丽莎老师讲机器人之新闻机器人

机器新闻又称机器人新闻，或自动化新闻，是指人工智能技术在新闻写作、采访、编辑、主持等新闻活动中的具体运用。
机器人新闻写作，是一种自然语言生成引擎，利用算法程序，通过采集大量的各种题材以及高质量的数据，建立各种分类的庞大数据库，借助人工智能实现从数据到知识、见解和建议的提升和跨越，最后由机器自动化生产新闻。本文所关注的是狭义上的机器新闻，即机器新闻写作。
目前的机器新闻写作，稿件的生成主要有两种方式，一种是基于自然语言处理的自然语言处理模型，将数据直接转换为人类语言，通过人工智能技术组成最终稿件，理论上可以做到与人类编辑的稿件几乎相同。该模型通过机器学习技术积累了自身的一个知识库（Knowledge Discovery in Database，KDD），在应用过程中，不断丰富自身的知识库，最后输出越来越接近人类语言的稿件。该模型并不是单一的一项技术，而是涉及整个人工智能领域的技术集合，涵盖人工智能、自然语言处理、大数据等。
另一种是预先埋入模板的模板模型，然后将拥有的数据字段填充进去，最终产生稿件。这种方式就像搭积木一样，基于数据选择相应的字词句模板，目前大部分的机器新闻应用都是采用这种方式。这种方式在模板的数量多到一定程度，排列组合的粒度足够小时，复杂度更大，最终稿件的效果越接近人工稿件。这两种产稿模型也并非割裂地使用，实际应用中往往是各种技术的相互交叉。
三、我国现有的4个主要新闻机器人
2015年9月10日，一篇题为“8月CPI涨2%创12个月新高”的新闻稿件在腾讯网财经频道发布。”继腾讯Dreamwriter尝试后，国内各家媒体紧随其后推出机器新闻应用，如第一财经的“DT稿王”，新华网的“快笔小新”，今日头条的“AI小记者XiaomingBot”等。
（一）腾讯“Dreamwriter”
Dreamwriter是腾讯财经2015年9推出的自动化写稿机器人，是国内在机器新闻领域的首次尝试。推出至今，该写稿机器人已经完成了至少5个版本的迭代，主要运用在腾讯财经以及腾讯体育两大板块。截至2017年4月8日，共发稿件约5000篇。
（二）今日头条“Xiaomingbot”
2016年里约奥运会之际，今日头条推出“Xiaomingbot”写稿机器人。Xiaomingbot在里约奥运会期间共撰写了457篇关于羽毛球、乒乓球、网球的消息简讯和赛事报道，不仅囊括了从小组赛到决赛的所有赛事，且其发稿速度也非常快，几乎与电视直播同时。Xiaomingbot写作的稿子有将近百万的阅读量，有的稿子的阅读量甚至高过于记者人工写作的稿件。
Xiaomingbot是国内第一个运用自然语言处理、视觉图形处理和机器学习技术的写稿机器人。Xiaomingbot属于第二代写稿机器人，不仅可以通过检索图片自己选择图片，还能模仿人类的语气，使用诸如“笑到了最后”、“实力不俗”等词语。Xiaomingbot写稿速度更快、拟人化程度更高、还可以在文章中选取插入赛事的图片，图文并茂使文章更加生动形象。
（三）新华社“快笔小新”
2015年11月7日，新华社迎来了“快笔小新”——一个计算机程序，应用人工智能、机器学习、数据挖掘等技术，生成类似于人类写作的稿件。目前“快笔小新”供职于新华社体育部、经济信息部和中国证券报，写体育赛事的中英文稿件和财经信息稿件。
在百度搜索中输入“这条新闻由新华社机器人写稿系统编写”进行搜索，一共可以搜出130篇新闻。在中证网中搜索“这条新闻由新华社机器人写稿系统编写”，截至2017年4月3日，快笔小新一共撰写了1043篇文章，其中2017年撰写了72篇文章。总体来看，大部分稿件是数据的堆砌，语言衔接也较为生硬，纯文字，无图片，无评论。
（四）第一财经“DT稿王”
2016年7月，DT稿王进入大众视线。DT稿王是第一财经媒体实验室开发的一款自动化的新闻写作工具，主要撰写财经类的稿件，现多发布在第一财经的微信公众号上。
DT稿王处理速度很快，利用多台服务器分布式的对发布的公告进行扫描，可以即时对公告进行分类筛选出待写新闻稿的公告，并通过后台的信息提取算法提取出该公告的重要信息。同时，DT稿王生成的稿件语句流利通顺，符合人类自然语言的语法，主要体现在其拟人化的运用上。最后，DT稿王在海量的信息中抓住信息本身的重点，协助决策的快速实施，主要体现在关键信息以及主题的提取上。
三、我国新闻机器人水平现状
（一）机器新闻的适用领域——财经、体育
迄今为止，机器新闻使用最广泛的四大领域是财经、体育、气象地质和健康。就我国机器新闻的发展而言，最广泛的应用领域还是财经和体育两大方面
这些报道类型有一个共同点，就是所围绕的新闻主题通常涉及大量数据，需要进行量化分析，而新闻写作的结构具有相对固定的标准和模式。据分析，可以看出腾讯的Dreamwrite在奥运会期间所撰写的体育简讯一般都是按照“时间+人物+比分+结果”的模式撰写的。模板化也是基于人工智能的自然语言生成技术的机器新闻稿件的一个显著的特点。
（二）中文机器新闻写作进展落后于西方国家
我国机器新闻产业虽取得了一定发展，但仍远远落后于西方国家。究其原因有二：一是西方国家凭借其强大的创新能力在人工智能技术上已有一定的优势；二是汉语堪称最复杂的语言之一，中文“机器写作”的难度远大于英文等语言。
（三）机器新闻的优势：多而快、满足个性化需求、长尾效应突出
对于财经、体育等规格化比较高的新闻，机器新闻不仅生产速度快，而且产量也远远大于记者所撰写的稿件。计算机软件24小时随时待命，不需要休息，可以不间断地高强度工作；伴随着计算机硬件设备的不断升级换代，基于算法对海量数据进行挖掘和分析也仅仅是几秒钟的事情。
随着技术的不断进步，通过对不同语料库语言风格的智能化机器学习，结合对每个用户阅读习惯的自动化分析，机器新闻可以自动生成适应不同人群语言习俗的表达方式，能够针对同一新闻事件生产出不同风格的内容版本，以适配不同受众的需求。

丽莎老师讲机器人之开会就交给机器人吧！

虽然会议在工作中必不可少，却也存在诸多弊端。不过，我们有望通过新技术的加持，有效缓解这些负面影响。

无论你身处哪个行业，不管是商讨一件贵重工艺品的售价，还是如何以最令人舒适的方式迎接新客户，开展工作都需要与人交流，而且需要跟当事人面谈。

有时候，这些会议会带给我们重重压力。穿戴式生理监控设备反映的数据情况可以证明这一点。我有一位同事最近参加了一个长达1小时的会议，数据显示，他的心跳率长时间超过每分钟130次，身体所承担的负荷甚至比平时参加有氧运动课还高。

未来，大众或许会接受“商业会谈导致心血管系统过度劳累”这一说法，但现在还不太可能。我们能做的就是尊重这种商业仪式继续开会，并忍受会议的一切弊端。

变革已然来临

幸运的是，在过去十年间，商务会议在各个方面发生了翻天覆地的变化。

以人工智能为例，我的工作需要和很多人开会，但和五十年前不一样的是，我没有秘书。至少，我没有任何人类秘书。我的行程都是由云端服务器的人工智能助手安排的。

人工智能助手负责安排相关事项、回复其他会议参与者，并协商会议场地和时间，它有权限使用我的在线日历系统，而且了解我的会议偏好。

这种自动化助手未来将会成为所有企业，上至首席执行官，下至旅行推销员的帮手。

即使是《星际迷航》中的让·吕克·皮卡尔舰长，也无法摆脱二十世纪老派商务会议的弊端：所有参会人员都必须同时出现在同一间房。

当然，现今社会再也不必如此。借助现代技术，人们无需亲身出席便能轻松参与会议。即使不在同一个办公室，您仍可借助机器人与同事面对面沟通。

许多项目，团队成员在各地进行异地办公，但会在聊天室开会以推动项目进展。

从心理学角度来看，同事们的虚拟角色比真人行为感觉更“真实”。我根本不需要听到对方的声音，或者知道他们有多高，只凭借其打字速度、换行风格或使用的表情符号和表情包就能认出许多同事。

我们的大脑会自行脑补各种细节，将网上接触的人勾勒出更为真实生动的形象。不过，这也多了几分“后人类”的恐惧感；在我使用的多个Slack频道中，机器人和人工智能的数量已超过真人。

老实说，有时候机器人比人类还要友善。

如果您更喜欢和同事面对面交谈，而不是使用键盘打字呢？

远程机器人更具优势。这些视频会议设备采用人体工学进行设计，可将您的脸部影像投影在头部大小的设备上，并设有远程用户可任意遥控的驱动系统。

即使我人在加州，也可以操作远程机器人在我的办公室来回走动，就好像真的在办公室一样。我可以走进会议室，也可以跟同事一起穿过走廊。

再加上即将到来的5G所带来的更快带宽，我甚至可以遥控我的“替身”和同事们一起在下班后去酒吧蹦迪。

我可以同时遥控多个设备，一边参加董事会议、一边和同事确认工作进度、一边小酌几杯以拓展人际关系。而处理这些事情时，我本人正穿着裤衩悠闲地在其他地方“葛优躺”。这或许不符合传统的会议礼仪，但肯定可以减轻压力。

丽莎老师讲机器人之机器人怎么展？

作为人工智能的重要研究领域和体现之一，机器人代表了科技的前沿，也预示着人类的未来。因此，机器人也成为了世界各国科学中心的 “宠儿”，各种各样不同形式的机器人总能让观众乐此不疲的玩上大半天。然而机器人主题展览，到底想传达给观众什么？在与机器人互动的过程中，观众又能领会到什么？机器人到底应该怎样展？笔者认为，这应该是展览策划与设计的核心目标。作为世界最大的永久性机器人展厅——卡内基科学中心“机器人世界”为我们诠释了机器人技术的深层内涵。


机器人已经成为一个越来越突出的研究领域。未来很多工作都将由机器人或依赖于他们的技术而完成。今天的学校、商店、办公室等地已经出现了他们的身影。跟学校和科学中心一样，“机器人世界”旨在为大家提供了一个了解和学习机器人的机会；在这里我们可以探讨机器人课程，分享网络资源，学习相关技术和一切有关机器人的话题。与设计完美机器人与展示未来前沿科技相比，“机器人世界”的使命是给予未来那些致力于科学与数学领域的人以灵感来探索更好的解决问题的方法。
什么是机器人？这取决于被问的对象是谁。机器人一般被定义为：一台拥有特定方式去表达感知，思考，行动等能力的机器。这三种能力构成了“机器人世界”展厅的基本展览要素和框架。展览通过30多件机器人交互展项来体现感知、思考、行动三大分主题，并体现机器人领域的技术成果以及当前开发情况等。
一、感知
此部分展示了现代科技在机器人感知信息方面进行的创新性应用，包括机器视觉、移动检测，超声波探测等。机器人感知主要体现在传感器功能（热能，色彩，物体追踪，激光定位，测距，3D视野，速度，动力，射线编码等）上，这些机器人功能会以互动、娱乐等方式呈现。
二、思考
很多机器人展览都大量展示机器人是如何用程序来处理信息及做出行动。智能机器人体现在很多方面，从基本程序控制到可以模仿人类思考与感情的高级人工智能机器人等等。此部分展览会加深观众对机器人思考功能的认知。
三、行动
大多数机器人具有的显著的功能性，此部分展示了机器人如何行走、转动、飞行、抓取、使用工具和收集材料等行为。观众可以和他们进行互动，让机器人完成指令和行动。

丽莎老师讲机器人之MIT博士发明的壁挂机器人

MIT 的机械工程学博士 James Penn 最近在 Kickstarter 上推出了一个有趣的项目：一款壁挂式的绘画机器人 Utensil，它可以使用织物记号笔、尖锐物或其他绘图工具制作多种多样的艺术作品或设计。
Utensil 是一部占用面积 56 平方厘米的机器人，它采用了一种独特的线缆驱动系统，同时具备闭环反馈控制能力，可以大面积规模作画而不牺牲性能。
这台机器人的一大特色是在T恤上绘制个性化图案。你只需在电脑上编辑好自己喜欢的图案，然后给 Utensil 安装上织物记号笔，它就能在几分钟的时间里完成绘画。
当然，Utensil 的绘画能力还能展现在制作海报和其他艺术作品上面。由于具备机器人的高精度，它能够纤毫毕现地还原你需要的图案。
除了绘画之外，Utensil 还能通过与其他工具的结合而获得新的能力，比如对摄像头（或其他设备）进行可编程的多轴运动控制，激光切割和雕刻，以及铣削。

丽莎老师讲机器人之费斯托的仿生联盟

自古以来，自然界就是人类各种技术思想及重大发明的灵感源泉。种类繁多的自然生物经过长期的进化逐渐适应环境，看似轻而易举地完成各种复杂又精妙的运动。而“仿生”即为在工程上有效地应用生物功能的一种技术，它是一门既古老又年轻的学问。
以创新为企业宗旨、以仿生闻名于世的费斯托今年也必定不会让大家失望，一个个全新的仿生成果成功在生物和工业技术之间架起了一座桥梁，让科学与艺术完美融合，更让一个个工业难题迎刃而解。
“钢铁侠”——BionicWorkplace
你是否有过那么一瞬间，似曾相识却又不同往日？确认过眼神，没错！这就是我们的新一代仿生工位——BionicWorkplace人机互动平台。在2017汉诺威工博会上亮相的BionicCobot，向我们展示了人与轻型气动机器人如何进行合作。如今，工程师们成功将BionicCobot改版升级成更加全面的仿生工位。
在BionicWorkplace中，仿生机器人手臂与众多彼此连接互通的辅助系统以及外围设备共同协作。同时，人工智能和机器学习法使BionicWorkplace成为一个累积增大的自适应系统，能持续对自身进行优化。其“战力指数”可谓直线飙升。
01
模拟人类运动方式
升级后的BionicWorkplace让机器手臂更加灵活敏感，让你的“战甲”和手臂完美贴合，操作起来也更容易上手。此外，TA能与人直接而安全地进行互动，无需将工人与机器人严格分离。相信我，有了TA，你也可以成为“钢铁侠”。


02
合作效率更高
相比上一代，BionicWorkplace搭载了的全新人工智能系统，数种辅助系统和外围设备可以实现机器人之间的相互通信。同时在升级后，TA还能持续自行优化，让人能直接与BionicWorkplace进行交互，用动作、接触或语音实现控制，也可进行远程操作。


03
对人类工作量的支持和减负
在工人从事单调和重体力劳动时，BionicWorkplace就是最好的帮手。TA可在危险区域进行工作，例如进入激光切割机，从而解放人工的职能。


04
记录工人的位置和工作环境
与BionicCobot配套的特殊工服为一件配备惯性传感器的长袖上衣以及集成红外标记的工作手套。所有必要的电缆集成在可穿戴的织物中，系统通过特殊工作服识别工人和他们的动作。这样在不阻碍工人动作的基础上可实现持续记录工人、元件和工具的位置。


05
机器学习优化工作
BionicWorkplace每解决一项任务，系统都能学习吸收新的知识。让设备从一种受操控的、经过编程的、固定的运行方式逐渐转化为一种本质而言更自由的工作模式。


06
知识模块全球通用
BionicWorkplace已习得的知识模块和新技能可被不受限制地广泛分享，且在全球范围内均可使用。基于此，未来有可能将工作场所建造成一种全球范围内互联互通的复合体，并依照当地个性化的任务与客户需求分别作出适应性调整。

丽莎老师讲机器人之VR加机器人等于华佗在世

让医生借助VR设备，实现对病人体内的纳米手术机器人的控制，从而完成精细的微创手术。通过VR头盔透视人体，浸入病人的身体内部，医生能够更清晰地观察患者的病灶，从而提升手术效果。
另外，一旦遇上突发情况，医生也能够凭借虚拟现实技术更为便利地找到出现问题的原因，在微型手术机器人的配合下，降低手术的风险性，提高治愈率。
同时，VR技术还可以提升医生学习手术操作的效率。医生们不仅可以更为有效直观地观察到操作步骤，也可以亲身上阵，体验操作过程。并根据自身情况，及时调整学习的进程和范围，这种可谓理论与实践相结合的学习模式，将有机会大大提高医疗从业人员的培训进度。
这不仅是 VR进军微创外科的一次尝试，也是医疗行业运用新技术的又一次革新。
目前，Vicarious Surgical正在研发可以沟通外科手术机器人的 VR软件及平台，CBinsights上的资料显示，Vicarious Surgical所要研发的技术要比现有的方案先进很多，可以显著降低所需成本，或许将成为微创手术的下一代前沿技术。
从整个大环境来看，VR技术和医疗行业相结合的商业模式还是很有前景的。
VR基础装备的发展欣欣向荣，VR头盔技术愈加成熟。
VR基础设备的完善为VR技术向医疗行业的拓展提供了条件。
VR在医学上的应用已经到了临界点，蓄势待发。
虽然 VR技术并不是首次被应用到医学上，但现今的电脑技术可以使模拟图像更快地被创建出来，图像质量也更逼真。
除了如Vicarious Surgical用VR技术进行外科手术，目前 VR在医疗行业的运用大致有下面几种：
1、给复杂的手术作流程规划
术前，通过创建详细的数据模型，扫描患者的身体内部状况，识别可能会发生的潜在危险并进行合理规划。马萨诸塞州伯灵顿 Lahey医院和医疗中心介入神经放射学主任 Dr. Sup Choi表示：VR技术在帮助他准备修复动脉瘤和动脉阻塞手术方面起到了很大的作用。他可以更好地了解团队需要用到什么样的操作设备以及手术方案。
3D视角的VR可以让医生更好的对手术有直观的认识，做更充分的术前准备
2、作为治疗心理及精神层面疾病的物理疗法
又称暴露疗法，用于帮助治疗焦虑症或恐惧症 (例如 PTSD，创伤后应激障碍)。VR技术可以创建安全的，可控的模拟环境帮助患者渐渐习惯曾经让他们感到极度不安的场景。现在，越来越多的医生表示配合 VR技术的治疗，将可能成为此类疾病的有效疗法。南加州大学戴维斯老龄科学应用研究和管理学院的 Dr. Albert Skip Rizzo说，“通过虚拟现实技术，将患者置于刺激环境中，系统性地控制刺激表现，采用循证治疗可以不断放大治疗效果。”
一直以来VR都是帮助士兵们训练作战任务，但是现在VR还能是抚慰战后士兵PTSD症状的良药。
3、缓解病痛
华盛顿大学的科学家 Dr. Hunter Hoffman是用VR技术缓解疼痛方面的专家，他表示，止痛药的作用有时候很有限，比如严重的烧伤患者，他们所经历的日常清理，皮肤移植及包扎，都属于最痛苦的过程。针对这些患者，Hoffman帮助设计了一款名叫 “SnowWorld”的游戏，游戏里有专门帮助分散烧伤患者注意力的图像，据初步研究，参与游戏的患者疼痛感减少了 50%。
另外，位于洛杉矶的 Cedars Sinai医疗中心也推出了一个旨在运用 VR技术帮助减轻疼痛的全新的虚拟医疗项目。
4、康复治疗
MindMaze是一家致力于凭借 VR技术帮助患者克服中风症状的公司。比如，一位因中风而不能使用左手的患者，依然可以用自己健康的右手去尝试控制由 MindMaze提供的虚拟左手，这个过程有助于大脑恢复对瘫痪肢体的感知。
有数据显示，和传统康复治疗相比，两个月的VR康复治疗可以让患者恢复更好的行动力。费城天普大学物理治疗学教授 Keshner说：“VR治疗技术正在改变人们对世界的感知，在让他们更好地面对问题的同时，也更自信，更有能力。”
目前，大部分用于医疗方面的 VR技术还处于起步和试验阶段，未能投入到广泛的使用中。其所需消耗的成本也将是必然要考虑的因素。
如何进一步提高 VR技术应用的精准度，与医疗行业更完美的贴合，如何让医生和患者都对 VR技术的使用有更深入的了解，这些都有待关注。

丽莎老师讲机器人之云计算、大数据、人工智能4

一开始这个大数据并不大。原来才有多少数据？现在大家都去看电子书，上网看新闻了，在我们 80 后小时候，信息量没有那么大，也就看看书、看看报，一个星期的报纸加起来才有多少字？
如果你不在一个大城市，一个普通的学校的图书馆加起来也没几个书架，是后来随着信息化的到来，信息才会越来越多。
首先我们来看一下大数据里面的数据，就分三种类型：
结构化的数据：即有固定格式和有限长度的数据。例如填的表格就是结构化的数据，国籍：中华人民共和国，民族：汉，性别：男，这都叫结构化数据。
非结构化的数据：现在非结构化的数据越来越多，就是不定长、无固定格式的数据，例如网页，有时候非常长，有时候几句话就没了；例如语音，视频都是非结构化的数据。
半结构化数据：是一些 XML 或者 HTML 的格式的，不从事技术的可能不了解，但也没有关系。
其实数据本身不是有用的，必须要经过一定的处理。例如你每天跑步带个手环收集的也是数据，网上这么多网页也是数据，我们称为 Data。
数据本身没有什么用处，但数据里面包含一个很重要的东西，叫做信息（Information）。
数据十分杂乱，经过梳理和清洗，才能够称为信息。信息会包含很多规律，我们需要从信息中将规律总结出来，称为知识（Knowledge），而知识改变命运。
信息是很多的，但有人看到了信息相当于白看，但有人就从信息中看到了电商的未来，有人看到了直播的未来，所以人家就牛了。
如果你没有从信息中提取出知识，天天看朋友圈也只能在互联网滚滚大潮中做个看客。
有了知识，然后利用这些知识去应用于实战，有的人会做得非常好，这个东西叫做智慧（Intelligence）。
有知识并不一定有智慧，例如好多学者很有知识，已经发生的事情可以从各个角度分析得头头是道，但一到实干就歇菜，并不能转化成为智慧。
而很多的创业家之所以伟大，就是通过获得的知识应用于实践，最后做了很大的生意。
所以数据的应用分这四个步骤：数据、信息、知识、智慧。
最终的阶段是很多商家都想要的。你看我收集了这么多的数据，能不能基于这些数据来帮我做下一步的决策，改善我的产品。
例如让用户看视频的时候旁边弹出广告，正好是他想买的东西；再如让用户听音乐时，另外推荐一些他非常想听的其他音乐。
用户在我的应用或者网站上随便点点鼠标，输入文字对我来说都是数据，我就是要将其中某些东西提取出来、指导实践、形成智慧，让用户陷入到我的应用里面不可自拔，上了我的网就不想离开，手不停地点、不停地买。
很多人说双十一我都想断网了，我老婆在上面不断地买买买，买了 A 又推荐 B，老婆大人说，“哎呀，B 也是我喜欢的啊，老公我要买”。
你说这个程序怎么这么牛，这么有智慧，比我还了解我老婆，这件事情是怎么做到的呢？

数据如何升华为智慧
数据的处理分以下几个步骤，完成了才最后会有智慧：
数据收集
数据传输
数据存储
数据处理和分析
数据检索和挖掘
数据收集
首先得有数据，数据的收集有两个方式：
拿，专业点的说法叫抓取或者爬取。例如搜索引擎就是这么做的：它把网上的所有的信息都下载到它的数据中心，然后你一搜才能搜出来。
比如你去搜索的时候，结果会是一个列表，这个列表为什么会在搜索引擎的公司里面？就是因为他把数据都拿下来了，但是你一点链接，点出来这个网站就不在搜索引擎它们公司了。
比如说新浪有个新闻，你拿百度搜出来，你不点的时候，那一页在百度数据中心，一点出来的网页就是在新浪的数据中心了。
推送，有很多终端可以帮我收集数据。比如说小米手环，可以将你每天跑步的数据，心跳的数据，睡眠的数据都上传到数据中心里面。
数据传输
一般会通过队列方式进行，因为数据量实在是太大了，数据必须经过处理才会有用。可系统处理不过来，只好排好队，慢慢处理。
数据存储
现在数据就是金钱，掌握了数据就相当于掌握了钱。要不然网站怎么知道你想买什么？
就是因为它有你历史的交易数据，这个信息可不能给别人，十分宝贵，所以需要存储下来。
数据处理和分析
上面存储的数据是原始数据，原始数据多是杂乱无章的，有很多垃圾数据在里面，因而需要清洗和过滤，得到一些高质量的数据。
对于高质量的数据，就可以进行分析，从而对数据进行分类，或者发现数据之间的相互关系，得到知识。
比如盛传的沃尔玛超市的啤酒和尿布的故事，就是通过对人们的购买数据进行分析，发现了男人一般买尿布的时候，会同时购买啤酒。
这样就发现了啤酒和尿布之间的相互关系，获得知识，然后应用到实践中，将啤酒和尿布的柜台弄的很近，就获得了智慧。
数据检索和挖掘
检索就是搜索，所谓外事不决问 Google，内事不决问百度。内外两大搜索引擎都是将分析后的数据放入搜索引擎，因此人们想寻找信息的时候，一搜就有了。
另外就是挖掘，仅仅搜索出来已经不能满足人们的要求了，还需要从信息中挖掘出相互的关系。
比如财经搜索，当搜索某个公司股票的时候，该公司的高管是不是也应该被挖掘出来呢？
如果仅仅搜索出这个公司的股票发现涨的特别好，于是你就去买了，其时其高管发了一个声明，对股票十分不利，第二天就跌了，这不坑害广大股民么？所以通过各种算法挖掘数据中的关系，形成知识库，十分重要。

丽莎老师讲机器人之高校新增大数据、机器人工程专业

教育部近日公布的2017年度高校本科专业备案和审批结果显示，全国新增备案本科专业2105个，新增审批本科专业206个，合计新增2311个专业。
在新增备案本科专业中，“数据科学与大数据技术”最为热门。根据统计，共有250所高校新增“数据科学与大数据技术”专业，其中包括中国人民大学、北京师范大学、厦门大学等19所教育部直属高校。河南省21所高校新增该专业，为最多省份。河北、山东、安徽、广东、江苏等省也有较多高校成功获批。
2016年2月，教育部公布新增“数据科学与大数据技术”专业，北京大学、对外经济贸易大学、中南大学成为首批获批高校。次年，又有32所高校获批。此次248所高校获批“数据科学与大数据技术”专业，几乎是前两次获批高校的8倍。
为配合地方大数据产业布局，解决人才缺口问题，众多高校也需在大数据人才培养方面发力。
致力于大数据产业布局的贵州此次共有8所高校新增大数据相关专业。根据日前公布的《2018年贵州省人才需求信息目录汇编》，当地人才需求量最大的领域（行业）主要为大健康医疗产业、教育科研、大数据产业。
河北五个大数据专项实验区已经初见成效。下一步，河北将建设京津冀国家级大数据综合试验区，打造千亿元级大数据产业集群。而此次“数据科学与大数据技术”专业获批高校中，河北也有13所。
上海地区，包括同济大学、上海财经大学、上海电机学院、上海对外经贸大学、上海体育学院、上海健康医学院等不同类型高校此次均获批“数据科学和大数据技术”专业。其中上海财经大学在工学和理学两个门类分别设置“数据科学与大数据技术”专业。
根据教育部上述2017年度高校本科专业备案和审批结果，此次共有60所高校获批“机器人工程”专业。其中江苏共有10所高校申请设立该专业（包括驻苏部属高校）。
财新网2016年3月份报道称，教育部当年3月7日公布的2015年度高校本科专业备案和审批结果显示，坐落于南京的东南大学率先在本科设立了“机器人工程”专业。东南大学是教育部部属重点院校，而此前开设这一专业的院校多为中专或者技校。
据澎湃新闻梳理，2017年，教育部公布2016年度高校本科专业备案和审批结果，获批“机器人工程”专业的高校增至24所，今年这一数据达到60所。
“机器人工程”专业大热的背后，是人工智能行业的持续发展。据《经济观察报》3月6日报道，人工智能行业人才需求旺盛，有经验的就能月入八千。而《信息时报》3月2日报道称，有企业为机器人工程师开出2.5万元月薪。
在人工智能领域颇有“野心”的成都2017年年底发布人才蓝皮书，称“人工智能产业领域的人工智能架构师、人工智能算法工程师、大数据工程开发师、仿生机器人研发工程师等9类人才紧缺”。这一情况也在其他地方不同程度地存在。
人工智能行业到底缺少什么样的人才？《经济观察报》上述报道称，一是一些逻辑算法方面的人才，二是基于一些核心技术平台如人脸识别、语音识别等线上云端能够使用的人才，基于平台开发的人才，三是大数据人才，四是人工智能硬件产品人才，对新的终端产品有所了解，比如机器人等。

丽莎老师讲机器人之云计算、大数据、人工智能3

随着 OpenStack 的技术越来越成熟，可以管理的规模也越来越大，并且可以有多个 OpenStack 集群部署多套。
比如北京部署一套、杭州部署两套、广州部署一套，然后进行统一的管理。这样整个规模就更大了。
在这个规模下，对于普通用户的感知来讲，基本能够做到想什么时候要就什么时候要，想要多少就要多少。
还是拿云盘举例子，每个用户云盘都分配了 5T 甚至更大的空间，如果有 1 亿人，那加起来空间多大啊。
其实背后的机制是这样的：分配你的空间，你可能只用了其中很少一点，比如说它分配给你了 5 个 T，这么大的空间仅仅是你看到的，而不是真的就给你了。
你其实只用了 50 个 G，则真实给你的就是 50 个 G，随着你文件的不断上传，分给你的空间会越来越多。
当大家都上传，云平台发现快满了的时候(例如用了 70%)，会采购更多的服务器，扩充背后的资源，这个对用户是透明的、看不到的。
从感觉上来讲，就实现了云计算的弹性。其实有点像银行，给储户的感觉是什么时候取钱都有，只要不同时挤兑，银行就不会垮。
到了这个阶段，云计算基本上实现了时间灵活性和空间灵活性；实现了计算、网络、存储资源的弹性。
计算、网络、存储我们常称为基础设施 Infranstracture, 因而这个阶段的弹性称为资源层面的弹性。
管理资源的云平台，我们称为基础设施服务，也就是我们常听到的 IaaS（Infranstracture As A Service）。
云计算不光管资源，也要管应用
有了 IaaS，实现了资源层面的弹性就够了吗？显然不是，还有应用层面的弹性。
这里举个例子：比如说实现一个电商的应用，平时十台机器就够了，双十一需要一百台。你可能觉得很好办啊，有了 IaaS，新创建九十台机器就可以了啊。
但 90 台机器创建出来是空的，电商应用并没有放上去，只能让公司的运维人员一台一台的弄，需要很长时间才能安装好的。
虽然资源层面实现了弹性，但没有应用层的弹性，依然灵活性是不够的。有没有方法解决这个问题呢？
人们在 IaaS 平台之上又加了一层，用于管理资源以上的应用弹性的问题，这一层通常称为 PaaS（Platform As A Service）。
这一层往往比较难理解，大致分两部分：一部分笔者称为“你自己的应用自动安装”，一部分笔者称为“通用的应用不用安装”。
自己的应用自动安装：比如电商应用是你自己开发的，除了你自己，其他人是不知道怎么安装的。
像电商应用，安装时需要配置支付宝或者微信的账号，才能使别人在你的电商上买东西时，付的钱是打到你的账户里面的，除了你，谁也不知道。
所以安装的过程平台帮不了忙，但能够帮你做得自动化，你需要做一些工作，将自己的配置信息融入到自动化的安装过程中方可。
比如上面的例子，双十一新创建出来的 90 台机器是空的，如果能够提供一个工具，能够自动在这新的 90 台机器上将电商应用安装好，就能够实现应用层面的真正弹性。
例如 Puppet、Chef、Ansible、Cloud Foundary 都可以干这件事情，最新的容器技术 Docker 能更好的干这件事情。
通用的应用不用安装：所谓通用的应用，一般指一些复杂性比较高，但大家都在用的，例如数据库。几乎所有的应用都会用数据库，但数据库软件是标准的，虽然安装和维护比较复杂，但无论谁安装都是一样。
这样的应用可以变成标准的 PaaS 层的应用放在云平台的界面上。当用户需要一个数据库时，一点就出来了，用户就可以直接用了。
有人问，既然谁安装都一个样，那我自己来好了，不需要花钱在云平台上买。当然不是，数据库是一个非常难的东西，光 Oracle 这家公司，靠数据库就能赚这么多钱。买 Oracle 也是要花很多钱的。
然而大多数云平台会提供 MySQL 这样的开源数据库，又是开源，钱不需要花这么多了。
但维护这个数据库，却需要专门招一个很大的团队，如果这个数据库能够优化到能够支撑双十一，也不是一年两年能够搞定的。
比如您是一个做单车的，当然没必要招一个非常大的数据库团队来干这件事情，成本太高了，应该交给云平台来做这件事情。
专业的事情专业的人来做，云平台专门养了几百人维护这套系统，您只要专注于您的单车应用就可以了。
要么是自动部署，要么是不用部署，总的来说就是应用层你也要少操心，这就是 PaaS 层的重要作用。
虽说脚本的方式能够解决自己的应用的部署问题，然而不同的环境千差万别，一个脚本往往在一个环境上运行正确，到另一个环境就不正确了。
而容器是能更好地解决这个问题。
容器是 Container，Container 另一个意思是集装箱，其实容器的思想就是要变成软件交付的集装箱。集装箱的特点：一是封装，二是标准。
在没有集装箱的时代，假设将货物从 A 运到 B，中间要经过三个码头、换三次船。
每次都要将货物卸下船来，摆得七零八落，然后搬上船重新整齐摆好。因此在没有集装箱时，每次换船，船员们都要在岸上待几天才能走。
有了集装箱以后，所有的货物都打包在一起了，并且集装箱的尺寸全部一致，所以每次换船时，一个箱子整体搬过去就行了，小时级别就能完成，船员再也不用上岸长时间耽搁了。
这是集装箱“封装”、“标准”两大特点在生活中的应用。
那么容器如何对应用打包呢？还是要学习集装箱。首先要有个封闭的环境，将货物封装起来，让货物之间互不干扰、互相隔离，这样装货卸货才方便。好在 Ubuntu 中的 LXC 技术早就能做到这一点。
封闭的环境主要使用了两种技术：
看起来是隔离的技术，称为 Namespace，也即每个 Namespace 中的应用看到的是不同的 IP 地址、用户空间、程号等。
用起来是隔离的技术，称为 Cgroups，也即明明整台机器有很多的 CPU、内存，而一个应用只能用其中的一部分。
所谓的镜像，就是将你焊好集装箱的那一刻，将集装箱的状态保存下来，就像孙悟空说：“定”，集装箱里面就定在了那一刻，然后将这一刻的状态保存成一系列文件。
这些文件的格式是标准的，谁看到这些文件都能还原当时定住的那个时刻。将镜像还原成运行时的过程（就是读取镜像文件，还原那个时刻的过程），就是容器运行的过程。
有了容器，使得 PaaS 层对于用户自身应用的自动部署变得快速而优雅。
在 PaaS 层中一个复杂的通用应用就是大数据平台。大数据是如何一步一步融入云计算的呢？

丽莎老师讲机器人之云计算、大数据、人工智能2

虚拟世界的赚钱与情怀
在虚拟化阶段，最牛的公司是 VMware。它是实现虚拟化技术比较早的一家公司，可以实现计算、网络、存储的虚拟化。
这家公司很牛，性能做得非常好，虚拟化软件卖得也非常好，赚了好多的钱，后来让 EMC(世界五百强，存储厂商第一品牌)给收购了。
但这个世界上还是有很多有情怀的人的，尤其是程序员里面。有情怀的人喜欢做什么事情？开源。
这个世界上很多软件都是有闭源就有开源，源就是源代码。也就是说，某个软件做的好，所有人都爱用，但这个软件的代码被我封闭起来，只有我公司知道，其他人不知道。
如果其他人想用这个软件，就要向我付钱，这就叫闭源。但世界上总有一些大牛看不惯钱都让一家赚了去的情况。大牛们觉得，这个技术你会我也会；你能开发出来，我也能。
我开发出来就是不收钱，把代码拿出来分享给大家，全世界谁用都可以，所有的人都可以享受到好处，这个叫做开源。
比如最近的蒂姆·伯纳斯·李就是个非常有情怀的人。2017 年，他因“发明万维网、第一个浏览器和使万维网得以扩展的基本协议和算法”而获得 2016 年度的图灵奖。
图灵奖就是计算机界的诺贝尔奖。然而他最令人敬佩的是，他将万维网，也就是我们常见的 WWW 技术无偿贡献给全世界免费使用。
我们现在在网上的所有行为都应该感谢他的功劳，如果他将这个技术拿来收钱，应该和比尔盖茨差不多有钱。
开源和闭源的例子有很多：例如在闭源的世界里有 Windows，大家用 Windows 都得给微软付钱；开源的世界里面就出现了 Linux。
比尔盖茨靠 Windows、Office 这些闭源的软件赚了很多钱，称为世界首富，就有大牛开发了另外一种操作系统 Linux。
很多人可能没有听说过 Linux，很多后台的服务器上跑的程序都是 Linux 上的，比如大家享受双十一，无论是淘宝、京东、考拉……支撑双十一抢购的系统都是跑在 Linux 上的。
再如有 Apple 就有安卓。Apple 市值很高，但是苹果系统的代码我们是看不到的，于是就有大牛写了安卓手机操作系统。
所以大家可以看到几乎所有的其他手机厂商，里面都装安卓系统。原因就是苹果系统不开源，而安卓系统大家都可以用。
在虚拟化软件也一样，有了 VMware，这个软件非常贵。那就有大牛写了两个开源的虚拟化软件，一个叫做 Xen，一个叫做 KVM，如果不做技术的，可以不用管这两个名字，但是后面还是会提到。
虚拟化的半自动和云计算的全自动
要说虚拟化软件解决了灵活性问题，其实并不全对。因为虚拟化软件一般创建一台虚拟的电脑，是需要人工指定这台虚拟电脑放在哪台物理机上的。
这一过程可能还需要比较复杂的人工配置。所以使用 VMware 的虚拟化软件，需要考一个很牛的证书，而能拿到这个证书的人，薪资是相当高，也可见其复杂程度。
所以仅仅凭虚拟化软件所能管理的物理机的集群规模都不是特别大，一般在十几台、几十台、最多百台这么一个规模。
这一方面会影响时间灵活性：虽然虚拟出一台电脑的时间很短，但是随着集群规模的扩大，人工配置的过程越来越复杂，越来越耗时。
另一方面也影响空间灵活性：当用户数量多时，这点集群规模，还远达不到想要多少要多少的程度，很可能这点资源很快就用完了，还得去采购。
所以随着集群的规模越来越大，基本都是千台起步，动辄上万台、甚至几十上百万台。如果去查一下 BAT，包括网易、谷歌、亚马逊，服务器数目都大的吓人。
这么多机器要靠人去选一个位置放这台虚拟化的电脑并做相应的配置，几乎是不可能的事情，还是需要机器去做这个事情。
人们发明了各种各样的算法来做这个事情，算法的名字叫做调度(Scheduler)。
通俗一点说，就是有一个调度中心，几千台机器都在一个池子里面，无论用户需要多少 CPU、内存、硬盘的虚拟电脑，调度中心会自动在大池子里面找一个能够满足用户需求的地方，把虚拟电脑启动起来做好配置，用户就直接能用了。
这个阶段我们称为池化或者云化。到了这个阶段，才可以称为云计算，在这之前都只能叫虚拟化。
云计算的私有与公有
云计算大致分两种：一个是私有云，一个是公有云，还有人把私有云和公有云连接起来称为混合云，这里暂且不说这个。
私有云：把虚拟化和云化的这套软件部署在别人的数据中心里面。使用私有云的用户往往很有钱，自己买地建机房、自己买服务器，然后让云厂商部署在自己这里。
VMware 后来除了虚拟化，也推出了云计算的产品，并且在私有云市场赚的盆满钵满。
公有云：把虚拟化和云化软件部署在云厂商自己数据中心里面的，用户不需要很大的投入，只要注册一个账号，就能在一个网页上点一下创建一台虚拟电脑。
例如 AWS 即亚马逊的公有云；国内的阿里云、腾讯云、网易云等。
亚马逊为什么要做公有云呢？我们知道亚马逊原来是国外比较大的一个电商，它做电商时也肯定会遇到类似双十一的场景：在某一个时刻大家都冲上来买东西。
当大家都冲上买东西时，就特别需要云的时间灵活性和空间灵活性。因为它不能时刻准备好所有的资源，那样太浪费了。但也不能什么都不准备，看着双十一这么多用户想买东西登不上去。
所以需要双十一时，就创建一大批虚拟电脑来支撑电商应用，过了双十一再把这些资源都释放掉去干别的。因此亚马逊是需要一个云平台的。
然而商用的虚拟化软件实在是太贵了，亚马逊总不能把自己在电商赚的钱全部给了虚拟化厂商。
于是亚马逊基于开源的虚拟化技术，如上所述的 Xen 或者 KVM，开发了一套自己的云化软件。没想到亚马逊后来电商越做越牛，云平台也越做越牛。
由于它的云平台需要支撑自己的电商应用；而传统的云计算厂商多为 IT 厂商出身，几乎没有自己的应用，所以亚马逊的云平台对应用更加友好，迅速发展成为云计算的第一品牌，赚了很多钱。
在亚马逊公布其云计算平台财报之前，人们都猜测，亚马逊电商赚钱，云也赚钱吗？后来一公布财报，发现不是一般的赚钱。仅仅去年，亚马逊 AWS 年营收达 122 亿美元，运营利润 31 亿美元。
云计算的赚钱与情怀
公有云的第一名亚马逊过得很爽，第二名 Rackspace 过得就一般了。没办法，这就是互联网行业的残酷性，多是赢者通吃的模式。所以第二名如果不是云计算行业的，很多人可能都没听过了。
第二名就想，我干不过老大怎么办呢？开源吧。如上所述，亚马逊虽然使用了开源的虚拟化技术，但云化的代码是闭源的。
很多想做又做不了云化平台的公司，只能眼巴巴的看着亚马逊挣大钱。Rackspace 把源代码一公开，整个行业就可以一起把这个平台越做越好，兄弟们大家一起上，和老大拼了。
于是 Rackspace 和美国航空航天局合作创办了开源软件 OpenStack，如上图所示 OpenStack 的架构图，不是云计算行业的不用弄懂这个图。
但能够看到三个关键字：Compute 计算、Networking 网络、Storage 存储。还是一个计算、网络、存储的云化管理平台。
当然第二名的技术也是非常棒的，有了 OpenStack 之后，果真像 Rackspace 想的一样，所有想做云的大企业都疯了，你能想象到的所有如雷贯耳的大型 IT 企业：IBM、惠普、戴尔、华为、联想等都疯了。
原来云平台大家都想做，看着亚马逊和 VMware 赚了这么多钱，眼巴巴看着没办法，想自己做一个好像难度还挺大。
现在好了，有了这样一个开源的云平台 OpenStack，所有的 IT 厂商都加入到这个社区中来，对这个云平台进行贡献，包装成自己的产品，连同自己的硬件设备一起卖。
有的做了私有云，有的做了公有云，OpenStack 已经成为开源云平台的事实标准。