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。