总的来说，这两本书还是比较鸡肋的，还好是趁打折，总价应该不到80拿下，不然一本近100的价格实在是不划算。算是列举了从2012年起，由《麻省理工科技评论》评出的年度10大黑科技，但也仅仅是比较粗浅地列举，内容深度可能还没有“科学声音”的好。
一个有趣的点是，有些技术在这五六年间被多次提到，如CRISPR；但另一些，在今天已经被证明是一个笑话了，如MagicLeap。再想到之前听吴晓波2015年的节目，其中有提到他对当时房价的预测，在今天看妥妥被打脸。时间过了，再回头看看之前的豪言壮语，倒也是可以找点乐子的，当然对于个人成功来说，也并没有什么用。另外，很令我不爽的是，每篇后面，还会有个专家点评，有些是院士什么的也就算了，但一直有个阿里的人要来说一通有的没的，也不是什么高阶的、科学圈的，让我觉得是白瞎花钱买了这几页。
以下是2016年到2012年的部分：
当今科学界，比较认同的第一个科学家是希腊的泰勒斯，前625-前545；用三角测量海上船只的距离，使用了科学的思维，全部采用更改思考的方式，而不是涉及神或者超自然的东西
世界科学的发展也不是一路前进的，在476年，罗马帝国时期已经发明了水泥技术；但罗马帝国灭亡后，长达1200年间，欧洲人只能依赖落后的沙土黏合材料，直到1568年水泥被再次发明
全球化对人们生活的影响早在中世纪已经出现，由中国传入欧洲的胸带挽具，使得马可以取代牛，进行重犁深耕；同时期，欧洲对农业的改进也从二田轮作改进为三田轮作。（这其实也是本质推动世界发展的，但在之前不大被提到的农业技术）
牛顿确实是个奇葩，有大量的科学成果，如：微积分，色彩理论，运动定律，万有引力等，但又不喜欢撰文公开；在其友劝说下，才硬是整理了一本《自然哲学的数学原理》；（以上几条其实都是序中，科学史的东西，加上之前卓老板那儿听的，这科学圈一点不比江湖少事儿啊）
现在的免疫学研究，终于已经推进到，开始研究了解肿瘤细胞和免疫系统对话的本质，并逐步绘制出控制免疫系统与肿瘤互动方式的分子网络，已经到分子层面了，Orz。
热闹的生物公司，基因编辑这一块不是很熟，但是现实表明，测序一般一次会产生上百GB的数据，如何快速处理这些数据，也已经是一门大问题了。有一家波士顿的公司，AbVitro，其立身之本就是将原来7个月的测序时间缩短到7天，主要就是依靠了新的计算方法。（跨界融合，如果无法真正革新）
CRISPR全称为Clustered regularly interspaced short palindromic repeats，是一套完整的基因编辑系统，是细菌在和病毒斗争中演化出来的免疫武器，本质还是来源于大自然，所以这一成果也可以说是发现；与一般的基因工程不同的是，CRISPR不会引入外源基因，这在舆论宣传上比较站得稳；这个在2014年和2016年两次被提到。
Slack进了2016年的名单，这倒是比较意外，功能不多说了，要不是有墙，早就全用上了；其背后也找了点理论支撑，由于其信息形式更像Gossip，会让你感觉周围发生的一切，“环境知觉”，这已经被证明是有一些商业价值的；当然，Slack也由于信息过多，也会影响正常的工作；（个人觉得，有一个Gitlab机器人，次次来通知你代码更新，确实是有一点环境知觉的feel，在偶然catch到一个点时，也能切入判断对其它系统的影响，也能感受整个系统的繁忙程度）
Sroek是全球最大的海水淡化工厂，超大规模海水淡化技术；主要技术为蒸馏和反渗透，成本为能量消耗，两种方式都不低，一般在3~10kWh/m3，Sroek还是传统的RO技术，不过利益于工艺和材料上的改进，成本达到了新低，58美分/m3
光合作用不止一种！！！常见的是C3形光合作用，在1960年左右，澳大利亚科学家使用C18同伴素，发现了玉米、甘蔗中还有另一种C4光合作用；C4中，CO2先被固定，再进行光合作用，被固定于叶肉细胞的花环状结构中，这样的存储结构无形中增加了CO2的浓度，提高了光合作用的水平；主要在热带植物中，原因是，过热天气时，植物也要关闭气孔，就无法呼吸CO2了，所以进化出了先固化，再按需使用的结构。
Quip一家没怎么听过的，Salesforce下的公司，做在线协作的，关注下，不过在国内确实不热，反正被墙。
早在2014年，农用无人机，就已经被提出了，主要当然是用于如咖啡、葡萄这类高产值经济作物；能够提供不同的作物观察视角：一是，从空中观察作物形态，如灌溉问题、土壤变化、真菌感染等，二是，可以进行多谱段拍摄，同时从红外和可见光中捕捉信息，三是，可以定期巡航，自动比对；（可以上一个农业AI的思路了，不过大概真的只能处理这类高附加值的经济作物，常规的农产品，成本算不来啊）
2013年，已经在提DL了，当时，游离在圈外确实有点没feel了；这个点，也大概是这10年的开端了；不过对于大多数人来说，也还是在2015年9月tf发布后，才陆续有了这些高级的学习接口，才能上手实验的。
之前一直无法使用直流高压输电，主要原因是，断路器，由于基础原理的不同，直流电网的断路器在2013年前一直没法做好，ABB在2013年搞出的，混合直流断路器，可以将开头频率做到了200kHz，解决了直流输电断路器灭弧因难的问题，才让真正的大规模直流电网成为可能。另外直流输电好处多，制造低，损耗小，稳定。（不过从发展来看，这样精巧的设计，可能在一些历史变故下会导致整个系统无法使用，感觉是一个delicated系统）
2012年的时候，有人搞了一个Faster Fourier Transform，可以在原来FFT的基础上，再提速10到100倍，基础的想法是，在处理输入信号时，先选择性地过滤了一部分输入信号，实际上是滤波了，信息熵减少，要处理的信息量减少，这不仅在传统信号处理中，在图像中也可以考虑适用这类思路；当然，比较不好的是，由于这一方法有一定的信号损失和对旧有系统的不兼容性，不过总的来说还是一个直观且有效的思路。
以下是2017年的部分：
AlphaGo的DeepMind将蒙特卡洛树搜索与两个尝试神经网络–价值网络和策略网络结合，通过人类职业棋手的比赛数据对网络进行了监督学习训练。通俗来说，先让其学会评价棋路优劣，再通过不断与自己对弈强化学习；强化学习是众多学习方法中可能最为特殊的一个，其本质是需要通过对“环境”的交互，来逐步学习进化。同环境的交互过程，就类同与人类成长，人类成长也是一种无监督强化学习；Google使用DeepMind做了一个我很喜欢的事情，使用机器学习帮助其数据中心冷却账单下降40%，这是AI真正与世界的交互，而不是下棋之类的玩玩游戏；（今后，全面无人车时代，道路行驶优化也就靠这个了）
直接走不通，就换一个方式，传统的太阳能电池面临的一个大问题是，能量转化率不高，主要是由于单个类型的光伏电池，只能吸收特定波长的光；一个变通的思路，通过半透明，叠加多层，来增加吸收率；另一个思路是，将光吸收成热（使用类黑体），再通过中间介质，输出特定波长的辐射，这样吸收端就可以单独针对一个波长的光吸收做优化了。
2013年Stanford的人，在《自然》上发表了Clarity技术，一种可以使小鼠组织透明化的的技术；通过Clarity，人们能够在器官中定位目标细胞的三维位置；Clarity的诞生使人们走进了器官图像分析的新纪元，从2D到了3D，最终给人体细胞图谱的构建起了很大的帮助；（所以无论在哪个方面，科学技术是第一生产力）
Self-driving Truck可能会比家用车更早形成市场；好处太多，并且都是直接影响经济效益的，如：多车形成车列，风阻减少，不分时段，没有疲劳驾驶；otto是其中一家比较大的公司；矿业方面，英国的RioTinto已经在澳大利亚的矿场部署了73辆日本小松产的自动驾驶货车，可以24小时运行
听起来很好的量子计算，在有现成可用的计算机之前，已经有科学家研发相关的量子算法了；（其实之前就有个疑惑，量子计算机，要用好，肯定是无法使用旧有的算法的，旧有的高效算法，可能正是量子计算不擅长的；之后一长段时间内，应当是传统计算机+量子计算核心的方式）；Shor算法，用于有效分解大数因子，Grover算法，量子搜寻算法；量子计算机，另一个大挑战是，如何读出计算后的结果，这可能比计算过程还要难一点，暂时有离子阱、量子点之类的实现方法，但显然还没有成为定式。
