【技术实现步骤摘要】
用于AI/ML训练主机的人机交互的装置和方法
[0001]本公开的实施例总体涉及无线通信，并且具体地涉及用于人工智能(AI)或机器学习(ML)训练主机的人机交互的装置和方法。
技术介绍
[0002]近来，关于演进无线电接入网络(RAN)架构的工业和研究活动越来越多，以适应人工智能(AI)和机器学习(ML)的最新进展，实现更智能的RAN。开放式RAN(Open
‑
RAN，O
‑
RAN)联盟和电信基础设施项目(Telecom Infra Project)都是推动开放、分解、虚拟化和智能RAN的行业先驱。RAN分解和虚拟化的趋势允许更灵活的RAN拓扑，并将RAN智能移至边缘/云，从而实现更具创新性的RAN管理解决方案。此外，在O
‑
RAN架构中，引入了新的RAN管理实体：集成AI/ML能力的非实时(RT)RAN智能控制器(RIC)和近RT RIC。非RT RIC可以是服务管理和编排系统(SMO)的一部分。新的RAN管理微服务(μServices)可以部署在RIC处，例如，在非R...
【技术保护点】
【技术特征摘要】
1.一种用于用户与人工智能AI或机器学习ML AI/ML训练主机之间的人机交互的装置，包括：耦合在所述用户和人机终端之间的人机接口；以及所述人机终端，该人机终端与所述AI/ML训练主机耦合并被配置用于：对通过所述人机接口从所述用户接收到的模型训练控制消息进行解码，并将所述模型训练控制消息转发给所述AI/ML训练主机；并且对来自所述AI/ML训练主机的模型训练反馈消息进行编码，并通过所述人机接口将所述模型训练反馈消息发送给所述用户。2.如权利要求1所述的装置，其中所述模型训练控制消息包括模型训练配置消息，并且所述模型训练配置消息包括：所述用户要配置的AI/ML模型训练过程的标识ID以及相关的AI/ML模型训练配置。3.如权利要求2所述的装置，其中所述模型训练配置消息还包括第三方应用的ID，由所述AI/ML模型训练过程训练的AI/ML模型将被部署用于所述第三方应用。4.如权利要求2所述的装置，其中所述模型训练配置消息还包括：关于针对所述AI/ML模型训练过程的训练数据准备的配置。5.如权利要求2所述的装置，其中所述训练数据准备包括数据归一化、数据缩放、或者数据变换。6.如权利要求2所述的装置，其中所述模型训练配置消息还包括：关于所述用户选择用于所述AI/ML模型训练过程中的数据集的配置。7.如权利要求6所述的装置，其中所述数据集包括从指定地理区域收集的数据集、在给定时段内收集的数据集、或者由具有指定标记的用户设备收集的数据集。8.如权利要求2所述的装置，其中所述模型训练配置消息还包括：用于所述AI/ML模型训练过程的超参数配置。9.如权利要求8所述的装置，其中所述超参数配置包括以下项中的一项或多项：神经网络拓扑、激活函数、学习率、小批量尺寸、训练历程数、正则化方法、批量归一化方法、损失函数、性能度量、以及优化方法。10.如权利要求1至9中任一项所述的装置，其中，所述模型训练配置消息包括：所述用户从模型目录中选择的基础训练模型。11.如权利要求1所述的装置，其中所述模型训练控制消息包括训练性能监控配置消息，并且所述训练性能监控配置消息包括关于验证数据集的配置，所述验证数据集用于所述AI/ML训练主机中的AI/ML模型训练过程的训练性能监控。12.如权利要求11所述的装置，其中所述训练性能监控配置消息还包括：关于所述AI/ML训练主机在所述验证数据集上测试由所述AI/ML模型训练过程训练的当前AI/ML模型的性能的条件的配置。13.如权利要求11所述的装置，其中所述训练性能监控配置消息还包括：基于在所述验证数据集上测试的模型性能的、针对所述AI/ML模型训练过程的提前停止标准。14.如权利要求1所述的装置，其中所述模型训练控制消息包括训练过程干预消息，该训练过程干预消息由所述用户配置以对所述AI/ML训练主机中的AI/ML模型训练过程施加干预。
15.如权利要求14所述的装置，其中所述干预包括：当所述AI/ML模型训练过程的训练性能偏离预期标准时终止所述AI/ML模型训练过程；或者当已训练了具有足够好性能的模型时终止所述AI/ML模型训练过程训练其他候选模型。16.如权利要求1所述的装置，其中所述模型训练反馈消息包括模型训练状态报告，该模型训练状态报告由所述AI/ML训练主机响应于经由所述人机接口从所述用户接收到的训练状态请求而提供。17.如权利要求16所述的装置，其中所述训...
【专利技术属性】
技术研发人员：叶书苹，应大为，韩载珉，奥内尔，
申请(专利权)人：英特尔公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。