一種實現人工智能的方法、服務器和設備的制作方法
【專利摘要】本發明實施例公開了一種實現人工智能的方法、服務器和設備，其中方法的實現包括：從人工智能的應用設備搜集控制參數，所述控制參數包括：環境屬性參數，與所述環境屬性參數對應的應對邏輯參數以及應對結果；依據所述控制參數以及預定的判斷規則，確定與所述環境屬性參數對應的應對邏輯參數中有效的應對邏輯參數；將所述環境屬性參數以及確定為有效的應對邏輯參數下發給人工智能的應用設備。通過從人工智能的應用設備搜集控制參數，并對控制參數進行篩選，從而確定出有效的應對邏輯參數。實現人工智能的受控對象向用戶學習，進而使人工智能的受控對象表現出智能的特性。該方案，不需要人工詳細規定并編寫大量的程序邏輯，減少人工的工作量。
【專利說明】一種實現人工智能的方法、服務器和設備
【技術領域】
[0001]本發明涉及計算機【技術領域】，特別涉及一種實現人工智能的方法、服務器和設備。【背景技術】
[0002]人工智能在計算機上實現，有不同的方式。其中一種是采用傳統的編程技術，使系統呈現智能的效果，而不考慮所用方法是否與人或動物機體所用的方法相同。這種方法叫工程學方法(Engineering approach),它已在一些領域內作出了成果,如文字識別、電腦下棋等。
[0003]本申請文件所稱的計算機是指廣義上的計算機，是一種用于高速計算的電子計算機器，可以進行數值計算，又可以進行邏輯計算，還具有存儲記憶功能。并不特指個人電腦(Personal Computer, PC)。
[0004]采用工程學方法實現人工智能，需要人工詳細規定程序邏輯，如果環境參數簡單，一般較為方便。如果環境參數復雜，人工智能控制數量和空間增加，相應的邏輯就會很復雜(按指數式增長)，人工編程就非常繁瑣，也容易出錯。而一旦出錯，就必須修改原程序，重新編譯、調試，最后為用戶提供一個新的版本或提供一個新補丁，非常麻煩。
[0005]基于以上分析，采用工程學方法實現人工智能存在邏輯復雜，人工實現繁瑣容易出錯的問題，因此人工工作量太大。
【發明內容】
[0006]本發明實施例提供了一種實現人工智能的方法、服務器和設備，用于減少人工的
工作量。
[0007]一種實現人工智能的方法，包括:
[0008]從人工智能的應用設備搜集控制參數，所述控制參數包括:環境屬性參數，與所述環境屬性參數對應的應對邏輯參數以及應對結果；
[0009]依據所述控制參數以及預定的判斷規則，確定與所述環境屬性參數對應的應對邏輯參數中有效的應對邏輯參數；
[0010]將所述環境屬性參數以及確定為有效的應對邏輯參數下發給人工智能的應用設備。
[0011]一種實現人工智能的方法，包括:
[0012]獲取人工智能的被控對象運行過程中的控制參數，所述控制參數包括:環境屬性參數，與所述環境屬性參數對應的應對邏輯參數以及應對結果；
[0013]向服務器發送所述控制參數，接收并存儲服務器下發的所述環境屬性參數以及確定為有效的應對邏輯參數；
[0014]獲取當前的環境屬性參數，確定與當前的環境屬性參數對應的有效的應對邏輯參數，使用所述有效的應對邏輯參數控制人工智能的被控對象。
[0015]一種服務器，包括:[0016]參數搜集單元，用于從人工智能的應用設備搜集控制參數，所述控制參數包括:環境屬性參數，與所述環境屬性參數對應的應對邏輯參數以及應對結果；
[0017]有效性確定單元，用于依據所述參數搜集單元搜集的所述控制參數以及預定的判斷規則，確定與所述環境屬性參數對應的應對邏輯參數中有效的應對邏輯參數；
[0018]發送單元，用于將所述環境屬性參數以及所述有效性確定單元確定為有效的應對邏輯參數下發給人工智能的應用設備。
[0019]一種實現人工智能的設備，包括:
[0020]參數獲取單元，用于獲取人工智能的被控對象運行過程中的控制參數，所述控制參數包括:環境屬性參數，與所述環境屬性參數對應的應對邏輯參數以及應對結果；獲取當前的環境屬性參數；
[0021]發送單元，用于向服務器發送所述參數獲取單元獲取的控制參數；
[0022]參數接收單元，用于接收并存儲服務器下發的所述環境屬性參數以及確定為有效的應對邏輯參數；
[0023]邏輯確定單元，用于確定與當前的環境屬性參數對應的有效的應對邏輯參數；
[0024]控制單元，用于使用所述邏輯確定單元確定的有效的應對邏輯參數控制人工智能的被控對象。
[0025]從以上技術方案可以看出，本發明實施例具有以下優點:通過從人工智能的應用設備搜集控制參數，并對控制參數進行篩選，從而確定出有效的應對邏輯參數。實現人工智能的受控對象向用戶學習，進而使人工智能的受控對象表現出智能的特性。該方案，不需要人工詳細規定并編寫大量的程序邏輯，減少人工的工作量。
【專利附圖】
【附圖說明】
[0026]為了更清楚地說明本發明實施例中的技術方案，下面將對實施例描述中所需要使用的附圖作簡要介紹，顯而易見地，下面描述中的附圖僅僅是本發明的一些實施例，對于本領域的普通技術人員來講，在不付出創造性勞動性的前提下，還可以根據這些附圖獲得其他的附圖。
[0027]圖1為本發明實施例方法流程示意圖；
[0028]圖2為本發明實施例方法流程示意圖；
[0029]圖3為本發明實施例方法流程示意圖；
[0030]圖4為本發明實施例服務器結構示意圖；
[0031]圖5為本發明實施例服務器結構示意圖；
[0032]圖6為本發明實施例設備結構示意圖；
[0033]圖7為本發明實施例終端結構示意圖；
[0034]圖8為本發明實施例服務器結構示意圖；
[0035]圖9為本發明實施例終端結構示意圖。
【具體實施方式】
[0036]為了使本發明的目的、技術方案和優點更加清楚，下面將結合附圖對本發明作進一步地詳細描述，顯然，所描述的實施例僅僅是本發明一部份實施例，而不是全部的實施例。基于本發明中的實施例，本領域普通技術人員在沒有做出創造性勞動前提下所獲得的所有其它實施例，都屬于本發明保護的范圍。
[0037]人工智能在計算機上實現，另一種方法是模擬法(Modeling approach),它不僅要看效果，還要求實現方法也和人類或生物機體所用的方法相同或相類似。遺傳算法(Generic Algorithm,簡稱 GA)和人工神經網絡(Artif icial Neural Network, ANN)均屬后一類型。遺傳算法模擬人類或生物的遺傳/進化機制，人工神經網絡則是模擬人類或動物大腦中神經細胞的活動方式。
[0038]采用后模擬法時，編程者要為每一角色設計一個智能系統(一個模塊)來進行控制，這個智能系統(模塊)開始什么也不懂，就像初生嬰兒那樣，但它能夠學習，能漸漸地適應環境，應付各種復雜情況。這種系統開始也常犯錯誤，但它能吸取教訓，下一次運行時就可能改正，至少不會永遠錯下去，用不到發布新版本或打補丁。利用這種方法來實現人工智能，要求編程者具有生物學的思考方法，入門難度大一點。但一旦入了門，就可得到廣泛應用。由于這種方法編程時無須對角色的活動規律做詳細規定，應用于復雜問題，通常會比前一種方法更省力。但是以上方案，要求編程者具有生物學的思考方法，入門難度大，并且需要人工智能的應用設備不停的失敗，讓后從失敗中學習，周期會非常長。
[0039]本發明實施例提供了一種實現人工智能的方法，也能實現設備學習的效果，本實施例的實現在服務器側實現，如圖1所示，包括:
[0040]101:從人工智能的應用設備搜集控制參數，上述控制參數包括:環境屬性參數，與上述環境屬性參數對應的應對邏輯參數以及應對結果；
[0041]上述人工智能的應用設備是指人工智能被控對象所在的設備，一般來說可以是終端設備。
[0042]本發明實施例還提供了環境屬性參數的可選實現方式，如下:上述環境屬性參數的類型包括:預定義的不變環境屬性參數，以及預定義的可變環境屬性參數。
[0043]通過預定義的方式確定哪些環境屬性參數會對應對結果產生影響，這樣可以將環境屬性參數確定在一個合理的范圍內，從而縮小環境屬性參數的類型，進而達到設備性能與結論的合理匹配。不變環境屬性參數包括:背景、地形等，屬于相對來說不易改變的環境屬性參數、可變環境參數包括:距離、對象操作等，屬于相對來說隨時可能發生變化的環境屬性參數。如表I和表2所不:
[0044]表I不變環境屬性參數舉例
【權利要求】
1.一種實現人工智能的方法，其特征在于，包括: 從人工智能的應用設備搜集控制參數，所述控制參數包括:環境屬性參數，與所述環境屬性參數對應的應對邏輯參數以及應對結果； 依據所述控制參數以及預定的判斷規則，確定與所述環境屬性參數對應的應對邏輯參數中有效的應對邏輯參數； 將所述環境屬性參數以及確定為有效的應對邏輯參數下發給人工智能的應用設備。
2.根據權利要求1所述方法，其特征在于，若存在兩個或兩個以上的有效的應對邏輯參數與所述環境屬性參數對應，所述方法還包括: 基于統計結論確定各有效的應對邏輯參數的優先級，并將各有效的應對邏輯參數的優先級下發給人工智能的應用設備。
3.根據權利要求1或2所述方法，其特征在于，所述環境屬性參數的類型包括: 預定義的不變環境屬性參數，以及預定義的可變環境屬性參數。
4.根據權利要求3所述方法，其特征在于，所述預定義的不變環境屬性參數，以及預定義的可變環境屬性參數包括: 所述人工智能的應用設備中被控對象設定范圍內，預定義的不變環境屬性參數，以及，所述人工智能的應用設備中被控對象設定范圍內，預定義的可變環境屬性參數。
5.一種實現人工智能的方法，其特征在于，包括: 獲取人工智能的被控對象 運行過程中的控制參數，所述控制參數包括:環境屬性參數，與所述環境屬性參數對應的應對邏輯參數以及應對結果； 向服務器發送所述控制參數，接收并存儲服務器下發的所述環境屬性參數以及確定為有效的應對邏輯參數； 獲取當前的環境屬性參數，確定與當前的環境屬性參數對應的有效的應對邏輯參數，使用所述有效的應對邏輯參數控制人工智能的被控對象。
6.根據權利要求5所述方法，其特征在于，還包括:接收各有效的應對邏輯參數的優先級； 使用所述有效的應對邏輯參數控制人工智能的被控對象包括: 按照各有效的應對邏輯參數的優先級從所述有效的應對邏輯參數選擇應對邏輯參數，并使用選擇的應對邏輯參數控制人工智能的被控對象。
7.一種服務器，其特征在于，包括: 參數搜集單元，用于從人工智能的應用設備搜集控制參數，所述控制參數包括:環境屬性參數，與所述環境屬性參數對應的應對邏輯參數以及應對結果； 有效性確定單元，用于依據所述參數搜集單元搜集的所述控制參數以及預定的判斷規貝1J，確定與所述環境屬性參數對應的應對邏輯參數中有效的應對邏輯參數； 發送單元，用于將所述環境屬性參數以及所述有效性確定單元確定為有效的應對邏輯參數下發給人工智能的應用設備。
8.根據權利要求7所述服務器，其特征在于，還包括: 優先級確定單元，用于若所述有效性確定單元確定存在兩個或兩個以上的有效的應對邏輯參數與所述環境屬性參數對應，則基于統計結論確定各有效的應對邏輯參數的優先級；所述發送單元，還用于將各有效的應對邏輯參數的優先級下發給人工智能的應用設備。
9.根據權利要求7或8所述服務器，其特征在于， 所述參數搜集單元，用于搜集預定義的不變環境屬性參數，以及預定義的可變環境屬性參數。
10.根據權利要求9所述服務器，其特征在于， 所述參數搜集單元，用于搜集所述人工智能的應用設備中被控對象設定范圍內，預定義的不變環境屬性參數，以及，所述人工智能的應用設備中被控對象設定范圍內，預定義的可變環境屬性參數。
11.一種實現人工智能的設備，其特征在于，包括: 參數獲取單元，用于獲取人工智能的被控對象運行過程中的控制參數，所述控制參數包括:環境屬性參數，與所述環境屬性參數對應的應對邏輯參數以及應對結果；獲取當前的環境屬性參數； 發送單元，用于向服務器發送所述參數獲取單元獲取的控制參數； 參數接收單元，用于接收并存儲服務器下發的所述環境屬性參數以及確定為有效的應對邏輯參數； 邏輯確定單元，用于確定與當前的環境屬性參數對應的有效的應對邏輯參數； 控制單元，用于使用所述邏輯確定單元確定的有效的應對邏輯參數控制人工智能的被控對象。.
12.根據權利要求11所述設備，其特征在于， 所述參數接收單元，還用于接收各有效的應對邏輯參數的優先級； 所述控制單元，用于按照各有效的應對邏輯參數的優先級從所述有效的應對邏輯參數選擇應對邏輯參數，并使用選擇的應對邏輯參數控制人工智能的被控對象。
【文檔編號】G05B19/042GK103472756SQ201310451071
【公開日】2013年12月25日 申請日期:2013年9月27日 優先權日:2013年9月27日
【發明者】郭康平 申請人:騰訊科技（深圳）有限公司