人工智能 機器智能 軟件開發(fā) 計算機通信網(wǎng)絡 智能維護 智能醫(yī)療等

二、

背景技術：

專家的經(jīng)驗是經(jīng)過長時間累積而成的，是十分寶貴的財富。特定行業(yè)的專家會依據(jù)其行業(yè)經(jīng)驗解決該行業(yè)的各類問題，這種模式存在已久且行之有效。隨著時代的發(fā)展，信息量和業(yè)務量呈爆炸式增長，人們的工作壓力也隨之增加，在日常工作中經(jīng)常出現(xiàn)需要專業(yè)人員根據(jù)實時變化的條件做出快速反應、運算、判斷、決策的場景，然而人在壓力強大的情況下，往往會在工作中出現(xiàn)人為錯誤，導致巨大損失。因此，發(fā)揮計算機的優(yōu)勢，使用機器代替人類承擔部分原來由人類負責的工作已是人工智能領域發(fā)展的必然趨勢。

無論是從工作效率還是從工作效果來看，有經(jīng)驗的專家和缺少經(jīng)驗的新手的差別是明顯的。機器也一樣，能夠從專家身上學習和吸收經(jīng)驗的機器系統(tǒng)，其工作效率和工作效果也一定更優(yōu)。所以需要一種智能引擎，該智能引擎具備讓專家本人通過人機交互實現(xiàn)機器學習專家經(jīng)驗的功能，并讓機器模擬專家的思維方式以及解決問題的方法與思路，自動處理各類問題。由于機器的運算和執(zhí)行性能遠高于人類，所以引擎可大幅提升工作效率和工作質(zhì)量；同時，機器通過引擎不斷學習大量的專家的經(jīng)驗，因此，該智能引擎也能具備知識經(jīng)驗逐步成長的能力。

三、

技術實現(xiàn)要素：

本發(fā)明提出具備行業(yè)專家思維模式和操作能力的智能決策引擎，利用該引擎用戶可通過人機交互將專家經(jīng)驗加載到引擎中。引擎不僅存儲記錄了專家經(jīng)驗，還可基于已載入的專家經(jīng)驗，模擬專家的思維方式，以及解決問題的方法與思路，自動處理各類問題。

智能引擎的界面為可視化界面，用戶(行業(yè)專家)主要通過點擊鼠標或者拖拽等操作進行決策流程圖繪制，從而實現(xiàn)人機交互。通過此種人機交互方式，用戶可以快速加載、編輯和修改專家經(jīng)驗，整個過程不需要用戶進行程序編碼。

上述專家經(jīng)驗包含了專家用以解決問題的思維方式，以及解決問題的方法與思路。專家經(jīng)驗以某種存在形式(經(jīng)驗的表示方式，例如決策流程圖)存儲在引擎中，可以被引擎讀取和理解及用于解決問題。

引擎可以根據(jù)專家經(jīng)驗自動進行一系列計算和操作以解決問題，這些計算和操作可替代專家在解決問題時所進行的思維活動和操作。其中思維活動包括但不限于比較、判斷、邏輯推理、運算等，操作包括但不限于采集數(shù)據(jù)(通過指令和傳感器等)、執(zhí)行系統(tǒng)指令、發(fā)送告警、文本信息解析、通過系統(tǒng)指令修復故障(例如重啟板卡)等等。

引擎的主要構成和工作原理描述如下(參看說明書附圖之圖1)：

1.人機交互界面

●拖拽控制：實現(xiàn)對界面元素的拖拽功能，對專家經(jīng)驗中的決策流程圖元素進行控制管理。

●節(jié)點組件管理：負責處理節(jié)點組件的管理，支持動態(tài)配置與管理節(jié)點組件。

●渲染控制：負責對節(jié)點與線，以及配置窗口元素進行渲染控制，元素對象的生命周期管理。

●動態(tài)軌跡跟蹤：以動態(tài)軌跡圖的方式展現(xiàn)流程執(zhí)行過程，并且支持在動態(tài)軌跡圖上查看節(jié)點日志。

●數(shù)據(jù)處理模塊：包括數(shù)據(jù)動態(tài)加載、數(shù)據(jù)動態(tài)保存、數(shù)據(jù)的格式化、數(shù)據(jù)的合法性校驗、流程的復制等操作。

2.規(guī)則配置信息

用于存儲通過流程繪制工具所配置的規(guī)則配置數(shù)據(jù)，包括以何種條件觸發(fā)，以何種規(guī)則進行判斷等數(shù)據(jù)。完成后的配置信息表現(xiàn)為一個決策流程圖和一系列其他配置信息(如指標、閾值、指令等)。這些規(guī)則配置信息描述了專家解決問題的思維方式，以及解決問題的方法與思路。規(guī)則配置數(shù)據(jù)也會同步到經(jīng)驗庫中進行存儲。

3.元數(shù)據(jù)信息

用于存儲各行業(yè)的基礎數(shù)據(jù)，比如：

計算機通信網(wǎng)絡行業(yè)：網(wǎng)絡拓撲關系數(shù)據(jù)，網(wǎng)元設備信息等

醫(yī)療行業(yè)：病種分類，化驗指標分類等

4.日志信息

用于存儲智能決策引擎運行的過程日志，提供日志數(shù)據(jù)給動態(tài)軌跡模塊進行動態(tài)軌跡呈現(xiàn)。

5.解釋器模塊

對流程配置數(shù)據(jù)進行語法分析并根據(jù)解析結果執(zhí)行相關計算和操作。

6.編譯器模塊

編譯器模塊對流程配置數(shù)據(jù)進行邏輯編譯以生成可執(zhí)行代碼并執(zhí)行。

7.流程控制模塊

●對流程的執(zhí)行過程進行有序的調(diào)度，調(diào)用執(zhí)行模塊中的邏輯處理單元。

●能夠?qū)帱c續(xù)跑以及子流程調(diào)用的情況進行處理。

●該模塊能夠防止流程死循環(huán)，檢測各類流程問題(如流程無結束條件)。

8.配置管理模塊

該模塊加載智能決策流程執(zhí)行引擎的常規(guī)配置，比如：流程調(diào)度周期、數(shù)據(jù)源配置、日志輸出配置等。并監(jiān)控配置修改操作，實時更新配置。

9.執(zhí)行模塊

在流程控制模塊進行任務調(diào)度時，該模塊根據(jù)任務的性質(zhì)(任務性質(zhì)有多種，包括但不限于判斷、過濾、邏輯關系處理、指令執(zhí)行等)選擇相應的子程序模塊執(zhí)行具體的任務。并把執(zhí)行結果返回給流程控制模塊。其中包括：

●觸發(fā)執(zhí)行模塊：提供執(zhí)行觸發(fā)邏輯。

●判斷執(zhí)行模塊：提供執(zhí)行判斷邏輯，決定流程的分支走向。

●邏輯關系處理模塊：提供對輸入結果進行匯聚，并根據(jù)配置的“與”、“或”、“非”等邏輯關系，對輸入數(shù)據(jù)進行關系操作。

●指令執(zhí)行模塊：提供下發(fā)指令，并對指令結果進行解析判斷。

●過濾處理模塊：提供對輸入結果進行過濾操作

●關系適配模塊：能夠根據(jù)配置的關系元數(shù)據(jù)進行智能關聯(lián)適配，根據(jù)分類、拓撲等關系對判斷結果自動進行聚焦。

10.驗證優(yōu)化模塊

該模塊主要是對智能決策引擎計算出來的結果進行驗證，并根據(jù)驗證結果不斷優(yōu)化經(jīng)驗庫中的經(jīng)驗規(guī)則配置(流程)。

四、附圖說明

圖1是引擎的主要構成和工作原理示意圖；

圖2是移動通信網(wǎng)絡故障定位案例示意圖；

五、具體實施方式

下面通過實例詳細說明具體實施方式。這里以通信網(wǎng)絡運營商的維護工作為例進行說明，所選用的實例僅用于解釋本發(fā)明，并非用于限定本發(fā)明的范圍。本發(fā)明的適用范圍包括但不限于實例所涉及范圍，例如本發(fā)明除了用于通信網(wǎng)絡智能維護，還可以用于智能交通、智能醫(yī)療等其他領域。

通信網(wǎng)絡運營商維護的設備種類繁多，設備數(shù)量龐大，當網(wǎng)絡中某個節(jié)點出現(xiàn)故障影響業(yè)務時，往往要耗費維護人員大量的時間去定位故障。傳統(tǒng)模式下，維護人員在收到故障告警信息后，通常是先通過網(wǎng)管檢查設備告警和各種性能指標的情況，根據(jù)經(jīng)驗一段一段排查可疑故障點，有時還需要登錄設備通過人機指令交互得到日志結果再做進一步分析后才能找到問題點。一般情況下，維護人員在解決故障的時候往往先要耗費70％以上的時間去定位問題，嚴重影響了故障恢復時間。整個故障定位過程中，耗時的環(huán)節(jié)主要有人機交互、數(shù)據(jù)分析、邏輯判斷等，而且在故障定位中技術人員的能力和經(jīng)驗對故障處理的時間控制起到了決定性作用。

由于機器通過智能引擎學習了大量的專家的經(jīng)驗，使用上述智能引擎，可實現(xiàn)用機器代替人類處理那些耗時和邏輯判斷復雜的環(huán)節(jié)，例如快速幫助維護人員發(fā)現(xiàn)故障可疑點大幅縮短故障定位的耗時、有效提高故障定位的準確度。

網(wǎng)絡通信專家的經(jīng)驗涉及網(wǎng)絡拓撲結構、性能指標體系和預警值、性能指標的波動周期、設備告警和日志判斷、以及它們與故障現(xiàn)象的相關性等。專家通過繪制流程圖、配置參數(shù)和指令等方式描述經(jīng)驗并將之保存到引擎中。其中畫流程圖的過程主要通過拖拽圖形組件和關系線條來實現(xiàn)，操作簡便且靈活，可方便地描述各種思維模式(如比較、判斷、邏輯推理等)，也可嵌入各種操作(如采集數(shù)據(jù)、發(fā)送告警、日志解析、重啟板卡、清空緩存等)。

下面是智能決策引擎配置的一個案例，說明如下(參看說明書附圖之圖2)：

1.觸發(fā)節(jié)點

以任何指標異常為觸發(fā)條件。如果指標出現(xiàn)異常，則啟動流程，設置的指標條件例如：

指標1大于x為正常，否則為異常，其中x為針對指標1的指定閾值；

指標2大于y為正常，否則為異常，其中y為針對指標2的指定閾值；

2.判斷節(jié)點(切入點指標判斷)

以某個的重點指標為切入點設置判斷條件，設置的指標判斷規(guī)則例如：

指標3大于z為正常，否則為異常，其中z為針對指標3的指定閾值；

3.指令節(jié)點

通過登錄設備，向設備發(fā)送指令，采集設備的數(shù)據(jù)或，告警日志或者執(zhí)行某些重啟、重置操作等，設置的指令例如：

(1)收集CPU占用率，內(nèi)存使用率，溫度的指令。

(2)收集設備告警日志等指令

(3)執(zhí)行設備重啟或重置操作的指令

本專利的案例使用和實現(xiàn)場景主要選取了計算機通信網(wǎng)絡中的智能維護案例。對于智能醫(yī)療、智能交通等跨行業(yè)領域同樣有行業(yè)專家的經(jīng)驗判斷邏輯和知識庫，本發(fā)明中的智能引擎也能適用并移植。