TWI533241B - 一種實現人工智能的方法、服務器和設備 - Google Patents

一種實現人工智能的方法、服務器和設備 Download PDF

Info

Publication number
TWI533241B
TWI533241B TW103133571A TW103133571A TWI533241B TW I533241 B TWI533241 B TW I533241B TW 103133571 A TW103133571 A TW 103133571A TW 103133571 A TW103133571 A TW 103133571A TW I533241 B TWI533241 B TW I533241B
Authority
TW
Taiwan
Prior art keywords
parameter
environment attribute
logic
artificial intelligence
coping
Prior art date
Application number
TW103133571A
Other languages
English (en)
Other versions
TW201514870A (zh
Inventor
郭康平
Original Assignee
騰訊科技（深圳）有限公司
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 騰訊科技（深圳）有限公司 filed Critical 騰訊科技（深圳）有限公司
Publication of TW201514870A publication Critical patent/TW201514870A/zh
Application granted granted Critical
Publication of TWI533241B publication Critical patent/TWI533241B/zh

Links

Classifications

    • A—HUMAN NECESSITIES
    • A63—SPORTS; GAMES; AMUSEMENTS
    • A63F—CARD, BOARD, OR ROULETTE GAMES; INDOOR GAMES USING SMALL MOVING PLAYING BODIES; VIDEO GAMES; GAMES NOT OTHERWISE PROVIDED FOR
    • A63F13/00—Video games, i.e. games using an electronically generated display having two or more dimensions
    • A63F13/55—Controlling game characters or game objects based on the game progress
    • A—HUMAN NECESSITIES
    • A63—SPORTS; GAMES; AMUSEMENTS
    • A63F—CARD, BOARD, OR ROULETTE GAMES; INDOOR GAMES USING SMALL MOVING PLAYING BODIES; VIDEO GAMES; GAMES NOT OTHERWISE PROVIDED FOR
    • A63F13/00—Video games, i.e. games using an electronically generated display having two or more dimensions
    • A63F13/60—Generating or modifying game content before or while executing the game program, e.g. authoring tools specially adapted for game development or game-integrated level editor
    • A63F13/67—Generating or modifying game content before or while executing the game program, e.g. authoring tools specially adapted for game development or game-integrated level editor adaptively or by learning from player actions, e.g. skill level adjustment or by storing successful combat sequences for re-use
    • A—HUMAN NECESSITIES
    • A63—SPORTS; GAMES; AMUSEMENTS
    • A63F—CARD, BOARD, OR ROULETTE GAMES; INDOOR GAMES USING SMALL MOVING PLAYING BODIES; VIDEO GAMES; GAMES NOT OTHERWISE PROVIDED FOR
    • A63F13/00—Video games, i.e. games using an electronically generated display having two or more dimensions
    • A63F13/70—Game security or game management aspects
    • A63F13/79—Game security or game management aspects involving player-related data, e.g. identities, accounts, preferences or play histories

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Business, Economics & Management (AREA)
  • Computer Security & Cryptography (AREA)
  • General Business, Economics & Management (AREA)
  • Human Computer Interaction (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Stored Programmes (AREA)
  • Telephonic Communication Services (AREA)

Description

一種實現人工智能的方法、服務器和設備
本發明涉及處理器演算技術領域，特別涉及一種實現人工智能的方法、服務器和設備。
人工智能在處理器演算上實現，有不同的方式。其中一種是採用傳統的編程技術，使系統呈現智能的效果，而不考慮所用方法是否與人或動物機體所用的方法相同。這種方法叫工程學方法(Engineering approach)，它已在一些領域內作出了成果，如文字識別、電腦下棋等。
本申請文件所稱的處理器是指廣義上的處理器，是一種用於高速演算的電子運算處理器，可以進行數值計算，又可以進行邏輯判斷，還具有存儲記憶功能。並不特指個人電腦(Personal Computer，PC)。
採用工程學方法實現人工智能，需要人工詳細規定程序邏輯，如果環境參數簡單，一般較為方便。如果環境參數複雜，人工智能控制數量和空間增加，相應的邏輯就會很複雜(按指數式增長)，人工編程就非常繁瑣，也容易出錯。而一旦出錯，就必須修改原程序，重新編譯、調試，最後為用戶提供一個新的版本或提供一個新更新檔，非常麻煩。
基於以上分析，採用工程學方法實現人工智能存在邏輯複雜，人工實現繁瑣容易出錯的問題，因此人工的工作量太大。
本發明之一目的在提供一種實現人工智能的方法、服務器和設備，用於減少人工的工作量。
一種實現人工智能的方法，包括：從人工智能的應用設備搜集控制參數，所述控制參數包括：環境屬性參數，與所述環境屬性參數對應的應對邏輯參數以及應對結果；依據所述控制參數以及預定的判斷規則，確定與所述環境屬性參數對應的應對邏輯參數中有效的應對邏輯參數；將所述環境屬性參數以及確定為有效的應對邏輯參數傳輸給人工智能的應用設備。
一種實現人工智能的方法，包括：獲取人工智能的被控對象運行過程中的控制參數，所述控制參數包括：環境屬性參數，與所述環境屬性參數對應的應對邏輯參數以及應對結果；向服務器發送所述控制參數，接收並存儲服務器傳輸的所述環境屬性參數以及確定為有效的應對邏輯參數；獲取當前的環境屬性參數，確定與當前的環境屬性參數對應的有效的應對邏輯參數，使用所述有效的應對邏輯參數控制人工智能的被控對象。
一種服務器，包括：一參數搜集單元，用於從人工智能的應用設備搜集控制參數，所述控制參數包括：環境屬性參數，與所述環境屬性參數對應的應對邏輯參數以及應對結果；一有效性確定單元，用於依據所述參數搜集單元搜 集的所述控制參數以及預定的判斷規則，確定與所述環境屬性參數對應的應對邏輯參數中有效的應對邏輯參數；一發送單元，用於將所述環境屬性參數以及所述有效性確定單元確定為有效的應對邏輯參數傳輸給人工智能的應用設備。
一種實現人工智能的設備，包括：一參數獲取單元，用於獲取人工智能的被控對象運行過程中的控制參數，所述控制參數包括：環境屬性參數，與所述環境屬性參數對應的應對邏輯參數以及應對結果；獲取當前的環境屬性參數；一發送單元，用於向服務器發送所述參數獲取單元獲取的控制參數；一參數接收單元，用於接收並存儲服務器傳輸的所述環境屬性參數以及確定為有效的應對邏輯參數；一邏輯確定單元，用於確定與當前的環境屬性參數對應的有效的應對邏輯參數；一控制單元，用於使用所述邏輯確定單元確定的有效的應對邏輯參數控制人工智能的被控對象。
從以上技術方案可以看出，本發明實施例具有以下優點：通過從人工智能的應用設備蒐集控制參數，並對控制參數進行篩選，從而確定出有效的應對邏輯參數。實現人工智能的受控對象向用戶學習，進而使人工智能的受控對象表現出智能的特性。該方案，不需要人工詳細規定並編寫大量的程序邏輯，減少人工的工作量。
401‧‧‧參數蒐集單元
402‧‧‧有效性確定單元
403‧‧‧發送單元
501‧‧‧優先級確定單元
601‧‧‧參數獲取單元
602‧‧‧發送單元
603‧‧‧參數接收單元
604‧‧‧邏輯確定單元
605‧‧‧控制單元
710‧‧‧RF電路
720‧‧‧存儲器
730‧‧‧輸入單元
731‧‧‧觸控面板
732‧‧‧其它輸入設備
740‧‧‧顯示單元
741‧‧‧顯示面版
750‧‧‧傳感器
760‧‧‧音頻電路
761‧‧‧揚聲器
762‧‧‧傳聲器
770‧‧‧WiFi模塊
780‧‧‧處理器
790‧‧‧電源
801‧‧‧接收器
802‧‧‧發射器
803‧‧‧存儲器
804‧‧‧處理器
901‧‧‧接收器
902‧‧‧發射器
903‧‧‧存儲器
904‧‧‧處理器
為了更清楚地說明本發明實施例中的技術方案，下面將對實施例描述中所需要使用的附圖作簡要介紹，顯而易見地，下面描述中的附圖僅僅是本發明的一些實施例，對於所 屬之技術領域具有通常知識者而言，在不付出過多組合的創造性或實驗性的前提下，還可以根據這些附圖獲得其他的附圖。
圖1為本發明實施例方法流程示意圖；圖2為本發明實施例方法流程示意圖；圖3為本發明實施例方法流程示意圖；圖4為本發明實施例服務器結構示意圖；圖5為本發明實施例服務器結構示意圖；圖6為本發明實施例設備結構示意圖；圖7為本發明實施例終端結構示意圖；圖8為本發明實施例服務器結構示意圖；及圖9為本發明實施例終端結構示意圖。
為了使本發明的目的、技術方案和優點更加清楚，下面將結合附圖對本發明作進一步地詳細描述，顯然，所描述的實施例僅僅是本發明一部份實施例，而不是全部的實施例。基於本發明中的實施例，對於所屬之技術領域具有通常知識者而言，在不付出過多組合的創造性或實驗性的前提下所獲得的所有其它實施例，都屬於本發明保護的範圍。
人工智能在處理器上實現，另一種方法是模擬法(Modeling approach)，它不僅要看效果，還要求實現方法也和人類或生物機體所用的方法相同或相類似。遺傳算法(Generic Algorithm，簡稱GA)和人工神經網絡(Artificial Neural Network，ANN)均屬後一類型。遺傳算法模擬人類或生物的遺傳/進化機制，人工神經網絡則是模擬人類或動物大 腦中神經細胞的活動方式。
採用後模擬法時，編程者要為每一角色設計一個智能系統(一個模塊)來進行控制，這個智能係統(模塊)開始什麼也不懂，就像初生嬰兒般，但它能夠學習，能漸漸地適應環境，應付各種複雜情況。這種系統開始也常犯錯誤，但它能吸取教訓，下一次運行時就可能改正，至少不會永遠錯下去，用不到發布新版本或提供更新檔。利用這種方法來實現人工智能，要求編程者具有生物學的思考方法，入門難度大一點。但一旦入了門，就可得到廣泛應用。由於這種方法編程時無須對角色的活動規律做詳細規定，應用於復雜問題，通常會比前一種方法更省力。但是以上方案，要求編程者具有生物學的思考方法，入門難度大，並且需要人工智能的應用設備不停的失敗，讓後從失敗中學習，週期會非常長。
本發明實施例提供了一種實現人工智能的方法，也能實現設備學習的效果，本實施例的實現在服務器側實現，如圖1所示，包括：101：從人工智能的應用設備蒐集控制參數，上述控制參數包括：環境屬性參數，與上述環境屬性參數對應的應對邏輯參數以及應對結果；上述人工智能的應用設備是指人工智能被控對象所在的設備，一般來說可以是終端設備。
本發明實施例還提供了環境屬性參數的可選實現方式，如下：上述環境屬性參數的類型包括：預定義的不變環境屬性參數，以及預定義的可變環境屬性參數。
通過預定義的方式確定哪些環境屬性參數會對應對結果產生影響，這樣可以將環境屬性參數確定在一個合 理的範圍內，從而縮小環境屬性參數的類型，進而達到設備性能與結論的合理匹配。不變環境屬性參數包括：背景、地形等，屬於相對來說不易改變的環境屬性參數、可變環境參數包括：距離、對像操作等，屬於相對來說隨時可能發生變化的環境屬性參數。如表1和表2所示：
進一步地，上述預定義的不變環境屬性參數，以 及預定義的可變環境屬性參數包括：上述人工智能的應用設備中被控對象設定範圍內，預定義的不變環境屬性參數，以及，上述人工智能的應用設備中被控對象設定範圍內，預定義的可變環境屬性參數。
由於環境屬性參數的範圍可能非常廣泛，例如：一個巨大的地圖，或者一個較小地圖內的環境屬性參數的數據量將會完全不同，但是對於人工智能的被控對象而言，並不是所有的環境參數都會對人工智能的被控對象造成影響，這是符合現實生活的。類似地：一公里以外的喧囂不會對人產生影響，一千公里以外的颶風不會對人產生影響。因此，為了使本發明實施例方案適用於巨大的應用地圖或環境時減少環境屬性參數來匹配終端的硬件資源，可以將環境屬性參數的範圍設定在一個合適的範圍內。具體什麼範圍合適，本領域技術人員可以依據硬件資源的性能，以及環境屬性參數對人工智能的被控對象的影響程度來進行設定，本發明實施例對此不予限定。另需說明的是，對於地圖本身並不大的應用環境而言，是可以不必進一步來限制環境屬性參數的範圍的，因此以上設定範圍的實現方式不是本發明實施例實現所必不可少的。
102：依據上述控制參數以及預定的判斷規則，確定與上述環境屬性參數對應的應對邏輯參數中有效的應對邏輯參數；由於應對邏輯參數是從人工智能的應用設備蒐集的，這些應對邏輯參數對應的應對方式，並不一定是有效的，有時候甚至是完全無效甚至有害的應對方式，必須予以去除。後續實施例將會給出如何去除的舉例說明。
103：將上述環境屬性參數以及確定為有效的應對邏輯參數傳輸給人工智能的應用設備。
以上方案，通過從人工智能的應用設備蒐集控制參數，並對控制參數進行篩選，從而確定出有效的應對邏輯參數。實現人工智能的受控對象向用戶學習，進而使人工智能的受控對象表現出智能的特性。該方案，不需要人工詳細規定並編寫大量的程序邏輯，減少人工的工作量。
進一步地，若存在兩個或兩個以上的有效的應對邏輯參數與上述環境屬性參數對應，上述方法還包括：基於統計結論確定各有效的應對邏輯參數的優先級，並將各有效的應對邏輯參數的優先級傳輸給人工智能的應用設備。
可以理解的是，統計結論可以體現出各應對邏輯參數對應的應對結果。可以理解的是，統計結論中一個應對邏輯參數可能會對應多種的應對結果，如果應對結果不是唯一的，那麼將會得出各應對結果出現的機率，也即是說：在一個確定的環境下，採用該應對邏輯參數對應的應對方式將有多大機率出現某一應對結果。那麼，各種應對邏輯將會對應有各自的應對結果集，並且應對結果集中各應對結果還有各自出現的機率。那麼，本領域技術人員可以理解的是，可以依據應對結果及其出現的機率，以有利原則來對各應對邏輯進行排序，這樣就得到了各應對邏輯參數的優先級。
本發明實施例還提供了另一種實現人工智能的方法，本實施例方法在終端側實現，如圖2所示，包括：201：獲取人工智能的被控對象運行過程中的控制參數，上述控制參數包括：環境屬性參數，與上述環境屬性參數對應的應對邏輯參數以及應對結果； 上述人工智能的應用設備是指人工智能被控對象所在的設備，一般來說可以是終端設備。
本發明實施例還提供了環境屬性參數的可選實現方式，如下：上述環境屬性參數的類型包括：預定義的不變環境屬性參數，以及預定義的可變環境屬性參數。
藉由預定義的方式確定哪些環境屬性參數會對應對結果產生影響，這樣可以將環境屬性參數確定在一個合理的範圍內，從而縮小環境屬性參數的類型，進而達到設備性能與結論的合理匹配。不變環境屬性參數包括：背景、地形等，屬於相對來說不易改變的環境屬性參數、可變環境參數包括：距離、對像操作等，屬於相對來說隨時可能發生變化的環境屬性參數。
進一步地，上述預定義的不變環境屬性參數，以及預定義的可變環境屬性參數包括：上述人工智能的應用設備中被控對象設定範圍內，預定義的不變環境屬性參數，以及，上述人工智能的應用設備中被控對象設定範圍內，預定義的可變環境屬性參數。
由於環境屬性參數的範圍可能非常廣泛，例如：一個巨大的地圖，或者一個較小地圖內的環境屬性參數的數據量將會完全不同，但是對於人工智能的被控對象而言，並不是所有的環境參數都會對人工智能的被控對象造成影響，這是符合現實生活的。類似地：一公里以外的喧囂不會對人產生影響，一千公里以外的颶風不會對人產生影響。因此，為了使本發明實施例方案適用於巨大的應用地圖或環境時減少環境屬性參數來匹配終端的硬件資源，可以將環境屬性參數的範圍設定在一個合適的範圍內。具體什麼範圍合適，本 領域技術人員可以依據硬件資源的性能，以及環境屬性參數對人工智能的被控對象的影響程度來進行設定，本發明實施例對此不予限定。另需說明的是，對於地圖本身並不大的應用環境而言，是可以不必進一步來限制環境屬性參數的範圍的，因此以上設定範圍的實現方式不是本發明實施例實現所必不可少的。
202：向服務器發送上述控制參數，接收並存儲服務器傳輸的上述環境屬性參數以及確定為有效的應對邏輯參數；由於應對邏輯參數是從人工智能的應用設備蒐集的，這些應對邏輯參數對應的應對方式，並不一定是有效的，有時候甚至是完全無效甚至有害的應對方式，必須予以去除。後續實施例將會給出如何去除的舉例說明。
203：獲取當前的環境屬性參數，確定與當前的環境屬性參數對應的有效的應對邏輯參數，使用上述有效的應對邏輯參數控制人工智能的被控對象。
以上方案，通過從人工智能的應用設備蒐集控制參數，並對控制參數進行篩選，從而確定出有效的應對邏輯參數。實現人工智能的受控對象向用戶學習，進而使人工智能的受控對象表現出智能的特性。該方案，不需要人工詳細規定並編寫大量的程序邏輯，減少人工的工作量。
進一步地，上述方法，還包括：接收各有效的應對邏輯參數的優先級；可以理解的是，各有效的應對邏輯參數的優先級可以由服務台基於統計結論得出。統計結論可以體現出各應對邏輯參數對應的應對結果。可以理解的是，統計結論中一 個應對邏輯參數可能會對應多種的應對結果，如果應對結果不是唯一的，那麼將會得出各應對結果出現的機率，也就是說：在一個確定的環境下，採用該應對邏輯參數對應的應對方式將有多大機率出現某一應對結果。那麼，各種應對邏輯將會對應有各自的應對結果集，並且應對結果集中各應對結果還有各自出現的機率。那麼，本領域技術人員可以理解的是，可以依據應對結果及其出現的機率，以有利原則來對各應對邏輯進行排序，這樣就得到了各應對邏輯參數的優先級。
那麼，步驟203中，使用上述有效的應對邏輯參數控制人工智能的被控對象包括：按照各有效的應對邏輯參數的優先級從上述有效的應對邏輯參數選擇應對邏輯參數，並使用選擇的應對邏輯參數控制人工智能的被控對象。
以下實施例，將給出人工智能在模擬程序中的應用來進行舉例說明。模擬程序中的模擬對象為格鬥人物。如何讓格鬥人物具有人的智能呢？目前一般採用的是：首先定義一套能夠描述當前模擬格鬥環境的屬性(比如雙方的距離、是否逆向、對方的動作類型、動作時間、攻擊距離、攻擊高度、雙方剩餘血量等)，然後使用腳本語言或是AI(Artificial Intelligence，人工智能)編輯器來製作NPC(Non-Player Character，非玩家角色)的人工智能。NPC先對環境進行判斷，然後做出相應的招式選擇。
以上方案，需要人為的編寫腳本語言或是用相關編輯器製作NPC人工智能的方法，這樣會導致程序的製作者工作量巨大，且新出一個被控對象就要編寫一次。這種方式難以枚舉大量的模擬程序環境情況，製作出的NPC存在對特 定模擬程序環境反應單一、很難連招、出招不智能、容易出現漏洞的缺點。因此，該方案實現人工智能的效果不好，並且工作量巨大。本發明實施例提供瞭如下方案，請參閱圖3所示，包括如下步驟：301：定義一組屬性來描述當前的模擬程序環境。
302：通過服務器來收集海量用戶的模擬程序的對局數據。
在本步驟中，服務器會記錄用戶在模擬程序中所出的招式，同時記錄出這招時的模擬程序環境屬性，並通過每局結束時的對局情況，對這一局收集的樣本數據進行打分。任意單局結束後，如果單局權重大於0，則記錄此局數據為有效樣本數據，單局權重計算公式如下式：
303：根據服務器端收集的大量單局模擬程序數據，生成NPC人工智能的決策數據表。
決策表的格式如表5所示。評估得分值越高，說明在相應的模擬程序環境中出這個動作的優勢越大：
304：在NPC人工智能的實際應用中，NPC根據當前模擬程序環境屬性，從步驟303生成的決策數據表中根據評估得分選擇一種對應的動作。
待選方案的概率=待選方案的評估/Σ所有方案的評估。
那麼，評估得分越高的方案動作，那麼該方案動作應為最優選的動作，被選取的概率就應該越大。
通過以上四個步驟，可以達到NPC向格鬥用戶學習的目的，NPC所做的動作，就是大部分格鬥用戶在相應的模擬程序環境下會做出的正確反應。通過這種方式製作NPC的人工智能，如果有新的受控對象加入，只需要服務器自動收集用戶的出招數據，統計出該受控對象的決策數據表即可，製作新受控對象的人工智能相當方便。因為收集的樣本量大，且對每個數據樣本進行了評估打分，這樣NPC選擇的動作就具有多樣性、智能性的特點。
以上實施例，通過在服務器端收集用戶的海量出招數據，並對這些出招數據進行評估打分，最終統計得到格 鬥NPC的人工智能決策數據表。從而實現NPC的人工智能，不再需要人工編寫大量的程序腳本，並且NPC可以向用戶學習正確的應對方式，實現NPC對環境反應的多樣性和智能性。
以上方案，僅以模擬程序中，NPC的人工智能為例進行說明。需要說明的是，只要是人工智能方案被應用於多個終端的場景下，都是可以實現的，以上應用場景的舉例不應理解為對本發明實施例的唯一限定。
本發明實施例還提供了一種服務器，如圖4所示，包括：參數蒐集單元401，用於從人工智能的應用設備蒐集控制參數，上述控制參數包括：環境屬性參數，與上述環境屬性參數對應的應對邏輯參數以及應對結果；有效性確定單元402，用於依據上述參數蒐集單元401蒐集的上述控制參數以及預定的判斷規則，確定與上述環境屬性參數對應的應對邏輯參數中有效的應對邏輯參數；發送單元403，用於將上述環境屬性參數以及上述有效性確定單元402確定為有效的應對邏輯參數傳輸給人工智能的應用設備。
以上方案，通過從人工智能的應用設備蒐集控制參數，並對控制參數進行篩選，從而確定出有效的應對邏輯參數。實現人工智能的受控對象向用戶學習，進而使人工智能的受控對象表現出智能的特性。該方案，不需要人工詳細規定並編寫大量的程序邏輯，減少人工的工作量。
進一步地，如圖5所示，上述服務器，還包括：優先級確定單元501，用於若上述有效性確定單 元402確定存在兩個或兩個以上的有效的應對邏輯參數與上述環境屬性參數對應，則基於統計結論確定各有效的應對邏輯參數的優先級；上述發送單元403，還用於將各有效的應對邏輯參數的優先級傳輸給人工智能的應用設備。
可以理解的是，統計結論可以體現出各應對邏輯參數對應的應對結果。可以理解的是，統計結論中一個應對邏輯參數可能會對應多種的應對結果，如果應對結果不是唯一的，那麼將會得出各應對結果出現的機率，也即是說：在一個確定的環境下，採用該應對邏輯參數對應的應對方式將有多大機率出現某一應對結果。那麼，各種應對邏輯將會對應有各自的應對結果集，並且應對結果集中各應對結果還有各自出現的機率。那麼，本領域技術人員可以理解的是，可以依據應對結果及其出現的機率，以有利原則來對各應對邏輯進行排序，這樣就得到了各應對邏輯參數的優先級。
可選地，上述參數蒐集單元401，用於蒐集預定義的不變環境屬性參數，以及預定義的可變環境屬性參數。
通過預定義的方式確定哪些環境屬性參數會對應對結果產生影響，這樣可以將環境屬性參數確定在一個合理的範圍內，從而縮小環境屬性參數的類型，進而達到設備性能與結論的合理匹配。不變環境屬性參數包括：背景、地形等，屬於相對來說不易改變的環境屬性參數、可變環境參數包括：距離、對像操作等，屬於相對來說隨時可能發生變化的環境屬性參數。
可選地，上述參數蒐集單元401，用於蒐集上述人工智能的應用設備中被控對象設定範圍內，預定義的不變 環境屬性參數，以及，上述人工智能的應用設備中被控對象設定範圍內，預定義的可變環境屬性參數。
由於環境屬性參數的範圍可能非常廣泛，例如：一個巨大的地圖，或者一個較小地圖內的環境屬性參數的數據量將會完全不同，但是對於人工智能的被控對象而言，並不是所有的環境參數都會對人工智能的被控對象造成影響，這是符合現實生活的。類似地：一公里以外的喧囂不會對人產生影響，一千公里以外的颶風不會對人產生影響。因此，為了使本發明實施例方案適用於巨大的應用地圖或環境時減少環境屬性參數來匹配終端的硬件資源，可以將環境屬性參數的範圍設定在一個合適的範圍內。具體什麼範圍合適，本領域技術人員可以依據硬件資源的性能，以及環境屬性參數對人工智能的被控對象的影響程度來進行設定，本發明實施例對此不予限定。另需說明的是，對於地圖本身並不大的應用環境而言，是可以不必進一步來限制環境屬性參數的範圍的，因此以上設定範圍的實現方式不是本發明實施例實現所必不可少的。
本發明實施例還提供了一種實現人工智能的設備，如圖6所示，包括：參數獲取單元601，用於獲取人工智能的被控對象運行過程中的控制參數，上述控制參數包括：環境屬性參數，與上述環境屬性參數對應的應對邏輯參數以及應對結果；獲取當前的環境屬性參數；發送單元602，用於向服務器發送上述參數獲取單元601獲取的控制參數；參數接收單元603，用於接收並存儲服務器傳輸 的上述環境屬性參數以及確定為有效的應對邏輯參數；邏輯確定單元604，用於確定與當前的環境屬性參數對應的有效的應對邏輯參數；控制單元605，用於使用上述邏輯確定單元604確定的有效的應對邏輯參數控制人工智能的被控對象。
以上方案，通過從人工智能的應用設備蒐集控制參數，並對控制參數進行篩選，從而確定出有效的應對邏輯參數。實現人工智能的受控對象向用戶學習，進而使人工智能的受控對象表現出智能的特性。該方案，不需要人工詳細規定並編寫大量的程序邏輯，減少人工的工作量。
進一步地，上述參數接收單元603，還用於接收各有效的應對邏輯參數的優先級；上述控制單元605，用於按照各有效的應對邏輯參數的優先級從上述有效的應對邏輯參數選擇應對邏輯參數，並使用選擇的應對邏輯參數控制人工智能的被控對象。
本發明實施例還提供了一種終端，如圖7所示，為了便於說明，僅示出了與本發明實施例相關的部分，具體技術細節未揭示的，請參照本發明實施例方法部分。該終端可以為包括手機、平板電腦、PDA(Personal Digital Assistant，個人數字助理)、POS(Point of Sales，銷售終端)、車載電腦等任意終端設備，以終端為手機為例：圖7示出的是與本發明實施例提供的終端相關的手機的部分結構的框圖。參考圖7，手機包括：射頻(Radio Frequency，RF)電路710、存儲器720、輸入單元730、顯示單元740、傳感器750、音頻電路760、無線保真(wireless fidelity，WiFi)模塊770、處理器780、以及電源790等部 件。本領域技術人員可以理解，圖7中示出的手機結構並不構成對手機的限定，可以包括比圖示更多或更少的部件，或者組合某些部件，或者不同的部件佈置。
下面結合圖7對手機的各個構成部件進行具體的介紹：RF電路710可用於收發信息或通話過程中，信號的接收和發送，特別地，將基站的下行信息接收後，給處理器780處理；另外，將設計上行的數據發送給基站。通常，RF電路包括但不限於天線、至少一個放大器、收發信機、耦合器、低噪聲放大器(Low Noise Amplifier，LNA)、雙工器等。此外，RF電路70還可以通過無線通信與網絡和其他設備通信。上述無線通信可以使用任一通信標准或協議，包括但不限於全球移動通訊系統(Global System of Mobile communication，GSM)、整合封包無線電服務(General Packet Radio Service，GPRS)、分碼多工(Code Division Multiple Access，CDMA)、寬頻多重分碼多工(Wideband Code Division Multiple Access,WCDMA)、長期演進(Long Term Evolution，LTE)、電子郵件、文字簡訊(Short Messaging Service，SMS)等。
存儲器720可用於存儲軟件程序以及模塊，處理器780通過運行存儲在存儲器720的軟件程序以及模塊，從而執行手機的各種功能應用以及數據處理。存儲器720可主要包括存儲程序區和存儲數據區，其中，存儲程序區可存儲操作系統、至少一個功能所需的應用程序(比如聲音播放功能、圖像播放功能等)等；存儲數據區可存儲根據手機的使用所創建的數據(比如音頻數據、電話本等)等。此外，存 儲器720可以包括高速隨機存取存儲器，還可以包括非易失性存儲器，例如至少一個磁盤存儲器件、閃存器件、或其他易失性固態存儲器件。
輸入單元730可用於接收輸入的數字或字符信息，以及產生與手機700的用戶設置以及功能控制有關的鍵信號輸入。具體地，輸入單元730可包括觸控面板731以及其它輸入設備732。觸控面板731，也稱為觸摸屏，可收集用戶在其上或附近的觸摸操作(比如用戶使用手指、觸筆等任何適合的物體或附件在觸控面板731上或在觸控面板731附近的操作)，並根據預先設定的程式驅動相應的連接裝置。可選的，觸控面板731可包括觸摸檢測裝置和蝕摸控制器兩個部分。其中，觸摸檢測裝置檢測用戶的觸摸方位，並檢測觸摸操作帶來的信號，將信號傳送給觸摸控制器；觸摸控制器從觸摸檢測裝置上接收觸摸信息，並將它轉換成觸點坐標，再送給處理器780，並能接收處理器780發來的命令並加以執行。此外，可以採用電阻式、電容式、紅外線以及表面聲波等多種類型實現觸控面板731。除了觸控面板731，輸入單元730還可以包括其它輸入設備732。具體地，其它輸入設備732可以包括但不限於物理鍵盤、功能鍵(比如音量控制按鍵、開關按鍵等)、軌跡球、鼠標、操作桿等中的一種或多種。
顯示單元740可用於顯示由用戶輸入的信息或提供給用戶的信息以及手機的各種選單。顯示單元740可包括顯示面板741，可選的，可以採用液晶顯示器(Liquid Crystal Display，LCD)、有機發光二極管(Organic Light-Emitting Diode,OLED)等形式來配置顯示面板741。進一步的，觸控面板731可覆蓋顯示面板741，當觸控面板731檢測到在其上 或附近的觸摸操作後，傳送給處理器780以確定觸摸事件的類型，隨後處理器780根據觸摸事件的類型在顯示面板741上提供相應的視覺輸出。雖然在圖7中，觸控面板731與顯示面板741是作為兩個獨立的部件來實現手機的輸入和輸入功能，但是在某些實施例中，可以將觸控面板731與顯示面板741集成而實現手機的輸入和輸出功能。
手機700還可包括至少一種傳感器750，比如光傳感器、運動傳感器以及其他傳感器。具體地，光傳感器可包括環境光傳感器及接近傳感器，其中，環境光傳感器可根據環境光線的明暗來調節顯示面板741的亮度，接近傳感器可在手機移動到耳邊時，關閉顯示面板741和/或背光。作為運動傳感器的一種，加速計傳感器可檢測各個方向上(一般為三軸)加速度的大小，靜止時可檢測出重力的大小及方向，可用於識別手機姿態的應用(比如橫豎屏切換、相關遊戲、磁力計姿態校準)、振動識別相關功能(比如計步器、敲擊)等；至於手機還可配置的陀螺儀、氣壓計、濕度計、溫度計、紅外線傳感器等其他傳感器，在此不再贅述。
音頻電路760、揚聲器761，傳聲器762可提供用戶與手機之間的音頻接口。音頻電路760可將接收到的音頻數據轉換後的電信號，傳輸到揚聲器761，由揚聲器761轉換為聲音信號輸出；另一方面，傳聲器762將收集的聲音信號轉換為電信號，由音頻電路760接收後轉換為音頻數據，再將音頻數據輸出處理器780處理後，經RF電路710以發送給比如另一手機，或者將音頻數據輸出至存儲器720以便進一步處理。
WiFi屬於短距離無線傳輸技術，手機通過WiFi 模塊770可以幫助用戶收發電子郵件、瀏覽網頁和訪問流式媒體等，它為用戶提供了無線的寬帶互聯網訪問。雖然圖7示出了WiFi模塊770，但是可以理解的是，其並不屬於手機700的必須構成，完全可以根據需要在不改變發明的本質的範圍內而省略。
處理器780是手機的控制中心，利用各種接口和線路連接整個手機的各個部分，通過運行或執行存儲在存儲器720內的軟件程序和/或模塊，以及調用存儲在存儲器720內的數據，執行手機的各種功能和處理數據，從而對手機進行整體監控。可選的，處理器780可包括一個或多個處理單元；優選的，處理器780可集成應用處理器和調製解調處理器，其中，應用處理器主要處理操作系統、用戶界面和應用程序等，調製解調處理器主要處理無線通信。可以理解的是，上述調製解調處理器也可以不集成到處理器780中。
手機700還包括給各個部件供電的電源790(比如電池)，優選的，電源可以通過電源管理系統與處理器780邏輯相連，從而通過電源管理系統實現管理充電、放電、以及功耗管理等功能。
儘管未示出，手機700還可以包括攝像頭、藍牙模塊等，在此不再贅述。
在本發明實施例中，該終端所包括的處理器780還具有以下功能：獲取人工智能的被控對象運行過程中的控制參數，上述控制參數包括：環境屬性參數，與上述環境屬性參數對應的應對邏輯參數以及應對結果；向服務器發送上述控制參數，接收並存儲服務器傳輸的上述環境屬性參數以及確 定為有效的應對邏輯參數；獲取當前的環境屬性參數，確定與當前的環境屬性參數對應的有效的應對邏輯參數，使用上述有效的應對邏輯參數控制人工智能的被控對象。
以上方案，通過從人工智能的應用設備蒐集控制參數，並對控制參數進行篩選，從而確定出有效的應對邏輯參數。實現人工智能的受控對象向用戶學習，進而使人工智能的受控對象表現出智能的特性。該方案，不需要人工詳細規定並編寫大量的程序邏輯，減少人工的工作量。
本發明實施例還提供了環境屬性參數的可選實現方式，如下：上述環境屬性參數的類型包括：預定義的不變環境屬性參數，以及預定義的可變環境屬性參數。
通過預定義的方式確定哪些環境屬性參數會對應對結果產生影響，這樣可以將環境屬性參數確定在一個合理的範圍內，從而縮小環境屬性參數的類型，進而達到設備性能與結論的合理匹配。不變環境屬性參數包括：背景、地形等，屬於相對來說不易改變的環境屬性參數、可變環境參數包括：距離、對像操作等，屬於相對來說隨時可能發生變化的環境屬性參數。
進一步地，上述預定義的不變環境屬性參數，以及預定義的可變環境屬性參數包括：上述人工智能的應用設備中被控對象設定範圍內，預定義的不變環境屬性參數，以及，上述人工智能的應用設備中被控對象設定範圍內，預定義的可變環境屬性參數。
由於環境屬性參數的範圍可能非常廣泛，例如：一個巨大的地圖，或者一個較小地圖內的環境屬性參數的數據量將會完全不同，但是對於人工智能的被控對象而言，並 不是所有的環境參數都會對人工智能的被控對象造成影響，這是符合現實生活的。類似地：一公里以外的喧囂不會對人產生影響，一千公里以外的颶風不會對人產生影響。因此，為了使本發明實施例方案適用於巨大的應用地圖或環境時減少環境屬性參數來匹配終端的硬件資源，可以將環境屬性參數的範圍設定在一個合適的範圍內。具體什麼範圍合適，本領域技術人員可以依據硬件資源的性能，以及環境屬性參數對人工智能的被控對象的影響程度來進行設定，本發明實施例對此不予限定。另需說明的是，對於地圖本身並不大的應用環境而言，是可以不必進一步來限制環境屬性參數的範圍的，因此以上設定範圍的實現方式不是本發明實施例實現所必不可少的。
進一步地，上述處理器780，還用於接收各有效的應對邏輯參數的優先級；按照各有效的應對邏輯參數的優先級從上述有效的應對邏輯參數選擇應對邏輯參數，並使用選擇的應對邏輯參數控制人工智能的被控對象。
可以理解的是，各有效的應對邏輯參數的優先級可以由服務台基於統計結論得出。統計結論可以體現出各應對邏輯參數對應的應對結果。可以理解的是，統計結論中一個應對邏輯參數可能會對應多種的應對結果，如果應對結果不是唯一的，那麼將會得出各應對結果出現的機率，也即是說：在一個確定的環境下，採用該應對邏輯參數對應的應對方式將有多大機率出現某一應對結果。那麼，各種應對邏輯將會對應有各自的應對結果集，並且應對結果集中各應對結果還有各自出現的機率。那麼，本領域技術人員可以理解的是，可以依據應對結果及其出現的機率，以有利原則來對各 應對邏輯進行排序，這樣就得到了各應對邏輯參數的優先級。
本發明實施例還提供了一種服務器，如圖8所示，包括：接收器801、發射器802、存儲器803以及處理器804；其中，上述處理器804，用於從人工智能的應用設備蒐集控制參數，上述控制參數包括：環境屬性參數，與上述環境屬性參數對應的應對邏輯參數以及應對結果；依據上述控制參數以及預定的判斷規則，確定與上述環境屬性參數對應的應對邏輯參數中有效的應對邏輯參數；指示發射器802將上述環境屬性參數以及確定為有效的應對邏輯參數傳輸給人工智能的應用設備。
以上方案，通過從人工智能的應用設備蒐集控制參數，並對控制參數進行篩選，從而確定出有效的應對邏輯參數。實現人工智能的受控對象向用戶學習，進而使人工智能的受控對象表現出智能的特性。該方案，不需要人工詳細規定並編寫大量的程序邏輯，減少人工的工作量。
進一步地，上述處理器804，還用於若存在兩個或兩個以上的有效的應對邏輯參數與上述環境屬性參數對應，基於統計結論確定各有效的應對邏輯參數的優先級，並指示發射器802將各有效的應對邏輯參數的優先級傳輸給人工智能的應用設備。
可以理解的是，統計結論可以體現出各應對邏輯參數對應的應對結果。可以理解的是，統計結論中一個應對邏輯參數可能會對應多種的應對結果，如果應對結果不是唯一的，那麼將會得出各應對結果出現的機率，也即是說：在一個確定的環境下，採用該應對邏輯參數對應的應對方式將 有多大機率出現某一應對結果。那麼，各種應對邏輯將會對應有各自的應對結果集，並且應對結果集中各應對結果還有各自出現的機率。那麼，本領域技術人員可以理解的是，可以依據應對結果及其出現的機率，以有利原則來對各應對邏輯進行排序，這樣就得到了各應對邏輯參數的優先級。
可選地，上述環境屬性參數的類型包括：預定義的不變環境屬性參數，以及預定義的可變環境屬性參數。
通過預定義的方式確定哪些環境屬性參數會對應對結果產生影響，這樣可以將環境屬性參數確定在一個合理的範圍內，從而縮小環境屬性參數的類型，進而達到設備性能與結論的合理匹配。不變環境屬性參數包括：背景、地形等，屬於相對來說不易改變的環境屬性參數、可變環境參數包括：距離、對像操作等，屬於相對來說隨時可能發生變化的環境屬性參數。
可選地，上述預定義的不變環境屬性參數，以及預定義的可變環境屬性參數包括：上述人工智能的應用設備中被控對象設定範圍內，預定義的不變環境屬性參數，以及，上述人工智能的應用設備中被控對象設定範圍內，預定義的可變環境屬性參數。
由於環境屬性參數的範圍可能非常廣泛，例如：一個巨大的地圖，或者一個較小地圖內的環境屬性參數的數據量將會完全不同，但是對於人工智能的被控對象而言，並不是所有的環境參數都會對人工智能的被控對象造成影響，這是符合現實生活的。類似地：一公里以外的喧囂不會對人產生影響，一千公里以外的颶風不會對人產生影響。因此，為了使本發明實施例方案適用於巨大的應用地圖或環境時減 少環境屬性參數來匹配終端的硬件資源，可以將環境屬性參數的範圍設定在一個合適的範圍內。具體什麼範圍合適，本領域技術人員可以依據硬件資源的性能，以及環境屬性參數對人工智能的被控對象的影響程度來進行設定，本發明實施例對此不予限定。另需說明的是，對於地圖本身並不大的應用環境而言，是可以不必進一步來限制環境屬性參數的範圍的，因此以上設定範圍的實現方式不是本發明實施例實現所必不可少的。
本發明實施例還提供了一種終端，如圖9所示，包括：接收器901、發射器902、存儲器903以及處理器904；其中，上述處理器904，用於獲取人工智能的被控對象運行過程中的控制參數，上述控制參數包括：環境屬性參數，與上述環境屬性參數對應的應對邏輯參數以及應對結果；指示發射器902向服務器發送上述控制參數，通過接收器901接收並存儲服務器傳輸的上述環境屬性參數以及確定為有效的應對邏輯參數；獲取當前的環境屬性參數，確定與當前的環境屬性參數對應的有效的應對邏輯參數，使用上述有效的應對邏輯參數控制人工智能的被控對象。
上述處理器904，還用於通過接收器901接收各有效的應對邏輯參數的優先級；按照各有效的應對邏輯參數的優先級從上述有效的應對邏輯參數選擇應對邏輯參數，並使用選擇的應對邏輯參數控制人工智能的被控對象。
可以理解的是，各有效的應對邏輯參數的優先級可以由服務台基於統計結論得出。統計結論可以體現出各應對邏輯參數對應的應對結果。可以理解的是，統計結論中一個應對邏輯參數可能會對應多種的應對結果，如果應對結果 不是唯一的，那麼將會得出各應對結果出現的機率，也即是說：在一個確定的環境下，採用該應對邏輯參數對應的應對方式將有多大機率出現某一應對結果。那麼，各種應對邏輯將會對應有各自的應對結果集，並且應對結果集中各應對結果還有各自出現的機率。那麼，本領域技術人員可以理解的是，可以依據應對結果及其出現的機率，以有利原則來對各應對邏輯進行排序，這樣就得到了各應對邏輯參數的優先級。
值得注意的是，上述服務器、設備以及終端實施例中，所包括的各個單元只是按照功能邏輯進行劃分的，但並不局限於上述的劃分，只要能夠實現相應的功能即可；另外，各功能單元的具體名稱也只是為了便於相互區分，並不用於限製本發明的保護範圍。
另外，所屬之技術領域具有通常知識者可以理解實現上述各方法實施例中的全部或部分步驟是可以通過程序來指令相關的硬件完成，相應的程序可以存儲於一種計算機可讀存儲介質中，上述提到的存儲介質可以是只讀存儲器，磁盤或光盤等。
以上僅為本發明較佳的具體實施方式，但本發明的保護範圍並不局限於此，任何所屬之技術領域具有通常知識者在本發明實施例揭露的技術範圍內，可輕易想到的變化或替換，都應涵蓋在本發明的保護範圍之內。因此，本發明的保護範圍應該以權利要求的保護範圍為準。
圖1為本案流程示意圖，無元件符號

Claims (8)

  1. 一種實現人工智能的方法，包括：從人工智能的應用設備搜集控制參數，所述控制參數包括：環境屬性參數，與所述環境屬性參數對應的應對邏輯參數以及應對結果，所述環境屬性參數的類型包括所述人工智能的應用設備中被控對象設定範圍內所預定義的不變環境屬性參數及預定義的可變環境屬性參數；依據所述控制參數以及預定的判斷規則，確定與所述環境屬性參數對應的應對邏輯參數中有效的應對邏輯參數；將所述環境屬性參數以及確定為有效的應對邏輯參數傳輸給人工智能的應用設備。
  2. 如申請專利範圍第1項所述的方法，若存在兩個或兩個以上的有效的應對邏輯參數與所述環境屬性參數對應，其中所述方法還包括：基於統計結論確定各有效的應對邏輯參數的優先級，並將各有效的應對邏輯參數的優先級傳輸給人工智能的應用設備。
  3. 一種實現人工智能的方法，包括：獲取人工智能的被控對象運行過程中的控制參數，所述控制參數包括：環境屬性參數，與所述環境屬性參數對應的應對邏輯參數以及應對結果，所述環境屬性參數的類型包括所述人工智能的應用設備中被控對象設定範圍內所預定義的不變環境屬性參數及預定義的可變環境屬性參數；向服務器發送所述控制參數，接收並存儲服務器傳輸的所述環境屬性參數以及確定為有效的應對邏輯參數；獲取當前的環境屬性參數，確定與當前的環境屬性參數對應的有效 的應對邏輯參數，使用所述有效的應對邏輯參數控制人工智能的被控對象。
  4. 如申請專利範圍第3項所述的方法，更包括：接收各有效的應對邏輯參數的優先級；使用所述有效的應對邏輯參數控制人工智能的被控對象包括：按照各有效的應對邏輯參數的優先級從所述有效的應對邏輯參數選擇應對邏輯參數，並使用選擇的應對邏輯參數控制人工智能的被控對象。
  5. 一種服務器，包括：一參數搜集單元，用於從人工智能的應用設備搜集控制參數，所述控制參數包括：環境屬性參數，與所述環境屬性參數對應的應對邏輯參數以及應對結果，所述環境屬性參數的類型包括所述人工智能的應用設備中被控對象設定範圍內所預定義的不變環境屬性參數及預定義的可變環境屬性參數；一有效性確定單元，用於依據所述參數搜集單元搜集的所述控制參數以及預定的判斷規則，確定與所述環境屬性參數對應的應對邏輯參數中有效的應對邏輯參數；一發送單元，用於將所述環境屬性參數以及所述有效性確定單元確定為有效的應對邏輯參數傳輸給人工智能的應用設備。
  6. 如申請專利範圍第5項所述的服務器，更包括：一優先級確定單元，用於若所述有效性確定單元確定存在兩個或兩個以上的有效的應對邏輯參數與所述環境屬性參數對應，則基於統計結論確定各有效的應對邏輯參數的優先級；所述發送單元，還用於將各有效的應對邏輯參數的優先級傳輸給人 工智能的應用設備。
  7. 一種實現人工智能的設備，包括：一參數獲取單元，用於獲取人工智能的被控對象運行過程中的控制參數，所述控制參數包括：環境屬性參數，與所述環境屬性參數對應的應對邏輯參數以及應對結果，所述環境屬性參數的類型包括所述人工智能的應用設備中被控對象設定範圍內所預定義的不變環境屬性參數及預定義的可變環境屬性參數；所述參數獲取單元更獲取當前的環境屬性參數；一發送單元，用於向服務器發送所述參數獲取單元獲取的控制參數；一參數接收單元，用於接收並存儲服務器傳輸的所述環境屬性參數以及確定為有效的應對邏輯參數；一邏輯確定單元，用於確定與當前的環境屬性參數對應的有效的應對邏輯參數；一控制單元，用於使用所述邏輯確定單元確定的有效的應對邏輯參數控制人工智能的被控對象。
  8. 如申請專利範圍第7項所述的設備，其中所述參數接收單元，還用於接收各有效的應對邏輯參數的優先級；所述控制單元，用於按照各有效的應對邏輯參數的優先級從所述有效的應對邏輯參數選擇應對邏輯參數，並使用選擇的應對邏輯參數控制人工智能的被控對象。
TW103133571A 2013-09-27 2014-09-26 一種實現人工智能的方法、服務器和設備 TWI533241B (zh)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN2013104510719A CN103472756A (zh) 2013-09-27 2013-09-27 一种实现人工智能的方法、服务器和设备

Publications (2)

Publication Number Publication Date
TW201514870A TW201514870A (zh) 2015-04-16
TWI533241B true TWI533241B (zh) 2016-05-11

Family

ID=49797647

Family Applications (1)

Application Number Title Priority Date Filing Date
TW103133571A TWI533241B (zh) 2013-09-27 2014-09-26 一種實現人工智能的方法、服務器和設備

Country Status (4)

Country Link
US (1) US20150126286A1 (zh)
CN (1) CN103472756A (zh)
TW (1) TWI533241B (zh)
WO (1) WO2015043271A1 (zh)

Families Citing this family (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103472756A (zh) * 2013-09-27 2013-12-25 腾讯科技（深圳）有限公司 一种实现人工智能的方法、服务器和设备
CN105183172A (zh) * 2015-09-28 2015-12-23 联想(北京)有限公司 一种信息处理方法及电子设备
US11093706B2 (en) * 2016-03-25 2021-08-17 Raftr, Inc. Protagonist narrative balance computer implemented analysis of narrative data
US11763143B2 (en) 2017-04-19 2023-09-19 AIBrain Corporation Adding deep learning based AI control
CN107019912B (zh) 2017-04-20 2020-12-01 腾讯科技（深圳）有限公司 角色的配置方法和装置
US11185780B2 (en) 2017-04-24 2021-11-30 International Business Machines Corporation Artificial intelligence profiling
CN107256174A (zh) * 2017-05-27 2017-10-17 武汉秀宝软件有限公司 人工智能的实现方法及装置
US10803203B2 (en) * 2017-08-10 2020-10-13 International Business Machines Corporation Self-configuring expertise verification
EP3724821A1 (en) * 2018-01-22 2020-10-21 Dakiana Research LLC Objective-effectuators in synthesized reality settings
WO2019191153A1 (en) * 2018-03-26 2019-10-03 Balanced Media Technology, LLC Abstracted interface for gamification of machine learning algorithms
CN108874377B (zh) * 2018-06-21 2023-04-18 深圳市腾讯网络信息技术有限公司 一种数据处理方法、装置和存储介质
KR102111857B1 (ko) * 2018-07-31 2020-05-15 한국과학기술원 인공지능 기반 게임 전략 유도 시스템 및 방법
WO2020133323A1 (zh) * 2018-12-29 2020-07-02 深圳砥脊科技有限公司 人工智能应用搭建中的运行实现方法、装置和机器设备
CN110102055A (zh) * 2019-05-14 2019-08-09 网易（杭州）网络有限公司 一种虚拟对象的决策方法和装置
CN111176758B (zh) * 2019-12-31 2021-06-22 腾讯科技（深圳）有限公司 配置参数的推荐方法、装置、终端及存储介质
US11734025B2 (en) * 2020-10-14 2023-08-22 Servicenow, Inc. Configurable action generation for a remote network management platform
CN112905013B (zh) * 2021-02-23 2024-04-26 超参数科技(深圳)有限公司 智能体控制方法、装置、计算机设备和存储介质
CN113900521A (zh) * 2021-09-30 2022-01-07 上海千丘智能科技有限公司 一种可用于多人行为训练的交互方法和***

Family Cites Families (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1254295C (zh) * 2001-05-09 2006-05-03 世嘉股份有限公司 游戏装置
US20040143852A1 (en) * 2003-01-08 2004-07-22 Meyers Philip G. Systems and methods for massively multi-player online role playing games
US7296007B1 (en) * 2004-07-06 2007-11-13 Ailive, Inc. Real time context learning by software agents
WO2007054755A2 (en) * 2004-12-03 2007-05-18 Telekinesys Research Limited Physics simulation apparatus and method
KR100766545B1 (ko) * 2005-09-08 2007-10-11 엔에이치엔(주) 게이머의 입력 패턴을 복사하여 게임을 수행하는 게임 ａｉ제어 방법 및 게임 ａｉ 제어 시스템
JP4992242B2 (ja) * 2006-01-30 2012-08-08 株式会社セガ ゲームシステム及びゲームシステム制御方法
US7814041B2 (en) * 2007-03-20 2010-10-12 Caporale John L System and method for control and training of avatars in an interactive environment
CN101093559B (zh) * 2007-06-12 2010-06-23 北京科技大学 一种基于知识发现的专家***构造方法
US9289681B2 (en) * 2007-10-09 2016-03-22 International Business Machines Corporation Suggested actions within a virtual environment
KR101671900B1 (ko) * 2009-05-08 2016-11-03 삼성전자주식회사 가상 세계에서의 객체를 제어하는 시스템, 방법 및 기록 매체
JP5497079B2 (ja) * 2011-12-27 2014-05-21 株式会社スクウェア・エニックス ゲームシステム
CN102930338A (zh) * 2012-11-13 2013-02-13 沈阳信达信息科技有限公司 基于神经网络的游戏Npc行为
CN103472756A (zh) * 2013-09-27 2013-12-25 腾讯科技（深圳）有限公司 一种实现人工智能的方法、服务器和设备

Also Published As

Publication number Publication date
TW201514870A (zh) 2015-04-16
WO2015043271A1 (en) 2015-04-02
US20150126286A1 (en) 2015-05-07
CN103472756A (zh) 2013-12-25

Similar Documents

Publication Publication Date Title
TWI533241B (zh) 一種實現人工智能的方法、服務器和設備
US10525353B2 (en) Method, apparatus and terminal for displaying prompt information
WO2018113409A1 (zh) 启动资源加载方法及装置
CN109063583A (zh) 一种基于点读操作的学习方法及电子设备
CN106126174B (zh) 一种场景音效的控制方法、及电子设备
CN108236785B (zh) 一种获取对象信息的方法及装置
CN108156508B (zh) 弹幕信息处理的方法、装置、移动终端、服务器及***
WO2015007092A1 (zh) 移动设备天线的控制方法、装置和设备
CN110210605B (zh) 硬件算子匹配方法及相关产品
CN109675317B (zh) 外挂程序的检测方法、服务器及终端
CN103530520A (zh) 一种数据获取的方法及终端
CN108958629B (zh) 分屏退出方法、装置、存储介质和电子设备
CN110852109A (zh) 语料生成方法、语料生成装置、和存储介质
CN108170341A (zh) 界面操作按键自适应方法、终端及计算机可读存储介质
CN106774861B (zh) 智能设备及行为数据纠正方法和装置
CN108681483A (zh) 一种任务处理方法及装置
JP2018506792A (ja) チャット履歴記録を表示するための方法およびチャット履歴記録を表示するための装置
CN114357278B (zh) 一种话题推荐方法、装置及设备
CN109886408A (zh) 一种深度学习方法及装置
CN106502833A (zh) 数据备份方法及装置
CN109241079A (zh) 问题精确检索的方法、移动终端及计算机存储介质
CN115588131A (zh) 模型鲁棒性检测方法、相关装置及存储介质
CN116933149A (zh) 一种对象意图预测方法、装置、电子设备和存储介质
CN110399474A (zh) 一种智能对话方法、装置、设备及存储介质
CN109873901A (zh) 一种截图资源管理方法及终端、计算机可读存储介质