[發明專利]一種自適應AI模型部署方法

在審

• 申請號: 201911363266.1
• 申請日: 2019-12-26
• 公開（公告）號: CN113050955A
• 公開（公告）日: 2021-06-29
• 發明（設計）人: 周勝平;林俊杰;吳棟;仲景武
• 申請（專利權）人: 阿爾法云計算（深圳）有限公司
• 主分類號: G06F8/60
• 分類號: G06F8/60;G06N20/00;H04L29/08
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發明揭示了一種自適應AI模型部署方法，所述方法包括：接收業務應用對AI接口的調用，所述被業務應用調用的AI接口對應特定的AI模型，決策所述AI接口調用對應模型的部署狀態，所述對AI模型部署狀態的決策包括對所述AI模型的預部署狀態的使用與對AI功能模型的遴選。針對所述AI模型部署決策與功能模型遴選的方法作實施，可以有效提升AI模型對業務應用的靈活性，提高AI模型的可用性與易用性，從而進一步提升AI在業務應用場景上的適用深度與廣度。

技術領域

本申請涉及人工智能方法，主要涉及人工智能模型在提供服務的云端與運行業務應用的終端間的模型部署與運行機制的相關方法。

背景技術

目前人們普遍認為人工智能(AI-Artificial Intelligence)會是二十一世紀及以后最具影響力的技術之一。

基于這種判斷，人們在AI領域投入大量資源。一方面，人們期望與嘗試用AI來解決諸多領域的問題，為此目的大規模地收集了諸多方面的數據。另一方面，為更好解決“目標”問題，人們針對問題所在領域定制了不同的底層硬件。這樣經過最近數年的演進，AI已經發展成為龐大的技術群與復雜的技術生態。

通常情況下，對AI的使用都遵從這樣的兩階段模式：模型訓練階段和模型部署(應用)階段。訓練的結果為得到AI模型；在模型部署(應用)階段，業務應用以API方式調用按黑盒封裝的AI模型，輸入入參，得到返回結果。因為AI硬件與環境的定制特征，AI模型的訓練無不基于超高算力的服務器或云環境而進行；同時因為這種定制特征，AI模型的部署多數也是針對服務器或云環境進行的。因此，這種方式實施下的AI技術，十分缺乏靈活性。

發明內容

因此，本發明揭示了解決上述問題、提升與增強AI部署靈活性的方法。這些方法，應用于不特定的可移動終端、網絡設備甚至云服務器；進一步，這些不特定的裝置，構成實現自適應AI模型部署的系統。為此，本發明：

一方面，提出一種自適應AI模型部署的方法，包括：

接收業務應用對AI接口的調用，所述對AI接口的調用包含對作為AI接口的參數進行數據賦值，所述被業務應用調用的AI接口對應某個AI模型；決策所述AI接口調用對應模型的部署狀態，所述部署狀態為所述被調用AI接口對應AI模型的部署狀態，所述對AI模型部署狀態的決策包括對所述AI模型的預部署狀態的使用；遴選所述AI模型對應的功能模型，所述功能模型為同一個AI模型對應的多個差異性實現，所述對AI功能模型的遴選為從所述AI模型對應的多個差異性實現中作遴選。