[發明專利]AI模型更新的方法、裝置、計算設備和存儲介質

在審

• 申請號: 202010732241.0
• 申請日: 2020-07-27
• 公開（公告）號: CN114004328A
• 公開（公告）日: 2022-02-01
• 發明（設計）人: 鄔書哲;金鑫;李心成;涂丹丹
• 申請（專利權）人: 華為技術有限公司
• 主分類號: G06N3/04
• 分類號: G06N3/04;G06N3/08;G06N20/00;G06F8/65
• 代理公司: 北京三高永信知識產權代理有限責任公司 11138
• 代理人: 顏晶

本申請提供了一種AI模型更新的方法、裝置、計算設備和存儲介質，屬于人工智能技術領域。該方法包括：獲取推理數據集，其中，推理數據集中的推理數據用于輸入至已有AI模型執行推理；確定推理數據集的數據分布與訓練數據集的數據分布存在差異，訓練數據集為訓練已有AI模型所使用的數據集；利用推理數據集，對已有AI模型進行更新，獲得更新后的AI模型。采用本申請，在感知推理數據集的數據分布與訓練數據集的數據分布存在差異時，可以及時對已有的AI模型進行更新，而不需要等到用戶發現AI模型的推理精度下降時才對已有AI模型進行更新，所以可以及時的更新AI模型。

技術領域

本申請涉及人工智能(Artificial Intelligence，AI)技術領域，特別涉及一種AI模型更新的方法、裝置、計算設備和存儲介質。

背景技術

隨著人工智能技術的發展，AI模型應用越來越廣泛。目前AI模型主要是采用機器學習等算法基于大量數據來學習AI模型的參數，由于AI模型是通過學習大量數據獲得，所以所構建的AI模型盡管具有一定的泛化能力，但是當其所使用的場景下的數據分布和其訓練數據分布存在較大差異時，AI模型的表現會受到影響，精度降低，且分布差異越大，精度降低越顯著。然而AI模型的實際應用環境是動態變化的，因此在實際應用場景中，數據分布有可能不斷變化，有可能導致AI模型在變化的應用場景下無法保持穩定的精度。為了使AI模型的精度可以適應場景的變化，需要對AI模型進行自適應的更新。

相關技術中，是開發了一個AI平臺，用戶通過AI平臺自行完成對模型的更新。具體的，AI平臺提供了從訓練AI模型至部署AI模型所需的功能，這些功能通常包括數據標注、數據管理、模型訓練和模型推理等。用戶可以通過AI平臺訓練AI模型，后續用戶在確定當前的AI模型不適應于當前的場景時，用戶可以提供當前的場景的數據集，對AI模型進行更新，以使更新后的AI模型適應當前的場景，再將更新后的AI模型應用于當前的場景。

由于相關技術的AI模型更新的方法只能在AI模型的精度降低后，用戶感知到AI模型在當前場景下精度下降了，才會去進行AI模型的更新，所以會導致AI模型更新不及時。

發明內容

本申請提供了一種AI模型更新的方法、裝置、計算設備和存儲介質，用以及時的對AI模型進行更新。

第一方面，本申請提供了一種AI模型更新的方法，該方法包括：獲取推理數據集，其中，推理數據集中的推理數據用于輸入至已有AI模型執行推理；確定推理數據集的數據分布與訓練數據集的數據分布存在差異，其中，訓練數據集為訓練已有AI模型所使用的數據集；利用推理數據集，對已有AI模型進行更新，獲得更新后的AI模型。

本申請所示的方案，AI模型更新的方法可以由AI平臺執行，由于上述方法在推理數據集的數據分布與訓練數據集的數據分布存在差異時，會對已有AI模型進行更新，而不是等到用戶感知到AI模型的精度降低，才對已有AI模型進行更新，所以可以更及時地對AI模型進行更新。

在一種可能的實現方式中，已有AI模型部署在推理平臺，該方法還包括：比較更新后的AI模型和已有AI模型的推理精度，確定更新后的AI模型的推理精度優于已有AI模型的推理精度；將更新后的AI模型部署至推理平臺，代替已有AI模型執行推理。

本申請所示的方案，已有AI模型可以部署在推理平臺，推理平臺可以是AI平臺的一部分，也可以是獨立于AI平臺。AI平臺可以獲得更新后的AI模型和已有AI模型的推理精度，然后比較更新后的AI模型和已有AI模型的推理精度，在更新后的AI模型的推理精度優于已有AI模型的推理精度時，將更新后的AI模型部署至推理平臺，推理平臺中使用更新后的AI模型，代替已有AI模型執行推理。這樣，在更新后的AI模型的推理精度優于已有AI模型時，才對已有AI模型進行更新，所以使用更新后的AI模型進行推理，使得推理精度較高。

在一種可能的實現方式中，將更新后的AI模型部署至推理平臺之前，還包括：通過顯示界面顯示已有AI模型的推理精度和更新后的AI模型的推理精度；接收用戶對已有AI模型的更新指令。