人类技术的完整版图：扫描23,000项技术后，AI发现了7个隐秘星系

发表于 更新于 分类于

技术的”失重”时代

我们生活在一个技术名词大爆炸的年代。

打开科技新闻，新词汇每天都在轰炸我们的眼球：”大语言模型””量子纠缠””合成生物学””边缘计算”……有时你刚弄明白什么是”深度学习”，行业里又开始热议”联邦学习”和”具身智能”。

这种感觉就像站在一片没有地图的茂密森林里。我们知道周围都是树，但分不清哪些是刚刚破土的嫩芽，哪些是盘根错节的参天古木，更不知道整片森林究竟长什么样。我们很难分辨，哪些是真正改变世界的突破，哪些仅仅是自媒体制造的泡沫。

澳大利亚悉尼科技大学（UTS）的一组研究者决定绘制一张人类技术的”全景地图”。有趣的是，他们没有聘请昂贵的专家组，而是利用了人类的”集体智慧” - 他们让AI读取了维基百科、数百万本书籍和专利数据，利用机器学习算法自动梳理了23,000多项技术。

这项名为 Cosmos 1.0 的研究最近发表在《自然》旗下的 Scientific Data 上，为我们展示了一个令人惊叹的技术宇宙。

一张”会讲故事”的星图

如果把人类所有的技术知识洒向太空，它们会形成什么形状？

AI 给出的答案是：一个由 23,544 个光点组成的星系。这些光点并非杂乱无章，而是自然聚集成**七大”技术星系”**：自主系统、生物技术、数据与分析、健康与医疗、纳米技术、网络与连接，以及一个特殊的”融合技术”（Converging Technologies）。

Mapping the cosmos of innovation: AI model charts the age and trajectory of 23,000 technologies

这张地图最反直觉的地方在于它的核心区。

你可能会以为占据宇宙中心的一定是AI或者芯片。但研究发现，处于星图绝对核心位置的”融合技术”星系中，最耀眼的明星竟然是新能源技术：智能电网、微电网、微发电技术、光伏等。

这打破了我们的刻板印象：新能源不仅仅是”发电”，它是材料科学、工程学和数字系统的终极交汇点。AI似乎在告诉我们：清洁能源与跨学科融合，才是连接未来技术宇宙的物理底座。

此外，就像真实的宇宙一样，这张地图边缘也有”孤岛”。有两片区域明显游离于主体之外：一片是”传统知识体系”（如印度哲学、佛教教义），另一片是”专利法律概念”。它们与技术高度相关，但本身并非技术，因此被AI准确地识别并隔离在边缘。

发现一：原来”AI”不是一个东西

当我们说”AI正在改变世界”时，我们其实在说什么？

这是 Cosmos 地图最有启发的发现之一。在”数据与分析”这个星系里，研究者数出了至少 15 种不同的 AI 相关技术：深度学习、机器学习、强化学习、迁移学习、计算机视觉、语音识别……。

用地理来类比：就像当我们说”亚洲”时，其实在说中国、日本、印度、泰国等完全不同的国家。说”AI”也是一样，它是一个庞大的家族，每个成员都有自己的特长。

地图显示这些技术之间存在显著的”距离”。计算机视觉和图像识别离得很近，但和自然语言处理（NLP）离得较远。这解释了为什么一家公司擅长做人脸识别（视觉），不代表它能做好机器翻译（语言）。

发现二：如何识别”真科技”还是”伪概念”？

在资本热潮下，每个创业公司都标榜自己是”硬科技”（Deeptech）。但谁是李逵，谁是李鬼？

研究者为此设计了一个巧妙的”深科技指数“（Deeptech Index）。他们利用算法计算每项技术与”科学研究”（基础研究、R&D）的语义距离，同时计算它与”商业”（市场、营销）的距离。真正的深科技，应该离科学很近，离纯商业较远。

结果：

  • 深科技高分选手：量子传感器、超导量子计算、CRISPR基因编辑、石墨烯。这些技术通常需要漫长的基础研发周期，拥有极高的护城河；
  • 深科技低分选手：某些被包装得很高级的商业模式创新、或者单纯的互联网应用；

这个指数说明：真正的深科技往往不是最”性感”的。维基百科上浏览量爆炸的往往是”元宇宙”或”Web3”这类概念，而量子传感器的关注度要冷清得多。但前者很可能只是营销概念的狂欢，后者才是底层生产力的变革。

发现三：”瑞士军刀” vs “手术刀”

除了深浅，技术还有宽窄之分。Cosmos 1.0 引入了”通用性指数“（Generality Index），用来衡量一项技术是”万金油”还是”专才”：

  • 瑞士军刀型（高通用性）：例如”小卫星”和“电动汽车”。这些技术在维基百科的各个领域都被频繁提及，说明它们正在成为航空、环保、消费电子等多个行业的基础设施；
  • 手术刀型（低通用性）：例如”水下声学”或“分布式声学传感”。它们技术壁垒极高，但应用场景非常聚焦；

这对普通人的职业规划也是一种启示：你是想掌握连接万物的”通用型技术”（路更宽），还是想深耕不可替代的”垂直型技术”（壁垒更高）？

发现四：技术的”年龄”比我们想象的更复杂

Cosmos 团队还做了一件有趣的事：他们扫描了 Google Books 从 1900 年到 2019 年的书籍，找出了每项技术第一次被”广泛提及”（而非仅仅在实验室诞生）的年份，定义为”技术年龄”（Age of Tech）。

数据揭示了技术扩散的两种极端模式：

  1. 早熟型：CRISPR 基因编辑，2012年发明，短短几年内就进入了公众视野的中心；
  2. 大器晚成型：光伏发电技术早在 1970 年代就已成熟，但直到 2000 年代成本下降和气候议题升温，才真正迎来爆发；

这告诉我们，不要轻易根据”出生年份”来判断一项技术的价值。有些技术虽然古老，但因为配套设施（如算力、材料）的突破，正在迎来第二春（比如神经网络）；有些技术虽然新潮，但可能还需要经历漫长的”死亡之谷”。

结语：我们需要更多这样的地图

Cosmos 1.0 的价值，不在于精准预测未来，而在于帮我们”看清现在”。

在信息过载的迷雾中，这张由 AI 绘制、基于人类集体智慧（维基百科）的地图，为我们提供了一个难得的上帝视角。它告诉我们哪些是凑热闹的泡沫，哪些是坚硬的基石；哪些领域拥挤不堪，哪些领域还是一片蓝海。

最棒的是，这个项目是开源的。就像几百年前人类绘制航海图来探索物理世界一样，现在我们也可以通过这张知识地图，在技术的星辰大海中找到自己的航向。

参考资料：