重塑安全与健康的两个科技故事
麻省理工学院技术评论最新通讯《Download》汇集了两个看似无关但同样引人注目的故事，说明科技如何重塑我们的世界。一方面，犯罪网络正利用复杂的电子工具以前所未有的速度盗窃豪华车辆。另一方面，一位富有远见的研究人员正在利用人工智能来应对人类最紧迫的健康危机之一：日益增长的抗菌素耐药性威胁。
这些平行的叙事说明了技术环境中的根本矛盾。能够促成犯罪创新的相同工具和技术也有潜力解决存在的挑战。理解这个等式的两个方面对于应对界定现代生活的复杂技术环境至关重要。
科技如何助长犯罪
豪华车盗窃泛滥代表了一个引人注目的案例研究，说明互联网连接技术如何创造新的漏洞。现代车辆配备了为方便而设计的电子系统，已经无意中成为配备适当工具的小偷更容易下手的目标。放大钥匙信号的中继设备、劫持车辆内部网络的CAN总线注入工具，以及致盲跟踪系统的GPS干扰器都已在地下市场广泛获得。
目标是具体且利润丰厚的。兰博基尼、劳斯莱斯、宾利和其他价值数十万美元的超豪华车正在被有组织犯罪企业系统地识别、盗窃和出口，这些企业以令人不安的专业精神运作。损失是巨大的，回收率很低，尤其是当车辆跨越国际边界后。
使这个故事与更广泛的技术社区特别相关的是军备竞赛的速度。汽车制造商推出新的安全措施，犯罪集团在几周内适应其工具进行应对。这是影响从智能手机到工业控制系统等每一个连接设备的网络安全挑战的缩影。豪华车盗窃流行病不仅仅是一个犯罪故事；它是一个技术故事，其影响远超汽车行业。
利用AI对抗抗菌素耐药性
在技术谱的另一端，宾夕法尼亚大学研究员César de la Fuente正在展示人工智能解决传统方法一直无法解决的问题的非凡潜力。他的目标是抗菌素耐药性，这是世界卫生组织已确定为全球十大公共卫生威胁之一的危机。
抗菌素耐药性发生在细菌、病毒、真菌和寄生虫进化以抵抗旨在杀死它们的药物时。结果是感染变得越来越难以治疗或无法治疗，将常规医疗程序变成了危及生命的事件。在最近几十年，新抗生素的管道已减少到涓涓细流，因为制药公司已将投资转向更有利可图的药物类别。
De la Fuente的方法与传统抗生素发现方式根本不同，传统方法通常涉及筛选土壤样本和微生物培养物以寻找具有抗菌特性的化合物。相反，他的团队使用机器学习算法来分析生物序列的庞大数据库，在没有人想过要寻找的地方搜索具有潜在抗菌活性的肽。
AI系统可以在远短于人类研究人员筛选哪怕一小部分的时间内评估数百万个候选分子。更重要的是，这些算法可以识别与抗菌活性相关的模式和结构特征，这些特征对人类分析师可能不明显，为药物发现开辟了全新的化学空间。
新抗生素的意外来源
De la Fuente工作最引人注目的方面之一是他探索的来源范围。他的团队已在灭绝生物的基因组中、人体本身的蛋白质中以及从世界各地环境收集的大量宏基因组数据中发现了潜在的抗生素化合物。下一个突破性抗生素可能隐藏在尼安德特人的遗传密码中或我们自身免疫系统的化学中，这一想法挑战了关于新药来自何处的传统假设。
计算方法也加快了从发现到开发的过程。一旦识别出有前景的肽，AI可以帮助预测其在生物系统中的行为，估计其毒性，并建议可能提高其有效性的修改。这种硅学优化可以从传统药物开发时间表中削减数年，这是一个至关重要的优势，因为耐药性感染每年造成约127万人死亡。
更广泛的启示
这两个来自《Download》通讯的故事一起强调了我们技术时代的一个中心主题：我们创造的工具在道德上是中立的，它们的影响完全取决于它们如何被部署。利用车辆安全系统的电子设备和发现救生药物的AI算法都是同一创新文化的产物。社会面临的挑战是创建激励和护栏，最大化有益应用，同时最小化有害应用。
豪华车盗窃流行病要求更好的安全工程、国际执法合作和规管框架，要求技术销售商承担责任。抗菌素耐药性危机要求在AI驱动的药物发现中保持投资，改革制药开发的激励结构，并进行全球协调以确保新抗生素到达最需要它们的患者手中。在两种情况下，仅有科技是不够的。它必须与制度能力相结合，以引导它向建设性目标发展。
本文基于麻省理工学院技术评论的报道。阅读原文。
