[發(fā)明專利]基于機器量化盡責(zé)的機器學(xué)習(xí)方法及系統(tǒng)

在審

• 申請?zhí)枺?/td>: 202210310458.1
• 申請日: 2022-03-28
• 公開（公告）號: CN114707659A
• 公開（公告）日: 2022-07-05
• 發(fā)明（設(shè)計）人: 裘炅;裘瑱寅
• 申請（專利權(quán)）人: 浙江責(zé)聯(lián)科技有限公司
• 主分類號: G06N20/00
• 分類號: G06N20/00;G06Q10/06
• 代理公司: 浙江千克知識產(chǎn)權(quán)代理有限公司 33246
• 代理人: 趙芳

本發(fā)明公開基于機器量化盡責(zé)的機器學(xué)習(xí)方法及系統(tǒng)，其中涉及的基于機器量化盡責(zé)的機器學(xué)習(xí)方法，包括：S1.構(gòu)建與人工智能應(yīng)用角色相關(guān)的責(zé)任清單集；S2.構(gòu)建基于責(zé)任時空的責(zé)任信任履責(zé)評估函數(shù)；S3.基于履責(zé)評估函數(shù)對構(gòu)建的所有責(zé)任清單集進行匯總評估，得到評估結(jié)果；S4.基于評估結(jié)果以及不同責(zé)任清單的權(quán)重及規(guī)則，得到責(zé)任清單的盡責(zé)結(jié)果。本發(fā)明建立量化盡責(zé)的目標(biāo)方程，實現(xiàn)學(xué)習(xí)精準(zhǔn)化，避免了依賴神經(jīng)網(wǎng)絡(luò)參數(shù)維度過高導(dǎo)致算力嚴(yán)重浪費、邊緣知識不健全、算法可解釋性困難等問題；盡責(zé)差距評估學(xué)習(xí)效果，統(tǒng)一優(yōu)選各種機器學(xué)習(xí)算法，用于盡責(zé)優(yōu)選或知識補漏，可簡稱為盡責(zé)學(xué)習(xí)。通過定制責(zé)任清單集實現(xiàn)了可工程化的通用人工智能。

技術(shù)領(lǐng)域

本發(fā)明涉及人工智能技術(shù)領(lǐng)域，尤其涉及基于機器量化盡責(zé)的機器學(xué)習(xí)方法及系統(tǒng)。

背景技術(shù)

人工智能的核心是機器學(xué)習(xí)，機器學(xué)習(xí)目前最核心的是深度學(xué)習(xí)，目前都是缺乏一套完整的數(shù)理基礎(chǔ)，所以人工智能更多是一種大雜燴，而不是一個真正意義上的學(xué)科。

各種機器學(xué)習(xí)這幾年無論是理論上還是應(yīng)用上，都十分熱，比如監(jiān)督式學(xué)習(xí)、增強學(xué)習(xí)、自監(jiān)督學(xué)習(xí)、無監(jiān)督學(xué)習(xí)、聯(lián)邦學(xué)習(xí)等不同的機器學(xué)習(xí)方法都在不同程度地進行算法完善、理論擴展，以及應(yīng)用試水。

但總的效果不是很理想，主要表現(xiàn)在：復(fù)雜工程化和產(chǎn)業(yè)化普及不了，性價比低下，效果不及預(yù)期。以AI換人目前完全做不到，無人工廠更多只是取代標(biāo)準(zhǔn)化操作規(guī)程，難于滿足市場競爭所需要的動態(tài)價值變現(xiàn)需求。

以上主要原因在于機器學(xué)習(xí)無法有效地承擔(dān)相應(yīng)的責(zé)任，而AI本身不清楚其算法的管理要義。

比如針對機器學(xué)習(xí)算法的可解釋性要求也是一種技術(shù)要求，一般人沒法理解和操作，而且可解釋性也存在漏洞，難以全方位量化評估。

機器學(xué)習(xí)和人類學(xué)習(xí)一樣，學(xué)習(xí)成果是否有工程化、產(chǎn)業(yè)化的價值，根本上看是學(xué)習(xí)的結(jié)果是否可以實現(xiàn)更好的盡職盡責(zé)，所以真正有意義的機器學(xué)習(xí)肯定是一個盡責(zé)式履責(zé)的過程，對機器學(xué)習(xí)算法可以稱為是量化盡責(zé)驗證過程。

針對上述技術(shù)問題，本發(fā)明提供基于機器量化盡責(zé)的機器學(xué)習(xí)方法及系統(tǒng)。

發(fā)明內(nèi)容

本發(fā)明的目的是針對現(xiàn)有技術(shù)的缺陷，提供了基于機器量化盡責(zé)的機器學(xué)習(xí)方法及系統(tǒng)。

為了實現(xiàn)以上目的，本發(fā)明采用以下技術(shù)方案：

基于機器量化盡責(zé)的機器學(xué)習(xí)方法，包括：

S1.構(gòu)建與人工智能應(yīng)用角色相關(guān)的責(zé)任清單集；

S2.構(gòu)建基于責(zé)任時空的責(zé)任信任履責(zé)評估函數(shù)；

S3.基于履責(zé)評估函數(shù)對構(gòu)建的所有責(zé)任清單集進行匯總評估，得到評估結(jié)果；

S4.基于評估結(jié)果以及不同責(zé)任清單的權(quán)重及規(guī)則，得到責(zé)任清單的盡責(zé)結(jié)果。

進一步的，所述步驟S1中責(zé)任清單集包括崗位責(zé)任集、法律責(zé)任集、輔助責(zé)任集。

進一步的，所述步驟S2中責(zé)任時空包括時間維、空間維、信息維或關(guān)系維。

進一步的，所述步驟S3中的履責(zé)評估函數(shù)包括風(fēng)險函數(shù)、學(xué)習(xí)函數(shù)；所述風(fēng)險函數(shù)用于檢測盡責(zé)不到位的參數(shù)或指標(biāo)項目；學(xué)習(xí)函數(shù)用于對不到位的參數(shù)結(jié)合經(jīng)驗數(shù)據(jù)、各種學(xué)習(xí)算法來結(jié)合風(fēng)險函數(shù)實現(xiàn)盡責(zé)到位。

進一步的，所述學(xué)習(xí)函數(shù)還用于將履責(zé)過程數(shù)據(jù)整理成標(biāo)準(zhǔn)的履責(zé)庫。

進一步的，所述步驟S4中還包括基于評估結(jié)果以及不同責(zé)任清單的權(quán)重，得到不盡責(zé)的責(zé)任清單。

進一步的，所述步驟S4之后還包括：

S5.根據(jù)風(fēng)險因素對履責(zé)評估函數(shù)優(yōu)化擬合，得到最終履責(zé)評估函數(shù)。