CN111488332A - 一种ai服务开放中台及方法 - Google Patents

一种ai服务开放中台及方法 Download PDF

Info

Publication number
CN111488332A
CN111488332A CN202010316480.8A CN202010316480A CN111488332A CN 111488332 A CN111488332 A CN 111488332A CN 202010316480 A CN202010316480 A CN 202010316480A CN 111488332 A CN111488332 A CN 111488332A
Authority
CN
China
Prior art keywords
service
data
developer
api
standardization
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202010316480.8A
Other languages
English (en)
Other versions
CN111488332B (zh
Inventor
李嘉懿
贺同路
杨菲
郭学栋
任永亮
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Intelligent Workshop Technology Co ltd
Original Assignee
Beijing Intelligent Workshop Technology Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing Intelligent Workshop Technology Co ltd filed Critical Beijing Intelligent Workshop Technology Co ltd
Priority to CN202010316480.8A priority Critical patent/CN111488332B/zh
Publication of CN111488332A publication Critical patent/CN111488332A/zh
Application granted granted Critical
Publication of CN111488332B publication Critical patent/CN111488332B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/21—Design, administration or maintenance of databases
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/10—File systems; File servers
    • G06F16/18—File system types
    • G06F16/182—Distributed file systems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/25—Integrating or interfacing systems involving database management systems
    • G06F16/252—Integrating or interfacing systems involving database management systems between a Database Management System and a front-end application
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F8/00—Arrangements for software engineering
    • G06F8/20—Software design
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/44—Arrangements for executing specific programs
    • G06F9/455—Emulation; Interpretation; Software simulation, e.g. virtualisation or emulation of application or operating system execution engines
    • G06F9/45533—Hypervisors; Virtual machine monitors
    • G06F9/45558—Hypervisor-specific management and integration aspects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/10—Office automation; Time management
    • G06Q10/103—Workflow collaboration or project management

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Software Systems (AREA)
  • Business, Economics & Management (AREA)
  • Data Mining & Analysis (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提出一种AI服务开放中台及方法以及实现该方法的计算机可读存储介质。所述AI服务开放中台基于容器编排引擎实现，包括服务API标准化系统、数据标准化处理系统、自动训练优化系统以及项目竞赛系统；所述服务API标准化系统、数据标准化处理系统、自动训练优化系统以及项目竞赛系统各自运行于独立的应用容器引擎上。本申请的技术方案解决了解决AI服务接入不统一的问题，提高了系统容灾性和稳定性，解决了AI服务开放存在的安全性、稳定性、扩展性和易用性等问题。

Description

一种AI服务开放中台及方法
技术领域
本发明属于人工智能技术领域，尤其涉及一种AI服务开放中台及方法、以及实现上述方法的计算机可读存储介质。
背景技术
随着AI(人工智能)技术的不断普及和在各行各业的应用落地，对AI技术有需求的公司不仅是互联网行业，传统企业、工业生产领域不断普及，企业对AI的需求越来越多，使用AI的场景也越来越丰富。通过AI开放平台和数据中台技术将积累的AI技术能力开放给企业，赋能各个业务场景，帮助开发者实现自有的AI业务需求。从对内提供服务转向对外开放服务，需要提供更加统一的服务接口规范、更高的服务稳定性与安全性、更强的服务兼容性和更好的服务效果与性能。
现有技术主要有以下几个模式：
1.将企业现有的AI服务通过简单接口封装，生成提供给外部使用的API服务，直接提供给其他企业和开发者使用；
2.人工智能企业会提供AI服务的特性以及外部开发者业务需求，对已有的内部AI服务分别进行协议封装、参数处理、错误码处理、服务的权限控制等。
申请号为CN201110341281.3的中国发明专利申请提供一种智能空间的集成与自动化优化设计架构，其特征在于，包括：a、首先对现实的物联网系统中人机物三者利用一描述系统进行统一的应用需求描述；b、将应用需求进行统一描述后，通过一资源优化系统根据人机物三者需要的软件资源和硬件资源分别分配至一智能空间中；c、通过-物联网自动设计系统将所述智能空间集成，并优化成为一自动标准化后的物联网系统。
申请号为CN201811364694.1的中国发明专利申请提供一种基于众包的创客云中心配置推荐方法，涉及云计算、数据众包、机器学习、深度学习和用户画像技术领域，本发明利用众包方式获取到创客的配置数据，结合创客云中心采集的应用日志数据及创客行为数据，学习创客个性化的偏好设置，并基于创客数据生成创客画像，通过大数据分析产生多维度的创客云中心配置推荐模型，根据创客需求及喜好推荐适合该创客的平台配置及新功能，使创客更好的使用平台，减少创客学习成本，提升创客用户体验，提高创客应用的效率。
然而，上述现有技术主要存在如下缺陷：
1.没有统一的完服务鉴权、流控机制、数据输入输出模式，使用不同企业的AI服务都需要开发者查看大量文档，对接起来不方便，单独业务封装格式不仅增加了工作量、延长了服务开放周期，也使得一些通用功能在处理上存在不统一性。
2.如果依赖一家企业提供的服务，系统容灾性和稳定性没有保障。
3.使用者的一些用户隐私数据会暴露给AI服务提供商，数据安全性没有保障，数据可能会造成泄露，卖到竞品公司。
4.长期使用其他企业的AI服务，建立不了自己的核心技术，一些技术的提升受限于其他提供服务的企业，费用支出、使用成本也是非常高。
发明内容
为解决上述技术问题，本发明提出一种提出一种AI服务开放中台及方法以及实现该方法的计算机可读存储介质。所述AI服务开放中台基于容器编排引擎实现，包括服务API标准化系统、数据标准化处理系统、自动训练优化系统以及项目竞赛系统；所述服务API标准化系统、数据标准化处理系统、自动训练优化系统以及项目竞赛系统各自运行于独立的应用容器引擎上。
本申请的技术方案提出的AI服务中台系统，为了解决AI服务接入不统一，提高系统容灾性和稳定，保护开发者和企业数据的隐私和安全，帮着企业建立自己的AI服务中台系统，提升企业的业务能力，建立统一的服务接口规范、更高的服务稳定性与安全性、更强的服务兼容性和更好的服务效果与性能。解决了AI服务开放存在的安全性、稳定性、扩展性和易用性等问题。
具体来说，在本发明的第一个方面，提供一种AI服务开放中台，所述AI服务开放中台包括服务API标准化系统、数据标准化处理系统、自动训练优化系统以及项目竞赛系统；
作为第一个优点，在本发明中，所述AI服务开放中台基于容器编排引擎实现，所述服务API标准化系统、数据标准化处理系统、自动训练优化系统以及项目竞赛系统各自运行于独立的应用容器引擎上；
其中，所述服务API标准化系统抽象定义并标准化了人工智能服务所需要的数据输入、数据输出系统，该系统集成聚合了各个不同企业的AI服务；
所述数据标准化处理系统用于开发者自动创建数据表，并对系统数据进行标准化处理，同时接受开发者输入的用户数据，所述用户数据私有部署在开发者自己的机器上；
所述自动训练优化系统，用于接收所述数据标准化处理系统处理后的数据，进行模型训练，并在训练完成后发布API服务提供给开发者；
所述项目竞赛系统，用于将企业的需求自动发布成算法竞赛项目，并接收竞赛参与者提交的API服务以及开发者提交的业务服务项目。
作为第二个优点，所述的AI服务开放中台，还包括分布式文件系统以及计算引擎；所述分布式文件系统和计算引擎与高性能分布式存储数据库连接；所述高性能分布式存储数据库包括关系型数据库和非关系型数据库。
具体来说，所述分布式文件系统为大数据分析框架Hadoop，所述关系型数据库为PostgreSQL；所述非PostgreSQL为MongoDB。
进一步，作为本发明不同于现有技术的另一个突出贡献，在所述服务API标准化系统中，还包括服务企业选择界面；开发者在服务平台找到对应的服务之后，只需按照该系统提供的文档一次性接入到自己系统，就可以任意切换该服务下所有提供服务的企业，从而选出最能满足自己业务的服务。
进一步，作为本发明不同于现有技术的另一个突出贡献，在所述服务API标准化系统中，还包括服务企业选择界面；如果开发者在所述服务企业选择界面无法找到匹配的服务企业，则可新建一个业务服务项目，通过所述所述项目竞赛系统发布。
优选的，所述数据标准化处理系统还具备数据标注功能，开发者针对标注后的数据，执行AI服务效果的优化。
优选的，还包括训练效果反馈模块，所述训练效果反馈模块连接所述自动训练优化系统。
在本发明第二个方面，提供一种执行AI服务的方法，所述方法包括如下步骤：
S101：开始；
S102：开发者根据自己的业务选择对应的服务API，集成并调用服务API；
S103：调用接口的输入和输出数据存储到系统中；
S104：开发者使用标注系统标注有用的数据；
S105：系统调用标注好的数据自动迭代训练模型；
S106：模型训练好之后，自动发布成服务；
S107：将标注好的数据发布成竞赛项目；
S108：将完成的项目发布成服务；
S109：结束。
在所述步骤S103之前，还包括如下步骤：
S201：开始；
S202：服务API标准化，集成各个企业提供的AI服务；
S203：定义接口的标准输入输出模板；
S204：接口定义完成，发布成服务，提供给开发者使用；
S205：如开发者在所述服务企业选择界面无法找到匹配的服务企业；则创建空接口和组合服务接口；
S206：开发者选择服务接入系统。
在所述步骤S105之前，还包括如下步骤：
S401：开始；
S402：读取标注好的数据；
S403：根据数据的类型，选择对应的内置算法；
S404：如果内置算法均无法匹配，则用户提交自己的算法；
S405：系统根据数据，使用Kubernetes系统调用GPU进行模型训练；
S406：训练好模型之后，把模型自动发布成服务，提供给开发者；
S407：开发者提交个人代码，使用数据训练模型；
S408：开发者根据训练好的模型，选择最优服务去使用；
S409：结束。
上述方法的执行基于前述AI服务开放中台实现。
本发明的上述方法可以通过计算机自动化实现，因此，本发明还提供一种计算机可读存储介质，其上存储有计算机可执行程序指令，通过处理器和存储器执行所述可执行程序指令，用于实现本发明的上述方法。
概括来说，本AI服务中台系统，使用PHP(程序开发语言)、Python(程序开发语言)语言开发，使用PostgreSQL(一种关系型数据库)、MongoDB(一种非关系型数据库)高性能分布式存储作为后台数据库，集成大数据分析框架Hadoop(分布式文件系统)和Spark(计算引擎)，整体系统运行在Kubernetes(容器编排引擎)，使用Docker(应用容器引擎)作为容器，整体系统的运行以及主要优点主要分为以下四个方面。
1.服务API标准化(应用程序编程接口)系统，该系统抽象定义并标准化了人工智能服务所需要的数据输入、数据输出系统，该系统集成聚合了各个不同企业的AI服务，开发者在服务平台找到对应的服务之后，只需按照该系统提供的文档一次性接入到自己系统之后，就可以任意切换该服务下所有提高服务的企业，从而选出最能满足自己业务的服务即可。如果该平台没有适合自己业务的服务，开发者可以自己创建一个空服务接入。服务接入完成之后，使用一段时间，积累到一定数据量的时候，其他系统模块会自动为开发者训练模型，生成自己的API服务。
2.数据标准化处理系统，开发者调用API服务之后，该系统模块，会帮助开发者自动创建数据表，保留并提供开发者，并会自动做好系统的标准化处理，节省了开发者的开发周期。开发者可以通过数据系统，查看数据、标注数据、管理数据。这些数据都是私有部署在开发者自己的机器上，保证数据安全性，同时也保护了用户和企业数据的隐私，该模块还提供数据标注功能，开发者可以针对这些数据做AI服务效果的优化，提升服务的性能和准确率。
3.自动训练优化系统，通过数据标准化处理系统，处理好数据之后，这些数据可以通过自动训练系统进行模型训练，系统会内置经典的通用算法模块，该系统会自动使用这些算法，通过标准化的数据自动训练模型。训练好之后，会发布成API服务提供给开发者。开发者，再通过该使用服务，不断的产生数据、标注数据反哺给训练系统，这样一段时间，企业和开发者会回生成自己的API服务，不但减少了企业成本，还提高了服务的准确性，从而进一步提升企业的生产开发效率。
4.项目实现(竞赛)系统，该系统可以把企业的需求，自动发布成算法竞赛项目，发布的项目可以公开给所有有能力的人，也可以让企业指定，选择自己的员工或者指定算法专家去做项目，这样可以使用较低的成本，突破企业的技术瓶颈，给企业积累技术实力，提高核心竞争力，同时还可以把该服务提供出去，通过API接口服务，实现盈利。
本发明的进一步优点将结合说明书附图在具体实施例部分进一步详细体现。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明一个实施例的AI服务开放中台的整体架构图。
图2是图1所述系统模块整体关系图的示意图。
图3是图2或图1所述系统中的服务API标准化系统模块功能实现示意图。
图4是图2或图1所述系统中的数据标准化处理系统功能实现示意图。
图5是图2或图1所述系统中的自动训练优化系统功能实现示意图。
图6是图2或图1所述系统中的项目实现(竞赛)系统功能实现示意图。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合附图和实施例对本发明做进一步说明。需要说明的是，在不冲突的情况下，本申请的实施例及实施例中的特征可以相互组合。下面，结合附图以及具体实施方式，对发明做出进一步的描述。
参照图1，是本发明一个实施例的AI服务开放中台的整体架构图。
所述AI服务开放中台包括服务API标准化系统、数据标准化处理系统、自动训练优化系统以及项目竞赛系统；
所述AI服务开放中台基于容器编排引擎实现，所述服务API标准化系统、数据标准化处理系统、自动训练优化系统以及项目竞赛系统各自运行于独立的应用容器引擎上；
其中，所述服务API标准化系统抽象定义并标准化了人工智能服务所需要的数据输入、数据输出系统，该系统集成聚合了各个不同企业的AI服务；
所述数据标准化处理系统用于开发者自动创建数据表，并对系统数据进行标准化处理，同时接受开发者输入的用户数据，所述用户数据私有部署在开发者自己的机器上；
所述自动训练优化系统，用于接收所述数据标准化处理系统处理后的数据，进行模型训练，并在训练完成后发布API服务提供给开发者；
所述项目竞赛系统，用于将企业的需求自动发布成算法竞赛项目，并接收竞赛参与者提交的API服务以及开发者提交的业务服务项目。
所述的AI服务开放中台还包括分布式文件系统以及计算引擎；所述分布式文件系统和计算引擎与高性能分布式存储数据库连接；所述高性能分布式存储数据库包括关系型数据库和非关系型数据库。
优选的，所述分布式文件系统为大数据分析框架Hadoop，所述关系型数据库为PostgreSQL；所述非PostgreSQL为MongoDB。
在所述服务API标准化系统中，还包括服务企业选择界面；开发者在服务平台找到对应的服务之后，只需按照该系统提供的文档一次性接入到自己系统，就可以任意切换该服务下所有提供服务的企业，从而选出最能满足自己业务的服务。
在所述服务API标准化系统中，还包括服务企业选择界面；如果开发者在所述服务企业选择界面无法找到匹配的服务企业，则可新建一个业务服务项目，通过所述所述项目竞赛系统发布。
所述数据标准化处理系统还具备数据标注功能，开发者针对标注后的数据，执行AI服务效果的优化。
图1所述的实施例中，还包括训练效果反馈模块，所述训练效果反馈模块连接所述自动训练优化系统。
接下来参见图2-6。
图2是图1所述系统模块整体关系图的示意图，即图1所述系统执行AI服务的方法流程图。
S101：开始；
S102：开发者根据自己的业务选择对应的服务API，集成并调用服务API；
S103：调用接口的输入和输出数据会存储到系统中；
S104：开发者使用标注系统标注有用的数据；
S105：系统调用标注好的数据自动迭代训练模型；
S106：模型训练好之后，自动发布成服务；
S107：标注好的数据还可以发布成项目或者竞赛；
S108：完成的项目可以发布成服务；
S109：结束。
对应于上述方法，各个模块执行的功能如下：
图3是图2或图1所述系统中的服务API标准化系统模块功能实现示意图。
S201：开始；
S202：服务API标准化，集成各个企业提供的AI服务；
S203：定义接口的标准输入输出模板；
S204：接口定义完成，发布成服务，提供给开发者使用；
S205：开发者还可以自己创建空接口和组合服务接口；
S206：开发者选择服务接入系统；
S207：接入之后开发者可以自由切换服务提供企业；
S208：结束。
图4是图2或图1所述系统中的数据标准化处理系统功能实现示意图。
S301：开始；
S302：系统自动收集接口传入的数据和结果数据；
S303：开发者筛选、修改、标注数据；
S304：通过调用接口产生的数据不断标注和优化；
S305：标注任务，开发者还可以给兼职的人去做标注；
S306：结束。
图5是图2或图1所述系统中的自动训练优化系统功能实现示意图。
S401：开始；
S402：读取标注好的数据；
S403：根据数据的类型，选择对应的内置算法；
S404：用户还可以提交自己的算法；
S405：系统根据数据，使用Kubernetes系统调用GPU进行模型训练；
S406：训练好模型之后，把模型自动发布成服务，提供给开发者；
S407：开发者还可以自己提交代码，使用数据训练模型；
S408：开发者根据训练好的模型，选择最优服务去使用；
S409：结束。
图6是图2或图1所述系统中的项目实现(竞赛)系统功能实现示意图。
S501：开始；
S502：标注好的数据处理成比赛需要的数据集标准；
S503：一键发布成项目或者发布成竞赛；
S504：竞赛结束之后，评选最优模型；
S505：最优模型可以部署到系统中，发布成服务；
S506：结束。
本申请的技术方案方案产生的有益效果至少包括：企业通过集成AI服务中台系统，帮助企业智能、快速、自动的实现AI赋能，提高企业的生产效率，降低企业的开发成本成本。通过统一的服务规范定义，数据处理、清洗、管理。还能帮助企业建立自己的AI核心技术，该技术效果基于下述关键技术手段实现：
1.整合人工智能服务，定义服务标准化接入流程无需修改代码即可便捷切换服务商，提升接入效率，增加系统的容灾性。
2.通过云服务提供的AI能力获取应用数据自有数据标注、算法实现、模型训练，实现应用智能化。
3.自定义服务接口代码可添加多模型组合服务，AI能力持续迭代升级。
4.帮助企业解决人才、算力资源等问题自有数据模型突破瓶颈，引领行业内高准确率的人工智能技术。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。

Claims (10)

1.一种AI服务开放中台，所述AI服务开放中台包括服务API标准化系统、数据标准化处理系统、自动训练优化系统以及项目竞赛系统；其特征在于：
所述AI服务开放中台基于容器编排引擎实现，所述服务API标准化系统、数据标准化处理系统、自动训练优化系统以及项目竞赛系统各自运行于独立的应用容器引擎上；
其中，所述服务API标准化系统抽象定义并标准化了人工智能服务所需要的数据输入、数据输出系统，该系统集成聚合了各个不同企业的AI服务；
所述数据标准化处理系统用于开发者自动创建数据表，并对系统数据进行标准化处理，同时接受开发者输入的用户数据，所述用户数据私有部署在开发者自己的机器上；
所述自动训练优化系统，用于接收所述数据标准化处理系统处理后的数据，进行模型训练，并在训练完成后发布API服务提供给开发者；
所述项目竞赛系统，用于将企业的需求自动发布成算法竞赛项目，并接收竞赛参与者提交的API服务以及开发者提交的业务服务项目。
2.如权利要求1所述的AI服务开放中台，其特征在于，还包括分布式文件系统以及计算引擎；所述分布式文件系统和计算引擎与高性能分布式存储数据库连接；所述高性能分布式存储数据库包括关系型数据库和非关系型数据库。
3.如权利要求2所述的AI服务开放中台，其特征在于，所述分布式文件系统为大数据分析框架Hadoop，所述关系型数据库为PostgreSQL；所述非PostgreSQL为MongoDB。
4.如权利要求2所述的AI服务开放中台，其特征在于，在所述服务API标准化系统中，还包括服务企业选择界面；开发者在服务平台找到对应的服务之后，只需按照该系统提供的文档一次性接入到自己系统，就可以任意切换该服务下所有提供服务的企业，从而选出最能满足自己业务的服务。
5.如权利要求2所述的AI服务开放中台，其特征在于，在所述服务API标准化系统中，还包括服务企业选择界面；如果开发者在所述服务企业选择界面无法找到匹配的服务企业，则可新建一个业务服务项目，通过所述所述项目竞赛系统发布。
6.如权利要求1所述的AI服务开放中台，其特征在于，所述数据标准化处理系统还具备数据标注功能，开发者针对标注后的数据，执行AI服务效果的优化。
7.如权利要求1所述的AI服务开放中台，其特征在于，还包括训练效果反馈模块，所述训练效果反馈模块连接所述自动训练优化系统。
8.一种利用权利要求1-7任一项所述的系统执行AI服务的方法，所述方法包括如下步骤：
S101：开始；
S102：开发者根据自己的业务选择对应的服务API，集成并调用服务API；
S103：调用接口的输入和输出数据存储到系统中；
S104：开发者使用标注系统标注有用的数据；
S105：系统调用标注好的数据自动迭代训练模型；
S106：模型训练好之后，自动发布成服务；
S107：将标注好的数据发布成竞赛项目；
S108：将完成的项目发布成服务；
S109：结束。
9.如权利要求8所述的方法，其特征在于：
在所述步骤S103之前，还包括如下步骤：
S201：开始；
S202：服务API标准化，集成各个企业提供的AI服务；
S203：定义接口的标准输入输出模板；
S204：接口定义完成，发布成服务，提供给开发者使用；
S205：如开发者在所述服务企业选择界面无法找到匹配的服务企业，则创建空接口和组合服务接口；
S206：开发者选择服务接入系统。
10.如权利要求8所述的方法，其特征在于：
在所述步骤S105之前，还包括如下步骤：
S401：开始；
S402：读取标注好的数据；
S403：根据数据的类型，选择对应的内置算法；
S404：如果内置算法均无法匹配，则用户提交自己的算法；
S405：系统根据数据，使用Kubernetes系统调用GPU进行模型训练；
S406：训练好模型之后，把模型自动发布成服务，提供给开发者；
S407：开发者提交个人代码，使用数据训练模型；
S408：开发者根据训练好的模型，选择最优服务去使用；
S409：结束。
CN202010316480.8A 2020-04-21 2020-04-21 一种ai服务开放中台及方法 Active CN111488332B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010316480.8A CN111488332B (zh) 2020-04-21 2020-04-21 一种ai服务开放中台及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010316480.8A CN111488332B (zh) 2020-04-21 2020-04-21 一种ai服务开放中台及方法

Publications (2)

Publication Number Publication Date
CN111488332A true CN111488332A (zh) 2020-08-04
CN111488332B CN111488332B (zh) 2021-02-02

Family

ID=71811120

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010316480.8A Active CN111488332B (zh) 2020-04-21 2020-04-21 一种ai服务开放中台及方法

Country Status (1)

Country Link
CN (1) CN111488332B (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112463205A (zh) * 2020-11-24 2021-03-09 史传波 基于ai和大数据的应用程序管理方法及人工智能服务器
CN112506498A (zh) * 2020-11-30 2021-03-16 广东电网有限责任公司 一种智慧型可视化api编排方法、存储介质及电子设备
CN112685010A (zh) * 2020-12-21 2021-04-20 福建新大陆软件工程有限公司 一种ai应用开发方法及系统
CN112800018A (zh) * 2021-01-07 2021-05-14 中国电子系统技术有限公司 一种开发系统
CN113220373A (zh) * 2021-07-07 2021-08-06 深圳传音控股股份有限公司 处理方法、设备及存储介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040088283A1 (en) * 2002-10-31 2004-05-06 Elecdecom, Inc. Data entry, cross reference database and search systems and methods thereof
CN101710343A (zh) * 2009-12-11 2010-05-19 北京中机科海科技发展有限公司 一种基于文本挖掘的本体自动构建系统及方法
CN102724236A (zh) * 2011-10-31 2012-10-10 李宗诚 互联网用户终端市场配置优势比较的ict 技术支持设计

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040088283A1 (en) * 2002-10-31 2004-05-06 Elecdecom, Inc. Data entry, cross reference database and search systems and methods thereof
CN101710343A (zh) * 2009-12-11 2010-05-19 北京中机科海科技发展有限公司 一种基于文本挖掘的本体自动构建系统及方法
CN102724236A (zh) * 2011-10-31 2012-10-10 李宗诚 互联网用户终端市场配置优势比较的ict 技术支持设计

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
刘腾飞等: "Acumos——一种人工智能开放平台", 《邮电设计技术》 *

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112463205A (zh) * 2020-11-24 2021-03-09 史传波 基于ai和大数据的应用程序管理方法及人工智能服务器
CN112463205B (zh) * 2020-11-24 2021-07-30 青岛日日顺乐信云科技有限公司 基于ai和大数据的应用程序管理方法及人工智能服务器
CN112506498A (zh) * 2020-11-30 2021-03-16 广东电网有限责任公司 一种智慧型可视化api编排方法、存储介质及电子设备
CN112685010A (zh) * 2020-12-21 2021-04-20 福建新大陆软件工程有限公司 一种ai应用开发方法及系统
CN112685010B (zh) * 2020-12-21 2022-06-07 福建新大陆软件工程有限公司 一种ai应用开发方法及系统
CN112800018A (zh) * 2021-01-07 2021-05-14 中国电子系统技术有限公司 一种开发系统
CN113220373A (zh) * 2021-07-07 2021-08-06 深圳传音控股股份有限公司 处理方法、设备及存储介质

Also Published As

Publication number Publication date
CN111488332B (zh) 2021-02-02

Similar Documents

Publication Publication Date Title
CN111488332B (zh) 一种ai服务开放中台及方法
CN110989983B (zh) 一种零编码的应用软件快速构建系统
CN107735804B (zh) 用于不同标记集合的转移学习技术的系统和方法
CN109547529A (zh) 一种基于dds的分布式工业数据分发方法
CN105824957A (zh) 分布式内存列式数据库的查询引擎系统及查询方法
CN105574082A (zh) 基于Storm的流处理方法及系统
CN110162559B (zh) 一种基于通用json同步和异步数据api接口调用的区块链处理方法
CN107943945A (zh) 一种大数据分析开发平台中异构算子管理方法
CN102708203A (zh) 一种基于xml元数据的数据库动态管理方法
CN111597318A (zh) 业务任务的执行方法、装置及系统
CN113377344A (zh) 一种复杂信息系统综合集成方法
US20200286012A1 (en) Model application method, management method, system and server
CN106815279A (zh) 基于本体的政务知识检索系统
CN110502645A (zh) 信息查询方法及装置
WO2023221644A1 (zh) 一种基于云边协同系统的AIoT设备复用建模化方法
KR20170016666A (ko) Hla-dds 간 데이터 변환 방법 및 장치
CN108959952B (zh) 数据平台权限控制方法、装置和设备
CN115510116A (zh) 数据目录构建方法、装置、介质及设备
KR101660028B1 (ko) Hla-dds간 연결 컴포넌트 생성 방법 및 장치
Yang et al. Modeling of Internet of Things service platform based on X language
CN108470087B (zh) 冲压发动机设计仿真平台数据总线
CN103023740A (zh) 一种信息交互总线系统及电力数据传输方法
CN112445811A (zh) 基于sql配置的数据服务方法、装置、存储介质及组件
CN113010499A (zh) 一种用于大数据治理平台数据库构建方法
CN112671867A (zh) 一种融合多种交通方式的出行一体化云服务系统及方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant