[發(fā)明專利]AI模型更新的方法、裝置、計(jì)算設(shè)備和存儲(chǔ)介質(zhì)

在審

• 申請(qǐng)?zhí)枺?/td>: 202010732241.0
• 申請(qǐng)日: 2020-07-27
• 公開（公告）號(hào): CN114004328A
• 公開（公告）日: 2022-02-01
• 發(fā)明（設(shè)計(jì)）人: 鄔書哲;金鑫;李心成;涂丹丹
• 申請(qǐng)（專利權(quán)）人: 華為技術(shù)有限公司
• 主分類號(hào): G06N3/04
• 分類號(hào): G06N3/04;G06N3/08;G06N20/00;G06F8/65
• 代理公司: 北京三高永信知識(shí)產(chǎn)權(quán)代理有限責(zé)任公司 11138
• 代理人: 顏晶

1.一種人工智能AI模型更新的方法，其特征在于，所述方法包括：

獲取推理數(shù)據(jù)集，其中，所述推理數(shù)據(jù)集中的推理數(shù)據(jù)用于輸入至已有AI模型執(zhí)行推理；

確定所述推理數(shù)據(jù)集的數(shù)據(jù)分布與訓(xùn)練數(shù)據(jù)集的數(shù)據(jù)分布存在差異，其中，所述訓(xùn)練數(shù)據(jù)集為訓(xùn)練所述已有AI模型所使用的數(shù)據(jù)集；

利用所述推理數(shù)據(jù)集，對(duì)所述已有AI模型進(jìn)行更新，獲得更新后的AI模型。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述已有AI模型部署在推理平臺(tái)，所述方法還包括：

比較所述更新后的AI模型和所述已有AI模型的推理精度，確定所述更新后的AI模型的推理精度優(yōu)于所述已有AI模型的推理精度；

將所述更新后的AI模型部署至所述推理平臺(tái)，以使所述更新后的AI模型代替所述已有AI模型執(zhí)行推理。

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述將所述更新后的AI模型部署至所述推理平臺(tái)之前，還包括：

通過顯示界面顯示所述已有AI模型的推理精度和所述更新后的AI模型的推理精度；

接收用戶對(duì)所述已有AI模型的更新指令。

4.根據(jù)權(quán)利要求1至3任一項(xiàng)所述的方法，其特征在于，所述利用所述推理數(shù)據(jù)集，對(duì)所述已有AI模型進(jìn)行更新，包括：

若所述差異達(dá)到離線更新條件，則利用所述推理數(shù)據(jù)集對(duì)所述已有AI模型進(jìn)行離線更新；

若所述差異未達(dá)到所述離線更新條件，則利用所述推理數(shù)據(jù)集對(duì)所述已有AI模型進(jìn)行在線更新。

5.根據(jù)權(quán)利要求4所述的方法，其特征在于，所述利用所述推理數(shù)據(jù)集對(duì)所述已有AI模型進(jìn)行在線更新，包括：

利用所述推理數(shù)據(jù)集的數(shù)據(jù)分布與所述訓(xùn)練數(shù)據(jù)集的數(shù)據(jù)分布的差異，確定所述已有AI模型的目標(biāo)部分的參數(shù)變化量；

基于所述已有AI模型中所述目標(biāo)部分當(dāng)前的參數(shù)和所述參數(shù)變化量，確定更新后的AI模型中所述目標(biāo)部分的參數(shù)。

6.根據(jù)權(quán)利要求1至4任一項(xiàng)所述的方法，其特征在于，所述利用所述推理數(shù)據(jù)集，對(duì)所述已有AI模型進(jìn)行更新，包括：

根據(jù)所述推理數(shù)據(jù)集構(gòu)造目標(biāo)數(shù)據(jù)集；

利用所述目標(biāo)數(shù)據(jù)集對(duì)所述已有AI模型進(jìn)行更新。

7.根據(jù)權(quán)利要求6所述的方法，其特征在于，所述根據(jù)所述推理數(shù)據(jù)集構(gòu)造目標(biāo)數(shù)據(jù)集，包括：

在所述推理數(shù)據(jù)集中，獲取滿足樣例條件的目標(biāo)數(shù)據(jù)，通過顯示界面顯示所述目標(biāo)數(shù)據(jù)；

獲取用戶對(duì)所述目標(biāo)數(shù)據(jù)的標(biāo)注結(jié)果；

根據(jù)所述目標(biāo)數(shù)據(jù)以及所述目標(biāo)數(shù)據(jù)的標(biāo)注結(jié)果，構(gòu)建目標(biāo)數(shù)據(jù)集。

8.根據(jù)權(quán)利要求6所述的方法，其特征在于，所述目標(biāo)數(shù)據(jù)集包括適合所述推理數(shù)據(jù)集的數(shù)據(jù)分布的未標(biāo)注數(shù)據(jù)和標(biāo)注數(shù)據(jù)；

所述利用所述目標(biāo)數(shù)據(jù)集對(duì)所述已有AI模型進(jìn)行更新，包括：

利用所述目標(biāo)數(shù)據(jù)集中的未標(biāo)注數(shù)據(jù)，使用無監(jiān)督方式對(duì)所述已有AI模型中的特征提取部分進(jìn)行優(yōu)化；

根據(jù)優(yōu)化后的特征提取部分和所述目標(biāo)數(shù)據(jù)集中的標(biāo)注數(shù)據(jù)，對(duì)所述已有AI模型進(jìn)行更新。

9.根據(jù)權(quán)利要求6所述的方法，其特征在于，所述目標(biāo)數(shù)據(jù)集包括適合所述推理數(shù)據(jù)集的數(shù)據(jù)分布的未標(biāo)注數(shù)據(jù)和標(biāo)注數(shù)據(jù)；

所述利用所述目標(biāo)數(shù)據(jù)集對(duì)所述已有AI模型進(jìn)行更新，包括：

利用所述已有AI模型，對(duì)所述目標(biāo)數(shù)據(jù)集中的未標(biāo)注數(shù)據(jù)進(jìn)行標(biāo)注，獲得所述未標(biāo)注數(shù)據(jù)的標(biāo)注結(jié)果；

根據(jù)所述未標(biāo)注數(shù)據(jù)的標(biāo)注結(jié)果和所述目標(biāo)數(shù)據(jù)集中的標(biāo)注數(shù)據(jù)，對(duì)所述已有AI模型進(jìn)行更新。

10.根據(jù)權(quán)利要求6或7所述的方法，其特征在于，所述利用所述目標(biāo)數(shù)據(jù)集對(duì)所述已有AI模型進(jìn)行更新，包括：

根據(jù)所述目標(biāo)數(shù)據(jù)集中數(shù)據(jù)的數(shù)據(jù)特性，獲取更新所述已有AI模型的策略；

根據(jù)所述策略，對(duì)所述已有AI模型進(jìn)行更新。