[发明专利]使用基于云端的度量迭代训练人工智能的系统

说明书

一种方法可以包括：在人工智能云服务处从多个设备接收多个人工智能反馈通信，其中多个人工智能反馈通信中的每个人工智能反馈通信包括由运行在多个设备中的相应一个设备上的软件应用程序组件生成的数据，软件应用程序组件包括相应的当前人工智能模型；针对多个设备上的相应的当前人工智能模型中的每个相应的当前人工智能模型，从每个人工智能反馈通信所包括的数据导出相关联的人工智能模型更新；并且向多个设备发送多个人工智能模型更新通信，其中多个人工智能模型更新通信的每个人工智能模型更新通信包括所导出的相关联的人工智能模型更新，用于更新多个设备上的相应的当前人工智能模型中的对应一个人工智能模型。

优先权要求

本申请是非临时申请，并且要求2016年6月10日提交的标题为“SYSTEM FORITERATIVELY TRAINING AN ARTIFICIAL INTELLIGENCE USING CLOUD-BASED METRICS”的美国临时申请No.62/348,486的优先权，该专利申请通过引用方式整体并入本文。

技术领域

本文描述的实施方案整体涉及人工智能，并且特别地但不限于，使用基于云端的度量来训练人工智能。

背景技术

许多软件应用程序依赖于人工智能(AI)以在正常操作过程中做出决策。尤其是游戏，使用AI来确定计算机控制的状态变化、推荐状态变化并确定策略。但是，如果没有对软件应用程序进行完整和正式的更新，软件应用程序通常无法更新AI。作为具体示例，使用AI特征、组件等的电子游戏或其他类型的软件可以从在线商店诸如Apple App Store通过付费或免费方式获得。一旦用户通过App Store购买或选择应用程序，运行该应用程序的软件就被下载到用户的便携式设备(例如，智能电话等)。在这种情况下，只有通过App Store才能对这些应用程序进行更新。通常，更新可用作修复多个问题(例如，错误修复)或提供应用程序改进的版本更改。这些更新由应用程序开发人员生成，并且只能通过App Store推送到应用程序所有者。因此，需要开发人员生成的更新的应用程序更新，特别是AI更新，经常需要很长时间才能为应用程序所有者所用。由此产生的较长更新周期时间会阻止用户继续使用有缺陷或不符合心意的应用程序，从而导致应用程序使用下降和可能的开发人员收入损失。

附图说明

在未必按比例绘制的附图中，类似的数字可描述不同视图中相似的部件。具有不同字母后缀的相同数字可代表类似部件的不同实例。在附图的各图中以示例性而非限制性的方式示出了一些实施方案，其中：

图1示出了根据各种实施方案的用于更新人工智能(AI)模型的系统；

图2示出了根据各种实施方案的AI云服务；

图3示出了根据各种实施方案的用于更新人工智能(AI)模型的方法的流程图；

图4示出了根据各种实施方案的使用更新的人工智能(AI)模型的方法的流程图；和

图5是示出根据示例性实施方案的可执行本文所讨论的技术(例如，方法)中的任何一者或多者的示例性机器的框图。

具体实施方式

本文提供了使用经由网络或基于云端的服务接收的度量来迭代地训练人工智能(AI)的系统和方法。在本公开的上下文中，AI是结合了满足条件的算法的模拟智能。本公开中的AI通常可以包括机器学习、使用目标函数进行优化、结合反馈或应用算法以确定来自输入或输入集合的输出或输出集合的方面。在本公开中，AI模型包括基于软件应用程序组件生成的数据来解决特定技术问题的算法。可以使用从运行使用AI模型的软件应用程序组件的设备接收的反馈来更新AI模型。