这篇文章探讨了人工智能作为服务的功能和相应技术栈以及可能的实现，分析了适用于小型和中型用户的开源用户友好技术，允许完全控制数据和技术平台而不依赖任何第三方或供应商锁定。
Oct, 2022
本文提出了一种新方法，支持自动化机器学习，帮助软件工程师在不需要深入了解人工智能的情况下，选择适当的机器学习模型、算法和技术以及适当的超参数来开发人工智能密集型系统，并进行智能能源领域的案例研究。
Mar, 2022
本研究讨论了微服务架构重构的概念，比较了 10 种现有的重构方法，并通过决策指南形式的可视化展示，提供了一个快速参考的决策方案。
Jul, 2018
介绍了人工智能技术的广泛应用和存在的问题，并提出了对 “AI 工程” 学科的需求，探讨了相关概念和需要解决的关键挑战。
Oct, 2019
基于微服务架构的知识发现中的关键挑战和应对方法，包括数字化、关键词提取、文档相似度计算、自然语言数据库查询以及独立提供抽取的信息，还提供了相应的参考设计指南。
Jun, 2024
该论文探讨了人工智能的发展带来的挑战，提出了在系统、架构和安全方面的研究方向，以解决 AI 技术存储和处理数据量的限制，并提高数据隐私保护，以便这一技术能够更好地改善人们的生活和社会。
Dec, 2017
本文提出了 AI as a Service 所存在的问题：由于公平性是具有上下文敏感性的，基于用户自主程度的 AI 服务分类可以导致偏见或在最终用户应用中被认为是有害的。
Feb, 2023
通过基于异构图的表征学习解决将单体应用迁移成微服务架构中遇到的挑战。实验研究表明，我们的方法对不同种类的单体系统有效。
Dec, 2021
使用人工智能技术来控制将 AI 模型部署到生产应用程序中，从而降低 AI 模型的风险。
Jun, 2019
本文介绍了从强健性的角度出发，将维护人工智能（AI）的重要性与汽车保养做类比，提出了一种 AI 模型检查框架以检测和减轻其强健性风险，并通过对车辆自主性的借鉴，定义了强健性自动化的级别，以实现 AI 维护的各项功能，从而实现在 AI 生命周期过程中，进行强健性评估、状态追踪、风险扫描、模型加固和监管，这是构建可持续和值得信赖的 AI 生态系统的重要里程碑。
Jan, 2023