CN115668242A - 半自主智能任务中心 - Google Patents
半自主智能任务中心 Download PDFInfo
- Publication number
- CN115668242A CN115668242A CN202180038380.6A CN202180038380A CN115668242A CN 115668242 A CN115668242 A CN 115668242A CN 202180038380 A CN202180038380 A CN 202180038380A CN 115668242 A CN115668242 A CN 115668242A
- Authority
- CN
- China
- Prior art keywords
- subtask
- task
- subtasks
- user
- neural network
- 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.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/02—Reservations, e.g. for tickets, services or events
-
- 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
- G06F9/48—Program initiating; Program switching, e.g. by interrupt
- G06F9/4806—Task transfer initiation or dispatching
- G06F9/4843—Task transfer initiation or dispatching by program, e.g. task dispatcher, supervisor, operating system
- G06F9/4881—Scheduling strategies for dispatcher, e.g. round robin, multi-level priority queues
-
- 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
- G06F9/48—Program initiating; Program switching, e.g. by interrupt
- G06F9/4806—Task transfer initiation or dispatching
- G06F9/4843—Task transfer initiation or dispatching by program, e.g. task dispatcher, supervisor, operating system
- G06F9/485—Task life-cycle, e.g. stopping, restarting, resuming execution
-
- 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
- G06F9/54—Interprogram communication
- G06F9/542—Event management; Broadcasting; Multicasting; Notifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06311—Scheduling, planning or task assignment for a person or group
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/044—Recurrent networks, e.g. Hopfield networks
Abstract
本公开涉及围绕任务的完成而构建的交互式智能中心的系统和方法。该中心汇集了资源、信息、建议步骤和其他自动化辅助,以有助于任务的完成。基于AI的辅助可以指示哪些步骤可以通过自动化过程完成,并且分派那些过程,或者建议资源来辅助完成其他步骤。中心显示任务的当前状况,并且一直持续到任务完成或由用户放弃。
Description
背景技术
当用户在管理和完成任务(尤其是相对复杂的任务)方面获得自动化辅助时,他们可以从节省时间中受益。正是基于这些和其他一般考虑,本文所公开的方面已被做出。此外,尽管可能会讨论相对具体的问题,但应理解的是,这些示例不应局限于解决背景或本公开其他部分中标识的具体问题。
发明内容
根据本公开,上述和其他问题可以通过围绕完成任务而构建的交互式智能中心来解决。该中心汇集了资源、信息、建议步骤和其他自动化辅助,以有助于完成任务。基于AI的辅助可以指示哪些步骤可以通过自动化过程完成,并建议用于辅助完成其他步骤的资源。中心显示任务的当前状态,并一直持续到任务完成或由用户放弃。
用于半自主管理任务的系统和方法包括确定任务包括多个子任务,多个子任务包括第一子任务和第二子任务,以及通过神经网络,至少基于多个子任务的状态和针对第一子任务的定义来确定第一子任务是可自动化的。该确定还可以基于其他因素而做出,其他因素包括任务和子任务之间的依赖关系、任务定义中是否有空槽(slot)以及子任务委托是否已完成。基于确定第一子任务可自动化,第一子任务被自动执行。系统和方法还可以通过神经网络,基于多个子任务的状态和针对第二子任务的定义来确定第二子任务要求用户输入。如果是这样,则用户被通知需要用户输入来完成第二子任务。
此外,系统和方法可以基于多个因素来确定子任务的完成顺序,这些因素包括任务和子任务之间的依赖关系、子任务定义、每个子任务的状态以及子任务定义中缺少的信息。术语“第一”和“第二”的使用并不意味着顺序,因为可自动化的子任务和任务可以按照通过神经网络确定的任何顺序完成。在一些方面,根据从用户接收到的信息、从其他资源(诸如以前执行的任务)接收到的信息、任务与子任务之间的依赖关系、子任务定义、每个子任务的状态以及子任务定义中缺少的信息,任务和子任务可以被委托给第三方。
提供此发明内容是为了以简化的形式介绍一系列概念,以下在具体实施方式部分会对其进一步描述。此发明内容并非旨在标识请求保护的主题的关键特征或必要特征,也并非旨在被用于限制请求保护的主题的范围。示例的附加方面、特征和/或优点一部分将在以下描述中阐述,并且一部分将从描述中显现,或者可以通过本公开的实践而学习到。
附图说明
参考下列附图描述非限制性和非详尽示例。
图1示出了根据本公开的一些方面的用于半自主任务管理系统的示例系统的概述。
图2示出了根据本公开的一些方面的用于任务管理的半自主系统。
图3是示出了根据本公开的一些方面的半自主管理子任务的方法的通信流。
图4示出了根据本公开的一些方面的半自主完成任务的示例方法。
图5示出了根据本公开的一些方面的用于任务中心的用户界面。
图6示出了根据本公开的一些方面的用于管理来自用户设备的半自主任务的系统的架构的一个方面。
图7是示出本公开的一些方面可利用其被实践的计算设备的示例物理组件的框图。
图8A是本公开的一些方面可利用其被实践的移动计算设备的简化图。
图8B是本公开的一些方面可利用其被实践的移动计算设备的另一简化框图。
具体实施方式
下文参考附图更全面地描述了本公开的各个方面,附图构成本公开的一部分,并显示了具体的示例方面。然而,该公开的不同方面可以以许多不同的形式实施,不应被解释为局限于本文所述的方面;相反,提供这些方面以便此公开将是详尽和完整的,并且将向本领域技术人员充分传达这些方面的范围。这些方面可以被实施为方法、系统或设备。因此,方面可以采取硬件实现、完全软件实现或组合软件和硬件方面的实现的形式。因此,以下详细描述不在限制意义上采用。
本公开涉及围绕完成任务而构建的交互式智能中心的系统和方法。该中心汇集了资源、信息、建议步骤和其他自动化辅助,以有助于完成任务。基于AI的辅助可以指示哪些步骤可以通过自动化过程完成,并分派那些过程,或者建议资源来辅助完成其他步骤。中心显示任务的当前状况,并一直持续到任务完成或由用户放弃。
在一些方面,智能任务中心充当中央结算所,用于规划、定义和管理任务及其子任务、收集必要的资源、跟踪任务进度以及查看所有这些方面。由任务中心管理的任务可以链接到它所依赖的(可能由其他用户的任务中心管理)或者依赖于它的其他任务。此外,在某些方面,任务中心能够作为web服务直接寻址,它有助于直接访问任务资源,与可以通过web服务与此自主代理交互的其他用户共享任务及其详细信息。任务中心了解任务状况并管理子任务以完成任务。
图1示出了根据本公开的一些方面的半自主任务管理的示例系统100的概述。系统100包括任务中心102,它可以驻留在服务器上或作为web服务的一部分。任务中心102通过网络108连接到用户104的用户设备106。用户设备106可以是任何类型的计算设备,包括:移动电话;智能手机;平板计算机;智能手表;可穿戴计算机;个人计算机;台式计算机;笔记本计算机;游戏控制台10(例如);电视机;智能扬声器;诸如此类。此列表仅为示例性列表,不应被视为限制性列表,因为本领域技术人员将了解,许多不同类型的设备可作为系统100的一部分使用。用户设备配备了包括生产力应用(如电子邮件、日历、联系人、个人助理应用、协作应用、web浏览器等)在内的应用。此列表是示例性的,不应被视为具有限制性。网络108可以是任何类型的网络,包括但不限于互联网、局域网(LAN)或广域网(WAN)。用户设备106和任务中心102还通过网络108连接到web服务器110和其他用户112。
任务中心102为其管理的每个活动任务都有一个任务代理,在系统100中包括任务1 126的代理、任务2 128的代理和任务3 130的代理。备选地,可以将单个代理用于多个任务。任务1 126包括若干子任务,其包括子任务A 132、子任务B 134和子任务N 136。虽然显示了三个子任务,但一个任务可以包括任意数目的子任务,如省略号150所示。任务2 128包括若干子任务,其包括子任务A138、子任务B 140和子任务N 142。尽管显示了三个子任务,一个任务可以包括任意数目的子任务,如省略号152所示。任务3 130包括多个子任务,其包括子任务A 144、子任务B 146和子任务N 148。虽然显示了三个子任务,但一个任务可能包括任意数目子任务(如省略符154所示)。在一些方面,子任务本身可以包括任意数目的子任务或子动作(未显示)。负责管理或编排活动任务的子任务的任务代理可以调用负责完成子任务各个方面的子任务代理。子任务代理可能是短期的(例如,分派通知),或保持实例化,直到采取了某些动作或满足了要求。
一开始,任务中心102可以负责标识将成为任务一部分的子任务。备选地,子任务可以作为任务的一部分预定义。在另外的方面,用户可以标识部分或全部子任务。在其他方面,中心102可以从各种地方(例如,包括任务档案122或诸如互联网108的资源)收集关于哪些子任务应该是任务的一部分的信息。例如,如果任务是计划婚礼招待会,中心102可能会进行互联网搜索,以确定此任务涉及各种子任务,例如查找地点,订购鲜花,订购蛋糕,并聘请摄影师。在本例中,用户还可以添加子任务,例如向所有朋友和家人发送邀请。在这种情况下,用户的联系人也可以是任务中心的资源,用于确定要向哪些联系人发送邀请。在本例中,任务中心可以请求用户确认任务代理创建的来宾列表,然后子任务被视为完成。任务中心102可根据任务的内容、用户状况、用户反馈和对信息的个性化需求,向用户104提供推荐。例如,基于搜索结果,任务中心102可以推荐用户104添加雇用乐队的子任务。
在规划方面,任务中心102可以根据推荐类型的选择和推荐内容的生成,在与用户104交互的每一步提供推荐。在一个示例中,任务中心模型156使用任务步骤的当前定义、先前任务和/或当前任务中的未来步骤作为上下文,以确定要提供的推荐类型,如参考图2更详细地讨论的。该模型可以是一个seq2seq模型,与可变自动编码器配对,用于使用神经网络(例如,双向RNN)进行分类。任务中心102可根据任务的内容、用户状况、用户反馈和对信息的个性化需求向用户提供推荐。任务中心102可以考虑对辅助/推荐样式的用户偏好,以及对接收某些类型的辅助/推荐的用户偏好。任务中心102可以提供对支持用户而采取的动作(例如,提供说明、搜索网页、显示视频等)的选择,以及对支持任务完成的设备的选择。任务辅助的考虑包括:任务类型、用户偏好、可用设备和资源,以及任务到步骤的限制的自动分解。
在资源收集方面,任务中心102积累规划、定义和管理子任务所需的资源。用户104可以分配资源,例如web链接、文档、联系人信息和其他数字资源,以辅助完成任务或子任务。任务中心102还可以在任务完成中推荐或收集有关已知步骤的信息,以辅助用户。任务中心102可以提供与任务相关的资源、文档、辅助或建议。在某些情况下,用户104可以指定任务1 126、任务2 128和任务3 130的代理完全自主完成任务所需的所有资源。例如,在给定用户指定的限制条件下,旅行计划可能涉及自动预订航班、汽车和酒店。任务中心102可以发布社区任务列表和/或充当中介方,将有技能的用户与他们可以帮助完成的任务联系起来。任务中心102可以提供与在线任务相关的相关在线搜索结果的集合。
任务中心102的代理能够确定什么已完成、什么信息可用,并且确定什么任务可以代表用户104自动完成。同样,任务中心102可以确定什么任务需要用户或其他来源的更多信息或资源。例如,任务中心102可以自动续订516证,或在线订购材料。用户可以通过将任务中心102步骤分配给其他用户,例如用户112(即委托人),来选择委托任务。
在一些方面,任务中心102能够作为web服务直接寻址,以有助于直接访问任务资源,与其他用户共享任务及其详细信息,并半自主代理交互(例如,作为网上机器人或作为智能扬声器技能)。任务中心102还通过UI 124向任务中具有不同分配角色(任务所有者、步骤执行者、观察者等)的用户提供任务的管理视图,UI 124被提供以用于在用户设备106上显示。在任务完成或放弃后,任务中心102及其积累的资源可以自动保存/归档在任务档案122中,以用于将来相同或类似的任务的实例化。
图2示出了根据本公开的一些方面的用于任务管理的示例半自治系统。任务中心模型202,例如图1中的任务中心模型156,显示为系统200的一部分。在一些方面,任务中心模型是机器学习模型,例如神经网络,并且可以是递归神经网络、卷积神经网络、变压器网络机器学习模型和/或多任务神经网络。来自用户206的信息被输入到输入204。在一些方面,用户可以提供关于任务的信息206。在其他方面,用户可以提供关于部分或所有子任务的信息206,甚至可以提供关于子任务的一些子动作的详细信息。信息206可以直接来自用户,例如图1中的用户104,或者来自用户的信息,例如他或她的帐户(例如联系人、日历、电子邮件)。来自其他资源的信息208,例如任务档案或互联网搜索或训练数据,也可以输入到输入204中。
根据信息206和信息208,确定输入204。输入204包括但不限于子任务210列表、子任务定义212、每个子任务的状态(例如,未开始、进行中、完成)、子任务216A之间的依赖关系、空插槽218和其他依赖关系219。子任务210的列表包括完成任务所需采取的每个动作。例如,如果任务是预订商务旅行,子任务可以包括预订机票、预订酒店、预订目的地的交通和安排会议。如果任务是安排婚礼招待会,则子任务可以是选择日期、预订场地、预订餐饮服务方、订购鲜花、订购蛋糕和预订摄影师。子任务列表可以来自用户信息206或其他资源208。子任务定义212包括每个子任务的详细信息,包括谁、什么、在哪儿、何时和如何。在商务旅行示例中,预订机票的子任务定义可以包括用户偏好的航空公司、常用飞行号码、目的地、出境和返回日期,以及航空公司网站的登录信息。子任务定义可以来自用户信息206或其他信息208,例如任务档案。另一个示例是,预订地点的子任务定义可以包括婚礼日期和时间、人数、活动时间和一般期望地点。每个子任务214的状态指示完成了多少子任务。例如,状态可以包括未启动、需要信息、正在进行、等待响应或完成。虽然这些是各种子任务状态的示例,但它们不应被视为具有限制性。在一些方面,子任务可以分解为子动作,状态可以指示每个子动作的进度。作为输入204的一部分,子任务216A之间可以存在来自用户信息206或其他信息208的依赖关系。在一些方面中,具有依赖关系的子任务可能在满足依赖关系之前无法完成。在商务旅行示例中,任务中心可能无法预订机票,直到设置了商务会议日期,从而满足了依赖关系。任务档案(例如来自其他来源的信息208)可以提供此依赖关系,因为它是执行早期类似任务的一部分。在婚礼招待会的示例中,在确认偏好场地可用之前,可能无法选择日期。在示例中,可以通过指定偏好场地来直接从用户输入此依赖关系。空插槽218包含子任务定义中丢失的所有信息,即未从信息206和208输入204的信息。在出差示例中,商务会议的日期或地点可以缺少所需的信息。在第二示例中,婚礼接待任务可以需要一般位置(城市、州)。其他依赖关系219包括对其他任务或其他用户的任务中心的依赖关系。例如,另一个任务可以是预订婚礼,而预订婚礼接待任务可以取决于婚礼任务。在一些方面中,如果将子任务委派给另一个用户,则该用户可以将该子任务作为其任务中心的一部分,这会在两个用户的任务中心之间添加依赖关系。
输入204被输入到任务中心模型202中,通过将任务状态描述(例如,输入204)转换为各种有用的输出(例如,输出220)来创建输出220。输出220包括依赖关系216B、子任务的顺序222、可自动化的子任务224的标识、需要来自用户的信息226、委托信息228和所需的资源230。
在某些情况下,除了来自输入204的子任务依赖关系之外,模型还会生成子任务依赖关系216B。例如,在配方任务中,子任务可以指示“将湿成分与干混合物混合”。任务中心模型202将推断这两个东西的含义是什么以及前面的配方步骤(子任务)给它们提供了什么。在其他情况下,依赖关系可以由子任务明确做出,如果有空槽,代理可以实例化一个子任务来填充这些槽,例如确定业务会议日期。子任务222的顺序为任务中心中的任务代理提供了根据输入到任务中心模型202中的输入204执行每个子任务的顺序。为了确定子任务221的顺序,模型首先标识子任务216A和216B之间的任何显式依赖关系。然后,模型可以根据a)完成任务所需资源的可用性,选择对要执行的任务进行排序;b)任何所需的提前期(例如,需要提前若干月预订餐饮服务方,需要提前不超过48小时取花);以及c)通过按邻近性/相关性分组——一些子任务可以在同一位置或以单个在线顺序一起执行,等等。
可自动化的子任务224是可以自动化的子任务列表,即由任务中心在没有用户或其他人的帮助或任何动作的情况下执行。例如,如果任务中心代理具有必要的子任务定义,则它可以为用户预订机票,而无需任何用户干预。使用机器教学方法对模型进行训练,以确定哪些任务是可自动化的。最初,可以自动化的子任务可以由人完成,这会为机器生成一个训练集,以学习模仿用户动作或标准来执行子任务。任务中心模型202被训练,使任务中心能够识别其能够执行的任务以及仍需要人类辅助的任务。任务中心模型202还输出仍然需要来自用户226的信息,以完成根据子任务状态214尚未完成的子任务。“信息”表示代理执行动作计划所需的具体信息单元。子任务可以明确定义为具有需要填充的槽,在这种情况下,系统将不会触发子任务的执行,直到该信息可用为止。子任务也可以通过从在线资源(如操作指南)中学习来定义。在这种情况下,模型将学习在子任务之间建立连接,并了解完成任何给定子任务所需的内容,如配方示例所示。这种隐式槽填充可以使用训练数据进行建模。如结合图3更详细地讨论的那样,任务中心可以请求并接收来自用户的信息232。任务中心还可以从其他资源234检索所需的信息,例如任务档案和/或互联网。一些检索到的信息可用于填充空槽218和/或更新子任务定义212。
任务中心模型202输出委托信息228,其中包含应委托给其他用户的信息。在显式情况下,子任务与第三方用户关联。这可以作为子任务定义212的一部分发生,也可以在子任务进一步执行子操作后发生。例如,在预订了餐饮服务方后,与餐饮服务方相关的子任务可以直接委托给餐饮服务方。在较隐式的示例中,模型知道用户可以作为输入204的一部分提供的服务、来自用户的信息206或来自其他资源的信息208。例如,在组织中,文件可以需要公证或支票签名,并且系统具有用户列表,可以将此类任务委托给这些用户,作为来自其他资源的信息208的一部分输入。
所需的资源230包括任务中心需要但没有的资源。资源包括与子任务相关的信息或信息源。资源授权代理代表用户做出决策,而信息表示代理执行行动计划所需的具体信息单元。例如,资源可以包含偏好餐饮服务方的列表,而为了执行具有单个餐饮服务方的子任务,任务中心型号202可以需要更具体的时段信息,例如菜单选择和信用卡号码。
任务中心模型202可以是双向的,这意味着它可以从当前状态向前推理,从目标状态向后推理,以选择最佳的行动计划,并标识来自用户的必要的输入和资源。
任务中心模型202通过组合来自多个来源的训练数据进行训练,例如从互联网收集的任务描述、由人类评委注释的子任务序列和开放槽,以及从执行子任务的人类收集的演示数据。训练数据分阶段进行,以基于训练数据和相应的期望输出定义输入任务状态。然后根据训练数据对模型进行训练,使用多任务学习来跨模型生成的各种输出实现改善的性能。
图3是示出根据本公开的一些方面的半自主管理子任务的方法的通信流。用户302向任务中心304发送任务310,例如“出差”或“计划婚礼招待会”。在一些方面,用户可以通过用户设备上的半自主任务应用发送此任务,或通过用户设备直接将web服务发送给任务中心。任务中心304使用任务310来确定任务310需要哪些子任务和其他输入312(如图2中的输入204)。在一些方面,任务/输入312从知识库/资源306接收。知识库/源306可以包括任务中心304可用的任何信息源,包括但不限于任务档案、互联网、任务中心模型、用户资源(如用户帐户)和用户偏好。在其他方面,用户302可以将部分或全部子任务和其他输入311发送给任务中心304。
如图2所述,输入通过任务中心模型313运行,以确定输出,例如图2中的输出220。根据输出,任务中心304确定第一子任务A需要信息,并确定它可以从知识库/资源306获取该信息。例如,如结合图2所描述的,系统可以会确定它可以从在线资源中找到所需的信息。该模型被训练,以确定填充子任务槽的最佳方式,在本例中,该子任务槽是向知识库306发出信息请求314。因此,任务中心304向知识库/资源306发出请求314,以获取所需信息。在预订商务旅行的第一示例中,任务中心304可以需要用户选择的航空公司的登录凭据。任务中心304可以从涉及预订机票的先前任务的任务档案中获取登录凭据。在婚礼接待示例中,任务中心304可以执行互联网搜索,以查找在婚礼接待被安排的当年时间期间用于婚礼的最流行的花卉类型。在任何一种情况下,信息响应316都返回到任务中心304。在某些方面,返回的信息被添加到模型输入中,如图2所示,并且输出被更新(未显示)。
在一些方面,任务中心304可以需要来自用户302的信息来完成子任务A。任务中心304向用户302发出信息请求318以完成子任务A。在示例中,任务中心可以通过向用户发送消息来发出请求。备选地或附加地,任务中心304可以标志丢失的信息,以便用户在访问任务中心304时看到它。任务中心304可以已经从任务中心模型313输出中知道了所需的信息。附加地或备选地,任务中心304可以已经确定它需要此信息来根据它在信息响应316中收到的信息自动执行任务。例如,任务中心104可以已经知道它需要来自用户302的机票出发和返回日期,并向用户发送信息请求318以获取此信息。用户将此信息320提供给任务中心304。在婚礼招待会示例中,任务中心304可以会作为信息响应316接收四月婚礼招待会的流行鲜花列表(例如郁金香、牡丹、小苍兰),然后确定需要询问用户他或她想要哪种鲜花。在这种情况下,任务中心304将向用户302发送信息请求318,要求用户选择花的类型,用户将向任务中心304发出响应320,其中包含他或她的选择。
在接收到用户响应320后,任务中心304可以自动执行子任务(未显示)。例如,任务中心304可以基于子任务/输入311、子任务/输出312、信息响应316和/或信息响应320从航空公司网站自动购买飞机票。或者,任务中心可以自动从供应方订购用户在用户响应320中选择的花型。
备选地,任务的执行可以涉及将动作或整个子任务322委托给一个或多个第三方308。第三方308可以通过多种方式标识。用户可以提供偏好供应方列表。备选地,用户可以指定类似“为我查找本地供应方”的内容。与供应方的通信可以通过网络自动化(例如航班预订),也可以半自动化(例如,自动化与供应方的电子邮件对话的一侧)。在某些情况下(虚线),第三方308需要用户输入或来自用户的一些附加动作324。如果是这样,第三方可以向任务中心304发送动作请求324,该任务中心将动作请求326转发给用户302。用户响应328,并且任务中心304将请求的动作330提供给第三方308。例如,鲜花供应方可以要求用户签署合同。在这种情况下,花卉供应方向任务中心304发送在合同签名的动作请求324,任务中心304将签名请求326(例如,到签名服务的链接)转发给用户302。用户302签署合同,这是响应328,通过操作330经过任务中心304转发给第三方308。
无论用户302是否需要附加动作,第三方308都会向任务中心304发送子任务完成的确认332。然后任务中心304将子任务A标记为完成334。可选地,任务中心304可以向用户302发送子任务A完成的确认336。任务中心可以将完成的子任务的所有信息存储在任务档案中,以供以后使用(未显示)。
图4说明了根据本公开的一些方面的半自主完成任务的示例方法。方法400操作的一般顺序如图4所示。通常,方法400以开始操作402而开始,以结束操作428而结束。方法400可以包括更多或更少的步骤,或者可以按照与图4中所示不同的顺序排列步骤的顺序。方法400可以作为计算机系统执行的一组计算机可执行指令执行,并编码或存储在计算机可读介质上。此外,方法400可以通过与处理器、ASIC、FPGA、SOC或其他硬件设备相关联的门或电路来执行。在下文中,应结合图1至图3及图5至图8B所述的系统、组件、设备、模块、软件、数据结构、数据特征表示、信号图、方法等,对方法400进行解释。方法400假定已经生成并训练了任务中心模型。
在操作402,任务中心从用户、任务应用、日历应用或任何其他类型的能够执行或分配任务的应用接收任务。在操作404中,针对任务生成子任务的列表,如本文参考图2和3所述。在操作405中,子任务按顺序被放置,使得它们应该基于结合图2所述的模型来完成。在判决406中,确定第一子任务是否是可自动化的——即,它能够由任务中心自动执行,而无需用户干预。在一些方面,使用机器学习进行此确定。最初,可以自动化的子任务可以由用户人类完成,以生成用于机器的训练集,以学习模仿执行用户动作或偏好。模型被训练,使得任务中心能够识别能够执行而无需人类干预的任务,以及仍需要人类辅助的任务。如果确定为是,方法400将移至操作412,其中第一子任务由任务中心自动执行。如果判决406为否,则方法400转到判决408,以确定是否应将第一子任务委托给第三方,即用户以外的某个人。在一些方面,子任务应委托给第三方的确定可以是子任务定义或输入神经网络的其他输入的一部分。附加地或备选地,子任务应委托给第三方的确定是神经网络输出的一部分,如参考图2所述。在其他方面,对模型进行训练,使得任务中心能够识别需要委托的任务。如果在判决408中确定为是,则方法400转到操作410,并且第一子任务由委托方执行。如果确定为否,则方法移至操作414,其中用户执行第一子任务。
在判决416中,确定下一个子任务是否是可自动化的。如果确定为是,方法400将移至操作422,其中下一子任务由任务中心自动执行。如果判决416为否,则方法400转到判决418,以确定是否应将下一个子任务委托给第三方。如果在第418号判决中确定为“是”,则方法400移至操作420,下一子任务由委托方执行。如果确定为否,则方法400移至操作424,其中用户执行下一子任务。
在判决426中,确定是否要执行另一子任务。如果答案为是,则方法返回判决416。如果答案为否,则在操作427任务被标记为完成并通知用户任务完成,并且在操作428任务信息存储在的任务档案中,供任务中心稍后使用。
图5示出了根据本公开的一些方面的任务中心的示例用户界面500。窗口或窗格502与第一任务1相关。可以通过为活动任务列表520选择UI控件来查看其他任务。通过选择用于“任务档案”的UI控件522,可以查看已完成或放弃的任务。当前任务窗格502包含作为当前任务一部分的子任务504的列表、每个子任务的状态或状况506、每个子任务的到期日期或完成日期507、每个子任务的所有者508,以及每个子任务是否需要任何信息510。滚动512允许用户查看窗格502中所有作为活动任务一部分的子任务。带下划线的信息超链接到附加的详细信息。例如,点击子任务列表504中的“A”会显示有关子任务A的更多信息,包括但不限于结合图2所述的子任务定义。在一些方面,用户可以通过此视图编辑这些定义(未显示)。状况506为用户提供有关任务状态的信息。所有者508指示谁负责完成子任务。子任务A和B表示“中心”是子任务的所有者,这意味着它们将由任务中心自动执行,无需用户干预。在一些方面中,中心确定每个子任务的所有者,但用户可以通过为每个子任务条目选择带下划线的所有者名称来更改子任务的所有者。所需信息510指示任务中心是否需要信息或资源来完成。例如,任务B显示为进行中,由用户所有(例如,由用户执行),完成任务不需要任何信息。在一些方面,任务中心跟踪用户操作,以保持任务状态最新。例如,用户可以通过在执行子任务时发送的电子邮件中抄送任务中心来向任务中心通知状况。子任务C未开始,由中心所有,这意味着中心将自动执行它,但中心需要信息来完成此任务。用户可以选择“是”超链接,查看需要哪些信息,并提供必要的信息,以便中心可以完成子任务。子任务D已分配给委托方1,该委托方可以是访问任务中心的任何其他用户。
用户可以通过选择UI控件514来添加子任务。用户还可以通过选择UI控件516来管理哪些用户有权查看用户任务中心的各个详细级别。用户可以经过任务中心模型通过选择刷新UI控件518重新运行输入。在一些方面,每当为任何任务添加或更改任何信息时,UI中心都会通过任务中心模型重新运行输入。
智能任务中心提供了许多技术优势。该系统促进了不同系统之间的交互,从而跨不同系统和数据源使任务完成自动化。此外,它通过自动化用户以前需要手动执行的一些任务来提高用户效率。它还通过跟踪和管理复杂任务中子任务的各种状态,并仅向用户显示或提醒需要用户注意的任务或子任务的各个方面,从而提高用户效率。任务中心用户界面允许多个用户在一个位置跟踪子任务的状况,这为复杂任务提供了更好的用户体验。此外,任务中心存档已完成的子任务的详细信息,这可以作为完成未来任务的有用参考(例如,通过回顾哪个承办方完成了一些相关的子任务),或用于其他历史目的,如会计或审计。当跨多个用户部署时,智能任务中心可以从用户行为中学习,以更好地管理、优先化和执行常见的子任务,例如,基于用户动作定期更新其模型。
图6示出了用于管理来自用户设备(例如,如上所述的个人计算机604、平板计算设备606或移动计算设备608)的半自主任务的系统的架构的一个方面。在服务器设备602上显示的内容可以存储在不同的通信信道或其他存储类型中。例如,任务中心632可以访问的各种资源可以使用目录服务622、web门户624、邮箱服务626、即时消息存储628或社交网站630存储。任务中心631可以作为web服务在服务器上直接访问,也可以通过与服务器设备602通信的本地用户设备上的本地半自主应用620访问。服务器设备603可以通过网络615向客户端计算设备(例如个人计算机604、平板计算设备606和/或移动计算设备608(例如智能手机))提供数据,也可以从客户端计算设备提供数据。例如,上面参考图1至图5讨论的计算机系统可以实施在个人计算机604、平板计算设备606和/或移动计算设备608(例如,智能手机)中。计算设备的这些实施例中的任何一个都可以从存储616获取内容,此外还可以接收可在图形源系统中预处理或在接收计算系统中后处理的图形数据。
图7是示出计算设备700的物理组件(例如硬件)的框图,可用于实践本公开的一些方面。以下描述的计算设备组件可以适用于上述计算设备。在基本配置中,计算设备700可以包括至少一个处理单元702和一个系统存储器704。根据计算设备的配置和类型,系统存储器704可以包括但不限于易失性存储器(例如,随机存取存储器)、非易失性存储(例如,只读存储器)、闪存或此类存储器的任何组合。系统存储器704可以包括操作系统705和一个或多个适合执行本文所公开的各个方面的程序工具706。例如,操作系统705可以适于控制计算设备700的操作。此外,本公开的各个方面可以与图形库、其他操作系统或任何其他应用结合使用,并且不限于任何特定的应用或系统。图7中虚线708内的组件说明了这种基本配置。计算设备700可以具有其他特性或功能。例如,计算设备700还可以包括附加的数据存储设备(可移动和/或不可移动),例如,磁盘、光盘或磁带。这种附加的存储在图7中通过可移动存储709和不可移动存储710示出。
如上所述,许多程序工具和数据文件可以存储在系统存储器704中。在处理单元702上执行时,程序工具706可以执行包括但不限于本文所述的方面的处理。应用可以包括任务中心730和任务中心模型,如参考图1和2详细描述的。根据本公开的各个方面可以使用的其他程序工具可以包括电子邮件和联系人应用、文字处理应用、电子表格应用、数据库应用、幻灯片演示应用、绘图或计算机辅助应用程序等。
此外,本公开的各个方面可在包含分立电子元件、包含逻辑门的封装或集成电子芯片、使用微处理器的电路或包含电子元件或微处理器的单个芯片的电路中实施。例如,本公开的各个方面可以通过系统芯片(SOC)实现,其中图7所示的每个或多个组件可以集成到单个集成电路上。此类SOC设备可包括一个或多个处理单元、图形单元、通信单元、系统虚拟化单元和各种应用功能,所有这些都作为单个集成电路集成(或“烧录”)到芯片基板上。当通过SOC操作时,此处描述的关于客户端切换协议能力的功能可以通过与单个集成电路(芯片)上的计算设备600的其他组件集成的特定应用逻辑来操作。本公开的各个方面也可以使用能够执行逻辑运算(例如,诸如与、或和非)的其他技术来实践,包括但不限于机械、光学、流体和量子技术。此外,本公开的各个方面可以在通用计算机或任何其他电路或系统中实施。
计算设备700还可以具有一个或多个输入设备712,例如键盘、鼠标、笔、声音或语音输入设备、触摸或滑动输入设备等。还可以包括输出设备714,例如显示器、扬声器、打印机等。上述设备为示例,也可使用其他设备。计算设备600可以包括一个或多个通信连接716,允许与其他计算设备1090进行通信。合适的通信连接717的示例包括但不限于射频(RF)发射机、接收机和/或收发器电路;通用串行总线(USB)、并行和/或串行端口。
本文中使用的术语计算机可读介质可以包括计算机存储介质。计算机存储介质可以包括以任何信息存储方法或技术实现的易失性和非易失性、可移动和不可移动介质,例如计算机可读指令、数据结构或程序工具。系统存储器704、可移动存储设备709和不可移动存储设备710都是计算机存储介质示例(例如,存储器存储)。计算机存储介质可以包括RAM、ROM、电可擦除只读存储器(EEPROM)、闪存或其他存储技术、CD-ROM、数字多功能磁盘(DVD)或其他光盘存储器、盒式磁带、磁带存储器或其他磁存储设备,或可用于存储信息并可由计算设备600访问的任何其他制品。任何此类计算机存储介质都可以是计算设备600的一部分。计算机存储介质不包括载波或其他传播或调制数据信号。
通信介质可以由计算机可读指令、数据结构、程序工具或诸如载波或其他传输机制的调制数据信号中的其他数据实现,并且包括任何信息传递介质。术语“调制数据信号”可以描述具有一个或多个以编码信号中的信息的方式设置或更改的一个或多个特征的信号。例如,但不限于,通信介质可以包括有线介质,例如有线网络或直接有线连接,以及无线介质,例如声学、射频(RF)、红外和其他无线介质。
图8A和8B示出了计算设备或移动计算设备800,例如,移动电话、智能手机、可穿戴计算机(例如智能手表)、平板计算机、膝上型计算机等,可以用其实践本公开的一些方面。在某些方面,客户端(如图1中的计算系统105)可以是移动计算设备。参考图8A,示出了用于实现这些方面的移动计算设备800的一个方面。在基本配置中,移动计算设备800是同时具有输入元件和输出元件的手持计算机。移动计算设备800通常包括显示器805和一个或多个输入按钮810,允许用户将信息输入移动计算设备800。移动计算设备800的显示器805也可以用作输入设备(例如,触摸屏显示器)。如果包括,可选侧输入元件815允许进一步的用户输入。侧输入元件815可以是旋转开关、按钮或任何其他类型的手动输入元件。在备选方面,移动计算设备800可以包含或多或少的输入元件。例如,在某些方面,显示器805可以不是触摸屏。在另一个备选方面,移动计算设备800是便携式电话系统,例如蜂窝电话。移动计算设备800还可以包括可选键盘835。可选键盘835可以是物理键盘或触摸屏显示屏上生成的“软”键盘。在各个方面,输出元件包括用于显示图形用户接口(GUI)的显示器805、视觉指示器820(例如发光二极管)和/或音频换能器825(例如扬声器)。在一些方面,移动计算设备800包括振动换能器,用于向用户提供触觉反馈。在另一方面,移动计算设备800包括输入和/或输出端口,例如音频输入(例如麦克风插孔)、音频输出(例如耳机插孔)和视频输出(例如HDMI端口),用于向外部设备发送信号或从外部设备接收信号。
图8B是示出计算设备、服务器、移动计算设备等的一个方面的架构的框图。也就是说,计算设备800可以结合系统(例如架构)802来实现一些方面。系统802可以实现为“智能手机”,能够运行一个或多个应用(例如浏览器、电子邮件、日历、联系人管理器、消息客户端、游戏和媒体客户端/播放器)。在某些方面,系统802集成为计算设备,例如集成数字助理(PDA)和无线电话。
一个或多个应用程序866可以加载到存储器862中,并在操作系统(OS)864上运行或与之关联。应用程序的示例包括电话拨号程序、电子邮件程序、信息管理(PIM)程序、字处理程序、电子表格程序、互联网浏览器程序、消息传递程序等。系统802还包括存储器862内的非易失性存储区域869。非易失存储区域869可用于存储在系统802断电时不应丢失的持久信息。应用程序866可以使用和存储非易失性存储区域869中的信息,例如电子邮件或由电子邮件应用使用的其他消息等。同步应用(未显示)也驻留在系统802上,并被编程为与驻留在主机计算机上的相应同步应用交互,以保持存储在非易失性存储区域869中的信息与存储在主机计算机上相应的信息同步。应当理解,其他应用可以加载到存储器862中,并在本文描述的移动计算设备800上运行。
系统802具有电源870,可以实现为一个或多个电池。电源870还可以包括外部电源,例如AC适配器或为电池补充或充电的电动对接支架。
系统802还可以包括无线电接口层872,其执行发送和接收射频通信的功能。无线电接口层872通过通信运营方或服务提供方促进系统802和“外部世界”之间的无线连接。无线电接口层872之间的传输在操作系统864的控制下进行。换言之,无线电接口层872接收到的通信可以通过操作系统864传播到应用程序866,反之亦然。
视觉指示器820可用于提供视觉通知,并且/或者音频接口874可用于通过音频换能器825产生听觉通知。在所示的配置中,视觉指示器820为发光二极管(LED),音频换能器825为扬声器。这些设备可以直接连接到电源870,以便在激活时,即使处理器860和其他组件可以因节省电池电量而关闭,它们仍会保持开启状态,持续时间由通知机制决定。LED可编程为无限期保持开启,直到用户采取动作指示设备的通电状况。音频接口874用于向用户提供音频信号和接收来自用户的音频信号。例如,除了耦合到音频换能器825之外,音频接口874还可以耦合到麦克风以接收音频输入,例如有助于电话交谈。根据本公开的一些方面,麦克风还可以用作音频传感器,以有助于控制通知,如下所述。系统802还可以包括视频接口876,该视频接口使车载摄像机830能够操作以记录静态图像、视频流等。
实现系统802的移动计算设备800可以具有其他特征或功能。例如,移动计算设备800还可以包括附加的数据存储设备(可移动和/或不可移动),例如磁盘、光盘或磁带。这种附加的存储在图8B中通过非易失性存储区869示出。
如上所述,由移动计算设备800生成或捕获并经由系统802存储的数据/信息可以本地存储在移动计算设备80上,或者,数据可以存储在任何数目的存储介质上,该存储介质可以由设备通过无线电接口层872或通过移动计算设备800和与移动计算设备80相关联的单独计算设备(例如,诸如互联网的分布计算网络中的服务器计算机)之间的有线连接来访问。应该认识到,这些数据/信息可以通过移动计算设备800通过无线电接口层872或通过分布式计算网络访问。同样,根据众所周知的数据/信息传输和存储手段,包括电子邮件和协作数据/信息共享系统,这些数据/信息可以在用于存储和使用的计算设备之间轻松传输。
本申请中提供的一个或多个方面的描述和示图无意以任何方式限制或约束所要求保护的公开范围。本申请中提供的方面、示例和细节被认为足以传达准许,并使其他人能够做出和使用所要求保护的公开的最佳模式。不应将所要求保护的公开解释为仅限于本申请中提供的任何方面或细节。无论是以组合方式还是单独方式示出和描述,各种特征(包括结构特征和方法学特征)旨在选择性地包括或省略,以产生具有特定特征集的实施例。本领域技术人员在获得本申请的描述和示图后,可以设想变化、修改和替代方面属于本申请中所体现的一般发明概念的更广泛方面的精神,而不偏离所要求保护的公开的更广泛范围。
从上述公开中可以理解,技术的一个方面涉及一种半自主管理任务的方法。该方法包括确定该任务包括多个子任务,包括第一子任务和第二子任务;通过机器学习模型,基于多个子任务的状态和针对第一子任务的定义,确定第一子任务是可自动化的;基于确定第一子任务是可自动化的,自动执行第一子任务;通过机器学习模型,基于多个子任务的状态和针对第二子任务的定义,确定第二子任务要求用户输入;并通知用户需要用户输入来完成第二子任务。在一个示例中,基于第二子任务定义中的空槽,确定第二子任务不可自动化。在另一个示例中,基于第一子任务与多个子任务中的一个或多个子任务之间的依赖关系的满足,确定第一子任务是可自动化的。在另一个示例中,执行多个子任务的顺序由机器学习模型确定。在另一个示例中,通过机器学习模型,基于多个子任务的状态和第三子任务的定义将第三子任务委托给第三方;并且通知第三方第三子任务已经被委托给第三方。在另一个示例中,从第三方接收第三子任务已完成并且第三子任务的状态已更新的确认。在一个示例中,机器学习模型是使用任务完成数据训练的神经网络。在另一个示例中,机器学习模型是递归神经网络、变压器网络、多任务神经网络和双向递归神经网络之一。在另一个示例中,从用户接收第二子任务的用户输入;更新第二子任务的状态;并更新第二子任务的定义。在另一个示例中,神经网络根据第二子任务的更新状态和第二子任务的更新定义来确定第二子任务是可自动化的;并且基于确定第二子任务是可自动化的,自动执行第二子任务。
在另一方面,技术涉及一种系统,该系统包括:处理器;以及存储指令的存储器,该指令在被执行时使处理器:确定任务包括多个子任务,多个子任务包括第一子任务和第二子任务;通过机器学习模型,基于多个子任务的状态和针对第一子任务的定义,确定第一子任务是可自动化的;基于确定第一子任务是可自动化的,自动执行第一子任务;根据机器学习模型,基于多个子任务的状态和针对第二子任务的定义,确定第二子任务要求用户输入;并通知用户需要用户输入来完成第二子任务。在一个示例中,机器学习模型是递归神经网络、变压器网络、多任务神经网络和双向递归神经网络之一。在另一个示例中,确定完成多个子任务的顺序,其中第二子任务被安排在第一子任务之前完成。在另一个示例中,基于第一子任务定义中的空槽,确定第一子任务是可自动执行的。在另一个示例中,基于第一子任务与多个子任务中的一个或多个子任务之间的依赖关系的满足,确定第一子任务是可自动化的。
在另一方面,技术涉及一种半自主管理包括多个子任务的任务的计算机实现的方法。该方法包括通过神经网络基于神经网络的输入确定多个子任务的第一子任务是可自动化的,其中输入包括多个子任务状态和针对多个子任务的定义;基于确定第一子任务是自动化的,自动执行第一子任务;通过神经网络基于输入确定第二子任务要求用户输入;并通知用户需要用户输入来完成第二子任务。在一个示例中,多个子任务的顺序由神经网络基于输入确定。在另一个示例中,输入还包括多个子任务之间的依赖关系。在另一个示例中,第三任务由神经网络基于输入委托给第三方。在另一个示例中,完成第二子任务所需的资源由神经网络标识。
短语“至少一个”、“一个或多个”、“或”以及“和/或”是开放式表达,在操作中既是连接词也是转折词。例如,每个表达式“A、B和C中的至少一个”、“A、B或C中的最少一个”,“A、C和B中的一个或多个”,以及“A,B和/或C”和“A,B或C”都表示A单独、B单独、C单独、A和B一起、A和C一起、B和C一起,或者A、B、C一起。
术语“一个”或“一”实体是指一个或多个该实体。因此,术语“一个”(或“一”)、“一个或多个”和“至少一个”在本文中可以互换使用。还应注意,术语“包括”、“包含”和“具有”可以互换使用。
本文中使用的术语“自动化”及其变体是指任何过程或操作,通常是连续或半连续的,在执行过程或操作时无需实质的人类输入。然而,如果输入是在过程或操作执行之前收到的,则即使过程或操作的执行使用了实质或非实质的人类输入,过程或操作也可以是自动化的。如果人类输入影响过程或操作的执行方式,则认为人类输入是物质的。同意执行工艺或操作的人类输入不被视为“实质的”。
本文讨论的任何操作、功能和操作都可以连续且自动执行。
本公开的示例性系统和方法已针对计算设备进行了描述。然而,为了避免不必要地模糊本公开,上述描述省略了许多已知结构和设备。这一遗漏不应被解释为对所要求保护的公开的范围的限制。阐述了具体细节,以提供对本公开的理解。然而,应当认识到,本公开可以以多种方式实施,超出本文阐述的具体细节。
此外,虽然本文所示的示例性方面显示了并置的系统的各个组件,但系统的某些组件可以远程位于分布式网络的遥远部分,例如LAN和/或互联网,或者位于专用系统内。因此,应该认识到,系统的组件可以组合成一个或多个设备,例如服务器、通信设备,或者并置在分布式网络的特定节点上,例如模拟和/或数字电信网络、分组交换网络或电路交换网络。从前面的描述中可以看出,出于计算效率的原因,系统的组件可以布置在分布式组件网络中的任何位置,而不会影响系统的操作。
此外,应当认识到,连接元件的各种链路可以是有线或无线链路,或其任何组合,或能够向连接元件提供和/或从连接元件传输数据的任何其他已知或后来开发的元件。这些有线或无线链路也可以是安全链路,并且可以传输加密信息。例如,用作链路的传输介质可以是电信号的任何合适载体,包括同轴电缆、铜线和光纤,并且可以采用声波或光波的形式,例如在无线电波和红外数据通信过程中产生的声波和光波。
虽然已经针对特定的事件序列讨论和说明了流程图,但应该认识到,对该序列的更改、添加和省略可以在不严重影响所公开配置和方面的操作的情况下发生。
可以使用本公开的许多变体和修改。可以提供本公开的某些特征,而不提供其他特征。
在另一种配置中,本公开的系统和方法可以与专用计算机、编程微处理器或微控制器和外围集成电路元件、ASIC或其他集成电路、数字信号处理器、硬接线电子或逻辑电路(例如分立元件电路)一起实现,可编程逻辑器件或门阵列,如PLD、PLA、FPGA、PAL、专用计算机、任何类似设备等。一般来说,任何能够实现本文所示方法的设备或手段都可以用于实现本公开的各个方面。可用于本公开的示例性硬件包括计算机、手持设备、电话(例如,蜂窝、互联网、数字、模拟、混合和其他)和本领域已知的其他硬件。其中一些设备包括处理器(例如,单个或多个微处理器)、存储器、非易失性存储、输入设备和输出设备。此外,还可以构建备选软件实现,包括但不限于分布式处理或组件/对象分布式处理、并行处理或虚拟机处理,以实现本文所述的方法。
在另一种配置中,所公开的方法可以容易地与使用对象或面向对象软件开发环境的软件结合实施,这些软件开发环境提供可在各种计算机或工作站平台上使用的可移植源代码。备选地,所公开的系统可以使用标准逻辑电路或VLSI设计部分或全部在硬件中实现。根据本公开,是否使用软件或硬件来实现系统取决于系统的速度和/或效率要求、特定功能以及所使用的特定软件或硬件系统或微处理器或微型计算机系统。
在又一种配置中,所公开的方法可以部分地用软件实现,该软件可以存储在存储介质上,在控制器和存储器、专用计算机、微处理器等的配合下,在编程的通用计算机上执行。在这些情况下,本公开的系统和方法可以作为嵌入计算机(如小程序、或CGI脚本)的程序,作为驻留在服务器或计算机工作站上的资源,作为嵌入专用测量系统、系统组件等中的例程来实现。该系统也可以通过将系统和/或方法物理合并到软件和/或硬件系统中来实现。
虽然本公开描述了参考特定标准和协议实现的组件和功能,但本公开并不限于这些标准和协议。本公开中未提及的其他类似标准和协议已经存在,并被视为包含在本公开中。此外,本文提及的标准和协议以及本文未提及的其他类似标准和协议定期被具有基本相同功能的更快或更有效的同等标准和协议取代。具有相同功能的此类替换标准和协议被视为被包含在本公开中的等效形式。
本公开在各种配置和方面包括基本上如本文所描述和描述的组件、方法、过程、系统和/或装置,包括其各种组合、子组合和子集。本领域技术人员在理解本公开后将了解如何制造和使用本文所公开的系统和方法。在各种配置和方面,本公开包括在没有本文中未描述和/或描述的项目的情况下或在本文中的各种配置或方面中提供设备和过程,包括在没有之前的设备或过程中可以使用的项目的情况下,例如,用于提高性能、实现简易性和/或降低实施成本。
例如,上文根据本公开的各个方面,参考方法、系统和计算机程序产品的方框图和/或操作示图描述了本公开的各方面。框中记录的功能/动作可以不按照任何流程图中所示的顺序出现。例如,根据所涉及的功能/动作,连续显示的两个框实际上可以同时执行,或者有时可以按相反的顺序执行。
本申请中提供的一个或多个方面的描述和示图并不打算以任何方式限制或约束所要求保护的公开的范围。本申请中提供的方面、示例和细节被认为足以传达准许并使其他人能够制造和使用所要求保护的公开的最佳模式。所要求保护的公开不应理解为仅限于本申请中提供的任何方面、例如或细节。不管是组合还是单独显示和描述,各种特征(包括结构和方法)都是为了有选择地包括或省略,以产生具有特定特征集的实施例。在提供了本申请的描述和说明之后,本领域的技术人员可以设想在本申请所实施的一般发明概念的更广泛的方面的精神范围内的变化、修改和替代方面,而不偏离所要求保护的公开的更广泛的范围。
Claims (15)
1.一种半自主管理任务的方法,所述方法包括:
确定所述任务包括多个子任务,所述多个子任务包括第一子任务和第二子任务;
通过机器学习模型,基于所述多个子任务的状态和针对所述第一子任务的定义,确定所述第一子任务是可自动化的;
基于确定所述第一子任务是可自动化的,自动执行所述第一子任务;
通过所述机器学习模型,基于所述多个子任务的所述状态和针对所述第二子任务的定义,确定所述第二子任务要求用户输入;以及
通知用户需要所述用户输入来完成所述第二子任务。
2.根据权利要求1所述的方法,其中所述机器学习模型是使用任务完成数据而训练的神经网络。
3.根据权利要求1所述的方法,其中所述机器学习模型是递归神经网络、变压器网络、多任务神经网络和双向递归神经网络中的一个网络。
4.根据权利要求1所述的方法,还包括:
接收来自所述用户的针对所述第二子任务的所述用户输入;
更新所述第二子任务的状态;以及
更新所述第二子任务的所述定义。
5.根据权利要求4所述的方法,还包括:
通过所述神经网络,基于所述第二子任务的经更新的所述状态和针对所述第二子任务的经更新的所述定义,确定所述第二子任务是可自动化的;以及
基于确定所述第二子任务是可自动化的,自动执行所述第二子任务。
6.一种用于半自主管理任务的系统,包括:
处理器;
存储计算机可执行指令的存储器,所述指令在被执行时使所述处理器:
确定所述任务包括多个子任务,所述多个子任务包括第一子任务和第二子任务;
通过机器学习模型,基于所述多个子任务的状态和针对第一子任务的定义,确定所述第一子任务是可自动化的;
基于确定所述第一子任务是可自动化的,自动执行所述第一子任务;
通过所述机器学习模型,基于所述多个子任务的所述状态和针对所述第二子任务的定义,确定第二子任务要求用户输入;以及
通知用户需要所述用户输入来完成所述第二子任务。
7.根据权利要求6所述的系统,其中所述机器学习模型是递归神经网络、变压器网络、多任务神经网络和双向递归神经网络中的一个网络。
8.根据权利要求7所述的系统,还包括:
确定完成所述多个子任务的顺序,其中所述第二子任务被安排在所述第一子任务之前完成。
9.根据权利要求6所述的系统,还包括计算机可执行指令,所述指令在被执行时使所述处理器:
基于针对所述第一子任务的所述定义中的空槽,确定所述第一子任务是可自动化的。
10.一种半自主管理任务的方法,所述任务包括多个子任务,所述方法包括:
通过神经网络,基于所述神经网络的输入,确定所述多个子任务的第一子任务是可自动化的,其中所述输入包括所述多个子任务的状态和针对所述多个子任务的定义;
基于确定所述第一子任务是可自动化的,自动执行所述第一子任务;
通过所述神经网络,基于所述输入,确定所述第二子任务要求用户输入;以及
通知用户需要所述用户输入来完成所述第二子任务。
11.根据权利要求10所述的方法,还包括:
通过所述神经网络,基于所述输入,确定所述多个子任务的顺序。
12.根据权利要求10所述的方法,其中所述输入还包括所述多个子任务之间的依赖关系。
13.根据权利要求10所述的方法,还包括通过所述神经网络基于所述输入来将第三任务委托给第三方。
14.根据权利要求10所述的方法,还包括通过所述神经网络标识完成所述第二子任务所需的资源。
15.根据权利要求10所述的方法,其中所述神经网络是递归神经网络、变压器网络、多任务神经网络和双向递归神经网络中的一个网络。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US16/886,764 US11416290B2 (en) | 2020-05-28 | 2020-05-28 | Semi-autonomous intelligent task hub |
US16/886,764 | 2020-05-28 | ||
PCT/US2021/027576 WO2021242434A1 (en) | 2020-05-28 | 2021-04-16 | Semi-autonomous intelligent task hub |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115668242A true CN115668242A (zh) | 2023-01-31 |
Family
ID=75770028
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202180038380.6A Pending CN115668242A (zh) | 2020-05-28 | 2021-04-16 | 半自主智能任务中心 |
Country Status (4)
Country | Link |
---|---|
US (2) | US11416290B2 (zh) |
EP (1) | EP4158560A1 (zh) |
CN (1) | CN115668242A (zh) |
WO (1) | WO2021242434A1 (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112684974B (zh) * | 2019-10-18 | 2024-04-16 | 伊姆西Ip控股有限责任公司 | 用于作业管理的方法、设备和计算机程序产品 |
US20220004590A1 (en) | 2020-07-06 | 2022-01-06 | Grokit Data, Inc. | Automation system and method |
US20220366338A1 (en) * | 2021-05-13 | 2022-11-17 | At&T Intellectual Property I, L.P. | Contextual presentation of multiple steps in performing a task |
Family Cites Families (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9318108B2 (en) | 2010-01-18 | 2016-04-19 | Apple Inc. | Intelligent automated assistant |
US8789053B2 (en) | 2007-04-05 | 2014-07-22 | Newton Howard | Task execution and delegation by autonomous mobile agents based on intent knowledge base |
US8887163B2 (en) | 2010-06-25 | 2014-11-11 | Ebay Inc. | Task scheduling based on dependencies and resources |
US8938490B2 (en) * | 2012-11-07 | 2015-01-20 | Ca, Inc. | System and method for accessing mainframe system automation from a process automation application |
US9378456B2 (en) | 2012-11-19 | 2016-06-28 | Microsoft Technology Licensing, Llc | Task completion |
US10074066B2 (en) * | 2016-01-16 | 2018-09-11 | International Business Machines Corporation | Two phase predictive approach for supply network optimization |
US20180006977A1 (en) | 2016-06-30 | 2018-01-04 | Microsoft Technology Licensing, Llc | Exposing task information to online service providers |
US10552204B2 (en) | 2017-07-07 | 2020-02-04 | Google Llc | Invoking an automated assistant to perform multiple tasks through an individual command |
US11631017B2 (en) | 2018-01-09 | 2023-04-18 | Microsoft Technology Licensing, Llc | Federated intelligent assistance |
US11410075B2 (en) | 2018-01-15 | 2022-08-09 | Microsoft Technology Licensing, Llc | Contextually-aware recommendations for assisting users with task completion |
US10818287B2 (en) | 2018-01-22 | 2020-10-27 | Microsoft Technology Licensing, Llc | Automated quick task notifications via an audio channel |
US20190324795A1 (en) | 2018-04-24 | 2019-10-24 | Microsoft Technology Licensing, Llc | Composite task execution |
-
2020
- 2020-05-28 US US16/886,764 patent/US11416290B2/en active Active
-
2021
- 2021-04-16 EP EP21723089.5A patent/EP4158560A1/en active Pending
- 2021-04-16 WO PCT/US2021/027576 patent/WO2021242434A1/en unknown
- 2021-04-16 CN CN202180038380.6A patent/CN115668242A/zh active Pending
-
2022
- 2022-07-18 US US17/867,368 patent/US20220350654A1/en active Pending
Also Published As
Publication number | Publication date |
---|---|
US20210373943A1 (en) | 2021-12-02 |
EP4158560A1 (en) | 2023-04-05 |
US20220350654A1 (en) | 2022-11-03 |
WO2021242434A1 (en) | 2021-12-02 |
US11416290B2 (en) | 2022-08-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11443281B2 (en) | Collaboration tool | |
US20220046107A1 (en) | Intent-based calendar updating via digital personal assistant | |
US10586211B2 (en) | Shared collaboration objects | |
US20220350654A1 (en) | Semi-autonomous intelligent task hub | |
US20190095064A1 (en) | Systems and methods for collecting, managing, processing and distributing information in multiple industry sectors | |
WO2017205305A1 (en) | Automatic task flow management across multiple platforms | |
US20220138412A1 (en) | Task templates and social task discovery | |
US10791212B1 (en) | Electronic concierge for automating event planning and application curation | |
CN105359127A (zh) | 笔记页面共享和通知特征 | |
CN112668283B (zh) | 文档编辑方法、装置和电子设备 | |
US20240098156A1 (en) | Interactive notification panels in a computing system | |
CN114641785A (zh) | 搜索和协助方面的日历见解 | |
EP3673424A1 (en) | Scheduling shared resources using a hierarchy of attributes | |
US20230291775A1 (en) | Collaborative browsing | |
WO2021002981A1 (en) | Task modification and optimization |
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 |