[发明专利]人工智能认知阈值

说明书

表示性实施例公开了用于动态调整应用的用户界面和/或行为来适应连续且无干扰的学习的机制。随着用户对应用的熟练度增加，可以减少学习线索和对应用的其他改变。当用户失去熟练度时，可以增加学习线索和其他改变。用户情绪状态和对学习的开放度也可以用于实时增加和/或减少学习线索和改变。系统创建考虑例如学习风格、用户类型等的用户特性的多个学习模型，并且使用所收集的数据来找到最佳匹配。所选择的学习模型可以针对单个用户而被进一步定制。还可以基于用户交互和其他数据来调节模型。所收集的数据也可以用于调整基础学习模型。

技术领域

本申请总体上涉及人工智能和机器学习领域。更具体地，本文的公开内容应用机器学习来标识针对用户的学习模型，并且基于学习模型和用户交互来调整应用的操作。

背景技术

当前的应用使用总体上固定的与用户交互的机制来创建。在许多情况下，公司利用设计专家、焦点组和其他测试方法来创建和设计用户界面(UI)，该用户界面试图为用户提供一致、简单的方式来与应用交互且访问其功能性。取决于用户，这可能使得用户需要较长或较短的学习曲线，以变得熟练地理解如何使用UI来访问期望的功能性。在许多情况下，用户仅学习关于特定应用的、足以实际执行他们期望的任务的功能，并且程序可能比用户所使用的有能力得多。许多用户要么不知道、要么无法访问程序所提供的所有能力。

随着用户熟练度增加，UI倾向于保持相对静态，但是一些应用允许用户例如通过重新布置UI元素、添加和/或移除UI元素等来定制用户界面。但是，应用操作的基本方式保持静态。

正是在该上下文中出现了本实施例。

附图说明

图1图示了应用随时间的变化的示例。

图2图示了用户随时间的变化的示例。

图3图示了根据本公开的各方面的用于通过经定制的学习模型来使应用动态适应的示例架构。

图4图示了根据本公开的各方面的用于通过经定制的学习模型来使应用动态适应的示例架构。

图5图示了表示性分层用户界面。

图6图示了适用于实现本文所公开的系统和其他方面或适用于执行本文所公开的方法的表示性机器架构。

具体实施方式

以下描述包括例示说明性实施例的说明性系统、方法、用户界面、技术、指令序列和计算机器程序产品。在以下描述中，出于解释的目的，阐述了许多具体细节来提供对本发明主题的各种实施例的理解。然而，对于本领域技术人员显而易见的是，可以在没有这些具体细节的情况下实践本发明主题的实施例。通常，未详细示出公知的指令实例、协议、结构和技术。

概述

本公开的实施例针对当用户对应用的熟练度增加或减少时发生的问题。在本公开的上下文中，应用可以是在诸如移动设备、平板设备、膝上型计算机、台式计算机、虚拟现实系统、增强现实系统等设备上运行的应用。附加地，应用还将用于指代专用设备，例如，导航(例如，GPS)设备、电器、数字助理等。这些专用设备中的许多设备具有可以受益于本文的公开内容的用户操作和/或与用户交互的用户界面和/或机制。所有这些在本公开中将被称为应用。

本公开描述了包括动态地调整应用的操作以根据用户调整的人工智能(AI)算法/技能的系统、方法等。在一方面，这可以调整应用来考虑增加和/或减少的熟练度。这允许应用以无缝且流畅的方式根据用户动态地调整，并且得到在用户和应用之间的更自然的交互。

在另一方面，AI算法可以调整应用的操作来提高用户的熟练度和/或以这样的方式来教导用户：用户基于用户和AI拟人化之间的交互、对话和上下文来学习流畅且精细的体验。本质上，用户可以通过在他们不知道他们正在学习的情况下正在学习的方式被教导。