CN102073909A - 一种高效半自动人工智能软件的实现方法 - Google Patents

Abstract

本发明公开一种高效半自动人工智能软件的实现方法，预先将待处理事务划分为若干独立工序，并针对每个工序执行下述步骤：调用当前工序对应的预设AI算法，并分析该预设AI算法适用当前工序条件是否达标，若是，按照该预设AI算法处理当前工序，并获得当前工序的最终处理结果；若否，转入人工处理当前工序，并获得当前工序的最终处理结果。本发明将一完整的待处理事务划分为若干独立工序，针对每一工序适用AI算法；在其中的某些工序无法应用AI算法时，可以及时转入人工处理，可避免因某个环节出现问题而导致整个待处理事务无法使用AI算法的情况发生。

Description

一种高效半自动人工智能软件的实现方法

技术领域

本发明涉及人工智能技术领域，具体来说是一种全新的高效半自动人工智能软件的实现方法，它应用于一些通常情况下不能被AI算法恰当处理的问题之中，可效地提高事务处理效率。

背景技术

人工智能(Artificial Intelligence)，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，属于计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。

现有信息软件的自动化程度比较低。究其原因，一方面是AI理论的发展遇到瓶颈，无法处理高复杂度的智能应用，例如自动翻译、人的情感模拟等等；另一方面成熟的AI方法(例如统计推断)应对现实问题的准确率也比较低。正因为这样，应用软件的智能化还未被普遍重视，仅限于少数专业领域如专家系统、模式识别等等。

参见图1，表示现有人工智能软件AI处理的实现框架，它是将待处理事务作为整体问题来考虑。在能适用AI算法时进行人工智能处理，否则转入人工处理。然而，当输入问题的处理流程较为复杂的时候，其很容易退化到最坏情形，最终无法进行AI处理，因而在大多数输入都将转入人工处理。考虑到现实中的问题大部分都属于非常复杂的类型，这种处理方法面临极大的挑战，结果是往往无法成功实现人工智能。

发明内容

有鉴于此，本发明的目的是提供一种高效半自动人工智能软件的实现方法，它可以被应用到一些在此之前不能被AI算法恰当处理的问题中，从而可以有效地提高事务处理效率。

为解决以上技术问题，本发明所提供的技术方案是，一种高效半自动人工智能软件的实现方法，预先将待处理事务划分为若干独立工序，并针对每个工序执行下述步骤：

调用当前工序对应的预设AI算法，并分析该预设AI算法适用当前工序条件是否达标，

若是，按照该预设AI算法处理当前工序，并获得当前工序的最终处理结果；

若否，转入人工处理当前工序，并获得当前工序的最终处理结果。

较优地，该预设AI算法包括若干AI子算法。

较优地，包括：

针对每一AI子算法，分析该AI子算法适用当前工序条件是否达标，若是，按该AI子算法处理当前工序，并获得与该AI子算法对应的处理结果；

验证每一AI子算法对应的处理结果是否符合要求，若全部或部分子算法对应的处理结果符合要求，从中选择最优处理结果作为当前工序的最终处理结果。

较优地，包括：

选择一AI子算法，并分析该AI子算法适用当前工序条件是否达标，

若是，按该AI子算法处理当前工序，将该AI子算法对应的处理结果作为当前工序的最终处理结果；

若否，针对下一AI子算法执行上述步骤。

较优地，包括：

预先根据当前工序条件选择一最合适AI子算法；

分析该最合适AI子算法适用当前工序条件是否达标，若是，按该最合适AI子算法处理当前工序，并将该最合适AI子算法对应的处理结果作为当前工序的最终处理结果。

较优地，预先将待处理事务分拆为若干前后相继的独立工序。

较优地，用于CAD电子图纸自动识别，预先将CAD电子图纸自动识别的待处理事务划分为以下独立工序：

对图纸按照语义分块，并识别每个图块的具体意义；

识别全局意义的图块；

识别其它图块中的构件几何信息。

可选地，选用确定性规则分析法、正则匹配、统计推断和人工处理方法识别每个图块的具体意义。

可选地，选用自动表格识别、统计推断和人工处理方法识别全局意义的图块。

可选地，选用图形匹配、统计推断和人工处理方法识别其它图块中的构件几何信息。

与现有技术相比，本发明高效半自动人工智能软件的实现方法的特点是：将一完整的待处理事务划分为若干独立工序，针对每一工序适用AI算法；在其中的某些工序无法应用AI算法时，可以及时转入人工处理；因而不会因某个环节出现问题而导致整个待处理事务无法使用AI算法的情况。这就较好地实现了人工智能的目的，有效地提高了事务处理效率。

附图说明

图1为现有AI处理策略的框架；

图2为本发明AI处理策略的框架；

图3为本发明针对图2所示框架的高效半自动人工智能软件的实现方法的流程图；

图4为图3中某工序采用多AI子算法时的第一种框架；

图5为图3中某工序采用多AI子算法时的第二种框架；

图6为图3中某工序采用多AI子算法时的第三种框架。

具体实施方式

与现有技术追求全人工智能的要求不同，本发明以一种新的思路来解决这个问题。关键在于，意识到一个完整的问题或者工作流程完全依赖AI来完成并不可行，但可以在擅长的领域内应用AI，从而最大化地提高工作效率。

因此，本发明高效半自动人工智能软件的实现方法的基本构思是以AI自动化处理为主，在其失效的时候引入人工操作辅助修正。简而言之，即“AI为主，人工为辅”。

为了使本领域的技术人员更好地理解本发明的技术方案，下面结合附图和具体实施例对本发明作进一步的详细说明。

参见图2，表示本发明人工智能软件AI处理的实现框架，它的特点是：仔细分析输入，把复杂的处理流程拆分为前后相继的工序，针对每一个工序选择性适用AI算法进处理。

以下对本发明高效半自动人工智能软件的实现方法具体进行描述。

参见图3，为本发明高效半自动人工智能软件的实现方法的流程图，包括：

S101、预先将待处理事务划分为若干独立工序

较优地，将待处理事务划分为若干前后相继的独立工序，其中的一个工序能否进行人工智能处理，不影响其它工序的人工智能处理，因而可以避免某一环节出现问题而导致全局失败的问题。

S102、选择工序，并调用当前工序对应的预设AI算法

AI算法可实现设定好，并存入系统之中。根据工序的不同，其对应的AI算法也可能有所区别，使用时一一对应调用。

S103、分析该预设AI算法适用当前工序条件是否达标

若是，进入步骤S104；

若否，进行步骤S105。

根据该预设AI算法能否成功适用于当前工序条件，选择人工智能处理或人工处理，其中达标的条件可根据需要设定。通常，达标条件为满意即可，无需追求最优。

S104、按照该预设AI算法处理当前工序，并获得当前工序的最终处理结果。

实际上，针对一般事务而言，总有其中的某些工序能够适应人工智能处理。因而，这种处理方法最少能实现半人工智能，保证有助于提高处理效率。

S105、人工处理当前工序，并获得当前工序的最终处理结果。

由于每个工序均设置了人工处理策略，因而不会因出现某个工序不能人工智能处理而导致全局停滞的问题，避免了现有技术片面追求全人工智能而不能或难以实现的困境。

S106、全部工序是否处理完毕，

若是，结束事务处理，

若否，返回步骤S102。

上述实施例为单一算法，其处理流程非常简单，但却存在着显著的缺点。在实际运用中，问题的输入千差万别，单一的算法不能保证适用于所有情况。有鉴于此，可以引入多种AI子算法综合地处理问题，兹举例说明。

参见图4，为某工序处理方法采用多AI子算法时的一种框架，具体为：

针对每一AI子算法，分析该AI子算法适用当前工序条件是否达标，若是，按该AI子算法处理当前工序，并获得与该AI子算法对应的处理结果；

验证每一AI子算法对应的处理结果是否符合要求，若全部或部分子算法对应的处理结果符合要求，从中选择最优处理结果作为当前工序的最终处理结果。

本实施例中，增加了一个后期确认过程，以便验证AI子算法的处理效果，从中选择最优结果。如果最优结果仍不能达标，则进一步转到人工处理。

该实施例还有优化的余地，因为在有些场合下并不要求追求以最优为达标，而只需要满意达标即可。

参见图5，为某工序处理方法采用多AI子算法时的另一种框架，具体为：

选择一AI子算法，并分析该AI子算法适用当前工序条件是否达标，

若是，按该AI子算法处理当前工序，将该AI子算法对应的处理结果作为当前工序的最终处理结果；

若否，针对下一AI子算法执行上述步骤。

本实施例中，可预先对AI子算法按照一定的标准(例如处理效率、对输入类型问题的适用度)排序，以便提高效率。还可将人工处理过程可看成另一种形式的AI子算法，它准确度最高，但效率通常最低。对每一工序输入的问题，依次调用AI子算法处理，一旦结果达标即输出之，否则转到下一个AI子算法。

此外，很多时候还可以预先用一个程序快速判断各个AI子算法(包括人工处理)对当前输入的计算准确性和执行效率，自动选择最优的执行。

参见图6，为某工序处理方法采用多AI子算法时的又一种框架，具体为：

预先根据当前工序条件选择一最合适AI子算法；

分析该最合适AI子算法适用当前工序条件是否达标，若是，按该最合适AI子算法处理当前工序，并将该最合适AI子算法对应的处理结果作为当前工序的最终处理结果。

需说明的是：

其一，图5和图6所示多AI子算法框架中，均把人工处理看成另一种形式的AI子算法，从而保证了在最坏情况下也能输出正确的结果；

其二，没有一种处理框架恒定最优，必须根据工序的输入特征来选择。而各个框架之间并非完全独立，可以相互借鉴，综合运用，在此不多赘述。

本发明针对现有技术追求全人工智能解决问题的缺陷，提出的应对策略是：仔细分析输入，把复杂的处理流程拆分为前后相继的工序，针对每一个工序选择性适用AI算法。相对于整体，因每道子工序功能单一，处理方法也较为简单，若对它们分别应用上述实施例中最适合的框架，则AI算法的成功率有望大幅度提高。

由此可见，本发明的一个显著特色是“AI为主，人工为辅”，虽然不能做到全自动化，但可以极大地提高AI算法对这些问题的处理正确率。相比这些问题之前由全人工处理而言，应用本发明新方法后的工作效率会显著提高。

以下为本发明的一具体应用实例——建筑领域自动CAD电子图纸识别

首先，是将自动CAD电子图纸识别划分为下述独立的工序：

(1)对图纸按照语义分块，识别每个图块的具体意义，可选用的识别方法包括确定性规则分析法(这里可利用的信息包括图层信息、颜色信息、标题等等)，正则匹配，统计推断，人工处理。

(2)识别全局意义的图块，例如楼层表，门窗表，可选用的方法包括自动表格识别，统计推断和人工处理；

(3)识别其它图块中的构件几何信息，可选用的方法包括图形匹配，统计推断和人工处理。

其次，对每一步工序而言，选用上述图4～6中框架进行具体识别工作，可选的方法如上文所述。

本发明虽然不能做到全自动识别(因为每一步都有人工处理这个选项)CAD电子图纸，但是可以极大地提高电子图纸的识别准确率和效率，这也是本发明最主要应用所在。

以上对本发明进行了详细介绍，其中的实施例只是用于帮助理解本发明的方法及其核心思想。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以对本发明进行若干改进和修饰，这些改进和修饰也落入本发明权利要求的保护范围内。

Claims (10)

1.一种高效半自动人工智能软件的实现方法，其特征在于，预先将待处理事务划分为若干独立工序，并针对每个工序执行下述步骤：

调用当前工序对应的预设AI算法，并分析该预设AI算法适用当前工序条件是否达标，

若是，按照该预设AI算法处理当前工序，并获得当前工序的最终处理结果；

若否，转入人工处理当前工序，并获得当前工序的最终处理结果。

2.如权利要求1所述的高效半自动人工智能软件的实现方法，其特征在于，该预设AI算法包括若干AI子算法。

3.如权利要求2所述的高效半自动人工智能软件的实现方法，其特征在于，包括：

针对每一AI子算法，分析该AI子算法适用当前工序条件是否达标，若是，按该AI子算法处理当前工序，并获得与该AI子算法对应的处理结果；

验证每一AI子算法对应的处理结果是否符合要求，若全部或部分子算法对应的处理结果符合要求，从中选择最优处理结果作为当前工序的最终处理结果。

4.如权利要求2所述的高效半自动人工智能软件的实现方法，其特征在于，包括：

选择一AI子算法，并分析该AI子算法适用当前工序条件是否达标，

若是，按该AI子算法处理当前工序，将该AI子算法对应的处理结果作为当前工序的最终处理结果；

若否，针对下一AI子算法执行上述步骤。

5.如权利要求2所述的高效半自动人工智能软件的实现方法，其特征在于，包括：

预先根据当前工序条件选择一最合适AI子算法；

分析该最合适AI子算法适用当前工序条件是否达标，若是，按该最合适AI子算法处理当前工序，并将该最合适AI子算法对应的处理结果作为当前工序的最终处理结果。

6.如权利要求1所述的高效半自动人工智能软件的实现方法，其特征在于，预先将待处理事务分拆为若干前后相继的独立工序。

7.如权利要求1～6任一项所述的高效半自动人工智能软件的实现方法，其特征在于，用于CAD电子图纸自动识别，预先将CAD电子图纸自动识别的待处理事务划分为以下独立工序：

对图纸按照语义分块，并识别每个图块的具体意义；

识别全局意义的图块；

识别其它图块中的构件几何信息。

8.如权利要求7所述的高效半自动人工智能软件的实现方法，其特征在于，选用确定性规则分析法、正则匹配、统计推断和人工处理方法识别每个图块的具体意义。

9.如权利要求7所述的高效半自动人工智能软件的实现方法，其特征在于，选用自动表格识别、统计推断和人工处理方法识别全局意义的图块。

10.如权利要求7所述的高效半自动人工智能软件的实现方法，其特征在于，选用图形匹配、统计推断和人工处理方法识别其它图块中的构件几何信息。

Images