【技术实现步骤摘要】
使用针对机器人流程自动化的长运行工作流的构建和管理人工智能流
[0001]本专利技术总体上涉及人工智能(AI)和机器学习(ML),并且更具体地涉及使用具有AI流的长运行(long
‑
running)工作流来管理AI/ML模型的训练/重训练生命周期。
技术介绍
[0002]当前的人工智能工具(诸如Google和ML)基本上看起来像一个工作流。在这些系统中提供有称为流水线的一组操作。该功能提供了诸如数据转换、表格数据准备、装箱(bin)和聚类等功能。这些是基本操作,用户可以将其拖放到工作场所,并且将数据从一个组件可视化地传送到另一组件。一个示例包括表格数据准备,其中数据被泵入装箱系统,该系统接收表格数据中的值,将其装箱到单独的类中,然后再送到实际的模型训练器。
[0003]然而,这些工具未提供AI/ML模型的动态输入。因此,改进的方法可能是有益的。
技术实现思路
[0004]本专利技术的某些实施例可以为当前AI技术尚未完全标识、理解或解决的本领域问题和需求提供解决方案。例如,本专利技术的一些实施例涉及使用具有AI流的长运行工作流来管理AI/ML模型的训练/重训练生命周期。
[0005]在一个实施例中,一种系统包括在计算系统上运行的当前AI/ML模型。该系统还包括在与当前AI/ML模型相同的计算系统上或在不同的计算系统上运行的RPA机器人。RPA机器人被配置为执行包括调用当前AI/ML模型的AI流的长运行工作流。当调用由RPA机器人对当前AI/ML模型作出并且与AI/ML模 ...
【技术保护点】
【技术特征摘要】
1.一种系统,包括:在计算系统上运行的当前人工智能AI/机器学习ML模型;以及在与所述当前AI/ML模型相同的所述计算系统上或在不同的计算系统上运行的机器人流程自动化RPA机器人,所述RPA机器人被配置为:执行包括调用所述当前AI/ML模型的AI流的长运行工作流,以及当调用由所述RPA机器人对所述当前AI/ML模型作出并且与所述AI/ML模型相关联的置信度低于人类验证阈值时:暂停所述长运行工作流的执行并且等待与所述人类验证相关的动态输入,从所述人类验证收集所述动态输入,所述动态输入包括训练数据,以及在接收所述动态输入之后继续所述长运行工作流的执行。2.根据权利要求1所述的系统,其中所述RPA机器人还被配置为:使用所收集的所述动态输入训练替换AI/ML模型或重训练所述当前AI/ML模型;以及部署经训练的所述替换AI/ML模型或经重训练的所述当前AI/ML模型以用于代替所述当前AI/ML模型。3.根据权利要求1所述的系统,其中所述RPA机器人还被配置为:保留所述长运行工作流的状态,其中所述长运行工作流的所述状态包括所述RPA机器人正在执行的活动、针对所述活动的输入和人类验证数据。4.根据权利要求3所述的系统,其中所述RPA机器人还被配置为:在所述RPA机器人在其上执行的所述计算系统断电、所述计算系统崩溃、或者处理资源被重分配离开训练替换AI/ML模型或重训练所述当前AI/ML模型之后,基于所保存的所述状态恢复所述长运行工作流。5.根据权利要求1所述的系统,其中所述长运行工作流包括促进工作流碎片化的一个或多个持久性活动。6.根据权利要求1所述的系统,其中所述RPA机器人还被配置为:跟踪所述当前AI/ML模型在AI/ML模型生命周期中的位置,其中所述AI/ML模型生命周期包括AI/ML模型的初始训练阶段、使用经初始训练的所述AI/ML模型的服务操作阶段、在生产操作之前的所述AI/ML模型的重训练阶段、以及经重训练的所述AI/ML模型被部署用于生产操作的生产操作阶段。7.根据权利要求1所述的系统,其中与所述当前AI/ML模型相关联的所述置信度是由所述当前AI/ML模型输出的置信度分数。8.根据权利要求1所述的系统,其中与所述当前AI/ML模型相关联的所述置信度由监测AI/ML模型生成,并且所述RPA机器人被配置为:调用所述监测AI/ML模型并且从所述监测AI/ML模型接收针对所述当前AI/ML模型的所述置信度。9.根据权利要求1所述的系统,其中所述RPA机器人被配置为:应用概率业务规则以获取针对所述当前AI/ML模型的所述置信度。10.根据权利要求1所述的系统,其中所述RPA机器人被配置为:随时间监测所述当前AI/ML模型的数据漂移和概念漂移。
11.一种存储计算机程序的非暂态计算机可读介质,所述计算机程序被配置为使得至少一个处理器:执行包括调用当前人工智能AI/机器学习ML模型的人工智能AI流的长运行工作流;确定与所述当前AI/ML模型相关联的置信度;以及当与所述AI/ML模型相关联的所述置信度低于人类验证阈值时:暂停所述长运行工作流的执行并且等待与所述人类验证相关的动态输入,从所述人类验证收集所述动态输入,所述动态输入包括训练数据,以及在接收所述动态输入之后继续所述长运行工作流的执行。12.根据权利要求11所述的非暂态计算机可读介质,其中所述计算机程序还被配置为使得所述至少一个处理器:使用所收集的所述动态输入训练替换AI/ML模型或重训练所述当前AI/ML模型;以及部署经训练的所述替换AI/ML模型或经重训练的所述当前AI/ML模型以用于代替所述当前AI/ML模型。13.根据权利要求11所述的非暂态计算机可读介质,其中所述计算机程序还被配置为使得所述至少一个处理器:保留所述长运行工作流的状态,其中所述计算机程序是或包括机器人流程自动化RPA机器人,并且所述长运行工作流的所述状态包括所述RPA机器人正在执行的活动、针对所述活动的输入和人类验证数据。14.根据权利要求13所述的非暂态计算机可读介质,其中所述计算机程序还被配置为使得所述至少一个处理器:在所述RPA机器人在其上执行的计算系统断电、所述计算系统崩溃、或者处理资源被重分配离开训练替换AI/ML模型或重训练所述当前AI/ML模型之后,基于所保存的所...
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。