美国东部时间6月27日，《麻省理工科技评论》公布了第18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6位华人，他们分别是PhageProCEO兼联合创始人颜珉珉（MinminYen）、加州大学圣地亚哥分校助理教授徐升、北京大学特聘研究员周欢萍、VergeGenomics联合创始人兼CEO张欣立（AliceZhang）、旷视科技联合创始人兼CEO印奇、蚂蚁金服国际事业部国际技术负责人许寄。
其中，周欢萍和印奇是首届中国区榜单的获奖人。（点击链接查看首届中国区35位获奖人名单）
图丨入选的六位华人
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，中国地区的第二届“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年1月21日（即EmTechChina全球新兴科技峰会第三日）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：
我们的“35岁以下科技创新35人”的榜单有18年之久，该榜单已经可以对科技的发展趋势做出一定的猜想和指导。就像TR最开始的时候，社交网络还没有开始风靡，但是我们已经开始对当时最流行的社交网络进行跟踪报道了，其中也就包括年诞生于扎克伯格寝室的Facebook。但趋势年年都在变化，前些年你还未曾听过的人工智能概念在最近的两年间已经得到了爆发式的成长，与人工智能相关的技术在榜单中占到了多数。其中涵盖虚拟个人助理、机器人、游戏、自动驾驶等技术，甚至还包括对抗如霍乱等致命传染疾病以及帕金森症的人工智能相关技术。每年的“35岁以下科技创新35人”榜单评选都会有多达余名候选者，在首轮MITTechnologyReview编辑团队初审之后，筛选出位候选者。然后，会由36名各领域专家组成的评审团进行最终的评选，而今年的评委涵盖人工智能、生物医学、纳米技术、电子硬件以及能源等领域的专家。我们希望今年的榜单能给读者朋友传递一种信息，即下一个改变世界的科技将会是什么，以及究竟会是哪些人创造出了这些科技。
以下为本届全球榜单的详细内容：
—先锋者（Pioneers）—
他们的创新正引领风潮，将“培育”出更好的基因编辑、更聪明的人工智能以及更安全的网络。
AlexandreRebert，28岁
ForAllSecure
他发明了让计算机能自我修复的方法。
当一台计算机系统被黑客入侵了，我们往往只能在入侵结束之后才可以进行修复工作。但AlexandreRebert开发了一种软件系统，它能使计算机在被攻击伊始就进行修复。
这种别出心裁的点子来源于Rebert对于计算机的认识，他觉得。现在的计算机虽然缺乏创造性，但是它们对于快速处理大规模的工作十分在行。于是，他就开发了一款名为“Mayhem”的系统，其能同时处理上千种程序，仅几小时就能处理完成我们数年才能完成的工作。
Mayhem之所以如此高效，是因为它结合了两种关键技术。一种是名为Coverage-basedFuzzing的自动化安全测试标准。简单而言，该技术就是将数据输入到一个程序中，并测试是否会触发新的事件。其核心就是快速浏览和搜索数据。第二种就是符号执行（SymbolicExecution），相对应的，就是更精细且慢速地分析程序。两种技术互补，相得益彰。
Rebert是匹兹堡网络安全公司“ForAllSecure”的联合创始人，而这家公司正是Mayhem项目的重要参与者。创办“ForAllSecure”公司的主要动机源于Rebert在卡内基·梅隆大学大学的研究，Rebert觉得他的发明能帮助到易受到攻击的系统，例如电网、医院以及银行等。
对于安全，Rebert有着独特的见解，他说：“如今的软件数量太多了，仅仅靠人类自己审查是不够的，也是不安全的。”
JoyBuolamwini，28岁
MIT媒体实验室，算法正义联盟（AlgorithmicJusticeLeague）
当发现人工智能不能识别她的脸，她开始自己动手改变现状。
还在大学求学时，JoyBuolamwini就发现一些面部分析系统不能检测出她黑色的面孔。更讽刺的是，当她戴上白色的面罩之后，系统竟然又正常了，Joy打趣道：“我被技术‘忽略了’！”
而这也直接影响了她在毕业时的论文方向。当时，她发现几乎所有面部分析的数据库中都以白色皮肤和男性面孔为主。于是，Joy开始开发一种性别均衡的面部分析数据组，样本来自于非洲和欧洲的一千多名*治家。随后，她用该数据组来测试IBM、微软以及旷视科技的人工智能系统，她却发现它们面部识别的精确度随性别和肤色的变化而偏差很大。判别性别时，这几家人工智能系统对于浅肤色人群的出错率小于1%，而对于深肤色的女性面孔，出错率却高达35%。
在某些极端情况中，Facebook还会错误识别照片中的面孔，而这样的错误就会让人感到十分困扰。随着越来越多的领域都开始采用人工智能系统，例如执法部门将人工智能用于预测性警务、法官正在使用它来判断囚犯是否有可能再次犯罪，在这种情况下，人工智能一旦出错，后果将会很严重。对此，Buolamwini表示：“我们必须不断检查我们的系统，因为它们可能会以我们意想不到的方式失效。”
JoyBuolamwini除了是前罗德学者（Rhodesscholar）和福布莱特研究员（Fulbrightfellow）之外，她还是算法正义联盟（AlgorithmicJusticeLeague）的创始人。除了发现并公布算法中的错误，她希望开发实践机制将错误“掐灭”在最初的状态，正如她之前做过的，利用精确性测试调试面部识别系统。
NabihaSaklayen，28岁
CellinoBiotech
她开发了一种利用廉价激光器进行基因编辑的技术。
基因编辑对于纠正像镰刀形红细胞贫血症（sickle-cellanemia）这样的突变，是非常宝贵的。但是对于其中的关键步骤，例如将DNA和其它混合物注入细胞，生物学家们急需更好的技术。一般来说，基因编辑技术采用病*携带的方式将它们带入细胞中，但此举可能有严重的副作用；但如果采用电穿孔技术，在处理过程中可能会杀死很多细胞。很明显，这两种方式都不是很理想。
这种情况下，激光就提供了一种更加温和的方式。但需要注意的是，激光也有自己的不足，那就是激光器一般需要高能量的配置，这就导致价格会十分昂贵，并且一次注入过程中只能针对一个细胞，这样的效率对于临床治疗而言是很慢的。
NabihaSaklayen发明了一种独特的纳米结构，并将其配置到激光器上，它能将激光脉冲在同一时间内传递到大批量的细胞上，使得基因编辑的速度达到临床治疗水平。她开发的处理方式并不需要很昂贵的激光器，廉价激光器的能量就已经足够了。不过，说服其他研究者和她的导师还是花了她一番功夫。对于激光器的选择，她如此说道：“其实这对细胞来说差别不大。”
Saklayen已经成立了一个公司——“CellinoBiotech”，旨在将其的想法商业化，并使用这样的基因编辑工具来改造细胞。
作为一个物理学家，她对于多种学科的知识融合达到了一种异于常人的境界：她能够游刃有余地应用激光物理学、纳米材料和合成生物学的知识。这似乎也源自她超强的适应能力，她的成长历程跨越了沙特阿拉伯、孟加拉国、德国和斯里兰卡。对此，她笑称：“我很能适应新环境，也能在交叉学科中找到方向。”
ChelseaFinn，25岁
伯克利人工智能实验室
她开发的机器人动作能够如蹒跚学步的孩子一般——盯着大人、模仿大人、学会学习之道。
ChelseaFinn正在开发一种仅仅通过观察和探索新环境就能不断学习的机器人。她开发的算法并不需要常规训练人工智能那么庞大的数据量，甚至可以说就是零数据量：机器人仅靠观察人类的操作就能学习如何进行类似的操作。
她的机器人就像蹒跚学步的孩子，懂得观察大人怎么做事情并模仿他们。Finn实验室里的一套玩具向我们展示了这个过程：机器人不断尝试将一个红色方块放入正方形的孔中。
她研究的最终目的就是制造一种机器人，这些机器人可以掌握一整套技能，而且其技能的获得并不是源自编程，而是源自于它们获得的教导和对周围的观察。这可能意味着，未来工厂机器人不必由工程师团队来训练，或是配置能识别物体的人工智能系统。
Finn设立了一个相对合理的中期目标，即让她的机器人学会怎么整理桌面。第一步就是让机器人学会怎样整理多件物品。对此，Finn这样解释道：“在某种程度上来说，机器人系统的能力还处于它们的婴儿时期，我设立的目标就是先让它们有点常识”。
HumsaVenkatesh，32岁
斯坦福大学
她发现了癌变的秘密，给开发新药提供启发。
HumsaVenkatesh的研究揭示了癌变组织“劫持”神经网络的活动来促进它们自己生长的原理。她针对不同类型癌症的新发现开辟了一个新的研究领域。对此过程，她解释道：“这些神经系统能揭示肿瘤生长和功能的秘密”。这样的研究结果可以发展出适用于各种癌症变种的治疗方案。
Venkatesh早年住在加利福尼亚，她的叔叔住在印度，并患有肾癌。虽然Venkatesh的叔叔在美国和印度遍寻治疗方案，但唯一的选择还是标准的放疗和化疗，而两种治疗手段均不是很有效。她的叔叔在确诊为癌症后的两年内去世了，痛失亲人的经历让Venkatesh意识到，医生对于肿瘤生长的基本机制了解并不深。
虽然Venkatesh没有像她最初设想的那样成为一名医生，但她依旧选择了投身癌症的研究之中。她这样描述自己的雄心壮志：“我希望能改变不同癌症分开研究的现状，以深化癌症研究来推动癌症治疗的新方向。”
现在，Venkatesh正在研究肿瘤在其环境中的基本寄生行为，并以此开发可以阻止肿瘤利用神经网络的新型药物。这样的治疗方案将比其它方案更早投入临床，因为相关药物已经面世了。
JohnSchulman，30岁
OpenAI
他在游戏“刺猬索尼克”中训练人工智能，让AI更智能。
JohnSchulman是OpenAI的一名科学家，他在强化学习（ReinforcementLearning）领域中有诸多关键算法贡献。顾名思义，强化学习意味着你训练你的AI系统就像训练一只狗一样，其中存在为正确的反应提供奖励机制。而对于一台机器来说，奖励可能是视频游戏中的高分。
用游戏训练AI？这也难怪，Schulman曾对年的主机游戏“刺猬索尼克”十分着迷。他甚至以为这样的游戏对于测试新的机器学习算法来说是完美的，它能显示算法将如何把学会的技能用于新情况。游戏的设置是这样的，索尼克是世界上最快的刺猬，游戏的进程十分迅速，而其中也有着十分有意思的物理机制。一旦AI系统学会了怎样玩游戏，研究者很容易测试其将知识转移到不同场景的能力。
这些训练过的算法已经能够被用于现实世界，并且它们可以用来改善机器人的运动能力。不过，传统的方式只适用于一些特定的情境，那么到了新环境中，采用旧算法的机器人将会失效。所以，Schulman希望，一台采用强化学习算法的机器人或者人工智能系统能够重新开始尝试新事物，直到它解决问题为止。
JulianSchrittwieser，25岁
DeepMind
AlphaGo打败了世界上最强的职业围棋选手，而他推动了AlphaGo的进化。
几年前，JulianSchrittwieser加入了谷歌旗下的人工智能公司DeepMind，开始进行围棋人工智能的开发。围棋一直被称为机器学习的“圣杯”，这是一种双人游戏，源自古代中国。围棋普遍被被认为是一种不受规则束缚、凭直觉驱使的游戏，而一般观点认为，人工智能将需要很长时间才能超越世界上顶尖的棋手。但是在年3月，Schrittwieser及其同事开发的程序AlphaGo击败了曾经的世界冠*韩国棋手李世乭。这场五局三胜的比赛吸引了上亿观众的目光，围棋的狂热粉丝将其称为围棋的世纪之战。
但那之后，Schrittwieser和他的同事并没有停滞不前，他们继续开发，并完成更新迭代。年的10月，AlphaGoZero击败了前一个版本AlphaGo，场对弈中未尝败绩。与AlphaGo不同，AlphaGoZero并没有从研究人类对弈中学习，它从与自己的对弈中学习。这也是对人工智能有重大意义的创新。Schrittwieser解释道：“从AlphaGoZero中我们可以知道，在我们人类没有涉足的领域，我们可以引导程序进入这个领域并进行自我学习。”
Schrittwieser如今是AlphaGoZero计划的首席软件工程师。他还极力推动了DeepMind第三代人工智能Alpha-Zero的研发，这将是一个更具普适性的算法，能驾驭围棋、国际象棋以及日本将棋。Schrittwieser解释说，普适性将是DeepMind打造独立于人类的人工智能的关键。它将能找到不受到人类影响的最优解。最终，他认为，这可能促进全新的、人工智能驱动的药物、材料科学等领域的创新。
AlessandroChiesa，30岁
加州大学伯克利分校
他创造了与现金一样具备“私密性”的数字加密货币。
区块链的前景是广阔的，而将所有交易视为公共信息将是它不可避免的问题。但是由AlessandroChiesa联合发布的数字加密货币“Zcash”却改变了这一状况，它的交易不仅安全而且匿名，就像从你的钱包拿出20美元钞票并交给某人一样私密。
这样安全的机制源于Zcash采用的一种加密协议，名为“简明零知识证明（succinctzero-knowledgeproof）”。简单来说，就是一种高效确认方式，让交易的双方都认为某事物为“真”而不泄露任何其他信息。
Zcash对交易有巨大的影响，能让人们进行网上交易而不暴露自己的私人信息或者是将自己置于身份盗窃的危险中。Zcash是Chiesa四年前推出的，现在市值超过十亿美元。
—远见者（Visionaries）—
他们从全新的角度观察事物，将现有技术解锁出强有力的非传统功能。
NikiBayat，32岁
AesculaTech
她发明出了通过创口封闭来治疗眼睛的材料。
NikiBayat从小在伊朗长大，她的父亲曾患有青光眼却由于其他健康问题无法进行手术。于是，NikiBayat一直就期望能够运用自己的工程天赋来帮助饱受病痛折磨的人们。在伊朗的全国高考中，她取得了第八名，于是进入国内的顶级大学进修化学工程专业。读研究生时，她把目光瞄准了南加利福尼亚大学，加入了著名化学家MarkThompson和MarkHumayun（首个人工视网膜的发明者）的联合课题组。“我努力说服他们说，我可以在高分子化学和生物医学工程之间架起一座桥梁。”她这样说道。
她也确实做到了——运用她的化学工程专长发明出一种材料，能够帮助修复眼部创伤、治疗眼部。Bayat所创造的这种湿软的、具有生物相容性的高分子名为水凝胶，在体温条件下会变得非常具有黏性，附着力就像超强力胶水一样。在眼部受伤时，将这种胶注射到受伤处便能快速封闭创口，防止失明；医院后，医生便能用冷的生理盐水冲去凝胶，缝合伤口。Bayat还设计了特别种类的该材料，能以可控的模式释放青光眼治疗药物或者生物抗体。
年，尚在攻读博士学位的Bayat创立了AesculaTech，将这些携带药物的材料商业化。这些材料可以植入泪小管，在几个月内持续地释放药物——有希望解决患者一天多次滴眼药水的需求。在推出药物释放材料之前，AesculaTech计划先让治疗干眼的高分子产品获得批准。据Bayat说，她的最终目的是发展出更好的青光眼治疗手段。
PrinehaNarang，28岁
哈佛大学
她从最微观的尺度进行材料研究。
作为哈佛计算材料学的助理教授，Narang专门从纳米尺度研究材料的光学、热学和电子学行为。她所研究的“材料如何与光及其他形式电磁波作用”这一问题可以促进电子、能量和空间方面的技术革新。
Narang的工作基于几十年来的纳米科学进展，这些进展逐渐将这一领域引向一个长期目标：拥有以单个原子级别对材料进行工程设计的能力。
自从20世纪80年代纳米科学问世以来，这一学科主要在研究平衡态或近似平衡态下（材料的能量最低态）的纳米结构。然而自然情况下，大多数材料都与平衡态有较大差距，也就是处在所谓的激发态，而目前我们对这一状态的量子水平还知之甚少。“在激发态问题上仍有许多未尝试的工作，我们还有很多要做。”Narang说道。
通过研究这些激发态，Narang在努力钻研可能会带来材料大革命的新方法，并可能应用于望远镜中反射镜和透镜的性能提升、拥有更好摄像头却更轻便的手机、或者从原子水平设计出的合成燃料等。
BrendenLake，31岁
纽约大学
让机器像人一样快速而灵活地学习。
BrendenLake创造了一个人工智能程序，它能像人类一样，基于单个例子识别新的手写字母。尽管相比操纵汽车、打败全球最强围棋选手的人工智能，这一方向看起来有点平凡。但是需要指出的是，如今领先的深度学习算法都需要基于成百上千的案例进行训练，并且难以基于已经学到的知识解决新问题。人类在识别物体时与目前大部分算法不同，一旦看过一个新物体，就能再次识别、画出来并且理解一个物体的各个部分。
Lake的程序基于认知心理学，他没有给程序输入上千个字母，而是教程序学习字母书写的过程。他的模型捕捉了30个字母手写时的运动捕获记录，使得程序能够学习笔每一画的运动、每一个字母通常需要几笔、以及这些笔画是如何连接的。这样，当程序看到一个新的字母时，这一模型可以像人一样识别并重复书写字母。
同样的方法还被用于识别语音词汇，以及让系统解决问题时提出创造性问题。
让机器以人类的方法学习在人工智能领域非常关键，尤其适用于无法基于大数据进行训练的情况。“如果我们想提供面向家庭场景的智能机器人，我们无法对它进行预先训练或编程，让机器人了解家庭中所有的未知事物，”Lake说，“儿童每天都在学习新概念，一个真正智能的机器也应该能做到这一点。”
MarzyehGhassemi，33岁
多伦多大学
她运用人工智能帮医生处理杂乱的医疗数据。
MarzyehGhassemi在麻省理工学院攻读博士期间，在美国的贝斯以色列女执事医疗中心与重症监护室医生合作，她发现医生们面临的最大问题之一是信息过载。因此，Ghassemi设计了一套机器学习方法，基于杂乱无章的临床数据，预测住院病人的情况。
这并不容易。通常机器学习胜出的领域往往拥有海量的、精心标记过的数据集；但是医疗数据有各种各样繁杂的形式、频率也不一致，比如有医生每日手写的诊断条、每小时的血液检测、以及持续不断的心脏监控数据。
尽管视觉和语言任务对人类来说天生容易完成，但是即便那些经过训练的资深医疗专家也会在诊断和治疗决策上产生分歧。为解决这些挑战，Ghassemi发明出了一种机器学习的算法，学习各种临床数据，以精准预测病人的情况，医院待多久、有多大概率发生院内死、是否需要输血或上呼吸机等。
Ghassemi将于今年秋季加入多伦多大学和加拿大人工智能研究院VectorInstitute，医院检验她的算法。
MennoVeldhorst，33岁
代尔夫特理工大学
他解决了在硅晶片上制造可工作的量子电路的问题，这个问题在此之前被认为是不可能解决的。
MennoVeldhorst让量子电路能够印刻在硅板上——即数十年来电脑芯片的做法，从而加快了创造真正量子电路的进程。
量子计算机能够实现传统计算机无法进行的强大运算，然而在Veldhorst之前，基于硅半导体的量子电路虽然对实用计算而言足够稳定，但这一技术一直被认为是不可能的。目前，理应基于特殊的亚原子级粒子构建的量子计算机，不得不使用更复杂的材料，其中包括在脆弱的量子态下更容易被控制的超导体，然而其付出的代价是成本更高，而且要制造这样的电路需要一个全新的工业生产工序。
来自代尔夫特理工大学的研究者Veldhorst则找到了让量子计算迈向重复性最强的人造结构—晶体管—的方法，从而得以在半导体硅上以量子比特（量子信息基本单位，qubits）的级别进行计算。
感谢Veldhorst的突破，如今英特尔能够将成千上万个这样的简单系统刻印在同类型的mm晶片上，这些晶片以前只能制造出传统芯片。这就意味着英特尔公司的员工们能够将更多时间花在完善量子计算机必需的微电子和算法，而不是把精力浪费在基础物理学问题上。
而正如晶体管和计算机本身一样，最让Veldhorst激动的事情在于，如今已经有大量量子计算机亟待建立以探究更多未知的领域，而他的研究使这一切成为可能。
AdamMarblestone，31岁
Kernel
他写了一本关于全脑神经元记录的书。
AdamMarblestone希望脑能够被机器读取，于是他找出了脑活动记录中可能存在的物理限制，并正在努力将此理论运用到Kernel的技术策略中。Kernel是一家融资过亿的初创公司，旨在建立人类的神经接口。
Marblestone博士的一篇论文被研究者们认为是脑活动读取技术建立的重要文献。他将小鼠脑作为模型，并发现要同时测量全脑神经元的活动存在一定的工程学问题。
“这些问题关系到，我们如何用现有的脑研究工具来匹配脑本身的复杂性。”他这样说道。
“这些问题关系到，我们如何用现有的脑研究工具来匹配脑本身的复杂性。”他这样说道。
作为Kernel的首席策略官，他正在募集整合一群顶尖研究者，来探究建立神经接口最有前途的手段，从而帮助我们更好地理解神经疾病。未来某天他们甚至有可能将我们的脑与机器融合。
SheharBano，31岁
伦敦大学学院
她首次完成了对网络审查机制的系统性研究，使对抗国家网络审查成为可能。
这一切从年开始，当时Bano的祖国巴基斯坦封锁了YouTube。“以前，人们有一种错觉，认为这种封锁是魔法，”但是她想了解内在机制，并击败这些封锁。
因此，Bano调查了巴基斯坦三年的ISP数据。她发现了一些相对基本的网络访问限制技术，比如对于访问某一网站的请求，审查员向网站服务器以及访客的浏览器发送信号，以结束访问请求。针对这一点，Bano在不使用加密的情况下设计出绕过访问限制的方法，发送一个初始的、假的请求给审查员看到，但是他们会因为拼写错误等而忽略了这个请求，同时真正的请求悄悄通过。
除了网络审查，Bano还调查了像Tor这样的匿名通信工具、以及广告拦截器的用户与其他用户的遭遇如何不同，以及这代表着糟糕的用户体验还是被彻底禁止。
Bano是伦敦大学学院的博士后，加入了保卫在线交流自由的计算机科学家行列。她正越来越多地使用基于区块链的系统，比如智能合同平台ChainSpace，该平台的交易难以被外部力量控制，提升了在线网络的安全性和透明度。
ArchanaKamal，34岁
马萨诸塞大学洛厄尔分校
通过缩小关键部件的体积，她解决了量子计算领域的大问题。
随着量子计算逐渐由实验室走向企业，谷歌、英特尔等公司都在努力解决一个棘手的问题：如何准确地将量子系统输出的量子数据转移到传统电脑上呢？这一工作至关重要，因为量子系统可能会对密码系统及其他领域产生深远影响，但只有当常规计算机能读取其量子计算时，信息才能发挥作用。
作为马萨诸塞大学洛厄尔分校助理教授的ArchanaKamal解决了这一问题。Kamal证明了，量子信息在离开量子处理器之前是可以转移并且为传输放大的。此前，这一传输需要大型的磁铁以及复杂的设备，其体积之大远远不能集成到一块简单的芯片中，这就导致了数据的延迟和丢失，成为目前量子比特系统扩展的一大阻碍。
Kamal的创新之处在于稍微改变了信息携带光信号传输的通路，将部件从一个25美分硬币大小降至几微米。“这是一个巨大的改变，”她说道，“我们的目标是在芯片上完成大量量子信息处理同时又保持信号的高保真性。”
—人文关怀者（Humanitarians）—
在他们眼中，科技只是一种工具，用来创造一个更安全、更健康、更平等的世界。
HeraHussain，28岁
Chayn
她的非营利技术让女性即便在没有律师的帮助下，也能就家庭暴力提起诉讼。
HeraHussain正致力于通过一种结合社会创新与技术创新的简单方式为全球女性赋能：通过众包的形式为多语言在线指南招募志愿者，这些指南涵盖的话题包括如何在没有律师的情况下为家庭暴力行为立案，如何识别心理操控等。
这一切开始于Hera帮两位朋友摆脱有家庭暴力的婚姻。她说：“你可能认为，在英国很容易找到各种信息：如何离婚、如何申请庇护，以及申请子女监护权适用的法律。但在其他地方，获取这类信息是极为困难的。”
年，Hera利用业余时间创立了Chayn，一家开源的非营利组织，致力于让这些缺失的信息变得容易获取和理解。今天，Chayn的位志愿者中70%曾经历过暴力和压迫。他们的指南大部分来自众包的研究和亲身经历，涉及压迫女性问题相关的心理、社会和法律方面的复杂问题。
Hera说，她数不清有多少次被人说教——大部分是男性，他们认为Chayn的指南不应该由那些没有法律或学术背景的人撰写。她说：“我经常受到别人的嘲讽。”她喜欢用一位印度女性的例子来反驳他们的观点。这位女士花了很多年时间寻求如何摆脱一段充斥着家庭暴力的婚姻的方法。她在网上找到的所有资源都是印度律师写的，然而他们大部分是男性，大部分的信息是在抱怨女性不是尽责的妻子等。
Hera持续推动着Chayn的发展，利用合适的技术拓展它的影响。例如，新推出的聊天机器人就可以引导访客以最快捷的方式找到最相关的信息。
MustafaSuleyman，33岁
DeepMind
他用人工智能减轻人类的苦难。
MustafaSuleyman联合创立了人工智能公司DeepMind，他的初衷是为社会带来最广泛的影响。他认为人工智能是实现这个目的最快方式。
现在，Suleyman启动了DeepMindHealth项目，致力于建造能提升疾病诊断的人工智能，包括检测早期眼疾、辅助分析乳腺超声造影的系统。他还在重点研究这种科技是如何被临床医生使用的。Suleyman说：“技术圈终于开始思考这些系统的道德影响。”例如，时间紧张的临床医生会在不做临界评定的情况下遵从人工智能给出的最优建议吗？这种系统要如何接受检查？如果新的医学发现吸纳了那些训练人工智能系统的旧数据中的隐含偏见怎么办？他说：“我认为今年硅谷和科技公司会真正地接受这种巨大权力所承载的重大社会责任。”
去年，Suleyman发起了DeepMind道德与社会部门，负责设计能预测并指导算法决策过程及其社会影响的系统。
他说：“未来，科技公司要做出重大转变，向自己提问：我们要如何塑造这些算法，让它们代表我们集体表决做出的道德选择？”
颜珉珉（MinminYen），29岁
PhagePro
霍乱致人死亡，疫苗却不是总能奏效，于是她创造了一个更好的解决方案。
在这个世界最贫穷的地方，霍乱每年会波及数百万人。人们通常用抗生素治疗霍乱，但效果并不理想，因为它们会在杀灭内脏中细菌的同时，导致细菌抗生素耐性上升。
颜珉珉开发了一个更好的解决方案：噬菌体，即专门对抗细菌的病*。她的干涉疗法的重要之处在于，它能立刻杀死细菌，抑制疾病恶化。相比之下，现有的疫苗要数周时间才会奏效。
颜珉珉拥有塔夫茨大学分子微生物学的博士学位。她说，噬菌体大多没有人研究，是因为抗生素太普遍了，但她认为，既然耐药细菌如此常见，是时候让它们发挥更大的作用了。于是，她创立了PhagePro公司，让她的干涉疗法走向市场。
—发明家（Inventors）—
从可伸缩的电子器件到测试癌症药物的新方法，他们正在构建属于未来的新技术。
BarbaritaLara，32岁
Emer
