CN110333952B - 基于人工智能的数据处理方法及系统 - Google Patents
基于人工智能的数据处理方法及系统 Download PDFInfo
- Publication number
- CN110333952B CN110333952B CN201910614987.9A CN201910614987A CN110333952B CN 110333952 B CN110333952 B CN 110333952B CN 201910614987 A CN201910614987 A CN 201910614987A CN 110333952 B CN110333952 B CN 110333952B
- Authority
- CN
- China
- Prior art keywords
- artificial intelligence
- data processing
- processing
- request
- instruction
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
- G06F9/5061—Partitioning or combining of resources
- G06F9/5066—Algorithms for mapping a plurality of inter-dependent sub-tasks onto a plurality of physical CPUs
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
Landscapes
- Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Mobile Radio Communication Systems (AREA)
- Information Transfer Between Computers (AREA)
Abstract
本发明提供了一种基于人工智能的数据处理方法及系统,适用于包含多个人工智能设备的系统,该方法包括:利用第一人工智能设备接收数据处理请求;在第一人工智能设备的所有处理指令均无法与数据处理请求的输入指令匹配的情况下,发送匹配请求至至少一个第二人工智能设备;利用各第二人工智能设备分别根据匹配请求将其处理指令与数据处理请求的输入指令进行匹配;利用匹配出的第二人工智能设备的处理指令处理数据处理请求,并返回处理结果至第一人工智能设备;利用第一人工智能设备输出处理结果,存储数据处理请求的输入指令与匹配出的第二人工智能设备的处理指令的对应关系,并向其余人工智能设备公告该对应关系。通过上述方案避免形成信息孤岛。
Description
技术领域
本发明涉及计算机技术领域,尤其涉及一种基于人工智能的数据处理方法及系统。
背景技术
人工智能能够让计算机拥有自主学习能力,可以通过对图像、声音、温度等的探测感知,得到可数据化的信息,可以通过学习实现人脑的自我辨识和产生自主指令。
当前人工智能自学习模式可以在大型计算机和计算机集群中实现,但是算法极为复杂,而且需要前期建立众多的数据模型和大量原始数据的输入。人工智能与互联网当前的结合,都是由终端设备采集使用者的输入数据与云端人工智能数据处理中心进行交互,由云端人工智能数据处理中心给出响应,再回传给终端设备,做出响应的反馈。或者是将部分简单的人工智能算法嵌入终端设备,实现部分简单的人工智能应用功能。
当前人工智能与互联网结合应用的两种模式都存在明显的缺陷。第一种模式过分依赖网络的联通性,若是网络发生波动,人工智能终端与云端人工智能信息处理中心无法联通,将无法实现人工智能终端设备功能;第二种模式受限于当前智能终端设备自身,只能实现预设的简单人工智能功能,形成信息孤岛,无法实现真正意义上的人工智能自学习功能。
发明内容
本发明提出了一种基于人工智能的数据处理方法及系统,以使多个人工智能设备之间信息互通,避免形成信息孤岛。
为了达到上述目的,本发明采用以下方案实现:
根据本发明实施例的一个方面,提供了一种基于人工智能的数据处理方法,适用于包含多个人工智能设备的系统,所述方法包括:
利用第一所述人工智能设备接收数据处理请求;
在第一所述人工智能设备的所有处理指令均无法与所述数据处理请求的输入指令匹配的情况下,发送匹配请求至至少一个第二所述人工智能设备;
利用各第二所述人工智能设备分别根据所述匹配请求将其处理指令与所述数据处理请求的输入指令进行匹配;
利用匹配出的第二所述人工智能设备的处理指令处理所述数据处理请求,并返回处理结果至第一所述人工智能设备;
利用第一所述人工智能设备输出处理结果,存储所述数据处理请求的输入指令与匹配出的第二所述人工智能设备的处理指令的对应关系,并向其余所述人工智能设备公告所述对应关系。
根据本发明实施例的另一个方面,提供了一种基于人工智能的数据处理系统,包含多个人工智能设备;
第一所述人工智能设备,用于接收数据处理请求,并在其所有处理指令均无法与所述数据处理请求的输入指令匹配的情况下,发送匹配请求至至少一个第二所述人工智能设备;
至少一个第二所述人工智能设备,用于分别根据所述匹配请求将其处理指令与所述数据处理请求的输入指令进行匹配,利用匹配出的处理指令处理所述数据处理请求,并返回处理结果至第一所述人工智能设备;
第一所述人工智能设备,还用于输出所述数据处理请求的处理结果,存储所述数据处理请求的输入指令与匹配出的处理指令的对应关系,并向其余所述人工智能设备公告所述对应关系。
根据本发明实施例的再一个方面,提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现上述实施例所述方法的步骤。
本发明的基于人工智能的数据处理方法、基于人工智能的数据处理系统及计算机可读存储介质,能够实现去中心化,避免单个人工智能设备形成信息孤岛,并克服在存在处理中心的情况下因与处理中心无法联通而导致无法实现人工智能设备功能的问题。另外,能够将能够处理该类请求的相关信息分享给各人工智能设备,使各人工智能设备获取到该类请求的处理能力,以此,能够增强包含该多个人工智能设备的系统的处理能力。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。在附图中:
图1是本发明一实施例的基于人工智能的数据处理方法的流程示意图;
图2是本发明一具体实施例的方法所适用系统的结构示意图;
图3是本发明一实施例的交互示意图;
图4是本发明一实施例的基于人工智能的数据处理系统的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚明白,下面结合附图对本发明实施例做进一步详细说明。在此,本发明的示意性实施例及其说明用于解释本发明,但并不作为对本发明的限定。
本发明实施例提供了一种基于人工智能的数据处理方法,适用于包含多个人工智能设备的系统。各所述人工智能设备可包含一种或多种功能的处理指令。各所述人工智能设备的配置可符合统一标准,例如,所述配置可存储能力、数据交互能力、计算能力(处理指令对应的计算能力或功能)、信息获取能力、信息输出能力、网络联通能力等中的一个或多个。其中,各人工智能设备可以都具有相同的信息获取能力,例如,图像识别、语音识别、温度感知、网络感知等;各人工智能设备可以都具有相同或相似的服务及输出信息的能力,例如,语音输出、投影输出、视频显示器、定向移动等;各人工智能设备具有相同的数据交互能力,例如,具有统一的数据格式、统一的网络传输协议、统一的接口等。
一些实施例中,各所述人工智能设备可以均为人工智能终端。在此情况下,本些实施例的方法所适用的系统还可包括人工智能信息处理中心。其中,该人工智能信息处理中心可以为服务端人工智能信息处理中心,示例性地,可以为云端人工智能信息处理中心。
其他实施例中,每个所述人工智能设备可以为分布式部署的一个人工智能信息处理中心。不同人工智能信息处理中心可以部署在不同地域。不同人工智能信息处理中心之间可以进行数据交互。示例性地,可以通过对一个服务端人工智能信息处理中心进行拆分,得到多个人工智能信息处理中心。
图1是本发明一实施例的基于人工智能的数据处理方法的流程示意图。如图1所示,一些实施例的基于人工智能的数据处理方法,可包括下述步骤S110至步骤S150。
步骤S110:利用第一所述人工智能设备接收数据处理请求。
可以通过第一所述人工智能设备的输入装置,例如,键盘、鼠标、触控屏等,由人工输入数据处理请求至第一所述人工智能设备的处理器。该数据处理请求包含输入指令,例如,该输入指令为输入图像、输入声音等。
步骤S120:在第一所述人工智能设备的所有处理指令均无法与所述数据处理请求的输入指令匹配的情况下,发送匹配请求至至少一个第二所述人工智能设备。
示例性地,在该步骤S120之前,本些实施例的方法还可包括步骤:S160,将第一所述人工智能设备的所有处理指令与所述数据处理请求的输入指令进行匹配。该步骤S160可以在步骤S110与步骤S120之间执行,或者可以在步骤S110之前执行。在其他实施例中,该步骤S160可以不属于本方法的一个步骤,而是在其他方法或装置中执行的步骤,此时,本些实施例的方法可以仅是接收该步骤S160的执行结果。
具体地,该步骤S160,即,将第一所述人工智能设备的所有处理指令与所述数据处理请求的输入指令进行匹配,可包括步骤:S161,确认所述数据处理请求的输入指令的类别;S162,根据确认的类别将所述数据处理请求的输入指令转换为相应的数据格式;S163,将第一所述人工智能设备的各处理指令对应的可比对数据逐一与转换得到的数据格式进行比较,得到相应的吻合度;S164,在比较得到的各吻合度均低于设定值的情况下,确认第一所述人工智能设备的所有处理指令均无法与所述数据处理请求的输入指令匹配。
其中,在步骤S161中,该输入指令的类别可以为图像或声音等。在步骤S162中,该数据格式可以为数值、字符或二进制数等形式的数据,例如,在确认的类别为声音的情况下,需要进行语音识别时,该数据格式可以是基音周期、共振峰、短时平均能量或幅度、线性预测系数(LPC)、感知加权预测系数(PLP)、短时平均过零率、线性预测倒谱系数(LPCC)、自相关函数、梅尔倒谱系数(MFCC)、小波变换系数、经验模态分解系数(EMD)或伽马通滤波器系数(GFCC)。在步骤S163中,在人工智能设备中可以配置有指令库,该指令库中可以存储有一个或多个处理指令,不同的处理指令可以对应有不同的可比对数据;可比对数据可指能够用于比对的数据,可以是对处理指令数据处理化后的所有数据中的一些关键性数据,例如,在确认的类别为声音的情况下,需要进行语音识别时,可比对数据可以是基音周期、共振峰、短时平均能量或幅度、线性预测系数(LPC)、感知加权预测系数(PLP)、短时平均过零率、线性预测倒谱系数(LPCC)、自相关函数、梅尔倒谱系数(MFCC)、小波变换系数、经验模态分解系数(EMD)、伽马通滤波器系数(GFCC)等;所述的转换可指对输入指令进行数字化处理,将所有输入指令,转化成程序可识别、方便传输的数字信息,例如,如果输入指令是语音,那么“数据格式”,即,语音的数据格式可以是语音数字化后的存储格式,如MIDI、MP3、VOC、AAC等语音的数据存储格式。一些实施例中,可以对每个人工智能设备中的各种功能(功能指令或处理指令)进行编号分类,编号后的功能(功能指令或处理指令)可以汇总在一个表中,并将该表存储在相应的人工智能设备中。另一些实施例中,每个人工智能设备的处理指令可以与相应的可比对数据进行对应,并将该种对应关系存储在处理指令表中。在步骤S163中,对于某一类别的数据处理请求一般会对应传输至相应类别的处理指令对应的输入端口,所以,该步骤中所述的各处理指令可指与数据处理请求的类别相同的各种处理指令;例如,数据处理请求是需要识别一段上海话,那么,所述的各处理指令可以包括用于识别不同语言的处理指令,如,用于识别广东话的处理指令、用于识别普通话的处理指令、用于识别上海话的处理指令等,只有该第一所述人工智能设备中存在用于识别上海话的处理指令时,该设备才能够处理上述数据处理请求,即匹配成功,各实施例中可以采用类似的方式匹配出所需的处理指令。在步骤S164中,不同可比对数据与上述数据格式进行比较可以得到不同的吻合度,吻合度可以用百分比等表示;该设定值可以根据经验进行设置,例如,可以设为80%或以上;如果吻合度大于或等于该设定值,则可认为匹配一致,匹配出的处理指令即为所要匹配查找的第一所述人工智能设备中的处理指令,反之,如果第一所述人工智能设备中所有处理指令对应的吻合度均小于该设定值,则可认为第一所述人工智能设备无法处理该数据处理请求。
在其他实施例中,若该数据处理请求中包含其输入指令对应的数据格式,则不需执行数据转换的相关步骤,即上述步骤S161和上述步骤S162。另外,上述步骤S163中的设定值可以调整为其他值。
可以发送匹配请求至除第一所述人工智能设备以外的部分或所有人工智能设备,或称为至少一个第二所述人工智能设备。其中,第二所述人工智能设备中的“第二”主要是用于与第一所述人工智能设备进行区分,并不限定具体的人工智能设备。该匹配请求可以携带进行匹配所需的数据或信息,以便后续匹配找到所欲查找的第二所述人工智能设备或其中的处理指令。
在另一些实施例中,第一所述人工智能设备存在处理指令能够与数据处理请求的输入指令匹配。在此情况下,本些实施例的方法,还可包括步骤:S170,在第一所述人工智能设备的处理指令能够与所述数据处理请求的输入指令匹配的情况下,利用第一所述人工智能设备的处理指令处理所述数据处理请求,并输出处理结果。其中,处理所述数据处理请求的处理指令是指能够与数据处理请求中的输入指令的数据格式匹配一致的可比对数据对应的指令。具体地匹配方式可以类似于上述步骤S161至步骤S164,故不再赘述。若在一些时候能够通过执行步骤S170输出所述数据处理请求的处理结果,则可不需执行上述步骤S120及其后的步骤。
示例性地,在该步骤S120之前,本些实施例的方法还可包括步骤:S180,发送通信连接请求至各第二所述人工智能设备,以使第一所述人工智能设备与至少一个第二所述人工智能设备建立通信连接。其中,建立的通信连接可以是各种现有的通信连接方式,例如,网络连接等。
在其他实施例中,第一所述人工智能设备与各第二所述人工智能设备之间,甚至各所述人工智能设备之间,可以一直通信连接,且通信连接的建立过程可以在本方法之外进行,所以本些实施例的方法可以不包含建立通信连接的步骤。
本些实施例的方法所适用的系统是包含多个人工智能设备,在将要执行上述步骤S120时,若第一所述人工智能设备与第二所述人工智能设备之间尚未建立通信连接,则可通过上述步骤S180建立通信连接。
在另一些实施例中,本些实施例的方法所适用的系统是除了包含多个人工智能设备,还可包含人工智能信息处理中心,示例性地,各所述人工智能设备为人工智能终端,所述人工智能信息处理中心为服务端人工智能信息处理中心(例如,云端人工智能信息处理中心)。其中,该人工智能信息处理中心能够处理上述数据处理请求,换言之,该人工智能信息处理中心包含能够与该数据处理请求中输入指令匹配的可比对数据对应的处理指令。进一步地,该人工智能信息处理中心还可包含其他多种处理指令。
该人工智能信息处理中心可以与各人工智能设备联通,即能够进行数据交互,在一些情况下,部分或全部人工智能设备不能与该人工智能信息处理中心。针对人工智能设备可以和人工智能信息处理中心联通的情况,本些实施例的方法中,更具体地,上述步骤S180的具体实施方式可包括步骤:S181,在第一所述人工智能设备无法联通人工智能信息处理中心的情况下,发送通信连接请求至各第二所述人工智能设备,以使第一所述人工智能设备分别与至少一个第二所述人工智能设备建立通信连接。其中所述人工智能信息处理中心能够处理所述数据处理请求;所述系统还包括所述人工智能信息处理中心。在该步骤S120之前,本些实施例的方法可直接包括上述步骤S181。
在另一些实施例中,在第一所述人工智能设备接收到数据处理请求时,第一所述人工智能设备和该人工智能信息处理中心之间可能是联通的状态,在此情况下,本些实施例的方法还可包括步骤:S190,在第一所述人工智能设备能够联通所述人工智能信息处理中心的情况下,发送所述数据处理请求至所述人工智能信息处理中心;S1100,利用所述人工智能信息处理中心处理所述数据处理请求,并返回处理结果至第一所述人工智能设备,以由第一所述人工智能设备输出处理结果。
该实施例中,若第一所述人工智能设备和该人工智能信息处理中心之间联通,则可将该数据处理请求上传至人工智能信息处理中心进行处理。该人工智能信息处理中心可以具有自学习能力,可以从各人工智能设备采集数据进行自学习以优化处理指令。
在又一些实施例中,人工智能设备能够和该人工智能信息处理中心联通的情况下,本些实施例的方法还可包括步骤:S1110,在存在所述人工智能设备能够联通所述人工智能信息处理中心的情况下,利用所述人工智能信息处理中心下发处理指令的可比对数据至相应的能够联通所述人工智能信息处理中心的各人工智能设备。
该实施例中,只要人工智能设备能够与某个或某些人工智能信息处理中心联通,就可以将其处理指令(可以是各种处理指令,例如,新学习的处理指令)下发至联通的人工智能设备。
更具体的实施例中,在上述步骤S1100之后,可包括步骤S1110的具体实施步骤:S1111,将所述人工智能信息处理中心处理所述数据处理请求所用的处理指令下发至该人工智能设备。该实施例中,当人工智能信息处理中心处理完上述数据处理请求之后,可以将学习的成果下发给各人工智能设备,以提高人工智能设备的数据处理能力。
在一些实施例中,在上述步骤S181或步骤S120之前,即,在第一所述人工智能设备无法联通人工智能信息处理中心的情况下,发送通信连接请求至各第二所述人工智能设备之前,本些实施例的方法还可包括步骤:S1120,在第一所述人工智能设备和各第二所述人工智能设备均与所述人工智能信息处理中心联通的情况下,利用第一所述人工智能设备获取各第二所述人工智能设备上报至所述人工智能信息处理中心的其本身的IP地址,以用于确定与第一所述人工智能设备通信连接的至少一个第二所述人工智能设备。其中,获取的IP地址可以备用用于检查人工智能之间的通信连接是否正常。该实施例中,在第一所述人工智能设备与人工智能信息处理中心之间断开连接之前,第一所述人工智能设备和各第二所述人工智能设备可以有一些时候是能够联通人工智能信息处理中心的,此时,可以通过人工智能信息处理中心的中转作用使得第一所述人工智能设备获取到各第二所述人工智能设备的IP地址(Internet Protocol Address),后续需要发送匹配请求时,可以利用该IP地址找到能够连接的第二所述人工智能设备。
进一步的实施例中,在步骤S120之前或者说在上述步骤S1120和步骤S130之间,本些实施例的方法还可包括步骤:S1130,在第一所述人工智能设备无法联通人工智能信息处理中心的情况下,利用第一所述人工智能设备根据获取的IP地址发送Ping指令至相应的第二所述人工智能设备,并将Ping成功的第二所述人工智能设备用于接收第一所述人工智能设备发送的匹配请求。Ping成功的IP地址可以标记为活跃,后续可从活跃的IP地址中选择人工智能设备来接收匹配请求。该实施例中,通过Ping指令可以检测人工智能设备之间是否确实联通良好,如果联通良好,则可在执行步骤S120时,发送匹配请求至联通良好的第二所述人工智能设备。
在其他实施例中,可以不对第一所述人工智能设备与第二所述人工智能设备之间的联通性进行检查,而是,在第一所述人工智能设备发送通信连接请求给第二所述人工智能设备后,若连接成功,则第二所述人工智能设备可以发送反馈信息至第一所述人工智能设备,从而可以确定连接成功,此后可以认为第一所述人工智能设备和第二所述人工智能设备之间是连接成功的状态。
在一些实施例中,上述步骤S1120,即,在第一所述人工智能设备和各第二所述人工智能设备均与所述人工智能信息处理中心联通的情况下,利用第一所述人工智能设备获取各第二所述人工智能设备上报至所述人工智能信息处理中心的其本身的IP地址,以用于确定与第一所述人工智能设备通信连接的至少一个第二所述人工智能设备,更具体地,可包括:在第一所述人工智能设备和各第二所述人工智能设备均与所述人工智能信息处理中心联通的情况下,利用第一所述人工智能设备获取各第二所述人工智能设备上报至所述人工智能信息处理中心的其本身的地理位置和IP地址,以用于确定与第一所述人工智能设备通信连接的且距其较近的至少一个第二所述人工智能设备。
该实施例中,除了获取第二所述人工智能设备的IP地址,还可同时获得该人工智能设备的地理位置,从而在需要找到能够与第一所述人工智能设备连接的第二所述人工智能设备时,可以根据由近及远的顺序进行查找。
更具体地,上述步骤S1120,即,在第一所述人工智能设备和各第二所述人工智能设备均与所述人工智能信息处理中心联通的情况下,利用第一所述人工智能设备获取各第二所述人工智能设备上报至所述人工智能信息处理中心的其本身的地理位置和IP地址,以用于确定与第一所述人工智能设备通信连接的且距其较近的至少一个第二所述人工智能设备,可包括步骤:S1121,在第一所述人工智能设备无法联通人工智能信息处理中心的情况下,利用第一所述人工智能设备根据获取的地理位置选择距第一所述人工智能设备最近的设定数量的第二所述人工智能设备的IP地址;S1122,发送Ping指令至选择的最近的第二所述人工智能设备对应的IP地址,以确定第一所述人工智能设备与最近的第二所述人工智能设备之间是否通信连接成功;S1123,在第一所述人工智能设备与最近的第二所述人工智能设备之间通信连接失败的情况下,利用第一所述人工智能设备根据获取的地理位置选择距第一所述人工智能设备次近的设定数量的第二所述人工智能设备的IP地址;S1124,发送Ping指令至选择的次近的第二所述人工智能设备对应的IP地址,以确定第一所述人工智能设备与次近的第二所述人工智能设备之间是否通信连接成功,并记录通信连接成功的第二所述人工智能设备的IP地址。
该实施例中,可以优选选择距离较近的一些第二所述人工智能设备来做与第一所述人工智能设备的联通性检测,例如,先选100台第二所述人工智能设备,若没有找到联通的第二所述人工智能设备,则可以选择更远一些的第二所述人工智能设备来做联通性检测,例如,选择距离更远的100台第二所述人工智能设备。后选择的第二所述人工智能设备距离第一所述人工智能设备比先选择的第二所述人工智能设备距离第一所述人工智能设备近。
在其他实施例中,可以采用其他方式检测第一所述人工智能设备和第二所述人工智能设备之间是否是通信连接的状态,或者可以不检测通信连接的状态,而可以只是试图执行后续步骤,例如,发送匹配请求至其余所有人工智能设备,之后看是否有返回处理结果。
需要说明的是,各人工智能设备之间,或者说是上述第一所述人工智能设备和各第二所述人工智能设备之间的地位可以是平等的。第一所述人工智能设备可以只是系统所包含的所有人工智能设备中的其中某一个,而第二所述人工智能设备可以是指除第一所述人工智能设备外的人工智能设备中的一个。换言之,利用其中一个第二所述人工智能设备代替上述第二所述人工智能设备,利用除作为替代的该第二所述人工智能设备作为其余人工智能设备同样可以适用于本发明各实施例的方法。例如,某些实施例的方法可包括步骤:利用第二所述人工智能设备接收数据处理请求;在第二所述人工智能设备的所有处理指令均无法与所述数据处理请求的输入指令匹配的情况下,发送匹配请求至至少一个其他所述人工智能设备(除第二所述人工智能设备之外);利用各其他所述人工智能设备分别根据所述匹配请求将其处理指令与所述数据处理请求的输入指令进行匹配;利用匹配出的其他所述人工智能设备的处理指令处理所述数据处理请求,并返回处理结果至第二所述人工智能设备;利用第二所述人工智能设备输出处理结果,存储所述数据处理请求的输入指令与匹配出的其他所述人工智能设备的处理指令的对应关系,并向所有其他所述人工智能设备公告所述对应关系。
人工智能设备共享的数据和处理方式可有区别,人工智能设备可以按照地域划分,从而满足不同地域人群的不同需求或不同使用习惯,以此可以避免在人工智能信息处理中心的数据库存储海量数据,可以避免因海量数据检索和处理,带来的带宽问题、计算性能问题、大容量存储问题、机房散热问题、不间断大流量供电问题等等一系列现有云端人工智能信息处理中心所面临的现实问题。
步骤S130:利用各第二所述人工智能设备分别根据所述匹配请求将其处理指令与所述数据处理请求的输入指令进行匹配。
示例性地,利用各第二所述人工智能设备分别根据所述匹配请求将其处理指令与所述数据处理请求的输入指令进行匹配的具体实施方式,可包括步骤:S131,根据所述匹配请求将每个第二所述人工智能设备的各处理指令对应的可比对数据逐一与所述数据处理请求的输入指令对应的数据格式进行比较,得到相应的吻合度;S132,将吻合度大于或等于设定值的至少一个第二所述人工智能设备的相应处理指令作为匹配出的第二所述人工智能设备的处理指令。
其中,在上述步骤S131中,每个第二所述人工智能设备可包含各自的指令库,一个第二所述人工智能设备的指令库中可含多个处理指令。对于一个第二所述人工智能设备而言,可以将其指令库中的各处理指令对应的可比对数据逐一与上述数据处理请求的输入指令对应的数据格式进行匹配比较。其中,可以利用类似于上述步骤S161和步骤S162的实施方式将输入指令转换为数据格式,故重复之处不再赘述。另外,该匹配请求可包括上述数据处理请求或转换得到的数据格式,相应地,该转换过程可以在相应的第二所述人工智能设备中执行,或者在第一所述人工智能设备中执行。上述步骤S131的具体实施方式可类似于上述步骤S161;上述步骤S132的具体实施方式可类似于上述步骤S162,不同之处在于,步骤S162的判断结果是不匹配,而步骤S132的判断结果是匹配,此外,该步骤S162和上述步骤S132中所涉及的设定值可相同或不同。
人工智能设备获得匹配请求后,可根据通知类型将传来的数据输入对应的数据比对模块,通过与自身存储的数据进行比对,获得是否可以处理的结果,并可反馈。
步骤S140:利用匹配出的第二所述人工智能设备的处理指令处理所述数据处理请求,并返回处理结果至第一所述人工智能设备。
通过上述步骤S130的匹配过程,可以得知哪个或哪些第二所述人工智能设备包含能够处理上述数据处理请求的处理指令,换言之,根据匹配结果可以得知哪个或哪些人工智能设备具备处理上述数据处理请求的计算能力,匹配出的人工智能设备中什么样的处理指令可以对应处理上述数据处理请求。在存在多个人工智能设备能够处理上述数据处理请求的情况下,可以从中选择一个人工智能设备,例如,距离第一所述人工智能设备最近的一个第二所述人工智能设备,来处理上述数据处理请求。
步骤S150:利用第一所述人工智能设备输出处理结果,存储所述数据处理请求的输入指令与匹配出的第二所述人工智能设备的处理指令的对应关系,并向其余所述人工智能设备公告所述对应关系。
例如,人工智能设备获取到的声音输入“听故事”(输入指令),将声音“听故事”转为数字格式(数据格式的一种),由人工智能设备进行分析处理,并得到相应的“听故事”指令(处理指令),人工智能设备可以将语音“听故事”的可比对数据和“听故事”指令存储到数据处理指令的表中。各人工智能设备中的各功能可以通过机器学习、神经网络等各种算法实现。对应关系算是一种学习结果,因为各人工智能设备组成后,对于输入的信息数据如何给出响应和处理,就是在进行比对判断后,根据存储的关联关系执行响应处理,相当于类似于神经网络的处理规则。
通过将哪个人工智能设备具有能够处理该种数据处理请求的处理指令的信息以及该人工智能设备上的那个处理指令能够处理该种数据处理请求的信息存储至第一所述人工智能设备,当该第一所述人工智能设备再次接收到同类型的数据处理请求时,便可以自行处理。通过将上述信息公告至其余人工智能设备,其余人工智能设备可以将该些信息存储起来,从而在这些人工智能设备遇到同类型的数据处理请求时,也可以自行处理。以此,可以达到将其他一个人工智能设备的学习结果分享给其他人工智能设备的效果。
本些实施例中,在一个人工智能设备无法处理一种数据处理请求时,通过寻找其他能够处理该数据处理请求的设备来进行处理,可以实现去中心化,避免单个人工智能设备形成信息孤岛,并避免无法实现对数据处理请求的处理。另外,通过将数据处理请求的输入指令与找到的能够处理该数据处理请求的人工智能设备的处理指令的对应关系存储在各个人工智能设备,从而将能够处理该类请求的相关信息分享给各人工智能设备,使各人工智能设备获取到该类请求的处理能力,以此,能够增强包含该多个人工智能设备的系统的处理能力。
对于现有的人工智能信息处理中心,在其学习过程,每个人工智能设备无法响应用户需求时,需要用户进行手动操作,获取服务内容,终端设备进行记录,并学习响应数据。例如:语音控制“搜索”,人工智能终端无法给出响应时,需要用户通过人工智能终端上的输入屏,手动输入“搜索”功能,人工智能智能终端会要求使用者录入“搜索”这个语音并存储,以完成一次学习。利用本些实施例的方法可以使其他人工智能终端有类似需求时,该学习过的智能终端可告诉其他人工智能终端,打开“搜索”功能,从而实现了无中心时的自学习和自响应。
在一个具体实施例中,基于人工智能的数据处理方法可包括以下步骤:当个人工智能设备失去与智能中心的联系后,多个人工智能设备进行组网;当第一个人工智能设备接收到用户指令时,与自身存储的指令处理和数据处理请求进行匹配,匹配成功既进行本地化处理;当第一个人工智能设备接收的用户指令无法与自身存储的指令处理和数据处理请求进行有效匹配的情况下,发送用户指令匹配请求至至少一个第二人工智能处理设备;第二人工智能设备将接收到的用户指令与自身存储的指令处理和数据处理请求进行匹配,并将成功匹配的处理结果返回至第一人工智能设备;第一人工智能设备根据第二人工智能设备返回的处理结果,为用户进行处理响应反馈,并存储用户指令与处理结果的对应关系,并向其他可联网人工智能设备公告该对应关系。通过上述方案能够避免人工智能设备在失去与智能中心联系后,形成信息孤岛。
为使本领域技术人员更好地了解本发明,下面将以具体实施例说明本发明的实施方式。
为提高人工智能与互联网结合的应用水平,并充分发挥人工智能自学习能力,现以包含人工智能终端设备和云端人工智能信息处理中为例,提供一种人工智能设备与互联网融合的、类似神经网络的自学习方法。每个智能终端设备可以类似于神经网络中的一个神经元,在初次应用时可与云端人工智能数据处理中心进行联通,获得基础数据和人工智能算法模型数据,后续可根据人工智能终端设备采集的数据信息,形成个性化的基础数据和人工智能算法模型数据,并可在与云端网络断开时与其他可联通人工智能终端协作,组成新的类似于小型神经网络的结构,形成新的人工智能数据处理模式,实现人工智能应用的个性化和可持续性,在网络全部断开情况下,也可按照已有的人工智能算法为终端使用者提供人工智能服务。相对于断网后人工智能终端可以执行部分预设的简单功能、但失去了自学习和人工智能分析等功能、纯识别指令进行工作的传统终端设备的方案相比,本方案能够具有一定的学习性。
本实施例的目的就是可以解决人工智能和互联网结合应用时,一旦网络发生波动无法联通云端人工智能信息处理中心时,人工智能终端依然可以实现使用者需要的各种功能,并在云端无法联通时,与多个智能终端互联,形成小型神经元网络,替代原有云端人工智能信息处理中心的功能,实现人工智能设备自学习去中心化。
图2是本发明一具体实施例的方法所适用系统的结构示意图。参见图2,本实施例的方法所适用的系统可包括AI终端01、AI终端02、AI终端03、AI终端04、AI终端05、……、AI终端XX。每个人工智能终端可均具有相同的信息获取能力,例如,图像识别、语音识别、温度感知、网络感知等。每个人工智能终端设备可均具有相同或是相似的服务和输出信息的能力,例如,语音输出、投影输出、视频显示器、定向移动等。每个人工智能终端设备可均具有计算能力、数据存储能力和网络联通能力。每个人工智能终端设备可以是数据格式统一、网络传输协议统一、接口统一的。
本实施例的方法的基本原理为:多个人工智能终端(不限数量)形成类似于小型神经元网络,每个人工智能终端可以接收其他人工智能终端发出的数据信息处理请求。当其中一个人工智能终端A可以对此请求的数据信息处理进行正确解析时,可将向发出请求的人工智能终端B反馈处理结果,并通知可联通的所有人工智能终端发布公告,此类数据信息请求可以直接发给人工智能终端A。具体地,例如,当人工智能终端A遇到无法处理的数据信息时,可向距离最近的例如100台或更多人工智能终端设备发送数据信息处理请求,若该100台内有能够处理此数据信息的人工智能终端,则从此人工智能终端获取处理结果,若没有能够处理此数据信息的人工智能终端设备,可选择能够联通的距离更远的例如100台设备进行请求。例如3次请求后若无正确处理结果回应,可向人工智能设备使用者反馈无法处理,并可给出选择性指令,由人工智能设备使用者选择指令执行。并可将此类学习到的处理结果,通知其他人工智能设备,再次遇到此类数据信息处理,可以发送给这台人工智能设备进行处理。
图3是本发明一实施例的交互示意图。参见图3,本实施例的方法包括以下内容:
(1)可以对每个人工智能终端提供的功能进行编号分类,例如,语音播放类功能,可编为voiceplay01,voiceplay02……,其他功能可采用类似的方式进行编号。各编号后的功能可汇总成功能类别表,并存储在人工智能终端设备上。
(2)每个人工智能终端设备都可具有相同精度的图像识别、语音识别等输入获取功能,获取到的信息数据是统一格式存储。例如,声音数据为统一数字格式,可比对数据点选取保持同一规则选取。
(3)每个人工智能终端需存储已经学习到的输入指令数据处理方式。而正常情况下,可以将输入指令上传到云端人工智能信息处理中心进行分析,再由云端下发功能指令到人工智能终端设备进行执行,但是云端在下发指令的同时,可将统一格式的可比对数据一并下发给人工智能终端,人工智能终端将这个可比对数据与下发指令做关联,一并存储到已学习数据处理表中。例如,人工智能终端获取到的声音输入“听故事”,将声音转为数字格式(数据格式的一种)发给云端人工智能信息处理中心,由云端进行分析处理,并下发给人工智能终端“听故事”指令,人工智能终端将语音“听故事”的可比对数据和“听故事”指令同时存入已学习到数据处理指令中。
(4)每个人工智能终端设备在与云端人工智能信息处理中心可联通的状态下,可上报其所在地理位置,同时获得距离最近的例如100个人工智能终端连接IP地址,并存储到自身人工智能设备的可连接人工智能终端表中,可备用用于后续连接。
(5)当云端人工智能信息处理中心无法联通时,人工智能设备将主动向存储的例如100个智能终端设备IP地址发起Ping指令,同时可记录Ping成功的IP地址,可将这些地址状态记录为活跃。
(6)在云端人工智能信息处理中心无法联通时,人工智能终端接收到使用者的输入指令时,首先对输入指令进行分类确认,例如,图像、声音等。然后可将输入指令转为数据格式,与自身存储的可比对数据做比对,若能吻合度达到例如80%(标准可调节)或以上,则可执行可比对数据对应的指令。若是找不到匹配度高的可比对数据,可向活跃地址的人工智能终端设备发送匹配请求,将输入指令的数据,发送给其他可联通的活跃人工智能终端,根据其他人工智能终端反馈的对比结果进行处理。若是都未获得反馈结果,则在人工智能终端显示屏上弹出无法匹配,可由使用者手工选择功能指令,在使用者选择成功后,可记录存储此次输入数据和最终指令关联关系,并通知其他人工智能终端,本次请求结束,并将对应的关联指令结果发送给所有活跃人工智能终端,每个人工智能终端都保存此次学习结果备用。
(7)每个人工智能终端存储的已学习过的信息数据处理结果,均可以分享给其他可连接人工智能终端,从而达到在云端人工智能信息处理中心无法联通时,依然可以为使用者提供人工智能服务的要求。当云端人工智能信息处理中心可以联通时,可解除组网。
组网的人工智能终端可具有统一性,设备规格标准化(例如数据交互、数据格式和类型要都符合统一规则),例如,计算能力、存储能力,数据交互,信息采集等;基于标准化数据处理和响应处理,可让每一个组网的人工智能终端能够共享数据,分享自学习成果,并相互之间共同协作,去中心化,形成类似集群式的人工智能算法;在网络带宽还不是很充裕、智能芯片能力有限的条件下,组网的人工智能终端数目可根据具体情况确定,同时可由云端人工智能信息处理中心来做支持。随着未来5G、6G网络带宽大幅增加,人工智能芯片和存储芯片进一步发展,去中心化的人工智能终端组网将会成为主流,让每一个人工智能终端都能自主学习,共享数据,能够应对各种现实情况,快速响应。
本实施例中,采用去中心化模式,解决了现有单点故障,将导致全网所有人工智能终端无法正常使用的情况;基于数据统一、数据共享、算法规范,标准化数据处理模式,去中心化,让人工智能终端组网,实现人工智能终端直线可以相互学习和发展。人工智能的发展最终模式是每个终端既是个体,又是整体的一部分,每个终端学习到的新知识,获得新数据,都能够共享给其他终端,并且能充分利用每个终端的计算能力和存储能力。同时和人类(使用者)相似,可以按照地域划分,每个地域的人群需求和使用习惯不尽相同,人工智能终端共享的数据和处理方式可有区别,以此可以避免了在中心数据库要存储海量数据,避免了因海量数据检索和处理,带来的带宽问题,计算性能问题,大容量存储问题,机房散热问题,不间断大流量供电问题等等一系列现有云端人工智能信息处理中心所面临的现实问题。简言之,可以基于人工智能终端的统一性和标准化,进行人工智能终端组网、信息数据交互、终端数据处理以及数据共享,从而达到去中心化的效果。在计算能力强、网络带宽大的情况下,可以实现完全无中心化的人工智能终端应用模式。本实施例的替代方案可以是云端人工智能信息处理中心分布式部署,具体地,可按照地域模式,将云端人工智能信息处理中心拆分,然后各个分中心之间可以进行数据交互,实现多中心,避免一个中心的模式。各个分中心之间,交互模式和数据处理模式可参照上述实施例的内容实施。
基于与图1所示的基于人工智能的数据处理方法相同的发明构思,本发明实施例还提供了一种基于人工智能的数据处理系统,如下面实施例所述。由于该基于人工智能的数据处理系统解决问题的原理与基于人工智能的数据处理方法相似,因此该基于人工智能的数据处理系统的实施可以参见基于人工智能的数据处理方法的实施,重复之处不再赘述。
图4是本发明一实施例的基于人工智能的数据处理系统的结构示意图。如图4所示,一些实施例的基于人工智能的数据处理系统可包含多个人工智能设备201、202……N。
第一所述人工智能设备201,用于接收数据处理请求,并在其所有处理指令均无法与所述数据处理请求的输入指令匹配的情况下,发送匹配请求至至少一个第二所述人工智能设备;
至少一个第二所述人工智能设备(人工智能设备202……N中的至少一个),用于分别根据所述匹配请求将其处理指令与所述数据处理请求的输入指令进行匹配,利用匹配出的处理指令处理所述数据处理请求,并返回处理结果至第一所述人工智能设备;
第一所述人工智能设备201,还用于输出所述数据处理请求的处理结果,存储所述数据处理请求的输入指令与匹配出的处理指令的对应关系,并向其余所述人工智能设备公告所述对应关系。
在一些实施例中,第一所述人工智能设备201,还用于:在第一所述人工智能设备无法联通人工智能信息处理中心的情况下,发送通信连接请求至各第二所述人工智能设备,以使第一所述人工智能设备分别与至少一个第二所述人工智能设备建立通信连接;所述人工智能信息处理中心能够处理所述数据处理请求;所述系统还包括所述人工智能信息处理中心。
在一些实施例中,基于人工智能的数据处理方法还包括人工智能信息处理中心。该人工智能信息处理中心,用于:在存在所述人工智能设备能够联通所述人工智能信息处理中心的情况下,利用所述人工智能信息处理中心下发处理指令的可比对数据至相应的能够联通所述人工智能信息处理中心的各人工智能设备。
在一些实施例中,第一所述人工智能设备201,还用于:将第一所述人工智能设备的所有处理指令与所述数据处理请求的输入指令进行匹配。其中,第一所述人工智能设备201,具体地,还用于:确认所述数据处理请求的输入指令的类别;根据确认的类别将所述数据处理请求的输入指令转换为相应的数据格式;将第一所述人工智能设备的各处理指令对应的可比对数据逐一与转换得到的数据格式进行比较,得到相应的吻合度;在比较得到的各吻合度均低于设定值的情况下,确认第一所述人工智能设备的所有处理指令均无法与所述数据处理请求的输入指令匹配。
在一些实施例中,第二所述人工智能设备,还用于:根据所述匹配请求将每个第二所述人工智能设备的各处理指令对应的可比对数据逐一与所述数据处理请求的输入指令对应的数据格式进行比较,得到相应的吻合度;将吻合度大于或等于设定值的至少一个第二所述人工智能设备的相应处理指令作为匹配出的第二所述人工智能设备的处理指令。
在一些实施例中,第一所述人工智能设备,还用于:在第一所述人工智能设备和各第二所述人工智能设备均与所述人工智能信息处理中心联通的情况下,利用第一所述人工智能设备获取各第二所述人工智能设备上报至所述人工智能信息处理中心的其本身的IP地址,以用于确定与第一所述人工智能设备通信连接的至少一个第二所述人工智能设备。
在一些实施例中,第一所述人工智能设备,还用于:在第一所述人工智能设备和各第二所述人工智能设备均与所述人工智能信息处理中心联通的情况下,利用第一所述人工智能设备获取各第二所述人工智能设备上报至所述人工智能信息处理中心的其本身的地理位置和IP地址,以用于确定与第一所述人工智能设备通信连接的且距其较近的至少一个第二所述人工智能设备。
在一些实施例中,第一所述人工智能设备,还用于:在第一所述人工智能设备无法联通人工智能信息处理中心的情况下,利用第一所述人工智能设备根据获取的IP地址发送Ping指令至相应的第二所述人工智能设备,并将Ping成功的第二所述人工智能设备用于接收第一所述人工智能设备发送的匹配请求。
本发明实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现上述实施例所述方法的步骤。
综上所述,本发明实施例的基于人工智能的数据处理方法、基于人工智能的数据处理系统及计算机可读存储介质,在一个人工智能设备无法处理一种数据处理请求时,通过寻找其他能够处理该数据处理请求的设备来进行处理,可以实现去中心化,避免单个人工智能设备形成信息孤岛,并避免无法实现对数据处理请求的处理。另外,通过将数据处理请求的输入指令与找到的能够处理该数据处理请求的人工智能设备的处理指令的对应关系存储在各个人工智能设备,从而将能够处理该类请求的相关信息分享给各人工智能设备,使各人工智能设备获取到该类请求的处理能力,以此,能够增强包含该多个人工智能设备的系统的处理能力。
在本说明书的描述中,参考术语“一个实施例”、“一个具体实施例”、“一些实施例”、“例如”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。各实施例中涉及的步骤顺序用于示意性说明本发明的实施,其中的步骤顺序不作限定,可根据需要作适当调整。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上所述的具体实施例,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本发明的具体实施例而已,并不用于限定本发明的保护范围,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (9)
1.一种基于人工智能的数据处理方法,其特征在于,适用于包含多个人工智能设备的系统,所述方法包括:
利用第一所述人工智能设备接收数据处理请求;
在第一所述人工智能设备的所有处理指令均无法与所述数据处理请求的输入指令匹配的情况下,发送匹配请求至至少一个第二所述人工智能设备;
利用各第二所述人工智能设备分别根据所述匹配请求将其处理指令与所述数据处理请求的输入指令进行匹配;
利用匹配出的第二所述人工智能设备的处理指令处理所述数据处理请求,并返回处理结果至第一所述人工智能设备;
利用第一所述人工智能设备输出处理结果,存储所述数据处理请求的输入指令与匹配出的第二所述人工智能设备的处理指令的对应关系,并向其余所述人工智能设备公告所述对应关系,以使其余所述人工智能设备能够自行对同类型的数据处理请求进行处理;
在第一所述人工智能设备的所有处理指令均无法与所述数据处理请求的输入指令匹配的情况下,发送匹配请求至至少一个第二所述人工智能设备之前,所述方法还包括:
将第一所述人工智能设备的所有处理指令与所述数据处理请求的输入指令进行匹配;
将第一所述人工智能设备的所有处理指令与所述数据处理请求的输入指令进行匹配,包括:
确认所述数据处理请求的输入指令的类别;
根据确认的类别将所述数据处理请求的输入指令转换为相应的数据格式;
将第一所述人工智能设备的各处理指令对应的可比对数据逐一与转换得到的数据格式进行比较,得到相应的吻合度;
在比较得到的各吻合度均低于设定值的情况下,确认第一所述人工智能设备的所有处理指令均无法与所述数据处理请求的输入指令匹配。
2.如权利要求1所述的基于人工智能的数据处理方法,其特征在于,在第一所述人工智能设备的所有处理指令均无法与所述数据处理请求的输入指令匹配的情况下,发送匹配请求至至少一个第二所述人工智能设备之前,所述方法还包括:
在第一所述人工智能设备无法联通人工智能信息处理中心的情况下,发送通信连接请求至各第二所述人工智能设备,以使第一所述人工智能设备分别与至少一个第二所述人工智能设备建立通信连接;所述人工智能信息处理中心能够处理所述数据处理请求;所述系统还包括所述人工智能信息处理中心。
3.如权利要求2所述的基于人工智能的数据处理方法,其特征在于,还包括:
在存在所述人工智能设备能够联通所述人工智能信息处理中心的情况下,利用所述人工智能信息处理中心下发处理指令的可比对数据至相应的能够联通所述人工智能信息处理中心的各人工智能设备。
4.如权利要求1所述的基于人工智能的数据处理方法,其特征在于,利用各第二所述人工智能设备分别根据所述匹配请求将其处理指令与所述数据处理请求的输入指令进行匹配,包括:
根据所述匹配请求将每个第二所述人工智能设备的各处理指令对应的可比对数据逐一与所述数据处理请求的输入指令对应的数据格式进行比较,得到相应的吻合度;
将吻合度大于或等于设定值的至少一个第二所述人工智能设备的相应处理指令作为匹配出的第二所述人工智能设备的处理指令。
5.如权利要求2所述的基于人工智能的数据处理方法,其特征在于,在第一所述人工智能设备无法联通人工智能信息处理中心的情况下,发送通信连接请求至各第二所述人工智能设备之前,还包括:
在第一所述人工智能设备和各第二所述人工智能设备均与所述人工智能信息处理中心联通的情况下,利用第一所述人工智能设备获取各第二所述人工智能设备上报至所述人工智能信息处理中心的其本身的IP地址,以用于确定与第一所述人工智能设备通信连接的至少一个第二所述人工智能设备。
6.如权利要求5所述的基于人工智能的数据处理方法,其特征在于,在第一所述人工智能设备和各第二所述人工智能设备均与所述人工智能信息处理中心联通的情况下,利用第一所述人工智能设备获取各第二所述人工智能设备上报至所述人工智能信息处理中心的其本身的IP地址,以用于确定与第一所述人工智能设备通信连接的至少一个第二所述人工智能设备,包括:
在第一所述人工智能设备和各第二所述人工智能设备均与所述人工智能信息处理中心联通的情况下,利用第一所述人工智能设备获取各第二所述人工智能设备上报至所述人工智能信息处理中心的其本身的地理位置和IP地址,以用于确定与第一所述人工智能设备通信连接的且距其较近的至少一个第二所述人工智能设备。
7.如权利要求5所述的基于人工智能的数据处理方法,其特征在于,在第一所述人工智能设备的所有处理指令均无法与所述数据处理请求的输入指令匹配的情况下,发送匹配请求至至少一个第二所述人工智能设备之前,还包括:
在第一所述人工智能设备无法联通人工智能信息处理中心的情况下,利用第一所述人工智能设备根据获取的IP地址发送Ping指令至相应的第二所述人工智能设备,并将Ping成功的第二所述人工智能设备用于接收第一所述人工智能设备发送的匹配请求。
8.一种基于人工智能的数据处理系统,其特征在于,包含多个人工智能设备;
第一所述人工智能设备,用于接收数据处理请求,将第一所述人工智能设备的所有处理指令与所述数据处理请求的输入指令进行匹配,并在其所有处理指令均无法与所述数据处理请求的输入指令匹配的情况下,发送匹配请求至至少一个第二所述人工智能设备;其中,第一所述人工智能设备,具体用于:确认所述数据处理请求的输入指令的类别;根据确认的类别将所述数据处理请求的输入指令转换为相应的数据格式;将第一所述人工智能设备的各处理指令对应的可比对数据逐一与转换得到的数据格式进行比较,得到相应的吻合度;在比较得到的各吻合度均低于设定值的情况下,确认第一所述人工智能设备的所有处理指令均无法与所述数据处理请求的输入指令匹配;
至少一个第二所述人工智能设备,用于分别根据所述匹配请求将其处理指令与所述数据处理请求的输入指令进行匹配,利用匹配出的处理指令处理所述数据处理请求,并返回处理结果至第一所述人工智能设备;
第一所述人工智能设备,还用于输出所述数据处理请求的处理结果,存储所述数据处理请求的输入指令与匹配出的处理指令的对应关系,并向其余所述人工智能设备公告所述对应关系,以使其余所述人工智能设备能够自行对同类型的数据处理请求进行处理。
9.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1至7任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910614987.9A CN110333952B (zh) | 2019-07-09 | 2019-07-09 | 基于人工智能的数据处理方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910614987.9A CN110333952B (zh) | 2019-07-09 | 2019-07-09 | 基于人工智能的数据处理方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110333952A CN110333952A (zh) | 2019-10-15 |
CN110333952B true CN110333952B (zh) | 2021-09-14 |
Family
ID=68144819
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910614987.9A Active CN110333952B (zh) | 2019-07-09 | 2019-07-09 | 基于人工智能的数据处理方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110333952B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112929386B (zh) * | 2020-08-08 | 2022-06-28 | 重庆华唐云树科技有限公司 | 基于人工智能和异常识别的模型训练方法、系统及平台 |
CN115794913B (zh) * | 2020-12-30 | 2024-03-15 | 华为技术有限公司 | 一种人工智能系统中数据处理方法及装置 |
CN113554520A (zh) * | 2021-07-28 | 2021-10-26 | 厦门海晟融创信息技术有限公司 | 人工智能赋能下的智慧农业生产系统及方法 |
CN116847312A (zh) * | 2022-03-24 | 2023-10-03 | 北京邮电大学 | 数据处理方法、装置、通信系统、电子设备及存储介质 |
CN114942985A (zh) * | 2022-06-08 | 2022-08-26 | 广州芸荟数字软件有限公司 | 一种基于机器学习的人工智能数据处理方法及系统 |
CN116800762A (zh) * | 2023-06-26 | 2023-09-22 | 黑龙江尚域科技有限公司 | 一种基于人工智能的数据识别系统及方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104767810A (zh) * | 2015-04-07 | 2015-07-08 | 中国海洋大学 | 云-端协同服务系统及云-端协同工作方法 |
CN107404519A (zh) * | 2017-07-19 | 2017-11-28 | 北京众合天下管理咨询有限公司 | 分布式共享服务管理系统 |
CN107644255A (zh) * | 2016-07-21 | 2018-01-30 | 深圳光启合众科技有限公司 | 一种人工智能设备的数据处理方法、装置及系统 |
CN108334085A (zh) * | 2018-01-24 | 2018-07-27 | 北京墨丘科技有限公司 | 智能协作方法、装置、系统、智能终端及存储介质 |
US10102449B1 (en) * | 2017-11-21 | 2018-10-16 | Jasmin Cosic | Devices, systems, and methods for use in automation |
CN108924768A (zh) * | 2018-06-13 | 2018-11-30 | 四川斐讯信息技术有限公司 | 一种智能设备的自组网方法和系统及智能设备 |
CN109447048A (zh) * | 2018-12-25 | 2019-03-08 | 苏州闪驰数控系统集成有限公司 | 一种人工智能预警系统 |
-
2019
- 2019-07-09 CN CN201910614987.9A patent/CN110333952B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104767810A (zh) * | 2015-04-07 | 2015-07-08 | 中国海洋大学 | 云-端协同服务系统及云-端协同工作方法 |
CN107644255A (zh) * | 2016-07-21 | 2018-01-30 | 深圳光启合众科技有限公司 | 一种人工智能设备的数据处理方法、装置及系统 |
CN107404519A (zh) * | 2017-07-19 | 2017-11-28 | 北京众合天下管理咨询有限公司 | 分布式共享服务管理系统 |
US10102449B1 (en) * | 2017-11-21 | 2018-10-16 | Jasmin Cosic | Devices, systems, and methods for use in automation |
CN108334085A (zh) * | 2018-01-24 | 2018-07-27 | 北京墨丘科技有限公司 | 智能协作方法、装置、系统、智能终端及存储介质 |
CN108924768A (zh) * | 2018-06-13 | 2018-11-30 | 四川斐讯信息技术有限公司 | 一种智能设备的自组网方法和系统及智能设备 |
CN109447048A (zh) * | 2018-12-25 | 2019-03-08 | 苏州闪驰数控系统集成有限公司 | 一种人工智能预警系统 |
Also Published As
Publication number | Publication date |
---|---|
CN110333952A (zh) | 2019-10-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110333952B (zh) | 基于人工智能的数据处理方法及系统 | |
JP6947852B2 (ja) | 複数のコンピューティングデバイスを使用したインターホン式の通信 | |
CN107818798B (zh) | 客服服务质量评价方法、装置、设备及存储介质 | |
CN111542810A (zh) | 数字语音助理计算设备当中的信号处理协调 | |
WO2020238209A1 (zh) | 音频处理的方法、系统及相关设备 | |
CN108010523A (zh) | 信息处理方法以及记录介质 | |
KR102489914B1 (ko) | 전자 장치 및 이의 제어 방법 | |
JP6785904B2 (ja) | 情報プッシュ方法及び装置 | |
CN106294774A (zh) | 基于对话服务的用户个性化数据处理方法及装置 | |
CN103714813A (zh) | 短语辨认系统和方法 | |
WO2020006558A1 (en) | System and method for generating dialogue graphs | |
CN115665325B (zh) | 一种智能外呼的方法、装置、电子设备及存储介质 | |
CN111009245B (zh) | 一种指令执行方法、系统及存储介质 | |
KR20190117840A (ko) | 대화 이해 ai 시스템에 의한 고객 상담의 제공 중에 사람 상담 직원으로 하여금 해당 고객을 위한 이후 상담을 진행하도록 전환하는 방법 및 컴퓨터 판독가능 기록 매체 | |
CN113282737A (zh) | 人机协作的智能客服对话方法及装置 | |
CN112767916A (zh) | 智能语音设备的语音交互方法、装置、设备、介质及产品 | |
EP4020468A1 (en) | System, method and apparatus for conversational guidance | |
CN115098633A (zh) | 一种智能客服情感分析方法和系统、电子设备、存储介质 | |
CN117059068A (zh) | 语音处理方法、装置、存储介质及计算机设备 | |
JP2023549411A (ja) | 音声通話の制御方法、装置、コンピュータプログラム及び電子機器 | |
US20200234181A1 (en) | Implementing training of a machine learning model for embodied conversational agent | |
TW202223804A (zh) | 電子資源推送方法及系統 | |
JP2017191531A (ja) | コミュニケーションシステム、サーバ及びコミュニケーション方法 | |
CN113067952B (zh) | 用于多台机器人的人机协同无感控制方法和装置 | |
JP7055327B2 (ja) | 会話収集装置、会話収集システム及び会話収集方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |