[发明专利]人工智能伦理规则实现方法、专家系统和机器人

权利要求书

1.一种人工智能方法，其特征在于，所述方法包括：

输入获取步骤：获取事件场景，作为第一事件场景；获取人工智能伦理规则，作为第一人工智能伦理规则；获取至少一个人工智能装置的信息，将所述人工智能装置，作为第一人工智能装置；规则库构建步骤：获取所述第一人工智能伦理规则的次序、前件、后件加入人工智能伦理规则库的规则表；获取所述第一人工智能伦理规则的后件的属性加入人工智能伦理规则库的规则表；其中，后件的属性包括中间结论、最终结论；综合数据库构建步骤：获取所述第一人工智能伦理规则的前件中的事实，将所述事实加入人工智能伦理综合数据库的前件数据表，并加入人工智能伦理综合数据库的事实判断数据表；获取所述第一人工智能伦理规则的属性为中间结论的后件中的事实，将所述事实加入人工智能伦理综合数据库的中间结论后件数据表，并加入人工智能伦理综合数据库的事实判断数据表；获取所述第一人工智能伦理规则的属性为最终结论的后件中的事实，将所述事实加入人工智能伦理综合数据库的最终结论后件数据表，并加入人工智能伦理综合数据库的事实判断数据表；将人工智能伦理综合数据库的事实判断数据表中每一事实的初始值设置为假；事实识别步骤：识别所述第一事件场景是否存在人工智能伦理综合数据库的前件数据表中的每一事实；若存在，则将人工智能伦理综合数据库的事实判断数据表中所述每一事实的真假值设置为真；若不存在，则将人工智能伦理综合数据库的事实判断数据表中所述每一事实的真假值设置为假；规则推理步骤：从所述人工智能伦理规则库中按照次序获取每一人工智能伦理规则；获取所述每一人工智能伦理规则的前件；获取所述前件中的每一事实在人工智能伦理综合数据库的事实判断数据表中的真假值；将所述前件中的每一事实的真假值代入所述前件中的每一事实，计算得到所述前件的真假值；若所述前件为真，则获取所述每一人工智能伦理规则的后件；获取所述每一人工智能伦理规则的后件中的每一事实，将人工智能伦理综合数据库的事实判断数据表中所述后件中的每一事实的真假值设置为真；若所述前件为真，且若所述后件属于中间结论，则在所述第一事件场景中执行所述后件，得到所述后件中的待判断真假的事实的真假值，作为第一真假值，将人工智能伦理综合数据库的事实判断数据表中所述待判断真假的事实的真假值设置为所述第一真假值；结论执行步骤：人工智能伦理综合数据库的事实判断数据表中获取人工智能伦理综合数据库的最终结论后件数据表中每一事实的真假值；获取真假值为真的所述每一事实；在所述第一事件场景中执行所述每一事实；所述事实识别步骤中的所述识别所述第一事件场景是否存在人工智能伦理综合数据库的前件数据表中的每一事实的步骤包括：第一训练和测试步骤：获取训练数据集和测试数据集，将事件场景作为深度学习模型的输入，将所述事件场景中存在所述每一事实的概率作为深度学习模型的预期输出，对深度学习模型进行训练和测试，得到的训练和测试后的深度学习模型作为事件场景识别深度学习模型；第一使用步骤：将所述第一事件场景输入所述事件场景识别深度学习模型的，计算得到的输出作为所述第一事件场景存在所述每一事实的概率；第一判断步骤：若所述概率大于第一预设阈值，则判断所述第一事件场景存在所述每一事实,否则判断所述第一事件场景不存在所述每一事实。

2.根据权利要求1所述的人工智能方法，其特征在于，所述规则推理步骤中的在所述第一事件场景中执行所述后件，得到所述后件中的待判断真假的事实的真假值的步骤包括：事实获取步骤：从所述后件中提取待预测执行结果的事实、待判断真假的事实；第二训练和测试步骤：获取训练数据集和测试数据集，将事件场景作为深度学习模型的输入，将在所述事件场景中待预测执行结果的事实的执行结果为待判断真假的事实的概率作为深度学习模型的预期输出，对深度学习模型进行训练和测试，得到的训练和测试后的深度学习模型作为事件场景预测深度学习模型；第二使用步骤：获取所述第一事件场景作为所述事件场景预测深度学习模型的输入，计算得到的输出作为在所述第一事件场景中待预测执行结果的事实的执行结果为待判断真假的事实的概率；第二判断步骤：若所述概率大于第二预设阈值，则判断所述待判断真假的事实的真假值为真,否则判断所述待判断真假的事实的真假值为假。