这样的计划要求所有车辆都实现自动驾驶，并进入共享出行平台。机器人会从事琐碎的杂务，例如递送邮件。SidewalkLabs表示，将开放对该公司软件和系统的访问，让其他公司可以在此基础上开发服务，就像第三方为智能手机开发应用一样。
该公司计划密切监控公共基础设施，这引发了对数据管理和隐私保护的担忧。不过SidewalkLabs表示，可以通过与社区和当地政府的合作来解除这些担忧。
SidewalkLabs城市系统规划负责人利特·阿加瓦拉(RitAggarwala)表示：“我们为Quayside所做的不同之处在于，这个项目不仅雄心勃勃，也有一定的人文关怀。”这或许有助于Quayside避免重蹈以往智慧城市计划的覆辙。
负责Quayside开发的政府机构WaterfrontToronto表示，其他北美城市也在与SidewalkLabs联系，希望成为下一个合作的城市。该机构CEO威尔·福莱西格(WillFleissig)表示：“旧金山、丹佛、洛杉矶和波士顿都已经致电，希望获得介绍。”
4.面向所有人的人工智能
入选理由：将机器学习工具搬上云端，将有助于人工智能更广泛的传播
技术突破：基于云端的人工智能正在降低这项技术的使用难度和价格
重大意义：目前，人工智能的应用是受到少数几家公司统治的。但其一旦与云技术相结合，那它将可以对许多人变得触手可及，从而实现经济的爆发式增长。
主要研究者包括：亚马逊、谷歌、微软、百度、腾讯、阿里巴巴、科大讯飞、第四范式等
成熟期：现在
到目前为止，人工智能主要是亚马逊、百度、谷歌和微软等大公司，以及一些创业公司的玩具。对许多其他公司来说，人工智能的成本太高，全面部署非常困难。
那么解决方案是什么?基于云计算的机器学习工具正在将人工智能带给更广泛的受众。到目前为止，亚马逊AWS是云端人工智能的领先者。谷歌正凭借开源的人工智能库TensorFlow对亚马逊发起挑战。近期，谷歌还公布了CloudAutoML。这是一套经过预训练的系统，让人工智能更易于使用。
微软也拥有集成人工智能的云计算平台Azure。此外微软也与亚马逊合作，提供开源的深度学习库Gluon。Gluon主要用于开发神经网络，让神经网络变得像手机应用一样容易开发。
目前尚不清楚，哪家公司会成为云端人工智能的领先者。但对赢家来说，这意味着巨大的商机。
如果人工智能革命渗透至各行各业，那么这些产品将成为必不可少的元素。
目前，人工智能主要应用在科技行业。在这个行业中，人工智能创造了效率，带来了新的产品和服务。不过，许多其他企业和行业也试图利用人工智能。如果医药、制造和能源等行业也能全面部署这项技术，那么生产力将得到大幅提升，整个行业将因此发生革命。
然而，大部分企业仍然缺乏足够多的人才，弄清如何利用云端人工智能。因此，亚马逊和谷歌也在提供咨询服务。一旦云计算将技术普及给所有人，那么真正的人工智能革命将会启动。
5.对抗性神经网络
入选理由：两个AI系统通过玩“猫捉老鼠”游戏来获得想象力
技术突破：两个AI系统可以通过相互对抗来创造超级真实的原创图像或声音，而在此之前，机器从未有这种能力
重大意义：这给机器带来一种类似想象力的能力，因此可能让它们变得不再那么依赖人类，但也把它们变成了一种能力惊人的数字造假工具
主要研究者：GoogleBrain、DeepMind、英伟达、中科院自动化所、百度、阿里巴巴、腾讯、商汤科技、依图科技、云从科技、旷视科技等
成熟期：现在
人工智能非常擅长识别物体。在100万张照片中，它可以准确指出哪张照片中有行人正在过马路。然而，人工智能并不适合绘制一张图片，显示有行人正在过马路。如果能做到这一点，那么人工智能就能创造出非常逼真的模拟环境，让无人驾驶汽车在这样的模拟环境中训练。
问题在于，创造新东西需要想象力，而想象力是人工智能所不擅长的。
2014年，蒙特利尔大学博士生伊安·古德费罗(IanGoodfellow)在一家酒吧的学术辩论中首先想到了这个解决方案，这被称作“生成对抗网络”(GAN)。GAN让两个神经网络在数字版的“猫鼠游戏”中相互对抗。
两个网络都使用相同的数据集去训练。其中一个名为“生成器”，任务是利用所看到的图像去创建不同版本，例如3只手的人。而另一个名为“鉴别器”，任务是识别所看到的图像是否是生成器制造的假图像。
通过这样的过程，生成器将非常善于产生图像，导致鉴别器无法判断哪些是真实图像，哪些是假的。从本质上来看，生成器被训练去识别并制作看起来真实的图像。
过去10年，GAN成为了人工智能最有前景的领域之一，帮助机器生成能迷惑人眼的结果。
GAN已被投入使用，用于制作听起来很逼真的语音和图像。例如，英伟达的研究者向GAN提供了大量明星照片，随后创造出数百张并不存在的头像。另一个研究团队则生成了类似梵高作品的假画。更进一步，GAN可以以不同方式来重新想象画面，例如将阳光灿烂的道路变成一条雪路，或是将马变成斑马。
结果并不总是完美的：GAN或许会给自行车安上两个车把，或是把眉毛放在头像错误的地方。不过，由于生成的图像和声音往往非常真实，因此专家认为，从某种意义上来说，GAN已经开始了解所看到和听到的世界的底层结构。这意味着除了想象力之外，人工智能还能获得更独立的能力，理解所见的世界。
6.巴别鱼耳塞
入选理由：虽然现有硬件并不那么好用，但谷歌PixelBuds却展示了实时翻译的前景
技术突破：近实时翻译适用于多种语言，而且使用起来很方便
重大意义：在全球化日益发展的今天，语言仍是交流的一大障碍
主要研究者：谷歌、科大讯飞、百度、腾讯、搜狗、清华大学、哈尔滨工业大学、苏州大学等
成熟期：现在
