JP2022080764A - 推定装置、推定方法および推定プログラム - Google Patents

Abstract

【課題】クラウドソーシングにおいて、認知症レベルを効果的に推定することができる推定装置、推定方法および推定プログラムを提供する。【解決手段】ユーザ端末と、オーナー端末と、推定装置１００とが、所定の通信網を介して、有線または無線により通信可能に接続される推定システムにおいて、推定装置１００は、ユーザからの回答が機械学習に用いられる設問データをユーザに配信する配信部１３１と、ユーザの設問データに対する解答データを取得する取得部１３２と、ユーザの解答データに基づいて、ユーザの認知症レベルを判定する判定部１３３と、を備える。【選択図】図２

Description

本発明は、推定装置、推定方法および推定プログラムに関する。

近年、インターネットを利用して不特定多数に仕事（適宜、「タスク」）を依頼することができるサービスとして、クラウドソーシングの利用が増加している。クラウドソーシングでは、タスクを依頼したい人（適宜、「オーナー」）は、サービス上にタスクを依頼し、利用料を支払う。一方、タスクを受注したい人（適宜、「ワーカー」または「ユーザ」）は、サービス上のタスクを実施し、報酬を受け取る。特に、ＡＩ技術の活用に伴い、機械学習のモデル作成に必要な学習データを収集するために、クラウドソーシングを利用するオーナーも増加している。

また、高齢者人口の増加に伴い、高齢者をクラウドソーシングのワーカーとして活用することが期待されている。一方、高齢者のワーカーは、加齢による心身の機能低下（適宜、「フレイル」）のリスクが高まる。特に、認知症のリスクは生産者人口と密接に関わるため、認知症の早期発見や予防の必要性は高い。

特表２００４－５３８５７２号公開

しかしながら、従来技術では、クラウドソーシングにおいて、認知症レベルを効果的に推定することができなかった。なぜならば、機械学習のモデル作成に必要な学習データは、画像アノテーション等を用いた１つの設問を３～５人のワーカーに出題し、多数決で正解を判定するものが一般的であり、必ずしも明白な正解が存在するものではないからである。したがって、ユーザに認知症の傾向があり、出題された設問の正解率が低い場合であっても、その結果からフレイル判定をすることが困難であった。

上述した課題を解決し、目的を達成するために、本発明に係る推定装置は、ユーザからの回答が機械学習に用いられる設問データをユーザに配信する配信部と、前記ユーザの前記設問データに対する解答データを取得する取得部と、前記ユーザの解答データに基づいて、前記ユーザの認知症レベルを判定する判定部とを備えることを特徴とする。

また、本発明に係る推定方法は、推定装置によって実行される推定方法であって、ユーザからの回答が機械学習に用いられる設問データをユーザに配信する配信工程と、前記ユーザの前記設問データに対する解答データを取得する取得工程と、前記ユーザの解答データに基づいて、前記ユーザの認知症レベルを判定する判定工程とを含むことを特徴とする。

また、本発明に係る推定プログラムは、ユーザからの回答が機械学習に用いられる設問データをユーザに配信する配信ステップと、前記ユーザの前記設問データに対する解答データを取得する取得ステップと、前記ユーザの解答データに基づいて、前記ユーザの認知症レベルを判定する判定ステップとをコンピュータに実行させることを特徴とする。

本発明では、クラウドソーシングにおいて、認知症レベルを効果的に推定することができる。

図１は、実施形態に係る推定システムの処理の一例を示す図である。 図２は、実施形態に係る推定装置の構成例を示すブロック図である。 図３は、実施形態に係る端末装置の構成例を示すブロック図である。 図４は、実施形態に係る設問データの配信処理の一例を示すフローチャートである。 図５は、実施形態に係る解答データの処理の一例を示すフローチャートである。 図６は、実施形態に係る出力処理の一例を示すフローチャートである。 図７は、ハードウェア構成の一例を示す図である。

以下に、本願に係る推定装置、推定方法および推定プログラムを実施するための形態（以下、「実施形態」と呼ぶ）について図面を参照しつつ詳細に説明する。なお、この実施形態により本願に係る推定装置、推定方法および推定プログラムが限定されるものではない。また、以下の各実施形態において同一の部位には同一の符号を付し、重複する説明は省略される。

（実施形態）
〔１．推定処理〕
図１を用いて、実施形態に係る推定処理の一例について説明する。図１は、実施形態に係る推定システムの処理の一例を示す図である。

まず、推定システム１の構成について説明する。図１に示すように、推定システム１は、ユーザ端末（適宜、ユーザ）１０と、オーナー端末（適宜、オーナー）２０と、推定装置１００とが含まれる。ユーザ端末１０と、オーナー端末２０と、推定装置１００とは図示しない所定の通信網を介して、有線または無線により通信可能に接続される。なお、図１に示した推定システム１には、複数台のユーザ端末１０や、複数台のオーナー端末２０や、複数台の推定装置１００が含まれてもよい。

ユーザ端末１０は、ユーザによって利用されるデバイス（コンピュータ）である。ユーザ端末１０は、ユーザによる操作を受け付ける。ユーザ端末１０は、推定装置１００から設問データを取得する。ユーザ端末１０は、推定装置１００に解答データを送信する。ユーザ端末１０は、推定装置１００から認知症レベルや商品の情報を取得する。ユーザ端末１０は、オーナー端末２０や他のユーザの端末から各種情報を取得する。ユーザ端末１０は、オーナー端末２０や図示しない他のユーザの端末に各種情報を送信する。ユーザ端末１０は、ユーザによる操作により受け付けた各種情報や、推定装置１００、オーナー端末２０、図示しない他のユーザの端末等から取得した各種情報を表示する。

オーナー端末２０は、オーナーによって利用されるデバイス（コンピュータ）である。オーナー端末２０は、オーナーによる操作を受け付ける。オーナー端末２０は、推定装置１００に設問データを送信する。オーナー端末２０は、推定装置１００から解答データや学習データを取得する。オーナー端末２０は、推定装置１００から認知症レベルや認知症フラグが設定された学習データを取得する。オーナー端末２０は、認知症フラグが設定された学習データの機械学習への利用の可否を決定する。

なお、ユーザ端末１０およびオーナー端末２０は、例えば、スマートフォンや、タブレット型端末や、ノート型ＰＣ（Personal Computer）や、デスクトップＰＣや、携帯電話機や、ＰＤＡ（Personal Digital Assistant）等により実現される。図１の例では、ユーザ端末１０がタッチパネル機能を有するスマートフォンであり、オーナー端末２０がデスクトップＰＣである場合を示す。

以下、図１を用いて、推定処理の一例を説明する。第１に、推定装置１００は、オーナー端末２０から学習データの元となる設問データ（第１の設問データ）を取得する（ステップＳ１）。ここで、第１の設問データは、ユーザからの回答が機械学習に用いられる設問を含むものであって、画像データ、テキストデータ、音声データ等またはこれらの組み合わせによる設問を含むものである。図１では、第１の設問データの例としてＱ１が示されている。Ｑ１では、画像アノテーションとして人物の一部と背景の画像が表示され、設問として「何色に見えますか？」という文章が表示され、回答に際しての選択肢として「青」「赤」「黄」「緑」「橙」「紫」「黒」「白」「茶」の色に関する表示がされている。Ｑ１は、画像データとテキストデータを組み合わせた設問であるが、第１の設問データの形式は特に限定されない。また、図１では、推定装置１００は、第１の設問データをオーナー端末２０から取得しているが、特に限定されない。

例えば、第１の設問データの形式は、テキストデータのみの設問データであってもよい。具体的には、設問として「以下の文字と同じ文字を選択してください。“ＡＢＣＤＥＦ”」という文章が表示され、回答に際しての選択肢として「ＡＢＣＤＥＦ」「ＸＹＺＡＢＣ」「ＡＢＣＤＥＥ」の文字列に関する表示がされる形式であってもよい。また、第１の設問データの形式は、画像データと音声データを組み合わせた設問データや音声データのみの設問データであってもよいし、選択形式の設問の他、自由記述により回答する形式でもよい。さらに、推定装置１００は、オーナー端末２０の要求に応じて、第１の設問データを作成してもよいし、他の端末から第１の設問データを取得してもよい。

第２に、推定装置１００は、取得した第１の設問データから、明白な正解がある設問データ（第２の設問データ）を作成する（ステップＳ２）。ここで、第２の設問データは、第１の設問データに類似した設問を含むものであって、画像データ、テキストデータ、音声データ等またはこれらの組み合わせによる設問を含むものである。図１では、第２の設問データの例としてＱ２が示されている。Ｑ２では、Ｑ１と同様に、設問として「何色に見えますか？」という文章が表示され、回答に際しての選択肢として「青」「赤」「黄」「緑」「橙」「紫」「黒」「白」「茶」の色に関する表示がされているが、画像アノテーションとして黒一色で塗りつぶされた画像が表示され、「黒」という明白な正解がある設問である。また、図１では、推定装置１００は、第１の設問データに基づいて第２の設問データを作成しているが、特に限定されない。

例えば、推定装置１００は、第１の設問データに基づくことなく、認知症レベル判定のための第２の設問データを作成してもよい。また、推定装置１００は、後述する推定装置１００の記憶部１２０から第２の設問データを取得してもよいし、他の端末から第２の設問データを取得してもよい。さらに、推定装置１００は、第２の設問データに対応する正解データを作成してもよい。また、第２の設問データは、必ずしも認知症レベルを判定するために作成された専用の設問データである必要はなく、明白な正解がある設問データであれば汎用の設問データでもよい。具体的には、設問データとして「日本でいちばん高い山は？」、正解データとして「富士山」等の極めて正解率が高いと考えられる設問データでもよい。また、第２の設問データは、明白な正解がある設問データでなくてもよく、他のユーザの回答と比較し、ユーザ１０が外れ値ばかりを選択していないかをチェックする形式でもよい。

上述したステップＳ１およびステップＳ２の説明のように、推定装置１００は、ユーザからの回答が機械学習に用いられる設問データをユーザ１０に配信する推定装置である。また、推定装置１００は、設問データとして、第１の設問データに類似する第２の設問データを配信する推定装置である。また、推定装置１００は、設問データとして、画像データ、テキストデータおよび音声データの少なくとも１つを用いた設問データを配信する推定装置である。また、推定装置１００は、設問データとして、画像の特徴を問い合わせる内容を含む設問データを配信する推定装置である。また、推定装置１００は、設問データとして、テキストの特徴を問い合わせる内容を含む設問データを配信する推定装置である。

第３に、推定装置１００は、設問データをユーザ端末１０に送信する（ステップＳ３）。このとき、推定装置１００は、設問データとして、第１の設問データと第２の設問データをランダムに送信するが、送信の方式は特に限定されない。また、推定装置１００は、図示しない他のユーザの端末に、ユーザ端末１０に送信した設問データと同一の設問データを送信してもよいが、送信する設問データは特に限定されない。

例えば、推定装置１００は、送信の方式として、第１の設問データのみを送信したり、第２の設問データのみを送信したりしてもよい。また、推定装置１００は、最初は第１の設問データのみを送信し、第１の設問データの正解率が低いと判断した場合、第２の設問データを送信してもよい。また、推定装置１００は、第２の設問データの正解率が低いと判断した場合、より簡単な設問データに変更して送信してもよい。さらに、推定装置１００は、送信する設問データとして、図示しない他のユーザの端末に、ユーザ端末１０に送信した設問データと同一の設問データを異なる順番で送信してもよいし、異なる設問データを送信してもよい。

上述したステップＳ３の説明のように、推定装置１００は、第１の設問データに対する回答が所定の条件を満たす場合は、第２の設問データを配信する推定装置である。また、推定装置１００は、ユーザ１０の認知症レベルに基づいて、設問データを変更する推定装置である。

第４に、推定装置１００は、ユーザ端末１０から解答データを取得する（ステップＳ４）。また、推定装置１００は、図示しない他のユーザの端末から解答データを取得してもよい。推定装置１００が取得する解答データや取得の方式は特に限定されない。さらに、推定装置１００は、同一の第１の設問データに対する複数の解答データから、多数決によって当該設問データの正解を決定する。例えば、図１のＱ１において、５人のワーカーから回答があり、その回答が「赤」が３人、「青」が１人、「黒」が１人であった場合、推定装置１００は、Ｑ１の正解は「赤」と判断する。第１の設問データに対する正解の決定の方式は、特に限定されない。

例えば、推定装置１００は、解答データを取得するタイミングとして、設問に対してユーザが回答するごとに解答データを取得してもよいし、全ての設問の回答が終了した後に全ての解答データを取得してもよい。また、第１の設問データに対する解答データと第２の設問データに対する解答データを、同時に取得してもよいし、別々に取得してもよい。さらに、推定装置１００は、第１の設問データに対する正解の決定の方式として、上記の多数決以外の方式で設問データの正解を決定してもよい。例えば、推定装置１００は、特定のユーザの解答データを優先して正解と判断してもよいし、特定のユーザの解答データを除外して正解を判断してもよい。なお、推定装置１００は、第１の設問データに対する正解を決定する処理を行わず、当該解答データをオーナー端末２０に送信してもよい。

上述したステップＳ４の説明のように、推定装置１００は、ユーザ１０の設問データに対する解答データを取得する推定装置である。また、推定装置１００は、解答データとして、画像の特徴を選択する内容を含む解答データを取得する推定装置である。また、推定装置１００は、解答データとして、テキストの特徴を選択する内容を含む解答データを取得する推定装置である。また、推定装置１００は、他のユーザの設問データに対する解答データをさらに取得する推定装置である。

第５に、推定装置１００は、ユーザ端末１０から取得した解答データ、特に第２の設問データに基づいて、ユーザの認知症レベルを判定する（ステップＳ５）。ここで、認知症レベルとは、認知症の症状が顕著であるほど高い数値を示すものとして算出される。例えば、あるユーザの第２の設問データに対する解答データの不正解率として算出してもよいし、その不正解率を基に段階的な数値として算出してもよいが、認知症レベルの算出方式は特に限定されない。そして、推定装置１００は、上記のように算出した認知症レベルに応じて、当該ユーザを「認知症」「認知症の傾向」「要再検査」「問題なし」等の状態であると判定するが、判定されるユーザの状態は特に限定されない。

例えば、推定装置１００は、認知症レベルの算出方式として、同一の設問データに回答した他のユーザの解答データを点数化し、正規分布等の統計的な処理を用いて、認知症レベルを判定してもよい。また、推定装置１００は、第２の設問データに対する解答データのみならず、第１の設問に対する解答データに基づいて認知症レベルを判定してもよい。さらに、推定装置１００は、解答データのばらつきが大きい場合には、当該解答データを認知症レベルの判定対象から除外してもよいし、年齢、性別等の属性を考慮して認知症レベルを判定してもよい。

上述したステップＳ５の説明のように、推定装置１００は、ユーザ１０の解答データに基づいて、ユーザ１０の認知症レベルを判定する推定装置である。また、推定装置１００は、ユーザ１０の解答データおよび他のユーザの解答データに基づいて、ユーザ１０の認知症レベルを判定する推定装置である。

第６に、推定装置１００は、ユーザ端末１０に認知症レベルや商品等の情報を送信する（ステップＳ６）。ここで、送信する商品の情報は、認知症レベルに応じた認知症の予防、再検査や介護に関わる商品の情報である。推定装置１００が送信する情報や送信先は、特に限定されない。

例えば、推定装置１００は、送信する情報として、介護サービスの広告や行政サービスの窓口の連絡先等のサービスの情報を送信してもよい。また、推定装置１００は、送信する情報として、ユーザ端末１０に認知症レベルのみを送信してもよいし、認知症レベルと商品等の情報とをともに送信してもよい。また、推定装置１００は、認知症レベルや商品等の情報の送信先として、ユーザ端末１０以外の端末を選択して情報を送信することもできる。例えば、推定装置１００は、当該ユーザを「認知症」の状態と判定した場合、認知症レベルや商品の情報を事前に登録しておいた当該ユーザの配偶者、子、孫等の家族のスマートフォンに送信することもできる。また、推定装置１００は、当該ユーザと当該ユーザの家族どちらにも各種情報を送信してもよい。

上述したステップＳ６の説明のように、推定装置１００は、ユーザ１０の認知症レベルに基づいて、商品またはサービスの情報を出力する推定装置である。また、推定装置１００は、出力した商品またはサービスの情報をユーザ１０または所定の登録者に配信する推定装置である。

第７に、推定装置１００は、オーナー端末２０に学習データを送信する（ステップＳ７）。ここで、送信する学習データは、第１の設問データに対する解答データと多数決等で決定された正解データを含むデータである。さらに、推定装置１００は、解答データや学習データに認知症フラグを設定することもできる。例えば、一部の学習データに「認知症」と判断されたユーザの解答データが含まれる場合、推定装置１００は、その情報を認知症フラグとして当該学習データに設定し、オーナー端末２０に送信する。

なお、推定装置１００は、正解データを含まない第１の設問データに対する解答データのみをオーナー端末２０に送信してもよいし、第２の設問データに対する解答データや各ワーカーの認知症レベルを送信してもよい。また、推定装置１００は、解答データや学習データ等を図示しない他の端末に送信してもよい。さらに、オーナー端末２０は、認知症フラグが設定された学習データを取得した場合、当該学習データを機械学習のデータから除外する決定をしてもよく、認知症フラグが設定された学習データのみを機械学習のデータとして採用する決定をしてもよい。

上述したステップＳ７の説明のように、推定装置１００は、ユーザ１０の認知症レベルが所定値以上である場合、ユーザ１０の解答データに認知症フラグを設定する推定装置である。

（結果の利用）
次に、実施形態に係る推定装置１００の利用例（適宜、本利用例）について説明する。例えば、一人暮らしの高齢者等の家庭にセンサ等を設置し、高齢者の異常等を検知し、家族等に通知するシステム（適宜、「高齢者見守りシステム」）と連携した利用をすることができる。

従来、寝たきりの高齢者等の介護は、実際に介護が行われていたエビデンス（証拠）を確認することが困難であるため、クラウドソーシングを利用した介護依頼（適宜、「介護支援タスク」）になじまない。そのため、１日だけ介護を代わってほしい等のスポットでの介護依頼ができず、家族の介護疲れ等を生じさせる一因となっている。したがって、上記のエビデンスを容易に作成することができれば、介護支援タスクを行いやすくなる。

まず、本利用例では、高齢者の家族等のオーナーは、介護者となるワーカーに対して高齢者等の介護と高齢者等の活動記録とを、クラウドソーシングを介して依頼する。ワーカーは、高齢者等の介護とともに、高齢者等の起床時間、朝食の時間、昼食の時間、昼寝の時間、夕食の時間、就寝時間等の活動記録をスマートフォン等で入力し、推定装置１００に送信する。一方、推定装置１００は、高齢者見守りシステムのセンサ等からも高齢者等の活動記録を取得する。推定装置１００は、ワーカーによって入力された活動記録とセンサ等によって取得された活動記録を比較し、エビデンスの作成を行う。

上述した推定装置１００の利用により、高齢者見守りシステムを導入した家庭において、クラウドソーシングを利用したスポット介護の依頼を容易に行うことができる。

〔２．推定装置の構成〕
次に、図２を用いて、実施形態に係る推定装置１００の構成について説明する。図２は、実施形態に係る推定装置１００の構成例を示すブロック図である。図２に示すように、推定装置１００は、通信部１１０と、記憶部１２０と、制御部１３０とを有する。なお、推定装置１００は、推定装置１００の管理者等から各種操作を受け付ける入力部（例えば、キーボードやマウス等）や、各種情報を表示するための表示部（例えば、液晶ディスプレイ等）を有してもよい。

（通信部１１０）
通信部１１０は、例えば、ＮＩＣ（Network Interface Card）等によって実現される。そして、通信部１１０は、所定の通信網（ネットワーク）と有線または無線で接続され、ユーザ端末１０やオーナー端末２０との間で情報の送受信を行う。

（記憶部１２０）
記憶部１２０は、例えば、ＲＡＭ（Random Access Memory）、フラッシュメモリ（Flash Memory）等の半導体メモリ素子、または、ハードディスク、光ディスク等の記憶装置によって実現される。実施形態に係る記憶部１２０は、図２に示すように、設問データ記憶部１２１と、利用者情報記憶部１２２とを有する。そして、記憶部１２０は、制御部１３０が動作する際に参照する各種情報や、制御部１３０が動作した際に取得した各種情報を記憶する。

（設問データ記憶部１２１）
実施形態に係る設問データ記憶部１２１は、設問データに関する各種情報を記憶する。例えば、設問データ記憶部１２１は、第１の設問データ、第２の設問データを記憶する。また、設問データ記憶部１２１は、第１の設問データに対する解答データ、第２の設問データに対する解答データを記憶する。さらに、設問データ記憶部１２１は、第１の設問データに対する解答データから決定された正解データ、第２の設問データの正解データを記憶する。

（利用者情報記憶部１２２）
実施形態に係る利用者情報記憶部１２２は、ワーカーおよびオーナーに関する情報を記憶する。例えば、利用者情報記憶部１２２は、ワーカーの氏名、住所、メールアドレス、年齢、性別、過去のタスク、家族に関する情報や、オーナーの名称、端末情報、タスクの目的、過去のタスクに関する情報等を記憶する。

（制御部１３０）
制御部１３０は、例えば、ＣＰＵ（Central Processing Unit）やＭＰＵ（Micro Processing Unit）等によって、推定装置１００内部の記憶装置に記憶されている各種プログラム（推定プログラムの一例に相当）がＲＡＭを作業領域として実行されることにより実現される。また、制御部１３０は、例えば、ＡＳＩＣ（Application Specific Integrated Circuit）やＦＰＧＡ（Field Programmable Gate Array）等の集積回路により実現される。

図２に示すように、制御部１３０は、配信部１３１と、取得部１３２と、判定部１３３と、出力部１３４とを有し、以下に説明する情報処理の機能や作用を実現または実行する。なお、制御部１３０の内部構成は、図２に示した構成に限られず、後述する情報処理を行う構成であれば他の構成であってもよい。また、制御部１３０が有する各処理部の接続関係は、図２に示した接続関係に限られず、他の接続関係であってもよい。

（配信部１３１）
配信部１３１は、ユーザからの回答が機械学習に用いられる設問データをユーザ１０に配信する。例えば、配信部１３１は、設問データとして、第１の設問データに類似する第２の設問データを配信する。また、配信部１３１は、第１の設問データに対する回答が所定の条件を満たす場合は、第２の設問データを配信する。また、配信部１３１は、設問データとして、画像データ、テキストデータおよび音声データの少なくとも１つを用いた設問データを配信する。また、配信部１３１は、設問データとして、画像の特徴を問い合わせる内容を含む設問データを配信する。また、配信部１３１は、設問データとして、テキストの特徴を問い合わせる内容を含む設問データを配信する。さらに、配信部１３１は、ユーザ１０の認知症レベルに基づいて、設問データを変更する。また、配信部１３１は、商品またはサービスの情報をユーザ１０または所定の登録者に配信する。なお、配信部１３１は、配信に関わる設問データを記憶部１２０から取得する。また、配信部１３１は、作成、変更に関わる設問データや正解データを記憶部１２０に格納する。

（取得部１３２）
取得部１３２は、ユーザからの回答が機械学習に用いられる設問データをオーナー２０から取得する。また、取得部１３２は、ユーザ１０の設問データに対する解答データを取得する。例えば、取得部１３２は、解答データとして、画像の特徴を選択する内容を含む解答データを取得する。また、取得部１３２は、解答データとして、テキストの特徴を選択する内容を含む解答データを取得する。また、取得部１３２は、他のユーザの設問データに対する解答データをさらに取得する。なお、取得部１３２は、オーナー２０から取得した設問データを記憶部１２０に格納する。また、取得部１３２は、ユーザ１０や他のユーザから取得した解答データを記憶部１２０に格納する。

（判定部１３３）
判定部１３３は、ユーザ１０の解答データに基づいて、ユーザ１０の認知症レベルを判定する。また、判定部１３３は、ユーザ１０の解答データおよび他のユーザの解答データに基づいて、ユーザ１０の認知症レベルを判定する。さらに、判定部１３３は、ユーザ１０の認知症レベルが所定値以上である場合、ユーザ１０の解答データに認知症フラグを設定する。なお、判定部１３３は、判定に関わる解答データや利用者情報を記憶部１２０から取得する。また、判定部１３３は、ユーザ１０の認知症レベルを記憶部１２０に格納する。

（出力部１３４）
出力部１３４は、ユーザ１０の認知症レベルを出力する。さらに、出力部１３４は、ユーザ１０の認知症レベルに基づいて、商品またはサービスの情報を出力する。なお、出力部１３４は、ユーザ１０の認知症レベルや利用者情報を記憶部１２０から取得する。また、出力部１３４は、ユーザ１０の認知症レベルに基づく商品の情報を記憶部１２０から検索し、取得する。

〔３．端末装置の構成〕
次に、図３を用いて、実施形態に係る端末装置であるユーザ端末１０およびオーナー端末２０の構成について説明する。図３は、実施形態に係るユーザ端末１０の構成例を示すブロック図である。図３に示すように、ユーザ端末１０は、通信部１１と、記憶部１２と、入力部１３と、表示部１４と、制御部１５とを有する。また、ユーザ端末１０は、各種情報を音声出力するための音声出力部（例えば、スピーカ等）を有してもよい。なお、実施形態に係るオーナー端末２０は、ユーザ端末１０と同様の構成、機能を有するため省略する。

（通信部１１）
通信部１１は、例えば、通信回路等によって実現される。そして、通信部１１は、図示しない所定の通信網と有線または無線で接続され、推定装置１００やオーナー端末２０との間で情報の送受信を行う。

（記憶部１２）
記憶部１２は、例えば、ＲＡＭ、フラッシュメモリ等の半導体メモリ素子、または、ハードディスク、光ディスク等の記憶装置によって実現される。記憶部１２は、例えば、ユーザ端末１０にインストールされているアプリケーション（例えば情報表示アプリ等）に関する情報、例えばプログラム等を記憶する。

（入力部１３）
入力部１３は、ユーザからの各種操作を受け付ける。入力部１３は、音声を検知する機能を有し、ユーザの発話による音声入力を受け付ける。入力部１３は、音声を検知するマイクにより検知されたユーザによる発話を入力として受け付ける。

また、入力部１３は、タッチパネル機能により表示面を介してユーザからの各種操作を受け付けてもよい。また、入力部１３は、ユーザ端末１０に設けられたボタンや、ユーザ端末１０に接続されたキーボードやマウスからの各種操作を受け付けてもよい。

例えば、入力部１３は、ユーザ端末１０の表示部１４を介してユーザの指定操作等の操作を受け付ける。例えば、入力部１３は、タッチパネルの機能によりユーザの操作を受け付ける受付部として機能する。この場合、入力部１３と受付部１５１とは一体であってもよい。なお、入力部１３によるユーザの操作の検知方式には、タブレット端末では主に静電容量方式が採用されるが、他の検知方式である抵抗膜方式、表面弾性波方式、赤外線方式、電磁誘導方式など、ユーザの操作を検知できタッチパネルの機能が実現できればどのような方式を採用してもよい。

（表示部１４）
表示部１４は、例えば液晶ディスプレイや有機ＥＬ（Electro-Luminescence）ディスプレイ等によって実現されるタブレット端末等の表示画面であり、各種情報を表示するための表示装置である。

（制御部１５）
制御部１５は、コントローラであり、例えば、ＣＰＵやＭＰＵ等によって、端末装置１０内部の記憶部１２などの記憶装置に記憶されている各種プログラムがＲＡＭを作業領域として実行されることにより実現される。例えば、この各種プログラムは、インストールされているアプリケーション（例えばメッセージアプリ等）のプログラムが含まれる。また、制御部１５は、コントローラであり、例えば、ＡＳＩＣやＦＰＧＡ等の集積回路により実現される。

図３に示すように、制御部１５は、受付部１５１と、送信部１５２と、受信部１５３と、処理部１５４とを有し、以下に説明する情報処理の機能や作用を実現または実行する。なお、制御部１５の内部構成は、図３に示した構成に限られず、後述する情報処理を行う構成であれば他の構成であってもよい。

（受付部１５１）
受付部１５１は、各種情報を受け付ける。例えば、受付部１５１は、入力部１３を介してユーザによる入力を受け付ける。受付部１５１は、ユーザによる操作を受け付ける。受付部１５１は、表示部１４により表示された情報に対するユーザの操作を受け付ける。

（送信部１５２）
送信部１５２は、通信部１１を介して、推定装置１００やオーナー端末２０へ各種情報を送信する。

（受信部１５３）
受信部１５３は、通信部１１を介して、推定装置１００やオーナー端末２０から送信された各種情報を受信する。

（処理部１５４）
処理部１５４は、各種の処理を実行する。処理部１５４は、受信部１５３が受信した情報を表示部１４に表示する。

〔４．設問データの配信フロー〕
図４を用いて、実施形態に係る設問データの配信処理の手順について説明する。図４は、実施形態に係る設問データの配信処理の一例を示すフローチャートである。

図４に示すように、推定装置１００は、第１の設問データを取得する（ステップＳ１０１）。次に、推定装置１００は、第１の設問データを分析する（ステップＳ１０２）。例えば、推定装置１００は、ある第１の設問データが、画像データとテキストデータの組み合わせで作成されていることを判断する。また、推定装置１００は、ある第１の設問データが、画像データに含まれる対象の色を判断させる設問であることを判断する。

推定装置１００は、第２の設問データを作成する（ステップＳ１０３）。例えば、推定装置１００は、上述の第１の設問データが、画像データとテキストデータの組み合わせで作成されており、かつ画像データに含まれる対象の色を判断させる設問である場合は、同様の形式の設問データを第２の設問データとして作成する。なお、推定装置１００は、記憶部１２０から、上述の第１の設問データと類似する第２の設問データを検索し、取得してもよい。

推定装置１００は、第２の設問データの正解データを作成する（ステップＳ１０４）。なお、推定装置１００は、記憶部１２０から、上述の第１の設問データと類似する第２の設問データに対応する正解データを検索し、取得してもよい。

推定装置１００は、第１の設問データと第２の設問データの出題する順番を決定する（ステップＳ１０５）。なお、推定装置１００は、最初は第１の設問データのみを出題し、第１の設問データの正解率が低いと判断した場合、第２の設問データを出題するように順番を決定してもよい。

推定装置１００は、決定した順番で設問データを各ユーザに送信し（ステップＳ１０６）、処理が終了する。なお、推定装置１００は、ユーザごとに設問データの出題する順番を変更してもよい。

〔５．解答データの処理フロー〕
図５を用いて、解答データの処理の手順について説明する。図５は、実施形態に係る解答データの処理の一例を示すフローチャートである。

図５に示すように、推定装置１００は、各ユーザから第１の設問データに対する解答データを取得する（ステップＳ２０１）。次に、推定装置１００は、第１の設問データに対する解答データを分析し、多数決等で設問ごとの正解を判定する（ステップＳ２０２）。そして、上述の第１の設問データと正解データから、学習データを生成する（ステップＳ２０３）。

また、推定装置１００は、各ユーザから第２の設問データに対する解答データを取得する（ステップＳ２０４）。次に、推定装置１００は、第２の設問データに対する解答データを採点し、ユーザごとの認知症レベルを判定する（ステップＳ２０５）。そして、推定装置１００は、認知症レベルが所定値以上のユーザが存在し（ステップＳ２０６：Ｙｅｓ）、かつ認知症フラグを設定する場合（ステップＳ２０７：Ｙｅｓ）、認知症フラグを設定した学習データをオーナーに送信し（ステップＳ２０９）、処理が終了する。

一方、推定装置１００は、認知症レベルが所定値以上のユーザが存在しない場合（ステップＳ２０６：Ｎｏ）、または認知症フラグを設定しない場合（ステップＳ２０７：Ｎｏ）、認知症フラグを設定しない学習データをオーナーに送信し（ステップＳ２０８）、処理が終了する。

〔６．出力フロー〕
図６を用いて、出力処理の手順について説明する。図６は、実施形態に係る出力処理の一例を示すフローチャートである。

図６に示すように、推定装置１００は、対象ユーザ１０の認知症レベルが所定値以上であり（ステップＳ３０１：Ｙｅｓ）、認知症レベルを通知する場合であり（ステップＳ３０２：Ｙｅｓ）、かつ商品の情報を通知する場合（ステップＳ３０３：Ｙｅｓ）、認知症レベルとともに出力する商品の情報を決定する（ステップＳ３０４）。推定装置１００は、商品の情報を通知しない場合（ステップＳ３０３：Ｎｏ）、ステップＳ３０４の処理を省略する。

次に、推定装置１００は、対象ユーザ１０に認知症レベル等の情報を通知する場合（ステップＳ３０５：Ｙｅｓ）、対象ユーザ１０に必要な情報を通知し（ステップＳ３０７）、処理が終了する。一方、推定装置１００は、対象ユーザ１０に認知症レベル等の情報を通知しない場合（ステップＳ３０５：Ｎｏ）、情報の通知先を決定し（ステップＳ３０６）、その通知先に必要な情報を通知し（ステップＳ３０８）、処理が終了する。

〔７．効果〕
上述してきたように、実施形態に係る推定システム１は、ユーザからの回答が機械学習に用いられる設問データをユーザ１０に配信し、ユーザ１０の設問データに対する解答データを取得し、ユーザ１０の解答データに基づいて、ユーザ１０の認知症レベルを判定する。これにより、推定システム１は、クラウドソーシングにおいて、認知症レベルを効果的に推定することができる。

また、実施形態に係る推定システム１は、設問データとして、第１の設問データに類似する第２の設問データを配信する。これにより、推定システム１は、クラウドソーシングにおいて、高い精度で解答データの正解率を求めることができ、認知症レベルをより効果的に推定することができる。

また、実施形態に係る推定システム１は、第１の設問データに対する回答が所定の条件を満たす場合は、前記第２の設問データを配信する。これにより、推定システム１は、クラウドソーシングにおいて、認知症レベルを判定するユーザを判別でき、認知症レベルをより効果的に推定することができる。

また、実施形態に係る推定システム１は、設問データとして、画像データ、テキストデータおよび音声データの少なくとも１つを用いた設問データを配信する。これにより、推定システム１は、クラウドソーシングにおいて、より多様な設問データを利用することができ、認知症レベルをより効果的に推定することができる。

また、実施形態に係る推定システム１は、設問データとして、画像の特徴を問い合わせる内容を含む設問データを配信する。これにより、推定システム１は、クラウドソーシングにおいて、より広く利用されている画像を用いた設問データを利用することができ、認知症レベルをより効果的に推定することができる。

また、実施形態に係る推定システム１は、設問データとして、テキストの特徴を問い合わせる内容を含む設問データを配信する。これにより、推定システム１は、クラウドソーシングにおいて、より広く利用されているテキストを用いた設問データを利用することができ、認知症レベルをより効果的に推定することができる。

また、実施形態に係る推定システム１は、認知症レベルに基づいて、設問データを変更する。これにより、推定システム１は、クラウドソーシングにおいて、より複雑な設問データの活用することができ、認知症レベルをより効果的に推定することができる。

また、実施形態に係る推定システム１は、解答データとして、画像の特徴を選択する内容を含む解答データを取得する。これにより、推定システム１は、クラウドソーシングにおいて、より広く利用されている画像に基づく設問への解答データを利用することができ、認知症レベルをより効果的に推定することができる。

また、実施形態に係る推定システム１は、解答データとして、テキストの特徴を選択する内容を含む解答データを取得する。これにより、推定システム１は、クラウドソーシングにおいて、より広く利用されているテキストに基づく設問への解答データを利用することができ、認知症レベルをより効果的に推定することができる。

また、実施形態に係る推定システム１は、他のユーザの設問データに対する解答データをさらに取得し、ユーザ１０の解答データおよび他のユーザの解答データに基づいて、ユーザ１０の認知症レベルを判定する。これにより、推定システム１は、クラウドソーシングにおいて、統計的な分析を用いて解答データを利用することができ、認知症レベルをより効果的に推定することができる。

また、実施形態に係る推定システム１は、認知症レベルが所定値以上である場合、ユーザ１０の解答データに認知症フラグを設定する。これにより、推定システム１は、クラウドソーシングにおいて、認知症レベルをより効果的に推定した上で、学習データを有効に活用することができる。

また、実施形態に係る推定システム１は、認知症レベルに基づいて、商品またはサービスの情報を出力し、商品またはサービスの情報をユーザ１０または所定の登録者に配信する。これにより、推定システム１は、クラウドソーシングにおいて、認知症レベルをより効果的に推定した上で、適切にフレイル予防やフレイル対応ができる。

〔８．ハードウェア構成〕
また、上述した実施形態に係る端末装置１０や推定装置１００は、例えば図７に示すような構成のコンピュータ１０００によって実現される。以下、推定装置１００を例に挙げて説明する。図７は、ハードウェア構成の一例を示す図である。コンピュータ１０００は、出力装置１０１０、入力装置１０２０と接続され、演算装置１０３０、一次記憶装置１０４０、二次記憶装置１０５０、出力Ｉ／Ｆ（Interface）１０６０、入力Ｉ／Ｆ１０７０、ネットワークＩ／Ｆ１０８０がバス１０９０により接続された形態を有する。

演算装置１０３０は、一次記憶装置１０４０や二次記憶装置１０５０に格納されたプログラムや入力装置１０２０から読み出したプログラム等に基づいて動作し、各種の処理を実行する。演算装置１０３０は、例えばＣＰＵ（Central Processing Unit）、ＭＰＵ（Micro Processing Unit）、ＡＳＩＣ（Application Specific Integrated Circuit）やＦＰＧＡ（Field Programmable Gate Array）等により実現される。

一次記憶装置１０４０は、ＲＡＭ（Random Access Memory）等、演算装置１０３０が各種の演算に用いるデータを一次的に記憶するメモリ装置である。また、二次記憶装置１０５０は、演算装置１０３０が各種の演算に用いるデータや、各種のデータベースが登録される記憶装置であり、ＲＯＭ（Read Only Memory）、ＨＤＤ（Hard Disk Drive）、ＳＳＤ（Solid State Drive）、フラッシュメモリ等により実現される。二次記憶装置１０５０は、内蔵ストレージであってもよいし、外付けストレージであってもよい。また、二次記憶装置１０５０は、ＵＳＢメモリやＳＤ（Secure Digital）メモリカード等の取り外し可能な記憶媒体であってもよい。また、二次記憶装置１０５０は、クラウドストレージ（オンラインストレージ）やＮＡＳ（Network Attached Storage）、ファイルサーバ等であってもよい。

出力Ｉ／Ｆ１０６０は、ディスプレイ、プロジェクタ、及びプリンタ等といった各種の情報を出力する出力装置１０１０に対し、出力対象となる情報を送信するためのインターフェイスであり、例えば、ＵＳＢ（Universal Serial Bus）やＤＶＩ（Digital Visual Interface）、ＨＤＭＩ（登録商標）（High Definition Multimedia Interface）といった規格のコネクタにより実現される。また、入力Ｉ／Ｆ１０７０は、マウス、キーボード、キーパッド、ボタン、及びスキャナ等といった各種の入力装置１０２０から情報を受信するためのインターフェイスであり、例えば、ＵＳＢ等により実現される。

また、出力Ｉ／Ｆ１０６０及び入力Ｉ／Ｆ１０７０はそれぞれ出力装置１０１０及び入力装置１０２０と無線で接続してもよい。すなわち、出力装置１０１０及び入力装置１０２０は、ワイヤレス機器であってもよい。

また、出力装置１０１０及び入力装置１０２０は、タッチパネルのように一体化していてもよい。この場合、出力Ｉ／Ｆ１０６０及び入力Ｉ／Ｆ１０７０も、入出力Ｉ／Ｆとして一体化していてもよい。

なお、入力装置１０２０は、例えば、ＣＤ（Compact Disc）、ＤＶＤ（Digital Versatile Disc）、ＰＤ（Phase change rewritable Disk）等の光学記録媒体、ＭＯ（Magneto-Optical disk）等の光磁気記録媒体、テープ媒体、磁気記録媒体、又は半導体メモリ等から情報を読み出す装置であってもよい。

ネットワークＩ／Ｆ１０８０は、ネットワークＮを介して他の機器からデータを受信して演算装置１０３０へ送り、また、ネットワークＮを介して演算装置１０３０が生成したデータを他の機器へ送信する。

演算装置１０３０は、出力Ｉ／Ｆ１０６０や入力Ｉ／Ｆ１０７０を介して、出力装置１０１０や入力装置１０２０の制御を行う。例えば、演算装置１０３０は、入力装置１０２０や二次記憶装置１０５０からプログラムを一次記憶装置１０４０上にロードし、ロードしたプログラムを実行する。

例えば、コンピュータ１０００が推定装置１００として機能する場合、コンピュータ１０００の演算装置１０３０は、一次記憶装置１０４０上にロードされたプログラムを実行することにより、制御部１３０の機能を実現する。また、コンピュータ１０００の演算装置１０３０は、ネットワークＩ／Ｆ１０８０を介して他の機器から取得したプログラムを一次記憶装置１０４０上にロードし、ロードしたプログラムを実行してもよい。また、コンピュータ１０００の演算装置１０３０は、ネットワークＩ／Ｆ１０８０を介して他の機器と連携し、プログラムの機能やデータ等を他の機器の他のプログラムから呼び出して利用してもよい。

〔９．その他〕
以上、本願の実施形態を説明したが、これら実施形態の内容により本発明が限定されるものではない。また、前述した構成要素には、当業者が容易に想定できるもの、実質的に同一のもの、いわゆる均等の範囲のものが含まれる。さらに、前述した構成要素は適宜組み合わせることが可能である。さらに、前述した実施形態の要旨を逸脱しない範囲で構成要素の種々の省略、置換又は変更を行うことができる。

また、上記実施形態において説明した各処理のうち、自動的に行われるものとして説明した処理の全部又は一部を手動的に行うこともでき、あるいは、手動的に行われるものとして説明した処理の全部又は一部を公知の方法で自動的に行うこともできる。この他、上記文書中や図面中で示した処理手順、具体的名称、各種のデータやパラメータを含む情報については、特記する場合を除いて任意に変更することができる。例えば、各図に示した各種情報は、図示した情報に限られない。

また、図示した各装置の各構成要素は機能概念的なものであり、必ずしも物理的に図示の如く構成されていることを要しない。すなわち、各装置の分散・統合の具体的形態は図示のものに限られず、その全部又は一部を、各種の負荷や使用状況などに応じて、任意の単位で機能的又は物理的に分散・統合して構成することができる。

例えば、上述した推定装置１００は、複数のサーバコンピュータで実現してもよく、また、機能によっては外部のプラットホーム等をＡＰＩ（Application Programming Interface）やネットワークコンピューティング等で呼び出して実現するなど、構成は柔軟に変更できる。

また、上述してきた実施形態及び変形例は、処理内容を矛盾させない範囲で適宜組み合わせることが可能である。

また、上述してきた「部（section、module、unit）」は、「手段」や「回路」などに読み替えることができる。例えば、取得部は、取得手段や取得回路に読み替えることができる。

１ 推定システム
１００ 推定装置
１１０ 通信部
１２０ 記憶部
１２１ 設問データ記憶部
１２２ 利用者情報記憶部
１３０ 制御部
１３１ 配信部
１３２ 取得部
１３３ 判定部
１３４ 出力部
１０ ユーザ端末（端末装置）
１１ 通信部
１２ 記憶部
１３ 入力部
１４ 表示部
１５ 制御部
１５１ 受付部
１５２ 送信部
１５３ 受信部
１５４ 処理部
２０ オーナー端末

Claims (14)

1. ユーザからの回答が機械学習に用いられる設問データをユーザに配信する配信部と、
   前記ユーザの前記設問データに対する解答データを取得する取得部と、
   前記ユーザの解答データに基づいて、前記ユーザの認知症レベルを判定する判定部と
   を備えることを特徴とする推定装置。
2. 前記配信部は、前記設問データとして、第１の設問データに類似する第２の設問データを配信することを特徴とする請求項１に記載の推定装置。
3. 前記配信部は、前記第１の設問データに対する回答が所定の条件を満たす場合は、前記第２の設問データを配信することを特徴とする請求項２に記載の推定装置。
4. 前記配信部は、前記設問データとして、画像データ、テキストデータおよび音声データの少なくとも１つを用いた設問データを配信することを特徴とする請求項１に記載の推定装置。
5. 前記配信部は、前記設問データとして、画像の特徴を問い合わせる内容を含む設問データを配信することを特徴とする請求項１に記載の推定装置。
6. 前記配信部は、前記設問データとして、テキストの特徴を問い合わせる内容を含む設問データを配信することを特徴とする請求項１に記載の推定装置。
7. 前記配信部は、前記認知症レベルに基づいて、前記設問データを変更することを特徴とする請求項１に記載の推定装置。
8. 前記取得部は、前記解答データとして、画像の特徴を選択する内容を含む解答データを取得することを特徴とする請求項１に記載の推定装置。
9. 前記取得部は、前記解答データとして、テキストの特徴を選択する内容を含む解答データを取得することを特徴とする請求項１に記載の推定装置。
10. 前記取得部は、他のユーザの前記設問データに対する解答データをさらに取得し、
    前記判定部は、前記ユーザの解答データおよび前記他のユーザの解答データに基づいて、前記ユーザの認知症レベルを判定することを特徴とする請求項１に記載の推定装置。
11. 前記判定部は、前記認知症レベルが所定値以上である場合、前記ユーザの解答データに認知症フラグを設定することを特徴とする請求項１に記載の推定装置。
12. 前記認知症レベルに基づいて、商品またはサービスの情報を出力する出力部をさらに備え、
    前記配信部は、前記情報を前記ユーザまたは所定の登録者に配信することを特徴とする請求項１に記載の推定装置。
13. 推定装置によって実行される推定方法であって、
    ユーザからの回答が機械学習に用いられる設問データをユーザに配信する配信工程と、
    前記ユーザの前記設問データに対する解答データを取得する取得工程と、
    前記ユーザの解答データに基づいて、前記ユーザの認知症レベルを判定する判定工程と
    を含むことを特徴とする推定方法。
14. ユーザからの回答が機械学習に用いられる設問データをユーザに配信する配信ステップと、
    前記ユーザの前記設問データに対する解答データを取得する取得ステップと、
    前記ユーザの解答データに基づいて、前記ユーザの認知症レベルを判定する判定ステップと
    をコンピュータに実行させることを特徴とする推定プログラム。

Images