JP2019139783A

JP2019139783A - コミュニケーションを提供する人工知能

Info

Publication number: JP2019139783A
Application number: JP2019055172A
Authority: JP
Inventors: 千貴米倉; Kazutaka Yonekura
Original assignee: Alt Inc
Current assignee: Alt Inc
Priority date: 2014-12-26
Filing date: 2019-03-22
Publication date: 2019-08-22
Anticipated expiration: 2035-12-25
Also published as: JP6831522B2

Abstract

【課題】利用者個人の個性、人格を表現することのできるコミュニケーションシステム、コミュニケーション方法を提供する。【解決手段】第１の利用者の個性を反映した仮想的な第１の利用者をコンピュータ上に生成する人工知能は質問に対する回答を生成する情報処理モジュールを有する。情報処理モジュールは、第１の利用者がソーシャル・ネットワーキング・サービスに入力した第１のソーシャルデータによって質問に対する回答を推論し学習する第１の階層と、複数の利用者がソーシャル・ネットワーキング・サービスに入力した第２のソーシャルデータによって質問に対する回答を推論し学習する第２の階層と、ソーシャル・ネットワーキング・サービスから収集された複数のテキストデータにより生成される第３のソーシャルデータによって質問に対する回答を推論し学習する第３の階層とを含む。【選択図】図３Ａ

Description

本発明は、インターネット等の電気通信回線を通じてアクセスしたユーザとの間で自動的にコミュニケーションを行う対話型のシステムに関する。

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ユーザ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。

ソーシャル・ネットワーキング・サービスを利用すれば、時間的及び距離的障害を克服して、複数人と多量の情報を相互に、しかもリアルタイムで共有することができる反面、それぞれのユーザはプライベートな時間を持っているのが通常であるため、常にリアルタイムで情報交換ができるとは限らないのが実情である。また、ソーシャル・ネットワーキング・サービスの利用者は、友人として関連付けられた複数人に対し同時に情報を発信することができるが、複数の友人のそれぞれと個別に且つ同時的にコミュニケーションを図ることは困難である。

ところで、記録媒体に予想される質問に対する回答の文書データを記憶させておき、ユーザの質問に応じて回答を自答的に出力する自動対話型システムが開示されている（特許文献１，２参照）。しかしながら、これらの自動対話型のシステムは、予め回答文書が用意されているので、対話は画一的であり時々刻々と変化する社会情勢に応じた会話をすることができない。また、質問をする相手方の個性や感情を表現できないといった問題がある。

特開２００６−０７２７８７号公報特開２００６−１７２２８０号公報

本発明の一実施形態は、このような問題に鑑み、利用者個人の個性、人格を表現することのできるコミュニケーションシステム、コミュニケーション方法を提供することを目的の一つとする。

本発明の一実施形態に係る第１の利用者の個性を反映した仮想的な第１の利用者をコンピュータ上に生成する人工知能は、質問に対する回答を生成する情報処理モジュールを有する。情報処理モジュールは、第１の利用者がソーシャル・ネットワーキング・サービスに入力した第１のソーシャルデータによって質問に対する回答を推論し学習する第１の階層と、複数の利用者がソーシャル・ネットワーキング・サービスに入力した第２のソーシャルデータによって質問に対する回答を推論し学習する第２の階層と、ソーシャル・ネットワーキング・サービスから収集された複数のテキストデータにより生成される第３のソーシャルデータによって質問に対する回答を推論し学習する第３の階層とを含む。第１の階層、第２の階層、第３の階層は、この順に上位から下位に階層化されており、情報処理モジュールが、第１のソーシャルデータによって第１の利用者の個性を反映させた仮想的な第１の利用者を生成し、第２の利用者の質問に対する適切な回答を、第１の階層、第２の階層、第３の階層のうち、上位の階層から順に求めて出力する。

第１のソーシャルデータ及び第２のソーシャルデータは経時的に蓄積されてもよい。

第１のソーシャルデータの傾向分析を行い、第２のソーシャルデータの更新が行われてもよい。

第１のソーシャルデータ及び第２のソーシャルデータは、テキストデータ並びに、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から生成されたテキストデータであってもよい。

情報処理モジュールは、第１のソーシャルデータに含まれるテキストデータの構文解析をし、質問に対する回答を推論し又は学習して決定してもよい。

第２の利用による質問に対し、情報処理モジュールで回答を生成するか否かの設定をする機能を有していてもよい。

第１の利用者の三次元画像データを生成する画像データ生成モジュールが含まれていてもよい。

第１の利用者の音声データから音素データを生成する音素データ生成モジュールと、音素データを用いて会話の音声を生成する音声生成モジュールとが含まれていてもよい。

第１のソーシャルデータは第１のデータベースに記憶され、第２のソーシャルデータは第２のデータベースに記憶され、第３のソーシャルデータは第３のデータベースに記憶されていてもよい。

第１の階層は第１のデータベースと連携し、第２の階層は第２のデータベースと連携し、第３の階層は第３のデータベースと連携していてもよい。

人工知能は、複数の利用者と電気通信回線を通じて双方向に通信可能な状態に置かれていてもよい。

本発明の一実施形態によれば、利用者が利用している様々なソーシャル・ネットワーキング・サービスからデータを取得し、データベースに蓄積することで、人工知能（ＡＩ）が利用者の思考を学習し、質問に対する適切な回答を提供するシステムを提供することができる。

本発明の一実施形態に係るコミュニケーション提供システムと、ソーシャル・ネットワーキング・サービス及び、本コミュニケーション提供システムを利用する利用者との関係を示す図である。本発明の一実施形態に係るコミュニケーション提供システムに登録するための画面の一例図である。本発明の一実施形態に係るコミュニケーション提供システムに登録するための画面の一例図である。本発明の一実施形態に係るコミュニケーション提供システムに登録するための画面の一例図である。（Ｄ）本発明の一実施形態に係るコミュニケーション提供システムに登録するための画面の一例図である。本発明の一実施形態に係るコミュニケーション提供システムに登録するための画面の一例図である。本発明の一実施形態に係るコミュニケーション提供システムと、ソーシャル・ネットワーキング・サービス及び、本コミュニケーション提供システムを利用する利用者との関係を示す図である。本発明の一実施形態に係るコミュニケーション提供システムにおいて、質問を行うための画面の一例図である。本発明の一実施形態に係るコミュニケーション提供システムにおいて、質問を行うための画面の一例図である。本発明の一実施形態に係るコミュニケーション提供システムにおいて、回答が提供される画面の一例図である。本発明の一実施形態に係るコミュニケーション提供システムにおいて、第１の利用者の端末で、仮想的な第１の利用者が複数の第２の利用者がする質問に回答するに際し、複数の第２の利用者毎に自動的な回答可否を設定する機能を説明する図である。本発明の一実施形態に係るコミュニケーション提供システムにおいて、質問をした利用毎に回答の可否を判断して回答をする処理の流れを説明するフローチャートである。本実施形態に係るコミュニケーション提供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コミュニケーション提供システムの構成を説明する図である。本発明の一実施形態に係るコミュニケーション提供システムの構成を説明する図である。本発明の一実施形態に係るコミュニケーション提供システムにおいて実行さ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コミュニケーション提供システムに含まれる類似データベースを説明する図である。本発明の一実施形態に係るコミュニケーション提供システムに含まれるデータベースを説明する図である。本発明の一実施形態に係るコミュニケーション提供システムに含まれるデータベースを説明する図である。本発明の一実施形態に係るコミュニケーション提供システムにおいて回答を評価する態様を説明する図である。本発明の一実施形態に係るコミュニケーション提供システムにおいて実行さ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コミュニケーション提供システムにおいて質問に対する回答の候補と編集をする態様を説明する図である。本発明の一実施形態に係るコミュニケーション提供システムにおいて、質問を受けたとき、過去の会話の中からその回答を検索し、また適切な回答を予測するための構成を示す図である。本発明の一実施形態に係るコミュニケーション提供システムにおいて実行さ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コミュニケーション提供システムにおいて、質問に対する回答をランク分けする態様を説明する図である。本発明の一実施形態に係るコミュニケーション提供システムにおいて、質問に対する回答をランク分けする態様を説明する図である。本発明の一実施形態に係るコミュニケーション提供システムにおいて、会話における質問と回答をグループ化することにより、文脈を統合する態様を示す。本発明の一実施形態に係るコミュニケーション提供システムにおいて、どのようなキーワードの順序が一致を求める際に重要であるかを例示する図である。本発明の一実施形態に係るコミュニケーション提供システムにおいて、質問と回答が、その回答の類似性によってクラスタ化された態様を示し、各クラスタが一つのグループを構成する態様を示す図である。本発明の一実施形態に係るコミュニケーション提供システムにおいて、各質問を構成するベクトル（キーワード、コンセプト、タイプ）は、同等の回答ベクトルを推定する予測因子を持っていることを説明する図である。本発明の一実施形態に係るコミュニケーション提供システムの構成を説明する図である。

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。

［システムの概要］
図１Ａは、本発明の一実施形態に係るコミュニケーション提供システムと、ソーシャル・ネットワーキング・サービス（以下「ＳＮＳ」ともいう。）及び、このコミュニケーション提供システムを利用する利用者との関係を示す。本実施形態に係るコミュニケーション提供システム１００は、利用者が利用している様々なＳＮＳからデータを取得しデータベースに蓄積する機能を有している。コミュニケーション提供システム１００はさらに、データベース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機能（人工知能としての機能）を有し、質問に対する適切な回答を提供可能としている。以下、その詳細を説明する。

図１Ａにおいて、コミュニケーション提供システム１００は、複数の利用者２０２との間で電気通信回線を通じ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、コミュニケーション提供システム１００が提供するサービスによって、直接的及び間接的にコミュニケーションを相互に図ることができる。

図１Ａは、複数の利用者２０２が、それぞれのユーザ端末２００によってコミュニケーション提供システム１００と電気通信回線を通じて双方に通信可能な状態に置かれていることを示している。ここで、複数の利用者２０２は、コミュニケーション提供システム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。コミュニケーション提供システム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の全員がコミュニケーション提供システム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の少なくとも一人は匿名のユーザとしてコミュニケーション提供システム１００を利用できるようになっていてもよい。

コミュニケーション提供システム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ている。ＳＮＳ３００としては、例えば、Ｔｗｉｔｔｅｒ（登録商標）、Ｆａｃｅｂｏｏｋ（登録商標）等であり、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例示される。なお、ＳＮＳ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、コミュニケーション提供システム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。

なお、本明細書において「ソーシャルデータ」とは、何らかの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。）又は不特定人に発信する文字（顔文字を含む）、記号、音声、静止画像、動画等の情報をいう。また、「個人ソーシャルデータ」とは、複数の利用者の内、特定個人のソーシャルデータを指すものとする。

コミュニケーション提供システム１００は、少なくとも一つ、好ましくは複数のＳＮＳ３００から、それぞれに蓄積されるソーシャルデータを取得する。コミュニケーション提供システム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。コミュニケーション提供システム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、コミュニケーション提供システム１００は複数の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。

具体的な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に蓄積される過程の一例としては、次のものがある。まず、第１の利用者２０４が、パーソナルコンピュータやスマートフォンなどを用いて、第１の利用者２０４の属性をコミュニケーション提供システム１００に登録を行う。このために、第１の利用者２０４は、例えば、図１Ｂに示すように、「ようこそpersonalized AIへ」に示される画面をブラウザやアプリを用いて表示を行い、「登録へ」のボタン１を押す。すると、第１の利用者２０４の属性を入力する画面が表示される。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。例えば、図１Ｃに示されるように、ＳＮＳ特定情報をフィールド２に入力し、認証情報として、ユーザ名およびパスワードをフィールド３および４に入力する。そして、「登録」のボタン５を押す。

第１の利用者２０４の属性は、コミュニケーション提供システム１００の記憶装置、例えばデータベースなどを格納する２次記憶などに格納される。コミュニケーション提供システム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にログインなどを行う。この後、コミュニケーション提供システム１００は、そのＳＮＳに格納されている第１の利用者２０４に関する情報、すなわちソーシャルデータ、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における特定のユーザ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。

コミュニケーション提供システム１００は、そのＳＮＳ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に格納する。この場合、コミュニケーション提供システム１００は、そのＳＮＳ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にすることができる。あるいは、コミュニケーション提供システム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、別の情報に変換してデータベースに蓄積してもよい。

例えば、そのＳＮＳにおける第１の利用者２０４が別の利用者からの質問に対して回答したことを表わす情報が取得されると、別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に蓄積することができる。この場合、データベースは、複数の領域（サブデータベース、あるいはテーブルなど）により構成されており、（１）質問が蓄積される領域および（２）回答が蓄積される領域を含むことができる。したがって、質問が蓄積される領域には、別の利用者からの質問が蓄積され、回答が蓄積される領域には、第１の利用者２０４の回答が蓄積される。また、別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格納される。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の領域に格納される。

なお、コミュニケーション提供システム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、コミュニケーション提供システム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。

例えば、図１Ｄに示されるように、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円グラフ６として表示し、６０％の情報がデータベースに蓄積された場合には、「あなたの６０％になりました。」と表示される。第１の利用者２０４が、６０％以上であればよいと考えれば、「公開」のボタン７を押す。これにより、コミュニケーション提供システム１００は、データベースに蓄積された情報を用いて、他のユーザからの質問に回答を行う。

また第１の利用者２０４が６０％では不満であると考えれば、その後、全て（１００％）の情報がデータベースに蓄積され、例えば図１Ｅに示すように「私はあなたになり切りました」というメッセージが表示される。第１の利用者２０４がこれで満足であれば、「公開」のボタン８を押す。これにより、コミュニケーション提供システム１００は、データベースに蓄積された情報を用いて、他のユーザからの質問に回答を行う。

なお、第１の利用者２０４は、コミュニケーション提供システム１００に試みの質問をいくつか行うことが可能になっていてもよい。いくつかの試みの質問に対する回答を見て、「公開」のボタン７および８を押すようになっていてもよい。

ＳＮＳによって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。本実施形態に係るコミュニケーション提供システム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、コミュニケーション提供システム１００はその設定を引き継ぐことができる。

したがって、コミュニケーション提供システム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に蓄積する場合、その情報の開示の範囲もデータベースに蓄積することになる。例えば、図１Ｆに示すように、ＳＮＳ６（３０１）における利用者２０７との１対１のメッセージの交換３０１−１であれば、このメッセージの交換３０１−１による質問と回答は、利用者２０７に対してのみ開示される。言い換えると、利用者２０７以外の利用者Ａがコミュニケーション提供システム１００を用いて行った質問が、第１の利用者２０４が利用者２０７との１対１のメッセージの交換においてのみ出現したのならば、その質問に対する回答は、利用者Ａには提供されないようになる。

第１の利用者２０４がＳＮＳ６における特定のグループにおいてのみ回答した回答についても、その特定のグループに属している利用者以外が質問を行っても、その回答は提供されない。例えば、図１Ｆに示すように、ＳＮＳ６において、第１の利用者２０４が、グループ３０１−２において質問を受けて、回答した場合、その回答は、グループ３０１０−２に属している利用者２０８に開示される。

一方、第１の利用者２０４が、ＳＮＳにおいて、だれでも見られる状態で質問に対して回答などを行った場合には、どの利用者がその質問を行っても、その回答がコミュニケーション提供システム１００から提供される。例えば、第１の利用者２０４が、ＳＮＳ６（３０１）に属しているどの利用者にも閲覧可能な状態（３０１−３）下において、質問に回答すると、第１の利用者２０４とは、特別な関係がなく、単に同じＳＮＳ６に属している利用者２０９から同様の質問をうけると、その回答が提供される。

本実施形態において、コミュニケーション提供システム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。コミュニケーション提供システム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、コミュニケーション提供システム１００を介してサービスの提供を受けることができる。

図１Ａは、第２の利用者２０６が、コミュニケーション提供システム１００を介して、第１の利用者２０４と対話をする態様を示す。だたし、本実施形態における特徴の一つは、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、コミュニケーション提供システム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。これにより、同じ質問が複数回、第１の利用者２０４に対して行われたとしても、第１の利用者２０４に代わってコミュニケーション提供システム１００が仮想的な第１の利用者２０４ｂとして回答を行うことができる。これにより、第１の利用者２０４の手間を減少させることができる。例えば、第１の利用者２０４が著名人である場合、多くの利用者が同じ質問を行っても、第１の利用者２０４には負担とならないようにすることができる。また、特殊な質問がされたとしても、そのような質問に対して第１の利用者２０４が過去に回答している場合には、第１の利用者２０４が過去の回答を探すことなく、コミュニケーション提供システム１００が仮想的な第１の利用者２０４ｂとして回答を行うことができる。これによっても第１の利用者２０４の手間を減少させることができる。

この場合における対話の一例は、次の通りである。まず、第２の利用者２０６は、コミュニケーション提供システム１００にアクセスし、必要ならばログインなどを行った後、対話を希望する相手（第１の利用者２０４ｂ）を特定する。例えば、図１Ｇに示すように、質問を行なうための画面を表示させ、「ログインする」のボタン９を押し、ログインする。あるいは、匿名の利用者として質問をする場合には、「匿名」のボタン１０を押す。また、対話を希望する相手を特定するために、図１Ｈに示すように、フィールド１１に対話を希望する相手のユーザ名を入力する。あるいは、第２の利用者２０６のコミュニケーション提供システム１００における知人の一覧を表示して、対話を希望する相手を特定することもできる。

そしてユーザ端末２００から相手（第１の利用者２０４ｂ）に対する質問を送信する。例えば、図１Ｈに示すように、フィールド１２に質問を入力し、エンターキーなどを押すことにより、コミュニケーション提供システム１００に質問が受け付けられる。質問を受け付けたコミュニケーション提供システム１００は、それに対する適切な回答をユーザ端末２００に送信する。例えば、フィールド１２に「あなたは誰ですか？」という質問が入力されたとすると、図１Ｊに示すように、フィールド１４に「私は社長です。」という回答が表示される。また、このとき、第１の利用者２０４の顔写真データ１３が表示されるようになっていてもよい。この顔写真データ１３は、後述するように、３次元データにより生成されたデータであってもよい。

このとき、コミュニケーション提供システム１００が送信する回答は、第１の例として、第１の利用者２０４の個人ソーシャルデータに基づき生成される。第２の例として、コミュニケーション提供システム１００は、個人ソーシャルデータの中から適切な回答を見つけられないとき、複数の利用者のソーシャルデータを参照して適切な回答を生成し応答する。

この場合、コンピュータシステムの特性により、第２の利用者２０６が質問をするために要する時間（ユーザ端末２００を操作する時間）に対し、仮想的な第１の利用者２０４ｂの応答は極めて速いものとなる。そのため、複数の利用者２０２は、上述のように、同時多発的に仮想的な第１の利用者２０４ｂと対話をすることが可能となる。

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、コミュニケーション提供システム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、コミュニケーション提供システム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、コミュニケーション提供システム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２は、本実施形態に係るコミュニケーション提供システム１００の機能的構成を示す。コミュニケーション提供システム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１０４、データベース１０２を含んで構成されている。

なお、図２で示すコミュニケーション提供システム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１０２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１０４が実現され得る。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。

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、それにより過去の情報（データ）から将来を予測する能力を有していてもよい。本実施形態においても、人工知能としての機能を有する情報処理モジュール１０４とは、少なくとも上記のように通常の人工知能としての機能を有するものを含むものとする。

データベース１０２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。図２では、データベース１０２に、ＳＮＳ３００から取得されるソーシャルデータを記憶する第１のデータベース１０２ａ、第２のデータベース１０２ｂが含まれている態様を示す。また、第３のデータベース１０２ｃは、同様にソーシャルデータを含むようにしてもよいし、コミュニケーションで使用される単語、語彙、定型文が予め記憶されていてもよい。

第１のデータベース１０２ａ、第２のデータベース１０２ｂ及び第３のデータベース１０２ｃ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て記憶されている。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含まれていてもよい。

一般的には、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。

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のデータベースに対応して、第１の類似データベース１０６ａ、第２の類似データベース１０６ｂ、第３の類似データベース１０６ｃに分割されていてもよい。

人工知能としての機能を有する情報処理モジュール１０４は、データベース１０２及び類似データベース１０６と連携して人工知能としての機能を発揮する外、メッセージ（回答情報等）の編集機能、メッセージ（回答情報等）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んでいる。

コミュニケーション提供システム１００は、複数の利用者（図２で例示する、ユーザ端末２０２ａ、２０２ｂ）と双方向に通信可能な状態に置かれている。別言すれば、ユーザ端末２０２ａ、２０２ｂはコミュニケーション提供システム１００及びＳＮＳ３００と通信可能であり、一方、コミュニケーション提供システム１００から見れば複数のユーザ端末２０２ａ、２０２ｂと通信可能であり、ＳＮＳ３００からソーシャルデータを入手可能な状態に置かれている。

コミュニケーション提供システム１００は、第１の利用者２０４に対する仮想的な第１の利用者２０４ｂをシステム上に生成し、複数の他の利用者と逐次的又は同時多発的に会話をすることが可能である。この場合、仮想的な第１の利用者２０４ｂは、アクセスしてくる全ての利用者と平等に会話をすることが可能である。一方、第１の利用者２０４にとっては、複数の第２の利用者２０２の中に、親密度合（家族、友人関係）や組織的な関係（同一法人又はグループに属するか否か）等によって、回答の範囲を制限したいという要求がある。すなわち、第１の利用者２０４は、第２の利用者２０６との関係において、質問に対して回答を留保したい場合もある。

本実施形態に係るコミュニケーション提供システム１００は、第１の利用者２０４が複数の利用者２０２に対して、仮想的な第１の利用者２０４ｂによって自動的に回答をしても良いか否かの設定をしておく機能を有している。図１Ｋは、第１の利用者２０４が操作するユーザ端末の画面表示の一例を示す。図１Ｋで示す画面表示は、第１の利用者２０４がコミュニケーション提供システム１００を介して提供されるサービスを受けるために登録されている利用者毎に、自動的な回答をしても良いか否かを設定する段階を示す。図１Ｋでは、利用者名や利用者のサムネイル画像等による利用者を識別する表示２１０と、回答可否の選択スイッチ２１１が示されている。第１の利用者２０４は、このような画面表示を見ながら、利用者ごとに自動的な回答可否を設定することができる。なお、このような設定は適時変更可能であり、第１の利用者２０４は適時回答可否の選択スイッチ２１１を操作して設定を変更することができる。

図１Ｌは、複数の第２の利用者２０２に対し、回答可否の設定が個別になされている場合におけるコミュニケーション提供システム１００の動作を示す。例えば、第２の利用者２０６から質問がされた場合（Ｓ３１）、その利用者の識別と自動的な回答可否の判断を行う（Ｓ３２）。質問をした第２の利用者２０６が、第１の利用者２０４によって「回答可」と設定されている場合、仮想的な第１の利用者２０４ｂは回答を生成し（Ｓ３３）、第２の利用者２０６に対して回答をする（Ｓ３４）。一方、質問をした第２の利用者２０６が、第１の利用者２０４によって「回答不可」と設定されている場合（Ｓ３２）、仮想的な第１の利用者２０４ｂは回答を留保することとなる。

このように、コミュニケーション提供システム１００は、第１の利用者２０４が、複数の第２の利用者２０２に対し、個別に回答可否の設定をする機能を提供することができる。すなわち、コミュニケーション提供システム１００は、第２の利用による質問に対し、情報処理モジュール１０４で回答を生成するか否かの設定をする機能を有する。それにより、仮想的な第１の利用者２０４ｂによるコミュニケーションの範囲を設定することができる。これにより、第１の利用者２０４にとっては、特定の利用者とのコミュニケーションを制限することができ、コミュニケーション提供システム１００においては、仮想的な第１の利用者２０４ｂが複数の第２の利用者２０２の全てと、全ての質問に対する回答をしなくても良いので、システムの負荷を軽減することができる。

以下、コミュニケーション提供システム１００が利用者の仮想的個人を生成し、当該仮想個人が他の利用者とコミュニケーションを可能とするための構成を詳細に説明する。

［データベース］
図３Ａは、本発明の一実施形態に係るコミュニケーション提供システム１００におけるデータベース１０２構成を説明する図である。図３Ａで示すように、データベース１０２は複数の階層に分かれて構築されていてもよい。第１のデータベース１０２ａは、各利用者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ている。この第１のデータベース１０２ａに記憶される個人ソーシャルデータは、コミュニケーション提供システム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。したがって、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、利用者ごとにデータベースに記憶される。また、個人ソーシャルデータから生成される情報には、後述のように、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のデータベース１０２ａ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んでいる。例えば、ある利用者がＳＮＳに投稿したコメント、当該利用者と他の利用者との間で、ＳＮＳ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）などの情報が記憶されている。また、上述したように、質問と回答とを生成して、これらが記憶されているようにすることもできる。

第２のデータベース１０２ｂは、複数の利用者のソーシャルデータが記憶されている。第２のデータベース１０２ｂに記憶されるデータは、複数の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んでいる。第２のデータベース１０２ｂは第１のデータベース１０２ａ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のデータベース１０２ｂは、階層的には第１のデータベース１０２ａの下位に位置している。

なお、第１のデータベース１０２ａ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のデータベース１０２ｂに記憶されているデータを変更することが可能である。例えば、多数の利用者が同様の質問に対する回答の長さや文体、内容が変化することが検出された場合に、その変化に応じて第２のデータベース１０２ｂに記憶されているデータを変更することが可能である。すなわち、図３Ｂに示すように、第１のデータベース１０２ａに対する傾向分析を行い、第２のデータベース１０２ｂを更新することができる。このような場合の一例としては、「あなたはどのような人ですか？」という質問に対して、従来は多数の利用者が、「私は短気な性格です。」などというように、性格を返答していたのに対して、近時は、「私は会社員です。」などというように、職業を返答するような変化が検出された場合に、この変化に応じて、第２のデータベース１０２ｂに記憶されているデータを変更し、「あなたはどのような人ですか？」という質問に対して、職業を返答するようにすることもできる。なお、このような変更を「質問に対する回答を傾向分析する」という場合がある。

第３のデータベース１０２ｃは、複数のテキストデータを記憶している。第３のデータベース１０２ｃ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、または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。

具体的に、第１のデータベース１０２ａに記憶される第１の利用者のソーシャルデータは、チャットと呼ばれるリアルタイムコミュニケーションにおけるデータ、Ｔｗｉｔｔｅｒ（登録商標）等にアップロードされたツイート、Ｆａｃｅｂｏｏｋ（登録商標）等にアップロードされたコメント、並びにコメントに対する他の利用者のコメント等が記憶されている。また、第２のデータベース１０２ｂに記憶される複数の利用者のソーシャルデータは、上記と同様のデータを含み、さらに、質問とそれに対する回答のテキストデータが関連付けられて記憶されていてもよい。また、第３のデータベース１０２ｃにおいても、複数のテキストデータが、質問とそれに対する回答と言う形式で関連付けられて記憶されていてもよい。

第１のデータベース１０２ａ、第２のデータベース１０２ｂに記憶されるソーシャルデータは、テキストデータであることが好ましい。しかし、このテキストデータは、ＳＮＳの利用者が作成したテキストデータのみならず、音声データ、写真データ及び映像データから生成されたテキストデータが含まれていてもよい。

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は、音声をテキスト変換して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。また、利用者が写真や動画をＳＮＳ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。

このようなデータベース１０２は、図２を参照して説明したように、人工知能としての機能を有する情報処理モジュール１０４と連携し、または協働して動作する。第１のデータベース１０２ａは利用者の個人ソーシャルデータが記憶されるので、この階層を用いたものは個人を反映させる人工知能として「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。また第２のデータベースは、利用者全体のソーシャルデータが記憶されるので、この階層を使って実現されるものは「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。

［情報処理モジュール（人工知能）］
人工知能としての機能を有する情報処理モジュール１０４は、データベース１０２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情報処理モジュール１０４は、例えば、データベース１０２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。このとき人工知能としての機能を有する情報処理モジュール１０４は、データベース１０２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。

人工知能としての機能を有する情報処理モジュール１０４は、仮想的な第１の利用者２０４ｂに対する第２の利用者２０６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。このとき、人工知能としての機能を有する情報処理モジュール１０４は、データベース１０２の上位の階層から順に回答を求める処理を行う。

図４は、人工知能としての機能を有する情報処理モジュール１０４がデータベース１０２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４を参照しつつ、処理の流れを説明する。

最初に、人工知能としての機能を有する情報処理モジュール１０４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のデータベース１０２ａの中から当該質問に対する適した回答を検索する（Ｓ０１）。第１のデータベース１０２ａから回答が得られれば、それは第１の利用者２０４の思考、思想及び感情等を最も的確に反映させたものとなる（Ｓ０６）。

第１のデータベース１０２ａ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１０２ａ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のデータベース１０２ａ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のデータベース１０２ａ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のデータベース１０２ａ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。

人工知能としての機能を有する情報処理モジュール１０４は、第１のデータベース１０２ａの中から回答を得ることができないとき（Ｓ０２）、下位の階層にある第２のデータベース１０２ｂを検索する（Ｓ０３）。第２のデータベース１０２ｂ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、
「貴方は誰ですか」
という質問に対し、
「私は○○（名前）です。」
という回答が多くなされている場合、人工知能としての機能を有する情報処理モジュール１０４は同様の回答を、質問に対する回答として決定することができる。上記は簡単な質問の一例であるが、第２のデータベース１０２ｂ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（Ｓ０６）。

人工知能としての機能を有する情報処理モジュール１０４は、第２のデータベース１０２ｂで回答を見つけることができないとき（Ｓ０４）、第３のデータベース１０２ｃを検索する（Ｓ０５）。第３のデータベース１０２ｃには膨大な数のテキスト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（Ｓ０６）。

［類似する質問の判断］
データベース１０２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２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。

図５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、質問を記憶する質問データベース１０７と、返答を記憶する返答データベース１０８とを含んでいる。あるいは、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。

質問データベース１０７には複数の質問がデータとして記憶されている。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」とは類似する質問として関連付けられて記憶されている。

返答データベース１０８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ている。例えば、前述の「私はアニーです。」という返答が記憶されている。返答データベース１０８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６Ａは、類似データベース１０６の他の態様を示す。図６Ａでは、類似データベース１０６が階層化されている態様を示す例えば、類似データベース１０６は、第１のデータベース１０２ａに対応する第１の類似データベース１０６ａ、第２のデータベース１０２ｂに対応する第２の類似データベース１０６ｂ、第３のデータベース１０２ｃに対応する第３の類似データベース１０６ｃに階層化されていてもよい。

第１の類似データベース１０６ａは、特定の利用者ごとに、その利用者の個人ソーシャルデータに基づいて作成されている。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５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の類似データベース１０６ｂ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ている。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。第２の類似データベース１０６ｂも、図５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。

なお、第１の類似データベース１０６ａ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の類似データベース１０６ｂに記憶されているデータを変更することが可能である。すなわち、図６Ｂに示すように、第１の類似データベース１０６ａの傾向分析を行い、その結果を用いて第２の類似データベース１０６ｂを更新することができる。例えば、「貴方は誰ですか？」と「お名前を教えて下さい」との質問それぞれに、多数の利用者が指名を回答している場合があるとする。この場合、多数の利用者について、第１の類似データベース１０６ａにおいて、「貴方は誰ですか？」と「お名前を教えて下さい」とが類似した質問であることが検出された場合に、第２の類似データベース１０６ｂにおいても、「貴方は誰ですか？」と「お名前を教えて下さい」との質問の両方を類似した質問とするように、第２の類似データベース１０６ｂを更新することができる。

第３の類似データベース１０６ｃは、複数のテキストデータを記憶している。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の類似データベース１０６ｃも、図５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。

このように、類似データベース１０６は、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の類似データベースと、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の類似データベース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、本実施形態に係るコミュニケーション提供システムでは、人工知能としての機能を有する情報処理モジュール１０４が、第２のデータベース１０２ｂ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。

［音素の生成］
本実施形態に係るコミュニケーション提供システムは、図１Ａで示す態様において、第２の利用者２０６が音声で話しかけることでその音声を認識し、第１の利用者２０４の本人の音声（又は、擬似的な本人の音声）で返答する機能を有していてもよい。あるいは、第２の利用者２０６が文字情報などにより非音声的に質問をした場合に、第１の利用者２０４の本人の音声（又は、擬似的な本人の音声）で返答する機能を有していてもよい。このような音声による返答の方式としては、あらかじめ第１の利用者２０４の本人の音声を数多く録音しておき、それを用いて返答文を音声データとして作成する方式がとり得る。しかしながら、このような方式は、利用者本人に予め多量の音声データの入力を強いることになり、全ての利用者に適用することは好ましくなく、また利用者の利便性を損なうこととなる。

そこで本実施形態に係るコミュニケーション提供システム１００おいては、ＳＮＳを介して行われる利用者の音声によるコミュニケーションのデータを随時収録し、それに基づいて音素データを作成する。例えば、利用者が音声によるコミュニケーションの中で話している言葉を取り出し、複数の単語のセットを作成する。

そしてこの単語のセットを、音素を作成するデータとして記憶する。音素の作り方は、まず利用者の属性（例えば、性別、年齢等）に合わせて、予め用意された音声データの特徴（波形）と、実際の利用者の音声波形とを比較する。そして、利用者の音声の波形に近づくように、予め用意された音声データの波形を調整する。調整された音声データを利用者の音素データとして用いる。

あるいは、あらかじめ第１の利用者２０４の本人の音声を数多く録音しておき、それを用いて返答文を音声データとして作成する方式が用いられる場合には、次のようにすることも可能である。すなわち、あらかじめ第１の利用者２０４の本人の音声を数多く録音する場合、あらかじめ定められた文を第１の利用者２０４に読ませて音声データを取得するとする。このとき、ＳＮＳを介して行われる利用者の音声によるコミュニケーションのデータを随時収録し、第１の利用者２０４の発した音声の認識を行う。そして、あらかじめ定められた文やその一部を構成する単語の部分の認識がされた場合、その認識された部分の音声データを取得して記憶する。もし、この処理を繰り返し、取得して記憶された音声データを適切に連接することにより、あらかじめ定められた文全体の音声データが得られる場合には、連接した音声データを登録する。これにより、あらかじめ第１の利用者２０４の本人の音声を数多く録音して、音声データを作成する方式が用いられていても、第１の利用者２０４に負担をかけることなく、第１の利用者２０４の本人の音声を数多く録音した音声データを取得することができる。

このような音素データの作成は、人工知能としての機能を有する情報処理モジュール１０４とデータベース１０２によって行われても良いし、音素を作成する外部のサーバと連携して実行されてもよい。

人工知能としての機能を有する情報処理モジュール１０４では、第２の利用者２０６が音声による質問をした場合に、返答文のテキストデータを、上記のようにして作成された音素データを用いて音声データを作成する。そして、作成された音声データを返答文として、第２の利用者２０６に送信する。

このように、ＳＮＳを介して行われる会話の音声データを取得して、各利用者に会わせた音素データを作成することで、利用者に特別な負荷を与えることなく、コミュニケーション提供システム１００が擬似的であっても、利用者本人に近い音声データを作成し、音声コミュニケーションを成立させることができる。

［回答の評価］
本実施形態に係るコミュニケーション提供システムは、第２の利用者２０６が、コミュニケーション提供システム１００から送信された回答の内容を評価する評価モジュールを有することができる。回答の評価は、第２の利用者２０６のユーザ端末２００を操作することによって行うことができる。ユーザ端末２００に、回答内容を画面表示するとともに、評価を行うためのアイコン（またはボタン）を表示させ、第２の利用者２０６はその画面表示に従って操作をすることにより、評価を実行することができる。評価用の画面は、回答のメッセージと共に、「Ｌｉｋｅ」、「Ｄｉｓｌｉｋｅ」を示すアイコン（またはボタン）（図１Ｊのボタン１５および１６）を表示させることで構築することができる。また、評価は２者択一式ではなく、利用者が点数を付ける形式のものであってもよい。

図７は、第２の利用者２０６が仮想の第１の利用者２０４ｂに対して行った質問に対して、コミュニケーション提供システム１００から回答された回答を評価する態様を説明する図である。

図７において、第２の利用者２０６（Ａ氏、Ｂ氏、Ｃ氏の何れか）が、コミュニケーション提供システム１００上に生成される仮想の第１の利用者２０４ｂとコミュニケーションを図るため、ある質問をした場合が示されている（図中の左側）。第２の利用者２０６（Ａ氏、Ｂ氏、Ｃ氏の何れか）は、コミュニケーション提供システム１００から提供された回答を評価する。例えば、Ａ氏の場合であれば「Ｄｉｓｌｉｋｅ」と評価し、Ｂ氏やＣ氏の場合であれば「Ｌｉｋｅ」と評価している（図中の略中央）。

人工知能としての機能を有する情報処理モジュール１０４は、評価モジュールに入力された評価情報を返答文毎に集計し、評価データとして蓄積することができる。例えば、評価データはポイント制として、返答文データに対等付けて記憶するようにしてもよい。人工知能としての機能を有する情報処理モジュール１０４は、評価値に基づいて、質問に対する応答時に、評価値の高い応答データが優先して選択されるように序列化をすることができる。

また、第２の利用者２０６が、ある返答内容について低い評価を与えた場合、その情報を第１の利用者２０４に通知するようにしてもよい。通知を受けた第１の利用者２０４は、返答内容を編集し、返答文を更新することができる。

［質問に対する回答の編集］
本実施形態に係るコミュニケーション提供システムは、コミュニケーション提供システム１００が作成した返答文を、第１の利用者２０４が自ら編集する編集モジュールを有する。例えば、
「貴方は誰ですか」又は「お名前を教えて下さい」
という質問に対し、
「私は○○（名前）です。」
と返答するように、人工知能としての機能を有する情報処理モジュール１０４は学習されているとする。しかし、利用者によっては、このように導き出された返答内容では適切でないと考える場合がある。例えば、上記の質問に対して、
「私は○○会社の代表取締役です。」
と答えることが適切であると考える場合がある。

また、第１の利用者２０４は、図７で示すように、応答内容に対して低い評価の通知を受ける場合がある（図中の左側）。その場合、第１の利用者２０４は、返答内容を修正し、編集したいと考える場合がある。

本実施形態に係るコミュニケーション提供システム１００は、このような場合、利用者が、人工知能としての機能を有する情報処理モジュール１０４が作成した応答文と異なる応答文を設定したいとき、個別に応答文を編集モジュールの機能により編集することができる。

応答内容の編集の方式としては、利用者が応答内容のテキストデータを自己のユーザ端末２００から入力し、内容を更新モジュールにより更新するようにしてもよい。また、好ましい態様としては、利用者が、人工知能としての機能を有する情報処理モジュール１０４と対話して学習させてもよい。

例えば、第１の利用者２０４が、ユーザ端末２００を使ってコミュニケーション提供システム１００にアクセスし、コミュニケーション提供システム１００上に作成された擬似的な第１の利用者２０４に、例えば、
「お名前を教えて下さい」
と問いかける。人工知能としての機能を有する情報処理モジュール１０４は、予め用意されている回答として、
「私は、○○（名前）です。」
と応答する。第１の利用者２０４は、この応答内容に問題ないと判断することができる。この場合、第１の利用者２０４は編集機能を使用しないで済む。次に、別の質問として、「貴方は誰ですか」
という問いかけに対し、人工知能としての機能を有する情報処理モジュール１０４は、予め用意されている回答として、
「私は、○○（名前）です。」
という応答がなされると、第１の利用者２０４は、この応答は適切ではないと判断し、編集機能を使用する。例えば、ユーザ端末２００の画面表示に従ってアイコンを操作し、編集モードにする。そして、「私は、○○（名前）です。」という応答内容を、「私は○○会社の代表取締役です。」という応答内容に設定する。これにより、「貴方は誰ですか」という問いかけに対しては、「私は○○会社の代表取締役です。」と回答するように設定することができる。

この場合、「お名前を教えて下さい」と「貴方は誰ですか」が、図５で示す類似データベース１０６において、同じ類似グループに登録されているとき、この類似データベース１０６の内容を更新する。例えば、「お名前を教えて下さい」に対しては「私は、○○（名前）です。」が回答されるようにし、「貴方は誰ですか」に対しては「私は○○会社の代表取締役です。」と回答されるように、別のグループとして登録し直すことができる。

図８Ａは、第２の利用者２０６による質問と回答の評価と、第１の利用者２０４が編集を行う態様を説明するフローチャートを示す。

図８Ａにおいて、第２の利用者２０６は、コミュニケーション提供システム１００の存在する仮想の第１の利用者２０４ｂにアクセスし、ある質問（問いかけ）をする（Ｓ１１）。コミュニケーション提供システム１００は質問に対する回答を生成し（Ｓ１２）、第２の利用者２０６へその回答を送信する（Ｓ１３）。そして、第２の利用者２０６は、得られた回答を評価する（Ｓ１４）。

コミュニケーション提供システム１００は評価値を集計する（Ｓ１５）。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（Ｓ１６，Ｓ１７）。この場合、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ていてもよい。

また、回答の評価が低かったものは、その旨を第１の利用者２０４に通知する（Ｓ１６，Ｓ１８）。通知を受けた第１の利用者２０４は（Ｓ１９）、好ましい回答となるように、回答の内容を編集する（Ｓ２０）。コミュニケーション提供システム１００は、編集された回答を受信したとき、データベースに記録されている該当する回答を修正し、更新する（Ｓ２１）。第１の利用者２０４は、回答の内容を修正する必要がないと判断した場合には、そのままにしておくこともできる。

なお、図８Ａでは、第２の利用者２０６が質問をし、第１の利用者２０４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２０４が、コミュニケーション提供システム１００に表れる仮想の第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、人工知能としての機能を有する情報処理モジュール１０４を学習させることができる。

このように本実施形態に係るコミュニケーション提供システム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、コミュニケーション提供システム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、コミュニケーション提供システム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情報処理モジュール１０４に学習させることができる。

［回答候補の表示と選択］
図８Ｂは、コミュニケーション提供システム１００が、質問に対する回答の候補を生成し、利用者がこれを選択する態様を示す。コミュニケーション提供システム１００は、個人ソーシャルデータが記憶された第１のデータベース１０２ａに基づいて、質問に対する回答の候補を生成する。このとき、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１０４ａは、異なるロジックに基づいて複数の回答の候補を生成する機能を有する。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１０４ａは、第１の利用者の個人ソーシャルデータの中から、近時の会話の内容に重み付けをして回答の候補を生成し、別のロジックとしては全データの中から出現頻度の高い会話の内容に基づいて回答候補を作成する。例えば、好きな食べ物の関する質問に対し、最近食べて美味しかった食べ物を回答するロジックと、第１の利用者が昔から好きであった食べ物を回答するロジックとがある。

また、人工知能としての機能を有する第２の情報処理モジュール１０４ｂは、第１の情報処理モジュール１０４ａが第１のデータベース１０２ａの中に適切な答えを見つけられない場合、第２のデータベース１０２ｂに記憶されているデータに基づいて回答の候補を作成する。第２のデータベース１０２ｂには、利用者全体のソーシャルデータが記憶されていることの他、例えば、インターネット上にある様々な情報をクローリングして収集して記憶されている。人工知能としての機能を有する第２の情報処理モジュール１０４ｂが生成する質問に対する回答は、利用者個人の個性を反映した回答ではなく、社会通念上一般化された回答が生成される。例えば、国際試合で優勝した自国の選手に関する質問に対して、喜ばしいという回答が生成される。

人工知能としての機能を有する情報処理モジュール１０４によって生成された回答の候補は、第１の利用者の端末２０４ａに出力される。例えば、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１０４ａは７通りの回答の候補を生成し、第１の利用者の端末２０４ａに回答の候補を出力する。図８Ｂは、第１の利用者の端末２０４ａに回答Ａ１〜Ａ７が表示される態様を示す。第１の利用者の端末２０４ａには、人工知能としての機能を有する情報処理モジュール１０４によって生成された回答の候補が、優先度の高い順（最も的確であると判断される回答の順）にＡ１〜Ａ７の回答候補が表示される。第１の利用者は、この回答Ａ１〜Ａ７を参照して、自己の判断で回答の順番を変更することができる。図８Ｂでは、回答候補Ａ１とＡ３の順番を入れ替えている。

第１の利用者が変更した、回答候補の順は、人工知能としての機能を有する情報処理モジュール１０４に反映される。その結果、次回同じ質問がされた場合には、Ａ３、Ａ２、Ａ１の順に回答の候補が生成される。この結果は、人工知能としての機能を有する情報処理モジュール１０４によって生成される擬似的な第１の利用者２０４ｂの回答として利用される。このように、人工知能としての機能を有する情報処理モジュール１０４が、質問に対する回答の候補を複数生成し、第１の利用者がこの回答候補を選択することで、擬似的な第１の利用者２０４ｂの回答をより適切なものとすることができる。

このような回答候補の編集機能は、前述の編集モジュールの機能により回答候補を編集し、更新モジュールの機能により、編集モジュールで編集された内容に基づいて質問に対する回答候補を更新することができる。

［ユーザ写真の三次元化］
本実施形態に係るコミュニケーション提供システム１００は、利用者の姿を画像データとして取得し、三次元の画像データに変換してユーザ端末に表示させることができる。例えば、図１Ａで示す構成において、第２の利用者２０６が、コミュニケーション提供システム１００上に生成される仮想の第１の利用者と対話をするとき、ユーザ端末２００に第１の利用者の映像を表示させることができる。

利用者の画像データは、ユーザ端末２００の撮像機能を使って取得することができる。例えば、利用者は、ユーザ端末２００を使って自己の写真を撮影し、コミュニケーション提供システム１００に、その画像データをアップロードする。あるいは、利用者がＳＮＳなどにおいて、その利用者を撮影して他の利用者とメッセージを交換した情報が記録されている場合には、その撮影した情報を用いて、画像データを抽出することもできる。これにより、利用者の最新の画像データを取得することができ、利用者の最新の画像データに基づいて、ユーザ写真の三次元化を実現することができる。

コミュニケーション提供システム１００は、二次元の写真データから、そこに写っている人物の３次元形状を推測し、また計算して３次元画像データを生成することができる。その方法として、例えば、物体の肌理の密度分布などから奥行き情報を求める方法や、物体表面での光の反射の強さから法線方向を計算する方法によって、三次元の画像データを作成する。

利用者の３次元画像データは、上述したように、適宜更新するようにしてもよい。別の構成としては、例えば、第１のデータベース１０２ａに収録された、特定の利用者の個人ソーシャルデータの中から画像データを検索し、顔認識の機能を使って利用者の写っている画像データを特定する。そして、利用者の写っている画像データの中から、最新のデータを選択し、そのデータに基づいて利用者の３次元画像データを更新する構成も提供することができる。

このように、コミュニケーション提供システム１００上に存在する仮想個人と対話をするときに、相手方の映像を三次元画像でユーザ端末に表示させることで、コミュニケーションに実体感を持たせることができる。この場合において、仮想個人の三次元映像が、より直近のデータに更新されることで、話し相手の姿がより具体的なものとなり、擬似的なコミュニケーションを介してより親密感を高めることができる。

［質問の自動生成］
本実施形態のコミュニケーション提供システム１００は、データベース１０２に記憶されているソーシャルデータを使って、質問文を自動的に生成し、登録しておく機能を有する。

例えば、第１のデータベース１０２ａには、第１の利用者２０４の個人ソーシャルデータとして、個人的な「ツイート」が多く収録されていてもよい。個人的な「ツイート」とは、例えば、「今日は東京で買い物をした。」、「渋谷で待ち合わせ中。」などである。このような個人ソーシャルデータは、問いかけに対する応答の形式を有していないものの、「ツイート」の中には、少なくとも一つの情報が含まれている。

前述の文例では、「東京」、「渋谷」といった地名に関する情報が含まれている。また、それ以外にも、食べ物、天候、服装、株価、ニュースのキーワード、人名など様々な情報を個人ソーシャルデータの中から見出すことができる。

人工知能としての機能を有する情報処理モジュール１０４は、このような個人ソーシャルデータのテキストデータを、名詞、動詞、形容詞等に分解し、構文解釈して得られた情報から、質問データを作成し登録しておく機能を有する。人工知能としての機能を有する情報処理モジュール１０４は、第２のデータベース１０２ｂに登録されている複数の利用者のソーシャルデータを参照し、どのような会話がなされているのかを学習する。例えば、「どこに行きましたか？」という質問に対して、「機能は○○（地名）へ行きました。」というような会話が数多くなされている場合、地名に対する質問文として「どこに行きましたか？」という質問文を生成し、第１のデータベース１０２に登録する。複数の質問文が作成可能な場合には、類似データベース１０６に登録することも可能である。

このように、人工知能としての機能を有する情報処理モジュール１０４が、個人ソーシャルデータから自動的に設問文を作成することで、対話能力を高めることができる。

［人間らしさの表現方法］
質問に対する返答には揺らぎを与えるようにしてもよい。例えば、
「お元気ですか？」
という質問に対し、
「元気です。あなたはいかがですか？」
という返答が設定されていたとしても、必ずしもこの返答をしないようにしてもよい。例えば、他の多くの利用者が「すごくいいよ！」と返答をしているとき、それに影響をされて同様に回答をするようにしてもよい。

この揺らぎは、利用者の性格分析から、揺らぎの発生する確率の多い人、または他の利用者に影響されにくい人、などのパラメータを当該利用者に割り当てておいてもよい。それにより、その揺らぎの反映され方により個々の利用者の性格、あるいはその利用者らしさを演出することができる。このようなパラメータは、利用者の属性として、コミュニケーション提供システムへ１００の登録時に、コミュニケーション提供システムへ１００に格納して、必要に応じて読み出すことができる。また、このようなパラメータや性格分析の結果は、第１のデータベース１０２ａに蓄積された利用者の回答の時間的な変化を検出した結果をコミュニケーション提供システムへ１００に格納して、必要に応じて読み出すことができる。同様に、第１の類似データベース１０６ａに蓄積された利用者に関する情報の時間的な変化を検出した結果をコミュニケーション提供システム１００に格納して、必要に応じて読み出すことができる。

［質問に対する回答の導出］
人工知能としての機能を有する情報処理モジュール１０４は、問いかけに対する応答を次のようにして行うことができる。

−全体的な構成−
例えば、利用者１と、利用者２とで次のような会話がなされることを想定する。ここで、Ｔ１、Ｔ２・・・は時刻を表すものとする。

利用者１：「こんにちは」［Ｔ１］
利用者２：「こんにちは」［Ｔ２］
利用者１：「ごきげんいかがですか」［Ｔ３］
利用者２：「調子いいよ、あなたは」［Ｔ４］
利用者１：「今日は素晴らしいよ」［Ｔ５］

利用者１と利用者２のこのような会話の内容をまとめると表１及び表２に示すようになる。

このような、利用者１と利用者２との間で交わされる典型的な会話の中で、例えば、利用者１の質問に対する回答は、「こんにちは」に対する「ごきげんいかがですか」であることが判る。これは、利用者１は利用者２に対し、すでに「こんにちは」と述べている文脈から理解することができる。

利用者が、ツイートなどの一方的な会話、つまり質問を受けずに答えを与えている場合もある。例えば、次のようなツイートである。

利用者１：「なんて素晴らしい試合だ」［Ｔ１］
利用者１：「コンピューティングの将来はユビキタス人工知能である」［Ｔ２］

利用者１によるこのようなツイートをまとめると表３のようになる。

質問と回答の組み合わせは過去の会話の中から得ることができる。コミュニケーション提供システム１００は過去の会話を学習することができる。本実施形態に係るコミュニケーション提供システム１００は、過去の会話データ（データベースに蓄積されているソーシャルデータ）を学習することで、新しい質問を生成し、応答を推論し予測することができる。図９は、質問を受けたとき、過去の会話の中からその回答を検索し、また適切な回答を予測するための構成を示す。

回答を予測するための重要な側面は、人工知能が人間の行動を模倣しなければならないところにある。質問への応答は、その質問をしている人に依存する。したがって、ある利用者がした質問に対する応答を予測するには、人工知能は、当該利用者の過去の会話データを参照し、その中から得られる優先順位の高い応答内容を予測する必要がある。

しかし、過去の会話データの中から適切な応答文を検出することができない場合、人工知能は、第１の利用者が他の利用者と交わしている会話の中から、適切な応答文を見つける必要がある。これを行う場合には、他の利用者が交わしている会話を検索することによって、他の利用者の個人情報等、機密事項が漏洩しないように注意する必要がる。

このような場合、個人情報が漏洩する危険を排除するために、人工知能は、他の利用者が交わしている会話の内容において、各回答の機密性のスコアを推定するようにする。

例えば、既に他の利用者と共有されている回答文は、機密性のスコアは低いものとなる。また、上記例文にあるような、一般的な回答文は、仮に他の利用者と共有されていないものであっても、機密性のスコアは低いものとすることができる。

利用者２から利用者１への質問に対する回答を選択するための処理の流れを図１０に示す。人工知能は、最初に、過去に交わされた第１の利用者と第２の利用者との会話の中から適した回答があるかを検索する（Ｓ２１）。その結果、適した回答が見つかった場合には、それを回答として選択する（Ｓ２２、Ｓ２６）。一方、適した回答が見つからない場合には、全利用者の会話の中から学習した回答を一つ又は複数選択する（Ｓ２２、Ｓ２３）。ここで得られた回答に対し、機密性のスコアを評価する（Ｓ２４）。そして、機密性のスコアの低いものを選択し、回答として選択する（Ｓ２５、Ｓ２６）。

−回答の検索−
また、図１１に示すように、質問に対する回答は、次のようにランク分けしてもよい。例えば、図１１で示すように、第１の利用者と第２の利用者が過去に交わした会話の中から回答が見つけられる場合、その回答は両者の間で共有され得る「個人レベル」の回答とすることができる。また、第１の利用者が他の利用者と交わしている会話の中から、適切な応答文を見つける場合には、得られた一つ又は複数の回答について機密性のスコアを評価する。そして、機密性のスコアが低い回答を「公開レベル」の回答とすることができる。さらに、図１２で示すように、複数の利用者のソーシャルデータを学習し、そこから得られた一つ又は複数の回答の機密性のスコアを評価し、スコアの低い回答を「共有レベル」の回答とすることができる。

このような利用者を数式化して表すと、次式のように表すことができる。

ここで、Ｍ_j ⁱは、利用者ｉと利用者ｊとの会話を表すサブモデルである。

そして、全ての利用者の会話を表すパブリックサブモデルＭ_public ⁱは次式で表すことができる。

ここで、Ｑ（ｉ，ｊ）は利用者ｊから利用者ｉに対してなされた質問を表し、Ａ（ｉ、ｊ）は利用者ｉから利用者ｊになされた回答を示し、ｔは対応する時間を示す。

質問に対する回答の関係を、関数ｆを用いて次式のように表すことができる。

ここで、ｑは利用者ｉに対する利用者ｊの質問（またはクエリ）であり、Ａは予測される回答である。

そして、例えば、その回答の機密性のスコアが第１の閾値より高い場合、予測される回答は個人レベルの回答となる。また、機密性のスコアが第１の閾値以下であり、その機密性のスコアが第２の閾値より低い場合は、、予測される回答は公開レベルの回答となる。そして、これらに該当しない場合は共有レベルの回答として扱うことができる。なお、機密性のスコアが第２の閾値より低いとは、機密性と対を成す概念である公開性のスコアとすることもできる。例えば、機密性のスコアをＣ_privateとし、公開性のスコアをＣ_publicとした場合、Ｃ_private＝１−Ｃ_publicと定義したりすることができる。

このような回答レベルの態様は、次式で表すことができる。

ここで、Ｃ_privateは個人レベルの回答に対する機密性のスコアを与え、Ｃ_publicは公開性のスコアを与える。

質問に対する回答として最も適していると判断される回答は一つであり、次式で示すことができる。

ここで、ｓｉｍ（ｑ，Ｑｘ）は、ｑ及びｔｕｐｌｅ（Ｑｘ，Ａｘ，ｔｘ）との間の類似性又はマッチングを示す関数である。

−文脈の統合−
質問に対する回答を予測する場合には、文脈を把握することが重要となる。同じ質問に対する回答は、会話の中でなされていた、過去の質問と回答に依拠することができる。これは、「はい」と返事をする場合のような、一般的な質問の場合に特に当てはまるものとなる。そのような質問への答えは、上記で述べた関数に当てはめることができる。文脈を統合するために、過去になされた会話における質問と回答の学習データをグループ化して適用することができる。図１３は、会話における質問と回答をグループ化することにより、文脈を統合する態様を示す。クエリと、質問及び回答とのマッチングは、加重和となることが示されている。

文脈を統合するときの類似性は次式で示すことができる。

ここで、ａ_iは重み係数であり、Ｗは文脈ウィンドウに含まれているタプル数を示す。

−マッチング関数−
過去の会話から質問と回答の適合性を見つけるために、それらの間の類似性を評価する必要がある。ベクトルの集合として質問と回答を、各クエリで表すことができる。２つのベクトルの集合間の類似性は、対応するベクトル間の類似度の加重和として表すことができる。ベクトル間の類似性は、コサイン距離、ユークリッド距離、マハラノビス距離として推定することができる。

質問と回答に対する各クエリは、次式に示すように、キーワード（Ｗ）、コンセプト（Ｃ）、タイプ（Ｔ）及びグループ（Ｇ）の、各ベクトルの集合で構成される。

・キーワード
キーワードは、利用者の間で交わされるすべてのメッセージから単語を構築することによって得られる。２つのキーワードの間のベクトルの類似性は、重み付け（ＴＦ−ＩＤＦ：Robertson, S. E., Walker, S., Beaulieu, M. M., Gatford, M., & Payne, A. Okapi at TREC-4. In Proceedings of the 4th Text REtrieval Conference (TREC-4), pp. 73-96, 1995］）されたキーワードのコサイン距離として得ることができる。或いは、ＯｋａｐｉＢＭ２５（Harman, D. Ranking algorithms. In W. B. Frakes & R. Baeza-Yates (Eds.), Information retrieval: Data structures and algorithms, pp. 363-392. Englewood Cliffs, New Jersey, USA: Prentice Hall, 1992］）、または情報検索において使用される任意の他のランク付け関数を用いることができる。キーワード間の類似性には意味的類似性が含まれる。それは、意味的に関連している２つのキーワードは類似していると考えられる。この意味的な関係は、ＷｏｒｄＮｅｔ（G. A. Miller, R. Beckwith, C. D. Fellbaum, D. Gross, K. Miller. WordNet: An online lexical database. Int. J. Lexicograph. 3, 4, pp. 235-244, 1990）、ＢａｂｅｌＭｅｔ（R. Navigli and S. P Ponzetto. BabelNet: The Automatic Construction, Evaluation and Application of a Wide-Coverage Multilingual Semantic Network. Artificial Intelligence, 193, Elsevier, pp. 217-250, 2012）、共出現分析（Harris Z. S. Co-occurrence and transformation in linguistic structure, Language, 33, pp. 283-340., 1957）のデータを用いて得ることができる。類似度を推定する際には、文書内におけるキーワードの順序と場所を考慮しなければならない。システム内の順序を統合する対策として場所を表すインデックスの分散を用いる。図１４は、どのようなキーワードの順序が、一致を求める際に重要であるかを示している。

・コンセプト
コンセプトは、語彙の次元を圧縮することで得ることができる。潜在的意味解析（Latent Semantic Analysis）は、コンセプトの限定されたリストを提供するために用いることができる（Thomas K. Landauer, Peter W. Foltz et Darrell Laham. Introduction to Latent Semantic Analysis, Discourse Processes, vol. 25, p. 259-284, 1998）。各質問と応答は、概念空間に投影される。この投影は概念ベクトルを与える。そして、コサイン距離は、概念ベクトル間の類似度を推定することができる。

・タイプ
タイプは文法構造と評判分析の観点から、メッセージの異なるグループとして定義される。このグループには、質問、人、大体の場所、順序、ロマンチックなメッセージ、幸せなメッセージなどが含まれる。これらの分類は、手動のラベル付けされた特徴ベクトルは、文法構造であるデータ、概念やキーワードを人工知能が学習することによって得ることができる。

・グループ
全利用者のタプル（Ｑ，Ａ）は、回答同士のテキストの類似性に基づいてクラスタ化される。各クラスタには名前が与えられる。グループベクトルはタプル（Ｑ，Ａ）が属するクラスタのリストである。どちらも同じような答えを持っているので、明らかに同じグループの２つの質問は類似するものとなる。図１５は、質問と回答が、その回答の類似性によってクラスタ化された態様を示し、各クラスタが一つのグループを構成する態様を示す。

・テンプレートの生成
利用可能な全てのデータを使って人工知能を学習させることができる。入力ベクトルは質問であり、出力ベクトルは回答となる。任意の質問の回答を得るために、学習された人工知能は、解答のテンプレートを推定する。データベースに記憶されている質問と共にクエリのマッチングと組み合わせることで、データベース内の回答にこのテンプレートの答えを一致させることができる。これは、質問がデータの中に見つけられないときに、回答を見つけることができるようにする上で重要である。どんな監修アルゴリズムであっても、ニューラルネットワーク、サポートベクターマシン、ｋ−Ｎｅａｒｅｓｔ−Ｎｅｉｇｈｂｏｒｓ、ガウス混合モデルとして、この場合使用することができる。

質問と回答の間でキーワードに共起分析は、回答テンプレートのキーワードの一部に対して実施することができる。図１６は、各質問を構成するベクトル（キーワード、コンセプト、タイプ）は、同等の回答ベクトルを推定する予測因子を持っている。回答テンプレートのグループは、質問テンプレートにおけるものと同等である。

以上のように、本発明の一実施形態に係るコミュニケーション提供システムは、コミュニケーション提供システムが様々なＳＮＳからデータを取得しデータベースに蓄積すると共に、人工知能としての機能を有する情報処理モジュールが利用者の思考を学習することで、質問に対する適切な回答を提供することができる。

本発明の一実施形態に係るコミュニケーション提供システムは、複数のＳＮＳからソーシャルデータを収集し、それを人工知能としての機能を有する情報処理モジュールが推論し学習することで、一利用者では想到し得ない思考についても提供することができる。

さらに、本発明の一実施形態によれば、コミュニケーション提供システム１００によって生成される仮想の利用者を生成するデータベース（第１のデータベース１０２ａ）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、コミュニケーション提供システム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、第１のデータベース１０２ａ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のデータベース１０２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のデータベース１０２ａに、全利用者のソーシャルデータが記憶される第２のデータベース１０２ｂ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。

［グループによる知識の共有：グループＡＩ］
図２は、個人ソーシャルデータに基づき構成される、人工知能としての機能を有する情報処理モジュール（第１の情報処理モジュール）と、利用者全体のソーシャルデータに基づき構成される、人工知能としての機能を有する情報処理モジュール（第２の情報処理モジュール）と、の関係を示している。本発明は、さらに複数の第１の情報処理モジュールが集合して、情報又は知識レベルを共有する、人工知能としての機能を有する情報処理モジュール（第３の情報処理モジュール）を有することができる。

図１７は、個人ソーシャルデータに基づき構成される、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１０４ａが複数存在する態様を示す（第１の情報処理モジュール１０４ａ＿１〜１０４ａ＿ｎ（ｎは２以上の整数））。なお、第１の情報処理モジュール１０４ａは、図２を参照して説明したように、「プライベートＡＩ」、「パーソナライズドＡＩ」と呼ばれる擬似的な利用者を生成するものである。一方、第１の情報処理モジュール１０４ａと連係する第２の情報処理モジュール１０４ｂは、利用者全体のソーシャルデータや、ソーシャルネットワーク上にある様々な情報がクローリングされて得られた知識の融合体に基づく人工知能であり「エブリワンＡＩ」、「コモンセンスＡＩ」若しくは「モラールＡＩ」と呼ばれるものである。

図１７は、複数の第１の情報処理モジュール１０４ａ＿１〜１０４ａ＿ｎが、一つの集合１１０を形成していることを示す。そして、この集合１１０に対して、知識及び情報を共有する、人工知能としての機能を有する第３の情報処理モジュール１１２が接続されている。第３の情報処理モジュール１１２は、複数の第１の情報処理モジュール１０４ａ＿１〜１０４ａ＿ｎにより生成される共通の知識レベルによって生成される人工知能である。すなわち、第３の情報処理モジュール１１２は、複数の第１の情報処理モジュール１０４ａ＿１〜１０４ａ＿ｎにより生成される複数の擬似的な利用者の全ての知識と個性及び人格を備えた擬似的な利用者であるといえる。このような第３の情報処理モジュール１１２は「グループＡＩ」と呼ぶことができる。

第３の情報処理モジュール１０４ｃは、複数の第１の情報処理モジュール１０４ａ＿１〜１０４ａ＿ｎにより生成される擬似的な各利用者の知識および個性を発揮することができる。別の観点から見れば、第３の情報処理モジュール１１２により生成される擬似的な利用者は、第１の情報処理モジュール１０４ａによって生成される擬似的な利用者が個人レベルであるのに対し、複数の個人が集合して生成されるものであるので、法人的な性格を有しているともいえる。

複数の第１の情報処理モジュール１０４ａ＿１〜１０４ａ＿ｎは、第３の情報処理モジュール１１２と会話をすることができる。これにより、複数の第１の情報処理モジュール１０４ａ＿１〜１０４ａ＿ｎは、お互いの情報や知識を共有することができる。第３の情報処理モジュール１１２は、第１の情報処理モジュール１０４ａ＿１〜１０４ａ＿ｎにより生成される擬似的な利用者の一人が、このグループから離脱したとしても、その脱離した利用者の知識や個性を保持することができるので、メンバーの離脱による知能の欠損を防止することができる。例えば、人工知能としての機能を有する第３の情報処理モジュール１１２が、ある法人の一部の機能として運用されるとき、法人に属する構成員（自然人）が途中で離脱しても、離脱したメンバーのスキルをその法人に留めておくことができる。

第３の情報処理モジュール１０４ｃは、複数の第１の情報処理モジュール１０４ａ＿１〜１０４ａ＿ｎから、新たな情報を取得することが可能であり、それによって人工知能が成長する。すなわち、第１の情報処理モジュール１０４ａ＿１〜１０４ａ＿ｎによって生成される擬似的な各個人のスキルが向上することにより、そのスキルは第３の情報処理モジュール１１２によって生成される擬似的な利用者のスキルとして反映される。

なお、図１７で示すように、第３の情報処理モジュール１１２は、第２の情報処理モジュール１０４ｂ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てもよい。これにより、第３の情報処理モジュール１１２は、幅広く情報を収集することができる。

図１７を参照して説明したように、本発明によれば、人工知能によって生成される複数の疑似的な利用者の集合により、その集合を形成する複数の利用者の知識、知能、個性の全てを備えた擬似的な利用者を形成し、活用することができる。

１００・・・コミュニケーション提供システム、１０２・・・データベース、１０４・・・情報処理モジュール、１０６・・・類似データベース、１０７・・・質問データベース、１０８・・・返答データベース、２００・・・ユーザ端末、２０２・・・複数の利用者、２０４・・・第１の利用者、２０６・・・第２の利用者、３００・・・ＳＮＳ

Claims

第１の利用者の個性を反映した仮想的な第１の利用者をコンピュータ上に生成する人工知能であって、
質問に対する回答を生成する情報処理モジュールを有し、
前記情報処理モジュールは、
前記第１の利用者がソーシャル・ネットワーキング・サービスに入力した第１のソーシャルデータによって質問に対する回答を推論し学習する第１の階層と、
複数の利用者がソーシャル・ネットワーキング・サービスに入力した第２のソーシャルデータによって質問に対する回答を推論し学習する第２の階層と、
ソーシャル・ネットワーキング・サービスから収集された複数のテキストデータにより生成される第３のソーシャルデータによって質問に対する回答を推論し学習する第３の階層と、を含み、
前記第１の階層、前記第２の階層、前記第３の階層は、この順に上位から下位に階層化されており、
前記情報処理モジュールが、
前記第１のソーシャルデータによって前記第１の利用者の個性を反映させた仮想的な第１の利用者を生成し、
第２の利用者の質問に対する適切な回答を、前記第１の階層、前記第２の階層、前記第３の階層のうち、上位の階層から順に求めて出力する、
ことを特徴とする人工知能。
前記第１のソーシャルデータ、前記第２のソーシャルデータは経時的に蓄積される、請求項１に記載の人工知能。
前記第１のソーシャルデータの傾向分析を行い、前記第２のソーシャルデータの更新を行う、請求項２に記載の人工知能。
前記第１のソーシャルデータ及び前記第２のソーシャルデータは、テキストデータ並びに、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から生成されたテキストデータである、請求項１に記載の人工知能。
前記情報処理モジュールは、前記第１のソーシャルデータに含まれるテキストデータの構文解析をし、質問に対する回答を推論し又は学習して決定する、請求項１に記載の人工知能。
前記第２の利用者による質問に対し、前記情報処理モジュールで回答を生成するか否かの設定をする機能を有する、請求項１に記載の人工知能。
前記第１の利用者の三次元画像データを生成する画像データ生成モジュールを含む、請求項１に記載の人工知能。
前記第１の利用者の音声データから音素データを生成する音素データ生成モジュールと、前記音素データを用いて会話の音声を生成する音声生成モジュールとを含む、請求項１に記載の人工知能。
前記第１のソーシャルデータは第１のデータベースに記憶され、前記第２のソーシャルデータは第２のデータベースに記憶され、前記第３のソーシャルデータは第３のデータベースに記憶されている、請求項１に記載の人工知能。
前記第１の階層は前記第１のデータベースと連携し、前記第２の階層は前記第２のデータベースと連携し、前記第３の階層は前記第３のデータベースと連携する、請求項９に記載の人工知能。
前記人工知能は、複数の利用者と電気通信回線を通じて双方向に通信可能な状態に置かれている、請求項１乃至１０のいずれか一項に記載の人工知能。