基于算法改进的人工智能伦理风险辨识防范方法和机器人技术

基于算法改进的人工智能伦理风险辨识防范方法和机器人，包括：规则获取步骤；场景获取步骤；算法获取步骤；初始化步骤；算法优选度计算步骤；算法选择步骤；算法改进步骤；算法和行为推荐步骤。上述方法、系统和机器人，通过对人工智能算法的不断改进得到在事件场景中产生的人工智能伦理风险小于预设阈值的人工智能算法，使得人工智能伦理风险的辨识和防范不再被单一的人工智能算法所束缚，从而使得事件场景中的人工智能伦理风险变得可控。

【技术实现步骤摘要】
基于算法改进的人工智能伦理风险辨识防范方法和机器人
本专利技术涉及人工智能
，特别是涉及一种基于算法改进的人工智能伦理风险辨识防范方法和机器人。
技术介绍
在实现本专利技术过程中，专利技术人发现现有技术中至少存在如下问题：现有技术中事件场景的人工智能算法一旦确定就不会再改变，而是基于确定的人工智能算法进行人工智能伦理风险的辨识和防范，但有的人工智能算法本身就不适合有些事件场景，导致无论如何调整行为都无法进行人工智能伦理风险的防范，进而会导致人工智能伦理风险防范的失败。因此，现有技术还有待于改进和发展。
技术实现思路
基于此，有必要针对现有技术的缺陷或不足，提供基于算法改进的人工智能伦理风险辨识防范方法和机器人，以解决现有技术中人工智能算法固定不变导致的在某些事件场景中人工智能伦理风险无法防范的问题。第一方面，本专利技术实施例提供一种人工智能方法，所述方法包括：规则获取步骤：获取人工智能伦理规则，作为第一人工智能伦理规则；场景获取步骤：获取事件场景，作为第一事件场景；<br>算法获取步骤：本文档来自技高网...

【技术保护点】
1.一种人工智能方法，其特征在于，所述方法包括：/n规则获取步骤：获取人工智能伦理规则，作为第一人工智能伦理规则；/n场景获取步骤：获取事件场景，作为第一事件场景；/n算法获取步骤：获取人工智能算法，作为第一人工智能算法；/n初始化步骤：将所述第一人工智能算法作为至少一个人工智能算法；/n算法优选度计算步骤：对所述至少一个人工智能算法中的每一人工智能算法，获取在所述第一事件场景中所述每一人工智能算法下符合所述第一人工智能伦理规则且产生人工智能伦理风险最小且行为成本低的人工智能体行为，作为所述每一人工智能算法对应的优选人工智能体行为，并计算所述每一人工智能算法的优选度；将所述最小的人工智能伦理风...

【技术特征摘要】
1.一种人工智能方法，其特征在于，所述方法包括：
规则获取步骤：获取人工智能伦理规则，作为第一人工智能伦理规则；
场景获取步骤：获取事件场景，作为第一事件场景；
算法获取步骤：获取人工智能算法，作为第一人工智能算法；
初始化步骤：将所述第一人工智能算法作为至少一个人工智能算法；
算法优选度计算步骤：对所述至少一个人工智能算法中的每一人工智能算法，获取在所述第一事件场景中所述每一人工智能算法下符合所述第一人工智能伦理规则且产生人工智能伦理风险最小且行为成本低的人工智能体行为，作为所述每一人工智能算法对应的优选人工智能体行为，并计算所述每一人工智能算法的优选度；将所述最小的人工智能伦理风险大小作为所述每一人工智能算法对应的人工智能伦理风险大小；
算法选择步骤：从所述至少一个人工智能算法中，获取优选度最高的人工智能算法，若优选度最高的人工智能算法对应的人工智能伦理风险大小小于第二预设风险阈值，则将优选度最高的人工智能算法作为优选的人工智能算法，将优选的人工智能算法对应的优选人工智能体行为，作为待执行人工智能体行为，并执行所述算法和行为推荐步骤，否则执行所述算法改进步骤或将优选度最高的人工智能算法作为所述第一人工智能算法后执行所述算法改进步骤；
算法改进步骤：基于所述第一人工智能算法改进得到至少一个人工智能算法，回到所述算法优选度计算步骤重新执行；
算法和行为推荐步骤：调用所述第一事件场景中人工智能体执行所述优选的人工智能算法，并执行所述待执行人工智能体行为。


2.根据权利要求1所述的人工智能方法，其特征在于，所述算法优选度计算步骤具体包括：
行为获取步骤：获取在所述第一事件场景中所述每一人工智能算法下符合所述第一人工智能伦理规则的所有人工智能体行为；
行为判断步骤：对所述所有人工智能体行为中每一人工智能体行为，若所述每一人工智能体行为为空，则将所述第一事件场景作为所述每一人工智能体行为后的第二事件场景，若所述每一人工智能体行为不为空，执行所述场景仿真步骤；
场景仿真步骤：在所述第一事件场景中对所述每一人工智能体行为进行虚拟仿真，得到所述每一人工智能体行为后的第二事件场景；
计算风险大小步骤：对所述所有人工智能体行为中每一人工智能体行为，计算所述每一人工智能体行为后的第二事件场景的人工智能伦理风险大小；
行为选取步骤：选取最小所述风险大小对应的所述每一人工智能体行为；将最小的所述风险大小，作为所述每一人工智能算法对应的人工智能伦理风险大小；
行为成本计算步骤：若最小的所述风险大小对应的所述每一人工智能体行为有一个，则将最小的所述风险大小对应的所述每一人工智能体行为作为所述每一人工智能算法对应的优选人工智能体行为，并将所述每一人工智能体行为的行为成本作为所述每一人工智能算法对应的行为成本；若最小的所述风险大小对应的所述每一人工智能体行为有多个，则对所述多个人工智能体行为中每一人工智能体行为，计算所述每一人工智能体行为的行为成本，将最小的所述行为成本作为所述每一人工智能算法对应的行为成本，选取最小的所述行为成本对应的所述每一人工智能体行为，作为所述每一人工智能算法对应的优选人工智能体行为；
算法伦理风险获取步骤：将所述每一人工智能算法对应的优选的人工智能体行为后的所述第二事件场景的人工智能伦理风险的大小作为所述每一人工智能算法对应的人工智能伦理风险大小；
优选度计算步骤：根据所述每一人工智能算法对应的人工智能伦理风险大小、人工智能体行为成本，计算所述每一人工智能算法对应的优选度。


3.根据权利要求1所述的人工智能方法，其特征在于，所述算法改进步骤具体包括：
用户输入算法步骤：获取用户输入基于所述第一人工智能算法改进得到的至少一个人工智能算法；
或
相似算法获取步骤：通过深度学习模型选择基于所述第一人工智能算法改进得到的至少一个人工智能算法；
或
算法生成步骤：通过深度学习模型生成基于所述第一人工智能算法改进得到的至少一个人工智能算法；
所述相似算法获取步骤具体包括：获取人工智能算法集合；初始化深度学习模型作为算法选择深度学习模型；所述算法选择深度学习模型的输入类型设置为人工智能算法，输出类型设置为人工智能算法集合中与所述人工智能算法最相似的K个人工智能算法(K≥1)；获取样本集中的人工智能算法，作为输入对所述算法选择深度学习模型进行无监督训练；获取样本集中的人工智能算法、人工智能算法集合中与所述人工智能算法最相似的K个人工智能算法，作为所述算法选择深度学习模型的输入和预期输出，对所述算法选择深度学习模型进行有监督训练；获取测试集中的人工智能算法、人工智能算法集合中与所述人工智能算法最相似的K个人工智能算法，作为所述算法选择深度学习模型的输入和预期输出，对所述算法选择深度学习模型进行测试；将所述第一人工智能算法输入所述算法选择深度学习模型，计算得到的输出作为基于所述第一人工智能算法改进得到的至少一个人工智能算法；
所述算法生成步骤具体包括：初始化深度学习模型作为算法生成深度学习模型；所述算法生成深度学习模型的输入类型设置为人工智能算法，输出类型设置为基于所述人工智能算法改进得到的至少一个人工智能算法；获取样本集中的人工智能算法，作为输入对所述算法生成深度学习模型进行无监督训练；获取样本集中的人工智能算法、基于所述人工智能算法改进得到的至少一个人工智能算法，作为所述算法生成深度学习模型的输入和预期输出，对所述算法生成深度学习模型进行有监督训练；获取测试集中的人工智能算法、基于所述人工智能算法改进得到的至少一个人工智能算法，作为所述算法生成深度学习模型的输入和预期输出，对所述算法生成深度学习模型进行测试；将所述第一事件场景输入所述算法生成深度学习模型，计算得到的输出作为基于所述第一人工智能算法改进得到的至少一个人工智能算法。


4.根据权利要求2所述的人工智能方法，其特征在于，所述行为获取步骤具体包括：
输入行为步骤：获取用户输入的在所述第一事件场景中所述每一人工智能算法下符所述第一人工智能伦理规则的所有人工智能体行为；或
生成行为步骤：通过深度学习模型生成在所述第一事件场景中所述每一人工智能算法下符合所述第一人工智能伦理规则的所有人工智能体行为；
所述生成行为步骤具体包括：初始化深度学习模...

【专利技术属性】
技术研发人员：朱定局，
申请(专利权)人：华南师范大学，
类型：发明
国别省市：广东;44