図面 (/)

技術 コミュニケーションを支援する人工知能システム

出願人 株式会社オルツ
発明者 米倉千貴
出願日 2016年6月16日 (5年0ヶ月経過) 出願番号 2016-119697
公開日 2017年12月21日 (3年6ヶ月経過) 公開番号 2017-224190
状態 特許登録済
技術分野 学習型計算機 検索装置
主要キーワード 学習材 パーソナライズド 人間社会 コミュニケーション技術 人工知能システム 情報処理モジュール 自然科学 仮想個人
関連する未来課題
重要な関連分野

この項目の情報は公開日時点(2017年12月21日)のものです。
また、この項目は機械的に抽出しているため、正しく解析できていない場合があります

図面 (14)

課題

コンピュータ上にアバター(自分の分身となるキャラクター)を生成しても、その人の人格を踏襲し、個性を発揮することができないという問題がある。

解決手段

一つ又は複数のソーシャルネットワーキングサービス登録されている第1の利用者のソーシャルデータに基づいて、言語に関するデータを生成する第1の情報処理モジュールと、一つ又は複数のソーシャル・ネットワーキング・サービスに登録されている第1の利用者のソーシャルデータに基づいて、画像に関するデータを生成する第2の情報処理モジュールとを有し、第1の情報処理モジュールと第2の情報処理モジュールとにより第1の利用者に対する仮想的な第1の利用者を生成する人工知能システムが提供される。

概要

背景

ソーシャルネットワーキングサービスの普及により、スマートフォンタブレット端末パーソナルコンピュータ等のデバイスを使用して複数の利用者同士が情報を発信共有することが可能となっている。それにより、個人が取得し又は発信することのできる情報の量は増大し、その範囲は著しく拡大している。端末装置インストールされたアプリケーションソフトウエアを操作すれば、複数人と同時に情報を共有することも容易にできる。コミュニケーションの内容は、音声文字のみではなく、静止画像動画によるコミュニケーションも可能となり、情報の量及び質が増大しているといえる。

これらのソーシャル・ネットワーキング・サービスは、人と人とのコミュニケーションを、コンユータを介して直接的に行うものである。一方、人間の容姿や動作を似せて、人間と自然言語ロボットの開発が進められている(例えば、特許文献1参照)。また、仮想的なペット擬人化したアバターコンピュータ上に生成して、コミュニケーションを行う技術が開示されている(例えば、特許文献2参照)。

概要

コンピュータ上にアバター(自分の分身となるキャラクター)を生成しても、その人の人格を踏襲し、個性を発揮することができないという問題がある。一つ又は複数のソーシャル・ネットワーキング・サービスに登録されている第1の利用者のソーシャルデータに基づいて、言語に関するデータを生成する第1の情報処理モジュールと、一つ又は複数のソーシャル・ネットワーキング・サービスに登録されている第1の利用者のソーシャルデータに基づいて、画像に関するデータを生成する第2の情報処理モジュールとを有し、第1の情報処理モジュールと第2の情報処理モジュールとにより第1の利用者に対する仮想的な第1の利用者を生成する人工知能システムが提供される。

目的

別言すれば、人工知能システム100は、テキストや音声によるコミュニケーションに加え、さらに視覚(非言語)を通した情報を提供する

効果

実績

技術文献被引用数
1件
牽制数
1件

この技術が所属する分野

(分野番号表示ON)※整理標準化データをもとに当社作成

ライセンス契約や譲渡などの可能性がある特許掲載中! 開放特許随時追加・更新中 詳しくはこちら

請求項1

一つ又は複数のソーシャルネットワーキングサービス登録されている第1の利用者のソーシャルデータに基づいて、言語に関するデータを生成する第1の情報処理モジュールと、一つ又は複数のソーシャル・ネットワーキング・サービスに登録されている前記第1の利用者のソーシャルデータに基づいて、画像に関するデータを生成する第2の情報処理モジュールと、を有し、前記第1の情報処理モジュールと前記第2の情報処理モジュールとにより前記第1の利用者に対する仮想的な第1の利用者を生成する、人工知能システム

請求項2

前記第1の利用者のソーシャルデータと、前記一つ又は複数のソーシャル・ネットワーキング・サービスに登録されている他の利用者のソーシャルデータと、を記憶する第1のデータベースを有する、請求項1に記載の人工知能システム。

請求項3

前記第2の情報処理モジュールは、第1の利用者のソーシャルデータに基づいて機械学習により前記第1の利用者に適した個性化モデルを生成する個性化モジュールと、前記他の利用者のソーシャルデータを学習データとして入力され、機械学習によりモデル化した一般化モデルを生成する一般化モジュールとを含む、請求項2に記載の人工知能システム。

請求項4

前記個性化モジュールで作成された個性化モデルと、前記一般化モジュールで作成された一般化モデルと、インターネットクローリングして得られる画像データが記憶される一般画像データベースとを記憶する第2のデータベースを含む、請求項3に記載の人工知能システム。

請求項5

前記第1のデータベースは、前記第1の利用者のソーシャルデータを記憶する第1のサブデータベースと、前記他の利用者のソーシャルデータを記憶する第2のサブデータベースと、インターネットをクローリングして得られたデータを記憶する第3のデータベースとを含む、請求項2に記載の人工知能システム。

請求項6

前記第1の情報処理モジュールは、前記第1のデータベースに記憶されているデータの中から、質問に対する適切な回答を、データベースに記録された情報の少なくとも一部に基づいて推論し生成する、請求項5に記載の人工知能システム。

請求項7

前記第2の情報処理モジュールは、前記第2のデータベースに記憶されているデータを用いて、前記仮想的な利用者が事物又は事象に対して観念するイメージを画像化する、請求項4に記載の人工知能システム。

請求項8

類似する質問を類似質問としてグループ化し、前記類似質問に対応する回答が対応付けられている類似データベースを含み、前記第1の情報処理モジュールは、前記類似データベースから前記質問の回答を選択する、請求項6に記載の人工知能システム。

請求項9

前記類似データベースは、類似質問内容をグループ化して記録する類似質問データベースと、前記類似質問に対応する回答を記憶する類似回答データベースと、を含む、請求項8に記載の人工知能システム。

請求項10

前記類似データベースは、前記第1の利用者のソーシャルデータの中から質問と回答の内容を類型化したデータが記憶される第1の類似サブデータベースと、前記複数の利用者のソーシャルデータの中から質問と回答の内容を類型化したデータが記憶される第2の類似サブデータベースと、テキストデータの中から質問と回答の内容を類型化したデータが記憶される第3の類似サブデータベースと、に階層化されている、請求項9に記載の人工知能システム。

請求項11

前記第2の情報処理モジュールは、前記個性化モデルと前記一般化モデルとを深層学習により生成する、請求項3に記載の人工知能システム。

請求項12

前記第1の情報処理モジュールと前記第2の情報処理モジュールとにより生成される前記仮想的な第1の利用者は、前記第1の利用者及び前記第1の利用者以外の他の利用者と会話をする、請求項1に記載の人工知能システム。

請求項13

前記仮想的な第1の利用者の回答の内容を、前記第1の利用者及び前記他の利用者が評価する評価モジュールを含む、請求項12に記載の人工知能システム。

請求項14

前記評価モジュールは、前記仮想的な第1の利用者の回答の内容の評価結果を前記第1の利用者に通知する、請求項13に記載の人工知能システム。

請求項15

前記編集モジュールから通知を受けた第1の利用者が、前記仮想的な第1の利用者の回答の内容を編集する編集モジュールと、前記編集モジュールで編集された内容に基づいて前記仮想的な第1の利用者の回答の内容を更新する更新モジュールとを含む、請求項14に記載の人工知能システム。

技術分野

0001

本発明は、人工知能を用いたシステム係り仮想的な個人を生成し自然人コミュニケーションを図る技術に関する。

背景技術

0002

ソーシャルネットワーキングサービスの普及により、スマートフォンタブレット端末パーソナルコンピュータ等のデバイスを使用して複数の利用者同士が情報を発信共有することが可能となっている。それにより、個人が取得し又は発信することのできる情報の量は増大し、その範囲は著しく拡大している。端末装置インストールされたアプリケーションソフトウエアを操作すれば、複数人と同時に情報を共有することも容易にできる。コミュニケーションの内容は、音声文字のみではなく、静止画像動画によるコミュニケーションも可能となり、情報の量及び質が増大しているといえる。

0003

これらのソーシャル・ネットワーキング・サービスは、人と人とのコミュニケーションを、コンユータを介して直接的に行うものである。一方、人間の容姿や動作を似せて、人間と自然言語ロボットの開発が進められている(例えば、特許文献1参照)。また、仮想的なペット擬人化したアバターコンピュータ上に生成して、コミュニケーションを行う技術が開示されている(例えば、特許文献2参照)。

先行技術

0004

特開2012−076162号公報
特開2005−092540号公報

発明が解決しようとする課題

0005

しかしながら、このようなコミュニケーション技術は、画一的であり、個性を発揮することができないという問題がある。また、自然人同士の会話においては、例えば、「リンゴ」というテキストデータからは、万人の共通認識として果物のリンゴが観念されるが、「リンゴ」と聞いてAさん想像するリンゴ赤いリンゴであり、Bさんが想像するリンゴは青いリンゴであり、必ずしも一致しないのが実情である。すなわち、コンピュータによって生成される仮想的なコミュニケーション主体、又は擬人化された主体は、本人の個性を十分に発揮し反映させることができないという問題を有している。さらに言えば、コンピュータ上にアバター(自分の分身となるキャラクター)を生成しても、その人の人格を踏襲し、個性を発揮することができないという問題がある。

課題を解決するための手段

0006

本発明の一実施形態によれば、一つ又は複数のソーシャル・ネットワーキング・サービスに登録されている第1の利用者のソーシャルデータに基づいて、言語に関するデータを生成する第1の情報処理モジュールと、一つ又は複数のソーシャル・ネットワーキング・サービスに登録されている第1の利用者のソーシャルデータに基づいて、画像に関するデータを生成する第2の情報処理モジュールとを有し、第1の情報処理モジュールと第2の情報処理モジュールとにより第1の利用者に対する仮想的な第1の利用者を生成する人工知能システムが提供される。

発明の効果

0007

本発明の一実施形態によれば、人工知能によって生成される仮想的な利用者が、本人である利用者に代わって会話するとき、当該利用者が事物又は事象に対して抱くイメージを画像として表示することができる。

図面の簡単な説明

0008

本発明の一実施形態に係る人工知能システム、ソーシャル・ネットワーキング・サービス及び、この人工知能システムを利用する利用者側に属する端末装置との関係を示す図である。
本発明の一実施形態に係る人工知能システムにおいて、第1の利用者と第2の利用者が、共にソーシャル・ネットワーキング・サービスに登録された利用者である場合における情報の開示範囲を示す図である。
本発明の一実施形態に係る人工知能システムの機能的構成を示す図である。
本発明の一実施形態に係る人工知能システムによって行われる処理の流れを説明するフローチャートである。
本発明の一実施形態に係る人工知能システムにおける第1のデータベース及び第2のデータベースの構成を示す図である。
本発明の一実施形態に係る人工知能システムによって行われる処理の流れを説明するフローチャートであって、第1のデータベース及び第2のデータベースを検索して質問に対する回答を作成する工程の一例を示す。
本発明の一実施形態に係る人工知能システムにおける類似データベースの構成を示す図である。
本発明の一実施形態に係る人工知能システムに含まれる評価及び編集モジュールの機能的な構成を示す図である。
本発明の一実施形態に係る人工知能システムによって示される端末装置の画面表示の一例を示す図である。
本発明の一実施形態に係る人工知能システムによって行われる処理の流れを説明するフローチャートであって、質問に対する回答の評価及び編集処理の流れを示す。
本発明の一実施形態に係る人工知能システムと利用者との会話の流れを示す図である。
本発明の一実施形態に係る人工知能システムと利用者との会話の流れを示す図である。
本発明の一実施形態に係る人工知能システムと利用者との会話の流れを示す図である。

実施例

0009

以下、本発明の実施の形態を、図面等を参照しながら説明する。但し、本発明は多くの異なる態様で実施することが可能であり、以下に例示する実施の形態の記載内容に限定して解釈されるものではない。また、図面は説明をより明確にするため、実際の態様に比べ、各部の幅、厚さ、形状等について模式的に表される場合があるが、あくまで一例であって、本発明の解釈を限定するものではない。また、本明細書と各図において、既出の図に関して前述したものと同様の要素には、同一の符号を付して、詳細な説明を適宜省略することがある。

0010

[人工知能システムの概要
図1は、本発明の一実施形態に係る人工知能システム100と、ソーシャル・ネットワーキング・サービス300(以下「SNS」ともいう。)及び、この人工知能システム100を利用する利用者側に属する端末装置200との関係を示す。本実施形態に係る人工知能システム100は、利用者が利用している様々なSNS300からソーシャルデータを取得し学習する機能を有する。

0011

なお、本明細書において「ソーシャルデータ」とは、一つ又は複数のSNSを通じて、利用者が特定人(例えば、友人として登録されている他の利用者)又は公衆に発信する文字(顔文字を含む)、記号、音声、静止画像若しくは動画像、又はこれらが組み合わされた情報をいう。また、「個人ソーシャルデータ」とは、複数の利用者の内、特定個人に属するソーシャルデータを指すものとする。

0012

人工知能システム100は、複数の利用者202が利用している様々なSNS300からデータを取得しデータベース104に蓄積する機能を有する。人工知能システム100はさらに、データベース104に蓄積された情報に基づいて、利用者の思考推論し学習する情報処理モジュール102を含む。情報処理モジュール102は、機械学習をする機能(人工知能としての機能)を有する。人工知能システム100は、機械学習によって、各利用者の個性が反映された仮想的な利用者をシステム上に生成し、自然人である利用者本人又は他の利用者と様々なコミュニケーションを行う。

0013

ここで、人工知能とは、推論、判断など知的な機能をハードウェア資源及びソフトウェア資源を使って実現されるものであり、知識としてのデータを記憶するデータベースを含む概念として認識されてもよい。また、人工知能には学習する機能があり、それにより画像認識する能力、自然言語を理解する能力を有していてもよい。

0014

人工知能システム100は、SNS300から取得したソーシャルデータを機械学習することにより様々な事物及び事象について自然人が観念するイメージを画像化し、一般化されたモデルとして生成する。例えば、一つ又は複数のSNS300に登録されている複数の利用者202のソーシャルデータを学習素材として用い、深層学習(ディープラーニング)によって特定の物事に対し複数人が共通の観念として抱く形態を一般化モデルとして画像化する。例えば「りんご」を対象の事物とすると、人工知能システム100はSNS300から取得したソーシャルデータを機械学習して、複数の利用者が共通に「りんご」として認識し得るモデル(画像)を、当該ソーシャルデータの中から抽出し又は当該ソーシャルデータを用いて適切な画像を生成する。なお、深層学習(ディープラーニング)とは、コンピュータにより情報処理が実行される、多層構造ニューラルネットワークを用いた機械学習をいうものとする。

0015

また、人工知能システム100は、複数の利用者の中から特定の個人に属する個人ソーシャルデータに基づいて、一般化したモデルを当該特定人の個性に合わせたモデルに適合させる機能を有する。例えば、「りんご」の一般化されたモデルが「赤いりんご」であるとき、当該特定人の個人ソーシャルデータの内容から、「青いりんご」を観念する(イメージする)傾向が強いと判断される場合には、個性化されたモデルとして「青いりんご」の画像を個性化モデルとして生成又は抽出する。

0016

図1に示すように、人工知能システム100は、複数の利用者202のそれぞれに属する端末装置200と電気通信回線を通してアクセス可能な状態に置かれている。複数の利用者202は、人工知能システム100が提供するサービスによって、直接的及び間接的に、本システム上に生成された仮想的な利用者とコミュニケーションを図ることができる。

0017

複数の利用者202は、人工知能システム100を介して提供されるサービスを受けるために予め登録された利用者の集合であることが好ましい。人工知能システム100を介して提供されるサービスの利用を登録制とすることで、コミュニケーションの安全性及び信頼性を高めることができる。

0018

なお、必ずしも、複数の利用者202の全員が人工知能システム100を介して提供されるサービスを受けるために予め登録されている必要はない。例えば、複数の利用者202のうち、少なくとも一人は匿名の利用者として人工知能システム100を利用できるようになっていてもよい。

0019

人工知能システム100は、公衆に提供されているSNS300の一つ又は複数と通信可能な状態に置かれ、ソーシャルデータを取得することができる状態とされる。SNS300としては、例えば、個人や数人のグループ運営され投稿された写真及び記事を主に時系列に表示するブログ、Twitter(登録商標)、Facebook(登録商標)、メッセンジャー、LINE等の文字及び画像を投稿できるサイトであり、それ以外にも、インターネット上で提供される様々なコミュニケーションサービスが含まれる。なお、SNS300により提供されるコミュニケーションの態様は様々であり、上記に例示されるサービスに限定されるものではない。本実施形態において、人工知能システム100と連携するSNS300は、その利用者のソーシャルデータが提供されるものであればよく、複数の利用者間で情報を共有できる態様のものであることが好ましい。

0020

人工知能システム100は、少なくとも一つ又は複数のSNS300からソーシャルデータを取得する。人工知能システム100が行うソーシャルデータの取得はリアルタイムで実行されてもよいし、一定時間又は一定期間ごとに適時行われてもよい。人工知能システム100は、取得したソーシャルデータをデータベース104に蓄積する。データベースに蓄積される情報の量及び質を高めるためには、人工知能システム100は多くのSNS300と連携してソーシャルデータを取得することが好ましい。

0021

一つ又は複数のSNS300からのソーシャルデータの取得と、取得されたソーシャルデータがデータベース104に蓄積される過程の一例として、次のような態様が例示される。まず、第1の利用者204が、パーソナルコンピュータ、スマートフォンと呼ばれる多機能携帯電話等の端末装置を用いて、第1の利用者204の属性を人工知能システム100に登録を行う。この際に、第1の利用者204は、人工知能システム100に提供する自己の属するSNSの情報を登録する。

0022

第1の利用者204の属性は、人工知能システム100のデータベース104に記憶される。人工知能システム100は、第1の利用者204によって登録されたSNSにアクセスを行い、当該第1の利用者204に関する個人ソーシャルデータを取得する。第1の利用者204に関する個人ソーシャルデータには、第1の利用者204がそのSNSにおいて、自己が発信した情報や他の利用者と会話した情報が含まれる。すなわち、個人ソーシャルデータには、テキストデータ、画像データ(静止画像及び動画像)、音声データが含まれる。

0023

人工知能システム100は、他の利用者についても同様に、SNS300からソーシャルデータの取得を行う。なお、SNS300から取得するソーシャルデータは、全利用者のソーシャルデータであってもよいし、任意に抽出されたソーシャルデータであってもよい。

0024

人工知能システム100は、複数の利用者202のソーシャルデータについて人工知能としての機能を有する情報処理モジュール102によって機械学習を行い、一般化したモデルを生成する。具体的には、様々な事象に対して深層学習(ディープラーニング)により画像認識を行う。これにより、複数の利用者の共通認識として示される一般的なモデルを画像データとして生成又は抽出される。例えば、「りんご」であれば複数の利用者の誰もが「りんご」であると共通認識することのできる画像データを生成又は抽出する。また、複数の利用者202に含まれる複数人のグループの中で、共通認識として特定される個人の特徴は、その個人を指し示すものとして一般的なモデルが生成される。例えば、複数人のグループの中で「田中さん」といえば、該当する田中さんの顔が画像データとして抽出される。人工知能システム100は、このような画像データを一般化モデルとしてデータベース104に登録する。一般化モデルは、「」、「」等の動物、「オレンジ」、「キャベツ」、「ビーフ(肉)」等の食物、「ビルディング」、「橋」等の建築物、特定個人の「顔」又は「姿」等、様々な事象について行われる。

0025

人工知能システム100は、特定の利用者(例えば、第1の利用者204)について、一つ又は複数のSNSから取得した個人ソーシャルデータを用いて深層学習(ディープラーニング)を行い、個性化モデルを生成する。ある事物又は事象について作成される個性化モデルは一般化されたモデルと同じであってもよいし、異なっていてもよい。例えば、「りんご」について、一般化モデルでは「赤いりんご」特定される場合、個性化モデルでは個人ソーシャルデータの内容を反映させて「青いりんご」の画像が個性化モデルとしてデータベース104に登録されてもよい。これは、個人ソーシャルデータの中に、「青いりんご」に関する画像や会話のデータが多く含まれている場合、また直近個人ソーシャルデータとして「青いりんご」の画像や会話が全体を通して相対的に多い場合に重み付けがなされる。また、複数人のグループの中で「田中さん」といえば、該当する田中さんの顔が画像データとして抽出されるが、特定の利用者にとっては個人ソーシャルデータから、田中さんの家族全員が観念される(イメージされる)場合、個性化モデルとして田中さんの家族の集合写真等がデータベース104に登録される。

0026

ところで、第1の利用者204の属性は、人工知能システム100のデータベース104に記憶される。第1の利用者204の属性には、SNS300のいずれのSNSからソーシャルデータを取得するかを特定するための情報(SNS特定情報)および、ソーシャルデータを取得するSNSにおける第1の利用者204の認証情報が含まれ得る。人工知能システム100は、SNS特定情報およびSNSの認証情報を用いて、SNS特定情報で特定されるSNSにアクセスを行い、第1の利用者204の認証情報を用いてSNSにアクセスし、第1の利用者204に代わりログインなどの処理を行う。この後、人工知能システム100は、そのSNSに記憶されている第1の利用者204に関する情報、すなわち個人ソーシャルデータを取得する。第1の利用者204に関する情報には、第1の利用者204がそのSNSにおける特定の利用者と交換したメッセージや、第1の利用者204がそのSNSに投稿した記事、写真、音声情報、動画(音声情報を含み得る)が含まれる。

0027

人工知能システム100は、SNS300より取得した第1の利用者204に関する情報をデータベース104に記憶する。この場合、人工知能システム100は、SNS300より取得した第1の利用者204に関する情報を、そのままデータベース104にすることができる。あるいは、人工知能システム100は、取得した情報の属性や内容に応じて、第1の利用者204に関する情報を加工してデータベース104に記憶し、随時蓄積するようにしてもよい。

0028

例えば、SNS300の中のあるサイトを利用して、第1の利用者204が他の利用者と会話をした場合において、他の利用者からの質問に対する回答の情報が取得されると、他の利用者からの質問とそれに対する第1の利用者204の回答とを互いに関連付けてデータベース104に記憶する。質問とそれに対する回答の情報には、テキストデータのみでなく、写真、動画、音声等のデータも含まれていてもよい。この場合、データベース104は、複数の領域(サブデータベース、あるいはテーブルなど)で構成されており、質問が記憶される領域および回答が記憶される領域を含んでもよい。したがって、質問が記憶される領域には、他の利用者からの質問が記憶され、回答が記憶される領域には、第1の利用者204の回答が記憶される。また、他の利用者からの質問と第1の利用者204の回答とは互いに関連付けられ、例えば、第3の領域に関連付けのための情報が記憶される。例えば、質問に対する主キーと回答に関する主キーとの組が第3の領域に記憶される。

0029

なお、人工知能システム100は、SNS特定情報により特定されるSNSから第1の利用者204に関する全ての情報が取得されデータベースに蓄積されていない場合には、データベースに蓄積された情報の、第1の利用者204に関する全ての情報の比率を第1の利用者204に提示してもよい。これにより、第1の利用者204は、情報の蓄積の程度を知ることができ、例えば、複数の利用者202のいずれかからの質問に対して、人工知能システム100が第1の利用者204に代わって回答を行うか否かを決定することができる。また、このような情報の蓄積の程度を複数の利用者202に提示することにより、質問に対する回答の適切さ予想することも可能となる。

0030

図1は、第1の利用者204以外の第2の利用者206が、人工知能システム100を介して第1の利用者204と対話をする態様を示す。人工知能システム100を介して行われるコミュニケーションは、第1の利用者204と第2の利用者206とは直接的にメッセージの交換をするのではなく、人工知能システム100によって生成された仮想的な第1の利用者204bと実在する第2の利用者206とが対話する形式をとっている。この場合、第2の利用者206の端末装置200には、会話の内容に応じて第1の利用者204がイメージする画像が表示される。例えば、第2の利用者206が仮想的な第1の利用者204bと「りんご」について会話をしているとき、端末装置200の画面には第1の利用者204が強くイメージするであろう「青いりんご」の画像が表示される。このとき、第2の利用者206は「赤いりんご」をイメージしている場合もあり得るが、会話の中で第1の利用者204がイメージする「青いりんご」を知ることで、新たな観点から会話が進み、より密度の濃いコミュニケーションを図ることができる。

0031

なお、SNS300から提供されるソーシャルデータであっても、利用者のプライバシーは確保されるべきである。本実施形態に係る人工知能システム100は、それぞれのSNS300で利用者が個別に設定している情報を反映することが可能となっている。例えば、あるSNS300を利用する利用者が、個人プロフィール非公開とし、SNSに投稿するメッセージは公開すると設定している場合、さらにはメッセージ毎に公開又は非公開、公開の範囲が設定されている場合、人工知能システム100はその設定を引き継ぐことができる。

0032

人工知能システム100は、第1の利用者204に関する情報を取得してデータベース104に記憶する場合、その情報の開示の範囲もデータベース104に記憶することになる。図2は、第1の利用者204と第2の利用者206が、共にSNS300aに登録された利用者である場合における情報の開示範囲を示す。第2の利用者206が、人工知能システム100を介して、仮想的な第1の利用者204bと1対1の会話をするとき、第2の利用者206の端末装置200の画面には、第1の利用者204の個人ソーシャルデータによって生成された個性化モデルに基づく画像が表示される。例えば、第2の利用者206が、仮想的な第1の利用者204bと日本のおとぎ話である「太郎」に関する会話をしている場合、第2の利用者206の端末装置200には、第1の利用者204が「桃太郎」からイメージする「桃」の画像が表示される。これによって、第2の利用者206は、会話の中で、自己が観念する「桃太郎」のイメージだけでなく、会話の相手がイメージする「桃太郎」のイメージを知ることができ、相手を理解することでより親密なコミュニケーションを図ることができる。この場合、1対1のメッセージの交換であれば、このメッセージの交換による会話の内容は、第2の利用者206に対してのみ開示される。

0033

第1の利用者204がSNS300aに属する特定のグループ203との間において会話した場合は、その特定のグループ203に属している複数の利用者のそれぞれの端末装置200の画面には、上記と同様に会話の内容から第1の利用者204が観念する画像が表示される。一方、人工知能システム100に登録されているが、SNS300aに属さない第三者が人工知能システム100にアクセスしても、その会話の内容は当該第三者には提供されない。

0034

一方、第1の利用者204が、SNS300aを介して誰でも閲覧可能な状態としてコミュニケーションを行った場合には、SNS300aのどの利用者に対しても会話の内容が人工知能システム100から提供される。例えば、第1の利用者204が、SNS300aに属しているどの利用者にも閲覧可能な状態において、他の利用者との間で会話を行った場合、人工知能システム100にアクセスする複数の利用者202の端末装置200の画面に、上記と同様に会話の内容から第1の利用者204が観念する画像が表示される。

0035

いずれにしても、人工知能システム100からサービスが提供される複数の利用者202は、同時に一つ又は複数のSNS300の利用者であることが好ましい。人工知能システム100は、複数の利用者202のそれぞれのソーシャルデータを、公衆に提供されているSNS300から取得するためである。すなわち、複数の利用者202は、SNS300のコミュニティに参加していることで、人工知能システム100を介してサービスの提供を受けることができる。

0036

本実施形態において、第1の利用者204の個人ソーシャルデータに基づいて生成される仮想的な第1の利用者204bは、人工知能システム100を介して具現化されるものと考えることができる。別の観点からは、人工知能システム100によって実行されるコンピュータプログラム又はアプリケーションプログラム上に仮想的な第1の利用者204bが存在するものとみなすこともできる。あるいは、仮想的な第1の利用者204bは、人工知能システム100を構成するハードウェア資源と、その上で実行されるソフトウェア資源とによって具現化される存在であるとみなすこともできる。

0037

図3は、本実施形態に係る人工知能システム100の機能的構成を示す。人工知能システム100は、人工知能としての機能を有する情報処理モジュール102及びデータベース104を含む。情報処理モジュール102は、第1の情報処理モジュール102a及び第2の情報処理モジュール102bを内包する。第1の情報処理モジュール102aは、一つ又は複数のSNS300に登録されているソーシャルデータから言語に関するデータを生成しする機能を有する。第2の情報処理モジュール102bは、一つ又は複数のSNS300に登録されている利用者のソーシャルデータに基づいて、画像に関するデータを生成する機能を有する。また、データベース104は、第1のデータベース104a及び第2のデータベース104bを含む。第1のデータベース104aは、主としてソーシャルデータ(第1の利用者の個人ソーシャルデータ及び他の利用者のソーシャルデータを含む)が記憶され、第2のデータベース104bは機械学習により生成され又は抽出される画像データが記憶される。

0038

なお、図3で示す人工知能システム100は、ハードディスク半導体メモリ及び磁気メモリ等のメモリモジュール又はストレージデバイスによりデータベース104が実現され、中央処理装置(CPU)又はこれと同等の機能を有する演算処理回路により実現されるデバイスにより情報処理モジュール102が実現される。ここで、情報処理モジュールとは、ハードウェア資源、又は、ハードウェア資源とソフトウェア資源により実現される機能ブロックともみなすことができ、情報処理部又は情報処理手段と呼ばれる場合もある。以下、本明細書でモジュール標記されるものについては同様である。

0039

人工知能システム100は、複数の利用者(図3で例示する、端末装置200a、200b)と双方向に通信可能な状態になっている。別言すれば、端末装置200a、200bは人工知能システム100及びSNS300と通信可能であり、一方、人工知能システム100から見れば複数の端末装置200a、200bと通信可能であり、かつSNS300からソーシャルデータを入手可能な状態となっている。

0040

人工知能システム100において、第1のデータベース104aは、少なくともソーシャルデータを記憶する領域を有している。第1のデータベース104aは、機能的には、さらに第1のサブデータベース105a、第2のサブデータベース105b、第3のサブデータベース105cが含まれるように構成される。第1のサブデータベース105aは個人ソーシャルデータに関する情報が記憶され、第2のサブデータベース105bはソーシャルデータに関する情報が記憶され、第3のサブデータベース105cは、同様にソーシャルデータを含むようにしてもよいし、インターネットをクローリングして得られた様々な情報が記憶されてもよい。第3のサブデータベース105cに記憶される情報には、コミュニケーションで使用される単語、語彙定型文辞書データとして含まれる。

0041

第1のサブデータベース105a、第2のサブデータベース105b及び第3のサブデータベース105cは、質問と回答(または、問いかけと応答)といったように、ソーシャルデータに含まれる対話の内容を関連付けられた情報が記憶される。また、個人のツイートつぶやき)のように一方的に発信されるソーシャルデータが記憶される。

0042

ところで、一般的にツイート(つぶやき)は、質問に対する回答ではない場合が多い。この場合には、ツイート(つぶやき)の構文解析などを行い、主語目的語、場所や時間、態様を表わす副詞などに分解し、主語、目的語、場所や時間、態様を表わす副詞句などをねる質問とそれに対する回答とを生成して、データベースに第1の利用者204に関する情報を蓄積してもよい。例えば、第1の利用者204が「私の妹が、昨日、自動車購入する契約をしました。」とつぶやきを行ったとする。このとき、主語は、「私の妹」、目的語は、「自動車」および「契約」、時間を表わす副詞句は、「昨日」となる。そこで、「誰がしたのですか?」という質問を生成し「私の妹です。」という回答を生成し、「いつしたのですか?」という質問を生成し、「昨日です。」という回答を生成し、「何を購入する契約をしたのですか?」という質問を生成し「自動車です。」という回答を生成し、「何をしたのですか?」という質問を生成し「自動車を購入する契約です。」という回答を生成し、それぞれをデータベースに蓄積することができる。

0043

第1のデータベース104aは、類似データベース106を含む。類似データベース106は、類似する質問を一つのクループとし、そのグループに対する回答が関連付けられて記憶されている。類似データベース106は、前述の第1乃至第3のサブデータベースに対応して、第1の類似サブデータベース107a、第2の類似サブデータベース107b、第3の類似サブデータベース107cに分割されていてもよい。この場合、第1のサブデータベース105aは第1の類似サブデータベース107aと、第2のサブデータベース105bは第2の類似サブデータベース107bと、第3のサブデータベース105cは第3の類似サブデータベース107cと、それぞれ対応付けられる。

0044

第1の情報処理モジュール102aは、第1のデータベース104aと連携して人工知能としての機能を発揮する。また、第1の情報処理モジュール102aは、仮想的な第1の利用者204bの回答に対するの編集機能、当該回答の評価機能、評価結果の通知機能、利用者の音声を再現するための音素生成機能、新しい質問を生成する質問生成機能、利用者の三次元映像を生成する三次元映像化機能を含む。

0045

第2の情報処理モジュール102bは、SNS300に存在するソーシャルデータが学習データとして入力される。この学習データは、SNS300から直接的に取得してもよいし、第1のデータベース104a(具体的には第1のサブデータベース105a、第2のサブデータベース105b)から取得してもよい。第2の情報処理モジュール102bは、深層学習(ディープラーニング)によりソーシャルデータに含まれる特定の事象又は複数の事象について学習をする。第2の情報処理モジュール102bは、ニューラルネットワークが複数の層を成すように構成されている。深層学習(ディープラーニング)は、ニューラルネットワークの最初の層から順番に行われ、一つの層の学習が終わると次の層の学習に移る。例えば、深層学習(ディープラーニング)では、画像認識をするときにニューラルネットワークの最初の層ではエッジなどの局所的な特徴の抽出が行われ、階層が上になるほど、より大域的な特徴(概念)を識別できるようになる。

0046

また、第2の情報処理モジュール102bは、ソーシャルデータに含まれる画像データと、テキストデータ及び/又は音声データを組み合わせて学習することが可能である。例えば、「りんご」の画像と共に、「赤いりんご」というテキストデータが含まれていれば、りんごは赤いという特徴(観念)を持つように学習することができる。このように、画像データのみではなく、画像データに添付されるテキストデータを含めて学習することで、画像認識の精度を高めることができる。

0047

第2の情報処理モジュール102bは、個性化モジュール108及び一般化モジュール109を含む。一般化モジュール109は、一つ又は複数のSNS300登録されている利用者のソーシャルデータを学習材料として学習し一般化モデルを生成又はソーシャルデータの中から抽出する。一般化モデルとは、ある事物に対して大多数の自然人が同じ観念を持ち得るイメージデータであり、画像として表示されるデータを含む。一般化モデルとは、例えば、「りんご」を「りんご」として識別し得る画像であり、「猫」を「猫」として識別し得る画像をいう。第2の情報処理モジュール102bは、ソーシャルデータを学習することにより得られた一般化モデルを、第2のデータベース104bの一般化モデルデータベース110bに記憶する。このように、第2の情報処理モジュールは、第1の利用者のソーシャルデータに基づいて一般的なモデルを第1の利用者に適したモデルに個性化する個性化モジュールと、他の利用者のソーシャルデータを学習データとして入力され、機械学習によりモデル化した一般的なモデルを生成する一般化モジュールとを含む。

0048

第2の情報処理モジュール102bにおいて、個性化モジュール108は、一つ又は複数のSNS300に登録されている第1の利用者204の個人ソーシャルデータを学習材料として取得する。個性化モジュール108は、深層学習(ディープラーニング)することに関しては一般化モジュール109と同様の機能を有する。個性化モジュール108は、個人ソーシャルデータに含まれる画像データ、又は画像データとテキストデータ及び/又は音声データとを組み合わせて学習をする。また、個性化モジュール108は、一般化モデルデータベース110bから取得した一般化モデルに個人ソーシャルデータの学習結果を反映させて、個性化モデルを生成する機能を有していてもよい。個性化モジュール108は、SNS300から取得した個人ソーシャルデータを学習材料として学習し個性化モデルを生成又はソーシャルデータの中から抽出する。個性化モデルとは、ある事物に対して当該個人が観念するイメージデータであり、画像として表示されるデータを含む。すなわち、第2の情報処理モジュールは、第2のデータベースに記憶されているデータを用いて仮想的な利用者が事物又は事象に対して観念するイメージを画像化する機能を有する。第2の情報処理モジュール102bは、個人ソーシャルデータを学習することにより得られた個性化モデルを、第2のデータベース104bの個性化モデルデータベース110aに記憶する。

0049

第2の情報処理モジュール102bで生成される一般化モデルと、個性化モデルは同じであってもよいし、異なっていてもよい。例えば、一例として、「りんご」について、一般化モデルでは「赤いりんご」のイメージが作成されるのに対し、個性化モデルでは、個人ソーシャルデータの内容を反映させて「青いりんご」のイメージが作成されてもよい。これは、個人ソーシャルデータの中に、「青いりんご」に関する画像や会話のデータが多く含まれている場合、また直近個人ソーシャルデータとして「青いりんご」の画像や会話が全体を通して相対的に多い場合に重み付けがなされたことにより作成される。

0050

なお、第2のデータベース104bは、個性化モデルデータベース110a及び一般化モデルデータベース110bの他に、インターネットをクローリングして得られる画像データが記憶される一般画像データベース110cが含まれていてもよい。

0051

図4は、人工知能システム100によって行われる処理の流れを説明するフローチャートを示す。人工知能システム100はSNS300から個人ソーシャルデータを取得する(S400)。また、本人以外の他の利用者のソーシャルデータを取得する(S402)。人工知能システム100は、取得した個人ソーシャルデータ及びソーシャルデータを機械学習する(S404)。機械学習は深層学習を含む。この処理により、個人ソーシャルデータに基づいて個性化モデルを生成し(S406)、本人以外の複数人のソーシャルデータを用いて一般化モデルを生成する(S408)。

0052

人工知能システム100は、個性化データを用いて仮想的な利用者を生成する(S410)。システム上に生成される仮想的な利用者は、実在の利用者と会話をする(S412)。実在の利用者とは、利用者本人又は他の利用者を含む。仮想的な利用者は、本人になり代わり、個性化データに基づいてアクセスした者と会話をする。人工知能システム100は、会話のデータを収集する(S414)。そして、会話のデータを学習材料として機械学習を行う(S404)。このようなルーチンを繰り返すことにより仮想的な利用者は学習を重ね、より本人に近い自然な会話を習得するようになる。

0053

人工知能システム100は、仮想的な利用者が受け答えした会話の内容を編集する機能を有する。利用者本人が会話の内容を編集したいと判断する場合(S416)、質問に対する回答の編集を行う(S418)。そして、編集された会話の内容は更新データとして個人ソーシャルデータが更新され(S420)、機械学習が行われる(S404)。これにより、本人の意思を的確に反映させることができる。

0054

このように、本発明に係る人工知能システムは、SNSから取得される情報に基づいて、システム上に仮想的な個人を生成し、本人及び本人以外の他者とコミュニケーションを図ることができる。すなわち、第1の情報処理モジュールと第2の情報処理モジュールとにより生成される仮想的な第1の利用者は、第1の利用者及び第1の利用者以外の他の利用者と会話をすることができる。その場合に、テキスト、音声のデータのみでなく、会話の中で出現するある事物又は事象に対して個人が観念するイメージを、当該仮想的な個人を通して画像として会話の相手に示すことができる。別言すれば、人工知能システム100は、テキストや音声によるコミュニケーションに加え、さらに視覚(非言語)を通した情報を提供することで(あるいは、視覚のみによるコミュニケーションを提供することで)、これまでにないインパクトを会話の相手に与えることができる。

0055

[データベース]
図5は、人工知能システム100における第1のデータベース104a及び第2のデータベース104bの構成を示す。第1のデータベース104a及び第2のデータベース104bはそれぞれ階層化されている。

0056

第1のデータベース104aにおいて、第1のサブデータベース105aは、個人に対応するデータベースであり、個人ソーシャルデータが記憶される。この第1のサブデータベース105aに記憶される個人ソーシャルデータは、人工知能システム100において、仮想的な利用者データを生成するときの基礎データとしても利用される。個人ソーシャルデータおよびそれから生成される情報は、利用者ごとに第1のサブデータベース105aに記憶される。また、個人ソーシャルデータから生成される情報には、個人ソーシャルデータをキーワードにより分析して得られるベクトル、個人ソーシャルデータをコンセプトにより分析して得られるベクトル、個人ソーシャルデータをタイプにより分析したベクトル、および、個人ソーシャルデータをグループにより分析したベクトルのいずれか一以上が含まれる。

0057

第1のサブデータベース105aに記憶されるデータは、複数のSNS300から取得される個人ソーシャルデータを含む。例えば、ある利用者がSNS300に投稿したコメント、当該利用者と他の利用者との間で、SNS300上で交わされたコミュニケーションの内容、当該利用者のツイート(つぶやき)などの情報が第1のサブデータベース105aに記憶される。また、上述したように、質問と回答とを生成して、これらが記憶される。

0058

第2のサブデータベース105bは、複数の利用者のソーシャルデータが格納される。第2のサブデータベース105bに記憶されるデータは、SNS300から取得されるそれぞれの利用者のソーシャルデータを含む。第2のサブデータベース105bは第1のサブデータベース105aと比べて、記憶されるデータ量が多くなっている。この第2のサブデータベース105bは、階層的には第1のサブデータベース105aの下位に位置する。

0059

また、第3のサブデータベース105cは、例えば、インターネットをスクローリングして得られる情報であって、コミュニケーションで使用される単語、語彙、定型文が辞書データとして予め記憶される。すなわち、第3のサブデータベース105cは、複数のテキストデータを記憶している。第3のサブデータベース105cに記憶されるデータは、予め設定された任意のテキストデータであってもよく、又はSNS上に出現するテキストの中で出現頻度の高いテキストを収集したものであってもよい。例えば、SNSにおいて交わされるチャットと呼ばれるリアルタイムコミュニケーションの中から出現頻度の高いテキストを収集したものであってもよい。

0060

第3のサブデータベース105cには、例えば、音声データ及び映像データに含まれる音声データから変換されたテキストデータが記憶されてもよい。また、利用者が写真や動画をSNS300にアップデートするときは、コメントを同時に付す場合があり、またそのコメントに対する他の利用者のコメントが付けられる場合がある。また、写真や動画、音声には、撮影場所やその内容がタグとして付与される場合がある。そこで、写真データ及び映像データからテキストデータを生成するに当たっては、それに付されたタグ、コメント等のデータをテキストデータとし、データベースに記憶させることができる。また、写真データ及び映像データが取得された位置情報(国名、地名等)、日付情報をテキストデータとしてデータベースに記憶させることができる。言い換えると、音声データ、写真データおよび映像データのいずれか一以上に基づいて、テキストデータを生成し、データベースに記憶することができる。このような第3のサブデータベース105cは、階層的には第1のサブデータベース105aの下位に位置する。

0061

第2のデータベース104bにおいて、個性化モデルデータベース110aは、SNS300から取得した個人ソーシャルデータを学習材料として学習して得られた個性化モデルを記憶する。個性化モデルは主として画像データであり、それ以外に画像と文字及び/又は音声が組み合わされたデータであってもよい。個性化モデルとして記憶されるデータは、仮想的な利用者が、本人又は他の利用者と会話を行うときに使用される。

0062

第2のデータベース104bにおいて、一般化モデルデータベース110bは、SNS300から取得されるソーシャルデータを学習材料として学習して得られた一般化モデルを記憶する。一般化モデルも主として画像データであり、それ以外に画像と文字及び/又は音声が組み合わされたデータであってもよい。この一般化モデルデータベース110bは、個性化モデルデータベース110aより下位の階層に配置される。

0063

一般画像データベース110cは、インターネットをスクローリングして得られる画像情報であって、様々なサイトに掲載される写真などの画像データが含まれる。これらの画像データは、事物又は事象と対応付けられて記憶される。例えば、「りんご」であれば、りんごの画像データが「りんご」というテキストデータ又はこれを示す記号と対応付けて記憶される。この一般画像データベース110cは、一般化モデルデータベース110bより下位の階層に配置される。

0064

[情報処理モジュール]
図5で示す構成において、第1のデータベース104a及び第2のデータベース104bは、人工知能としての機能を有する第1の情報処理モジュール102aと連携し、協働して動作する。第1の情報処理モジュール102aは、第1の情報処理サブモジュール103a、第2の情報処理サブモジュール103b、第3の情報処理サブモジュール103cに階層化されていてもよい。この場合、第1の情報処理サブモジュール103aは、個人ソーシャルデータが記憶される第1のサブデータベース105a及び個性化モデルデータベース110aと同じ階層にあり(最上位階層)、個人の個性を反映させる人工知能として機能する。第1の情報処理サブモジュール103aは、「プライベートAI」あるいは「パーソナライズド(personalized)AI」と表現することもできる。第2の情報処理サブモジュール103bは、ソーシャルデータが記憶される第2のサブデータベース105b及び一般化モデルデータベース110bと同じ階層にあり、利用者全体の集合体としての特性を反映させる人工知能として動作する。第2の情報処理サブモジュール103bは、「エブリワンAI」あるいは「コモンセンスAI」と表現することもできる。また、第3の情報処理サブモジュール103cは、第3のサブデータベース105c及び一般画像データベース110cと共に動作するものであり、所謂チャットボットとみなすこともできる。

0065

このような第1の情報処理モジュール102aは、第1のデータベース104aに記憶されているソーシャルデータを用いて仮想個人を生成し、実在の利用者とコミュニケーションを行う。人工知能としての機能を有する第1の情報処理モジュール102aは、例えば、第1のサブデータベース105aに記憶されているテキストデータを認識し、質問に対する回答を作成又は生成する機能を有する。このとき第1の情報処理モジュール102aは、第1のサブデータベース105aに記憶されたテキストデータから、質問に対する適切な回答を推論し又は学習して決定する機能を有している。また、第1の情報処理モジュール102aは、個性化モデルデータベース110aから、会話の中に出現する事物又は事象に対応する画像を読み出して、会話の相手先の端末装置の画面に当該画像を表示させる。このように、第1の情報処理モジュール102aは、会話の相手先に、会話の内容であるテキスト又は音声データのみならず、会話の一方の主体である第1の利用者が会話の内容によって観念する画像を表示させるので、相手先に提供する情報量を増大させることができる。

0066

第1の情報処理モジュール102aは、仮想的な第1の利用者に対する第2の利用者の質問を受け付け、それに対する回答を作成又は生成する。第1の情報処理モジュール102aは、第1のサブデータベース105a、個性化モデルデータベース110aに適切なデータが無いと判断される場合には、下位の階層である第2のサブデータベース105b、一般化モデルデータベース110bへ遷移して質問に対する回答及び関連する画像を探す。さらに、適切な回答が無いと判断される場合には、さらに下位の第3のサブデータベース105c、一般画像データベース110cへ遷移して質問に対する回答を探す。

0067

第1のデータベース104a及び第2のデータベース104bを検索して質問に対する回答を作成する工程の一例をフローチャートで示す。以下、図6を参照しつつ、処理の流れを説明する。

0068

最初に、第1の情報処理モジュール102aがある質問に対する回答を作成又は生成するとき、最初に第1のサブデータベース105aの中から当該質問に対する適した回答を検索し、また質問又は回答から想起される画像データを個性化モデルデータベース110aの中から検索する(S430)。第1のサブデータベース105a、個性化モデルデータベース110aから回答が得られれば、それは第1の利用者の思考、思想感情及び観念などを最も的確に反映させた回答が作成される(S440)。

0069

第1のサブデータベース105aの中から当該質問に対する適した回答を検索する場合には、第1のデータベース104aに蓄積された質問のうち、当該質問と文字列として一致している質問を検索し、検索された質問と関連付けられた回答を検索することができる。あるいは、第1のサブデータベース105aに蓄積された質問のうち、当該質問と文字列として完全一致していなくても、ある程度の表記揺らぎを考慮して一致するかどうかを判定して検索を行うこともできる。また、第1のサブデータベース105aに蓄積された質問のうち、当該質問に含まれる単語数が最も大きいものを検索することもできる。この場合、単語数に加えて、単語が並ぶ順序を考慮して検索することもできる。また、第1のサブデータベース105aに蓄積された質問と、当該質問との意味の解析を行い、最も意味が近いものを検索することもできる。意味の解析として、例えば、所定の論理体系に基づいて、回答からの論理的な帰結結論として導き出したり、回答が前提としている条件を導き出したりすることを含めることができる。このように、回答を検出する場合に、文字列として完全一致していない場合を含む場合には、「回答を推論して決定する」という場合がある。また、文字列として完全一致している場合には、「回答を学習して決定する」という場合がある。

0070

また、個性化モデルデータベース110aから、適切な個性化モデルを選択するには、上記で第1のサブデータベース105aから検出された回答に含まれる名詞(普通名詞、固有名詞)又は名詞句を抽出し、名詞又は名詞句に対応する個性化モデルを検索し、選択する。例えば、「好きな果物は何ですか」という質問に対し、「イチゴが好きです」と回答する場合には、個性化モデルデータベース110aに記憶されている個性化モデルの中から、第1の利用者が観念するイチゴの画像データを選択する。

0071

第1の情報処理モジュール102aは、第1のサブデータベース105a、個性化モデルデータベース11aの中から適切な回答を得ることができないとき(S432)、下位の階層にある第2のサブデータベース105b及び一般化モデルデータベース110bを検索する(S434)。第2のサブデータベース105bから得られる回答は、大多数の利用者が特定の質問に対してどのように回答しているかの傾向を知ることができ、平均的で妥当な回答を得ることができる。例えば、「好きな果物は何ですか」という質問に対し、「メロンが好きです」という回答が多くなされている場合、第1の情報処理モジュール102aは同様の回答を、質問に対する回答として第2のサブデータベース105bの中から選択し、また一般に観念されるメロンの画像を、一般化モデルデータベース11bの中から選択し、回答とすることができる。することができる。上記は簡単な質問の一例であるが、第2のサブデータベース105b、一般化モデルデータベース110bに基づけば、多数の利用者の回答傾向が反映されるので、時流に沿った回答を得ることができる(S440)。

0072

第1の情報処理モジュール102aは、第2のサブデータベース105b、一般化モデルデータベース11bから回答を見つけることができないとき(S436)、第3のサブデータベース105c、一般画像データベース110cを検索する(S438)。第3のサブデータベース105c、一般画像データベース110cには膨大な数のデータが記憶されているので、その中から回答を選択することができる。そして、その選択されたものを回答とする(S440)。

0073

[類似する質問の判断]
第1のデータベース104aは、質問と質問に対する返答を関連付けて記憶している。しかし、人間社会のコミュニケーションにおける質問(問いかけ)と、それに対する返回答(返答)は画一的なものではないのが通常である。例えば、初対面の人の名前を問いかけようとする場合、「貴方は誰ですか?」と問いかけるような場合もあれば、「お名前を教えて下さい」と問いかける場合もある。

0074

本発明の一実施形態では、このような類似の質問がなされたときに、該当する質問に対する返答を選択する仕組みが設けられている。例えば、前述の「貴方は誰ですか?」と、「お名前を教えて下さい」との質問に対しては、いずれも「私はアニーです。」という返答があっても違和感がない。この仕組みは、図3で説明したような、類似データベース106として構築されていてもよい。類似データベース106は、類似する質問を類似質問としてグループ化し、類似質問に対応する回答が対応付けられている。第1の情報処理モジュールは102a、類似データベース106から質問の回答を選択することができる。このような構成により、質問に対する回答を適切に選択することができる。

0075

図7(A)は、類似データベース106の一例を示す。類似データベース106は、質問を記憶する類似質問データベース112と、回答を記憶する類似回答データベース113とを含む。他の形態として、類似データベース106の中で質問を記憶する領域と、返答を記憶する領域が設けられていてもよい。

0076

類似質問データベース112には複数の質問がデータとして記憶される。複数の質問は類似する質問が関連付けられて一つのグループとして記憶される。例えば、前述の「貴方は誰ですか?」と「お名前を教えて下さい」とは類似する質問として関連付けられて記憶される。類似回答データベース113は、質問に対する応答内容、すなわち複数の返答がデータとして記憶される。例えば、前述の「私はアニーです。」という返答が記憶される。類似回答データベース113の中で、返答データは特定の質問と関連付けられている。上記の例に従えば、「貴方は誰ですか?」と「お名前を教えて下さい」との質問は一つのグループとしてまとめられ、その返答として「私はアニーです。」という返答と関連付けられている。

0077

図7(B)は、類似データベース106の他の態様を示す。図7(B)は、例えば、類似データベース106は、第1のサブデータベース105aに対応する第1の類似サブデータベース107a、第2のサブデータベース105bに対応する第2の類似サブデータベース107b、第3のサブデータベース105cに対応する第3の類似サブデータベース107cに階層化されていてもよい。

0078

第1の類似サブデータベース107aは、利用者個人に対応して、個人ソーシャルデータに基づいて作成される。個人ソーシャルデータに含まれるチャット等によるテキストデータや、テキスト化された会話の内容から、質問文に対応するテキストデータと、返答文に対応するテキストデータが記憶される。この場合、図7(A)で説明したように、質問文に対応するテキストデータの内、類似する質問文データがクループ化されて質問データベースに記憶され、それに対する返答文データが返答データベースに記憶され、関連付けられている。

0079

第2の類似サブデータベース107bは、複数の利用者のソーシャルデータに基づいて作成される。複数の利用者のソーシャルデータに含まれるチャット等によるテキストデータ、又はテキスト化された会話の内容から、質問文に対応するテキストデータと、返答文に対応するテキストデータが記憶される。第2の類似サブデータベース107bも、図7(A)で説明したように、質問文に対応するテキストデータのうち、類似する質問文データがクループ化されて質問データベースに記憶され、それに対する返答文データが返答データベースに記憶され、関連付けられている。

0080

なお、第1の類似サブデータベース107aに記憶されているソーシャルデータの変化に基づいて、第2の類似サブデータベース107bに記憶されているデータを変更することも可能である。例えば、「こんにちは、お元気ですか」という質問と、「こんにちは、元気ですよ」という返答が、質問と返答の組で設定されていたとしても、多くの利用者が「まあまあです」と返答しているときは、ソーシャルデータに基づいて第2の類似サブデータベース107bに記憶されているデータを変更することも可能である。この場合、利用者の特性(性格)に合わせて、他の利用者の影響を受けやすい場合と、受けにくい場合とに分けるようにしてもよい。このような機能は、第1の情報処理サブモジュール103aに、利用者の属性分析という機能を付加することで行うことができる。

0081

第3の類似サブデータベース107cは、複数のテキストデータが記憶される。複数のテキストデータは予め用意された質問文と、それに対する返答文のテキストデータであってもよい。これらのテキストデータは、SNS上に出現するテキストデータの中で出現頻度の高いテキストデータを収集したものであってもよい。第3の類似サブデータベース103cも、図7(A)で説明したように、質問文に対応するテキストデータのうち、類似する質問文データがクループ化されて質問データベースに記憶され、それに対する返答文データが返答データベースに記憶され、関連付けられている。

0082

このように、類似データベース106は、第1の利用者の個人ソーシャルデータの中から質問と回答の内容を類型化したデータが記憶される第1の類似サブデータベース107a、複数の利用者のソーシャルデータの中から質問と回答の内容を類型化したデータが記憶される第2の類似サブデータベース107bと、テキストデータの中から質問と回答の内容を類型化したデータが記憶される第3の類似サブデータベース107cとに階層化されていることが好ましい。

0083

本実施形態によれば、複数の質問に対し、同一の返答でよいと判断されるものは、質問と返答の組み合わせとして関連付けられている。このような処置により、質問とそれに対する返答の組み合わせを全通り記憶させる必要がなく、記憶容量を節約することができる。また、質問に対する返答にすばやくアクセスすることができる。

0084

さらに、本実施形態に係る人工知能システム100は、第1の情報処理モジュール102aが、第2のサブデータベース105bを参照して、多くの利用者からの回答に、同一の内容が多いと判断される場合には、その回答に対する質問事項を自動的に類似データベース106に追加し、更新する機能を有していてもよい。このように、複数の利用者のソーシャルデータを参照して類似データベースを更新することにより、類似と判断される質問と回答の組み合わせはより的確に、かつ正確になり、コミュニケーションの精度を高めることができる。

0085

[システムが作成した回答の評価]
人工知能システム100は、本人である第1の利用者204及び本人以外の第2の利用者206が、人工知能システム100から出力された質問に対する回答の内容及び仮想的な本人が事物に対して観念する画像を評価し編集する評価モジュールを有していてもよい。

0086

図8は、人工知能システム100に含まれる評価及び編集モジュール114の機能的な構成を示す。評価及び編集モジュール114は、第1の情報処理モジュール102aが有する機能の一部として実現される。評価及び編集モジュール114は、評価モジュール115、編集モジュール116、更新モジュール117を含む。

0087

評価モジュール115は、端末装置200aを通して第1の情報処理モジュール102aが作成し会話の相手に送信した回答に対する評価を受け付ける。評価モジュール115は、第2の利用者206の端末装置200aに評価情報を提供する。図9(A)は、端末装置200aの画面表示の一例を示す。評価用の画面には、質問に対する回答としての言語情報118と、質問又は回答の内容から仮想的な第1の利用者が観念する画像情報120の一方又は双方の内容が表示され、また評価用ボタン122が表示される。利用者は評価用ボタン122を操作して評価を行う。図9(A)は、評価用ボタン122として「Like」、「Dislike」二者択一の形態を示すが、他の例として利用者が点数を付ける形式のものであってもよい。評価モジュール115は、端末装置200aから評価情報を受信して、評価結果を回答と関連付けて第1のサブデータベース105aに記憶させる。質問に対する回答の評価は、本人を含む利用者全員が行うことができる。

0088

第1の利用者204は、評価モジュール115を通して、回答の評価結果を知ることができる。評価モジュール115は、第1の利用者204の端末装置200bに評価結果を表示する。第1の利用者204は、評価結果を参照し、質問に対する回答(仮想的な第1の利用者204bによって行われた回答)の内容を編集することができる。例えば、回答に対する評価が低い場合又は本人である第1の利用者204が回答を好ましくないと感じ修正したい場合、この編集モードを使用することができる。

0089

編集モジュール116は、第1の利用者204の端末装置200bに編集情報を提供する。図9(B)は、端末装置200bの画面表示の一例として、質問又は回答の内容から仮想的な第1の利用者204が観念する画像情報120、修正候補サムネイル画像124、選択ボタン126が表示される状態を示す。第1の利用者204は、サムネイル画像124を参照して他の画像を選択することができ、選択ボタン126を操作することで、編集情報が編集モジュール116へ送信される。例えば、現在設定されている「りんご」の画像に対して、他の候補として表示されるサムネイル画像124の中から選択することができる。更新モジュール117は、編集情報に基づいて、個性化モデルデータベース110aに記憶されている、該当するデータを更新する。質問に対する回答の編集は、本人が行うことができる。

0090

図10は、人工知能システム100においてなされる、質問に対する回答の評価及び編集処理の流れを示す。評価及び編集モジュール114は、第1の利用者の端末装置200bに質問に対する回答を表示する(S450)。評価及び編集モジュール114は、利用者が評価した結果を受信し(S452)、評価結果を集計する(S454)。評価値が通常又は高いもの、若しくは一定レベルより高い評価値のものは、その回答は好ましい回答であるとして、重み付けをするようにしてもよい(S456、S458)。重み付けされた回答は、次回の検索のときに選択される確率が高くなるようにされる。

0091

回答の評価が低かったものは、その旨を第1の利用者204に通知し(S460)、編集画面を端末装置200bに提供する(S462)。通知を受けた第1の利用者204は回答の内容を編集する。評価及び編集モジュール114は、第1の利用者の端末装置202bから編集データを受信する(S464)。そして、評価及び編集モジュール114は、第1のサブデータベース105a又は個性化モデルデータベース110aに記憶されているデータを更新する(S468)。

0092

質問に対する回答の評価は、本人以外の他の利用者が質問に対する回答を評価し、第1の利用者が質問に対する回答を編集するという対立関係で示す。しかし、本発明の一実施形態はこれに限定されず、第1の利用者が、人工知能システム100上に生成される仮想の第1の利用者204bと会話をし、自ら質問をして、自ら評価及び編集をするという処理を行うことができる。

0093

このような処理により、第1の利用者204は、質問に対する回答の内容を知ることができ、また回答を評価し、回答を編集して好ましい回答が得られるようにすることができる。すなわち、人工知能システム100上に生成される仮想の第1の利用者204bを学習させることができる。なお、本人以外の他の利用者が質問に対する回答を評価した結果を、第1の利用者204が閲覧し、より評価値が向上するように編集するようにしてもよい。

0094

このように人工知能システム100は、質問と応答の関連付けられたデータを、利用者が編集して、新たな応答文を作成することができる。この場合において、利用者は、人工知能システム100上に生成される擬似的な自己と対話をしながら、質問に対する適切な応答をするように人工知能機能を学習させることができる。この場合において、第1の利用者204は、人工知能システム100上に生成される仮想的な第1の利用者204bと対話をしながら、質問に対する回答を編集し、また人工知能としての機能を有する第1の情報処理モジュール102aに学習させることができる。

0095

[会話の流れ]
図11は、人工知能システム100と利用者との会話の流れを示す。利用者(第1の利用者204又は第2の利用者206)は、人工知能システム100上で生成される仮想的な第1の利用者204bと会話をする。このとき利用者は、仮想的な第1の利用者204bに対し何らかの言葉を使って質問する。この問いかけの際には、言葉の他に画像が組み合わされてもよい。仮想的な第1の利用者204bは、質問に対し回答を生成し、利用者(第1の利用者204又は第2の利用者206)に回答する。この繰り返しにより会話が進む。また、回答を受けた利用者(第1の利用者204又は第2の利用者206)は、回答の内容を編集する。回答が編集されると、仮想的な第1の利用者204bは、編集内容を学習する。学習の結果はデータベース104に蓄積される。仮想的な第1の利用者204bは、学習の繰り返しにより、より適切な回答をすることができ、また回答のバリエーションも増加する。

0096

他の形態として、図12で示すように、仮想的な第1の利用者204bの側から会話を始めることができる。この場合、仮想的な第1の利用者204bを生成する主体である第1の情報処理モジュール102aは、図3及び図5で示すように第1のサブデータベース105a、第2のサブデータベース105b、第3のサブデータベース105cの順に、過去の会話のデータから「挨拶」に相当するデータを優先順位に即して抽出し、発言の言葉とする。仮想的な第1の利用者204bの発言は、利用者(第1の利用者204又は第2の利用者206)の端末装置の表示画面にプッシュ通知として表示される。この場合、端末装置200では画面表示に加え、音及び/又は振動が組み合わされてもよい。利用者(第1の利用者204又は第2の利用者206)は、仮想的な第1の利用者204bの発話に対して応答をする。応答を受けた仮想的な第1の利用者204bは、応答の内容を学習する。学習の結果はデータベース104に蓄積される。仮想的な第1の利用者204bは、このような学習の繰り返しにより、より適切な回答をすることができ、また回答のバリエーションも増加する。

0097

図13は、仮想的な第1の利用者204bが本人である第1の利用者204と会話をし、会話を通して学習する一例を示す。例えば、仮想的な第1の利用者204bは、本人である第1の利用者204に対して「好きなスポーツは何ですか」という質問をする。これに対し、本人である第1の利用者204は「野球も好きだけどなんといってもバスケットボールだね」と回答した場合、仮想的な第1の利用者204bはその回答の内容を学習する。別の機会で、仮想的な第1の利用者204bが他者である第2の利用者206と会話をするとき、第2の利用者206の「好きなスポーツは何ですか」との質問に対し、仮想的な第1の利用者204bは「野球も好きだけどなんといってもバスケットボールだね」と回答をする。このような学習の繰り返しにより、仮想的な第1の利用者204bはより本人らしくなり、本人の個性に合わせた会話をすることが可能となる。

0098

さらに、本発明の一実施形態によれば、人工知能システム100によって生成される仮想的な利用者を生成するデータベース104に、専門知識を習得させれば、当該仮想の利用者によって様々なサービスを提供することができる。そのような専門知識は、該当する利用者が利用するSNSから習得されるものであってもよい。

0099

例えば、専門知識として、自然科学、人文学、心理学法律金融工学等の各分野における専門知識の少なくとも一つを、仮想の利用者を生成するデータベースに記憶させれば、該当する分野に専門知識を仮想の利用者が使用できるようにすることができる。なお、この場合における専門知識は、書籍等により蓄積された画一的な専門知識のみでなく、ソーシャルネットワーク上で自然人が会話として使用される専門知識の情報が含まれていることが好ましい。このような会話型の専門知識に関する情報が含まれていることにより、人工知能システム100は、質問に対する回答として、さまざまな専門知識を有益に活用することができる。

0100

なお、このような専門知識は、例えば、第1の利用者が希望する場合、人工知能によって生成される擬似的な第1の利用者の知識として身につけることができる。その場合、擬似的な第1の利用者は、単に特定の専門知識を取得するのみでなく、当該第1の利用者の個性を加味する形で活用することができる。例えば、第1の利用者が医学分野の知識を有する場合、その知性は擬似的な第1の利用者も医学分野の専門知識を有し、擬似的な第1の利用者がさらに専門知識として法律分野の専門知識を取得すれば、法医学の分野で能力を発揮することが可能となる。

0101

この場合、図3及び図5で示されるように、第1のサブデータベース105aに記憶される専門知識は、質問と回答(すなわちQ&A)形式で記憶されていてもよい。第1のサブデータベース105aに記憶されるソーシャルデータ(知識)は、適時更新することができ、データは消失することがないので、知識量を増やして行くことができる。

0102

さらに、このような専門知識が記憶される第1のサブデータベース105aに、全利用者のソーシャルデータが記憶される第2のサブデータベース105bの情報を反映させ、学習効果を高めることで、より適切な回答を出力させることができる。

0103

専門知識としては、司法、行政医療、環境、経済など、利用者の属性に会わせた様々な分野の知識に対応することができる。すなわち、本発明の一実施形態によれば、利用者の属性に合わせて、高い専門知識を有する仮想個人をコミュニケーション提供システム上に出現させ、他の利用者にサービスを提供することができる。

0104

100・・・人工知能システム、102・・・情報処理モジュール、103・・・情報処理サブモジュール、104・・・データベース、105・・・サブデータベース、106・・・類似データベース、107・・・類似サブデータベース、108・・・個性化モジュール、109・・・一般化モジュール、110a・・・個性化モデルデータベース、110b・・・一般化モデルデータベース、110c・・・一般画像データベース、112・・・類似質問データベース、113・・・類似回答データベース、114・・・評価及び編集モジュール、115・・・評価モジュール、116・・・編集モジュール、117・・・更新モジュール、118・・・言語情報、120・・・画像情報、122・・・評価用ボタン、124・・・サムネイル画像、126・・・選択ボタン、200・・・端末装置、202・・・複数の利用者、204・・・第1の利用者、206・・・第2の利用者、300・・・ソーシャル・ネットワーキング・サービス(SNS)

ページトップへ

この技術を出願した法人

この技術を発明した人物

ページトップへ

関連する挑戦したい社会課題

関連する公募課題

ページトップへ

技術視点だけで見ていませんか?

この技術の活用可能性がある分野

分野別動向を把握したい方- 事業化視点で見る -

(分野番号表示ON)※整理標準化データをもとに当社作成

ページトップへ

おススメ サービス

おススメ astavisionコンテンツ

新着 最近 公開された関連が強い技術

この 技術と関連性が強い人物

関連性が強い人物一覧

この 技術と関連する社会課題

関連する挑戦したい社会課題一覧

この 技術と関連する公募課題

関連する公募課題一覧

astavision 新着記事

サイト情報について

本サービスは、国が公開している情報(公開特許公報、特許整理標準化データ等)を元に構成されています。出典元のデータには一部間違いやノイズがあり、情報の正確さについては保証致しかねます。また一時的に、各データの収録範囲や更新周期によって、一部の情報が正しく表示されないことがございます。当サイトの情報を元にした諸問題、不利益等について当方は何ら責任を負いかねることを予めご承知おきのほど宜しくお願い申し上げます。

主たる情報の出典

特許情報…特許整理標準化データ(XML編)、公開特許公報、特許公報、審決公報、Patent Map Guidance System データ