人工智能选择和配置的制作方法

技术特征：
1.一种系统，包括：机会挖掘模块，其被构造为接收关于任务或领域的属性的输入，并处理所述输入以确定人工智能系统是否可以应用于所述任务或所述领域；人工智能搜索引擎，其被构造为接收所述输入，并使用所述输入和至少一个选择标准对多个领域特定和通用人工智能模型和模型组件的人工智能存储器执行搜索，以识别待应用于所述任务或所述领域的人工智能模型或模型组件中的至少一个；人工智能配置模块，其被构造为配置一个或多个数据输入用于所述人工智能模型或所述模型组件中的所述至少一个。2.根据权利要求1所述的系统，其中所述人工智能搜索引擎根据所述人工智能模型或所述模型组件中的所述至少一个相对于所述至少一个选择标准的优势或劣势对所述搜索的一个或多个结果进行排序。3.根据权利要求1所述的系统，其中所述人工智能模型或所述模型组件中的所述至少一个是神经网络、机器学习系统或专家系统中的至少一个。4.根据权利要求1所述的系统，其中所述至少一个选择标准包括以下各项中的至少一项：所述人工智能模型或所述模型组件中的所述至少一个在用户环境中执行的可用性、所述人工智能模型或所述模型组件中的所述至少一个对至少一个用户的可用性、治理原则、治理策略、计算因素、网络因素、数据可用性、任务特定因素、性能因素、服务质量因素、模型部署考虑因素、安全考虑因素或人机界面。5.根据权利要求1所述的系统，其中所述人工智能配置模块还被构造为根据至少一个配置标准配置所述人工智能模型或所述模型组件中的所述至少一个。6.根据权利要求5所述的系统，其中所述至少一个配置标准包括以下各项中的至少一项：所述人工智能模型或所述模型组件中的所述至少一个在用户环境中执行的可用性、所述人工智能模型或所述模型组件中的所述至少一个对用户的可用性、治理原则、治理策略、计算因素、网络因素、数据可用性、任务特定因素、性能因素、服务质量因素、模型部署考虑因素、安全考虑因素或人机界面。7.根据权利要求5所述的系统，其中所述至少一个配置标准包括以下各项中的至少一项：神经网络类型的选择、输入模型类型的选择、初始模型权重的设置、模型大小的设置、计算部署环境的选择、用于训练的输入数据源的选择、用于操作的输入数据源的选择、反馈功能/结果度量的选择、用于输入和输出的一种或多种数据集成语言的选择、用于模型训练的应用程序编程接口(api)的配置、用于模型输入的api的配置、用于输出的api的配置、访问控制的配置、安全参数的配置、网络协议的配置、存储参数的配置、经济因素的配置、数据流的配置、高可用性的配置、一个或多个容错环境、基于价格的数据获取策略、启发式方法、决策模型的建立决策或大规模并行决策环境的协调。8.根据权利要求1所述的系统，其中所述人工智能存储器包括元数据或其他描述性材料，所述元数据或其他描述材料指示人工智能模型或模型组件对于解决特定类型问题或对领域特定输入、数据或其他实体进行操作中的至少一种的适用性。9.根据权利要求8所述的系统，其中所述问题是预测、nlp、图像识别、模式识别、运动检测或路线优化中的至少一个。10.根据权利要求1所述的系统，其中所述人工智能存储器按类别组织。
11.根据权利要求10所述的系统，其中所述类别是人工智能模型组件类型、领域、输入类型、处理类型、输出类型、计算需求、计算能力、成本或能量使用中的至少一种。12.根据权利要求1所述的系统，其中所述人工智能搜索引擎还包括协同过滤器，所述协同过滤器被构造为从用户接收对所述至少一个人工智能模型或模型组件的元素的指示，所述指示用于过滤包括所述至少一个人工智能模型或模型组件的搜索结果。13.根据权利要求1所述的系统，其中所述人工智能搜索引擎还包括聚类引擎，所述聚类引擎被构造为对包括所述至少一个人工智能模型或模型组件的搜索结果进行聚类。14.根据权利要求13所述的系统，其中所述聚类引擎是相似矩阵或k均值聚类中的至少一个。15.根据权利要求13所述的系统，其中所述聚类引擎将所述搜索结果中的类似开发者、类似领域特定问题或类似人工智能解决方案中的至少一个关联。16.根据权利要求1所述的系统，其中所述人工智能存储器包括至少一个电子商务特征。17.根据权利要求16所述的系统，其中所述至少一个电子商务特征包括以下各项中的至少一项：评级、评论、到相关内容的链接、供应机制、许可机制、递送机制或支付机制。18.一种方法，包括：接收关于任务或领域的属性的输入，并处理所述输入以确定人工智能系统是否可以应用于所述任务或所述领域；使用所述输入和至少一个选择标准对多个领域特定和通用人工智能模型和模型组件的人工智能存储器执行搜索，以识别待应用于所述任务或所述领域的人工智能模型或模型组件中的至少一个；配置一个或多个数据输入用于所述人工智能模型或所述模型组件中的所述至少一个。19.根据权利要求18所述的方法，还包括根据所述人工智能模型或所述模型组件中的所述至少一个相对于所述至少一个选择标准的优势或劣势对所述搜索的一个或多个结果进行排序。20.根据权利要求18所述的方法，还包括根据至少一个配置标准配置所述人工智能模型或所述模型组件中的所述至少一个。21.根据权利要求18所述的方法，其中所述人工智能存储器包括元数据或其他描述性材料，所述元数据或其他描述材料指示人工智能系统对于解决特定类型问题或对领域特定输入、数据或其他实体进行操作中的至少一种的适用性。22.根据权利要求18所述的方法，还包括使用由用户选择的所述人工智能模型或所述模型组件中的所述至少一个的元素，对包括所述人工智能模型或所述模型组件中的所述至少一个的搜索结果进行协同过滤。23.根据权利要求18所述的方法，还包括使用聚类引擎对包括所述人工智能模型或所述模型组件中的所述至少一个的搜索结果进行聚类。24.一种系统，包括：机会挖掘模块，其接收关于任务或领域的属性的输入，并处理所述输入以确定人工智能系统是否可以应用于所述任务或所述领域；人工智能搜索引擎，其接收所述输入，并使用所述输入对多个领域特定和通用人工智
能模型和模型组件的人工智能存储器执行搜索，以识别待应用于所述任务或所述领域的人工智能模型或模型组件中的至少一个；人工智能配置模块，其配置一个或多个数据输入用于所述人工智能模型或所述模型组件中的所述至少一个。25.根据权利要求24所述的系统，还包括使用至少一个选择标准识别所述人工智能模型或所述模型组件中的所述至少一个。26.根据权利要求25所述的系统，其中所述人工智能搜索引擎根据所述至少一个人工智能模型或模型组件相对于所述至少一个选择标准的优势或劣势对所述搜索的一个或多个结果进行排序。27.根据权利要求24所述的系统，其中所述至少一个人工智能模型或模型组件是神经网络、机器学习系统或专家系统中的至少一个。28.根据权利要求25所述的系统，其中所述至少一个选择标准包括以下各项中的至少一项：所述至少一个人工智能模型或模型组件在用户环境中执行的可用性、所述至少一个人工智能模型或模型组件对用户的可用性、治理原则、治理策略、计算因素、网络因素、数据可用性、任务特定因素、性能因素、服务质量因素、模型部署考虑因素、安全考虑因素或人机界面。29.根据权利要求24所述的系统，其中所述人工智能配置模块还根据至少一个配置标准配置所述至少一个人工智能模型或模型组件。30.根据权利要求29所述的系统，其中所述至少一个配置标准包括以下各项中的至少一项：所述至少一个人工智能模型或模型组件在用户环境中执行的可用性、所述至少一个人工智能模型或模型组件对用户的可用性、治理原则、治理策略、计算因素、网络因素、数据可用性、任务特定因素、性能因素、服务质量因素、模型部署考虑因素、安全考虑因素或人机界面。31.根据权利要求29所述的系统，其中所述至少一个配置标准包括以下各项中的至少一项：神经网络类型的选择、输入模型类型的选择、初始模型权重的设置、模型大小的设置、计算部署环境的选择、用于训练的输入数据源的选择、用于操作的输入数据源的选择、反馈功能/结果度量的选择、用于输入和输出的一种或多种数据集成语言的选择、用于模型训练的api的配置、用于模型输入的api的配置、用于输出的api的配置、访问控制的配置、安全参数的配置、网络协议的配置、存储参数的配置、经济因素的配置、数据流的配置、高可用性的配置、一个或多个容错环境、基于价格的数据获取策略、启发式方法、决策模型的建立决策或大规模并行决策环境的协调。32.根据权利要求24所述的系统，其中所述人工智能存储器包括元数据或其他描述性材料，所述元数据或其他描述材料指示人工智能系统对于解决特定类型问题或对领域特定输入、数据或其他实体进行操作中的至少一种的适用性。33.根据权利要求32所述的系统，其中所述问题是预测、nlp、图像识别、模式识别、运动检测或路线优化中的至少一个。34.根据权利要求24所述的系统，其中所述人工智能存储器按类别组织。35.根据权利要求34所述的系统，其中所述类别是人工智能模型组件类型、领域、输入类型、处理类型、输出类型、计算需求、计算能力、成本或能量使用中的至少一种。
36.根据权利要求24所述的系统，其中所述人工智能搜索引擎还包括协同过滤器，所述协同过滤器从用户接收对所述至少一个人工智能模型或模型组件的元素的指示，所述指示用于过滤包括所述至少一个人工智能模型或模型组件的搜索结果。37.根据权利要求24所述的系统，其中所述人工智能搜索引擎还包括聚类引擎，所述聚类引擎对包括所述至少一个人工智能模型或模型组件的搜索结果进行聚类。38.根据权利要求37所述的系统，其中所述聚类引擎是相似矩阵或k均值聚类中的至少一个。39.根据权利要求37所述的系统，其中所述聚类引擎将所述搜索结果中的类似开发者、类似领域特定问题或类似人工智能解决方案中的至少一个关联。40.根据权利要求24所述的系统，其中所述人工智能存储器包括至少一个电子商务特征。41.根据权利要求40所述的系统，其中所述至少一个电子商务特征包括以下各项中的至少一项：评级、评论、到相关内容的链接、供应机制、许可机制、递送机制或支付机制。42.一种方法，包括：接收关于任务或领域的属性的输入，并处理所述输入以确定人工智能系统是否可以应用于所述任务或所述领域；使用所述输入对多个领域特定和通用人工智能模型的人工智能存储器执行搜索，以识别待应用于所述任务或所述领域的至少一个人工智能模型或模型组件；配置一个或多个数据输入用于所述至少一个人工智能模型或模型组件。43.根据权利要求42所述的方法，还包括使用至少一个选择标准识别所述至少一个人工智能模型或模型组件。44.根据权利要求43所述的方法，还包括根据所述至少一个人工智能模型或模型组件相对于所述至少一个选择标准的优势或劣势对所述搜索的一个或多个结果进行排序。45.根据权利要求42所述的方法，还包括根据至少一个配置标准配置所述至少一个人工智能模型或模型组件。46.根据权利要求42所述的方法，其中所述人工智能存储器包括元数据或其他描述性材料，所述元数据或其他描述材料指示人工智能系统对于解决特定类型问题或对领域特定输入、数据或其他实体进行操作中的至少一种的适用性。47.根据权利要求42所述的方法，还包括使用由用户选择的所述至少一个人工智能模型或模型组件的元素，对包括所述至少一个人工智能模型或模型组件的搜索结果进行协同过滤。48.根据权利要求42所述的方法，还包括使用聚类引擎对包括所述至少一个人工智能模型或模型组件的搜索结果进行聚类。49.一种用于选择和配置自动化机器人过程的系统，所述系统包括：媒体输入模块，其被构造为接收至少一个功能媒体；媒体分析模块，其被构造为分析所述至少一个功能媒体并识别动作参数；解决方案选择模块，其被构造为选择ai解决方案中用于自动化机器人过程的至少一个组件，其中所述选择至少部分地基于所述动作参数。50.根据权利要求49所述的系统，其中：
所述至少一个功能媒体包括指示参与感兴趣任务的人的大脑活动的媒体；所述媒体分析模块还被构造为识别至少一个脑区中的活动水平，并提供与所述至少一个脑区中的所述活动水平相对应的脑区参数。51.根据权利要求50所述的系统，其中所述解决方案选择模块还被构造为至少部分地基于所述脑区参数选择所述ai解决方案的所述至少一个组件。52.根据权利要求50所述的系统，其中：所述媒体分析模块还被构造为提供与人类参与的感兴趣任务相关并与所述脑区参数相对应的活动参数；所述解决方案选择模块还被构造为至少部分地基于所述活动参数选择所述ai解决方案的至少一个组件。53.根据权利要求52所述的系统，其中所述活动参数选自活动参数列表，所述活动参数列表包括参与、未参与、活动水平或活动类型中的至少一个。54.根据权利要求52所述的系统，还包括组件配置模块，所述组件配置模块被构造为至少部分地基于所述活动参数或所述脑区参数中的至少一个设置配置参数。55.根据权利要求50所述的系统，其中所述解决方案选择模块还被构造为至少部分地基于所述脑区参数识别运行时输入。56.根据权利要求50所述的系统，其中所述脑区参数指示包括fp1、f7、f3、t3、c3、t5、p3、o1、fp2、f8、f4、t4、c4、t6、p4或o2中的至少一个的新皮质区域。57.根据权利要求50所述的系统，其中所述ai解决方案的所述至少一个选定组件模拟与由所述脑区参数指示的所述脑区的所述活动类似的处理活动。58.根据权利要求52所述的系统，其中所述活动参数表示包括嗅觉处理、视觉处理、听觉处理或运动中的至少一个的活动。59.根据权利要求58所述的系统，其中当所述活动参数表示所述嗅觉处理时，输入规范模块还被构造为将至少一个化学传感器识别为机器人输入。60.根据权利要求58所述的系统，其中当所述活动参数表示所述视觉处理时，输入规范模块还被构造为将至少一个视觉传感器识别为机器人输入。61.根据权利要求60所述的系统，其中所述至少一个视觉传感器的灵敏度包括约380纳米至约700纳米之间的波长范围的一部分。62.根据权利要求58所述的系统，其中当所述活动参数表示所述听觉处理时，输入规范模块还被构造为将至少一个麦克风识别为机器人输入。63.根据权利要求50所述的系统，其中所述媒体分析模块还被构造为识别第二脑区参数。64.根据权利要求63所述的系统，其中所述第二脑区参数指示以下各项中的至少一项：所述至少一个功能媒体的分辨率、参与信号的强度、所述脑区参数与所述第二脑区参数之间的参与信号的相对强度或脑区参与的程度。65.根据权利要求49所述的系统，其中所述ai解决方案的选定的至少一个组件包括以下各项中的至少一项：模型、专家系统、神经网络类型、特定机器学习算法、配置规范、指定输入、指定输出、学习参数、变化率、加权或阈值。66.根据权利要求49所述的系统，其中：
所述至少一个功能媒体包括参与感兴趣任务的人的视频馈送；所述动作参数表示包括听觉、视觉、嗅觉或触觉中的至少一种的动作。67.根据权利要求49所述的系统，其中：所述动作参数包括一系列有序的动作；所述解决方案选择模块还被构造为选择所述ai解决方案的多个组件，所述选择至少部分地基于所述一系列有序的动作。68.一种用于选择和配置自动化机器人过程的系统，所述系统包括：输入模块，其被构造为接收至少一个用户相关输入；输入分析模块，其被构造为分析所述至少一个用户相关输入并识别动作参数；组件选择模块，其被构造为选择ai解决方案中用于自动化机器人过程的组件，其中所述选择至少部分地基于所述动作参数。69.根据权利要求68所述的系统，其中所述用户相关输入包括以下各项中的至少一项：音频馈送、运动传感器、心跳监视器、生物传感器或眼动跟踪器。70.根据权利要求68所述的系统，其中对所述至少一个用户相关输入的所述分析包括产生多个时间参数的时间分析。71.根据权利要求70所述的系统，其中所述ai解决方案的所述组件的所述选择还至少部分地基于所述多个时间参数。72.根据权利要求68所述的系统，还包括组件配置模块，所述组件配置模块被构造为至少部分地基于所述动作参数配置所述ai解决方案的所述组件，其中所述ai解决方案的所述组件的配置方式包括以下各项中的至少一项：选择机器学习过程的输入；识别将由所述机器学习过程提供的输出；识别操作解决方案过程的输入；识别操作解决方法过程的输出；调整学习参数；识别变化率；识别加权因子；识别用于包含的参数；识别用于排除参数的参数；设置输入数据的阈值；设置用于操作机器人过程的输出阈值；或设置参数阈值。73.根据权利要求70所述的系统，其中所述ai解决方案的所述组件包括模型、专家系统或神经网络中的至少一个。74.一种用于选择和配置机器人过程的系统，所述系统包括：数据输入模块，其被构造为接收与参与感兴趣任务的用户相关的输入流；输入分析模块，其被构造为分析所述输入流并提供一系列动作和相关联的动作参数，其中所述一系列动作中的每个动作被加上时间戳；组件选择模块，其被构造为选择ai解决方案中用于自动化机器人过程的组件，其中所述选择至少部分地基于所述一系列动作中的动作和所述相关联的动作参数中的至少一个；其中，所述ai解决方案的所述组件至少部分地基于其模拟所述一系列动作中的所述动作中的一个或多个的能力来选择。75.根据权利要求74所述的系统，其中所述组件选择模块还被构造为基于所述一系列动作中的第二动作选择所述ai解决方案的第二组件，其中所述ai解决方案的所述组件和所述ai解决方案的所述第二组件发生在不同位置。76.根据权利要求75所述的系统，其中所述ai解决方案的所述组件或所述第二组件中的至少一个需要以下各项中的至少一项：计算密集型处理；以最小输入做出快速决策。77.根据权利要求75所述的系统，其中所述组件或所述第二组件中的至少一个包括具
有在云环境中操作的多层的神经网络。78.根据权利要求74所述的系统，其中每个组件是特定模型、专家系统、神经网络或算法中的至少一个。79.一种用于为自动化机器人过程选择ai解决方案的计算机实现的方法，所述方法包括：接收至少一个功能媒体，其中所述功能媒体包括指示参与感兴趣任务的人的大脑活动的信息；分析所述至少一个功能媒体；识别至少一个脑区中的活动水平；识别脑区参数和活动参数；至少部分地基于所述脑区参数和所述活动参数中的至少一个识别动作参数；至少部分地基于所述脑区参数、所述活动参数或所述动作参数中的至少一个选择所述ai解决方案的组件。80.根据权利要求79所述的方法，还包括至少部分地基于所述ai解决方案的选定组件、所述脑区参数、所述活动参数或所述动作参数中的至少一个确定配置参数。81.根据权利要求79所述的方法，还包括至少部分地基于所述脑区参数或所述活动参数中的至少一个识别机器人输入。82.根据权利要求79所述的方法，其中所述ai解决方案的选定组件模拟与由所述脑区参数指示的所述至少一个脑区的活动类似的处理活动。83.根据权利要求79所述的方法，其中所述脑区参数或所述活动参数中的至少一个表示包括嗅觉处理、视觉处理、听觉处理或运动活动中的至少一个的活动。84.根据权利要求79所述的方法，还包括：识别第二脑区参数或第二活动参数中的至少一个；至少部分地基于所述第二脑区参数或所述第二活动参数中的至少一个修改所述ai解决方案的选定组件。85.根据权利要求84所述的方法，还包括：部分地基于所述第二脑区参数或所述第二活动参数识别所述ai解决方案的第二组件。86.根据权利要求79所述的方法，还包括：识别第二脑区参数或第二活动参数中的至少一个；至少部分地基于所述第二脑区参数或所述第二活动参数中的至少一个选择所述ai解决方案的第二组件。87.根据权利要求86所述的方法，还包括组装所述ai解决方案，所述ai解决方案至少包括选定组件。88.根据权利要求87所述的方法，其中所述组装的ai解决方案还包括第二选定组件。89.一种用于选择和配置自动化机器人过程的计算机实现的方法，所述方法包括：接收包括时间戳的用户相关输入；分析所述用户相关输入；识别一系列用户动作和相关联的活动参数；至少部分地基于所述一系列用户动作中的用户动作选择ai解决方案中用于自动化机
器人过程的组件。90.根据权利要求89所述的方法，其中所述用户相关输入是以下各项中的至少一项：音频馈送、运动传感器、视频馈送、心跳监视器、眼动跟踪器或生物传感器。91.根据权利要求89所述的方法，还包括从所述一系列用户动作中识别第二用户动作。92.根据权利要求91所述的方法，还包括基于所述第二用户动作修改所述ai解决方案的选定组件。93.根据权利要求92所述的方法，还包括基于所述第二用户动作为所述ai解决方案选择第二组件。94.根据权利要求89所述的方法，还包括：至少部分地基于所述用户动作或所述相关联的活动参数中的至少一个识别动作参数；基于所述动作参数配置所述ai解决方案的选定组件。95.根据权利要求94所述的方法，其中所述用户动作是运动，并且所述相关联的动作参数是运动范围、运动速度、运动重复、肌肉记忆的利用、运动平滑度、运动流或运动定时中的至少一个。96.根据权利要求89所述的方法，还包括：接收由所述用户执行的至少一个设备输入，其中所述用户的所述设备输入与所述用户相关输入同步。97.根据权利要求96所述的方法，其中所述ai解决方案的所述组件的所述选择至少部分地基于所述设备输入中的至少一个与所述用户相关输入之间的相关性。98.一种用于选择和配置自动化机器人过程的计算机实现的方法，所述方法包括：接收执行任务的工人的时间生物特征测量；接收提供给所述工人的时空环境输入；至少部分地基于所述工人的所述时间生物特征测量识别在执行所述任务时使用的推理类型；选择ai解决方案的组件以复制所述推理类型；基于所述时空环境输入配置所述ai解决方案的所述组件，其中所述时间生物特征测量包括所述工人的大脑的一组时空成像数据；其中识别所述推理类型还包括识别所述工人的一组时空新皮质活动模式以及识别所述工人的新皮质的活动区域；其中选择所述ai解决方案的所述组件至少部分基于所述新皮质的所述识别的活动区域。99.根据权利要求98所述的方法，其中所述新皮质的所述识别的活动区域包括o1新皮质区域，并且选定ai组件被优化用于视觉处理。100.根据权利要求99所述的方法，其中配置所述ai解决方案的所述组件还包括基于所述时空环境输入识别所述组件的视觉输入。101.根据权利要求98所述的方法，其中所述新皮质的所述识别的活动区域包括c3新皮质区域，并且所述选定组件被优化用于数据存储或检索中的至少一个。102.根据权利要求98所述的方法，其中所述选定组件包括基于区块链的分布式分类账。
103.根据权利要求98所述的方法，还包括至少部分地基于所述时空新皮质活动模式识别串行或并行处理ai组件是否为最优。104.根据权利要求98所述的方法，其中配置所述ai解决方案的所述选定组件还包括识别对所述ai解决方案的所述组件的一组有序的输入。105.根据权利要求98所述的方法，其中配置所述ai解决方案的所述选定组件还包括识别来自所述时空环境输入组合的效率。106.根据权利要求98所述的方法，其中配置所述ai解决方案的所述选定组件还包括识别所述时空环境输入中不利于积极解决方案的不期望部分；以及配置对所述ai解决方案的一部分的输入以限制对所述ai解决方案的不期望输入。107.根据权利要求106所述的方法，其中限制对所述ai解决方案的不期望输入还包括去除输入噪声。108.根据权利要求98所述的方法，其中所述时空环境包括听觉环境、视觉环境、嗅觉环境或设备用户界面中的至少一个。109.根据权利要求98所述的方法，还包括：接收执行任务的所述工人的第二时间生物特征测量；其中，所述第二时间生物特征测量包括以下各项中的至少一项：所述工人的图像、所述工人的视频馈送、来自所述工人的音频馈送、所述工人的运动、所述工人的心跳、所述工人的皮肤电反应或所述工人的眼睛运动。110.根据权利要求98所述的方法，包括：从所述生物特征测量识别多个执行任务；从所述生物特征测量中提取性能参数；其中配置所述ai解决方案的所述选定组件至少部分地基于所述性能参数。111.根据权利要求109所述的方法，其中所述第二时间生物特征测量在用于所述ai解决方案的所述组件的训练集中提供。112.根据权利要求109所述的方法，还包括：接收与所述任务相关的结果数据；将所述第二时间生物特征测量与所述接收的结果数据相关联；其中选择所述ai解决方案的所述组件还至少部分地基于所述结果数据或所述相关性中的至少一个。113.根据权利要求98所述的方法，还包括：识别多个执行任务中每个任务之间的多个时间间隔；基于所述时间间隔中的至少一个配置所述ai解决方案的所述选定组件。114.一种用于利用数字孪生的交易人工智能的信息技术系统，包括：自适应智能系统，包括：人工智能系统，其中所述人工智能系统包括机器学习系统；数字孪生系统；以及自适应边缘智能系统；其中所述自适应智能系统定义机器学习模型，所述机器学习模型被构造为从数据存储系统接收状态数据或事件数据中的至少一个；
其中所述自适应智能系统定义所述数字孪生系统以创建交易(生态系统)实体中的一个或多个的数字副本，所述交易(生态系统)实体通过连接设施通信。监控系统和数据收集系统；交易管理平台和应用程序。115.一种用于以电子方式促进许可方的一个或多个人格权的许可的计算机实现的方法，所述方法包括：从被许可方接收访问请求，以从一组可用许可方获得许可人格权的批准；基于所述访问请求选择性地授予对所述被许可方的访问；从所述被许可方接收资金金额的存入确认；向所述被许可方的账户签发与所述被许可方存入的所述资金金额相对应的加密货币金额；接收智能合约请求以创建智能合约，所述智能合约管理所述被许可方对所述许可方的所述一个或多个人格权的所述许可，其中所述智能合约请求指示一个或多个条款，所述一个或多个条款包括待支付给所述许可方的用于交换所述许可方的一项或多项义务的加密货币对价金额；基于所述智能合约请求生成所述智能合约；从所述被许可方的所述账户托管所述加密货币对价金额；将所述智能合约部署到分布式分类账；通过所述智能合约验证所述许可方已履行所述一项或多项义务；响应于接收到所述许可方已履行所述一项或多项义务的验证，将所述加密货币对价金额的至少一部分释放到所述许可方的许可方账户中；向所述分布式分类账输出记录，所述记录指示由所述智能合约定义的许可交易已完成。

技术总结
一种系统包括机会挖掘模块，其被构造为接收关于任务或领域的属性的输入，并处理所述输入以确定人工智能系统是否可以应用于所述任务或所述领域；人工智能搜索引擎，其被构造为接收所述输入，并使用所述输入和至少一个选择标准对多个领域特定和通用人工智能模型和模型组件的人工智能存储器执行搜索，以识别待应用于所述任务或所述领域的人工智能模型或模型组件中的至少一个；人工智能配置模块，其被构造为配置一个或多个数据输入用于所述至少一个人工智能模型或模型组件。一个人工智能模型或模型组件。一个人工智能模型或模型组件。


技术研发人员：查尔斯
受保护的技术使用者：强力交易投资组合2018有限公司
技术研发日：2021.02.03
技术公布日：2022/11/29