关于 AI Fabric

AI Fabric 是一款应用程序，可用于部署、管理和持续改进机器学习模型，以及在 Studio 的 RPA 工作流中使用这些模型。

访问 AI Fabric

安装完成后，AI Fabric 将在 https://<ip or domain-name>:31390/ai-app 上公开。安装完成后，必须将 AI Fabric 许可证分配给租户使用。

AI Fabric 许可

AI Fabric 使用 AI Robot 的概念进行许可。

AI Robot 是用于提供 ML 技能（可供机器人用于发出预测请求的机器学习模型）和运行 ML 训练作业（针对新数据训练新的模型版本）的运行时。

一个 AI 机器人可提供两项 ML 技能，或并发运行一个 ML 训练作业。连接到 Orchestrator 实例的任何用户都可以访问 ML 技能。

与 UiPath Document Understanding 的关系

AI Fabric 是运行 UiPath Document Understanding 机器学习模型的基础架构。您可以部署或实例化这些模型，这样只需点击几下就可以进行重新训练（请参见此节）。

使用 Document Understanding 模型涉及以下步骤：

收集文档示例和需要提取的数据点的要求。
使用 Data Manager 为文档添加标签。请注意，Data Manager 本身将连接到 OCR 引擎。
Export labeled documents as a Training data set and upload that exported folder to AI Fabric Storage.
Export labeled documents as a Testing data set and upload that exported folder to AI Fabric Storage.
Run a Training Pipeline on AI Fabric.
Evaluate the model performance with an Evaluation Pipeline on AI Fabric.
在 AI Fabric 中将经过训练的模型部署为 ML 技能。
使用 Document Understanding 活动包从 RPA 工作流中查询 ML 技能。

重要事项：请记住，要使用 Document Understanding 模型，安装 AI Fabric 的计算机必须能够访问 https://du-metering.uipath.com

权限

为了执行有关 ML 实体的各种操作，您需要特定权限：

显示 ML 日志并查看日志数据 - ML 日志的“查看”权限
显示项目、数据集、ML 包和管道，并查看其相应的详细信息 - 查看 ML 包
显示 ML 技能，并允许您查看相应 ML 包的详细信息（可用版本和参数）- ML 技能的“查看”权限
创建新项目、数据集或管道，并上传新的 ML 包 - 在 ML 包上创建。
部署新的 ML 技能 - ML 技能的“查看”权限。
更新项目、数据集或管道，上传新的 ML 包版本，并查看每个版本的发行说明 - 对 ML 包进行编辑。
更新到新的 ML 技能包版本或回滚到旧版本 - 对 ML 技能进行编辑
删除项目、数据集、管道以及未部署的包版本和包 - 删除 ML 包。
删除 ML 技能 - 删除 ML 技能。

注意：权限在 Orchestrator 中进行管理。

用户角色和自定义角色

本节介绍了公司中负责处理 AI Fabric 的用户角色的主题，以及应在 Orchestrator 中为每个角色定义的建议角色。

数据科学家

负责构建 ML 模型并将其上传到 AI Fabric。数据科学家先构建 ML 包，然后上传。他们可以从“ML 包”页面执行此操作。

权限

对 ML 包的“查看”、“编辑”、“创建”和“删除”权限。
ML 技能的“查看”权限。
ML 日志的“查看”权限。

流程控制者

负责将已由 Data Scientists（ML 包）上传或由 UiPath（操作系统包）提供的模型部署到 ML 技能中。 Process Controller 可以从“ ML 技能 ”页面执行此操作。

权限

对 ML 技能的“查看”、“编辑”、“创建”和“删除”权限。
对 ML 包的“查看”权限。
ML 日志的“查看”权限。

RPA 开发者

In charge of developing and testing automation workflows; usually does not have access to Orchestrator or the AI Fabric app. RPA Developers consume the ML skills available on their Robot. These are retrieved from the Orchestrator tenant the connected Robot has been provisioned in.