6、自然人工智能 当计算机能够学习的话会发生些什么呢？
人工智能（AI），简单来说，就是用计算机来做人类能够做的事的科学。过去几年，AI发展显著：现在我们大部分都是用可以识别语音的智能手机，或者利用图像识别技术快速通过机场入境处。自动驾驶的汽车和自动无人机正处于大规模应用前的测试阶段，在某些特定的学习和记忆任务方面，机器的表现超越人类。人工智能计算机系统Watson在问答游戏Jeopardy中打败了人类的最佳选手。
对比普通的软硬件，人工智能允许一台机器感知并对变化的环境做出回应。自然AI更进一步，通过吸取大量的信息，机器可以自主学习，自主的发展。以NELL（Never-Ending Language Learning）为例，这个永不结束的语言学习项目来自卡耐基梅隆大学，该系统不仅通过浏览上亿网页以获取真实的信息，还试图在该过程中提高阅读理解能力，使得自身在未来做的更好。
就像下一代机器人技术，AI会促使生产力显著地提高，就像机器取代了人工那样，甚至更有过之。大量证据表明，自动驾驶汽车会减少撞车频率，避免道路交通带来的死亡和伤害，因为机器不会犯人类犯的错误，如注意力不集中，视力缺陷以及其他的缺点。智能的机器能够快速访问大容量存储的信息，能够没有感情偏见的做出回应，也能够在诊断疾病时比专业医师表现的更好。Watson系统正被应用于肿瘤科以协助诊断，并为癌症患者提供个性化的，以事实为依据的治疗方案以供选择。
长期以来人来都对AI怀有科幻噩梦，AI确实会带来风险—-最显著的就是超智能机器有一天也许会超越并且奴役人类。虽然几十年过去了，专家们越发重视这个问题了，很多专家签署了一封公开信以引导AI远离潜在的陷阱，刊登于2015年一月刊的FLI（未来生命研究）上。更简单的说，由智能计算机替代人工引起经济变化，可能会加剧社会不平等，威胁到现有的工作机会。例如，无人机会代替大部分人工运输机，而自动驾驶短期出租车辆会使的士越来越无用。
另一方面，自然AI可能会使那些只限于人类的属性—创造性，情感，私人关系—更加有价值。随着机器在智力方面的成长，技术也在不断的挑战我们的观念：人与机器之间的差距在快速缩小，风险与机遇共存，作为人类该如何是好？
7、分布式制造
分布式制造正在我们制造和运输产品的路上打开局面。在传统的制造业中，原材料送到大型中央工厂里，在那里组装加工成相同的成品，接下来送到客户手上。在分布式工厂里，原材料和制作方式事分开的，制造出的成品非常接近最终客户。
从本质上，这个想法是用数字信息尽可能多的替代材料供应链。例如，想要制造一把椅子，不再把采购木头和制造椅子都放在工厂里，而是将组成椅子的各部件的切割数字计划发布到使用电脑切割工具如CNC路由的本地制造企业。消费者或者本地制作工坊可以自行组装这些部件，变成成品。已经在使用这种模式的公司是美国的一家家具公司AtFAB。
目前分布式制造的利用严重依赖于DIY玩家的活动，爱好者们用他们自己的3-D打印机和本地材料制造产品。这体现了部分开源思想，如此一来，消费者们可以个性化定制满足他们需求和喜好的产品。与集中生产不同，创造性的设计元素更加众包，当更多人参与到可视化和生产，产品会演变出更多的性质。
分布式生产被赋予期望能够对资源更有效的使用，减少集中式工厂内的容量浪费。通过减少建立第一个原型和产品所需的资本，它同样降低了进入市场的门槛。重要的是，它会减少制造业对整体环境的影响：数字信息通过Web传送，而不是实物产品通过道路、铁路货水路传送；原材料来源于当地，进一步减少了运输所需的能源。
如果分布式制造应用更加普遍，将会打乱传统的劳动力市场，及传统制造业的经济。这的确构成风险；调节和控制远程人造医疗设备可能会变得更加困难，而枪械类的产品既不合法又危险。并不是所有东西都能用分布式生产方式来制作，而传统制造业和供应链仍会存在以保证大部分非常重要而又复杂的消费品的生产。
分布式生产会鼓励现今标准化的产品如智能手机和汽车更加多样化。应用规模无限：一家英国公司Facit Homes利用个性化设计和3-D打印为消费者建立了一幢自定义的房子。产品功能不断发展，服务于不同的市场和地理位置，货物及服务将迅速扩散至世界那些现今传统制造业无法覆盖的区域。
8、能够「感知与避让」的无人机
用会飞的机器人（众所周知的无人驾驶汽车，或者无人机）检查电缆或运输紧急物资在近年已经成为军事能力重要又具有争议的部分。该技术还被应用于农业，拍摄和许多其他应用，这些地方都需要廉价和广泛的空中侦察。但目前为止，这些无人机都需要人类驾驶员；区别在于这些飞行员都在地面上，远程控制着这些飞行器。
无人机技术的下一步是开发机器自行飞行，将它们带到更广的应用领域。为了这一目的，无人机必须能够感知和对周边环境做出回应，调整高度和飞行轨迹以避免在它们的飞行轨道上与其他物体相撞。在自然界，鸟，鱼和昆虫都能聚结成群，而每一只都能够瞬间对周边做出回应，得以让整个群体如同单个单元一般飞翔或游动。无人机可以效仿这一点。
带有可靠地自主性和防碰撞系统的无人机可以开始执行对于人类来说太过危险或太远的任务：比如检查电力线缆，或者紧急情况下提供医疗用品。无人运输机会考虑其他飞行器或障碍并找到前往目的地的最佳路径。在农业中，无人机会收集处理大量的来源于空气的可视化数据，根据这些数据可以精确有效的利用化肥和灌溉。
在2014年1月，Intel和Ascending技术公司展示了多动力无人原型机，该无人机可以定位障碍物，并且自动避让走在它们设定的航行路线上的人类。无人机使用了Intel的实时感知摄像头，摄像头仅重8克，厚度不超过4mm。这个级别的防碰撞系统将会迎来共享领空的未来，将有很多无人机在接近人类的地方飞行，在被建立的环境里或附近操作执行各种任务。无人机本质上就是在3个而不是2个维度上进行操作的机器人；下一代机器人技术的进步将会加速这种趋势。
飞行器永远都有风险，不管是人操作的，还是作为智能机器。为了得到广泛接纳，感知-避免无人机必须能够在更加困难的条件下可靠地操作：在夜里，在暴风雪或沙尘暴里。不像我们现今的数字移动设备（实际上并不移动，因为我们得把它们呆在身边），无人机将转型，因为它们是自行移动并且有能力在这个三维世界里飞到超越人类极限的地方。一旦无处不在，它们将会极大的扩展我们的存在，生产率及人类体验。
9、神经形态技术 模仿人类大脑的计算机芯片
即使是当今最好的超级计算机也无法匹敌人类大脑的复杂性。计算机是线性的，通过高速主干网，在内存芯片与中央处理器间来回移动数据。而大脑，则是完全相互关联的，逻辑与记忆紧密交叉，其密度与多样性数十亿倍于现代电脑。神经芯片试图用一种与传统硬件完全不同的方式来处理信息，即模拟大脑体系结构，试图大幅度提高计算机思维响应能力。
多年来，小型化已在传统计算能力领域大幅度发展，但在中央处理器与存储中不断转移数据的瓶颈在于这样会耗费大量的能量并且造成热量流失，从而限制了长远的发展。相反，神经芯片将数据存储于数据处理部分放在同一个相互关联的模块里，可以更有效的利用能源，并且更加强大。在这个意义上来说，系统复制了数十亿的网络神经元，从而弥补了人类的大脑。
神经形态技术将是强大计算的下一阶段，将大大提高数据处理速度，提高机器学习能力。2014年8月，IBM透露了百万神经元TrueNorth芯片的原型，该芯片在一些特定任务中的电源效率数百倍优于传统CPU（中央处理器），第一次更加接近人类的大脑皮层。拥有更强大的计算能力，消耗更少的能量，占用更小的体积，拥有这些优点的神经芯片将会带来更加智能的小规模机器，从而将小型化与人工智能带入下一阶段。
潜在的应用包括：无人机能够更好的对视觉线索做出处理和响应，相机和智能手机能够更加强大和智能，大规模数据运算能够帮助解密金融市场或者天气预报。计算机将会预测和学习，而不仅仅只是以预编程方式做出回应。
10、数字基因组：当你的遗传密码存储在一个U盘时代的卫生保健
第一次对组成人类基因组的32亿对碱基对的DNA测序花费了多年的时间与上亿美元的资金，今天，只要花上几分钟和几百美元就能对你的基因组进行测序并数字化。结果可以保存到U盘上，甚至轻易地通过Internet进行分享。这种迅速廉价的确定我们独特，个体的基因组的能力带来了更加个性化和更有效率的保健改革。
很多我们棘手的健康问题，从心脏病到癌症都与基因有关。事实上，癌症是基因引起的疾病中最好描述的。随着数字化，医生将能够通过肿瘤基因组来决定患者的癌症治疗方式。这项技术也使精密医学成为现实，开启了高度靶向治疗的发展，可以提供改进后治疗方式的潜在效果，特别是针对那些正在对抗癌症的患者们。
跟其它个人信息一样，因为隐私原因，人的数字基因也需要保护好。个人的基因组分析已经面临了挑战，人类对遗传类疾病风险的更加了解会如何回应，与此同时其他人如雇主或保险公司会想要获取并利用这些信息。但，利益很可能超出了风险，因为个性化治疗和靶向治疗可以发展出更多的潜力，可以应用于许多因为DNA病变导致或引起的疾病。
