一种业务实现方法、装置和存储介质与流程

本发明涉及人工智能，尤其涉及一种业务实现方法、装置和存储介质。

背景技术：

1、人工智能(ai)技术广泛应用于各行各业务，解决各种任务，如语音识别、图像识别、机器翻译等，已经达到或超过人类的能力，人工智能平台进一步起到数据、算力、能力共享的作用，加快推动了人工智能技术的应用落地。然而，随着业务场景的不断丰富，解决单一问题的ai模型难以满足应用需求。

技术实现思路

1、有鉴于此，本发明的主要目的在于提供一种业务实现方法、装置和存储介质。

2、为达到上述目的，本发明的技术方案是这样实现的：

3、本发明实施例提供了一种业务实现方法，所述方法包括：

4、根据目标业务需求查询预设的知识库，确定所述目标业务需求对应的ai原子化能力类型序列；

5、根据所述ai原子化能力类型序列查询预设的能力数据库，确定实现所述业务需求所需的目标ai原子化能力集合；

6、根据所述目标ai原子化能力集合，构建端到端ai业务应用。

7、上述方案中，所述方法还包括：

8、获取至少一个ai能力中每个ai能力对应的至少一个ai原子化能力；每个ai能力对应的至少一个ai原子化能力通过对ai能力进行重构得到；

9、根据每个ai能力对应的至少一个ai原子化能力，构建所述能力数据库。

10、上述方案中，对所述ai能力进行重构，包括以下至少之一：

11、将所述ai能力分解为ai原子化能力组合，确定每个ai原子化能力包括的通用智能层、适配层、接口层和能力信息；所述能力信息至少包括适配层参数；

12、对所述ai能力所需的算网资源进行分解，确定每个ai原子化能力对应的算网资源需求，建立每个ai原子化能力的适配层参数与所述算网资源需求的对应关系。

13、上述方案中，所述根据所述ai原子化能力类型序列查询预设的能力数据库，确定实现所述业务需求所需的目标ai原子化能力集合，包括：

14、根据所述ai原子化能力类型序列查询所述能力数据库，确定至少一个ai原子化能力集合，根据每个ai原子化能力集合中的ai原子化能力的业务输入数据、适配层参数和真实的业务数据，构建损失函数；

15、以所述损失函数最小化为目标，对所述至少一个ai原子化能力集合进行适配层参数寻优，确定所述目标ai原子化能力集合。

16、上述方案中，所述根据所述目标ai原子化能力集合，构建端到端ai业务应用，包括：

17、确定业务数据的采集端和业务数据处理结果的接收端；

18、确定所述采集端到所述接收端的数据流网络传输路径；

19、以最快计算为原则，根据所述数据流网络传输路径中的网络节点信息和位置信息，确定部署目标ai原子化能力集合所需的网络节点集合；

20、在所述网络节点集合中每个网络节点上部署相应的ai原子化能力，以构建端到端ai业务应用。

21、上述方案中，所述方法还包括：

22、根据所述端到端ai业务应用的反馈数据，动态调整ai原子化能力的适配层参数，和/或，ai原子化能力对应的ai模型。

23、上述方案中，所述根据所述端到端ai业务应用的反馈数据，动态调整ai原子化能力的适配层参数，包括：

24、获取所述端到端ai业务应用的反馈数据，根据所述反馈数据和适配层参数更新损失函数；所述反馈数据包括：业务输入数据和用户反馈的业务数据；

25、以更新后的损失函数最小化为目标，对所述至少一种ai原子化能力序列进行适配层参数寻优，确定新的目标ai原子化能力序列。

26、上述方案中，所述根据所述端到端ai业务应用的反馈数据，动态调整ai原子化能力对应的ai模型，包括：

27、获取所述端到端ai业务应用的反馈数据，根据所述反馈数据对至少一个目标ai原子化能力对应的ai模型进行优化。

28、上述方案中，在所述网络节点集合中每个网络节点上部署相应的ai原子化能力，包括：

29、根据预设的部署协议，在所述网络节点集合中每个网络节点上部署相应的ai原子化能力；所述部署协议包括以下至少之一：

30、分发协议，用于指示ai能力接入网络过程中网络节点之间的交互操作；

31、安全协议，用于指示网络节点之间的加解密操作和/或防护操作。

32、本发明实施例还提供了一种业务实现装置，所述装置包括：

33、第一处理模块，用于根据目标业务需求查询预设的知识库，确定所述目标业务需求对应的ai原子化能力类型序列；

34、第二处理模块，用于根据所述ai原子化能力类型序列查询预设的能力数据库，确定实现所述业务需求所需的目标ai原子化能力集合；

35、第三处理模块，用于根据所述目标ai原子化能力集合，构建端到端ai业务应用。

36、上述方案中，所述装置还包括：构建模块，用于获取至少一个ai能力中每个ai能力对应的至少一个ai原子化能力；每个ai能力对应的至少一个ai原子化能力通过对ai能力进行重构得到；

37、根据每个ai能力对应的至少一个ai原子化能力，构建所述能力数据库。

38、上述方案中，所述构建模块，用于执行以下至少之一：

39、将所述ai能力分解为ai原子化能力组合，确定每个ai原子化能力包括的通用智能层、适配层、接口层和能力信息；所述能力信息至少包括适配层参数；

40、对所述ai能力所需的算网资源进行分解，确定每个ai原子化能力对应的算网资源需求，建立每个ai原子化能力的适配层参数与所述算网资源需求的对应关系。

41、上述方案中，所述第二处理模块，用于根据所述ai原子化能力类型序列查询所述能力数据库，确定至少一个ai原子化能力集合，根据每个ai原子化能力集合中的ai原子化能力的业务输入数据、适配层参数和真实的业务数据，构建损失函数；

42、以所述损失函数最小化为目标，对所述至少一个ai原子化能力集合进行适配层参数寻优，确定所述目标ai原子化能力集合。

43、上述方案中，所述第三处理模块，用于确定业务数据的采集端和业务数据处理结果的接收端；

44、确定所述采集端到所述接收端的数据流网络传输路径；

45、以最快计算为原则，根据所述数据流网络传输路径中的网络节点信息和位置信息，确定部署目标ai原子化能力集合所需的网络节点集合；

46、在所述网络节点集合中每个网络节点上部署相应的ai原子化能力，以构建端到端ai业务应用。

47、上述方案中，所述装置还包括：优化模块，用于根据所述端到端ai业务应用的反馈数据，动态调整ai原子化能力的适配层参数，和/或，ai原子化能力对应的ai模型。

48、上述方案中，所述优化模块，用于获取所述端到端ai业务应用的反馈数据，根据所述反馈数据和适配层参数更新损失函数；所述反馈数据包括：业务输入数据和用户反馈的业务数据；

49、以更新后的损失函数最小化为目标，对所述至少一种ai原子化能力序列进行适配层参数寻优，确定新的目标ai原子化能力序列。

50、上述方案中，所述优化模块，用于获取所述端到端ai业务应用的反馈数据，根据所述反馈数据对至少一个目标ai原子化能力对应的ai模型进行优化。

51、上述方案中，所述第三处理模块，用于根据预设的部署协议，在所述网络节点集合中每个网络节点上部署相应的ai原子化能力；所述部署协议包括以下至少之一：

52、分发协议，用于指示ai能力接入网络过程中网络节点之间的交互操作；

53、安全协议，用于指示网络节点之间的加解密操作和/或防护操作。

54、本发明实施例再提供了一种业务实现装置，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计算机程序，所述处理器执行所述程序时实现以上任一项所述方法的步骤。

55、本发明实施例又提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以上任一项所述方法的步骤。

56、本发明实施例所提供的一种业务实现方法、装置和存储介质，所述方法包括：根据目标业务需求查询预设的知识库，确定所述目标业务需求对应的ai原子化能力类型序列；根据所述ai原子化能力类型序列查询预设的能力数据库，确定实现所述业务需求所需的目标ai原子化能力集合；根据所述目标ai原子化能力集合，构建端到端ai业务应用。如此，根据业务需求确定针对性的ai原子化能力类型序列，再根据ai原子化能力类型序列确定出实现业务需求的目标ai原子化能力集合，实现了按需对接ai原子化能力并针对性提供ai业务应用的效果。