[發明專利]一種人工智能模型在線訓練方法及系統

在審

• 申請號: 202110428701.5
• 申請日: 2021-04-21
• 公開（公告）號: CN113191502A
• 公開（公告）日: 2021-07-30
• 發明（設計）人: 周浩
• 申請（專利權）人: 烽火通信科技股份有限公司
• 主分類號: G06N20/00
• 分類號: G06N20/00;G06K9/62
• 代理公司: 深圳市六加知識產權代理有限公司 44372
• 代理人: 向彬

本發明公開了一種人工智能模型在線訓練系統，包括：推理系統，屬于AI模型應用的業務系統，負責模型的編排及推理運行，包括AI編排器、服務級AI引擎及服務級AI數據池；終端，屬于推理系統管理以及協同的對象，同時與網管協同進行智能化的網絡運維，包括終端級AI引擎及終端級AI數據池；訓練預發系統，負責模型的開發、訓練以及模型驗證預發，包括預發環境、AI模型開發及平臺級AI數據池。本發明通過構建一種人工智能模型在線訓練方法及系統，使得人工智能模型在訓練時可以準確的度量真實的準確率和安全性，同時在推理時通過在線訓練機制持續保持模型的準確率降低升級模型成本。本發明還提供了相應的人工智能模型在線訓練方法。

技術領域

本發明屬于人工智能技術領域，更具體地，涉及一種人工智能模型在線訓練方法及系統。

背景技術

人工智能模型從應用上看，主要分為訓練和推理兩大階段。在訓練階段使用特定場景下大量已發生的歷史數據對模型進行調優、訓練得到符合預期的預訓練模型。在生產環境中推理階段向預訓練模型輸入實時發生的數據得到模型的推理結果。但從實際應用來看，特定場景下的情景、數據也是時刻變化的，基于歷史結構和數據的預訓練模型也存在“保鮮期”的問題，如果模型長久不更新推理準確率勢必越來越差。例如人臉識別模型，隨著人年齡的增長，臉型特征也會逐漸發生變化，如果模型長久不更新則準確率會越來越低，最終可能達不到使用要求。同時，對于電信、金融等領域更會帶來未驗證的安全性等問題。

數字孿生技術的出現，為AI(Artificial Intelligence，人工智能)模型真實準確率和安全性等問題的度量提供了一種良好的解決手段。數字孿生是充分利用物理模型、傳感器更新、運行歷史等數據，集成多學科、多物理量、多尺度、多概率的仿真過程，在虛擬空間中完成映射，從而反映相對應的實體裝備的全生命周期過程。數字孿生環境下可以產生現實由于倫理、成本、安全等因素限制難以觀測到的數據。因此，在數字孿生環境中對AI預訓練模型進行推理驗證，就可以得到與真實場景下完全一致，甚至更加優異的模型。

保持模型持續準確率，有效提升模型真實準確率及安全性是本領域人員亟需解決的技術問題。

發明內容

針對現有技術的以上缺陷或改進需求，本發明提供了一種人工智能模型在線訓練方法及系統，解決人工智能領域模型在訓練、推理過程中的推理持續準確率，訓練真實準確率和安全性等問題。

為實現上述目的，按照本發明的一個方面，提供了一種人工智能模型在線訓練系統，包括推理系統、終端及訓練預發系統，其中：

所述推理系統，屬于AI模型應用的業務系統，負責模型的編排及推理運行，包括AI編排器、服務級AI引擎及服務級AI數據池；

所述終端，屬于推理系統管理以及協同的對象，同時與網管協同進行智能化的網絡運維，包括終端級AI引擎及終端級AI數據池；

所述訓練預發系統，負責模型的開發、訓練以及模型驗證預發，包括預發環境、AI模型開發及平臺級AI數據池。

本發明的一個實施例中，所述AI編排器，用于管理AI模型的采集策略和應用策略，并且編排AI應用實例的處理流程，每類AI應用有專門的策略來定義其應該收集的數據、所選擇的模型以及AI引擎推理結果的應用策略。

本發明的一個實施例中，所述服務級AI引擎和終端級AI引擎，用于進行AI模型管理，提供AI應用的推理服務，針對特定的AI應用完成數據處理、推理、在線訓練、模型評估以及模型發布的過程；服務級AI引擎在推理系統層面部署，終端級AI引擎在終端層面部署，推理系統中的服務級AI引擎從終端以及推理系統中進行AI應用所需數據的處理，終端上的終端級AI引擎基于終端上的管理信息庫處理數據。