基于AI决策及引擎的流程执行方法,装置,设备及介质

本发明涉及人工智能技术领域,提供一种基于AI决策及引擎的流程执行方法,装置,设备及介质,能够启动预先构建的核心流程引擎并封装初始流程,将至少一个子任务与核心流程引擎进行适配,响应接收到的待处理任务及所述待处理任务的附属信息,驱动核心流程引擎运转,基于AI决策算法对配置节点生成推荐决策,根据推荐决策处理配置节点,并响应配置节点完成处理,驱动核心流程引擎继续流转,直至待处理任务执行完毕,进而结合人工智能实现对所述待处理任务的自动执行,既提高了所述待处理任务的处理效率,又确保了所述待处理任务执行的准确度.本发明还涉及区块链技术,核心流程引擎可存储至区块链.

基于腾讯云智优保医疗数据智能结构化的保险AI应用

随着中国保险业务的快速增长,保险深度和密度的不断增加,传统核保存在数据资产沉淀不足,处理效率低下,人工成本高昂,主观影响核保结论等业务痛点.腾讯基于云智天枢人工智能服务平台和能力,搭建了一套人工智能保险服务平台——云智优保,围绕着"泛化,高效,便捷"三个维度打造一站式保险解决方案.通过医疗影像结构化识别,医疗图谱,核保规则引擎,基于多样化人工智能技术融合方案,对医疗图像数据进行准确高效的结构化识别.帮助核保师有效地解决了信息录入和人工复核的效率瓶颈和核保决策的能力瓶颈,提升业务处理效率的同时,降低了人工核保的不确定性,并有效提升了数据价值.

基于神经网络和有限状态机的游戏AI决策引擎设计与实现

计算机硬件的发展以及越来越多的复杂的大型游戏发布,人工智能成为游戏中不可或缺的一部分,游戏中引入人工智能逐渐成为了一款游戏吸引玩家的有效手段之一.人工智能在游戏中能增加玩家的挑战性,创造更真实的虚拟世界,增加游戏的可玩性,辅助其他功能. 人工智能在游戏上的实现,有两种不同的方式.一种是采用传统的编程技术,使系统呈现智能的效果,而不考虑所用方法是否与人或生物机体所用的方法相似.这种方法称为工程学方法,它的编程方式虽然简单,智能效果显著,可是算法和程序一旦固定下来,智能就很难再进一步提高.另一种是模拟法,它不仅要看智能效果,还要求实现方法和人类或生物机体所用的方法相同或类似.人工神经网络是模拟人类或生物大脑中神经元的活动方式,属于模拟法. 人工神经网络入门难度大,编程者需要为每一个对象设置一个智能系统来进行控制,新设置好的智能系统,虽然一开始什么都不懂,但它拥有学习的能力,可以通过学习,不断提升智能,不断适应环境,应付各种情况.通常来讲,使用人工神经网络虽然编程复杂,但编写完成后的维护工作,将比使用其他方式编程后的维护更加省力. 本文通过描述了当前游戏中应用的人工智能技术的概念和现状,对人工神经网络在游戏中的应用进行了说明,并采用人工神经网络和工程学编程方法结合构建一个完整的人工智能系统,并将该人工智能系统应用于MOBA类游戏《英魂之刃》.

基于动态数据汇聚与AIoT协同的智慧园区管理系统设计与实现

在"双碳"战略与数字经济发展双重驱动下,针对园区数字化转型面临的数据孤岛引致的决策效能衰减,系统刚性引致的响应迟滞,能效失衡推高的碳足迹膨胀等结构性矛盾,本文提出一种基于动态数据驱动的智慧园区智能决策系统架构.通过构建多模态数据动态汇聚模型与AIoT协同优化体系两大核心引擎,设计了包含基础设施层,数据底座层,能力中台层,应用服务层和场景创新层的五维垂直架构体系,实现物理空间到数字空间的虚实映射与协同优化.在技术实现层面,采用"云–边–端"三级分布式架构,通过数字孪生底座实现全域要素数字化建模,集成开发智慧能源管理,巡检运维,智能安防联动等核心功能模块,并引入无人机协同巡检与AI场景自适应服务机制.研究成果应用于国家级数据中心园区,有效验证架构设计的科学性与实践有效性,为破解园区数字化转型的架构性困境提供了解决方案,为新型智慧园区建设提供了可复制的理论范式和技术路径.Driven by the dual driving of the "dual carbon" strategy and the development of the digital economy, in response to structural contradictions such as the attenuation of decision-making efficiency caused by data silos, response hysteresis caused by system rigidity, and carbon footprint expansion driven by energy efficiency imbalance, this paper proposes a smart park intelligent decision-making system architecture based on dynamic data-driven. By building two core engines of multimodal data dynamic aggregation model and AIoT collaborative optimization system, a five-dimensional vertical architecture system including infrastructure layer, data base layer, capability middle platform layer, application service layer and scenario innovation layer is designed to realize virtual and real mapping and collaborative optimization from physical space to digital space. At the technical implementation level, a three-level distributed architecture of "cloud-edge-end" is adopted to realize digital modeling of all-area factors through digital twin bases, integrate and develop core functional modules such as smart energy management, inspection operation and maintenance, and intelligent security linkage, and introduce a UAV collaborative inspection and AI scenario adaptive service mechanism. The research results are applied to national data center parks, effectively verifying the scientificity and practical effectiveness of architectural design, providing solutions to solve the architectural dilemma of digital transformation of parks, and providing replicable theoretical paradigms and technical paths for the construction of new smart parks.

高职电商专业教育的转型与对策研究——基于AI工具的协同教学实践

人工智能技术的颠覆性革新正以指数级速度重构全球电商产业生态,高职院校电商专业面临人才培养目标滞后于技术迭代速率,技能供给与市场需求呈现结构性断裂的严峻挑战.本文以DeepSeek智能数据分析平台,ChatGPT多模态生成引擎及GROK实时决策系统为核心技术载体,通过纵向追踪中国12所高职院校的教学实践与横向对比德,美,日,新加坡四国教育模式,首次提出"工具协同——策略优化——伦理治理——生态演化"四维动态能力模型.实证研究表明,AI技术对电商基础岗位的替代效应达43.6%(95%CI:40.2%~47.1%),而智能选品师,AI伦理审计师等新兴岗位需求增长率突破285%.研究突破传统校企合作框架,创新性设计"双轨制—联邦化"实训体系,深度融合元宇宙仿真教学,区块链能力存证及联邦学习技术,实现学生AI工具应用能力提升68.2%,岗位适配率增长42.7%.基于GROK系统的多智能体强化学习特性与ChatGPT的文化敏感性生成机制,本文构建"认知增强型教育生态系统"理论框架,提出将生成式AI工具纳入国家职业教育标准体系,并建立基于零知识证明的分布式教育质量认证网络.研究结果为数字经济时代职业教育改革提供了兼具理论原创性与实践可行性的系统化解决方案.

关于人工智能在证券投资中应用的研究

随着中国股票市场的迅速发展,证券交易正在逐步实现高度的信息化与网络化,形势的发展对传统的投资理论和分析手段提出了新的要求.现有的通用统计和计算软件,虽然具有强大的计算与分析功能,但难以进行大量证券数据的实时处理.而普通证券分析软件的功能只是局限于行情查询,提供个股资料和技术指标等,投资者进行决策主要依靠自己对市场的把握.因此,迫切需要研制和开发一套既能处理大量实时数据,又能像专家一样进行学习和研究,并给出投资建议的具有人工智能的证券分析系统. 人工智能是在机器(计算机)上模仿,延伸和扩展具有人类智能的科学和技术.作为一门年轻的科学研究方法,人工智能出现和发展不过短短四十几年,但已广泛应用于许多领域.可以预见人工智能在证券分析领域的应用,将给投资分析理论和方法带来一场深刻的变革. 本文融合证券投资理论与人工智能方法,用Delphi 7语言自行研制和开发了Miracle AI 1.0 ds证券分析系统.该系统可以识别股票价格的波动,进行一些初步智能分析,并自动产生简单的分析报告,提供了一种有别于其他证券分析软件的系统分析方法. 本文由以下几章构成: 第一章介绍了人工智能的历史,方法和研究领域,当前证券分析研究所面临的瓶颈,以及开发该证券分析系统的出发点. 笔者采用支持强大数据库功能的Delphi 7编程语言,选择Delphi较为先进的ADO数据引擎,编写具有人工智能雏形的Miracle AI 1.0 ds证券分析系统.其中,数据,信息和知识等均以符号的形式表达,使计算机能感知和识别股票数据,并进行简单推导. 第二章详细介绍了笔者开发的证券分析系统的具体使用方法,包括行情查询,技术分析,走势分析和人工智能评价等主要模块. 第三章针对该证券分析系统的目标,提出系统的设计思想,架构和数据结构,对系统短期,中期和远景进行了规划. 作为一个证券分析软件,该软件定位为决策支持系统,能实现证券分析和辅助决策功能,主要模块有:行情查询,技术指标计算,股价走势分析,人工智能评价,投资组合分析等.本文提出了以走势识别为核心,为用户提供实时股评和其他功能模块,让计算机在"读懂"证券数据后进行分析,而数据库作为数据的来源,不是系统的核心.这种架构体现了人工智能思想,将对系统开发产生长久影响.本系统采用Microsoft的Access2000数据库,有利于数据移植和共享. 第四章从技术上实现该证券分析系统.分别介绍了系统主界面和各主要模块的设计,程序运行步骤,算法和模块的主要代码,以及在系统调试过程中解决的问题. 第五章评价了该证券分析系统的运行效果和存在的不足,指出该系统对证券分析软件发展的探索和启示意义,并提出未来智能证券分析系统的设想. 本文的主要创新之处在于:将投资决策分析方法和人工智能结合在一起,提出了以走势识别为核心的智能证券分析系统解决方案,并相应开发了一套决策分析软件.该系统除了具有常用的行情查询和技术指标功能外,还能够运用简单人工智能方法分析证券数据,并具有一些人性化的功能,例如,计算技术指标时给出技术指标的文字表述,在系统中增加智能股评功能,尽管这些功能目前还比较简单,但提供了证券分析软件的新思路. 具有人工智能的投资决策分析软件的开发是一个艰巨复杂的系统工程,由于本人水平有限,同时时间比较紧迫,目前开发的系统还有许多不足之处. 笔者在实现该系统的过程中发现,由于数据库中交易数据量达到几十万的数量级,数据库的访问速度和计算机运算速度有限,这使得系统不能对所有证券数据同时进行处理,技术的限制也约束了系统的核心算法.要实现理想的智能证券分析系统还要增加许多模块,改变数据结构,选择更快速的数据库引擎,使用新的计算机技术,创造新的投资分析方法.总之,实现真正的人工智能投资决策分析软件,还有很长的路要走.With the quick development of the China's stock market and the using of the advanced technology of the computer and network in deals of stocks, it is required innovations of traditional investment theories and analysis methods. Although the mathematics and the statistics software have the strong computing power, they cannot deal with the huge real-time data of the stock market. And the common stock analysis software only offer very limited methods, such as market query, stock information, computing technical indexes and so on. It leads to that the investors making decisions mainly rely on their feelings of the market and the investment experts still have to carry the heavy burden everyday. It is in great need of one kind of intelligent stock analysis software, which could deal with a huge data anytime, use various economic analysis models and automatically present investment suggestions after serious research. The Artificial Intelligence mainly does researches of imitating and extending various functions of the human intelligence on machines or computers, such as feeling, reasoning, learning, etc. The A.I. has been only developing for about forty years, but it is widely used in many science fields. We can foresee that such kind of software would bring a far and deep revolution at research field of investment. Combining with the A.I., the article describes the Miracle AI 1.0 ds stock analysis system which programmed by Delphi 7 and the system try to do some exploratory research of this kind of combination. The software can make the computer identify the trend of the stock price, do some fundamental analysis and then automatically present simple analysis reports. The article includes the following chapters: The first chapter reveals that nowadays the stocks research is facing a bottleneck, introduces the background, history and research fields of A.I. and the target of this stock analysis system. The second chapter introduces how to use the Miracle AI 1.0 ds stock analysis system in details, including the basic operation, the market query, computing technical indexes, the trend analysis, the A.I. stock report, the tools and the other modules. The third chapter analyses the construction of the Miracle AI 1.0 ds and the database structure. In order to develop the system more efficiently, a detailed programming is brought forward in this chapter. The Miracle AI 1.0 ds system is a Decision Support System. The trend analysis is designed to be the kernel of the system, and the other modul

基于决策模型的AI引擎研究与实现

随着网络游戏逐渐融入人们的娱乐生活,人们对在网络游戏中的虚拟体验有了更高的要求。以往流行的单纯打怪,过关,升级的模式已不能吸引更多的玩家。网络游戏行业迫切需要更真实,更具有挑战性的对手。我认为,在未来的几年里,AI技术将飞速发展,像Black & White和Hello这样的游戏已经让我们为其AI技术而惊叹。游戏玩家正期待出现更多这样的游戏。对于游戏Al引擎也曾有人提出利用遗传算法和神经网络来实现,但是这两种人工智能技术极其复杂,需要占用大量的CPU时间。因此在快速动作的游戏世界,这两种技术并不适用。现在比较流行的实现游戏AI的技术是有限状态机(FSM)。有限状态机是一种基于规则—行动的处理模式,因为它简单、直观、容易修改,所以得到了广泛应用。但是基于有限状态机的AI引擎通常造成游戏角色的非智能行为,比如说:多个非玩家角色(NPC)占用同一路线,造成路径堵塞;怪兽不懂得协同作战等。本文就是在此现状下提出来了一种新的人工智能引擎实现方法—基于决策模型的人工智能引擎。它比传统的基于有限状态机的人工智能引擎更加先进。它使游戏里面的怪兽(MC)和非玩家角色(NPC)能够在不同的情况下做出最有效最理智的决策,使游戏玩家沉浸在一个比较真实的游戏世界里面。 本文结构如下:第一章介绍了游戏引擎基本组成及发展情况,AI引擎在游戏中所处的地位及作用等。第二章讲述传统基于有限状态机的AI引擎设计模式,建立了一个有限状态机的类。第三章讲述本文提出的基于决策模型的AI引擎设计模式及游戏实例。第四章比较两种人工智能游戏引擎的利与弊,着重阐述了基于决策模型的AI引擎的优势所在。第五章通过将把两种AI引擎分别应用到游戏实例中,来比较它们之间的差别。第六章总结全文并对人工智能引擎的发展方向做出了一个预测。