2016年版的《自然》年度十大人物12月19日公布了,这是《自然》选出的在今年对于科学产生了重大影响的十个人。“今年的名单突显了来自全球各地的研究人员,在天文学,生殖生物学和少数族裔在科学领域的权利方面做出了自己的贡献。”Richard Monastersky,《自然》的特写编辑表示,“2016年《自然》十大科学人物是一个多元化的群体,他们都在今年的重大科学实践中发挥了作用,并可能在世界范围内影响变化。”
加布里埃拉·冈萨雷斯 GABRIELA GONZALEZ 引力密探 原文作者:Davide Castelvecchi 一位物理学家帮助首次捕捉到人类搜寻已久的引力波的直接信号。 一年前,Gabriela Gonzalez正在努力保守她人生中最大的秘密。在美国,两个大型探测器检测到了引力波的信号——爱因斯坦预言中的时空涟漪,但此前从未被直接观测到过。冈萨雷斯的工作是在将这些发现公之于众前,协助领导一千多位科学家仔细验证。 这样的新闻很难长期保密,但这个发现实在太重大了,因此,研究团队花费了将近五个月时间来分析位于华盛顿州和路易斯安那州的两座激光干涉引力波天文台(LIGO)探测器得到的数据。作为LIGO科学合作组织的发言人和负责协调分析的关键人员之一,Gonzalez需要协调分散于全球各地的研究团队,包括位于意大利比萨附近的处女座干涉仪研究人员,LIGO与处女座干涉仪共享数据。 在管理这个巨型项目的过程中,Gonzalez发挥了自己的多面能力。大多数物理学家很早就知道自己会成为理论家还是实验家,但Gonzalez开始研究生学业时选择的是理论方向,后来才转到了实验物理学领域,并表现出惊人的天赋。“这种天赋使其可以成为一流的科学家。”LIGO项目的创始人之一、麻省理工学院的物理学家Rainer Weiss说。 Gonzalez说,在自己的职业生涯中,她在LIGO项目上“什么工作都做过一点”。有段时间,她承担了诊断干涉仪性能的重要职责,以确保它们达到无与伦比的敏感度。现在,其敏感度足以探测出 4千米长的干涉臂上1021分之一的长度变化,这相当于DNA的宽度与土星轨道之比。她还协助领导过数据分析团队,并说服引力波研究者和常规天文学研究者开展合作。他们将在即将到来的多信使天文学时代,联手寻找会同时释放引力波和电磁波的现象。 宣布LIGO发现之前的那个月紧张而忙碌,Gonzalez和同事努力确保团队已经获得了板上钉钉的证据。他们知道,历史对报告“发现”引力波的研究者并不仁慈:就在最近一次的2015年初,一支国际团队不得不撤回了南极一架望远镜发现引力波间接信号的声明。 让LIGO团队压力倍增的是,在得到最初发现不到一周时,流言就已流传开来,记者也开始致电询问。Gonzalez说,在漫长的分析过程中,自己从未在不与同事商讨的情况下,擅自做出重要决定,她的领导能力获得到大家的称赞。“加布里埃拉让我们顺利度过了这一阶段,”Weiss说。 Gonzalez就职于路易斯安那州立大学,靠近位于利文斯顿的LIGO干涉仪。2008年,她成为了系里的第一位女性正教授。冈萨雷斯说,她在职业生涯中从未遭遇过直接的性骚扰或歧视,但“我或许不得不比其他人更努力地证明自己(的能力)。” Gonzalez说,到2017年三月,她目前的LIGO发言人任期将结束,之后不会再竞选,而是计划回归到全职研究岗位。她协助创立的科学领域—引力波天文学才刚刚起步。“对我来说,科研工作一直都是一场趣味横生的旅行,而现在的风景越来越美。”
杰米斯·哈萨比斯 DEMIS HASSABIS 思维缔造者 原文作者:Elizabeth Gibney 人工智能开发者打败围棋高手,下一步,剑指全球问题。 资深棋手Demis Hassabis在今年三月迎来了人生中最艰难的比赛,而他甚至没有亲自上场:在他的团队创造的程序AlphaGo与顶尖棋手李世乭对弈时,Hassabis只能在一旁观看。最终,电脑赢得了比赛,这标志着AI领域的巨大胜利;也为哈萨比斯的系列战绩再添一笔。 位于伦敦的DeepMind公司是AlphaGo的开发者。作为DeepMind的联合创始人, 哈萨比斯感到兴奋而欣慰。“我们下了一着险棋,而且成功了。” 但这场胜利不仅仅是一场棋赛的胜利。Hassabis想要向全世界展示机器学习技术的实力,他希望未来能利用这项技术制造类似人类一样的综合AI,使之能够解决复杂的全球性问题。 在他早慧的青年时期,Hassabis就已经勾勒出了这一愿景。他是一个象棋神童,十几岁时就设计出了销量百万的新颖电子游戏,20岁出头就开设了属于自己的公司。在拿到认知神经学博士学位后,他于2010年创建了DeepMind公司。四年后,Google据报道以4亿英镑的价格收购了这家公司。 DeepMind的研究者们将来自神经科学的灵感应用于各色各样引人注目的AI项目中,从语音合成到伦敦地铁导航,皆包括在内。Hassabis说,DeepMind每一个算法的复杂性都建立在之前算法的基础上,并融入此前只在不同AI中单独开发出来过的能力。DeepMind的AI已经从学习如何观察和做出相应行动的阶段,进入到利用这些信息进行计划和推理的阶段。在解决现实问题方面,他们的团队利用机器学习将Google数据中心的用电量减少了15%;Hassabis希望这一技术能得到更大规模的应用。 虽然DeepMind的研究者也会发表论文,但他们对进行中的工作是保密的,这一点让一些学者感到苦恼。一些数据隐私倡议者则对Google DeepMind与英国国家医疗服务署的合作感到担忧,但科学家却蜂拥进入DeepMind工作。 在日常生活中,Hassabis非常谦逊,但充满热情。他在伦敦大学学院的博士导师Eleanor Maguire说,他拥有一种用自己的激情感染他人的天赋。“一旦他开始谈论自己感兴趣的事,他的热情就会传染给别人。”在管理公司的同时从事科研意味着只能在凌晨时分做研究工作,但Hassabis表示他并不介意这一点:“我们从事的是非常重要的工作,我觉得为此牺牲是值得的。”
|