本公开涉及用于生成学习模型的方法和使用所生成的学习模型的数据学习服务器。
背景技术：
1、近年来，在各种领域中已经使用了自动识别数据，诸如语音、图像、运动图像和文本，以提供与数据相关的信息或与数据相关的服务的智能服务。
2、智能服务中使用的人工智能技术是实现人类水平智能的技术。与现有基于规则的智能系统不同，人工智能技术允许机器执行学习和判断，并使机器自己变得聪明。随着人工智能技术被使用，识别率越来越高，并且用户的口味可以被更准确地理解，使得现有基于规则的技术逐渐被人工智能技术所取代。
3、人工智能技术包括机器学习和利用机器学习的基本技术(element technology)。
4、机器学习是一种算法技术，其自行分类/学习输入数据的特征。基本技术是使用机器学习算法模拟诸如人类大脑的识别和判断的功能的技术，并且包括诸如语言理解、视觉理解、推理/预测、知识表示和运动控制的技术领域。
5、人工智能技术的应用如下多种多样。语言理解是用于识别和应用/处理人类语言/字符的技术，并且包括自然语言处理、机器翻译、对话系统、查询响应、语音识别/合成等。视觉理解是识别和处理诸如人类视觉的对象的技术，并且包括对象识别、对象跟踪、图像搜索、人类识别、场景理解、空间理解和图像增强等。推断预测是用于判断和逻辑推断和预测信息的技术，并且包括基于知识/概率的推断、优化预测、基于偏好的计划、推荐等。知识表示是用于将人类体验信息自动化为知识数据的技术，并且包括知识构建(数据生成/分类)、知识管理(数据利用)等。运动控制是用于控制车辆的自动驾驶和机器人的运动的技术，并且包括运动控制(导航、碰撞、驾驶)、操作控制(行为控制)等。
6、以上信息仅作为背景信息提供，以帮助理解本公开。对于任何上述内容是否可以作为关于本公开的现有技术应用，没有做出确定，也没有做出断言。
技术实现思路
1、技术问题
2、本公开的示例性实施例克服了上述缺点和上面未描述的其它缺点。而且，本发明不需要克服上述缺点，并且本公开的示例性实施例可以不克服上述问题中的任何一个。
3、本公开用于使用人工智能技术设定空调的温度。
4、技术方案
5、因此，本公开提供了一种用于生成和使用用于设定空调的温度的学习模型的方法。
6、另外，本公开的技术主题不限于上述技术事项，并且本公开所属领域的普通技术人员可以从以下描述清楚地理解未提及的其它技术主题。
7、根据本公开的一方面，提供了一种数据学习服务器。所述数据学习服务器包括：通信器，被配置为与外部设备通信；至少一个处理器，被配置为：经由通信器获取在空调中设定的设定温度和在设定温度时空调的当前温度，以及使用设定温度和当前温度生成或刷新学习模型；和储存器，被配置为存储所生成或刷新的学习模型，以提供将在空调中设定的推荐温度作为生成或刷新学习模型的结果。
8、根据本公开的另一方面，提供了一种数据学习服务器。所述数据学习服务器包括：储存器，被配置为存储经学习的学习模型以提供将在空调中设定的推荐温度；至少一个处理器，被配置为：获取空调的当前温度，和将当前温度输入到学习模型，以获取将在空调中设定的推荐温度；和通信器，被配置为将推荐温度发送到外部设备。
9、根据本公开的另一方面，提供了一种网络系统。所述系统包括：空调；和学习模型服务器，被配置为使用从空调获取的学习数据生成学习模型，其中空调包括：温度传感器，被配置为感测空调周围的当前温度，鼓风扇，被配置为基于在空调中设定的设定温度将冷却空气排放到外部，和空调通信器，被配置为与外部设备通信，以及至少一个空调处理器，被配置为控制空调通信器以将感测的当前温度和设定温度发送到外部设备，并且学习模型服务器包括至少一个服务器处理器，其获取当前温度和设定温度，并且使用获取的设定温度和当前温度生成学习模型，以及储存器，被配置为存储所生成的学习模型，以提供空调的推荐温度作为生成学习模型的结果。
10、根据本公开的另一方面，提供了一种网络系统。所述网络系统包括：空调；和学习模型服务器，被配置为使用从空调获取的识别数据来提供推荐温度，其中空调包括：温度传感器，被配置为感测空调的当前温度，鼓风扇，被配置为将从空气净化器生成的冷却空气排放到外部，和空调通信器，其发送当前温度到第一外部设备，其中，所述学习模型服务器包括：储存器，其被配置为存储经学习的学习模型以提供空调的推荐温度，至少一个服务器处理器，被配置为：获取当前温度，和将当前温度输入到学习模型以获取空调的推荐温度，以及服务器通信器，被配置为将推荐温度发送到第二外部设备。
11、根据本公开的另一方面，提供了一种空调。所述空调包括：鼓风扇，被配置为将冷却空气排放到外部；温度传感器，被配置为感测空调周围的当前温度；通信器，被配置为与外部设备通信；和至少一个处理器，被配置为：控制通信器将当前温度发送到外部设备，控制通信器取决于当前温度的发送从外部设备接收推荐温度，所述推荐温度是通过将当前温度应用于学习模型而获得的结果，以及在空调中设定接收的推荐温度，其中，学习模型是使用在空调中先前设定的多个设定温度和多个当前温度来学习的的学习模型。
12、根据本公开的另一方面，提供了一种用户终端。所述用户终端包括：显示器，被配置为显示屏幕；通信器，被配置为与外部设备通信；输入，被配置为接收用户输入；和至少一个处理器，被配置为：控制通信器以响应于取决于经由输入接收的、选择包括在屏幕中的人工智能操作ui的用户输入的用户输入信号，将与人工智能操作ui相对应的人工智能操作请求信号发送到空调，和控制显示器以响应于在空调中设定的推荐温度被获取来显示获取的推荐温度，所述推荐温度是通过取决于经由通信器的人工智能操作请求信号将空调的当前温度应用于学习模型而获得的结果。
13、根据本公开的另一方面，提供了一种用于生成数据学习服务器的学习模型的方法。所述方法包括：获取在空调中设定的设定温度和在设定温度时空调的当前温度；使用设定温度和当前温度生成或刷新学习模型；和存储所生成或刷新的学习模型以提供在空调中设定的推荐温度作为生成或刷新学习模型的结果。
14、根据本公开的另一方面，提供了一种使用数据学习服务器的学习模型的方法。所述方法包括：存储经学习的学习模型以提供将在空调中设定的推荐温度；获取空调的当前温度；将当前温度输入到经学习的学习模型，以获取将在空调中设定的推荐温度；和将推荐温度发送到外部设备。
15、根据本公开的另一方面，提供了一种用于提供空调的推荐温度的方法。所述方法包括：感测空调的当前温度；将感测的当前温度发送到外部设备；取决于当前温度的发送，从外部设备接收推荐温度，所述推荐温度是通过将当前温度应用于学习模型而获得的结果；和在空调中设定接收的推荐温度，其中，学习模型是使用在空调中先前设定的多个设定温度和多个当前温度来学习的学习模型。
16、根据本公开的另一方面，提供了一种用于控制用户终端的空气控制器的方法。所述方法包括：接收取决于选择人工智能操作ui的用户输入的用户输入信号；将与人工智能操作ui相对应的人工智能操作请求信号发送到空调；获取在空调中设定的推荐温度，所述推荐温度是通过取决于人工智能操作请求信号将空调的当前温度应用于学习模型而获得的结果；和在屏幕上显示获取的推荐温度。
17、根据本公开的另一方面，提供了一种用于生成包括空调和学习模型服务器的网络系统的学习模型的方法。所述方法包括：由空调接收设定温度的用户控制信号；由空调将设定温度和空调的当前温度发送到外部设备的操作；由学习模型服务器生成使用设定温度和当前温度的学习模型；和由学习模型服务器存储所生成的学习模型以提供空调的推荐温度。
18、根据本公开的另一方面，提供了一种用于在包括空调和学习模型服务器的网络系统中提供推荐温度的方法。所述方法包括：由空调将空调的当前温度发送到外部设备；由学习模型服务器通过将当前温度应用于学习模型来获取空调的推荐温度；和由空调将推荐温度发送到外部设备。
19、根据本公开的另一方面，提供了一种用于控制包括空调和用户终端的网络系统的空调的方法。所述方法包括：由用户终端接收取决于选择人工智能操作ui的用户输入的用户输入信号；由用户终端将与人工智能操作ui相对应的人工智能操作请求信号发送到空调；如果接收到人工智能操作请求信号，由空调将空调的当前温度发送到外部设备；由空调取决于当前温度的发送从所述外部设备接收推荐温度，所述推荐温度是通过将当前温度应用于学习模型而获得的结果；和由空调在空调中设定接收的推荐温度，其中，学习模型是使用在空调中先前设定的多个设定温度和多个当前温度来学习的学习模型。
20、根据本公开的实施例，当使用人工智能技术自动推荐在空调中设定的温度时，可以极大地提高控制温度的用户的便利性。特别是，可以为用户提供对用户而言最理想的推荐温度。
21、此外，根据本公开的用于使用学习模型的方法，可以基于设定空调的用户的温度设定历史来连续更新学习模型，并且可以提高学习模型的性能，使得在使用根据本发明的学习模型时可以向用户提供最理想的推荐温度。
22、也就是说，可以生成针对使用空调的用户中的每一个定制的学习模型，因此可以提供适合于多个用户中的每一个的最佳推荐温度。
23、此外，本公开的各种实施例可以获取或预期的效果应当在本公开的详细描述中直接或隐含地公开。例如，本公开的各种实施例可以预期的各种效果将在下面将描述的详细描述中公开。
24、通过以下结合附图公开了本公开的各种实施例的详细描述，本公开的其它方面优点和显著特征对于本领域技术人员将变得清楚。
1.一种空调，包括：
2.根据权利要求1所述的空调，其中，所述学习模型是基于在空调的设置操作模式下先前设置的多个设置温度和在空调的设置操作模式下先前感测的多个当前温度而学习识别推荐温度的学习模型。
3.根据权利要求1所述的空调，还包括：
4.根据权利要求1所述的空调，其中，所述至少一个处理器还被配置为：
5.一种空调的计算机实施方法，该方法包括：
6.根据权利要求5所述的方法，其中，所述学习模型是基于在空调的设置操作模式下先前设置的多个设置温度和在空调的设置操作模式下先前感测的多个当前温度而学习识别推荐温度的学习模型。
7.根据权利要求5所述的方法，其中，所述空调还包括用于空调的每种操作模式的多个学习模型，以向空调提供要设置的推荐温度；以及
8.根据权利要求5所述的方法，其中，获取推荐温度包括：
9.一种控制空调的用户终端，所述用户终端包括：
10.根据权利要求9所述的用户终端，其中，所述学习模型是基于在空调的设置操作模式下先前设置的多个设置温度和在空调的设置操作模式下先前感测的多个当前温度而学习识别推荐温度的学习模型。
11.根据权利要求9所述的用户终端，其中，所述至少一个处理器还被配置为控制显示器将空调中先前设置的温度与当前温度一起显示。
