导航：X技术最新专利计算;推算;计数设备的制造及其应用技术
2.由于目前的学习平台多聚焦于每日题目操练，而忽略了让用户了解自身的需要，打做个人化的在线学习人工智能辅助。目前存在多种网上学生评估平台，其中一种系统平台主要集中于试卷式评估，并于评估后提供考核的学生评估报告，此方法未能有效及详尽评估学生能力，因评估只涉及特定范围﹔而另外一种系统平台同样也有评估学生学习能力及提供分析报告，但此系统则主打为学生设计个人化的学习教材笔记，并非真正以人工智能作为在线辅助教学的工具。此两款学习系统仍需配合线下真人教师的教学及教师对学生的个人深度分析，同时并无就数据建议学生应就某方面进行针对式操练、提供解题及相关技考应用的参考，用户可能因此未能了解自身的学习需要提高的环节及清楚自身的能力水平，因此急需一类产品，既可以让时间更有效的使用在需要提高的地方，又可以通过信息化的手段全面的对用户的学科掌握提供深入分析，并提供有效引导。
3.本发明目的在于，提供一种人工智能学习系统，以解决上述现有技术中存在的至少一个问题。
4.为实现上述目的，本发明实施例提供一种人工智能学习系统，包括：人工智能模块、用户端、大数据存储库和云端题目库，所述用户端与所述大数据存储库连接，所述人工智能模块分别与所述用户端和所述云端题目库连接；
5.所述用户端，用于接收任一学生针对预设的评估试题所输入的答题数据；所述答题数据包括答题行为和答题结果；
6.所述人工智能模块，还用于根据所述答题数据进行评核，以获得评测数据，以及根据所述评测数据，返回所述云端题目库获取与所述评测数据对应的试题，并发送至所述用户端，以供学生进行测验；
7.所述大数据存储库，用于存储所述任一学生的个人基础数据、所述答题数据以及所述评测数据，并对所述评测数据进行分析以及预测，以获得所述学生的当前学习情况以及未来学习趋势；其中，所述当前学习情况包括当前学习能力、当前学习进度和知识覆盖范围，所述未来学习趋势包括预设时间段所能达到的学习效果；
8.所述人工智能模块包括思维训练模块，所述思维训练模块用于根据所述评测数据和所述测验数据，对所述学生的错误题目答案进行逆向分析，并根据逆向分析结果，提供一系列帮助用户建立解决不同题型的逻辑及技巧的学习建议。
9.本发明实施例中的人工智能学习系统涉及人工智能、大数据分析、在线学习系统技术领域，以帮助用户了解自身学习问题并建立个人化的学习模式。系统以记录用户年级，并定期通过系统评核成绩及每日练习收集数据，由题目类型、课题类别、题目难易度、错误
答案分析、答题速度、知识掌握情况(体现在知识点覆盖度和综合能力评估两方面)等多角度分析用户于该学科的整体能力及各课题掌握程度。系统会记录相关数据及进行分析，帮助用户了解当前自身的学习程度，并且建议用户针对弱点进行重点操练，并提供在线教学导向帮助重温知识点。系统也会推算用户将来的学习进程及成效，从而帮助用户制定个人化的学习计划及模式。相较于现有技术，本发明具备人工智能、个人化、预测推算、启发逻辑思维等元素，协助用户建立个人化的学习模式，并找出适合每个人的学习方式。
10.为了更清楚地说明本发明的技术方案，下面将对实施方式中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
12.图2是本发明某一实施例提供的人工智能学习系统的人工智能预测推算流程图；
13.图3是本发明某一实施例提供的人工智能学习系统的错误答案分析模块流程图；
14.图4是本发明某一实施例提供的人工智能学习系统的思维训练模块流程图；
16.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
17.应当理解，文中所使用的步骤编号仅是为了方便描述，不对作为对步骤执行先后顺序的限定。
18.应当理解，在本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。
19.术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
20.术语“和/或”是指相关联列出的项中的一个或多个的任何组合和所有可能组合，并且包括这些组合。
21.请参阅图1，本发明实施例提供一种人工智能学习系统，包括：人工智能模块、用户端、大数据存储库和云端题目库，所述用户端与所述大数据存储库连接，所述人工智能模块分别与所述用户端和所述云端题目库连接。
22.所述用户端，用于接收任一学生针对预设的评估试题所输入的答题数据。
24.所述人工智能模块，还用于根据所述答题数据进行评核，以获得评测数据，以及根据所述评测数据，返回所述云端题目库获取与所述评测数据对应的试题，并发送至所述用户端，以供学生进行测验。
25.所述大数据存储库，用于存储所述任一学生的个人基础数据、所述答题数据以及所述评测数据，并对所述评测数据进行分析以及预测，以获得所述学生的当前学习情况以及未来学习趋势；其中，所述当前学习情况包括当前学习能力、当前学习进度和知识覆盖范围，所述未来学习趋势包括预设时间段所能达到的学习效果。
26.所述人工智能模块包括思维训练模块，所述思维训练模块用于根据所述评测数据和所述测验数据，对所述学生的错误题目答案进行逆向分析，并根据逆向分析结果，提供一系列帮助用户建立解决不同题型的逻辑及技巧的学习建议。
27.在本发明实施例中，人工智能学习系统涉及人工智能、大数据分析、在线学习系统技术领域，以帮助用户了解自身学习问题并建立个人化的学习模式。具体地，人工智能学习系统包括人工智能模块、用户端、大数据存储库和云端题目库。
29.用户端包括家长用户端、学生用户端和教师用户端。其中，家长用户端为供家长使用的系统登入客户端。学生用户端为供学生使用的系统登入客户端。教师用户端为供教师使用的系统登入客户端。
30.大数据存储库为负责储存所有的用户数据的地方，并负责进行宏观分析，将个人数据与其他同级生作出比较，继而了解学生的能力水平及差异，以及负责对学生个人数据(例如答题速度、计算步骤、答题技巧、知识掌握情况等)进行多元化深度分析，并提供个人学习能力分析报告及图表，让学生了解自身的学习的问题及强弱项。
31.同时，大数据存储库也可以储存不同模块输出的结果。例如学生答题数据，包括答案、改变答案次数、答题时间、按提示次数、测验时退出用户端的时间等。
33.具体的，请参阅图1，在某一个实施例中，所述人工智能模块还包括系统评核模块，所述大数据存储库包括个人数据存储及分析模块、学生能力报告分析模块、排名模块和人工智能预测模块。
34.所述系统评核模块，用于存储所述任一学生的个人基础数据、所述答题数据以及所述评测数据，并对所述任一学生的答题数据进行评核，获得所述任一学生的测评数据。
35.所述个人数据存储及分析模块，用于对所述任一学生的历史学习表现数据、测评数据进行多元化深度分析，并提供个人学习能力分析报告及图表。
36.所述学生能力报告分析模块，用于对所述任一学生的测评数据进行宏观分析，将所述任一学生的测评数据与其他同级生作出比较，获得体现各个学生的能力水平及差异的比较结果，以及，用于根据所述任一学生的答题行为对学生的个人能力进行评估，获得各个学生的能力评估数据。其中，所述个人能力包括细心能力、运算能力、逻辑能力、概念能力、表达能力、理解能力、跨课题能力、以及单位与公式掌握能力。
38.所述人工智能预测模块，用于根据学生的测评数据、能力评估数据以及历史学习表现数据，配合统计学函数为学生提供未来学习趋势作出预测，以获得所述学生的当前学习情况以及未来学习趋势。
39.在本发明实施例中，学生用户端登入并填妥学校年级等基本数据后，人工智能模块启动，由人工智能模块的自动测验卷生成模块从云端题目库寻找相应程度的课题题目并
40.用户完成测试后，系统评核模块对答题数据进行初次评估测试。后续的，人工智能模块的自动测验卷生成模块也能根据学生的测评数据，于云端题目库提取符合学生学习情况的相应题型及试题。所收集的数据(例如初次评测数据和后续评测数据等)将储存于大数据储存库，并由个人数据储存及分析模块和学生能力报告分析模块分别负责进行分析。其中，个人数据储存及分析模块负责对学生个人数据进行多元化深度分析，并提供个人学习能力分析报告及图表，让学生了解自身的学习的问题及强弱项。学生能力报告分析模块则负责进行宏观分析，将个人数据与其他同级生作出比较，继而了解学生的能力水平及差异。
41.用户也可通过排名模块的各种排名榜了解自身能力水平在狭域排名(即在相同地区/相同学校/相同年级的用户排名)及广域排名(即相同年龄但不同地区/不同学校/不同国家用户)的等级。用户数据除了会用上述的各项分析报告外，人工智能预测模块(流程图参看图2)也会通过用户过往的学习表现数据，配合常用统计学函数为学生提供未来学习趋势作出预测，让学生了解其当前的学习能力水平及进度，其中，学习能力水平包括知识点覆盖情况、知识点掌握深度、知识点交叉关联情况等，而学习能力评估主要体现在细心、运算、逻辑、概念、表达、理解、跨课题、以及单位与公式这几个方面。在某一具体实施例中，学生在将来某时段会达到的学习能力水平可以通过玫瑰图体现，并通过玫瑰图的变化情况来进行同级别或跨级别的比较。而学生的学习趋势，在每个时间节点也有体现，这样可以方便追溯和回顾。
42.在本发明实施例中，为提升思维逻辑及理解能力，人工智能模块还包括思维训练模块。思维训练模块根据评测数据和测验数据，如认为学生应先处理根本的思维逻辑解题能力，系统将会先将思维训练的指令传送至思维训练模块，则思维训练模块根据接收到的错误答案(包括答案结论错误或者答题步骤错误)进行逆向分析，并根据逆向分析结果，提供一系列帮助用户建立解决不同题型的逻辑及技巧的学习建议。
43.请参阅图1，在某一个实施例中，所述思维训练模块包括错误答案分析模块，所述错误答案分析模块，具体用于：
44.根据评测数据和测验数据，对所述学生的错误题目答案进行逆向分析，将学生的错误题目答案与预先准备的错误答案题库进行校对，再由预先准备的人工智能模型进行分析、交叉检测和校对频数统计，并在统计操作完成后，列出所述学生可能犯的错误或尚未掌握的知识点，以及获得所述学生的学习困难和学习能力水平。
45.在本发明实施例中，所有的练习及测验都由人工智能的系统评核模块负责批改，而思维训练模块中的错误答案分析模块(流程图参看图3)则用于执行一个重要的任务，就是从学生的错误答案(包括答案结论错误或者答题步骤错误)之中寻找出他们的学习困难，深度分析学生未能成功解题背后的线.具体的，错误答案分析模块负责逆向分析用户错误的题目答案分析。
47.错误答案分析模块不仅根据学生的答题行为，例如修改答案次数、同级答题时间效对、预定答案陷阱等对学生进行个人评测部份。
48.错误答案分析模块还将学生的错误答案与系统预先准备的错误答案题库进行校对，校对的结果有三种：步骤错误且答错、步骤错误但答对、步骤正确且答对，再由人工智能进行分析、交叉检测和校对频数统计数据完成后，将列出用户可能犯的错误或尚未掌握的
知识点，以避免错误判断。如遇有系统未能校对的特殊情况，例如步骤错误但答对的数据，将先传到暂存数据库，再由专业人士辅助人工智能进行判定，判定后的数据将传回错误答案分析模块(流程图参看图3)再次进行分析。其中，交叉检测用于对比该学生过往回答同类题目表现，校对频数统计数据用于对比整体用户数据，从而找出大多数用户常犯错误。
49.由上可知，错误答案分析模块的逆向人工智能分析功能，不同于传统人工智能技术，不依赖于过去的统计数据，而是从问题类型和学生选择的答案来分析其弱点。因此，本发明实施例中的人工智能学习系统不需要很长的学习周期和庞大的统计数据库来提供精准、正确的分析，而是从学生第一次使用人工智能学习系统开始，就可以对学生的弱点进行准确的分析，并给出相应的指导和培训建议，例如将从用户回答每个问题使用的时间、学生修改答案的次数、学生回答正确的次数等活动数据中，收集和分析学生的回答行为，并辅助生成学习能力评估分析。
50.上述实施例中的所述能力评估分析，是指基于常见错误规则库和逻辑规则库，对学生的八个方面的个人能力进行评估分析，八个方面的个人能力包括细心、运算、逻辑、概念、表达、理解、跨课题以及单位/公式。而常见错误规则库则对应的将所存储的答题错误分类成8个方面，每个方面对应一种能力。
51.所述细心能力，指代学生在答题过程中体现的答题方式(选择次数、答题次数、多次答错等)，并归类于常见错误规则库。
52.所述运算能力，指代学生在涉及计算的题型中，对运算规则的掌握情况，并归类于常见错误规则库。
53.所述逻辑能力，指代学生在答题过程中，所体现出的逻辑关联能力，并归类于逻辑规则库和常见错误规则库。
54.所述概念能力，指代学生在答题过程中对概念掌握，体现在对题干、字眼等把握能力，并归类于常见错误规则库。
55.所述表达能力，指代学生在涉及表述类题目中，所体现出的关键点陈述能力和整体逻辑关联能力，并归类于逻辑规则库和常见错误规则库。
56.所述理解能力，指代学生在多次答题过程中，所体现出的对已有知识点的掌握情况、已有知识点的关联情况、越级知识点掌握情况等，并归类于逻辑规则库和常见错误规则库。
57.所述跨课题能力，指代学生在答题过程中，所涉及到交叉知识点的掌握能力、跨题型类型的理解能力和跨题型所体现的逻辑关联能力，并归类于逻辑规则库和常见错误规则库。
58.所述单位/公式掌握能力，指代学生在答题过程中，对公式使用的把握能力和对单位的转换的把握能力，并归类于常见错误规则库。
59.再有，错误答案分析模块不断进行机器学习，从而不断提高其逆向分析的精度，具体表现为：
60.错误答案分析模块除了可以实时对学生的错误题目答案进行逆向分析，以获得对应的答题错误原因，错误答案题库还可以预先存储有错误答案及其对应的答题错误原因，可用于在错误答案分析模块进行逆向分析时，从而减小逆向分析的工作量，提高分析效率，并在预先存储的基础上，不断存储学生的错误题目答案以及对应的答题错误原因，以更新
61.因此，相较于现有技术，本发明实施例中的人工智能学习系统由日常练习中评估及从错误答题中了解该用户的思维模式、学习能力及强弱处，同时人工智能会为用户设计学习计划及提供学习导向，更会推算将来学习成效，为用户提供全面个人化的教学及指导服务。
62.请参阅图1，在某一个实施例中，所述用户端包括学生用户端、家长用户端和教师用户端，所述学生用户端、所述家长用户端及所述教师用户端均设置有学生进程监测模块、排程及提醒模块和手机系统管理模块。
63.所述学生进程监测模块，用于展示当前学生的学习进度、所有学生分析报告及所述人工智能模块所提供的学习建议。
64.所述排程及提醒模块，用于根据所述学生的当前学习情况以及所输入的学校考试时间表及假期，自动为学生设计学习计划排程。
65.所述手机系统管理模块，用于显示学生的测评数据、能力评估数据以及历史学习表现数据，接收家长或教师所设定的手机使用时长和手机学习任务，并根据所设定的手机使用时长和手机学习任务，对所述学生用户端的手机使用权限进行限制。
66.在本发明实施例中，家长用户端及教师用户端同样可以通过学生进程监测模块了解学生的学习进度，阅览所有学生分析报告及人工智能提供的学习建议。而学生、家长及教师也可在排程及提醒模块输入学校考试时间表及假期等数据，让系统为学生设计学习计划排程。
67.可以理解的是，对于家长用户端、教师用户端和学生用户端，同一个功能体现的范围不同，比如：对于学生进程监测模块，教师用户端可以获取整个班级的情况，以方便分情况培训和管理，而家长和学生比较关注于学生的学习能力细项情况，以及该学生在全域范围内排名和分布情况等细项比较情况，则家长和学生可以通过学生进程监测模块获取对应学生的学习进度、该学生分析报告及人工智能模块所提供的学习建议。
68.再有，为更好地监测学生进行学习或鼓励劳逸结合，避免沉迷于玩手机，本发明实施例的学生用户端、家长用户端和教师用户端上均设置有手机系统管理模块。具体的，对于家长用户端和教师用户端，手机系统管理模块可以根据学生的测评数据、能力评估数据以及历史学习表现数据，接收家长或教师对学生的手机使用时长和手机学习任务的设定，学生用户端的手机系统管理模块则根据已设定的手机使用时长和手机学习任务，严格地控制学生用户端的手机使用权限。
69.在某一个实施例中，所述人工智能模块还包括人工智能题目生成模块。所述人工智能题目生成模块用于根据课题及题型ai模型自动生成题目、题解及错误答案解释的词句；其中，所述课题及题型ai模型是经所述大数据存储库和/或所述错误答案分析模块提供的训练数据训练而成。
71.1)大数据存储库提供所需课题及题型模型至课题及题型ai模型进行学习，并建立如下数据集合；
72.i.课题(s)：si＝{s1，s2，s3，...，sn}iiisaninteger，1≤i≤n
73.ii.题型(t)：ti＝{t1，t2，t3，...，tn}iiisaninteger，1≤i≤n
74.2)大数据存储库提供所需答案及题目数据特性(例如：答案不能为负数，不能为小数或分数等)至课题及题型ai模型进行学习，并建立如下数据集合；
75.i.题目数据特性(dc)：dc＝{dc1，dc2，dc3，...，dcn}
76.3)大数据存储库提供所需答案及题解步骤至课题及题型ai模型进行学习，并建立如下数据集合；
77.i.题解步骤(ss)：ss＝{ss1，ss2，ss3，...，ssn}
78.4)大数据存储库提供所需答案及错误答案例范至课题及题型ai模型进行学习，并建立如下数据集合；
79.i.错误答案(is)：is＝{is1，is2，is3，...，isn}
80.ii.错误答案解说(ise)：ise＝{ise1，ise2，ise3，...，isen}
81.其中，is及ise为相关联项目，即isi只能对应isei，不能对应ise
82.5)大数据存储库提供常见错误(常见错误分为8类及加上错误加权比重)至课题及题型ai模型进行学习，并建立如下数据集合；
84.i.常见错误(cm)：cm＝{cm1，cm2，cm3，cm4，cm5，cm6，cm7，cm8}
86.6)大数据存储库提供词性及词性配搭(例如：蛋糕的量词可能为个/块/件，蛋糕可能出现地点为蛋糕店、超级市场等等)至课题及题型ai模型进行学习，并建立如下数据集合；
87.i.词性(pos)：posi＝{pos1，pos2，pos3，...，posn}
88.ii.词性字眼(posw)：poswi＝{posw1，posw2，posw3，...，poswn)
93.8)课题及题型ai模型根据历史学习数据生成符合题目p所需题目数据，并计算正确答案，并建立如下数据集合；
94.i.input＝{p，dci，ssi，cmi，posi，poswi，poswci，}
98.c.题目数据：di＝{d1，d2，d3，...dn}，iisaninteger，1≤i≤n
100.9)课题及题型ai模型根据该课题及题型，并根据数据库内错误答案集合、错误答案解释集合及错误答案加权比重集合，生成4个错误答案及解释，详见如下数据集合。
101.i.input＝{isi，isei，cmi，η，posi，poswi，poswci}
105.请参阅图5，在实际操作过程中，由管理端触发人工智能题目生成模块生成题目事件，其详细步骤如下：
106.i)管理端选择所需系统新增的题目课题及题型[参考上述第7)项]；
ii)据上述第1)-5)项中的训练结果，在各数据库中抽取所需例范题目资料；
iii)使用nlp(natural language processing/自然语言处理)(其中，nlp中包括：nlu(natural language understanding/自然语言理解)及nlg(natural language generation/自然语言生成))引擎，配合上述第3)、第6)及第9)项中的训练结果，结合transformer machine learning model，计算出各字词配合度(u)以组成自动生成题目、题解及错误答案解释的词句；
iv)应用深层机械学习(sigmoid+gd或relu+adagrad等神经网络的激活函数及深度学习优化函数)，加上上述第2)及8)项中的训练结果，学习过往同类题目数据中的规律，并生成适合v)步骤中所生成题目、答案及解释的数据。
v)把iii)和iv)步骤中所生成的题目、题解数据结合成新题目，并加入到题目库中。
vi)所加入题目库中题目可供其他模块使用，例如由用户端触发用户自动测验卷生成模块时使用，或存储在云端题目库中。
在图5中，示例题目资料包括但不限于题目集合、题型集合、题目集合、答案集合、解题集合、词性搭配集合和题目数据特征集合。其中，答案集合包括但不限于错误答案集合和常见错误集合(分为8类)。
请参阅图1，在某一个实施例中，所述人工智能模块还包括每日练习生成模块、自动测验卷生成模块和用户自定测验卷生成模块。
所述每日练习生成模块，用于根据所述学生的当前学习情况，为学生预备每日练习题目。
所述自动测验卷生成模块，用于根据所述学生的当前学习情况，定期或根据用户的测验需求安排测验评核，以追踪及跟进学生学习进度。
在本发明实施例中，用户数据回传到人工智能模块，通过每日练习生成模块就数据分析为学生设计适合的每日练习，而自动测验卷生成模块则会定期或根据用户的测验需求安排测验评核以追踪及跟进学生学习进度，例如教师、家长或学生需要进行测验时，自动安排安排测验评核，生成测验卷以供学生温习。其中所收集到的数据同样储存到大数据储存库。而用户可按个人要求通过用户自定测验卷生成模块模块设定测验卷的难易程度。
请参阅图1，在某一个实施例中，所述人工智能模块还包括人工智能学习计划模块和人工智能导向模块。
所述人工智能学习计划模块，用于根据接收到错误答案的逆向分析结果、以及所述学生能力报告分析模块发送的学生能力评估数据，为学生设计详细的学习或温习计划。
所述人工智能导向模块，用于根据接收到错误答案的逆向分析结果、以及所述学生能力报告分析模块发送的历史学习表现数据，为学生提供与所述当前学习情况以及所述
在本发明实施例中，在错误答案数据分析完成后，数据将会传至人工智能导向模块以提供教学建议及指导，并将指令传至人工智能学习计划模块及第三部份负责促进思维逻辑及提升学习能力的模块，以进行下一个步骤。
具体地，人工智能导向模块结合深层机械学习(sigmoid+gd或relu+adagrad等神经网络的激活函数及深度学习优化函数)、学生能力报告分析模块中用户历史学习数据和统计学计算方法、错误答案分析模块发送的错误答案逆向分析结果，得出用户表现最差的题目课题和题目类别，在云端题目库中匹配相应课题和题目类别的题目或教材，重新用户推送该学习资源。
人工智能学习计划模块会为学生设计详细的学习/温习计划，帮助学生提升学习效率。
具体地，人工智能学习系统将通过深层机械学习(sigmoid+gd或relu+adagrad等神经网络的激活函数及深度学习优化函数)，加上学生能力报告分析模块中学生能力评估数据的各项能力值，对比该年级广义数据平均值、科目难度和课题难度、每年学习日数等输入数据，为用户计算出最适合的学习时间分配，该分配可应用于学生自主学习或教师设计年度或学期学习进度表。
请参阅图1，在某一个实施例中，所述用户端还包括影片教学模块、重温模块和排程及提醒模块。
所述诊断模块用于根据错误答案的逆向分析结果，诊断学生尚未掌握的知识点。所述影片教学模块，用于根据所述用户的学习情况，为学生寻找合适的、帮助学生温习或学习新知识点的教学影片。所述排程及提醒模块，还用于配合所述人工智能学习计划模块，定时提示学生进行温习并设计温习排程。所述重温模块，用于从所述影片教学模块中，寻找适合的教学影片，以供学生学习尚未掌握的知识点或温习，并向所述每日练习生成模块发送通知指令，以使所述每日练习生成模块为学生预备每日练习题目。所述自更新模块，用于实时更新所述学生的学习情况，以及根据所述评测数据的分析结果以及预测结果，更新所需获取的试题，以供学生进行进一步地学习更新。所述人工智能导向模块，还用于将所述学生的学习建议及指导发送至所述影片教学模块、所述重温模块、所述排程及提醒模块、所述诊断模块和所述自更新模块。
在本发明实施例中，其中排程及提醒模块也会与人工智能学习计划模块协作，定时提示学生进行温习以保持学习进度。学习计划指令将传送至重温模块，此模块会于影片教学模块寻找适合的教学影片供学生学习尚未掌握的知识点或温故知新，同时也会通知每日练习生成模块为学生预备每日练习题目，学生、家长及教师也可就个人要求通过用户自定测验卷生成模块自由设定测验卷的难易程度，所有评改数据将回传至人工智能模块、大数据储存库及错误答案分析模块再作分析。
此外，排程及提醒模块除了具有普通排程功能(即用户可通过登入用户端，手动输入学校考试时间、考试范围及校历表，并根据上述信息设计温习内容和排程，并在具体的时间点做出提醒)，还具有深度排程功能。深度排程功能只能开放给教师用户端，但最终排程结果会显示在所有用户端上。具体地，教师用户端可通过系统自动生成该学年的校历表和教学进度表，并可编辑该生成结果。在确认生成结果无误后，生成结果将储存到数据库中，
并显示相关用户的排程以及校历表。人工智能学习系统会根据该校历表执行上述的普通排程功能。
在某一个实施例中，人工智能学习系统还包括提示模块，提示模块用于辅助思维训练模块帮助用户进行答题。
在本实施例中，思维训练模块并不限于学生答错题目后的补偿性训练，也可以配合提示模块使用。当学生遇到难题时，可点击提示选项，系统匹配最合适的答题方法来辅助学生进行学习。
具体的，人工智能学习系统根据错误规则库，逻辑规则库和思维训练库的匹配，可以在用户答题时候，予以不同步骤，不同程度的答题辅助。答题辅助不仅可以是被动的监测，还可以是主动答题辅助。比如用户在某方面不确定时候，可以借助帮助键，提出求助请求。系统根据请求匹配对应的逻辑库和思维训练库。
此外提供主动答题辅助还可以为错误规则库主动监测用户当前的答题步骤，并从答题步骤中预测用户下一个正确答题步骤。若判断用户的下一个答题步骤与系统所预测的下一个正确答题步骤不同(即用户的答题步骤出错)，主动弹出询问框，询问用户是否遇到困难，也可以借助帮助键，提出求助请求。
本实施例中，提示推送的形式不仅可以是简单的询问框，还可以是虚拟人物(例如人工智能语音客服)推送，就像一个书童陪伴用户一起学习，增强学习的趣味性。其中，虚拟人物的形象可以出厂默认设置，也可以由用户定义。
请参阅图1，在某一个实施例中，所述思维训练模块还包括关联记忆模块和题目分拆辅助模块。
所述关联记忆模块，用于利用学生已熟练掌握的技巧以类同方式显示在新的课题上；所述题目分拆辅助模块，用于将复习的题目以不同方式分拆成多个步骤，再对每个步骤作出讲解及引导学生解决不同题型的题目。
在本发明实施例中，关联记忆模块和题目分拆辅助模块作为辅助答题模块，负责帮助学生将未熟练的技巧/知识点以分拆、类同投射、关联性、字眼分拆及文法分拆辅助这四种方式帮助学生提升解题及学习能力。
关联记忆模块主要利用利用学生已纯熟掌握的技巧以类同方式显示，帮助学生更易接受新的课题知识并提升记忆，使学生温故知新。例如分别乘/加代数式x＊x＝x2，x+x＝2x；以面积/周界类同展示：面积为2cm＊2cm＝4cm2，周界为2cm+2cm+2cm+2cm＝8cm。
而题目分拆辅助模块则负责将复习的题目以不同方式分拆成多个步骤，再于每一个步骤做出讲解及向学生提问，帮助学生建立解题的逻辑思考及提升解题能力。
针对每个知识点、每种题型，人工智能学习系统都有不同维度的考量，比如问题的设计、答题思路的模拟、答案的准备、以及针对每种错误的思路的错题分析都能在逆向人工智能分析中得到体现。
请参阅图1，在某一个实施例中，所述题目分拆辅助模块包括题目步骤分拆模块、题目字眼分析模块、题目投射辅助模块和题目文法辅助模块。
所述题目步骤分拆模块，用于把复杂题目分拆成多个步骤，以逐步引导学生完成题目。所述题目字眼分析模块，用于以题型的关键词眼分析答题重点以帮助学生学习理解题目、答题技巧及答题重点。所述题目投射辅助模块，用于将学生已掌握的知识点或题型，
以类同方式显示在新的课题上或解释新的知识点，以帮助学生更易记忆和理解；所述题目文法辅助模块，用于把题目句子中的文法要点以分拆题解形式拆解，以帮助学生学习理解题目、答题技巧及答题重点。
在本发明实施例中，题目分拆辅助模块包括题目步骤分拆模块、题目字眼分析模块、题目投射辅助模块、及题目文法辅助模块。
其中，题目步骤分拆模块负责把复杂题目分拆成多个步骤，逐步引导学生学会解题，题目字眼分析模块负责以题型的关键词眼分析答题重点，帮助学生分别出不同题型的答题重点，题目投射辅助模块负责将学生已熟习的题型以类同方式显示在新的课题，帮助学生更易理解新的技巧，题目文法辅助模块负责把题目句子中的文法要点以分拆题解形式令学生更易理解吸收。可以理解的是，根据学生的答题行为和答题结果，例如每个解题步骤是否正确，结果是否正确，步骤分拆模块、题目字眼分析模块、题目投射辅助模块和题目文法辅助模块可以相互辅助运行，以更好地引导学生完成解题并学会解题。同样，上述各个模块所有的学习数据将回传至系统的人工智能模块及大数据储存库再作分析。
为更好地理解本实施例中的步骤分拆模块、题目字眼分析模块、题目投射辅助模块和题目文法辅助模块的功能，现通过具体实施例来详细说明。
此时，题目字眼分析模块确定此题目的关键词眼是“共有”(+)，同时学生选择加(+)；
此时，题目字眼分析模块确定此题目的关键词眼是“共有”(+)，同时学生选择选减(－)；
共有’即表示要计算对象加起来的总数，例如哥哥和妹妹共有多少个苹果？”；
题目：although john＿＿＿＿＿be)sick yesterday，he＿＿＿＿＿(be)finetoday.now，he＿＿＿＿(eat)the cupcakes that he＿＿＿＿＿(bake)thismorning.
题目文法辅助模块具体分析过程为：题目同时出现了4个不同的时间「yesterday」、「today」、「now」及「this morning」，学生可能未能分析并作出正确作答，题目文法辅助模块将依据不同时间字眼对学生逐一作出询问，从而使学生了解当句「动作」属于何时发生，并会提示学生该时态下动词需作出的变化，使学生能正确回答并掌握该知识点。
题目：一匹布长米，做上衣用去米，做裤子比做上衣多用了米，问剩下布匹多少米？
步骤1：大部份学生在进行分数应用题时困难不在于理解题目逻辑，因此类题目已经整数应用题反复练习。学生真正未能了解部份为分数部份，由于学生并未熟习分数运算及相关技巧，于解构应用题时产生犹疑和混乱，使学生未能正确答题。因此，系统将作出同类题型的加减数题目，把分数变成整数(类同投射)。学生成功答题后再把两条题目作出比较，令学生明白分数与整数的逻辑大致相同的道理。
原题目转换成：一匹布长14米，做上衣用去1米，做裤子比做上衣多用了3米，剩下布匹多少米？
请参阅图1，在某一个实施例中，所述人工智能模块还包括多元解题参考模块、解题及答题技巧模块和概念学习模块。
所述多元解题参考模块，用于就同一个题型提供不同思考模式的解题方案供学生参考；解题及答题技巧模块，用于就不同类型的课题题目提供解题及答题技巧教学；概念学习模块，用于储存所有课题概念教材，所述课题概念教材包括新的课题概念或旧有知识的错误概念。
在本发明实施例中，如人工智能分析认为学生需要改善的是某课题的基本知识/概念、答题技巧及多角度的答题参考指导，系统更会把指令传至多元题解参考模块、影片教学模块、解题及答题技巧模块、及概念学习模块。其中，多元题解参考模块负责就同一个题型提供不同思考模式的解题方案供学生参考，从而培养/提升学生多元思考的能力，影片教学模块负责为学生寻找合适的教学影片，帮助学生温习/学习新知识点，解题及答题技巧模块负责就不同类型的课题题目提供解题及答题技巧教学，提升学生解题/答题水平，概念学习模块负责储存所有课题概念教材的地方，通过影片、图画及文字笔记帮助学生学习新的课题概念或建立/重组旧有知识的错误概念，流程图参看图4。
综上，本发明实施例中的人工智能学习系统涉及人工智能、大数据分析、在线学习系统技术领域，帮助用户了解自身学习问题并建立个人化的学习模式。系统以记录用户年级，并定期通过系统评核成绩及每日练习收集数据，由题目类型、课题类别、题目难易度、错
误答案分析、答题速度、答题行为(例如学生答题时改选答案次数、使用提示次数、测验时退出用户端的时间、做功课时退出用户端的次数及时间)、知识覆盖情况(体现在知识点覆盖度和综合能力评估两方面)等多角度分析用户于该学科的整体能力及各课题掌握程度。系统会记录相关数据及进行分析，帮助用户了解当前自身的学习程度，并且建议用户针对弱点进行重点操练，并提供在线教学导向帮助重温知识点。系统也会推算用户将来的学习进程及成效，从而帮助用户制定个人化的学习计划及模式。本发明具备人工智能、个人化、预测推算、启发逻辑思维等元素，协助用户建立个人化的学习模式，并找出适合每个人的学习方式。
再有，本系统更有一个独特的逆向分析功能—思维训练模块中的错误答案分析模块，此功能改善了人工智能一直以来必须经过长期的大量数据收集及分析学习才能发挥功能的缺点。本系统的人工智能不需要单靠收集用户过往的成绩数据作为分析基础，人工智能也能结合部分过往数据，从用户的错误答案中直接分析其现时学习困难及能力水平。系统找出用户的学习困难后，并非纯粹提供适合其程度的题目作机械式反复操练，本系统设置了另一个有助提升解题能力的独特功能—思维训练模块。此模块提供一系列的学习建议，帮忙用户建立解决不同题型的逻辑及技巧，从根本为用户解决学习上的问题。此外，用户也可自行选择想操练的科目、课题、题型及程度，再由系统加以协助提升学习水平。另外，完整分析结果将以图表或数据形式显示，对比以往该用户的成绩及系统同级用户数据，以便用户更了解自己的程度及学习需要。用户也可随时根据系统建议或自行设定所选择科目、课题、题型生成试卷作计时计分测试，完成后将同样提供详细报告及教学导向。
从使用用户角度考虑，本系统不仅能应用于学生和家长，学生通过学生用户端了解自身学习问题并建立个人化的学习模式，而学生分析数据会发送至其他用户端，例如家长用户端、老师用户端、家教老师用户端或补习班用户端等。家长通过家长用户端了解子女的学习情况并通过手机系统管理模块设定学生的手机使用时长和手机学习任务，起到监督作用。此外，本系统还能应用到学校及补习学校，以供教师进行教材预备，例如功课、测验卷、考试卷及教学视频等等。教师还能通过教师用户端按班级/分组操控学生用户端，并对所属组进行特定教学/训练。由此实现各方互联互通，打造完善的教育生态系统，并借此提高教学效率和/或学习效率。
以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也视为本发明的保护范围。
1.计算机视觉 2.无线.计算机仿线.网络安全；物联网安全 、大数据安全 2.安全态势感知、舆情分析和控制 3.区块链及应用Pg电子平台网址