用于使用人工智能来管理可变状态计算设备的操作的方法和装置制造方法及图纸

公开了用于使用人工智能来管理可变状态计算设备的操作的方法和装置。示例计算设备包括硬件平台。示例计算设备还包括人工智能(AI)引擎，用于：确定设备的上下文；并基于设备的上下文的预期变化来调节硬件平台的操作。该调节修改了设备的计算效率、设备的功率效率、或设备的存储器响应时间中的至少一者。

Methods and devices for using artificial intelligence to manage the operation of variable state computing devices

【技术实现步骤摘要】
用于使用人工智能来管理可变状态计算设备的操作的方法和装置
本公开总体上涉及人工智能，并且更具体地涉及使用人工智能来管理可变状态计算设备的操作的方法和装置。
技术介绍
大量的研究正在推进人工智能的
随着技术的改进，AI的应用和能力已显著地扩展。附图说明图1是包括根据本文公开的教导构造的可变状态计算设备的示例系统的框图。图2是示出图1的示例数据处理硬件平台的示例实现的框图。图3是图1的示例AI引擎的示例实现的框图。图4示出了表示图1的设备的不同状态以及不同状态之间的对应转变的示例设备简档。图5至图9是表示示例机器可读指令的流程图，该示例机器可读指令可以被执行以实现图1的示例设备和/或图1和/或图3的AI引擎。图10是被构造为用于执行图5至图9的指令以实现图1和/或图2的示例可变状态计算设备和/或图1和图3的AI引擎的示例处理平台的框图。通常，贯穿(多个)附图和所附书面说明书，相同的附图标记将用于表示相同或相似的部分。具体实施方式本文公开的示例涉及实现人工智能(AI)引擎以控制设备的硬件组件的操作，以便相对于设备在其中操作的特定上下文改善(例如，优化)设备的效率。在一些示例中，AI引擎用于确定或推断设备的上下文，然后用于确定与设备相关联的硬件的组件的合适操作参数。如本文所使用，设备的上下文基于：设备正在参与或将要参与的一个或多个活动的性质(例如，工作负载)和/或类型、正在处理或将要处理的与此类活动相关联的数据的性质和/或类型、设备活动在处理数据时的目的、设备周围的环境的特性、设备的用户的特征和/或偏好、设备的组件的性能能力、和/或设备操作的任何其他方面、设备本身、和/或可以为AI引擎所知的设备的周围环境。如本文中所使用，设备活动是指由设备的一个或多个硬件组件执行的任何操作或功能。在一些示例中，如果结合不同的软件应用来激活硬件操作，则相同的硬件操作可以与不同的设备活动相关联。例如，特定设备活动可以包括图形引擎，该图形引擎经由显示屏渲染视频以用于显示。因此，在此类示例中设备的特定上下文与渲染视频的活动相关联。AI引擎可以在此类示例中控制的操作参数是由图形引擎渲染的视频的分辨率。设备的上下文可以基于视频是否与视频游戏、从在线视频流送服务流出的电影相关联、或是否与来自监测相机的馈送相关联来进一步定义。此外，可以通过媒体的特定内容来通知设备的上下文，媒体的特定内容诸如例如，运动赛事，在其中个体玩家相对较小，使得高分辨率渲染将增强观众体验，这与做演说或演讲的人的视频形成对照，做演说或演讲的人基本上填满屏幕，使得高分辨率不太重要和/或甚至是不期望的。此外，设备的上下文可以根据视频的目的而变化。例如，在监测上下文中，与旨在用于检测所捕获的场景中的人的存在的系统(其将需要中等高分辨率)相比、与旨在用于唯一地标识所捕获的场景中的人的系统(其将需要相对高分辨率)相比，视频馈送的目的可以是检测移动(其将不需要非常高的分辨率)。可能影响显示视频的设备的上下文的周围环境的示例特性可以包括设备正在其中显示视频的房间的照明。此外，设备的上下文可以基于用户的特性或偏好，诸如，例如，相对于性能效率优先考虑节省电池寿命，反之亦然。在一些示例中，用户偏好和/或特性可以由用户经由用户接口提供。在其他示例中，AI引擎可以通过监测和学习用户随时间的行为来推断用户偏好和/或特性。随着时间的推移，AI引擎学习设备硬件的特定操作和交互以及通常发生的(多个)上下文类型，以便在新情况下更准确地标识设备的上下文。类似地，随着时间的推移，AI引擎基于任何特定上下文学习如何调节或调整与设备硬件相关联的操作参数，以使设备能够以提供令人满意的用户体验同时还实现一个或多个目标度量的方式运行，一个或多个目标度量诸如例如，功率效率、计算效率、存储器(高速缓存相对于存储设备)响应时间等。因此，本文所公开的示例不限于调节图形引擎的操作，而是可以应用于任何硬件平台并且可以涉及对其操作的任何适当的调节。作为一些示例，AI引擎可以使硬件平台定位数据、导通或断开平台的组件(例如，处理器核、存储器区块等)、初始化处理器核、从存储器清除数据、启动虚拟机、终止虚拟机、在存储器之间移动数据等等。许多用户经由特定设备活动和/或特定设备活动的组合或系列来与他们的计算设备执行通常重复的任务。在一些所公开的示例中，各个设备活动和/或设备活动的特定组合和/或模式被分类为设备的不同操作状态。因此，示例设备在本文中有时被称为可变状态计算设备，以指示该设备可以在(对应于一个或多个不同设备活动的)不同状态之间转变，该不同状态对于用户是单独地可识别的或唯一的。在一些示例中，单个设备活动可以对应于特定设备状态。在一些示例中，设备活动的组合可以对应于特定设备状态。在一些示例中，AI引擎能够基于设备在从一个状态转变到另一个状态时的操作流程来学习特定设备的不同状态以及此类状态如何彼此相关。在一些示例中，AI引擎为设备生成简档或签名以表示这些关系，包括状态中的不同状态之间的转变的概率。此外，AI引擎可以学习和/或确定用于设备硬件的合适操作参数，以在如上文所述的所标识状态中一个或多个所标识状态的上下文中操作时改善(例如，优化)设备的效率。此外，通过生成定义不同状态之间的转变的概率的设备简档，AI引擎可以预测设备的未来状态。基于这些预测，AI引擎可以基于为当前状态和(多个)未来预测状态定义的操作参数来预测硬件需求的变化，以便当设备从一种状态转变到另一状态时进一步改善(例如，优化)设备的效率。此外，在一些示例中，设备简档用于改变或改善(例如，优化)用于预期经历类似状态的新设备的硬件设计。图1是包括可变状态计算设备102和传感器104的示例系统100的框图。在所示示例中，传感器104被示出在设备102的外部。在其他示例中，传感器104可以与设备102集成，使得示例系统100对应于单个设备(例如，智能手机、平板、膝上型计算机等)。在其他示例中，系统100可以包括由主控制系统(例如，具有各种外围设备的台式计算机)操作的多个经互连的设备102。此外，示例系统100中的设备102可以是由终端用户在本地使用的用户接口设备，和/或设备102可以涉及由一个或多个用户经由网络(例如，因特网)访问的基于云的实现(例如，数据中心处的服务器)。如本文中所使用，用于描述示例设备102的短语“可变状态”指的是设备102参与或实现与以上概述的不同时间点处的不同状态相关联的不同活动、操作和/或功能的能力。示例设备102的这些不同状态可与示例通信接口106、示例存储器108、示例用户输入接口110、示例数据处理硬件平台112、示例显示器114、和/或示例人工智能(AI)引擎116中一个或多个的操作相关联。在一些示例中，通信接口106从传感器104接收传感器数据。传感器数据提供设备102的操作的上下文。在一些示例中，传感器数据包括用于由设备102处理的主要数据集。例如，设备102可以与视频监测系统相关联，其中传感器104对应于捕获用于由设备102处理的视本文档来自技高网...

【技术保护点】
1.一种计算设备，包括：/n硬件平台；以及/n人工智能AI引擎，用于：/n确定所述设备的上下文；以及/n基于所述设备的所述上下文的预期变化来调节所述硬件平台的操作，所述调节用于修改所述设备的计算效率、所述设备的功率效率、或所述设备的存储器响应时间中的至少一者。/n

【技术特征摘要】
20180928 US 16/146,4541.一种计算设备，包括：
硬件平台；以及
人工智能AI引擎，用于：
确定所述设备的上下文；以及
基于所述设备的所述上下文的预期变化来调节所述硬件平台的操作，所述调节用于修改所述设备的计算效率、所述设备的功率效率、或所述设备的存储器响应时间中的至少一者。


2.如权利要求1所述的计算设备，进一步包括：
通信接口，用于从传感器接收传感器数据，所述传感器数据用于由所述硬件平台处理；以及
使用监测器，用于监测与所述设备相关联的使用数据，所述使用数据指示与所述设备相关联的组件的使用。


3.如权利要求2中所述的计算设备，进一步包括所述传感器，所述传感器是相机并且所述传感器数据是视频数据，所述设备的所述上下文基于所述视频数据的内容。


4.如权利要求3所述的计算设备，其特征在于，所述设备的所述上下文基于与所述设备周围的环境相关联的照明条件，所述照明条件由所述传感器数据定义。


5.如权利要求3所述的计算设备，其特征在于，所述AI引擎用于：
检测所述视频数据的所述内容的目标特性，所述目标特性由所述使用数据定义；以及
基于所述目标特性的检测来确定所述设备的所述上下文。


6.如权利要求5所述的计算设备，其特征在于，所述目标特性对应于所述视频数据的所述内容的主题。


7.如权利要求6所述的计算设备，其特征在于，所述硬件平台是图形引擎，并且所述AI引擎用于通过使所述图形引擎以第一分辨率渲染所述视频数据的第一部分并且以第二分辨率渲染所述视频数据的第二部分来调节所述硬件平台的所述操作，所述第二分辨率低于所述第一分辨率，所述视频数据的所述第一部分与所述目标特性相关联。


8.如权利要求7所述的计算设备，其特征在于，所述AI引擎用于通过调节由所述图形引擎渲染的所述视频数据的分辨率来调节所述硬件平台的所述操作。


9.如权利要求3所述的计算设备，其特征在于，所述硬件平台是图形引擎，并且所述AI引擎用于通过调节所述图形引擎内用于渲染所述视频数据的计算元件的数量来调节所述硬件平台的所述操作。


10.如权利要求1-9中任一项所述的计算设备，其特征在于，所述AI引擎用于通过调节与所述硬件平台的组件相关联的操作参数来调节所述硬件平台的所述操作，所述操作参数对应于功率状态、电压电平、功率门控、时钟速率、或频率中的至少一者。


11.如权利要求1-9中任一项所述的计算设备，其特征在于，所述AI引擎用于：
确定所述设备的当前状态；
基于所述设备的所述当前状态和简档来确定所述设备的预测状态，所述简档定义所述设备的不同状态以及所述不同状态中的不同状态之间的转变的概率；以及
基于所述设备的所述当前状态或所述设备的所述预测状态中的至少一者来确定所述设备的所述上下文。


12.如权利要求11所述的计算设备，其特征在于，所述AI引擎用于基于所述设备的所述预测状态来调节所述硬件平台的所述操作。


13.如权利要求11所述的计算设备，其特征在于，所述AI引擎用于基于所述设备的所述当前状态和所述预测状态来估计所述设备的电池寿命。


14.一种非瞬态计算机可读介质，包括指令，所述指令当被执行时使得至少一个处理器至少用于：
执行人工智能AI引擎以...

【专利技术属性】
技术研发人员：S·卡瓦米，N·希玛亚特，C·斯瑞拉玛，H·穆斯塔法，R·沃海比，L·赫德，N·L·达比，V·勒，G·杰甘莫汉，A·钱德兰，
申请(专利权)人：英特尔公司，
类型：发明
国别省市：美国;US