人机协同式弱人工智能云系统的建议结果反馈方法与流程

本发明涉及一种数据库的数据更新方法，属于人工智能领域。

背景技术：

现有的人工智能（ai）按照其智能程度可简单地分为强人工智能和弱人工智能。

强人工智能认为有可能制造出真正能推理和解决问题的智能机器。这类机器被认为是有知觉的，有自我意识的，可以独立思考问题并制定解决问题的最优方案，有自己的价值观和世界观体系，有和生物一样的各种本能，比如生存和安全需求。在某种意义上，这类机器可以看作是一种新的文明。

弱人工智能认为不可能制造出真正能推理和解决问题的智能机器。这类机器只不过看起来像是智能的，但是并不真正拥有智能，也不会有自主意识。这类机器仅仅提供建议结果，仍需要人类做最后的决策。

人机协同架构是现有弱人工智能云系统的发展趋势，人机协同式弱人工智能云系统以人工智能算法为核心，依托于专业数据库和个人数据库，为用户提供人工智能在线服务。人机协同式弱人工智能云系统得到建议结果的流程为：云主机将用户发来的问题转发至云服务器。在接收到用户问题后，云服务器基于人工智能算法和专业数据库得到专业建议结果，与此同时，云服务器基于人工智能算法和多个个人数据库得到多个个人建议结果。由此，人机协同式弱人工智能云系统的建议结果的反馈必然会涉及以下问题：

当多个个人建议结果不均与专业建议结果相同时，人机协同式弱人工智能云系统如何对用户进行反馈。

技术实现要素：

本发明为解决以上人机协同式弱人工智能云系统存在的问题，提出了一种人机协同式弱人工智能云系统的建议结果反馈方法。

本发明所述的人机协同式弱人工智能云系统的建议结果反馈方法包括：

在多人一机协同式人工智能云服务的场景下、采用人工智能算法并基于一个专业数据库和多个个人数据库处理同一问题、与专业数据库建议结果不同且彼此建议结果相同的个人数据库数量超过个人数据库总数的一半时，计算与专业数据库建议结果不同且彼此建议结果相同的个人数据库的综合权重；

判断所述综合权重是否大于既定的专业数据更新决策值；

当判断结果为是时，基于所述问题和与专业数据库建议结果不同且彼此建议结果相同的个人数据库所给出的建议结果对专业数据库的相应数据进行更新；

当判断结果为否时，不对专业数据库的相应数据进行更新；

采用人工智能算法、基于当前专业数据库得到建议结果，并将该建议结果反馈给用户；

数据库建议结果为采用人工智能算法、基于该数据库得到的建议结果。

作为优选的是，所述综合权重的计算方法包括：

平均分配所述多个个人数据库的权重，并计算与专业数据库建议结果不同且彼此建议结果相同的个人数据库的总权重；

对于与专业数据库建议结果不同且彼此建议结果相同的个人数据库，获取每个数据库的权重与既定的该数据库权重比例系数的乘积，并将所有乘积之和作为与专业数据库建议结果不同且彼此建议结果相同的个人数据库的总权重；

将实施上述步骤得到的两个所述总权重的平均值作为所述综合权重。

作为优选的是，所述数据库权重比例系数为预定时段内对应数据库在先所给出建议结果的被采纳率。

作为优选的是，所述专业数据更新决策值为预定时段内所述多个个人数据库所给出的与专业数据库建议结果不同且彼此相同的建议结果的数量与建议结果总数之比。

作为优选的是，所述对专业数据库的相应数据进行更新包括：

将所述问题和与专业数据库建议结果不同且彼此建议结果相同的个人数据库所给出的建议结果作为专业数据存入专业数据库或者替换专业数据库内的原有的相应数据；

对数据更新后的专业数据库进行训练。

本发明所述的人机协同式弱人工智能云系统的建议结果反馈方法，在面对多人一机协同式人工智能云服务的场景下、采用人工智能算法并基于一个专业数据库和多个个人数据库处理同一问题、与专业数据库建议结果不同且彼此建议结果相同的个人数据库数量超过个人数据库总数的一半的情况时，先计算与专业数据库建议结果不同且彼此建议结果相同的个人数据库的综合权重，再判断所述综合权重是否大于既定的专业数据更新决策值。当判断结果为是时，基于所述问题和与专业数据库建议结果不同且彼此建议结果相同的个人数据库所给出的建议结果对专业数据库的相应数据进行更新。当判断结果为否时，不对专业数据库的相应数据进行更新。当专业数据库数据更新后或者专业数据库无需更新数据时，采用人工智能算法、基于当前专业数据库得到建议结果，并将该建议结果反馈给用户，以解决当多个个人建议结果不均与专业建议结果相同时，人机协同式弱人工智能云系统的建议结果反馈问题。

附图说明

在下文中将基于实施例并参考附图来对本发明所述的人机协同式弱人工智能云系统的建议结果反馈方法进行更详细的描述，其中：

图1为实施例所述的人机协同式弱人工智能云系统的建议结果反馈方法的实现流程图；

图2为实施例提及的与专业数据库建议结果不同且彼此建议结果相同的个人数据库的综合权重的计算方法的实现流程图；

图3为实施例提及的对专业数据库的相应数据进行更新的实现流程图；

图4为实施例提及的人机协同式弱人工智能云系统的系统框架图。

具体实施方式

下面将结合附图对本发明所述的人机协同式弱人工智能云系统的建议结果反馈方法作进一步说明。

实施例：下面结合图1~图4详细地说明本实施例。

本实施例所述的人机协同式弱人工智能云系统的建议结果反馈方法适用于多人一机协同式人工智能云服务的场景下、采用人工智能算法并基于一个专业数据库和多个个人数据库处理同一问题、与专业数据库建议结果不同且彼此建议结果相同的个人数据库数量超过个人数据库总数的一半的情况，包括：

步骤s1、计算与专业数据库建议结果不同且彼此建议结果相同的个人数据库的综合权重；

步骤s2、判断所述综合权重是否大于既定的专业数据更新决策值，当判断结果为是时，执行s3，否则，执行s4；

步骤s3、基于所述问题和与专业数据库建议结果不同且彼此建议结果相同的个人数据库所给出的建议结果对专业数据库的相应数据进行更新；

步骤s4、不对专业数据库的相应数据进行更新；

步骤s5、采用人工智能算法、基于当前专业数据库得到建议结果，并将该建议结果反馈给用户。

在本实施例中，专业数据库的建议结果和数据库所给出的建议结果均指采用人工智能算法、基于该数据库得到的建议结果。在本实施例中，多人一机协同式人工智能云服务中的多人一机指的是多个个人数据库和一个专业数据库。在采用人工智能算法并基于一个专业数据库和多个个人数据库处理同一问题时，专业数据库的建议结果是比较权威的，个人数据库的建议结果由于基于个人经验所得而仅供参考。但是，个人经验会随着时间的发展而增加。当面对同一问题，与专业数据库建议结果不同且彼此建议结果相同的个人数据库数量超过个人数据库总数的一半时，需要重新考量所述人工智能云服务的最终建议结果。而本实施例所述的人机协同式弱人工智能云系统的建议结果反馈方法正适用于上述情况下的人机协同式弱人工智能云系统的建议结果的最终反馈。

本实施例所述的人机协同式弱人工智能云系统的建议结果反馈方法只考虑与专业数据库建议结果不同且彼此建议结果相同的个人数据库数量超过个人数据库总数的一半的情况，不考虑与专业数据库建议结果不同且彼此建议结果相同的个人数据库数量未超过个人数据库总数的一半的情况，在这种情况下，无需对专业数据库的相应专业数据进行更新。

基于本实施例所述的人机协同式弱人工智能云系统的建议结果反馈方法的人机协同式弱人工智能云系统的框架图如图4所示。

在本实施例所述的人机协同式弱人工智能云系统的建议结果反馈方法中，与专业数据库建议结果不同且彼此建议结果相同的个人数据库的综合权重的计算方法包括：

步骤s11、平均分配所述多个个人数据库的权重，并计算与专业数据库建议结果不同且彼此建议结果相同的个人数据库的总权重；

步骤s12、对于与专业数据库建议结果不同且彼此建议结果相同的个人数据库，获取每个数据库的权重与既定的该数据库权重比例系数的乘积，并将所有乘积之和作为与专业数据库建议结果不同且彼此建议结果相同的个人数据库的总权重；

步骤s13、将实施步骤s11得到的所述总权重和实施步骤s12得到的所述总权重的平均值作为所述总权重。

在本实施例所述的人机协同式弱人工智能云系统的建议结果反馈方法中，所述数据库权重比例系数为预定时段内对应数据库在先所给出建议结果的被采纳率。

在本实施例所述的人机协同式弱人工智能云系统的建议结果反馈方法中，所述专业数据更新决策值为预定时段内所述多个个人数据库所给出的与专业数据库建议结果不同且彼此相同的建议结果的数量与建议结果总数之比。

本实施例所述的人机协同式弱人工智能云系统的建议结果反馈方法提出了综合权重的概念，综合权重既考虑到了平均分配参与处理同一问题的多个个人数据库的权重的情况又考虑到了个人数据库的建议结果采纳率的问题，使得计算出的与专业数据库建议结果不同且彼此建议结果相同的个人数据库的综合权重更加能够反映与专业数据库建议结果不同且彼此建议结果相同的个人数据库的建议结果的权威性以及对专业数据库进行数据更新的必要性。

本实施例所述的人机协同式弱人工智能云系统的建议结果反馈方法提出的专业数据更新决策值为预定时段内所述多个个人数据库所给出的与专业数据库建议结果不同且彼此相同的建议结果的数量与建议结果总数之比。例如，10天内，10个个人数据库与1个专业数据库共同处理了10个问题，在10次处理问题的过程中，与专业数据库建议结果不同且彼此建议结果相同的个人数据库的数量依次为3、4、6、2、5、3、5、2、5和4，那么对应的专业数据更新决策值为（3+4+6+2+5+3+5+2+5+4）/100。这里的预定时段指的是一定长度的历史时段。由此可知，本实施例所述的人机协同式弱人工智能云系统的建议结果反馈方法提出的专业数据更新决策值能够真实地反映一定长度历史时段内与专业数据库建议结果不同且彼此建议结果相同的个人数据库的占比情况，进而确保了专业数据库数据更新的必要性。

在本实施例所述的人机协同式弱人工智能云系统的建议结果反馈方法中，所述对专业数据库的相应数据进行更新包括：

步骤s31、将所述问题和与专业数据库建议结果不同且彼此建议结果相同的个人数据库所给出的建议结果作为专业数据存入专业数据库或者替换专业数据库内的原有的相应数据；

步骤s32、对数据更新后的专业数据库进行训练；

步骤s33、判断专业数据库的训练是否完成，当判断结果为是时，执行步骤s34，否则，执行步骤s31；

步骤s34、结束。

本实施例所述的人机协同式弱人工智能云系统的建议结果反馈方法，在对专业数据库的相应数据进行更新的过程中，通过步骤s33判断专业数据库的训练是否完成，训练未完成时，继续对专业数据库进行训练，直至专业数据库训练完成，进而保证了专业数据库的专业数据更新的安全性。

虽然在本文中参照了特定的实施方式来描述本发明，但是应该理解的是，这些实施例仅是本发明的原理和应用的示例。因此应该理解的是，可以对示例性的实施例进行许多修改，并且可以设计出其他的布置，只要不偏离所附权利要求所限定的本发明的精神和范围。应该理解的是，可以通过不同于原始权利要求所描述的方式来结合不同的从属权利要求和本文中所述的特征。还可以理解的是，结合单独实施例所描述的特征可以使用在其他所述实施例中。