CN112819174B - 基于人工智能算法改进的伦理虚拟仿真实验方法和机器人 - Google Patents
基于人工智能算法改进的伦理虚拟仿真实验方法和机器人 Download PDFInfo
- Publication number
- CN112819174B CN112819174B CN202011300256.6A CN202011300256A CN112819174B CN 112819174 B CN112819174 B CN 112819174B CN 202011300256 A CN202011300256 A CN 202011300256A CN 112819174 B CN112819174 B CN 112819174B
- Authority
- CN
- China
- Prior art keywords
- artificial intelligence
- scene
- algorithm
- result
- user
- 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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Artificial Intelligence (AREA)
- Processing Or Creating Images (AREA)
Abstract
基于人工智能算法改进的伦理虚拟仿真实验方法和机器人,包括:场景获取步骤;算法选项步骤;第一选择步骤;获取操作步骤;操作对应行为状态步骤;获取算法应用结果步骤;更新场景步骤;第一选择结果评价步骤。上述方法、系统和机器人,通过不同的人工智能算法选项的虚拟实验,使得用户能够通过虚拟实验来体验不同人工智能算法选项的执行效果,起到实验与考核相互促进的效果。而且还能通过知识库和深度学习模型来实现人工智能算法的自动执行,并得到自动执行的结果,从而实现了人工智能算法的执行结果和执行后场景的预测。
Description
技术领域
本发明涉及人工智能技术领域,特别是涉及一种人工智能算法改进防范伦理风险虚拟实验方法和机器人。
背景技术
在实现本发明过程中,发现现有技术中至少存在如下问题:现有的人工智能算法改进只是算法工程师做的事情,算法工程师在进行算法设计也无法得知其伦理风险,更无法直观地感受,而算法工程师之外的其他用户就更没有机会感受到算法可能带来的人工智能伦理风险。
因此,现有技术还有待于改进和发展。
发明内容
基于此,有必要针对现有技术的缺陷或不足,提供基于人工智能算法改进的伦理虚拟仿真实验方法和机器人,以解决现有技术中的技术问题:1)难以直观感受和实验人工智能算法的人工智能伦理风险;2)无法通过人工智能伦理实验来改进人工智能算法来防范人工智能伦理风险。
第一方面,本发明实施例提供一种人工智能方法,所述方法包括:
场景获取步骤:获取事件的第一场景;
算法选项步骤:获取人工智能算法的多个选项,提示用户从所述多个选项中选择出在所述第一场景中能防范人工智能伦理风险的人工智能算法的正确选项;
第一选择步骤:获取用户对所述多个选项在内的多种人工智能算法进行虚拟实验的请求或用户对人工智能算法的多个选项的第一选择结果;若获取到用户对所述多个选项在内的多种人工智能算法进行虚拟实验的请求,则继续执行下一步;若获取到用户对所述多个选项的第一选择结果,则跳到第一选择结果评价步骤继续执行;
获取操作步骤:获取用户对所述虚拟实验中第一场景的操作;
操作对应行为状态步骤:根据所述操作确定所述操作对应的对象行为状态;
获取算法应用结果步骤:从人工智能算法应用知识库中检索所述人工智能算法对应的应用结果;所述人工智能算法应用知识库中包含人工智能算法与应用结果的对应关系;若所述检索失败时,则所述人工智能算法输入算法虚拟实验模型,将所述算法虚拟实验模型的输出作为所述人工智能算法在第一场景中应用的结果;
更新场景步骤:从人工智能算法场景知识库中检索所述应用结果中应用后的场景状态对应的场景,根据所述场景更新所述虚拟实验中的场景;所述人工智能算法场景知识库中包含应用结果中应用后的场景状态与场景的对应关系;若所述检索失败时,则所述应用结果中应用后的场景状态输入场景虚拟实验模型,将所述场景虚拟实验模型的输出作为场景,根据所述场景更新所述虚拟实验中的场景;
第一选择结果评价步骤:获取在所述第一场景中能防范人工智能伦理风险的人工智能算法的正确选项,将所述第一选择结果与所述正确选项进行对比,判断用户的选择是否正确作为对所述第一选择结果的评价结果。
优选地,所述方法还包括:
算法自动虚拟实验请求步骤:获取用户进行人工智能算法自动虚拟实验的请求;
算法自动虚拟实验动画步骤:播放人工智能算法自动虚拟实验的动画;所述人工智能算法自动虚拟实验的动画中包括输入第一场景、算法的执行、输出结果;所述人工智能算法自动虚拟实验的动画中输出结果包括能防范人工智能伦理风险的人工智能算法、能防范人工智能伦理风险的第二场景预测、是否符合人工智能伦理规则的判断、第二场景的人工智能伦理风险的评定;
虚拟实验结果一致判断步骤:显示人工智能算法自动虚拟实验的动画中输出结果与用户进行虚拟实验的结果是否一致的判断的多个选项;
第二选择步骤:获取用户对所述是否一致的判断的多个选项的选择结果,作为第二选择结果;
第二选择结果评价步骤:显示所述是否一致的判断的正确选项,将所述第二选择结果与所述正确选项进行对比,判断用户的选择是否正确作为对所述第二选择结果的评价结果。
优选地,所述方法还包括:
场景变更步骤:将第一场景进行变更后,回到所述场景获取步骤继续执行;
备选集合步骤:将每一第一场景中能防范人工智能伦理风险的人工智能算法的正确选项加入备选集合;
统计步骤:统计各正确选项在所述备选集合中的个数,并按照个数从多到少对各正确选项进行排序;
最优规则步骤:将所述排序第一位的正确选项中的人工智能算法作为当前最优的人工智能算法;
重选步骤:经过预设的时间之后或当所述备选集合中的正确选项数增加量达到预设条件之后,回到所述统计步骤继续执行。
优选地,所述方法还包括:
重新虚拟实验步骤:获取用户重新进行所述虚拟实验的请求;在获取到用户重新进行所述虚拟实验的请求后回到所述获取操作步骤重新执行;
退出虚拟实验步骤:获取用户退出所述虚拟实验的请求;在获取到用户退出所述虚拟实验的请求后回到所述人类行为决策选项步骤重新执行;
实验记录步骤:将所述第一场景、所述用户、所述操作的时间、所述选择的时间、所述操作内容、所述执行结果、所述第一选择结果、所述第一选择结果的评价结果存入数据库并记录进实验报告。
优选地,所述方法还包括:
应用正确算法请求步骤:获取用户对在第一场景中应用正确的人工智能算法的请求;
播放应用场景步骤:播放执行正确的人工智能算法的虚拟实验中的第二场景。
优选地,所述方法还包括:
算法变更步骤:所述人工智能算法由一个或多个子算法组成,变更所述人工智能算法中任一子算法,得到变更后的人工智能算法;
选项增加步骤:将变更后的人工智能算法增加到人工智能算法的多个选项中,回到场景获取步骤重新执行。
第二方面,本发明实施例提供一种人工智能装置(第二方面中的各模块的内容与第一方面各步骤的内容一一对应,所以第二方面中的各模块的内容不再赘述)
所述装置包括:场景获取模块;算法选项模块;第一选择模块;获取操作模块;操作对应行为状态模块;获取算法应用结果模块;更新场景模块;第一选择结果评价模块。
优选地,所述装置还包括:算法自动虚拟实验请求模块;算法自动虚拟实验动画模块;虚拟实验结果一致判断模块;第二选择模块;第二选择结果评价模块。
优选地,所述装置还包括:场景变更模块;备选集合模块;统计模块;最优规则模块;重选模块。
优选地,所述装置还包括:重新虚拟实验模块;退出虚拟实验模块;实验记录模块。
优选地,所述装置还包括:应用正确算法请求模块;播放应用场景模块。
优选地,所述装置还包括:算法变更模块;选项增加模块。
第三方面,本发明实施例提供一种人工智能伦理系统,所述系统包括第二方面实施例任意一项所述装置的模块。
第四方面,本发明实施例提供一种计算机可读存储介质,其上存储有计算机程序,所述程序被处理器执行时实现第一方面实施例任意一项所述方法的步骤。
第五方面,本发明实施例提供一种机器人,包括存储器、处理器及存储在存储器上并可在处理器上运行的人工智能机器人程序,所述机器人为第一方面实施例中的所述第一人工智能装置,所述处理器执行所述程序时实现第一方面实施例任意一项所述方法的步骤。
本实施例提供的基于人工智能算法改进的伦理虚拟仿真实验方法和机器人,包括:场景获取步骤;算法选项步骤;第一选择步骤;获取操作步骤;操作对应行为状态步骤;获取算法应用结果步骤;更新场景步骤;第一选择结果评价步骤。上述方法、系统和机器人,通过不同的人工智能算法选项的虚拟实验,使得用户能够通过虚拟实验来体验不同人工智能算法选项的执行效果,起到实验与考核相互促进的效果。而且还能通过知识库和深度学习模型来实现人工智能算法的自动执行,并得到自动执行的结果,从而实现了人工智能算法的执行结果和执行后场景的预测。
附图说明
图1为本发明的实施例提供的人工智能方法的流程图;图2为本发明的实施例提供的人工智能方法的流程图;图3为本发明的实施例提供的人工智能方法的流程图;图4为本发明的实施例提供的人工智能方法的流程图;图5为本发明的实施例提供的人工智能方法的流程图;图6为本发明的实施例提供的人工智能方法的流程图。
具体实施方式
下面结合本发明实施方式,对本发明实施例中的技术方案进行详细地描述。
本发明的基本实施例
一种人工智能方法,如图1所示,所述方法包括:场景获取步骤;算法选项步骤;第一选择步骤;获取操作步骤;操作对应行为状态步骤;获取算法应用结果步骤;更新场景步骤;第一选择结果评价步骤。技术效果:所述方法通过不同的人工智能算法选项的虚拟实验,使得用户能够通过虚拟实验来体验不同人工智能算法选项的执行效果,从而为用户对人工智能算法选项的选择提供依据,使得用户能够带着选项的问题去做虚拟实验,然后又能根据虚拟实验的结果进行选项的选择,能够使得用户将实验和选项问题结合起来,将实验与选择形式的考核结合起来,起到实验与考核相互促进的效果。并且通过自动比对来判断用户的操作和对人工智能算法选项的选择是否正确,来提高用户的实验能力和实验成效。而且还能通过知识库和深度学习模型来实现人工智能算法的自动执行,并得到自动执行的结果,从而实现了人工智能算法的执行结果和执行后场景的预测。
在一个优选的实施例中,如图2所示,所述方法还包括:算法自动虚拟实验请求步骤;算法自动虚拟实验动画步骤;虚拟实验结果一致判断步骤;第二选择步骤;第二选择结果评价步骤。技术效果:所述方法通过自动虚拟实验来使得用户能够知晓系统自动地进行人工智能算法虚拟实验的过程,并且能够将自动虚拟实验与用户进行的虚拟实验进行对比,从而加深用户对虚拟实验的理解,并且能增强用户对虚拟实验的掌握。
在一个优选的实施例中,如图3所示,所述方法还包括:场景变更步骤;备选集合步骤;统计步骤;最优规则步骤;重选步骤。技术效果:通过考察人工智能算法在不同的场景中防范人工智能伦理风险的能力来进行人工智能算法的选择,可以极大地提升人工智能算法防范人工智能伦理风险的普适性,而不仅仅局限于某一个场景,从而可以极大提升人工智能算法防范人工智能伦理风险的效果。
在一个优选的实施例中,如图4所示,所述方法还包括:重新虚拟实验步骤;退出虚拟实验步骤;实验记录步骤。技术效果:所述方法可以使得用户重新进行人工智能算法虚拟实验来改进实验的效果。
在一个优选的实施例中,如图5所示,所述方法还包括:应用正确算法请求步骤;播放应用场景步骤。技术效果:所述方法通过执行人工智能正确算法,让用户能真实地看到人工智能正确算法的执行结果,从而使得用户对实验有真实的体验感。
在一个优选的实施例中,如图6所示,所述方法还包括:算法变更步骤;选项增加步骤。技术效果:通过变更子算法生成更多新的算法,从而实现了人工智能算法的自动更新的过程,能够很好地提升人工智能新算法生成的能力,从而提升通过人工智能算法改进来提高人工智能伦理风险防范的能力。
本发明的优选实施例
1获取事件的第一场景;获取人工智能算法的多个选项,提示用户从所述多个选项中选择出在所述第一场景中能防范人工智能伦理风险的人工智能算法的正确选项;
2获取用户对所述多个选项在内的多种人工智能算法进行虚拟实验的请求或用户对人工智能算法的多个选项的第一选择结果;若获取到用户对所述多个选项在内的多种人工智能算法进行虚拟实验的请求,则继续执行下一步;若获取到用户对所述多个选项的第一选择结果,则跳到第9步继续执行;
2.1显示虚拟实验的算法的输入、流程、输出的原理图;
2.2获取需要进行虚拟实验的选项;
3获取用户对所述虚拟实验中第一场景的操作;
3.1显示所述操作的内容;
3.2获取所述操作的操作位置和操作类型;
4根据所述操作确定所述操作对应的对象行为状态;
4.1根据所述操作位置和操作类型确定所述操作对应的对象行为状态;
4.3判断所述操作对应的对象及其行为状态是否与所述需要进行虚拟实验的选项应用到第一场景后产生的对象行为状态一致:是,则显示当前操作属于所述选项的信息;
4.2获取用户对所述人工智能算法在第一场景中应用的请求;若获取到用户对所述人工智能算法在第一场景中应用的请求,则执行4.3;若获取到用户对所述虚拟实验中第一场景的操作,则跳到第3步继续执行;
5从人工智能算法应用知识库中检索所述人工智能算法对应的应用结果;所述人工智能算法应用知识库中包含人工智能算法与应用结果的对应关系;若所述检索失败时,则所述人工智能算法输入算法虚拟实验模型,将所述算法虚拟实验模型的输出作为所述人工智能算法在第一场景中应用的结果;
5.1所述结果包括应用后的场景状态(包括场景中人工智能体、人类及相关对象的行为状态),应用后的场景是否符合人工智能伦理规则的判断,应用后的场景是否存在人工智能伦理风险的评定。
5.2显示所述结果;
5.3将所述人工智能算法应用知识库中每一人工智能算法与对应的应用结果,分别作为深度学习模型的输入和预期输出,对所述深度学习模型进行训练和测试,得到算法虚拟实验模型。
6从人工智能算法场景知识库中检索所述应用结果中应用后的场景状态对应的场景,根据所述场景更新所述虚拟实验中的场景;所述人工智能算法场景知识库中包含应用结果中应用后的场景状态与场景的对应关系;若所述检索失败时,则所述应用结果中应用后的场景状态输入场景虚拟实验模型,将所述场景虚拟实验模型的输出作为场景,根据所述场景更新所述虚拟实验中的场景;
6.1根据所述结果更新所述第一场景中人工智能体和人类的行为状态;
6.1.1所述人工智能体包括机器人或无人车;人类包括人、人驾驶的车辆。
6.1.2所述行为状态包括移动或射击或撞击或说话或受伤或其他行为状态或多种行为状态的组合。
6.2根据所述结果更新所述第一场景中与所述结果相关的对象的行为状态。
6.2.1所述相关的对象包括物体或装置。
6.2.2所述相关的对象的行为包括移动或射击或撞击或说话或受伤或其他行为状态或多种行为状态的组合。
6.3将所述人工智能算法场景知识库中每一应用结果与对应的场景,分别作为深度学习模型的输入和预期输出,对所述深度学习模型进行训练和测试,得到场景虚拟实验模型。
7获取用户重新进行所述虚拟实验的请求;在获取到用户重新进行所述虚拟实验的请求后回到步骤3重新执行。
8获取用户退出所述虚拟实验的请求;在获取到用户退出所述虚拟实验的请求后回到步骤1重新执行。
9获取在所述第一场景中能防范人工智能伦理风险的人工智能算法的正确选项,将所述第一选择结果与所述正确选项进行对比,判断用户的选择是否正确作为对所述第一选择结果的评价结果。
10将所述第一场景、所述用户、所述操作的时间、所述选择的时间、所述操作内容、所述执行结果、所述第一选择结果、所述第一选择结果的评价结果存入数据库并记录进实验报告。
11获取用户进行人工智能算法自动虚拟实验的请求;
12播放人工智能算法自动虚拟实验的动画;
12.1所述人工智能算法自动虚拟实验的动画中包括输入第一场景、算法的执行、输出结果。
12.1.1所述人工智能算法自动虚拟实验的动画中输出结果包括能防范人工智能伦理风险的人工智能算法、能防范人工智能伦理风险的第二场景预测、是否符合人工智能伦理规则的判断、第二场景的人工智能伦理风险的评定。
13显示人工智能算法自动虚拟实验的动画中输出结果与用户进行虚拟实验的结果是否一致的判断的多个选项;
14获取用户对所述是否一致的判断的多个选项的选择结果,作为第二选择结果;
15显示所述是否一致的判断的正确选项,将所述第二选择结果与所述正确选项进行对比,判断用户的选择是否正确作为对所述第二选择结果的评价结果。
16获取用户对在第一场景中应用正确的人工智能算法的请求;
17播放执行正确的人工智能算法的虚拟实验中的第二场景。
18显示人工智能算法的正确选项,获取人工智能算法的正确选项能防范人工智能伦理风险的原因的多个选项,提示用户从所述多个选项中选择出人工智能算法的正确选项能防范人工智能伦理风险的原因的选项;
18.1播放人工智能算法的正确选项对应的虚拟实验中的场景;
19获取用户对人工智能算法的正确选项能防范人工智能伦理风险的原因的多个选项的选择结果,作为第三选择结果;
20获取人工智能算法的正确选项能防范人工智能伦理风险的原因的正确选项,将所述第三选择结果与所述正确选项进行对比,判断用户的选择是否正确作为对所述第三选择结果的评价结果。
21显示人工智能算法的正确选项能防范人工智能伦理风险的原因的正确选项;
22将所述用户、所述选择的时间、所述第二、三选择结果、所述第二、三选择结果的评价结果存入数据库并记录进实验报告。
23将第一场景进行变更后,回到第1步继续执行。
24将每一第一场景中能防范人工智能伦理风险的人工智能算法的正确选项加入备选集合(同一正确选项,加入时不进行去重,也就是说同一选项可能被多次加入该集合,也就是说该集中可能存在多个同一选项);
25统计各正确选项在所述备选集合中的个数,并按照个数从多到少对各正确选项进行排序;
26将所述排序第一位的正确选项中的人工智能算法作为当前最优的人工智能算法;
27(随着时间的推移,会有越来越多的第一场景被实验,因此排序也会改变)经过预设的时间之后或当所述备选集合中的正确选项数增加量达到预设条件之后,回到第21步继续执行。
28所述人工智能算法由一个或多个子算法组成,变更所述人工智能算法中任一子算法,得到变更后的人工智能算法。将变更后的人工智能算法增加到人工智能算法的多个选项中,回到第1步重新执行。
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本发明专利范围的限制。应当指出的是,则对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
Claims (9)
1.一种人工智能方法,其特征在于,所述方法包括:
场景获取步骤:获取事件的第一场景;
算法选项步骤:获取人工智能算法的多个选项,提示用户从所述多个选项中选择出在所述第一场景中能防范人工智能伦理风险的人工智能算法的正确选项;
第一选择步骤:获取用户对所述多个选项在内的多种人工智能算法进行虚拟实验的请求或用户对人工智能算法的多个选项的第一选择结果;若获取到用户对所述多个选项在内的多种人工智能算法进行虚拟实验的请求,则继续执行下一步;若获取到用户对所述多个选项的第一选择结果,则跳到第一选择结果评价步骤继续执行;
获取操作步骤:获取用户对所述虚拟实验中第一场景的操作;
操作对应行为状态步骤:根据所述操作确定所述操作对应的对象行为状态;
获取算法应用结果步骤:从人工智能算法应用知识库中检索所述人工智能算法对应的应用结果;所述人工智能算法应用知识库中包含人工智能算法与应用结果的对应关系;若所述检索失败时,则将所述人工智能算法输入到算法虚拟实验模型中,将所述算法虚拟实验模型的输出作为所述人工智能算法在第一场景中应用的结果;
更新场景步骤:从人工智能算法场景知识库中检索所述应用结果中应用后的场景状态对应的场景,根据所述场景更新所述虚拟实验中的场景;所述人工智能算法场景知识库中包含应用结果中应用后的场景状态与场景的对应关系;若所述检索失败时,则将所述应用结果中应用后的场景状态输入到场景虚拟实验模型中,将所述场景虚拟实验模型的输出作为场景,根据所述场景更新所述虚拟实验中的场景;
第一选择结果评价步骤:获取在所述第一场景中能防范人工智能伦理风险的人工智能算法的正确选项,将所述第一选择结果与所述正确选项进行对比,判断用户的选择是否正确作为对所述第一选择结果的评价结果;
所述第一选择步骤还包括:获取需要进行虚拟实验的选项;
所述获取操作步骤还包括:显示所述操作的内容;获取所述操作的操作位置和操作类型;
所述操作对应行为状态步骤还包括:根据所述操作位置和操作类型确定所述操作对应的对象行为状态;获取用户对所述人工智能算法在第一场景中应用的请求;若获取到用户对所述人工智能算法在第一场景中应用的请求,则判断所述操作对应的对象及其行为状态是否与所述需要进行虚拟实验的选项应用到第一场景后产生的对象行为状态一致:是,则显示当前操作属于所述选项的信息;若获取到用户对所述虚拟实验中第一场景的操作,则回到所述获取操作步骤继续执行;
所述获取算法应用结果步骤还包括:将所述人工智能算法应用知识库中每一人工智能算法与对应的应用结果,分别作为深度学习模型的输入和预期输出,对所述深度学习模型进行训练和测试,得到算法虚拟实验模型;所述结果包括应用后的场景状态,应用后的场景是否符合人工智能伦理规则的判断,应用后的场景是否存在人工智能伦理风险的评定;显示所述结果;
所述更新场景步骤还包括:将所述人工智能算法场景知识库中每一应用结果与对应的场景,分别作为深度学习模型的输入和预期输出,对所述深度学习模型进行训练和测试,得到场景虚拟实验模型;根据所述结果更新所述第一场景中人工智能体和人类的行为状态;根据所述结果更新所述第一场景中与所述结果相关的对象的行为状态。
2.根据权利要求1所述的人工智能方法,其特征在于,所述方法还包括:
算法自动虚拟实验请求步骤:获取用户进行人工智能算法自动虚拟实验的请求;
算法自动虚拟实验动画步骤:播放人工智能算法自动虚拟实验的动画;所述人工智能算法自动虚拟实验的动画中包括输入第一场景、算法的执行、输出结果;所述人工智能算法自动虚拟实验的动画中输出结果包括能防范人工智能伦理风险的人工智能算法、能防范人工智能伦理风险的第二场景预测、是否符合人工智能伦理规则的判断、第二场景的人工智能伦理风险的评定;
虚拟实验结果一致判断步骤:显示人工智能算法自动虚拟实验的动画中输出结果与用户进行虚拟实验的结果是否一致的判断的多个选项;
第二选择步骤:获取用户对所述是否一致的判断的多个选项的选择结果,作为第二选择结果;
第二选择结果评价步骤:显示所述是否一致的判断的正确选项,将所述第二选择结果与所述正确选项进行对比,判断用户的选择是否正确作为对所述第二选择结果的评价结果。
3.根据权利要求1所述的人工智能方法,其特征在于,所述方法还包括:
场景变更步骤:将第一场景进行变更后,回到所述场景获取步骤继续执行;
备选集合步骤:将每一第一场景中能防范人工智能伦理风险的人工智能算法的正确选项加入备选集合;
统计步骤:统计各正确选项在所述备选集合中的个数,并按照个数从多到少对各正确选项进行排序;
最优规则步骤:将所述排序第一位的正确选项中的人工智能算法作为当前最优的人工智能算法;
重选步骤:经过预设的时间之后或当所述备选集合中的正确选项数增加量达到预设条件之后,回到所述统计步骤继续执行。
4.根据权利要求1所述的人工智能方法,其特征在于,所述方法还包括:
重新虚拟实验步骤:获取用户重新进行所述虚拟实验的请求;在获取到用户重新进行所述虚拟实验的请求后回到所述获取操作步骤重新执行;
退出虚拟实验步骤:获取用户退出所述虚拟实验的请求;在获取到用户退出所述虚拟实验的请求后回到人类行为决策选项步骤重新执行;
实验记录步骤:将所述第一场景、所述用户、所述操作的时间、所述选择的时间、操作内容、执行结果、所述第一选择结果、所述第一选择结果的评价结果存入数据库并记录进实验报告。
5.根据权利要求1所述的人工智能方法,其特征在于,所述方法还包括:
应用正确算法请求步骤:获取用户对在第一场景中应用正确的人工智能算法的请求;
播放应用场景步骤:播放执行正确的人工智能算法的虚拟实验中的第二场景。
6.根据权利要求1所述的人工智能方法,其特征在于,所述方法还包括:
算法变更步骤:所述人工智能算法由一个或多个子算法组成,变更所述人工智能算法中任一子算法,得到变更后的人工智能算法;
选项增加步骤:将变更后的人工智能算法增加到人工智能算法的多个选项中,回到场景获取步骤重新执行。
7.一种人工智能装置,其特征在于,所述装置用于实现权利要求1-6任意一项所述方法的步骤。
8.一种机器人,包括存储器、处理器及存储在存储器上并可在处理器上运行的人工智能机器人程序,其特征在于,所述处理器执行所述程序时实现权利要求1-6任意一项所述方法的步骤。
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,所述程序被处理器执行时实现权利要求1-6任意一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011300256.6A CN112819174B (zh) | 2020-11-19 | 2020-11-19 | 基于人工智能算法改进的伦理虚拟仿真实验方法和机器人 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011300256.6A CN112819174B (zh) | 2020-11-19 | 2020-11-19 | 基于人工智能算法改进的伦理虚拟仿真实验方法和机器人 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112819174A CN112819174A (zh) | 2021-05-18 |
CN112819174B true CN112819174B (zh) | 2023-04-28 |
Family
ID=75853355
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011300256.6A Active CN112819174B (zh) | 2020-11-19 | 2020-11-19 | 基于人工智能算法改进的伦理虚拟仿真实验方法和机器人 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112819174B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113296607B (zh) * | 2021-05-27 | 2022-01-14 | 北京润尼尔网络科技有限公司 | 一种基于vr的多人虚拟实验教学系统 |
CN113778454B (zh) * | 2021-09-22 | 2024-02-20 | 重庆海云捷迅科技有限公司 | 一种人工智能实验平台的自动评测方法及系统 |
Family Cites Families (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7236963B1 (en) * | 2002-03-25 | 2007-06-26 | John E. LaMuth | Inductive inference affective language analyzer simulating transitional artificial intelligence |
CN107291654A (zh) * | 2016-03-31 | 2017-10-24 | 深圳光启合众科技有限公司 | 机器人的智能决策系统和方法 |
WO2019070790A1 (en) * | 2017-10-04 | 2019-04-11 | Trustees Of Tufts College | SYSTEMS AND METHODS FOR ENSURING SAFE STANDARD COMPLIANCE WITH INTELLIGENT SYSTEM STANDARDS AND ETHICS |
US10766136B1 (en) * | 2017-11-03 | 2020-09-08 | Amazon Technologies, Inc. | Artificial intelligence system for modeling and evaluating robotic success at task performance |
US10990901B2 (en) * | 2017-11-13 | 2021-04-27 | Accenture Global Solutions Limited | Training, validating, and monitoring artificial intelligence and machine learning models |
US20200097849A1 (en) * | 2018-08-02 | 2020-03-26 | Michael Thorne Kelly, Inc. | Ontology and method for creating trust-worthy, super-rational, theory-of-mind-capable artificial general intelligence |
US11526713B2 (en) * | 2018-09-28 | 2022-12-13 | Intel Corporation | Embedding human labeler influences in machine learning interfaces in computing environments |
CN111812999B (zh) * | 2020-06-08 | 2023-07-21 | 华南师范大学 | 人工智能伦理风险与防范虚拟仿真方法、系统和机器人 |
CN111860765A (zh) * | 2020-06-08 | 2020-10-30 | 华南师范大学 | 尽量向善的人工智能伦理实现方法、系统和机器人 |
CN111823227B (zh) * | 2020-06-08 | 2024-02-02 | 华南师范大学 | 人工智能伦理风险检测防范方法、深度学习系统和机器人 |
CN111860766A (zh) * | 2020-06-08 | 2020-10-30 | 华南师范大学 | 人工智能伦理规则推理方法、深度学习系统和机器人 |
CN111860133A (zh) * | 2020-06-08 | 2020-10-30 | 华南师范大学 | 无种族偏见的识别人类的人工智能伦理方法和机器人 |
CN111775159A (zh) * | 2020-06-08 | 2020-10-16 | 华南师范大学 | 基于动态人工智能伦理规则的伦理风险防范方法和机器人 |
CN111860577A (zh) * | 2020-06-08 | 2020-10-30 | 华南师范大学 | 识别不伤害人类的人类的人工智能伦理方法和机器人 |
-
2020
- 2020-11-19 CN CN202011300256.6A patent/CN112819174B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN112819174A (zh) | 2021-05-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112819174B (zh) | 基于人工智能算法改进的伦理虚拟仿真实验方法和机器人 | |
US20180349757A1 (en) | Learning service providing apparatus | |
KR20190056720A (ko) | 뉴럴 네트워크 학습 방법 및 디바이스 | |
CN106998317A (zh) | 异常访问请求识别方法及装置 | |
CN110134375B (zh) | 游戏角色行为的控制方法、装置及可读存储介质 | |
US8271252B2 (en) | Automatic verification of device models | |
CN106502890A (zh) | 测试用例生成方法及系统 | |
CN110096617B (zh) | 视频分类方法、装置、电子设备及计算机可读存储介质 | |
KR102188115B1 (ko) | 생성적 적대 신경망을 기초로 암의 예후 예측에 사용되는 바이오 마커의 선정이 가능한 전자 장치 및 그 동작 방법 | |
CN115269932B (zh) | 模拟训练设备的训练评分方法、装置、存储介质及设备 | |
CN111814414A (zh) | 一种基于遗传算法的覆盖率收敛方法及系统 | |
CN112990461A (zh) | 构建神经网络模型的方法、装置、计算机设备和存储介质 | |
KR102413588B1 (ko) | 학습 데이터에 따른 객체 인식 모델 추천 방법, 시스템 및 컴퓨터 프로그램 | |
CN112561075B (zh) | 人工智能伦理规则修订防范风险虚拟实验方法和机器人 | |
CN113762324A (zh) | 虚拟对象检测方法、装置、设备及计算机可读存储介质 | |
CN112508195B (zh) | 基于人工智能伦理规则修订的伦理仿真实验方法和机器人 | |
CN112418436B (zh) | 基于人类决策的人工智能伦理虚拟仿真实验方法和机器人 | |
US6564357B2 (en) | Performance verification/analysis tool for full-chip designs | |
Hervás et al. | Calibrating a Metric for Similarity of Stories against Human Judgement. | |
CN112418437B (zh) | 基于多人决策的伦理仿真虚拟实验方法和机器人 | |
CN112434816B (zh) | 基于人工智能体决策的伦理虚拟仿真实验方法和机器人 | |
CN116594828B (zh) | 一种端智能的质量评测方法及装置 | |
CN111562982B (zh) | 请求数据的处理方法及装置、计算机可读存储介质、电子设备 | |
CN112580818A (zh) | 人工智能算法改进防范伦理风险虚拟实验方法和机器人 | |
CN117312909A (zh) | 基于提示词微调的持续学习的任务处理方法及装置 |
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 | ||
CB02 | Change of applicant information |
Address after: 510631 No. 55, Zhongshan Avenue, Tianhe District, Guangdong, Guangzhou Applicant after: SOUTH CHINA NORMAL University Address before: 510000 Shipai campus, South China Normal University, Guangzhou, Guangdong Province Applicant before: SOUTH CHINA NORMAL University |
|
CB02 | Change of applicant information | ||
GR01 | Patent grant | ||
GR01 | Patent grant |