尋夢新聞LINE@每日推播熱門推薦文章，趣聞不漏接❤️
美國東部時間 6 月 19 日，《麻省理工科技評論》公布了第 19 屆 35 Innovators Under 35 評選結果，即 2019 年度 全球 「35 歲以下科技創新 35 人」榜單。
在此次的 35 名上榜者中，共有 8 位華人，他們分別是麻省理工學院助理教授韓松、史丹佛大學博士後李金星、浙江大學國家特聘專家狄大衛、史丹佛大學助理教授洪國松、索爾克生物研究所首席研究員徐安祺、平安科技副總工程師徐亮、SolidEnergy Systems 公司的創始人兼 CEO 胡啟朝、加州大學伯克利分校機械工程助理教授顧鄉鄉。
Innovators Under 35 評選開始於 1999 年，最初名為 TR100，並於 2011 年開始創建區域性評選。作為只甄選科技領域 35 歲以下的青年才俊的榜單，Innovators Under 35 每年所挖掘的新人及其項目都極富創新性，其中不少人後來都成為了風雲人物。各位精英在影響力、創新能力、進取精神、未來發展潛力、溝通能力以及主管力方面都表現卓越。從初創公司到研發機構再到科技巨頭，他們在不同的舞台上大展拳腳並取得了突破性成就。
該榜單分為五個類別，有發明新技術、為解決問題的方法賦予新的想像力的發明家（Inventors），有將原有技術賦予創新活力的遠見者（Visionaries），有拓展人類科學知識邊界的先鋒者（Pioneers），有在科學技術中發現商業機會、擴大市場甚至創造市場的創業家（Entrepreneurs），還有利用科技手段改善人類生活環境、甚至用科技解決人類生存問題的人文關懷者（Humanitarians）。
目前， 中國地區的第三屆「35 歲以下科技創新 35 人」榜單的提名與報名也正在進行中。中國區榜單目前匯集了 40 餘位海內外的重磅專家評委，專注於以全球視野挖掘發掘中國籍的最有創新能力的科技青年。參選者將有機會向全球權威科學界及產業界人士展示自己的科技成果和創新能力，最終的獲獎者將受邀出席在北京舉辦的頒獎典禮，並加入「35 歲以下科技創新 35 人」全球社區，參加全球範圍內的創新交流活動。
本屆全球榜單編者按：
科學技術即人類前行的動力，這也是《麻省理工科技評論》所傳承的精神。而一年一度「 35 歲以下科技創新 35 人」，便是這一主旨最好的體現之一。現在，人們已掌握了創新的治療方法，比如微型機器人、基因編輯技術 CRISPR，以及用算法來研制出更好的抗生素。在接下來的內容中，會對此做出更詳細的介紹。您將會認識一名使用數據科學尋找並對抗網路騷擾的青年女學者，以及一名意圖將數字環境全方位擴展以供殘障人士使用的青年遊戲工作者。您將會體驗到一群力爭在電池、地熱能源以及核聚變方面取得重大突破的有志之士的故事。您還會發現研究人員利用人工智能認識並治療神經紊亂、模擬合成更加堅固的新一代材料以及建設更具活力的現代都市的新方法。每年都有約 600 名青年報名者，他們都為各大領域做出了極為重要的貢獻，從他們之中選取 35 人是一件非常困難的事情。於是我們成立了由編輯組成的評審小組，以此來從中取舍出最符合「35 歲以下科技創新 35 人」標準的獲獎者。之後，32 位來自人工智能、生物科技、軟件、能源以及材料等領域的專家評委，會對這 100 名入圍的候選人的成就進行評判。最終，編輯們將依據排名選出 35 位獲獎者。我們希望這些真人真事會讓您認識到，即使在這樣一個充斥著艱辛和自私的世界里，依然有很多人願意為利用科技造福全人類貢獻自己的力量，他們的努力將會使得這個世界變得更加安全、公正以及美好。
以下為本屆全球榜單的詳細內容：
— 先鋒者 （Pioneers） —
他們破除了舊有的方式，創造了更好的人工智能、抗生素，甚至建築風格。
李金星，32 歲
史丹佛大學
出生地：中國
他的小型機器人可被編程用來治療感染病。
李金星率先研究出幾微米的小型機器人，來治療動物疾病。
李金星設計了外觀類似火箭的微型馬達機器人，可以在活體動物的腸道中運行，並在完成任務後對其進行生物降解。
這些機器人是由聚合物塗層的鎂球所制成的，這些材料會與胃酸產生化學反應產生氫氣泡，以推動它們穿過腸道。李金星和合作者在其中一個聚合物塗層上裝載了抗生素，並將機器人給予至患有胃感染的老鼠身體中。一旦進入胃部，藥物會射向胃內壁，並在逐漸分解之前吸附在胃壁上，同時釋放自己的「存貨」來治療感染。
最近的一項研究表明，隱藏在血小板細胞膜中的磁性奈米馬達可以有效地通過血液中穿行，清除毒素和病原體，而不會像外來顆粒那樣，被免疫系統清除或被黏性生物分子所覆蓋。
李金星表示，他們下一步將製造「生化細胞」，通過提取人體中的免疫細胞，捕獲並摧毀細菌或癌細胞，並將它們與奈米機器人結合，導向疾病部位。
César De La Fuente，33 歲
賓夕法尼亞大學
出生地：西班牙
他利用數字化的演變以製造更好的抗生素。
細菌的進化速度比科學家們製作新的抗生素的速度更快，這就是為什麼César De La Fuente 開發出遵循達爾文進化論的算法，來創造出優化後的人工抗生素。
Fuente 是解決醫療問題的多肽蛋白工程專家，他開發出一種將有毒蛋白(比如黃蜂毒液中的蛋白質)轉化為抗菌素的方法，挖掘了大量現存的人體蛋白質數據庫，發現了一種能夠殺死有害微生物的分子。
「我每天早上醒來，都會想到在國內以及世界各地那些因無法醫治的感染而死去的人們感到痛惜。我嘗試提出方案，解決此類問題。」César De La Fuente 說到，而他一直著迷於微生物的生存技巧。
除了要開發計算機設計的抗生素，Fuente 作為賓夕法尼亞大學的一名助理教授，並希望使用相同的工程方法找到與抑鬱症、焦慮症等精神疾病有關的蛋白質，並對它們予以修改，對大腦功能和行為產生影響。
Rediet Abebe，28 歲
康奈爾大學
出生地：埃塞俄比亞
她將人工智能與搜尋引擎的結果結合起來，來發掘群體需求。
Rediet Abebe 利用算法與人工智能來惠及弱勢群體，使他們獲得更多的機會。當 Abebe 從她的祖國埃塞俄比亞動身前往美國，去哈佛大學上學的時候，她震驚地發現，即使是在世界上最富有的國家之一，至關重要的資源往往無法惠及最脆弱的人群。所以，她正在利用計算機技術來緩解社會經濟的不平等。
作為一名微軟的實習生，Abebe 制定了一個人工智能項目，即分析搜尋查詢，以揭示非洲人民的健康信息需求。此外，她的這個研究項目揭示了哪些人口群體可能對愛滋病毒的治療方式表現出興趣，以及哪些國家的居民格外擔心與愛滋病毒/愛滋病相關的羞辱和歧視問題。據了解，這個項目首次使用了基於網路的大型數據集，來研究所有 54 個非洲國家的衛生狀況。
為了向衛生規劃工作提供信息，Abebe 正在將這些發現提交給非洲各國衛生部的健康專家。她還與美國國立衛生研究院咨詢委員會合作，幫助減少美國的健康差距。
為了鼓勵這一領域的發展，她與團隊共同創立了「社會福利機制設計」，這是一項多機構的研究計劃，旨在利用算法來應對從分配保障性住房到改善健康狀況等一系列挑戰。
她看到資源沒有惠及到那些需要它們的人。
Nicole Gaudelli ，34歲
Beam Therapeutics
出生地：美國
她發明了一種糾正DNA單鹼基突變的更好方法。
Nicole Gaudelli 發明了一種方法，這種方法可以糾正由 DNA 單鹼基突變導致的可遺傳疾病，幾乎一半以上的人都會因此受益。
例如像 CRISPR 這樣的基因編輯工具，可以解決一些導致遺傳性疾病的單鹼基錯誤的問題，但是對於DNA鏈中原本應該是鳥嘌呤（G）的位置而出現腺嘌呤（A）的錯誤問題，它卻不能糾正。由 G 到 A 的錯誤出現可能會引起許多疾病，比如鐮刀形細胞貧血症、囊性纖維變性、帕金森症、老年癡呆症以及許多類型的癌症。
因此，Gaudelli 開始研制一種新的酶，這種酶可以將 A-T 鹼基對直接轉化為 G-C 鹼基對，而且幾乎沒有任何不良影響。
Gaudelli 在談到讓她研制出的新型酶起到的作用時表示，「這有點神奇」。
據悉，Nicole Gaudelli 現在是一家位於馬薩諸塞州劍橋市的生物技術公司 Beam Therapeutics 的資深科學家。目前，其正在致力於將這個研究方法進行商業化。
顧鄉鄉，30 歲
加州大學伯克利分校
出生地：美國
她正在用 AI 技術來幫助獲得新一代更輕、更強的材料。
顧鄉鄉正在研究利用人工智能技術來探索製造更好材料的方法。她研發的材料可以用於製作更輕、更強的防彈衣，還可用於 3D 列印以及定制化的醫學植入體。此外，這種材料還可以用來製作可調節的太陽能電池，可以比傳統的太陽能電池轉化的更好。
她的發明靈感來自於貝殼和竹子等天然材料，其中的基本成分結構，形成了材料的強度、耐磨性、硬度和柔韌性。
她在加州大學伯克利分校的團隊使用機器學習算法，企圖從自然界的例子中，尋找並分解出新的復合結構。而這種方式，使她能夠設計出超級堅固但又輕巧的材料。然後對發明出的新材料進行 3D 列印和測試，以驗證算法，從而確保這種理想的材料能夠在現實世界中起到作用。到目前為止，顧鄉鄉的研究，使她研制出了許多強度顯著提高的材料，並且其硬度可以針對特定應用進行優化。
韓松，30 歲
麻省理工學院
出生地：中國
他開發了一種讓強大的 AI 程序能夠更加流暢運行的軟件。
AlphaGo 是第一個擊敗人類職業圍棋選手、第一個戰勝圍棋世界冠軍的 AI 機器人。在其背後，需要近 2000 個中央處理單元和 300 個圖形處理單元才能維持其運作。因此，每場比賽都會花費將近 3000 美元的電費。而韓松發明的軟硬件技術，使得像 AlphaGo 這樣強大的 AI 機器人，能夠在一些電容量較低的設備中流暢運行。
韓松發明的 「深度壓縮」技術，使得人工智能算法識別物體、生成圖像，以及理解人類語言，從而在智慧型手機上實時運行成為可能。Facebook 公司以及其他許多公司都在使用他開發出的軟件，來減少識別圖像算法所需的計算量，並且使得人們可以用他們的智慧型手機自帶的相機功能，精確識別現實生活中的物體，然後添加數字視覺效果。
2016 年，韓松與他的同伴共同成立了深鑒科技（DeepPhi Tech）。這家總部位於北京的公司在 2018 年被美國半導體公司賽靈思（Xilinx）收購。
而現在，韓松作為麻省理工學院助理教授，正致力於 AI 算法自動化研究。當談到計算系統松散地模仿人腦的問題時，韓松表示，他的目標是「讓任何一個非專業人士，僅僅按下一個按鈕就能建立完整的神經網路」，這才是人工智能如何工作的核心問題。
他說，即使是在人工智能領域沒有專業技能的軟件開發人員，也可以利用此類神經網路技術，來對物體進行分類，提高圖像的的分辨率，並且更高效地分析視頻。
Mariana Popescu ，32 歲
蘇黎世聯邦理工學院
出生地：羅馬尼亞
她使用針織紡織品作為混凝土建築物的模型，這意味著將花費更少的錢、更低的碳排放以及時間。
Mariana Popescu 開發了一套生產工藝以及配套的計算工具，這種工具能夠將針織紡織品轉化為用於混凝土建築的複雜模具。她的這項創新，使得快速構建複雜的定制化設計服務體系成為可能，與此同時，這將會減少大量的污染以及二氧化碳的排放。
Popescu 表示：「如果你真想用較少的材料來製造更好的結構，那麼最終你將會的得到帶有雙彎曲結構的複雜幾何圖形或者其它難以被澆築成型的特點。」
而傳統的建築採用由沉重腳手架支撐的木材或泡沫來形成澆築混凝土的形式，這不僅耗費時間，也限制了模型的形狀。
Popescu 稱，她所要做的就是，看看這些紡織材料是否適合製作各種各樣的洞、通道和其他複雜的 3D 形狀，用在臨時建築物中。
因此，Popescu 開發了一種算法，可以將建築設計自動轉換為基於紡織品的模具，並且在短短幾個小時內由工業機器進行編織。而這種方法製造出的模具輕巧靈活。Popescu 還和她的團隊一起開發了一個系統，該系統可以使用鋼纜將模具固定在適當的位置，並同時在上面澆註混凝土。
如果想要用較少的時間和成本建造一個複雜結構的建築物，並且該建築要有最小的生態結構，那麼 Popescu 的發明無疑是一種高效且生態意識強的建築方式。它可以在難民營、戰區和自然災害現場等地區發揮很大潛力，可以建造一些低成本、堅固、輕便的建築。
Wojciech Zaremba，30 歲
OpenAI
出生地：波蘭
他教一個機器人手臂如何自己解決問題。
Wojciech Zaremba主管了一個團隊，該團隊使用機器學習手段，讓機器人手臂可以在不同的環境中自主撿起積木塊。機器人必須自己解決如何完成一個複雜的任務，即抓住一個積木塊，並且根據指令用它的機械手指轉動積木塊。
機器人的訓練過程建立在強化學習技術和神經網路的基礎之上，神經網路是一種模擬我們大腦運轉網路的計算機程序。
盡管強化學習之前已經在機器人技術中得到應用，但因其涉及的眾多任務，可能會需要數百年的不斷學習才可以做到目標，所以它並沒有被應用在像機器人手那樣複雜的工作中。
由於模擬和現實之間存在差距，在虛擬世界中接受訓練的機器人 AI ，通常無法成功轉移到現實中。Zaremba 假設，如果能夠改變虛擬環境條件，那麼可以順利為 AI 現實學習提供一個完整的神經系統。
他隨機抽取了 254 個物理參數，比如說積木塊的質量以及指尖的摩擦力度。他發現，在經過訓練後，機械手第一次在現實世界中使用時就可以拿起積木塊。
— 遠見者 （Visionaries） —
他們的創新正帶領人們邁向更智能的AI、更強大的信息處理以及更安全的互聯網之路。
Azalia Mirhoseini，32 歲
Google大腦
出生地：伊朗
她訓練人工智能設計人工智能晶片。
Azalia Mirhoseini 是「Google大腦」的一名研究科學家，她正在利用人工智能做出更好的人工智能晶片。
目前，很多人工智能應用所使用的晶片都不是專門為其生產的，而更多是由之前用於視頻和遊戲的硬件改裝而來。因此，這些出自人類工程師之手的傳統晶片在能耗、成本和實用性上都有很多地方需要改進。Mirhoseini 的系統通過反復試驗和自主訓練，並基於人工智能強化學習算法，可以在幾個小時內創作出一張晶片設計圖（世界上最頂尖的專家也得花幾周的時間）。這種基於人工智能設計方法創造出來的晶片速度更快、更節能且成本更低，不亞於那些由人類工程師設計出來的晶片。
強化學習算法是最具前景的人工智能技術之一，運用此算法的軟件基本不需要人為逐步編程，就可以自學如何完成一項任務。Mirhoseini 表示：「現在是時候利用機器學習和人工智能開發更好的計算機並自主運行了。」
Noam Brown，31 歲
出生地：以色列
通過玩撲克，他讓 AI 變得更智能。
Noam Brown 從不擅長玩撲克，然而，由他開發的一個人工智能項目在最風行的無限註德州撲克遊戲中，首次打敗了世界頂級人類撲克玩家。
近幾年，機器相繼在國際跳棋、國際象棋和圍棋遊戲上打敗人類，這些都是所謂「完全信息博弈」的遊戲，對戰雙方知曉每一時刻局面的確切情況，而在非完全信息博弈的遊戲中，比如撲克遊戲，信息未完全公開的狀態可以讓玩家採取唬騙對手等策略，這就增加了遊戲的難度。
Brown 說：「如果遊戲里有了隱藏的信息，那麼之前所有的技巧就都作廢了。」
畢竟，現實世界中，大多數場景下的對抗和互動都包含了某種形式的隱藏信息。從長遠來看，Brown 設想他的研究將為具有隱藏信息特質的場景帶來自動化解決方案，例如交通管理、預測市場行為以及國家安全談判。
Brown 創造出來的 Libratus 算法，實際包含了三個人工智能系統，一個通過在幾個月的自主訓練中獲得的數萬億次的一手牌，開發出遊戲的策略；一個是在與人類對決過程中，實時改進該策略；還有一個是在每天的對決之後，檢查牌型，找出可能會被對手利用的弱點，比如預測出下註尺度。
2017 年 1 月，在美國匹茲堡的賭場，Libratus 在 12 萬手牌的一對一比賽中擊敗了 4 位世界人類頂尖玩家，耗時 20 天。由於該程序不是通過模仿人類學習遊戲玩法，因此採取的都是人類玩家通常不會使用的策略，其中一些策略已經開始讓職業撲克玩家轉變玩牌方式，比如對小賭註加大下註尺度。
Camille François，28 歲
Graphika
出生地：法國
她利用數據科學來甄別虛假信息，辨別有組織的騷擾活動。
多年來，研究人員不斷改進識別社交媒體上的虛假帳號的方法。然而，那些能識別出單一機器程序的方法，可能會在查找較複雜操控的情況上碰壁——比如宏觀層面主導的虛假信息以及騷擾活動。這些案例在過去的很多年中已經涉及了數千個帳號。
Graphika 公司的首席創新官 Camille François 表示，公眾需要更好的數據和模型來進行在線操作，並且避免出現真實聲音被掩蓋的情況。
François 及其團隊利用機器學習繪制出在線社區的「地圖」，以及信息在網路中的流動方式。他們將數據科學以及偵察方法運用到這些地圖中，來尋找有組織的虛假信息傳播活動的蛛絲馬跡。去年，François 和牛津大學的同事使用這一方法，幫助美國參議院情報特別委員會更好地理解俄羅斯在2016年總統大選期間的各種不實消息的散播活動。
François 表示，她最大的突破就是通過訪問「巨魔農場」（Troll Farm，俄羅斯煽動言論機構）的反叛者和受害者，從而了解這些組織的內部工作。她表示：「這項工作中三分之二是技術，另三分之一是社會學。技術總是在不斷升級，我們必須走在它前面。」
Kimberly Stachenfeld，28 歲
DeepMind
出生地：美國
她利用強化算法來更好地理解人類大腦、人工智能系統如何解決問題。
Kimberly Stachenfeld 是 DeepMind 團隊的研究員 ，她幫助提出了「海馬體」理論。海馬體是人體大腦中負責空間記憶並進行定位的區域。目前，她正在將其開創性的神經科學研究成果應用於人工智能領域。
早期的海馬體理論，關注海馬體在反映一個人過去和當前的狀態（尤其是在空間位置中）所起的關鍵作用。但是斯塔欽菲爾德想要解釋的是，海馬體也有可能通過判斷當前狀態與預期後續事件的關係，從當前聯繫到未來狀態。基於人工智能領域中強化學習算法的觀點，Stachenfeld 提出：海馬體運用類似的機制，在一個人的當前狀態(比如正在車庫里)和預期的未來狀態(比如按時上班)之間建立聯繫。
她及其團隊提出的這一理論更好地解釋了為何海馬體可能幫助大腦更快地做出決策，比如在一個工作日的早上，你是要開車去上班而不是要待在家里看電視。
Stachenfeld 認為，她對大腦的認識可用來改進人工智能。比如，人工智能系統能有效學習怎樣完成一個簡單的任務——比如在櫥櫃里找到糖，但是這種系統在人類大腦面前根本不值一提，人類大腦可以通過將任務組合到一起，同時學到很多東西，並且它在學習一項任務時，會記住可能有用的附帶細節，並在學習另一項相關任務時回想到這些細節。例如，我們知道攪拌和混合這兩個概念本質上是相似的，而且我們在演示這兩個行為的時候還可以重復使用相似的動作。
Stachenfeld 認為，如果她能弄清楚大腦的這一機制，她就能幫助將人工智能系統的訓練速度提升幾個數量級，而且不需要那麼多的數據。
洪國松，33 歲
史丹佛大學
出生地：中國
他的發明將徹底改變大腦治療。
洪國松發明了一種探測大腦和視網膜的工具，可以探測到單個神經元。它實際上是一個網狀電極，小而靈活，足以卷成針狀，能夠注入研究人員想要研究的精確區域。
腦部電極早已應用到多種疾病的治療，如帕金森病，但它們體積較大，材質較硬，需要進行多次手術才能植入，而且植入這些電極幾周後會形成瘢痕組織，它們的治療效果也會隨著時間的推移越來越差。
洪發明的電極能夠與神經組織無縫結合，而且不會引發免疫系統的攻擊。這讓研究人員可以安全可靠地記錄活體動物近一年的神經元活動。
洪的發明可以應用在許多領域。可以幫助科學家理解複雜的神經活動，比如大腦的老化；可以用來治療神經系統疾病，如阿爾茨海默病和癲癇；可以幫助癱瘓的人恢復肢體功能；如果注入到眼睛里還有可能治療青光眼等眼疾。
洪設想用這種網狀電極來建立大腦和計算機之間的交流，甚至做到腦對腦的直接交流。他認為這種網狀電極讓我們向「每個人都可以沒有障礙地自由交流想法」的世界又邁進了一步。
Raluca Ada Popa，32 歲
加州大學伯克利分校
出生地：羅馬尼亞
她的計算機加密方法可以使防火牆成為歷史。
Raluca Ada Popa 找到一種方法解決網路安全的一個最基本難題：不使用防火牆就能保護計算機系統免遭黑客入侵。
Popa 的突破性工作始於能夠處理加密數據的實用數據庫系統。雖然加密數據適用於 WhatsApp 等簡單的通訊應用程序，但對於同時需要對數據進行計算的系統(如數據庫和 web 應用程序)來說，速度太慢了。
而 Popa 找到了一種使加密數據的計算變得實用的方法。如今，她的加密系統與一系列應用程序協同工作，達到了防火牆無法達到的保護級別——即使攻擊者入侵了，他們也無法破譯數據。
Popa 表示這項技術可以讓系統像被蒙上眼睛一樣運作。它們能在沒有實際看到數據的情況下對其進行計算——這為許多新應用程序的網路安全提供了途徑。最近她的 新髮明 Helen 系統，可以讓醫院共享和匯總病人記錄又不泄露信息。她發明的另一個系統 Opaque 可以保護硬件不受潛在軟件的危害， IBM 等公司正在使用該系統。
徐安祺，27 歲
索爾克生物研究所
出生地：台灣
他使 CRISPR 基因編輯技術更靈活地治療腦部疾病。
基因編輯技術 CRISPR 徹底改變了我們修改 DNA 的能力。徐安祺正在將研究範圍擴大到 RNA（負責將 DNA 翻譯為蛋白質的分子）領域，並利用它來治療腦部疾病。
徐安祺在加州索爾克生物研究所擔任實驗室負責人，他小時候曾見過祖父癡呆症發作。 「他會在半夜來到我的床上，他分不清方向，也不知道自己在哪里。」 他說，「我開始認真思考，我能做些什麼?」
在哈佛大學讀研究生時，他與 CRISPR 的重要貢獻者張鋒合作，構建了該技術的一些基礎組件。但他逐漸意識到，操控 RNA 可能比永久性地（有時是無意的）改變基因密碼更易操作。
因此，在索爾克建立了自己的實驗室後，徐安祺開發了一個計算機程序，以在公開可用的基因組數據中尋找新的蛋白質。他發現了一種以 RNA 為靶標的高效選擇性 CRISPR 酶家族。
為了讓人們看到在未來他的技術如何做到對腦部疾病的治療，徐安祺表示當在實驗室里把該項技術應用在人類神經元細胞的生長時，它可以糾正導致額顳癡呆的 RNA 加工錯誤。額顳癡呆是一種類似於阿爾茨海默症的神經退行性疾病，會導致認知功能逐漸下降。
徐亮，31 歲
平安科技
出生地：中國
他利用人工智能讓城市更能滿足居民要求。
徐亮和他的團隊研發了一個人工智能平台，該平台正在轉變中國城市改善公共衛生、減少犯罪和提高公共管理效率的方式。徐的團隊與市政機構進行了密切的合作，這些機構提供給他們千萬份的健康記錄和海關過境記錄等數據。在處理完全部數據，去除識別細節，並通過其他形式進行了訓練之後，這個名為 PADIA 的平台就被整合到這些機構的計算機系統中。
該平台幫助重慶和深圳的公共衛生部門預測流感爆發，準確率超過 90%。深圳的一家地方政府機構使用該系統，將處理文件的時間縮短了 95%。還有一些省份已經利用它發現了近 10 億元（1.5 億美元）的醫療詐騙。
政府使用人工智能在許多國家引起了爭論。徐也意識到了隱私泄露和失業等問題，但他仍對人工智能將現代教育和醫療保健帶到傳統上被忽視領域的潛力感到樂觀。他指出，農村地區的教師可以利用人工智能龐大的知識庫找到問題的答案，而缺乏受過訓練的人員來解釋醫學掃描結果的社區衛生中心可以使用人工智能算法來幫助診斷嚴重疾病。
— 人文關懷者（Humanitarians）—
他們利用科技鑒別不公正的現象，為構建一個更加公平與美好的世界貢獻自己的力量。
Himabindu Lakkaraju，29 歲
哈佛大學
出生地：印度
她設計的人工智能程序旨在消除決策環節中的偏見。
Himabindu Lakkaraju 為法官以及醫生這樣的決策者設計了一種可以檢查偏見的人工智能程序。
機器學習和人工智能被越來越多地應用到各個方面。在法律實施領域，它用於判斷哪些被告人可以得到保釋；在醫療領域，它能夠決定病人的治療方式；在金融領域，它可以確定誰有資格獲得貸款。自動決策可能會有陷阱——當在檢視犯罪、醫療以及信用記錄時，軟件有可能會忽略掉一些內容上的細微差別。但是人類也會出現這樣的疏漏，他們也有自己的偏見——尤其是當他們被要求必須迅速做出改變人生的決定時。
Lakkaraju 的系統並沒有單純地依靠人類決策或者機器學習，而是結合了兩者各自的優點。她的大部分工作都與數據集有關。在這些數據集中，Lakkaraju 能夠發現人工智能以及人類決策所能產生的預期結果，並且找出偏見的來源。
她的研究成果被應用到了馬里蘭州蒙哥馬利縣的許多學校之中，以幫助發現問題學生，同時預測那些需要額外輔導或指導的學生。
Lakkaraju 表示，「各個學區的教學資源往往是有限的。因此，了解該可能性指標將會有助於學區制定更好的干預措施，以幫助那些更有可能從中獲益的學生。」
Ida Pavlichenko，32 歲
哈佛大學 Wyss 研究所
出生地：阿塞拜疆
她的發明可以更低成本地治療兒童的耳部感染。
Ida Pavlichenko 對醫生常用的治療幼童耳部感染的耳管進行了一次重大改進。
耳管用於治療耳部積液，但是我們今天所使用的耳管常被生物膜所包覆，這就更加容易導致耳部感染。Pavlichenko 研發出了一種更加小巧且抗感染的耳管，動物實驗已經證明該耳管可以安全使用。這種耳管還能夠決定什麼樣的液體可以通過。這樣一來，藥物可以被輸送到患處，而來自洗澡和遊泳過程中的水則不會流進耳朵。
Pavlichenko 希望這種改良版耳管同樣也能為聽力損失的治療帶來新的解決思路，目前全球有 4.5 億人飽受聽力損失的困擾。由於人口老齡化以及耳機聽歌音量過大所造成的損害，這一數字預計將在未來 30 年里翻一番。
Pavlichenko 是哈佛大學 Wyss 研究所的研究員，同時也是初創公司 PionEar 的聯合創始人。當Pavlichenko 決定致力於中耳炎的研究時，她發現自己懷孕了。Pavlichenko 如今有了自己的孩子，她也清楚當孩子遭受病痛的折磨時，作為父母的感受。因此，帕夫利琴科更加迫切地想要解決這個問題。
她表示，「越早把孩子送到日托班，你就會越早感受到感冒以及無休止的抗生素藥品所帶來的恐懼。」Pavlichenko 還指出，有些孩子必須依靠多次植入耳管才能治好痛苦的感染症狀，進而停止抗生素類藥物的使用。
耳管不僅僅會受到細菌污染，而且在取出時也會遇到脫落或者卡住的情況。植入耳管時，還需要對患者進行全身麻醉。
解決成年人的耳部感染問題會更具挑戰性，因為耳管很難長時間地固定住，而且向成年人的耳朵內部輸送藥液也絕非易事。Pavlichenko 表示，她的耳管可以解決所有問題，同時還具有效果好、貼合度高以及副作用低的優點。
John Porter，33 歲
華盛頓大學
出生地：美國
他的科技創新可以幫助殘障人士更方便地使用各種產品。
John Porter 的工作就是確保殘疾人也能玩上電子遊戲。Porter 表示，對於身體健全的人來說，個人品味在很大程度上決定了哪款遊戲更適合自己。然而相比之下，殘疾人首先遇到的問題則是，他們能否玩得了這款遊戲。
對於患有脊髓性肌肉萎縮症的波特來說，這些障礙並不僅僅存在於理論層面。他表示，「目前，許多遊戲並沒有說明這方面的信息。玩家能夠做的就是花上 60 美元購買一款新作，並且希望自己能夠正常遊玩。」
作為一名微軟公司的用戶體驗設計師，Porter 從開始就朝著讓所有人都能夠玩遊戲這一終極目標而努力。這就意味著他需要為那些患有運動障礙、感覺障礙以及認知障礙的人，開發一種無障礙遊玩評估系統。目前，Porter 正在考慮一系列有關運動交互的問題，這些問題十分客觀，答案僅涉及「是或否」：一款遊戲需要進行快速的按鍵操作，還是需要長時間按住某一鍵位？它是否還需要同時按住三個或者更多鍵位的操作？
Porter 希望他的系統能夠讓製作者在遊戲開發初期就考慮到更多設計方面的問題。他表示，「當人們習慣了這種思考時，他們最初的設想就會發生轉變。」盡管 Porter 對遊戲充滿了熱情，但他還是認為自己的研究成果具有更廣泛的意義。Porter 還說，「我們可以問這樣一個問題，‘這一項研究將會如何幫助電子設備以及數字環境更加適應我們的需求以及偏好？’接下來，我們會在自適應技術領域解決這一問題。」
— 發明家 （Inventors） —
他們的創新對於 CRISPR 技術和實用級量子計算機有重要意義。
Abhinav Kandala，32 歲
IBM研究院
出生地:印度
他為利用量子計算機開發新的藥物和材料奠定了基礎。
更準確的計算機分子模型可以預測從新藥到優質電池等東西的性能。但是模擬原子和電子行為需要計算大量的可能性，所以即使是功能強大的計算機也需要使用近似值。
Abhinav Kandala 通過量子計算機模擬分子解決了這個難題。2017 年，他模擬了三原子氫化鈹，這是至今為止量子計算機模擬出的最大分子，也是大分子精確模擬的一大進步，促進了新型藥物和材料的開發。
量子計算機由量子比特組成，它解碼了傳統計算機的比特信息。由於量子比特由量子力學控制，它們也可以控制原子和電子等其他粒子遵循量子力學規則，這要比傳統計算機容易很多。Kandala 在紐約的 IBM 研究院工作，他表示這項研究使模擬分子成了科技領域中的一個「殺手級應用」。
2017 年以來，他做出了很多基礎性貢獻。由於量子態非常脆弱，因此量子計算機很容易產生誤差，解決這一問題需要大量的量子比特。但是目前的設備中只有幾十個，不足以創建容錯的量子計算機。Kandala 研究出一種不需要增加量子比特就可以利用誤差提升準確率的方法。
他的新技術利用了實驗中的誤差的趨勢來推斷沒有誤差時的結果，這一進步加速了目前量子計算機的實際應用。
Jason Buenrostro，31 歲
哈佛大學
出生地：美國
他是個能工巧匠，他的研究能夠分辨細胞內哪些基因是活躍的。
Jason Buenrostro 從聖塔克拉拉大學生物學和工程學專業畢業後，前往史丹佛大學的一個實驗室繼續深造，負責管理一台價值八十萬美元的基因測序儀。Buenrostro 想要研究該儀器所發現的基因突變的影響。但是他找到的很多突變基因都是無效的，因為它們並不指導蛋白質的合成。在史丹佛大學畢業課題中，他發明了一種方法來定位這些未充分開發的基因組，研究它們到底是做什麼的。在本質上，每個細胞的 DNA 都是相同的，而腎臟細胞和腦細胞的差別就在於哪些基因是活躍的。換句話講，這種差別取決於基因是否可以進行轉錄：DNA 在細胞核中排列緊密，只有特定區域可以「開放」進行轉錄。Buenrostro 及其同事開發了一種叫做 ATAC-seq 的工具來識別基因組中的開放區域，很多區域並沒有產生蛋白質卻可以控制基因活性。他表示，「我以前沒有想到它對人類有多大用處。這對我來說也是一個驚喜，」值得一提的是，目前 ATAC- seq 已經有了自己的維基百科界面。
起初該技術用於研究細胞群，但是 Buenrostro 進一步開發 ATAC- seq，現在它已經可以在單個細胞水平下識別 DNA。有了這個工具，研究人員就能判斷單個細胞中哪些基因是活躍的。這可以幫他們搞清楚為什麼這些細胞有時候會轉變成其他形態，還有為什麼細胞在身體患病時會喪失一些功能。Buenrostro 希望通過這些方法來認識到健康細胞和病變細胞之間的區別，並且在細胞發育和成熟過程中控制細胞新的行為。目前他管理一間 10 人的實驗室。他表示，「我想要了解細胞的命運，最終希望可以任意控制細胞行為，比如說抗擊癌症。
Ritu Raman，27 歲
麻省理工學院
出生地：印度
她發明了由生物組織和肌肉構成的尺蠖大小的機器人。
Ritu Raman 發明的機器人由聚合物和肌肉組織制成，它們可以感知周邊環境，識別溫度、pH 和機械壓力。
「我是一名受過訓練的機械工程師，坦白講我覺得現在還在使用一些我們已經用了數千年的材料確實有些無聊，」她說。「所以我發明的行走機器人和機器使用的是生物材料，它們還可以感知周邊環境，而且還可以做更多有意思的事，比如在必要時它們可以變強，而且損壞之後還可以自動修復。」
Raman 發明的 3D 列印機可以復制活性細胞和蛋白質，並把它們注入到模具當中，細胞可以在模具中自我合成緊密的肌肉組織。緊接著這種組織就會轉變成機器人的骨架。這些由活性骨骼肌制成的機器人的運動是由光和電來控制的。
目前，它們看起來有點像尺蠖，不過這也只是驗證了概念而已。「我們可不可以發明一種比普通的合成移植更容易讓身體適應的新的‘生物混合’移植來給藥呢？」Raman 說。「我們可不可以把機器人放在污水中，讓它們找到污染源並釋放化學物質來中和污染呢？」
Olga Dudchenko，34 歲
貝勒醫學院和萊斯大學
出生地：烏克蘭
她發明了更好的基因組測序方法。
現代基因測序儀速度非常快，兩天內就可以讀取花生、茄子或者犰狳的全部 DNA。但是他們得到的只是數以億計的無序 DNA 編碼片段。Olga Dudchenko 研究出一種更快，且成本更低的方法，可以將這些片段正確排序得到真正的基因組。
她使用 Hi-C（High-through chromosome conformation capture）技術，這種技術本來是用來研究染色體重疊的，並顯示出哪些 DNA 片段位置相鄰。結合她的研究方式和算法，排列基因組就變得簡單了。
2018 年年底，Olga Dudchenko及其同事發布了 DNA 庫的第一批結果，其中包括 50 多個物種的端對端染色體序列，如獵豹、小熊貓和巴西豪豬等。如今有越來越多的物種瀕臨滅絕，有一天這些物種的 DNA 編碼可能將成為它們唯一能留下的東西。
接下來的工作就是描述地球上每個物種的基因組。DNA 庫（Dudchenko 被稱為該庫的「首席管理員」）每周都會發布新數據。
Marc Lajoie，33 歲
Lyell Immunopharma
出生地：美國
他編程了抗癌的免疫細胞。
近些年來最具潛力的癌症治療方法之一就是 CAR-T 細胞療法。這種方法從基因上改變患者的 T 細胞，T 細胞是一種免疫細胞，它們可以通過表面特殊的抗原找到並殺死癌細胞。可問題是癌細胞一般都和其它細胞共享抗原，所以這種方法目前僅限於治療某些擁有獨特抗原的特定血液系統癌症。
Marc Lajoie 發明了一種可以重新編程 T 細胞的方法，使它們可以找到聯合抗原，而不是單個抗原，因此這種方法可以更廣泛的應用到癌症治療當中。「這就相當於把微晶片放進細胞里，」他說。「我們可以安裝這些新程序並且指定細胞執行任何我們想要的操作。」
Lajoie 和華盛頓大學的同事發明了一種蛋白質開關，這個開關就像一系列的邏輯門，可以和計算機晶片一樣執行邏輯運算符的操作。
這些邏輯門可以通過調整來對抗不同的抗原，這樣 T 細胞就可以找到獨特的聯合抗原，避免將目標誤判為健康細胞或失去抗原而產生抗性的癌細胞。
Lajoie 參與創辦了 Lyell Immunopharma，並在公司位於西雅圖的辦公室工作，以利用這種蛋白質制成的邏輯開關開發更有效的 CAR-T 細胞療法。但是他表示，通過研究細胞在環境中如何改變，同樣的技術也可以治療各種疾病。
狄大衛，34 歲
浙江大學和劍橋大學
出生地：中國
他的發光二極管材料比現在普遍使用的更為低成本與環保。
從智慧型手機、電視螢幕到交通燈，發光二極管（LED)被廣泛應用於各種產品中，但它們的製造成本普遍較高。此外，發光效率與發光亮度之間往往存在權衡，而且很難達到最佳狀態。
狄大衛，現為浙江大學研究員、劍橋大學訪問學者。他與合作者共同發明了一系列新型 LED 材料和器件，這些材料和器件即使在需要達到較高亮度的情況下，也能以高效率發光。更重要的是，它們的生產工藝更加便宜、簡單、且節能。
典型的 LED 生產線需要高溫處理，或者需要在真空環境下在固體表面沉積發光材料，因此需要消耗大量的能源。狄大衛使用的材料成本更低，因為它們可以由廣泛可用的物質制成，而且不需要在高溫或真空環境中進行處理。相反，它們可以溶解在液體中，然後用來覆蓋在固體表面。
有幾家公司已經在利用狄大衛的方法測試他們的實驗性生產線了。雖然這些小型生產線不會馬上取代標準的生產設施，但他相信這種方法會變得越來越普遍。「整個行業正在朝這個方向發展，」他說到。
Silvia Caballero，34 歲
Vedanta Biosciences
出生地：秘魯
她培養有益細菌，以對抗世界上最危險的病原體。
20 年後，抗生素耐藥性造成的死亡人數預計將超過癌症。因此，Silvia Caballero 迫切想要研發控制細菌感染的新方法。
她最先發現人類腸道內數萬億種微生物中存在能反抗耐藥菌的種類。
在紐約紀念斯隆-凱特琳癌症中心（Memorial Sloan-Kettering Cancer Center）實驗室工作時，Caballero 利用抗萬古黴素腸球菌和碳青黴烯抗性腸桿菌（也稱為超級細菌）模擬腸道定植，研發了一種實驗室小鼠。她利用小鼠模型，結合生物信息學工具來識別能清除小鼠腸道內多重耐藥菌的微生物，進而破壞感染的宿主。
現在，Caballero 在美國馬薩諸塞州劍橋市的 Vedanta Biosciences 公司嘗試做臨床上同樣的事情，即鑒定可有效控制的 3 種潛在致命菌株的細菌，這 3 種菌株在醫院和養老院肆虐。
她在創建世界最大人類腸道細菌群中扮演了關鍵角色，並主導測試成千上萬種微生物，以檢測它們是否能殺死這 3 種危險菌株。她識別出一種來自人類腸道菌群的細菌混合物，可以控制這 3 種危險菌株。該公司計劃 2021 年開始對這種候選藥物進行臨床研究。
Brandon Sorbom，32 歲
Commonwealth Fusion Systems
出生地：美國
他的高溫超導體讓聚變反應堆的價格足夠便宜。
Brandon Sorbom 解決了核聚變發展的一個根本問題。其使用高溫超導體開發一種電磁系統，隔離部分聚變過程，這個突破大大降低了聚變反應堆設計建造成本。
聚變反應堆最多向電網輸送十幾年。但開發這樣一個反應堆很有必要，因為核聚變接近零碳排放，且很少有放射性廢料或安全風險。
一個難題困擾了科學家幾十年：如何維持核聚變所需的上億攝氏度溫度，並以足夠低的成本生產電能。強力磁鐵可通過隔離反應堆的堆芯來完成這項工作。但到現在，即使世界上最好的電磁鐵也做不到盡善盡美。
所以 Sorbom 和他的團隊用名為釔鋇銅氧化物的超導體設計出一種更好的磁鐵。他原來是麻省理工學院的學生，現在是初創公司 CFS 的首席科學家。該磁鐵作為聚變反應堆設計的一部分，其尺寸比之前設計的小很多，這讓該公司有望在 10 年內做到其初衷。
Isaac Sesi，26 歲
Sesi Technologies
出生地：加納
他解決了撒哈拉以南非洲農民最棘手的一個問題。
Isaac Sesi 發明一個小裝置，以解決非洲農民面臨的最大風險：收獲後的糧食污染。
Sesi 的產品名為「糧食夥伴」（GrainMate），可以讓農民和糧商全面檢測玉米、水稻、小麥、小米、高粱等主糧的水分含量。據聯合國糧農組織數據，撒哈拉以南非洲地區超過 10% 的糧食產量被浪費或流失，原因是糧食儲藏前沒有充分脫水，而潮濕狀態儲存的糧食會產生黃曲黴毒素，後者是由真菌產生對人類和動物有害的毒素。產品「糧食夥伴」正是為此而來。
在 Sesi 的家鄉加納，農戶經常把糧食賣給飼養員或飼料商。如果一個農民的糧食太潮濕，就可能毀掉整批糧食。盡管加納有進口的水分檢測設備，但幾乎沒有農民能負擔得起近 400 美元的價格。「該成本可能是農民糧食的一半收入」，Sesi 說。
Sesi 在沒有電和自來水的環境中長大，經常餓著肚子上學。他童年時經常擺弄電子設備。他通過學校圖書館的書，拆掉壞的收音機和其它廢棄的小玩意來學習。長期以來，他試圖將這種激情用到可能產生社會影響的領域。2017 年，作為一名電子工程專業的應屆畢業生，他得到了這個機會。因為美國國際開發署（USAID）最近與他的學校加納誇梅·恩克魯瑪科技大學（KNUST）合作，為當地市場設計一種谷物濕度儀。該公司希望降低成本，並在加納找到生產這種設備的方法。
Sesi 正是他們要找的人。在一個小團隊的幫助下，他精簡原始設備，重新設計電路板，設計一個配套移動應用程序，並找到五家加納分包商來生產之前從中國採購的零部件。Sesi 的設備售價 80 美元，價格不到現有產品的四分之一。Sesi 和他的團隊正開發一種更高效的儀器和產品，以幫助農民確定合理的土壤投入。他們還在籌集資金，將業務擴展到肯亞、尼日等更大市場。Sesi 相信，他最終能夠幫助整個非洲大陸的農民減少糧食浪費，降低經濟損失，並提高產品安全。
Archana Venkataraman，33 歲
約翰·霍普金斯大學
出生地：美國
人們對神經紊亂知之甚少，而她用人工智能來改變這一現狀。
Archana Venkataraman 利用人工智能更好地繪制人腦地圖，研究診斷和治療神經系統疾病新方法。
經過數十年研究，我們對癲癇、自閉症、阿爾茨海默病和精神分裂症等疾病只是基本了解，因此治療能力有限。大多數治療都是在醫生直覺的指導下，反復試錯進行。大多以失敗告終。
新的數學模型根據現有成像技術數據，包括腦電波（EEG）和腦功能磁共振成像來開發，可以做到創傷性更小、精確度更高的治療。
她最具開創性的工作是針對影響全球 5000 多萬人的癲癇。大約 30% 的癲癇患者對藥物治療沒有反應，因此需要手術，而手術只能在成功隔離癲癇發作區域與大腦的特定區域後才能進行。
Venkataraman 認為，數據驅動模型可以精確定位癲癇發作區域，減少有創監測，改善手術結果。她開發的癲癇檢測算法，目前在根據約翰·霍普金斯大學的臨床數據進行評估。該算法利用腦電波數據，採用深度學習方法跟蹤患者大腦中癲癇發作的時間和位置。
— 創業家（Entrepreneurs） —
他們創造新商機，以創新顛覆傳統。
Riana Lynn，33 歲
Journey Foods
出生地：美國
她用人工智能讓包裝食品更完美。
Riana Lynn 由生物學家轉身為連續創業者，她希望生產的包裝食品不僅味道好，而且價格實惠、營養豐富、以素食為主。在參觀考察世界各地的農場和食品公司後，她意識到提高食品行業的研發效率是做到目標的最佳途徑。
Lynn 在芝加哥旅行食品公司，雇傭一名「內部自動化科學家」，即 Journey 人工智能。該公司以 Lynn 參與創建的人工智能算法為工具，依據營養和市場數據提出營養目標——「如果我們以更低的成本生產出富含維生素 C 和蛋白質的產品會怎樣」，然後設計一個食譜來做到這一目標。
該公司以水果零食起家。零食稱為「旅行零食」（Journey Bites），由果泥、天然調料產物(如辣椒和奇亞籽)，以及該公司從水果、不同種類海藻和其它產物中提取的「營養促進劑」制成。
目前，該公司「為更多產品蓄力，」 Lynn 說。「我們要為義大利面、餅乾、植物蛋白等構建數據集。在秋季之前研制飲料。」
Kathy Hannun，32 歲
Dandelion Energy
出生地：美國
她致力於使「地熱能」切實可行。
Kathy 給地熱能供暖和降溫技術帶來了前所未有的突破：讓更多的人用得起。過去，地熱能是奢侈品——其系統造價高昂且必須定制，在紐約建造並安裝它們的價格遠高於六萬美元。
Kathy 表示：「地表下六英尺（約 1.83 米）至數百英尺的區間內，溫度相對恒定，終年保持在 50 華氏度（10 攝氏度）。因此，在地下回路中填灌丙二醇與水的混合溶劑，就有可能在地表與需供暖或降溫的房屋之間進行更高效的熱交換。「水平地熱系統將回路鋪設在地表下 10 英尺（約 3 米）處」，Kathy 解釋道，「鋪設回路需要大面積場地，同時要挖掘大量地面」。過去，在院子里鋪設地下回路是一項相當艱巨的工作，需要大量的鑽井設備，並對地表造成較大破壞。相反，Kathy 的 Dandelion Energy 公司利用石油和天然氣行業的技術創新成果，其建造的鑽井系統在達到與之前相同效果的條件下，對場地面積的要求和對地表的破壞程度均更小。並且安裝一套系統的總成本低於三萬美元。
Kathy 以 Google X 的項目經理的身份參與到這項技術研發中。她的目標是：使地熱能「沿著過去二十年太陽能的路走下去」並且「讓地熱能從一項非常小眾的技術，轉變為可替代熔爐和鍋爐的大眾技術。」
Vivian Chu，32 歲
Diligent Robotics
出生地：美國
她研發的機器人可以承擔部分繁重工作，從而使醫護人員有更多時間與患者相處。
Vivian 為名為 Moxi 的醫療機器人開發了人工智能軟件，並在得克薩斯州的四家醫院進行了測試使用。在試點醫院，Moxi 每周工作七天，每天工作 22 小時，剩餘的 2 小時用於充電。Moxi 的工作是用它的抓手拿起注射器等用品，然後靈巧地移動手臂，把它們放進底部的托盤里。隨後，它會小心地沿著走廊滾動前進，以免撞到人，並把物品放進病人房間外的抽屜里。Moxi 還可以完成其他重復性任務，例如運送實驗室樣品，搬運成包的臟床單等。這樣可以減輕醫護人員的工作量，讓他們騰出更多的時間與患者相處。
Vivian 的畢業論文研究了可結合周遭多種感官信息（視覺、聽覺和動態信息）的機器人，當其身處新環境時，這些信息可引導它們行動。例如，Vivian 研制的一個機器人，如果感知到抽屜已經半開，那麼它在拉把手時就會自動調整用力。Vivian 作為聯合創始人兼 CTO，在 2017 年創辦了 Diligent Robotics，她希望在未來版本的 Moxi 機器人中增添類似的功能。她說：「這會讓你的人生豐富健康，從而能夠了解這個世界。」
Vivian 在矽谷中心一個三代同堂的家庭長大，對於全家人照顧年邁祖輩的艱難，她深有體會。所以在未來她想運用自己所學的機器人專業知識來改變這一點，產生積極的影響。她希望提供給那些在療養院的老年人「一種工具，幫助他們優雅地、有尊嚴地老去，並且獨立生活得更長久」。
Tim Ellis，29 歲
Relativity Space
出生地：美國
為製造一枚完整的火箭，他開發了一種大型 3D 金屬列印機。
Tim Ellis 使用 3D 金屬列印、機器學習和自動化生產技術製造火箭和衛星。Relativity Space 用這種方法打造的火箭只有 1000 個運動部件。相較之下，一枚常規火箭有 10 萬個運動部件，這不僅導致火箭的價格高昂，也增加了發射失敗的概率。
Ellis 的第一步是建造了一個高約 20 英尺（6 米）的巨大 3D 金屬列印機，可以列印 10 英尺（約 3 米）直徑和100英尺（約 30 米）高度之內的 95% 的火箭部件。第二步是編寫代碼使大部分進程自動化，並利用機器學習來優化需要列印哪些部件及如何列印。
Relativity Space 公司表示很快就能在 60 天內完成列印和迭代設計的過程，相較於行業標準的 18 個月，這無疑極大地降低了成本。這為公司贏得了第一份合同，從 2021 年起，Relativity Space 將為加拿大主要衛星經營商 Telesat 建造火箭，用以發射該公司的衛星。
「公司創建伊始，我們就定下了長遠目標，要在火星上列印出第一枚火箭。」Ellis 表示。「隨著時間推移 ，我們將把工廠縮小到可以發射到其他星球的程度。」
Anurag Bajpayee，34 歲
Gradiant
出生地：印度
他的方法可以處理污水，高效淡化海水。
Anurag 建立了一間專門淨化世界上污染最嚴重的水的一站式車間。僅用了 6 年時間，他的 Gradiant 公司在波士頓總部就擁有了 200 多名員工，同時在全球經營著 20 多家處理廠。
Anurag 和他的實驗室搭檔 Prakash 一起創辦了 Gradiant 公司，他們都致力於研究海水淡化技術。由於水力壓裂技術的進步，石油和天然氣行業正處於頁巖氣繁榮的頂峰時期。就在那時，Anurag 和 Prakash 敏銳地察覺到客戶想利用 Govindan 公司的技術從水力壓裂法產生的污水中提取潔淨水。這樣一來，既能降低對淨水的需求量，也能將地下處理井中的有毒鹵水含量降至最低。
Anurag 說，從那時起，他們已經開發了一個廣泛的專利組合，並將另外兩種處理技術商業化——一種可有效地從工業廢水中提取特定污染物的技術，它可使水資源可重復利用；另一種是在不使用漂白劑等化學物質的情況下對水進行消毒的技術。今年，Gradiant 公司將推出第一個基於新技術的商業體系，該技術可安裝在海水淡化廠中，將淡水回收率提升至 85%。
在麻省理工學院讀博士期間，Anurag 發明了一種無膜海水淡化技術，被《科學美國人》（Scientific American）雜誌評為年度十大改變世界的創意之一。但是Anurag 意識到這離商業可行性還有很長一段路要走，只圍繞單一技術建立起來的企業成功機會渺茫。相反，他決定開發收集多種技術，這樣他的公司就可以解決各種水污染問題。
胡啟朝，33 歲
SolidEnergy Systems
出生地：中國
他的研究，有望迎來電池技術的下一次重大突破。
胡啟朝認為，他即將迎來業界最令人期待的發展之一：下一次電池革命。
作為 SolidEnergy Systems 公司的創始人兼 CEO，胡啟朝與行業中其他人一樣致力於將鋰金屬制成的可充電鋰電池並商業化。他的研究有望使電池的能量密度達到現有幾乎所有電子和電動汽車行業所使用的鋰離子電池標準的兩倍。
自 1870 年鉛酸電池問世以來，電池技術只有五項重大突破——能量密度大約每 30 年翻一番。如果這一模式成立，下一個突破即將到來：鋰離子電池，其陽極通常由石墨或矽制成，在 1991 年由SONY公司首次商業化。
鋰金屬電池帶來的能量密度提高，可有效地讓電動汽車的行駛里程翻倍。但問題是，鋰是一種活躍性極強的金屬。早期鋰金屬電池原型在充電時會形成針狀結構（即枝晶），這會造成電池短路，導致電池起火或爆炸。
胡啟朝生於中國，12 歲時搬至紐約。他發明了一種由高濃度的鹽溶劑構成的液體電解質，可以減少枝晶的形成。基於這一方案，SolidEnergy Systems 公司於 2016 年開發了一條鋰金屬電池試產線，目前正在無人機上進行測試。2019 年下半年，該公司將在上海開設全球最大的鋰金屬電池製造工廠，胡啟朝希望可將工廠的產量提升到每月數萬塊。
>《麻省理工科技評論》2019 年度全球青年英雄榜權威發布