具备评价能力的人工智能系统及其评价方法与流程

本发明涉及人工智能领域，尤其涉及具备评价能力的人工智能系统，以及该人工智能系统对于目标事物进行评价的方法。

背景技术：

人工智能是研究用于模拟、延伸和扩展人的智能的理论、方法、技术以及应用系统的一门新的技术科学。自从诞生以来，人工智能的理论和技术日益成熟，应用领域不断扩大，作为计算机科学的一个分支，其企图了解智能的实质，并产生出一种新的能以人类智能相似的方式作出反应的智能机器。

现有的人工智能技术的实现，如何使得人工智能机器获得“自我”意识而非按照人类所设定的工序或步骤进行动作在技术思想方面一直面临的巨大挑战。现有的人工智能技术中，对于某个事物的评价是由用户或者生产厂商在预先设置完成，并不能够随着生活经验的不断增加得到不断的更新与补充。也就是说，现有的技术中，人工智能机器所具有的是“被赋予”的意识而非“自我”意识。而具备“自我”意识的前提是能够遵循由经验中形成的评判标准对外界事物做出本身的主观的评价。

本发明提供了一种具备评价能力的人工智能系统及其相关的评价方法，构建了人工智能系统对于外界事物的评价体系，使得人工智能系统能够随着生活经验的增加而具备自主评价目标事物的能力。

技术实现要素：

以下给出一个或多个方面的简要概述以提供对这些方面的基本理解。此概述不是所有构想到的方面的详尽综览，并且既非旨在指认出所有方面的关键性或决定性要素亦非试图界定任何或所有方面的范围。其唯一的目的是要以简化形式给出一个或多个方面的一些概念以为稍后给出的更加详细的描述之序。

在本发明的一个方面，提供了一种具备自主评价能力的人工智能系统，包括：评价能力模块，其配置成根据参考人群对于预定义事物的原始评价信息生成对于该预定义事物的自主评价标准，该评价能力模块还配置成根据该自主评价标准对目标事物进行自主评价；以及决策模块，其配置成根据该自主评价确定针对该目标事物的输出。

在本发明的另一个方面，提供了另一种具备自主评价能力的人工智能系统，包括：输出模块，其配置成执行对于目标事物的输出；评价能力模块，其配置成根据参考人群对于预定义事物的原始评价信息生成对于该预定义事物的自主评价标准，该评价能力模块还配置成根据该自主评价标准对目标事物进行自主评价；以及决策模块，其配置成根据该自主评价调整该输出模块对于该目标事物的输出。

在本发明的另一个方面，提供了一种用于人工智能系统的自主评价方法，包括：根据参考人群对于预定义事物的原始评价信息生成对于该预定义事物的自主评价标准；根据该自主评价标准对目标事物进行自主评价；以及根据该自主评价确定针对该目标事物的输出。

在本发明的另一个方面，提供了一种用于人工智能系统的自主评价方法，包括：执行对于目标事物的输出；根据参考人群对于预定义事物的原始评价信息生成对于该预定义事物的自主评价标准；根据该自主评价标准对目标事物进行自主评价；以及根据该自主评价调整该输出模块对于该目标事物的该输出。

本发明所提供的系统和方法构建了人工智能系统对于外界事物的自主评价体系，使得人工智能系统能够具备自主评价目标事物的能力。

附图说明

在结合以下附图阅读本公开的实施例的详细描述之后，能够更好地理解本发明的上述特征和优点。在附图中，各组件不一定是按比例绘制，并且具有类似的相关特性或特征的组件可能具有相同或相近的附图标记。

图1a是根据本发明一个实施例的具备评价能力的人工智能系统的框图；

图1b是根据本发明另一个实施例的具备评价能力的人工智能系统的框图；

图2是根据本发明的一个实施例的评价标准词汇库模块中评价标准词汇信息的储存形式的框图；

图3是根据本发明一个实施例的人工智能系统用于确定对于事物的自主评价标准的流程图；

图4是根据本发明另一个实施例的人工智能系统用于确定对于事物的自主评价标准的流程图；

图5是根据本发明另一个实施例的人工智能系统用于确定对于事物的自主评价标准的流程图；

图6是根据本发明的一个实施例的更新评价库模块中的对于事物的自主评价标准的更新过程流程图；

图7是根据本发明的另一个实施例的更新评价库模块中的对于事物的自主评价标准的更新过程流程图；

图8是根据本发明的另一个实施例的更新评价库模块中的对于事物的自主评价标准的另一更新过程的流程图；

图9是根据本发明的一个实施例的人工智能系统对于目标事物做出自主评价的流程图；

图10是根据本发明的一个实施例的人工智能系统根据自主评价进行响应输出的流程图；

图11是根据本发明的另一个实施例的人工智能系统根据自主评价进行响应输出的流程图；

图12是根据本发明的另一个实施例的人工智能系统根据自主评价进行响应输出的流程图。

具体实施方式

术语说明

首先，出于使得读者更清楚明白地理解本发明的具体实施例的目的，以下对于本文中所采用的数据进行说明：

预定义事物：是指预先确定的人工智能系统要为其确定自主评价标准的事物。

目标事物：是指需要人工智能系统对其进行自主评价的事物，其可以是某个事物也可以是某段音乐、某个表情等。

参考人群：是指在确定对于预定义事物的评价时所参考的人的集合，例如，参考人群可以是家庭成员，也可以是某一段年龄段的人的集合。

原始评价信息：是指感知模块所获取的由评价主体(给予评价的人)对预定义事物的评价的信息。

评价标准词汇信息：是指预先配置在库(存储器)中的根据生活中的经验所总结的对于事物的评价的信息，其可以文本、音频、表情图像等形式表现，作为确定“预定义事物”的自主评价的标准信息。

自主评价标准：是指人工智能系统根据参考人群对于事物的原始评价信息而确定的对于该事物的自主评价，具体地，其表现形式可以是数字如1-100的整数，也可以是等级，如一级、二级、三级。

本发明的具体实施方式

以下结合附图和具体实施例对本发明作详细描述。注意，以下结合附图和具体实施例描述的诸方面仅是示例性的，而不应被理解为对本发明的保护范围进行任何限制。

参见图1a和1b，图1a和1b是根据本发明的实施例的两个具备评价能力的人工智能系统100和100’的框图。人工智能系统100和100’包括评价能力模块101与决策模块102，其中评价能力模块101用于根据参考人群对于预定义事物的原始评价信息生成对于预定义事物的自主评价标准并且根据该自主评价标准对目标事物进行自主评价。决策模块102用于根据评价能力模块101确定的自主评价确定针对该目标事物的输出。此外，人工智能系统100和100’还包括以下模块中的一者或多者，感知模块103，其配置成获取参考人群对于事物的原始评价信息，例如图1中所示的原始评价信息106，以及识别要对其进行自主评价的目标事物；自主评价标准模块104，用于存储评价能力模块101所做出的自主评价标准；评价标准词汇信息模块105，用于存储根据生活中的经验所总结的对于事物的评价标准词汇信息；以及预定义事物模块107，用于存储预先设定的要求人工智能系统确定自主评价标准的事物。其中，如图1中所示的感知模块103耦合到评价能力模块101，评价能力模块101耦合到自主评价标准模块104，评价标准词汇信息模块105可以耦合到评价能力模块101，而预定义事物模块107可以分别耦合到感知模块103以及评价能力模块101。自主评价标准模块104可以与评价能力模块101耦合。

人工智能系统100’与图1a中的人工智能系统100的差别在于，还包括输出模块113。输出模块113用于执行针对目标事物的输出114。在人工智能系统100’中输出模块113执行针对目标事物的输出114，评价能力模块101用于根据参考人群对于预定义事物的原始评价信息生成对于预定义事物的自主评价标准并且根据该自主评价标准对目标事物进行自主评价。决策模块102用于根据评价能力模块101确定的自主评价跳调整对该目标事物的输出114。在下文中将结合图12解说人工智能系统100’根据评价能力模块101确定的自主评价调整对该目标事物的输出114的实施例。人工智能系统100’的其他模块与人工智能系统100相同，并可以起到相同的作用，为了简要起见，此处不再赘述。

在一个方面，如图2中所示，在进行自主评价之前，评价标准词汇信息模块105可以被预先配置成存储在社会生活中已经成为生活经验的评价标准词汇信息，这些评价标准词汇信息可以文字、图片、音频、数字等形式存在，并且相互映射。例如“好”的文字201、“不好”音频202、被认为是“美”的人的肖像照203、微笑的表情图片204等。在进一步的方面，评价标准词汇信息可以包括量化的评价并将其与相应的其他形式的评价标准词汇信息映射。例如，评价可以是0-100的数字，0为极差的评价而100为极好的评价。在一个方面，上文中所述的文字、图片、音频、数字等形式存在的评价标准词汇信息可以与量化的评价进行映射。例如，上文中“好”的文本201可以被映射到数字50；“不好”的音频202可以被映射到数字20,；“美”的人的肖像照203可以被映射到数字100。在另一个方面，系统中还可包括预定义事物库(未示出)，其可以被预先配置成存储所要评价的事物和/或其特征信息。此外，不同的评价标准词汇信息可以映射到相同的量化的评价，例如“好”的文本201和“微笑”的表情204可以同时映射到量化评价数字“50”

继续参见图1，评价能力模块101被配置成在进行评价之前设置自主评价标准的参考人群。该参考人群可以是家庭成员，也可以是某一年龄段的人群等等。智能设备100将参照参考人群对于目标事物的评价而确定对目标事物的自主评价标准。感知模块103可以包括图像感知单元、音频感知单元以及其他类似的从外界获取信息的物理单元，其被配置成获取参考人群对于预定义事物库中的预定义事物所做出的原始评价信息106。例如，当参考人群被配置成家庭成员时，感知模块103可以被配置成获取家庭成员对于预定义事物库中的预定义事物所做出的评价，将其作为原始评价信息106。评价能力模块106可以随后将所获得的原始评价信息106与评价标准词汇信息模块105中的评价标准词汇信息匹配，并进而确定对于该预定义事物的自主评价标准。例如，参照图1与图2，感知模块103所获取的对于预定义事物库中的事物a的原始评价信息106为“不好”的音频，评价能力模块106将其与评价标准词汇信息模块105中的所存储的评价标准词汇信息进行匹配，其与评价标准词汇信息模块105中的“不好”的音频202匹配，并进而根据“不好”的音频202与数字“20”之间的映射将对于该事物a的自主评价标准确定为“20”。当然，评价能力模块106也可以根据原始评价信息106与评价标准词汇信息之间的匹配度来确定对于预定义事物的自主评价标准。例如，当感知模块103获取到某人物b的照片时，评价能力模块106将其与评价标准词汇信息中的肖像照203进行匹配，确定该两者之间的匹配度为85％，则评价能力模块106可以根据该匹配度85％以及肖像照203与数字“100”之间的映射关系来确定人物b的自主评价标准，例如但不限于人物b的自主评价标准为100*85％＝85。当然其他的参数或因数可以被增加以根据匹配度来确定自主评价标准。

例如，图3示出了根据一个实施例的人工智能系统用于确定预定义事物的自主评价标准的流程图300。结合图1以及图2，在步骤302，感知模块103获取参考人群对于预定义事物库中的预定义事物a的原始评价信息106。在步骤304，评价能力模块101将原始评价信息106与评价标准词汇信息模块105中的评价标准词汇信息进行匹配。在步骤306，评价能力模块101根据匹配结果确定预定义事物a的自主评价标准。

图4中示出了根据另一个实施例的人工智能系统用于确定预定义事物的自主评价标准的流程图400。结合图1以及图2，在步骤402，评价能力模块针对预定义事物库中的预定义事物a向参考人群提问。在一个方面该提问可以通过智能设备外接的输出设备，诸如显示器、扬声器等以各种形式向参考人群提出。在另一个方面，该提问可以是直接针对参考人群对于预定义事物a的评价的。在步骤404，感知模块103获取用户对于该提问的回答。作为示例而非限定，该回答的接收可以经由感知模块103的图像感知单元或音频感知单元等获得。在步骤406，类似于参考图3所描述的步骤304，评价能力模块101将该回答作为原始评价信息106与评价标准词汇信息模块105中的评价标准词汇信息进行匹配。在步骤408，类似于步骤306，评价能力模块101根据匹配结果确定预定义事物a的自主评价标准。

图5中示出了根据另一个实施例的人工智能系统用于确定预定义事物的自主评价标准的流程图500。如图1中所示的，在本发明的一个实施例中，人工智能系统100还包括通信模块109，其能与网络110以及感知模块103通信耦合，并且将从网络110接收到的信息传送给感知模块103。在流程图500中，在步骤502，通信模块109经由网络110搜索网络上对于预定义事物库中的预定义事物a的网络评价信息112，并将该网络评价信息112传送给感知模块103。在步骤504，评价能力模块101将该网络评价信息112与评价标准词汇信息模块105中的评价标准词汇信息进行匹配。在步骤506，类似于步骤306，评价能力模块101根据匹配结果确定预定义事物a的自主评价标准。

以上三种确定对于预定义事物的自主评价标准的流程仅作为示例而非限定，本领域普通技术人员可以当然地根据本发明的教导而想到人工智能系统可以之对于预定义事物做出自主评价标准的流程。如图1中所示的，人工智能系统还包括自主评价标准模块104，在评价能力模块101确定了对于预定义事物的自主评价标准之后，可以将对于预定义事物的自主评价存储到自主评价标准模块104之中以备之后的调用。

图6示出了根据本发明的一个实施例的更新自主评价标准模块104中的对于预定义事物的自主评价标准的更新过程600。在步骤602中，感知模块103获取对于已经评价过的预定义事物a的重新评价信息。例如，感知模块103可以根据参照图3、4、5所解说的获取原始评价信息106和/或网络评价信息112的流程来获取对于预定义事物a的重新评价信息。在步骤604，评价能力模块101将该重新评价信息与评价标准词汇库模块105中的评价标准词汇信息匹配，并且根据匹配结果确定对于预定义事物a的再次自主评价标准。在步骤606，评价能力模块101将评价库模块中对于预定义事物a的现有自主评价标准与对于预定义事物a的再次自主评价标准加权相加以获得对于预定义事物a的新的自主评价标准以更新评价库模块中对于预定义事物a的现有自主评价标准。

对于每一个预定义事物，上述图6中所示的自主评价标准更新过程可以持续循环运行，即每观察到一次对于预定义事物的评价就更新对于该预定义事物的自主评价标准。上述过程600中的加权相加中的权重可以根据多种因素确定，例如可以设置成现有自主评价标准与再次自主评价标准的权重相等(例如都等于0.5)，也可以根据做出评价的个体的不同(例如，家庭成员与陌生人的关系)而对不同的自主评价标准施加不同的权重，例如家庭成员所做出的评价所对应的权重可以大于陌生人所对应的权重。

图7中根据本发明的一个实施例示出了更新自主评价标准标准模块104中的对于预定义事物的自主评价标准的更新过程700。在步骤702，评价能力模块在设置评价参考人群的同时将参考人群划分成等级，例如分为两个等级，家庭成员与陌生人。在步骤704，类似于图6中的步骤602，感知模块103获取对于已经评价过的预定义事物a的重新评价信息。例如，感知模块103可以根据参照图3、4、5所解说的获取原始评价信息106和/或网络评价信息112的流程来获取对于预定义事物a的重新评价信息。在步骤706，评价能力模块101将该重新评价信息与评价标准词汇库模块105中的评价标准词汇信息匹配，并且根据匹配结果确定对于预定义事物a的再次自主评价标准。在步骤708，评价能力模块101根据做出评价的个体所属的参考人群等级的不同赋予评价库模块中对于预定义事物a的现有自主评价标准与对于预定义事物a的再次自主评价标准不同的权重，进而将现有自主评价标准与再次自主评价标准根据其各自不同的权重加权相加以获得对于预定义事物a的新的自主评价标准以更新评价库模块中对于预定义事物a的现有自主评价标准。

在步骤708中，由于做出原始评价信息的主体所述的参考人群的级别不同赋予现有自主评价标准以及再次自主评价标准以不同的权重，例如，现有自主评价标准所基于的原始评价信息是由陌生人所做出的，赋予权重0.3，而再次自主评价标准所给予的原始评价信息是由家庭成员所做出的，则赋予权重0.7。那么新的自主评价标准＝0.3*现有自主评价标准+0.7*再次自主评价标准。由此可以看出，通过使用图7中所用的更新过程700，可以自由设定不同参考人群对于人工智能系统的自主评价标准的影响力，在上述示例中，家庭成员对于最终的自主评价标准的影响力要高于陌生人。

上述示例仅作为示例而非限定，其他参数或者因素可以被加入加权相加的过程中，甚至与权重可以由人工智能系统根据其他参数或因素甚至随机在一个具体范围内设定，这样可以使得两个相同的人工智能系统对于同一对象或事物由不同的评价，使得人工智能系统具有相当的自主评价标准能力。

图8示出了根据本发明另一个实施例更新自主评价标准模块104中的对于预定义事物的自主评价标准的另一更新过程800。

在步骤802中，评价能力模块101在确定对于预定义事物库中的预定义事物的自主评价标准之前，随机确定对于预定义事物的自主评价标准。例如这种随机自主评价标准可以是以评价标准词汇库中的与该自主评价标准相对应的评价标准词汇信息为外在表现形式的，例如将“好”的文字通过外接的显示器显示出来，或者将“不好”的音频通过外接的扬声器播放出来。这种随机评价也可以是直接通过自主评价标准的方式表现出来，例如通过外接的显示器显示“20”、“40”等自主评价标准。在步骤804，感知模块103以类似于图3、图4中获取原始评价信息106的方式接收参考人群对于该随机评价的反应，例如，通过图像感知单元或者音频感知单元获取参考人群的对于该随机评价的反应。该反应的形式可以类似于图3、图4中的原始评价信息106，例如“好”的文字输入、“不好”的音频等。在步骤806，评价能力模块根据该反应来修改对于预定义事物的自主评价标准。例如，可以通过类似于图6、图7中所解说的更新自主评价标准的方式来修改对于预定义事物的自主评价标准，即评价能力模块将根据该反应与评价标准词汇库中的评价标准词汇信息的匹配结果确定对于该随机评价的再次自主评价标准，将再次自主评价标准与随机做出的评价加权相加来修改对于预定义事物的自主评价标准。在例如，评价能力模块101可以直接通过与图3、图4中确定自主评价标准的方式类似的方式来确定该反应所对应的自主评价标准，用该自主评价标准替代人工智能系统所做出的对于该预定义事物的随机评价。

以上结合图2-图8描述了确定以及更新对于预定义事物库中预定义事物的自主评价标准的过程。在不背离本发明的前提下，本领域技术人员可以想到对于不在评价标准词汇库模块中的评价信息，如果感知模块经常在检测原始评价信息的过程中检测到该评价信息，那么可以将该信息作为评价标准词汇信息插入评价标准词汇信息库模块中。进一步地，可以将其对应的自主评价标准插入评价标准词汇信息库中，或者也可以要求用户设置对应于该评价标准词汇信息的自主评价标准。

如以上所述的，对于预定义事物的自主评价被存储在评价库中以备将来调用。图9示出了人工智能系统对于目标事物做出自主评价的流程900。当人工智能系统被触发对目标事物做出自主评价后，例如接收到对于目标事物做出评价的指令后。在步骤902，感知模块103识别目标事物。在步骤904，评价能力模块101将所识别到的目标事物与自主评价标准模块104中的已经为其确定自主评价标准的事物进行匹配。在步骤906，评价能力模块101根据匹配的结果确定对于所识别的目标事物的自主评价。例如，假设在之前的如图3、4、5中的自主评价确定过程中将预定义事物a的自主评价确定为“75”，当图1中的人工智能系统100接收到对目标事物做出评价的指令后其感知模块103识别该目标事物为预定义事物a，评价能力模块将该目标事物与评价库模块105中的预定义事物进行匹配，查找到匹配结果为预定义事物a的自主评价为“75”，则该目标事物的自主评价则被确定为“75”。当然，其他的匹配方式也可以被应用。例如评价能力模块经过匹配认为感知模块103所识别到目标事物与预定义事物a的匹配度为80％，而预定义事物a的自主评价为“75”，则目标事物的自主评价可以被确定为75*0.8＝60。以上所述的实施例仅作为示例而非限定，其他的匹配方式以及因素也可以被本领域技术人员采用或应用而不背离本发明。

图10是根据本发明的一个实施例的人工智能系统根据自主评价进行响应输出的流程图1000。结合图10，决策模块102在预先被配置成将每个自主评价映射到与之相应的输出。在步骤1002，评价能力模块101确定了识别的目标事物的自主评价。例如，评价能力模块101可以根据图9的过程确定对于目标事物b的自主评价。在步骤1004，决策模块根据所识别的目标事物的自主评价确定针对所识别的目标事物的输出。例如，决策模块102在从评价能力模块101获取到目标事物b的自主评价之后，决策模块根据所获得的自主评价以及预先配置的自主评价与相应输出之间的映射确定针对该所识别的目标事物b的输出。再进一步的方面，人工智能系统的输出执行机构(未示出)可以根据决策模块所确定的针对目标事物b的输出来执行该输出，例如电动机驱动人工智能系统靠近目标事物b。

按照图10所提供的过程，通过决策模块决策人工智能系统所应该执行的输出，可以将人工智能系统对于目标事物所进行的自主评价外在地表现出来。这里的输出可以是如上所述的靠近或远离目标物体之类的机械输出，也可以是“微笑”“流泪”等表情的显示输出，本领域普通技术人员还可以想到其他的输出表现形式而不背离本发明。

图11是根据本发明的另一个实施例的人工智能系统根据自主评价进行响应输出的流程图1100。结合图1，决策模块102将输出分为正向输出以及负向输出。评价能力模块101将自主评价分为正向平价、低正向评价、负向评价以及低负向评价。在决策模块102按照图11所提供的过程决定针对目标事物的输出，人工智能系统的输出执行单元正在执行该输出后，决策模块102按照以下步骤执行对于输出的调整。在步骤1102，判断此时所执行的输出是正向输出还是负向输出，若为正向输出则前进到步骤1104，若为负向输出则前进到步骤1106。在步骤1104，决策模块102确定当前目标事物的自主评价是为正向评价、负向评价、还是低负向评价，例如决策模块102可以与评价能力模块101通信以确定上述信息。若当前目标事物的自主评价为正向评价则前进到步骤1108，在步骤1108中，决策模块102确定加强输出效果。例如，该输出效果的加强可以是在原先电动机驱动人工智能系统靠近目标事物的基础上驱动人工智能系统更快速地靠近目标事物。若当前目标事物的自主评价为负向评价，则前进到步骤1112，在步骤1112中，决策模块102确定采取与当前输出相反的反向输出。例如，当前的输出为电动机驱动人工智能系统靠近目标事物，而决策模块102确定采取反向输出之后，可以将当前输出更改为电动机驱动人工智能系统远离目标事物。若当前目标事物的自主评价为低负向评价，则前进到步骤1110，在步骤1110中，决策模块102确定减弱当前输出的输出效果。例如，当前的输出为电动机驱动人工智能系统靠近目标事物时，决策模块102可以决定比当前的速度更慢速地靠近目标事物。类似地，在步骤1106中，决策模块102确定当前目标事物的自主评价是为正向评价、负向评价还是低正向评价，若为负向评价，则前进到步骤1108，若为低正向评价，则前进到步骤1110，若为正向评价则前进到1112

以上的实施例仅作为示例，本领域技术人员在不背离本发明的基础上可以对上述实施例中的步骤进行步骤的调换以及补充。例如，确定输出动作为正向输出还是负向输出的步骤以及确定当前目标事物的自主评价是正向评价还是负向评价的步骤可以调换顺序，而保持当前相同的技术效果。再例如，若输出动作为正向输出，当前的自主评价是若正向输出，本领域普通技术人员在不背离本发明的技术上可以想到保持当前的输出效果，或者加强当前的输出效果，反之亦然。

图12是根据本发明的另一个实施例的人工智能系统根据自主评价进行响应输出的流程图1200。结合图1b和图10，图12的过程开始于1201，人工智能系统已经执行了针对于目标事物的某项输出，例如输出模块113已经执行了针对目标事物的输出114，例如该输出114可以是靠近目标事物。注意，该决定的输出可以是不基于人工智能系统所做出的自主评价，例如可以是由用户控制人工智能系统的或者由用户指定决策模块102所做出的决策。同样结合图10，决策模块102将输出分为正向输出以及负向输出。评价能力模块101将评价分为正向平价、低正向评价、负向评价以及低负向评价。在1201之后，决策模块102按照以下步骤执行对于输出的调整。在步骤1202，判断此时所执行的输出114是正向输出还是负向输出，若为正向输出则前进到步骤1204，若为负向输出则前进到步骤1206。在步骤1204，决策模块102确定当前目标事物的自主评价是为正向评价、负向评价、还是低负向评价，例如决策模块102可以与评价能力模块101通信以确定上述信息。若当前目标事物的自主评价为正向评价则前进到步骤1208，在步骤110中，决策模块102确定加强输出114的效果。例如，该输出效果的加强可以是在原先电动机驱动人工智能系统靠近目标事物的基础上驱动人工智能系统更快速地靠近目标事物。若当前目标事物的自主评价为负向评价，则前进到步骤1212，在步骤1212中，决策模块102确定采取与当前输出114相反的反向输出。例如，当前的输出114为电动机驱动人工智能系统靠近目标事物，而决策模块102确定采取反向输出之后，可以将当前输出114更改为电动机驱动人工智能系统远离目标事物。若当前目标事物的自主评价为低负向评价，则前进到步骤1210，在步骤1210中，决策模块102确定减弱当前输出114的输出效果。例如，当前的输出114为电动机驱动人工智能系统靠近目标事物时，决策模块102可以决定比当前的速度更慢速地靠近目标事物。类似地，在步骤1206中，决策模块102确定当前目标事物的自主评价是为正向评价、负向评价还是低正向评价，若为负向评价，则前进到步骤1208，若为低正向评价，则前进到步骤1210，若为正向评价则前进到1214。此处不再赘述。

以上的实施例仅作为示例，本领域技术人员在不背离本发明的基础上可以对上述实施例中的步骤进行步骤的调换以及补充。例如，确定输出动作为正向输出还是负向输出的步骤以及确定当前目标事物的自主评价是正向评价还是负向评价的步骤可以调换顺序，而保持当前相同的技术效果。再例如，若输出动作为正向输出，当前的自主评价是若正向输出，本领域普通技术人员在不背离本发明的技术上可以想到保持当前的输出效果，或者加强当前的输出效果，反之亦然。

尽管为使解释简单化将上述方法图示并描述为一系列动作，但是应理解并领会，这些方法不受动作的次序所限，因为根据一个或多个实施例，一些动作可按不同次序发生和/或与来自本文中图示和描述或本文中未图示和描述但本领域技术人员可以理解的其他动作并发地发生。

本领域技术人员将可理解，信息、信号和数据可使用各种不同技术和技艺中的任何技术和技艺来表示。例如，以上描述通篇引述的数据、指令、命令、信息、信号、位(比特)、码元、和码片可由电压、电流、电磁波、磁场或磁粒子、光场或光学粒子、或其任何组合来表示。

本领域技术人员将进一步领会，结合本文中所公开的实施例来描述的各种解说性逻辑板块、模块、电路、和算法步骤可实现为电子硬件、计算机软件、或这两者的组合。为清楚地解说硬件与软件的这一可互换性，各种解说性组件、框、模块、电路、和步骤在上面是以其功能性的形式作一般化描述的。此类功能性是被实现为硬件还是软件取决于具体应用和施加于整体设备的设计约束。技术人员对于每种特定应用可用不同的方式来实现所描述的功能性，但这样的实现决策不应被解读成导致脱离了本发明的范围。

结合本文所公开的实施例描述的各种解说性逻辑模块、和电路可用通用处理器、数字信号处理器(dsp)、专用集成电路(asic)、现场可编程门阵列(fpga)或其它可编程逻辑器件、分立的门或晶体管逻辑、分立的硬件组件、或其设计成执行本文所描述功能的任何组合来实现或执行。通用处理器可以是微处理器，但在替换方案中，该处理器可以是任何常规的处理器、控制器、微控制器、或状态机。处理器还可以被实现为计算设备的组合，例如dsp与微处理器的组合、多个微处理器、与dsp核心协作的一个或多个微处理器、或任何其他此类配置。

结合本文中公开的实施例描述的方法或算法的步骤可直接在硬件中、在由处理器执行的软件模块中、或在这两者的组合中体现。软件模块可驻留在ram存储器、闪存、rom存储器、eprom存储器、eeprom存储器、寄存器、硬盘、可移动盘、cd-rom、或本领域中所知的任何其他形式的存储介质中。示例性存储介质耦合到处理器以使得该处理器能从/向该存储介质读取和写入信息。在替换方案中，存储介质可以被整合到处理器。处理器和存储介质可驻留在asic中。asic可驻留在用户终端中。在替换方案中，处理器和存储介质可作为分立组件驻留在用户终端中。

在一个或多个示例性实施例中，所描述的功能可在硬件、软件、固件或其任何组合中实现。如果在软件中实现为计算机程序产品，则各功能可以作为一条或更多条指令或代码存储在计算机可读介质上或藉其进行传送。计算机可读介质包括计算机存储介质和通信介质两者，其包括促成计算机程序从一地向另一地转移的任何介质。存储介质可以是能被计算机访问的任何可用介质。作为示例而非限定，这样的计算机可读介质可包括ram、rom、eeprom、cd-rom或其它光盘存储、磁盘存储或其它磁存储设备、或能被用来携带或存储指令或数据结构形式的合意程序代码且能被计算机访问的任何其它介质。任何连接也被正当地称为计算机可读介质。例如，如果软件是使用同轴电缆、光纤电缆、双绞线、数字订户线(dsl)、或诸如红外、无线电、以及微波之类的无线技术从web网站、服务器、或其它远程源传送而来，则该同轴电缆、光纤电缆、双绞线、dsl、或诸如红外、无线电、以及微波之类的无线技术就被包括在介质的定义之中。如本文中所使用的盘(disk)和碟(disc)包括压缩碟(cd)、激光碟、光碟、数字多用碟(dvd)、软盘和蓝光碟，其中盘(disk)往往以磁的方式再现数据，而碟(disc)用激光以光学方式再现数据。上述的组合也应被包括在计算机可读介质的范围内。

提供对本公开的先前描述是为使得本领域任何技术人员皆能够制作或使用本公开。对本公开的各种修改对本领域技术人员来说都将是显而易见的，且本文中所定义的普适原理可被应用到其他变体而不会脱离本公开的精神或范围。由此，本公开并非旨在被限定于本文中所描述的示例和设计，而是应被授予与本文中所公开的原理和新颖性特征相一致的最广范围。