我认为我们看待这个问题的方式是错误的，得出的结论也是错误的。如果我做对了，循环就会变成:

理念->首次实施->少数人采用->临界质量->商品产品

从最初的想法到商品，你通常会经历几个世纪，假设这个想法能走到那个阶段。达·芬奇可能在1493年就画出了某种直升机，但他花了大约400年的时间才制造出一架能够自己飞离地面的实际机器。

从1580年威廉·伯恩对潜艇的第一次描述到1800年的第一次实施，你有220年的时间，而目前的潜艇仍处于起步阶段:我们几乎对水下旅行一无所知(地球上三分之二的地方都在海底，想想潜在的房地产;)

而且不可能没有更早，更早的想法，只是我们从未听说过。根据一些传说，亚历山大大帝在公元前332年使用了某种潜水钟(这是潜艇的基本概念:一种在海底运送人员和空气供应的装置)。算上这一点，我们从想法(甚至只有一个基本的原型)到生产产品需要2000年的时间。

我想说的是，在1980年之前，那些甚至都不是想法的实现，更不用说产品了……我敢打赌，“快速排序”算法是由中国古代某个无名档案管理员使用的。那又怎样?

当然，40年前就有了联网的计算机，但那无法与今天的互联网相比。基本的理念/技术是存在的，但不管怎样你都不能在线玩《魔兽》游戏。

我认为我们在大多数计算领域都需要真正的新想法，我想知道最近已经完成的任何重要而有力的想法。如果我们真的找不到他们，那么我们应该问“为什么?”和“我们应该做什么?”

从历史上看，我们从来没有能够如此快速地“找到它们”。我认为这个周期正变得越来越快，但计算技术仍然非常年轻。

目前，我正试图弄清楚如何制作全息图(星球大战那种，没有任何物理支持)。我想我知道该怎么做了。我甚至还没有收集工具、材料和资金，即使我在某种程度上取得了成功，实际的想法也已经有几十年的历史了，至少相关的实现/技术已经被使用了很长时间。

一旦你开始列出实际的产品，你就可以相当肯定概念和最初的实现在一段时间前就已经存在了。没关系。

你可能会以某种理由争辩说，从来没有什么是新的，或者一切都是新的，总是如此。这就是哲学，两种观点都有道理。

从实践的观点来看，真理介于两者之间。真理不是二进制概念，布尔逻辑是该死的。

中国人也许早在很久以前就发明了印刷机，但大多数人能够在家以合理的价格打印出像样的彩色照片也不过10年的时间。

发明无处不在，这取决于你的标准和参照系。

更好的用户界面。

今天的用户界面仍然很糟糕。我指的不是小的方面，而是大的、基本的方面。我不禁注意到，即使是最好的程序也仍然有一些接口，这些接口要么极其复杂，要么需要以其他方式进行大量的抽象思考，而且无法达到传统的非软件工具的易用性。

诚然，这是由于软件可以比传统工具做更多的事情。但这不是接受现状的理由。此外，大多数软件都做得不好。

In general, applications still lack a certain “just works” feeling are too much oriented by what can be done, rather than what should be done. One point that has been raised time and again, and that is still not solved, is the point of saving. Applications crash, destroying hours of work. I have the habit of pressing Ctrl+S every few seconds (of course, this no longer works in web applications). Why do I have to do this? It's mind-numbingly stupid. This is clearly a task for automation. Of course, the application also has to save a diff for every modification I make (basically an infinite undo list) in case I make an error.

解决这个问题其实并不难。在每个应用程序中都很难实现它，因为没有好的API可以做到这一点。编程工具和库必须显著改进，才能在所有平台和程序上轻松实现这些工作，适用于所有具有任意备份存储且不需要用户交互的文件格式。但在我们最终开始编写“好的”应用程序而不仅仅是足够的应用程序之前，这是必要的一步。

I believe that Apple currently approximates the “just works” feeling best in some regards. Take for example their newest version of iPhoto which features a face recognition that automatically groups photos by people appearing in them. That is a classical task that the user does not want to do manually and doesn't understand why the computer doesn't do it automatically. And even iPhoto is still a very long way from a good UI, since said feature still requires ultimate confirmation by the user (for each photo!), since the face recognition engine isn't perfect.

我认为自20世纪80年代以来发明的最好的想法将是我们不知道的。要么是因为它们很小，无处不在，以至于不引人注意，要么是因为它们的受欢迎程度还没有真正起飞。

前者的一个例子是单击并拖动以选择文本的一部分。我相信这是1984年首次出现在麦金塔电脑上。在此之前，您有单独的按钮用于选择选择的开始和结束。相当繁重。

后者的一个例子是(可能是)可视化编程语言。我不是说像hypercard，我是说像Max/MSP, Prograph, Quartz Composer, yahoo pipes等。目前它们确实是小众的，但我认为，除了思想分享之外，没有什么能阻止它们像标准编程语言一样具有表现力和强大的功能。

可视化编程语言有效地加强了引用透明性的函数式编程范式。这对于代码来说是一个非常有用的属性。他们执行这一点的方式也不是人为的——这只是由于他们使用的比喻。

VPL让那些本来不会编程的人也能编程，比如有语言障碍的人，比如阅读困难的人，甚至只是需要简单节省时间的门外汉。专业程序员可能会对此嗤之以鼻，但就我个人而言，我认为如果编程成为一种真正无处不在的技能，就像识字一样，那就太好了。

就目前来看，VPL只是一个小众的兴趣，还没有真正成为主流。

我们应该做些什么不同的事情

all computer science majors should be required to double major- coupling the CS major with one of the humanities. Painting, literature, design, psychology, history, english, whatever. A lot of the problem is that the industry is populated with people that have a really narrow and unimaginative understanding of the world, and therefore can't begin to imagine a computer working any significantly differently than it already does. (if it helps, you can imagine that I'm talking about someone other than you, the person reading this.) Mathematics is great, but in the end it's just a tool for achieving. we need experts who understand the nature of creativity, who also understand technology.

But even if we have them, there needs to be an environment where there's a possibility that doing something new would be worth the risk. It's 100 times more likely that anything truly new gets rejected out of hand, rather viciously. (the newton is an example of this). so we need a much higher tolerance for failure. We should not be afraid to try an idea which has failed in the past. We should not fully reject our own failures- and we should learn to recognize when we have failed. We should not see failure as a bad thing, and so we shouldn't lie to ourselves or to others about it. We should just get used to it, because it is just about the only constant in this ever changing industry. Post mortems are useful in this regard.

One of the more interesting things, about smalltalk, I think, was not the language itself, but the process that was used to arrive at the design of smalltalk. The iterative design process, going through many many revisions- But also very carefully and critically identifying the flaws of the existing system, and finding solutions in the next one. The more perspectives, and the broader the perspectives we have on the situation, the better we can judge where the mistakes and problems are. So don't just study computer science. Study as many other academic subjects as you can get yourself to be interested in.

来回答一个稍微不同的问题。我认为我们需要在隐私、信任和声誉方面有大的想法。我的电脑几乎能捕捉到关于我的一切，我在哪里，我说了什么，我打了什么，我看到了什么……大量的信息和同等数量的实体(人、商店、网站、服务)，我可能想与他们共享其中的一些信息，即使它只是一个数据块。

我的信息需要挖掘(不是谷歌的，Facebook的或苹果的)。我的计算机需要代表我使用它，因此信任需要端到端。这样我们就可以将新的信息中间商去中介化。

增强现实

真实世界的视图与虚拟元素以某种方式结合在一起。

“虚拟现实”一词出现于1989年，比“增强现实”一词出现早了几年。

一些早期的使能技术是在1980年之前发明的，但这个概念本身可以追溯到90年代初(至少维基百科是这么说的)。

http://en.wikipedia.org/wiki/Augmented_reality#History

一些回答提到了量子计算机，好像它们还在遥远的未来，但我不敢苟同。

There were vague mentions of possibility of quantum computers in 1970s and 1980s (see timeline on Wikipedia), however the first "working" 3-qubit NMR quantum computer was built in 1998. The field is still in infancy, and almost all progress is still theoretical and confined to academia, but in 2007 company called D-Wave Systems presented a prototype of a working 16-qubit, and later during the year 28-qubit adiabatic quantum computer. Their effort is notable since they claim that their technology is commercially viable and scalable. As of 2010, they have 7 rigs, current generation of their chips has 128 qubits. They seem to have partnered with Google to find interesting problems to test their hardware on.

我推荐这段简短的24分钟视频和维基百科上关于D-Wave的文章作为快速概述，在这个由D-Wave创始人和首席财务官撰写的博客上有更多的资源。