“我们知道干细胞有着极其强大的潜能，可以展现出近乎魔法般的能力。然而，我们没有意识到，他们可以如此完美地实现自组织”，团队负责人 Magdelena Zernicka -Goetz 表示。

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。

但这并不是 Zernicka-Goetz 的最终目标。她想研究早期胚胎的细胞是如何开始分化出其特殊作用的。她说，研究的下一步是使用人类胚胎干细胞生成人造胚胎，这也是密歇根大学和洛克菲勒大学正在进行的研究。

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。

然而，人造胚胎将会引发一些伦理问题。如果它们最终与真实的人类胚胎难以区分，我们该怎么办? 在它们形成痛觉之前，它们能在实验室里成长多久? 生物伦理学家们说，我们需要在科学竞赛愈演愈烈之前解决这些问题。

05

对抗性神经网络

入选理由：两个 AI 系统通过玩“猫捉老鼠”游戏来获得想象力

技术突破：两个 AI 系统可以通过相互对抗来创造超级真实的原创图像或声音，而在此之前，机器从未有这种能力

重大意义：这给机器带来一种类似想象力的能力，因此可能让它们变得不再那么依赖人类，但也把它们变成了一种能力惊人的数字造假工具

主要研究者：Google Brain、DeepMind、英伟达、中科院自动化所、百度、阿里巴巴、腾讯、商汤科技、依图科技、云从科技、旷视科技等

成熟期：现在

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 Ian Goodfellow 在酒吧里与友人进行学术辩论时，他突然想到了这个问题的答案。这种名为“对抗式生成网络”（GAN）的手段会使用两个神经网络（一种简化人脑数学模型，是现代机器学习基石），然后让这两者在数字版的“猫捉老鼠”游戏中相互拼杀。