一种业务实现方法、装置和存储介质制造方法及图纸

本发明专利技术公开了一种业务实现方法、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。用。用。

【技术实现步骤摘要】
一种业务实现方法、装置和存储介质


[0001]本专利技术涉及人工智能
，尤其涉及一种业务实现方法、装置和存储介质。

技术介绍

[0002]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

[0003]有鉴于此，本专利技术的主要目的在于提供一种业务实现方法、装置和存储介质。
[0004]为达到上述目的，本专利技术的技术方案是这样实现的：
[0005]本专利技术实施例提供了一种业务实现方法，所述方法包括：
[0006]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；
[0007]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；
[0008]根据所述目标AI原子化能力集合，构建端到端AI业务应用。
[0009]上述方案中，所述方法还包括：
[0010]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；
[0011]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。
[0012]上述方案中，对所述AI能力进行重构，包括以下至少之一：
[0013]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；
[0014]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。
[0015]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：
[0016]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；
[0017]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。
[0018]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：
[0019]确定业务数据的采集端和业务数据处理结果的接收端；
[0020]确定所述采集端到所述接收端的数据流网络传输路径；
[0021]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；
[0022]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。
[0023]上述方案中，所述方法还包括：
[0024]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。
[0025]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：
[0026]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；
[0027]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。
[0028]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：
[0029]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。
[0030]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：
[0031]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：
[0032]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；
[0033]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。
[0034]本专利技术实施例还提供了一种业务实现装置，所述装置包括：
[0035]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；
[0036]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；
[0037]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。
[0038]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；
[0039]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。
[0040]上述方案中，所述构建模块，用于执行以下至少之一：
[0041]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；
[0042]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。
[0043]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；
[0044]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。
[0045]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；
[0046]确定所述采集端到所述接收端的数据流网络传输路径；
[0047]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；
[0048]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。
[0049]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原本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种业务实现方法，其特征在于，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人工智能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。2.根据权利要求1所述的方法，其特征在于，所述方法还包括：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；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。3.根据权利要求2所述的方法，其特征在于，对所述AI能力进行重构，包括以下至少之一：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；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。4.根据权利要求1所述的方法，其特征在于，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：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；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。5.根据权利要求1所述的方法，其特征在于，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：确定业务数据的采集端和业务数据处理结果的接收端；确定所述采集端到所述接收端的数据流网络传输路径；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；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。6.根...

【专利技术属性】
技术研发人员：冯俊兰，任智杰，邓超，袁向阳，金镝，张世磊，
申请(专利权)人：中国移动通信集团有限公司，
类型：发明
国别省市：