新一代信息技术导论（微课版）（第2版） 课件 杨竹青 第4-6章 日新月异的大数据；引领未来人工智能；信用基石区块链

日新月异的大数据

引导大数据时代已经来临，给信息技术的发展带来了巨大变革，也深刻影响着社会生产和人们生活的方方面面。在全球范围内，世界各国均高度重视大数据相关技术的研究和产业发展，纷纷把大数据上升为国家战略，并加以重点推进。2学习目标【知识目标】掌握大数据的概念；掌握大数据的关键技术；了解大数据的相关应用。【技能目标】熟悉大数据技术应用的基本过程；熟悉大数据相关应用的内在原理；掌握大数据技术的存储和处理流程。【素质目标】培养学生运用大数据思维方式分析问题的意识；强化学生的团队协作意识和处理综合问题的能力。3思维导图44.1大数据概述

序：6

对于一个国家而言，能否紧紧抓住大数据发展机遇，快速形成核心技术和应用并参与新一轮的全球化竞争，将直接决定未来若干年世界范围内各国科技力量博弈的格局。大数据专业人才的培养是新一轮科技较量的基础，高等院校承担着大数据人才培养的重任，因此，各高等院校非常重视大数据课程的开设，大数据课程已经成为计算机科学与技术专业的核心课程。4.1.1概念7

大数据技术是指以大数据为基础，利用大数据分析技术，从海量数据中提取有价值的信息，从而支持企业决策的技术。它是一种新兴的技术，它可以帮助企业更好地利用数据，提高企业的效率和效益。大数据技术包括数据挖掘、机器学习、数据可视化和数据仓库等。大数据是一个体量特别大、数据类型特别多的数据集，且这样的数据集无法用传统数据库工具对其内容进行抓取、管理和处理。目前所说的“大数据”不仅指数据本身的规模，也包括采集数据的工具、平台和数据分析系统。4.1.2特征

大数据的定义多而杂，但是内涵都差不多，即大数据由巨型数据集组成，这些数据集规模超出了常用软件在可接受时间下的收集、管理、处理和使用能力。虽然大数据的定义没有统一，但是国际知名公司IBM定义的大数据的五个特征却受到业界的广泛认可，也就是5V特征：Volume（数据量大）、Variety（数据类型繁多）、Velocity（数据处理速度快）、Value（数据价值密度低）和Veracity（数据具备真实性）。8数据量大9

传感器、物联网、工业互联网、车联网、手机、平板电脑等均是大数据的源头，生活在数字时代的我们天天都在产生着数量的数据（如微信、QQ聊天，上网搜索，网上购物等产生的数据）。从数据量的角度而言，大数据泛指无法在可容忍的时间内用传统信息技术和软硬件工具对其进行获取、管理和处理的巨量数据集合，需要可伸缩的计算体系结构以支持其存储、处理和分析。

大数据不再以GB或TB为单位来衡量，而是以PB（1000TB）、EB（100万TB）或ZB（10亿TB）为计量单位。因此，数据量大是大数据的首要特征。数据量大10

根据著名咨询机构互联网数据中心（InternetDataCenter，IDC）做出的估测，人类社会产生的数据一直都在以每年50%的速度增长，也就是说，大约每两年数据量就翻番，这被称为“大数据摩尔定律”。这意味着，人类在最近两年产生的数据量相当于之前产生的全部数据量之和。预计2020年，全球将总共拥有35ZB（数据存储单位之间的换算关系见表4-1）的数据量，是2010年的数据量的近30倍。数据量大11存储单位换算关系Byte（字节）1Byte=8bitKB（千字节）1KB=1024ByteMB（兆字节）1MB=1024KBGB（吉字节）1GB=1024MBTB（太字节）1TB=1024GBPB（拍字节）1PB=1024TBEB（艾字节）1EB=1024PBZB（泽字节）1ZB=1024EB数据类型繁多12大数据的来源众多，如网络日志、音频、视频、图片、地理位置信息等，类型包括结构化数据、半结构化数据和非结构化数据，多类型的数据对数据的处理能力提出了更高的要求。生物大数据、交通大数据、医疗大数据、电信大数据、电力大数据和金融大数据等都呈现出“井喷式”增长态势，所涉及的数据量十分巨大，已经从TB级别跃升到PB级别。各行各业每时每刻都在生成各种不同类型的数据。数据类型繁多13消费者大数据2020年，我国移动互联网用户数量稳步增长，但增速却持续放缓。2020年我国4G用户总数达到12.89亿户，占移动电话用户数的80.8%。我国5G用户规模快速扩大，5G终端连接数突破2亿户。截至2020年12月，中国手机网民规模已达9.86亿，每日新增据量达到18TB，累计存储量超过900PB。2020年，国内智能手机出货量2.96亿部，智能音箱市场销量3676万台，智能家居设备市场出货量为2亿台。同时，2020年中国可穿戴设备市场出货量近1.1亿台，其中智能蓝牙耳机市场出货量5078万台，成人智能手表市场出货量1532万台。2020年国内市场5G手机累计出货量1.63亿部，上市新机型累计218款。

国内市场的移动应用数量小幅减少。截至2020年12月，国内市场监测到的相关App数量为345万款，较2019年减少22万款。其中，游戏类、音乐视频类、日常工具类、社交软件类、系统工具类App下载量排在前列。数据类型繁多14金融大数据。

随着信息技术的飞速发展，特别是云计算、大数据技术在电子商务、证券期货、互联网金融等领域的广泛应用，未来金融业的核心竞争力很大程度上依赖于从大数据中提取信息和知识的速度快慢与能力大小，而这种速度和能力，取决于数据分析、数据挖掘和数据应用的水平。随着互联网金融、移动支付等新型金融业态的不断涌现，强化以“用户为中心”的服务模式将成为未来金融业的重要发展方向，这一变化有助于金融产品创新、精准营销和风险管理，实现数据资产向市场竞争力的。

据不完全统计，中国平安有约8.8亿客户的脸谱和信用信息，以及近5000万个声纹库；中国工商银行拥有约5.5亿个人客户，全行数据量超过60PB；中国建设银行拥有超过5亿的客户，手机银行用户达到1.8亿，网银用户超过2亿，数据存储量达到100PB。数据类型繁多15医疗大数据

随着我国医疗卫生事业的发展，国内的医疗信息化建设已经取得了显著的成就。医院每天会有PB级的数据增加，数据涉及的方向和维度也不断增多，因此数据展示仍然面临很大困难。一个人拥有约1014个细胞、109个碱基，一次全面的基因测序产生的个人数据可以达到100～600GB。在医学影像中，一次3D核磁共振检查可以产生约150MB的数据，一张CT图像约产生150MB的数据。

综上所述，大数据的数据量非常大，但是其总体可以分成两大类，即结构化数据和非结构化数据。其中，前者占10%左右，主要是指存储在关系数据库中的数据；后者占90%左右，且种类繁多，包括电子邮件、音频、视频、位置信息、链接信息、手机呼叫信息和网络日志等。处理速度快16

数据增长速度快，这就要求系统需要对数据进行实时分析和处理以便及时丢弃。这是大数据区别于传统数据挖掘的地方（传统数据采用事后批处理的方式）。在Web2.0应用领域，在1分钟内，新浪可以产生20000条微博，Twitter可以产生100000条推文，Apple可以产生下载47000万次应用的数据，淘宝可以卖出60000件商品，百度可以产生900000次搜索查询的数据，Facebook可以产生6000000次浏览量。

高性能计算（HighPerformanceComputing，HPC）发展迅猛，中国作为HPC的新兴市场，未来巨大的市场份额不仅吸引了全球众多的HPC厂商，也激励了本土企业（如曙光）的崛起。作为中国本土“高性能计算领跑者”的曙光公司，曾进入全球HPC销售额十强。另外，量子计算机的逐步商业化应用，也将使得大数据高速处理方法的研究如虎添翼。数据价值密度低17

大数据虽然看起来很“美”，但是其数据价值密度远远低于传统关系数据库中的数据价值密度。在大数据时代，很多有价值的信息是分散在海量数据中的。以小区监控摄像头为例，如果没有意外事件发生，则连续不断产生的数据都是没有任何价值的，当发生偷盗等意外情况时，也只有记录了事件过程的那一小段视频有价值。但是为了能够获得发生偷盗等意外情况时的那一段有价值的视频，人们不得不投入大量资金购买监控设备、网络设备、存储设备和耗费大量的电能和存储空间来保存摄像头连续不断产生的监控数据。数据具备真实性18

数据的真实性是指大数据的质量优劣，大数据的内容是与真实世界息息相关的，真实不一定代表准确，但一定不是虚假数据，这也是数据分析的基础。基于真实的交易与用户行为产生的数据才有意义。因此，如何识别造假数据，更是值得研究的领域。

如今，几乎每个企业都在使用大数据。大数据分析提供了一个真正具有潜在利益的矿藏，大数据的真实性体现在数据的质量上。质量好的数据能够给生产和生活带来前所未有的效益。4.1.3发展历程19

大数据是信息技术发展的必然产物，推动了数字经济的形成与繁荣，它的出现标志着信息化进程进入发展新阶段。当前，我们正在进入以数据的深度挖掘和融合应用为主要特征的大数据时代。回顾大数据的发展历程，可以大致分为以下四个时期：萌芽期、成长期、爆发期和大规模应用期。萌芽期（1980-2008年）20

大数据的概念被提出，相关技术也得到一定程度的传播，但没有得到实质性发展。同一时期，随着数据挖掘理论和数据库技术的逐步成熟，一批商业智能工具和知识管理技术开始被应用，如数据仓库、专家系统、知识管理系统等。成长期（2009-2012年）21

大数据市场迅速成长，互联网数据呈爆发式增长，大数据技术逐渐被大众熟悉并使用。截至2009年12月31日，中国互联网络信息中心统计数据显示，2019年中国网民规模达到3.84亿人，互联网普及率达到28.9%。宽带网民规模达到3.46亿人。国际出口带宽达866，367Mbit/s。互联网数据呈爆发式增长。爆发期（2013-2015年）22

大数据迎来了发展的高潮阶段，包括我国在内的世界各个国家纷纷布局大数据战略。2013年也被称为大数据元年，以百度、阿里、腾讯为代表的国内互联网公司各显身手，纷纷推出创新性的大数据应用。国家统计局与阿里、百度等11家企业签署了战略合作框架协议，推动大数据在政府统计中的应用。大规模应用期（2016年至今）23

大数据应用渗透至各行各业，大数据价值不断凸显，数据驱动决策和社会智能化程度大幅提高，大数据产业迎来快速发展和大规模应用实施。2016年1月，《贵州省大数据发展应用促进条例》出台，成立全国首部大数据地方法规。4.2大数据关键技术

4.2.1大数据技术应用的基本流程25

讨论大数据技术时，首先需要了解大数据的基本处理流程，主要包括数据采集、存储、分析和结果呈现等环节。

数据无处不在，互联网网站、政务系统、零售系统、办公系统、自动化生产系统、监控摄像头和传感器等每时每刻都在不断产生数据。这些分散在各处的数据需要采用相应的设备或软件进行采集。采集到的数据通常无法直接用于后续的数据分析，因为对于来源众多、类型多样的数据而言，数据缺失和语义模糊等问题是不可避免的，必须采取相应措施有效解决这些问题，这就需要一个被称为“数据预处理”的过程，把数据变成一个可用的状态。数据经过预处理以后会被放到文件系统或数据库系统中进行存储与管理，再采用数据挖掘工具对数据进行处理分析，最后采用可视化工具为用户呈现结果。在整个数据处理流程中，必须注意隐私保护和数据安全问题。数据采集与预处理利用ETL工具将分布的、异构数据源中的数据，如关系数据、平面数据文件等，抽取到临时中间层后进行清洗、转换、集成，最后加载到数据仓库或数据集市中，成为联机分析处理、数据挖掘的基础；也可以利用日志采集工具（如Flume、Kafka等）把实时采集的数据作为流计算系统的输入，进行实时处理分析。26数据存储与管理利用分布式文件系统、数据仓库、关系数据库、NoSQL数据库、云数据等，实现对结构化、半结构化和非结构化海量数据的存储和管理。27数据处理与分析利用分布式并行编程模式和计算框架，结合机器学习和数据挖掘算法，实现对海量数据的处理和分析；对分析结果进行可视化呈现，帮助人们更好地理解数据、分析数据。28数据安全与隐私保护在从大数据中挖掘潜在的巨大商业价值和学术价值的同时，构建隐私数据保护体系和数据安全体系，有效保护个人隐私和数据安全。294.2.2大数据的计算形式

所谓大数据计算形式，即依据大数据的不同数据特征和计算特征，从多样性的大数据计算问题和需求中提炼并树立的各种高层笼统或模型如加州大学伯克利分校著名的Spark系统中的“散布内存笼统”，卡内基梅隆大学著名的图计算系统GraphLab中的“图并行笼统”等。传统的并行计算办法主要从体系构造和编程语言的层面定义了一些较为底层的并行计算笼统和模型，但大数据处置问题具有很多高层的数据特征和计算特征，因此大数据处置需要更多地分离这些高层特征并思索更为高层的计算形式。

30典型的计算机模式依据大数据处置多样性的需求和以上不同的特征维度，目前呈现了多种典型和重要的大数据计算形式。31大数据计算模式解决问题代表产品批处理计算针对大规模数据的批量处理MapReduce、Spark等流计算针对流数据的实时计算Storm、S4、Flume、Streams、Puma、DStream、SuperMario、银河流数据处理平台等图计算针对大规模图结构数据处理Pregel、GraphX、Giraph、PowerGraph、Hama、GoldenOrb等查询分析计算大规模数据的存储管理和查询分析Dremel、Hive、Cassandra、Impala等MapReduce由于MapReduce主要合适于停滞大数据线下批处置，在面向低延迟和具有复杂数据关系和复杂计算的大数据问题时有很大的不顺应性。大数据处理的问题复杂多样，单一的计算模式是无法满足不同类型的计算需求的，MapReduce其实只是大数据计算模式中的一种，它代表了针对大规模数据的批量处理技术。

32批处理计算批处理计算主要解决针对大规模数据的批量处理，也是我们日常数据分析工作中非常常见的一类数据处理需求。Spark是一个针对超大数据集合的低延迟的集群分布式计算系统，比MapReduce快许多。Spark启用了内存分布数据集，除了能够提供交互式查询外，还可以优化迭代工作负载。33流计算流数据也是大数据分析中的重要数据类型。流数据（或数据流）是指在时间分布和数量上无限的一系列动态数据集合体，数据的价值随着时间的流逝而降低，因此必须采用实时计算的方式给出秒级响应。34目前业内已涌现出许多的流计算框架与平台：第一类是商业级的流计算平台，包括IBMInfoSphereStreams等；第二类是开源流计算框架，包括TwitterStorm、Yahoo!S4、SparkStreaming等；第三类是公司为支持自身业务开发的流计算框架，如Facebook使用Puma和HBase相结合来处理实时数据，百度开发了通用实时流数据计算系统DStream，淘宝开发了通用流数据实时计算系统——银河流数据处理平台。图计算在大数据时代，许多大数据都是以大规模图或网络的形式呈现，如社交网络、传染病传播途径、交通事故对路网的影响等，此外，许多非图结构的大数据也常常会被转换为图模型后再进行处理分析。35Pregel主要用于图遍历、最短路径、PageRank计算等。其他代表性的图计算产品还包括：Facebook针对Pregel的开源实现Giraph；Spark下的GraphX；

图数据处理系统PowerGraph等。查询分析针对超大规模数据的存储管理和查询分析，需要提供实时或准实时的响应，才能很好地满足企业经营管理需求。36谷歌公司开发的Dremel是一种可扩展的、交互式的实时查询系统，用于只读嵌套数据的分析。4.2.3HadoopHadoop是一个由Apache基金会所开发的分布式系统基础架构。用户可以在不了解分布式底层细节的情况下开发分布式程序，充分利用集群的威力进行高速运算和存储。Hadoop实现了一个分布式文件系统，其中一个组件是Hadoop分布式文件系统（HDFS）。HDFS有高容错性的特点，并部署在低廉的硬件上；它提供高吞吐量来访问应用程序的数据，适合那些有着超大数据集的应用程序。Hadoop的框架最核心的设计就是HDFS和MapReduce。HDFS为海量的数据提供了存储，而MapReduce为海量的数据提供了计算。37起源Hadoop起源于ApacheNutch项目，始于2002年，是ApacheLucene的子项目之一。2004年，谷歌在“操作系统设计与实现”会议上公开发表了题为《MapReduce：简化大集群上的数据处理》的论文之后，受到启发的道格·卡丁等人开始尝试实现MapReduce计算框架，并将它与基于Nutch的分布式文件系统（NutchDistributedFileSystem，NDFS）结合，用于支持Nutch引擎的主要算法。因为NDFS和MapReduce在Nutch引擎中有着良好的应用，所以它们于2006年2月被分离出来，成为一套完整而独立的软件，并被命名为Hadoop。到了2008年初，Hadoop已成为Apache的顶级项目，其包含众多子项目，并被应用到包括Yahoo在内的很多互联网公司。38优点①高可靠性：Hadoop按位存储和处理数据的能力值得人们信赖。②高扩展性：Hadoop是在可用的计算机集群间分配数据并完成计算任务的，这些集群可以方便地扩展到数以千计的结点中。③高效性：Hadoop能够在结点之间动态地移动数据，并保证各个结点的动态平衡，且其处理速度非常快。④高容错性：Hadoop能够自动保存数据的多个副本，并能够自动对失败的任务进行重新分配。⑤低成本：与一体机、商用数据仓库及QlikView、YonghongZ-Suite等数据集市相比，Hadoop是开源的，项目的软件成本因此会大大降低。39Hadoop核心框架

①高可靠性：Hadoop按位存储和处理数据的能力值得人们信赖。②高扩展性：Hadoop是在可用的计算机集群间分配数据并完成计算任务的，这些集群可以方便地扩展到数以千计的结点中。③高效性：Hadoop能够在结点之间动态地移动数据，并保证各个结点的动态平衡，且其处理速度非常快。④高容错性：Hadoop能够自动保存数据的多个副本，并能够自动对失败的任务进行重新分配。⑤低成本：与一体机、商用数据仓库及QlikView、YonghongZ-Suite等数据集市相比，Hadoop是开源的，项目的软件成本因此会大大降低。40Hadoop核心框架

41HDFS写入数据流程

42HDFS读出数据流程

43Linux集群44Hadoop发展现状45Hadoop设计之初的目标定位于高可靠性、高可扩展性、高容错性和高效性，正是这些设计上与生俱来的优点才使得Hadoop一出现就受到众多大公司的青睐，同时引起了研究界的普遍关注。Hadoop技术在互联网领域已经得到了广泛运用，例如，Yahoo使用4000个结点的Hadoop集群来支持广告系统和Web搜索的研究；Facebook使用1000个结点的集群运行Hadoop，用于存储日志数据，并支持其上的数据分析和机器学习；百度使用Hadoop处理每周200TB的数据，从而进行搜索日志分析和网页数据挖掘工作；4.2.4Spark46ApacheSpark是专为大规模数据处理而设计的快速通用的计算引擎。Spark是加州大学伯克利分校的AMP实验室开源的类HadoopMapReduce的通用并行框架。Spark拥有MapReduce所具有的优点；但不同于MapReduce的是——任务中间的输出结果可以保存在内存中，从而不再需要读写HDFS，因此Spark能更好地适用于数据挖掘与机器学习等需要迭代的MapReduce的算法。Spark概述47Spark是一种快速、通用、可扩展的大数据分析引擎，2009年诞生于加州大学伯克利分校AMP实验室，2010年开源，2013年6月成为Apache孵化项目，2014年2月成为Apache顶级项目。目前，Spark生态系统已经发展成为一个包含多个子项目的集合，其中包含Spark结构化查询模式（SparkSQL）、Spark实时计算模式（SparkStreaming）、图计算模式（GraphX）、机器学习库（MLlib）等子项目。Spark基于内存计算，提高了大数据环境下数据处理的实时性，同时保证了高容错性和高可伸缩性，允许用户将Spark部署在大量廉价硬件之上，形成集群。优点48①更快的速度：在内存计算中，Spark的处理速度是Hadoop的100倍。②易用性：Spark提供了80多个高级运算符。③通用性：Spark提供了大量的库，包括Spark内核（SparkCore）、SparkSQL、SparkStreaming、MLlib、GraphX，开发者可以在同一个应用程序中无缝组合使用这些库。④支持多种资源管理器：Spark支持HadoopYARN等资源管理架构其自带的独立集群管理器。Spark生态系统49Spark框架50Spark框架核心组件51用户程序工作原理524.3大数据应用

大数据的热潮并未有消退迹象，相反，航空、金融、电子商务、政府、电信、电力等各个行业的企业都在纷纷掘金大数据。可以看出，在推动大数据企业应用方面，真正看到大数据潜在商业价值的企业比大数据技术厂商还要着急。例如，IT经理网曾经报道过沃尔玛大数据实验室直接参与到大数据工具的开发和开源工作中。在国内，虽然管理学界和财经媒体对大数据推崇备至，认为大数据是信息技术改变商业世界的关键应用，但是关于大数据在我国企业中应用成功的报道却出奇得少。4.3.1精准营销互联网企业使用大数据技术采集客户的各类数据，并通过大数据分析技术来建立“用户画像”，以抽象地描述用户的信息全貌，从而可以对用户进行精准营销和广告投放等。554.3.2定制化服务

电子商务具有提供差异化服务的先天优势，可以通过技术支持实时获得用户的在线记录，并及时为用户提供定制化服务。

许多电子商务企业已经尝试依靠数据分析在首页为用户提供全面的、个性化的商品推荐。例如，海尔和天猫提供了让用户在网上定制电视的功能，顾客可以先在电视机生产以前选择尺寸、边框、清晰度、能耗、颜色和接口等，再由厂商组织生产并送货到顾客家中。这样的定制化服务受到了用户的广泛欢迎。564.3.3个性化推荐个性化推荐系统通过分析用户的行为，包括反馈意见、购买记录和社交数据等，以分析和挖掘用户与商品之间的相关性，从而发现用户的个性化需求、兴趣等，并将用户感兴趣的信息、产品推荐给用户。个性化推荐系统针对用户特点及兴趣爱好进行商品推荐，能有效地提高电子商务系统的服务能力，从而留住客户。57新一代信息技术导论第五章引领未来人工智能第五章引领世界人工智能5.1.人工智能概述本模块将首先介绍人工智能的概念、特征和发展历程，人类对人工智能的态度，人工智能在各领域的应用情况及人工智能的未来发展趋势；然后，重点介绍人工智能技术中的机器学习、神经网络、深度学习等，并详细介绍通过人工智能技术实现数字识别、人脸识别的过程；最后，详细介绍人工智能技术在果蔬采摘机器人中的应用。

第五章引领世界人工智能普通公众对人工智能发展应用的认知，始于2016年初的AlphaGo与人类的对局人工智能的应用已经走进了千家万户，已经无处不在了，只是很多人还没有完全意识到他的存在5.1.1人工智能的到来人工智能逐渐发展成一门学科——人工智能，当下最火最具有发展前景的一个专业第五章引领世界人工智能5.1.1人工智能的到来人人工智能的定义可以分为两部分，即“人工”和“智能”，它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术学科第五章引领世界人工智能5.1.1人工智能的概念5.1.2人工智能的特征第五章引领世界人工智能1.学习能力：AI系统能够从数据中学习、自动调整并改进性能。2.自主决策：AI系统可以根据数据和先前的经验做出决策，且过程无须人类干预。这包括自主决策制定和问题解决。3.感知能力：AI系统可以感知和理解环境，包括图像、声音、文本等数据形式。机器视觉和自然语言处理是感知能力体现的关键领域。4.模仿人类思维：部分AI系统旨在模仿人类思维过程，包括推理、问题解决和判断。5.自我改进：部分AI系统具有自我改进的功能，可以通过学习错误结果不断提高性能和判断的准确性。6.适应性：AI系统能够适应不同的任务和环境，从而使系统的预测结果具有通用性。7.自动化：AI可以自动执行任务，减轻了人类的工作负担，典型场景如自动驾驶汽车和自动化生产线。5.1.3人工智能的概念第五章引领世界人工智能人工智能（ArtificialIntelligence），英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。5.1.4人工智能的定义第五章引领世界人工智能1.明斯基提出：人工智能是一门科学，是使机器做那些人需要通过智能来做的事情。2.尼尔逊教授对人工智能下了这样一个定义：“人工智能是关于知识的学科—怎样表示知识以及怎样获得知识并使用知识的科学。”3.美国麻省理工学院的温斯顿教授认为：“人工智能就是研究如何使计算机去做过去只有人才能做的智能工作。”人工智能的定义描述包括以下5种：第五章引领世界人工智能1.人工智能是不可思议的计算机程序，是机器可以完成人们认为机器不能胜任的事。人工智能的定义描述包括以下5种：第五章引领世界人工智能2.人工智能是与人类思考方式相似的计算机程序，能够遵照思维里的逻辑规律进行思考。人工智能的定义描述包括以下5种：第五章引领世界人工智能3.人工智能是与人类行为相似的计算机程序，只要计算机程序的功能表现与人类在类似环境下行为相似则可以认为该程序是该领域的人工智能程序。人工智能的定义描述包括以下5种：第五章引领世界人工智能4.工智能是会学习的计算机程序，这一定义也符合人类认知的特点，人类的智慧离不开不断的学习。人工智能的定义描述包括以下5种：第五章引领世界人工智能5.人工智能是根据对环境的感知，做出合理的行动，并获得最大收益的计算机程序。5.1.3人工智能的发展历程第五章引领世界人工智能1.人工智能元年1956年洛克菲勒基金会提供了7500美元的资金支持，在美国新罕布什尔汉诺威小镇的达特茅斯学院举办了为期2个月的人工智能研讨会。第五章引领世界人工智能1.人工智能元年艾伦·麦席森·图灵克劳德·香农5.1.3人工智能的发展历程图灵测试第五章引领世界人工智能图灵测试是测试人在与被测试者(一个人和一台机器)隔开的情况下，通过一些装置（如键盘）向被测试者随意提问。问过一些问题后，如果被测试者超过30%的答复不能使测试人确认出哪个是人、哪个是机器的回答，那么这台机器就通过了测试，并被认为具有人类智能。阿兰·图灵英国数学家、逻辑学家，被视为计算机科学之父。1931年图灵进入剑桥大学国王学院，毕业后到美国普林斯顿大学攻读博士学位，二战爆发后回到剑桥，后曾协助军方破解德国的著名密码系统Enigma，帮助盟军取得了二战的胜利。第五章引领世界人工智能2.人工智能的第一个高潮在1956年的会议之后，人工智能迎来了属于它的第一个发展高潮。约翰·麦卡锡马文·明斯基ELIZA聊天机器人5.1.3人工智能的发展历程第五章引领世界人工智能3.人工智能的第一个寒冬20世纪70年代，人工智能进入了第一个发展低潮。5.1.3人工智能的发展历程第五章引领世界人工智能4.人工智能的第二个繁荣期专家系统、神经网路的应用带来了人工智能的第二繁荣期5.1.3人工智能的发展历程第五章引领世界人工智能5.人工智能的第二个严冬1987-1993是人工智能历史上的第二个严冬。5.1.3人工智能的发展历程第五章引领世界人工智能6.人工智能稳健发展的时代1988年，美国科学家朱迪亚·皮尔将概率统计方法引入人工智能的推理过程中，这对后来人工智能的发展起到了重大影响。英国人工智能科学家卡朋特开发了Jabberwacky聊天程序，尝试更好的通过图灵测试，至今这个程序的后续版cleverbot仍然被很多人使用1992年，在苹果公司任职的华人李开复使用统计学的方法，设计开发了具有连续语音识别能力的助理程序，Casper，这也是二十年后Siri最早的原型1989年，AT＆T贝尔实验室的雅恩·乐昆和团队使用卷积神经网络技术，实现了人工智能识别手写的邮政编码数字图像。人工智能再次兴起5.1.3人工智能的发展历程第五章引领世界人工智能Cleverbot教育编程机器人6.人工智能稳健发展的时代IMB的计算机深蓝与人类世界象棋冠军卡斯帕罗夫之战5.1.3人工智能的发展历程第五章引领世界人工智能小米第二代AI音箱小爱同学6.人工智能稳健发展的时代米家扫地机器人5.1.3人工智能的发展历程第五章引领世界人工智能6.人工智能稳健发展的时代霍金斯出版了《人工智能的未来》提出新的见解杰弗里辛顿《LearningMultipleLayersofRepresentation》提出了神经网络的全新的架构5.1.3人工智能的发展历程第五章引领世界人工智能6.人工智能稳健发展的时代2009华裔科学家李飞飞让人工智能程序完全自主的识别图形中的内容2012吴恩达应用一个超强的神经网络，进行自主学习实现了小猫的识别5.1.3人工智能的发展历程第五章引领世界人工智能6.人工智能稳健发展的时代天博智可旺二代人工智能仿生机器狗电子宠物波士顿机器人5.1.3人工智能的发展历程第五章引领世界人工智能5.1.3人工智能的发展历程5.1.4人类对人工智能的态度第五章引领世界人工智能1.威胁论的态度一类为担心人工智能威胁人类的“末世论”，霍金警告人类，人工智能终将超越人类的智能，人工智能在未来可能对人类造成威胁第五章引领世界人工智能机器人三定律第一定律：机器人不得伤害人类个体，或者目睹人类个体将遭受危险而袖手不管第二定律：机器人必须服从人给予它的命令，当该命令与第一定律冲突时例外第三定律：机器人在不违反第一、第二定律的情况下要尽可能保护自己的生存5.1.4人类对人工智能的态度第五章引领世界人工智能2.积极态度的“乐天派”机器也不应该成为人的对手，机器和人合作才有未来5.1.4人类对人工智能的态度第五章引领世界人工智能5.1.4人类对人工智能的态度第五章引领世界人工智能第一个真正通过图灵测试的仿真人细思极恐5.1.5人工智能在各领域的应用情况第五章引领世界人工智能1.智能助理Siri小米AI音箱虚拟个人助理，辅助你安排每天的工作、学习和生活在线音乐、网络电台、有声读物、广播电台等，提供新闻、天气、闹钟、倒计时、备忘、提醒、时间、汇率、股票、限行、算数、查找手机、百科/问答、闲聊、笑话、菜谱、翻译等各类功能

百度输入法的虚拟智能助理第五章引领世界人工智能2.图像处理与机器视觉智能识别人脸和拍照场景，判断最佳拍照时机、智能完美虚化，呈现“奶油化开”般迷人效果，帮助人们轻松拍出“大师级”的美照将低光拍摄的照片和长曝光强度足够的照片进行训练人工智获得模型后处理低光拍摄的照片5.1.5人工智能在各领域的应用情况第五章引领世界人工智能通过人脸识别能够快速的识别身份，人脸识别被广泛应用在安保、支付等领域5.1.5人工智能在各领域的应用情况第五章引领世界人工智能广义的机器视觉包括人脸识别、图像识别、视频中的图像识别、场地识别、地点识别等5.1.5人工智能在各领域的应用情况第五章引领世界人工智能3．音乐、电影、新闻、购物推荐1.根据个人的历史记录推荐新闻、电影音乐；2.根据个人的喜好进行广告推送；5.1.5人工智能在各领域的应用情况第五章引领世界人工智能4．客服许多网站都提供用户与客服在线聊天的窗口，但并不是每个网站都有一个真人提供实时服务，在很多情况下，和你对话的仅仅只是一个AI5.1.5人工智能在各领域的应用情况第五章引领世界人工智能5．游戏应用大多数游戏都包含了一些AI的应用，最近几年里，游戏AI的复杂性和有效性却迅猛发展5.1.5人工智能在各领域的应用情况第五章引领世界人工智能6．安全防护智能监控，监控摄像头系统中引入人工智能技术5.1.5人工智能在各领域的应用情况第五章引领世界人工智能人工智能通常部署来监控欺诈行为5.1.5人工智能在各领域的应用情况第五章引领世界人工智能道子智能绘画系统创作的作品7．人工智能艺术5.1.5人工智能在各领域的应用情况

道子智能绘画系统创作的黄宾虹绘画风格的艺术作品第五章引领世界人工智能8．智能搜索引擎智能搜索引擎具有信息服务的智能化、人性化特征，允许用户采用自然语言进行信息的检索，为他们提供更方便、更确切的搜索服务5.1.5人工智能在各领域的应用情况第五章引领世界人工智能9．机器翻译机器翻译技术的发展一直与计算机技术的发展紧密相随，结合神经网络的人工智能技术的应用，机器翻译的效果已经达到了较高的水平。5.1.5人工智能在各领域的应用情况第五章引领世界人工智能10．自动驾驶百度无人驾驶汽车5.1.5人工智能在各领域的应用情况第五章引领世界人工智能11.机器人仓储机器人实现货物的搬运人工智能机器人进行生产操作智能机器人扫地机器人5.1.5人工智能在各领域的应用情况人工智能可以分为“弱人工智能”、“强人工智能”、“超人工智能”当前:处于“弱人工智能”未来:有望实现“强人工智能”指擅长于单方面的人工智能各方面都与人类相当的人工智能全面超越人类智能水平的人工智能未来:超人工智能时代第五章引领世界人工智能5.1.6人工智能的未来发展趋势第五章引领世界人工智能5.1.6人工智能的未来发展趋势第五章引领世界人工智能经过60多年的发展，人工智能在算法、算力（计算能力）和算料（数据）等“三算”方面取得了重要突破，正处于从“不能用”到“可以用”的技术拐点，但是距离“很好用”还有诸多瓶颈。5.1.6人工智能的未来发展趋势第五章引领世界人工智能人工智能从专用智能向通用智能发展5.1.6人工智能的未来发展趋势第五章引领世界人工智能从人工智能向人机混合智能5.1.6人工智能的未来发展趋势第五章引领世界人工智能从“人工+智能”向自主智能系统发展5.1.6人工智能的未来发展趋势第五章引领世界人工智能人工智能将加速与其他学科领域交叉渗透5.1.6人工智能的未来发展趋势第五章引领世界人工智能人工智能将推动人类进入普惠型智能社会5.1.6人工智能的未来发展趋势5.2人工智能技术第五章引领世界人工智能人工智能技术所取得的成就在很大程度上得益于目前机器学习理论和技术的进步5.2.1知识表示第五章引领世界人工智能知识由概念组成,概念是构成人类知识世界的基本单元所谓概念的精确定义,就是可以给出一个命题,亦称概念的经典定义方法概念名内涵表示外延表示概念定义原型理论样例理论知识理论属于不属于第五章引领世界人工智能一个概念指称的所有对象组成的整体称为该概念的集合集合有两种表示方法:一种是枚举表示法,一种是谓词表示法枚举法：列出全部对象例如：A={1,2,3,4,5,6,7,8,9,0}

5.2.1知识表示第五章引领世界人工智能知识是人类对客观世界认识的结晶,并且受到长期实践的检验。5.2.1知识表示第五章引领世界人工智能由于现实世界的复杂性，信息可能是精确的，也可能是不精确的、模糊的，关联可能是确定的，也可能是不确定的。造成知识具有不确定性的原因是多方面的,主要有由随机性引起的不确定性。5.2.1知识表示第五章引领世界人工智能常用的知识表示方法包括产生式、框架、状态空间知识表示方法,其他(如神经网络等)几种知识表示方法。产生式框架法状态空间神经网络其它方法常用知识表示方法5.2.1知识表示5.2.2机器学习第五章引领世界人工智能什么叫机器学习?还没有统一的“机器学习”定义,而且也很难给出一个公认的、准确的定义机器学习的目的是让机器能像人样具有学习能力机器学习是计算机科学和统计学的交叉,也是人工智能和数据科学的核心第五章引领世界人工智能人工智能技术的关系结构5.2.2机器学习第五章引领世界人工智能机器学习的目的？是掌握知识、掌握能力、掌握技巧，最终能够进行比较复杂或者高要求的工作让机器独立或至少半独立地进行相对复杂或者高要求的工作让机器帮助人类做一些大规模的数据识别、分拣、规律总结等人类做起来比较花时间的事情，这就是机器学习的本质性目的人类学习的目的？5.2.2机器学习第五章引领世界人工智能机器学习模仿人的学习过程（监督学习）根据提供的数据进行学习

识别图片中每种动物的特征和对应的动物名称编号通过学习，获得认知模型测试结果不满足识别要求，不能准确识别未知对象继续学习每学习若干次后使用训练的模型进行测试获得训练模型训练结果满足识别要求应用模型识别未知对象5.2.2机器学习第五章引领世界人工智能机器学习学习过程学习数据的处理猫的图片编号为0，狮子类的图片编号为1，豹子类图片编号为2，猞猁图片编号为3，老虎类图片编号为4每张图片为320*320的像素构成的图片，每个像素用一个数据来描述像素的信息，则一张图片需要102400将图片处理为计算机能够读懂的二进制数据集保存图片数据及对应的编号5.2.2机器学习第五章引领世界人工智能机器学习学习过程模型进行训练5.2.2机器学习第五章引领世界人工智能机器学习学习过程应用训练模型进行识别5.2.2机器学习第五章引领世界人工智能机器学习可以分为以下五个大类：1.监督学习（SupervisedLearning）：从给定的训练数据集中学习出一个函数，当新的数据到来时，可以根据这个函数预测结果，动物识别为监督学习。2.无监督学习（Unsupervisedlearning）：无监督学习与监督学习相比，训练集没有人为标注的结果。3.半监督学习（Semi-SupervisedLearning）：这是一种介于监督学习与无监督学习之间的方法。4.迁移学习（TransferLearning）：将已经训练好的模型参数迁移到新的模型来帮助新模型训练数据集。5.增强学习（Reinforcementlearning）：通过观察周围环境来学习。5.2.2机器学习5.2.3神经网络与深度学习第五章引领世界人工智能深度学习（deeplearning）中的重要分支—神经网络，或称人工神经网络（artificialneuralnetwork,ANN）。1943年，心理学家McCulloch和数学家Pitts参考了生物神经元的结构，发表了抽象的神经元模型MP第五章引领世界人工智能一个比较简单的神经网络结构通常会分这样几层：三层神经网络多层神经网络神经网络结构图里的关键不是“神经元”，而是连接线（代表“神经元”之间的连接）5.2.3神经网络与深度学习第五章引领世界人工智能深度学习所涉及的技术主要有：线性代数、概率和信息论、欠拟合、过拟合、正则化、最大似然估计和贝叶斯统计、随机梯度下降、监督学习和无监督学习、深度前馈网络、代价函数和反向传播、正则化、稀疏编码和dropout、自适应学习算法、卷积神经网络、循环神经网络、递归神经网络、深度神经网络和深度堆叠网络、LSTM长短时记忆、主成分分析、正则自动编码器、表征学习、蒙特卡洛、受限波兹曼机、深度置信网络、softmax回归、决策树和聚类算法、KNN和SVM、生成对抗网络和有向生成网络、机器视觉和图像识别、自然语言处理、语音识别和机器翻译、有限马尔科夫、动态规划、梯度策略算法和增强学习（Q-learning）等等。5.2.3神经网络与深度学习第五章引领世界人工智能深度超过8层的神经网络才叫深度学习，深度学习的”深度“是指从”输入层“到”输出层“所经历层次的数目，即”隐藏层“的层数，层数越多，深度也越深。5.2.3神经网络与深度学习第五章引领世界人工智能深度学习的应用第五章引领世界人工智能深度学习的应用第五章引领世界人工智能神经网络和深度学习目前提供了针对图像识别，语音识别和自然语言处理领域诸多问题的最佳解决方案。5.2.3神经网络与深度学习第五章引领世界人工智能卷积神经网络（ConvolutionalNeuralNetworks,CNN）是一类包含卷积计算且具有深度结构的前馈神经网络，是深度学习的代表算法之一

。5.2.3神经网络与深度学习第五章引领世界人工智能卷积神经网络依次为：输入层-->卷积层->最大池化层->卷积层->最大池化层->全连接层->输出层5.2.3神经网络与深度学习第五章引领世界人工智能卷积神经网络普遍用在图像特征提取上，一些图像分类、目标检测、文字识别几乎都使用到卷积神经网络作为图像的特征提取方式5.2.3神经网络与深度学习第五章引领世界人工智能5.3人工智能技术应用之图像识别第五章引领世界人工智能5.3人工智能技术应用之图像识别5.3.1卷积神经网络与图像识别卷积神经网络通常应用于图像识别和语音识别等领域，并能给出优秀的结果，也可以应用于视频分析、机器翻译、自然语言处理等领域。第五章引领世界人工智能5.3人工智能技术应用之图像识别5.3.1卷积神经网络与图像识别一张猫咪的照片，它有宽度和高度属性，因为彩色照片天然存在红（R）、绿（G）、蓝（B）3种颜色，所以它还拥有深度属性，此时猫咪的图像深度为3;第五章引领世界人工智能5.3人工智能技术应用之图像识别5.3.1卷积神经网络与图像识别假设现在拿出上图中的一小块，输入至一个具有k个输出的小型神经网络，并将输出表示为垂直的一小列，在不改变权重的情况下，通过小型神经网络滑动扫描整张图片。此时，输出端画出了另一张图片；第五章引领世界人工智能5.3人工智能技术应用之图像识别5.3.1卷积神经网络与图像识别它与之前的宽度和高度不同，更重要的是，它和之前的深度也不同，不再只有红、绿、蓝3种颜色，而是得到了k个颜色通道（图像深度为k），这种操作称为卷积。第五章引领世界人工智能5.3人工智能技术应用之图像识别5.3.1卷积神经网络与图像识别首先，假设有一张彩色图片，它包括R、G、B的三原色分量，图像的宽度和高度分别为256像素，彩色图片的三个颜色通道分别是红、绿、蓝3个图层，也可以看作像素点的深度。然后，卷积神经网络将图片的宽度和高度进行压缩，使其变成128像素×128像素×16像素的方块，压缩的方法是将图片的宽度和高度缩小，从而增大图片深度。最后，继续将图片压缩至64像素×64像素×64像素，直至将图片压缩至32像素×32像素×

256像素。此时它变成了一个深度很大的长条方块，这里称之为分类器（Classifier）。该分类器能够对分类结果进行预测。卷积神经网络通过不断压缩图片的宽度和高度，增大深度，最终会得到一个深度很大的分类器，从而进行分类预测。第五章引领世界人工智能5.3人工智能技术应用之图像识别5.3.2数字识别1．MINIST手写数字识别MNIST是一个入门级的计算机视觉数据集，它包含各种手写数字图片，其中训练集有55000张图片、验证集有5000张图片、测试集有10000张图片。MNIST数据集中的手写数字图片第五章引领世界人工智能5.3人工智能技术应用之图像识别5.3.2数字识别1．MINIST手写数字识别4张图片的标签分别是5、0、4、1。通过MNIST数据集可以训练一个机器学习模型用于预测图片中的数字。手写数字识别应用第五章引领世界人工智能5.3人工智能技术应用之图像识别2．光学字符识别光学字符识别（OpticalCharacterRecognition，OCR）是指使用电子设备（如扫描仪或数码照相机）检查纸上的字符，通过检测暗、亮的模式确定其形状，并通过字符识别方法将形状翻译成计算机文字的过程。第五章引领世界人工智能5.3人工智能技术应用之图像识别人脸识别（也称为人像识别、面部识别）是现在非常热门的一个领域，其在安防监控、金融等多个领域都有应用。通过机器视觉手段可以找出特定的人物，如识别出多张图中相同的人，即输入一个人的照片后，可以让机器在数据库中查找此人究竟是谁，这些都是人脸识别的不同应用方向。5.3.3人脸识别第五章引领世界人工智能5.3人工智能技术应用之图像识别一是建立一个包含大批量人脸图像的数据库；二是通过各种方式来获得当前要进行识别的目标的人脸图像；三是将目标的人脸图像与数据库中存在的人脸图像进行比对和筛选。人脸识别技术的实现主要分为三大步骤：第五章引领世界人工智能5.3人工智能技术应用之图像识别1．人脸识别应用人脸图像的采集与预处理是对人脸识别技术实施流程的第一步，然后基于处理后的图像进行人脸检测，主要用于检测并定位图片中的人脸，返回高精度的人脸框坐标及人脸特征点坐标。人脸识别会进一步提取每个人脸上所含有的特征，并将其与已知的人脸进行对比，从而识别出其身份。第五章引领世界人工智能5.3人工智能技术应用之图像识别一个完整的视频流人脸识别系统的主要工作流程如下：（1）通过OpenCV抓取摄像头的视频流。（2）通过多任务卷积神经网络（MultipleTaskCNN，MTCNN）对每帧图片进行人脸检测和对齐，设置每n个间隔帧进行一次检测。（3）通过FaceNet预训练模型对步骤（2）中得到的人脸进行512维的特征值提取。（4）收集目标数据集来训练自己的分类模型。（5）将步骤（3）中得到的512维的特征值作为步骤（4）的输入，输出即人脸识别结果。第五章引领世界人工智能5.3人工智能技术应用之图像识别2．身份识别应用人脸识别技术可以提供人脸检测与属性分析、人脸1︰1对比、人脸搜索和活体检测等功能。目前灵活应用于金融、安防等领域，以满足身份核验、考勤和闸机通行等（即身份识别）业务需求。第五章引领世界人工智能5.3人工智能技术应用之图像识别（1）人脸检测。此步骤是在输入的图片中查找有没有人脸，找到人脸所在的位置，并用方框标出人脸，以及计算检测到的人脸数量人脸的检测识别操作第五章引领世界人工智能5.3人工智能技术应用之图像识别（2）人脸跟踪。此步骤主要是“跟踪”人脸，通常是在一个视频流中实时捕捉到某个人脸部主要特征点的位置，这样就能得到一个内容比较丰富、立体的人脸信息，也能够从中识别出表情上的细腻变化。人脸特征点的捕捉第五章引领世界人工智能5.3人工智能技术应用之图像识别（3）人脸识别。人脸识别指通过摄像机或摄像头采集含有人脸的图像或视频流，并自动在图像中检测和跟踪人脸，进而对检测到的人脸进行脸部识别的一系列相关技术。其应用场景最多的是身份认证，无论人脸图像中人物表情是什么、戴眼镜与否、图片中是否为侧脸、光线昏暗与否，甚至年龄发生变化，也能够正确识别。第五章引领世界人工智能5.3人工智能技术应用之图像识别身份验证技术流程第五章引领世界人工智能5.4人工智能技术应用之果蔬采摘机器人在工业4.0、机器人替代人工劳动的大环境下，通过智能设备的集成，机器人在各种场景中完成特定的任务已经成为目前的研究热点。移动抓取机器人分为移动和机械臂操作两部分，同时融合了多种传感器以使机器人拥有自主感知规划的功能。5.4.1机器人操作系统基本情况第五章引领世界人工智能5.4人工智能技术应用之果蔬采摘机器人5.4.1机器人操作系统基本情况本模块的案例采用了四驱差速驱动方式的轮式底盘结构的移动机器人，通过搭载六自由度的机械臂和末端执行器（机械爪）实现果蔬的采摘-抓取-摆放功能。第五章引领世界人工智能机器人操作系统集合了国内外多种主流的机械臂、激光雷达等设备。用户可以按需选配，从事ROS研究、运动控制研究、农业采摘研究、巡检研究、视觉研究的个人、研究院所及高校团队都可以使用该产品，这样可以节省大量的时间和成本，从而更便捷、更高效、更专注地进行研究和开发工作。5.4人工智能技术应用之果蔬采摘机器人第五章引领世界人工智能5.4.2果蔬采摘机器人5.4人工智能技术应用之果蔬采摘机器人果蔬采摘机器人由ROS、驱控一体化移动底盘、协作机器人、避障传感器系统、激光雷达导航系统、北斗差分定位系统、3D视觉系统和基于5G网络的通信系统等组成，其集多种传感器数据采集、数据分析及智能控制于一体，可以支持与部署当前流行的深度学习应用。第五章引领世界人工智能将机械臂、移动底盘摄像头等硬件设备结合为一体的果蔬采摘机器人，节省了硬件搭建与调试的成本。若构建一套多设备的耦合系统，将协作机械臂搭载在移动机器人上，并将抓手及深度摄像头通过连接法兰安装在机械臂的末端法兰上，则可组成一个带抓取功能与导航移动功能的机器人系统。该系统可在非接触状态下操作果蔬采摘机器人自主完成一片区域内的果蔬的采摘工作。相关操作人员可以设定机器人的工作模式，既可以随时手动操作，又可以设定程序实现远程、无人、自主操作摘取工作。5.4人工智能技术应用之果蔬采摘机器人第五章引领世界人工智能5.4人工智能技术应用之果蔬采摘机器人5.4.3自主导航与避障自主导航技术是提高果蔬采摘机器人智能程度的核心技术之一，其中SLAM是解决其自主导航的关键。根据Cartographer算法进行构图和定位，将基于图优化的SLAM分为前端（LocalSLAM）和后端（GlobalSLAM）两个模块。第五章引领世界人工智能5.4人工智能技术应用之果蔬采摘机器人5.4.3自主导航与避障首先，获取激光雷达、里程计和惯性测量装置（InertialMeasurementUnit，IMU）传感器数据；根据体素滤波器检测此次姿态运动的大小，根据优化好的位姿将点云帧插入子图中进行叠加，实现子图的构建。基于改进的人工智能算法实现全局位姿优化，实现向当前节点的任意方向前进。通过挂载在机器人上的激光雷达对周围地形与障碍物进行全方位扫描，以构建一块与真实可行动空间吻合的环境地图。第五章引领世界人工智能5.4人工智能技术应用之果蔬采摘机器人5.4.3自主导航与避障控制软件提供了根据生成地图进行导航的功能。导航时需要先手动指定机器人的起始位置和目标位置，同时机器人会计算出机器人在地图中的位置，再规划最短路径。将地图中的每个像素作为图中的一个节点，规划出起始点到目标点的最短无障碍路径，最后计算出控制命令发送给移动平台，使机器人沿规划的路径前进，在前进的过程中自动避开障碍物。第五章引领世界人工智能5.4人工智能技术应用之果蔬采摘机器人5.4.4精准定位与抓取精准定位与抓取是指使用机器人的视觉系统对非结构化环境下的目标物体进行识别。果蔬采摘机器人的视觉系统通过挂载在移动底盘与机械臂上的摄像头捕捉图像（因为机械臂具有灵活性，所以果蔬采摘机器人能对周围环境进行多方位观察），第五章引领世界人工智能5.4人工智能技术应用之果蔬采摘机器人在开放的复杂环境下识别目标物体时，通常会因为类似干扰物与自然光线等而导致识别正确率降低，尤其是传统的识别方案在物体遮掩等问题上表现得不太理想。果蔬采摘机器人的视觉识别主要围绕深度学习的方法来实现，在可能的场景下预先对大量包含识别目标的数据集进行标注，并加入干扰项得到完整的训练集。第五章引领世界人工智能首先，训练样本增强。在可能的场景下预先对大量包含识别目标的数据集进行标注，加入干扰项得到完整的训练集。然后，算法模型改进。使用基于深度学习的Mask（掩膜）RCNN算法检测苹果时，需要改进模型参数量以提高检测速度，加快模型推理速度，在设置边框损失的权重后，可以使分割结果更加精确。最后，基于3D重建方法的苹果定位技术实现果蔬抓取。5.4人工智能技术应用之果蔬采摘机器人新一代信息技术导论

谢谢大家！信息导论新一代江苏信息职业技术学院

技术目录第四章日新月异大数据第三章走进云计算时代第二章触摸世界物联网新一代信息技术导论第五章引领未来人工智能第一章绪论第六章信用基石区块链新一代信息技术导论第六章信用基石区块链第六章信用基石区块链目录区块链概述区块链技术区块链的应用第六章信用基石区块链学习目标【知识目标】了解区块链的概念与特征；理解区块链的技术；熟悉区块链在各行业中的实际应用。【技能目标】了解区块链的发展历程；了解区块链应用存在的问题与未来的发展。【素质目标】培养学生的数字化思维，提升其在数字时代的适应能力。第六章信用基石区块链思维导图6.1区块链概述6.1.1概念第六章信用基石区块链一个去中心化的分布式账本，其本身是一系列使用密码学而产生的互相关联的数据块。区块链？区块链作为去中心化的分布式账本，有什么样的好处或特征？6.1.1概念6.1.2特征6.1.3发展历程6.1区块链概述6.1.1概念第六章信用基石区块链信息处理与共享便利价值转移价值转移分享宠视频？分享手中的钱？√×6.1区块链概述6.1.1概念第六章信用基石区块链价值转移6.1区块链概述6.1.1概念第六章信用基石区块链价值转移复制黏贴给收款方？-500+5006.1区块链概述6.1.1概念第六章信用基石区块链价值转移6.1区块链概述6.1.1概念第六章信用基石区块链分享宠视频？分享手中的钱？√×将某一部分价值从A地址转移到B地址，需要A地址精确地减少了这部分价值，而B地址精确地增加了这部分价值。这就是区别于信息转移的价值转移。目前的互联网协议是不支持价值转移功能的。所以，目前的价值转移往往不是直接传输，而是由一个中心化的第三方来做背书。价值转移6.1区块链概述6.1.1概念第六章信用基石区块链人与人之间信任的建立全靠看脸。远古部落双十一人们相信远在千里之外的一个卖衣服商家，并且向他付款。现代社会因为在这个交易过程中，我们把信任托付给了国家机构或大型企业这些中心化的第三方。？图文参考：徐明星等．图说区块链[M]北京：中信出版社，2017信用建设6.1区块链概述6.1.1概念第六章信用基石区块链信用建设6.1区块链概述6.1.1概念第六章信用基石区块链基于中心化机构背书的信用体系构建本身存在一些局限。对于中心体的过渡依赖系统的可信度问题高昂的信用成本！！！收费：汇款金额的1‰最低50元/笔，最高260元/笔有限性机会主义为了快速完成信用建设，实现安全且低成本的价值转移，区块链技术就这样应运而生了。信用建设第六章信用基石区块链6.1区块链概述6.1.2特征中心化第三方第六章信用基石区块链6.1区块链概述6.1.2特征节点节点节点节点节点节点第六章信用基石区块链6.1区块链概述6.1.2特征区块链是分布式的，区块链在网络上会有许多独立的节点。在区块链公信力模型中，区块链不制定政策，它只是扮演一个公证人的角色。第六章信用基石区块链6.1区块链概述6.1.2特征公信力政府公众区块链是分布式的区块链不制定政策而只是一个公证人的角色区块链是一台创造信任的机器。第六章信用基石区块链6.1区块链概述6.1.3发展历程区块链

1.0

时代技术发展与数字货币密切相关，应用普遍集中在货币转移、兑换和支付等方面，这个时期的区块链技术找到了一个解决货币和支付去中心化的方案。区块链2.0

时代解决了市场的去中心化问题，以太坊（Ethereum）的概念也开始出现。这一时期的关键词是“合约”。区块链3.0

时代代表了区块链技术的最新发展阶段，其开始的标志是通证（Token）的出现。第六章信用基石区块链6.2区块链技术6.2.1区块链的账本系统与交易模型这个城市里有4个居民，他们互相借钱的时候，是这么操作的：假设乙向甲借了10块钱，甲就会在人群中大喊：“我是甲，我借给了乙10块钱！”同时，乙也在人群中大喊：“我是乙，甲借了10块钱给我！”这时候城市里的其他居民，丙和丁都听到了这些消息，他们在自己手中的小账本上把这一事件记录下来：“某年某月某日，甲借给了乙10块钱。”极端情况：去中心化小城区块链作为一本去中心化的分布式账本，如何运行呢？第六章信用基石区块链极端情况：去中心化小城这个去中心化的小城中不再需要一个拥有公信力的组织。这是因为当分布式结构中的每个人都记账的时候，篡改账本是不可行的。我不欠甲10块钱！不对，我的账本上明明记录了你在某年某月某日向了甲借了10块钱，并且没有你还款的相关记录。6.2区块链技术6.2.1区块链的账本系统与交易模型第六章信用基石区块链1.可以无限增加2.加密且有顺序3.去中心化6.2区块链技术6.2.1区块链的账本系统与交易模型第六章信用基石区块链6.2区块链技术6.2.1区块链账本系统与交易模型在依托网络的区块链城市中生活着很多居民，他们相互进行交易活动。这里，我们举例关注其中的五个居民，他们分别是ABCDE。区块链城市区块链城市所有交易都依托区块链账本系统进行。第六章信用基石区块链6.2区块链技术6.2.1区块链账本系统与交易模型这五个居民互相进行交易，如买卖商品，所以他们相互之间就要进行支付。在一次交易中，A首先支付了10元钱给B，此时，A和B就需要记账，而且为了让这笔账在区块链世界得到承认，A和B在记账后都需要将账单广播出去，告诉城市中的所有人。稍后，B又由于交易需要支付了5元钱给C，与此同时，B和C也同样要把对这笔交易的记录广播给所有人，如果之后C又支付了2元钱给D，那这一账单，也同样需要向全世界广播。BDAC金额：10金额：5金额：2其他……第六章信用基石区块链6.2区块链技术6.2.1区块链账本系统与交易模型对这一时期区块链城市中发生的A、B、C、D之间的账单以及其他账单进行打包，形成一个块，这个块称为区块。当这一区块打包完成后，人们将这个区块链接到以前的交易记录上，之后新的区块继续形成，再将新区块继续链接到这一区块之后，这样就形成