[发明专利]人工智能支持框架的部署方法和系统

权利要求书

1.一种人工智能支持框架的部署方法，应用于人工智能支持框架的部署系统；所述人工智能支持框架包括：服务识别模块、服务处理模块和数据共享模块；其中，所述服务识别模块与所述服务处理模块连接并通信，所述数据共享模块与所述服务识别模块连接并通信，所述数据共享模块与所述服务处理模块连接并通信；

所述方法，包括：

所述服务识别模块接收向所述人工智能支持框架中输入的服务请求，根据所述服务请求生成服务处理通知，并将所述服务处理通知发送至所述服务处理模块；

所述服务识别模块利用所述数据共享模块获取数据地址表，并将所述数据地址表发送至所述服务处理模块；

所述服务处理模块通过其分布式云端部署的多个层服务组，分别独立接收所述服务处理通知和所述数据地址表，并根据所述服务处理通知和所述数据地址表分别从所述数据共享模块获得所述服务请求相关的服务数据；

其中，服务处理模块的内部结构按照协议栈分为所述多个层服务组，每个所述层服务组设置为至少包含一个服务，各个所述层服务组独立接收并处理所述协议栈每层的服务请求，所述服务处理通知和服务数据地址表由对应该服务请求的层服务组独立接收；

在所述服务内设置多个算法策略，并在每个所述算法策略中封装不少于一种人工智能算法，人工智能算法对服务请求进行决策，获得决策的反馈函数，利用所述反馈函数对所述人工智能算法的本地模型进行训练，并同时对所述服务请求实施支撑；

响应于所述服务请求和所述服务数据的变化，确定采用相应的所述算法策略。

2.根据权利要求1所述的方法，其中，所述人工智能支持框架的部署系统，还包括：总控制台；所述总控制台独立部署，且与不少于一个所述人工智能支持框架相连；

所述方法，还包括：

所述总控制台响应于确定在全部所述人工智能支持框架中存在相同的所述服务，且均采用相同的所述人工智能算法，对相同的所述服务进行预设的横向联邦学习，以获得对不少于一个所述人工智能支持框架进行管理的分布式训练模型。

3.根据权利要求1所述的方法，其中，所述人工智能支持框架，还包括：服务扩展模块；所述服务扩展模块与所述服务识别模块和所述服务处理模块均相连；

所述方法，还包括：

所述服务扩展模块响应于确定所述服务处理模块不支持所述服务请求，与所述服务识别模块通信，且与所述服务处理模块通信，以处理所述服务处理模块不支持的所述服务请求。

4.根据权利要求2所述的方法，其中，对相同的所述服务进行预设的横向联邦学习，包括：

每一个所述人工智能支持框架执行操作：利用位于该所述人工智能支持框架本地的所述服务数据，对所述本地模型进行训练，并将其中的梯度参数加密上传至所述总控制台；

所述总控制台对各个所述人工智能支持框架的所述梯度参数进行聚合，并对所述本地模型的参数进行更新；

所述总控制台将更新后的所述参数返回至各个所述人工智能支持框架；

各个所述人工智能支持框架更新各自的所述本地模型，并处理所述服务请求。

5.根据权利要求1所述的方法，其中，所述对所述人工智能算法的本地模型进行训练，包括：

所述服务处理模块响应于所述本地模型的训练和所述服务请求的处理均需要无延迟地进行，确定保存所述人工智能算法的至少两个备份；

所述服务处理模块在每两个相邻时隙的起始利用所述人工智能算法的不同备份，根据所述本地模型，对所述服务请求进行决策，并获得每次决策的反馈函数；

所述服务处理模块根据所述反馈函数，对所述本地模型进行训练，并将其应用于下一时隙起始的决策；

所述服务处理模块响应于确定所述服务请求结束，停止对所述本地模型的训练，并停止对所述服务请求的决策。

6.根据权利要求1所述的方法，其中，所述服务识别模块接收向所述人工智能支持框架中输入的服务请求，包括：

所述服务识别模块对所述服务请求中包含的串行服务识别码进行服务识别；

所述服务识别模块从所述数据共享模块获取数据地址表，包括：

所述服务识别模块利用内置的映射关系，并根据所述数据共享模块中获取的数据管理信息，获得所述服务请求相关的所述数据地址表。