MIT 工程师开发出像纸一样薄的扬声器，可将任何表面变成有源音频源。这种薄膜扬声器产生的声音失真很小，使用的能量只是传统扬声器的一小部分。研究团队展示的手掌大小的扬声器重量大约相当于一角硬币，无论粘合到什么表面，都可以产生高品质声音。为了实现这些特性，研究人员开创了一种看似简单的制造技术，只需要三个基本步骤，且可以按比例放大，生产出大到足以覆盖汽车内部或者房间墙纸的超薄扬声器。耳机或者音频系统中的典型扬声器利用电流输入通过线圈产生磁场，磁场移动扬声器膜，从而推动其上方的空气产生我们听到的声音。相反，这种新的扬声器利用成形压电材料薄膜简化了扬声器的设计，当施加电压时，薄膜会移动，从而推动其上方的空气并产生声音。他们将他们的薄膜扬声器安装到距离麦克风 30 厘米的墙壁上进行测试，测量并记录以分贝为单位的声压级。当 25 伏的电流以 1 千赫兹（每秒1000次循环的频率）通过该设备时，扬声器会产生 66 分贝的高质量会话级声音。电流频率在 10 千赫兹时，声压级增加到 86 分贝，大致相当于城市交通的音量水平。这种节能设备每平方米扬声器面积只需要大约 100 毫瓦的功率。相比之下，一个普通的家庭扬声器可能要消耗超过1瓦的功率才能在类似的距离上产生相似的声压。

对人类来说，识别场景中的物品就像看它们这么简单。但对于人工智能和计算机视觉系统来说，开发出对周围环境的高保真理解需要更多的努力。如果我们具体一点的话，需要大约 800 小时的手动标记训练图片工作。为了帮助机器更好地了解人们的做法，MIT CSAIL 的一组研究人员与康奈尔大学和微软合作开发了STEGO，一种以像素为单位识别图像的算法。通常创建计算机视觉（CV）训练数据需要人在图像中的特定对象周围画框——如给坐在草地上的狗画上的框——标记框内有什么东西（“狗”），以便用这些数据训练的 AI 可在草丛中分辨出狗。相反 STEGO（具有基于能量的图片优化的自我监督转换器）使用了名为“语义分割”的技术，该技术将类标签应用于图像中的每个像素，以便 AI 更准确地了解周围的世界。带标签的框中包含对象，也会包含边界内对象周围像素中的其他物体，而语义分割则标记对象的每个像素，但是只标记构成对象的像素——你只得到狗的像素，而不是狗的像素再加上一些草。这相当于机器学习使用 Photoshop 的智能套索和矩形框选工具的差别。这种技术的问题之一是范围。传统的多镜头监督系统通常需要数千张（如果不是数十万张）标记图像训练算法。将这个数字乘以即使构成单张 256x256 图像所需的 65,536 个单独的像素，现在所有这些像素都需要单独标记，所需的工作量很快就会大到不可能。CSAIL团队在新闻稿中写道，“STEGO 会寻找出现在整个数据集中的类似对象。”“然后它会将这些相似的对象联系在一起，在它学习的所有图像中构建一个统一的世界观。”

大多数汽车制造商都迫切想在全世界销售电动汽车。但他们面临着全球变暖时代的挑战：电池和制造电池所需的合乎道德的原材料供应紧张到令人望而生畏。特斯拉和大车等汽车制造商将锰（元素周期表中的第 25 号元素，位于铬和铁之间）视为最新的、诱人的丰富金属，它也许能让主流买家买得起电池和电动汽车。尽管第一款也是唯一一款使用高锰电池的电动汽车（即日产于 2011 年推出的聆风）的历史令人沮丧。但由于该行业需要所有能够获得的电池，改进后的高锰电池可能会脱颖而出，形成一个利基市场，也许作为介于磷酸铁锂化学电池和顶级豪华车和性能车型中的富镍电池之间的一个中等价位选择。马斯克（Elon Musk）在柏林特斯拉超级工厂的开幕仪式上语出惊人，当被问及对电池中石墨烯的看法时，马斯克答非所问道：“我认为锰有有趣的潜力。”谈到原矿，他强调说业界一直在努力摆脱钴，现在则是在摆脱镍，马斯克表示：“最终，我们需要的是数以千万吨甚至是以亿吨计的材料。因此用于生产这些电池的材料必须是普通材料，否则无法规模化。”

1200 万人口的卢旺达存在一个血液运送难题。它的 83% 的人口生活在农村地区，如果遇到紧急输血的情况，快速运送血是一大物流难题。原因是它的许多地区多山丘，道路颠簸，很炎热。低温保存的血液可储存一个月，但血小板等数天就会变质。医院提前储备的血液经常会在过期前没有使用掉而不得不丢弃。2016 年卢旺达与旧金山无人机创业公司 Zipline 签署了合同，使用无人机快速将血液从配送中心运送到需要的医疗机构。Zipline 今天在卢旺达有两个运送中心，每天能完成 500 次运送任务。根据发表在《Lancet Global Health》期刊上的研究，无人机显著加快了送血的速度，减少了浪费。半数的无人机运送订单只耗时 41 分钟或更少，如果通过公路运送将至少耗时两小时。

人类可能是全自动驾驶汽车无法进入城市街道的最大障碍之一。如果机器人要想在波士顿市中心安全驾驶，必须能预测周围司机、骑车人以及行人接下来会做什么。行为预测是一个棘手的问题，目前的人工智能解决方案要么过于简单（它们可能假设行人总是走直线），要么过于保守（为了避让行人，机器总是将车停下来），或者只能预测一个智能体的下一步动作（道路上通常同时会有很多用户）。

MIT 的研究人员为这一复杂的挑战设计了一种看似简单的解决方案。他们将多智能体行为预测问题分解成更小的部分，单独处理每个部分，因此计算机可实时解决这一复杂任务。他们的行为预测框架首先会猜测两个道路使用者之间的关系——哪辆车、哪个骑自行车的人或者行人拥有通行权，以及哪个智能体会让路——并使用这些关系来预测多个智能体的未来轨迹。面对自动驾驶公司 Waymo 汇编的真实交通流量的庞大数据，这些估计的轨迹比其他机器学习模型预测的轨迹更准确。MIT 的技术甚至超过了 Waymo 最近发布的模型。由于研究人员将问题分解为多个更简单的部分，他们的技术占用的内存更少。研究人员的机器学习模型被称为 M2I，它需要两个输入：汽车、骑自行车的人和行人过去在交通环境（例如十字路口）中交互的轨迹，以及包含街道位置、车道配置等信息的地图。

关系预测器使用这些信息推断出两个智能体中哪一个具有优先通行权，将一个归类为通行者，另一个归类为让行者。然后一个名为边际预测器的预测模型猜测通行者的轨迹，因为该智能体独立行动。第二个名为条件预测器的预测模型随后根据通行智能体的动作猜测让行智能体将要做什么。该系统针对让行者和同行者预测许多不同的轨迹，分别计算每种轨迹的概率，然后选择发生可能性最高的六个组成结果。M2I 输出关于这些智能体在接下来的8秒钟内将如何行动的预测。在一个示例中，他们的方法让车辆减速，以便让一名行人通过马路，然后在通过交叉路口时加速。在另一个示例中，车辆等到几辆车通过之后才从一条小街转上了繁忙的主干道。虽然这些初步研究侧重于两个智能体之间的交互，但是 M2I 可以推断出许多智能体之间的关系，然后通过联系多个边际和条件预测变量猜测轨迹。

随着新制程技术的周期越来越长，为了满足客户需求，台积电不得不提供增强版本。过去二十年台积电的成功很大程度上在于能提供新制程，改进功率性能，每 18 到 24 个月推出全新制程，同时保持高产量。但随着制造工艺的复杂性日益增加，维持这一计划日益困难。台积电最近更新了它的路线图，3nm 制程将在下半年生产，3nm 和 5nm 制程之间相隔 2.5 年。好消息是 3nm 的增强版本 N3E 将提前面世。相比 5nm，3nm 芯片的性能提高 10% ~ 15%，功率降低 25% ~ 30%，晶体管密度达到 1.7 倍。首批 3nm 芯片将在 2023 年初交付给客户。2nm 芯片计划在 2024 年风险量产，2025 年量产，与 3nm 相隔 3 年。

因为同乌克兰的战争，俄罗斯受到了世界大部分地区的排斥和制裁，由于无法从供应商获得芯片，该国正在制定计划重振陷入困境的半导体制造行业。该国新的芯片计划在未来八年中进行巨额投资，目标听起来也算不上雄心勃勃。例如台积电计划在 2026 年实现2纳米，而俄罗斯希望本地芯片制造到 2030 年能实现 28 纳米。俄罗斯政府制定了新的微电子发展计划的初步版本，到 2030 年需要投入 3.19 万亿卢布（384.3 亿美元）。据 Cnews 报道，这笔资金将用于发展当地的半导体制造技术、国内芯片开发、数据中心基础设施，培养当地人才以及营销国内自制芯片和解决方案。该国计划在半导体制造方面投资 4200 亿卢布（50 亿美元），用于新的制造技术及其提升。短期目标之一是在年底前使用 90 纳米制造技术提高本地芯片产量。一个更长期的目标是到 2030 年建立 28 纳米制造节点，这是台积电在 2011 年做到的事。

你可以用机器人做各种各样的事情。从某种意义上说，这是机器人使用的问题——仅仅因为某些任务或者问题可以用机器人解决并不一定意味着这些任务或问题就应该用机器人解决。郊区无人机运送消费品是一个这样的问题吗？Wing（Alphabet 子公司）决心证明无人机送货是可行的，并且成功了，该公司最近在澳大利亚完成了 20万 次送货，随后在德克萨斯州的一个社区扩张（本月推出）。这是否能证明需求存在以及 Wing 的商业模式现实且可持续？也许。但也许不能。

Wing 在澳大利亚所做的并将继续在德克萨斯州做的事情证明，从技术角度看，郊区无人机送货可以发挥作用，这是一项壮举。硬件、软件、基础设施大规模运行多年——这一切都令人印象深刻。但是这并不一定能证明这些问题的解决是有效或者可持续的，尤其是与解决类似问题的其他方法相比，而且也不清楚 Wing 为所有这些成本提供了多少补贴，以及它的长期商业计划是什么。

如果我们现在假设 Wing 至少可以很好地处理郊区无人机送货的各种技术挑战（即使它还没有完全解决它们），仍然还存在三个大问题。首先 Wing 在时间、金钱和工程人才方面的大量投资是否真的能转化为可以长期盈利的商业模式？其次小型无人机一次最多可以装载 1.2 公斤的货物，这真的是将货物及时送到需要的人手中的最佳方式吗？第三即使郊区送货无人机可以承担这个角色，就应该这样做吗？Wing 是在利用其资源和世界一流的工程专业知识利用机器人技术创造性地解决现实世界的问题，还是利用无人机送货的固有新颖性证明大量基础设施的合理性，只是为了让特定的一群人在需要时获得单件的食物？

千里之行始于足下，如果是在太空领域，这第一步会非常昂贵。以 Rocket Lab 制造的 Electron t推进器为例，该公司在新西兰海岸拥有两个发射台，另一个在弗吉尼亚州等待启用。如果一切顺利，它的下一次飞行（目前定于 4 月 22 日）将搭载 34 颗商业卫星，火箭的第一级在用完之后不会掉落到太平洋中，而是在使用降落伞降落的过程中被一架直升机在空中捕获。然后直升机会将它送回基地，它的外表会在重返大气层的热浪中受损，但是内部完好无损，有可能进行翻新和重新使用。Rocket Lab 的 Morgan Bailey 表示：“这是一件非常复杂的事情。”她表示：“你必须将直升机准确定位在正确的位置，你必须确切知道第一级要降落的位置，你必须让它降落的速度足够慢。”“我们已经练习了拼图的所有单独的部分，现在正将它们结合在一起。第一次捕捉尝试是否能够成功并没有十足的把握。”尽管如此，航空领域的人仍然会关注此事，因为 Rocket Lab 为自己建立了一个利基市场，让自己成为一家可行的太空公司。这将是其 Electron 火箭第 26 次发射。该公司表示，到目前为止，它已经发射了 112 颗卫星，许多是小型卫星，这些小型卫星的飞行成本较低。为这家太空创业公司提供资金的 Space Capital 的首席执行官 Chad Anderson 表示：“目前有两家公司将有效载荷送进了轨道：SpaceX 和 Rocket Lab。”

日产与 NASA 合作采用计算方法开发不依赖稀有或者昂贵金属的全固态电池。这家推出价格亲民量产电动汽车 Leaf 的汽车制造商显然希望抢回失去的时间。日产最近在电气化战略方面陷入了困境。该公司的第二款电动汽车 Ariya 预计今年秋天上市，距离第一款 Leaf 上市隔了大约 12 年。该公司希望其内部的固态电池到 2028 年能在乘用车中首次亮相。为了实现这一目标，日产将在 2024 年开设一家试点固态电池工厂。这家小型工厂将是推出固态技术的关键一步；这种电池底层的很多概念已经一次又一次地在实验室中得到了证明，但是向制造领域迈进往往会遇到一些意想不到的问题，需要花费数年的时间才能解决。建立试点工厂的做法表明日产对其目前的固态电池技术有足够的信心，认为值得投入资金解决制造中的任何问题。2028 年量产的目标与 Solid Power等竞争对手类似。这表明业界对于全固态电池何时可以大规模应用于汽车的时间表充满了信心。加州大学圣地亚哥分校的研究人员也将参与日产同 NASA 的合作，双方的合作可能并不局限于第一批电池。今天的固态电池的设计虽然改变了锂离子电池的一些基本部分——主要是摒弃了易燃液体电解质——但它们在很大程度上保留了其他的部分，包括使用钴和镍等稀有或昂贵的金属。通过弃用这些金属，未来的电池不仅会更便宜，而且也可能拥有更清洁、更符合道德的供应链。如钴矿开采充满了侵犯人权和环境危害。

研究员 Sid Assawaworrarit 和同事为一块普通的太阳能电池板配备了一个热传导发电机，能利用环境空气和指向太空深处的太阳能电池板表面之间的微小温差产生少量电力。Assawaworrarit 表示：“白天有来自太阳的光照射到太阳能电池上，但到了晚上，就会发生相反的情况。”这是因为太阳能电池板——和任何温度高于绝对零度的东西一样——会发出红外辐射。他表示：“实际上光（从太阳能电池板上）发出来，我们在晚上用它来发电。进入夜空的光子实际上让太阳能电池的温度降低。”当这些光子离开太阳能电池板指向天空的表面时，它们会带走热量。这意味着在晴朗的夜晚——没有云层将红外光反射回地球的时候——太阳能电池板表面的温度将比周围的空气冷几度。Assawaworrarit 和同事利用的正是这种温差。一种名为热传导发电机的设备可以捕捉部分从较暖的空气流向较冷的太阳能电池板的热量，将其转化为电能。在晴朗的夜晚，Assawaworrarit 在斯坦福屋顶测试的设备可以从每平方米太阳能电池板上产生大约50毫瓦（50mW/m2）的电力。他表示：“我认为这可能是个创纪录的数字。”但 Assawaworrarit 团队并没有就此止步。他表示，经过一些改进（并放置在更好的位置），设备可以产生的电量翻了一番。他表示：“理论上限可能是每平方米 1 至 2 瓦。”“这不是一个很大的数字，但是有很多的应用”，这种能量在夜间会派上用场。

2017 年 4月，一名男子驾驶一辆偷来的卡车冲进斯德哥尔摩市中心一个拥挤商业区，撞进一家百货公司，造成 4 人死亡，15 人受伤。这起恐怖袭击促使瑞典政府研究如何使用数字化技术防范此类事件再次发生。政府开始了一项为期四年的研究计划，在城市环境中测试一类地理围栏。地理围栏是一种虚拟工具，使用 GPS 或类似技术触发车辆的预编程或实时动作，以控制其在地理区域内的运动。它可以调节区域内车辆的速度，确定车辆是否属于该区域，并自动将混合动力车切换到电动驾驶模式。

瑞典交通管理局数字化高级顾问 Johannes Berg 表示，该技术可提高交通安全并降低排放。他补充道，它还具有根据道路和天气状况调整车速并确保其遵守法规的潜力，例如如果驾驶员没有进入地理围栏区域的许可证，就会停车。Berg 表示，在简单应用中——比如在出发前将限制区域地图下载到了车辆上，以便在进入低速区域时自动减速——车辆不需要连接外部资源。但在更高级的应用中——例如实时使用——车辆必须联网。他表示，法规和规定位于技术云中，可以根据车辆的实际位置改变。“云服务可以使用车辆的远程信息连接访问车辆的发动机。”

瑞典于 2019 年开始了一系列地理围栏试验，该国长期以来是车辆相关安全方面的创新者。1990 年代，该国引入了 Vision Zero，这是一种将人类错误考虑在内的安全措施。目标是通过创建多层保护消除所有交通死亡和重伤；如果一重保护失效，其他的保护措施将建立一个安全网。瑞典现在是全球车祸死亡率最低的国家之一，全球很多城市都采用了这种方法。今年早些时候，美国交通部正式采取了应对美国死亡人数急剧上升的战略。在斯德哥尔摩，地理围栏试点项目的重点是市中心的商业交通，例如评估是否可以在街道通常行人较少的夜间以较低的速度给企业送货。在另一项试验中，人行道上设立了传感器监测行人流量，这可以触发试点车辆减速。Berg 表示：“卡车实际上是自动降低了车速。”

在晴朗夜晚走出门外，够幸运的话，你会看到“天塌下来”。NASA 估计，地球已发现了 5 万颗太空陨石。它们进入大气层时形成的流星或火球可能很漂亮，但很难追踪。5 万颗陨石中，天文学家仅能绘制出大约 40 颗陨石过去的轨道。这就是为什么澳大利亚科廷大学的 Seamus Anderson 和同事可能取得了一个重要的“第一”。他们报告称在偏远的澳大利亚内陆地区发现了一块陨石——这块陨石曾沿着金星和木星轨道之间的一个椭圆轨道运行——他们用两架无人机和机器学习将它从无人知晓的地方捡了回来。2018 年到科廷大学攻读博士学位的美国人 Anderson表示：“这算是半个惊喜。”“我们没想到第一次就会取得这么大的成功。”

位于珀斯市的科廷太空科技中心运行着“沙漠火球网络（Desert Fireball Network）”，这是一个由 50 个自动摄像机组成的系统，用于监测澳大利亚夜空中的流星。去年的一个晚上，两台摄像机追踪到天空中的一道痕迹，系统计算出有一小块陨石可能坠落在西澳大利亚沙漠的灌木丛中，这个地区被称为纳拉伯平原（Nullarbor）。观测的结果并不理想——他们估计这颗陨石的重量在 150 到 700 克之间，坠落在一个 5 平方公里的区域中——但是 Anderson 和两位同事决定进行实地考察。12 月他们从珀斯出发，驱车 1000 多公里，去寻找大海中的那根针：沙漠地面上的一块黑色陨石，距离最近的铺砌道路 50 公里。

过去这样的旅行几乎毫无意义。陨石猎手通常徒步搜索地面，以网格的方式来回走动，希望能有所收获。百分之八十的时间，他们都是一无所获。Anderson表示：“事实证明，人们在这些重复性任务上的表现很糟糕。”“一个主要的问题是人类不够留心。”通过重复，机器和研究人员学会了如何处理误报：瓶子、罐头、沙漠植物的根和偶尔出现的袋鼠骨头。这正是技术的用武之地。他们使用现成的硬件——一台配备了 44 兆像素摄像头的四旋翼无人机和一台配备了高端显卡的台式电脑。不寻常的是在于他们在电脑上运行的卷积神经网络——这是在内陆的露营者通常不会携带的机器学习软件。美国流星协会的 Mike Hankey 表示：“现在，寻找陨石的圣杯是无人机，它可以将一个地理区域划分成网格，观察地面，并通过人工智能发现陨石。”

波士顿动力的物流机器人 Stretch 开始预售，但交付时间要到 2023 年和 2024 年。Stretch 不同于该公司更知名的类人机器人 Atlas 和四足机器人 Spot，它专为搬运工作进行了优化，能以每小时 800 箱的速度，将重达 23 公斤的箱子从卡车后部搬运到传送带上。有经验的工人也可以以类似的速度搬运箱子，但不能持续一整天，而 Stretch 可以工作 16 小时才需要再次充电。公司 CEO Robert Playter 表示，目前物流面临的挑战包括劳动力短缺和供应链障碍，Stretch 能让物流更高效和更可预测，以及更安全。Stretch 的早期采用者包括了 DHL、Gap 和 H&M。其中 DHL 已经与波士顿动力达成了价值 1500 万美元的交易。

对于一个月前开始的乌克兰战争，媒体的报道达到了前所未有的程度，社交媒体也有大量内容分享。包括记录了部队调动和对城市令人震惊的破坏的卫星照片。最近几天，在轨卫星拍摄的照片显示，俄罗斯的直升机被摧毁，马里乌波尔的一个购物中心和住宅区遭到严重破坏，一艘民用油轮在黑海熊熊燃烧。私营卫星公司如 Planet 和 Maxar 发布了冲突地区的许多卫星照片。这些图像的扩散意味着公众和军事分析家一样，可以尝试在数千英里之外了解乌克兰的实际情况以及俄罗斯入侵武装部队的进展。那么什么发生了变化？政府和情报机构的卫星收集分类的秘密信息，而商业公司一直能售卖自己的非机密图像。现在这些资料可以很轻松地在线访问了。

量子计算专家 Sankar Das Sarma 指出：到今天为止，量子计算还只是一只纸老虎，没有人知道它何时（如果有那么一天的话）会在商业上实用。但与此同时，炒作仍在继续。最著名的量子计算应用是 Peter Shor 在 1994 年进行的理论证明，即量子计算机可解决寻找大数素因子的难题，速度是所有经典方案的指数倍。素数分解是破解普遍使用的 RSA 加密的关键，因此 Shor 的分解方法立即引起世界各国政府的关注，为量子计算研究带来了可观的资金。唯一的问题？真正制造出一台能做到这一点的量子计算机。这取决于 Shor 等人开创的、被称为“量子纠错”想法的实现，量子纠错是一种补偿量子态因环境噪声而迅速消失现象（这种现象被称为“退相干”）的方法。1994 年科学家认为这种纠错会很容易，因为物理学允许这样做。但是在实践中，它极其困难。

当今最先进的量子计算机有数十个“退相干”（或者“嘈杂”）的物理量子比特。用此类组件建造一台可破解 RSA 密码的量子计算机需要数百万个、甚至是数十亿个量子比特。只有数万个量子比特将用于计算——即所谓的逻辑量子比特；剩下的量子比特将用于纠错，以补偿“退相干”。我们今天拥有的量子比特系统是一项巨大的科学成就，但它们并没有更接近于拥有一台能解决任何人都关心的问题的量子计算机。这类似用 1900 年代初期的真空管制造当今最好的智能手机。你可以把 100 根真空管放在一起，并确立一个原则：如果你能以某种方式，让 100 亿根真空管以一种连贯、无缝的方式一起工作，你就可创造出奇迹。然而缺少的是导致智能手机出现的集成电路和 CPU 的突破——从晶体管到智能手机的发明经过了 60 年非常艰苦的工程，不涉及新的物理发现。

25 岁时材料学家 Ernesto Di Maio 患上了酵母菌过敏症，每次吃披萨都会出现荨麻疹，对于一名意大利那不勒斯人来说，这有些尴尬。他说：“我的妻子喜欢披萨，有时晚餐的菜单会让两个人的关系变得紧张。”现在 Di Maio 可以期待无忧无虑的晚餐了，因为他和同事发明了一种不使用酵母发酵披萨面团的方法。研究报告发表在《Physics of Fluids》期刊上。

和大多数面包一样，在披萨经典做法中，酵母发酵并释放出二氧化碳，使面团中充满了细密的气泡。然后烘烤烤干水分，锁住“空气感”。那不勒斯菲德里克二世大学（UNINA）的 Di Maio 团队认为，能用不同的方式产生相同的效果：通过往面团中注入高压气体并在烘烤过程中释放压力，这是他们制造聚氨酯的一种方法。共同作者、材料科学家 Rossana Pasquino 表示：“目的是尝试在没有化学制剂的情况下制作出我们深爱的披萨口感。”最终结果：Di Maio 表示，“我们试过了，它很好吃，外皮有点硬，内里很软。”

佛罗伦萨大学的食品技术专家 Alessio Cappelli 说这篇论文“很有趣”，但他好奇这种方法是否会得到广泛应用，因为面包酵母价格如此低廉，使用又很方便。他表示：“这看起来像是为了创新而创新。”

在最后阶段，神经系统疾病肌萎缩性侧索硬化症（ALS）会造成极度的隔绝。人们失去了对自身肌肉的控制，交流变得不可能。但是研究人员本周报告称，借助能读取大脑信号的植入设备，处于这种“完全”锁闭状态的人可以选择字母并组成句子。荷兰乌德勒支中央医学院的脑机接口研究人员 Mariska Vansteensel 表示：“人们真的很怀疑这种做法是否可行。”他没有参与这项发表在《自然通讯》期刊上的研究。埃塞克斯大学神经工程师 Reinhold Scherer 表示，如果新的拼写系统被证明对处于“完全”锁闭状态的人是可靠的——如果足够高效且让人负担得起——可能会让成千上万的人重新和他们的家人和护理团队建立联系。

主要汽车制造商都推出了不同程度的自动驾驶系统，那么自动驾驶期间发生了车祸，应该由谁承担法律责任？奔驰汽车制造商梅塞德斯表示责任在它。奔驰 S 级和 EQS 汽车在时速低于 40 英里的高速公路上行驶时可启用 Drive Pilot 系统去控制车速、转向和刹车。一旦启用该系统，司机就不再需要承担责任，可以转移视线，放松下看部电影。如果发生了车祸，这是奔驰的问题不是司机的问题。这一区别使得梅塞德斯的半自动驾驶系统领先于特斯拉的 AutoPilot，Drive Pilot 已批准在德国所有高速公路上使用，梅塞德斯希望今年底前能在美国部署该系统。

用自动驾驶卡车取代长途货运卡车的潜力巨大。从工厂或配送中心到洲际公路的短旅程通常比接下来的几百英里要复杂得多。开出洲际公路后的情况也是如此。一种解决方案是货车公司在两端设立转运站，人类司机处理棘手的第一段旅程，然后将货物交给机器人驾驶的车辆，完成令人厌烦的中间部分。出口处的另一个转运站会将货物切换回人类驾驶的卡车，完成交货。密歇根大学的一项新研究显示，此类系统可取代美国长途卡车运输中 90% 的人工驾驶，大致相当于 50 万个工作岗位。研究的合作者、卡内基梅隆大学工程和公共政策博士生 Aniruddh Mohan 解释说：“我们和卡车司机交谈时，几乎每个人都说，‘是的这部分工作可自动化’。”“我们原本以为他们会有更多怀疑。”但还有很多前置条件。一方面，自动驾驶系统必须能在恶劣的天气中比现在更好地导航。其次很多州的监管机构仍未为机器人驾驶卡车扫清障碍。最后，还需要考虑基础设施——靠着咖啡因提神的司机将货物交给算法的转运站。研究表明，如果货运公司只针对美国的阳光地带（Sun Belt），他们可以很轻松地抵消掉 10% 的人类驾驶。如果他们在全国范围内部署机器人，但只在温暖的月份使用，一半的卡车运输时间都可以实现自动化。