移动计算中的群智感知
考虑移动群智感知用户类型的激励机制设计
（１）在 信息传 输 采集 系统 中 ，由一 个云 平 台公 布若
群 智感 知 的用 户 类 型 和 能 力 存 在 差 异 ，例 如 出租 车 与 干采 集任 务 。介 绍任 务 内容 并公 布 不 同任务 相 对应 的
量 不高 ，群智 感 知 的发展 受 到 了严 重 的影 响 ，因 此需 要
信息采 集 过程 依 据 一 种务分 配机 制 和激 励 机制 。而在 实 际 的激励 机 示 。具体 步骤 如下 。
制 选择 中 ，云 平 台遇 到 了新 的 问题 。现 实 生 活 中参 与
地 最 大化云 平 台的收 益 ，激励 了用 户披露 其私人 信 息。 最后利 用仿真 验证 了最优 契约 ，并 讨论 了噪 声 、成本 、分界 线对 云 平 台收
益 的 影 响 。
关 键 词 ：群 智 感 知 ；契 约 理 论 ；用 户 类 型 ；委 托 人 ；代 理 人
中 图 分 类 号 ：ＴＮ９２９．５
０ 引言
种类 型 的车辆 上传 的数 据 有 很 大 的特 征差 异 。在 设 计
移 动群 智感 知 是 一 种 新 的感 知 模 式 ，它 将 普 通 用 激励 机制 时 ，要 考 虑到用 户 类 型差 异 ，才 能使 用 户 利用
户 的移 动设 备作 为 基本 感知 单元 ，利用 网络媒介 ，通 过 率提 高 ，云平 台收 益 最 大 化 。 激励 机 制 的设 计 是 群 智
有 意识 或无 意 识 的协 作 ，实 现 感 知 任 务 的 分 发 以及 感 感知 研究 的关 键 ，可 以 利 用 如 博 弈 、拍 卖 、契 约理 论 等
知 数 据 的 收 集 ，完 成 大 规 模 的 、复 杂 的 社 会 感 知 任 方法 来设 计激励 机 制 。
群智感知中的数据采集与信息处理研究
群智感知中的数据采集与信息处理研究一、引言随着信息技术的不断发展，数据量呈现爆炸性增长，而群智感知技术的兴起为大规模数据采集和信息处理提供了新的思路。
在群智感知中，大量的个体通过提交信息实现特定的数据采集任务，进而为后续的信息处理和分析提供支持。
本文将从数据采集和信息处理两个层面，探讨在群智感知中数据采集与信息处理的研究现状和问题。
二、群智感知中的数据采集研究1. 群智感知的数据采集方式群智感知的数据采集依赖于参与者自愿提交有用的信息，常见的数据采集方式包括定位、视频、图片、文本等。
其中，定位数据在大规模的移动互联网应用中得到了广泛的应用，例如基于定位的社交应用和商业导航应用等。
2. 群体行为对数据采集的影响在群智感知的数据采集中，参与者之间存在相互协作和竞争的关系。
群体行为会对数据采集的准确性、可信度和效率等方面产生重要影响。
研究表明，群体中信任和奖励机制具有重要作用，可以激发参与者的积极性和信任感，提高数据采集的质量和效率。
3. 数据质量和任务分配研究在群智感知的数据采集中，由于参与者的主观性和能力差异，数据质量问题日益突出。
同时，在任务分配方面，优化任务分配可以提高数据采集的效率和质量。
相关研究表明，任务分配的优化策略可以基于参与者的能力、历史表现、任务数量和任务难度等因素，从而提高任务效率和质量。
三、群智感知中的信息处理研究1. 群智感知的信息处理方式在群智感知的信息处理中，需要将大量的未加工的原始数据转化为有价值的信息。
常见的信息处理方式包括数据清洗、数据挖掘和信息可视化等。
其中，数据清洗可以减少数据中的噪声和错误，数据挖掘可以实现数据分类、聚类和关联分析，而信息可视化可以有效地传达信息。
2. 大数据量下信息处理的问题在群智感知中，数据量和数据类型都保持着高度多样性，信息处理的难度和复杂度不断攀升。
在大数据量下，信息处理面临的主要问题包括数据存储和计算、数据隐私和安全以及数据挖掘和分析等方面。
移动群智感知网络中信息量最大化的用户选择方法研究
ＣＨＩＮＥ计Ｓ Ｅ ＪＯ算Ｕ ＲＮ Ａ机Ｌ Ｏ Ｆ学ＣＯ Ｍ Ｐ报ＵＴＥＲＳ
Ｖｏｌ．Ｍ４３ａｒ．Ｎ２ｏ０．２ ３０
移动群智感知网络中信息量最大化的用户选择方法研究
杨 朔 吴 帆 陈贵海
（上海交通大学计算机科学与工程系 上海 ２００２４０）
摘 要 移动群智感知网络已经成为一种新型的感知模式，被广泛应用在环境数据收集等多种不同场景．限制群 智感知系统效能的一个关键问题在于：如何在一定预算范围内选取最合适的用户来进行感知任务，从而最大化收 集到数据的信息量．这其中的关键挑战包括：（１）如何定义量化评价指标衡量数据的信息量，（２）如何在无先验知识 的情况下有效地学习选择每个用户的成本，（３）如何设计有效的用户选择算法，最大程度地降低算法的累计遗憾． 在本文中，我们采用高斯过程建模空间环境，并且提出一个基于互信息的信息量衡量指标．为了解决第二、第三个 挑战，我们提出有预算限制的多臂老虎机用户选择问题模型，并为静态和动态场景分别设计了理论可证的低累计 遗憾的多轮用户选择算法．我们的理论分析和仿真实验均证实我们提出的算法能够在预算限制情况下有效地选择 最有信息量的用户，与基准方法相比提升约２０％．
Hale Waihona Puke 关键词 移动群智感知；用户选择；多臂老虎机问题；预算限制；空间相关性 中图法分类号ＴＰ３９３ 犇犗犐号１０．１１８９７／ＳＰ．Ｊ．１０１６．２０２０．００４０９
犗狀犇犲狊犻犵狀犻狀犵犕狅狊狋犐狀犳狅狉犿犪狋犻狏犲犝狊犲狉犛犲犾犲犮狋犻狅狀犕犲狋犺狅犱狊犳狅狉犕狅犫犻犾犲犆狉狅狑犱狊犲狀狊犻狀犵
ＹＡＮＧＳｈｕｏ ＷＵＦａｎ ＣＨＥＮＧｕｉＨａｉ
（犇犲狆犪狉狋犿犲狀狋狅犳犆狅犿狆狌狋犲狉犛犮犻犲狀犮犲犪狀犱犈狀犵犻狀犲犲狉犻狀犵，犛犺犪狀犵犺犪犻犑犻犪狅犜狅狀犵犝狀犻狏犲狉狊犻狋狔，犛犺犪狀犵犺犪犻 ２００２４０）
认知计算与群智感知的结合研究
认知计算与群智感知的结合研究在人工智能领域，认知计算和群智感知都是不容忽视的重要研究方向。
认知计算是从人类的认知机制出发，开展对计算和信息技术的研究，旨在打造具有人类智能水平的智能系统。
而群智感知则是指利用互联网和移动计算技术，对广大人群的认知和行为进行数据采集和分析，以获取更为全面和准确的信息。
然而，光是理论上的研究和探讨，往往难以直接应用到实践中，需要通过实验和案例分析来验证其可行性和有效性。
因此，将认知计算和群智感知结合起来，从理论研究到实践应用，就成为了当前研究的一个热点和难点。
认知计算和群智感知的结合研究，涉及到多个领域和技术，如机器学习、数据挖掘、社交网络、人机交互等。
下面就让我们分别从这些角度来探讨其中的关键问题和挑战。
1、机器学习与数据挖掘机器学习和数据挖掘是进行认知计算和群智感知结合研究的基础和关键技术。
从认知计算的角度来看，机器学习技术可以实现对人类认知过程的模拟和分析，进而为构建智能系统提供有力支撑。
从群智感知的角度来看，数据挖掘技术可以从大量的社交网络和移动计算数据中获取有价值的信息，为贴近实际需求的应用场景提供精准预测和解决方案。
然而，机器学习和数据挖掘也存在一些挑战和限制。
例如，数据采集和清洗的难度较大，难以保证数据的质量和可靠性；同时，数据分析和预测的过程中，也需要考虑与实际场景的匹配度和适用性。
因此，在进行机器学习和数据挖掘时，需要综合考虑多种因素，如数据质量、算法适用性、领域知识等。
2、社交网络与人机交互社交网络和人机交互，是实现认知计算和群智感知结合的重要环节。
社交网络可以实现人与人之间的信息交流和协同，为群智感知提供可靠的数据源和数据分析平台。
而人机交互则可以通过智能交互的方式，提升认知计算系统的灵活性和人性化体验。
然而，社交网络和人机交互也存在一些挑战和限制。
例如，社交网络的信息质量和真实性难以保证；人机交互的用户体验和易用性需要不断优化。
因此，要实现认知计算和群智感知的结合，需要在社交网络与人机交互的基础上，考虑如何保证数据的准确性、如何让用户更好的参与进来、如何降低用户参与的难度等方面做出全面优化。
移动群智感知质量度量与保障
移动群智感知质量度量与保障摘要：认为移动群智感知网络的感知质量包含时空覆盖质量和数据质量两个层面，前者关注是否能采集到足够多的数据，而后者关注数据是否足够准确和可信。
分别从这两个层面讨论了感知质量度量和保障的方法，对移动群智感知网络的部署和应用具有一定的指导意义和实用价值。
关键词：移动群智感知；感知质量度量；感知质量保障目前，物联网已经进入深度发展阶段，对物理环境更大规模、更复杂、更全面的感知需求越来越强烈。
在过去十多年内，人们主要关注以无线传感网为代表的固定部署感知网络，用来对森林、海洋、火山等自然环境进行监测。
然而，这种传统感知模式的网络部署和维护成本很高，不适宜进行大规模的城市感知。
近几年来，人们开始关注一种新型物联网感知模式，即“移动群智感知[1-3]”，或者叫“以人为中心的感知[4]”、“参与感知[5]”、“机会感知[6]”等。
这种感知模式的产生一方面是由于现实世界中存在着大量的移动感知节点，例如，具有多达十几种传感器的智能手机、各种可穿戴设备（如智能手环、智能手表、智能眼镜等）、车载感知设备（如全球定位系统（GPS）、第2代车载自动诊断系统（OBD-II）、车载二氧化碳传感器等）或其他便携式电子设备（如Intel的空气质量传感器）。
这些感知节点通常由移动的人或车携带，因而更容易实现对整个城市的覆盖，我们将其称之为“移动感知”。
另一方面，最近学术界和工业界流行一种“众包”思想，它是一种新的分布式的问题解决模式，就是将一个复杂的问题分解成很多个简单的问题，然后外包给大量的普通用户来协同完成。
于是，移动感知与众包思想的结合，就产生了这种新型物联网感知模式――移动群智感知，它将普通用户的移动设备作为基本感知单元，通过移动互联网进行有意识或无意识的协作，实现感知任务分发与感知数据收集，完成大规模的、复杂的社会感知任务[3]。
与传统的固定部署感知模式相比，移动群智感知有三大优点：网络部署成本更低、网络维护更容易、系统更具有可扩展性[7]，因此更适合完成一些大规模的、复杂的感知任务，可应用于城市环境监测、智能交通、城市管理、公共安全等领域。
移动群智感知技术在城市环境监测中的应用研究
移动群智感知技术在城市环境监测中的应用研究 近年来，城市化进程迅速推进，城市环境问题也日益突出。为了解决这些问题，人们对城市环境的监测需求越来越迫切。移动群智感知技术应运而生，成为一种有效的城市环境监测手段。本文将重点研究移动群智感知技术在城市环境监测中的应用，探讨其在解决城市环境问题方面的潜力。
移动群智感知技术是一种基于智能手机和移动网络的数据收集方法，通过群体参与、分布式数据获取和智能网络连接，实现对城市环境的实时检测和数据收集。这种技术的应用可以大大提高城市环境监测的效率和精确度。
首先，移动群智感知技术可以扩大城市环境监测的覆盖范围。传统的环境监测设备通常安装在特定区域内，其监测范围有限，无法全面了解城市各个位置的环境状况。而移动群智感知技术则可以通过智能手机上的传感器获取多种环境数据，并利用移动网络实时传输到数据中心，使得城市环境监测可以覆盖更广泛的区域。 其次，移动群智感知技术可以提高城市环境监测的实时性。传统的环境监测方法往往需要专门的设备和人力资源进行定期采集和分析，耗费时间和精力。而移动群智感知技术可以通过众包的参与，使得大量智能手机成为城市环境监测的移动终端节点，能够实时监测环境数据并及时上报。这样，在出现突发环境事件时，可以更快速地进行响应和应对。
第三，移动群智感知技术可以提高城市环境监测的精确度。传统的环境监测设备往往只能在固定位置进行数据采集，无法得知城市不同位置的环境状况差异。而移动群智感知技术可以通过大量分布在城市各处的智能手机，实时收集环境数据，并结合位置信息进行空间分析，得出更准确的城市环境监测结果。
此外，移动群智感知技术还可以提高城市环境监测的成本效益。传统的环境监测设备需要大量投入，包括设备购置、安装和维护等费用，而移动群智感知技术则利用了智能手机已有的传感器和通信功能，无需额外投入成本。同时，通过众包的方式，可以充分利用大量智能手机的潜在能力，实现成本的降低和效益的提升。
群智感知技术在城市管理中的应用
群智感知技术在城市管理中的应用随着智能城市建设的加速，群智感知技术在城市管理中的应用也越来越广泛。
群智感知技术，指的是通过移动终端设备、传感器等获取城市数据，并通过互联网、云计算等技术进行处理与分析，为城市管理提供全方位的数据支持和决策依据。
本文将从城市交通管理、环境监测、市容环境管理、社区治理等方面探讨群智感知技术在城市管理中的应用现状及未来发展趋势。
一、城市交通管理城市交通拥堵一直是一个全球性难题，尤其是在大城市。
群智感知技术通过移动应用、摄像头等收集实时交通信息，如车辆行驶速度、路况、拥堵情况等，为城市交通管理部门提供实时的数据分析和可视化呈现。
在交通管制等方面可以发挥关键作用，能够为道路优化和资源调配提供精准数据支持，从而提高城市交通运输的效率、安全和可持续性。
二、环境监测随着城市化进程的加速，城市环境质量、噪音污染、大气污染等问题也越来越突出，导致居民生活质量下降。
群智感知技术可以通过传感器、无线网等对实时环境进行监测，并通过数据分析，建立环境监测数据库和地图信息库。
为环保、建设和规划部门提供智能、数据驱动的方案，并加强对城市环境质量的预警和监测，为城市环境安全保障提供有效的反馈机制。
三、市容环境管理市容环境管理是城市管理的重要组成部分，保持城市清洁、整洁是城市品质和形象的重要体现。
群智感知技术可以通过移动终端设备等数据采集的方式，监督、管理垃圾的清运工作，如通过拍照上传的方式，共同参与垃圾分类、清运、回收等工作。
通过信息化的方式，保存社区运行的信息，并与其他社区对比统计，优化城市环保、美化城市形象的管理工作。
四、社区治理社区治理是城市管理的基石和主体，群智感知技术可以通过软件等经验技术，对社区的工作提供更好的管理和监督手段。
比如，移动应用可以帮助政府及社会机构汇集和管理市民提供的公共数据，发现和及时反馈困难和问题，及时协调处理和解决，提高城市治理效率和居民满意度。
总之，群智感知技术在城市管理中具有广泛的应用价值，能够为城市管理部门提供精准数据支持和科学的决策依据，为城市的可持续发展和社会文明进步做出贡献。
移动群智感知中任务分配的研究
移动群智感知中任务分配的研究
方文凤;周朝荣;孙三山
【期刊名称】《计算机应用研究》
【年(卷),期】2018(035)011
【摘要】随着内置高性能传感器的移动智能终端的广泛应用,新兴的移动群智感知技术逐渐成为实时感知与收集环境信息的有效方式.为协调与鼓励用户参与感知任务,并最大限度地保证感知数据的有效性与可靠性,针对移动群智感知相关研究中的关键问题——任务分配进行了研究.首先介绍移动群智感知的相关背景;其次根据感知任务的要求对任务分配的约束条件进行分类;然后讨论与分析了任务分配的研究现状,包括平台为中心的优化算法设计以及用户为中心的激励机制设计;最后指出现有研究工作中的不足,展望了未来的研究方向.
【总页数】7页(P3206-3212)
【作者】方文凤;周朝荣;孙三山
【作者单位】四川师范大学物理与电子工程学院,成都610101;四川师范大学物理与电子工程学院,成都610101;成都信息工程大学气象信息与信号处理四川省高校重点实验室,成都610225;四川师范大学物理与电子工程学院,成都610101;电子科技大学通信抗干扰技术国家级重点实验室,成都611731
【正文语种】中文
【中图分类】TP393.07
【相关文献】
1.移动群智感知系统中基于离散布谷鸟搜索算法的任务分配 [J], 杨正清; 周朝荣; 袁姝
2.移动群智感知中的空间任务分配机制 [J], 邢倩; 孙学梅; 苑春苗
3.基于CQPSO移动群智感知紧急任务分配方法研究 [J], 李建军;汪校铃;杨玉;付佳
4.面向延迟接受的移动群智感知多任务分配 [J], 杨桂松;王不野;何杏宇
5.移动群智感知中基于用户意愿的多任务分配模型 [J], 吴佳莹;张晓瑜;苗星星因版权原因，仅展示原文概要，查看原文内容请购买。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
移动计算中的群智感知Crowd Sensing in Mobile Computing杨铮 吴陈沭清华大学hmilyyz@ wucs32@完成于7月5日，修改于8月27日摘要随着无线通信和传感器技术的快速发展，无线移动终端设备呈爆炸式普及，市场上的手机和平板电脑等设备集成了越来越多的传感器，拥有越来越强大的计算和感知能力。
在这样的背景下，群智感知成为当前移动计算中的研究热点。
无线网络与移动计算的几个著名学术会议中，例如ACM MobiCom、ACM MobiSys、IEEE INFOCOM等，许多论文都采纳了群智感知的思想。
MobiSys 2011专门开辟一个会议单元收录相关论文，MobiCom 2012中至少有5篇论文涉及群智感知。
在群智感知中，大量普通用户使用手机、平板电脑等移动设备作为基本感知单元，通过移动互联网进行协作，实现感知任务分发与感知数据收集利用，最终完成大规模的、复杂的社会感知任务。
简而言之，群智感知发挥“人多力量大”的特点，将大量草根用户拧成一股绳，形成随时随地、无孔不入、与人们生活密切相关的感知系统。
以前需要耗费大量人力物力的工作例如道路交通情况监测、大规模无线信号勘测等等都可以通过群智感知的模式来完成。
本文首先介绍了群智感知的基本概念及其思想，着重讨论了群智感知中的任务分发与收集利用机制，并以监测道路交通情况和构建建筑物室内地图为代表介绍了两个群智感知的案例，最后在总结本文的同时探索群智感知中的研究热点。
群智感知的概念在群智感知中，大量普通用户使用移动设备作为基本感知单元，通过移动互联网进行协作，实现感知任务分发与感知数据收集利用，最终完成大规模的、复杂的社会感知任务。
在计算机科学领域，与群智感知相近的概念包括群体计算（Crowd Computing）、参与式感知（Participatory Sensing）、社群感知（Social Sensing）、众包（Crowdsourcing）等等，它们都以大量用户参与作为基础，可以说在理念上是一致的。
对比群智感知，群体计算包含的范围更广一些， 众包多指是任务分发的机制，而参与式感知和社群感知与群智感知在理念上近似，但分别强调不同的方面。
在群智感知这种协作模式中，完成复杂感知任务的参与者无需是拥有专业技能的人士。
与此相反，大量草根用户成为中坚力量，通过合理的协作来完成他们单独不可能完成的任务。
用户可以主动参与感知任务，也可以被动参与。
假设我们想知道某一时刻城市道路的拥堵情况，那么各地广播电台交通台的工作模式就是用户主动参与，依赖于走在路上或者开车的人通过发短信汇报当时当地的道路交通情况。
如果利用手机中的传感器自动的监测人群的移动情况并进行汇报，那么就是用户被动参与。
用户被动参与的好处是用户无需为完成感知任务付出额外的精力和负担，因此用户参与热情高，用户数量容易提升。
通常来讲，群智感知中的感知任务是复杂的，其感知对象也不仅仅是一般传感器所感知的温度、湿度、位置等物理属性，更不限于图像、声音等多媒体数据。
上面提到的道路交通状况，以及其他社会事件、人群的活动等等都是具有强烈社会属性的，因此在本文中称为社会感知任务。
社会感知任务具有范围广、规模大、工作任务重等特点，不是一个用户能够轻易完成的。
为了发挥“人多力量大”，群智感知渐露峥嵘，将大量草根用户拧成一股绳，形成随时随地、无孔不入、与人们生活密切相关的感知系统。
群智感知背后的思想古已有之，近几年移动计算的爆炸式发展拓展了群智感知的规模，而传感器技术的普及增强了群智感知的力量，很多以前不易完成的任务变得轻而易举。
在大城市中，监测道路交通状况通常需要耗费大量人力物力资源，在大街小巷安排交通警察执勤不现实，而部署大量摄像头还必须要结合上先进的图像分析技术才能自动监测。
有研究者则利用手机监测人群在公共交通中的运动情况，从而推断出道路拥堵情况。
群智感知还可应用于灾难场景恢复，用来确定灾难发生的原因，为今后的灾难应变积累经验寻找突破口。
例如在建筑坍塌或者人群踩踏等事故中，移动设备可以通过摄像头、GPS等多种传感器成为事故现场的忠实记录者，事故调查人员可以从大量数据中恢复出事故发生的全貌。
感知任务的分发与收集利用感知任务的分发与收集利用想起来容易做起来难。
大量用户组织松散，并不是一支“军队”，连“散兵游勇”也谈不上，不是一条命令就可以解决的。
因此，任务的分发和收集利用要做到分工合理、负担合适、激励合情，让用户愿意参与，有所付出有所获得。
许多群智感知任务通过众包的方式完成感知任务的分发与收集利用。
众包（Crowdsourcing）是《连线》（Wired）杂志2006年发明的一个专业术语，用来描述一种新的生产组织形式，即企业利用互联网将工作分配出去、发现创意或解决技术问题。
通过互联网，这些企业可以利用大量用户的创意和能力。
尤其对于软件业和服务业，这提供了一种组织劳动力的全新方式。
众包和普通意义上的外包（Outsourcing）的主要不同点在于，前者的任务和问题是外派给不确定的群体，而后者是外派给确定的个体。
上面关于众包的定义，更多的是从商业角度来描述，下面我们从任务分发和收集利用的具体形式讨论众包的两个例子：SETI@home和reCAPTCHA。
SETI@home 足不出户寻找外星人SETI@home（Search for Extra Terrestrial Intelligence at Home，在家搜寻外星智慧）1，是一个通过互联网利用家用个人计算机处理天文数据的分布式计算项目。
该项目试图通过分析阿雷西博（Arecibo）射电望远镜采集的无线电信号，搜寻能够证实外星智能生物存在的证据。
SETI@home的工作流程由5部分组成。
1.由波多黎哥国家天文和电离层中心建立在群山森林环抱中的、直径为305米的巨型射电望远镜Arecibo搜索太空中的无线电信号。
Arecibo将每天观测到的大约35 GB的数据记录在海量数字磁带上。
2.SETI@home服务器端把从Arecibo收集到的数据，经过计算分析之后根据客户的需要和电脑的情况，划分为小的工作单元即数据块。
工作单元通过因特网传送到全球成千上万个客户端以进行数据处理。
3.SETI@home传送数据结束后将自动切断连接，客户电脑便在计算资源闲置时（即屏幕保护运行时）开始对数据进行处理。
SETI@home客户端应用程序对工作单元中的数据完成快速傅立叶变换的计算，其中大约要进行 1750 亿次运算，当一个工作单元分析完毕，闪烁的小图标便会提示客户回送并下载新的数据。
4.所有客户端所获得的有价值的信号都将送回到 SETI@home服务器端。
绝大多数客户端软件所找到的信号都是来自于地球的无线电频率干扰，SETI@home 使用一大批算法和已知电信频率干扰资源的大数据库的数据来对比，从而排除所有可能的干扰。
对于极少数（可能只有<0.0001%）未被排除的信号，则将通过下一次观测太空中同一部位进行确认。
1 /5.一旦信号被确认，SETI@home 将按照国际天文学联合会（International Astronomical Union, IAU）的电报发表公告，这是天文学界取得重大发现时公之于众的一种标准方式。
而用其屏幕保护程序找到该信号的人，并将和 SETI@home 队伍中的其他成员一起被赋予“合作发现者”的称号。
SETI@home 工作流程的第2-4步就是典型的通过互联网进行众包的过程，大量闲散计算资源整合在一起完成了规模庞大的计算任务。
巧妙的是，由于计算是在屏保时候完成的，并不对用户的正常使用造成影响，甚至可以说是在用户不知不觉中完成的。
而用户所要做的，仅仅是下载并安装SETI@home的客户端。
reCAPTCHA 利用全球智慧数字化古籍提到众包，reCAPTCHA2是不得不提的。
老网民们大概都记得，刚开始上网的时候，是不存在验证码（CAPTCHA）这么一种东西的。
这造成的结果是，垃圾评论和垃圾邮件可以轻松通过任何一个网站的注册程序，通过各种方式轰炸人民群众的眼球。
发一封垃圾邮件的成本很低，恶意用户仅需注册一个邮箱，就可以向很多目标邮箱地址发动攻势了。
当这个邮箱被列入黑名单后，那就再注册一个，而且注册和发送邮件的过程可以利用计算机自动化的完成。
为了遏制垃圾邮件愈演愈烈的趋势，许多互联网公司都投入了大量的精力。
大浪淘沙后呈现出的解决方案，就是这个让人民群众微微皱眉，但是让计算机耸肩挠头的验证码。
计算机辨识技术还很落后，对于经过特殊方法扭曲、污染的文字，无法有效辨识。
而人类却可以轻松认出这些文字。
这是一个简单而巧妙的设计，计算机先是产生一个随机的字符串，然后用程序把这个字符串的图像进行随机的污染、扭曲，再显示给显示器前的人或者机器。
凡是能够辨识这些字符的，即为人类。
验证码的广泛使用增加了发送垃圾邮件的成本，注册和发送邮件不再能通过传统的方法自动化完成了。
除了应用于电子邮件，验证码还广泛应用于网站登陆、论坛发帖、电子商务等等。
尽管输入验证码给正常用户带来了些许负担，但是考虑到使用验证码带来的积极效果，人们也普遍接受了这种方式。
就像北京地铁刚开始实行进站安检的时候，乘客都抱怨耽误时间，影响出行效率。
随着这项政策的展开以及公共安全的需要，乘客也就习惯了这种方式，尽管这种方式对效率的影响也是无疑的。
2 /recaptcha但是验证码的发展并没有就此结束。
当全世界数以十亿计的人每天都会浪费几秒钟的时间参与辨认文字这一简单活动的时候，其中浪费的人脑智力是否能得到更好的应用呢？在2007年左右，验证码的发明人Luis Von Ahn 提出了新的构想，让人们用这些脑力解决一些计算机无法解决的“图书数字化”问题。
在计算机时代以前，大量信息都存在于书本和报纸等载体上。
如果不经过数字化处理，对于计算机来说这些信息仅以图像的形式存在，在当前信息时代中不能够被有效的利用。
自动化的光学识别技术也不能解决全部问题。
因为早期的印刷术并不精确，文字大小不一，形象有差别。
而且因为印刷品年代久远，拥有各种细微的缺损和污染。
这些缺陷对人眼识别来说不是什么大问题，但对计算机来说就麻烦了。
上述构想最终形成了新一代验证码系统——reCAPTCHA，每天帮助辨识数以百万计的古老印刷品。
问题在于，对于最初的验证码来说，计算机实际上是知道正确答案的，这样才能通过判断用户提供的答案是否正确来检验用户是否为人类。
而reCAPTCHA希望人们辨识的文字，计算机实际上是不知道答案的，那如何能验证返回的答案到底是不是真的呢？reCAPTCHA让人们每次辨识两个，而非一个验证码，其中一个来自于计算机随机生成并经过污染和扭曲的字符串，而另一个则是从印刷品中选取的计算机不认识的字符图像。