[發(fā)明專利]AI模型訓(xùn)練方法、調(diào)用方法、服務(wù)器及存儲(chǔ)介質(zhì)

在審

• 申請(qǐng)?zhí)枺?/td>: 202011176373.6
• 申請(qǐng)日: 2020-10-28
• 公開(kāi)（公告）號(hào): CN112274925A
• 公開(kāi)（公告）日: 2021-01-29
• 發(fā)明（設(shè)計(jì)）人: 朱展圖;周正;李宏亮;劉永升
• 申請(qǐng)（專利權(quán)）人: 超參數(shù)科技（深圳）有限公司
• 主分類號(hào): A63F13/55
• 分類號(hào): A63F13/55;A63F1/00;G06N3/04;G06N3/08
• 代理公司: 深圳市力道知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 44507
• 代理人: 何姣

本申請(qǐng)公開(kāi)了一種AI模型訓(xùn)練方法、調(diào)用方法、服務(wù)器及存儲(chǔ)介質(zhì)，該方法包括：獲取多組第一樣本數(shù)據(jù)；將每一組所述第一樣本數(shù)據(jù)輸入AI模型，基于監(jiān)督學(xué)習(xí)對(duì)所述AI模型進(jìn)行迭代訓(xùn)練，直至所述AI模型收斂，獲得所述不同級(jí)別中每個(gè)級(jí)別對(duì)應(yīng)的Agent的AI模型；隨機(jī)初始化所述AI模型進(jìn)行樣本生成操作，獲取第二樣本數(shù)據(jù)；將所述第二樣本數(shù)據(jù)反向傳播輸入至所述AI模型，基于強(qiáng)化學(xué)習(xí)對(duì)所述AI模型進(jìn)行迭代訓(xùn)練，并將訓(xùn)練結(jié)果作為新的第二樣本數(shù)據(jù)，循環(huán)執(zhí)行所述將所述第二樣本數(shù)據(jù)反向傳播輸入至所述AI模型，基于強(qiáng)化學(xué)習(xí)對(duì)所述AI模型進(jìn)行迭代訓(xùn)練的步驟，直至所述AI模型收斂，獲得其他級(jí)別對(duì)應(yīng)的Agent的AI模型。因此，提高了AI模型的準(zhǔn)確性。

技術(shù)領(lǐng)域

本申請(qǐng)涉及人工智能技術(shù)領(lǐng)域，尤其涉及一種AI模型訓(xùn)練方法、調(diào)用方法、服務(wù)器及存儲(chǔ)介質(zhì)。

背景技術(shù)

隨著人工智能(Artificial Intelligence，AI)技術(shù)的快速發(fā)展，人工智能技術(shù)被廣泛的應(yīng)用于各個(gè)領(lǐng)域，目前，在游戲娛樂(lè)領(lǐng)域，通過(guò)人工智能技術(shù)可以實(shí)現(xiàn)棋類游戲中虛擬Agent與真人用戶之間的對(duì)局，且可以戰(zhàn)勝最頂級(jí)的職業(yè)選手。而牌類游戲，經(jīng)常是多人參與，游戲參與玩家之間的牌是互不知曉的，因此，研發(fā)牌類游戲Agent對(duì)應(yīng)的AI模型具有更大的挑戰(zhàn)。

目前，主要基于深度神經(jīng)網(wǎng)絡(luò)(Deep Neural Network,DNN)來(lái)實(shí)現(xiàn)AI模型，通常是基于每一方的數(shù)據(jù)單獨(dú)進(jìn)行AI模型的訓(xùn)練，無(wú)法充分的利用數(shù)據(jù)，AI模型的準(zhǔn)確性較差。因此，如何提高AI模型的準(zhǔn)確性是目前亟待解決的問(wèn)題。

發(fā)明內(nèi)容

本申請(qǐng)實(shí)施例提供一種AI模型訓(xùn)練方法、調(diào)用方法、服務(wù)器及存儲(chǔ)介質(zhì)，可以實(shí)現(xiàn)提高AI模型的準(zhǔn)確性。

第一方面，本申請(qǐng)實(shí)施例提供了一種AI模型訓(xùn)練方法，包括：

獲取多組第一樣本數(shù)據(jù)，所述多組第一樣本數(shù)據(jù)為不同級(jí)別的多個(gè)用戶對(duì)應(yīng)的數(shù)據(jù)；

將每一組所述第一樣本數(shù)據(jù)輸入AI模型，基于監(jiān)督學(xué)習(xí)對(duì)所述AI模型進(jìn)行迭代訓(xùn)練，直至所述AI模型收斂，獲得所述不同級(jí)別中每個(gè)級(jí)別對(duì)應(yīng)的Agent的AI模型；

隨機(jī)初始化所述AI模型進(jìn)行樣本生成操作，獲取第二樣本數(shù)據(jù)；

將所述第二樣本數(shù)據(jù)反向傳播輸入至所述AI模型，基于強(qiáng)化學(xué)習(xí)對(duì)所述AI模型進(jìn)行迭代訓(xùn)練，并將訓(xùn)練結(jié)果作為新的第二樣本數(shù)據(jù)，循環(huán)執(zhí)行所述將所述第二樣本數(shù)據(jù)反向傳播輸入至所述AI模型，基于強(qiáng)化學(xué)習(xí)對(duì)所述AI模型進(jìn)行迭代訓(xùn)練的步驟，直至所述AI模型收斂，獲得所述不同級(jí)別以外的其他級(jí)別對(duì)應(yīng)的Agent的AI模型。

第二方面，本申請(qǐng)實(shí)施例還提供了一種AI模型調(diào)用方法，包括：

獲取待評(píng)估Agent對(duì)應(yīng)的第一初始評(píng)估參數(shù)；

根據(jù)所述第一初始評(píng)估參數(shù)，選取與所述第一初始評(píng)估參數(shù)匹配的多個(gè)第一類基準(zhǔn)Agent的AI模型；

調(diào)用多個(gè)所述第一類基準(zhǔn)Agent的AI模型，控制所述待評(píng)估Agent與多個(gè)所述第一類基準(zhǔn)Agent執(zhí)行相應(yīng)的對(duì)局操作，以對(duì)所述待評(píng)估Agent進(jìn)行能力評(píng)估。

第三方面，本申請(qǐng)實(shí)施例還提供了一種服務(wù)器，其特征在于，所述服務(wù)器包括處理器、存儲(chǔ)器、以及存儲(chǔ)在所述存儲(chǔ)器上并可被所述處理器執(zhí)行的計(jì)算機(jī)程序，所述存儲(chǔ)器存儲(chǔ)有AI模型，其中所述計(jì)算機(jī)程序被所述處理器執(zhí)行時(shí)，實(shí)現(xiàn)如上述的AI模型訓(xùn)練方法；或者，實(shí)現(xiàn)如上述的AI模型調(diào)用方法。

第四方面，本申請(qǐng)實(shí)施例還提供了一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，所述計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)用于存儲(chǔ)計(jì)算機(jī)程序，所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)使所述處理器實(shí)現(xiàn)上述的AI模型訓(xùn)練方法；或者，實(shí)現(xiàn)上述的AI模型調(diào)用方法。