CN109313586A

CN109313586A - 使用基于云端的度量迭代训练人工智能的系统

Info

Publication number: CN109313586A
Application number: CN201780035820.6A
Authority: CN
Inventors: B·M·索摩尔; M·R·布伦南; N·N·王; R·R·德克斯特
Original assignee: Apple Computer Inc
Current assignee: Apple Inc
Priority date: 2016-06-10
Filing date: 2017-05-24
Publication date: 2019-02-05
Anticipated expiration: 2037-05-24
Also published as: WO2017213857A1; CN109313586B; US20170357910A1

Abstract

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。

Description

使用基于云端的度量迭代训练人工智能的系统

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。

图1示出了根据各种实施方案的用于更新AI模型的系统100；系统100包括运行多个软件应用程序组件104的多个设备102(这些设备可以是相同类型的设备或不同类型的设备)。该多个软件应用程序组件104可以是软件应用程序的相同的、完全不同的(例如，游戏应用程序和地图应用程序)、类似的(例如，软件应用程序的不同版本)或不同的组件。系统100包括与多个设备102通信的AI云服务106，例如在服务器上运行的网络服务。

系统100的AI云服务106包括具有智能控制器的自动化过程，以确定对AI模型的更新。例如，AI云服务106可使用机器学习来更新AI模型。随着数据从多个设备102发送，其中该数据与多个软件应用程序组件104相关，AI云服务106可应用数据以改善AI模型。例如，AI云服务106可以确定对AI模型的先前改变是否有效地将软件应用程序组件104驱动到期望的改变。AI云服务106可以确定哪些更新是成功的以及成功的程度，以及哪些更新是不成功的以及不成功的程度。AI云服务106可以使用机器学习来基于过往更新的相对确定的成功来更新AI模型。

在另一个示例中，AI云服务106可以运行对AI模型的各种潜在更新的模拟，以确定适用于软件应用程序组件的当前目标的更新。当前目标可包括改善AI模型的速度、准确性、精度或处理时间。在另一个示例中，AI云服务106可通过用新的AI模型替换AI模型来更新在多个设备102中的一个上运行的AI模型。更新AI模型可包括替换或改变所述多个AI模型，诸如替换或改变由多个AI模型中的一者或多者运行的特定算法。可以针对多个AI模型中的每个AI模型单独地完成更新，所述更新可以取决于运行AI模型的特定设备，可以取决于使用AI模型的特定软件应用程序组件，可以取决于设备和软件应用程序组件，可以是设备无关的，或者可以是与软件应用程序组件无关的。例如，可以针对基于游戏的软件应用程序组件诸如游戏中的不同视图、潜在移动和其他选项使用和更新AI模型。在另一个示例中，AI模型可以应用到非基于游戏的软件应用程序组件。

在一个示例中，每个不同类型的软件应用程序组件(例如，应用程序、应用、游戏、程序等)可以具有不同的标准或参数以构建个性化AI模型。用于构建个性化AI模型的信息可被发送至AI云服务106。AI云服务106可获取信息并确定对AI的改进。然后，AI云服务106可以将改进推送到多个设备102中的一个或多个，以在多个软件应用程序组件104中的一个或多个中使用。更新在多个设备102中使用的AI模型的该过程可以完全在云端上完成。因此，在不需要从头重建AI模型的情况下即可完成更新用于多个软件应用程序组件104中的AI模型。例如，对AI模型的更新可被发送到多个设备102，而无需对多个软件应用程序组件104自身进行完全更新。

AI云服务106可得到由所述多个设备发送的数据，并且使用该数据迭代地更新相应的AI模型。在更新相应AI模型以确定对相应AI模型的更新之后，可将更新推送回多个设备102。AI云服务106可以将更新的AI模型推送到多个设备102，使得多个设备102可以避免在运行软件应用程序组件104时使用云来实现AI模型。例如，推送可包括对多个设备102上的现有AI模型进行识别的变化，或者可包括用于替换现有AI模型的全新AI模型。

在一个示例中，可使用软件应用程序组件对餐厅进行评分。例如，当接收到对餐厅进行4星级评分的用户输入时，运行软件应用程序组件的设备可以将4星级评分发送到AI云服务106。然后AI云服务106可以使用算法输入该4星评分并创建新的AI模型或确定对现有AI模型的更新。本示例中的AI模型可用于基于过往评分推荐新的餐厅。运行软件应用程序组件的设备可以使用AI模型在本地(即不访问网络)推荐餐厅。AI云服务106可以仅使用来自该设备的数据，或者使用来自多个设备的数据更新AI模型(例如，AI模型可以针对该设备进行个性化，或者可以利用来自多个设备的数据和改进)。AI云服务106可以仅使用来自该软件应用程序组件的数据，或者使用来自多个软件应用程序组件的数据(例如，可以使用第一餐厅推荐应用程序和第二餐厅推荐应用程序更新第一、第二餐厅推荐应用程序或两个餐厅推荐应用程序的AI模型)。

在一个示例中，软件应用程序组件的开发人员可以预先确定对一个或多个AI模型的期望更新以供在软件应用程序组件中使用。开发人员可以识别从设备发送到AI云服务106的反馈度量。在另一个示例中，开发人员可依赖于AI云服务106识别反馈度量或确定更新目标。在另一个示例中，开发人员或AI云服务106可配置更新AI模型的时间。例如，在基于游戏的软件应用程序组件中，AI云服务106可以在回合或状态改变之后推送对AI模型的更新。在另一个示例中，AI云服务106可在信标唤醒软件应用程序组件时，以及设备向AI云服务106发送通知时推送更新。在又一个示例中，AI模型的实时更新可由AI云服务106例如每隔几毫秒推送。例如，当更新递增时，AI云服务106可以推送实时更新。

系统100允许对在多个设备102上运行的多个软件应用程序组件104的AI模型进行更新，而无需完全更新多个软件应用程序组件104。这允许例如通过消除对质量保证审查、第三方批准或正式测试的需要，从而进行快速和容易的更新。相反，可以将更新作为数据连同为多个软件应用程序组件104发送的其他数据一起发送到多个设备102。例如，AI模型更新可包括数据的变化，而不是软件应用程序组件的底层代码的变化。在一个示例中，AI模型被存储在多个设备102中的每个设备中。在多个设备102处接收到更新之后，可以在没有网络连接的情况下使用更新的AI模型。

在一个示例中，AI云服务106可以确定基于游戏的软件应用程序组件中的流行战术或策略，并且使用它们来更新AI模型。确定的流行战术或策略可具有时间组件诸如衰减权重。AI模型更新可以适应这些战术和策略。

在一个示例中，多个软件应用程序组件104可与不同平台相互作用。例如，多个设备102可运行不同操作系统、不同API或不同版本的软件应用程序组件。AI云服务106可独立于操作系统、API或所使用的软件应用程序组件的版本接收数据。AI云服务106可基于来自多个设备102的全部或部分的数据更新AI模型。例如，AI模型更新可以基于从多个设备102的所有设备接收的数据。在另一个示例中，AI模型更新可以基于仅从运行特定一个或多个版本的软件应用程序组件的设备接收的数据(例如，软件应用程序组件的免费版本或付费版本可以使用或接收不同更新)。在另一个示例中，AI云服务106可以基于设备的硬件或操作系统来确定对AI模型的不同更新。

图2示出了根据各种实施方案的AI云服务106。AI云服务106包括处理器204和存储器206。AI云服务106包括AI模型更新导出组件208和发送/接收组件210，其可以由处理器204实现。AI云服务106可用于在多个设备(例如，多个设备102)处更新AI模型。AI云服务106可以使用发送/接收组件210从多个设备接收多个AI反馈通信，其中该多个AI反馈通信中的每个AI反馈通信包括由运行在多个设备中的相应一个上的软件应用程序组件生成的数据，该软件应用程序组件包括相应的当前AI模型。针对所述多个设备上的相应的当前AI模型中的每一者，AI云服务106可以使用AI模型更新导出组件208从每个AI反馈通信所包括的数据中导出相关联的AI模型更新。AI云服务106可以使用发送/接收组件210向多个设备发送多个AI模型更新通信，其中多个AI模型更新通信的每个AI模型更新通信包括导出的相关联的AI模型更新，用于更新多个设备上的相应的当前AI模型的对应的一个。

在一个示例中，AI云服务106可以使用发送/接收组件210接收开发人员定义的或预先确定的数据结构中的数据，该数据结构包括特定于软件应用程序组件的信息。例如，第一软件应用程序组件可具有包括不同于第二软件应用程序组件的反馈信息的数据结构。AI模型更新导出组件208可使用该数据结构中的数据更新AI模型。在一个示例中，AI云服务106可以使用更新窗口累积来自设备的数据。在第一更新窗口期间，发送/接收组件210可从设备接收数据。当第一更新窗口结束时，AI模型更新导出组件208可以从第一更新窗口期间获取累积数据以确定对AI模型的更新。然后，发送/接收组件210可以开始接收第二更新窗口的新数据。AI云服务106可基于来自第一更新窗口的数据将更新发送至设备。更新窗口的持续时间可以诸如由开发人员预定义，并且对于一种类型的设备可以是唯一的，对于一种类型的软件应用程序组件是唯一的，对于软件应用程序组件的版本是唯一的等。在AI模型更新导出组件208确定更新时，在持续时间窗口以外接收的数据可以被丢弃，或者存储用于AI模型更新导出组件208将来使用和分析。

在一个示例中，AI云服务106对于特定的软件应用程序组件可以是唯一的。例如，发送/接收组件210可从运行特定软件应用程序组件的所有设备接收数据。在特定软件应用程序组件具有多个发布版本的示例中，例如，60％运行特定软件应用程序组件的设备使用版本2.0，并且40％运行特定软件应用程序组件的设备使用版本1.0，则可使用第一AI云服务106或第一AI模型更新导出组件208确定对版本2.0的特定软件应用程序组件的更新，并且可使用第二AI云服务106或第二AI模型更新导出组件208确定对版本1.0的特定软件应用程序组件的更新。在另一个示例中，单个AI云服务106或单个AI模型更新导出组件208可用于两个版本，除非在特定软件应用程序组件中发生关于从版本1.0到版本2.0的特定软件应用程序组件所使用的AI模型的重大改变。

在一个示例中，AI模型可以包括神经网络、决策树、马尔可夫模型或任何其他AI算法。AI云服务106可在AI模型更新上执行A/B测试。例如，AI云服务106可使用AI模型更新导出组件208来使用多个AI模型，并且在多个AI模型上进行A/B测试。然后AI云服务106可使用发送/接收组件210将AI模型更新推送到一个或多个设备。在一个示例中，AI云服务106可选择不更新一些设备上的AI模型，并且更新其他设备上的AI模型。例如，AI云服务106可以选择性地将更新推送到设备的子集，诸如用于允许实时测试，给予某些设备优先处理(例如，在软件应用程序组件的付费版本中)等。在另一个示例中，AI云服务106可将AI模型推送到所有相关设备。

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300的流程图。在操作302，方法300包括从多个设备接收多个AI反馈通信。在一个示例中，该多个AI反馈通信包括由在多个设备的相应一个上运行的软件应用程序组件生成的数据，该软件应用程序组件包括相应的当前AI模型。

在操作304，方法300包括从每个AI反馈通信所包括的数据导出针对多个设备上的相应的当前AI模型中的每一者的相关联的AI模型更新。在一个示例中，多个设备中的第一设备包括软件应用程序组件的第一软件应用程序组件，并且多个设备中的第二设备包括软件应用程序组件的第二软件应用程序组件。第一和第二软件应用程序程序组件可以是不同的或相同的。在另一个示例中，AI云服务从第一软件应用程序组件和第二软件应用程序组件两者接收AI反馈通信。操作304还可包括导出第一设备的第一相关联的AI模型更新和第二设备的第二相关联的AI模型更新。

在一个示例中，所述多个设备包括运行第一软件应用程序组件的两个或更多个设备。例如，AI云服务可以从运行第一软件应用程序组件的两个或更多个设备的每一者接收AI反馈通信。在另一个示例中，相应的当前AI模型中的一个与两个或更多个设备相关联。

在一个示例中，用于更新两个或更多个设备上的相应的当前AI模型中的对应一个的导出的相关联的AI模型更新，基于该两个或更多个设备中的每一者上的第一软件应用程序组件条件，对于该两个或更多个设备中每一者是不同的导出的相关联的AI模型更新。在另一个示例中，用于更新两个或更多个设备上相应的当前AI模型中对应一个的导出的相关联的AI模型更新是针对所述两个或更多个设备中每一者的相同导出的相关联的AI模型更新，诸如当设备上运行的软件应用程序组件的条件类似时。在一个示例中，导出的相关联的AI模型更新对于多个设备中的一个是唯一的。在另一个示例中，导出的相关联的AI模型更新对于软件应用程序组件的特定软件应用程序组件是唯一的。

在操作306，方法300包括将多个AI模型更新通信发送到多个设备。在一个示例中，AI模型更新通信包括导出的相关联的AI模型更新，用于更新多个设备上的相应的当前AI模型中的对应一个。在一个示例中，向多个设备发送多个AI模型更新通信包括在预先确定的更新时间发送多个AI模型更新通信，所述预先确定的更新时间与在多个设备上运行的软件应用程序组件的软件应用程序组件条件相对应。在一个示例中，所述多个设备中的设备可以运行两个不同的软件应用程序组件，该设备的AI反馈通信可包括由两个不同的软件应用程序组件生成的数据，并且该设备的AI模型更新通信可包括两个不同的导出的相关联的AI模型更新，其用于对应于两个不同软件应用程序组件的两个当前AI模型。

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。在操作402，该方法包括在设备上运行软件应用程序组件，该软件应用程序组件包括当前AI模型。在操作404，该方法包括将数据从软件应用程序组件发送到AI云服务。在操作406，该方法包括从AI云服务接收AI模型更新通信，AI模型更新通信包括对当前AI模型的导出的AI模型更新。在操作408，该方法任选地包括将导出的AI模型更新应用于当前AI模型以创建更新的AI模型。在操作410，该方法任选地包括用导出的AI模型更新替换当前AI模型以创建更新的AI模型。

在操作412，该方法包括在软件应用程序组件中使用在操作408或410中创建的更新的AI模型。为了在软件应用程序组件中使用更新的AI模型，软件应用程序组件可以使用更新的AI模型对软件应用程序组件的当前状态信息运行场景或概率。例如，软件应用程序组件可以使用更新的AI模型确定和推荐状态改变，确定计算机控制的状态改变，或者确定和推荐策略(例如，多个状态改变或潜在的未来状态改变)。

示例性计算机系统

这里描述的实施方案可以实施为硬件、固件和软件中的一者或组合。实施方案还可实施为存储在机器可读取存储设备上的指令，这些指令可由至少一个处理器读取和执行以执行本文所述的操作。机器可读取存储设备可包括任何非暂态机构，用于以机器(例如计算机)可读取的形式存储信息。例如，机器可读取存储设备可包括只读存储器(ROM)、随机存取存储器，(RAM)、磁盘存储介质、光学存储介质、闪存存储器设备以及其它存储设备和介质。

如本文所述，示例可以包括逻辑或多个组件、模块或机构，或者可以在逻辑或多个组件、模块或机构上操作。模块可以是通信地耦接到一个或多个处理器以执行本文描述的操作的硬件、软件或固件。模块可以是硬件模块，并且由此模块可以被认为是能够执行指定操作并且可以以特定方式配置或布置的有形实体。在一个示例中，可以以指定的方式将电路布置(例如，在内部或相对于外部实体诸如其他电路)为模块。在一个示例中，一个或多个计算机系统(例如，独立的客户端或服务器计算机系统)或一个或多个硬件处理器的全部或部分可以由固件或软件(例如，指令、应用程序部分或应用程序)配置作为操作用于执行指定操作的模块。在一个示例中，软件可驻留在机器可读介质上。在一个示例中，当软件由模块的底层硬件执行时，导致硬件执行指定的操作。因此，术语硬件模块被理解为包含有形实体，即物理构造的实体，其被专门配置(例如，硬接线)或临时(例如，暂时)配置(例如，编程)为以指定方式操作或执行本文所述任何操作的部分或全部。考虑临时配置模块的示例，不需要在任何一个时刻实例化每个模块。例如，如果模块包括使用软件配置的通用硬件处理器；该通用硬件处理器可以在不同时间配置为相应的不同模块。因此，软件可以配置硬件处理器，例如，在一个时刻构成特定模块，并且在不同时刻构成不同模块。模块也可以是软件或固件模块，其操作以执行本文所描述的方法。

图5是示出根据示例性实施方案的计算机系统500的示例性形式的机器的框图，其中可以执行指令集或序列以使机器执行本文所讨论的任何一种方法。在另选实施方案中，机器作为独立设备操作或者可以连接(例如，联网)到其他机器。在联网部署中，机器可以在服务器-客户端网络环境中以服务器或客户端机器的能力操作，或者其可以充当对等(或分布式)网络环境中的对等机器。机器可以是车载系统、可穿戴设备、个人计算机(PC)、平板电脑、混合平板电脑、个人数字助理(PDA)、移动电话或能够执行指定机器要采取的动作的指令(顺序或以其他方式)的任何机器。此外，虽然仅示出了单个机器，但术语“机器”还应被认为包括单独或联合执行一组(或多组)指令以执行本文所讨论的任何一种或多种方法的任何机器集合。类似地，术语“基于处理器的系统”应被认为包括由处理器(例如，计算机)控制或操作的任何一组一个或多个机器，以单独地或联合地执行指令以执行本文所讨论的方法的任何一个或多个。

示例性计算机系统500包括至少一个处理器502(例如，中央处理单元(CPU)、图形处理单元(GPU)或两者、处理器内核、计算节点等)、主存储器504和静态存储器506，其经由链路508(例如，总线)彼此通信。计算机系统500还可以包括视频显示单元510、数字字母混合输入设备512(例如，键盘)和用户界面(UI)导航设备514(例如，鼠标)。在一个实施方案中，视频显示单元510、输入设备512和UI导航设备514被结合到触摸屏显示器中。计算机系统500可以另外包括存储设备516(例如，驱动单元)、信号生成设备518(例如，扬声器)、网络接口设备520以及一个或多个传感器(未示出)诸如全球定位系统(GPS)传感器、指南针、加速度计或其他传感器。

存储设备516包括机器可读介质522，其上存储有一组或多组数据结构和指令524(例如，软件)，其实施或由本文描述的方法或功能中的任何一个或多个使用。指令524还可以在由计算机系统500执行期间完全或至少部分地驻留在主存储器504、静态存储器506和/或处理器502内，其中主存储器504、静态存储器506和处理器502还构成机器可读介质。

虽然机器可读介质522在示例性实施方案中被示出为单个介质，术语“机器可读介质”可以包括存储一个或多个指令524的单个介质或多个介质(例如，集中式或分布式数据库，以及/或者相关联的高速缓存和服务器)。术语“机器可读介质”还应被认为包括能够存储、编码或携带由机器执行并且使机器执行本公开的方法中的任意一种或多种的指令的任何有形介质，或者能够存储、编码或携带由此类指令利用或与其相关联的数据结构的任何有形介质。因此，术语“机器可读介质”应被视为包括但不限于固态存储器，以及光学和磁性介质。机器可读介质的具体示例包括非易失性存储器，包括但不限于例如，半导体存储器设备(例如，电可编程只读存储器(EPROM)、电可擦除可编程只读存储器(EEPROM))和闪存存储器设备；磁盘，诸如内部硬盘和可移动磁盘；磁光盘；以及CD-ROM和DVD-ROM盘。

还可以使用传输介质并经由利用多种众所周知的传输协议(例如，HTTP)中的任何一种的网络接口设备520，通过通信网络526发送或接收指令524。通信网络的示例包括局域网(LAN)、广域网(WAN)、互联网、移动电话网络、简易老式电话(POTS)网络和无线数据网络(例如，Wi-Fi、3G和4G LTE/LTE-A或WiMAX网络)。术语“传输介质”应被认为包括能够存储、编码或携带由机器执行的指令的任何无形介质，并且包括数字或模拟通信信号或其他无形介质以便于此类软件的通信。

以上具体实施方式包括对附图的参考，这些附图构成了具体实施方式的一部分。附图通过图示的方式示出了可以实践的具体实施方案。这些实施方案在本文中也被称为“实施例”。此类实施例可以包括除所示或所描述的那些之外的元素。然而，还预期的是包括所示或所述元素的实施例。此外，还考虑使用关于特定实施例(或其一个或多个方面)或关于本文示出或描述的其他实施例(或其一个或多个方面)示出或描述的那些元素(或其一个或多个方面)的任何组合或置换的实施例。

Claims

1.一种用于更新人工智能AI模型的方法，所述方法包括：

在AI云服务处从多个设备接收多个AI反馈通信，其中所述多个AI反馈通信中的每个AI反馈通信包括由运行在所述多个设备中的相应设备上的软件应用程序组件生成的数据，所述软件应用程序组件包括相应的当前AI模型；

针对所述多个设备上的所述相应的当前AI模型中的每个相应的当前AI模型，从每个AI反馈通信所包括的所述数据导出相关联的AI模型更新；以及

向所述多个设备发送多个AI模型更新通信，其中所述多个AI模型更新通信中的每个AI模型更新通信包括所导出的相关联的AI模型更新，所导出的相关联的AI模型更新用于更新所述多个设备上的所述相应的当前AI模型中的对应一个相应的当前AI模型。

2.根据权利要求1所述的方法，其中所述多个设备中的第一设备包括所述软件应用程序组件中的第一软件应用程序组件，并且所述多个设备中的第二设备包括所述软件应用程序组件中的第二软件应用程序组件；

其中所述第一软件应用程序组件和所述第二软件应用程序组件是不同的；并且

其中所述AI云服务从所述第一软件应用程序组件和所述第二软件应用程序组件两者接收AI反馈通信。

3.根据权利要求2所述的方法，其中针对所述相应的当前AI模型中的每个相应的当前AI模型导出所述相关联的AI模型更新包括导出针对所述第一设备的第一相关联的AI模型更新和针对所述第二设备的第二相关联的AI模型更新。

4.根据权利要求1所述的方法，其中所述多个设备包括运行第一软件应用程序组件的两个或更多个设备，并且其中所述AI云服务从运行所述第一软件应用程序组件的所述两个或更多个设备中的每个设备接收AI反馈通信。

5.根据权利要求4所述的方法，其中所述相应的当前AI模型中的一个相应的当前AI模型与所述两个或更多个设备相关联。

6.根据权利要求4所述的方法，其中基于所述两个或更多个设备中的每个设备上的第一软件应用程序组件条件，用于更新所述两个或更多个设备上的所述相应的当前AI模型中的对应一个相应的当前AI模型的所导出的相关联的AI模型更新对于所述两个或更多个设备中的每个设备是不同的导出的相关联的AI模型更新。

7.根据权利要求1所述的方法，其中所导出的相关联的AI模型更新对于所述多个设备中的一个设备是唯一的。

8.根据权利要求1所述的方法，其中所导出的相关联的AI模型更新对于所述软件应用程序组件中的特定软件应用程序组件是唯一的。

9.根据权利要求1所述的方法，其中向所述多个设备发送所述多个AI模型更新通信包括在预先确定的更新时间发送所述多个AI模型更新通信，所述预先确定的更新时间与在所述多个设备上运行的所述软件应用程序组件的软件应用程序组件条件相对应。

10.根据权利要求1所述的方法，其中：

所述多个设备中的一个设备运行两个不同的软件应用程序组件；

所述一个设备的AI反馈通信包括由所述两个不同的软件应用程序组件生成的数据；并且

所述一个设备的AI模型更新通信包括用于与所述两个不同软件应用程序组件相对应的两个当前AI模型的两个不同的导出的相关联的AI模型更新。

11.一种用于更新人工智能AI模型的系统，所述系统包括：

至少一个处理器；

包括指令的存储设备，所述指令当由所述至少一个处理器执行时将所述至少一个处理器配置为：

针对所述多个设备上的所述相应的当前AI模型中的每一个相应的当前AI模型，从每个AI反馈通信所包括的所述数据导出相关联的AI模型更新；以及

12.根据权利要求11所述的系统，其中所述多个设备中的第一设备包括所述软件应用程序组件中的第一软件应用程序组件，并且所述多个设备中的第二设备包括所述软件应用程序组件中的第二软件应用程序组件；

13.根据权利要求12所述的系统，其中用于导出用于所述相应的当前AI模型中的每个相应的当前AI模型的所述相关联的AI模型更新的指令包括用于导出针对所述第一设备的第一相关联的AI模型更新和针对所述第二设备的第二相关联的AI模型更新的指令。

14.根据权利要求11所述的系统，其中所述多个设备包括运行第一软件应用程序组件的两个或更多个设备，并且其中所述AI云服务从运行所述第一软件应用程序组件的所述两个或更多个设备中的每个设备接收AI反馈通信。

15.根据权利要求14所述的系统，其中所述相应的当前AI模型中的一个相应的当前AI模型与所述两个或更多个设备相关联。

16.根据权利要求14所述的系统，其中基于所述两个或更多个设备中的每个设备上的第一软件应用程序组件条件，用于更新所述两个或更多个设备上的所述相应的当前AI模型中的对应一个相应的当前AI模型的所导出的相关联的AI模型更新对于所述两个或更多个设备中的每个设备是不同的导出的相关联的AI模型更新。

17.一种包括指令的非暂态机器可读介质，所述指令在由至少一个处理器执行时将所述至少一个处理器配置为：

18.根据权利要求17所述的机器可读介质，其中所述多个设备中的第一设备包括所述软件应用程序组件中的第一软件应用程序组件，并且所述多个设备中的第二设备包括所述软件应用程序组件中的第二软件应用程序组件；

19.根据权利要求17所述的机器可读介质，其中所导出的相关联的AI模型更新对于所述多个设备中的一个设备是唯一的。

20.根据权利要求17所述的机器可读介质，其中所导出的相关联的AI模型更新对于所述软件应用程序组件中的特定软件应用程序组件是唯一的。