An action control method and apparatus, relating to the field of artificial intelligence. The method comprises: obtaining the states of N dimensions of an artificial intelligence device (407); obtaining a plurality of discrete decisions on the basis of the activated fuzzy subset of the state of each of the N dimensions and a control model (408), the activated fuzzy subset of one state referring to a fuzzy subset of which the state membership degree is not 0, each fuzzy subset comprising a state interval corresponding to the same discrete decision in one dimension, the membership degree being used for indicating the degree to which the state belongs to a fuzzy subset, and the control model being used for outputting a corresponding discrete decision according to the state of an input; on the basis of the membership degree between each dimension and the activated fuzzy subset, weighting and summing the plurality of discrete decisions to obtain continuous decisions (409); and controlling, on the basis of the continuous decisions, the artificial intelligence device to perform corresponding actions (410). The continuous output decisions can ensure the smooth control of the artificial intelligence device and ensure the smoothness of the actions. La présente invention concerne un procédé et un appareil de commande d'action et concerne le domaine d'intelligente artificielle. Le procédé comprend : l'obtention des états de N dimensions d'un dispositif d'intelligence artificielle (407) ; l'obtention d'une pluralité de décisions discrètes sur la base du sous-ensemble flou activé de l'état de chacune des N dimensions et d'un modèle de commande (408), le sous-ensemble flou activé d'un état se référant à un sous-ensemble flou dont le degré d'appartenance à l'état n'est pas 0, chaque sous-ensemble flou comprenant un intervalle d'état qui correspond à la même décision discrète dans une dimension, le degré d'appartenance étant utilisé pour indiquer le degré auquel l'état appartient à un sous-ensemble flou, et le modèle de commande étant utilisé pour fournir en sortie une décision discrète correspondante en fonction de l'état d'une entrée; sur la base du degré d'appartenance entre chaque dimension et le sous-ensemble flou activé, la pondération et l'addition de la pluralité de décisions discrètes pour obtenir des décisions continues (409) ; et la commande, sur la base des décisions continues, du dispositif d'intelligence artificielle pour effectuer des actions correspondantes (410). Les décisions de sortie continue peuvent assurer la commande régulière du dispositif d'intelligence artificielle et assurer l'uniformité des actions. 一种动作控制方法及装置，属于人工智能领域。方法包括：获取人工智能设备的N个维度的状态（407）；基于N个维度中每个维度的状态的激活模糊子集以及控制模型，得到多个离散决策（408），一个状态的激活模糊子集是指状态的隶属度不为0的模糊子集，每个模糊子集包括一个维度内对应于同一个离散决策的状态区间，隶属度用于表示状态隶属于模糊子集的程度高低，控制模型用于根据输入的状态输出对应的离散决策；基于每个维度的状态与激活模糊子集之间的隶属度，对多个离散决策进行加权求和，得到连续决策（409）；基于连续决策，控制人工智能设备执行对应的动作（410）。输出的决策为连续量，能够保证对人工智能设备的平顺控制，保证动作的平滑性。

A design model establishing method and system for an artificial intelligence processing device, a storage medium, and a terminal. Said method comprises the following steps: generating, on the basis of a depth learning data graph of a depth learning network model, a hardware adaptive graph compatible with an artificial intelligence processing device (S1); generating, on the basis of the hardware adaptive graph, a data flow graph of the depth learning network model (S2); optimizing the data flow graph (S3); and outputting the optimized data flow graph according to a protocol definition (S4). The design model establishing method and system for the artificial intelligence processing device, the storage medium, and the terminal perform graph analysis on the data graph of the depth learning algorithm, enabling the artificial intelligence processing device to operate effectively in software and hardware. L'invention concerne un procédé et un système d'établissement de modèle de conception pour un dispositif de traitement d'intelligence artificielle, un support de stockage et un terminal. Ledit procédé comprend les étapes suivantes consistant à : générer, sur la base d'un graphe de données d'apprentissage en profondeur d'un modèle de réseau d'apprentissage en profondeur, un graphe adaptatif matériel compatible avec un dispositif de traitement d'intelligence artificielle (S1) ; générer, sur la base du graphe adaptatif matériel, un graphe de flux de données du modèle de réseau d'apprentissage en profondeur (S2) ; optimiser le graphe de flux de données (S3) ; et délivrer en sortie le graphe de flux de données optimisé selon une définition de protocole (S4). Le procédé et le système d'établissement de modèle de conception pour le dispositif de traitement d'intelligence artificielle, le support de stockage et le terminal réalisent une analyse de graphe sur le graphe de données de l'algorithme d'apprentissage en profondeur, permettant au dispositif de traitement d'intelligence artificielle de fonctionner efficacement dans un logiciel et un matériel. 一种人工智能处理装置设计模型建立方法、系统、存储介质、终端，该方法包括以下步骤：基于深度学习网络模型的深度学习数据图，生成与人工智能处理装置相兼容的硬件适配图（S1）；基于所述硬件适配图生成所述深度学习网络模型的数据流图（S2）；对所述数据流图进行优化（S3）；将优化后的数据流图根据协议定义输出（S4）。该人工智能处理装置设计模型建立方法、系统、存储介质、终端通过对深度学习算法的数据图进行图分析，使其能够在软件和硬件上有效运行。

Artificial intelligence training technology, which is applied to an artificial intelligence AI training network: pre-emptively beginning to establish an optical channel for communications before graphic processing units in different servers need to communicate, and transmitting a computing result to the graphic processing unit of the next server without waiting or with only a small amount of waiting time immediately after the graphic processing unit of the previous sever completes the computation thereof, thereby reducing the time consumption of AI training. Une technologie d'apprentissage par intelligence artificielle, qui est appliquée à un réseau d'apprentissage par intelligence artificielle (IA) consiste à : commencer de manière préemptive à établir un canal optique pour des communications avant que des unités de traitement graphique dans différents serveurs aient à communiquer, et transmettre un résultat de calcul à l'unité de traitement graphique du serveur suivant sans attendre ou avec seulement un faible temps d'attente immédiatement après que l'unité de traitement graphique du serveur précédent achève son calcul, ce qui permet de réduire la consommation de temps de l'apprentissage IA. 一种人工智能训练技术，应用于人工智能AI训练网络，在位于不同服务器的图形处理单元需要通信之前，提前开始建立通信用的光通道，一旦前一个服务器的图形处理单元完成自身的计算后，无需等待或者仅等待少量时间即可立刻把计算结果发送给下一个服务器的图形处理单元，从而节约了AI训练的时间消耗。

An artificial intelligence (AI) training technique, applied to an AI training network. Before graphics processing units located at different servers require communication, the establishment of an optical channel used for communication is started in advance, and once the graphic processing unit of a previous server completes its own calculation, a calculation result can be immediately transmitted the graphics processing unit of a next server without waiting or with only waiting a small amount of time, thereby reducing time consumption of AI training. L'invention concerne une technique d'apprentissage d'intelligence artificielle (IA) appliquée à un réseau d'apprentissage IA. Avant que des unités de traitement graphique situées au niveau de différents serveurs nécessitent une communication, l'établissement d'un canal optique utilisé pour la communication est démarré à l'avance, et une fois que l'unité de traitement graphique d'un serveur précédent achève son propre calcul, un résultat de calcul peut être immédiatement transmis à l'unité de traitement graphique d'un serveur suivant sans attente ou avec seulement une courte attente, ce qui permet de réduire la durée de l'apprentissage d'IA. 一种人工智能训练技术，应用于人工智能AI训练网络，在位于不同服务器的图形处理单元需要通信之前，提前开始建立通信用的光通道，一旦前一个服务器的图形处理单元完成自身的计算后，无需等待或者仅等待少量时间即可立刻把计算结果发送给下一个服务器的图形处理单元，从而节约了AI训练的时间消耗。

Disclosed by the present invention is an intelligent information processing method. The intelligent information processing method comprises the following steps: collecting raw data; generating training data for machine learning according to the raw data; sending the training data to a cloud-end knowledge base, the training data being used for the cloud-end knowledge base to carry out machine learning, and receiving prompt data returned by the cloud-end knowledge base; and receiving feedback from a user for the prompt data, and uploading the same to the cloud-end knowledge base. Also disclosed by the present invention is an intelligent information processing system. According to the present invention, content created by a user is converted into training data for artificial intelligence, and the user is asked to further confirm prompt information, thus implementing training of artificial intelligence, which provides a convenient method for training of artificial intelligence; training is generated in real conditions, so that training authenticity is ensured; in addition, the user may also obtain correct prompts at any time in the training process, which helps the user in creation and improves the efficiency of creation. La présente invention concerne un procédé de traitement d'informations intelligent. Le procédé de traitement d'informations intelligent comprend les étapes suivantes : recueillir des données brutes ; produire des données d'apprentissage pour un apprentissage automatique en fonction des données brutes ; envoyer les données d'apprentissage à une base de connaissances dans le nuage, les données d'apprentissage étant utilisées pour que la base de connaissances dans le nuage effectue un apprentissage automatique, et recevoir des données d'invite renvoyées par la base de connaissances dans le nuage ; et recevoir une rétroaction provenant d'un utilisateur pour les données d'invite, et télécharger celles-ci vers la base de connaissances dans le nuage. La présente invention concerne également un système de traitement d'informations intelligent. Selon la présente invention, du contenu créé par un utilisateur est converti en données d'apprentissage pour une intelligence artificielle, et l'utilisateur est invité à fournir une confirmation supplémentaire des informations d'invite, ce qui met en œuvre l'apprentissage de l'intelligence artificielle, ce qui offre un procédé commode d'entraînement de l'intelligence artificielle ; l'apprentissage est produit dans des conditions réelles, de façon à assurer l'authenticité d'apprentissage ; en outre, l'utilisateur peut également obtenir des invites correctes à tout moment durant le processus d'apprentissage, ce qui aide l'utilisateur à créer et améliore l'efficacité de création. 本发明公开了一种智能信息处理方法。所述智能信息处理方法包括以下步骤：采集原始数据；根据原始数据生成用于机器学习的训练数据；发送训练数据至云端知识库，训练数据用于云端知识库进行机器学习，并接收从云端知识库返回的提示数据；接收用户对提示数据的反馈，并上传至云端知识库。本发明还公开了一种智能信息处理系统。本发明通过转化用户的创作内容为人工智能的训练数据，并让用户对提示信息进行进一步确认，实现对人工智能的训练，为人工智能的训练提供了方便的方法；同时因为训练是在真实情况下产生，保证了训练的真实性；此外，训练过程中用户也可以随时获取正确的提示，帮助用户进行创作，提高创作效率。

Provided are a man-machine interaction method and apparatus based on artificial intelligence. The man-machine interaction method based on artificial intelligence comprises: receiving a problem input by a user; according to a pre-generated model, processing the problem to acquire an answer corresponding to the problem and being in the style of human dialogue, with the model being generated according to a human dialogue corpus; and feeding back the answer to a user. The method can enable man-machine interaction to have a real human dialogue and interaction effect. L'invention concerne un procédé et un appareil d'interaction homme-machine fondés sur l'intelligence artificielle. Le procédé d'interaction homme-machine fondé sur l'intelligence artificielle consiste : à recevoir un problème entré par un utilisateur ; conformément à un modèle prégénéré, à traiter le problème afin d'acquérir une réponse correspondant au problème et correspondant à un style de dialogue humain, le modèle étant généré en fonction d'un corpus de dialogue humain ; et à renvoyer la réponse à un utilisateur. Le procédé peut permettre à une interaction homme-machine de présenter un effet de dialogue et d'interaction humains réel. 本申请提出一种基于人工智能的人机交互方法和装置，该基于人工智能的人机交互方法包括：接收用户输入的问题；根据预先生成的模型，对所述问题进行处理，获取与所述问题对应的具有人类对话风格的回答，所述模型是根据人类对话语料生成的；将所述回答反馈给用户。该方法能够使得人机交互具有真正的人类之间对话交互的效果。

Disclosed are a system, apparatus, and method for prioritizing and scheduling of notifications to a user on a user device based on the user's behavior profile and user state. The method includes collecting user related data by a plurality of data collectors. The data may be collected by the user's device and a server connected to the user's device. The data collected by the user's device and the server may be different. The collected data is analyzed to generate user states data and user behavior data. The prioritizing and scheduling of the messages is done based on the user states data and the behavior data.

Disclosed are a segmentation and recognition method, system, and storage medium based on scanning point cloud data, said method comprising: scanning a scene and generating a three-dimensional model of the scene according to the scanned data; obtaining scan point cloud data from the three-dimensional model of the scene; segmenting the scan point cloud data to obtain a point cloud of a first object in the scene; using an artificial intelligence method to intelligently identify the point cloud of the first object in the scene, said intelligent identification comprising identifying the type and corresponding quantity of the first object, the first object comprising an indoor object and an outdoor object. In the present invention, point cloud segmentation is performed after modeling is completed, and modeling efficiency is not reduced as a result of time-consuming segmentation of the point cloud, thus the modeling efficiency is high; after the point cloud segmentation is completed, the type and corresponding quantity of the first object in the scene are intelligently identified by means of an artificial intelligence method, facilitating the counting of the quantity of objects of the same type by means of artificial intelligence; the invention has a high degree of intelligence, and can be widely applied in the field of three-dimensional reconstruction and pattern recognition. L'invention concerne un procédé, un système et un support de stockage de segmentation et de reconnaissance basés sur le balayage de données de nuage de points, ledit procédé consistant à : balayer une scène et générer un modèle tridimensionnel de la scène selon les données balayées ; obtenir des données de nuage de points de balayage à partir du modèle tridimensionnel de la scène ; segmenter les données de nuage de points de balayage pour obtenir un nuage de points d'un premier objet dans la scène ; utiliser un procédé d'intelligence artificielle pour identifier de manière intelligente le nuage de points du premier objet dans la scène, ladite identification intelligente comprenant l'identification du type et de la quantité correspondante du premier objet, le premier objet comprenant un objet intérieur et un objet extérieur. Dans la présente invention, une segmentation de nuage de points est effectuée après que la modélisation est achevée, et l'efficacité de modélisation n'est pas réduite à la suite d'une segmentation chronophage du nuage de points, l'efficacité de modélisation étant ainsi élevée ; après achèvement de la segmentation de nuage de points, le type et la quantité correspondante du premier objet dans la scène sont identifiés de manière intelligente au moyen d'un procédé d'intelligence artificielle, ce qui facilite le comptage de la quantité d'objets du même type au moyen d'une intelligence artificielle ; l'invention présente un degré élevé d'intelligence et peut être largement appliquée dans le domaine de la reconstruction et de la reconnaissance tridimensionnelle de formes. 本发明公开了一种基于扫描点云数据的分割与识别方法、系统及存储介质，方法包括：扫描场景并根据扫描的数据生成场景的三维模型；从场景的三维模型获取扫描点云数据；对扫描点云数据进行分割，得到场景内第一对象的点云；采用人工智能的方法对场景内第一对象的点云进行智能识别，所述智能识别包括识别第一对象的类型及对应的数量，所述第一对象包括室内对象和室外对象。本发明在完成建模之后再进行点云分割，不会因点云分割耗时而降低建模效率，建模效率高；在点云分割完成后通过人工智能的方法智能识别出场景内第一对象的类型及对应的数量，便于通过人工智能统计出同类型物体等对象的数量，智能化程度高，可广泛应用于三维重建与模式识别领域。