JP2023520309A - ハイブリッド人間-コンピュータ学習システム - Google Patents
ハイブリッド人間-コンピュータ学習システム Download PDFInfo
- Publication number
- JP2023520309A JP2023520309A JP2022553593A JP2022553593A JP2023520309A JP 2023520309 A JP2023520309 A JP 2023520309A JP 2022553593 A JP2022553593 A JP 2022553593A JP 2022553593 A JP2022553593 A JP 2022553593A JP 2023520309 A JP2023520309 A JP 2023520309A
- Authority
- JP
- Japan
- Prior art keywords
- expert
- task
- confidence score
- subset
- experts
- 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
- 238000012545 processing Methods 0.000 claims description 79
- 238000000034 method Methods 0.000 claims description 73
- 230000008569 process Effects 0.000 claims description 22
- 238000007781 pre-processing Methods 0.000 claims description 10
- 230000004044 response Effects 0.000 claims description 9
- 230000002776 aggregation Effects 0.000 claims description 8
- 238000004220 aggregation Methods 0.000 claims description 8
- 238000004891 communication Methods 0.000 abstract description 28
- 238000003860 storage Methods 0.000 description 55
- 230000006870 function Effects 0.000 description 21
- 238000013528 artificial neural network Methods 0.000 description 19
- 238000010586 diagram Methods 0.000 description 16
- 238000012549 training Methods 0.000 description 16
- 230000002085 persistent effect Effects 0.000 description 15
- 230000008901 benefit Effects 0.000 description 13
- 238000004590 computer program Methods 0.000 description 10
- 230000004913 activation Effects 0.000 description 9
- 230000003287 optical effect Effects 0.000 description 7
- 238000004422 calculation algorithm Methods 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 6
- 238000012805 post-processing Methods 0.000 description 6
- 230000000644 propagated effect Effects 0.000 description 6
- 230000000306 recurrent effect Effects 0.000 description 6
- 238000012552 review Methods 0.000 description 6
- 238000012546 transfer Methods 0.000 description 6
- 239000000835 fiber Substances 0.000 description 5
- 230000000670 limiting effect Effects 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 238000003491 array Methods 0.000 description 4
- 238000003745 diagnosis Methods 0.000 description 4
- 230000002093 peripheral effect Effects 0.000 description 4
- 230000003068 static effect Effects 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 241000282412 Homo Species 0.000 description 3
- 210000004556 brain Anatomy 0.000 description 3
- 230000007423 decrease Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 238000013529 biological neural network Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000003247 decreasing effect Effects 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000003058 natural language processing Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000001902 propagating effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000002922 simulated annealing Methods 0.000 description 2
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 241001465754 Metazoa Species 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000004931 aggregating effect Effects 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000002860 competitive effect Effects 0.000 description 1
- 238000000205 computational method Methods 0.000 description 1
- 230000021615 conjugation Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 239000013068 control sample Substances 0.000 description 1
- 235000014510 cooky Nutrition 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 229940124645 emergency medicine Drugs 0.000 description 1
- 230000008451 emotion Effects 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 210000002569 neuron Anatomy 0.000 description 1
- 230000036961 partial effect Effects 0.000 description 1
- 238000012797 qualification Methods 0.000 description 1
- 230000004043 responsiveness Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 208000024891 symptom Diseases 0.000 description 1
- 210000000225 synapse Anatomy 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 210000003813 thumb Anatomy 0.000 description 1
- 230000035899 viability Effects 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
- 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
- G06N3/02—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
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/088—Non-supervised learning, e.g. competitive learning
-
- 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
- G06N5/043—Distributed expert systems; Blackboards
-
- 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
- G06Q10/10—Office automation; Time management
- G06Q10/101—Collaborative creation, e.g. joint development of products or services
-
- 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
- G06N3/042—Knowledge-based neural networks; Logical representations of neural 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
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/044—Recurrent networks, e.g. Hopfield networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/01—Dynamic search techniques; Heuristics; Dynamic trees; Branch-and-bound
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Software Systems (AREA)
- Strategic Management (AREA)
- Data Mining & Analysis (AREA)
- Economics (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Educational Administration (AREA)
- Quality & Reliability (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Operations Research (AREA)
- Computational Linguistics (AREA)
- Development Economics (AREA)
- Medical Informatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Molecular Biology (AREA)
- Machine Translation (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Instructional Devices (AREA)
- Medicines Containing Plant Substances (AREA)
- Electrotherapy Devices (AREA)
- Telephonic Communication Services (AREA)
Abstract
Description
本書では、特に断りがない限り、以下の定義を適用する。
「構成する」もしくは「含む」(comprising)、「備えている」(including)、「有している」(having)(およびその活用形)は、必ずしも限定されないが、備えているという意味で互換的に用いられ、追加の、記載されていない要素または方法工程を除外することを意図しないオープンエンドな用語である。
「処理ロジック」は、1つまたは複数の論理演算および/または算術演算(例えば、コード化された命令の実行)を行うことによってデータを処理するように構成された任意の適切な装置またはハードウェアを説明するものである。例えば、処理ロジックは、1つまたは複数のプロセッサ(例えば、中央処理装置(CPU)および/またはグラフィック処理装置(GPU))、マイクロプロセッサ、処理コアのクラスタ、FPGA(フィールドプログラマブルゲートアレイ)、人工知能(AI)加速器、デジタル信号プロセッサ(DSP)、および/または、論理ハードウェアの他の任意の適切な組合せ、を備えてもよい。
一般に、本開示のハイブリッド人間-コンピュータ学習システムは、エキスパートが、ユーザによって提出された質問および/または問題(例えば、タスク)を分析するためのアーキテクチャフレームワークを提供する。本システムは、エキスパートによって提供される複数の回答から主観的および客観的な回答を集約(集計。アグリゲート)することを可能にする一方で、スピード、精度、およびコスト(例えば、時間、金銭等)の面で改善された性能(パフォーマンス)を提供する。例えば、医療従事者は、本システムを利用して、医師のネットワークを通じて、稀なまたは複雑な病状に対する医療診断を受け取ることができる。
以下のセクションでは、例示的な学習システムの選択された態様、ならびに関連するシステムおよび/または方法、について説明する。これらのセクションの例は、説明のためのものであり、本開示の範囲を限定するものとして解釈されるべきではない。各セクションは、1つまたは複数の異なる実施形態または例、および/または、文脈的または関連する情報、機能、および/または構造、を備えていることができる。
図1~図3に示すように、本セクションでは、上述した学習システムの一例である例示的なハイブリッド人間-コンピュータ学習システム100を説明する。
例えば、タスクサーバ104によるネットワークレイアウトの再順序付けは、ネットワークの各サイクル/エポックの後に発生してもよい。
本セクションは、本開示のタスクサーバ、例えば上述した学習システム100のタスクサーバ104、の動作のための例示的な方法200の工程を説明する;図9を参照。上述した学習システムの態様は、以下に説明する方法工程において利用され得る。適切な場合、各工程を実施する際に使用され得る構成要素およびシステムに対して参照がなされ得る。これらの参照は説明のためのものであり、方法の任意の特定の工程を遂行する可能な方法を制限することを意図していない。
本セクションは、本開示の態様に従ってハイブリッド人間-コンピュータ学習システムを学習するための例示的な方法300の工程を説明する;図10を参照。上述した学習システムの態様は、以下に説明する方法工程において利用され得る。適切な場合、各工程を実施する際に使用され得る構成要素およびシステムに対して参照がなされ得る。これらの参照は説明のためのものであるので、方法の任意の特定の工程を遂行する可能な方法を制限することを意図していない。
方法300の工程308は、学習システム100におけるエラーを計算するだけでなく、エキスパートの重みを更新する工程を備えている。学習システム100におけるエラーは、1つまたは複数の方法で計算される。いくつかの例では、いくつかのエラーの計算は、学習システム100によって協調的におよび/または逐次的に利用されてもよい。
図6に示すように、本実施例は、本開示の態様に従ったデータ処理システム600(コンピュータ、コンピューティングシステム、および/またはコンピュータシステム、とも呼ばれる)を説明する。この実施例では、データ処理システム600は、上述した学習システムおよび関連する方法の態様を実施するのに適した例示的なデータ処理システムである。より具体的には、いくつかの例では、データ処理システムの実施形態であるデバイス(例えば、スマートフォン、タブレット、パーソナルコンピュータ)は、学習システムに係るデータをホストするだけでなく、学習システムの1つまたは複数のモジュールまたはソフトウェアプログラムを実行し、学習システムのユーザとエキスパートとの間のコミュニケーション(伝達、通信)を可能にするだけでなく、および/または学習システムによって取得、供給、または生成、されたデータに対して計算および/もしくは分析を実行し得る。
図7に示すように、この例は、コンピュータネットワーク、ネットワークシステム、分散データ処理システム、または分散ネットワーク、と交換可能に呼ばれる一般的なネットワークデータ処理システム700を説明するだけでなく、その態様は、上述した学習システムおよび/または関連方法の1つまたは複数の例示的実施形態に含まれ得る。例えば、学習システムのノード同士間の通信は、ネットワークデータ処理システム700の実施形態によって可能にされ、および/またはネットワークデータ処理システム700の実施形態として組織されてもよい。
本セクションは、限定されることなく一連の項目(段落)として提示される学習システムの追加の態様および特徴を説明するだけでなく、その一部または全部は、明確性および効率性のために英数字で指定されてもよい。これらの項目のそれぞれは、1つまたは複数の他の項目と、および/または本願の他の場所からの開示と、任意の適切な方法で組み合わせることができる。以下の項目のいくつかは、他の項目を明示的に参照するだけでなく、さらに限定し、好適な組み合わせのいくつかの例を限定することなく提供する。
選択済タスクに対応するタスク関連データを受け取る工程であって、タスクは1つまたは複数の専門領域のうちの選択済領域によって識別される、受け取る工程と、
複数のエキスパートから、選択済領域に関連付けられている第1エキスパートサブセットと、選択済領域に関連付けられている第2エキスパートサブセットと、を自動的に選択する工程と、
タスク関連データを複数の第1電子デバイスに伝達する工程であって、第1電子デバイスのそれぞれは第1エキスパートサブセットの各エキスパートの1つに関連付けられている、伝達する工程と、
前記第1電子デバイスを介して、前記第1エキスパートサブセットの各エキスパートから、それぞれのタスク解決策と、付随する第1信頼度スコアと、を受け取る工程と、
前記第1エキスパートサブセットから受け取ったタスク解決策に基づき、前記第1信頼度スコアによってソートされた第1タスク解決策セットを生成する工程と、
タスク関連データおよび第1タスク解決策セットを複数の第2電子デバイスに伝達する工程であって、第2電子デバイスのそれぞれは第2エキスパートサブセットの各エキスパートの1つに関連付けられている、伝達する工程と、
前記第2エキスパートサブセットの各エキスパートから、前記第2電子デバイスを介して、前記第1タスク解決策セットから選択されたそれぞれの選択済解決策と、付随する第2信頼度スコアと、を示す情報を受け取る工程と、
選択済解決策を示す情報に基づき、第2信頼度スコアによってソートされた第2タスク解決策セットを生成する工程と、
第2タスク解決策セットに基づき予備出力を生成する工程と、および、
予備出力に基づく最終出力をユーザインタフェースに伝達する工程と、を実行可能にされている、
システム。
項A0に記載のシステム。
タスク関連データおよび予備出力を複数の第1電子デバイスに伝達する工程と、
前記第1サブセット内の各エキスパートから、前記第1電子デバイスを介して、前記予備出力から選択されたそれぞれの選択済解決策と、付随する第3信頼度スコアと、を示す情報を受け取る工程と、
前記第1電子デバイスから受け取った前記選択済解決策を示す情報に基づき、前記第3信頼度スコアによってソートされた第3タスク解決策セットを生成する工程と、
タスク関連データおよび第3タスク解決策セットを複数の第2電子デバイスに伝達する工程と、
前記第2エキスパートサブセット内の各エキスパートから、前記第2電子デバイスを介して、前記第3タスク解決策セットから選択されたそれぞれの選択済解決策と、付随する第4信頼度スコアと、を示す情報を受け取る工程と、
前記第2電子デバイスからの前記選択済解決策を示す情報に基づき、前記第4信頼度スコアによってソートされた第4タスク解決策セットを生成する工程と、
最終出力をユーザインタフェースに伝達する前に、少なくとも第4タスク解決策セットに基づき予備出力を更新する工程と、を実行可能にされている、
項A0またはA1に記載のシステム。
選択済領域に分類された第3エキスパートサブセットを自動的に選択する工程と、
タスク関連データおよび第2タスク解決策セットを複数の第3電子デバイスに伝達する工程であって、各第3電子デバイスは第3エキスパートサブセットの各エキスパートの1つに関連付けられている、伝達する工程と、
前記第3電子デバイスを介して、前記第3エキスパートサブセットの各エキスパートから、前記第2タスク解決策セットから選択されたそれぞれの選択済解決策と、付随する第3信頼度スコアと、を示す情報を受け取る工程と、
前記第3電子デバイスから受け取った前記選択済解決策を示す情報に基づき、前記第3信頼度スコアによってソートされた第3タスク解決策セットを生成する工程と、
最終出力をユーザインタフェースに伝達する前に、第3タスク解決策セットに基づき予備出力を更新する工程と、を実行可能にされている、
項A0~A2のいずれか1項に記載のシステム。
項A0~A3のいずれか1項に記載のシステム。
項A4に記載のシステム。
項A5に記載のシステム。
各エキスパートのそれぞれの重みは、各エキスパートの性能に関する過去(履歴)データを使用して決定される、
項A0~A6のいずれか1項に記載のシステム。
選択済閾値未満のそれぞれの重みを有するエキスパートを、第1エキスパートサブセットおよび第2エキスパートサブセットから自動的に削除する工程を実行可能にされている、
項A7に記載のシステム。
項A0~A8のいずれか1項に記載のシステム。
(B0).ユーザが提供するタスクに対する解決策を提供するためのデータ処理システムとしてのシステムであって、
前記システムはメモリと、1つまたは複数のプロセッサと、前記メモリに記憶されるとともに前記1つまたは複数のプロセッサによって実行可能にされている複数の命令と、を備えており、前記命令は、
選択済タスクに対応するタスク関連データを受け取る工程であって、前記選択済タスクは1つまたは複数の専門領域のうちの選択済領域によって識別される、受け取る工程と、
複数のエキスパートから、第1エキスパートサブセット、1つまたは複数の中間エキスパートサブセット、および最終エキスパートサブセット、を自動的に選択する工程であって、第1エキスパートサブセット、1つまたは複数の中間エキスパートサブセット、および最終エキスパートサブセット、のそれぞれは選択済領域に関連付けられている、選択する工程と、
タスク関連データを複数の第1電子デバイスに伝達する工程であって、第1電子デバイスのそれぞれは第1エキスパートサブセットの各エキスパートの1つに関連付けられている、伝達する工程と、
前記第1電子デバイスを介して、前記第1エキスパートサブセットの各エキスパートから、それぞれのタスク解決策と、付随する第1信頼度スコアと、を受け取る工程と、
前記第1エキスパートサブセットの各エキスパートから受け取ったタスク解決策に基づき、前記第1信頼度スコアによってソートされた中間タスク解決策セットを生成する工程と、
前記1つまたは複数の中間サブセットのそれぞれに関して、連続して(直列に)、
タスク関連データおよび中間タスク解決策セットを複数の電子デバイスに伝達する工程であって、前記電子デバイスのそれぞれは前記各中間エキスパートサブセットの各エキスパートの1つに関連付けられている、伝達する工程と、
前記各中間エキスパートサブセットの各エキスパートから、前記電子デバイスを介して、前記中間タスク解決策セットから選択されたそれぞれの解決策と、付随する中間信頼度スコアと、を示す情報を受け取る工程と、および、
選択済解決策を示す情報に基づき、中間信頼度スコアによってソートされた中間タスク解決策セットを更新する工程と、
中間タスク関連データを複数の最終電子デバイスに伝達する工程であって、最終電子デバイスのそれぞれは最終エキスパートサブセットの各エキスパートの1つに関連付けられている、伝達する工程と、
最終エキスパートサブセットの各エキスパートから、最終電子デバイスを介して、中間タスク解決策セットから選択されたそれぞれの選択済解決策と、付随する最終信頼度スコアと、を示す情報を受け取る工程と、および、
選択済解決策を示す情報に基づき、最終タスク解決策セットをユーザインタフェースに伝達する工程と、を備えている、
システム。
項B0に記載のシステム。
(B2).前記最終タスク解決策セットは、前記第1信頼度スコア、前記中間信頼度スコア、および前記最終信頼度スコア、の集約によってソートされる、
項B0またはB1に記載のシステム。
項B2に記載のシステム。
各エキスパートにそれぞれの重みを自動的に割り当てる工程を実行可能にされており、
各エキスパートのそれぞれの重みは、各エキスパートの性能に関する過去データを使用して決定される、
項B0~B3のいずれか1項に記載のシステム。
項B4に記載のシステム。
項B0~B5のいずれか1項に記載のシステム。
項B6に記載のシステム。
項B0~B7のいずれか1項に記載のシステム。
項B0~B8のいずれか1項に記載のシステム。
[利点、特徴、および利益]
本明細書で説明される学習システムの異なる実施形態および例は、困難な問題および/または主観的な問題を解決するための既知の解決策とで比較して、いくつかの利点を提供する。例えば、本明細書に記載された例示的な実施形態および例は、従来の計算方法の範囲外の問題に対する解決策を可能にする。
上記に示された開示は、独立した有用性を有する複数の異なる例を包含することができる。これらのそれぞれは、その好ましい形態(複数可)で開示されているが、多数の変形が可能にされているので、本明細書に開示され図示されたその特定の実施形態は、限定的な意味で考慮されるべきでない。本開示内でセクションの見出しが使用される限り、そのような見出しは、組織的な目的だけのためである。本開示の主題は、本明細書に開示される様々な要素、特徴、機能、および/または特性、の全ての新規かつ非自明な組み合わせおよび下位組み合わせを備えている。以下の特許請求の範囲は、特に、新規かつ非自明とみなされる特定の組み合わせおよび下位組み合わせ(サブコンビネーション)を指摘している。特徴、機能、要素、および/または特性、の他の組み合わせおよび下位組み合わせは、本出願または関連出願からの優先権を主張する出願において請求され得る。このような請求項は、元の請求の範囲よりも広いか、狭いか、同等か、または異なるか、にかかわらず本開示の主題に含まれるものとみなされる。
Claims (19)
- ユーザが提供するタスクに対する解決策を提供するためのデータ処理システムとしてのシステムであって、
前記システムはメモリと、1つまたは複数のプロセッサと、前記メモリに記憶されるとともに前記1つまたは複数のプロセッサによって実行可能にされている複数の命令と、を備えており、前記命令は、
選択済タスクに対応するタスク関連データを受け取る工程であって、前記タスクは1つまたは複数の専門領域のうちの選択済領域によって識別される、受け取る工程と、
複数のエキスパートから、前記選択済領域に関連付けられている第1エキスパートサブセットと、前記選択済領域に関連付けられている第2エキスパートサブセットと、を自動的に選択する工程と、
前記タスク関連データを複数の第1電子デバイスに伝達する工程であって、前記第1電子デバイスのそれぞれは前記第1エキスパートサブセットの各エキスパートの1つに関連付けられている、伝達する工程と、
前記第1電子デバイスを介して、前記第1エキスパートサブセットの各エキスパートから、それぞれのタスク解決策と、付随する第1信頼度スコアと、を受け取る工程と、
前記第1エキスパートサブセットから受け取った前記タスク解決策に基づき、前記第1信頼度スコアによってソートされた第1タスク解決策セットを生成する工程と、
前記タスク関連データおよび前記第1タスク解決策セットを複数の第2電子デバイスに伝達する工程であって、前記第2電子デバイスのそれぞれは第2エキスパートサブセットの各エキスパートの1つに関連付けられている、伝達する工程と、
前記第2エキスパートサブセットの各エキスパートから、前記第2電子デバイスを介して、前記第1タスク解決策セットから選択されたそれぞれの選択済解決策と、付随する第2信頼度スコアと、を示す情報を受け取る工程と、
前記選択済解決策を示す前記情報に基づき、前記第2信頼度スコアによってソートされた第2タスク解決策セットを生成する工程と、
前記第2タスク解決策セットに基づき予備出力を生成する工程と、および、
前記予備出力に基づく最終出力をユーザインタフェースに伝達する工程と、
を実行可能にされている、
システム。 - 前記命令はさらに、前記複数のエキスパートを前記1つまたは複数の専門領域に自動的に関連付ける工程を実行可能にされている、
請求項1に記載のシステム。 - 前記命令はさらに、
前記タスク関連データおよび前記予備出力を前記複数の第1電子デバイスに伝達する工程と、
前記第1エキスパートサブセットの各エキスパートから、前記第1電子デバイスを介して、前記予備出力から選択されたそれぞれの選択済解決策と、付随する第3信頼度スコアと、を示す情報を受け取る工程と、
前記第1電子デバイスから受け取った前記選択済解決策を示す前記情報に基づき、前記第3信頼度スコアによってソートされた第3タスク解決策セットを生成する工程と、
前記タスク関連データおよび前記第3タスク解決策セットを複数の第2電子デバイスに伝達する工程と、
前記第2エキスパートサブセット内の各エキスパートから、前記第2電子デバイスを介して、前記第3タスク解決策セットから選択されたそれぞれの選択済解決策と、付随する第4信頼度スコアと、を示す情報を受け取る工程と、
前記第2電子デバイスからの前記選択済解決策を示す前記情報に基づき、前記第4信頼度スコアによってソートされた第4タスク解決策セットを生成する工程と、
前記最終出力を前記ユーザインタフェースに伝達する前に、少なくとも前記第4タスク解決策セットに基づき前記予備出力を更新する工程と、
を実行可能にされている、請求項1に記載のシステム。 - 前記命令はさらに、
選択済領域に分類された第3エキスパートサブセットを自動的に選択する工程と、
前記タスク関連データおよび前記第2タスク解決策セットを複数の第3電子デバイスに伝達する工程であって、前記各第3電子デバイスは前記第3エキスパートサブセットの各エキスパートの1つに関連付けられている、伝達する工程と、
前記第3電子デバイスを介して、前記第3エキスパートサブセットの各エキスパートから、前記第2タスク解決策セットから選択されたそれぞれの選択済解決策と、付随する第3信頼度スコアと、を示す情報を受け取る工程と、
前記第3電子デバイスから受け取った前記選択済解決策を示す前記情報に基づき、前記第3信頼度スコアによってソートされた第3タスク解決策セットを生成する工程と、
前記最終出力を前記ユーザインタフェースに伝達する前に、前記第3タスク解決策セットに基づき前記予備出力を更新する工程と、
を実行可能にされている、請求項1に記載のシステム。 - 前記選択済解決策を示す前記情報に基づき前記第2タスク解決策セットを生成する工程は、前記第1信頼度スコアおよび前記第2信頼度スコアの集約によって前記第2タスク解決策セットをソートする工程を備えている、
請求項1に記載のシステム。 - 前記第1信頼度スコアおよび前記第2信頼度スコアの前記集約は、前記第1信頼度スコアおよび前記第2信頼度スコアの組み合わせの平均を計算する工程を備えている、
請求項5に記載のシステム。 - 前記第1信頼度スコアおよび前記第2信頼度スコアは、0%から100%までのパーセンテージである、
請求項6に記載のシステム。 - 前記命令はさらに、各エキスパートにそれぞれの重みを自動的に割り当てる工程を実行可能にされており、
前記各エキスパートの前記それぞれの重みは、前記各エキスパートの性能に関する過去データを使用して決定される、
請求項1に記載のシステム。 - 前記命令はさらに、
選択済閾値未満のそれぞれの重みを有するエキスパートを、前記第1エキスパートサブセットおよび前記第2エキスパートサブセットから自動的に削除する工程を実行可能にされている、
請求項8に記載のシステム。 - 前記最終出力は単一の解決策のみを備えている、
請求項1に記載のシステム。 - ユーザが提供するタスクに対する解決策を提供するためのデータ処理システムとしてのシステムであって、
前記システムはメモリと、1つまたは複数のプロセッサと、前記メモリに記憶されるとともに前記1つまたは複数のプロセッサによって実行可能にされている複数の命令と、を備えており、前記命令は、
選択済タスクに対応するタスク関連データを受け取る工程であって、前記選択済タスクは1つまたは複数の専門領域のうちの選択済領域によって識別される、受け取る工程と、
複数のエキスパートから、第1エキスパートサブセット、1つまたは複数の中間エキスパートサブセット、および最終エキスパートサブセット、を自動的に選択する工程であって、前記第1エキスパートサブセット、前記1つまたは複数の中間エキスパートサブセット、および前記最終エキスパートサブセット、のそれぞれは前記選択済領域に関連付けられている、選択する工程と、
前記複数のエキスパートの各エキスパートにそれぞれの重みを自動的に割り当てる工程であって、各エキスパートのそれぞれの前記重みは前記各エキスパートの過去の性能データを使用して決定される、割り当てる工程と、
前記タスク関連データを複数の第1電子デバイスに伝達する工程であって、前記第1電子デバイスのそれぞれは前記第1エキスパートサブセットの各エキスパートの1つに関連付けられている、伝達する工程と、
前記第1電子デバイスを介して、前記第1エキスパートサブセットの各エキスパートから、それぞれの主観的応答と、前記主観的応答に対する前記各エキスパートの信頼度を示す付随する第1信頼度スコアと、を受け取る工程と、
前記第1エキスパートサブセットの各エキスパートから受け取った前記主観的応答に基づき、前記第1信頼度スコアによってソートされた中間タスク解決策セットを生成する工程と、
前記1つまたは複数の中間エキスパートサブセットのそれぞれに関して、連続して、
前記タスク関連データおよび前記中間タスク解決策セットを複数の電子デバイスに伝達する工程であって、前記各電子デバイスのそれぞれは前記各中間エキスパートサブセットの各エキスパートの1つに関連付けられている、伝達する工程と、
前記各中間エキスパートサブセットの各エキスパートから、前記電子デバイスを介して、前記中間タスク解決策セットから選択されたそれぞれの選択済解決策と、付随する中間信頼度スコアと、を示す情報を受け取る工程と、および、
前記選択済解決策を示す前記情報に基づき、前記中間信頼度スコアによってソートされた前記中間タスク解決策セットを更新する工程と、
中間タスク関連データを複数の最終電子デバイスに伝達する工程であって、前記最終電子デバイスのそれぞれは最終エキスパートサブセットの各エキスパートの1つに関連付けられている、伝達する工程と、
前記最終エキスパートサブセットの各エキスパートから、前記最終電子デバイスを介して、前記中間タスク解決策セットから選択されたそれぞれの選択済解決策と、付随する最終信頼度スコアと、を示す情報を受け取る工程と、および、
前記選択済解決策を示す前記情報に基づき、最終タスク解決策セットをユーザインタフェースに伝達する工程と、
を実行可能にされている、
システム。 - 前記最終タスク解決策セットは、単一の解決策のみを備えている、
請求項11に記載のシステム。 - 前記最終タスク解決策セットは、前記第1信頼度スコア、前記中間信頼度スコア、および前記最終信頼度スコア、の集約によってソートされる、
請求項11に記載のシステム。 - 前記第1信頼度スコア、前記中間信頼度スコア、前記最終信頼度スコア、の前記集約は、前記第1信頼度スコア、前記中間信頼度スコア、前記最終信頼度スコア、の組み合わせの平均を計算することによって決定される、
請求項13に記載のシステム。 - 前記命令はさらに、選択済閾値未満のそれぞれの重みを有するエキスパートを、前記第1エキスパートサブセット、前記1つまたは複数の中間エキスパートサブセット、および前記最終エキスパートサブセット、から自動的に削除する工程を実行可能にされている、
請求項11に記載のシステム。 - 前記命令はさらに、前記タスク関連データを前記複数の第1電子デバイスに伝達する前に、前記タスク関連データを自動的に前処理する工程を実行可能にされている、
請求項11に記載のシステム。 - 前記タスク関連データを前処理する工程は、前記タスク関連データの一部を暗号化する工程を備えている、
請求項16に記載のシステム。 - 前記第1信頼度スコア、前記中間信頼度スコア、および前記最終信頼度スコアは、0%から100%の範囲のパーセンテージである、
請求項11に記載のシステム。 - 前記電子デバイスの1つまたは複数は、モバイルデバイスからなる、
請求項11に記載のシステム。
Applications Claiming Priority (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US202062986525P | 2020-03-06 | 2020-03-06 | |
US62/986,525 | 2020-03-06 | ||
US16/836,749 US20210279669A1 (en) | 2020-03-06 | 2020-03-31 | Hybrid human-computer learning system |
US16/836,749 | 2020-03-31 | ||
PCT/US2021/021389 WO2021178967A1 (en) | 2020-03-06 | 2021-03-08 | Hybrid human-computer learning system |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2023520309A true JP2023520309A (ja) | 2023-05-17 |
Family
ID=77556508
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2022553593A Pending JP2023520309A (ja) | 2020-03-06 | 2021-03-08 | ハイブリッド人間-コンピュータ学習システム |
Country Status (8)
Country | Link |
---|---|
US (2) | US20210279669A1 (ja) |
EP (1) | EP4115359A4 (ja) |
JP (1) | JP2023520309A (ja) |
CN (1) | CN115516473A (ja) |
AU (2) | AU2021232092A1 (ja) |
BR (1) | BR112022017902A2 (ja) |
CA (1) | CA3170724A1 (ja) |
WO (1) | WO2021178967A1 (ja) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11347527B1 (en) * | 2021-06-07 | 2022-05-31 | Snowflake Inc. | Secure table-valued functions in a cloud database |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0410130A (ja) * | 1990-04-27 | 1992-01-14 | Komatsu Ltd | ニューラルネットワークを用いたエキスパートシステムのルールベースの自動調整方法及び装置 |
JP2018005382A (ja) * | 2016-06-29 | 2018-01-11 | 株式会社リコー | 通信システム、サーバ装置及びプログラム |
WO2018097181A1 (ja) * | 2016-11-25 | 2018-05-31 | 株式会社 東芝 | 知識構築活用システムおよびプログラム |
JP2019118097A (ja) * | 2017-12-26 | 2019-07-18 | キヤノン株式会社 | 画像処理方法、画像処理装置、撮像装置、プログラム、記憶媒体 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170337287A1 (en) * | 2003-06-25 | 2017-11-23 | Susan (Zann) Gill | Intelligent integrating system for crowdsourcing and collaborative intelligence in human- and device- adaptive query-response networks |
US9305263B2 (en) * | 2010-06-30 | 2016-04-05 | Microsoft Technology Licensing, Llc | Combining human and machine intelligence to solve tasks with crowd sourcing |
US20120029963A1 (en) * | 2010-07-31 | 2012-02-02 | Txteagle Inc. | Automated Management of Tasks and Workers in a Distributed Workforce |
US20120265574A1 (en) * | 2011-04-12 | 2012-10-18 | Jana Mobile, Inc. | Creating incentive hierarchies to enable groups to accomplish goals |
WO2014183089A1 (en) * | 2013-05-09 | 2014-11-13 | Metavana, Inc. | Hybrid human machine learning system and method |
US10438143B2 (en) * | 2015-09-28 | 2019-10-08 | Bank Of America Corporation | Collaborative decision engine for quality function deployment |
KR101817322B1 (ko) * | 2015-12-21 | 2018-01-10 | 주식회사 테이스팅앨범 | 집단 지성에 기초한 사용자 호감도 예측 방법 및 시스템 |
-
2020
- 2020-03-31 US US16/836,749 patent/US20210279669A1/en not_active Abandoned
-
2021
- 2021-03-08 EP EP21764900.3A patent/EP4115359A4/en active Pending
- 2021-03-08 CA CA3170724A patent/CA3170724A1/en active Pending
- 2021-03-08 WO PCT/US2021/021389 patent/WO2021178967A1/en active Search and Examination
- 2021-03-08 AU AU2021232092A patent/AU2021232092A1/en not_active Abandoned
- 2021-03-08 US US17/909,319 patent/US20230103778A1/en active Pending
- 2021-03-08 JP JP2022553593A patent/JP2023520309A/ja active Pending
- 2021-03-08 BR BR112022017902A patent/BR112022017902A2/pt unknown
- 2021-03-08 CN CN202180027312.XA patent/CN115516473A/zh active Pending
-
2024
- 2024-05-16 AU AU2024203259A patent/AU2024203259A1/en active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0410130A (ja) * | 1990-04-27 | 1992-01-14 | Komatsu Ltd | ニューラルネットワークを用いたエキスパートシステムのルールベースの自動調整方法及び装置 |
JP2018005382A (ja) * | 2016-06-29 | 2018-01-11 | 株式会社リコー | 通信システム、サーバ装置及びプログラム |
WO2018097181A1 (ja) * | 2016-11-25 | 2018-05-31 | 株式会社 東芝 | 知識構築活用システムおよびプログラム |
JP2019118097A (ja) * | 2017-12-26 | 2019-07-18 | キヤノン株式会社 | 画像処理方法、画像処理装置、撮像装置、プログラム、記憶媒体 |
Also Published As
Publication number | Publication date |
---|---|
BR112022017902A2 (pt) | 2022-12-06 |
CN115516473A (zh) | 2022-12-23 |
AU2021232092A1 (en) | 2022-11-03 |
AU2024203259A1 (en) | 2024-06-06 |
US20230103778A1 (en) | 2023-04-06 |
EP4115359A1 (en) | 2023-01-11 |
US20210279669A1 (en) | 2021-09-09 |
WO2021178967A1 (en) | 2021-09-10 |
CA3170724A1 (en) | 2021-09-10 |
EP4115359A4 (en) | 2024-04-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Prüfer et al. | Data science for entrepreneurship research: Studying demand dynamics for entrepreneurial skills in the Netherlands | |
US11775494B2 (en) | Multi-service business platform system having entity resolution systems and methods | |
US20220206993A1 (en) | Multi-service business platform system having custom object systems and methods | |
CA3194689A1 (en) | Infinitely scaling a/b testing | |
Hilbert et al. | Computational communication science: A methodological catalyzer for a maturing discipline | |
US11983609B2 (en) | Dual machine learning pipelines for transforming data and optimizing data transformation | |
AU2024203259A1 (en) | Hybrid human-computer learning system | |
Thwal et al. | Attention on personalized clinical decision support system: Federated learning approach | |
US20230418793A1 (en) | Multi-service business platform system having entity resolution systems and methods | |
Stephens et al. | ECMO PAL: using deep neural networks for survival prediction in venoarterial extracorporeal membrane oxygenation | |
CN117693764A (zh) | 基于可解释的人工智能的销售最大化决策模型 | |
US20220091713A1 (en) | Systems and methods for generating dynamic interface options using machine learning models | |
US20220044136A1 (en) | Automated data table discovery for automated machine learning | |
Ahmed et al. | Predictive modelling of Parkinson’s disease progression based on RNA-Sequence with densely connected deep recurrent neural networks | |
US20230064816A1 (en) | Automated cognitive load-based task throttling | |
WO2023164312A1 (en) | An apparatus for classifying candidates to postings and a method for its use | |
Rajkumar et al. | Intelligent Chatbot for Hospital Recommendation System | |
US11977515B1 (en) | Real time analysis of interactive content | |
KR102612805B1 (ko) | 기업 정보에 따른 인공지능 모델 기반 매체 큐레이션 서비스 제공 방법, 장치 및 시스템 | |
Ratan | Applied Machine Learning for Healthcare and Life Sciences using AWS: Transformational AI implementations for biotech, clinical, and healthcare organizations | |
US20240168610A1 (en) | Optimized analysis and access to interactive content | |
US20240168611A1 (en) | Interface for display of interactive content | |
US20240168918A1 (en) | Systems for cluster analysis of interactive content | |
US11836168B1 (en) | Systems and methods for generating dynamic human-like conversational responses using a modular architecture featuring layered data models in non-serial arrangements with gated neural networks | |
US11973832B2 (en) | Resolving polarity of hosted data streams |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A529 | Written submission of copy of amendment under article 34 pct |
Free format text: JAPANESE INTERMEDIATE CODE: A529 Effective date: 20221102 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20221102 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20231013 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20231017 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20240117 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20240409 |