用于管理极端数据的智能端点系统专利检索-微码电脑零配件专利检索查询-专利查询网

用于管理极端数据的智能端点系统

阅读：959发布：2020-05-08

专利汇可以提供用于管理极端数据的智能端点系统专利检索，专利查询，专利分析的服务。并且本发明提供了一种系统和方法，其可以使基于分布式且自主的决策科学的建议、决策和动作随着时间的推移变得越来越智能和快速。所述系统可以包括在网络的边缘或端点处的智能计算设备和组件(即，智能端点系统)(例如，用户设备或IoT设备)。这些智能端点系统中的每一个可以可选地具有向其它智能设备和第三方组件和设备发送和接收新数据或决策科学、软件、数据和元数据的能力，使得无论实时或接近实时、批量或手动处理，数据或决策科学都可以被更新，并且数据或决策科学驱动的查询、建议和自主动作可以被实时或接近实时地广播到其它智能端点系统和第三方系统。，下面是用于管理极端数据的智能端点系统专利的具体信息内容。

权利要求

1.一种用于管理大量数据以提供基于分布式且自主的决策的动作的系统，所述系统包括相互通信的多个智能端点系统，每个智能端点系统包括：
存储器，其存储数据科学算法和首先由所述每个智能端点系统创建、捕获或感测的本地数据；
一个或多个处理器，该一个或多个处理器使用所述数据科学算法至少执行本地化决策科学以处理所述本地数据从而确定所述本地数据是否为已知的已知数据，并且在识别出所述本地数据为已知的已知数据之后从所述存储器丢弃所述本地数据；以及通信设备，该通信设备关于所述数据科学算法、确定所述本地数据是否是所述已知的已知数据、以及涉及所述本地数据的异常结果中的一个或多个与其它智能端点系统通信。
2.根据权利要求1所述的系统，其中，所述每个智能端点系统的所述一个或多个处理器将所述本地数据转换为微码，并且所述通信设备将所述微码发送到所述其它智能端点系统。
3.根据权利要求1所述的系统，其中，所述每个智能端点系统的所述一个或多个处理器将一个或多个数据科学算法转换为微码，并且所述每个智能端点系统的所述通信设备将所述微码发送到所述其它智能端点系统。
4.根据权利要求1所述的系统，其中，所述存储器或所述一个或多个处理器，或两者，能够用一个或多个新的数据科学算法进行闪存。
5.根据权利要求1所述的系统，其中，不可变分类账在所述存储器中分布在所述多个智能端点系统之间。
6.根据权利要求5所述的系统，其中，所述本地数据是存储在所述不可变分类账上的生物相关数据或生物特征数据。
7.根据权利要求5所述的系统，其中，所述本地数据是存储在所述不可变分类账上的制造数据。
8.根据权利要求5所述的系统，所述系统是用于人类消耗品的处理系统的一部分，并且所述本地数据涉及给定的人类消耗品，并且所述本地数据存储在所述不可变分类账上。
9.根据权利要求5所述的系统，其中，所述多个智能端点系统中的每一个是卫星，并且所述本地数据是存储在所述不可变分类账上的卫星数据。
10.根据权利要求1所述的系统，其中，所述智能端点系统中的至少一个是脑-机接口。
11.根据权利要求1所述的系统，其中，所述一个或多个处理器包括神经形态芯片。
12.根据权利要求1所述的系统，其中，所述每个智能端点系统还包括用于收集所述本地数据的一个或多个传感器和能够由所述一个或多个处理器控制的一个或多个执行器。
13.根据权利要求1所述的系统，其中，所述多个智能端点系统是发电厂的组成部分，并且所述本地数据涉及所述发电厂的操作和性能。
14.根据权利要求1所述的系统，其中，所述多个智能端点系统是水处理厂的组成部分，并且所述本地数据涉及所述水处理厂的操作和性能。
15.根据权利要求1所述的系统，该系统存储图形数据库，其中：所述图形数据库的多个节点分别对应于所述多个智能端点系统；存储在每个节点上的数据被物理地存储在各自对应的智能端点系统上；并且多个节点之间的所述图形数据库的边缘反映所述各自对应的智能端点系统之间的数据通信链路。
16.根据权利要求1所述的系统，所述系统还包括分配一个或多个新的智能端点系统的端点分配器。
17.根据权利要求16所述的系统，其中，所述端点分配器包括存储待分配的所述一个或多个新的智能端点系统的容器。
18.根据权利要求1所述的系统，其中，所述每个智能端点系统具有大约5mm×5mm或更小的尺寸。
19.根据权利要求1所述的系统，其中，所述多个智能端点系统的第一子集实现第一神经网络；所述多个智能端点系统的第二子集实现第二神经网络；来自所述第一神经网络的输出从所述第一子集传输到所述第二子集；并且所述第二子集接收并使用所述输出作为到所述第二神经网络的输入。
20.根据权利要求19所述的系统，其中，所述第一神经网络是生成器神经网络；所述第二神经网络是判别器神经网络；所述多个智能端点系统的所述第二子集获得、捕获或感测真实数据作为到所述第二神经网络的附加输入；并且所述多个智能端点系统的所述第一子集和所述第二子集的组合实现生成性对抗网络。
21.根据权利要求1所述的系统，其中，在首先创建、捕获或感测所述本地数据的一个或多个位置处供应所述多个智能端点系统。
22.根据权利要求21所述的系统，其中，通过在所述一个或多个位置处物理地插入或分配所述多个智能端点系统来供应所述多个智能端点系统。
23.根据权利要求21所述的系统，其中，所述一个或多个位置是数字位置。
24.一种用于管理大量数据以在智能端点系统上提供基于分布式且自主的决策的动作的系统，所述系统包括：
远程计算机系统，其被配置为经由计算机网络从智能端点系统请求本地数据，其中，所述智能端点系统在连接到所述计算机网络的多个智能端点系统之中；以及所述智能端点系统，其被插入在首次创建或获得所请求的本地数据的点处，其中，所述多个智能端点系统被配置成在将所请求的本地数据发送到所述远程计算机系统之前执行与所述本地数据相关的本地化数据科学。
25.根据权利要求24所述的系统，其中，所述多个智能端点系统被配置成创建本地数据。
26.根据权利要求24所述的系统，其中，所述多个智能端点系统包括用于存储数据科学算法的数据库。
27.根据权利要求26所述的系统，其中，所述数据库被配置成经由所述计算机网络来进行更新。
28.根据权利要求24所述的系统，其中，所述多个智能端点系统还包括第二智能端点系统，并且其中，所述智能端点系统被配置成查验或查询所述第二智能端点系统以获得与所请求的本地数据相关联的数据或元数据。
29.根据权利要求24所述的系统，其中，执行所述本地化数据科学包括确定所述本地数据是已知的已知数据还是复制件。
30.根据权利要求29所述的系统，其中，执行所述本地化数据科学还包括在通过所述计算机网络传输数据之前丢弃已知的已知本地数据。

说明书全文

用于管理极端数据的智能端点系统

[0001] 相关申请的交叉引用：

[0002] 本专利申请要求于2017年6月30日提交的名称为“Intelligent Endpoint Systems For Managing Extreme Data(用于管理极端数据的智能端点系统)”的美国临时申请No.62/528,014和于2017年8月2日提交的名称为“Smart Distributed Systems For Managing Network Data(用于管理网络数据的智能分布式系统)”的美国临时申请No.62/540,499的优先权，其全部内容通过引用结合于此。

背景技术

[0003] 电子设备的全球扩散和采用已经导致产生了比可以存储的数据更多的数据。此外，数据计算增长超过了全局计算的摩尔定律，并且跨网络传输和存储的数据量超过了预计的网络带宽和数据存储可用性。在最近的一个分析中，7亿用户加上200亿物联网(IoT)设备等于用户和设备之间的大约4.5×1023互连，该数量甚至不包括实际数据和对应于实际用户创建的数据、机器数据和IoT数据的丰富元数据。因此，4.5×1023虽然数量庞大，但仅是数据的一部分。我们可以将这种类型的数据称为“极端”或“爆炸性”数据(XD)，其可以指的是持续指数增长和变化的数据。

[0004] 当前计算环境将所有XD发送到一个或几个节点或设备，以便进行自动化、智能决策和/或自主动作。这种方法类似于传统的大型机“轴(hub)和辐(stock)”、批处理数据或其它类似的传统的决策科学处理框架或模型。这些常规方法和技术通过经由网络将数据从一个点(即，数据创建点)发送到其它点并在该其它点处理XD(例如，捕捉、索引、存储和绘图，仅举几个步骤)来处理/分析XD。该过程可涉及显著的时间延迟，特别是在处理XD和相关内容时。因此，基于数据的有意义的实时或接近实时的数据操作和决策是具有挑战性的—尤其是那些基于机器学习和人工智能应用的决策—尽管网络和计算技术更快。

[0005] 此外，上述传统方法需要通过各种网络发送或接收XD和相关元数据，这可能需要大量的计算资源和带宽。然而，大多数这样数据实际上是噪声，其中在本文中，“噪声”可以指重复数据(例如，“已知的已知(known known)”数据)或对于执行相关计算可能不必要或非必需的数据。

[0006] 由于例如在网络130的另一节点处执行新数据或决策科学模型，所以时滞也指数地增长。此外，一旦数据/决策科学完成，完成的结果需要通过网络返回，并最终返回到用户或其它端点(例如，外围)设备、系统等。因此，传统方法加大了对入站数据执行数据或决策科学的已延长的用户等待时间，并且最终延长了接收例如实时或接近实时的业务推荐和动作的时间。发明内容

[0007] 针对这些问题，提出了一种基于极端或爆炸性数据(XD)分析和建议动作的不同计算方法。特别地，“智能端点系统”可以用于将数据或决策科学驱动的分析外部化和分发到可以(例如，通过智能端点系统上的传感器)首先创建或获得数据的地方，并且使用板载计算系统和设备自主地做出决策和采取自主动作。

[0008] 智能端点系统(在此也可互换地称为端点系统、端点、边缘节点和IES)可以是能够促进智能决策、推荐、做出自主决策以及更早更快地采取自主动作的系统或设备。智能端点系统102可以包括XD处理资源，使得由智能端点系统收集或创建的数据可以在本地、在设备上或跨智能端点系统的集合来处理。特别地，如本文所公开的，这样的方法可以用于提供技术方案，该技术方案可以有效地做出基于分布式决策科学的建议和动作，并且随着时间的推移提供越来越智能的建议和动作。例如，创建XD并将其上传到公共云以供分析的当前可用的方法可能需要大量的时间和网络带宽。因此，由于高操作成本和低效率，许多商业实体或个人可能选择删除XD的大部分。这可能不利地影响训练用于深度学习/机器学习应用的系统和/或设备的能力，因为存储和/或传输XD可能太昂贵。

[0009] 本文公开的系统和相关方法可用于促进在智能端点系统处或由智能端点系统做出智能决策，这可实现机器学习、深度学习和其它相关人工智能技术的高效和及时的应用。

[0010] 智能端点系统还可以帮助有效地分发计算资源和网络带宽。本文公开的方法可涉及在智能端点系统处或通过智能端点系统的分布式网络对特定应用、设备、系统等所需的、有价值的或重要的数据/信息执行数据分析和应用决策科学。例如，智能端点系统可被配置成检测/确定“已知的已知”数据，并且这样的数据可在通过网络传输以用于附加分析之前被丢弃，从而节省网络带宽资源。

[0011] 智能端点系统和相关方法包括计算机平台和相关计算机组件，计算机平台和相关计算机组件可以单独地或集体地做出基于分布式和自主决策科学的建议/动作，该建议/动作可以随着时间的推移而变得越来越智能和快速(例如，通过机器学习的改进)。

[0012] 智能端点系统可涉及感测、监测、学习、分析和采取动作，以便获得给定环境或区域内的设备和系统的“完美信息”或接近完美的信息，并做出及时的技术或商业决策。如果尝试使用当前系统和方法对所有上述数据进行感测、监测、分析、学习和采取自主动作，则所有计算和网络资源和时间将被后端服务器或集中式计算机系统花费在摄取(例如，接收传输的信息)和索引信息上。涉及实际执行数据/决策科学的摄取和索引信息与采取抢先动作，之间的时滞将显著增加，并且使得当前系统和方法最终无用或低效地用于实时或接近实时的应用。

[0013] 此外，智能端点系统及相关方法可被配置为应用(例如)滑动比例(scale)80/20决策分配，借此可将80％的智能决策和动作从中央计算平台(例如，公共云平台)分发到智能端点系统(例如，到其它外围或IoT设备)。可由人、数据科学(例如，人工智能、机器学习、算法、模糊逻辑或前述的任何组合)或使用人和数据科学两者的混合方法来进行滑动比例决策分配。随着时间的推移，决策和动作可以逐渐地分布成更接近于数据起源、感测或创建的地方，该地方是智能端点系统可以被定位以捕获或创建这样的数据的地方。

[0014] 智能端点数据处理的执行地点和方式可能不同。一个IES策略是数据创建或生成首先发生的地方。例如，执行测量或捕获数据(例如，温度、湿度、电压、宽度、位置、心率、脑信号、无线电信号、图像捕获等)的IoT设备定义了数据创建或生成的第一个点。捕获、创建、生成和检测异常的IoT传感器设备或上述的任何组合例示了IES第一数据创建或生成点策略。

[0015] 智能端点系统和相关方法“将智能扩展”(例如，通过配备、嵌入、应用、安装、更新等数据或决策科学能力)到网络端点或外围的所有电子设备，包括但不限于计算机、智能电话、可穿戴设备、假肢、脑-机接口、人机接口、TV、电器、电子控制机器和处理设备、其它电子设备或IoT设备、机器人设备、制造应用中的传感器、材料处理应用中的传感器、食品和药物应用中的传感器、环境监测中的传感器、无人机、包括具有和不具有自动驾驶能力的车辆、飞行器、船舶、卫星、小卫星、立方体卫星(cubesat)、医疗设备、区块链集成设备、包含音频和多媒体投影仪功能的设备、全息投影仪设备以及包括在相应设备中的各种组件。

[0016] 在示例性实施方式中，智能端点系统非常小，例如尺寸大约为一毫米或几毫米。例如，智能端点系统具有大约5mm×5mm或更小的尺寸。在另一个示例中，智能端点系统大约为1mm×1mm。在另一示例性实施方式中，智能端点系统是微米尺寸设备。在另一示例性实施方式中，智能端点系统是纳米尺寸的设备。这样的设备还可以包括任何其它外围计算设备。

[0017] 智能端点系统还配备有执行机器学习和数据科学计算的一个或多个处理器。例如，中央处理单元(CPU)、图形处理单元(GPU)、神经形态芯片、现场可编程门阵列(FPGA)、张量处理单元(TPU)、ASIC、芯片上系统(SOC)等是并入智能端点系统中并且执行机器学习计算或数据科学计算或其它类型的计算的硬件处理器的示例。用于各种浮点密集数学计算的这些板载处理器可使软件开发者能够执行本地化处理(例如，面部识别、文本识别、图像识别、声音识别、语音识别、预测等)，而不是将数据发送到集中式计算平台以分析数据。这例示了将智能和动作移动到更接近最初可以感测和/或创建数据的点/位置。

[0018] 另外，本文公开的智能端点系统和相关方法能够实现不同程度的自主智能和动作。试图基于数万亿的计算设备和组件网络数据来摄取并及时做出决策可能是徒劳的。相反，智能端点系统和相关方法可以提供“治理智能”，其可以指包括例如业务或技术方针(policy)、指南、规则、度量和动作的主数据库(分布式或集中式)。这种治理智能可以使智能端点系统及其组件的集合和子集能够做出分布式和本地化决策和动作，这些决策和动作支持由“治理”智能指定的总体全局和名义方针、指南、规则、动作。

[0019] 此外，数字电子部件、模拟电子部件或模拟硬件(例如机械硬件、化学设备等)连接到或配备有(或者既连接到又配备有)构成前述设备(例如电源、微处理器、RAM、磁盘驱动器、电阻器、继电器、电容器、二极管和LED屏幕)的数字计算组件也可以配备有计算智能。在诸如电力变压器的模拟设备的情境下，具有内置的电流传感器或温度传感器，该电流传感器或温度传感器向具有计算智能的处理器提供传感器数据(例如本地数据)；这些设备的集合形成智能端点系统。在数字电子组件的情境下，读取和写入动作的数目(例如，本地数据)在芯片中的RAM设备或高速缓存设备中计数，其提供设备的磨损或剩余寿命的指示，并且该本地数据由具有计算智能的处理器处理；这些设备的集合形成智能端点系统。计算智能可能需要各种组件、数据库、存储器、不可变分类帐、区块链、无分类帐区块链和系统的组合，其中可以嵌入或安装数据或决策科学能力。自堆叠纳米技术可潜在地促进设计和制造以前仅限于处理器类设备(CPU、GPU、TPU、FPGA等)的智能组件。这种纳米技术可以进一步支持用于分布式智能决策和动作的80/20决策分配，这是通过使这些先前不智能或“哑(dumb)”的电子设备能够例如自监测、运行自诊断以及在部件本身可能发生故障之前传送状态信息来实现的。或者，随着越来越多的设备和组件走向纳米技术，在先前哑的设备上运行的该同一智能可能不可避免地导致全新水平的内置电路和嵌入式传感器。换句话说，根据示例性实施方式，纳米技术设备或系统是智能端点系统。

[0020] 在下面与附图相关的描述中更详细地描述了这些和其它示例性实施方式。

附图说明

[0021] 现在将仅参考附图以示例的方式来描述实施方式，其中：

[0022] 图1示出了根据示例性实施方式的智能端点系统可以在其中操作的环境；

[0023] 图2示出了根据一些示例性实施方式的智能端点系统的组件；

[0024] 图3A示出了根据示例性实施方式的用于管理XD的计算机可执行或处理器实现的指令的流程图；

[0025] 图3B示出了根据示例性实施方式的用于评估XD的计算机可执行或处理器实现的指令的流程图；

[0026] 图3C示出了根据示例性实施方式的用于查询其它智能端点系统的计算机可执行或处理器实现的指令的流程图；

[0027] 图4示出根据示例性实施方式的用于管理XD的另一方法的计算机可执行或处理器实现的指令的流程图；

[0028] 图5示出了根据示例性实施方式的用于更新智能端点系统的计算机可执行或处理器实现的指令的流程图；

[0029] 图6A和图6B示出根据不同示例性实施方式的按区域分组并且与一个或多个集中式计算系统通信的智能端点系统的分组；

[0030] 图7A和图7B示出了根据不同示例性实施方式的用于在智能端点系统的不同分组之间传输数据的计算机可执行或处理器实现的指令的流程图；

[0031] 图8A示出根据示例性实施方式的用于给定智能端点系统执行与邻近智能端点系统有关异常的检查的计算机可执行或处理器实现的指令的流程图；

[0032] 图8B示出根据示例性实施方式的用于给定智能端点系统检测异常而邻近智能端点系统未检测到异常的计算机可执行或处理器实现的指令的流程图；

[0033] 图9示出了在位置之间移动的智能端点系统的示例性实施方式；

[0034] 图10A示出了根据示例性实施方式的向其它智能端点系统传播更新的给定智能端点系统的示意图，以及计算机可执行或处理器实现的指令的相关流程图；

[0035] 图10B示出了根据另一示例性实施方式的向其它智能端点系统传播更新的给定智能端点系统的示意图，以及计算机可执行或处理器实现的指令的相关流程图；

[0036] 图11示出了根据示例性实施方式的用于多个现有智能端点系统的计算机可执行或处理器实现的指令的示意图和相关流程图，所述多个现有智能端点系统播种新的智能端点系统以便供应(provision)新的智能端点系统；

[0037] 图12示出了根据示例性实施方式的用于多个智能端点系统的分布式数据库和处理架构的示意图；以及

[0038] 图13示出了根据示例性实施方式的被协调以形成生成性对抗网络的多个智能端点系统的架构的示意图。

具体实施方式

[0039] 应当理解，为了进行简单和清楚的说明，在认为适当的情况下，附图中可以重复附图标记以指示对应或类似的元件。另外，阐述了许多具体细节以便提供对本文描述的示例性实施方式的透彻理解。然而，所属领域的技术人员将理解，可在没有这些具体细节的情况下实践本文中所描述的示例性实施方式。在其他情况下，没有详细描述公知的方法、过程和组件，以免混淆本文所述的示例性实施方式。而且，该描述不应被认为是对这里描述的示例性实施方式的范围的限制。

[0040] 除非另有定义，本文使用的所有技术术语具有与本发明所属领域的普通技术人员通常理解的含义相同的含义。如本说明书和所附权利要求书中所使用的，除非上下文另有明确说明，否则单数形式“一”、“一个”也包括复数引用。除非另有说明，本文中对“或”的任何引用旨在包含“和/或”。

[0041] 提供了一种能够基于极端或爆炸数据(XD)来分析和建议解决方案的方法和系统。如本文中所使用的，XD通常可指庞大的数据，其大小以不断增长的速率增加，和/或随时间、用途、位置等而改变。本文所公开的方法和系统可以做出基于分布式数据或决策科学的建议和动作，并且可以随着时间的推移做出越来越智能的建议和动作。

[0042] 提供了一种可以应用数据或决策科学来跨计算系统和设备执行自主决策和/或动作的系统和方法。数据科学或决策科学可以指应用于数据的数学和科学，包括但不限于算法、机器学习、人工智能科学、神经网络以及应用于数据的任何其他数学和科学。来自数据或决策科学的结果包括但不限于商业和技术趋势、建议、行动和其他趋势。数据或决策科学包括但不限于算法(在本文中也可以称为“algos”)、机器学习(ML)和人工智能(AI)的个体和组合，仅举几个例子。该数据或决策科学可以例如作为在处理器(例如，CPU、GPU、FPGA、TPU、ASIC、神经形态芯片)内部执行的微码(microcode)、在操作系统中运行的脚本和可执行文件、应用、子系统以及上述的任何组合进行嵌入。另外，该数据或决策科学可以作为驻留在静态和动态RAM存储器、高速缓存、EPROM、固态和旋转磁盘存储器以及跨越具有前述存储器类型和不同存储器类型的多个端点的前述系统中的小型“微决策科学”软件来运行。用于应用数据和决策科学来评估数据的方法可以包括例如表面(Surface)、趋势(Trend)、推荐(Recommend)、推断(Infer)、预测和动作(Predict and Action，STRIPA)数据或决策科学。对应于STRIPA方法的类别可用于将特定类型的数据或决策科学分类成相关的类，包括例如表面算法(“algos”)、趋势算法、推荐算法、推断算法、预测算法和动作算法。如本文所使用的，表面算法通常可以指自主地突出异常和/或早期新趋势的数据科学。如本文所使用的，趋势算法通常可以指自主地执行聚集分析或相关分析的数据科学。如本文所使用的，推荐算法通常可以指自主地组合数据、元数据和来自其他数据科学的结果以便为系统、用户和/或应用做出特定的自主推荐和/或采取自主动作的数据科学。如本文所使用的，推断算法通常可以指自主地组合数据、元数据和来自其他数据科学的结果以便表征人、地点、对象、事件、时间等的数据科学。如本文所使用的，预测算法通常可以指自主地组合数据、元数据和来自其他数据科学的结果以便预报和预测人、地点、对象、事件、时间和/或可能的结果等的数据科学。如本文所使用的，动作算法通常可以指自主地组合数据、元数据和来自其他数据科学的结果以便发起和执行自主决策和/或动作的数据科学。

[0043] 数据或决策科学示例可以包括但不限于：Word2vec表示学习；情感多模态、体态、语境；否定线索、范围检测；主题分类；TF-IDF 特征向量；实体提取；文件摘要；网页评级；模块化；诱导子图；双图传播；推理标号传播；广度优先搜索；本征中心性、内/外度；GPU上的蒙特卡罗马尔可夫链(MCMC)sim；神经网络；基于R-CNN的深度学习；生成性对抗网络；GPU上的Torch、Caffe、Torch；LOGO检测；ImageNet、GoogleNet对象检测；SIFT、SegNet感兴趣区域；组合NLP和图像的序列学习；K-均值、层次聚类；决策树；线性、逻辑回归；亲合关联规则；朴素贝叶斯；支持向量机(SVM)；趋势时间序列；模糊逻辑；突发异常检测；KNN分类器；语言检测；表面上下文情感、趋势、推荐；新兴趋势；什么是独特的发现者(Whats Unique Finder)；
实时事件趋势；趋势洞察力；相关查询建议；用户、产品、品牌、公司的实体关系图；实体推断：地理、年龄、性别、演示等；主题分类；基于方面的NLP(word2vec、NLP查询等)；分析和报告；视频和音频识别；目的预测；对结果的最佳路径；基于属性的优化；搜索和发现；以及基于网络的优化。

[0044] 智能端点系统可以具有向一个或多个其它智能端点系统发送和/或从其接收新数据或决策科学、软件、数据和元数据的能力。因此，数据或决策科学可以被更新，并且数据或决策科学驱动的查询、建议和自主动作可以被实时或接近实时地广播到其它智能端点系统和第三方系统。

[0045] 图1示出了根据本文描述的实施方式的包括由不同大小的框表示的各种类型的智能端点系统的环境。计算环境100可以包括多个智能端点系统和网络。各种智能端点系统可以分散在整个计算环境100中。类似于具有神经元和突触的人脑，神经元可被认为类似于智能端点系统，并且突触可被认为类似于网络。因此，智能端点系统是分布式的，并因此支持分布式决策的概念—在执行XD决策科学中的一个重要示例方面，从而产生建议和动作。

[0046] 智能端点系统可包括各种类型的计算设备或组件，诸如处理器、内存(memory)设备、存储器设备、传感器或具有这些设备中的至少一个作为组件的其他设备。智能端点系统可以将这些设备的任何组合作为组件。计算设备内的前述组件中的每一个可具有或可不具有嵌入硬件中的数据或决策科学，例如在GPU中运行的微码数据或决策科学、在操作系统和应用程序内运行的数据或决策科学，以及作为补充硬件和软件计算设备的软件运行的数据或决策科学。

[0047] 如图1所示，计算环境100可以包括各种智能端点系统102a、102b、102c、102d(这里也统称为102)和网络130。一个智能端点系统可以经由网络130或经由任何一个智能端点系统之间的直接通信(例如，点对点联网)与任何其它智能端点系统交互或通信。在示例方面，智能端点系统经由无线通信(例如，无线电波、光信号、其它辐射信号等)彼此直接通信。在另一示例中，作为补充或替代，智能端点系统经由网络130彼此通信。

[0048] 智能端点系统102可以被配置成收集、获得或创建本地数据，其中本地数据可以包括例如传感器数据或其它机器生成的数据。端点系统还可被配置成处理这样的收集或生成的数据，其中数据处理可包括应用数据或决策科学算法、机器学习算法、或分析所收集或生成的数据所需的其它算法。智能端点系统还可以查询和收集来自其它端点系统、企业系统和第三方系统的数据，以便帮助做出本地化决策。

[0049] 智能端点系统102可以包括但不限于被配置为收集、获得和/或处理数据的任何外围计算设备或IoT设备或通用计算设备。例如，外围计算设备可包括蜂窝电话、个人数字助理(PDA)、平板设备、台式或膝上型计算机、可穿戴设备或包含计算功能性和数据通信能力的任何其它设备。智能端点系统还可以包括被配置为执行本文公开的方法和过程的一个或多个IoT设备。如图1所示，智能端点系统102a和端点系统102b可以是不同的系统或设备。智能端点系统的其它示例在发明内容部分和下面的其它示例中描述。

[0050] 在一些实施方式中，智能端点系统102可包括但不限于例如具有WiFi电路的“Algo可擦写”微型相机，其中“algo可擦写”可指智能端点系统，其可被配置为使算法(例如，数据或决策科学相关算法)进行安装、移除、嵌入、更新或加载。

[0051] 每个智能端点系统102可以执行一般或特定类型的数据或决策科学，以及执行不同级别(例如，复杂度级别)的计算能力(数据或决策科学计算、存储等)。例如，与具有WiFi电路的Algo可擦写电阻器和晶体管的算法相比，具有WiFi电路的Algo可擦写传感器执行更复杂的数据科学算法，反之亦然。复杂度水平可以取决于智能端点系统102的能力，例如，板载计算能力、特征和功能。

[0052] 网络130可以包括有线和无线网络两者的一个或多个组合。网络130可以是任何两个智能端点系统102之间的通信路径，或者是智能端点系统与任何其它通信或计算设备(包括服务器系统和数据库)之间的通信路径。网络130可以包括使用无线和/或有线通信系统的局域网和/或广域网的任何组合。例如，网络130可以包括互连网以及移动电话网络。在一个实施方式中，网络130使用标准通信技术和/或协议。因此，网络130可包括使用诸如以太网、802.11、全球微波接入互操作性(WiMAX)、2G/3G/4G移动通信协议、异步传输模式(ATM)、无限带宽(InfiniBand)、PCI Express高级交换等技术的链路。在网络130上使用的其它网络协议可包括多协议标签交换(MPLS)、传输控制协议/互联网协议(TCP/IP)、用户数据报协议(UDP)、超文本传输协议(HTTP)、简单邮件传输协议(SMTP)等。可以使用包括二进制形式的图像数据(例如，便携式网络图形(PNG))、超文本标记语言(HTML)、可扩展标记语言(XML)等的技术和/或格式来表示在网络上交换的数据。另外，可使用常规加密技术(例如，安全套接字层(SSL)、传输层安全性(TLS)、互联网协议安全性(IPsec)等)来加密所有或部分的链路。在另一实施方式中，网络上的实体可以使用定制和/或专用数据通信技术来代替上述技术或作为上述技术的补充。在示例性实施方式中，网络包括卫星通信。在另一示例性实施方式中，网络便于由一个或多个卫星(例如，卫星群)能够进行的机器到机器通信。在另一示例性实施方式中，网络促进通过网络中的其它机器的机器到机器通信。

[0053] 在示例性实施方式中，远程计算机系统105经由网络130或通过点对点通信与一个或多个智能端点系统102通信。远程计算系统105可以利用智能端点系统的集体计算能力。

[0054] 在示例性实施方式中，提供了一种用于管理大量数据以在智能端点系统上提供基于分布式和自主决策的动作的系统。该系统包括从一个或多个智能端点系统130 请求本地数据的远程计算机系统105。智能端点系统是连接到网络130的多个智能端点系统中的一个或多个。在首先创建或获得所请求的本地数据的点处插入、分配、定位、激活或供应所述一个或多个智能端点系统，其中所述多个智能端点系统被配置为在将所请求的本地数据发送到所述远程计算机系统之前执行与所述本地数据相关的本地化数据科学。

[0055] 图2示出了根据本文描述的一些实施方式的智能端点系统102的组件。智能端点系统包括传感器模块202、执行器(actuator)模块204、数据科学模块206、XD处理模块208、通信模块210以及方针和规则模块212。

[0056] 智能端点系统102的这些组件是可以使用特定输入来生成有用数据或其它输出的功能组件，或者可以包括或连接到存储器或数据库。所述组件可实施为通用或专用硬件、软件、固件(或其任何组合)组件。组件可以是独立的，也可以不是独立的。取决于具体实现或其它考虑，组件在功能上或物理上可以是集中式或分布式的。尽管在图2中示出了特定数量的组件，智能端点系统102可包括更多组件或可将组件组合成更少组件(例如单个组件)，如特定实施方案所需。一个或多个组件可以跨多个不同的智能端点系统来实现。下面详细说明这些组件之间的交互。

[0057] 传感器模块202包括一个或多个传感器和相关系统。作为传感器模块的一部分的传感器的一些实例可包括但不限于位置传感器(例如，全球定位系统(GPS)传感器、能够进行位置三角测量的移动设备发射器)、视觉传感器(例如，能够检测可见光、红外光或紫外光的成像设备，例如相机)、接近或距离传感器(例如，超声传感器、LiDAR、飞行时间或深度相机)、惯性传感器(例如，加速度计、陀螺仪和/或重力检测传感器)、高度传感器、姿态传感器(例如指南针)、压力传感器(例如包括但不限于气压计)、温度传感器、湿度传感器、振动传感器、地震传感器、生物传感器、脑信号传感器、神经信号传感器、肌肉信号传感器、应变仪传感器、化学传感器、生化传感器、音频传感器(例如麦克风)和/或场传感器(例如磁力计、电磁传感器、无线电传感器)。传感器模块202还可以包括用于初始处理所获得的数据的一个或多个处理设备/系统。

[0058] 在示例方面，执行器模块204包括被配置为移动或控制智能端点系统的一个或多个组件。在另一示例方面，执行器模块204是物理地影响智能端点系统周围的事物或环境的组件。执行器模块包括一个或多个执行器。执行器包括例如液压执行器、气动执行器、电动执行器、热执行器、光子执行器和机械执行器中的一个或多个。执行器模块204可包括软件组件以配置上述执行器的一个或多个方面或上述的任何组合。

[0059] 数据科学模块206例如被配置为向智能端点系统102提供数据或决策科学算法和/或工具箱和相关功能。数据科学模块206与XD处理模块208交互以辅助XD的处理。例如，数据科学模块206可以存储能够由智能端点系统102的一个或多个其它模块(包括XD处理模块208)访问的一个或多个数据科学算法。数据科学模块206还可以与通信模块210交互，并且可以被配置为经由网络130或任何其它通信方法来进行更新。数据科学模块206还可以与方针和规则模块212交互，以便例如更新或配置存储在模块中的方针和规则。数据科学模块
206可以与一个或多个存储器或数据库相关联，存储在这样的存储器或数据库中的数据科学算法和/或工具箱可以经由网络130进行更新。

[0060] 通信模块210可以被配置为向智能端点系统提供各种类型的通信功能。通信模块210可以被配置为提供与网络130的通信。通信模块210可以被配置为提供与其它智能端点系统的智能端点系统点对点或直接通信能力。例如，每个智能端点系统102可以被配置为自动地和自主地查询其它智能端点系统，以便基于或与一个或多个其它智能端点系统和/或第三方系统协同地更好地分析信息和/或应用建议和动作。例如，第三方系统可以是可受益于与智能端点系统交互或通信的任何系统。第三方系统示例包括但不限于与ComScore、FICO、国家脆弱性数据库、疾病控制和预防中心、美国食品和药品管理局以及世界卫生组织等相关联的系统和数据库。

[0061] XD处理模块208可以被配置为处理XD。例如，每个智能端点系统102可以可选地具有减少“噪声”并且具体地减少XD的能力，XD是“已知的已知”数据或者可以是重复的数据。“已知的已知”数据可以是已知数据以及但不限于预先存在的已知答案、建议、模式、分类、预测、趋势或已经已知的或不添加新信息的其他数据的形式。

[0062] 可替换地或附加地，可以通过建立“参考数据集”(即，主数据集或主数据库)来确定“已知的已知”数据，该“参考数据集”可以包含一个或多个答案、建议、趋势或其它数据或元数据。因此，“已知的已知”数据或元数据可以是当与“参考数据集”相比较时被确定为用于当前计算的复制件(duplicate)或不必要的数据集的任何数据。这样的“参考数据集”可以被存储为XD处理模块208的一部分或者可以与XD处理模块208分离。在示例性方面，如果数据相同或在特定容差水平内或满足特定业务规则条件、条件、数据科学驱动的和/或可重新计算的数据和/或答案、或其它预定义的标称状态，则智能端点系统决定不发送、不存储、不计算这样的复制数据，和/或不包括这样的复制数据作为计算的一部分。

[0063] 在一些实施方式中，智能端点系统可以应用例如芯片上系统(SOC)或类似DSP的过滤器来分析和丢弃整个计算环境100中的复制或类似复制的数据(例如，“已知的已知”数据)，从而首先消除了传输或处理这样的数据的需要。XD处理模块208可以被配置为执行上述过程。该方法例如可以减少网络流量，提高计算利用率，并最终促进具有自主决策和动作的高效实时/接近实时数据或决策科学的应用。XD的特别是在本地级别或遍及分布式计算环境100的这种减少可以向包括智能端点系统102的系统提供识别显著趋势并使抢先业务和技术建议和动作更快的能力，尤其是因为较少重复的数据或XD允许更快的识别和建议。上述容差水平可以由一个或多个智能端点系统102基于所涉及的计算类型来配置，以便优化计算效率。

[0064] 可替换地或附加地，SOC例如可以使用传感器、包含本地化数据科学的板载计算资源、用作本地参考数据集的板载SOC存储器来在智能端点系统102上做出本地化决策，如上所述。这样的配置可以实现事实本地决策和动作。

[0065] XD处理模块208可以被配置为向每个智能端点系统提供数据或决策科学软件，该数据或决策科学软件包括但不限于操作系统、应用和数据库，其直接支持数据或决策科学驱动的智能端点系统102动作。例如，Linux、Android、MySQL、Hive和Titan或其它软件可以驻留在每个智能端点系统上，使得本地数据或决策科学可以在设备上查询本地相关数据以做出更快的建议和动作。在另一示例中，诸如Oracle和SAP之类的应用可以通过XD处理模块208查询，以便参考财务信息、制造信息和物流信息，其中这样的信息可以帮助系统提供改进的数据科学决策并且执行最佳动作。

[0066] 方针和规则模块212可以被配置为提供关于管理智能端点系统102的方针和规则的数据或信息。方针和规则模块212可以被配置为提供关于例如管理方针、指南、业务规则、标称操作状态、异常状态、响应、KPI度量和其它方针和规则的信息或数据。智能端点系统102的分布式网络可以被配置成依赖于这样的方针和规则来基于所收集的数据集进行本地自主动作和被通知的自主动作。可以存在多个(例如，NIPRS)方针和规则模块，并且每个模块210彼此之间可以具有相同或不同的方针或规则，或者可以具有不同程度或子集的方针和规则。对于每个方针和规则模块212，可以存在多组方针和规则。当存在可能不适合于其它领域或地理区域和/或不同制造设施、实验室(仅举几个例子)的本地化业务和技术条件时，后一替代方案是重要的。

[0067] 每个智能端点系统还可以被配置为基于本地和全局参数(包括但不限于业务规则、技术度量、网络流量条件、建议的网络容量和内容以及优先级/严重级别等)来预测和确定哪个或哪些网络(有线或无线网络)是传送信息的最佳网络。

[0068] 在一些实施方式中，智能端点系统102可以可选地选择多种不同的网络方法来串行或并行地发送和接收信息。智能端点系统可以可选地例如通过提供或实现安全协议来确定某些网络中的等待时间太长或者某个网络已经受到损害，并且可以使用不同的加密方法来重新按路线发送(reroute)内容和/或重新按路线发送到不同的网络。智能端点系统102可以可选地经由例如节点和网络为其内容定义路径。

[0069] 智能端点系统的系统预排(walkthrough)

[0070] 为了清楚地表示，不是通过网络130发送所有XD，而是以通过将上述XD情形分解为两个基本阶段来解决该XD情形为重点来例示和描述智能端点系统102和相关方法。在一些实施方式中，XD处理模块208可以被配置为执行以下方法。本文描述的两个阶段被描述为示例，并且智能端点系统102和XD处理模块208的操作可以涉及附加阶段。

[0071] 阶段1：

[0072] 智能端点系统配置

[0073] 如图1中所示，计算环境100可包括智能端点系统102，智能端点系统102可创建本地数据并可执行与本地数据相关的本地化数据或决策科学。因此，在用于管理XD的方法的第一阶段或阶段一(1)中，智能端点系统可以被配置为创建本地数据并执行与本地数据相关的本地化数据或决策科学。具体地，智能端点系统可以例如利用本地化处理器(包括但不限于CPU、GPU、FPGA、ASIC和本领域已知或尚未开发的其它本地化处理器)来供应本地化数据或决策科学(例如，algos、ML、AI和其它数据或决策科学)。

[0074] 为了执行与本地数据相关的本地化数据或决策科学，智能端点系统可以执行本地化决策科学：在处理器内，例如在CPU、GPU、FPGA、ASIC内运行的微码；通过执行RAM、EEPROM、固态盘、旋转盘、基于云的存储系统、存储阵列中的代码；通过执行跨越多个智能端点系统和多个上述处理器、内存和存储器组合的代码。

[0075] 数据处理

[0076] 图3A示出了根据本文描述的实施方式的用于管理XD的数据处理方法300的流程图。在一些实施方式中，XD处理模块208可以被配置为执行下述数据处理方法。首先，智能端点系统可以通过创建或获得新数据(例如，机器数据、系统日志、用户生成的相关数据、元数据、多媒体数据和元数据、传感器和IoT相关数据、或任何其它形式的新数据)而在310处开始。当数据在本地生成时，数据可以立即在312处以实时或批处理模式或实时和批处理模式两者的任意组合被直接馈送到智能端点系统的本地处理器、RAM、存储器或其他本地组件或其任意其他组合中用于本地处理(相对于直接发送到网络中的其他设备/节点)。当数据被馈送到本地组件(例如，处理器、存储器和/或磁盘)时，可以在314处将在该智能端点系统102上运行的本地化数据或决策科学应用于该本地数据。本地化的XD数据处理可以与将XD发送到远程服务器以进行处理以及随后接收后处理数据相区分。

[0077] 示例1应用于本地生成数据的本地决策科学

[0078] 将数据或决策科学应用于本地创建的数据可涉及评估数据的一个或多个各种操作(操作220)。图3B示出了根据本文描述的实施方式的用于评估本地生成的数据的方法的流程图。在一个实施方式中，如图3B中所示，可以评估入站数据以确定该入站数据是已知的已知数据还是异常或新的未知数据。

[0079] 例如如果入站数据是基于驻留在本地存储器、索引、数据库、图形数据库、应用程序或其他本地存储器或存储组件中的现有数据、答案、数据科学或规则，则在321处可以确定入站数据是已知的已知数据。如果确定入站数据是“已知的已知数据”，则组件和/或智能端点系统可以在350丢弃XD，而不是通过网络和其它智能端点系统发送或传送该数据。该操作可以消除不必要的网络带宽使用和计算/存储使用。

[0080] 在一些实施方式中，在322处，本地智能端点系统可以出于统计目的，例如在其在250丢弃XD之前，用该已知的已知数据来更新本地和/或全局数据存储、图形数据库、数据科学系统或第三方系统。此更新可在确定是否应考虑稍后产生的任何数据(例如，已知的已知数据)中提供用处。或者，在324，本地智能端点系统可以例如在其在350丢弃XD之前，将该“已知的已知”数据的标签或引用更新为本地存储的现有“已知的已知”数据和/或其它全局智能端点系统。

[0081] 在一些实施方式中，在328，本地智能端点系统102可以经由XD处理模块208采取动作，包括但不限于业务规则、计算要求、工作流动作或与该“已知的已知”数据相关的其它动作，如上所述。例如，在智能端点系统在350丢弃XD之前，“已知的已知”数据可以提供用于执行一个或多个算法的基础。另外，基于数据类型结果，本地智能端点系统可以执行动态数据行列式切换，由此数据类型可以实时地驱动某个动作，诸如业务动作或技术响应。例如，如果大致类似地表征的异常的数量在给定时间窗口期间达到特定数量，则可以向个人或管理员发送/传送警报或消息以进行更深的分析，或者系统可以被配置为自动分析和诊断这样的异常。

[0082] 另外地或替代地，本地智能端点系统可以在其在350丢弃XD或极端数据之前组合上述实施方式中的任何一个，例如步骤322、324、326和/或328中的任何一个。

[0083] 如果在321处评估并确定数据是异常或新的未知，则智能端点系统可以在330处更新本地数据存储、图形数据库、索引、存储器、应用或其它数据存储以包括异常或新的未知。

[0084] 在一些其它示例性实施方式中，如图3C所示，在320处的数据评估步骤可以包括本地智能端点系统在340处自动地通信和查询其它端点系统，以确定该数据是真正的异常还是“已知的已知”。本地智能端点系统可以在340查询，例如，其它智能端点系统或智能合成器端点系统或第三方系统，以确定数据是异常还是已知的已知。如果来自其它智能端点系统的查询结果没有响应，则所有本地和全局智能端点系统数据存储、图形数据库、内存、应用和第三方系统可以在342用新数据自主地更新，并且可以在346采取相应的自主动作。如果来自其它智能端点系统的查询结果以指示数据为已知的答案进行响应，则本地智能端点系统可以更新其本地数据存储、图形数据库、索引、内存、应用和/或第三方系统，并且可以在328采取相应的动作。

[0085] 另外地或替代地，本地智能端点系统可以在其在350处丢弃已知的已知XD之前组合前述实施方式中的任何一个，例如步骤321、322、324、326、328中的任何一个，以及在其确定XD是异常或未知的情况下组合前述实施方式中的任何一个，例如步骤340、342、344和/或346中的任何一个。

[0086] 示例2应用于本地生成数据的本地化决策科学

[0087] 参照图3C，如果数据是异常，则在346，原始智能端点系统可以基于业务规则、数据或决策科学、计算可用性或其它操作相关考虑来使更多资源优先分析或评估该异常。在一些实施方式中，如果响应是新的异常触发警报，例如，消息可以在344被传送到许多个(NP个)人、应用和类似于太平洋海啸警报系统的系统。

[0088] 图4示出了根据本文描述的实施方式的用于使用智能端点系统管理XD的另一数据处理方法400的流程图。如图4中所示，可以评估入站数据以确定该入站数据是已知的已知数据还是异常的或新的未知数据。在一些实施方式中，可以在遵循图3A至图3C中描述的操作之后发现异常。如果在422发现异常，则智能端点系统可以应用数据或决策科学(例如，STRIPA方法)来在430向可能知道异常是否广泛分布(例如，已知异常)的其它智能端点系统来发送查询。如果其它智能端点系统响应并回答异常预先存在并且是“已知的已知”，则原始智能端点系统可以进行到在450处丢弃数据。例如，如果数据被确定为未知，或者如果没有答案或者响应是该异常不预先存在，则数据可以在432被广播到具有与新数据相关的新信息和/或数据或决策科学的其他智能端点系统。

[0089] 在一些实施方式中，新发现的数据或异常可以在434处被标签、标记或链接以具有用于加速处理的优先级状态。可在436处将新发现的数据或决策科学模式发送到其他智能端点系统以促进快速发现和推荐动作。例如，如果在世界各地的五(5)个不同地点出现五(5)个新的异常，则“推断”决策科学(例如作为STRIPA方法的一部分)可以应用于确定五(5)个不同的异常具有相似的特征。基于该共同特性异常分布，例如，表面决策科学(例如，作为STRIPA方法的一部分)，以便警告系统和/或人们新的潜在趋势。

[0090] 另外地或替代地，本地智能端点系统可以组合上述实施方式中的任何一个，例如，图3A至图3B中所示的步骤340、342、344、346和348中的任何一个，结合图4中所示的步骤422、424、426和428中的任何一个。

[0091] 数据或决策科学和软件更新

[0092] 在一些示例性实施方式中，智能端点系统102可以被配置成从其它互连系统或网络130发送和/或接收数据或决策科学和/或软件更新。当学习到新信息或发布软件更新时，这些更新可以实现对智能端点系统索引器、数据库、图形、算法、数据科学软件的快速和自动、批量或手动软件修订。因此，包括IoT设备和/或其它组件的智能端点系统组件不仅消除了沿着计算处理链的XD噪声数据，而且这些相同的设备通过接收这些新的软件更新并实时执行这些更新而随着时间流逝而自动变得更智能。

[0093] 使这些智能端点系统102的响应时间随时间推移变得更智能是重要的，以便连续地移除和/或调谐这些设备以更好地执行本文所公开的示例1和2中的实施方式。

[0094] 在一些示例性实施方式中，智能端点系统102具有发送和/或接收和/或执行来自第三方系统的数据或决策科学和/或软件更新的能力。附加地或替代地，第三方系统可以具有发送和/或接收数据或决策科学的能力，以便更新智能端点系统。根据本文描述的实施方式，可以在方法内执行上述的任何组合。

[0095] 阶段II：

[0096] 智能合成器端点系统

[0097] 智能合成器端点系统的目的类似于上面阶段I中描述的智能端点系统的目的。特别地，智能合成器端点系统可以具有与具有如下详述的特定规范的阶段I智能端点系统相同的数据或决策科学执行、处理和实施方式。

[0098] 智能合成器端点系统具有比其它智能端点系统更大的计算能力、内存和存储容量。附加的计算能力便于更多的分析、数据科学(例如，ML、AI、算法)和通用计算能力来处理和回答用于其它智能端点系统的更具挑战性的数据或决策科学问题和建议。在一个实施方式中，智能合成器端点系统从一个或多个智能端点系统取得数据异常并开始执行自动化或面向批处理的数据或决策科学，这可导致响应，该响应包括但不限于基于STRIPA的抢先业务建议和动作。

[0099] 在一些实施方式中，智能合成器端点系统使用各种数据或决策科学技术来近似丢失的信息和/或数据，并且将这些近似和估计插入到数据存储、图形数据库、应用和第三方系统中。在另一示例方面，智能合成器端点系统还从智能收发器发送和/或接收数据或决策科学、软件更新和其它数据。当从其他智能端点系统、系统和第三方系统学习到新信息或发布软件更新时，对智能合成器端点系统的这些更新可以实现对合成器索引器、数据库、图形、数据或决策科学的快速和自动化软件修订。这些实时、批处理和手动更新可以使智能合成器端点系统随着时间的推移变得更智能和更快。本文公开的智能合成器端点系统可以包括上述特征或实施方式的任何组合。智能合成器端点系统的一个示例也根据下面的图12进行了讨论。

[0100] 智能第三方端点系统

[0101] 智能第三方端点系统的目的是集成跨越多个不同计算和数据生态系统、平台和企业的数据或决策科学计算平台和生态系统。计算和数据生态系统、平台和企业包括但不限于战略商业合作伙伴、组织、虚拟环境、公共和私人市场场所、政府组织、非营利组织和其它组织。在图12中示出这些第三方计算和数据生态系统、平台和企业的示例。

[0102] 虚拟环境通常可以指通过利用虚拟现实和/或增强现实技术创建的任何环境。在示例性实施方式中，虚拟现实(VR)耳机、VR设备、增强现实设备和混合现实设备合并或包括智能端点系统，并且可以被配置为执行本地化数据科学或决策(例如，VR耳机上的XD处理)。

[0103] 在另一示例性实施方式中，企业A可以具有拥有其自己的数据的基于云的系统。企业A可能需要专注于数据或决策科学的云行业(business)B的专业知识，以便分析和推荐数据或决策科学驱动的动作。在这种情况下，智能第三方端点系统(也可以称为“节点”)可以是企业A和行业B的集成点。

[0104] 在另一示例方面，该智能第三方端点系统存在于公共或私有云中，例如亚马逊、谷歌、世纪链(CenturyLink)或机架空间(RackSpace)等(仅列举一些)，或者其可以驻留于企业A、行业B或上述位置的任意组合。

[0105] 在另一个示例方面，该智能第三方端点系统包括连接器，包括但不限于API，使得企业A可以利用行业B的数据或决策科学，同时出于隐私目的不允许行业B查看企业A的数据和结果。

[0106] 在另一示例方面，存在使用智能第三方端点系统的多个企业。

[0107] 在另一示例方面，企业可以在其私有网络中以及在其防火墙之后许可和运行智能第三方端点系统。例如，汽车制造商或制药公司可能需要引入大量数据或决策科学，以帮助公司做出研发决策、产品营销决策和广告决策。

[0108] 在一些示例性实施方式中，智能第三方端点系统从其它系统或网络130发送和接收数据或决策科学、软件更新和数据。随着新信息的提供和发布，这些更新可以使索引器、数据库、图形、算法、ML、AI软件和应用程序获得快速和自动化的数据或决策科学、软件修订和数据，这可以使智能第三方端点系统随着时间的推移变得更智能和更快。本文公开的智能第三方端点系统可以包括上述特征或实施方式的任何组合。

[0109] 其它类型的智能端点系统

[0110] 智能端点系统还可以包括“主数据”端点节点，其可以包括智能主数据库管理软件和系统。主数据端点节点(例如，具有主数据的一个或多个智能端点系统)通常可以指包含可靠和值得信赖的数据的主数据库，为了验证的目的，其它系统或设备可以依赖上述可靠和值得信赖的数据。

[0111] 例如，包含诸如客户姓名、地址和账单信息之类的信息的客户CRM系统是单一真值源系统的基本形式。还可以存在专用于执行特定应用的任务的专用端点节点。

[0112] 在另一示例性实施方式中，智能端点系统可分为两个族(family)：母端点系统和子端点系统。母端点系统包括子端点系统特征和功能的超集，并且通常被表征为相对于子端点系统具有更多的计算、存储和数据或决策科学能力。母端点系统可以执行的任务包括：向其他母端点系统和子端点系统提供数据或决策科学驱动的(例如，Algo、ML或基于AI的)抢先动作和建议；响应来自其他母端点系统和子端点系统的查询，包括但不限于用户发起的数据、决策科学查询以及基于机器到机器发起的数据或决策科学的查询；对主数据存储执行数据或决策科学(例如，Algo、ML、AI、机器视觉)；合成驻留在存储中的数据以识别、推断和/或预测新兴消费者、商业和技术相关趋势、相关性(例如，使用STRIPA方法)；从一个或多个母端点系统和子端点系统接收数据，以填充或完成丢失的主数据，包括但不限于数据存储、元数据存储、图形数据存储、第三方系统和其它数据科学数据存储；相对于其他母端点系统和子端点系统执行主数据管理功能；向其他母端点系统和子端点系统发送主数据(收发器)；通过接收数据(在多个信道、频率、有线和无线网络以及其他传输信道上监听和摄取数据)并且通过向其他母端点系统和子端点系统发送数据、元数据、以及数据或决策科学，来执行收发器功能。

[0113] 相比之下，子端点系统可以仅具有上述任务、特征和/或功能中的一个或两个。

[0114] 母端点系统和子端点系统之间的交互可以使用许多不同的方法来交互。一种策略是使用传统的网络认证过程，其中母端点系统具有“管理员”权限，并且子端点系统被授予执行计算任务的部分或全部母级管理员权限。

[0115] 在母/子交互策略的另一示例性实施方式中，子端点系统向母端点系统请求对带外计算任务的许可。带外计算任务包括对于数据、元数据和数据科学(例如，AI、ML和STRIPA)进行处理、接收、发送或其组合。带外计算任务可以被定义为例如不属于带内计算任务列表的计算任务。在另一示例中，基于与子端点系统相关联的凭证来确定带外任务和带内任务。在另一示例中，带外任务和带内任务以及向子端点系统供应许可通过条件动态地确定，这些条件包括但不限于计算任务的类型、投票、带宽能力、处理器性能能力、存储器能力、数据科学、业务规则和计算目标/目的中的一个或多个。

[0116] 在示例性实施方式中，子端点系统要求一个或多个母端点系统使用一个或多个给定母端点系统或一个或多个其它子端点系统或两者的计算硬件(例如，处理器、存储器、通信模块、执行器模块等)。

[0117] 在另一示例中，所有端点都是母端点系统，并且由集中式或去中心化的治理系统来管理以执行计算。

[0118] 智能端点系统预排及处理示例

[0119] 在一些实施方式中，可以在首先创建数据的点处插入智能端点系统。可以在首先创建数据的点处插入多个不同的智能端点系统，每个智能端点系统生成机器数据和元数据、用户生成的数据和元数据、系统数据和元数据。

[0120] 例如，给定的智能端点系统或另一系统(例如，中央服务器、云服务器、第三方端点系统等)检测在特定位置处首先创建、测量、计算的数据。位置可以是物理的或数字的，或两者的组合。数字位置可以包括以下中的一个或多个：IP地址、DNS地址、URL、虚拟IP地址、TOR节点、电子邮件地址、网域地址、代理地址、设备ID、网络ID(例如，本地网络、蓝牙网络、WiFi网络、蜂窝网络、射频ID、无线电信道ID)、中继器ID等。在该特定位置供应、部署或插入一个或多个其它智能端点系统。

[0121] 在示例方面，在检测到数据是异常之后，在该特定位置处供应、部署或插入一个或多个智能端点系统。

[0122] 在示例方面，存在已经在特定位置处的现有设备或现有智能端点系统，并且向这些智能端点系统供应微码以执行特定计算(例如，监测相关数据、计算相关数据、生成相关数据、存储相关数据、传送相关数据、响应于相关数据采取物理动作等)。在另一示例方面，智能端点系统在其自身的动力(例如，提供原动力的其自身的执行器)下或通过将智能端点系统运输到该特定位置的另一设备或过程(例如，流体流、材料流、重力、轨道路径、风力等)移动到该特定位置。在示例性实施方式中，分配器设备在特定位置分配一个或多个智能端点系统。

[0123] 另外，每个智能端点系统可以包括数据或决策科学STRIPA智能，其中智能包括但不限于数据或决策科学，该数据或决策科学：可以应用STRIPA过滤器并且可以忽略已知的已知答案和数据；可以应用STRIPA来感测和检测特定类型的数据、模式(pattern)、图像、音频、多媒体等并且更新端点系统和/或通知用户，和/或更新第三方系统；可以将STRIPA应用于已知的已知或新的异常或新的未知的引用、标记和/或索引；可以将STRIPA应用于数据并且可以采取动作，包括但不限于应用自动化或面向批量的业务规则、应用自动化或面向批量的应用、或者使用数据科学和/或业务规则执行系统或工作流动作；可以将STRIPA应用于数据并且可以采取动作，包括但不限于应用自动化或面向批量的业务规则、应用自动化或面向批量的应用、基于优先化算法和规则使用算法和/或业务规则来执行系统或工作流动作；可将STRIPA应用于数据，并可向其他(一个或多个)端点系统、(一个或多个)合成器和第三方端点系统发送警报和消息，以警告和快速跟踪不规则性和/或新的未知。

[0124] 智能端点系统分步流程

[0125] 图5示出了用于更新智能端点系统的方法500的流程图。在一些示例性实施方式中，在510，智能端点系统(例如，创建或处理IoT数据)数据或决策科学可被自动开发并自动转换成基于FPGA的微码。智能IoT数据或决策科学可以在520通过网络(例如，网络130)来发送。更新的数据或决策科学，并且可以例如在530自动下载。智能端点系统可被配置为自动安装下载的数据或决策科学，或可在540处将新数据或决策科学“闪存(flash)”到FPGA中。或者，540处的操作可涉及更新FPGA上的现有数据或决策科学。然后使用最新的数据或决策科学来操作智能端点系统。这样的安装或更新可以自主地执行，或者可以被配置为以特定间隔执行，或者可以由特定事件触发。

[0126] 下面提供智能端点系统的其它示例特征和实施方式。

[0127] 在图6A所示示例中，提供了智能端点系统架构600，其包括位于区域A中并在区域A中操作的第一组智能端点系统102a、102b、102c、102d，以及位于区域B中并在区域B中操作的第二组智能端点系统603a、603b、603c、603d。

[0128] 在该示例中，第一组和第二组按区域分组。然而，可以使用其它参数或特性来定义分组。

[0129] 例如，还包括作为第一组和第二组之间的中介的一个或多个服务器机器601、602。这些服务器机器例如是云计算系统的一部分。在图6A所示的示例中，区域A 601中有一个或多个服务器机器，区域B 602中有一个或多个服务器机器。在另一未示出的示例中，在区域A和区域B之间存在一个中间或中央计算系统。

[0130] 在区域A内，可能没有在该区域内检测到异常，因为该区域中的数据例如是“标准化的”和“已知的已知”数据科学。相比之下，区域B不知道区域A的数据条件和特性(“标准化”和“已知的已知”数据)。如果来自区域A的数据由区域B的智能端点系统和区域云处理，则区域B中的数据科学和相应的智能端点系统将被标记为异常。为了解决这些条件，集中式计算(例如，中间计算系统，如观察者)将首先检测、显露并呈现区域A数据与区域B数据之间的异常。在这种情况下，集中式计算将例示首先发现(first to discover)方法。该示例显示，首先发现策略可以出现在生态系统中的任何地方，而不一定出现在智能端点系统或区域云中。

[0131] 图7A示出了使用图6A所示的架构的示例过程。在图7中，区域A中的端点系统102a创建、捕获、检测、生成等新数据(框701)。端点系统102a确认该数据是根据特定于区域A的数据科学是已知的已知数据(框702)。

[0132] 在框702之后，实施框322、324、326、328中的一个或多个，接着实施框350。在示例性实施方式中，端点系统102a向区域A中的服务器机器601发送相同的数据。该数据由服务器机器601接收并传递到区域B中的服务器机器602上(框703、704)。

[0133] 服务器机器602接收数据(框705)并且根据特定于区域B的数据科学来处理该数据(框706)。在这样做时，服务器机器602将该数据表征为异常。结果，该数据(例如，以及相关的数据科学、所产生的动作等)被传播到区域B中的其它智能端点系统(框707、708)。在示例方面，区域B中的这些智能端点系统然后基于该异常执行一个或多个动作。

[0134] 图6B和图7B示出了智能端点系统的架构和相应计算过程的另一示例性实施方式。在图6B中，区域A包括多个智能端点系统102a、102b、102c、102d。存在由其它区域分组的智能端点系统的其它集合。例如，在区域C中存在智能端点系统的集合611；在区域D中存在智能端点系统的集合612；以及在区域E中存在智能端点系统的集合613。中间计算系统610与每个区域中的一个或多个智能端点系统通信。中间计算系统610能够确定来自一个区域的数据可能是另一区域中的异常。在图7B中示出了用于进行该确定的示例过程。

[0135] 在图7B中，来自区域A的智能端点系统102a将在区域A中为已知的已知数据发送到中间计算系统610，该数据在框710处被接收。中间计算系统610确定数据对于哪些区域是异常(框715)。例如，在实现框715中，中间计算系统根据特定于每个区域的数据科学来处理数据(框716)。在识别数据在其中是异常的区域之后，中间计算系统610将数据、数据科学、结果动作等传播到所识别的一个或多个区域中的一个或多个智能端点系统(框717)。所识别的一个或多个区域中的一个或多个智能端点系统接收数据、数据科学、结果动作等并在其共享区域中的其它智能端点系统之间传播这些数据、数据科学、结果动作等(框718)。这些相同的智能端点系统可以可选地采取行动(框719)。

[0136] 转到图8A，示出了另一示例性实施方式，其中第一智能端点系统102a本地检测异常(框801)，并且与n个最近的近邻执行检查以确定他们是否检测到相同的异常(框802)。例如，智能端点系统102a识别n个最近的近邻(或者找到给定距离内的任何相邻设备，或者找到给定带宽上的设备，或者根据一些其它条件找到其它设备)，并且向这些其它设备发送请求以检查异常。

[0137] 例如，另一智能端点系统102b接收该请求(框803)，执行检查以查看是否本地检测到相同异常(框804)，并将结果发送回第一智能端点系统102a(框805)。智能端点系统102b例如还基于执行检查的结果采取行动(框806)。这些操作803、804、805、806也由其它智能端点系统(例如智能端点系统102c)并行(或串行)地执行。

[0138] 第一智能端点系统102a从一个或多个其它智能端点系统接收结果(框807)。第一智能端点系统102a例如还基于这些接收到的结果采取动作(框808)。

[0139] 例如，其它智能端点系统102b、102c不检测异常并且继续本地监测以查看它们是否能够在将来检测该异常。这些端点102b、102c还将异常的风险传播到其它智能端点系统(例如，其可进一步从第一智能端点系统102a移除)，这又启动这些其它智能端点系统以同样监测异常。

[0140] 在另一示例中，其它智能端点系统102b、102c确实检测到异常。关于检测到的异常，消息通过智能端点系统的网络传播。可以由一个或多个智能端点系统响应于检测到异常而采取动作。

[0141] 在如果检测到异常则采取动作的另一示例性实施方式中，分离或隔离在智能端点系统的较大网络中的一个或多个智能端点系统以形成沙箱(sandbox)。在示例方面，基于某种条件来选择(例如，由网络中的其它智能端点系统自行选择或指定)形成沙箱的一个或多个智能端点系统。例如，条件是所选择的智能端点系统是：检测到异常的智能端点系统；最接近检测到异常的智能端点系统的n个最近的智能端点系统；具有特定硬件或特定软件(或两者都有)以计算响应动作的智能端点系统；或其组合。在智能端点系统的沙箱形成之后，这些沙箱化的端点计算响应动作。例如，响应动作包括以下中的一个或多个：识别异常的源或原因；重新创建异常；识别异常的影响；去除异常；以及放大异常的影响。然后，将从沙箱获得的期望数据、过程和结果发送到网络中的其它智能端点系统。如果在响应动作的计算期间沙箱中的智能端点系统受到损害、损坏、盗用等，则这些沙箱化的智能端点系统被永久地从网络中移除，或者被关闭，或者两者皆有。

[0142] 然而，图8B示出了另一示例性实施方式，其专用于相邻智能端点系统没有检测到异常的情况。

[0143] 具体地，在框810，第一智能端点系统102a检测异常并与相邻设备检查它们是否检测到相同异常(框811)。例如，第二智能端点系统102b是与第一智能端点系统102a最近的近邻，因此，其接收检查异常的请求(框812)。第二智能端点系统102b检查以查看其是否检测到相同的异常(框813)，未检测到异常，然后与相邻的第三智能端点系统102c检查以查看其是否检测到相同的异常(框814)。

[0144] 第三智能端点系统102c执行相同的操作(框812至框814)。将来自智能端点系统102b和102c的一个或多个结果发送回第一智能端点系统102a(框815)，即其它设备没有检测到异常。这些操作也可以例如由n个附加的智能端点系统重复。

[0145] 第二智能端点系统102b运行或执行对第一智能端点系统102a的诊断检查(框816)。例如，诊断检查帮助确定第一智能端点系统102a是否已经被损害、损坏、黑客攻击、盗用、异常地重新定位等。取决于诊断检查的结果，第二智能端点系统102b可以基于该结果采取动作(框817)。第三智能端点系统102c也重复框816、817处的相同操作。

[0146] 响应于接收到其它设备没有检测到异常，第一智能端点系统102a运行自诊断检查(框818)。根据结果，它也可以采取动作(框819)。

[0147] 在框817处的示例操作中，如果一个或多个其它智能端点系统检测到第一智能端点系统102a被损害，则该一个或多个其它智能端点系统驱逐或忽略来自第一智能端点系统102a的通信，并且不再向第一智能端点系统102a发送通信。

[0148] 在框817的另一示例中，一个或多个其它智能端点系统刷新(reflash)第一智能端点系统102a。

[0149] 在框817的另一示例中，一个或多个其它智能端点系统对由第一智能端点系统102a发送的数据的数据完整性分数应用较低的加权值。

[0150] 在框817的另一示例中，一个或多个智能端点系统创建如下条件，该条件要求确认n个其它智能端点系统(例如，接近第一智能端点系统102a的其它智能端点系统)以确认从第一智能端点系统102a输出的数据(例如，包括确认该数据是已知的已知数据还是异常)。在示例性实施方式中，n个其它智能端点系统是第一智能端点系统102a的n个最近邻。

[0151] 在示例性实施方式中，如果第一智能端点系统102a检测到其被损害，则其在框819处自毁。

[0152] 在框819的另一示例性实施方式中，如果第一智能端点系统102a检测到其被损害，则其用新的微码来重新刷新其自身。

[0153] 换句话说，根据图8B，第一智能端点系统本身是异常并且通过动作来处理。

[0154] 在智能端点系统的不同示例性实施方式中，处于相互关联通信(例如，点对点)的多个智能端点系统的固有架构被用于形成图形数据库。典型地，在一个服务器上或在一组服务器上实现图形数据库。图形数据库包括虚拟节点和虚拟节点之间的虚拟边缘，表示虚拟节点之间的关系。然而，在示例性实施方式中，图形数据库在此由分别是智能端点系统的节点定义，并且图形数据库中的节点之间的边缘是智能端点系统之间的实际通信链路。与图形数据库中的每个节点相关联的数据或元数据物理地存储在每个相应智能端点系统的存储器设备中。例如，与图形数据库中的第一节点相关地存储的数据被物理地存储在对应的第一智能端点系统上的存储器设备中；与图形数据库中的第二节点相关地存储的数据被物理地存储在对应的第二智能端点系统上的存储器设备中；等等。换句话说，图形数据库呈现智能端点系统集合的形状和特性。在示例性实施方式中，图形数据库包含来自IES源和异常的数据以及元数据，诸如数据和异常趋势、IES计算利用率、网络问题、实现的商业目标。将数据和元数据存储在图形数据库中使得当前和未来的处理更有效和高效，因为数据科学(例如，AI、ML和STRIPA)可以在图形数据库中更早更快地识别模式，然后实时地选择正确的资源来执行IES计算。将数据和元数据存储在图形数据库中还可以帮助消除重复数据、重复元数据和重复已知，这又降低了计算、存储和网络处理成本，并且提高了端到端计算效率。

[0155] 在图形数据库实施方式的示例方面，提供了图形数据库映射，其包括智能端点系统ID及其边缘关系。图形数据库映射(其不同于图形数据库本身)不存储每个智能端点本身的数据。而是，图形数据库的每个节点的数据被物理地存储在相应的智能端点系统上。

[0156] 在另一示例方面，智能端点系统的网络包括存储在公共和私有系统上的公共和私有数据。例如，私有智能端点系统本地存储私有数据；私有智能端点系统拥有并从第三方系统(例如，云计算系统或其它智能端点系统)获取其私有数据；私有智能端点系统在本地存储公共数据；以及私有智能端点系统从第三方系统(例如，云计算系统或其它智能端点系统)获取公共数据。因此，图形数据库物理上由第三方系统和私有智能端点系统构成，私有和公共数据存储在第三方系统和私有智能端点系统的组合上。图形数据库映射包括关于存储在每个节点上的内容的元数据，诸如数据是私有的还是公共的、它属于谁、创建日期等。

[0157] 在智能端点系统的另一示例性实施方式中，最近的近邻盲处理和盲存储被应用于隐私目的。在该示例中，在执行用于检测异常的计算之前或在执行云计算之前，从原始智能端点系统中剥离诸如患者姓名、社会保险号码、个人可识别信息等的自识别特征。所得到的匿名化数据由最近的相邻设备、计算云、第三方处理器或前述的任何组合来处理，以便计算首先检测和/或验证异常。在另一示例方面，使用不变性和/或区块链存储器来存储匿名化数据。示例应用可以包括但不限于健康保险流通与责任法案法(HIPAA)合规性和一般数据保护条例(GDPR)合规性。

[0158] 不同的策略是使智能端点系统和/或计算云负载平衡。在该示例中，设备和/或云具有智能计算阈值，诸如每秒交易或每秒读/写动作，并且IES开始使用软件和/或硬件将其计算与相邻设备负载平衡。

[0159] 不同的IES策略是使全部或部分IES设备和/或计算云角色不可知，由此任何IES设备可以与另一个IES设备或计算云交换角色；计算云可以与另一个IES计算云或IES设备交换角色。软件或硬件或两者都可以运行进行这些更改并因此交换IES端点角色的脚本。

[0160] IES策略的另一个示例是智能地组合IES设备和/或计算云和/或第三方系统以共同创建基于IES的神经网络。打个比方，这类似于神经元和突触，其中每个IES设备都是神经元，而突触是网络。集体的IES设备和/或计算云和网络执行计算以实现业务目标、公司目标、工程任务等。IES和网络各自具有其自身的数据科学(例如AI、ML和STRIPA算法)以执行专门的神经计算和/或具有总体数据科学以在集体的设备、计算云和网络之间进行优化以实现目标或目的。

[0161] IES策略的另一个示例涉及物理移动的IES设备，并且该IES设备同时执行以下操作中的一个或多个：携带数据、执行计算、感测或检测新数据、执行动作、生产或制造物品等。IES设备可以执行板载计算以重新优化其目的地路径、过程或任务以实现目标或朝着目标优化等。这些设备可以与其它设备或计算云协商数据和/或计算，以便随时间推移而执行循环优化。这些IES设备可以与其它设备和计算云协商，以基于结果、目标、任务、业务规则、条件或上述的任何组合来进行负载平衡和共享工作或任务。

[0162] 转到图9，示例性IES环境示出了不同的位置，即位置A、位置B、位置C和位置D。智能端点系统物理地从一个位置移动到另一个位置。例如，在位置A处，存在计算站901和端点分配器902。计算站901例如通过交换代码、数据等与位于位置A处的智能端点系统交互。在示例性实施方式中，较低功耗智能端点系统不具有直接连接到互联网或直接连接到其它云计算设备的能力。因此，位于位置A处的较低功耗智能端点系统本地连接到计算站901，并且经由计算站901，可以将数据或代码下载或上传(或两者都有)到其它网络和平台(例如，互联网、其它专用网络、云计算平台等)。

[0163] 计算站901还与端点分配器902交互，端点分配器902又分配智能端点系统。例如，基于命令、目标、反馈(来自其它智能端点系统或来自其它计算设备)、业务规则、数据科学、条件等，计算站901又命令或控制端点分配器902来分配智能端点系统。在示例性实施方式中，端点分配器控制以下方面中的一个或多个方面：控制分配多少智能端点系统；控制分配智能端点系统的方向；控制驻留在分配的智能端点系统上的数据和代码；以及控制分配智能端点系统的频率和定时。

[0164] 在示例方面，端点分配器902可以将数据和代码上传到智能端点系统。例如，端点分配器闪存智能端点系统。在另一示例方面，端点分配器本身充当智能端点系统网络中的智能端点系统。在另一方面，端点分配器包括用于分配智能端点系统的执行器。换句话说，端点分配器902是供应智能端点系统的机构。

[0165] 在端点分配器902的示例性实施方式中，端点分配器902包括保持或存储要分配的智能端点系统的容器。在一个示例方面，端点分配器902同时闪存容器内的所有智能端点系统。在另一示例方面，作为从容器分配给定智能端点系统的过程的一部分，端点分配器902闪存给定智能端点系统。

[0166] 在另一示例方面，端点分配器902首先用第一代码和/或数据部分来闪存容器内的所有智能端点系统；并且在稍后时间，当正从容器分配一个或多个给定智能端点系统时，其次用第二代码和/或数据部分来闪存一个或多个给定智能端点系统。例如，第一代码和/或数据部分被认为是应用于存储在容器内的所有智能端点系统的基本代码，并且第二代码和/或数据部分被定制用于稍后进行分配的给定智能端点系统的任务、功能或目标。这有效地为可定制代码和/或数据部分提供及时闪存。

[0167] 在另一示例性实施方式中，端点分配器902不存储智能端点系统，而是包括分配智能端点系统的机构(例如执行器)。

[0168] 继续图9，运输装置903将一个或多个智能端点系统904和一个或多个其它事物905从位置A运送到位置B。运输装置903例如是有人驾驶车辆或无人驾驶车辆，或一些其它类型的运输模式。非限制性示例包括汽车、卡车、火车、飞行器、航天器、轮船、自行车、踏板车、携带智能端点系统的人、无人机、输送机系统、材料搬运机器人等。当运输装置903到达位置B时，位于位置B的计算站906可以与智能端点系统904交互。知道或计划智能端点系统904从位置A行进到位置B的计算站901经由端点分配器902将数据或代码或两者都插入到智能端点系统904中。

[0169] 在示例性实施方式中，当这些智能端点系统904从位置A移动到位置B时，智能端点系统904携带数据或代码；或者智能端点系统904执行计算；或者智能端点系统904感测、获取或捕获来自其本地环境的数据；或者智能端点系统904制造、构建、执行动作等；或其组合。例如，智能端点系统904在运输中监测事物905。在另一示例中，智能端点系统904在运输中消耗或修改或者既消耗又修改事物905。在另一示例中，智能端点系统904在运输中制造更多的事物905。在位置B处提供原始数据或代码、或其衍生物、或输出(例如，数字或物理输出、或两者)、或前述的组合。例如，在位置B处将数据或代码提供给计算站906。

[0170] 换句话说，当智能端点系统904在运输中时，其执行功能。智能端点系统904可以是低功耗的，并且可以有目的地避免在运输中连接到更大的数据网络，以便节省电力。

[0171] 计算站906可充当中继器并将数据和代码(例如，来自计算站901的原始数据或代码，或在移动到位置B时从智能端点系统904导出或输出的数据，或两者都有)上传到其它智能端点系统908。进而，智能端点系统908连同其它事物909一起由运输装置907物理地从位置B运输到位置D。在其到达位置D之后，智能端点系统908将数据或代码或两者提供给计算站910。其它智能端点系统911例如也被保持或聚集在位置D。这些智能端点系统911可以被部署到其它位置。

[0172] 在另一个示例方面，智能端点系统912和913可以被合并或作为运输装置的一部分，并且因此可以在位置之间独立地移动。换句话说，各种运输设备和运输车辆912、913本身是智能端点系统。

[0173] 如果不同智能端点系统908、912彼此足够接近，则可以在不同智能端点系统908、912之间共享数据或处理或者既共享数据又共享处理。例如，智能端点系统908和912位于位置B和位置C之间的相同路径上(或者是交叉路径)。

[0174] 数据、处理和其它动作(例如，制造、建造、执行动作等)的分布可以分布在这些移动智能端点系统之间，并且可以基于它们到不同位置的路径来进行优化。其它参数可用于对在这些智能端点系统之间的计算分布进行优化，并且这些参数也可用于规划和影响智能端点系统的行进路径。

[0175] 转到图10A，另一示例性实施方式示出了智能端点系统102a、102b、102c、102d彼此协调数据更新。在该示例性实施方式中，每个智能端点系统上存储有一个或多个模型。模型是一组代码和数据。模型可以是以下各项中的一个或多个：区块链、数据库、不可变分类账、表示真实世界或物理世界的3D虚拟环境、模拟、社交网络模型、化学模型、业务模型、医学模型、制造模型、分发模型、物理对象或物理系统的模型等。

[0176] 第一智能端点系统102a上存储有模型1和模型2。第二智能端点系统102b在其上存储了模型1和模型2。第三智能端点系统102c上存储有模型2和模型3。第四智能端点系统102d上存储有模型1。

[0177] 第一智能端点系统102a检测、生成、获得等影响模型2的数据(框1001)。在框1002处，第一智能端点系统102a接着识别其上存储有模型2的其它智能端点系统。在框1003处，第一智能端点系统102a将数据(或对模型2的更新)传播到具有模型2的其它智能端点系统。因此，第二和第三智能端点系统102b、102c接收来自第一智能端点系统的传播，并且分别在其自身的硬件系统上更新模型2(框1004、1005)。

[0178] 换句话说，智能端点系统可以存储不同的模型并且同时操作不同的模型。如果智能端点系统共享相同的模型，则其可以相互发送相关更新。

[0179] 转到图10B，在与图10A类似的情境下，第一智能端点系统102a执行操作1001、1002。在框1006，第一智能端点系统然后确定具有模型2的哪些其它智能端点系统受该数据影响。换句话说，可以存在其上存储有模型2的其它智能端点系统，但是不会受到由第一智能端点系统102a获得或检测或生成的数据的影响。

[0180] 在该示例中，第一智能端点系统102a确定只有第二智能端点系统102b受该数据影响。

[0181] 在框1007，第一智能端点系统102a向第二智能端点系统102b发送数据或发送更新的模型2或者既发送数据又发送更新的模型2。因此，第二智能端点系统102b更新其模型2的副本(框1004)。这有助于减少IES设备之间的数据传输。

[0182] 在智能端点系统如何相互交互的另一示例性实施方式中，使用投票或共识或治理方法来确定是否应当执行动作。例如，如果足够的相邻智能端点系统得到相同的结果(例如，智能端点系统的数目大于阈值数目)，则给定智能端点系统(或智能端点系统的集合)执行给定动作或给定动作集合。在示例性实施方式中，提供投票或共识或治理系统，其使智能端点系统之间的交互偏置。智能端点系统与该投票或共识或治理系统交互。在示例方面，该投票或共识或治理系统是远程计算机系统，或者以分布式方式在智能端点系统上实现(例如，物理驻留)，或其组合。

[0183] 转到图11，提供了用于供应智能端点系统的示例性实施方式。现有智能端点系统1100的XD网络包括智能端点系统1101、1102。潜在加入网络1100的潜在新智能端点系统
1105从第一现有智能端点系统1101接收种子代码和数据1103，并且从第n现有智能端点系统1102接收种子代码和数据1104。

[0184] 在框1110，新智能端点系统1105从XD网络1100中的多个现有智能端点系统接收种子代码和数据。在框1111，新智能端点系统1105检测设置在种子代码和数据中的一个或多个供应条件。在框1112，新智能端点系统1105确定是否满足一个或多个供应条件。做出该确定的该操作可以例如经由供应确认交换1114与现有智能端点系统结合来做出。如果并且在满足一个或多个供应条件之后，则供应新的智能端点系统1105以加入XD网络1100。

[0185] 在示例方面，框1113处的供应过程包括向新智能端点系统1105提供以下各项中的一个或多个：已知的已知、要注意的异常、动作、与XD网络1100相关的ID、模型、数据科学等。

[0186] 在另一示例方面，供应条件包括以下各项中的一个或多个：新智能端点系统从相应的X个现有智能端点系统接收至少X个代码和数据种子，其中X为自然数；新智能端点系统从相对于新智能端点系统的一定阈值距离的现有智能端点系统接收代码和数据种子；新智能端点系统从至少具有一定评级的现有智能端点系统接收代码和数据种子；新智能端点系统从特定设备类型的现有智能端点系统接收代码和数据种子；并且新智能端点系统满足或成功完成种子代码和数据中提供的测试(例如，计算速度测试、存储器容量测试、诸如带宽或速度的数据传输测试等)。

[0187] 将理解，图11中的示例是一个实施方式，并且存在供应智能端点系统的其它方法。

[0188] 在供应的另一示例性实施方式中，端点分配器(例如端点分配器902)物理地分配一个或多个智能端点系统以便执行该供应。

[0189] 在示例性实施方式中，智能端点系统的系统或集中式计算系统或两者都供应一个或多个新的智能端点系统来替换被认为是异常的现有智能端点系统(例如，包括但不限于损害、损坏、盗用、以异常方式运行等)。

[0190] 在示例性实施方式中，当需要附加的计算能力、传感器能力、通信性能、存储器容量或物理功率或其组合时，智能端点系统的系统或集中式计算系统或两者都供应多个新的智能端点系统。例如，当需要时突然供应多个智能端点系统的这个过程在这里被称为使智能端点系统爆发。

[0191] 在示例性实施方式中，智能端点系统的系统或集中式计算系统或两者都基于预测的未来需求来供应多个新的智能端点系统。例如，可能使用更多计算能力、传感器能力、通信性能、存储器容量或物理功率或其组合的事件在将来进行调度，或者预测其在将来发生。因此，在这种预测的预期中，供应了多个新的智能端点系统。例如，预测将发生自然灾害，并且自动供应多个新的智能端点系统以适应与自然灾害相关地执行的预测的附加计算、感测、存储和通信。智能端点系统被插入在预测事件将发生的位置处或附近(例如，物理或数字位置，或两者都有)。

[0192] 在处理智能端点系统上的数据的另一示例性实施方式中，每个智能端点系统都具有软数据和硬数据。应当理解，数据一般包括但不限于数据、算法、数据科学、代码等。在该示例中，硬数据是指智能端点系统不经常使用的数据(例如，小于给定阈值频率使用的数据)。软数据是智能端点系统经常使用的数据(例如，多于给定阈值频率使用的数据)。在软数据集内，存在原生软数据和访问软数据。原生软数据源自给定的智能端点系统，或者专用于智能端点系统。访问软数据是在给定智能端点系统上但源自另一设备或用于另一设备的软数据。

[0193] 在该硬数据和软数据实施方式的示例方面，如果给定智能端点系统从另一设备(例如，另一智能端点系统或某一其它计算设备)接收信号或命令以进行更多处理，并且给定智能端点系统需要更多数据空间，则给定智能端点系统压缩硬数据，然后将硬数据发送到非现场(off-site)存储器存储系统或设备。在另一示例方面，给定的智能端点系统将软数据转换为硬数据，将其压缩，然后将其发送到非现场存储器存储系统或设备。

[0194] 在该硬数据和软数据实施方式的另一示例方面，如果智能端点系统接收到更多原生软数据即将到来、或将被生成、或将被需要的信号，则给定智能端点系统丢弃访问软数据。对访问软数据的丢弃也是对其它智能端点系统进行相同操作的信号。

[0195] 在该硬数据和软数据实施方式的另一示例方面，如果智能端点系统接收到访问软数据是潜在危险的遇险信号，则智能端点系统丢弃访问软数据。访问软数据的丢弃也是给其它智能端点系统丢弃它们各自的访问软数据的信号。

[0196] 在另一示例性实施方式中，智能端点系统将测试代码和数据发送到其它设备(例如，其它智能端点系统)以寻找可育(fertile)设备(例如，期望的计算设备)。测试代码和数据是在执行时确定是否可以运行特定算法和/或是否可以存储特定数据的脚本。如果存在从可育设备发送回智能端点系统的肯定结果，则智能端点系统向发现的可育设备发送真实代码和数据。在一个示例方面，所发现的可育设备向智能端点系统提供各种资源，包括但不限于：数据、通信带宽、数据存储、处理能力、对其它网络的访问等。在一个示例方面，在智能端点系统首先发现可育设备(例如，被表征为异常的发现)之后，智能端点系统向其它智能端点系统发送关于所发现的可育设备的消息，使得这些其它智能端点系统可以利用所发现的可育设备。在另一示例方面，智能端点系统向贫瘠(inhospitable)设备发送测试代码和数据，并且作为响应，从所发现的贫瘠设备接收否定结果。在示例方面，在智能端点系统首先发现贫瘠设备(例如，被表征为异常的发现)之后，智能端点系统向其它智能端点系统发送关于所发现的贫瘠设备的消息，使得这些其它智能端点系统可以避免与贫瘠设备交互。与所发现的贫瘠设备有关的否定结果包括例如标识贫瘠特征(例如，存储器容量不足、处理能力不足、安全措施不足、通信性能不足等)的数据。在另一示例方面，智能端点系统使用数据科学和机器学习来识别这些贫瘠特征中的哪些可能随着时间而改善。如果存在被分类为可能改善的一个或多个贫瘠特征，则智能端点系统在将来的时间向所发现的贫瘠设备发送第二组测试代码，以确定其是否已经变为可育设备。

[0197] 在另一示例性实施方式中，智能端点系统各自基于当前能量可用性、预测的未来能量可用性、当前能量消耗和预测的能量消耗中的一个或多个来调整其处理、存储器存储、动作或其组合。在示例方面，智能端点系统的能量(例如电力)是可再生的。在另一示例方面，智能端点系统的能量是可传递的。在另一示例方面，能量能够在智能端点系统之间传递，使得一个智能端点系统可更新另一智能端点系统的能量供给。在示例方面，能量存储在电池中。

[0198] 转到图12，提供了智能端点系统的系统的示例架构。第一组智能端点系统1201相互交互并且与一个或多个环境交互以收集数据、感测数据、捕获数据、传送数据、处理数据、存储数据等。例如，智能端点系统1201与第三方1202(例如，第三方数据库、第三方设备、第三方环境、第三方平台等)交互。在示例性实施方式中，一个或多个第三方是智能第三方端点系统。

[0199] 在另一示例方面，第一组智能端点系统1201形成分面(faceted)数据库。本文中的分面数据库是指多个数据库。在示例方面，这些数据库中的至少一些彼此相关。例如，智能端点系统1201的不同子集被用在不同的环境或不同的应用中，或者两者都可。在另一示例中，智能端点系统1201的不同子集也具有不同功能或不同能力，或两者都有。例如，这些差异导致开发不同的数据库，其在本文中作为一个集合被称为分面数据库。在示例方面，分面数据库中的数据库之间存在共性，包括但不限于以下共性中的一个或多个：一个或多个共同索引、一个或多个共同模式、共同主题数据、一个或多个共同数据类型、一个或多个共同数据主题、一个或多个共同数据事件、一个或多个共同数据动作等。

[0200] 第一组智能端点系统向负载平衡器系统1203(例如，其包括一个或多个负载平衡设备)发送数据。然后，负载平衡器系统将数据发送到作为第二组的一部分的一个或多个智能端点系统1204。第二组智能端点系统1204在此也被称为智能合成器端点系统。

[0201] 在示例性实施方式中，第二组智能端点系统1204形成主数据库。在另一示例性实施方式中，作为补充或替代，第二组智能端点系统执行计算以使用附加数据科学来处理所接收的数据。第二组智能端点系统通过应用STRIPA来合成从第一组智能端点系统接收的数据。换句话说，第二组智能端点系统充当代表第一组智能端点系统的集中式计算资源，即使第二组实际上是单独的且分布式设备的集合。

[0202] 驻留在第二组智能端点系统1204上的主数据库可以由来自第一组的一个或多个智能端点系统1201引用或查询。相反，第二组中的一个或多个智能端点系统1204可以查询形成存储在第一组中的分面数据库的一部分的一个或多个数据库。

[0203] 在示例方面，驻留在第一组智能端点系统上的分面数据库包括一个或多个区块链或一个或多个不可变分类账。在另一示例方面，驻留在第二组智能端点系统上的主数据库包括主区块链或主不可变分类账。

[0204] 负载平衡器1203管理第二组智能端点系统1204之间的数据、处理和通信的分配。负载平衡器还管理第一组智能端点系统1201之间的数据、处理和通信的分配。

[0205] 转到图13，提供了智能端点系统的架构的另一示例性实施方式。不同组的智能端点系统形成神经网络系统的不同部分。图13中所示的示例涉及用于人工智能的生成性对抗网络(GAN)。第一组包括生成器智能端点系统1301，第二组包括判别器智能端点系统1302。生成器智能端点系统1301以分布式方式存储和运行生成器神经网络。判别器智能端点系统
1302以分布式方式存储和运行判别器神经网络。

[0206] 具体地，生成器智能端点系统1301获得、感测或捕获噪声数据1303，并使用该噪声数据来计算生成的数据或伪数据1304。判别器智能端点系统1302获得、感测或捕获真实数据1305。判别器智能端点系统1302使用真实数据1305和所生成的数据1304来相对于所获得的真实数据1305进行分类或预测1306。例如，分类或预测包括确定某物是真的还是假的。在另一示例中，分类或预测包括确定是否已经检测到或预测到异常，或者是否已经检测到或预测到已知的已知。

[0207] 在其它神经网络计算系统中，不限于GAN，神经网络的不同部分由不同组的智能端点系统实现。

[0208] 在一些示例性实施方式中，所述多个智能端点系统中的所述至少一个可以被配置为，如果来自所述多个智能端点系统中的至少另一个的查询结果以指示所述数据是已知还是未知的答案进行响应，则所述多个智能端点系统中的所述至少一个自主地更新本地数据存储、数据科学、图形数据库、不可变分类账或区块链(或双方)、索引、存储器或应用，以包括所述本地数据和/或非本地数据存储、应用、系统和第三方系统，并且可选地采取相应的自主决策和/或自主动作。在一些实施方式中，对应的动作响应于所述本地数据和/或一个或多个非本地数据存储、应用、系统、不可变分类账或区块链(或双方)和第三方系统的评估。在一些实施方式中，可以响应于从包括应用于所述本地数据和/或非本地数据存储、不可变分类账或区块链(或双方)、应用、系统和第三方系统的业务规则、数据科学、计算要求和工作流动作的组中选择的应用来确定所述本地数据的所述评估。

[0209] 在一些示例性实施方式中，上述智能端点系统实施方式中的一些或全部可以被配置为使用不可变技术(例如但不限于块链)，其涉及跨越N个智能端点系统的匿名、不可变和加密的分类账和记录。这些分布在多个智能端点系统上的分布式分类账可以是区块链或其他类型的当前已知和将来已知的不变性协议的形式。这些不可变分类账可以驻留在RAM、缓存、固态和旋转磁盘驱动器存储中。在替换实施方式中，这些前述存储可以跨越涉及诸如分布式缓存系统(Memcached)、阿帕奇点火(Apache Ignite)的技术；诸如Giraph、Titan和Neo4j的图形数据库，以及诸如Hadoop、Oracle、MySQL等的结构化和非结构化数据存储。

[0210] 在一些示例性实施方式中，与固有计算密集的不可变技术相关的计算可以跨越多个智能端点系统，以便分布计算强度。

[0211] 在替换示例性实施方式中，这些不可变智能端点系统可以被配置为，如果来自所述多个智能边缘节点中的至少另一个(例如其可以是或不是不可变智能边缘节点)的所述查询结果以指示所述数据是已知还是未知的答案进行响应，则这些不可变智能端点系统自主地更新本地数据存储、数据科学、图形数据库、索引、存储器或应用，以包括所述本地数据和/或非本地数据存储、应用、系统、其他不可变分类账和第三方系统，并且可选地采取相应的自主决策和/或自主动作。

[0212] 在示例性实施方式中，所述智能端点系统包括以下中的一个或多个：人机接口(例如，包括大脑-计算机接口)、由人-计算接口控制的设备、向人-计算机接口提供数据的传感器、以及与人-计算机接口通信的设备。

[0213] 在一个示例性处理或制造实施方式中，所述智能端点系统包括以下中的一个或多个：处理或制造对象的设备；分析所述对象的设备；监视所述对象的设备；运输所述对象的设备；存储所述对象的设备；以及对于任何其他上述设备进行监视、分析、修理、安装、移除或破坏或其组合的设备。

[0214] 在一个示例方面，所述智能端点系统是制造系统的一部分。在另一示例性方面，所述智能端点系统是用于人类能够消费产品(例如，食品、化妆品、药品、补品等)的处理系统的一部分。

[0215] 在示例性实施方式中，所述智能端点系统还包括输出能力，诸如显示能力(例如，光投影仪、显示屏、增强现实投影仪或设备、全息投影仪等)以及音频输出能力(例如，音频扬声器)。在示例性实施方式中，智能端点系统包括具有语音识别能力和图像识别能力的一个或多个媒体投影仪、一个或多个音频扬声器、一个或多个麦克风以及一个或多个相机。

[0216] 在另一示例性实施方式中，智能端点系统的XD生态系统应用数据科学来限制被更新的IES设备的数量(例如：分布在n个IES设备之间的分布式不可变分类账的实例的数量)，因为数据科学(例如，STRIPA和机器学习))计算已经确定并建议各自存储分布式不可变分类账的实例的n个IES设备足以被信任用于给定的用例。

[0217] 在此确认，人类消费食品和饮料的供给链、制造和分销需要更快、更透明和能够审计的记录和报告，以便跟踪、测量和报告食物中毒事件的发生。在简单的示例中，当已经确认食物或饮料可能导致食物中毒时，提供了集成的和智能的基于不可变的消费者应用和企业生态系统，其可以快速且可靠地执行以下示例特征。

[0218] 在示例性实施方式中，XD生态系统促进实时消费者在他们的计算设备(例如智能端点系统)中输入他们的信息。经由因特网应用匿名且安全地输入的信息涉及引起中毒的特定食物或饮料。该过程包括使用一个或多个智能端点系统来：a)捕获个人可识别信息(PII)而不向上游用户公开数据(自主或渐进的PII公开)；b)获取购买或消费食品的商店或餐厅；c)获取商店或餐厅收据；d)捕获显示食品条形码和人类可读信息、制造商、批号和箱号、以及制造和加工日期中的一个或多个的照片；e)当更多相关的消费者数据点到达时，应用数据科学(例如，ML和STRIPA)以根据消费者收集的汇总数据提出建议；以及将匿名数据、推荐、元数据和图片传输到上游源(其示例在下面列出)。

[0219] 在另一示例性实施方式中，XD生态系统促进食物诱发中毒的商店或餐馆的实时通知。该通知可以触发以下操作中的一个或多个，这些操作可在一个或多个其它智能端点系统上发生：a)从与制造商批号和货仓号以及制造和加工日期相匹配的货架上寻找和拉出食品或饮料；b)进行质量保证(QA)测试和报告，以确定食物中毒是否源于该地点；c)报告QA测试的结果；d)随着更多相关消费者数据的到来，应用数据科学(ML和STRIPA)，根据上述消费者数据提出建议；e)向上游源(见下文)发送匿名数据、推荐、元数据和图片；以及f)采取措施，包括清洁设备、货架等并将严格的食品处理规则、规定和程序通知员工。这些操作的各方面可以是全自动或半自动的。

[0220] 在另一个示例性操作中，XD生态系统便于向分销商实时通知食品引起的中毒。该通知可以触发以下操作中的一个或多个，这些操作可以在智能端点系统上发生：a)从与制造商批号和货仓号以及制造和加工日期相匹配的仓库和卡车上查找、拉出和移除食品或饮料；b)进行QA测试和报告，以确定是否食物中毒源于该地点；c)报告QA测试的结果；d)随着更多相关消费者数据的到来，应用数据科学(ML和STRIPA)，根据上述消费者数据提出建议；e)向上游源(见下文)发送匿名数据、推荐、元数据和图片；以及f)采取措施，包括清洁设备、货架等并将严格的食品处理规则、规定和程序通知员工。这些操作的各方面可以是全自动或半自动的。

[0221] 在另一个示例性操作中，XD生态系统便于向食品或饮料的制造商和加工商实时通知。该通知可触发以下操作中的一个或多个，这些操作可在智能端点系统上发生：a)在与制造商批号和货仓号以及制造和处理日期匹配的工厂查找、提取和移除食品或饮料库存；b)停止并清洁与生产和加工的食品或饮料相关的、与制造商批号和货仓号相匹配的所有设备；c)在与制造商批号和货仓号以及制造和加工日期匹配的工厂查找、提取和移除所有原材料和供给物料；d)进行QA测试和报告，以确定食物中毒是否源于该地点；e)报告QA测试的结果；f)随着更多相关消费者数据的到来，应用数据科学(ML和STRIPA)提出基于上述消费者数据的推荐；g)向上游源(见下文)发送匿名数据、推荐、元数据和图片；h)采取措施，包括清洁设备、货架等并将严格的食品处理规则、规定和程序通知员工。这些操作的各方面可以是全自动或半自动的。

[0222] 在另一个示例性操作中，XD生态系统促进了对原材料和物料供应商的实时通知。该通知可以触发以下操作中的一个或多个，这些操作可以在智能端点系统上发生：a)从与制造商批号和货仓号以及制造和加工日期相匹配的仓库和卡车上查找、拉出和移除原材料及供给物料；b)停止并清洁与制造商批号和货仓号相匹配的与生产和加工食品或饮料的原材料和供应相关的所有设备；c)进行QA测试和报告，以确定食物中毒是否源于该地点；d)报告QA测试的结果；e)随着更多相关消费者数据的到来，应用数据科学(ML和STRIPA)，根据上述消费者数据提出建议；f)向上游源(见下文)发送匿名数据、推荐、元数据和图片；以及g)采取措施，包括清洁设备、货架等并将严格的食品处理规则、规定和程序通知员工。这些操作的各方面可以是全自动或半自动的。

[0223] 在另一个示例性操作中，XD生态系统便于实时通知种植、制造和加工原材料、供给物料和牲畜的任何其他上游原材料、物料供应商、农场、牧场。该通知可触发可在智能端点系统上发生的一个或一个操作(类似于以上操作)。

[0224] 虽然制药和分销有更严格的规章制度，但上述示例性食品和饮料方法的原理和操作(经适当修改，符合FDA制药法规)可适用于制药行业。这些设备、系统和过程还可用于其他类型的人类消耗品的供给链和处理系统中，诸如补充剂、化妆品、外科用品、医疗用品、诸如器官或支架等的可植入物体、修复术、牙科硬件、接触件等。

[0225] 在示例性实施方式中，XD生态系统优选实时地在发现新信息、进行测试以及提供基于数据科学的报告和建议时自主更新生态系统分类账。例如，XD生态系统中的智能端点系统将来自供给链的初始启动的结果的报告一直传输到消费者输入其信息的消费者门户网站。

[0226] 在智能端点系统上的不可变分类账的示例中，存储器存储分布在多个智能端点系统上的不可变分类账。在另一示例方面，由一个或多个智能端点系统获得、捕获、创建、感测的本地数据是存储在不可变分类账上的生物相关数据。在另一示例方面，由一个或多个智能端点系统获得、捕获、创建、感测的本地数据是存储在不可变分类账上的制造数据。在另一示例方面，智能端点系统被用在用于人类消耗品(例如，食物、药物、补充剂、化妆品、外科用品、医疗用品、诸如器官或支架等的可植入物体、假体、牙科硬件、接触件等)的处理系统中，并且一个或多个智能端点系统的本地数据涉及给定的人类消耗品，并且本地数据被存储在不可变分类账上。

[0227] 在另一示例方面，智能端点系统是卫星，并且本地数据是存储在不可变分类账上的卫星数据。在示例方面，卫星数据由卫星上的一个或多个传感器感测。在另一示例中，卫星数据是已经由卫星接收的通信数据，并且通信数据被配置为能够由地面站或另一卫星发送。

[0228] 在另一示例性实施方式中，智能端点系统是脑-机接口(例如，其是一种类型的人机接口)。在替代示例方面中，智能端点系统的通信设备从脑-机接口接收数据并将数据发射到脑-机接口。特别地，在人机接口领域中，认识到脑信号、神经信号、肌肉信号、化学信号、激素信号等和其它类型的生物相关数据可以由智能端点系统感测并且由相同的智能端点系统或一些辅助智能端点系统进行处理。与给定用户的脑-机接口交互的智能端点系统的示例包括机器人无人机、机器人假肢、具有语音聊天能力的计算设备、肌肉刺激设备以及其他用户的其他脑-机接口。这些设备所利用的生物相关数据或其他数据例如存储在分布在多个其他智能端点系统上的不可变的分类账上。

[0229] 在另一示例性实施方式中，智能端点系统是发电厂的一部分，并且由一个或多个智能端点系统获得、捕获、创建、生成或感测的本地数据涉及发电厂的操作和性能。在另一示例方面，该本地数据存储在不可变分类账上，该不可变分类账分布在多个智能端点系统之间。这有助于提供发电厂的安全且可靠的控制和操作。发电厂的示例包括核电站、水力发电厂、煤电厂、太阳能发电厂和风力发电厂。在另一方面，智能端点系统的系统在发电厂的控制和操作中协作。这些智能端点系统的示例包括可控阀致动器、变压器、冷却设备、风扇、温度传感器、电气继电器设备、辐射传感器、压力传感器、照相机设备和电流传感器。

[0230] 在另一个示例方面，智能端点系统是水处理厂的一部分，并且由一个或多个智能端点系统获得、捕获、创建、生成或感测的本地数据涉及水处理厂的操作和性能，并且本地数据存储在不可变分类账上，该不可变分类账分布在多个智能端点系统之间。这有助于提供水处理过程的安全和可靠的控制和操作。例如，城市或市政当局有广泛的水处理基础设施网络。本文中的水处理包括以下操作中的一个或多个：获得用于饮用的水、处理用于饮用的水、分配用于饮用的水、接收废水、处理废水、以及释放或倾倒经处理的废水。在另一方面，智能端点系统的系统在水处理厂的控制和操作中协作。这些智能端点系统的示例包括可控阀致动器、泵设备、流量传感器、压力传感器、化学传感器、化学分配器设备、电气继电器设备、照相机设备和电流传感器。

[0231] 以下是智能端点系统的其它一般示例性实施方式。

[0232] 在一般示例性实施方式中，提供了一种用于管理大量数据以提供基于分布式且自主的决策的动作的系统。该系统包括相互通信的多个智能端点系统。每个智能端点系统包括：存储器，其存储数据科学算法和由每个智能端点系统首先创建、捕获或感测的本地数据；一个或多个处理器，其使用所述数据科学算法至少执行本地化决策科学以处理所述本地数据从而确定所述本地数据是否是已知的已知数据，并且在识别出所述本地数据是已知的已知数据之后从所述存储器丢弃所述本地数据；以及通信设备，该通信设备与其它智能端点系统关于所述数据科学算法、确定所述本地数据是否是已知的已知数据以及与所述本地数据有关的异常结果中的一个或多个进行通信。

[0233] 在一个示例方面，每个智能端点系统的一个或多个处理器将本地数据转换为微码，并且通信设备将微码发送到其它智能端点系统。

[0234] 在另一个示例方面，每个智能端点系统的一个或多个处理器将一个或多个数据科学算法转换为微码，并且每个智能端点系统的通信设备将微码发送到其它智能端点系统。

[0235] 在另一个示例方面，存储器或一个或多个处理器，或两者，能够用一个或多个新的数据科学算法进行闪存。

[0236] 在另一示例方面，不可变分类账在存储器中分布在多个智能端点系统之间。例如，本地数据是存储在不可变分类账上的生物相关数据。例如，本地数据是存储在不可变分类账上的制造数据。例如，该系统是用于人类消耗品的处理系统的一部分，并且本地数据涉及给定的人类消耗品，并且本地数据存储在不可变分类账上。例如，多个智能端点系统中的每一个是卫星，并且本地数据是存储在不可变分类账上的卫星数据。

[0237] 在另一示例方面，至少一个智能端点系统是脑-机接口。

[0238] 在另一示例方面，一个或多个处理器包括神经形态芯片。

[0239] 在另一示例方面，每个智能端点系统还包括用于收集本地数据的一个或多个传感器和能够由一个或多个处理器控制的一个或多个执行器。

[0240] 在另一示例方面，多个智能端点系统是发电厂的组成部分，并且本地数据涉及发电厂的操作和性能，并且本地数据存储在不可变分类账上。

[0241] 在另一个示例方面，多个智能端点系统是水处理厂的组成部分，并且本地数据涉及水处理厂的操作和性能，并且本地数据存储在不可变分类账上。

[0242] 在另一示例方面，该系统存储图形数据库，其中：图形数据库的多个节点分别对应于多个智能端点系统；存储在每个节点上的数据被物理地存储在各自对应的智能端点系统上；并且多个节点之间的图形数据库的边缘反映各自对应的智能端点系统之间的数据通信链路。

[0243] 在另一示例方面，该系统还包括分配一个或多个新的智能端点系统的端点分配器。在另一示例方面，端点分配器包括存储待分配的一个或多个新的智能端点系统的容器。

[0244] 在另一个示例方面，每个智能端点系统具有大约5mm×5mm或更小的尺寸。

[0245] 在另一示例方面，所述多个智能端点系统的第一子集实现第一神经网络；所述多个智能端点系统的第二子集实现第二神经网络；来自所述第一神经网络的输出从所述第一子集传输到所述第二子集；并且所述第二子集接收并使用所述输出作为到所述第二神经网络的输入。在另一示例方面，所述第一神经网络是生成器神经网络；所述第二神经网络是判别器神经网络；所述多个智能端点系统的所述第二子集获得、捕获或感测真实数据作为到所述第二神经网络的附加输入；以及所述多个智能端点系统的所述第一子集和所述第二子集的组合实现生成性对抗网络。

[0246] 在另一示例方面，在首先创建、捕获或感测本地数据的一个或多个位置处供应所述多个智能端点系统。在另一示例方面，通过在所述一个或多个位置处物理地插入或分配所述多个智能端点系统来供应所述多个智能端点系统。

[0247] 在另一一般示例性实施方式中，一种用于管理大量数据以在智能端点系统上提供基于分布式且自主的决策的动作的系统包括：远程计算机系统，其被配置为经由计算机网络从智能端点系统请求本地数据，其中，所述智能端点系统在连接到所述计算机网络的多个智能端点系统之中；以及所述智能端点系统，其被插入在首次创建或获得所请求的本地数据的点处，其中，所述多个智能端点系统被配置成在将所请求的本地数据发送到所述远程计算机系统之前执行与所述本地数据相关的本地化数据科学。

[0248] 在另一示例方面，所述多个智能端点系统被配置成创建本地数据。

[0249] 在另一示例方面，所述多个智能端点系统包括用于存储数据科学算法的数据库。

[0250] 在另一示例方面，所述数据库被配置成经由所述计算机网络来进行更新。

[0251] 在另一示例方面，所述多个智能端点系统还包括第二智能端点系统，并且其中，所述智能端点系统被配置成查验(ping)或查询所述第二智能端点系统以获得与所请求的本地数据相关联的数据或元数据。

[0252] 在另一示例方面，执行所述本地化数据科学包括确定所述本地数据是已知的已知数据还是复制件(duplicate)。

[0253] 在另一示例方面，执行所述本地化数据科学还包括在通过所述计算机网络传输数据之前丢弃所述已知的已知本地数据。

[0254] 应当理解，这些计算和软件架构是示例。其它架构也可以用于以分布式方式处理XD。

[0255] 应当理解，这里例示的执行指令的任何模块或组件可以包括或以其他方式访问计算机可读介质(例如存储介质、计算机存储介质)或数据存储设备(可移除和/或不可移除)，例如磁盘、光盘或磁带。计算机存储介质可以包括以用于存储信息(诸如计算机可读指令、数据结构、程序模块或其他数据)的任何方法或技术实现的易失性和非易失性、可移除和不可移除介质。计算机存储介质的示例包括RAM、ROM、EEPROM、闪速存储器或其他存储器技术、CD-ROM、数字多功能盘(DVD)或其他光学存储器、磁带盒、磁带、磁盘存储器或其他磁存储设备、或可用于存储所需信息且可由应用、模块或两者访问的任何其他介质。任何这样的计算机存储介质可以是服务器或设备的一部分或能够访问或能够连接到服务器或设备。本文描述的任何应用或模块可使用可由此类计算机可读介质存储或以其他方式保持的计算机可读/可执行指令来实现。

[0256] 应当理解，这里描述的系统和方法的示例性实施方式的不同特征可以以不同方式相互组合。换句话说，根据其他示例性实施方式，可以一起使用不同的设备、模块、操作、功能和组件，尽管没有具体说明。

[0257] 本文中所呈现的流程图中的流程描述或流程块可以被理解为表示包括用于在相关联的过程中实现特定逻辑功能或步骤的一个或多个可执行指令的模块、段或部分代码或逻辑。如本领域的技术人员在熟悉本发明的教导之后将理解的，在本发明的范围内包括替换的实现方式，其中根据所涉及的功能性，功能可以不按本文示出或描述的顺序执行，包括基本上并发地或以相反的顺序执行。还应理解，可根据本文中所描述的原理添加、删除或修改步骤。

[0258] 还应理解，本文使用的示例和相应的系统图示仅用于说明目的。在不脱离本文所表达的原理的情况下，可以使用不同的配置和术语。例如，可以添加、删除、修改或布置具有不同连接的组件和模块，而不脱离这些原理。

[0259] 虽然以上已经参考某些特定实施方式进行了描述，但是在不脱离所附权利要求的范围的情况下，其各种修改对于本领域技术人员而言将是显而易见的。

标题	发布/更新时间	阅读量
一种车用喷油器电磁阀驱动电路的故障诊断系统及方法	2020-05-11	796
一种SSD微码备份方法、系统、设备及计算机存储介质	2020-05-13	496
在虚拟机进入时转换	2020-05-14	573
用于存储器内操作的设备和方法	2020-05-14	359
一种自发电的共享哑铃	2020-05-16	735
用于LCD系统的可编程电平移位器	2020-05-13	521
一种视频编码系统	2020-05-13	745
微处理器及其执行方法	2020-05-15	284
可从过多的近似计算误差中恢复的处理器	2020-05-15	69
设备信息发送的方法、计算机设备和分布式计算机设备系统	2020-05-13	577

用于管理极端数据的智能端点系统

用于管理极端数据的智能端点系统

背景技术

附图说明

具体实施方式

该功能需要专业版企业版VIP权限，您可以：