JP2008139924A - 記憶ストックシステム - Google Patents

Abstract

【課題】高齢者にも無理なく使える記憶ストックシステムを提供する。
【解決手段】記憶ストックシステムにおいて、使用者の記憶を引き出すための質問を発する手段と、前記質問に対する答えを受け取る手段と、前記答えを記憶する手段を備え、前記質問と答えを問答形式によって交互に行い、前記質問を発する手段はスピーカーまたは表示装置であり、答えを受ける手段はマイクロフォンまたはキーボードを使い、前記答えを記憶する手段は当該記憶ストックシステムから分離可能とされている。
【選択図】図１

Description

本発明は、人間が記憶している全ての内容をできるだけ忠実に取り出して電子デバイスへ可逆的にストックするシステムに関する。

特許文献１には、インターネットのホームページ上に、会員の自分史作成や思い出などの各種情報を預かるサイトを形成し、会員の要請に基づいて、これらの記録情報の全部もしくは一部の閲覧、特定者への提供、公開、およびそれらの時期の指定を可能とした内容が開示されている。
また特許文献２には、使用者に対して質問する手段と、これに対する答えを受け取る音声認識手段を備えたゲーム機が知られている。
特開２００２−１９７２８７号公報 特表２００３−５２６８３３号公報

人間の記憶は時間の経過とともに薄れ、最終的には完全に消失されてしまう。また、加齢とともに思考する範囲も狭くなり、アルツハイマー型老年痴呆症なども引き起こす。
また、事故や病気によって、記憶が失われることもある。

このような場合に、当該記憶がバックアップされていれば、医学および科学などの発達により再生は可能と考えられる。また、一旦、脳が停止した後であっても、その人の記憶が残されている限り、当該記憶を植えつける脳に代わる媒体が開発されることにより、脳死した人間の復活も可能になる。

特許文献１に記載されるように、自分がよく知っている自分史などの事項や思い出などを記録できても、薄れかけている記憶や潜在的に記憶しているが顕在化しない記憶は何らかのきっかけがないと記録することはできない。

また、上記の再生や復活を行うには、個人ごとに膨大な量の記憶を正確に、例えば記憶にその種類と強弱をつけてストックしておかなければならない。特許文献１には自分史を記録することが開示されているが、自分史は西暦○○○○年に誕生し、○○○○年に○○大学入学、○○○○年に結婚など単なる発生した事実の記録であり、感情の伴わない単なる記録のほんの一部に過ぎない。また思い出などは断片的なもので、後日、自己の記憶再生を可能とするものではない。

また、特許文献１に特許文献２に開示される内容を組み合わせても、自分史作成などは便利になるが、現在の自分の脳内の記憶内容の全部をそのままの状態で記録するものではなく、非可逆的な記憶手段なので、再生したり復活を期待できる技術にはならない。

上記課題を解決するため、本発明に係る記憶ストックシステムは、使用者の記憶を強制的に引き出すための質問を発する手段と、前記質問に対する答えを受け取る手段と、前記答えを可逆的に記憶する手段を備え、前記質問の生成と答えの記憶とを問答形式によって交互に行うようにした。

前記答えは可逆的にタグ付けされて記憶されるので、後日タグをキーワードとして前記記憶する手段において検索すれば、記録時とは逆に前記記憶する手段から関連する答えのリストが生成でき、また前記タグの中に時間データーが含まれていれば時系列的なレイアウト編成も可能となるので、前記ストックシステムで記憶を保存した本人の記録時の記憶と全く同じ再現が可能となる。

前記質問を発する手段はスピーカーまたは表示装置が考えられ、答えを受ける手段はマイクロフォンまたはキーボードが考えられるが、これに限定されない。

前記答えを記憶する手段は当該記憶ストックシステムから分離可能とされ、且つ使用者の３次元画像データーと遺伝子データーが記録されたものとしてもよい。分離可能とすることで、保管が容易になり、また３次元画像データーと遺伝子データーが記録されていれば、後年、再生・復活する際の記憶の媒体（脳や肉体）を作製する目安になる。

また、質問に対する答えが一巡した後に、得られた個々の記憶に感情の種類と軽重をつけることで、実際の記憶に近い情報を記録できる。その手段としては例えば、１つの記憶の中に喜び、怒り、悲しみ、通常、笑い及び興奮の６感情がどれだけ含まれているか、或いは答えの中で使用された語句の使用頻度、答えに要した時間の長さ、使用者自らの判断による重み付けによって行う。また個々の記憶に対する感情は上記以外の要素、例えば好感、嫌悪感、驚き、恐怖などを加えてもよい。

上記において、マイクロフォンで検出した音声の語気やコントラストを使い前記感情の種類と軽重の程度を付与することもできるが、更にオプションとして体温や発汗などの度合いを検出するセンサーを使うことも考えられるし、カメラを使って顔の表情をパラメーター化してタグに付与することも考えられる。

また、前記質問は記憶ストックシステム専用の質問を作成してもよいが、辞書または辞典（事典）に載っている言葉を基準とし、使用者の答えの中から辞書または辞典に載っている言葉で且つ未だ質問していない言葉を選択して、次の質問とするようにしてもよい。

また、前記質問は家族に関連する言葉を優先し、使用者の答えの中から家族に関連する言葉で且つ未だ質問していない言葉を選択して、次の質問とすることが考えられる。このようにすることで、スムーズに質問と答えが連続して会話される。

前記において、質問と答えが使用者にとって意味的に連続してスムーズに行われるのであれば、質問の内容や順番はどのような法則に則ってもよい。

本発明によれば、問答形式で行うようにしたので、使用者は何から答えてよいか分からないということがなく、全ての若しくはそれに近い記憶をスムーズに引き出すことができる。また、自分史の穴埋めのような形式と異なり、予想していない質問に対して自ら思考して答えることになるので、脳の片隅に押しやられている潜在的な記憶を強制的に顕在化することになる。

更に、記憶は可逆的に入出力可能なストック手段によって保存されるので、記憶の抽出が完璧に近い状態で行われれば、事故によって失われた記憶の復活、脳死後の再生即ち死後の復活も期待できる。

以下に本発明の実施例を添付図面に基づいて説明する。図１は、ゲーム機を使った本発明における記憶ストックシステムの機能ブロック図、図２はニューラルネットワーク回路とデーターベースの動作説明図、図３（ａ）、（ｂ）はニューラルネットワークシステムの構造を示す模式図を示す。

図１は、ゲーム機を使った本発明における記憶ストックシステムの機能ブロック図を示している。記憶ストックシステム１は、ゲーム機６に接続された入出力機能としてマイクロフォン２およびスピーカー３、ニューラルネットワーク処理の為のニューラルネットワーク回路７、汎用データーベース８、個人データーベースで構成されている。前記個人データーベース９には記憶ストックシステム１で生成された質問に対する利用者４の答え及びその答えから生成された個人データーが保存される。

前記マイクロフォン２およびスピーカー３はゲーム機６に内蔵されているものでも良いし、有線又は無線でゲーム機１に接続されているものでも良い。

使用者４は、記憶ストックシステム１が汎用データーベース８や個人データーベース９のデーターを使って生成した質問をスピーカー３から出力すると、聞こえた質問に対して前記マイクロフォン２に向かって音声で回答する。

前記音声は、記憶ストックシステム１内部の音声認識機能によって文字データー群に変換され、この文字データー群は、オリジナル文字データーと共に、前記文字データー群からニューラルネットワークによって生成されたキーワードが検索用のインデックスとして記憶ストックシステム１の個人データーベース９に蓄積される。

前記汎用データーベース８には、例えば広辞苑（登録商標）や研究社の大英和辞典、大和英辞典、更に現代用語の基礎知識（商標登録）などの一般的な知識データーが保存されている。

尚、汎用データーベース８に保存する一般的な知識データーは使用者４の母国語に応じて用意する必要があるので、複数の言語を操る利用者４に対しては複数の汎用データーベース８が必要となるので、この場合は、例えばインターネットなどの外部ネットワークに汎用データーベース８を置くことも考えられる。

尚、上記においては、ゲーム機を利用せずに専用の装置を用いてもよい。また、文章ではなく音声そのものを前記キーワードと共にデーターベースに蓄積してもよい。音声を蓄積する場合には、蓄積した音声をそのまま出力すれば良いし、文章の場合は画面表示に加えて合成音声での発音も可能であり、いずれにしてもこのようにすれば後日使用者４の音声を再生する際に役立つ。

更に、前記キーワードと文字データー群或いは音声データーは相関性のあるインデックスを持たせて別々のデーターベースに格納することも考えられる。この場合、例えばデーター量の少ないキーワードをゲーム機本体、あるいはゲームカートリッジのメモリーに格納し、データー量の多い文字データー群或いは音声データーは個別に認識される別の大容量ストレージデバイスにそれぞれ共通のファイル番号を付与して格納することが考えられる。

上記においてニューラルネットワーク回路７で処理されるデーターは、出現頻度などで重み付けをされると共にフォーマット化されてからカテゴリー分類され、感情などの属性データーが付加された状態で個人データーベース９に記憶されるが、この個人データーベース９に記憶されたデーターは、事故などで記憶を失った脳に入力するデーターとして、或いは脳に代わる媒体が開発された時に、その媒体に記憶として入力するデーターとして使用することができる。

使用者の記憶を忠実に再現するには、個々の記憶のつながり、記憶の軽重、個々の記憶に対する喜怒哀楽の感情の有無とその強さを記録することが必要になる。これらの要素は個々の使用者ごとに異なり、この異なりが個々の使用者と他人とを区別する個性になる。これを実現するには、前記ニューラルネットワーク回路７が最適であり、どのように属性を分類するかによって再現性は大きく変動する。

上記において、該ゲーム機の個人データーベース９は取り外し可能な記憶する手段、例えばメモリースティック（登録商標）、ＵＳＢメモリー、ＳＤカードなどを挿抜可能な構造となっていて、ゲームの中の質問に対する答えを記憶する手段は当該記憶ストックシステムから分離可能とすることが考えられる。

また、前記個人データーベース９が取り外し可能な記憶する手段である場合には、指紋認証デバイスなどを併用して本人を含む登録者にしか個人データーが開示されない仕組みとすることが望ましい。

図２は、階層型ニューラルネットワークの概念図である。これは、局所的な情報処理を行う基本ネットワークと、処理された情報のやりとりを行う連結ニューラルネットワークとで構成されるマルチモジュールニューラルネットワークである。

実際のニューラルネットワークは回帰分析などでデーターが複雑な動きをするのであるが、本図は分かり易くする為に模式化してある。図２では、汎用データーベース８を連結ニューラルネットワーク７ｂに、個別データーベース９を連結ニューラルネットワーク１３に接続してあるが、これらは基本的な接続を代表例として図示しただけであって、実際の運用としては、汎用データーベース８、個人データーベース９に対しては、必要に応じて他のニューラルネットワークからもアクセスが可能となっている。

ニューラルネットワーク回路７の機能としては、入力データーを後段のニューラルネットワークで処理し易いようにモデリングするための基本ニューラルネットワーク１１と、前記モデリングされたデーターを既定のカテゴリーに分類するための連結ニューラルネットワーク１２〜１４で構成されている。

前記基本ニューラルネットワーク１１には、例えばコホーネンの自己組織化フィーチャーマップを使うことが考えられる。また前記連結ニューラルネットワーク１２〜１４には、バックプロパゲーションによる階層型ニューラルネットワークの学習が考えられる。

前記連結ニューラルネットワーク１１は、ニューロンモデルを複数接続することによって構成され、階層型のネットワークを組み合せることにより、連想記憶を使うマルチモジュールニューラルネットワークに分類される。

マルチモジュールニューラルネットワークは、処理された情報のやりとりを行うニューラルネットワークにおけるデーターマイニングを行い、例えば基本ネットワークからの各入力からの信号は連結ネットワーク内の複数のニューロンに一方的に流れるだけでなく、前記連結ネットワークの他の入力端子にもフィードバックされながら連結ネットワークで様々な組合せを学習することで連想記憶を実現する。

また、自己増殖型ニューラルネットワークを使うことにより、１つのニューロンと最適整合する入力データー数がある一定の数を超えたとき、ニューロンを分裂させ、２つのグループに分割し、グループごとの入力データー数のばらつきを軽減することも考えられる。

入力データー１０は、基本ネットワーク１１においてフィルターがかけられることによりカテゴリー属性が代表するテンプレートにより分割された後、連結ネットワーク１２〜１４によって分類属性を付加されたデーターとして出力ユニット１５から出力される。これは、ベクトル量子化ニューラルネットワークで構成される基本ネットワーク１１によって入力データーを大分類した後に、データーを細かく分類する機能を持つフィードバック付き相互結合型ネットワークである連結ネットワーク１２〜１４により、質問に対する回答の内容に応じて適宜のフィードバックを行って記憶の正確度を改善する。

前記のような基本ニューラルネットワーク１１と三段の連結ニューラルネットワーク１２〜１４若しくは三段以上の連結ニューラルネットワークの構造を持つことにより、入力１０からオブジェクト指向の対話型データーベースを生成し、データーベースとして検索が容易なフォーマット化されたデーターを出力ユニット１５から出力することが可能となる。これにより入力された記憶（使用者の答え）に検索容易な型として属性を付与して分類することが容易である。

前記第１番目の基本ニューラルネットワーク１１を使ったモデリング機能においては、例えば５Ｗ１Ｈの法則によって文字データー群の文章を解析し、該文字データー群に所望のデーターが含まれていない場合には、前後の文字データー群を検索して５Ｗ１Ｈデーターを収集する。

次に、汎用データーベース８とデーターライン８ａで接続された連結ニューラルネットワーク１２では、前記文字データー群の文章の中から汎用データーを検出して、データーの補正や追加を行うことにより後段で生成するインデックスデーターに汎用性を持たせる。これは、例えば、“東京オリンピックの年に、俺は東京で一人暮らしをしていた。”といった文字データー群の文章であれば、年表データーを持つ汎用データーベース８を使ってこの年が１９６４年であったことが分かるので、インデックスには１９６４年という時間データーが付加される。本発明による可逆的な記憶ストックシステムの目的は、あくまでも入力時の利用者４の記憶を後日再生可能とするものであるから、この１９６４年という時間データーは、あくまでも検索に使うだけであって、利用者４が１９６４年という年号を覚えていない場合には、データー復元時に１９６４年というデーターを付加する必要はない。

連結ニューラルネットワーク１３においては、前記連結ニューラルネットワーク１２において、データーライン８ａから入力する汎用データーベース８のデーターが付与された文字データー群の文章に加えて、データーライン９ａで接続される個人データーベース９のデーターを使うことにより、利用者４の知識の中での相対的な処理をすることが出来る。例えば、“家で飼っていた犬は白い犬だった。”という文字データー群の文章が入力された場合に、前記個人データーベース９に蓄積された記憶データーの中に“家の犬は黒くて夜はっきりと見えなかった。”という文字データー群が見つかったとすると、家の犬は黒いのか白いのか判定が難しいので、この記憶は“曖昧な記憶”としての属性を付けることができる。前記の通り、本発明による可逆的な記憶ストックシステムの目的は、あくまでも入力時の利用者４の記憶を後日再生可能とするものであるから、曖昧な記憶は曖昧な記憶として記録するのが本発明の可逆的な記憶ストックシステムの特徴となる。

連結ニューラルネットワーク１４においては、前記汎用データーベース８および個人データーベース９のデーターを使って正規化された文字データー群の文章をニューラルネットワークのアルゴリズムや回帰分析を併用して属性抽出をすることにより前記文字データー群の文章ファイルを出力データーライン１６から個人データーベース９へ出力して所定カテゴリーに登録する。

前記連結ニューラルネットワーク１４は、記憶の重み付けに使われ、多くのデーターを参照することにより、特定の単語や表現が使用者４により頻繁に直接あるいは間接的に使われる場合には、該特定の単語や表現における重み付け度を高く設定する。この用途において、前記バックプロパゲーションによる階層型ニューラルネットワークは有効な手段となる。

例えば、同じように質問しても、回答内容において特定のもの(例えば、母親や父親)に関連するデーターが多い場合には、特定のものに対する思い入れが大きいと判断し、当該特定のものに対して重み付け度を高くする。

出力ユニット１５と出力データーライン１６で接続された個人データーベース９には、質問に対する使用者の答えが登録保存される。

前記個人データーベース９には個人のプロフィールなどを付加することも考えられる。前記個人のプロフィールの詳細データーとしては、本人確認のための生体認証情報、個人履歴、家系図などが考えられる。

前記個人データーベース９で登録するインデックスデーターは、ハードディスディスクやフローッピー（登録商標）ディスクで使われるＦＡＴ（ファイル・アロケーション・テーブル）の役割を持つ。前記インデックスデーターには、５Ｗ１Ｈデーターに加えて、記憶の感情として、喜び、怒り、悲しみ、通常、笑い及び興奮の６感情を符号化或いはインデックス化して付加することが考えられる。前記記憶には重み付けをして、その軽重は、答えの中で使用された語句の使用頻度、答えに要した時間の長さ、または使用者自らの判断による重み付けによって行うことが考えられる。

前記個人データーベース９に保存する本人認証用の生体認証情報には、指紋情報、足指紋情報、掌紋情報、虹彩パターン情報、顔面形状情報、音声特徴情報、署名情報、およびデオキシリボ核酸（ＤＮＡ）情報の少なくとも１つを含むことが考えられる。これは、個人データーベース９が本物であるかどうかの真贋証明書となる。データーの真贋証明をするには、例えば特表２００６−５０１５３６号公報に記載の法的表現を使用する著作権管理システムなどが使える。

上記において、前記生体認証情報は単独データーである必要はなく、該生体認証情報を複数のデーターで構成することも考えられる。この場合、本人の死後においても本人のデーターであることを証明するには生体認証情報として少なくともＤＮＡのデーターが含まれることが望ましい。

ＤＮＡデーターとしては、２重らせん構造をした約３０億の塩基配列からなるヒトゲノムＤＮＡ情報そのものを保存することが最も間違いなく、該ヒトゲノムＤＮＡ情報は、細胞の中に畳み込まれていて、その配列はどの細胞も同じで、一生不変な固有情報と言われているが、３０億個のデーターを全て保存するのはメモリースペース確保が難しければ、ヒトゲノムＤＮＡ情報の中で病気や人体の構造には無関係な領域のＤＮＡ情報（以下においてＤＮＡ−ＩＤと呼ぶ）だけを保存しても良い。また、将来的に脳細胞の記憶のメカニズムが明らかになった場合には、その記憶内容を直接データーとして保存してもよい。

本発明におけるデーターベースは、オブジェクト指向が好ましい。前記データーベースは、対話形式で得たデーターを保存してデーターベースを生成するオブジェクトデーターベースとし、また前記データーベースはリレーショナル型や階層型ではなくネットワーク型が好ましく、ファイル構造もネットワーク型のファイル構造とすることが考えられる。前記ネットワーク型ファイル構造を使うことにより、あるファイルは複数の箇所から参照されているし、また別のファイルはループして自分自身を参照することも可能となる。

前記データーベースとしては、例えばリレーショナルデーターベースであれば、Ｚｏｐｅ（商標登録）やＰｏｓｔｆｅＳＱＬ（登録商標）、Ｏｒａｃｌｅ（商標登録）などが使える。

図３（ａ）は、本発明に係るデーターベースの基本構造を示す図である。１組のデーターセット１７はＩＤヘッダー１８と本文メタデーター１９で構成されている。ＩＤヘッダー１８は、本文メタデーター１９をモデル化してキーワードＡ〜Ｈをフォーマットに挿入することによりひとつのデーターセット１７が生成される。メタファイル１９は、ニューラルネットワーク回路７の入力データーとして使われる文字データー群の文章や利用者４の音声データーそのものをメタファイルとして保存するデーターである。

前記メタファイル１９として利用者４の音声データーを使う場合においては、口述によって得られたデーター全てをメタファイルとして保存することになるが、該メタファイル１９を直接検索すると時間がかかるので、予めメタファイル１９の中から必要なキーワードを前記ＩＤヘッダー１８として抽出することにより検索を容易とする。

図３（ｂ）は前記データーベースの基本構造におけるＩＤヘッダー１８の詳細を示す図である。ＩＤヘッダー１８はＡ〜Ｈで例示される５Ｗ１Ｈの要素を持ち、追記出来る構造になっている。追記可能なので、必ずしも全てのデーターを完全に揃える必要は無く、聞き取りで認識できた要素だけを保存し、思い出せない記憶についてはブランクとしておくことにより後日において本人らしさが再現可能となる。

上記において、本人を再現するという目的からして、あくまでも質問時点における本人の記憶をそっくりそのまま残すということが前提条件であり、無理に消えかかっている記憶を呼び戻すものではない故に、答えられない質問の答えは必要ない。

また、保存したデーターベース９を使って復活する時には、テンプレートを使い、キーワードを嵌め込むことにより使用者４を再現する方法が考えられる。例えば、自己紹介モードにおいては、“私の名前は（山田太郎）と申します。出身は（長野）で、（大正１４年７月３日）に（長野県松本市深志）で生まれました。私の父親は、（山田一郎）で、母親は、（山田花子）です。”といった一般的な挨拶の括弧部分にデーターベース９から拾ったキーワードを挿入して文章を作成、あるいは該文章をＤＳＰ（Ｄｉｇｉｔａｌ Ｓｉｇｎａｌ Ｐｒｏｃｅｓｓｏｒ）などの高速処理デバイスで音声処理し、擬似的な本人音声として出力することが考えられる。

更に、ランダム再生モードにおいては、任意のキーワード、例えば“駄菓子屋”というキーワードが音声又は文字でゲーム機１などの復活マシンに入力されると、データーベース９内に“駄菓子屋”というキーワードで登録された文章データーあるいは音声データーが抽出されて、年代別、あるいは思い入れ度合いの順番などで再生することが考えられる。

本発明に係る記憶ストックシステムは、使用者本人の記憶を極力忠実に再現可能とするものであり、個性ある個人データーベースの提供が可能となり、しかる将来においてＤＮＡ再生技術が十分なレベルで提供された暁には、本発明の記憶ストックシステムで保存した本人データーを使うことにより仮想的に本人を再生することが可能となる。

記憶ストックシステムの機能ブロック図 階層型ニューラルネットワークの概念図 （ａ）データーベースの基本構造を示す図 （ｂ）ＩＤヘッダーの詳細を示す図

符号の説明

１…記憶ストックシステム
２…マイクロフォン
３…スピーカー
４…使用者
５…音声認識回路
６…ゲーム機
７…ニューラルネットワーク回路
８…汎用データーベース
８ａ…データーライン
９…個人データーベース
９ａ…データーライン
１０…ニューラルネットワーク入力データー
１１…基本ニューラルネットワーク
１２…連結ニューラルネットワーク
１３…連結ニューラルネットワーク
１４…連結ニューラルネットワーク
１５…出力ユニット
１６…出力データーライン
１７…データーセット
１８…ＩＤヘッダー
１９…メタファイル

Claims (7)

1. 使用者の記憶を引き出すための質問を発する手段と、前記質問に対する答えを受け取る手段と、前記答えを可逆的に入出力可能な記憶する手段を備え、前記質問と答えを問答形式によって交互に行うことを特徴とする記憶ストックシステム。
2. 請求項１に記載の記憶ストックシステムにおいて、前記質問に対する答えが一巡した後に、個々の記憶に感情の種類と軽重をつけることを特徴とする記憶ストックシステム。
3. 請求項２に記載の記憶ストックシステムにおいて、前記記憶の感情の種類は喜び、怒り、悲しみ、通常、笑い及び興奮の６感情とし、前記記憶の軽重は、答えの中で使用された語句の使用頻度、答えに要した時間の長さ、または使用者自らの判断による重み付けによって行うことを特徴とする記憶ストックシステム。
4. 請求項１に記載の記憶ストックシステムにおいて、前記質問は辞書または辞典に載っている言葉を基準とし、使用者の答えの中から辞書または辞典に載っている言葉で且つ未だ質問していない言葉を選択して、次の質問の中に当該言葉を用いることを特徴とする記憶ストックシステム。
5. 請求項１に記載の記憶ストックシステムにおいて、前記質問は蓄積した自身のデーターベースと既存の用語辞典／事典を組み合せた語彙を基準とし、使用者の答えの中から前記データーベースまたは用語辞典／事典に載っている言葉で且つ未だ質問していない言葉を選択して、次の質問の中に当該言葉を用いることを特徴とする記憶ストックシステム。
6. 請求項１に記載の記憶ストックシステムにおいて、前記質問は家族に関連する言葉を優先し、使用者の答えの中から家族に関連する言葉で且つ未だ質問していない言葉を選択して、次の質問の中に当該言葉を用いることを特徴とする記憶ストックシステム。
7. 請求項１に記載の記憶ストックシステムにおいて、前記答えを記憶する手段は当該記憶ストックシステムから分離可能とされ、且つ使用者の３次元画像データーと遺伝子データーが付随的に記録されていることを特徴とする記憶ストックシステム。
   
   

Images