建模吗？不仅是对火山喷发、短期经济增长的影响建模，而且还要针对人类行为涉及的所有领域，从教育到疫苗的分配，能做到吗？赫尔宾给出了肯定的答案。他的自信部分源自他已经成功模拟了另一个复杂的系统——高速公路上的车流。通过在计算机上对车流进行模拟，赫尔宾和同事设计出了一个模型，这个模型显示(同样是在计算机上)，如果减小运行中的车辆的间距，就能消除因汽车走走停停而浪费的时间。非常不幸的是，这个间距实在太过微小，以至于只有机器人驾驶才能做到。同样，赫尔宾还介绍了一个由他充当顾问的计划，即模拟麦加的朝圣者人流。此计划的结果是花费10 亿美元重新规划建设当地的街道与桥梁，从而避免朝圣者互相踩踏造成大规模伤亡。实质上，赫尔宾把他的FuturICT 系统看作是这些交通模型的一个精心制作的放大版本。

　　但是，这种模拟只对很少一类情况有效，美国哈佛大学定量社会科学研究所的加里· 金(Gary King )说。在高速公路交通和麦加朝圣者的案例中，每个人(或者每辆车)都是朝着相同的方向前进，而且都希望能够尽可能安全、快捷地到达目的地。反观赫尔宾的“未来信息通信技术知识加速器”却旨在建立复杂的模拟系统，这些系统内的人可谓形形色色，动机也各不相同；既有各种意外事件，也有无数复杂的反馈，并且可以通过输入、输出以及反馈回路与其他相关系统相连。例如，一个城市的经济模型就依赖于该城市的交通模式、农业生产、人口统计资料、气候和 研究者计划打造一个能模拟整个世界以预测未来流来支撑。一种效果更佳的知识机器或许将诞生于万维网式的计算系统。然而，模型不够完美，许多研究者认为世界的复的运作机制，例如互连与争论。这个项目将由研究人员现在随时可用的巨量数据杂性是模型永远也看不懂的。

　　流行病学情况，当然，这里只提到了其中一部分。除了要面对令人望而生畏的复杂性问题，科学家还列举了一个综合系统所必须征服的一大堆相互关联的挑战。首先，我们目前还不具备一套完备的社会学理论，而这正是一个系统的起点。加里· 金解释说，当我们拥有一套可靠的关于事物如何运转的理论后，就可以建立起一个能够成功预测结果的模型，比如对物理系统来说就是这样。但是，目前我们所掌握的无论哪一种社会行为学理论，在预测能力方面都还远远落后于物理学定律。不过，加里· 金指出了另一种可能性：如果我们拥有足够多的数据，我们就可以基于一些关于“规律如何形成的线索”来打造模型，甚至不用去知道规律到底是什么。例如，如果记录下地球上任意地区的气温和湿度在一年内的变化情况，我们就可以开发出一套相对准确的天气预报系统，而不需要懂得流体动力学或者太阳辐射什么的。美国西北大学复杂网络研究中心主任阿尔伯托—拉斯洛· 巴拉巴希(Albert-László Barabási)认为，我们已经开始利用数据来梳理一些有关人类系统的规律了。巴拉巴希同时也是FuturICT 项目顾问，他和同事最近公布了一个模型，可以根据人们过去的出行习惯，预测这些人明天下午5 点钟的时候都在什么地方，准确率可达90% 。做出这种预测没有用到任何与心理学、技术或者经济相关的知识。模型仅仅是分析过往数据，并以此作出推断。

　　但是，有时候为了让这些方法取得较好的效果，所需的数据量远远超过了我们的能力范围。卡内基· 梅隆大学的统计学家科斯马· 沙利兹(Cosma Shalizi )认为，如果你在思考100 种不同互动因素的问题时，想像思考二维问题一样准确，那么需要的数据量近乎天文数字。沙利兹总结说，除非你将就着使用那些无法把握社会行为学整体复杂性的简单模型，“想要单靠数据打造出精确模型是不现实的”。

　　FuturICT 不会仅仅依赖于一个模型，不论此模型有多复杂。赫尔宾介绍说，它将把“计算机科学、复杂性科学、系统理论、社会科学(包括经济学和政治科学)、认知科学”以及其他领域都结合起来。但是，模型的结合也会带来新的问题——复杂程度将呈爆发式增长。“假设天气与交通各有10 种情况，”加里·金说，“如果你想同时知道这两者的情况，需要知道多少事情？答案不是20 ，而是100 。这还不至于让我们感到绝望。它仅仅意味着我们所需的数据量增长得非常快。”

　　更棘手的是，一个模型的预测结果也将改变它在建模时自身所处的环境——预测结果做出后，它会反过来影响自身的准确性。印第安纳大学复杂网络与系统研究中心主任、FuturICT 项目首席数据规划师亚历山德罗· 维斯皮尼亚尼(Alessandro Vespignani )说：“这是一个巨大的科学问题”。既然预测结果影响到其自身条件，那么，“我们要怎样才能开发出合适的模型，公共卫生应用钞票与病毒“同流合污” 想象一下，一种致命的流感病毒出现了。它将向何处传播？物理学家和流行病学家已经开始利用巨量的数据来预测流行病，以及怎样做才能阻止病情的蔓延。一些科学家使用追踪乔治这个项目所提供的数据来模拟2009 年的H1N1 流感病毒在美国的传播状况(该项目跟踪数以百万计的钞票在美国境内的流动轨迹)。其他一些研究者则通过分析航空和陆地交通状况，以同样的方式来进行预测。这些研究既让我们看到了巨量数据带来的希望，也暴露出其存在的问题：它们准确地预测了流感将传往何处，却严重低估了最终受感染的人数。

　　钞票在美国境内的流动情况反映了人口和病毒的流动。

　　使它所含的反馈回路或实时数据监测系统，能够让我们连续不断地改进算法并作出新的预测？”维斯皮尼亚尼说。

　　这样的模型还必须具备令人难以置信的复杂和详尽程度。比如说，如果你询问一个经济学模型，你所在的城市是否该把一些土地改做他用，而这个模型在做决策时没有考虑食物链的问题，那么，从经济学角度来讲，它给出的答案或许合理，但对环境来说，可能就是一场灾难。世界上有超过1 000 万个物种，仅仅是了解每一个物种以什么为食，都会复杂得让人无比沮丧。而且，食物方面的相关差异还不仅仅停留在物种这个层次上。美国洛克菲勒大学的环境学家杰西· 奥苏贝尔(Jesse Ausubel)指出，通过对蝙蝠胃里食物的DNA 进行分析，我们可以弄清蝙蝠都吃了什么。但是居住在某个山洞里的蝙蝠和仅仅数英里之外的同一类蝙蝠，它们的食物源都可能不相同。如果没有踩着那些海鸟粪，进入一个又一个山洞具体考察，则依赖那些互相关联的模型的专家将有可能遇到不可靠的、会产生一系列连环作用的结果。

　　所以，虽然从理论上说，即使我们对模型所依据的根本法则一无所知，也能构造那些关于复杂现象的模型，但实际的困难也将呈指数式猛增。总有另外一个层次的细节，总有另外一种因素在最后的结果中可能被证明是非常关键的。如果我们没有事先了解人们会怎样做，那么我们就不可能知道模型获得的 我们尚不 清楚，人类的是不是最终结果。大脑是否已经在基因组学和天文学等领域，建立在巨量数据上的有能力理解超研究业已取得许多成功，但级计算机给出是，在单一领域的成功还不足以证明，当我们将多个领它们的答案时域通过高度复杂的方式相互的过程与依据。联系起来的时候，仍能取得成功。也许我们可以一点点地进步，但也许存在这种可能性：对于涉及人类活动这样复杂的系统，模型的能力天然就是有限的。毕竟，人类系统通常服从于象征着不可预测性的两大理论：黑天鹅理论(black swans theory )以及混沌理论(chaos theory)。

　　当预测结果难以理解时

　　什么模型可以预见到世界范围内每天都在发生的动荡？或者预见到2001 年9月11 日的那场恐怖袭击，以及它带来的深远影响？又或者预见到因特网从研究者专用的一个不起眼的网络，变身为全世界最重要的工具，催生或颠覆了整个行业？纳西姆· 尼古拉斯· 塔雷伯(Nassim Nicholas Taleb )在他2007 年的畅销书《黑天鹅》(The Black Swan )中阐述道，这就是通俗化的“黑天鹅问题”(black swan problem)。“这个世界总会比模型更加复杂，”奥苏贝尔说，“事实永远如此。 ”

　　更糟糕的是，赫尔宾想要弄清楚的社会、政治以及经济系统，绝非复杂二字就能形容。这些系统具有混沌的特性。它们中的每一个都依赖于成百上千个独特因素，相互间的关系非常复杂，而且还深受初始状态影响。在混沌系统中，每件事都有某种起因，或者更准确地说，每件事的发生都有多得不计其数的起因，因此对事件只能作最普遍、最一般性的预测。例如，美国乔治· 梅森大学的气候学家、全球环境与社会研究院(Institute of GlobalEnvironmentandSociety )主席雅格蒂西·舒克拉(Jagadish Shukla )曾告诉我，虽然我们能提前5天预测天气，“但如果想要提前15 天做出预测，那是不可能的。无论你安置了多少个传感器，初始条件总会有误差存在，而且我们所使用的模型也不是完美的”。舒克拉说：“局限性并非来自技术方面，而在于系统的可预测性本身。 ”

　　舒克拉一直小心翼翼地把天气和气候区分开来。我们也许无法预测100 年之后的某天下午是否会下雨，但是我们可以在一定程度上准确预知那时的平均海洋温度。“尽管气候是一个混沌系统，但它仍然具备可预测性，”舒克拉说。对赫尔宾的模型来说也是如此。“复杂的金融市场运作也许比天气的可预测性更低，”赫尔宾在一封电子邮件中写道，“但事实上，我们可以通过对某些宏观经济数据(例如，很多年以来，美国人的消费总是比收入增长得更快)的分析，预测出金融危机迟早会发生。 ” 但是，不需要一大堆超级计算机、天文数字般的巨量数据，以及花费10 亿欧元，我们也能获知这些。

　　如果模型的目的是为了给政策制定者提供有科学依据的咨 询意见(就如赫尔宾在证明10 亿欧元赞助费物有所值时所强调的那样)，一些新的现实问题就会冒出来。首先，我们尚不清楚，人类的大脑是否已经有能力理解超级计算机给出它们的答案时的过程与依据。当模型足够简单时——比如有关英国经济的“水工学”模型——我们可以追溯模型的运作，并意识到个人存款账户的缩水是加税过快而带来的一个意料之外的后果。不过，那些依赖于大量数据计算，并需要通过结果反馈来加以调整的复杂模型即使能提供可靠的结果，其过程之复杂也是人类大脑所难以理解的。也就是说我们只能知其然而不能知其所以然。

　　当我向赫尔宾问到这一局限性时，他停顿了一下，然后告诉我，他认为人脑能够理解的那些基本规律以及公式，最终可能都会浮现出来，因为他在研究交通时遇到的情况就是这样。但是，汇集了金融系统、社会行为、政治运动、气象学以及地理学的交叉口，其复杂程度远非朝着同一个方向行进的三车道交通能够比拟。所以，人类也许无法理解，当模型被问到一旦希腊脱离欧元区会产生什么结果的问题时，它凭什么会预言灾难即将到来。

　　如果无法理解为什么某一行动路线是最佳方案，一个国家的总统或首相就永远不可能据此采取行动——尤其是当这样的行动看上去荒谬可笑时。哥伦比亚大学的统计学家维多利亚· 斯图登(Victoria Stodden )构想了这样的情景：一位政策制定者获知了“活地球模拟器”的预测，并宣布“为了让全世界摆脱经济危机，我们必须烧掉地球上所有的油井”。如果政策制定者无法解释这样做的理由，那么这就是一个无法被执行的建议。毕竟，即使科学家事实上已经就气候变化带来的威胁大体上达成共识，政策制定者还是拒绝为每一个严肃的环境模型所预测的未来做好准备。

　　网民与网民的争论 赫尔宾现在所描述的FuturICT 是一项巨大且复杂的工程，需要一个中央组织来对它加以管理，因此，也就难免出现这样或那样的实际问题。赫尔宾将负责监督一个包括硬件建设、数据采集、结果返回等工作的全球化项目。

　　但这不是约翰· 威尔班克斯(John Wilbanks )想要的。威尔班克斯是非营利组织“知识共享”(CreativeCommons )分管科学的副总裁，他和赫尔宾一样热衷于巨量数据，但他的直觉让他把目光投向因特网而不是钟情于建立机构。在威尔班克斯的领导下，一个旨在组建形形色色的“共享数据”系统(data common)，让所有人都可以利用它们的项目正在展开。这个项目旨在让全世界的科学家都加入到一个汇集了各种创意、模型和结果的开放的交流场所中。与规划一个具备有序输入和高价值输出功能的形式化机构相比，威尔班克斯的方法可谓反其道而行之。

　　上面的两种方法强调了两种不同的价值标准。数据分享也许不能获得一个封闭系统实行的专业人员审核过滤制所带来的好处，但威尔班克斯坚信，这种方法通过其“繁殖力”的优势足以地弥补这一缺陷[繁殖力(generativity )这个术语引自乔纳森· 奇特林(Jonathan Zittrain )在2008 年的著作《互联网的未来》(The Future of the Internet)，指一个系统通过大量各种类型的 受众做出的未经过滤的贡献，从而获得意料之外的变化的能力]。例如，互联网允许每个人都参与进来，这就是它为什么能成为一个强大的创新引擎的原因。在威尔班克斯看来，如果科学家都能利用到尽可能多的数据，如果一切信息都能对所有人开放，并且易于使用，而且这些信息能够实现跨学科、跨单位、跨模型的整合，科学就能以最快的速度取得进步。

　　在过去数年里，一种新的数据“语言”浮出水面，这让威尔班克斯的梦想看起来不再那么遥不可及。此语言源自于万维网(World Wide Web )创始人蒂姆· 伯纳斯—李(Tim Berners- Lee)2006 年阐述的若干原则。在这种“链接数据”格式中，信息的输入形式简洁明了：X和Y以某一特定方式相关；这种相关性可以是发布数据的人所想要的任何东西。例如，如果知识共享组织想要以链接数据的形式发布他们的员工信息，他们可以用一系列“三元组”来提供数据： (triples) [约翰·威尔班克斯][ 领导着][ 知识共享组织的科学部门]，[约翰· 威尔班克斯][ 的电子邮件地址是][johnsemail@creativecommons.org] ，诸如此类。 而且，由于世界上不止一个人叫约翰· 威尔班克斯，“领导” 一词也有其他意思，因此这些“三元组”中的每一个元素都包含着一个网络链接，指向一个权威的，或者清晰无误的信息源。例如，“约翰· 威尔班克斯”的链接或许就指向了他的主页，或者是CreativeCommons.org (知识共享组织的主页)介绍他的页面，或者是维基百科(Wikipedia )中关于他的条目。而“领导” 的链接则有可能指向一个标准词汇表，这个词汇表定义了他所起的领导作用的类型。

　　这种关联结构可以让研究者将来自多个源头的数据联系起来，而无须先就一个用以解释各部分之间关系的抽象模型达成一致。这样一来就大大降低了发布数据之前数据准备工作的成本。它同样也提升了这些数据被发布后的价值。

　　这种“链式数据”的方式可以使更多人注意到某一特定数据集上，因而增大了某人偶然发现一个有趣的信号的可能性。更多的假说可以被测试，更多的模型也可以被检验。“网民们的思想需要碰撞，”威尔班克斯说，“他们需要辩论模型中所用的变量和数学是否准确，还有前提假设是否正确。”这个世界非常紊乱，以至于我们读懂它——比如及时发现潜在的金融危机—— 的最佳机会，就是让尽可能多的人都来对它指手画脚一番。对威尔班克斯和他的团队而言，让数据公开且可以通用是第一步，也是革命性的一步。在参与辩论的各门各派中必定有一些拥有非凡智慧且打造出了精致模型的机构。但是，要让真相浮出水面，第一个而且最基本的条件还得是争论本身——网民与网民之间的争论。

　　威尔班克斯和赫尔宾都将“天量数据”看作是一场革新，他们也都期望，能被科学地理解的社会行为比我们前些年设想的要多得多。赫尔宾并没有打算通过向赞助方描述“活地球模拟器”如何防止国家破产及全球危机以说服他们出钱(如巴拉巴希所言，“如果你试图说服政治家，那你就必须谈论最终产出”)，而是承认FuturICT 将会支持多个彼此间存在竞争的模型。而且，赫尔宾还渴望能完成人类历史上最大规模的一次数据采集，并将它们中的绝大多数公之于众。(其中一些必须保密，因 为它们来自商业机构的有限授权，或者包含了个人隐私信息。) 无论怎样，差异是实实在在的。对赫尔宾以及他的数据架构师维斯皮纳尼来说，确认FuturICT 支持多个模型不会让他们止步不前。“甚至天气预报都是基于多种模型完成的，”维斯皮纳尼说。然后他又说：“把它们结合起来，就可以得到一个有关各种结果发生概率的统计推断。”对赫尔宾和维斯皮纳尼而言， FuturICT 的价值就在于它可以汇集多种模型，得出一个答案。

　　当然，数据共享的目标也是向真相汇聚。但它既然采用网络架构，它就承认甚至是鼓励富有成效的意见交锋。科学家可以使用不同的模型、不同的分类标准、不同的术语，但是他们仍然可以彼此交谈，因为他们可以通过其共享的数据链接回到因特网或者现实世界中的某个已知的联系点。也就是说，他们可以各干各的，但仍能相互交流甚至合作。威尔班克斯认为，差异不会消失，变成众口同声的一言堂，因为存在不同的文化，不同的出发点，甚至不同的脾性。这种数据大众化的方法不但意识到差异的长期存在，而且承认甚至鼓励这种存在。

　　网络重新定义知识

　　最显而易见的问题也是最实际的问题是：哪种方法将取得更佳的效果？[ 这里的“效果更佳”指的是能够推动科学前进，并针对有关未来的那些难题给出有意义(而且准确)的答案。]

　　归根结底，答案也许可以归结为对知识的本质特性的争论。两千多年来，西方一直将知识看作是一个已确定的、始终如一的真理系统。也许这种看法更多地暴露了知识传播手段而非知识本身的局限性：当知识被不褪色的墨水写在纸上从而被传播和保存的时候，人们就会认为它通过了验证而且不会再改变。然而，新的知识传播媒介不再是印刷出版物，更多的是通过公开的网络传播。我们可以从数据共享中获取大量知识，但它们随时以这样或那样的方式被修改，因此这些知识就更像是一种连续不断的论证。事实上，这就是网络时代的知识：永远不会被完全确定，永远不会写完，永远不会彻底搞定。

　　FuturICT 平台的目标是打造出一个能足够完美地代表地球的机器，我们可以向它提问，并根据它的回答采取行动。这意味着我们可以通过生活中各个领域的逻辑模型来准确无误地描述世界。而“链接数据”阵营的出现则在一定程度上是对这个观点的挑战。知识也许来自数据共享系统，即使它本身并不能完美地代表这个世界。

　　当然，除非这场各种观点间的混战——网民与网民间的争论——是对世界的更加完全真实的表述。

.blkContainerSblkCon p.page,.page{ font-family: "宋体", sans-serif; text-align:center;font-size:12px;line-height:21px; color:#999; padding-top:35px;}.page span,.page a{padding:4px 8px; background:#fff;margin:0 -2px}.page a,.page a:visited{border:1px #9aafe5 solid; color:#3568b9; text-decoration:none;}.page span{border:1px #ddd solid;color:#999;}.page span.cur{background:#296cb3; font-weight:bold; color:#fff; border-color:#296cb3}.page a:hover,.page a:active{ border:1px #2e6ab1 solid;color:#363636; text-decoration:none}.blkContainerSblkCon p.page,.page{ font-family: "宋体", sans-serif; text-align:center;font-size:12px;line-height:21px; color:#999; padding-top:35px;}.page span,.page a{padding:4px 8px; background:#fff;margin:0 -2px}.page a,.page a:visited{border:1px #9aafe5 solid; color:#3568b9; text-decoration:none;}.page span{border:1px #ddd solid;color:#999;}.page span.cur{background:#296cb3; font-weight:bold; color:#fff; border-color:#296cb3}.page a:hover,.page a:active{ border:1px #2e6ab1 solid;color:#363636; text-decoration:none}.blkContainerSblkCon p.page,.page{ font-family: "宋体", sans-serif; text-align:center;font-size:12px;line-height:21px; color:#999; padding-top:35px;}.page span,.page a{padding:4px 8px; background:#fff;margin:0 -2px}.page a,.page a:visited{border:1px #9aafe5 solid; color:#3568b9; text-decoration:none;}.page span{border:1px #ddd solid;color:#999;}.page span.cur{background:#296cb3; font-weight:bold; color:#fff; border-color:#296cb3}.page a:hover,.page a:active{ border:1px #2e6ab1 solid;color:#363636; text-decoration:none}.icon_sina, .icon_msn, .icon_fx{ background-position: 2px -1px}.icon_msn {background-position: -25px -1px;}.icon_fx {background-position: -240px -50px;}.icon_sina, .icon_msn, .icon_fx{ background-position: 2px -1px}.icon_msn {background-position: -25px -1px;}.icon_fx {background-position: -240px -50px;}.icon_sina, .icon_msn, .icon_fx{ background-position: 2px -1px}.icon_msn {background-position: -25px -1px;}.icon_fx {background-position: -240px -50px;}.icon_sina, .icon_msn, .icon_fx{ background-position: 2px -1px}.icon_msn {background-position: -25px -1px;}.icon_fx {background-position: -240px -50px;}.icon_sina, .icon_msn, .icon_fx{ background-position: 2px -1px}.icon_msn {background-position: -25px -1px;}.icon_fx {background-position: -240px -50px;}.icon_sina, .icon_msn, .icon_fx{ background-position: 2px -1px}.icon_msn {background-position: -25px -1px;}.icon_fx {background-position: -240px -50px;}.icon_sina, .icon_msn, .icon_fx{ background-position: 2px -1px}.icon_msn {background-position: -25px -1px;}.icon_fx {background-position: -240px -50px;}.icon_sina, .icon_msn, .icon_fx{ background-position: 2px -1px}.icon_msn {background-position: -25px -1px;}.icon_fx {background-position: -240px -50px;}.icon_sina, .icon_msn, .icon_fx{ background-position: 2px -1px}.icon_msn {background-position: -25px -1px;}.icon_fx {background-position: -240px -50px;}