现在的AI已经很强了。包括ChatGPT, Midjourney, Yolov8， AutoGPT等等的AI模型都让我们感受到了AI的强大。
但是，在一个AI模型发布之前，需要经过大数据的漫长训练，有的时更是长达上百个小时（AI表示：我太难了）。
所以，当一个制造AI模型的团队想让AI模型更精准，更完美，他们就需要耗费大量时间和经费来重新从大数据库里训练模型。
这时候，有一个概念就出现了：实时学习（Real-time Learning)。
实时学习（Real-time Learning)的理想状态是指AI在运行的时候同步获取自己对一个被输入的“问题”的“答案”，把答案和问题加入进训练数据库，训练，然后在运行，并一直重复以上步骤。
这一训练方式和大脑学习的方式是一样的。
大脑会收集你接受到的 "问题" 和你提出的 "答案" 并训练自己，用的时候，大脑也会用别人的 "答案" 自我训练
所谓“问题“指的是AI需要做出回应的东西。
"答案" 就是对于 "问题" 的回应。
比如说，在一个人脸检测的AI模型中，"问题" 就是再次图片中的人脸的位置，"答案" 就是人脸的位置。
在一个NLP模型中，"问题" 是用户提的问题（"请帮我写一个作文")，而 "答案" 是用户提的问题的答案。
BUT....
实时学习（Real-time Learning)在现实中并不是理想状态。在训练的时候，机器不能像大脑一样快速的训练，而且，当模型文件被重写的时候，检测模块会报错。
因此，一般的实时学习（Real-time Learning)是当 "问题" 和相应的 "答案" 积累到某个数目的时候才会重新训练模型。在训练模型之前，得创建当前模型的副本以保证 "回答" 模块稳定工作。然后在 "回答" 模块工作的同时训练模型的副本。训练完毕后让 "回答" 模块把要运行的模型改成副本模型，然后删除原本的模型。一直循环以上步骤就是实时学习（Real-time Learning)。
注：我现在正在尝试用YOLOv8做一个可以实时学习（Real-time Learning)的人脸检测软件。请敬请期待（代码会开源，而且我有可能会出一个教程）
注：代码已开源，可在GitHub - ivanhe123/Real-Time-Training-Yolov8 或何荣基 / Real Time Training Yolov8 · GitCode 中找到。教程已做完：实时训练Real-Time Training 教程（2023年全网第一）_何荣基的博客-CSDN博客。