JP2017224190A - コミュニケーションを支援する人工知能システム - Google Patents

Abstract

【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。【選択図】図１

Description

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

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し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。端末装置に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、音声や文字のみではなく、静止画像や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、人間と自然言語で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、仮想的なペットや擬人化したアバターを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）。

特開２０１２−０７６１６２号公報 特開２００５−０９２５４０号公報

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さんが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。

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。

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。

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。

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。

［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。

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。

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、利用者の思考を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。

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。

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、多層構造の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。

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。

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。

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。

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。

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で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。

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。

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。

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。

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。

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、「猫」、「犬」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。

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。

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。

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。

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。

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を予想することも可能となる。

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。

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、個人プロフィールは非公開とし、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。

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「桃太郎」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。

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。

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。

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。

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。

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。

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と標記されるものについては同様である。

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。

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、定型文が辞書データとして含まれる。

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。

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、態様を表わす副詞句などに分解し、主語、目的語、場所や時間、態様を表わす副詞句などを尋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、自動車を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。

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。

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。

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。

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。

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。

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。

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。

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。

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）。

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。

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。

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。

［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。

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。

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。

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。

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。

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。

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。

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。

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。

［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。

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。

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。

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。

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）。

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、ある程度の表記の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を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。

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。

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）。

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）。

［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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

［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。

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。

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。

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て修正したい場合、この編集モードを使用することができる。

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、修正候補のサムネイル画像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。

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。

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）。

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。

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。

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。

［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。

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。

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。

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。

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。

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。

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。

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。

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。

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）

Claims (15)

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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
    

Images