JP2022097492A - ユーザの訓練およびタスク管理のための適応型人工知能 - Google Patents
ユーザの訓練およびタスク管理のための適応型人工知能 Download PDFInfo
- Publication number
- JP2022097492A JP2022097492A JP2022063160A JP2022063160A JP2022097492A JP 2022097492 A JP2022097492 A JP 2022097492A JP 2022063160 A JP2022063160 A JP 2022063160A JP 2022063160 A JP2022063160 A JP 2022063160A JP 2022097492 A JP2022097492 A JP 2022097492A
- Authority
- JP
- Japan
- Prior art keywords
- user
- tasks
- artificial intelligence
- level
- skill
- 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.)
- Granted
Links
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 330
- 238000012549 training Methods 0.000 title claims abstract description 235
- 230000003044 adaptive effect Effects 0.000 title abstract description 9
- 238000000034 method Methods 0.000 claims abstract description 103
- 238000010801 machine learning Methods 0.000 claims abstract description 91
- 238000012544 monitoring process Methods 0.000 claims abstract description 24
- 239000000463 material Substances 0.000 claims description 94
- 238000012806 monitoring device Methods 0.000 claims description 40
- 230000009471 action Effects 0.000 claims description 22
- 230000006399 behavior Effects 0.000 claims description 22
- 230000015654 memory Effects 0.000 claims description 22
- 230000000694 effects Effects 0.000 claims description 11
- 230000000007 visual effect Effects 0.000 claims description 3
- 230000007704 transition Effects 0.000 claims description 2
- 238000007726 management method Methods 0.000 description 204
- 230000008569 process Effects 0.000 description 71
- 238000004891 communication Methods 0.000 description 23
- 238000012545 processing Methods 0.000 description 13
- 238000010586 diagram Methods 0.000 description 11
- 230000008520 organization Effects 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 230000001419 dependent effect Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000000717 retained effect Effects 0.000 description 3
- 230000001413 cellular effect Effects 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000007115 recruitment Effects 0.000 description 2
- 238000000926 separation method Methods 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 206010011878 Deafness Diseases 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013145 classification model Methods 0.000 description 1
- 230000002860 competitive effect Effects 0.000 description 1
- 238000007596 consolidation process Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000005012 migration Effects 0.000 description 1
- 238000013508 migration Methods 0.000 description 1
- 238000013433 optimization analysis Methods 0.000 description 1
- 230000029058 respiratory gaseous exchange Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 239000004984 smart glass Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000026676 system process Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000013526 transfer learning Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06311—Scheduling, planning or task assignment for a person or group
- G06Q10/063112—Skill-based matching of a person or a group to a task
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06398—Performance of employee with respect to a job function
-
- 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
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06311—Scheduling, planning or task assignment for a person or group
- G06Q10/063114—Status monitoring or status determination for a person or group
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Strategic Management (AREA)
- Educational Administration (AREA)
- Theoretical Computer Science (AREA)
- Development Economics (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Game Theory and Decision Science (AREA)
- Software Systems (AREA)
- Evolutionary Computation (AREA)
- Data Mining & Analysis (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Electrically Operated Instructional Devices (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
Description
したがって、人工知能タスク管理システムは、ユーザの1つ以上の特性(例えば、ユーザの1つ以上の人口統計、ユーザの経験レベル、ユーザの経歴、ユーザの訓練レベル、ユーザの技能のレベル、ユーザに関連する組織および/または同様のもの)に従って選択可能な複数の人工知能タスク管理システムのうちの1つであってもよい。一部の実装において、ユーザの特性を入力として使用して、特定のユーザのために人工知能タスク管理システムを選択するように機械学習モデルを訓練できる。ユーザおよび/または他の1人以上のユーザのための人工知能タスク管理システムの選択に関連する履歴データが、人工知能タスク管理システムを選択するために使用されてもよい。その結果、人工知能タスク管理システムが、ユーザの特性、および/または他のユーザのための人工知能タスク管理システムの選択に関連する履歴データに基づき選択されてもよい。
さらに、または代わりに、デバイス700のコンポーネントのセット(例えば1つ以上のコンポーネント)が、デバイス700のコンポーネントの別のセットにより実行されるものとして記載されている1つ以上の機能を実行してもよい。
例として、上述のように、人工知能タスク管理システム(例えばコンピューティングリソース625、プロセッサ720、入力コンポーネント750、通信インターフェース770および/または同様のものを使用する)は、ユーザによる第1セットのタスクの実行に関連する複数のパフォーマンスパラメータを監視してもよい。
Claims (20)
- ユーザを訓練する第1の人工知能モジュールをデバイスによって特定するステップと、
前記第1の人工知能モジュールを使用して、複数のタスクから前記ユーザに提供する第1セットのタスクを前記デバイスによって選択するステップと、
前記デバイスによって、前記ユーザに前記第1セットのタスクを提供するステップと、
前記デバイスによって、1つ以上の監視デバイスから受信される第1のデータに基づいて、且つ前記第1セットのタスクに関連する、ユーザインターフェースから受信される第2のデータに基づいて、前記ユーザによる前記第1セットのタスクの実行に関連する複数のパフォーマンスパラメータを監視するステップであって、前記1つ以上の監視デバイスは、
センサデバイス、
モノのインターネット(IoT:Internet of Things)デバイス、
カメラデバイス、
マイクロフォンデバイス、または
バイオメトリクス監視デバイス
のうちの少なくとも1つを含む、複数のパフォーマンスパラメータを監視するステップと、
前記デバイスによって、且つ前記第1の人工知能モジュールを使用して、ユーザの挙動に従った1つ以上のアクションを実行するステップであって、前記1つ以上のアクションは、前記ユーザが前記第1セットのタスクに時間がかかりすぎているとき前記ユーザに通知を行うことを含む、ユーザの挙動に従った1つ以上のアクションを実行するステップと、
前記デバイスによって、ユーザの技能のレベルを判断する機械学習モデルを特定するステップと、
前記デバイスによって、且つ前記複数のパフォーマンスパラメータを前記機械学習モデルに対する入力として使用して、前記ユーザの技能の前記レベルが技能閾値を満たさないと判断するステップと、
前記第1の人工知能モジュールを使用して、且つ前記ユーザの技能の前記レベルが前記技能閾値を満たさないと判断するステップに基づいて、前記複数のタスクの中から、前記第1セットのタスクとは異なる前記ユーザに提供する第2セットのタスクを、前記デバイスによって選択するステップと、
前記デバイスによって、前記第2セットのタスクを前記ユーザに提供するステップと、
前記デバイスによって、前記ユーザによる前記第2セットのタスクの実行に関連する前記複数のパフォーマンスパラメータを監視するステップと、
前記デバイスによって、且つ前記複数のパフォーマンスパラメータを前記機械学習モデルに対する入力として使用して、前記ユーザの技能の前記レベルが前記技能閾値を満たすと判断するステップと、
前記デバイスによって、且つ前記ユーザの技能の前記レベルが前記技能閾値を満たすと判断するステップに基づいて、前記ユーザの役割を、前記デバイスを介して学習することからフィードバックを前記デバイスに提供することに遷移させるステップと、
前記デバイスによって、且つ前記フィードバックに基づいて、前記第1の人工知能モジュールを更新するために、前記ユーザから設定更新を取得するステップと、
前記デバイスによって、前記ユーザの技能の前記レベルが前記技能閾値を満たすことに基づいて、且つ前記設定更新を使用して、前記第1の人工知能モジュールを更新するステップであって、該更新された第1の人工知能モジュールは、1人以上の他のユーザを訓練することまたは前記複数のタスクから後続のタスクのセットを選択することに関連することを特徴とする、前記第1の人工知能モジュールを更新するステップと
前記デバイスによって、且つ前記ユーザの技能の前記レベルが前記技能閾値を満たすと判断するステップに基づいて、前記ユーザを訓練する第2の人工知能モジュールを特定するステップと、
前記デバイスによって、且つ前記第2の人工知能モジュールを使用して、前記複数のタスクから前記ユーザに提供する第3セットのタスクを選択するステップと、
前記デバイスによって、前記第3セットのタスクを前記ユーザに提供するステップと、
を含む方法。 - 前記ユーザが前記第3セットのタスクを実行するときの前記複数のパフォーマンスパラメータを監視するステップと、
前記ユーザが前記第3セットのタスクを実行するときの前記複数のパフォーマンスパラメータを前記機械学習モデルに対する入力として使用して、前記ユーザの技能の前記レベルが前記技能閾値を満たすと判断するステップと、
前記ユーザの技能の前記レベルが前記技能閾値を満たすと判断するステップに基づいて、前記ユーザを訓練する第3の人工知能モジュールを特定するステップと、
前記第3の人工知能モジュールを使用して、前記複数のタスクから前記ユーザに提供する第4セットのタスクを選択するステップと、
前記第4セットのタスクを前記ユーザに提供するステップと、
をさらに含む、請求項1に記載の方法。 - 前記機械学習モデルは、知識グラフモデルを含む、請求項1に記載の方法。
- 前記第1セットのタスクまたは前記第2セットのタスクの実行に関連する前記複数のパフォーマンスパラメータは、前記ユーザのバイオメトリクスと、
前記第1セットのタスクもしくは前記第2セットのタスクを実行することに関連する適時性指標、
前記第1セットのタスクもしくは前記第2セットのタスクを実行することに関連する速度指標、
前記第1セットのタスクもしくは前記第2セットのタスクを実行することに関連する精度のレベル、
前記第1セットのタスクもしくは前記第2セットのタスクを実行することに関連する効率性指標または
前記第1セットのタスクもしくは前記第2セットのタスクに関連する難易度のレベル
のうちの少なくとも1つとを含む、請求項1に記載の方法。 - 前記ユーザの前記バイオメトリクスは、
前記ユーザの注意力レベル、
前記ユーザのストレスレベルまたは
前記ユーザの集中力レベル
のうちの少なくとも1つを含む、請求項4に記載の方法。 - 前記第3セットのタスクを前記ユーザに提供するステップは、前記第3のタスクのセットに関連する視覚情報をユーザインターフェースのディスプレイ上に表示するステップを含む、請求項1に記載の方法。
- 前記機械学習モデルは、第1の機械学習モデルであり、前記方法は、
前記ユーザを訓練するために前記ユーザに提供する訓練素材を、前記人工知能モジュールを使用して選択するステップと、
前記訓練素材を前記ユーザに提供するステップと、
前記訓練素材を用いた前記ユーザの訓練に関連する複数の訓練パラメータを監視するステップと、
前記ユーザが或るレベルの訓練を受けているかどうかを判断する第2の機械学習モデルを特定するステップと、
前記複数の訓練パラメータを前記第2の機械学習モデルに対する入力として使用して、前記ユーザの訓練の前記レベルが訓練閾値を満たすかどうかを判断するステップと、
前記ユーザの訓練の前記レベルが前記訓練閾値を満たすと判断するステップに基づき、前記複数のタスクから前記第1セットのタスクを選択するステップであって、
前記第1セットのタスクおよび第2セットのタスクは、前記訓練素材と同じトピックに関連する、
前記第1セットのタスクを選択するステップと、
をさらに含む、請求項1に記載の方法。 - 1つ以上のメモリと、
前記1つ以上のメモリに通信可能に結合された1つ以上のプロセッサであって、
ユーザを訓練する人工知能モジュールを特定すること、
前記人工知能モジュールを使用して、複数のタスクから前記ユーザに提供するタスクのセットを選択すること、
前記タスクのセットを前記ユーザに提供すること、
1つ以上の監視デバイスから受信される第1のデータに基づいて、且つ前記タスクのセットに関連する、ユーザインターフェースから受信される第2のデータに基づいて、前記ユーザによる前記タスクのセットの実行に関連するパフォーマンスメトリクスを監視することであって、前記1つ以上の監視デバイスは、
センサデバイス、
モノのインターネット(IoT:Internet of Things)デバイス、
カメラデバイス、
マイクロフォンデバイス、または
バイオメトリクス監視デバイス
のうちの少なくとも1つを含む、パフォーマンスメトリクスを監視すること、
前記人工知能モジュールを使用して、ユーザの挙動に従った1つ以上のアクションを実行するステップであって、前記1つ以上のアクションは、前記ユーザが前記タスクのセットに時間がかかりすぎているとき前記ユーザに通知を行うことを含む、ユーザの挙動に従った1つ以上のアクションを実行すること、
ユーザの技能のレベルを判断する機械学習モデルを特定すること、
バイオメトリクスおよび前記パフォーマンスメトリクスを前記機械学習モデルに対する入力として使用して、前記ユーザの技能の前記レベルが技能閾値を満たすかどうかを判断すること、
前記ユーザの技能の前記レベルが前記技能閾値を満たすと判断することに基づいて、前記ユーザの役割を、デバイスを介して学習することからフィードバックをデバイスに提供することに遷移させること、
前記フィードバックに基づいて、前記人工知能モジュールを更新するために、前記ユーザから設定更新を取得すること、ならびに
前記ユーザの技能の前記レベルが前記技能閾値を満たすことに基づいて、且つ前記設定更新を使用して、前記人工知能モジュールを更新することであって、該更新された人工知能モジュールは、1人以上の他のユーザを訓練することまたは前記複数のタスクから後続のタスクのセットを選択することに関連することを特徴とする、人工知能モジュールを更新すること、
をするよう構成された前記1つ以上のプロセッサと、
を含むデバイス。 - 前記ユーザの前記バイオメトリクスは、
前記ユーザの注意力レベル、
前記ユーザのストレスレベルまたは
前記ユーザの集中力レベル
のうちの少なくとも1つを含む、請求項8に記載のデバイス。 - 前記パフォーマンスメトリクスは、
前記タスクのセットを実行することに関連する適時性指標、
前記ユーザが前記タスクのセットを実行することに関連する速度指標、
前記ユーザが前記タスクのセットを実行することに関連する精度のレベル、
前記タスクのセットを実行することに関連する効率性指標または
前記タスクのセットを実行することに関連する難易度のレベル、
のうちの少なくとも1つを含む、請求項8に記載のデバイス。 - 前記1つ以上のプロセッサは、
前記ユーザが前記タスクのセットを閾値速度で、閾値レベルの精度で、または閾値効率で実行したこと、および前記タスクのセットが閾値レベルの難易度に関連したことを前記パフォーマンスメトリクスが前記機械学習モデルに示すのに基づき、前記ユーザの技能の前記レベルが前記技能閾値を満たすと判断する、請求項8に記載のデバイス。 - 前記ユーザの技能の前記レベルが前記技能閾値を満たさない場合、前記人工知能モジュールは、前記1人以上のユーザの訓練または前記複数のタスクからの前記後続のタスクのセットの選択に関連して前記設定更新を使用するために更新されない、請求項8に記載のデバイス。
- 前記人工知能モジュールは、特に前記ユーザ向けに設定される、請求項8に記載のデバイス。
- 前記タスクのセットは、雇用または教育の期間に関連するアクティビティまたは動作を含む、請求項8に記載のデバイス。
- 命令を格納する非一時的コンピュータ可読媒体であって、前記命令は、
1つ以上の命令
を含み、前記1つ以上の命令は、1つ以上のプロセッサにより実行されると前記1つ以上のプロセッサに、
ユーザを訓練する人工知能モジュールを特定することと、
前記人工知能モジュールを使用して、複数のタスクから前記ユーザに提供するタスクのセットを選択することと、
前記タスクのセットを前記ユーザに提供することと、
1つ以上の監視デバイスから受信される第1のデータに基づいて、且つ前記タスクのセットに関連する、ユーザインターフェースから受信される第2のデータに基づいて、前記ユーザによる前記タスクの実行に関連するパフォーマンスパラメータを監視することであって、前記1つ以上の監視デバイスは、
センサデバイス、
モノのインターネット(IoT:Internet of Things)デバイス、
カメラデバイス、
マイクロフォンデバイス、または
バイオメトリクス監視デバイス
のうちの少なくとも1つを含む、パフォーマンスパラメータを監視することと、
前記人工知能モジュールを使用して、ユーザの挙動に従った1つ以上のアクションを実行するステップであって、前記1つ以上のアクションは、前記ユーザが前記タスクのセットに時間がかかりすぎているとき前記ユーザに通知を行うことを含む、ユーザの挙動に従った1つ以上のアクションを実行することと、
ユーザの技能のレベルを判断する機械学習モデルを特定することと、
前記パフォーマンスパラメータを前記機械学習モデルに対する入力として使用して、前記ユーザの技能の前記レベルが技能閾値を満たすかどうかを判断することであって、前記技能閾値は、前記複数のタスクに関連するパフォーマンスに基づき前記機械学習モデルにより動的に更新される、判断することと、
前記ユーザの技能の前記レベルが前記技能閾値を満たすと判断することに基づいて、前記ユーザの役割を、デバイスを介して学習することからフィードバックをデバイスに提供することに遷移させることと、
前記フィードバックに基づいて、前記人工知能モジュールを更新するために、前記ユーザから設定更新を取得すること、ならびに
前記ユーザの技能の前記レベルが前記技能閾値を満たすことに基づいて、且つ前記設定更新を使用して、前記人工知能モジュールを更新することであって、該更新された人工知能モジュールは、1人以上の他のユーザを訓練することまたは前記複数のタスクから後続のタスクのセットを選択することに関連することを特徴とする、人工知能モジュールを更新することと
をさせる、非一時的コンピュータ可読媒体。 - 前記1つ以上の命令は、前記1つ以上のプロセッサにより実行されると前記1つ以上のプロセッサにさらに、
前記ユーザを訓練するために前記ユーザに提供する訓練素材を、前記人工知能モジュールを使用して選択することと、
前記訓練素材を前記ユーザに提供することと、
前記訓練素材を用いた前記ユーザの訓練に関連する訓練パラメータを監視することと、
前記ユーザが或るレベルの訓練を受けているかどうかを判断する第2の機械学習モデルを特定することと、
前記訓練パラメータを前記第2の機械学習モデルに対する入力として使用して、前記ユーザの訓練の前記レベルが訓練閾値を満たすかどうかを判断することと、
前記ユーザの訓練の前記レベルが前記訓練閾値を満たすと判断することに基づき、前記複数のタスクから前記タスクのセットを選択することであって、
前記タスクのセットは、前記訓練素材と同じトピックに関連する、
前記タスクのセットを選択することと、
をさせる、請求項15に記載の非一時的コンピュータ可読媒体。 - 前記タスクのセットの実行に関連する前記パフォーマンスパラメータは、
前記ユーザのバイオメトリクス、
前記タスクのセットを実行することに関連する適時性指標、
前記タスクのセットを実行することに関連する速度指標、
前記タスクのセットを実行することに関連する精度のレベル、
前記タスクのセットを実行することに関連する効率性指標または
前記タスクのセットに関連する難易度のレベル、
のうちの少なくとも1つを含む、請求項15に記載の非一時的コンピュータ可読媒体。 - 前記パフォーマンスパラメータは、
前記ユーザを監視するカメラ、
前記タスクのセットの実行に関連するユーザ入力を受信するユーザインターフェースまたは
前記ユーザを監視するセンサデバイス
のうちの少なくとも1つから受信される情報から判断される、請求項15に記載の非一時的コンピュータ可読媒体。 - 前記人工知能モジュールは、前記機械学習モデルを含む、請求項15に記載の非一時的コンピュータ可読媒体。
- 前記人工知能モジュールは、前記機械学習モデルを使用して判断された前記ユーザの技能の前記レベルに基づき、前記複数のタスクから前記タスクのセットを選択するように構成される、請求項15に記載の非一時的コンピュータ可読媒体。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US16/146,254 | 2018-09-28 | ||
US16/146,254 US11170335B2 (en) | 2018-09-28 | 2018-09-28 | Adaptive artificial intelligence for user training and task management |
JP2019170963A JP2020098325A (ja) | 2018-09-28 | 2019-09-20 | ユーザの訓練およびタスク管理のための適応型人工知能 |
Related Parent Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019170963A Division JP2020098325A (ja) | 2018-09-28 | 2019-09-20 | ユーザの訓練およびタスク管理のための適応型人工知能 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2022097492A true JP2022097492A (ja) | 2022-06-30 |
JP7121214B2 JP7121214B2 (ja) | 2022-08-17 |
Family
ID=69947810
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019170963A Pending JP2020098325A (ja) | 2018-09-28 | 2019-09-20 | ユーザの訓練およびタスク管理のための適応型人工知能 |
JP2022063160A Active JP7121214B2 (ja) | 2018-09-28 | 2022-04-05 | ユーザの訓練およびタスク管理のための適応型人工知能 |
Family Applications Before (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019170963A Pending JP2020098325A (ja) | 2018-09-28 | 2019-09-20 | ユーザの訓練およびタスク管理のための適応型人工知能 |
Country Status (2)
Country | Link |
---|---|
US (1) | US11170335B2 (ja) |
JP (2) | JP2020098325A (ja) |
Families Citing this family (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
BR112021010468A2 (pt) * | 2018-12-31 | 2021-08-24 | Intel Corporation | Sistemas de segurança que empregam inteligência artificial |
US11126972B2 (en) * | 2019-03-20 | 2021-09-21 | Microsoft Technology Licensing, Llc | Enhanced task management feature for electronic applications |
US11720649B2 (en) * | 2019-04-02 | 2023-08-08 | Edgeverve Systems Limited | System and method for classification of data in a machine learning system |
US20220358448A1 (en) * | 2020-01-10 | 2022-11-10 | Blue Yonder Group, Inc. | Systems and Methods of Hybrid Interfaces Utilizing Conversational Virtual Assistants |
US10970188B1 (en) * | 2020-02-11 | 2021-04-06 | HoxHunt Oy | System for improving cybersecurity and a method therefor |
JP7401682B2 (ja) | 2020-07-29 | 2023-12-19 | ファナック株式会社 | ロボットシステム |
CN114095969A (zh) * | 2020-08-24 | 2022-02-25 | 华为技术有限公司 | 一种智能的无线接入网络 |
CN113112127B (zh) * | 2021-03-22 | 2023-08-08 | 浙江和达科技股份有限公司 | 基于人工智能的计量管理方法及系统 |
US20220309943A1 (en) * | 2021-03-23 | 2022-09-29 | Kyndryl, Inc. | Proactive training via virtual reality simulation |
US20230153712A1 (en) * | 2021-11-17 | 2023-05-18 | Sap Se | Evaluation platform as a service |
WO2023102867A1 (en) * | 2021-12-10 | 2023-06-15 | Citrix Systems, Inc. | Intelligent task assignment and performance |
CN114898344A (zh) * | 2022-05-11 | 2022-08-12 | 杭州睿胜软件有限公司 | 个性化植物养护的方法、系统及可读存储介质 |
WO2023216861A1 (zh) * | 2022-05-11 | 2023-11-16 | 杭州睿胜软件有限公司 | 个性化植物养护的方法、系统及可读存储介质 |
CN114998875A (zh) * | 2022-05-11 | 2022-09-02 | 杭州睿胜软件有限公司 | 根据用户需求个性化养护植物的方法、系统及存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007264055A (ja) * | 2006-03-27 | 2007-10-11 | Central Res Inst Of Electric Power Ind | 訓練システムおよび訓練方法 |
US20140324721A1 (en) * | 2013-04-29 | 2014-10-30 | Monster Worldwide, Inc. | Identification of Job Skill Sets and Targeted Advertising Based on Missing Skill Sets |
JP2017504883A (ja) * | 2013-12-09 | 2017-02-09 | ハイアービュー・インコーポレイテッド | オーディオキューに基づくモデル駆動型の候補者のソート |
JP2018045395A (ja) * | 2016-09-13 | 2018-03-22 | 株式会社ジェイテクト | 教育支援装置 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6950802B1 (en) * | 2000-07-25 | 2005-09-27 | International Business Machines Corporation | System and method for systems integration |
US20030139956A1 (en) * | 2002-01-24 | 2003-07-24 | Sun Microsystems, Inc. | Methods and systems for role analysis |
US20180137419A1 (en) * | 2016-11-11 | 2018-05-17 | International Business Machines Corporation | Bootstrapping Knowledge Acquisition from a Limited Knowledge Domain |
US10726338B2 (en) * | 2016-11-11 | 2020-07-28 | International Business Machines Corporation | Modifying a set of instructions based on bootstrapped knowledge acquisition from a limited knowledge domain |
US11341508B2 (en) * | 2017-09-15 | 2022-05-24 | Pearson Education, Inc. | Automatically certifying worker skill credentials based on monitoring worker actions in a virtual reality simulation environment |
JP6571741B2 (ja) * | 2017-11-29 | 2019-09-04 | ファナック株式会社 | 作業者管理装置 |
-
2018
- 2018-09-28 US US16/146,254 patent/US11170335B2/en active Active
-
2019
- 2019-09-20 JP JP2019170963A patent/JP2020098325A/ja active Pending
-
2022
- 2022-04-05 JP JP2022063160A patent/JP7121214B2/ja active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007264055A (ja) * | 2006-03-27 | 2007-10-11 | Central Res Inst Of Electric Power Ind | 訓練システムおよび訓練方法 |
US20140324721A1 (en) * | 2013-04-29 | 2014-10-30 | Monster Worldwide, Inc. | Identification of Job Skill Sets and Targeted Advertising Based on Missing Skill Sets |
JP2017504883A (ja) * | 2013-12-09 | 2017-02-09 | ハイアービュー・インコーポレイテッド | オーディオキューに基づくモデル駆動型の候補者のソート |
JP2018045395A (ja) * | 2016-09-13 | 2018-03-22 | 株式会社ジェイテクト | 教育支援装置 |
Also Published As
Publication number | Publication date |
---|---|
JP2020098325A (ja) | 2020-06-25 |
US20200104777A1 (en) | 2020-04-02 |
US11170335B2 (en) | 2021-11-09 |
JP7121214B2 (ja) | 2022-08-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP2022097492A (ja) | ユーザの訓練およびタスク管理のための適応型人工知能 | |
CA2932644C (en) | Data processor for project data | |
US10042636B1 (en) | End-to end project management platform with artificial intelligence integration | |
US10204501B2 (en) | Providing predictive alerts for workplace safety | |
US11144839B2 (en) | Processing data for use in a cognitive insights platform | |
US10198702B2 (en) | End-to end project management | |
JP6751806B2 (ja) | エンティティに関連する欠落情報を補足するために複数のデータストリームを使用するエンティティ認識 | |
US10055222B2 (en) | Data processor for projects | |
US11240131B2 (en) | Systems and methods for evaluating a user experience in a network based on performance indicators | |
US10200237B1 (en) | Contextual state-based user interface notification triggering | |
JP2017045142A5 (ja) | ||
US11526956B2 (en) | Skill acquisition platform | |
US10380530B2 (en) | Task-based biometric differentiator of stress levels to maximize productivity | |
CA3048522C (en) | Determining rate of recruitment information concerning a clinical trial | |
US20200381098A1 (en) | Utilizing a machine learning model to identify unhealthy online user behavior and to cause healthy physical user behavior | |
US20230305861A1 (en) | Automated scaling of application features based on rules | |
US10963043B2 (en) | Utilizing machine learning to determine survey questions based on context of a person being surveyed, reactions to survey questions, and environmental conditions | |
EP3270337A1 (en) | Method and system for managing electronic informed consent process in clinical trials | |
WO2016142351A1 (en) | Robotic companion sensitive to physiological data gathered by wearable devices | |
US11526849B2 (en) | Data set filtering for machine learning | |
US20190357833A1 (en) | Multi-Symptom Toolkit for Evaluating Readiness | |
US20200327992A1 (en) | Artificial intelligence aided bug bite and transmitted disease identification | |
JP2017534968A (ja) | 推定ベース個人プロファイル |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220408 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20220408 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A821 Effective date: 20220412 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20220719 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20220804 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7121214 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |