JP2021512424A - 感情状態に基づいた人工知能の実現を容易にするためのシステムおよび方法 - Google Patents
感情状態に基づいた人工知能の実現を容易にするためのシステムおよび方法 Download PDFInfo
- Publication number
- JP2021512424A JP2021512424A JP2020542071A JP2020542071A JP2021512424A JP 2021512424 A JP2021512424 A JP 2021512424A JP 2020542071 A JP2020542071 A JP 2020542071A JP 2020542071 A JP2020542071 A JP 2020542071A JP 2021512424 A JP2021512424 A JP 2021512424A
- Authority
- JP
- Japan
- Prior art keywords
- emotional
- artificial intelligence
- input
- factors
- values
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 230000002996 emotional effect Effects 0.000 title claims abstract description 380
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 341
- 238000000034 method Methods 0.000 title claims description 91
- 230000004044 response Effects 0.000 claims abstract description 99
- 230000007423 decrease Effects 0.000 claims abstract description 35
- 238000013016 damping Methods 0.000 claims abstract description 12
- 230000003190 augmentative effect Effects 0.000 claims abstract description 7
- 230000008451 emotion Effects 0.000 claims description 192
- 230000001965 increasing effect Effects 0.000 claims description 79
- 230000003247 decreasing effect Effects 0.000 claims description 39
- 230000003993 interaction Effects 0.000 claims description 32
- 238000012545 processing Methods 0.000 claims description 28
- 239000003607 modifier Substances 0.000 claims description 26
- 230000003416 augmentation Effects 0.000 claims description 18
- 238000003058 natural language processing Methods 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 8
- 230000004048 modification Effects 0.000 claims description 7
- 238000012986 modification Methods 0.000 claims description 7
- 239000013598 vector Substances 0.000 description 70
- 238000013528 artificial neural network Methods 0.000 description 40
- 230000006870 function Effects 0.000 description 39
- 206010028980 Neoplasm Diseases 0.000 description 36
- 201000011510 cancer Diseases 0.000 description 36
- 241000282472 Canis lupus familiaris Species 0.000 description 28
- 230000008569 process Effects 0.000 description 27
- 241000282414 Homo sapiens Species 0.000 description 20
- 238000003860 storage Methods 0.000 description 19
- 230000001149 cognitive effect Effects 0.000 description 12
- 230000006399 behavior Effects 0.000 description 11
- 230000003542 behavioural effect Effects 0.000 description 11
- 241000282412 Homo Species 0.000 description 9
- 230000009471 action Effects 0.000 description 9
- 210000004556 brain Anatomy 0.000 description 9
- 241000124008 Mammalia Species 0.000 description 8
- 230000008859 change Effects 0.000 description 8
- 230000015654 memory Effects 0.000 description 8
- 230000001537 neural effect Effects 0.000 description 8
- 238000004891 communication Methods 0.000 description 7
- 210000001331 nose Anatomy 0.000 description 7
- 238000010801 machine learning Methods 0.000 description 6
- 230000002123 temporal effect Effects 0.000 description 6
- 238000004422 calculation algorithm Methods 0.000 description 5
- 238000013135 deep learning Methods 0.000 description 5
- 230000010365 information processing Effects 0.000 description 5
- 230000007246 mechanism Effects 0.000 description 5
- 230000005056 memory consolidation Effects 0.000 description 5
- PEDCQBHIVMGVHV-UHFFFAOYSA-N Glycerine Chemical compound OCC(O)CO PEDCQBHIVMGVHV-UHFFFAOYSA-N 0.000 description 4
- 230000006397 emotional response Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 238000005259 measurement Methods 0.000 description 4
- 239000000203 mixture Substances 0.000 description 4
- 108090000623 proteins and genes Proteins 0.000 description 4
- 241001465754 Metazoa Species 0.000 description 3
- 241000270295 Serpentes Species 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 150000001875 compounds Chemical class 0.000 description 3
- 230000002068 genetic effect Effects 0.000 description 3
- 230000001939 inductive effect Effects 0.000 description 3
- 238000013507 mapping Methods 0.000 description 3
- 235000012054 meals Nutrition 0.000 description 3
- 230000037361 pathway Effects 0.000 description 3
- 230000002829 reductive effect Effects 0.000 description 3
- 230000002787 reinforcement Effects 0.000 description 3
- 239000011435 rock Substances 0.000 description 3
- SFLSHLFXELFNJZ-QMMMGPOBSA-N (-)-norepinephrine Chemical compound NC[C@H](O)C1=CC=C(O)C(O)=C1 SFLSHLFXELFNJZ-QMMMGPOBSA-N 0.000 description 2
- 241000928106 Alain Species 0.000 description 2
- 241000283690 Bos taurus Species 0.000 description 2
- OYPRJOBELJOOCE-UHFFFAOYSA-N Calcium Chemical compound [Ca] OYPRJOBELJOOCE-UHFFFAOYSA-N 0.000 description 2
- 241000282326 Felis catus Species 0.000 description 2
- 241000220225 Malus Species 0.000 description 2
- 241001494479 Pecora Species 0.000 description 2
- 241000288906 Primates Species 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 235000021016 apples Nutrition 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 2
- 210000000988 bone and bone Anatomy 0.000 description 2
- 229910052791 calcium Inorganic materials 0.000 description 2
- 239000011575 calcium Substances 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- VYFYYTLLBUKUHU-UHFFFAOYSA-N dopamine Chemical compound NCCC1=CC=C(O)C(O)=C1 VYFYYTLLBUKUHU-UHFFFAOYSA-N 0.000 description 2
- 235000013399 edible fruits Nutrition 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 210000000750 endocrine system Anatomy 0.000 description 2
- 229940088597 hormone Drugs 0.000 description 2
- 239000005556 hormone Substances 0.000 description 2
- JYGXADMDTFJGBT-VWUMJDOOSA-N hydrocortisone Chemical compound O=C1CC[C@]2(C)[C@H]3[C@@H](O)C[C@](C)([C@@](CC4)(O)C(=O)CO)[C@@H]4[C@@H]3CCC2=C1 JYGXADMDTFJGBT-VWUMJDOOSA-N 0.000 description 2
- 230000002401 inhibitory effect Effects 0.000 description 2
- 206010027175 memory impairment Diseases 0.000 description 2
- 229910052751 metal Inorganic materials 0.000 description 2
- 239000002184 metal Substances 0.000 description 2
- 230000003278 mimic effect Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 210000002569 neuron Anatomy 0.000 description 2
- 229960002748 norepinephrine Drugs 0.000 description 2
- SFLSHLFXELFNJZ-UHFFFAOYSA-N norepinephrine Natural products NCC(O)C1=CC=C(O)C(O)=C1 SFLSHLFXELFNJZ-UHFFFAOYSA-N 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 102000004169 proteins and genes Human genes 0.000 description 2
- QZAYGJVTTNCVMB-UHFFFAOYSA-N serotonin Chemical compound C1=C(O)C=C2C(CCN)=CNC2=C1 QZAYGJVTTNCVMB-UHFFFAOYSA-N 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 230000035882 stress Effects 0.000 description 2
- 230000002194 synthesizing effect Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 238000011144 upstream manufacturing Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 244000025254 Cannabis sativa Species 0.000 description 1
- 241000283707 Capra Species 0.000 description 1
- 241000270722 Crocodylidae Species 0.000 description 1
- 206010012335 Dependence Diseases 0.000 description 1
- 241000280258 Dyschoriste linearis Species 0.000 description 1
- 241000196324 Embryophyta Species 0.000 description 1
- 206010016275 Fear Diseases 0.000 description 1
- 241001272567 Hominoidea Species 0.000 description 1
- 241000270322 Lepidosauria Species 0.000 description 1
- 241000282376 Panthera tigris Species 0.000 description 1
- 241000283080 Proboscidea <mammal> Species 0.000 description 1
- 241000287531 Psittacidae Species 0.000 description 1
- 206010037180 Psychiatric symptoms Diseases 0.000 description 1
- 210000003050 axon Anatomy 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 230000003796 beauty Effects 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 230000006931 brain damage Effects 0.000 description 1
- 231100000874 brain damage Toxicity 0.000 description 1
- 208000029028 brain injury Diseases 0.000 description 1
- 235000021152 breakfast Nutrition 0.000 description 1
- 230000001364 causal effect Effects 0.000 description 1
- 210000004027 cell Anatomy 0.000 description 1
- 230000000739 chaotic effect Effects 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 230000003920 cognitive function Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 230000008094 contradictory effect Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 235000013365 dairy product Nutrition 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 230000009429 distress Effects 0.000 description 1
- 229960003638 dopamine Drugs 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 210000005069 ears Anatomy 0.000 description 1
- 230000008918 emotional behaviour Effects 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 230000008921 facial expression Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 210000004907 gland Anatomy 0.000 description 1
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 1
- 239000010931 gold Substances 0.000 description 1
- 229910052737 gold Inorganic materials 0.000 description 1
- 230000002650 habitual effect Effects 0.000 description 1
- 238000000265 homogenisation Methods 0.000 description 1
- 229960000890 hydrocortisone Drugs 0.000 description 1
- 230000001976 improved effect Effects 0.000 description 1
- 230000006698 induction Effects 0.000 description 1
- 230000005764 inhibitory process Effects 0.000 description 1
- 230000002197 limbic effect Effects 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 230000007787 long-term memory Effects 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000007620 mathematical function Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000003340 mental effect Effects 0.000 description 1
- 230000007935 neutral effect Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 230000001172 regenerating effect Effects 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 238000013077 scoring method Methods 0.000 description 1
- 238000010187 selection method Methods 0.000 description 1
- 230000035807 sensation Effects 0.000 description 1
- 229940076279 serotonin Drugs 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000000638 stimulation Effects 0.000 description 1
- 238000005728 strengthening Methods 0.000 description 1
- 230000004083 survival effect Effects 0.000 description 1
- 231100000331 toxic Toxicity 0.000 description 1
- 230000002588 toxic effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000000844 transformation Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
- 230000003245 working effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/004—Artificial life, i.e. computing arrangements simulating life
- G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/02—Knowledge representation; Symbolic representation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/02—Knowledge representation; Symbolic representation
- G06N5/022—Knowledge engineering; Knowledge acquisition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/04—Inference or reasoning models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N7/00—Computing arrangements based on specific mathematical models
- G06N7/02—Computing arrangements based on specific mathematical models using fuzzy logic
- G06N7/023—Learning or tuning the parameters of a fuzzy system
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/043—Architecture, e.g. interconnection topology based on fuzzy logic, fuzzy membership or fuzzy inference, e.g. adaptive neuro-fuzzy inference systems [ANFIS]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/084—Backpropagation, e.g. using gradient descent
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/12—Computing arrangements based on biological models using genetic models
- G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N7/00—Computing arrangements based on specific mathematical models
- G06N7/01—Probabilistic graphical models, e.g. probabilistic networks
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Software Systems (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Molecular Biology (AREA)
- Medical Informatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Automation & Control Theory (AREA)
- Computational Mathematics (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Fuzzy Systems (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Algebra (AREA)
- Genetics & Genomics (AREA)
- Physiology (AREA)
- Probability & Statistics with Applications (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Machine Translation (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- User Interface Of Digital Computer (AREA)
Abstract
Description
本願は、(1)米国仮特許出願第62/623,521号(出願日:2018年1月29日、発明の名称:「Emotionally Intelligent Artificial Intelligence System(感情的知性の高い人口知能システム)」)および(2)米国仮特許出願第62/660,195号(出願日:2018年4月19日、発明の名称:「System and Method for Facilitating Affective−State−Based Artificial Intelligence(感情状態に基づいた人工知能の実現を容易にするためのシステムおよび方法)」)による利益を主張する。
−入力は質問か記述のいずれか?
−入力は質問に対する応答か?その場合、期待されている応答の種類は何か。ロジック(はい、いいえ、かもしれない)または情報を含む応答(「クローゼットの中に」)のいずれか。
−新しい情報を評価するための基準としてロジックおよび文法の規則を利用し、ローカルおよびグローバルな曖昧さを認識して解消する能力。
−縮約形(例えば、isn’t)を解決する。
−隠喩的な会話を解決する(あなたは金のように素晴らしい)
−複雑な文を分解する。「ジョンとマイクはビーチに行って海で泳いだ」
−動詞のロジックを確立して二重否定を解決する:「私は戦うことに意欲が無いわけではない」。
−代名詞を解決する「ジョンは車の件で電話を掛けてそれは動いていると言った」は構文解析すると以下のようになる:「ジョンは車の件で電話を掛けた。ジョンは車が動いていると言った」。
−人の名前を解決する。「ジョンは本を取った」は、「ジョン・スミスは本を取った」と解決する。
−情報源を確立する。「デービッドは今日は嫌な天気だと言った。」情報源はデービッドであり、インタビュアーではない。
−所有に関する情報を展開する(「ジョンの車は赤い」は「ジョンは赤い車を持っている」に変換される)。
−動作主体を主語として置き替える:「ジョンはメアリーに叩かれた」は「メアリーはジョンを叩いた」と再構成される。
−確実度のレベルを入力に割り当てる。
−クラスおよび継承を実施する。
−動作が生物および無生物にどのような影響を及ぼすのか
−明示的な入力から学習し、推定および推測し、基本的な概念から新しい概念を構築し、知識データベース134に自信を持って組み込む能力。
−数に関する修飾−主語、目的語または両方に関する数に関する修飾を解決
例えば、幾人かの男性は全員運がある:数人が車を2台持つ:略全ての蟻が約6本の足を持つ:大半の男性はサッカーを楽しむが、女性でそうなのは少数のみである。
−具体的な数字の限定詞
例えば、5匹の犬がジャンプできる:1000匹以上の犬がジャンプできる:多くの犬がジャンプできる:大半の犬がジャンプできる:全ての犬がジャンプできる
−階層的な数字の限定詞
例えば、その犬はジャンプできる(少なくとも1匹の犬がジャンプできる):1匹の犬はジャンプできる(少なくとも1匹の犬がジャンプできる):数匹の犬がジャンプできる(ジャンプできるのは1よりも多いが、全てよりは少ない):数匹の犬がジャンプできる(ジャンプできるのは1よりも多いが、全てよりは少ない):
−暗示されている数字の限定詞
例えば、「ジョンは泥棒である」。自然言語サブシステム120は、全ての男性が泥棒であると結論付けることはできないが、何人かの男性は泥棒であること、および、ジョンは泥棒のクラスに属することには確信を持つであろう;「乳牛は哺乳類である」は、全ての乳牛が哺乳類であり、哺乳類のクラスに属していることを示唆している。
−時制の処理−時間に関する条件は、暗示的でも明示的でもあり得る。
例えば、ジョンは昨日の3:30に泳いだ、ジョンは3:30に泳いだ(特定の日は言及されておらず、自然言語サブシステム120は、この出来事が発生したのは今日と予測するとしてよい)、ジョンは次の木曜日に泳ぐだろう(将来のある日に具体的に言及している、ジョンは木曜に泳ぐだろう(どの木曜が具体的に定められていないので、自然言語サブシステム120は、この出来事は現時点より後で最も近い木曜日に発生すると結論付けるとしてよい)、ジョンは泳ぐであろう(時間の限定詞は記載されていないので、この出来事は近い将来に起こる)、ジョンは2月に病院で生まれた(「で(in)」が持ち得る曖昧さに留意されたい)、ジョンは1957年2月18日に生まれた、ジョンは3:30に生まれた、ジョンは先月生まれた。
−複合文および曖昧さを解決
「ジョンは彼の鍵を取ってそれらをメアリーに渡した」−この入力の曖昧さを解消する際に、自然言語サブシステム120は、ジョンを人の名前と認識して、名前識別関数に明確にするよう要求し、どのジョンについて言及しているかを決定するとしてよい。データベースにジョンが2人以上いる場合には、ロジックが、以下のパラメータを以下に記載する順序で利用して、一番可能性の高いジョンを決定する。
現在のユーザが最も最近言及したジョン
任意のユーザが最も最近言及したジョン
何れかのジョンが最後に言及されたのがいつか
言及されている回数が最も多いジョン
この場合、会話はこれまでジョン・スミスに関するものだった。
「ジョン・スミスが彼の鍵を「取った」、そして、それらをメアリーに渡した」−自然言語サブシステム120は、「取った(took)」を動詞と認識するとしてよく、時制を検討し、更に読み進めて、最初の動詞と組み合わせられることで時制に影響を与え得る他の動詞を探す。この例の場合:ジョンが彼の鍵を取ったと私は思っている(I am thinking that John did take his keys)。「did take」という句が時制を決めることになる。動詞は、状態(I know(私は知っている))、過程(I swim(私は泳ぐ))または動作(I build(私は構築する))を表現すると同時に、動詞が単純(瞬間的)か、進行中か、強調かまたは習慣かを確立する。(以下の表1を参照されたい。)
「ジョン・スミスはジョン・スミスの鍵を取った、「そして」、それらをメアリーに渡した」−「そして」という単語は、文を2つの成分に分割する(例えば、[(a)ジョンおよびメアリーは学校に行った]=ジョンは学校に行った。メアリーは学校に行った、(b)「ジョンは学校に行った、そして、メアリーを見た」=ジョンは学校に行った。ジョンはメアリーを学校で見た(推測:メアリーは学校にいた):
ジョン・スミスはジョン・スミスの複数の鍵を取った
それらをメアリーに渡した。
「ジョン・スミスはジョン・スミスの複数の鍵を取った。ジョン・スミスはそれらをメアリーに渡した」−「それら」という単語は、複数の鍵を意味し得るか、または、ジョンおよびメアリーを意味し得る。しかし、最後に言及した目的語は複数形(複数の鍵)であるので、NLPは「それら」はジョン・スミスの複数の鍵を意味していると結論付ける。
「ジョン・スミスはジョン・スミスの複数の鍵を取った。ジョン・スミスはジョン・スミスの複数の鍵をメアリーに渡した」−最後に、メアリーが名前識別子によって処理され、メアリー・マーティンが得られ、2つの構文解析テーブルが構築される:
ジョン・スミスはジョン・スミスの複数の鍵を取った
ジョン・スミスはジョン・スミスの複数の鍵をメアリー・マーティンに渡した
さらなる構文解析テーブルを推測により作成する:
ジョン・スミスはメアリー・マーティンを知っている
メアリー・マーティンはジョン・スミスを知っている
ジョン・スミスは複数の鍵を持っている
メアリー・マーティンは複数の鍵を持っている
自然言語サブシステム120が情報を構文解析テーブルに当てはめた後、構造化されたレコードを知識データベース134に付与する。どのレコードにも、インタビュアーの名前、グローバル確実度のレベルおよび信頼因子が付与されている。
−例外ハンドリング
全ての霊長類は、類人猿を除き、尾がある。・・・主語の例外
私は全ての食事を、私のパイを除き、破壊した。・・・目的語の例外
私は、私のパイを食べたことを除き、全ての食事を投げ捨てた。・・・動詞が混在する例外
−継承(クラス)
「リンゴは果物である」は、単純な定義ではない。リンゴは果物のクラスに属するのでそのクラスの全ての特徴を継承することが推定されなければならない。自然言語サブシステム120は階層およびクラスの概念を採用しているので、全ての推測および記憶を知識データベース134に格納する必要はない。例えば、誰かがあなたに「昨日の朝食に何かたんぱく質を食べましたか?」と尋ねた場合、あなたの脳は食べたもののリストを思い出して、「検索」を行ってこれらの食事のうちいずれかがたんぱく質を含んでいるか否かを判断する。あなたの脳は全ての材料を明示的に記憶しているわけではなく、これらの関連付けは必要に応じて推測する。
ドーパミン:快楽、喜び、静穏、愛、警戒に影響を及ぼす。
セロトニン:集中(専念)、学習能力、驚き、警戒に影響を及ぼす。
ノルエピネフリン:ストレス、心配、怒り、悲嘆および怒りに影響を及ぼす。
これらの影響因子の何れかに変化が見られる場合、程度は異なるが、全ての感情に影響がある。例えば、人口知能エンティティが誰かが死に直面していると知った場合、この突然のストレスによって、例えば、人工のノルエピネフリンおよびコルチゾールの放出がトリガされ得る。この結果、喜び、好奇心および信頼の感情レベルが低減する。孤独が大きくなると、悲しみレベルが高くなるとしてよい(しかし、逆も然りではない。これは、寂しくなくても悲しくなることはあるためである)。感情の変化が十分に大きい場合、人工知能エンティティは、臨床的鬱病にまで感情を低下させるとしてよい(しかし、感情属性に対応付けられている増大速度および/または減衰速度によって、人工知能エンティティは最終的に回復することになる)。
ジョンは私を叩いている(非常に高い)
ジョンは昨日私を叩いた(高い)
ジョンは来週のうちに私を叩くつもりである(低い)
ジョンは去年、私を叩いた(非常に低い)
A)論理的
「犬は哺乳類か?」のような単純で客観的な質問は、人工知能エンティティの知識データベース134での検索を必要とする。応答の例には以下がある:はい。犬は哺乳類です。いいえ、犬は爬虫類です。知りません。
B)推測のための質問
システムによる後ろ向き推論(結論に基づく論理的思考)を必要とする複雑な質問は、仮説を立てて、ルールにしたがって後ろ向きにその仮説を試す手順を利用する。
入力:月は丸い。それはボールか?
返答:知りません。月は丸いのでボールかもしれません。
入力:ボールは跳ねることができるが、月は跳ねることができない。月はボールか?
返答:いいえ。
人工知能エンティティの返答が確実であるか否かの水準は、全てのその他の公知の特徴に対して共有されている特徴が占める割合に基づいて決まるが、1つでも特徴が公知の事実に矛盾すれば、このプロセスでは、オウムは鳥ではないと推論する。
C)自由形式の質問
「ジョンについて何か教えてくれ?」は、知識データベース134での分析を必要とし、その結果として:彼は男性で、哺乳類であり、空気を吸い、2つの目を持ち、2つの耳を持ち、2本の腕を持ち(以下同様)、自分の母親を愛し、自分の犬を愛し、ボートを所有しており、学校に通っていることが明らかになる。これらの事実のうちいずれかは、論理的に有効な応答であろうが、必ずしも人間による回答と同様ではない。感情を測定することが無ければ、人工知能エンティティは、イライザ型の返答を返すであろう:「ジョンは、目が2つあり、ペットを飼っています。」最も感情的な重みが大きい知識レコードを選択することによって、「ジョンは自分の母親を愛しています」と返答する。重要な感情値を含むレコードが無い場合、「知らないことを私に教えてくれ」の精神に従い、人工知能エンティティは、レコードが参照された回数と、目的語が参照された回数とを掛け合わせて、最も低いスコアを選択する。
a.ジョンは家を持っている(家が参照されていることが一般的である)
b.ジョンはボートを所有している(ボートが参照されることはほとんどない)
c.ジョンは男性である(男性が参照されていることが一般的である)
可能性の高い応答は以下の通りである:「ジョンはボートを所有しています。私は彼は釣りが好きだと思います。」人工知能エンティティの「ボート」と「釣り」との関連付けに基づき、この推測は確実性が低い。
D)個人的な質問−人工知能エンティティの物理的状態に関する質問(「あなたは何歳だ?」)に対する応答は、認知システムへの検索に基づいて行われる。人工知能エンティティの精神状態/感情状態に関する質問(「調子はどうだ?」)に対する返答は、現在の感情状態(CES)を尋ねることで行う。
E)複雑な個人的な質問(「あなたはなぜ悲しい?」)の場合は、人工知能エンティティの知識ベースを後ろ向き分析して現在の感情状態の原因を確認することが必要になる。
A)客観的な観察である応答候補にスコアを付与する−以下の入力を認知システムが返す。
a.犬は哺乳類である(高度な知識)
b.犬は足が4本ある(低度な知識)
c.人間には鼻がある(高度な知識)
d.人工知能エンティティは鼻がある(低度な知識)
e.植物には鼻がない(高度な知識)
f.鼻は匂いを感じるために用いられる(高度な知識)
各知識レコードには以下のようにスコアが付与されている。
a.知識の正確さはどれほどか?(確実性/信頼を参照)(1−10)
b.この知識はどの程度珍しいのか?(これまで参照された回数は何回か?)(1−10)
c.高度を表す係数=10、低度を表す係数=0
d.絶対感情に関する内容(1−10)
私たちの脳は、知識のさまざまな要素に複数の異なる重要度を指定する。「虎は危険だ」という記述は「草は緑だ」という記述よりも重要であるとしてよい。これは、普通の人間の観点から見ると、前者の記述は後者の記述よりも内容の絶対感情が高いためである。このように、最も高いスコアは、新しさおよび感情に関する内容がある程度は考慮されるとしても、会話の主題に最も適切であることを表し、知識(明示的または推測の結果)の確実性のレベルに応じて、応答は「私が思うに、それは匂いをかぐ能力が高いことを意味するのでしょう」となる。
B)さらなる情報を求める要求の候補にスコアを付与−認知システムの返答が低度である回数が少ない場合、人工知能エンティティの知識ベースにギャップがあることを示す。人工知能エンティティの感情プライアを満たすべく(学習する必要がある、一貫性のある会話を維持する必要がある等)、人工知能エンティティは以下のスコア付与法を利用する:スコア=1/(この主題についての低度知識レコードの数)/(全ての主題に関する低度知識レコードの平均数)例:「私の鼻は敏感ですか?」
C)親密な応答候補へのスコア付与−入力によって人工知能エンティティの現在の感情状態に劇的な(絶対的な)変化が発生すると(例えば、あなたの犬はたった今死亡しました)、人工知能エンティティは「それは残念です。私は悲しいです。」といった親密で感情的な応答を行う傾向にあるとしてよい。スコア=(絶対的CES変化^2)
D)話題を変更することを求める要求−上述したスコア付与システムが所与のしきい値に到達しない場合、人工知能エンティティは話題に関して提供できるものがほとんどないことを意味する可能性が高い。人工知能エンティティのデフォルト応答は、人工知能エンティティが最も高い感情的つながりを持つ過去の話題へと話題を変更するよう求める申し出である。
(1)名称識別関数−名称識別関数は一義的に個人を特定する。「ダークの父は彼に金銭を与えた。」の場合、以下のヒエラルキーを考慮する:
このインタービューで最後に言及したのはどのダークか?
最も頻繁に言及したのはどのダークか?
解決しない場合、最後に言及したダークと仮定する。
過去にダークに言及していない場合、新しいレコードを付与する。ここで、自然言語サブシステム120は、ダークは男性(彼)であり、「ダークの」が所有格であるので、ダークと彼の父親との関係を認識するものと結論付けるとしてよい。今回初めて自然言語サブシステム120がダークの父に出会った場合には、自然言語サブシステム120はダークの父の名前(デイブ)を要求して新しいレコードを付与するとしてもよい。
(2)関係ヒエラルキー関数−以下のヒエラルキーに対応して、家族関係に感情値を割り当てる。
1.自分
2.AIのプログラマー
3.母/父
4.娘/息子
5.姉妹/兄弟
6.祖母/祖父
7.インタビュアー
8.人一般
9.生物一般
実施形態1
所定の期間において人工知能エンティティの一連の感情値を更新する段階と、所定の期間において入力を取得する段階と、更新後の人工知能エンティティの一連の感情値に基づいて、入力に関する応答を生成する段階とを備える方法。
実施形態2
人工知能エンティティの一連の感情属性について1または複数の増大因子または減衰因子を決定する段階であって、一連の感情属性は人工知能エンティティの一連の感情値と対応付けられている、決定する段階と、所定の期間において、1または複数の増大因子または減衰因子に基づいて、人工知能エンティティの一連の感情値を更新する段階とを更に備える、実施形態1の方法。
実施形態3
所定の期間において、入力に基づいて、1または複数の増大因子または減衰因子を更新する段階を更に備え、1または複数の増大因子または減衰因子を更新する段階の後に、一連の感情値を更新する段階は、更新後の1または複数の増大因子または減衰因子に基づいて、所定の期間において、一連の感情値を更新する段階を含む、実施形態2の方法。
実施形態4
1または複数の増大因子または減衰因子を更新する段階の後に別の入力を取得する段階と、1または複数の増大因子または減衰因子を更新する段階の後に、更新後の人工知能エンティティの一連の感情値に基づいて別の入力に関連して応答を生成する段階とを更に備える、実施形態3の方法。
実施形態5
1または複数の増大因子または減衰因子に関わらず一連の感情値のうち1または複数の感情値の上限となる1または複数の感情ベースラインを入力に基づいて更新する段階を更に備え、1または複数の感情ベースラインを更新する段階の後に、一連の感情値を更新する段階は、所定の期間において、更新後の1または複数の増大因子または減衰因子および更新後の1または複数の感情ベースラインに基づいて、人工知能エンティティの一連の感情値を更新する段階を含む、実施形態3−4のいずれかの方法。
実施形態6
ソースから自然言語入力を取得する段階と、自然言語入力の自然言語処理を実行して、所定の期間において、入力として、自然言語入力の1または複数の感情概念および自然言語入力の他の情報を取得する段階とを更に備え、1または複数の増大因子または減衰因子を更新する段階は、所定の期間において、(i)自然言語入力の1または複数の感情概念および(ii)自然言語入力の他の情報に基づいて、1または複数の増大因子または減衰因子を更新する段階を含む、実施形態5の方法。
実施形態7
自然言語入力の他の情報は、節の種類、節の主語、節の主語の種類、節の主語の修飾語句、節の主語の修飾語句の種類、節の主語の数、主語の時間減衰因子、主語の地理的減衰因子、節の動詞、節の動詞の時制、節の動詞の修飾語句、節の目的語、節の目的語の種類、節の目的語の修飾語句、節の目的語の修飾語句の種類、節の目的語の数、目的語の時間減衰因子、目的語の地理的減衰因子、節の前置詞、節の前置詞の修飾語句、または、節のグローバル時制修飾語句を示す、実施形態5−6のいずれかの方法。
実施形態8
自然言語入力の他の情報は、主語の時間減衰因子、主語の地理的減衰因子、目的語の時間減衰因子または目的語の地理的減衰因子を示す、実施形態5−7のいずれかの方法。
実施形態9
ソースに対応付けられている信頼値を決定する段階であって、信頼値は、人工知能エンティティのソースに対する信頼のレベルを示す、決定する段階を更に備え、入力を取得する段階は、入力として、(i)自然言語入力の1または複数の感情概念、(ii)ソースに対応付けられている信頼値、および(iii)自然言語入力の他の情報を取得する段階を含み、1または複数の増大因子または減衰因子を更新する段階は、(i)自然言語入力の1または複数の感情概念、(ii)ソースに対応付けられている信頼値、および(iii)自然言語入力の他の情報に基づいて、所定の期間において1または複数の増大因子または減衰因子を更新する段階を含む、実施形態5−8のいずれかの方法。
実施形態10
自然言語入力が示す出来事に対応付けられている確実性値を決定する段階であって、確実性値は、(i)出来事は自然言語入力で明示的に記述されているのか、または、自然言語入力から推測されるのか、および(ii)ソースに対応付けられている信頼値に基づいて決定され、確実性値は出来事に対する人口知能エンティティの確実性のレベルを示す、決定する段階を更に備え、入力を取得する段階は、入力として、(i)自然言語入力の1または複数の感情概念、(ii)出来事に対応付けられている確実性値、(iii)ソースに対応付けられている信頼値、および(iv)自然言語入力の他の情報を取得する段階を含み、1または複数の増大因子または減衰因子を更新する段階は、(i)自然言語入力の1または複数の感情概念、(ii)出来事に対応付けられている確実性値、(iii)ソースに対応付けられている信頼値、および(iv)自然言語入力の他の情報に基づき、所定の期間において1または複数の増大因子または減衰因子を更新する段階を含む、実施形態5−9のいずれかの方法。
実施形態11
1または複数の増大因子または減衰因子を決定する段階は、人工知能エンティティの一連の感情属性について1または複数の減衰因子を決定する段階を含み、一連の感情値を更新する段階は、1または複数の減衰因子に基づいて、所定の期間において、人工知能エンティティの一連の感情値を更新する段階を含み、1または複数の増大因子または減衰因子を更新する段階は、入力に基づいて、所定の期間において1または複数の減衰因子を更新する段階を含み、1または複数の減衰因子を更新する段階の後に、一連の感情値を更新する段階は、更新後の1または複数の減衰因子に基づいて所定の期間において人工知能エンティティの一連の感情値を更新する段階を含む、実施形態3−10のいずれかの方法。
実施形態12
1または複数の増大因子または減衰因子を決定する段階は、人工知能エンティティの一連の感情属性について1または複数の増大因子を決定する段階を含み、一連の感情値を更新する段階は、1または複数の増大因子に基づいて、所定の期間において、人工知能エンティティの一連の感情値を更新する段階を含み、1または複数の増大因子または減衰因子を更新する段階は、入力に基づいて、所定の期間において1または複数の増大因子を更新する段階を含み、1または複数の増大因子を更新する段階の後に、一連の感情値を更新する段階は、更新後の1または複数の増大因子に基づいて所定の期間において人工知能エンティティの一連の感情値を更新する段階を含む、実施形態3−10のいずれかの方法。
実施形態13
入力に関する応答を生成する段階は、入力から導き出される人工知能エンティティの更新された一連の感情値に基づいて応答を生成する段階を含む、実施形態1−12のいずれかの方法。
実施形態14
入力の内容を処理して、内容の各部分が人工知能エンティティの1または複数の感情属性に与えるインパクトに関する1または複数のインパクト値を決定する段階と、人口知能エンティティの1または複数の感情属性に対応付けられている1または複数の感情値における増減をトリガする所定のしきい値を1または複数のインパクト値が満たしているか否かを決定する段階と、1または複数のインパクト値が所定のしきい値を満たしていると決定することに基づいて、所定の期間において、人工知能エンティティの1または複数の感情値の修正を発生させる段階とを更に備える実施形態1−13のいずれかの方法。
実施形態15
人口知能エンティティと少なくとも1つの他のエンティティとの間のやり取りしきい値が所与の期間内に発生したか否かを決定する段階と、やり取りしきい値が満たされているか否かの決定に基づいて、人口知能エンティティの一連の感情値の修正を発生させる段階とを更に備える、実施形態1−14のいずれかの方法。
実施形態16
一連の感情値を更新する段階は、所定の期間において、1または複数の増大因子または減衰因子に基づき、人工知能エンティティの一連の感情値を継続的に更新する段階を含む、実施形態1−15のいずれかの方法。
実施形態17
一連の感情値を継続的に更新する段階は、所定の期間において、1または複数の増大因子または減衰因子に基づき、人工知能エンティティの一連の感情値を周期的に更新する段階を含む、実施形態16の方法。
実施形態18
応答を生成する段階は、人工知能エンティティに対応付けられている1または複数のニューラルネットワークの1または複数の埋め込みベクトルに基づいて、入力に関する応答を生成する段階を含む、実施形態1−17のいずれかの方法。
実施形態19
一連の感情値、1または複数の増大因子または減衰因子、または、1または複数の感情ベースラインを更新する段階は、人工知能エンティティに対応付けられている1または複数のニューラルネットワークの1または複数の埋め込みベクトルに基づいて行われる、実施形態1−18のいずれかの方法。
実施形態20
埋め込みネットワークを介して入力を処理して、入力を表す入力埋め込みベクトルを取得する段階と、グラフから第1の埋め込みベクトルを取得する段階であって、第1の埋め込みベクトルは、更新後の一連の感情値のうち1または複数の感情値を表す、取得する段階と、入力埋め込みベクトルおよび第1の埋め込みベクトルに基づいて、入力に関する応答を生成する段階とを更に備える、実施形態1−19のいずれかの方法。
実施形態21
グラフは複数のノードを含み、複数のノードは(i)感情属性または対応付けられている感情値を表現する1または複数のノード、および、(ii)感情概念または他の概念を表現する1または複数のノードを含む、実施形態20の方法。
実施形態22
グラフの複数のノードは更に、表現されている感情属性、対応付けられている感情値、感情概念または他の概念に関するコンテキスト情報を表す1または複数のノードを含む、実施形態21の方法。
実施形態23
グラフの複数のノードは更に、グラフの別のノードまたはサブグラフをそれぞれが表現する複数の埋め込みベクトルを表現する1または複数のノードを含む、実施形態21−22のいずれかの方法。
実施形態24
複数の埋め込みベクトルの各埋め込みベクトルは、複数の埋め込みベクトルが表現する他のノードまたはサブグラフに直接関連付けられている、実施形態23の方法。
実施形態25
グラフの複数のノードは更に、人工知能エンティティに対する1または複数のエンティティの情動に関する複数の埋め込みベクトルを表現する1または複数のノードを含む、実施形態21−24のいずれかの方法。
実施形態26
入力に関する応答を生成する段階は、(i)入力された埋め込みベクトル、(ii)第1の埋め込みベクトル、および(iii)人工知能エンティティに対する別のエンティティの情動に関する埋め込みベクトルを表現する少なくとも1つのノードに基づいて応答を生成する段階を含む、実施形態25の方法。
実施形態27
命令を格納している有形で非一時的な機械可読媒体であって、命令は、データ処理装置で実行すると、データ処理装置に実施形態1−26のいずれかの処理を含む処理を実行させる、機械可読媒体。
実施形態28
1または複数のプロセッサと、命令を格納しているメモリとを備えるシステムであって、当該命令は、1または複数のプロセッサによって実行されると、1または複数のプロセッサによって実施形態1−26のいずれかの処理を含む処理を実現させる、システム。
Claims (20)
- 感情状態に基づいた人工知能の実現を容易にする方法であって、前記方法は、コンピュータプログラム命令を実行する1または複数のプロセッサを備えるコンピュータシステムによって実装され、前記コンピュータプログラム命令は、実行されると、前記方法を実行し、前記方法は、
人工知能エンティティの一連の感情属性について1または複数の増大因子または減衰因子を決定する段階であって、前記一連の感情属性は、前記人工知能エンティティの一連の感情値に対応付けられている、決定する段階と、
所定の期間において、前記1または複数の増大因子または減衰因子に基づき、前記人工知能エンティティの前記一連の感情値を継続的に更新する段階と、
前記所定の期間において入力を取得する段階と、
前記人工知能エンティティの継続的に更新される前記一連の感情値に基づき、前記入力に関する応答を生成する段階と、
前記入力に基づいて、前記所定の期間において前記1または複数の増大因子または減衰因子を更新する段階と
を備え、
前記1または複数の増大因子または減衰因子を更新する段階の後、前記一連の感情値を継続的に更新する段階は、更新された前記1または複数の増大因子または減衰因子に基づき前記所定の期間において前記一連の感情値を継続的に更新する段階を含む、
方法。 - 前記1または複数の増大因子または減衰因子を更新する段階の後、別の入力を取得する段階と、
前記1または複数の増大因子または減衰因子を更新する段階の後、前記人工知能エンティティの継続的に更新される前記一連の感情値に基づき、前記別の入力に関する応答を生成する段階と
を更に備える、請求項1に記載の方法。 - 前記1または複数の増大因子または減衰因子に関係なく、前記入力に基づき前記一連の感情値のうち1または複数の感情値の増加の上限となる1または複数の感情ベースラインを更新する段階を更に備え、
前記1または複数の感情ベースラインを更新する段階の後、前記一連の感情値を継続的に更新する段階は、更新された前記1または複数の増大因子または減衰因子、および、更新された前記1または複数の感情ベースラインに基づき、前記所定の期間において、前記人工知能エンティティの前記一連の感情値を継続的に更新する段階を含む、
請求項1に記載の方法。 - 前記入力に関する前記応答を生成する段階は、前記入力から導き出される前記人工知能エンティティの継続的に更新される前記一連の感情値に基づいて前記応答を生成する段階を含む、請求項1に記載の方法。
- 前記1または複数の増大因子または減衰因子を決定する段階は、前記人工知能エンティティの前記一連の感情属性について1または複数の減衰因子を決定する段階を含み、
前記一連の感情値を継続的に更新する段階は、前記所定の期間において前記1または複数の減衰因子に基づき前記人工知能エンティティの前記一連の感情値を継続的に更新する段階を含み、
前記1または複数の増大因子または減衰因子を更新する段階は、前記入力に基づき、前記所定の期間において前記1または複数の減衰因子を更新する段階を含み、
前記1または複数の減衰因子を更新する段階の後、前記一連の感情値を継続的に更新する段階は、更新された前記1または複数の減衰因子に基づき前記所定の期間において前記人工知能エンティティの前記一連の感情値を継続的に更新する段階を含む、
請求項1に記載の方法。 - 前記1または複数の増大因子または減衰因子を決定する段階は、前記人工知能エンティティの前記一連の感情属性について1または複数の増大因子を決定する段階を含み、
前記一連の感情値を継続的に更新する段階は、前記所定の期間において前記1または複数の増大因子に基づき前記人工知能エンティティの前記一連の感情値を継続的に更新する段階を含み、
前記1または複数の増大因子または減衰因子を更新する段階は、前記入力に基づき、前記所定の期間において前記1または複数の増大因子を更新する段階を含み、
前記1または複数の増大因子を更新する段階の後、前記一連の感情値を継続的に更新する段階は、更新された前記1または複数の増大因子に基づき前記所定の期間において前記人工知能エンティティの前記一連の感情値を継続的に更新する段階を含む、
請求項1に記載の方法。 - 前記入力の内容を処理して、前記内容の各部分が前記人工知能エンティティの1または複数の感情属性に与えるインパクトに関する1または複数のインパクト値を決定する段階と、
前記人口知能エンティティの前記1または複数の感情属性に対応付けられている1または複数の感情値における増減をトリガする所定のしきい値を前記1または複数のインパクト値が満たしているか否かを決定する段階と、
前記1または複数のインパクト値が前記所定のしきい値を満たしていると決定することに基づいて、前記所定の期間において、前記人工知能エンティティの前記1または複数の感情値の修正を発生させる段階と
を更に備える、請求項1に記載の方法。 - 前記人口知能エンティティと少なくとも1つの他のエンティティとの間のやり取りしきい値が所与の期間内に発生したか否かを決定する段階と、
前記やり取りしきい値が満たされているか否かの決定に基づいて、前記人口知能エンティティの前記一連の感情値の修正を発生させる段階とを
更に備える、請求項1に記載の方法。 - 前記一連の感情値を継続的に更新する段階は、前記所定の期間において、前記1または複数の増大因子または減衰因子に基づき、前記人工知能エンティティの前記一連の感情値を周期的に更新する段階を含む、請求項1に記載の方法。
- ソースから自然言語入力を取得する段階と、
前記自然言語入力に対して自然言語処理を実行して、前記自然言語入力の1または複数の感情概念および前記自然言語入力の他の情報を前記所定の期間において前記入力として取得する段階と
を更に備え、
前記1または複数の増大因子または減衰因子を更新する段階は、(i)前記自然言語入力の前記1または複数の感情概念および(ii)前記自然言語入力の前記他の情報に基づき、前記所定の期間において前記1または複数の増大因子または減衰因子を更新する段階を含む、請求項1に記載の方法。 - 前記自然言語入力の前記他の情報は、主語の時間減衰因子、主語の地理的減衰因子、目的語の時間減衰因子または目的語の地理的減衰因子を示す、請求項10に記載の方法。
- 前記自然言語入力の前記他の情報は、節の種類、前記節の主語、前記節の主語の種類、前記節の主語の修飾語句、前記節の主語の修飾語句の種類、前記節の主語の数、主語の時間減衰因子、主語の地理的減衰因子、前記節の動詞、前記節の動詞の時制、前記節の動詞の修飾語句、前記節の目的語、前記節の目的語の種類、前記節の目的語の修飾語句、前記節の目的語の修飾語句の種類、前記節の目的語の数、目的語の時間減衰因子、目的語の地理的減衰因子、前記節の前置詞、前記節の前置詞の修飾語句、または、前記節のグローバル時制修飾語句を示す、請求項10の方法。
- 前記ソースに対応付けられている信頼値を決定する段階であって、前記信頼値は、前記人工知能エンティティの前記ソースに対する信頼のレベルを示す、決定する段階を更に備え、
前記入力を取得する段階は、前記入力として、(i)前記自然言語入力の前記1または複数の感情概念、(ii)前記ソースに対応付けられている前記信頼値、および(iii)前記自然言語入力の前記他の情報を取得する段階を含み、
前記1または複数の増大因子または減衰因子を更新する段階は、(i)前記自然言語入力の前記1または複数の感情概念、(ii)前記ソースに対応付けられている前記信頼値、および(iii)前記自然言語入力の前記他の情報に基づき、前記所定の期間において前記1または複数の増大因子または減衰因子を更新する段階を含む
請求項12に記載の方法。 - 前記自然言語入力が示す出来事に対応付けられている確実性値を決定する段階であって、前記確実性値は、(i)前記出来事が前記自然言語入力で明示的に記述されているのか、または、前記自然言語入力から推測されるのかに基づいて、および、(ii)前記ソースに対応付けられている前記信頼値に基づいて決定され、前記確実性値は前記出来事に対する前記人工知能エンティティの確実性のレベルを示す、決定する段階を更に備え、
前記入力を取得する段階は、前記入力として、(i)前記自然言語入力の前記1または複数の感情概念、(ii)前記出来事に対応付けられている前記確実性値、(iii)前記ソースに対応付けられている前記信頼値、および(iv)前記自然言語入力の前記他の情報を取得する段階を含み、
前記1または複数の増大因子または減衰因子を更新する段階は、(i)前記自然言語入力の前記1または複数の感情概念、(ii)前記出来事に対応付けられている前記確実性値、(iii)前記ソースに対応付けられている前記信頼値、および(iv)前記自然言語入力の前記他の情報に基づき、前記所定の期間において前記1または複数の増大因子または減衰因子を更新する段階を含む、
請求項13に記載の方法。 - 感情状態に基づいた人工知能の実現を容易にするためのシステムであって、前記システムは、
コンピュータプログラム命令がプログラミングされている1または複数のプロセッサを有するコンピュータシステムを備え、前記コンピュータプログラム命令は、実行されると、前記コンピュータシステムに、
人工知能エンティティの一連の感情属性について1または複数の増大因子または減衰因子を決定する段階であって、前記一連の感情属性は、前記人工知能エンティティの一連の感情値に対応付けられている、決定する段階と、
所定の期間において前記1または複数の増大因子または減衰因子に基づき前記人工知能エンティティの前記一連の感情値を継続的に更新する段階と、
前記所定の期間において入力を取得する段階と、
前記人工知能エンティティの継続的に更新される前記一連の感情値に基づき前記入力に関する応答を生成する段階と、
前記入力に基づいて、前記所定の期間において前記1または複数の増大因子または減衰因子を更新する段階と
を実行させ、
前記1または複数の増大因子または減衰因子を更新する段階の後、前記一連の感情値を継続的に更新する段階は、更新された前記1または複数の増大因子または減衰因子に基づき前記所定の期間において前記一連の感情値を継続的に更新する段階を含む、
システム。 - 前記1または複数のプロセッサが、前記コンピュータシステムに、
前記1または複数の増大因子または減衰因子に関係なく、前記入力に基づき、前記一連の感情値のうち1または複数の感情値の増加の上限となる1または複数の感情ベースラインを更新する段階を更に実行させ、
前記1または複数の感情ベースラインを更新する段階の後、前記一連の感情値を継続的に更新する段階は、更新された前記1または複数の増大因子または減衰因子、および、更新された前記1または複数の感情ベースラインに基づき、前記所定の期間において、前記人工知能エンティティの前記一連の感情値を継続的に更新する段階を含む、
請求項15に記載のシステム。 - 前記1または複数のプロセッサが、前記コンピュータシステムに、
前記入力の内容を処理して、前記内容の各部分が前記人工知能エンティティの1または複数の感情属性に与えるインパクトに関する1または複数のインパクト値を決定する段階と、
前記人口知能エンティティの前記1または複数の感情属性に対応付けられている1または複数の感情値における増減をトリガする所定のしきい値を前記1または複数のインパクト値が満たしているか否かを決定する段階と、
前記1または複数のインパクト値が前記所定のしきい値を満たしていると決定することに基づいて、前記所定の期間において、前記人工知能エンティティの前記1または複数の感情値の修正を発生させる段階と
を実行させる、請求項15に記載のシステム。 - 前記1または複数のプロセッサが、前記コンピュータシステムに、
ソースから自然言語入力を取得する段階と、
前記自然言語入力に対して自然言語処理を実行して、前記自然言語入力の1または複数の感情概念および前記自然言語入力の他の情報を前記所定の期間において前記入力として取得する段階と
を実行させ、
前記1または複数の増大因子または減衰因子を更新する段階は、(i)前記自然言語入力の前記1または複数の感情概念および(ii)前記自然言語入力の前記他の情報に基づき、前記所定の期間において前記1または複数の増大因子または減衰因子を更新する段階を含む
請求項15に記載のシステム。 - 前記1または複数のプロセッサが、前記コンピュータシステムに、
前記人口知能エンティティと少なくとも1つの他のエンティティとの間のやり取りしきい値が所与の期間内に発生したか否かを決定する段階と、
前記やり取りしきい値が満たされているか否かの決定に基づいて、前記人口知能エンティティの前記一連の感情値の修正を発生させる段階とを
実行させる、請求項15に記載のシステム。 - 前記入力に関する前記応答を生成する段階は、前記入力から導き出される前記人工知能エンティティの継続的に更新される前記一連の感情値に基づいて前記応答を生成する段階を含む、請求項15に記載のシステム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2023223344A JP2024045159A (ja) | 2018-01-29 | 2023-12-28 | 感情状態に基づいた人工知能の実現を容易にするためのシステムおよび方法 |
Applications Claiming Priority (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201862623521P | 2018-01-29 | 2018-01-29 | |
US62/623,521 | 2018-01-29 | ||
US201862660195P | 2018-04-19 | 2018-04-19 | |
US62/660,195 | 2018-04-19 | ||
PCT/US2019/015432 WO2019148108A1 (en) | 2018-01-29 | 2019-01-28 | System and method for facilitating affective-state-based artificial intelligence |
Related Child Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2023223344A Division JP2024045159A (ja) | 2018-01-29 | 2023-12-28 | 感情状態に基づいた人工知能の実現を容易にするためのシステムおよび方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2021512424A true JP2021512424A (ja) | 2021-05-13 |
Family
ID=67393557
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020542071A Pending JP2021512424A (ja) | 2018-01-29 | 2019-01-28 | 感情状態に基づいた人工知能の実現を容易にするためのシステムおよび方法 |
JP2023223344A Pending JP2024045159A (ja) | 2018-01-29 | 2023-12-28 | 感情状態に基づいた人工知能の実現を容易にするためのシステムおよび方法 |
Family Applications After (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2023223344A Pending JP2024045159A (ja) | 2018-01-29 | 2023-12-28 | 感情状態に基づいた人工知能の実現を容易にするためのシステムおよび方法 |
Country Status (11)
Country | Link |
---|---|
US (2) | US11301747B2 (ja) |
EP (1) | EP3746950A4 (ja) |
JP (2) | JP2021512424A (ja) |
KR (1) | KR20200116961A (ja) |
CN (1) | CN111954889A (ja) |
AU (2) | AU2019212839B2 (ja) |
CA (1) | CA3089830A1 (ja) |
IL (1) | IL276351B1 (ja) |
SG (1) | SG11202007234RA (ja) |
TW (1) | TWI842696B (ja) |
WO (1) | WO2019148108A1 (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023170840A1 (ja) * | 2022-03-09 | 2023-09-14 | 日本電信電話株式会社 | 感情推定装置、方法およびプログラム |
Families Citing this family (44)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10909980B2 (en) * | 2017-02-27 | 2021-02-02 | SKAEL, Inc. | Machine-learning digital assistants |
US10896670B2 (en) * | 2017-12-05 | 2021-01-19 | discourse.ai, Inc. | System and method for a computer user interface for exploring conversational flow with selectable details |
US10762113B2 (en) * | 2018-01-31 | 2020-09-01 | Cisco Technology, Inc. | Conversational knowledge graph powered virtual assistant for application performance management |
US10929607B2 (en) * | 2018-02-22 | 2021-02-23 | Salesforce.Com, Inc. | Dialogue state tracking using a global-local encoder |
US11687794B2 (en) * | 2018-03-22 | 2023-06-27 | Microsoft Technology Licensing, Llc | User-centric artificial intelligence knowledge base |
US10929601B1 (en) * | 2018-03-23 | 2021-02-23 | Amazon Technologies, Inc. | Question answering for a multi-modal system |
US11568863B1 (en) * | 2018-03-23 | 2023-01-31 | Amazon Technologies, Inc. | Skill shortlister for natural language processing |
US10956462B1 (en) * | 2018-06-21 | 2021-03-23 | Amazon Technologies, Inc. | System answering of user inputs |
US10607598B1 (en) * | 2019-04-05 | 2020-03-31 | Capital One Services, Llc | Determining input data for speech processing |
US11295077B2 (en) * | 2019-04-08 | 2022-04-05 | International Business Machines Corporation | Stratification of token types for domain-adaptable question answering systems |
US10706356B1 (en) * | 2019-06-07 | 2020-07-07 | William P Doyle | System and method for understanding human level meaning using a 9-dimensional hypercube of cognitive frames |
JP7070529B2 (ja) * | 2019-10-31 | 2022-05-18 | カシオ計算機株式会社 | 機器の制御装置、機器の制御方法及びプログラム |
US11818145B2 (en) * | 2019-12-09 | 2023-11-14 | International Business Machines Corporation | Characterizing user behavior in a computer system by automated learning of intention embedded in a system-generated event graph |
CN111199151A (zh) * | 2019-12-31 | 2020-05-26 | 联想(北京)有限公司 | 数据处理方法、及数据处理装置 |
US20210232913A1 (en) * | 2020-01-27 | 2021-07-29 | Honda Motor Co., Ltd. | Interpretable autonomous driving system and method thereof |
US11514334B2 (en) * | 2020-02-07 | 2022-11-29 | International Business Machines Corporation | Maintaining a knowledge database based on user interactions with a user interface |
US12073310B2 (en) * | 2020-04-01 | 2024-08-27 | Microsoft Technology Licensing, Llc | Deep neural network accelerator with independent datapaths for simultaneous processing of different classes of operations |
CN111177325B (zh) * | 2020-04-10 | 2020-07-31 | 支付宝(杭州)信息技术有限公司 | 一种自动生成答案的方法和系统 |
CN111581350A (zh) * | 2020-04-30 | 2020-08-25 | 识因智能科技(北京)有限公司 | 一种基于预训练语言模型的多任务学习阅读理解方法 |
US11468239B2 (en) | 2020-05-22 | 2022-10-11 | Capital One Services, Llc | Joint intent and entity recognition using transformer models |
US11321329B1 (en) * | 2020-06-24 | 2022-05-03 | Amazon Technologies, Inc. | Systems, apparatuses, and methods for document querying |
WO2022043675A2 (en) * | 2020-08-24 | 2022-03-03 | Unlikely Artificial Intelligence Limited | A computer implemented method for the automated analysis or use of data |
CN112183234A (zh) * | 2020-09-10 | 2021-01-05 | 北京华跃信息技术有限公司 | 基于图神经网络的态势感知方法及装置 |
US11568463B2 (en) * | 2020-09-29 | 2023-01-31 | Intuit Inc. | Heterogeneous graph embedding |
CN112035683A (zh) * | 2020-09-30 | 2020-12-04 | 北京百度网讯科技有限公司 | 用户交互信息处理模型生成方法和用户交互信息处理方法 |
TWI777316B (zh) * | 2020-11-30 | 2022-09-11 | 財團法人工業技術研究院 | 文件語句概念標註系統及其訓練方法與標註方法 |
CN112541575B (zh) * | 2020-12-06 | 2023-03-10 | 支付宝(杭州)信息技术有限公司 | 图神经网络的训练方法及装置 |
US11546216B2 (en) * | 2020-12-22 | 2023-01-03 | Mellanox Technologies, Ltd. | Real time performance tuning of network devices |
US12005922B2 (en) | 2020-12-31 | 2024-06-11 | Honda Motor Co., Ltd. | Toward simulation of driver behavior in driving automation |
KR102515149B1 (ko) * | 2021-01-14 | 2023-03-29 | 충남대학교 산학협력단 | 자연어 이해를 위한 그래프 변환 시스템 및 방법 |
CN112819154B (zh) * | 2021-01-20 | 2024-05-28 | 上海上湖信息技术有限公司 | 一种应用于图学习领域的预训练模型的生成方法及装置 |
US20220342666A1 (en) * | 2021-04-26 | 2022-10-27 | Nvidia Corporation | Acceleration of operations |
CN113220893B (zh) * | 2021-07-09 | 2021-10-01 | 北京邮电大学 | 基于情感分析的产品反馈分析系统及方法 |
US12067362B2 (en) | 2021-08-24 | 2024-08-20 | Unlikely Artificial Intelligence Limited | Computer implemented methods for the automated analysis or use of data, including use of a large language model |
US11977854B2 (en) | 2021-08-24 | 2024-05-07 | Unlikely Artificial Intelligence Limited | Computer implemented methods for the automated analysis or use of data, including use of a large language model |
US11989527B2 (en) | 2021-08-24 | 2024-05-21 | Unlikely Artificial Intelligence Limited | Computer implemented methods for the automated analysis or use of data, including use of a large language model |
US11989507B2 (en) | 2021-08-24 | 2024-05-21 | Unlikely Artificial Intelligence Limited | Computer implemented methods for the automated analysis or use of data, including use of a large language model |
US12073180B2 (en) | 2021-08-24 | 2024-08-27 | Unlikely Artificial Intelligence Limited | Computer implemented methods for the automated analysis or use of data, including use of a large language model |
TWI779810B (zh) * | 2021-08-31 | 2022-10-01 | 中華電信股份有限公司 | 文本評論資料分析系統、方法及電腦可讀媒介 |
CN113778893B (zh) * | 2021-09-18 | 2024-03-15 | 中国平安人寿保险股份有限公司 | 对话机器人测试用例生成方法、装置、设备及存储介质 |
CN113934295A (zh) * | 2021-09-23 | 2022-01-14 | 杭州未名信科科技有限公司 | 宠物机器人的养成方法、系统及存储介质 |
CN114385802A (zh) * | 2022-01-10 | 2022-04-22 | 重庆邮电大学 | 一种融合主题预测和情感推理的共情对话生成方法 |
CN114579710B (zh) * | 2022-03-15 | 2023-04-25 | 西南交通大学 | 一种高速列车问题查询模板生成方法 |
CN115061836B (zh) * | 2022-08-16 | 2022-11-08 | 浙江大学滨海产业技术研究院 | 一种接口层面的基于图嵌入算法的微服务拆分方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000222378A (ja) * | 1998-08-06 | 2000-08-11 | Yamaha Motor Co Ltd | 疑似感情及び/又は疑似性格を用いた制御対象の制御方法、使用者に適合して動作する自律装置、使用者の特徴に装置の動作を適合させる方法 |
JP2009129405A (ja) * | 2007-11-28 | 2009-06-11 | Toyota Central R&D Labs Inc | 感情推定装置、事例感情情報生成装置、及び感情推定プログラム |
Family Cites Families (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100680191B1 (ko) | 2003-09-05 | 2007-02-08 | 삼성전자주식회사 | 감정 있는 에이전트를 갖는 사전 행동적 사용자 인터페이스 시스템 |
US8226417B2 (en) * | 2004-03-26 | 2012-07-24 | A.G.I. Inc. | Will expression model device, psychological effect program, and will expression simulation method |
JP2008129845A (ja) * | 2006-11-21 | 2008-06-05 | Tadayuki Hattori | 人工知能として人格を実現するコンピュータ・プログラムおよび装置 |
US8463594B2 (en) * | 2008-03-21 | 2013-06-11 | Sauriel Llc | System and method for analyzing text using emotional intelligence factors |
TWI413938B (zh) * | 2009-12-02 | 2013-11-01 | Phison Electronics Corp | 情感引擎、情感引擎系統及電子裝置的控制方法 |
US9015084B2 (en) * | 2011-10-20 | 2015-04-21 | Gil Thieberger | Estimating affective response to a token instance of interest |
US9183597B2 (en) * | 2012-02-16 | 2015-11-10 | Location Labs, Inc. | Mobile user classification system and method |
CA2916950A1 (en) * | 2013-07-05 | 2015-01-08 | RISOFTDEV, Inc. | Systems and methods for creating and implementing an artificially intelligent agent or system |
US10019470B2 (en) * | 2013-10-16 | 2018-07-10 | University Of Tennessee Research Foundation | Method and apparatus for constructing, using and reusing components and structures of an artifical neural network |
US10402718B2 (en) * | 2014-03-02 | 2019-09-03 | Microsoft Technology Licensing, Llc | Assignation of emotional states to computer-implemented entities |
KR20160004851A (ko) * | 2014-07-04 | 2016-01-13 | 지유철 | 단말기로부터 제공되는 사용자의 상태정보를 활용하는 제어스테이션 및 이를 포함하는 제어시스템 |
US10585924B2 (en) * | 2014-08-08 | 2020-03-10 | Cuong Duc Nguyen | Processing natural-language documents and queries |
US9786299B2 (en) * | 2014-12-04 | 2017-10-10 | Microsoft Technology Licensing, Llc | Emotion type classification for interactive dialog system |
US10386996B2 (en) * | 2015-06-11 | 2019-08-20 | Microsoft Technology Licensing, Llc | Communicating emotional information via avatar animation |
US20170235724A1 (en) * | 2016-02-11 | 2017-08-17 | Emily Grewal | Systems and methods for generating personalized language models and translation using the same |
US10860949B2 (en) * | 2016-05-02 | 2020-12-08 | Verizon Media Inc. | Feature transformation of event logs in machine learning |
US20170364683A1 (en) * | 2016-06-17 | 2017-12-21 | Google Inc. | Computing device secure boot |
US11076777B2 (en) * | 2016-10-13 | 2021-08-03 | Masimo Corporation | Systems and methods for monitoring orientation to reduce pressure ulcer formation |
US10850398B2 (en) * | 2017-05-11 | 2020-12-01 | Misty Robotics, Inc. | Infinite robot personalities |
US10838967B2 (en) * | 2017-06-08 | 2020-11-17 | Microsoft Technology Licensing, Llc | Emotional intelligence for a conversational chatbot |
-
2019
- 2019-01-28 SG SG11202007234RA patent/SG11202007234RA/en unknown
- 2019-01-28 TW TW108103182A patent/TWI842696B/zh active
- 2019-01-28 US US16/259,781 patent/US11301747B2/en active Active
- 2019-01-28 JP JP2020542071A patent/JP2021512424A/ja active Pending
- 2019-01-28 KR KR1020207024973A patent/KR20200116961A/ko active Search and Examination
- 2019-01-28 CA CA3089830A patent/CA3089830A1/en active Pending
- 2019-01-28 IL IL276351A patent/IL276351B1/en unknown
- 2019-01-28 AU AU2019212839A patent/AU2019212839B2/en active Active
- 2019-01-28 EP EP19743543.1A patent/EP3746950A4/en active Pending
- 2019-01-28 CN CN201980018838.4A patent/CN111954889A/zh active Pending
- 2019-01-28 WO PCT/US2019/015432 patent/WO2019148108A1/en active Application Filing
-
2022
- 2022-01-11 US US17/573,278 patent/US20220129724A1/en active Pending
-
2023
- 2023-12-28 JP JP2023223344A patent/JP2024045159A/ja active Pending
-
2024
- 2024-02-02 AU AU2024200653A patent/AU2024200653A1/en active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000222378A (ja) * | 1998-08-06 | 2000-08-11 | Yamaha Motor Co Ltd | 疑似感情及び/又は疑似性格を用いた制御対象の制御方法、使用者に適合して動作する自律装置、使用者の特徴に装置の動作を適合させる方法 |
JP2009129405A (ja) * | 2007-11-28 | 2009-06-11 | Toyota Central R&D Labs Inc | 感情推定装置、事例感情情報生成装置、及び感情推定プログラム |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023170840A1 (ja) * | 2022-03-09 | 2023-09-14 | 日本電信電話株式会社 | 感情推定装置、方法およびプログラム |
Also Published As
Publication number | Publication date |
---|---|
CA3089830A1 (en) | 2019-08-01 |
EP3746950A1 (en) | 2020-12-09 |
KR20200116961A (ko) | 2020-10-13 |
JP2024045159A (ja) | 2024-04-02 |
EP3746950A4 (en) | 2022-07-20 |
WO2019148108A1 (en) | 2019-08-01 |
IL276351B1 (en) | 2024-06-01 |
CN111954889A (zh) | 2020-11-17 |
US20190236464A1 (en) | 2019-08-01 |
AU2019212839B2 (en) | 2023-11-09 |
AU2024200653A1 (en) | 2024-02-22 |
TWI842696B (zh) | 2024-05-21 |
AU2019212839A1 (en) | 2020-08-20 |
US11301747B2 (en) | 2022-04-12 |
IL276351A (en) | 2020-09-30 |
US20220129724A1 (en) | 2022-04-28 |
TW201935393A (zh) | 2019-09-01 |
SG11202007234RA (en) | 2020-08-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP2021512424A (ja) | 感情状態に基づいた人工知能の実現を容易にするためのシステムおよび方法 | |
Sanborn et al. | Bayesian brains without probabilities | |
KR20190019962A (ko) | 컴퓨터 학습 및 이해를 위한 아키텍처 및 프로세스들 | |
CN113127624B (zh) | 问答模型的训练方法及装置 | |
Golosio et al. | A cognitive neural architecture able to learn and communicate through natural language | |
Lenat et al. | Getting from generative ai to trustworthy ai: What llms might learn from cyc | |
Wilks et al. | A prototype for a conversational companion for reminiscing about images | |
JP2009522684A (ja) | 人間の脳の電子的なエミュレーションに心理学的な気質を取り入れるための方法 | |
Olsher | Semantically-based priors and nuanced knowledge core for Big Data, Social AI, and language understanding | |
CN110889505A (zh) | 一种图文序列匹配的跨媒体综合推理方法和系统 | |
Zelinka | Using reinforcement learning to learn how to play text-based games | |
Salakhutdinov | Integrating Domain-Knowledge into Deep Learning. | |
CN114492465B (zh) | 对话生成模型训练方法和装置、对话生成方法、电子设备 | |
Chehreghani | The embeddings world and Artificial General Intelligence | |
Phillips | Discourse analysis | |
JP2013047972A (ja) | 人間の脳の電子的なエミュレーションに心理学的な気質を取り入れるための方法 | |
Dedhe et al. | Cognitive mechanisms underlying recursive pattern processing in human adults | |
Phillips | A model for knowledge and its application to discourse analysis | |
Bakomichalis | Cyberbullying Detection Through NIP and Machine Learning | |
Wan | Short-text sentiment classification based on graph-LSTM | |
Baliga-Nicholson et al. | 15 Stochastic Parrots and Other Beasts: The GPT-3-Driven Chatbot in the Wild | |
Rajan et al. | Graph-Based Transfer Learning for Conversational Agents | |
Javed et al. | Comparative Analysis of Classical and Neural Networks based ChatBot’s Techniques. | |
Gonzalez et al. | Exploring Augmentation and Cognitive Strategies for AI based Synthetic Personae | |
Cosmides et al. | Adaptationism: A Meta-Normative Theory of Rationality |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220106 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20221212 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20221227 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20230324 |
|
RD02 | Notification of acceptance of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7422 Effective date: 20230324 |
|
RD04 | Notification of resignation of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7424 Effective date: 20230327 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230324 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230529 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20230901 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20231228 |
|
RD03 | Notification of appointment of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7423 Effective date: 20240123 |
|
RD04 | Notification of resignation of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7424 Effective date: 20240130 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A821 Effective date: 20240123 |
|
A911 | Transfer to examiner for re-examination before appeal (zenchi) |
Free format text: JAPANESE INTERMEDIATE CODE: A911 Effective date: 20240213 |
|
A912 | Re-examination (zenchi) completed and case transferred to appeal board |
Free format text: JAPANESE INTERMEDIATE CODE: A912 Effective date: 20240524 |