训练AI模型的代码会根据你使用的编程语言和库有所不同。以下是一个使用Python和TensorFlow库训练一个简单神经网络的例子：

python
import tensorflow as tf
from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Dense

创建模型
model = Sequential()
model.add(Dense(12, input_dim=8, activation='relu'))
model.add(Dense(8, activation='relu'))
model.add(Dense(1, activation='sigmoid'))

编译模型
model.compile(loss='binary_crossentropy', optimizer='adam', metrics=['accuracy'])

训练模型
model.fit(X_train, y_train, epochs=150, batch_size=10)

在这个例子中，我们首先导入了我们需要的库，然后创建了一个简单的神经网络模型。这个模型有三个层：一个输入层（12个节点），一个隐藏层（8个节点），和一个输出层（1个节点）。我们使用的是ReLU激活函数，并且我们的损失函数是二元交叉熵。

然后我们编译模型，指定我们的优化器（Adam）和评估指标（准确性）。

最后，我们用我们的训练数据（X_train和y_train）来训练模型。我们设置了150个周期（epochs）和批量大小为10。

这只是一个非常基础的例子，实际的模型可能会更复杂，包括更多的层，不同的激活函数，以及更复杂的优化器和损失函数。