计算设备应用更新的估计的智能生成和管理制造技术

本公开涉及与对计算设备应用更新相关的更新估计的自动生成和管理

【技术实现步骤摘要】
【国外来华专利技术】计算设备应用更新的估计的智能生成和管理

技术介绍

[0001]确定何时对计算设备应用更新提出了许多挑战
。
传统上，操作系统
(OS)、
应用
/
服务等可以通知用户要应用什么更新，但是不告诉用户应用更新需要多长时间
。
不知道更新和关联的重启需要多长时间会降低用户对其设备可用性的确定性并导致沮丧
。
[0002]此外，对软件下载或更新安装的等待时间
(
例如，进度条
)
的传统估计常常是人为的
(
仅仅为了提供进度感
)
或基于启发法
(
例如，“每个下载文件增加3分钟”)。
[0003]当自动应用传统更新时，与计算设备的状态有关的上下文数据可能被忽略或被低效地管理
。
如果用户不断地推迟更新，操作系统可能会自动应用更新，而不考虑用户正在工作的上下文
。
如果用户在打开重要文件的情况下让其设备过夜，则必须执行大量操作来自动保存各个文件，并且常常需要额外的存储资源来实现文件的自动保存
。
另外，在更新重启之后，可能不容易为用户重新创建来自先前上下文的内容的顺序和布置
。
虽然文档可以被自动保存并在自动重启时被重新打开，但是显示器上这些文档的集体化布置并不容易被重新创建
。
用户可能必须重启动某些应用并将文件重新布置到先前使用的状态
。

技术实现思路

[0004]为了解决上述限制和其他原因，本公开涉及对计算设备应用一个或多个更新的估计的自动生成和管理
。
标识要被应用于计算设备的一个或多个更新
。
适于生成更新估计的经训练的人工智能模型被应用
。
更新估计是预测将一个或多个更新应用到计算设备
(
包括计算设备的一次或多次重新启动
(
例如，以应用该更新
))
所需的时间量的时间表示
。
基于上下文分析来生成示例性更新估计，该上下文分析评估以下中的一个或多个：与更新相关联的参数；要被更新的计算设备的设备特性；计算设备上的当前用户活动的状态；与一个或多个计算设备
(
例如，包括该计算设备
)
的先前更新估计相关的历史预测；或其组合
。
自动生成通知
(
例如，图形用户界面
(GUI)
通知
)
，其中通知包括：更新估计和
/
或与更新估计有关的上下文相关的数据洞察，其可以基于从经训练的
AI
模型导出的确定来生成
。
然后使该示例性通知被绘制
。
在一些示例中，示例性通知可以被传输到客户端计算设备以用于绘制
。
在其他示例中，示例性通知经由生成该通知的计算设备而被绘制
。
[0005]提供本
技术实现思路
是为了以简化的形式介绍概念的选择，这些概念将在下面的具体实施方式中进一步描述
。
本
技术实现思路
并不旨在标识所要求保护的主题的关键特征或基本特征，也不旨在被用来限制所要求保护的主题的范围
。
示例的附加方面
、
特征和
/
或优点将部分地在下面的描述中被阐述，并且部分地将从描述中变得显而易见，或者可以通过本公开的实践而被获知
。
附图说明
[0006]参考以下附图来描述非限制性和非穷举性示例
。
[0007]图1图示了用于实现与要被应用于计算设备的一个或多个更新相关的更新估计的自动生成和管理的示例性系统，利用该示例性系统可以实践本公开的各方面
。
[0008]图2图示了与相对于要被应用于计算设备的一个或多个更新的更新估计的自动生成和管理相关的示例性方法，利用该示例性方法可以实践本公开的各方面
。
[0009]图
3A
‑
图
3D
图示了适于管理与要被应用于计算设备的一个或多个更新相关的更新估计的示例性用户界面视图，利用其可以实践本公开的各方面
。
[0010]图4图示了适于实现本文描述的涉及相对于将一个或多个更新应用于计算设备的更新估计的生成和管理的处理操作的计算系统，利用该计算系统可以实践本公开的各方面
。
具体实施方式
[0011]存在对自动生成和管理与对计算设备应用更新相关的更新估计的技术需求
。
标识要被应用于计算设备的一个或多个更新
。
更新的非限制性示例包括但不限于：操作系统
(OS)
特征更新
(
例如，
OS
的新版本和
/
或将新特征集成到
OS
中
)
；以及对应用
/
服务的更新等等
。
应用经训练的
AI
模型
(
例如，机器学习模型
)
，该模型适于生成预测在计算设备上应用更新所需的时间量的更新估计
。
基于以下数据类型中的一种或多种来训练
AI
模型：来自与软件数据平台
(
例如，执行特定
OS
或
OS
迭代群组
)
相关联的计算设备
(
例如，零售计算设备
)
的用户群体的设备数据
(
例如，零售设备数据
)
；在完整产品发布之前运行的计算设备的测试设备数据；以及训练数据语料库，其包括对来自经训练的
AI
模型的先前迭代的更新估计的反馈
。
在一些示例中，针对特定用户定制经训练的
AI
模型，使得基于特定用户和
/
或相关用户的用户参与
、
行为
、
偏好等来定制经训练的
AI
模型
。
在另一个示例中，经训练的
AI
模型是针对用户群组而定制的，例如，针对特定地理位置和
/
或设备配置的用户来定制
。
在其他示例中，经训练的
AI
模型不考虑用户特定的数据，而是基于设备配置数据而被应用
。
[0012]更新估计是预测对计算设备应用一个或多个更新
(
包括计算设备的一次或多次重新启动
(
例如，以应用更新
))
所需的时间量的时间表示
。
示例性更新估计是基于上下文分析而生成的，该上下文分析评估以下中的一个或多个：更新参数
(
与更新相关联
)
；要被更新的计算设备的设备特性；计算设备上的当前用户活动的状态；与一个或多个本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.
一种计算机实现的方法，包括：标识要被应用于计算设备的更新；应用经训练的人工智能
(AI)
模型，所述经训练的
AI
模型适于生成预测在所述计算设备上应用所述更新所需的时间量的更新估计，其中所述更新估计基于上下文分析而被生成，所述上下文分析评估：与所述更新相关联的参数，所述计算设备的设备特性，以及所述计算设备上的当前用户活动的状态；生成包括所述更新估计的通知；以及使所述通知针对所述计算设备被绘制
。2.
根据权利要求1所述的计算机实现的方法，其中在所述上下文分析中被分析的
、
与所述更新相关联的所述参数包括：所述更新的类型和所述更新的大小
。3.
根据权利要求1所述的计算机实现的方法，其中在所述上下文分析中被分析的所述设备特性包括设备参数，所述设备参数指示：被安装在所述计算设备中的硬盘驱动器的类型；被安装在所述计算设备中的所述硬盘驱动器的年龄；与被安装在所述计算设备中的随机存取存储器
(RAM)
相关联的规格；以及与被安装在所述计算设备中的处理器相关联的规格
。4.
根据权利要求1所述的计算机实现的方法，其中在所述上下文分析中被分析的
、
所述计算设备上的所述当前用户活动的状态包括用户活动参数，所述用户活动参数指示：当前在所述计算设备上执行的应用和
/
或服务；以及所述计算设备的位置的地理标识
。5.
根据权利要求1所述的计算机实现的方法，其中被用于生成所述更新估计的所述上下文分析还评估：与针对包括所述计算设备的一个或多个计算设备的先前更新估计相关的历史预测
。6.
根据权利要求1所述的计算机实现的方法，其中所述经训练的
AI
模型基于以下项而被训练：来自与软件数据平台相关联的零售计算设备的用户群体的零售设备数据；以及训练数据语料库，所述训练数据语料库包括对来自所述经训练的
AI
模型的先前迭代的更新估计的反馈
。7.
根据权利要求1所述的计算机实现的方法，还包括：生成数据洞察，所述数据洞察提供指示支持所述更新估计的基本原理的内容，所述内容包括被用于生成指示在所述计算设备上应用所述更新所需的所述时间量的预测的参数；以及将所述数据洞察传输给所述计算设备以用于绘制
。8.
根据权利要求1所述的计算机实现的方法，还包括：检测对所述计算设备的所述当前用户活动的状态的改变；使用所述经训练的
AI
模型来生成第二更新估计；以及向所述计算设备传输所述第二更新估计
。9.
一种系统，包括：至少一个处理器；以及与所述至少一个处理器可...

【专利技术属性】
技术研发人员：廖雨桐，吴程，N，
申请(专利权)人：微软技术许可有限责任公司，
类型：发明
国别省市：