[發明專利]克服歧視與偏見的人工智能教育反省機器人

在審

• 申請號: 202110228016.8
• 申請日: 2021-03-02
• 公開（公告）號: CN112785001A
• 公開（公告）日: 2021-05-11
• 發明（設計）人: 朱定局
• 申請（專利權）人: 華南師范大學
• 主分類號: G06N20/00
• 分類號: G06N20/00;G06Q10/04;G06Q50/20
• 代理公司: 廣州華進聯合專利商標代理有限公司 44224
• 代理人: 謝曲曲

1.一種人工智能方法，其特征在于，所述方法包括：

數據生成補充步驟：獲取每一用戶數據，獲取各類用戶數據量比例，根據每一用戶數據量比例判斷比例是否失衡，若失衡，則生成新的所述每一用戶數據，并將生成的新的所述每一用戶數據補充進所述每一用戶數據；

模型重新訓練步驟：利用所述每一用戶數據對所述每一用戶數據的人工智能模型進行重新訓練；

模型預測步驟：將所述每一用戶數據分別輸入所述人工智能模型和預設的與所述人工智能模型對應的另一人工智能模型進行預測，得到兩個預測結果，判斷所述兩個預測結果的差異是否在預設范圍內，若是，則將至少一個預測結果返回給用戶；若否，則請求人工復核和修改預測結果，并請求人工復核所述人工智能模型和預設的與人工智能模型對應的另一人工智能模型。

2.根據權利要求1所述的人工智能方法，其特征在于，所述方法還包括：

各類用戶數據量比例獲取步驟：獲取人工智能用于教育時所基于的大數據中用戶的類型，所述用戶包括學生或/和老師，統計需要輸入每一人工智能連接學派模型的每一不同類型用戶或滿足預設條件的每一不同類型的用戶的數據量占輸入所述每一人工智能連接學派模型的用戶總數據量的比例，作為所述每一人工智能連接學派模型下所述每一不同類型用戶的數據量比例；

比例是否失衡判斷處理步驟：判斷所述每一人工智能連接學派模型下所述每一不同類型用戶的數據量比例與所述每一人工智能連接學派模型下各類型用戶的數據量比例的最大值的差值的絕對值是否低于所述每一人工智能連接學派模型可以容忍的預設比例差值閾值，若是，則所述每一人工智能連接學派模型下所述每一不同類型用戶的數據量比例符合要求；若否，則所述每一人工智能連接學派模型下所述每一不同類型用戶的數據量比例不符合要求，通過預設的數據第一生成步驟或預設的數據第二生成步驟來生成所述每一不同類型用戶的數據，直至所述每一人工智能連接學派模型下所述每一不同類型用戶的數據量比例與所述每一人工智能連接學派模型下各類型用戶的數據量比例的最大值的差值的絕對值不低于所述每一人工智能連接學派模型可以容忍的預設比例差值閾值；

模型重新訓練步驟：根據所述每一人工智能連接學派模型下所述每一不同類型用戶的數據集對所述每一人工智能連接學派模型進行重新訓練和測試。

3.根據權利要求2所述的人工智能方法，其特征在于，所述方法還包括：

數據第一生成步驟：獲取所述每一人工智能連接學派模型下與所述每一不同類型用戶的類型最為接近的且數據量比例符合要求的用戶類型，獲取所述每一人工智能連接學派模型下所述最為接近的且數據量比例符合要求的用戶類型的數據，將所述每一不同類型用戶的每一數據作為每一第一數據，從所述最為接近的且數據量比例符合要求的用戶類型的數據中模糊匹配得到與每一第一數據最相似的數據作為每一第二數據，將所述最為接近的且數據量比例符合要求的用戶類型的數據中第二數據之外的每一數據作為每一第三數據；初始化深度學習模型或神經網絡或機器學習模型或量子計算模型作為數據預測模型；將訓練和測試樣本中每一第二數據、對應的每一第一數據作為代碼預測模型的輸入和預期輸出，對數據預測模型進行訓練和測試；將每一第三數據作為代碼預測模型的輸入，計算得到的輸出作為每一第四數據；將所有第四數據加入所述每一人工智能連接學派模型下所述每一不同類型用戶的數據集；

數據第二生成步驟：獲取能夠生成所述每一人工智能連接學派模型所需數據的人工智能符號學派模型，獲取所述每一人工智能連接學派模型所需數據的取值范圍，通過所述人工智能符號學派模型在所述取值范圍內生成多個第五數據，將所述第五數據加入所述每一人工智能連接學派模型下所述每一不同類型用戶的數據集。