美国东部时间6月19日，《麻省理工科技评论》公布了第19届35InnovatorsUnder35评选结果，即年度全球“35岁以下科技创新35人”榜单。
在此次的35名上榜者中，共有8位华人，他们分别是麻省理工学院助理教授韩松、斯坦福大学博士后李金星、浙江大学国家特聘专家狄大卫、斯坦福大学助理教授洪国松、索尔克生物研究所首席研究员徐安祺、平安科技副总工程师徐亮、SolidEnergySystems公司的创始人兼CEO胡启朝、加州大学伯克利分校机械工程助理教授顾乡乡。
InnovatorsUnder35评选开始于年，最初名为TR，并于年开始创建区域性评选。作为只甄选科技领域35岁以下的青年才俊的榜单，InnovatorsUnder35每年所挖掘的新人及其项目都极富创新性，其中不少人后来都成为了风云人物。各位精英在影响力、创新能力、进取精神、未来发展潜力、沟通能力以及领导力方面都表现卓越。从初创公司到研发机构再到科技巨头，他们在不同的舞台上大展拳脚并取得了突破性成就。
该榜单分为五个类别，有发明新技术、为解决问题的方法赋予新的想象力的发明家（Inventors），有将原有技术赋予创新活力的远见者（Visionaries），有拓展人类科学知识边界的先锋者（Pioneers），有在科学技术中发现商业机会、扩大市场甚至创造市场的创业家（Entrepreneurs），还有利用科技手段改善人类生活环境、甚至用科技解决人类生存问题的人文关怀者（Humanitarians）。
目前，中国地区的第三届“35岁以下科技创新35人”榜单的提名与报名也正在进行中。中国区榜单目前汇集了40余位海内外的重磅专家评委，专注于以全球视野挖掘发掘中国籍的最有创新能力的科技青年。参选者将有机会向全球权威科学界及产业界人士展示自己的科技成果和创新能力，最终的获奖者将受邀出席在北京举办的颁奖典礼，并加入“35岁以下科技创新35人”全球社区，参加全球范围内的创新交流活动。
本届全球榜单编者按：
科学技术即人类前行的动力，这也是《麻省理工科技评论》所传承的精神。而一年一度“35岁以下科技创新35人”，便是这一主旨最好的体现之一。现在，人们已掌握了创新的治疗方法，比如微型机器人、基因编辑技术CRISPR，以及用算法来研制出更好的抗生素。在接下来的内容中，会对此做出更详细的介绍。您将会认识一名使用数据科学寻找并对抗网络骚扰的青年女学者，以及一名意图将数字环境全方位扩展以供残障人士使用的青年游戏工作者。您将会体验到一群力争在电池、地热能源以及核聚变方面取得重大突破的有志之士的故事。您还会发现研究人员利用人工智能认识并治疗神经紊乱、模拟合成更加坚固的新一代材料以及建设更具活力的现代都市的新方法。每年都有约名青年报名者，他们都为各大领域做出了极为重要的贡献，从他们之中选取35人是一件非常困难的事情。于是我们成立了由编辑组成的评审小组，以此来从中取舍出最符合“35岁以下科技创新35人”标准的获奖者。之后，32位来自人工智能、生物科技、软件、能源以及材料等领域的专家评委，会对这名入围的候选人的成就进行评判。最终，编辑们将依据排名选出35位获奖者。我们希望这些真人真事会让您认识到，即使在这样一个充斥着艰辛和自私的世界里，依然有很多人愿意为利用科技造福全人类贡献自己的力量，他们的努力将会使得这个世界变得更加安全、公正以及美好。
以下为本届全球榜单的详细内容：
—先锋者（Pioneers）—
他们破除了旧有的方式，创造了更好的人工智能、抗生素，甚至建筑风格。
李金星，32岁
斯坦福大学
出生地：中国
他的小型机器人可被编程用来治疗感染病。
李金星率先研究出几微米的小型机器人，来治疗动物疾病。
李金星设计了外观类似火箭的微型马达机器人，可以在活体动物的肠道中运行，并在完成任务后对其进行生物降解。
这些机器人是由聚合物涂层的镁球所制成的，这些材料会与胃酸产生化学反应产生氢气泡，以推动它们穿过肠道。李金星和合作者在其中一个聚合物涂层上装载了抗生素，并将机器人给予至患有胃感染的老鼠身体中。一旦进入胃部，药物会射向胃内壁，并在逐渐分解之前吸附在胃壁上，同时释放自己的“存货”来治疗感染。
最近的一项研究表明，隐藏在血小板细胞膜中的磁性纳米马达可以有效地通过血液中穿行，清除毒素和病原体，而不会像外来颗粒那样，被免疫系统清除或被粘性生物分子所覆盖。
李金星表示，他们下一步将制造“生化细胞”，通过提取人体中的免疫细胞，捕获并摧毁细菌或癌细胞，并将它们与纳米机器人结合，导向疾病部位。
CésarDeLaFuente，33岁
宾夕法尼亚大学
出生地：西班牙
他利用数字化的演变以制造更好的抗生素。
细菌的进化速度比科学家们制作新的抗生素的速度更快，这就是为什么CésarDeLaFuente开发出遵循达尔文进化论的算法，来创造出优化后的人工抗生素。
Fuente是解决医疗问题的多肽蛋白工程专家，他开发出一种将有毒蛋白(比如黄蜂毒液中的蛋白质)转化为抗菌素的方法，挖掘了大量现存的人体蛋白质数据库，发现了一种能够杀死有害微生物的分子。
“我每天早上醒来，都会想到在国内以及世界各地那些因无法医治的感染而死去的人们感到痛惜。我尝试提出方案，解决此类问题。”CésarDeLaFuente说到，而他一直着迷于微生物的生存技巧。
除了要开发计算机设计的抗生素，Fuente作为宾夕法尼亚大学的一名助理教授，并希望使用相同的工程方法找到与抑郁症、焦虑症等精神疾病有关的蛋白质，并对它们予以修改，对大脑功能和行为产生影响。
RedietAbebe，28岁
康奈尔大学
出生地：埃塞俄比亚
她将人工智能与搜索引擎的结果结合起来，来发掘群体需求。
RedietAbebe利用算法与人工智能来惠及弱势群体，使他们获得更多的机会。当Abebe从她的祖国埃塞俄比亚动身前往美国，去哈佛大学上学的时候，她震惊地发现，即使是在世界上最富有的国家之一，至关重要的资源往往无法惠及最脆弱的人群。所以，她正在利用计算机技术来缓解社会经济的不平等。
作为一名微软的实习生，Abebe制定了一个人工智能项目，即分析搜索查询，以揭示非洲人民的健康信息需求。此外，她的这个研究项目揭示了哪些人口群体可能对艾滋病毒的治疗方式表现出兴趣，以及哪些国家的居民格外担心与艾滋病毒/艾滋病相关的羞辱和歧视问题。据了解，这个项目首次使用了基于网络的大型数据集，来研究所有54个非洲国家的卫生状况。
为了向卫生规划工作提供信息，Abebe正在将这些发现提交给非洲各国卫生部的健康专家。她还与美国国立卫生研究院咨询委员会合作，帮助减少美国的健康差距。
为了鼓励这一领域的发展，她与团队共同创立了“社会福利机制设计”，这是一项多机构的研究计划，旨在利用算法来应对从分配保障性住房到改善健康状况等一系列挑战。
她看到资源没有惠及到那些需要它们的人。
NicoleGaudelli，34岁
BeamTherapeutics
出生地：美国
她发明了一种纠正DNA单碱基突变的更好方法。
NicoleGaudelli发明了一种方法，这种方法可以纠正由DNA单碱基突变导致的可遗传疾病，几乎一半以上的人都会因此受益。
例如像CRISPR这样的基因编辑工具，可以解决一些导致遗传性疾病的单碱基错误的问题，但是对于DNA链中原本应该是鸟嘌呤（G）的位置而出现腺嘌呤（A）的错误问题，它却不能纠正。由G到A的错误出现可能会引起许多疾病，比如镰刀形细胞贫血症、囊性纤维变性、帕金森症、老年痴呆症以及许多类型的癌症。
因此，Gaudelli开始研制一种新的酶，这种酶可以将A-T碱基对直接转化为G-C碱基对，而且几乎没有任何不良影响。
Gaudelli在谈到让她研制出的新型酶起到的作用时表示，“这有点神奇”。
据悉，NicoleGaudelli现在是一家位于马萨诸塞州剑桥市的生物技术公司BeamTherapeutics的资深科学家。目前，其正在致力于将这个研究方法进行商业化。
顾乡乡，30岁
加州大学伯克利分校
出生地：美国
她正在用AI技术来帮助获得新一代更轻、更强的材料。
顾乡乡正在研究利用人工智能技术来探索制造更好材料的方法。她研发的材料可以用于制作更轻、更强的防弹衣，还可用于3D打印以及定制化的医学植入体。此外，这种材料还可以用来制作可调节的太阳能电池，可以比传统的太阳能电池转化的更好。
她的发明灵感来自于贝壳和竹子等天然材料，其中的基本成分结构，形成了材料的强度、耐磨性、硬度和柔韧性。
她在加州大学伯克利分校的团队使用机器学习算法，企图从自然界的例子中，寻找并分解出新的复合结构。而这种方式，使她能够设计出超级坚固但又轻巧的材料。然后对发明出的新材料进行3D打印和测试，以验证算法，从而确保这种理想的材料能够在现实世界中起到作用。到目前为止，顾乡乡的研究，使她研制出了许多强度显著提高的材料，并且其硬度可以针对特定应用进行优化。
韩松，30岁
麻省理工学院
出生地：中国
他开发了一种让强大的AI程序能够更加流畅运行的软件。
AlphaGo是第一个击败人类职业围棋选手、第一个战胜围棋世界冠军的AI机器人。在其背后，需要近个中央处理单元和个图形处理单元才能维持其运作。因此，每场比赛都会花费将近0美元的电费。而韩松发明的软硬件技术，使得像AlphaGo这样强大的AI机器人，能够在一些电容量较低的设备中流畅运行。
韩松发明的“深度压缩”技术，使得人工智能算法识别物体、生成图像，以及理解人类语言，从而在智能手机上实时运行成为可能。Facebook公司以及其他许多公司都在使用他开发出的软件，来减少识别图像算法所需的计算量，并且使得人们可以用他们的智能手机自带的相机功能，精确识别现实生活中的物体，然后添加数字视觉效果。
年，韩松与他的同伴共同成立了深鉴科技（DeepPhiTech）。这家总部位于北京的公司在年被美国半导体公司赛灵思（Xilinx）收购。
而现在，韩松作为麻省理工学院助理教授，正致力于AI算法自动化研究。当谈到计算系统松散地模仿人脑的问题时，韩松表示，他的目标是“让任何一个非专业人士，仅仅按下一个按钮就能建立完整的神经网络”，这才是人工智能如何工作的核心问题。
他说，即使是在人工智能领域没有专业技能的软件开发人员，也可以利用此类神经网络技术，来对物体进行分类，提高图像的的分辨率，并且更高效地分析视频。
MarianaPopescu，32岁
苏黎世联邦理工学院
出生地：罗马尼亚
她使用针织纺织品作为混凝土建筑物的模型，这意味着将花费更少的钱、更低的碳排放以及时间。
MarianaPopescu开发了一套生产工艺以及配套的计算工具，这种工具能够将针织纺织品转化为用于混凝土建筑的复杂模具。她的这项创新，使得快速构建复杂的定制化设计服务体系成为可能，与此同时，这将会减少大量的污染以及二氧化碳的排放。
Popescu表示：“如果你真想用较少的材料来制造更好的结构，那么最终你将会的得到带有双弯曲结构的复杂几何图形或者其它难以被浇筑成型的特点。”
而传统的建筑采用由沉重脚手架支撑的木材或泡沫来形成浇筑混凝土的形式，这不仅耗费时间，也限制了模型的形状。
Popescu称，她所要做的就是，看看这些纺织材料是否适合制作各种各样的洞、通道和其他复杂的3D形状，用在临时建筑物中。
因此，Popescu开发了一种算法，可以将建筑设计自动转换为基于纺织品的模具，并且在短短几个小时内由工业机器进行编织。而这种方法制造出的模具轻巧灵活。Popescu还和她的团队一起开发了一个系统，该系统可以使用钢缆将模具固定在适当的位置，并同时在上面浇注混凝土。
如果想要用较少的时间和成本建造一个复杂结构的建筑物，并且该建筑要有最小的生态结构，那么Popescu的发明无疑是一种高效且生态意识强的建筑方式。它可以在难民营、战区和自然灾害现场等地区发挥很大潜力，可以建造一些低成本、坚固、轻便的建筑。
WojciechZaremba，30岁
OpenAI
出生地：波兰
他教一个机器人手臂如何自己解决问题。
WojciechZaremba领导了一个团队，该团队使用机器学习手段，让机器人手臂可以在不同的环境中自主捡起积木块。机器人必须自己解决如何完成一个复杂的任务，即抓住一个积木块，并且根据指令用它的机械手指转动积木块。
机器人的训练过程建立在强化学习技术和神经网络的基础之上，神经网络是一种模拟我们大脑运转网络的计算机程序。
尽管强化学习之前已经在机器人技术中得到应用，但因其涉及的众多任务，可能会需要数百年的不断学习才可以实现目标，所以它并没有被应用在像机器人手那样复杂的工作中。
由于模拟和现实之间存在差距，在虚拟世界中接受训练的机器人AI，通常无法成功转移到现实中。Zaremba假设，如果能够改变虚拟环境条件，那么可以顺利为AI现实学习提供一个完整的神经系统。
他随机抽取了个物理参数，比如说积木块的质量以及指尖的摩擦力度。他发现，在经过训练后，机械手第一次在现实世界中使用时就可以拿起积木块。
—远见者（Visionaries）—
他们的创新正带领人们迈向更智能的AI、更强大的信息处理以及更安全的互联网之路。
AzaliaMirhoseini，32岁
谷歌大脑
出生地：伊朗
她训练人工智能设计人工智能芯片。
AzaliaMirhoseini是“谷歌大脑”的一名研究科学家，她正在利用人工智能做出更好的人工智能芯片。
目前，很多人工智能应用所使用的芯片都不是专门为其生产的，而更多是由之前用于视频和游戏的硬件改装而来。因此，这些出自人类工程师之手的传统芯片在能耗、成本和实用性上都有很多地方需要改进。Mirhoseini的系统通过反复试验和自主训练，并基于人工智能强化学习算法，可以在几个小时内创作出一张芯片设计图（世界上最顶尖的专家也得花几周的时间）。这种基于人工智能设计方法创造出来的芯片速度更快、更节能且成本更低，不亚于那些由人类工程师设计出来的芯片。
强化学习算法是最具前景的人工智能技术之一，运用此算法的软件基本不需要人为逐步编程，就可以自学如何完成一项任务。Mirhoseini表示：“现在是时候利用机器学习和人工智能开发更好的计算机并自主运行了。”
NoamBrown，31岁
出生地：以色列
通过玩扑克，他让AI变得更智能。
NoamBrown从不擅长玩扑克，然而，由他开发的一个人工智能项目在最风行的无限注德州扑克游戏中，首次打败了世界顶级人类扑克玩家。
近几年，机器相继在国际跳棋、国际象棋和围棋游戏上打败人类，这些都是所谓“完全信息博弈”的游戏，对战双方知晓每一时刻局面的确切情况，而在非完全信息博弈的游戏中，比如扑克游戏，信息未完全公开的状态可以让玩家采取唬骗对手等策略，这就增加了游戏的难度。
Brown说：“如果游戏里有了隐藏的信息，那么之前所有的技巧就都作废了。”
毕竟，现实世界中，大多数场景下的对抗和互动都包含了某种形式的隐藏信息。从长远来看，Brown设想他的研究将为具有隐藏信息特质的场景带来自动化解决方案，例如交通管理、预测市场行为以及国家安全谈判。
Brown创造出来的Libratus算法，实际包含了三个人工智能系统，一个通过在几个月的自主训练中获得的数万亿次的一手牌，开发出游戏的策略；一个是在与人类对决过程中，实时改进该策略；还有一个是在每天的对决之后，检查牌型，找出可能会被对手利用的弱点，比如预测出下注尺度。
年1月，在美国匹兹堡的赌场，Libratus在12万手牌的一对一比赛中击败了4位世界人类顶尖玩家，耗时20天。由于该程序不是通过模仿人类学习游戏玩法，因此采取的都是人类玩家通常不会使用的策略，其中一些策略已经开始让职业扑克玩家转变玩牌方式，比如对小赌注加大下注尺度。
CamilleFranois，28岁
Graphika
出生地：法国
她利用数据科学来甄别虚假信息，辨别有组织的骚扰活动。
多年来，研究人员不断改进识别社交媒体上的虚假账号的方法。然而，那些能识别出单一机器程序的方法，可能会在查找较复杂操控的情况上碰壁——比如宏观层面主导的虚假信息以及骚扰活动。这些案例在过去的很多年中已经涉及了数千个账号。
Graphika公司的首席创新官CamilleFranois表示，公众需要更好的数据和模型来进行在线操作，并且避免出现真实声音被掩盖的情况。
Franois及其团队利用机器学习绘制出在线社区的“地图”，以及信息在网络中的流动方式。他们将数据科学以及侦察方法运用到这些地图中，来寻找有组织的虚假信息传播活动的蛛丝马迹。去年，Franois和牛津大学的同事使用这一方法，帮助美国参议院情报特别委员会更好地理解俄罗斯在年总统大选期间的各种不实消息的散播活动。
Franois表示，她最大的突破就是通过访问“巨魔农场”（TrollFarm，俄罗斯煽动言论机构）的反叛者和受害者，从而了解这些组织的内部工作。她表示：“这项工作中三分之二是技术，另三分之一是社会学。技术总是在不断升级，我们必须走在它前面。”
KimberlyStachenfeld，28岁
DeepMind
出生地：美国
她利用强化算法来更好地理解人类大脑、人工智能系统如何解决问题。
KimberlyStachenfeld是DeepMind团队的研究员，她帮助提出了“海马体”理论。海马体是人体大脑中负责空间记忆并进行定位的区域。目前，她正在将其开创性的神经科学研究成果应用于人工智能领域。
早期的海马体理论，
联系电话：