[发明专利]用于更新人工智能模型的电子设备、服务器及其操作方法

说明书

本公开涉及提供一种使用诸如深度学习的机器学习算法来模拟人脑的功能(诸如认知和判断)的人工智能(AI)系统及其应用。提供了一种用于更新电子设备中的学习模型的方法，该方法包括：检测要用于更新局部模型的关于电子设备的上下文的信息已经改变；基于改变的上下文信息，获取用于更新局部模型的梯度；基于该梯度，更新局部模型；将该梯度发送到服务器；从服务器接收关于基于该梯度更新的全局模型的信息；以及基于接收到的信息，更新局部模型。

技术领域

本公开涉及一种用于精化(refine)存储在电子设备中的人工智能(artificialintelligence，AI)模型的电子设备和服务器，以及精化AI模型的方法。

背景技术

提供了这样的人工智能(AI)系统，其使用机器学习并根据指示用户或由用户拥有的电子设备的各种上下文的各种类型的上下文(context)信息(例如，关于电子设备的状态的信息或关于电子设备的周围环境的信息)来执行各种操作。

由于电子设备的上下文信息可能会随着时间持续地改变，因此可以根据改变的上下文信息持续地精化AI模型。因此，可以基于实时收集的各种类型的上下文信息来持续地精化AI模型，使得AI模型可以根据上下文信息执行合适的操作。

在吞吐量和用于学习的数据大小方面，可以在具有比由用户拥有的电子设备更好的性能的服务器中执行AI模型的精化。例如，存储在电子设备中的AI模型也可以基于由服务器对AI模型进行精化的结果而被附加地精化。因此，为了精化AI模型，电子设备可以发送电子设备的上下文信息。

然而，由于电子设备的上下文信息可以包括包含用户的敏感信息的个人信息、生物特征信息、秘密信息和财务信息，当在发送过程中上下文信息被泄露时，可能会对用户造成严重损害。

发明内容

本公开的实施例提供了一种用于精化存储在电子设备中的人工智能(AI)模型的电子设备和服务器，以及精化AI模型的方法。

本公开的实施例还提供了一种非暂时性的计算机可读记录介质，该非暂时性的计算机可读记录介质在其上记录有用于在计算机上运行该方法的程序。

附加特征将在下面的描述中部分地阐述，并且部分地将从描述中是明显的。

根据本公开的一个示例实施例，一种由电子设备执行的精化人工智能(AI)模型的方法包括：检测用于精化存储在电子设备中的局部模型的关于电子设备的上下文的信息被改变；基于改变的关于上下文的信息，确定用于精化局部模型的梯度；基于所确定的梯度，精化局部模型；将梯度发送到服务器；从服务器接收关于基于梯度精化的全局模型的信息；以及基于接收到的信息，精化局部模型。

根据本公开的另一示例实施例，一种被配置为精化人工智能(AI)模型的电子设备包括：存储器，存储局部模型；至少一个处理器，被配置为：检测用于精化局部模型的关于电子设备的上下文的信息被改变、基于改变的关于上下文的信息来确定用于精化局部模型的梯度、以及基于所确定的梯度来精化局部模型；以及通信器，包括通信电路，该通信电路被配置为：将梯度发送到服务器，并从服务器接收关于基于梯度精化的全局模型的信息，其中，所述至少一个处理器还被配置为基于从服务器接收到的信息来精化局部模型。

根据本公开的另一示例实施例，非暂时性计算机可读记录介质在其上记录有用于实现该方法的程序。

附图说明

结合附图，通过以下详细描述，本公开某些实施例的上述和其他方面、特征和优点将更加明显，其中：

图1是示出了根据本公开的实施例的用于使用电子设备的局部模型来执行各种操作的示例系统的图；

图2是示出了根据本公开的实施例的用于使用局部模型来执行各种操作的示例系统的图；

图3是示出了根据本公开的实施例的用于使用局部模型来执行对象识别的示例系统的图；