技术领域
[0001] 本发明涉及数字智能化技术领域，具体涉及一种将人的意识行为能力模式进行数字智能化的方法。
相关背景技术
[0002] 目前一部分数字化技术对人的脸型、外貌、声音、体型等个体特征进行数字化，另外一部分数字化技术对需求、习惯、喜好、地理信息等场景特征进行数字化。这些数字化技术应用提高了人在生活、社交、生产活动中的交互效率，扩大了交互边界和交互规模。但是这些针对简单特征的数字化技术，无法识别和支持人在交互中的策略选择和价值验证。
[0003] 部分的交互场景软件有对人的交互行为进行记录、分析和应用的，但是目前尚没有出现对社会主体在交互场景中整体的意识、行为、能力结构进行数字化的应用。
[0004] 谷歌旗下的围棋机器人AlphaGo AI，通过设置简单化的交互结构，例如“输和赢”，“感应触发‑‑动作模拟”等数据结构来训练机器人，但是并没有采用类似人的意识行为能力的复杂策略选择和价值验证。
[0005] 社会分工和交换在人类社会关系中客观存在，社会主体之间在经济、社会、生态等交互场景活动中，从“需求”出发，由“意识”驱动，根据可交换的劳动、产品、服务、资源、资产、资金等“能力”进行评估选择策略，实施“行为”的发生，交换到与自身“能力”可验证的“需求”价值实现满足结果。这是人类社会主体在活动中一个自然、客观、共性的过程，可以通过数字化技术建立模型，通过数据采样、记录、计算、识别、排序、训练，将社会主体在现实中客观的意识行为能力模式映射为数字化结构，把社会主体的策略选择和价值验证的客观过程实现数字智能化。
具体实施方式
[0028] 实施例一
[0029] 本发明提出的一种将人的意识行为能力模式进行数字智能化的方法，包括以下具体步骤：
[0030] S1、数据采样，通过意识行为能力数据采样方法，把社会主体的真实客观意识行为能力，通过数字化取值转变成计算机能够接受的显示和存储信息；其中，社会主体选用但不限于包括自然人、家庭、企业、非营利组织和公共机构；
[0031] S2、量化与编码，通过意识行为能力数字化模型对采样的数据进行计算、分析、识别和排序，将社会主体在现实活动中的意识行为能力客观模式映射为数字化结构；
[0032] S3、智能优化与智能训练，不断在社会主体各种交互场景和维度中重复S1和S2，形成社会主体规模化的社会经济、社会、生态活动交互数据；依托优化驱动参数和数据对意识行为能力数字化模型进行意识行为能力结构优化、机器学习和逻辑训练，完成对社会主体的行为能力客观模式的智能化。
[0033] 实施例一
[0034] 本发明提出的一种将人的意识行为能力模式进行数字智能化的方法，包括以下具体步骤：
[0035] S1、数据采样
[0036] 通过意识行为能力数据采样方法，把社会主体的真实客观意识行为能力，通过数字化取值转变成计算机能够接受的显示和存储信息；其中，社会主体选用但不限于包括自然人、家庭、企业、非营利组织和公共机构；
[0037] 通过意识行为能力数据采样方法为：
[0038] 如图1所示，根据社会主体特征和场景特征，对社会主体在经济、社会和生态等场景活动交换中预期输入的劳动、产品、服务、资源、资产和资金等进行数据采样，标注和记录为需求能力An；预期输出的劳动、产品、服务、资源、资产和资金等进行数据采样，标注和记录为义务能力Ad；
[0039] 根据社会主体特征和场景特征，对社会主体在经济、社会和生态等场景活动交换中实际发生对输入的劳动、产品、服务、资源、资产和资金等进行数据采样，标注和记录为需求行为Bn，实际发生输出的劳动、产品、服务、资源、资产和资金等进行数据采样，标注和记录为义务行为Bd；
[0040] 根据社会主体特征和场景特征，以需求能力An和需求行为Bn为基础的函数，标注和记录为需求意识Cn；
[0041] 根据社会主体特征和场景特征，以义务能力Ad和义务行为Bd为基础的函数，标注和记录为义务意识Cd；
[0042] S2、量化与编码
[0043] 通过意识行为能力数字化模型对采样的数据进行计算、分析、识别和排序，将自然人、家庭、企业、非营利组织和公共机构等社会主体在现实活动中的意识行为能力客观模式映射为数字化结构；
[0044] 将需求能力An、义务能力Ad、需求行为Bn、义务行为Bd、需求意识Cn和义务意识Cd组成七组对比关系组分别包括三组策略选择、交换过程和三组价值验证；
[0045] 三组策略选择包括需求意识Cn与需求能力An、需求意识Cn与需求行为Bn和需求行为Bn与需求能力An；
[0046] 交换过程包括需求行为Bn与义务行为Bd；
[0047] 三组价值验证包括义务意识Cd与义务能力Ad、义务意识Cd与义务行为Bd和义务行为Bd与义务能力Ad；
[0048] 对以上七组对比验证关系进行差额计算和差额比较，并将七组对比验证关系差额比较的等于、大于和小于的差额结果，及由于差额差异形成的特征，按策略选择→交换过程→价值验证的循环逻辑结构进行分组、识别和排序，将社会主体在现实中客观的意识行为能力模式映射为数字化结构，把社会主体的策略选择和价值验证过程数字化；
[0049] S3、智能优化与智能训练
[0050] 如图2，不断在社会主体各种交互场景和维度中重复S1和S2，形成社会主体规模化的社会经济、社会、生态活动交互数据，再依托优化驱动参数和数据，按照策略选择→交换过程→价值验证→策略选择调整与优化→交换过程调整与优化→价值验证调整与优化的循环逻辑结构，对“意识行为能力数字化模型”进行意识行为能力结构优化、机器学习、逻辑训练，完成对人的行为能力客观模式的智能化。
[0051] 具体例
[0052] 采用本发明实施例一或实施例二提出的一种将人的意识行为能力模式进行数字智能化的方法，以A女生为例进行实际操作具体包括以下步骤：
[0053] 第一步，通过“意识行为能力数据采样方法”，把对A女生的意识行为能力进行数据采样；
[0054] A女生根据自己的工资水平，预期花费600元通过购买方式对自己输入一个产品“包”，标注和记录为“需求能力An＝600元”；预期对商家支付输出的600元资金等进行数据采样，标注和记录为“义务能力Ad＝600元”；
[0055] A女生在逛街中经过商家推介，购买了一个2000元的包，“需求行为Bn＝2000”，实际发生对商业支付2000元，标注和记录为“义务行为Bd＝2000元”。
[0056] 以A女生“需求能力An＝600元”和“需求行为Bn＝2000元”为基础最简单的平均偏意识函数值，标注和记录为“需求意识Cn＝1000元”；
[0057] 以A女生“义务能力Ad＝600元”和“义务行为Bd＝2000元”为基础最简单的平均偏行为函数值，标注和记录为“义务意识Cd＝1500元”；
[0058] 第二步，量化与编码：
[0059] 通过“意识行为能力数字化模型”对采样的数据计算、分析、识别和排序，将A女生在购买包活动中的意识行为能力客观模式映射为数字化结构。
[0060] 对以下七组对比验证关系进行差额计算和差额比较：
[0061] 【需求意识Cn＝1000元＞需求能力An＝600元】(需求意识值大于需求能力值，超能力消费策略)
[0062] 【需求意识Cn＝1000元＜需求行为Bn＝2000元】(需求意识值小于需求行为值，超前不可控消费策略)
[0063] 【需求行为Bn＝2000元＞需求能力An＝600元】(需求行为值大于需求能力值，超前不可控消费策略)
[0064] 【需求行为Bn＝2000＝义务行为Bd＝2000元】(需求行为值等于支付义务行为值，合法交易活动)
[0065] 【义务意识Cd＝1500元＞义务能力Ad＝600元】(支付意识值超过支付能力值，超前价值合法消费客户)
[0066] 【义务意识Cd＝1500元＜义务行为Bd＝2000元】(支付意识值小于支付行为值，超前价值非理性消费客户)
[0067] 【义务行为Bd＝2000元＞义务能力Ad＝600元】(支付行为值小于支付能力值，超前价值非理性消费客户)
[0068] 将上述七组对比验证关系差额比较的“等于”、“大于”和“小于”的差额结果，及由于差额差异形成的特征，按“策略选择→交换过程→价值验证”的循环逻辑结构进行分组、识别和排序，将A女生在现实中客观的意识行为能力模式映射为数字化结构，把A女生的策略选择和价值验证过程数字化；
[0069] 第三步，智能优化与智能训练；
[0070] 不断在A女生各种交互场景和维度中重复第一步和第二步，形成A女生规模化的交互数据，再依托优化驱动参数和数据，按照“策略选择→交换过程→价值验证→策略选择调整与优化→交换过程调整与优化→价值验证调整与优化”的循环逻辑结构，对“A女生的意识行为能力数字化模型”进行意识优化、行为优化、能力优化、机器学习、逻辑训练，完成对人的行为能力客观模式的智能化。
[0071] 综上，本发明提供的将人的意识行为能力模式进行数字智能化的方法，可以帮助社会主体在更充分的数据基础上进行更精准、更优化的策略选择和价值验证，也可以为各种经济交互场景的软件产品、服务流程等提供更丰富、更多维的策略选择与价值验证的智能辅助、改进、优化和迭代，还能在多场景多维度数据集成的基础上，用于构建现实中与社会主体个性特征所对应的智能操作系统；
[0072] 本发明通过对社会主体长时间多场景多维度的策略选择与价值验证结构数字化积累，将数据包移植到数字神经网络中，能够用于推动创新与社会主体一一对应的智能人、智能家庭、智能企业、智能组织等，实现机器智能与智慧智能的融合。
[0073] 上面结合附图对本发明的实施方式作了详细说明，但是本发明并不限于此，在所属技术领域的技术人员所具备的知识范围内，在不脱离本发明宗旨的前提下还可以作出各种变化。
