[发明专利]克服歧视与偏见的人工智能教育反省机器人

说明书

克服歧视与偏见的人工智能教育反省机器人，包括：数据生成补充步骤；模型重新训练步骤；模型预测步骤。上述方法、系统和机器人，基于大数据和人工智能模型通过生成更多地数据来弥补不同类型用户的数据失衡问题，从而可以避免因数据失衡引起的人工智能偏见、歧视等弊端；同时通过多个人工智能模型来对用户数据进行预测，相互比照，来更早地发现问题，并由人工复核，从而可以更快更早地发现人工智能应用中存在的问题，并能及早进行改正和补救；这两个方面使得人工智能能够在数据和算法模型两个层面进行反省，在人工智能应用的很多领域都意义重大，例如应用于教育领域时能够极大减少甚至避免人工智能因为歧视、偏见等导致的教学事故和负面作用。

技术领域

本发明涉及人工智能技术领域，特别是涉及一种克服歧视与偏见的人工智能教育反省机器人。

背景技术

现有技术下，通过前期调研发现人工智能用于教育时能够帮助老师更好地帮助学生学习。

在实现本发明过程中，发明人发现现有技术中至少存在如下问题：现有技术下，由于人工智能在帮助学生学习时所采用的算法是基于大数据的，而大数据中不同类型的样本的比例不同，非常容易造成人工智能的坐井观天和盲人摸象，进而造成对学生学习带来负面作用的学习内容推荐，例如让学生出现偏科、局限于局部知识、对人工智能产生依赖、被人工智能歧视等等问题，当这些问题发生后，人工智能依然一无所知，只会变本加厉地继续加大偏见和歧视，因为前面的失误甚至错误数据又成了后面的大数据来源，从而会形成人工智能偏见和歧视的恶性循环，在这种情形下，一旦人工智能用于教育的算法出现问题，学生将会陷入不良的深渊而不自知，带来严重的教学事故。

因此，现有技术还有待于改进和发展。

发明内容

基于此，有必要针对现有技术的缺陷或不足，提供克服歧视与偏见的人工智能教育反省机器人，这种人工智能能够进行自我反省，进而能够在提供教育服务的同时，不断地检点自己可能会存在的失误，并且能够不断地自我调整算法，标本兼治地克服人工智能教育机器人当前的缺陷。

第一方面，本发明实施例提供一种人工智能方法，所述方法包括：

数据生成补充步骤：获取每一用户数据，获取各类用户数据量比例，根据每一用户数据量比例判断比例是否失衡，若失衡，则生成新的所述每一用户数据，并将生成的新的所述每一用户数据补充进所述每一用户数据；

模型重新训练步骤：利用所述每一用户数据对所述每一用户数据的人工智能模型进行重新训练；

模型预测步骤：将所述每一用户数据分别输入所述人工智能模型和预设的与所述人工智能模型对应的另一人工智能模型进行预测，得到两个预测结果，判断所述两个预测结果的差异是否在预设范围内，若是，则将至少一个预测结果返回给用户；若否，则请求人工复核和修改预测结果，并请求人工复核所述人工智能模型和预设的与人工智能模型对应的另一人工智能模型；

优选地，所述方法还包括：

各类用户数据量比例获取步骤：获取人工智能用于教育时所基于的大数据中用户的类型，所述用户包括学生或/和老师，统计需要输入每一人工智能连接学派模型(包括深度学习模型、神经网络模型、量子计算模型等)的每一不同类型用户或满足预设条件的每一不同类型的用户的数据量占输入所述每一人工智能连接学派模型的用户总数据量的比例，作为所述每一人工智能连接学派模型下所述每一不同类型用户的数据量比例；