人工智能反馈方法及人工智能反馈系统技术方案

一种人工智能反馈方法，包括以下步骤：向脚本提取器和执行器提供输入1和输入2；由脚本提取器和执行器向AI提供初始条件；人工智能从初始条件生成二维信息表；将流行频率值或排名值通过人工智能与脚本提取器和执行器之间的交互添加到二维信息表的相应坐标并匹配知识；人工智能从二维信息表生成二维伪线性变换表；人工智能多次执行伪线性变换以形成二维唯一特征表，并导出关于特征向量没有改变的坐标的信息作为深度真值。信息作为深度真值。信息作为深度真值。

【技术实现步骤摘要】
【国外来华专利技术】人工智能反馈方法及人工智能反馈系统


[0001]本专利技术涉及一种人工智能(AI)反馈方法及AI反馈系统。

技术介绍

[0002]基于累积模式或用于实现累积模式的方法，相关技术的AI的学习方法具有许多步骤并且需要很长时间。
[0003]相关技术的AI的学习方法是如下的一种方法，其中应该有从外部单方面注入的数据以供AI构建和识别知识，从而找到新的平衡点。
[0004]由于相关技术的AI的学习方法接收大量的信息并且依赖于通过信息进行的回归分析和分类，因此存在随着学习步骤的进行而需要指数级的大量计算和很长时间的问题。

技术实现思路

[0005]技术问题
[0006]示例性实施例提供一种高效地实现用于学习的直观反馈的人工智能(AI)反馈方法及AI反馈系统。
[0007]技术方案
[0008]本专利技术的示例性实施例提供一种人工智能(AI)反馈方法，其中，每个步骤由实现为计算设备的AI反馈系统执行，所述人工智能(AI)反馈方法包括：向脚本提取器和执行器提供包括用于学习的基础资料的输入1和包括用于学习的核心内容的输入2；由脚本提取器和执行器从输入1向AI提供与输入2相关的信息的流行频率值或排名值的初始条件；由AI生成以基于从初始条件导出的流行频率值或排名值的关键词和关键信息作为两个轴的矩阵形式的二维(2D)信息表；根据AI与脚本提取器和执行器之间的交互，将流行频率值或排名值添加到2D信息表的相应坐标，并将由AI获得的知识匹配到相应坐标；由AI生成2D伪线性变换表，在该2D伪线性变换表中2D信息表的排名值被数字化并且每个坐标从2D信息表中随机开启(on)或关闭(off)，该2D伪线性变换表具有与2D信息表相同的面积；以及由AI对2D信息表多次执行对2D伪线性变换表进行计算的伪线性变换以形成2D唯一特征表，在该2D唯一特征表中每个坐标具有特征向量，并且导出2D唯一特征表的坐标中特征向量没有改变的坐标的信息作为深度真值(deep truth value)。
[0009]输入1可以包括多个图片文件，并且输入2可以包括轮廓的强度。
[0010]输入1可以包括多个文档文件，并且输入2可以包括设定词。
[0011]本专利技术的另一示例性实施例提供一种人工智能(AI)反馈系统，包括：脚本提取器和执行器，所述脚本提取器和执行器接收包括用于学习的基础资料的输入1和包括用于学习的核心内容的输入2，并从输入1生成与输入2相关的信息的流行频率值或排名值的初始条件；AI，所述AI连接到脚本提取器和执行器，生成以基于从初始条件导出的流行频率值或排名值的关键词和关键信息作为两个轴的矩阵形式的二维(2D)信息表，将流行频率值或排名值添加到2D信息表的相应坐标，并将由AI获得的知识匹配到相应坐标；以及输出单元，所
述输出单元与AI连接并输出由AI从2D信息表导出的深度真值。
[0012]AI可以生成2D伪线性变换表，在2D伪线性变换表中2D信息表的排名值被数字化并且每个坐标从2D信息表中随机地开启(on)或关闭(off)，2D伪线性变换表具有与2D信息表相同的面积，AI可以对2D信息表多次执行对2D伪线性变换表进行计算的伪线性变换以形成2D唯一特征表，在该2D唯一特征表中每个坐标具有特征向量，并且AI可以导出2D唯一特征表的坐标中特征向量没有改变的坐标的信息作为深度真值。
[0013]有益效果
[0014]根据示例性实施例，提供高效地执行用于学习的直观反馈的人工智能(AI)反馈方法及AI反馈系统。
附图说明
[0015]图1是示出根据示例性实施例的人工智能(AI)反馈方法的流程图。
[0016]图2至图5是示出根据示例性实施例的AI反馈方法的图。
[0017]图6是示出根据另一示例性实施例的AI反馈系统的图。
[0018]图7和图8是示出根据另一示例性实施例的AI反馈系统的图。
[0019]图9是示出使用AI反馈方法和AI系统通过图片进行训练的图像。
[0020]图10是示出使用AI反馈方法和AI系统通过文档进行训练的图像。
具体实施方式
[0021]在下文中，将参考附图详细描述本专利技术的示例性实施例，以使本领域技术人员能够实践本专利技术。本专利技术可以以各种不同的形式实施并且不限于如本文所述的示例。
[0022]此外，除非明确地相反描述，否则词语“包括”以及变型(例如“包含”)将被理解为暗示包含所述的元件但不排除任何其他元件。
[0023]在下文中，将参考图1至图5描述根据示例性实施例的人工智能(AI)反馈方法。
[0024]图1是示出根据示例性实施例的AI反馈方法的流程图。图2至图5是示出根据示例性实施例的AI反馈方法的图。
[0025]首先，参照图1和图2，输入1和输入2被提供给脚本提取器和执行器(S100)。
[0026]具体地，参照图2的
①
和
②
，包括用于AI学习的基础资料的输入1和包括用于学习的核心内容的输入2被提供给脚本提取器和执行器。作为示例，输入1可以包括多个图片文件，并且输入2可以包括轮廓的强度，但不限于此。作为另一示例，输入1可以包括多个文档文件，并且输入2可以包括设定词，但不限于此。
[0027]这是展示输入1和输入2的步骤，其中准备识别智能需要学习或被训练的材料。其包括用于AI学习的基础资料，并且输入1可以主要是文档文件(文本信息，例如pdf和txt文件等)和图片文件(图片信息，例如jpg和png文件等)，并且输入2主要是AI需要学习的关键词或关键内容。例如，如果输入1是文档文件，则输入2可以是关键主题词，并且如果输入1是图片文件，则输入2可以是对比度等级或图片的轮廓。
[0028]接下来，脚本提取器和执行器从输入1向AI提供与输入2相关的信息的流行频率值或排名值的初始条件(S200)。
[0029]具体地，参照图2的
③
，脚本提取器和执行器从输入1向AI提供与输入2相关的信息
的流行频率值或排名值的初始条件。
[0030]脚本提取器和执行器可以包括用于提取和执行脚本的程序，例如Perl脚本、java或语言脚本分析器。脚本提取器和执行器基于初始学习材料中的输入2的内容，为识别智能提供与关键主题词或关键内容相关的信息的流行频率值或排名值的初始条件。
[0031]接下来，AI生成以基于从初始条件导出的流行频率值或排名值的关键词和关键信息作为两个轴的矩阵形式的二维(2D)信息表(S300)。
[0032]具体地，参照图2的
③
和
④
，AI生成以基于从脚本提取器和执行器提供的初始条件导出的流行频率值或排名值的关键词和关键信息作为两个轴的矩阵形式的2D信息表A。
[0033]AI准备生成具有关于初始流行频率值或排名值的信息的初始2D信息表A。识别智能基于初始流行频率值或排名值，具有在文档文件或图片文件中找到的关键主题词和关键内容本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.一种人工智能反馈方法，即AI反馈方法，所述AI反馈方法中的每个步骤由实现为计算设备的AI反馈系统执行，所述AI反馈方法包括：向脚本提取器和执行器提供包括用于学习的基础资料的输入1和包括用于学习的核心内容的输入2；由所述脚本提取器和执行器从所述输入1向AI提供与所述输入2相关的信息的流行频率值或排名值的初始条件；由所述AI生成以基于从所述初始条件导出的所述流行频率值或所述排名值的关键词和关键信息作为两个轴的矩阵形式的二维信息表，即2D信息表；根据所述AI与所述脚本提取器和执行器之间的交互，将所述流行频率值或所述排名值添加到所述2D信息表的相应坐标，并将由所述AI获得的知识匹配到所述相应坐标；由所述AI生成2D伪线性变换表，在所述2D伪线性变换表中所述2D信息表的所述排名值被数字化并且每个坐标从所述2D信息表中随机开启或关闭，所述2D伪线性变换表具有与所述2D信息表相同的面积；以及由所述AI对所述2D信息表多次执行对所述2D伪线性变换表进行计算的伪线性变换，以形成每个坐标都具有特征向量的2D唯一特征表，并且导出所述2D唯一特征表的坐标中特征向量没有改变的坐标的信息作为深度真值。2.根据权利要求1所述的AI反馈方法，其中：输入1包括多个图片文件，并且输入2包括轮廓的强度。3.根据权利要求1所述的AI反馈方法，其中...

【专利技术属性】
技术研发人员：李承燦，
申请(专利权)人：韩国水力原子力株，
类型：发明
国别省市：