AI 后期是指在人工智能领域中，对已经训练好的模型进行进一步的优化、调整和应用的过程。这个阶段通常包括以下几个方面：

1、模型优化：通过调整超参数、改进算法或使用更高效的计算资源来提高模型的性能。

2、数据增强：通过对现有数据进行变换（如旋转、缩放、裁剪等）来增加数据量，从而提高模型的泛化能力。

3、迁移学习：利用预训练的模型作为起点，在新的任务上进行微调，以减少训练时间和提高模型效果。

4、模型部署：将训练好的模型集成到实际的应用环境中，使其能够为用户提供服务。

5、持续监控与更新：在模型上线后，持续监控其表现，并根据反馈进行必要的更新和维护。

这些步骤有助于确保AI系统能够在实际应用中表现出色，并且能够随着时间的推移不断进步。如果你有具体的项目或者问题需要帮助，请详细描述一下，我会尽力提供支持！