新一代信息技術(shù)導(dǎo)論（微課版）（第2版） 課件 楊竹青 第4-6章 日新月異的大數(shù)據(jù)；引領(lǐng)未來(lái)人工智能；信用基石區(qū)塊鏈

日新月異的大數(shù)據(jù)

引導(dǎo)大數(shù)據(jù)時(shí)代已經(jīng)來(lái)臨，給信息技術(shù)的發(fā)展帶來(lái)了巨大變革，也深刻影響著社會(huì)生產(chǎn)和人們生活的方方面面。在全球范圍內(nèi)，世界各國(guó)均高度重視大數(shù)據(jù)相關(guān)技術(shù)的研究和產(chǎn)業(yè)發(fā)展，紛紛把大數(shù)據(jù)上升為國(guó)家戰(zhàn)略，并加以重點(diǎn)推進(jìn)。2學(xué)習(xí)目標(biāo)【知識(shí)目標(biāo)】掌握大數(shù)據(jù)的概念；掌握大數(shù)據(jù)的關(guān)鍵技術(shù)；了解大數(shù)據(jù)的相關(guān)應(yīng)用?！炯寄苣繕?biāo)】熟悉大數(shù)據(jù)技術(shù)應(yīng)用的基本過(guò)程；熟悉大數(shù)據(jù)相關(guān)應(yīng)用的內(nèi)在原理；掌握大數(shù)據(jù)技術(shù)的存儲(chǔ)和處理流程。【素質(zhì)目標(biāo)】培養(yǎng)學(xué)生運(yùn)用大數(shù)據(jù)思維方式分析問(wèn)題的意識(shí)；強(qiáng)化學(xué)生的團(tuán)隊(duì)協(xié)作意識(shí)和處理綜合問(wèn)題的能力。3思維導(dǎo)圖44.1大數(shù)據(jù)概述

序：6

對(duì)于一個(gè)國(guó)家而言，能否緊緊抓住大數(shù)據(jù)發(fā)展機(jī)遇，快速形成核心技術(shù)和應(yīng)用并參與新一輪的全球化競(jìng)爭(zhēng)，將直接決定未來(lái)若干年世界范圍內(nèi)各國(guó)科技力量博弈的格局。大數(shù)據(jù)專(zhuān)業(yè)人才的培養(yǎng)是新一輪科技較量的基礎(chǔ)，高等院校承擔(dān)著大數(shù)據(jù)人才培養(yǎng)的重任，因此，各高等院校非常重視大數(shù)據(jù)課程的開(kāi)設(shè)，大數(shù)據(jù)課程已經(jīng)成為計(jì)算機(jī)科學(xué)與技術(shù)專(zhuān)業(yè)的核心課程。4.1.1概念7

大數(shù)據(jù)技術(shù)是指以大數(shù)據(jù)為基礎(chǔ)，利用大數(shù)據(jù)分析技術(shù)，從海量數(shù)據(jù)中提取有價(jià)值的信息，從而支持企業(yè)決策的技術(shù)。它是一種新興的技術(shù)，它可以幫助企業(yè)更好地利用數(shù)據(jù)，提高企業(yè)的效率和效益。大數(shù)據(jù)技術(shù)包括數(shù)據(jù)挖掘、機(jī)器學(xué)習(xí)、數(shù)據(jù)可視化和數(shù)據(jù)倉(cāng)庫(kù)等。大數(shù)據(jù)是一個(gè)體量特別大、數(shù)據(jù)類(lèi)型特別多的數(shù)據(jù)集，且這樣的數(shù)據(jù)集無(wú)法用傳統(tǒng)數(shù)據(jù)庫(kù)工具對(duì)其內(nèi)容進(jìn)行抓取、管理和處理。目前所說(shuō)的“大數(shù)據(jù)”不僅指數(shù)據(jù)本身的規(guī)模，也包括采集數(shù)據(jù)的工具、平臺(tái)和數(shù)據(jù)分析系統(tǒng)。4.1.2特征

大數(shù)據(jù)的定義多而雜，但是內(nèi)涵都差不多，即大數(shù)據(jù)由巨型數(shù)據(jù)集組成，這些數(shù)據(jù)集規(guī)模超出了常用軟件在可接受時(shí)間下的收集、管理、處理和使用能力。雖然大數(shù)據(jù)的定義沒(méi)有統(tǒng)一，但是國(guó)際知名公司IBM定義的大數(shù)據(jù)的五個(gè)特征卻受到業(yè)界的廣泛認(rèn)可，也就是5V特征：Volume（數(shù)據(jù)量大）、Variety（數(shù)據(jù)類(lèi)型繁多）、Velocity（數(shù)據(jù)處理速度快）、Value（數(shù)據(jù)價(jià)值密度低）和Veracity（數(shù)據(jù)具備真實(shí)性）。8數(shù)據(jù)量大9

傳感器、物聯(lián)網(wǎng)、工業(yè)互聯(lián)網(wǎng)、車(chē)聯(lián)網(wǎng)、手機(jī)、平板電腦等均是大數(shù)據(jù)的源頭，生活在數(shù)字時(shí)代的我們天天都在產(chǎn)生著數(shù)量的數(shù)據(jù)（如微信、QQ聊天，上網(wǎng)搜索，網(wǎng)上購(gòu)物等產(chǎn)生的數(shù)據(jù)）。從數(shù)據(jù)量的角度而言，大數(shù)據(jù)泛指無(wú)法在可容忍的時(shí)間內(nèi)用傳統(tǒng)信息技術(shù)和軟硬件工具對(duì)其進(jìn)行獲取、管理和處理的巨量數(shù)據(jù)集合，需要可伸縮的計(jì)算體系結(jié)構(gòu)以支持其存儲(chǔ)、處理和分析。

大數(shù)據(jù)不再以GB或TB為單位來(lái)衡量，而是以PB（1000TB）、EB（100萬(wàn)TB）或ZB（10億TB）為計(jì)量單位。因此，數(shù)據(jù)量大是大數(shù)據(jù)的首要特征。數(shù)據(jù)量大10

根據(jù)著名咨詢(xún)機(jī)構(gòu)互聯(lián)網(wǎng)數(shù)據(jù)中心（InternetDataCenter，IDC）做出的估測(cè)，人類(lèi)社會(huì)產(chǎn)生的數(shù)據(jù)一直都在以每年50%的速度增長(zhǎng)，也就是說(shuō)，大約每?jī)赡陻?shù)據(jù)量就翻番，這被稱(chēng)為“大數(shù)據(jù)摩爾定律”。這意味著，人類(lèi)在最近兩年產(chǎn)生的數(shù)據(jù)量相當(dāng)于之前產(chǎn)生的全部數(shù)據(jù)量之和。預(yù)計(jì)2020年，全球?qū)⒖偣矒碛?5ZB（數(shù)據(jù)存儲(chǔ)單位之間的換算關(guān)系見(jiàn)表4-1）的數(shù)據(jù)量，是2010年的數(shù)據(jù)量的近30倍。數(shù)據(jù)量大11存儲(chǔ)單位換算關(guān)系Byte（字節(jié)）1Byte=8bitKB（千字節(jié)）1KB=1024ByteMB（兆字節(jié)）1MB=1024KBGB（吉字節(jié)）1GB=1024MBTB（太字節(jié)）1TB=1024GBPB（拍字節(jié)）1PB=1024TBEB（艾字節(jié)）1EB=1024PBZB（澤字節(jié)）1ZB=1024EB數(shù)據(jù)類(lèi)型繁多12大數(shù)據(jù)的來(lái)源眾多，如網(wǎng)絡(luò)日志、音頻、視頻、圖片、地理位置信息等，類(lèi)型包括結(jié)構(gòu)化數(shù)據(jù)、半結(jié)構(gòu)化數(shù)據(jù)和非結(jié)構(gòu)化數(shù)據(jù)，多類(lèi)型的數(shù)據(jù)對(duì)數(shù)據(jù)的處理能力提出了更高的要求。生物大數(shù)據(jù)、交通大數(shù)據(jù)、醫(yī)療大數(shù)據(jù)、電信大數(shù)據(jù)、電力大數(shù)據(jù)和金融大數(shù)據(jù)等都呈現(xiàn)出“井噴式”增長(zhǎng)態(tài)勢(shì)，所涉及的數(shù)據(jù)量十分巨大，已經(jīng)從TB級(jí)別躍升到PB級(jí)別。各行各業(yè)每時(shí)每刻都在生成各種不同類(lèi)型的數(shù)據(jù)。數(shù)據(jù)類(lèi)型繁多13消費(fèi)者大數(shù)據(jù)2020年，我國(guó)移動(dòng)互聯(lián)網(wǎng)用戶數(shù)量穩(wěn)步增長(zhǎng)，但增速卻持續(xù)放緩。2020年我國(guó)4G用戶總數(shù)達(dá)到12.89億戶，占移動(dòng)電話用戶數(shù)的80.8%。我國(guó)5G用戶規(guī)?？焖贁U(kuò)大，5G終端連接數(shù)突破2億戶。截至2020年12月，中國(guó)手機(jī)網(wǎng)民規(guī)模已達(dá)9.86億，每日新增據(jù)量達(dá)到18TB，累計(jì)存儲(chǔ)量超過(guò)900PB。2020年，國(guó)內(nèi)智能手機(jī)出貨量2.96億部，智能音箱市場(chǎng)銷(xiāo)量3676萬(wàn)臺(tái)，智能家居設(shè)備市場(chǎng)出貨量為2億臺(tái)。同時(shí)，2020年中國(guó)可穿戴設(shè)備市場(chǎng)出貨量近1.1億臺(tái)，其中智能藍(lán)牙耳機(jī)市場(chǎng)出貨量5078萬(wàn)臺(tái)，成人智能手表市場(chǎng)出貨量1532萬(wàn)臺(tái)。2020年國(guó)內(nèi)市場(chǎng)5G手機(jī)累計(jì)出貨量1.63億部，上市新機(jī)型累計(jì)218款。

國(guó)內(nèi)市場(chǎng)的移動(dòng)應(yīng)用數(shù)量小幅減少。截至2020年12月，國(guó)內(nèi)市場(chǎng)監(jiān)測(cè)到的相關(guān)App數(shù)量為345萬(wàn)款，較2019年減少22萬(wàn)款。其中，游戲類(lèi)、音樂(lè)視頻類(lèi)、日常工具類(lèi)、社交軟件類(lèi)、系統(tǒng)工具類(lèi)App下載量排在前列。數(shù)據(jù)類(lèi)型繁多14金融大數(shù)據(jù)。

隨著信息技術(shù)的飛速發(fā)展，特別是云計(jì)算、大數(shù)據(jù)技術(shù)在電子商務(wù)、證券期貨、互聯(lián)網(wǎng)金融等領(lǐng)域的廣泛應(yīng)用，未來(lái)金融業(yè)的核心競(jìng)爭(zhēng)力很大程度上依賴(lài)于從大數(shù)據(jù)中提取信息和知識(shí)的速度快慢與能力大小，而這種速度和能力，取決于數(shù)據(jù)分析、數(shù)據(jù)挖掘和數(shù)據(jù)應(yīng)用的水平。隨著互聯(lián)網(wǎng)金融、移動(dòng)支付等新型金融業(yè)態(tài)的不斷涌現(xiàn)，強(qiáng)化以“用戶為中心”的服務(wù)模式將成為未來(lái)金融業(yè)的重要發(fā)展方向，這一變化有助于金融產(chǎn)品創(chuàng)新、精準(zhǔn)營(yíng)銷(xiāo)和風(fēng)險(xiǎn)管理，實(shí)現(xiàn)數(shù)據(jù)資產(chǎn)向市場(chǎng)競(jìng)爭(zhēng)力的。

據(jù)不完全統(tǒng)計(jì)，中國(guó)平安有約8.8億客戶的臉譜和信用信息，以及近5000萬(wàn)個(gè)聲紋庫(kù)；中國(guó)工商銀行擁有約5.5億個(gè)人客戶，全行數(shù)據(jù)量超過(guò)60PB；中國(guó)建設(shè)銀行擁有超過(guò)5億的客戶，手機(jī)銀行用戶達(dá)到1.8億，網(wǎng)銀用戶超過(guò)2億，數(shù)據(jù)存儲(chǔ)量達(dá)到100PB。數(shù)據(jù)類(lèi)型繁多15醫(yī)療大數(shù)據(jù)

隨著我國(guó)醫(yī)療衛(wèi)生事業(yè)的發(fā)展，國(guó)內(nèi)的醫(yī)療信息化建設(shè)已經(jīng)取得了顯著的成就。醫(yī)院每天會(huì)有PB級(jí)的數(shù)據(jù)增加，數(shù)據(jù)涉及的方向和維度也不斷增多，因此數(shù)據(jù)展示仍然面臨很大困難。一個(gè)人擁有約1014個(gè)細(xì)胞、109個(gè)堿基，一次全面的基因測(cè)序產(chǎn)生的個(gè)人數(shù)據(jù)可以達(dá)到100～600GB。在醫(yī)學(xué)影像中，一次3D核磁共振檢查可以產(chǎn)生約150MB的數(shù)據(jù)，一張CT圖像約產(chǎn)生150MB的數(shù)據(jù)。

綜上所述，大數(shù)據(jù)的數(shù)據(jù)量非常大，但是其總體可以分成兩大類(lèi)，即結(jié)構(gòu)化數(shù)據(jù)和非結(jié)構(gòu)化數(shù)據(jù)。其中，前者占10%左右，主要是指存儲(chǔ)在關(guān)系數(shù)據(jù)庫(kù)中的數(shù)據(jù)；后者占90%左右，且種類(lèi)繁多，包括電子郵件、音頻、視頻、位置信息、鏈接信息、手機(jī)呼叫信息和網(wǎng)絡(luò)日志等。處理速度快16

數(shù)據(jù)增長(zhǎng)速度快，這就要求系統(tǒng)需要對(duì)數(shù)據(jù)進(jìn)行實(shí)時(shí)分析和處理以便及時(shí)丟棄。這是大數(shù)據(jù)區(qū)別于傳統(tǒng)數(shù)據(jù)挖掘的地方（傳統(tǒng)數(shù)據(jù)采用事后批處理的方式）。在Web2.0應(yīng)用領(lǐng)域，在1分鐘內(nèi)，新浪可以產(chǎn)生20000條微博，Twitter可以產(chǎn)生100000條推文，Apple可以產(chǎn)生下載47000萬(wàn)次應(yīng)用的數(shù)據(jù)，淘寶可以賣(mài)出60000件商品，百度可以產(chǎn)生900000次搜索查詢(xún)的數(shù)據(jù)，F(xiàn)acebook可以產(chǎn)生6000000次瀏覽量。

高性能計(jì)算（HighPerformanceComputing，HPC）發(fā)展迅猛，中國(guó)作為HPC的新興市場(chǎng)，未來(lái)巨大的市場(chǎng)份額不僅吸引了全球眾多的HPC廠商，也激勵(lì)了本土企業(yè)（如曙光）的崛起。作為中國(guó)本土“高性能計(jì)算領(lǐng)跑者”的曙光公司，曾進(jìn)入全球HPC銷(xiāo)售額十強(qiáng)。另外，量子計(jì)算機(jī)的逐步商業(yè)化應(yīng)用，也將使得大數(shù)據(jù)高速處理方法的研究如虎添翼。數(shù)據(jù)價(jià)值密度低17

大數(shù)據(jù)雖然看起來(lái)很“美”，但是其數(shù)據(jù)價(jià)值密度遠(yuǎn)遠(yuǎn)低于傳統(tǒng)關(guān)系數(shù)據(jù)庫(kù)中的數(shù)據(jù)價(jià)值密度。在大數(shù)據(jù)時(shí)代，很多有價(jià)值的信息是分散在海量數(shù)據(jù)中的。以小區(qū)監(jiān)控?cái)z像頭為例，如果沒(méi)有意外事件發(fā)生，則連續(xù)不斷產(chǎn)生的數(shù)據(jù)都是沒(méi)有任何價(jià)值的，當(dāng)發(fā)生偷盜等意外情況時(shí)，也只有記錄了事件過(guò)程的那一小段視頻有價(jià)值。但是為了能夠獲得發(fā)生偷盜等意外情況時(shí)的那一段有價(jià)值的視頻，人們不得不投入大量資金購(gòu)買(mǎi)監(jiān)控設(shè)備、網(wǎng)絡(luò)設(shè)備、存儲(chǔ)設(shè)備和耗費(fèi)大量的電能和存儲(chǔ)空間來(lái)保存攝像頭連續(xù)不斷產(chǎn)生的監(jiān)控?cái)?shù)據(jù)。數(shù)據(jù)具備真實(shí)性18

數(shù)據(jù)的真實(shí)性是指大數(shù)據(jù)的質(zhì)量?jī)?yōu)劣，大數(shù)據(jù)的內(nèi)容是與真實(shí)世界息息相關(guān)的，真實(shí)不一定代表準(zhǔn)確，但一定不是虛假數(shù)據(jù)，這也是數(shù)據(jù)分析的基礎(chǔ)。基于真實(shí)的交易與用戶行為產(chǎn)生的數(shù)據(jù)才有意義。因此，如何識(shí)別造假數(shù)據(jù)，更是值得研究的領(lǐng)域。

如今，幾乎每個(gè)企業(yè)都在使用大數(shù)據(jù)。大數(shù)據(jù)分析提供了一個(gè)真正具有潛在利益的礦藏，大數(shù)據(jù)的真實(shí)性體現(xiàn)在數(shù)據(jù)的質(zhì)量上。質(zhì)量好的數(shù)據(jù)能夠給生產(chǎn)和生活帶來(lái)前所未有的效益。4.1.3發(fā)展歷程19

大數(shù)據(jù)是信息技術(shù)發(fā)展的必然產(chǎn)物，推動(dòng)了數(shù)字經(jīng)濟(jì)的形成與繁榮，它的出現(xiàn)標(biāo)志著信息化進(jìn)程進(jìn)入發(fā)展新階段。當(dāng)前，我們正在進(jìn)入以數(shù)據(jù)的深度挖掘和融合應(yīng)用為主要特征的大數(shù)據(jù)時(shí)代?；仡櫞髷?shù)據(jù)的發(fā)展歷程，可以大致分為以下四個(gè)時(shí)期：萌芽期、成長(zhǎng)期、爆發(fā)期和大規(guī)模應(yīng)用期。萌芽期（1980-2008年）20

大數(shù)據(jù)的概念被提出，相關(guān)技術(shù)也得到一定程度的傳播，但沒(méi)有得到實(shí)質(zhì)性發(fā)展。同一時(shí)期，隨著數(shù)據(jù)挖掘理論和數(shù)據(jù)庫(kù)技術(shù)的逐步成熟，一批商業(yè)智能工具和知識(shí)管理技術(shù)開(kāi)始被應(yīng)用，如數(shù)據(jù)倉(cāng)庫(kù)、專(zhuān)家系統(tǒng)、知識(shí)管理系統(tǒng)等。成長(zhǎng)期（2009-2012年）21

大數(shù)據(jù)市場(chǎng)迅速成長(zhǎng)，互聯(lián)網(wǎng)數(shù)據(jù)呈爆發(fā)式增長(zhǎng)，大數(shù)據(jù)技術(shù)逐漸被大眾熟悉并使用。截至2009年12月31日，中國(guó)互聯(lián)網(wǎng)絡(luò)信息中心統(tǒng)計(jì)數(shù)據(jù)顯示，2019年中國(guó)網(wǎng)民規(guī)模達(dá)到3.84億人，互聯(lián)網(wǎng)普及率達(dá)到28.9%。寬帶網(wǎng)民規(guī)模達(dá)到3.46億人。國(guó)際出口帶寬達(dá)866，367Mbit/s?；ヂ?lián)網(wǎng)數(shù)據(jù)呈爆發(fā)式增長(zhǎng)。爆發(fā)期（2013-2015年）22

大數(shù)據(jù)迎來(lái)了發(fā)展的高潮階段，包括我國(guó)在內(nèi)的世界各個(gè)國(guó)家紛紛布局大數(shù)據(jù)戰(zhàn)略。2013年也被稱(chēng)為大數(shù)據(jù)元年，以百度、阿里、騰訊為代表的國(guó)內(nèi)互聯(lián)網(wǎng)公司各顯身手，紛紛推出創(chuàng)新性的大數(shù)據(jù)應(yīng)用。國(guó)家統(tǒng)計(jì)局與阿里、百度等11家企業(yè)簽署了戰(zhàn)略合作框架協(xié)議，推動(dòng)大數(shù)據(jù)在政府統(tǒng)計(jì)中的應(yīng)用。大規(guī)模應(yīng)用期（2016年至今）23

大數(shù)據(jù)應(yīng)用滲透至各行各業(yè)，大數(shù)據(jù)價(jià)值不斷凸顯，數(shù)據(jù)驅(qū)動(dòng)決策和社會(huì)智能化程度大幅提高，大數(shù)據(jù)產(chǎn)業(yè)迎來(lái)快速發(fā)展和大規(guī)模應(yīng)用實(shí)施。2016年1月，《貴州省大數(shù)據(jù)發(fā)展應(yīng)用促進(jìn)條例》出臺(tái)，成立全國(guó)首部大數(shù)據(jù)地方法規(guī)。4.2大數(shù)據(jù)關(guān)鍵技術(shù)

4.2.1大數(shù)據(jù)技術(shù)應(yīng)用的基本流程25

討論大數(shù)據(jù)技術(shù)時(shí)，首先需要了解大數(shù)據(jù)的基本處理流程，主要包括數(shù)據(jù)采集、存儲(chǔ)、分析和結(jié)果呈現(xiàn)等環(huán)節(jié)。

數(shù)據(jù)無(wú)處不在，互聯(lián)網(wǎng)網(wǎng)站、政務(wù)系統(tǒng)、零售系統(tǒng)、辦公系統(tǒng)、自動(dòng)化生產(chǎn)系統(tǒng)、監(jiān)控?cái)z像頭和傳感器等每時(shí)每刻都在不斷產(chǎn)生數(shù)據(jù)。這些分散在各處的數(shù)據(jù)需要采用相應(yīng)的設(shè)備或軟件進(jìn)行采集。采集到的數(shù)據(jù)通常無(wú)法直接用于后續(xù)的數(shù)據(jù)分析，因?yàn)閷?duì)于來(lái)源眾多、類(lèi)型多樣的數(shù)據(jù)而言，數(shù)據(jù)缺失和語(yǔ)義模糊等問(wèn)題是不可避免的，必須采取相應(yīng)措施有效解決這些問(wèn)題，這就需要一個(gè)被稱(chēng)為“數(shù)據(jù)預(yù)處理”的過(guò)程，把數(shù)據(jù)變成一個(gè)可用的狀態(tài)。數(shù)據(jù)經(jīng)過(guò)預(yù)處理以后會(huì)被放到文件系統(tǒng)或數(shù)據(jù)庫(kù)系統(tǒng)中進(jìn)行存儲(chǔ)與管理，再采用數(shù)據(jù)挖掘工具對(duì)數(shù)據(jù)進(jìn)行處理分析，最后采用可視化工具為用戶呈現(xiàn)結(jié)果。在整個(gè)數(shù)據(jù)處理流程中，必須注意隱私保護(hù)和數(shù)據(jù)安全問(wèn)題。數(shù)據(jù)采集與預(yù)處理利用ETL工具將分布的、異構(gòu)數(shù)據(jù)源中的數(shù)據(jù)，如關(guān)系數(shù)據(jù)、平面數(shù)據(jù)文件等，抽取到臨時(shí)中間層后進(jìn)行清洗、轉(zhuǎn)換、集成，最后加載到數(shù)據(jù)倉(cāng)庫(kù)或數(shù)據(jù)集市中，成為聯(lián)機(jī)分析處理、數(shù)據(jù)挖掘的基礎(chǔ)；也可以利用日志采集工具（如Flume、Kafka等）把實(shí)時(shí)采集的數(shù)據(jù)作為流計(jì)算系統(tǒng)的輸入，進(jìn)行實(shí)時(shí)處理分析。26數(shù)據(jù)存儲(chǔ)與管理利用分布式文件系統(tǒng)、數(shù)據(jù)倉(cāng)庫(kù)、關(guān)系數(shù)據(jù)庫(kù)、NoSQL數(shù)據(jù)庫(kù)、云數(shù)據(jù)等，實(shí)現(xiàn)對(duì)結(jié)構(gòu)化、半結(jié)構(gòu)化和非結(jié)構(gòu)化海量數(shù)據(jù)的存儲(chǔ)和管理。27數(shù)據(jù)處理與分析利用分布式并行編程模式和計(jì)算框架，結(jié)合機(jī)器學(xué)習(xí)和數(shù)據(jù)挖掘算法，實(shí)現(xiàn)對(duì)海量數(shù)據(jù)的處理和分析；對(duì)分析結(jié)果進(jìn)行可視化呈現(xiàn)，幫助人們更好地理解數(shù)據(jù)、分析數(shù)據(jù)。28數(shù)據(jù)安全與隱私保護(hù)在從大數(shù)據(jù)中挖掘潛在的巨大商業(yè)價(jià)值和學(xué)術(shù)價(jià)值的同時(shí)，構(gòu)建隱私數(shù)據(jù)保護(hù)體系和數(shù)據(jù)安全體系，有效保護(hù)個(gè)人隱私和數(shù)據(jù)安全。294.2.2大數(shù)據(jù)的計(jì)算形式

所謂大數(shù)據(jù)計(jì)算形式，即依據(jù)大數(shù)據(jù)的不同數(shù)據(jù)特征和計(jì)算特征，從多樣性的大數(shù)據(jù)計(jì)算問(wèn)題和需求中提煉并樹(shù)立的各種高層籠統(tǒng)或模型如加州大學(xué)伯克利分校著名的Spark系統(tǒng)中的“散布內(nèi)存籠統(tǒng)”，卡內(nèi)基梅隆大學(xué)著名的圖計(jì)算系統(tǒng)GraphLab中的“圖并行籠統(tǒng)”等。傳統(tǒng)的并行計(jì)算辦法主要從體系構(gòu)造和編程語(yǔ)言的層面定義了一些較為底層的并行計(jì)算籠統(tǒng)和模型，但大數(shù)據(jù)處置問(wèn)題具有很多高層的數(shù)據(jù)特征和計(jì)算特征，因此大數(shù)據(jù)處置需要更多地分離這些高層特征并思索更為高層的計(jì)算形式。

30典型的計(jì)算機(jī)模式依據(jù)大數(shù)據(jù)處置多樣性的需求和以上不同的特征維度，目前呈現(xiàn)了多種典型和重要的大數(shù)據(jù)計(jì)算形式。31大數(shù)據(jù)計(jì)算模式解決問(wèn)題代表產(chǎn)品批處理計(jì)算針對(duì)大規(guī)模數(shù)據(jù)的批量處理MapReduce、Spark等流計(jì)算針對(duì)流數(shù)據(jù)的實(shí)時(shí)計(jì)算Storm、S4、Flume、Streams、Puma、DStream、SuperMario、銀河流數(shù)據(jù)處理平臺(tái)等圖計(jì)算針對(duì)大規(guī)模圖結(jié)構(gòu)數(shù)據(jù)處理Pregel、GraphX、Giraph、PowerGraph、Hama、GoldenOrb等查詢(xún)分析計(jì)算大規(guī)模數(shù)據(jù)的存儲(chǔ)管理和查詢(xún)分析Dremel、Hive、Cassandra、Impala等MapReduce由于MapReduce主要合適于停滯大數(shù)據(jù)線下批處置，在面向低延遲和具有復(fù)雜數(shù)據(jù)關(guān)系和復(fù)雜計(jì)算的大數(shù)據(jù)問(wèn)題時(shí)有很大的不順應(yīng)性。大數(shù)據(jù)處理的問(wèn)題復(fù)雜多樣，單一的計(jì)算模式是無(wú)法滿足不同類(lèi)型的計(jì)算需求的，MapReduce其實(shí)只是大數(shù)據(jù)計(jì)算模式中的一種，它代表了針對(duì)大規(guī)模數(shù)據(jù)的批量處理技術(shù)。

32批處理計(jì)算批處理計(jì)算主要解決針對(duì)大規(guī)模數(shù)據(jù)的批量處理，也是我們?nèi)粘?shù)據(jù)分析工作中非常常見(jiàn)的一類(lèi)數(shù)據(jù)處理需求。Spark是一個(gè)針對(duì)超大數(shù)據(jù)集合的低延遲的集群分布式計(jì)算系統(tǒng)，比MapReduce快許多。Spark啟用了內(nèi)存分布數(shù)據(jù)集，除了能夠提供交互式查詢(xún)外，還可以?xún)?yōu)化迭代工作負(fù)載。33流計(jì)算流數(shù)據(jù)也是大數(shù)據(jù)分析中的重要數(shù)據(jù)類(lèi)型。流數(shù)據(jù)（或數(shù)據(jù)流）是指在時(shí)間分布和數(shù)量上無(wú)限的一系列動(dòng)態(tài)數(shù)據(jù)集合體，數(shù)據(jù)的價(jià)值隨著時(shí)間的流逝而降低，因此必須采用實(shí)時(shí)計(jì)算的方式給出秒級(jí)響應(yīng)。34目前業(yè)內(nèi)已涌現(xiàn)出許多的流計(jì)算框架與平臺(tái)：第一類(lèi)是商業(yè)級(jí)的流計(jì)算平臺(tái)，包括IBMInfoSphereStreams等；第二類(lèi)是開(kāi)源流計(jì)算框架，包括TwitterStorm、Yahoo!S4、SparkStreaming等；第三類(lèi)是公司為支持自身業(yè)務(wù)開(kāi)發(fā)的流計(jì)算框架，如Facebook使用Puma和HBase相結(jié)合來(lái)處理實(shí)時(shí)數(shù)據(jù)，百度開(kāi)發(fā)了通用實(shí)時(shí)流數(shù)據(jù)計(jì)算系統(tǒng)DStream，淘寶開(kāi)發(fā)了通用流數(shù)據(jù)實(shí)時(shí)計(jì)算系統(tǒng)——銀河流數(shù)據(jù)處理平臺(tái)。圖計(jì)算在大數(shù)據(jù)時(shí)代，許多大數(shù)據(jù)都是以大規(guī)模圖或網(wǎng)絡(luò)的形式呈現(xiàn)，如社交網(wǎng)絡(luò)、傳染病傳播途徑、交通事故對(duì)路網(wǎng)的影響等，此外，許多非圖結(jié)構(gòu)的大數(shù)據(jù)也常常會(huì)被轉(zhuǎn)換為圖模型后再進(jìn)行處理分析。35Pregel主要用于圖遍歷、最短路徑、PageRank計(jì)算等。其他代表性的圖計(jì)算產(chǎn)品還包括：Facebook針對(duì)Pregel的開(kāi)源實(shí)現(xiàn)Giraph；Spark下的GraphX；

圖數(shù)據(jù)處理系統(tǒng)PowerGraph等。查詢(xún)分析針對(duì)超大規(guī)模數(shù)據(jù)的存儲(chǔ)管理和查詢(xún)分析，需要提供實(shí)時(shí)或準(zhǔn)實(shí)時(shí)的響應(yīng)，才能很好地滿足企業(yè)經(jīng)營(yíng)管理需求。36谷歌公司開(kāi)發(fā)的Dremel是一種可擴(kuò)展的、交互式的實(shí)時(shí)查詢(xún)系統(tǒng)，用于只讀嵌套數(shù)據(jù)的分析。4.2.3HadoopHadoop是一個(gè)由Apache基金會(huì)所開(kāi)發(fā)的分布式系統(tǒng)基礎(chǔ)架構(gòu)。用戶可以在不了解分布式底層細(xì)節(jié)的情況下開(kāi)發(fā)分布式程序，充分利用集群的威力進(jìn)行高速運(yùn)算和存儲(chǔ)。Hadoop實(shí)現(xiàn)了一個(gè)分布式文件系統(tǒng)，其中一個(gè)組件是Hadoop分布式文件系統(tǒng)（HDFS）。HDFS有高容錯(cuò)性的特點(diǎn)，并部署在低廉的硬件上；它提供高吞吐量來(lái)訪問(wèn)應(yīng)用程序的數(shù)據(jù)，適合那些有著超大數(shù)據(jù)集的應(yīng)用程序。Hadoop的框架最核心的設(shè)計(jì)就是HDFS和MapReduce。HDFS為海量的數(shù)據(jù)提供了存儲(chǔ)，而MapReduce為海量的數(shù)據(jù)提供了計(jì)算。37起源Hadoop起源于ApacheNutch項(xiàng)目，始于2002年，是ApacheLucene的子項(xiàng)目之一。2004年，谷歌在“操作系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)”會(huì)議上公開(kāi)發(fā)表了題為《MapReduce：簡(jiǎn)化大集群上的數(shù)據(jù)處理》的論文之后，受到啟發(fā)的道格·卡丁等人開(kāi)始嘗試實(shí)現(xiàn)MapReduce計(jì)算框架，并將它與基于Nutch的分布式文件系統(tǒng)（NutchDistributedFileSystem，NDFS）結(jié)合，用于支持Nutch引擎的主要算法。因?yàn)镹DFS和MapReduce在Nutch引擎中有著良好的應(yīng)用，所以它們于2006年2月被分離出來(lái)，成為一套完整而獨(dú)立的軟件，并被命名為Hadoop。到了2008年初，Hadoop已成為Apache的頂級(jí)項(xiàng)目，其包含眾多子項(xiàng)目，并被應(yīng)用到包括Yahoo在內(nèi)的很多互聯(lián)網(wǎng)公司。38優(yōu)點(diǎn)①高可靠性：Hadoop按位存儲(chǔ)和處理數(shù)據(jù)的能力值得人們信賴(lài)。②高擴(kuò)展性：Hadoop是在可用的計(jì)算機(jī)集群間分配數(shù)據(jù)并完成計(jì)算任務(wù)的，這些集群可以方便地?cái)U(kuò)展到數(shù)以千計(jì)的結(jié)點(diǎn)中。③高效性：Hadoop能夠在結(jié)點(diǎn)之間動(dòng)態(tài)地移動(dòng)數(shù)據(jù)，并保證各個(gè)結(jié)點(diǎn)的動(dòng)態(tài)平衡，且其處理速度非?？?。④高容錯(cuò)性：Hadoop能夠自動(dòng)保存數(shù)據(jù)的多個(gè)副本，并能夠自動(dòng)對(duì)失敗的任務(wù)進(jìn)行重新分配。⑤低成本：與一體機(jī)、商用數(shù)據(jù)倉(cāng)庫(kù)及QlikView、YonghongZ-Suite等數(shù)據(jù)集市相比，Hadoop是開(kāi)源的，項(xiàng)目的軟件成本因此會(huì)大大降低。39Hadoop核心框架

①高可靠性：Hadoop按位存儲(chǔ)和處理數(shù)據(jù)的能力值得人們信賴(lài)。②高擴(kuò)展性：Hadoop是在可用的計(jì)算機(jī)集群間分配數(shù)據(jù)并完成計(jì)算任務(wù)的，這些集群可以方便地?cái)U(kuò)展到數(shù)以千計(jì)的結(jié)點(diǎn)中。③高效性：Hadoop能夠在結(jié)點(diǎn)之間動(dòng)態(tài)地移動(dòng)數(shù)據(jù)，并保證各個(gè)結(jié)點(diǎn)的動(dòng)態(tài)平衡，且其處理速度非?？臁＂芨呷蒎e(cuò)性：Hadoop能夠自動(dòng)保存數(shù)據(jù)的多個(gè)副本，并能夠自動(dòng)對(duì)失敗的任務(wù)進(jìn)行重新分配。⑤低成本：與一體機(jī)、商用數(shù)據(jù)倉(cāng)庫(kù)及QlikView、YonghongZ-Suite等數(shù)據(jù)集市相比，Hadoop是開(kāi)源的，項(xiàng)目的軟件成本因此會(huì)大大降低。40Hadoop核心框架

41HDFS寫(xiě)入數(shù)據(jù)流程

42HDFS讀出數(shù)據(jù)流程

43Linux集群44Hadoop發(fā)展現(xiàn)狀45Hadoop設(shè)計(jì)之初的目標(biāo)定位于高可靠性、高可擴(kuò)展性、高容錯(cuò)性和高效性，正是這些設(shè)計(jì)上與生俱來(lái)的優(yōu)點(diǎn)才使得Hadoop一出現(xiàn)就受到眾多大公司的青睞，同時(shí)引起了研究界的普遍關(guān)注。Hadoop技術(shù)在互聯(lián)網(wǎng)領(lǐng)域已經(jīng)得到了廣泛運(yùn)用，例如，Yahoo使用4000個(gè)結(jié)點(diǎn)的Hadoop集群來(lái)支持廣告系統(tǒng)和Web搜索的研究；Facebook使用1000個(gè)結(jié)點(diǎn)的集群運(yùn)行Hadoop，用于存儲(chǔ)日志數(shù)據(jù)，并支持其上的數(shù)據(jù)分析和機(jī)器學(xué)習(xí)；百度使用Hadoop處理每周200TB的數(shù)據(jù)，從而進(jìn)行搜索日志分析和網(wǎng)頁(yè)數(shù)據(jù)挖掘工作；4.2.4Spark46ApacheSpark是專(zhuān)為大規(guī)模數(shù)據(jù)處理而設(shè)計(jì)的快速通用的計(jì)算引擎。Spark是加州大學(xué)伯克利分校的AMP實(shí)驗(yàn)室開(kāi)源的類(lèi)HadoopMapReduce的通用并行框架。Spark擁有MapReduce所具有的優(yōu)點(diǎn)；但不同于MapReduce的是——任務(wù)中間的輸出結(jié)果可以保存在內(nèi)存中，從而不再需要讀寫(xiě)HDFS，因此Spark能更好地適用于數(shù)據(jù)挖掘與機(jī)器學(xué)習(xí)等需要迭代的MapReduce的算法。Spark概述47Spark是一種快速、通用、可擴(kuò)展的大數(shù)據(jù)分析引擎，2009年誕生于加州大學(xué)伯克利分校AMP實(shí)驗(yàn)室，2010年開(kāi)源，2013年6月成為Apache孵化項(xiàng)目，2014年2月成為Apache頂級(jí)項(xiàng)目。目前，Spark生態(tài)系統(tǒng)已經(jīng)發(fā)展成為一個(gè)包含多個(gè)子項(xiàng)目的集合，其中包含Spark結(jié)構(gòu)化查詢(xún)模式（SparkSQL）、Spark實(shí)時(shí)計(jì)算模式（SparkStreaming）、圖計(jì)算模式（GraphX）、機(jī)器學(xué)習(xí)庫(kù)（MLlib）等子項(xiàng)目。Spark基于內(nèi)存計(jì)算，提高了大數(shù)據(jù)環(huán)境下數(shù)據(jù)處理的實(shí)時(shí)性，同時(shí)保證了高容錯(cuò)性和高可伸縮性，允許用戶將Spark部署在大量廉價(jià)硬件之上，形成集群。優(yōu)點(diǎn)48①更快的速度：在內(nèi)存計(jì)算中，Spark的處理速度是Hadoop的100倍。②易用性：Spark提供了80多個(gè)高級(jí)運(yùn)算符。③通用性：Spark提供了大量的庫(kù)，包括Spark內(nèi)核（SparkCore）、SparkSQL、SparkStreaming、MLlib、GraphX，開(kāi)發(fā)者可以在同一個(gè)應(yīng)用程序中無(wú)縫組合使用這些庫(kù)。④支持多種資源管理器：Spark支持HadoopYARN等資源管理架構(gòu)其自帶的獨(dú)立集群管理器。Spark生態(tài)系統(tǒng)49Spark框架50Spark框架核心組件51用戶程序工作原理524.3大數(shù)據(jù)應(yīng)用

大數(shù)據(jù)的熱潮并未有消退跡象，相反，航空、金融、電子商務(wù)、政府、電信、電力等各個(gè)行業(yè)的企業(yè)都在紛紛掘金大數(shù)據(jù)。可以看出，在推動(dòng)大數(shù)據(jù)企業(yè)應(yīng)用方面，真正看到大數(shù)據(jù)潛在商業(yè)價(jià)值的企業(yè)比大數(shù)據(jù)技術(shù)廠商還要著急。例如，IT經(jīng)理網(wǎng)曾經(jīng)報(bào)道過(guò)沃爾瑪大數(shù)據(jù)實(shí)驗(yàn)室直接參與到大數(shù)據(jù)工具的開(kāi)發(fā)和開(kāi)源工作中。在國(guó)內(nèi)，雖然管理學(xué)界和財(cái)經(jīng)媒體對(duì)大數(shù)據(jù)推崇備至，認(rèn)為大數(shù)據(jù)是信息技術(shù)改變商業(yè)世界的關(guān)鍵應(yīng)用，但是關(guān)于大數(shù)據(jù)在我國(guó)企業(yè)中應(yīng)用成功的報(bào)道卻出奇得少。4.3.1精準(zhǔn)營(yíng)銷(xiāo)互聯(lián)網(wǎng)企業(yè)使用大數(shù)據(jù)技術(shù)采集客戶的各類(lèi)數(shù)據(jù)，并通過(guò)大數(shù)據(jù)分析技術(shù)來(lái)建立“用戶畫(huà)像”，以抽象地描述用戶的信息全貌，從而可以對(duì)用戶進(jìn)行精準(zhǔn)營(yíng)銷(xiāo)和廣告投放等。554.3.2定制化服務(wù)

電子商務(wù)具有提供差異化服務(wù)的先天優(yōu)勢(shì)，可以通過(guò)技術(shù)支持實(shí)時(shí)獲得用戶的在線記錄，并及時(shí)為用戶提供定制化服務(wù)。

許多電子商務(wù)企業(yè)已經(jīng)嘗試依靠數(shù)據(jù)分析在首頁(yè)為用戶提供全面的、個(gè)性化的商品推薦。例如，海爾和天貓?zhí)峁┝俗層脩粼诰W(wǎng)上定制電視的功能，顧客可以先在電視機(jī)生產(chǎn)以前選擇尺寸、邊框、清晰度、能耗、顏色和接口等，再由廠商組織生產(chǎn)并送貨到顧客家中。這樣的定制化服務(wù)受到了用戶的廣泛歡迎。564.3.3個(gè)性化推薦個(gè)性化推薦系統(tǒng)通過(guò)分析用戶的行為，包括反饋意見(jiàn)、購(gòu)買(mǎi)記錄和社交數(shù)據(jù)等，以分析和挖掘用戶與商品之間的相關(guān)性，從而發(fā)現(xiàn)用戶的個(gè)性化需求、興趣等，并將用戶感興趣的信息、產(chǎn)品推薦給用戶。個(gè)性化推薦系統(tǒng)針對(duì)用戶特點(diǎn)及興趣愛(ài)好進(jìn)行商品推薦，能有效地提高電子商務(wù)系統(tǒng)的服務(wù)能力，從而留住客戶。57新一代信息技術(shù)導(dǎo)論第五章引領(lǐng)未來(lái)人工智能第五章引領(lǐng)世界人工智能5.1.人工智能概述本模塊將首先介紹人工智能的概念、特征和發(fā)展歷程，人類(lèi)對(duì)人工智能的態(tài)度，人工智能在各領(lǐng)域的應(yīng)用情況及人工智能的未來(lái)發(fā)展趨勢(shì)；然后，重點(diǎn)介紹人工智能技術(shù)中的機(jī)器學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)、深度學(xué)習(xí)等，并詳細(xì)介紹通過(guò)人工智能技術(shù)實(shí)現(xiàn)數(shù)字識(shí)別、人臉識(shí)別的過(guò)程；最后，詳細(xì)介紹人工智能技術(shù)在果蔬采摘機(jī)器人中的應(yīng)用。

第五章引領(lǐng)世界人工智能普通公眾對(duì)人工智能發(fā)展應(yīng)用的認(rèn)知，始于2016年初的AlphaGo與人類(lèi)的對(duì)局人工智能的應(yīng)用已經(jīng)走進(jìn)了千家萬(wàn)戶，已經(jīng)無(wú)處不在了，只是很多人還沒(méi)有完全意識(shí)到他的存在5.1.1人工智能的到來(lái)人工智能逐漸發(fā)展成一門(mén)學(xué)科——人工智能，當(dāng)下最火最具有發(fā)展前景的一個(gè)專(zhuān)業(yè)第五章引領(lǐng)世界人工智能5.1.1人工智能的到來(lái)人人工智能的定義可以分為兩部分，即“人工”和“智能”，它是研究、開(kāi)發(fā)用于模擬、延伸和擴(kuò)展人的智能的理論、方法、技術(shù)及應(yīng)用系統(tǒng)的一門(mén)新的技術(shù)學(xué)科第五章引領(lǐng)世界人工智能5.1.1人工智能的概念5.1.2人工智能的特征第五章引領(lǐng)世界人工智能1.學(xué)習(xí)能力：AI系統(tǒng)能夠從數(shù)據(jù)中學(xué)習(xí)、自動(dòng)調(diào)整并改進(jìn)性能。2.自主決策：AI系統(tǒng)可以根據(jù)數(shù)據(jù)和先前的經(jīng)驗(yàn)做出決策，且過(guò)程無(wú)須人類(lèi)干預(yù)。這包括自主決策制定和問(wèn)題解決。3.感知能力：AI系統(tǒng)可以感知和理解環(huán)境，包括圖像、聲音、文本等數(shù)據(jù)形式。機(jī)器視覺(jué)和自然語(yǔ)言處理是感知能力體現(xiàn)的關(guān)鍵領(lǐng)域。4.模仿人類(lèi)思維：部分AI系統(tǒng)旨在模仿人類(lèi)思維過(guò)程，包括推理、問(wèn)題解決和判斷。5.自我改進(jìn)：部分AI系統(tǒng)具有自我改進(jìn)的功能，可以通過(guò)學(xué)習(xí)錯(cuò)誤結(jié)果不斷提高性能和判斷的準(zhǔn)確性。6.適應(yīng)性：AI系統(tǒng)能夠適應(yīng)不同的任務(wù)和環(huán)境，從而使系統(tǒng)的預(yù)測(cè)結(jié)果具有通用性。7.自動(dòng)化：AI可以自動(dòng)執(zhí)行任務(wù)，減輕了人類(lèi)的工作負(fù)擔(dān)，典型場(chǎng)景如自動(dòng)駕駛汽車(chē)和自動(dòng)化生產(chǎn)線。5.1.3人工智能的概念第五章引領(lǐng)世界人工智能人工智能（ArtificialIntelligence），英文縮寫(xiě)為AI。它是研究、開(kāi)發(fā)用于模擬、延伸和擴(kuò)展人的智能的理論、方法、技術(shù)及應(yīng)用系統(tǒng)的一門(mén)新的技術(shù)科學(xué)。5.1.4人工智能的定義第五章引領(lǐng)世界人工智能1.明斯基提出：人工智能是一門(mén)科學(xué)，是使機(jī)器做那些人需要通過(guò)智能來(lái)做的事情。2.尼爾遜教授對(duì)人工智能下了這樣一個(gè)定義：“人工智能是關(guān)于知識(shí)的學(xué)科—怎樣表示知識(shí)以及怎樣獲得知識(shí)并使用知識(shí)的科學(xué)?！?.美國(guó)麻省理工學(xué)院的溫斯頓教授認(rèn)為：“人工智能就是研究如何使計(jì)算機(jī)去做過(guò)去只有人才能做的智能工作?！比斯ぶ悄艿亩x描述包括以下5種：第五章引領(lǐng)世界人工智能1.人工智能是不可思議的計(jì)算機(jī)程序，是機(jī)器可以完成人們認(rèn)為機(jī)器不能勝任的事。人工智能的定義描述包括以下5種：第五章引領(lǐng)世界人工智能2.人工智能是與人類(lèi)思考方式相似的計(jì)算機(jī)程序，能夠遵照思維里的邏輯規(guī)律進(jìn)行思考。人工智能的定義描述包括以下5種：第五章引領(lǐng)世界人工智能3.人工智能是與人類(lèi)行為相似的計(jì)算機(jī)程序，只要計(jì)算機(jī)程序的功能表現(xiàn)與人類(lèi)在類(lèi)似環(huán)境下行為相似則可以認(rèn)為該程序是該領(lǐng)域的人工智能程序。人工智能的定義描述包括以下5種：第五章引領(lǐng)世界人工智能4.工智能是會(huì)學(xué)習(xí)的計(jì)算機(jī)程序，這一定義也符合人類(lèi)認(rèn)知的特點(diǎn)，人類(lèi)的智慧離不開(kāi)不斷的學(xué)習(xí)。人工智能的定義描述包括以下5種：第五章引領(lǐng)世界人工智能5.人工智能是根據(jù)對(duì)環(huán)境的感知，做出合理的行動(dòng)，并獲得最大收益的計(jì)算機(jī)程序。5.1.3人工智能的發(fā)展歷程第五章引領(lǐng)世界人工智能1.人工智能元年1956年洛克菲勒基金會(huì)提供了7500美元的資金支持，在美國(guó)新罕布什爾漢諾威小鎮(zhèn)的達(dá)特茅斯學(xué)院舉辦了為期2個(gè)月的人工智能研討會(huì)。第五章引領(lǐng)世界人工智能1.人工智能元年艾倫·麥席森·圖靈克勞德·香農(nóng)5.1.3人工智能的發(fā)展歷程圖靈測(cè)試第五章引領(lǐng)世界人工智能圖靈測(cè)試是測(cè)試人在與被測(cè)試者(一個(gè)人和一臺(tái)機(jī)器)隔開(kāi)的情況下，通過(guò)一些裝置（如鍵盤(pán)）向被測(cè)試者隨意提問(wèn)。問(wèn)過(guò)一些問(wèn)題后，如果被測(cè)試者超過(guò)30%的答復(fù)不能使測(cè)試人確認(rèn)出哪個(gè)是人、哪個(gè)是機(jī)器的回答，那么這臺(tái)機(jī)器就通過(guò)了測(cè)試，并被認(rèn)為具有人類(lèi)智能。阿蘭·圖靈英國(guó)數(shù)學(xué)家、邏輯學(xué)家，被視為計(jì)算機(jī)科學(xué)之父。1931年圖靈進(jìn)入劍橋大學(xué)國(guó)王學(xué)院，畢業(yè)后到美國(guó)普林斯頓大學(xué)攻讀博士學(xué)位，二戰(zhàn)爆發(fā)后回到劍橋，后曾協(xié)助軍方破解德國(guó)的著名密碼系統(tǒng)Enigma，幫助盟軍取得了二戰(zhàn)的勝利。第五章引領(lǐng)世界人工智能2.人工智能的第一個(gè)高潮在1956年的會(huì)議之后，人工智能迎來(lái)了屬于它的第一個(gè)發(fā)展高潮。約翰·麥卡錫馬文·明斯基ELIZA聊天機(jī)器人5.1.3人工智能的發(fā)展歷程第五章引領(lǐng)世界人工智能3.人工智能的第一個(gè)寒冬20世紀(jì)70年代，人工智能進(jìn)入了第一個(gè)發(fā)展低潮。5.1.3人工智能的發(fā)展歷程第五章引領(lǐng)世界人工智能4.人工智能的第二個(gè)繁榮期專(zhuān)家系統(tǒng)、神經(jīng)網(wǎng)路的應(yīng)用帶來(lái)了人工智能的第二繁榮期5.1.3人工智能的發(fā)展歷程第五章引領(lǐng)世界人工智能5.人工智能的第二個(gè)嚴(yán)冬1987-1993是人工智能歷史上的第二個(gè)嚴(yán)冬。5.1.3人工智能的發(fā)展歷程第五章引領(lǐng)世界人工智能6.人工智能穩(wěn)健發(fā)展的時(shí)代1988年，美國(guó)科學(xué)家朱迪亞·皮爾將概率統(tǒng)計(jì)方法引入人工智能的推理過(guò)程中，這對(duì)后來(lái)人工智能的發(fā)展起到了重大影響。英國(guó)人工智能科學(xué)家卡朋特開(kāi)發(fā)了Jabberwacky聊天程序，嘗試更好的通過(guò)圖靈測(cè)試，至今這個(gè)程序的后續(xù)版cleverbot仍然被很多人使用1992年，在蘋(píng)果公司任職的華人李開(kāi)復(fù)使用統(tǒng)計(jì)學(xué)的方法，設(shè)計(jì)開(kāi)發(fā)了具有連續(xù)語(yǔ)音識(shí)別能力的助理程序，Casper，這也是二十年后Siri最早的原型1989年，AT＆T貝爾實(shí)驗(yàn)室的雅恩·樂(lè)昆和團(tuán)隊(duì)使用卷積神經(jīng)網(wǎng)絡(luò)技術(shù)，實(shí)現(xiàn)了人工智能識(shí)別手寫(xiě)的郵政編碼數(shù)字圖像。人工智能再次興起5.1.3人工智能的發(fā)展歷程第五章引領(lǐng)世界人工智能Cleverbot教育編程機(jī)器人6.人工智能穩(wěn)健發(fā)展的時(shí)代IMB的計(jì)算機(jī)深藍(lán)與人類(lèi)世界象棋冠軍卡斯帕羅夫之戰(zhàn)5.1.3人工智能的發(fā)展歷程第五章引領(lǐng)世界人工智能小米第二代AI音箱小愛(ài)同學(xué)6.人工智能穩(wěn)健發(fā)展的時(shí)代米家掃地機(jī)器人5.1.3人工智能的發(fā)展歷程第五章引領(lǐng)世界人工智能6.人工智能穩(wěn)健發(fā)展的時(shí)代霍金斯出版了《人工智能的未來(lái)》提出新的見(jiàn)解杰弗里辛頓《LearningMultipleLayersofRepresentation》提出了神經(jīng)網(wǎng)絡(luò)的全新的架構(gòu)5.1.3人工智能的發(fā)展歷程第五章引領(lǐng)世界人工智能6.人工智能穩(wěn)健發(fā)展的時(shí)代2009華裔科學(xué)家李飛飛讓人工智能程序完全自主的識(shí)別圖形中的內(nèi)容2012吳恩達(dá)應(yīng)用一個(gè)超強(qiáng)的神經(jīng)網(wǎng)絡(luò)，進(jìn)行自主學(xué)習(xí)實(shí)現(xiàn)了小貓的識(shí)別5.1.3人工智能的發(fā)展歷程第五章引領(lǐng)世界人工智能6.人工智能穩(wěn)健發(fā)展的時(shí)代天博智可旺二代人工智能仿生機(jī)器狗電子寵物波士頓機(jī)器人5.1.3人工智能的發(fā)展歷程第五章引領(lǐng)世界人工智能5.1.3人工智能的發(fā)展歷程5.1.4人類(lèi)對(duì)人工智能的態(tài)度第五章引領(lǐng)世界人工智能1.威脅論的態(tài)度一類(lèi)為擔(dān)心人工智能威脅人類(lèi)的“末世論”，霍金警告人類(lèi)，人工智能終將超越人類(lèi)的智能，人工智能在未來(lái)可能對(duì)人類(lèi)造成威脅第五章引領(lǐng)世界人工智能機(jī)器人三定律第一定律：機(jī)器人不得傷害人類(lèi)個(gè)體，或者目睹人類(lèi)個(gè)體將遭受危險(xiǎn)而袖手不管第二定律：機(jī)器人必須服從人給予它的命令，當(dāng)該命令與第一定律沖突時(shí)例外第三定律：機(jī)器人在不違反第一、第二定律的情況下要盡可能保護(hù)自己的生存5.1.4人類(lèi)對(duì)人工智能的態(tài)度第五章引領(lǐng)世界人工智能2.積極態(tài)度的“樂(lè)天派”機(jī)器也不應(yīng)該成為人的對(duì)手，機(jī)器和人合作才有未來(lái)5.1.4人類(lèi)對(duì)人工智能的態(tài)度第五章引領(lǐng)世界人工智能5.1.4人類(lèi)對(duì)人工智能的態(tài)度第五章引領(lǐng)世界人工智能第一個(gè)真正通過(guò)圖靈測(cè)試的仿真人細(xì)思極恐5.1.5人工智能在各領(lǐng)域的應(yīng)用情況第五章引領(lǐng)世界人工智能1.智能助理Siri小米AI音箱虛擬個(gè)人助理，輔助你安排每天的工作、學(xué)習(xí)和生活在線音樂(lè)、網(wǎng)絡(luò)電臺(tái)、有聲讀物、廣播電臺(tái)等，提供新聞、天氣、鬧鐘、倒計(jì)時(shí)、備忘、提醒、時(shí)間、匯率、股票、限行、算數(shù)、查找手機(jī)、百科/問(wèn)答、閑聊、笑話、菜譜、翻譯等各類(lèi)功能

百度輸入法的虛擬智能助理第五章引領(lǐng)世界人工智能2.圖像處理與機(jī)器視覺(jué)智能識(shí)別人臉和拍照?qǐng)鼍埃袛嘧罴雅恼諘r(shí)機(jī)、智能完美虛化，呈現(xiàn)“奶油化開(kāi)”般迷人效果，幫助人們輕松拍出“大師級(jí)”的美照將低光拍攝的照片和長(zhǎng)曝光強(qiáng)度足夠的照片進(jìn)行訓(xùn)練人工智獲得模型后處理低光拍攝的照片5.1.5人工智能在各領(lǐng)域的應(yīng)用情況第五章引領(lǐng)世界人工智能通過(guò)人臉識(shí)別能夠快速的識(shí)別身份，人臉識(shí)別被廣泛應(yīng)用在安保、支付等領(lǐng)域5.1.5人工智能在各領(lǐng)域的應(yīng)用情況第五章引領(lǐng)世界人工智能廣義的機(jī)器視覺(jué)包括人臉識(shí)別、圖像識(shí)別、視頻中的圖像識(shí)別、場(chǎng)地識(shí)別、地點(diǎn)識(shí)別等5.1.5人工智能在各領(lǐng)域的應(yīng)用情況第五章引領(lǐng)世界人工智能3．音樂(lè)、電影、新聞、購(gòu)物推薦1.根據(jù)個(gè)人的歷史記錄推薦新聞、電影音樂(lè)；2.根據(jù)個(gè)人的喜好進(jìn)行廣告推送；5.1.5人工智能在各領(lǐng)域的應(yīng)用情況第五章引領(lǐng)世界人工智能4．客服許多網(wǎng)站都提供用戶與客服在線聊天的窗口，但并不是每個(gè)網(wǎng)站都有一個(gè)真人提供實(shí)時(shí)服務(wù)，在很多情況下，和你對(duì)話的僅僅只是一個(gè)AI5.1.5人工智能在各領(lǐng)域的應(yīng)用情況第五章引領(lǐng)世界人工智能5．游戲應(yīng)用大多數(shù)游戲都包含了一些AI的應(yīng)用，最近幾年里，游戲AI的復(fù)雜性和有效性卻迅猛發(fā)展5.1.5人工智能在各領(lǐng)域的應(yīng)用情況第五章引領(lǐng)世界人工智能6．安全防護(hù)智能監(jiān)控，監(jiān)控?cái)z像頭系統(tǒng)中引入人工智能技術(shù)5.1.5人工智能在各領(lǐng)域的應(yīng)用情況第五章引領(lǐng)世界人工智能人工智能通常部署來(lái)監(jiān)控欺詐行為5.1.5人工智能在各領(lǐng)域的應(yīng)用情況第五章引領(lǐng)世界人工智能道子智能繪畫(huà)系統(tǒng)創(chuàng)作的作品7．人工智能藝術(shù)5.1.5人工智能在各領(lǐng)域的應(yīng)用情況

道子智能繪畫(huà)系統(tǒng)創(chuàng)作的黃賓虹繪畫(huà)風(fēng)格的藝術(shù)作品第五章引領(lǐng)世界人工智能8．智能搜索引擎智能搜索引擎具有信息服務(wù)的智能化、人性化特征，允許用戶采用自然語(yǔ)言進(jìn)行信息的檢索，為他們提供更方便、更確切的搜索服務(wù)5.1.5人工智能在各領(lǐng)域的應(yīng)用情況第五章引領(lǐng)世界人工智能9．機(jī)器翻譯機(jī)器翻譯技術(shù)的發(fā)展一直與計(jì)算機(jī)技術(shù)的發(fā)展緊密相隨，結(jié)合神經(jīng)網(wǎng)絡(luò)的人工智能技術(shù)的應(yīng)用，機(jī)器翻譯的效果已經(jīng)達(dá)到了較高的水平。5.1.5人工智能在各領(lǐng)域的應(yīng)用情況第五章引領(lǐng)世界人工智能10．自動(dòng)駕駛百度無(wú)人駕駛汽車(chē)5.1.5人工智能在各領(lǐng)域的應(yīng)用情況第五章引領(lǐng)世界人工智能11.機(jī)器人倉(cāng)儲(chǔ)機(jī)器人實(shí)現(xiàn)貨物的搬運(yùn)人工智能機(jī)器人進(jìn)行生產(chǎn)操作智能機(jī)器人掃地機(jī)器人5.1.5人工智能在各領(lǐng)域的應(yīng)用情況人工智能可以分為“弱人工智能”、“強(qiáng)人工智能”、“超人工智能”當(dāng)前:處于“弱人工智能”未來(lái):有望實(shí)現(xiàn)“強(qiáng)人工智能”指擅長(zhǎng)于單方面的人工智能各方面都與人類(lèi)相當(dāng)?shù)娜斯ぶ悄苋娉饺祟?lèi)智能水平的人工智能未來(lái):超人工智能時(shí)代第五章引領(lǐng)世界人工智能5.1.6人工智能的未來(lái)發(fā)展趨勢(shì)第五章引領(lǐng)世界人工智能5.1.6人工智能的未來(lái)發(fā)展趨勢(shì)第五章引領(lǐng)世界人工智能經(jīng)過(guò)60多年的發(fā)展，人工智能在算法、算力（計(jì)算能力）和算料（數(shù)據(jù)）等“三算”方面取得了重要突破，正處于從“不能用”到“可以用”的技術(shù)拐點(diǎn)，但是距離“很好用”還有諸多瓶頸。5.1.6人工智能的未來(lái)發(fā)展趨勢(shì)第五章引領(lǐng)世界人工智能人工智能從專(zhuān)用智能向通用智能發(fā)展5.1.6人工智能的未來(lái)發(fā)展趨勢(shì)第五章引領(lǐng)世界人工智能從人工智能向人機(jī)混合智能5.1.6人工智能的未來(lái)發(fā)展趨勢(shì)第五章引領(lǐng)世界人工智能從“人工+智能”向自主智能系統(tǒng)發(fā)展5.1.6人工智能的未來(lái)發(fā)展趨勢(shì)第五章引領(lǐng)世界人工智能人工智能將加速與其他學(xué)科領(lǐng)域交叉滲透5.1.6人工智能的未來(lái)發(fā)展趨勢(shì)第五章引領(lǐng)世界人工智能人工智能將推動(dòng)人類(lèi)進(jìn)入普惠型智能社會(huì)5.1.6人工智能的未來(lái)發(fā)展趨勢(shì)5.2人工智能技術(shù)第五章引領(lǐng)世界人工智能人工智能技術(shù)所取得的成就在很大程度上得益于目前機(jī)器學(xué)習(xí)理論和技術(shù)的進(jìn)步5.2.1知識(shí)表示第五章引領(lǐng)世界人工智能知識(shí)由概念組成,概念是構(gòu)成人類(lèi)知識(shí)世界的基本單元所謂概念的精確定義,就是可以給出一個(gè)命題,亦稱(chēng)概念的經(jīng)典定義方法概念名內(nèi)涵表示外延表示概念定義原型理論樣例理論知識(shí)理論屬于不屬于第五章引領(lǐng)世界人工智能一個(gè)概念指稱(chēng)的所有對(duì)象組成的整體稱(chēng)為該概念的集合集合有兩種表示方法:一種是枚舉表示法,一種是謂詞表示法枚舉法：列出全部對(duì)象例如：A={1,2,3,4,5,6,7,8,9,0}

5.2.1知識(shí)表示第五章引領(lǐng)世界人工智能知識(shí)是人類(lèi)對(duì)客觀世界認(rèn)識(shí)的結(jié)晶,并且受到長(zhǎng)期實(shí)踐的檢驗(yàn)。5.2.1知識(shí)表示第五章引領(lǐng)世界人工智能由于現(xiàn)實(shí)世界的復(fù)雜性，信息可能是精確的，也可能是不精確的、模糊的，關(guān)聯(lián)可能是確定的，也可能是不確定的。造成知識(shí)具有不確定性的原因是多方面的,主要有由隨機(jī)性引起的不確定性。5.2.1知識(shí)表示第五章引領(lǐng)世界人工智能常用的知識(shí)表示方法包括產(chǎn)生式、框架、狀態(tài)空間知識(shí)表示方法,其他(如神經(jīng)網(wǎng)絡(luò)等)幾種知識(shí)表示方法。產(chǎn)生式框架法狀態(tài)空間神經(jīng)網(wǎng)絡(luò)其它方法常用知識(shí)表示方法5.2.1知識(shí)表示5.2.2機(jī)器學(xué)習(xí)第五章引領(lǐng)世界人工智能什么叫機(jī)器學(xué)習(xí)?還沒(méi)有統(tǒng)一的“機(jī)器學(xué)習(xí)”定義,而且也很難給出一個(gè)公認(rèn)的、準(zhǔn)確的定義機(jī)器學(xué)習(xí)的目的是讓機(jī)器能像人樣具有學(xué)習(xí)能力機(jī)器學(xué)習(xí)是計(jì)算機(jī)科學(xué)和統(tǒng)計(jì)學(xué)的交叉,也是人工智能和數(shù)據(jù)科學(xué)的核心第五章引領(lǐng)世界人工智能人工智能技術(shù)的關(guān)系結(jié)構(gòu)5.2.2機(jī)器學(xué)習(xí)第五章引領(lǐng)世界人工智能機(jī)器學(xué)習(xí)的目的？是掌握知識(shí)、掌握能力、掌握技巧，最終能夠進(jìn)行比較復(fù)雜或者高要求的工作讓機(jī)器獨(dú)立或至少半獨(dú)立地進(jìn)行相對(duì)復(fù)雜或者高要求的工作讓機(jī)器幫助人類(lèi)做一些大規(guī)模的數(shù)據(jù)識(shí)別、分揀、規(guī)律總結(jié)等人類(lèi)做起來(lái)比較花時(shí)間的事情，這就是機(jī)器學(xué)習(xí)的本質(zhì)性目的人類(lèi)學(xué)習(xí)的目的？5.2.2機(jī)器學(xué)習(xí)第五章引領(lǐng)世界人工智能機(jī)器學(xué)習(xí)模仿人的學(xué)習(xí)過(guò)程（監(jiān)督學(xué)習(xí)）根據(jù)提供的數(shù)據(jù)進(jìn)行學(xué)習(xí)

識(shí)別圖片中每種動(dòng)物的特征和對(duì)應(yīng)的動(dòng)物名稱(chēng)編號(hào)通過(guò)學(xué)習(xí)，獲得認(rèn)知模型測(cè)試結(jié)果不滿足識(shí)別要求，不能準(zhǔn)確識(shí)別未知對(duì)象繼續(xù)學(xué)習(xí)每學(xué)習(xí)若干次后使用訓(xùn)練的模型進(jìn)行測(cè)試獲得訓(xùn)練模型訓(xùn)練結(jié)果滿足識(shí)別要求應(yīng)用模型識(shí)別未知對(duì)象5.2.2機(jī)器學(xué)習(xí)第五章引領(lǐng)世界人工智能機(jī)器學(xué)習(xí)學(xué)習(xí)過(guò)程學(xué)習(xí)數(shù)據(jù)的處理貓的圖片編號(hào)為0，獅子類(lèi)的圖片編號(hào)為1，豹子類(lèi)圖片編號(hào)為2，猞猁圖片編號(hào)為3，老虎類(lèi)圖片編號(hào)為4每張圖片為320*320的像素構(gòu)成的圖片，每個(gè)像素用一個(gè)數(shù)據(jù)來(lái)描述像素的信息，則一張圖片需要102400將圖片處理為計(jì)算機(jī)能夠讀懂的二進(jìn)制數(shù)據(jù)集保存圖片數(shù)據(jù)及對(duì)應(yīng)的編號(hào)5.2.2機(jī)器學(xué)習(xí)第五章引領(lǐng)世界人工智能機(jī)器學(xué)習(xí)學(xué)習(xí)過(guò)程模型進(jìn)行訓(xùn)練5.2.2機(jī)器學(xué)習(xí)第五章引領(lǐng)世界人工智能機(jī)器學(xué)習(xí)學(xué)習(xí)過(guò)程應(yīng)用訓(xùn)練模型進(jìn)行識(shí)別5.2.2機(jī)器學(xué)習(xí)第五章引領(lǐng)世界人工智能機(jī)器學(xué)習(xí)可以分為以下五個(gè)大類(lèi)：1.監(jiān)督學(xué)習(xí)（SupervisedLearning）：從給定的訓(xùn)練數(shù)據(jù)集中學(xué)習(xí)出一個(gè)函數(shù)，當(dāng)新的數(shù)據(jù)到來(lái)時(shí)，可以根據(jù)這個(gè)函數(shù)預(yù)測(cè)結(jié)果，動(dòng)物識(shí)別為監(jiān)督學(xué)習(xí)。2.無(wú)監(jiān)督學(xué)習(xí)（Unsupervisedlearning）：無(wú)監(jiān)督學(xué)習(xí)與監(jiān)督學(xué)習(xí)相比，訓(xùn)練集沒(méi)有人為標(biāo)注的結(jié)果。3.半監(jiān)督學(xué)習(xí)（Semi-SupervisedLearning）：這是一種介于監(jiān)督學(xué)習(xí)與無(wú)監(jiān)督學(xué)習(xí)之間的方法。4.遷移學(xué)習(xí)（TransferLearning）：將已經(jīng)訓(xùn)練好的模型參數(shù)遷移到新的模型來(lái)幫助新模型訓(xùn)練數(shù)據(jù)集。5.增強(qiáng)學(xué)習(xí)（Reinforcementlearning）：通過(guò)觀察周?chē)h(huán)境來(lái)學(xué)習(xí)。5.2.2機(jī)器學(xué)習(xí)5.2.3神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)第五章引領(lǐng)世界人工智能深度學(xué)習(xí)（deeplearning）中的重要分支—神經(jīng)網(wǎng)絡(luò)，或稱(chēng)人工神經(jīng)網(wǎng)絡(luò)（artificialneuralnetwork,ANN）。1943年，心理學(xué)家McCulloch和數(shù)學(xué)家Pitts參考了生物神經(jīng)元的結(jié)構(gòu)，發(fā)表了抽象的神經(jīng)元模型MP第五章引領(lǐng)世界人工智能一個(gè)比較簡(jiǎn)單的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)通常會(huì)分這樣幾層：三層神經(jīng)網(wǎng)絡(luò)多層神經(jīng)網(wǎng)絡(luò)神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖里的關(guān)鍵不是“神經(jīng)元”，而是連接線（代表“神經(jīng)元”之間的連接）5.2.3神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)第五章引領(lǐng)世界人工智能深度學(xué)習(xí)所涉及的技術(shù)主要有：線性代數(shù)、概率和信息論、欠擬合、過(guò)擬合、正則化、最大似然估計(jì)和貝葉斯統(tǒng)計(jì)、隨機(jī)梯度下降、監(jiān)督學(xué)習(xí)和無(wú)監(jiān)督學(xué)習(xí)、深度前饋網(wǎng)絡(luò)、代價(jià)函數(shù)和反向傳播、正則化、稀疏編碼和dropout、自適應(yīng)學(xué)習(xí)算法、卷積神經(jīng)網(wǎng)絡(luò)、循環(huán)神經(jīng)網(wǎng)絡(luò)、遞歸神經(jīng)網(wǎng)絡(luò)、深度神經(jīng)網(wǎng)絡(luò)和深度堆疊網(wǎng)絡(luò)、LSTM長(zhǎng)短時(shí)記憶、主成分分析、正則自動(dòng)編碼器、表征學(xué)習(xí)、蒙特卡洛、受限波茲曼機(jī)、深度置信網(wǎng)絡(luò)、softmax回歸、決策樹(shù)和聚類(lèi)算法、KNN和SVM、生成對(duì)抗網(wǎng)絡(luò)和有向生成網(wǎng)絡(luò)、機(jī)器視覺(jué)和圖像識(shí)別、自然語(yǔ)言處理、語(yǔ)音識(shí)別和機(jī)器翻譯、有限馬爾科夫、動(dòng)態(tài)規(guī)劃、梯度策略算法和增強(qiáng)學(xué)習(xí)（Q-learning）等等。5.2.3神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)第五章引領(lǐng)世界人工智能深度超過(guò)8層的神經(jīng)網(wǎng)絡(luò)才叫深度學(xué)習(xí)，深度學(xué)習(xí)的”深度“是指從”輸入層“到”輸出層“所經(jīng)歷層次的數(shù)目，即”隱藏層“的層數(shù)，層數(shù)越多，深度也越深。5.2.3神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)第五章引領(lǐng)世界人工智能深度學(xué)習(xí)的應(yīng)用第五章引領(lǐng)世界人工智能深度學(xué)習(xí)的應(yīng)用第五章引領(lǐng)世界人工智能神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)目前提供了針對(duì)圖像識(shí)別，語(yǔ)音識(shí)別和自然語(yǔ)言處理領(lǐng)域諸多問(wèn)題的最佳解決方案。5.2.3神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)第五章引領(lǐng)世界人工智能卷積神經(jīng)網(wǎng)絡(luò)（ConvolutionalNeuralNetworks,CNN）是一類(lèi)包含卷積計(jì)算且具有深度結(jié)構(gòu)的前饋神經(jīng)網(wǎng)絡(luò)，是深度學(xué)習(xí)的代表算法之一

。5.2.3神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)第五章引領(lǐng)世界人工智能卷積神經(jīng)網(wǎng)絡(luò)依次為：輸入層-->卷積層->最大池化層->卷積層->最大池化層->全連接層->輸出層5.2.3神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)第五章引領(lǐng)世界人工智能卷積神經(jīng)網(wǎng)絡(luò)普遍用在圖像特征提取上，一些圖像分類(lèi)、目標(biāo)檢測(cè)、文字識(shí)別幾乎都使用到卷積神經(jīng)網(wǎng)絡(luò)作為圖像的特征提取方式5.2.3神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)第五章引領(lǐng)世界人工智能5.3人工智能技術(shù)應(yīng)用之圖像識(shí)別第五章引領(lǐng)世界人工智能5.3人工智能技術(shù)應(yīng)用之圖像識(shí)別5.3.1卷積神經(jīng)網(wǎng)絡(luò)與圖像識(shí)別卷積神經(jīng)網(wǎng)絡(luò)通常應(yīng)用于圖像識(shí)別和語(yǔ)音識(shí)別等領(lǐng)域，并能給出優(yōu)秀的結(jié)果，也可以應(yīng)用于視頻分析、機(jī)器翻譯、自然語(yǔ)言處理等領(lǐng)域。第五章引領(lǐng)世界人工智能5.3人工智能技術(shù)應(yīng)用之圖像識(shí)別5.3.1卷積神經(jīng)網(wǎng)絡(luò)與圖像識(shí)別一張貓咪的照片，它有寬度和高度屬性，因?yàn)椴噬掌烊淮嬖诩t（R）、綠（G）、藍(lán)（B）3種顏色，所以它還擁有深度屬性，此時(shí)貓咪的圖像深度為3;第五章引領(lǐng)世界人工智能5.3人工智能技術(shù)應(yīng)用之圖像識(shí)別5.3.1卷積神經(jīng)網(wǎng)絡(luò)與圖像識(shí)別假設(shè)現(xiàn)在拿出上圖中的一小塊，輸入至一個(gè)具有k個(gè)輸出的小型神經(jīng)網(wǎng)絡(luò)，并將輸出表示為垂直的一小列，在不改變權(quán)重的情況下，通過(guò)小型神經(jīng)網(wǎng)絡(luò)滑動(dòng)掃描整張圖片。此時(shí)，輸出端畫(huà)出了另一張圖片；第五章引領(lǐng)世界人工智能5.3人工智能技術(shù)應(yīng)用之圖像識(shí)別5.3.1卷積神經(jīng)網(wǎng)絡(luò)與圖像識(shí)別它與之前的寬度和高度不同，更重要的是，它和之前的深度也不同，不再只有紅、綠、藍(lán)3種顏色，而是得到了k個(gè)顏色通道（圖像深度為k），這種操作稱(chēng)為卷積。第五章引領(lǐng)世界人工智能5.3人工智能技術(shù)應(yīng)用之圖像識(shí)別5.3.1卷積神經(jīng)網(wǎng)絡(luò)與圖像識(shí)別首先，假設(shè)有一張彩色圖片，它包括R、G、B的三原色分量，圖像的寬度和高度分別為256像素，彩色圖片的三個(gè)顏色通道分別是紅、綠、藍(lán)3個(gè)圖層，也可以看作像素點(diǎn)的深度。然后，卷積神經(jīng)網(wǎng)絡(luò)將圖片的寬度和高度進(jìn)行壓縮，使其變成128像素×128像素×16像素的方塊，壓縮的方法是將圖片的寬度和高度縮小，從而增大圖片深度。最后，繼續(xù)將圖片壓縮至64像素×64像素×64像素，直至將圖片壓縮至32像素×32像素×

256像素。此時(shí)它變成了一個(gè)深度很大的長(zhǎng)條方塊，這里稱(chēng)之為分類(lèi)器（Classifier）。該分類(lèi)器能夠?qū)Ψ诸?lèi)結(jié)果進(jìn)行預(yù)測(cè)。卷積神經(jīng)網(wǎng)絡(luò)通過(guò)不斷壓縮圖片的寬度和高度，增大深度，最終會(huì)得到一個(gè)深度很大的分類(lèi)器，從而進(jìn)行分類(lèi)預(yù)測(cè)。第五章引領(lǐng)世界人工智能5.3人工智能技術(shù)應(yīng)用之圖像識(shí)別5.3.2數(shù)字識(shí)別1．MINIST手寫(xiě)數(shù)字識(shí)別MNIST是一個(gè)入門(mén)級(jí)的計(jì)算機(jī)視覺(jué)數(shù)據(jù)集，它包含各種手寫(xiě)數(shù)字圖片，其中訓(xùn)練集有55000張圖片、驗(yàn)證集有5000張圖片、測(cè)試集有10000張圖片。MNIST數(shù)據(jù)集中的手寫(xiě)數(shù)字圖片第五章引領(lǐng)世界人工智能5.3人工智能技術(shù)應(yīng)用之圖像識(shí)別5.3.2數(shù)字識(shí)別1．MINIST手寫(xiě)數(shù)字識(shí)別4張圖片的標(biāo)簽分別是5、0、4、1。通過(guò)MNIST數(shù)據(jù)集可以訓(xùn)練一個(gè)機(jī)器學(xué)習(xí)模型用于預(yù)測(cè)圖片中的數(shù)字。手寫(xiě)數(shù)字識(shí)別應(yīng)用第五章引領(lǐng)世界人工智能5.3人工智能技術(shù)應(yīng)用之圖像識(shí)別2．光學(xué)字符識(shí)別光學(xué)字符識(shí)別（OpticalCharacterRecognition，OCR）是指使用電子設(shè)備（如掃描儀或數(shù)碼照相機(jī)）檢查紙上的字符，通過(guò)檢測(cè)暗、亮的模式確定其形狀，并通過(guò)字符識(shí)別方法將形狀翻譯成計(jì)算機(jī)文字的過(guò)程。第五章引領(lǐng)世界人工智能5.3人工智能技術(shù)應(yīng)用之圖像識(shí)別人臉識(shí)別（也稱(chēng)為人像識(shí)別、面部識(shí)別）是現(xiàn)在非常熱門(mén)的一個(gè)領(lǐng)域，其在安防監(jiān)控、金融等多個(gè)領(lǐng)域都有應(yīng)用。通過(guò)機(jī)器視覺(jué)手段可以找出特定的人物，如識(shí)別出多張圖中相同的人，即輸入一個(gè)人的照片后，可以讓機(jī)器在數(shù)據(jù)庫(kù)中查找此人究竟是誰(shuí)，這些都是人臉識(shí)別的不同應(yīng)用方向。5.3.3人臉識(shí)別第五章引領(lǐng)世界人工智能5.3人工智能技術(shù)應(yīng)用之圖像識(shí)別一是建立一個(gè)包含大批量人臉圖像的數(shù)據(jù)庫(kù)；二是通過(guò)各種方式來(lái)獲得當(dāng)前要進(jìn)行識(shí)別的目標(biāo)的人臉圖像；三是將目標(biāo)的人臉圖像與數(shù)據(jù)庫(kù)中存在的人臉圖像進(jìn)行比對(duì)和篩選。人臉識(shí)別技術(shù)的實(shí)現(xiàn)主要分為三大步驟：第五章引領(lǐng)世界人工智能5.3人工智能技術(shù)應(yīng)用之圖像識(shí)別1．人臉識(shí)別應(yīng)用人臉圖像的采集與預(yù)處理是對(duì)人臉識(shí)別技術(shù)實(shí)施流程的第一步，然后基于處理后的圖像進(jìn)行人臉檢測(cè)，主要用于檢測(cè)并定位圖片中的人臉，返回高精度的人臉框坐標(biāo)及人臉特征點(diǎn)坐標(biāo)。人臉識(shí)別會(huì)進(jìn)一步提取每個(gè)人臉上所含有的特征，并將其與已知的人臉進(jìn)行對(duì)比，從而識(shí)別出其身份。第五章引領(lǐng)世界人工智能5.3人工智能技術(shù)應(yīng)用之圖像識(shí)別一個(gè)完整的視頻流人臉識(shí)別系統(tǒng)的主要工作流程如下：（1）通過(guò)OpenCV抓取攝像頭的視頻流。（2）通過(guò)多任務(wù)卷積神經(jīng)網(wǎng)絡(luò)（MultipleTaskCNN，MTCNN）對(duì)每幀圖片進(jìn)行人臉檢測(cè)和對(duì)齊，設(shè)置每n個(gè)間隔幀進(jìn)行一次檢測(cè)。（3）通過(guò)FaceNet預(yù)訓(xùn)練模型對(duì)步驟（2）中得到的人臉進(jìn)行512維的特征值提取。（4）收集目標(biāo)數(shù)據(jù)集來(lái)訓(xùn)練自己的分類(lèi)模型。（5）將步驟（3）中得到的512維的特征值作為步驟（4）的輸入，輸出即人臉識(shí)別結(jié)果。第五章引領(lǐng)世界人工智能5.3人工智能技術(shù)應(yīng)用之圖像識(shí)別2．身份識(shí)別應(yīng)用人臉識(shí)別技術(shù)可以提供人臉檢測(cè)與屬性分析、人臉1︰1對(duì)比、人臉?biāo)阉骱突铙w檢測(cè)等功能。目前靈活應(yīng)用于金融、安防等領(lǐng)域，以滿足身份核驗(yàn)、考勤和閘機(jī)通行等（即身份識(shí)別）業(yè)務(wù)需求。第五章引領(lǐng)世界人工智能5.3人工智能技術(shù)應(yīng)用之圖像識(shí)別（1）人臉檢測(cè)。此步驟是在輸入的圖片中查找有沒(méi)有人臉，找到人臉?biāo)诘奈恢?，并用方框?biāo)出人臉，以及計(jì)算檢測(cè)到的人臉數(shù)量人臉的檢測(cè)識(shí)別操作第五章引領(lǐng)世界人工智能5.3人工智能技術(shù)應(yīng)用之圖像識(shí)別（2）人臉跟蹤。此步驟主要是“跟蹤”人臉，通常是在一個(gè)視頻流中實(shí)時(shí)捕捉到某個(gè)人臉部主要特征點(diǎn)的位置，這樣就能得到一個(gè)內(nèi)容比較豐富、立體的人臉信息，也能夠從中識(shí)別出表情上的細(xì)膩?zhàn)兓Ｈ四樚卣鼽c(diǎn)的捕捉第五章引領(lǐng)世界人工智能5.3人工智能技術(shù)應(yīng)用之圖像識(shí)別（3）人臉識(shí)別。人臉識(shí)別指通過(guò)攝像機(jī)或攝像頭采集含有人臉的圖像或視頻流，并自動(dòng)在圖像中檢測(cè)和跟蹤人臉，進(jìn)而對(duì)檢測(cè)到的人臉進(jìn)行臉部識(shí)別的一系列相關(guān)技術(shù)。其應(yīng)用場(chǎng)景最多的是身份認(rèn)證，無(wú)論人臉圖像中人物表情是什么、戴眼鏡與否、圖片中是否為側(cè)臉、光線昏暗與否，甚至年齡發(fā)生變化，也能夠正確識(shí)別。第五章引領(lǐng)世界人工智能5.3人工智能技術(shù)應(yīng)用之圖像識(shí)別身份驗(yàn)證技術(shù)流程第五章引領(lǐng)世界人工智能5.4人工智能技術(shù)應(yīng)用之果蔬采摘機(jī)器人在工業(yè)4.0、機(jī)器人替代人工勞動(dòng)的大環(huán)境下，通過(guò)智能設(shè)備的集成，機(jī)器人在各種場(chǎng)景中完成特定的任務(wù)已經(jīng)成為目前的研究熱點(diǎn)。移動(dòng)抓取機(jī)器人分為移動(dòng)和機(jī)械臂操作兩部分，同時(shí)融合了多種傳感器以使機(jī)器人擁有自主感知規(guī)劃的功能。5.4.1機(jī)器人操作系統(tǒng)基本情況第五章引領(lǐng)世界人工智能5.4人工智能技術(shù)應(yīng)用之果蔬采摘機(jī)器人5.4.1機(jī)器人操作系統(tǒng)基本情況本模塊的案例采用了四驅(qū)差速驅(qū)動(dòng)方式的輪式底盤(pán)結(jié)構(gòu)的移動(dòng)機(jī)器人，通過(guò)搭載六自由度的機(jī)械臂和末端執(zhí)行器（機(jī)械爪）實(shí)現(xiàn)果蔬的采摘-抓取-擺放功能。第五章引領(lǐng)世界人工智能機(jī)器人操作系統(tǒng)集合了國(guó)內(nèi)外多種主流的機(jī)械臂、激光雷達(dá)等設(shè)備。用戶可以按需選配，從事ROS研究、運(yùn)動(dòng)控制研究、農(nóng)業(yè)采摘研究、巡檢研究、視覺(jué)研究的個(gè)人、研究院所及高校團(tuán)隊(duì)都可以使用該產(chǎn)品，這樣可以節(jié)省大量的時(shí)間和成本，從而更便捷、更高效、更專(zhuān)注地進(jìn)行研究和開(kāi)發(fā)工作。5.4人工智能技術(shù)應(yīng)用之果蔬采摘機(jī)器人第五章引領(lǐng)世界人工智能5.4.2果蔬采摘機(jī)器人5.4人工智能技術(shù)應(yīng)用之果蔬采摘機(jī)器人果蔬采摘機(jī)器人由ROS、驅(qū)控一體化移動(dòng)底盤(pán)、協(xié)作機(jī)器人、避障傳感器系統(tǒng)、激光雷達(dá)導(dǎo)航系統(tǒng)、北斗差分定位系統(tǒng)、3D視覺(jué)系統(tǒng)和基于5G網(wǎng)絡(luò)的通信系統(tǒng)等組成，其集多種傳感器數(shù)據(jù)采集、數(shù)據(jù)分析及智能控制于一體，可以支持與部署當(dāng)前流行的深度學(xué)習(xí)應(yīng)用。第五章引領(lǐng)世界人工智能將機(jī)械臂、移動(dòng)底盤(pán)攝像頭等硬件設(shè)備結(jié)合為一體的果蔬采摘機(jī)器人，節(jié)省了硬件搭建與調(diào)試的成本。若構(gòu)建一套多設(shè)備的耦合系統(tǒng)，將協(xié)作機(jī)械臂搭載在移動(dòng)機(jī)器人上，并將抓手及深度攝像頭通過(guò)連接法蘭安裝在機(jī)械臂的末端法蘭上，則可組成一個(gè)帶抓取功能與導(dǎo)航移動(dòng)功能的機(jī)器人系統(tǒng)。該系統(tǒng)可在非接觸狀態(tài)下操作果蔬采摘機(jī)器人自主完成一片區(qū)域內(nèi)的果蔬的采摘工作。相關(guān)操作人員可以設(shè)定機(jī)器人的工作模式，既可以隨時(shí)手動(dòng)操作，又可以設(shè)定程序?qū)崿F(xiàn)遠(yuǎn)程、無(wú)人、自主操作摘取工作。5.4人工智能技術(shù)應(yīng)用之果蔬采摘機(jī)器人第五章引領(lǐng)世界人工智能5.4人工智能技術(shù)應(yīng)用之果蔬采摘機(jī)器人5.4.3自主導(dǎo)航與避障自主導(dǎo)航技術(shù)是提高果蔬采摘機(jī)器人智能程度的核心技術(shù)之一，其中SLAM是解決其自主導(dǎo)航的關(guān)鍵。根據(jù)Cartographer算法進(jìn)行構(gòu)圖和定位，將基于圖優(yōu)化的SLAM分為前端（LocalSLAM）和后端（GlobalSLAM）兩個(gè)模塊。第五章引領(lǐng)世界人工智能5.4人工智能技術(shù)應(yīng)用之果蔬采摘機(jī)器人5.4.3自主導(dǎo)航與避障首先，獲取激光雷達(dá)、里程計(jì)和慣性測(cè)量裝置（InertialMeasurementUnit，IMU）傳感器數(shù)據(jù)；根據(jù)體素濾波器檢測(cè)此次姿態(tài)運(yùn)動(dòng)的大小，根據(jù)優(yōu)化好的位姿將點(diǎn)云幀插入子圖中進(jìn)行疊加，實(shí)現(xiàn)子圖的構(gòu)建?；诟倪M(jìn)的人工智能算法實(shí)現(xiàn)全局位姿優(yōu)化，實(shí)現(xiàn)向當(dāng)前節(jié)點(diǎn)的任意方向前進(jìn)。通過(guò)掛載在機(jī)器人上的激光雷達(dá)對(duì)周?chē)匦闻c障礙物進(jìn)行全方位掃描，以構(gòu)建一塊與真實(shí)可行動(dòng)空間吻合的環(huán)境地圖。第五章引領(lǐng)世界人工智能5.4人工智能技術(shù)應(yīng)用之果蔬采摘機(jī)器人5.4.3自主導(dǎo)航與避障控制軟件提供了根據(jù)生成地圖進(jìn)行導(dǎo)航的功能。導(dǎo)航時(shí)需要先手動(dòng)指定機(jī)器人的起始位置和目標(biāo)位置，同時(shí)機(jī)器人會(huì)計(jì)算出機(jī)器人在地圖中的位置，再規(guī)劃最短路徑。將地圖中的每個(gè)像素作為圖中的一個(gè)節(jié)點(diǎn)，規(guī)劃出起始點(diǎn)到目標(biāo)點(diǎn)的最短無(wú)障礙路徑，最后計(jì)算出控制命令發(fā)送給移動(dòng)平臺(tái)，使機(jī)器人沿規(guī)劃的路徑前進(jìn)，在前進(jìn)的過(guò)程中自動(dòng)避開(kāi)障礙物。第五章引領(lǐng)世界人工智能5.4人工智能技術(shù)應(yīng)用之果蔬采摘機(jī)器人5.4.4精準(zhǔn)定位與抓取精準(zhǔn)定位與抓取是指使用機(jī)器人的視覺(jué)系統(tǒng)對(duì)非結(jié)構(gòu)化環(huán)境下的目標(biāo)物體進(jìn)行識(shí)別。果蔬采摘機(jī)器人的視覺(jué)系統(tǒng)通過(guò)掛載在移動(dòng)底盤(pán)與機(jī)械臂上的攝像頭捕捉圖像（因?yàn)闄C(jī)械臂具有靈活性，所以果蔬采摘機(jī)器人能對(duì)周?chē)h(huán)境進(jìn)行多方位觀察），第五章引領(lǐng)世界人工智能5.4人工智能技術(shù)應(yīng)用之果蔬采摘機(jī)器人在開(kāi)放的復(fù)雜環(huán)境下識(shí)別目標(biāo)物體時(shí)，通常會(huì)因?yàn)轭?lèi)似干擾物與自然光線等而導(dǎo)致識(shí)別正確率降低，尤其是傳統(tǒng)的識(shí)別方案在物體遮掩等問(wèn)題上表現(xiàn)得不太理想。果蔬采摘機(jī)器人的視覺(jué)識(shí)別主要圍繞深度學(xué)習(xí)的方法來(lái)實(shí)現(xiàn)，在可能的場(chǎng)景下預(yù)先對(duì)大量包含識(shí)別目標(biāo)的數(shù)據(jù)集進(jìn)行標(biāo)注，并加入干擾項(xiàng)得到完整的訓(xùn)練集。第五章引領(lǐng)世界人工智能首先，訓(xùn)練樣本增強(qiáng)。在可能的場(chǎng)景下預(yù)先對(duì)大量包含識(shí)別目標(biāo)的數(shù)據(jù)集進(jìn)行標(biāo)注，加入干擾項(xiàng)得到完整的訓(xùn)練集。然后，算法模型改進(jìn)。使用基于深度學(xué)習(xí)的Mask（掩膜）RCNN算法檢測(cè)蘋(píng)果時(shí)，需要改進(jìn)模型參數(shù)量以提高檢測(cè)速度，加快模型推理速度，在設(shè)置邊框損失的權(quán)重后，可以使分割結(jié)果更加精確。最后，基于3D重建方法的蘋(píng)果定位技術(shù)實(shí)現(xiàn)果蔬抓取。5.4人工智能技術(shù)應(yīng)用之果蔬采摘機(jī)器人新一代信息技術(shù)導(dǎo)論

謝謝大家！信息導(dǎo)論新一代江蘇信息職業(yè)技術(shù)學(xué)院

技術(shù)目錄第四章日新月異大數(shù)據(jù)第三章走進(jìn)云計(jì)算時(shí)代第二章觸摸世界物聯(lián)網(wǎng)新一代信息技術(shù)導(dǎo)論第五章引領(lǐng)未來(lái)人工智能第一章緒論第六章信用基石區(qū)塊鏈新一代信息技術(shù)導(dǎo)論第六章信用基石區(qū)塊鏈第六章信用基石區(qū)塊鏈目錄區(qū)塊鏈概述區(qū)塊鏈技術(shù)區(qū)塊鏈的應(yīng)用第六章信用基石區(qū)塊鏈學(xué)習(xí)目標(biāo)【知識(shí)目標(biāo)】了解區(qū)塊鏈的概念與特征；理解區(qū)塊鏈的技術(shù)；熟悉區(qū)塊鏈在各行業(yè)中的實(shí)際應(yīng)用?！炯寄苣繕?biāo)】了解區(qū)塊鏈的發(fā)展歷程；了解區(qū)塊鏈應(yīng)用存在的問(wèn)題與未來(lái)的發(fā)展。【素質(zhì)目標(biāo)】培養(yǎng)學(xué)生的數(shù)字化思維，提升其在數(shù)字時(shí)代的適應(yīng)能力。第六章信用基石區(qū)塊鏈思維導(dǎo)圖6.1區(qū)塊鏈概述6.1.1概念第六章信用基石區(qū)塊鏈一個(gè)去中心化的分布式賬本，其本身是一系列使用密碼學(xué)而產(chǎn)生的互相關(guān)聯(lián)的數(shù)據(jù)塊。區(qū)塊鏈？區(qū)塊鏈作為去中心化的分布式賬本，有什么樣的好處或特征？6.1.1概念6.1.2特征6.1.3發(fā)展歷程6.1區(qū)塊鏈概述6.1.1概念第六章信用基石區(qū)塊鏈信息處理與共享便利價(jià)值轉(zhuǎn)移價(jià)值轉(zhuǎn)移分享寵視頻？分享手中的錢(qián)？√×6.1區(qū)塊鏈概述6.1.1概念第六章信用基石區(qū)塊鏈價(jià)值轉(zhuǎn)移6.1區(qū)塊鏈概述6.1.1概念第六章信用基石區(qū)塊鏈價(jià)值轉(zhuǎn)移復(fù)制黏貼給收款方？-500+5006.1區(qū)塊鏈概述6.1.1概念第六章信用基石區(qū)塊鏈價(jià)值轉(zhuǎn)移6.1區(qū)塊鏈概述6.1.1概念第六章信用基石區(qū)塊鏈分享寵視頻？分享手中的錢(qián)？√×將某一部分價(jià)值從A地址轉(zhuǎn)移到B地址，需要A地址精確地減少了這部分價(jià)值，而B(niǎo)地址精確地增加了這部分價(jià)值。這就是區(qū)別于信息轉(zhuǎn)移的價(jià)值轉(zhuǎn)移。目前的互聯(lián)網(wǎng)協(xié)議是不支持價(jià)值轉(zhuǎn)移功能的。所以，目前的價(jià)值轉(zhuǎn)移往往不是直接傳輸，而是由一個(gè)中心化的第三方來(lái)做背書(shū)。價(jià)值轉(zhuǎn)移6.1區(qū)塊鏈概述6.1.1概念第六章信用基石區(qū)塊鏈人與人之間信任的建立全靠看臉。遠(yuǎn)古部落雙十一人們相信遠(yuǎn)在千里之外的一個(gè)賣(mài)衣服商家，并且向他付款。現(xiàn)代社會(huì)因?yàn)樵谶@個(gè)交易過(guò)程中，我們把信任托付給了國(guó)家機(jī)構(gòu)或大型企業(yè)這些中心化的第三方。？圖文參考：徐明星等．圖說(shuō)區(qū)塊鏈[M]北京：中信出版社，2017信用建設(shè)6.1區(qū)塊鏈概述6.1.1概念第六章信用基石區(qū)塊鏈信用建設(shè)6.1區(qū)塊鏈概述6.1.1概念第六章信用基石區(qū)塊鏈基于中心化機(jī)構(gòu)背書(shū)的信用體系構(gòu)建本身存在一些局限。對(duì)于中心體的過(guò)渡依賴(lài)系統(tǒng)的可信度問(wèn)題高昂的信用成本?。?！收費(fèi)：匯款金額的1‰最低50元/筆，最高260元/筆有限性機(jī)會(huì)主義為了快速完成信用建設(shè)，實(shí)現(xiàn)安全且低成本的價(jià)值轉(zhuǎn)移，區(qū)塊鏈技術(shù)就這樣應(yīng)運(yùn)而生了。信用建設(shè)第六章信用基石區(qū)塊鏈6.1區(qū)塊鏈概述6.1.2特征中心化第三方第六章信用基石區(qū)塊鏈6.1區(qū)塊鏈概述6.1.2特征節(jié)點(diǎn)節(jié)點(diǎn)節(jié)點(diǎn)節(jié)點(diǎn)節(jié)點(diǎn)節(jié)點(diǎn)第六章信用基石區(qū)塊鏈6.1區(qū)塊鏈概述6.1.2特征區(qū)塊鏈?zhǔn)欠植际降?，區(qū)塊鏈在網(wǎng)絡(luò)上會(huì)有許多獨(dú)立的節(jié)點(diǎn)。在區(qū)塊鏈公信力模型中，區(qū)塊鏈不制定政策，它只是扮演一個(gè)公證人的角色。第六章信用基石區(qū)塊鏈6.1區(qū)塊鏈概述6.1.2特征公信力政府公眾區(qū)塊鏈?zhǔn)欠植际降膮^(qū)塊鏈不制定政策而只是一個(gè)公證人的角色區(qū)塊鏈?zhǔn)且慌_(tái)創(chuàng)造信任的機(jī)器。第六章信用基石區(qū)塊鏈6.1區(qū)塊鏈概述6.1.3發(fā)展歷程區(qū)塊鏈

1.0

時(shí)代技術(shù)發(fā)展與數(shù)字貨幣密切相關(guān)，應(yīng)用普遍集中在貨幣轉(zhuǎn)移、兌換和支付等方面，這個(gè)時(shí)期的區(qū)塊鏈技術(shù)找到了一個(gè)解決貨幣和支付去中心化的方案。區(qū)塊鏈2.0

時(shí)代解決了市場(chǎng)的去中心化問(wèn)題，以太坊（Ethereum）的概念也開(kāi)始出現(xiàn)。這一時(shí)期的關(guān)鍵詞是“合約”。區(qū)塊鏈3.0

時(shí)代代表了區(qū)塊鏈技術(shù)的最新發(fā)展階段，其開(kāi)始的標(biāo)志是通證（Token）的出現(xiàn)。第六章信用基石區(qū)塊鏈6.2區(qū)塊鏈技術(shù)6.2.1區(qū)塊鏈的賬本系統(tǒng)與交易模型這個(gè)城市里有4個(gè)居民，他們互相借錢(qián)的時(shí)候，是這么操作的：假設(shè)乙向甲借了10塊錢(qián)，甲就會(huì)在人群中大喊：“我是甲，我借給了乙10塊錢(qián)！”同時(shí)，乙也在人群中大喊：“我是乙，甲借了10塊錢(qián)給我！”這時(shí)候城市里的其他居民，丙和丁都聽(tīng)到了這些消息，他們?cè)谧约菏种械男≠~本上把這一事件記錄下來(lái)：“某年某月某日，甲借給了乙10塊錢(qián)。”極端情況：去中心化小城區(qū)塊鏈作為一本去中心化的分布式賬本，如何運(yùn)行呢？第六章信用基石區(qū)塊鏈極端情況：去中心化小城這個(gè)去中心化的小城中不再需要一個(gè)擁有公信力的組織。這是因?yàn)楫?dāng)分布式結(jié)構(gòu)中的每個(gè)人都記賬的時(shí)候，篡改賬本是不可行的。我不欠甲10塊錢(qián)！不對(duì)，我的賬本上明明記錄了你在某年某月某日向了甲借了10塊錢(qián)，并且沒(méi)有你還款的相關(guān)記錄。6.2區(qū)塊鏈技術(shù)6.2.1區(qū)塊鏈的賬本系統(tǒng)與交易模型第六章信用基石區(qū)塊鏈1.可以無(wú)限增加2.加密且有順序3.去中心化6.2區(qū)塊鏈技術(shù)6.2.1區(qū)塊鏈的賬本系統(tǒng)與交易模型第六章信用基石區(qū)塊鏈6.2區(qū)塊鏈技術(shù)6.2.1區(qū)塊鏈賬本系統(tǒng)與交易模型在依托網(wǎng)絡(luò)的區(qū)塊鏈城市中生活著很多居民，他們相互進(jìn)行交易活動(dòng)。這里，我們舉例關(guān)注其中的五個(gè)居民，他們分別是ABCDE。區(qū)塊鏈城市區(qū)塊鏈城市所有交易都依托區(qū)塊鏈賬本系統(tǒng)進(jìn)行。第六章信用基石區(qū)塊鏈6.2區(qū)塊鏈技術(shù)6.2.1區(qū)塊鏈賬本系統(tǒng)與交易模型這五個(gè)居民互相進(jìn)行交易，如買(mǎi)賣(mài)商品，所以他們相互之間就要進(jìn)行支付。在一次交易中，A首先支付了10元錢(qián)給B，此時(shí)，A和B就需要記賬，而且為了讓這筆賬在區(qū)塊鏈?zhǔn)澜绲玫匠姓J(rèn)，A和B在記賬后都需要將賬單廣播出去，告訴城市中的所有人。稍后，B又由于交易需要支付了5元錢(qián)給C，與此同時(shí)，B和C也同樣要把對(duì)這筆交易的記錄廣播給所有人，如果之后C又支付了2元錢(qián)給D，那這一賬單，也同樣需要向全世界廣播。BDAC金額：10金額：5金額：2其他……第六章信用基石區(qū)塊鏈6.2區(qū)塊鏈技術(shù)6.2.1區(qū)塊鏈賬本系統(tǒng)與交易模型對(duì)這一時(shí)期區(qū)塊鏈城市中發(fā)生的A、B、C、D之間的賬單以及其他賬單進(jìn)行打包，形成一個(gè)塊，這個(gè)塊稱(chēng)為區(qū)塊。當(dāng)這一區(qū)塊打包完成后，人們將這個(gè)區(qū)塊鏈接到以前的交易記錄上，之后新的區(qū)塊繼續(xù)形成，再將新區(qū)塊繼續(xù)鏈接到這一區(qū)塊之后，這樣就形成