JP2023536458A - 自然言語解決策 - Google Patents
自然言語解決策 Download PDFInfo
- Publication number
- JP2023536458A JP2023536458A JP2023505884A JP2023505884A JP2023536458A JP 2023536458 A JP2023536458 A JP 2023536458A JP 2023505884 A JP2023505884 A JP 2023505884A JP 2023505884 A JP2023505884 A JP 2023505884A JP 2023536458 A JP2023536458 A JP 2023536458A
- Authority
- JP
- Japan
- Prior art keywords
- statement
- intent
- local
- entity
- global
- 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
- 238000000034 method Methods 0.000 claims abstract description 168
- 208000014392 Cat-eye syndrome Diseases 0.000 claims description 132
- 238000010276 construction Methods 0.000 claims description 34
- 238000004458 analytical method Methods 0.000 claims description 23
- 230000004044 response Effects 0.000 claims description 23
- 238000004891 communication Methods 0.000 claims description 17
- 238000004801 process automation Methods 0.000 claims description 9
- 238000012986 modification Methods 0.000 claims description 7
- 230000004048 modification Effects 0.000 claims description 7
- 230000008569 process Effects 0.000 abstract description 55
- 238000013461 design Methods 0.000 abstract description 24
- 238000012546 transfer Methods 0.000 abstract description 10
- 230000004888 barrier function Effects 0.000 abstract description 2
- 238000004883 computer application Methods 0.000 abstract 1
- 238000004590 computer program Methods 0.000 abstract 1
- 239000000243 solution Substances 0.000 description 444
- 239000003795 chemical substances by application Substances 0.000 description 364
- 239000000758 substrate Substances 0.000 description 236
- 230000008859 change Effects 0.000 description 152
- 230000006870 function Effects 0.000 description 67
- 230000004069 differentiation Effects 0.000 description 65
- 239000010410 layer Substances 0.000 description 65
- 230000000875 corresponding effect Effects 0.000 description 32
- 239000002585 base Substances 0.000 description 27
- 230000000694 effects Effects 0.000 description 23
- 230000006399 behavior Effects 0.000 description 22
- 241000282412 Homo Species 0.000 description 21
- 238000005516 engineering process Methods 0.000 description 20
- 230000009471 action Effects 0.000 description 18
- 230000001960 triggered effect Effects 0.000 description 18
- 238000012384 transportation and delivery Methods 0.000 description 17
- 235000019646 color tone Nutrition 0.000 description 15
- 210000004556 brain Anatomy 0.000 description 14
- 238000010801 machine learning Methods 0.000 description 13
- 239000011159 matrix material Substances 0.000 description 13
- 239000000126 substance Substances 0.000 description 13
- 230000007704 transition Effects 0.000 description 12
- 239000000047 product Substances 0.000 description 11
- 230000008901 benefit Effects 0.000 description 10
- 238000012545 processing Methods 0.000 description 10
- 230000009466 transformation Effects 0.000 description 10
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 10
- 230000005283 ground state Effects 0.000 description 9
- 239000000463 material Substances 0.000 description 9
- 241001465754 Metazoa Species 0.000 description 8
- 239000003086 colorant Substances 0.000 description 8
- 238000003860 storage Methods 0.000 description 8
- 238000013459 approach Methods 0.000 description 7
- 238000013473 artificial intelligence Methods 0.000 description 7
- 238000004422 calculation algorithm Methods 0.000 description 7
- 230000014509 gene expression Effects 0.000 description 7
- 230000003993 interaction Effects 0.000 description 7
- 238000000611 regression analysis Methods 0.000 description 7
- 230000003068 static effect Effects 0.000 description 7
- 238000005259 measurement Methods 0.000 description 6
- 230000007246 mechanism Effects 0.000 description 6
- 210000000653 nervous system Anatomy 0.000 description 6
- 230000003863 physical function Effects 0.000 description 6
- 238000013439 planning Methods 0.000 description 6
- 239000011435 rock Substances 0.000 description 6
- 239000007787 solid Substances 0.000 description 6
- 239000013598 vector Substances 0.000 description 6
- 230000002596 correlated effect Effects 0.000 description 5
- 239000000543 intermediate Substances 0.000 description 5
- 238000013519 translation Methods 0.000 description 5
- 230000014616 translation Effects 0.000 description 5
- 210000004027 cell Anatomy 0.000 description 4
- 230000001419 dependent effect Effects 0.000 description 4
- 238000009826 distribution Methods 0.000 description 4
- 238000007726 management method Methods 0.000 description 4
- 238000005065 mining Methods 0.000 description 4
- 238000000054 nanosphere lithography Methods 0.000 description 4
- 239000002245 particle Substances 0.000 description 4
- 230000002688 persistence Effects 0.000 description 4
- 238000011002 quantification Methods 0.000 description 4
- 238000013127 simulated treatment comparison Methods 0.000 description 4
- PCTMTFRHKVHKIS-BMFZQQSSSA-N (1s,3r,4e,6e,8e,10e,12e,14e,16e,18s,19r,20r,21s,25r,27r,30r,31r,33s,35r,37s,38r)-3-[(2r,3s,4s,5s,6r)-4-amino-3,5-dihydroxy-6-methyloxan-2-yl]oxy-19,25,27,30,31,33,35,37-octahydroxy-18,20,21-trimethyl-23-oxo-22,39-dioxabicyclo[33.3.1]nonatriaconta-4,6,8,10 Chemical compound C1C=C2C[C@@H](OS(O)(=O)=O)CC[C@]2(C)[C@@H]2[C@@H]1[C@@H]1CC[C@H]([C@H](C)CCCC(C)C)[C@@]1(C)CC2.O[C@H]1[C@@H](N)[C@H](O)[C@@H](C)O[C@H]1O[C@H]1/C=C/C=C/C=C/C=C/C=C/C=C/C=C/[C@H](C)[C@@H](O)[C@@H](C)[C@H](C)OC(=O)C[C@H](O)C[C@H](O)CC[C@@H](O)[C@H](O)C[C@H](O)C[C@](O)(C[C@H](O)[C@H]2C(O)=O)O[C@H]2C1 PCTMTFRHKVHKIS-BMFZQQSSSA-N 0.000 description 3
- 229910001369 Brass Inorganic materials 0.000 description 3
- 244000269722 Thea sinensis Species 0.000 description 3
- 239000008186 active pharmaceutical agent Substances 0.000 description 3
- 239000010951 brass Substances 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 3
- 238000004040 coloring Methods 0.000 description 3
- 238000013135 deep learning Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 230000002349 favourable effect Effects 0.000 description 3
- 235000013305 food Nutrition 0.000 description 3
- 210000005153 frontal cortex Anatomy 0.000 description 3
- 238000002372 labelling Methods 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 230000003340 mental effect Effects 0.000 description 3
- 238000003058 natural language processing Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 230000008707 rearrangement Effects 0.000 description 3
- 230000001953 sensory effect Effects 0.000 description 3
- 230000035922 thirst Effects 0.000 description 3
- JVKKWZDNSGVFPI-UGDNZRGBSA-N (2s,3s,4s,5r,6r)-2-(chloromethyl)-6-[(2s,3s,4s,5r)-3,4-dihydroxy-2,5-bis(hydroxymethyl)oxolan-2-yl]oxyoxane-3,4,5-triol Chemical compound O[C@H]1[C@H](O)[C@@H](CO)O[C@@]1(CO)O[C@@H]1[C@H](O)[C@@H](O)[C@H](O)[C@@H](CCl)O1 JVKKWZDNSGVFPI-UGDNZRGBSA-N 0.000 description 2
- 244000303258 Annona diversifolia Species 0.000 description 2
- 235000002198 Annona diversifolia Nutrition 0.000 description 2
- 241000272201 Columbiformes Species 0.000 description 2
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 2
- 241000406668 Loxodonta cyclotis Species 0.000 description 2
- 241000283080 Proboscidea <mammal> Species 0.000 description 2
- 239000000470 constituent Substances 0.000 description 2
- 238000012217 deletion Methods 0.000 description 2
- 230000037430 deletion Effects 0.000 description 2
- 230000008034 disappearance Effects 0.000 description 2
- 238000004851 dishwashing Methods 0.000 description 2
- 230000003203 everyday effect Effects 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 230000005484 gravity Effects 0.000 description 2
- 235000003642 hunger Nutrition 0.000 description 2
- 230000001976 improved effect Effects 0.000 description 2
- 239000007788 liquid Substances 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 230000003278 mimic effect Effects 0.000 description 2
- 230000003387 muscular Effects 0.000 description 2
- 230000037361 pathway Effects 0.000 description 2
- 235000013550 pizza Nutrition 0.000 description 2
- 238000012797 qualification Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 239000004576 sand Substances 0.000 description 2
- 229940075620 somatostatin analogue Drugs 0.000 description 2
- 241000894007 species Species 0.000 description 2
- 238000010561 standard procedure Methods 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 230000004083 survival effect Effects 0.000 description 2
- 230000002123 temporal effect Effects 0.000 description 2
- 230000001131 transforming effect Effects 0.000 description 2
- 235000013311 vegetables Nutrition 0.000 description 2
- 102100036807 Carboxylesterase 4A Human genes 0.000 description 1
- 101000851617 Homo sapiens Carboxylesterase 4A Proteins 0.000 description 1
- 101000938676 Homo sapiens Liver carboxylesterase 1 Proteins 0.000 description 1
- 235000008694 Humulus lupulus Nutrition 0.000 description 1
- 102100030817 Liver carboxylesterase 1 Human genes 0.000 description 1
- 241000011547 Plebejus idas Species 0.000 description 1
- 241000112598 Pseudoblennius percoides Species 0.000 description 1
- 101100115213 Schizosaccharomyces pombe (strain 972 / ATCC 24843) cul1 gene Proteins 0.000 description 1
- 208000003443 Unconsciousness Diseases 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000013475 authorization Methods 0.000 description 1
- 239000003637 basic solution Substances 0.000 description 1
- 238000010009 beating Methods 0.000 description 1
- 230000003542 behavioural effect Effects 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000009835 boiling Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000010367 cloning Methods 0.000 description 1
- 230000003920 cognitive function Effects 0.000 description 1
- 238000010219 correlation analysis 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
- 238000013079 data visualisation Methods 0.000 description 1
- 229940124447 delivery agent Drugs 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 210000005069 ears Anatomy 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 230000010429 evolutionary process Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000011049 filling Methods 0.000 description 1
- 230000004907 flux Effects 0.000 description 1
- 239000012634 fragment Substances 0.000 description 1
- 230000002496 gastric effect Effects 0.000 description 1
- 210000003128 head Anatomy 0.000 description 1
- 230000001771 impaired effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000001939 inductive effect Effects 0.000 description 1
- 230000000968 intestinal effect Effects 0.000 description 1
- 229910052742 iron Inorganic materials 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
- 238000009940 knitting Methods 0.000 description 1
- 239000002346 layers by function Substances 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000035772 mutation Effects 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 210000002569 neuron Anatomy 0.000 description 1
- 230000007935 neutral effect Effects 0.000 description 1
- 230000005658 nuclear physics Effects 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 235000012736 patent blue V Nutrition 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 230000010399 physical interaction Effects 0.000 description 1
- 238000005293 physical law Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000035755 proliferation Effects 0.000 description 1
- 238000010791 quenching Methods 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 230000003362 replicative effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 230000035807 sensation Effects 0.000 description 1
- 235000019615 sensations Nutrition 0.000 description 1
- 239000000344 soap Substances 0.000 description 1
- 230000000392 somatic effect Effects 0.000 description 1
- 210000000952 spleen Anatomy 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 238000000844 transformation Methods 0.000 description 1
- 210000003454 tympanic membrane Anatomy 0.000 description 1
- 239000003981 vehicle Substances 0.000 description 1
- 238000013022 venting Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 210000000857 visual cortex Anatomy 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
- 230000001755 vocal effect Effects 0.000 description 1
- 238000005406 washing Methods 0.000 description 1
- 238000009736 wetting Methods 0.000 description 1
- 230000003245 working effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F8/00—Arrangements for software engineering
- G06F8/30—Creation or generation of source code
Landscapes
- Engineering & Computer Science (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Stored Programmes (AREA)
- Devices For Executing Special Programs (AREA)
- Toys (AREA)
- Computing Systems (AREA)
- Human Computer Interaction (AREA)
- Machine Translation (AREA)
- Document Processing Apparatus (AREA)
Abstract
アプリケーション又は解決策論理をコンピュータに伝達するに当たり、自然言語ベースの設計を使用して「プログラミングコード」を有効に置換するコンピュータ実施方法。いかなる異質な記号又はキーワードも採用せずに、NSLは、コンピュータ実施方法を使用して標準で馴染みのある自然言語のような構造体(英語のみならず、任意の自然言語)を使用して、複雑な動作、アプリケーション、及び解決策論理をユーザフレンドリに機械エージェント(コンピュータ)に技術的に伝達する。同じコンピュータ実施方法論を使用して、全ての既存のプログラミングコードをNSLに翻訳し、又はリバースエンジニアリングする力を有する。基本的に、NSLでは「プログラミングコード」経験は必要とされない。ユーザは論理をコンピュータに直接、素早く容易に伝達することができ、又は利用可能な解決策コンポーネントを容易に採用することができる。加えて、情報とプロセスとの間の人工バリアをなくし、情報とプロセスとを統合することで、コンピュータプログラム及びアプリケーションに組み込まれた解決策論理は、情報サーチ原理の範囲に入る。
Description
[0001] 本明細書に記載される趣旨は、出願された原特許(印国特許出願第201941001135号)の明細書において特許請求され、対応するPCT出願第PCT/SG2020/050004号の明細書において特許請求された趣旨の改良又は変更を含む。
技術分野
[0002] 本開示は情報技術の分野に関する。より詳細には、本開示は、解決策を設計し展開するコンピュータ実施方法、システム、及びコンピュータ可読媒体に関する。
[0002] 本開示は情報技術の分野に関する。より詳細には、本開示は、解決策を設計し展開するコンピュータ実施方法、システム、及びコンピュータ可読媒体に関する。
背景
[0003] ソフトウェアのエンジニアリング、設計、及びアーキテクチャ実施は、ここ60年にわたりかなり大きく変わり進化した。簡潔にするために、コンピュータへの動作論理の伝達における多くのレベルの抽象化は2つのグループにグループ化することができる:(1)プログラミング言語を通して付与される高水準アプリケーション論理及び(2)コンピュータ及びそれらの動作を仲介又はより直接的に対応するオペレーティングシステム以下。
[0003] ソフトウェアのエンジニアリング、設計、及びアーキテクチャ実施は、ここ60年にわたりかなり大きく変わり進化した。簡潔にするために、コンピュータへの動作論理の伝達における多くのレベルの抽象化は2つのグループにグループ化することができる:(1)プログラミング言語を通して付与される高水準アプリケーション論理及び(2)コンピュータ及びそれらの動作を仲介又はより直接的に対応するオペレーティングシステム以下。
[0004] 主に3つの普及しているオペレーティングシステムがある:Microsoft Windows、Apple Mac OS X、及びLinux。しかしながら、数百ものプログラミング言語がある。一般に、全てのプログラミング言語は専らコード(自然言語及び算術から離れた特定の意味及び機能を有するシンボル)により駆動される。ソフトウェア専門家及び技術者が何れかのプログラミング言語を習得し、解決策の作成又は保守に参加するには数週間から数ヶ月かかる。結果として、解決策のユーザは一般に、技術専門家の介入なしでは解決策を作成又は状況により変更することができない。
[0005] ここ何年も情報技術の背後の計算力及び通信力は非常に成長した。一般に、ソフトウェア設計及び管理技法は、コンポーネントベースの設計、サービス指向アーキテクチャ、ウェブサービス、ビジネスプロセス管理、及びアジャイルプロジェクト管理方法論に向かう動きに伴って改良された。同時に、可動部品の数が急増するにつれて、技術の大勢は複雑になった。一般的なユーザは、彼らができることと比較して、解決策設計に直接参加し又は解決策設計に継続的に影響を及ぼすことができないため、コンピュータから遠ざけられていた。技術エキスパート及び仲介者へのユーザのこの過度の依存は、プログラミング言語が自然言語からかなり異なることに起因している。技術システムは、自然言語と略同じである技術的、創造的、及び革新的なコンピュータ言語の機会を実現することができていない。
[0006] 自然言語解決策(NSL)は、プログラミングコードを通して解決策又はアプリケーション論理をコンピュータに伝達する必要性をなくすことにより変革的効果を生み出す。NSLにより、ユーザは、ユーザ要件を技術専門家に伝達するのと全く同じように、自然言語自体と略同じ自然言語構造体の使用を通して解決策論理をコンピュータに直接伝達することができる。
[0007] NSLは、まるでオペレーティングシステムの一体部分であるかのように機能する、オペレーティングシステムの上にあるNSL-TFと呼ばれる「技術フレームワーク」の層に依拠する。NSLは、従来の関数及びプロセスを情報に変換する「分化原理」と呼ばれるシンプルであるが強力な方法により駆動される。NSLは根本的に、全ての解決策論理が実体及び実体の関係に関するという事実により影響を受ける。
[0008] NSLは、ユーザに力を与え、全ての関連実体をユーザインターフェースレベルにすることにより解決策設計、メンテナンス、及び関連動作を大衆化する。
[0009] NSLの特徴、用語、概念、及び用途は、印国特許出願第201941001135号及び対応するPCT出願第PCT/SG2020/050004号に更に詳細に記載されている。印国特許出願第201941001135号及び対応するPCT出願第PCT/SG2020/050004号の記載は、参照により本明細書に援用される。
概要
[0010] 本開示は、現在使用されている任意の確立されている既存の解決策フレームワークの原理とのNSLの均等原理を確立するNSL技術フレームワーク(NSL-TF)と統合される追加の特徴及び概念についてである。バイナリ実体(BET)で解決策を定量化し、BETを複数の基板(substrate)で存在できるようにすることにより、NSLは基板クロスオーバ及び基板タギングを可能にし、これは潜在的に、既存のシステムが欠く最も効率的な解決策の構築に対して強力な影響を持つことができる。
[0010] 本開示は、現在使用されている任意の確立されている既存の解決策フレームワークの原理とのNSLの均等原理を確立するNSL技術フレームワーク(NSL-TF)と統合される追加の特徴及び概念についてである。バイナリ実体(BET)で解決策を定量化し、BETを複数の基板(substrate)で存在できるようにすることにより、NSLは基板クロスオーバ及び基板タギングを可能にし、これは潜在的に、既存のシステムが欠く最も効率的な解決策の構築に対して強力な影響を持つことができる。
[0011] NSLは、人間エージェントと機械エージェントとの間の情報非対称性及び機能非対称性をなくすことを目的とする。分析エンジン及び推論エンジンは、人間の挙動を再現し、又は場合によっては大量のデータを処理する機械の能力により人間の知能を越えることにより、機械の真の潜在性を解放し、人間の介入なしで迅速な判断を下し動作するのに役立つ。
図面の簡単な説明
[0012] 本開示の特徴、態様、及び利点は、添付図面を参照して以下の詳細な説明が読まれた場合、よりよく理解されよう。
[0012] 本開示の特徴、態様、及び利点は、添付図面を参照して以下の詳細な説明が読まれた場合、よりよく理解されよう。
詳細な説明
[0063] システム、デバイス又は装置、及び方法は例及び実施形態として本明細書で説明されるが、解決策を提供するシステム及び方法が、説明される実施形態又は図面に限定されないことを当業者ならば認識する。
[0063] システム、デバイス又は装置、及び方法は例及び実施形態として本明細書で説明されるが、解決策を提供するシステム及び方法が、説明される実施形態又は図面に限定されないことを当業者ならば認識する。
[0064] 図面及び説明は、開示される特定の形態への限定を意図しないことを理解されたい。むしろ、意図は、添付の特許請求の範囲の趣旨及び範囲内にある全ての変更、均等物、及び代替を包含することである。本明細書で使用されるあらゆる見出しは、単に編成を目的とし、説明の範囲又は特許請求の範囲の限定を意味しない。本明細書で使用される場合、「し得る(may)」という言葉は、義務の意味(例えば、しなければならないことを意味する)ではなく許容の意味(例えば、~する潜在性を有することを意味する)で使用される。同様に、「含む(include)」、「含んでいる(including)」、及び「含む(includes)」という言葉は、~を含むがそれに限定されないことを意味する。
[0065] 以下の説明は、本願出願時に発明者に知られている本開示の実行に最良であると現在考えられている方法及びシステム、デバイス、又は装置の詳細で情報価値のある説明である。当然ながら、以下の説明、添付図面、及び添付の特許請求の範囲に鑑みて、多くの変更及び適応が当業者に容易に明らかになろう。本明細書に記載されるシステム、デバイス、又は装置及び方法は、特定の具体性をもって提供されるが、本技法は、ユーザのニーズに応じて、より大きな具体性又はより少ない具体性でもって実施し得る。さらに、本技法の特徴によっては、以下の段落で説明される他の特徴の対応する使用なしで有利に使用され得るものがある。したがって、本説明は、本技法の原理の単なる例示として見なされるべきであり、本技法の原理の限定として見なされるべきではなく、本技法は特許請求の範囲によってのみ規定される。
[0066] 前付けとして、以下の考察及び添付の特許請求の範囲における「又は」という用語の定義は、包含的「又は」であることが意図される。すなわち、「又は」という用語は、2つの相互に排他的な代替の区別を意図しない。むしろ、「又は」という用語は、2つの要素間の接続詞として利用される場合、一方の要素を単独で包含すること、他方の要素を単独で包含すること、並びに両要素の組合せ及び順列を包含することとして定義される。例えば、「A」又は「B」という用語を利用した考察又は記述は、「A」単独、「B」単独、及び「AB」及び/又は「BA」等のそれらの任意の組合せを含む。本考察が例示的な実施形態に関し、添付の特許請求の範囲は、本明細書で考察される実施形態に限定されるべきではないことに留意する価値がある。
[0067] 本明細書における説明では、プロセッサは、マイクロプロセッサ、マイクロコンピュータ、マイクロコントローラ、デジタル信号プロセッサ、中央演算処理装置、状態機械、論理回路、及び/又は演算命令に基づいて信号を操作する任意のデバイスとして実施し得る。機能の中でも特に、プロセッサは、プロセッサに結合された非一時的コンピュータ可読記憶媒体に記憶されたコンピュータ可読命令をフェッチし実行し得る。非一時的コンピュータ可読記憶媒体は、例えば、揮発性メモリ(例えばRAM)及び/又は不揮発性メモリ(例えば、EPROM、フラッシュメモリ、NVRAM、メモリスタ等)を含み得る。
[0068] 本明細書における説明では、メモリは、計算デバイスのメモリであり得、例えば、揮発性メモリ(例えばRAM)及び/又は不揮発性メモリ(例えば、EPROM、フラッシュメモリ、NVRAM、メモリスタ等)を含め、任意の非一時的コンピュータ可読記憶媒体を含み得る。
[0069] 本明細書における説明では、モジュールは、とりわけ、特定のタスクを実行し、又は特定のデータ型を実装するルーチン、プログラム、オブジェクト、コンポーネント、データ構造等を含む。モジュールは、計算デバイスでアプリケーションを補足するモジュール、例えばオペレーティングシステムのモジュールを更に含む。オペレーティングシステムは、バッチオペレーティングシステム、タイムシェアリングオペレーティングシステム、分散オペレーティングシステム、ネットワークオペレーティングシステム、及びリアルタイムオペレーティングシステムの少なくとも1つを含む。
[0070] 以下に列記する各用語は、コンピュータ実施NSL方法論に関して特定の役割及び適用を有する。これらの個々の技術要素及び方法論要素は、NSLに関して説明される役割を有する。
[0071] 自然言語解決策(NSL)は、自然言語のように機械と通信することにより、プログラミング言語に効果的に取って代わると主張される。自然言語解決策(NSL)が変革的技術効果を生じさせるためには、コンピュータ実施方法の適用が求められる。この方法は、状況により、実体及びそれらの関係への敏感な手法を必要とする。実体及びそれらの関係には様々なバリエーションがあり、それらのバリエーションのそれぞれ1つを適宜定義し適宜扱う必要がある。
[0072] NSLのセントラルドグマ:全ての解決策は、エージェントの意図性のコンテキストでの実体及び時立ちの関係についてである。全ての解決策は、ある望ましい状態から別のより望ましい状態になることについてである。大半の解決策は、一連の接続された解決策状態を通した望ましい状態になることについてである。
[0073] 実体:別個であるあらゆるものは実体である。すなわち、それ自体の立場を有し、情報に関して表現することができるあらゆるものは実体である。言語では、実体は単語、記号、又は数字で表される。例:車が実体として適格であるのと全く同じように、砂粒も実体として適格である。
[0074] 分化実体:別個であり、それと同時に他の実体と異なるあらゆるものは分化実体である。すなわち、分化実体は、何らかの他の実体と比較して、異なる。自然言語では、これらは単語によって表される。例:「ペン」は「紙」と異なる。
[0075] 未分化実体:別個であり、且つ何らかの他の1つ又は複数の実体と同じであるあらゆるものは、それ(ら)の1つ又は複数の他の実体から未分化であると見なされる。そのような「再帰」は空間及び時間において発生する。これらの再帰は、数学の領域に入り、数字で表される。解決策設計の観点から、結果に影響せずに1つの実体を何らかの他の実体で有効に置換することができる場合、そのような実体は空間又は時間の何れかにおいて再帰と見なされる。例:ペンと紙が卓上にある場合、卓上に「ペンと紙がある」と言うことができる。しかし、1本のペンと「もう1本のペン」が卓上にある場合、「卓上に2本のペンがある」と言うことができる。
[0076] 世界の仕組み(WWW:Way World Works)原理:単なる従来の技術ではなく、NSLは、解決策アーキテクチャにおいて新しいパラダイムを生み出す、科学と技術からの理解の融合である。WWWとは、今日の科学により理解され認識されている世界又は自然が機能する仕組みを導く原理である。NSL論理は、世界の仕組みに関して全ての科学的洞察を利用し、人間エージェントがコンピュータの使用を通して探し求める解決策に関して特定の革新的な方法論を生み出した。例:全ての物事は粒子から構成されること、粒子が結合されると、創発特性が生じること、全ての物事は時間及び空間で生じること、全てのイベントはエネルギーにより駆動されること、その他諸々のことが世界の仕組みである。そしてこれらは、エージェントが何をするか及びエージェントが指示された変更を通してある所望の状態から別の所望の状態への動きをいかに生じさせるかに影響する。
[0077] 潜在実体vs非潜在実体:解決策設計には実体及びそれらの関係が関わる。これらの実体は、解決策設計の状況では現実世界から選ばれる。解決策に関して有する潜在性で選ばれる実体は、「潜在実体」と宣言される。「潜在性セット」に関連する解決策の一部をなさない実体は外され、解決策エコシステムの観点から関連性がない。
[0078] 解決策エコシステム:解決策設計者は、「現実世界」から潜在実体を選んで使用して、潜在実体間の関係を確立する。潜在実体間の関係とは、確立された変化の経路に沿って解決策を有することができる方法で結合、相互作用するようなものである。
[0079] 独立実体:これらは、バイナリイベントが生じる-すなわち、潜在と現在との間の切り替えが行われると、参加する実体状態組合せが変わる-レベルにある実体である。例:ペンは存在に移ることができ、又は存在から消失に移ることができる。独立実体ベントが生じると、参加している組合せエコシステムの状態を変えることができる。潜在実体として紙と共に存在している場合、それらは一緒に22、4つの潜在組合せ状態を生じさせることができる。
[0080] 黙示実体:他の実体に接続された実体は何度も黙示され、無視される。例:ある人が通りに入る場合、その人が、着ている衣服に関連してそこにいることが黙示される。ここで衣服は黙示される。同様に、人間エージェントが呼吸する空気があることが黙示される。部屋の予約の場合、情報を入力する「エージェント」の存在が黙示され得る。解決策の設計者は、そのような黙示実体を当たり前として解釈する。大半の場合、属性であっても黙示される。全ての変化は、「変化単位」(SI)内で生じる。変化は、物理的相互作用が空間及び時間において生じる場合のみ生じる。1つの独立実体の空間及び時間が既知である場合、他の実体の空間及び時間属性は黙示され得る。更に他の場合では、さらには、解決策設計者がそれらの属性を指定しないことが、設計者にそれらの属性を指定させないようにした設計の本質を変えないことがある場合もあり得る。
[0081] 共有実体:共有実体とは、多くのローカル又はグローバル意図言明にわたり共通する実体である。所与の意図言明でトリガー状態の一部である多くの独立実体がある。意図言明がトリガー状態である場合、そのトリガーに関連する経過時間中、その実体は、いかなる他の意図言明に対する参加にも利用可能ではない。しかし、トリガーされた変化が完了すると、参加実体は、関連する全ての意図言明にわたる共有実体として再び利用できるようになる。
[0082] 属性:属性もまた実体であるが、存在のために何らかの他の実体に依存する実体である。そのような依存実体は属性と明示的に呼ばれる。依存性は、別の独立実体の存在のおかげによるある実体の存在として定義される。例:ペンは空間及び時間に存在し得る。したがって、空間及び時間は属性又は依存実体と見なされる。なお、「空間単位」又は「時間単位」は、自己だけで実体と呼ばれる資格を有する。それらはより高レベルの実体に依存するため、NSLでは属性と呼ばれる。ペンが削除される場合、属性は自動的に削除される。更に説明すると、実体は多くの暗黙的情報を含む。暗黙的情報によっては、解決策の中心ではないことがあるため、認識されるがそれでも無視されるものがある。例:ある人は、誰かがきちんとした服装をしているか否かを気にし得る。しかし、ある人はシャツの色を気にしないことがある。暗黙的情報は時には、知られていないか、又はアクセス可能ではないことがある。例:ある人は、体内に存在する細胞数を知らないことがあり、又はそのことについて、大半の人々は、体に「脾臓」と呼ばれる臓器があることを知らないことがある。属性は、実体に関連するそのような暗黙的情報及び関連情報を顕在化することから生じる。
[0083] 属性レベル:属性が存在することができるレベルの数に制限はない。1番目のレベルは「1次属性」と呼ばれ、2番目のレベルは「2次属性」と呼ばれ、3番目のレベルは「3次属性」と呼ばれる、等々。例:1番目のレベルにおいて、空間がインドとして定義される場合、各州は2次レベルに存在し、各都市は3次レベルに存在する。
[0084] 自然属性値:所与の解決策において属性値として添付されている任意の情報は、このカテゴリに属する。したがって、空間座標及び時間は、極めて重要な標準属性であるため、自然にこのカテゴリに属することになる。重量、体積、色等の任意の実体から抽出された属性値もこのカテゴリに属するものとする。
[0085] 導出属性値:名称が示唆するように、全ての導出属性値はこのカテゴリに属するものとする。簡単に言えば、異なる種類の確立されている統計技法を適用することにより導出される全ての値は、このカテゴリに属するものとする。例:確率、相関、変動性、平均、比率、種々の類いの測定、回帰分析等。これらの値は、状況に応じて、リアルタイムで導出されてもよく、又はバッチモードを通して導出されてもよい。NSLは、何を探しているかを指定するために、解決策設計者又はユーザに柔軟性を与えるこれらの選択肢を提供する。
[0086] 情報実体:情報実体とは、所有している具象実体をエコシステム中の他のエージェントに伝えるために、人間エージェントにより人工的に作成される実体である。
[0087] 真理値:具象実体は、称されるところによれば、「現実実体」又は「他の具象実体」を表すが、真理値は、自然における固有の不確実性又は人間エージェントの理解、動機、若しくは意図を含む多くの要因に起因して変化し得る。例:「X」は「Y」の場所にあると表され得るが、それは正しい文章である可能性もあれば、又はそうではない可能性もある。正しい場合、その文章は「真」であると見なされ、正しくない場合、その文章は「偽」と見なされる。
[0088] 物理的現実:全ての実体現実、知覚、及び情報実体は、物理的世界に「物理的」に存在する。現実実体に関してその結論に至るのは直観的であるが、知覚実体及び情報実体であっても物理的現実-時間及び空間-に存在することを明示的に留意されたい。知覚実体及び情報実体が具象実体であることからそれらの値を導出するということは、物理的でもあるそれらの特性を変えはしない。
[0089] 変更ドライバ:実体は、変化単位の変更を引き起こす属性と共に、変更ドライバとして知られている。属性は実体でもあるが、独立実体に依存する。独立実体を更に分化させる任意の数の層の属性が存在することができる。あらゆる変化ドライバはスロットを有し、あらゆるスロットは変換経路に接続される。各スロットは変化コンポーネントと呼ばれる。各ドライバは、それ自体の一意で別個のアイデンティティ及び固有の情報を有する。
[0090] 変化単位(CU):変化単位は、自然言語の視点から意図言明により記述されるものである。あらゆる類いの価値も、制御される変化を通してのみ生じ、それは変化単位内部でのみ生じる。人間エージェントが望むか、又は意図するグローバル変化単位に辿り着くことができるのは、ローカル変化単位を一緒に編み合わせる(文章を組合せることにより段落を作る)ことによる。簡潔にするために、NSLはこれらの変化単位を意図言明(SI:statements-of-intent)と同義として扱う。したがって、CU及びSIは、本文書では同義で使用される。ローカル意図言明は、自然言語に関して意図言明(文章)として表現されるローカル「変化単位」である。グローバル意図言明は、自然言語に関してグローバル意図言明(段落)として表現される「グローバル変化単位」である。
[0091] イベント:全てのイベントは、何れかのローカル意図言明に届き、全てのイベントは、ある状態から別の状態-潜在状態から現実への又はこの逆-への個々の実体についてのものである。LSIへの又はLSIからの個々の実体の到着又は出発によるイベントの発生は、組合せセットの状態を全体として変化させる。LSI中に6つの可変実体がある場合、組合せ実体が存在することができる64の異なる状態があることができる。個々の実体レベルでのバイナリ状態変化は、LSIにおける64の異なる状態の何れか1つに繋がることができる。63の他の状態は非トリガー実体状態組合せであり得るが、第64の状態は、他のLSIの状態又はそれ自体に影響するトリガー状態である。
[0092] バイナリ状態:NSL解決策設計では、全ての実体状態は、バイナリ状態でのみ存在するものとして表現される。すなわち、潜在状態又は現実状態の何れかで存在する。あらゆる状態は離散し、中間状態はない。物事のこの見方では、各単語はバイナリ状態で動作し、文章及び段落であってもバイナリ状態で存在する。エージェントは、実体を見る視座のみを変え続ける。ズームイン又はズームアウトすると、視座は変化するが、各視座はバイナリ状態である。NSL解決策設計におけるバイナリ状態の選択は離散状態vs連続の選択である-デジタルvsアナログの選択と同様に。イベントが発生すると、中間が除外された状態での状態遷移がある。理論上、これらのバイナリ状態は、「真又は偽」である値を割り当てることにより表すこともできる。
[0093] 経過時間:説明されるように、トリガー状態が意図言明において獲得されると、それ自体の意図言明を含む1つ又は複数の意図言明における1つ又は複数の変化を引き起こす。全ての変化には時間が掛かる。このような期間は「経過時間」と呼ばれる。変化が人間エージェントにより駆動されるか、又は機械エージェントにより駆動されるかに関係なく、経過時間は常に関与する。そのような変化は数分の一秒で生じることができることもあれば、時間長が数時間又は数日と長いこともある。必要とされる変化を生成する相互作用に関わる全ての実体は、経過時間中、占有され、前の行動の完了後でのみ、任意の他のトリガーへの関与に利用可能になる。
[0094] 自然言語解決策(NSL:Natural Solution Language):これは、意図言明のみを捕捉し、意図言明に従属する全ての記述ステートメントを作成する形態のリキャストである、自然言語をわずかに変更したものであり、コンピュータ実施方法である。これらの意図言明は2つの状態で存在する:i)静的意図言明:意図のみを表現し、意図を現実に変形する能力を有さない。静的実体状態は、他の状態の変化をトリガーすることができる特性を有さない実体状態である。システムに6つの変数がある(独立実体及びそれらの属性)場合、潜在的に64個の異なる状態で存在することができる。しかし、第64の状態のみが、全ての変数が「現実」状態で存在する場合、変化をトリガーすることができる。他の全ての実体状態は「静的実体」状態と呼ばれる。これに関して留意すべきポイントは、意図言明(SI)が、「変化単位」に参加している所望の変化の性質を記述する単に別の独立実体であることである。SIの存在は、続く任意の行動について、エージェントの意図によりバックアップされる必要があることに基づく。ii)動的意図言明:独立実体レベルでイベントによる影響を受ける、トリガー実体状態組合せと呼ばれる特定の所望の状態の獲得を集合的にトリガーする、意図言明の背後にある、変形を生じさせる基本実体である。動的実体状態とは、それら自体を含め、1つ又は複数の実体状態を更に変化させる能力を有する実体状態である。先の例では、第64の状態が「動的実体」状態である。換言すれば、静的意図言明が動的になり、意図言明を履行するには、トリガーCESによって駆動される必要がある。
[0095] 視座:各基本実体は、個々のレベルにおいてバイナリ状態で存在する。実体はまた組合せられて、組合せ実体も形成する。視座とは、実体を見得る相対位置を指す。実体を全体的により高い視座-その全てのサブセットからなる分化ラダーのより高い段-から見る場合、接続された実体のカウントはかなり大きい。逆に、より低い視座-分化ラダーのより低い段-にある実体を見る場合、接続された実体のカウントははるかに小さい。例:分化の方向において、視点となり得るより高い視座「A」を考える。「A」は分化したサブセット「A-B」を有することができる。それが「C」と組合せられる場合、第2のレベルのより分化したサブセット「A-B-C」を有することができる。「A-B」はサブセット「A-B-C」のみを包含する。「A-B」は、「A」と比較して分化方向においてより少数の接続実体を有する。言い換えれば、視座が高い実体ほど、視座が低い実体と比べて多くの情報を有する。
[0096] 視座切り替え:分化は、接続されたCES及びECESを通して水平に進む。水平分化の一例は図18aに表されている。分化は、クラス、サブクラス、及びトランザクションクラス又は更にはサブトランザクションクラスに至るまで任意の数のサブサブクラスの作成を通して垂直に生じることもできる。垂直分化の一例は図18bに表されている。垂直分化ツリーを降下する場合、分化の広がりは増大し続ける。「判決」又は「最適分化」を目的として、解決策設計者は、状況に応じて適用されるように、トランザクションクラスが上位レベル又は下位レベル分化間で切り変わるための余地を残し得る。減算又は無視する情報が多くなるにつれて、上位の視座に移る。例えば:ピザデリバリーのアプリケーションが作成され、「ピザ」と呼ばれる情報が無視される場合、それはフードデリバリーになる。「フード」と呼ばれる情報が無視される場合、それはデリバリーになる。ここで、情報は存在するが、上位視座ではその情報は無視される。
[0097] さらに、NSLでは、全ての実体はバイナリ状態で存在する。ノードは実体の存在を表す。変換ラインは実体間の関係を表す。ノード間の矢印は、分化の方向を表す。視座は、任意のノードに座しており、分化の方向を見ていることを表す。分化ノードの遠端部は、分化したノードセットの最も分化した端部を示す。ノードセットをとり、実体固有の情報を各ノードに添付することによってノードセットを分化させることができる。各ノードで実体固有の情報を全て意図的にオフに切り替えることができる場合、未分化のノード又は実体のみが残る。未分化実体は同一実体と同じである。これは、システムにおいて実体をとり、又は「BET」カウントをとることができる方法である。予測又は推奨を行う視点からシステムを観測することができる。分化したレベルほど予測の信頼性が高い状況がある。例:それが動物であり、それが犬であり、且つそれが黒色であることが確かである。それが動物であり、且つそれが犬であるは確かであるが、その色について不確かである場合、予測又は推奨を行うためにとるべき安全ルートは、犬の視座に切り替わることである。それが犬であるか、又は他の何らかの動物であるかさえも不確かな場合、「動物」の視座で推奨を行うほうがよい。この例は図面43に表されている。情報又は知識のレベルに正しく合うように異なるレベル又は視座間で切り替わることは、視座切り替えと呼ばれるものである。これは、NSLが扱う判決の原理に類似する。
[0098] 方向性:これは、実体価値の追加又は実体価値の削除の何れかに基づく分化樹の上又は下への移動についてである。新しい実体価値を追加することができると、分化の正方向に移動する。価値を削除することにより、分化の負方向-すなわち、「未分化」、又は「一般化」、又は「統合」の方向-に移動する。
[0099] 実体状態組合せ(CES:Combinatorial-Entity-States):独立実体(一緒に属性を引きずる)が他の独立実体と組合せられる場合、分化し、それら自体の新興属性を有する組合せ状態が生成される。CESは、変化単位-文章と同等である-をそれぞれ表すローカル意図言明(LSI)に収容される。より大きな所望の変化に繋がるそのようなLSIの集まりはグローバル意図言明(GSI)-段落と同等-と呼ばれる。LSIにおけるCESのサイズは、参加している独立実体の数に比例する。各独立実体は「潜在」又は「現実」の状態の何れかで存在することができるため、各LSIは2n個の状態を抱き、ここで、「n」は独立実体の数である。基本的に、各ローカル意図言明には2種類の実体-状態組合せがある。i)非トリガーCES:他のローカル意図言明又は属する同じLSI内で実体状態組合せを変えない実体組合せである。例:4つの独立実体がある場合、バイナリ変数として、24個の実体状態-すなわち、16個のCES-を生じさせる。これらの状態のうち、15個の状態は、いかなる変化もトリガーしないため、非トリガーCESである。ii)トリガーCES:これらの実体状態組合せは、1つ若しくは複数の他のLSIにおいて又は同じLSI内で変化をトリガーする。トリガーCESは、全ての独立実体及びそれらの属性が現実状態であるCESである。1つのLSI内のCESが他のLSI内のCESに影響する場合、それらの文章は接続される。LSIは、GSIの現実化への関わりに基づいて一緒にグループ化されて、段落を作る。例:先の例を続けると、第16の状態は、その状態で4つ全ての独立実体が現実状態で存在するため、トリガー状態である。
[0100] エージェント:エージェントも実体である。エージェントは、解決策の作成者及び解決策の消費者の両方である。エージェントは、目的により駆動されるため、「自然」から分化する。換言すれば、エージェントは、好都合な変化を探し求め、不都合な変化を回避する。あらゆる解決策は、制御される変化に対処するため、全ての変化単位がエージェントにより-人間エージェントであれ機械エージェントであれ関係なく-影響を受けることが前提とされる。全ての変化はエネルギーを必要とするため、エージェントは固有のエネルギーを使用するか、又は1つ若しくは複数の組合せ実体からエネルギーを借り、以下の所定の経路により又は自由意志の適用を通して方向性を変化に提供する。
[0101] 人間エージェント:人間エージェントは、「ステークホルダ」とも呼ばれ、解決策環境により課される要件に応じて複数の役割を演じる。幾つかの変化単位は必然的に、人間エージェントにより駆動される。例:幾つかの「有形資産」の物理的搬送は、人間エージェントの関与を必要とする。
[0102] エージェント機能:意図言明内で行われるエージェント機能は3層の意図言明に分割することができる:i)物理機能:物理機能は、意図言明のバックボーンを形成する実体-状態組合せ(CES)を生成する独立実体の参加に関連する。物理機能は、解決策促進という主機能を果たし、一方、他の2つのカテゴリは直接又は間接的に、物理機能をサポートする。ii)情報機能:情報機能は、実体-状態組合せに接続される実体に関連し、情報を提供する機能のみを果たし、物理機能に関わらない。拡大解釈すれば、これらの情報機能は意図言明及びそれらを駆動するエージェントに接続される。情報機能は、エージェントを情報に通じた状態に保ち、動的解決策再設計並びに分析、機械学習、及び人工知能のような他の付加価値機能において役割を演じる。iii)マインド機能:マインド機能は、コンピュータ実施NSLの観点から、現実世界における人間のマインドの機能を模倣する。これらの機能は、実体状態を「予測」し、所望の変形をもたらすプロセスにおいて物理機能をガイドする。予測は一般に、将来に関する「時間態様」に適用される。しかし、予測は、不確実性がある全ての状況に適用することができる。理論上、不確実性は、過去又は現在のことにも関することができる。例:昨日何が起こったか又は現在、他の部屋で何が起こっているかについて完全に知ることができないことがあるが、予測しようとすることはできる。「推定」又は「予測」の改訂は、あらゆるイベントの瞬間に生じることができる。そのような予測は、現在における物理機能と関係がある場合、影響を及ぼす実体として物理機能にフィードバックされる。情報機能等の同様の役割を演じることの他に、マインド機能は事前計画及び最適化の件にも役立つ。
[0103] 情報権:特定の独立実体又は組合せ実体及びそれに接続された意図言明に関する情報についての人間エージェントの権利である。
[0104] 決定権:独立実体又は組合せ実体及びそれに接続された意図言明の潜在状態又は現実状態を変える人間エージェントの権利である。
[0105] 機械エージェント:入力に応答して適切な出力が生成されるように、変化単位が機械エージェントにより駆動される「コンピュータ」と同義である-人間エージェント又は他の機械エージェントにより設計される-。機械エージェントは本質的に、入力を消費し、入力の中から制御された変化を生成(それらの入力を処理)し、出力を生成する人間エージェントの能力を模倣する。ある意味では、人間エージェントは、目的により駆動されるという性質を機械エージェントに付与する。
[0106] ユーザインターフェース(UI):実体は、データベースにおいて異なる抽象化レベルで又はユーザインターフェースレベルで存在することができる。人間エージェントが「情報権」又は「決定権」を行使するのはユーザインターフェースのレベルにおいてである。UIは、「ユーザ」は解決策の作成又は使用を任される-したがって、いわば全ての物事はシステム内ではなくシステム外で生じる-ため、NSLにおいてかなり大きな役割を演じる。NSLは、UIを「必須属性」にすることによりUIレベルで実体の挙動を駆動する。これらの属性は、実体がUIレベルでいかに現れるか、そのアドレスが何であるか(どの画面及び画面上のどの場所か)、及び情報のナビゲート又は入力に敏感であるか否かを指定する。
[0107] NSL技術フレームワーク:NSLがもたらす革新的技法効果は、独自の方法と技術フレームワークとの組合せに起因する。NSLは、「ユーザ」が解決策の主駆動者である広範囲のアプリケーション要件に応える標準化技術フレームワークを乗り越える。技術フレームワークは、本明細書に記載される全ての革新的方法を包含し、オペレーティングシステムの上に座して、コンピュータに伝達されるあらゆる種類のアプリケーション論理に応える。効率的なことに、ユーザはこの基礎技術フレームワークを不可知のままであり、NSLを自然言語のように使用する権限を有する。まとめると、NSL技術フレームワークは、分化原理に基づくNSLの背後にある原理及び方法に命を与える、既存のオペレーティングシステムの上の薄い追加の層である。加えて、NSL技術フレームワークはまた、人間エージェント以外の機能の大半の自動化にも役立つ。しかし、強化のために時折、NSL技術フレームワークは一定のままになる。オペレーティングシステムと全く同じように、いかなるコードも使用せずに、自然言語構造体を通してNSL論理をコンピュータに伝達する。
[0108] 技術翻訳フレームワーク(TTF):NSLの最も重要なことの1つは、NSL方法及びNSL技術フレームワーク(NSL-TF)を使用して制御される分化に対処する同じ原理に基づいて任意のプログラミングコードを自然言語様のNSLフォーマットに変換し、それにより、ユーザ又はステークホルダの直接使用及び影響に向けて論理を表面化する能力である。TTFは、各プログラミング言語のキーワード、演算子、記号、及び関数並びにNSLにおけるその表現をカプセル化する行列ベース/タイルベース手法を乗り越える。TTFは、コードの構造体を分析し、コードが書かれたプログラミング言語を識別し、行列を使用して、あらゆるキーワード、演算子、記号、関数、又はそれらの組合せに一致するNSL均等物を取得する。
[0109] 技術再翻訳フレームワーク(TRF):NSLがもたらす革新的フレームワークは、NSLで構築された任意の解決策を任意のプログラミング言語に変換する能力である。TRFは、TTFが基づくのと同じ行列ベース手法に基づく。TRFはNSL構造体を理解し、プログラミング言語における一致するキーワード及び関数を識別し、それにより、ユーザにより選択される任意のプログラミング言語でそのコードを構築する。
a.翻訳360°Any to Any(A2A):TRFはTTFと一緒に、360°Any to Any(「A2A」)と呼ばれるレジームの全ライフサイクルを完成させ、それを用いて任意のプログラミング言語又は任意の自然言語の解決策を任意の他のプログラミング言語又は自然言語に変換する能力を有する。意味が構築され、種々の自然言語にわたり表現することができるのと全く同じように、解決策論理も任意のプログラミング又は自然言語サブストレートで表現することができる。NSLでは、解決策は規範的情報として知られる特別なクラスの情報である。潜在状態で表現されている規範的情報は、作用を受けると現実になり、その規範はクラスレベルで実行され、それらのメンバが到着すると、現実はトランザクションレベルで生じる。定義されたクラスに到着した任意のメンバは、クラスと同じように挙動することになる。これらは従来のプロセスに取って代わる。到着したイベントは潜在テキストから選択し、それが生じると、全てが自然言語フォーマットで表現可能になる。換言すれば、分化が適宜コンテキスト的に表現される、NSLが従う特定の分化サイクルがあり、NSLによるそのような分化は、任意のサブストレートで表現可能である。NSLは、TTF及びTRFを通して、各サブストレートに組み込まれた解決策論理を抽出し、元のサブストレートで扱われるのと同じようにそれらを扱うことが可能である。このA2Aは、入力が同じ場合、種々のプログラミング又は自然言語で構築されたあらゆる解決策で出力が同じであった原理を用いてテストされてきた。端的に言えば、NSL構造体はハブとして作用し、他のプログラミング言語はスポークのようである。例えば、プログラミング言語を別のプログラミング言語に翻訳する必要がある場合、そのプログラミング言語はNSLと呼ばれるハブに触れ、次に、別のプログラミング言語として分岐する必要がある。
a.翻訳360°Any to Any(A2A):TRFはTTFと一緒に、360°Any to Any(「A2A」)と呼ばれるレジームの全ライフサイクルを完成させ、それを用いて任意のプログラミング言語又は任意の自然言語の解決策を任意の他のプログラミング言語又は自然言語に変換する能力を有する。意味が構築され、種々の自然言語にわたり表現することができるのと全く同じように、解決策論理も任意のプログラミング又は自然言語サブストレートで表現することができる。NSLでは、解決策は規範的情報として知られる特別なクラスの情報である。潜在状態で表現されている規範的情報は、作用を受けると現実になり、その規範はクラスレベルで実行され、それらのメンバが到着すると、現実はトランザクションレベルで生じる。定義されたクラスに到着した任意のメンバは、クラスと同じように挙動することになる。これらは従来のプロセスに取って代わる。到着したイベントは潜在テキストから選択し、それが生じると、全てが自然言語フォーマットで表現可能になる。換言すれば、分化が適宜コンテキスト的に表現される、NSLが従う特定の分化サイクルがあり、NSLによるそのような分化は、任意のサブストレートで表現可能である。NSLは、TTF及びTRFを通して、各サブストレートに組み込まれた解決策論理を抽出し、元のサブストレートで扱われるのと同じようにそれらを扱うことが可能である。このA2Aは、入力が同じ場合、種々のプログラミング又は自然言語で構築されたあらゆる解決策で出力が同じであった原理を用いてテストされてきた。端的に言えば、NSL構造体はハブとして作用し、他のプログラミング言語はスポークのようである。例えば、プログラミング言語を別のプログラミング言語に翻訳する必要がある場合、そのプログラミング言語はNSLと呼ばれるハブに触れ、次に、別のプログラミング言語として分岐する必要がある。
[0110] ステークホルダエンゲージメントセンタ(SEC):これはユーザインターフェースと同義である。SECは、任意のエージェントに関して潜在性を保持する全ての実体を認識し、それらをユーザインターフェースレベルで構造化して提示する能力を有する。NSLは、全ての変化単位がある何れかのエージェントにより駆動される-明確に所有権を確立する-ことに基づいて、関連実体を認識する。全ての実体が明確に指定された決定権及び情報権を有するという追加の事実により、エージェント間での実体の分散とナビゲーションが容易になる。SECは、コンテキスト的に駆動される高度にカスタマイズされたインターフェースをステークホルダに提供する。分散した安全な環境を各ステークホルダに提供する。パーソナライズされるようにユーザに対してそれ自体を調整する。
[0111]ミッションコントロールセンタ(MCC):MCCは、人間エージェントが義務を実行又はニーズを履行する通常の過程で重要な実体を一緒にまとめる。重要なこれらの実体は、エージェントに関する実体(それは情報権又は決定権の何れかを有する実体)の中かラーマとめられる。分散MCCは、まず、特定の1つ又は複数のエージェントに関する実体を自動的に認識し、次に、エージェントの機能に対して重要な実体をピックアップするシステムの能力に関するものである。MCCは、ステークホルダエンゲージメントセンタ(SEC)のコンテキスト性を更に別のレベルにする。MCCは、それ自体をコンテキスト的に「時間」又は「イベント」に調整する。MCCは、関連するSSAサイクルをよりよく駆動する全ての関連「BET」を表面化する。とりわけ、情報的又はアクショナブル尺度もコンテキスト的に提供される。
[0112] 解決策の定量化:情報が情報理論において「ビット」で定量化されるのと全く同じように、NSLは、実体関係間の距離の識別を通して解決策を定量化する。(a)バイナリイベント:実体関係間の距離は、あるCESから別のCESに行くために生じるバイナリイベントの最小数に関して測定することができる。例えば:実体1が「A」であり、実体2が「AB」であり、実体3が「ABC」である場合、実体「1」から実体「3」に行くまでに生じる必要があるバイナリイベントの最小数は「2」である。その原理は、それらの分化が、無視又は認識される場合、融合又は2つの実体が同一になることを生じさせるというものである。NSLは構造とプロセスとの違いをなくし、重要なのは分化の方向性のみである。(b)空間:各CESは明示又は黙示され、空間において動作するため、どれくらいの距離がカバーされたかを集めることができる。(c)時間:各CESに関連付けられた明示又は黙示の時間があるため、潜在的に時間を評価することができ、したがって、距離は時間で測定することができる。
[0113] 基本変化単位:基本変化単位は、実体と結果として生成されるトリガー状態との間の全てのトランザクション相互作用が生じる基礎単位である。基本変化単位は、基本変化単位が存在する視座に関係なく同じように存在し動作する。視座が高いほど、情報層は多くの情報を有する傾向がある。
[0114] 順次変化単位:これらは、基本CUが、トリガーされた場合、1つ又は複数のイベントを通して影響を及ぼすことが可能なCUである。順次CUは「AND」演算子原理を利用する。CES状態は、基本CU及び順次CU内に維持されて、E-CESを形成する。例:お茶を用意するためには、ティーバッグをカップの中に入れ、やかんに水を入れ、やかんの中の水を沸かし、沸いた湯のいくらかをカップに5回注ぎ、砂糖をカップに入れる必要がある。これらは、お茶の用意における順次ステップである。
[0115] 動的自然言語:解決策は、作用を受ける規範情報である。NSL、一般的に言えば、主語、目的語、及び所望の変換(動詞又は動作語)の全ての形態で自然言語よりもはるかに多くのコンテキスト情報を含む。NSLは、分化の基本原理を使用し、形容詞(属性)を名詞(実体)に添付し、副詞(属性)を変化単位(目的又は目標を達成するための意図言明又はステップ)に添付することにより、あらゆる実体の一意性を識別する。したがって、NSLは自然言語+と均等である。
[0116] あらゆるものはバイナリ実体(BET)である:NSLでは、区別可能な別々の全ての物事は実体と呼ばれる。これらの実体は一意(分化した区別可能な実体)又は同一(未分化の区別可能な実体)の何れかである。一意の実体は言葉によって表され、同一の実体は数字によって表される。バイナリ実体(BET)という用語は、全ての区別可能な実体が潜在状態又は現実状態にあることに基礎を置く。「BIT」(二進数(Binary Digit))という言葉は情報全般のコンテキストに存在するため、「BET」は、解決策のコンテキストに存在する「BIT」のサブセットである。各BETは、情報の多くのBITを運ぶため、分化状態であり、凍結されている。イベントは、BITレベルでのみ到着する。全てのBITは、凍結されているため、疎結合される能力を失う。例:ペンは多くの原子で構成されている。ペンが凍結されている場合、1つの原子を引き抜くことはできず、「その原子を除いたペン」と呼ぶことはできない。
[0117] 全ての視座でのBET:解決策は構成要素に分解することができる。分解されているため、種々の視座を行き来することができる-章レベル、段落レベル、拡張実体状態組合せレベル、変化単位レベル、実体レベル、及び属性レベル。NSLの視点から覚えておくのに重要な1つのことは、区別可能なあらゆるものをBETとして見ることである。BETステータスは属性、一般実体、エージェント、及びそれらの組合せ、変化ユニット、変化ユニットの集まり、解決策エコシステム、並びにBETの上位の集まりの全てに授けられる。あらゆる視座で、NSLは各BETをバイナリ変数として扱う。解決策エコシステムは、イベントがメンバへの道を見つけ、それら自体をメンバにタグ付けできるように潜在性及びそれらのメンバシップがレイアウトされるようセットアップされる。BETは異なる基板に存在し、あらゆる基板におけるBETのあらゆる表現は、一意のアイデンティティを有することになる。例:(a)実体を表す画像又はビデオはそれら自体のアイデンティティを有することになる。各表現は、BETの形態でそれ自体の量のBITを消費し得る。(b)エンドツーエンド電気通信課金解決策はBETである。顧客プロファイリング、住所確認、料金生成等のこの電気通信解決策を構成する変化単位もBETであり、これは、あらゆる実体に添付される最後の属性まで続く。
[0118] BIT及びBET:「BET(バイナリ実体)」の解決策に対する関係は、BIT(二進数)の情報に対する関係と同じである。拡大解釈すると、BETの「解決策理論」に対する関係は、BITの情報理論に対する関係と同じである。情報全般は「BIT」の数で測定される。それが基本的に意味することは、あらゆるビットが「0」又は「1」のバイナリ状態であることである。情報は、あらゆるビットの位置が特定された場合、又はある意味分化した場合のみ生じる。情報のサイズをカウントするためには、あらゆるビットの状態を無視し、情報内に含まれるビットの数のみをカウントする。同様に、解決策エコシステムでは、各BETの状態を無視することにより、「BET」の数をカウントすることができる。「BIT」及び「BET」は、コンテキスト性によってのみ分化した高度に相関する概念である-一方は情報全般に関連し、他方は解決策全般に関連する。「BET」は、いかなる分化もない「原始実体」のようである。「BET」は図面1に表されている。あらゆる実体がその状態を取得すると、全ての実体は同一且つカウント可能になる。例えば、1つのGBビデオはBITの状態を無視する。重要なのは、ビデオを構成するビット数のみである。同様に、NSLでは、解決策の定量化は、解決策を構成するBET数をカウントすることによって行われる。
[0119] 変化ユニット(CU)クロック:NSLでの物事の性質そのものにより、全ての物事は、CU、より具体的にはCU構成要素において潜在又は現実の何れかで存在する。CUに関する分化は、クラスレベルから、トランザクションレベルに達するまで多くのレベルのサブクラスに進む。多くの場合、解決策エコシステムにおける任意の実体の誕生及び死亡(消去)、並びに拡大解釈して実体の存在の期間及び年齢を追跡することが有価値であろう。全ての実体は時間と共存し、時間が常にあらゆるCUのCESの一部であることを意味する。時間は、物理層における変化ドライバ(CD)として又は情報層における情報ドライバ(ID)としてCUに座すことができるが、最も往々にして、暗示実体として扱われる。「空気」が人間にとって暗示実体であるように、「時間」は変化単位にとっての暗示実体である。別個に言及する必要はない。全ての状況及びシナリオに応じる、基本解決策サポートとしての「統語レベル」において、時間とのあらゆる実体の共存が提供されるものとする。「意味論レベル」において、そのプロパティを使用し、「時間」を暗示実体として解釈するか否かは解決策設計者次第である。時間を追跡する有用性は、分析から図面参照まで及ぶ広範囲の物事に拡張することができる。例えば:1本のペンと、3つの他の変数とを有するCUを想像する。CUには4つの変数が存在するため、CUは潜在的に16の異なるCES(24個の状態)を有することができる。ペンが最初に到着する場合、CES番号1は潜在から現実に変わることができる。その潜在性は「現実CES1」で置換されたため、システムはその潜在性の時間及びその潜在性が死んだ(削除又は消去された)時間を追跡する。別の実体が到着すると、そのCESは潜在になり、別のCES、例えばCES番号5は現実になる。NSLは疎結合されるが、それでもなおユニタリの実体状態を提供するため、システムは、個々の実体も(CESのみならず)追跡することができる。「トリガーCES」に達すると、その現実状態とトリガーCESから生じる拡張CESとの間のラグ時間を追跡することもできる。トリガーと、トリガーが生じさせる1つ又は複数のイベントとの間には常にラグ時間が含まれる。この情報を有することは、様々なコンテキストで解決策のユーザにとって大きな価値がある。
[0120] 時間派生体:BETの誕生時間及び死亡時間に基づいて全ての視座のBETの存在期間を導出することができる。トリガーが生成する各イベントに関するトリガーの開始及びトリガー状態の終了を捕捉することができ、経過時間を導出することができる。CUの場合、CUがアイドル状態である時間割合及びCUがトリガー状態である時間割合を捕捉することもできる。実体がアイドルであった(トリガー状態に参加していなかった)時間割合対アクティブであった時間割合を確立することができる。種々の視座において「イベントと期間」との間に確立された相関は、分析及び動作にとって巨大な機会を生み出す。時間と空間座標との組合せは、分析及び動作のこれらの機会を更に別のレベルにする。
[0121] 変化単位(CU)空間座標:「時間」及び「空間」は両方ともユビキタスである。全ての実体は、属する基板に関係なく、空間に存在する。明らかに選ばれるか否かを問わず、「空間」は常に、任意の実体を参照して暗黙的に存在する。統語レベルのシステムがタグ付け時間関連の属性値をあらゆる実体に提供するのと全く同じように、システムは、タグ付け空間座標もあらゆる実体に提供する。これらは二次元又は三次元であることができる。あらゆる実体は物理的であり、それと同時に時間情報的でもあるため、実体の存在及び相互作用は空間座標に結びつけられる。実体がトリガーされると、トリガーが生み出す変更された状態も距離で表現可能である。例:ジョンが、トリガー状態の発生時に場所AからBに移動する場合、距離は移動したメートル数で測定することができる。これは、経過時間の測定と同じである。空間及び時間の属性値は、人間エージェント機能に適用可能であるのと等しく、機械エージェント機能にも適用可能である。さらに、NSLでは、全ての実体はバイナリ状態(BET)で存在する。各状態変化はイベントである。全てのイベントは時間及び空間で発生する。したがって、全ての実体には、空間座標と共に「出現」及び「消失」をそれぞれ示す時間及び空間属性値(タイムスタンプ)が添付される。これは、人間の誕生場所及び死亡場所とそれぞれ併せた誕生時間及び死亡時間都同じである。これは潜在状態及び現実状態に適用される。潜在の終わりは現実の始まりであり、逆も同様である。この規則は全視座に適用される。
[0122] 空間距離:解決策を提供する過程でカバーされる距離は、各CUによってカバーされる距離を累積することによって導出することができる。そのような距離は、トラバースされた実際の距離に基づいて又は理論的にcrowファイルとして計算することができる。これらの測定は、特定の解決策に関連して接続されたCU又は関連するCUの中の任意のCUから任意のCUまでであることができる。
[0123] 機能距離:NSLは、三次元に拡散したノードのネットワークが、それらと関連付けられた方向性を有する線で結ばれ後、モデリングされる。NSLは、任意のタイプのデータベースを正規化する能力を有し、「ポリグロットパーシステンス」を可能にする。全ての実体-潜在又は現実の何れかで-はノード内部に存在する。それらの各実体は、各基板に座す「アイデンティティ、言語/番号、画像等」の形態の多くのアバターをとることができる。ある基板から別の基板へのクロスオーバは、等価原理及び真理値が保存される場合に許される。等価性はクラス間、クラスからメンバへの間(演繹プロセス)、及びメンバからクラスへの間(帰納プロセス)に適用される。全てのノードは、最近傍原理に従って互いに接続される。同じトランザクション内のノードは、接続ノードと呼ばれる。同じ解決策エコシステム内の全てのノードは、関連ノードと呼ばれる。NSLはノードのネットワークによって支配されるため、解決策エコシステム内の全ての物事は、相対的な性質である。科学での「宇宙原理」と全く同じように、任意の選ばれたノード又は視座は中心参照点になる。換言すれば、絶対基準点は存在しない-全ての物事は相対的である。ノードに結ばれる線は方位性を有するため、情報フロー又は分化全般には方向性がある。ノードのネットワークは、全ての自由度を提供する。階層モデルは、情報及び決定フローに関して行われた特定の選択から生じるが、基本ではない。この背景では、任意の2つのノードを選び、機能距離を測定することが可能である。他方のノードに到達するためにトラバースする必要がある場合、ノード数をカウントする必要がある。これはとりわけ、2つのノード間の関係の近さを判断するのに役立つ。機能距離例は図面19に表されている。
[0124] ノードのローカルネットワークとしてのCU:地球には無数の種及び生命体が存在している。しかし、全てのそのような種は例外なく、「細胞」で構成されている。全ての生命体の基本構築ブロックは「細胞」である。同様に、任意の解決策の基本単位は「変化単位」(CU)である。全ての変化単位は「ノードのローカルネットワーク」で構成される。ノードは、実体の存在の識別を表す。ノードの接続は、ノード間の分化の方向を示す矢印(又は均等物)を有する「変換線」(TL)を通して表される。ノードは、ノードにつるされた一意実体又は同一実体によって分化する。CUは、「意図言明」が添付されることによって分化する「主ノード」から始まる。図面33は、ノードのローカルネットワークとしてCUを表す。CUは、初期ノードにおいて、主ノードを分化させる「独立実体」に関連するノードを有する。初期レベルにおいて、ノード数への理論上の限度はない。任意の数の属性レベルが存在することができ、あらゆるレベルは任意の数の属性を有することができる。4つのレベルのノード、即ち4層CUとして知られるノードがある。実体のこのローカルネットワークの性質は、トリガー条件が満たされると、ノードの1つ又は複数のローカルネットワークにおいてイベントを生じさせるプロパティを有するものである。このプロパティは変化ドライバのドライバ(DCD)と呼ばれる。NSLでは「変化ドライバ」としても知られている。現実では、ローカルネットワークのトリガーされた状態は、それ自体を含むノードの任意のローカルネットワークの層(例えば情報層)の何れかに変化を駆動することができる。
[0125] 4層CU:誰でも、400年の科学によって確立された世界の仕組み(Way World Works)原理から学習して来た。エージェントが存在する場合、表面化する幾つかの原理が存在する。
i.エージェントは常に、生き残るための解決策を探している。
ii.全ての解決策は、制御され指示された変化から生じる。
iii.換言すれば、エージェントは、SSAサイクルによって制御される目的によって駆動される。
iv.エージェントは、人間の場合、進化プロセスを通して自然により設計され、
機械エージェントの場合、人間エージェントによって複雑性及び無限性を克服するように設計される。
v.換言すれば、エージェントシステムは、必要に迫られて離散/個別の能状態により駆動される。
vi.大まかに言えば、個別状態は、目的語、目的語の属性、及び任意の種類の変化に関する。
vii.任意の変化は、任意の変化(CU)により表される原因と結果原理により駆動され、SSAサイクルはCUに固有である。
viii.一意である任意の離散/個別状態は、自然言語で表すことができる。
ix.同一である任意の離散/個別状態は数字で表すことができる。
NSLでは、ノードのローカルネットワークとしてのCU。主ノードは、「LSI」又はCU名の形態でそのローカルネットワークを表す。ノードのローカルネットワークには2つのタイプの層が存在する:物理及び情報。しかし、ノードの各ローカルネットワークでは、更に2つの層が暗示されるか、又は固有である。それらの一方は「疑問(interrogative)」層である。これは、質問を呈し、CUに座している博識エージェントからの答えを求めている無知エージェントを表す。CU内で機能を実行するためには、CUにおけるエージェントが博識であることが大前提である。質問(疑問)を呈しているエージェントの情報権及び決定権に応じて、博識エージェントは、答えを提供するか又は提供しないように義務付けられる。他の暗黙的な層は「測定層」(自然言語では感嘆文と呼ばれる)である。測定は以下のプロパティを有する:(i)物理層又は情報層のハイライト部分である。(ii)典型的には、それらのハイライト部分は、物事によりフォーカスするように属性値によって更に分化する。例:ハイライト部分が「顧客への製品の配送」である場合、分化属性は30分未満又は30分を越える配送であることができる。(iii)測定の第3のプロパティは、所与の分化した属性を有するハイライト部分のステータスへのエージェントによるビューである。これらは一般に名詞と呼ばれる。例:30分未満の配送はよく、30分を越える配送は悪い。この例は図面29に表されている。まとめると、NSLはCUを4層と見なし、これは図面30に表されている。CUの4つの層は以下である:
1.疑問層:この層は潜在的であり、「無知エージェント」が質問を呈する場合、呼び出される。無知エージェントには、各CUに座した情報権及び決定権(IRDR)を保有する、権限のあるエージェントにより答えが提供される。
2.物理層:自然言語での命令文又は規範文と同じである。
3.情報層:自然言語での記述文又は宣言文と同じである。
4.測定層:自然言語での感嘆文と同じである。疑問は、記述文を規範文に変換するのに役立つ。「空は青い」等の規範文が存在することができる。これは、質問又は疑問を呈することにより規範文に変換することができる「空は青いか?」。この規範文の適格メンバは、青いか又は青くないか(「はい」又は「いいえ」)のバイナリ状態である。図面34は、バイナリ状態で記述文を規範文に変換するのに役立つ疑問を表している。多くの選択肢が提供される場合、「規範文」を生成した疑問文は、多項選択質問の形態をとることになる。例:「空は何色か?」、提供される選択肢はA、B、C、D、及びEであり、「青」色はその中の1つである。青のみがその中のメンバとして適格である。図面35は、記述文を、複数の選択肢を有する各文に変換するのに役立つ疑問を表している。
i.エージェントは常に、生き残るための解決策を探している。
ii.全ての解決策は、制御され指示された変化から生じる。
iii.換言すれば、エージェントは、SSAサイクルによって制御される目的によって駆動される。
iv.エージェントは、人間の場合、進化プロセスを通して自然により設計され、
機械エージェントの場合、人間エージェントによって複雑性及び無限性を克服するように設計される。
v.換言すれば、エージェントシステムは、必要に迫られて離散/個別の能状態により駆動される。
vi.大まかに言えば、個別状態は、目的語、目的語の属性、及び任意の種類の変化に関する。
vii.任意の変化は、任意の変化(CU)により表される原因と結果原理により駆動され、SSAサイクルはCUに固有である。
viii.一意である任意の離散/個別状態は、自然言語で表すことができる。
ix.同一である任意の離散/個別状態は数字で表すことができる。
NSLでは、ノードのローカルネットワークとしてのCU。主ノードは、「LSI」又はCU名の形態でそのローカルネットワークを表す。ノードのローカルネットワークには2つのタイプの層が存在する:物理及び情報。しかし、ノードの各ローカルネットワークでは、更に2つの層が暗示されるか、又は固有である。それらの一方は「疑問(interrogative)」層である。これは、質問を呈し、CUに座している博識エージェントからの答えを求めている無知エージェントを表す。CU内で機能を実行するためには、CUにおけるエージェントが博識であることが大前提である。質問(疑問)を呈しているエージェントの情報権及び決定権に応じて、博識エージェントは、答えを提供するか又は提供しないように義務付けられる。他の暗黙的な層は「測定層」(自然言語では感嘆文と呼ばれる)である。測定は以下のプロパティを有する:(i)物理層又は情報層のハイライト部分である。(ii)典型的には、それらのハイライト部分は、物事によりフォーカスするように属性値によって更に分化する。例:ハイライト部分が「顧客への製品の配送」である場合、分化属性は30分未満又は30分を越える配送であることができる。(iii)測定の第3のプロパティは、所与の分化した属性を有するハイライト部分のステータスへのエージェントによるビューである。これらは一般に名詞と呼ばれる。例:30分未満の配送はよく、30分を越える配送は悪い。この例は図面29に表されている。まとめると、NSLはCUを4層と見なし、これは図面30に表されている。CUの4つの層は以下である:
1.疑問層:この層は潜在的であり、「無知エージェント」が質問を呈する場合、呼び出される。無知エージェントには、各CUに座した情報権及び決定権(IRDR)を保有する、権限のあるエージェントにより答えが提供される。
2.物理層:自然言語での命令文又は規範文と同じである。
3.情報層:自然言語での記述文又は宣言文と同じである。
4.測定層:自然言語での感嘆文と同じである。疑問は、記述文を規範文に変換するのに役立つ。「空は青い」等の規範文が存在することができる。これは、質問又は疑問を呈することにより規範文に変換することができる「空は青いか?」。この規範文の適格メンバは、青いか又は青くないか(「はい」又は「いいえ」)のバイナリ状態である。図面34は、バイナリ状態で記述文を規範文に変換するのに役立つ疑問を表している。多くの選択肢が提供される場合、「規範文」を生成した疑問文は、多項選択質問の形態をとることになる。例:「空は何色か?」、提供される選択肢はA、B、C、D、及びEであり、「青」色はその中の1つである。青のみがその中のメンバとして適格である。図面35は、記述文を、複数の選択肢を有する各文に変換するのに役立つ疑問を表している。
[0126] 実体のアバター:あらゆる実体は物理的であり、何らかの形態で表される必要がある。あらゆる実体はアイデンティティ、名前、及び多くの場合には画像を有する。例えば、人は名前、識別番号、又は写真を有し得、それにより、物理的な人を3つ全ての形態の表現と同等と見なす。各表現は、基板にわたり等価性を維持するために特定数のビットをとる。紙に書かれた名前又はその人を表す画像からその人を示すビデオまでは各々、異なるバイト数の情報を有することになる。複数の基板における同じ実体のこれらの様々な表現は、実体のアバターとして知られる。
[0127] 密結合実体:エージェント及び一般実体はコンテキスト的に一緒になって意図される変化を生み出す。多くの場合、実体の組合せは一緒に到着又は出発し得る。密結合実体とは、一緒に動作する実体である。密結合実体の例は、一緒に到着し出発するトラック及び運転手である。密結合実体は独立して動作できない。任意の変化において、密結合実体が参加している場合、密結合実体は一緒に参加しなければならない。それらの1つが動作から欠けているいかなる場合も存在し得ない。変化に一緒に参加している実体のインスタンスは密連結実体と呼ばれる。例えば、手術を実行している間、医師は指定された服、手袋、マスク等でやってくる。密結合実体の例は図面2に表されている。
[0128] 疎結合実体:疎結合実体は、別個に到着して変化に参加するユニタリ実体(unitary entity)である。疎結合実体の例:ペン及び紙は別個に変化単位に到達することができる。それらは疎結合実体である:独立して到着することができる。疎結合実体の例は図面3に表されている。
[0129] 置換実体:実体の置換は、(a)独立実体レベル、(b)属性レベル、及び(c)CUレベルで発生することができる。「置換」という用語は、続く状態が同じイベントセットを生成する場合のみ、使用される。変換経路が異なる場合、置換実体と呼ぶことができない。置換が生じる場合、最近傍は違いに気付くべきではない。トリガー状態の効果は同じままであるべきである。例えば、鉛筆は、筆記のコンテキストでペンの代替として作用することができる。システムは、どの実体が変化に参加したかにさえ受取手が気付かないことを動的に展開する-元の実体であれ、置換実体であれ関係なく。
[0130] クローン実体:ソリューショの一環として、知的資産のコピーを、互いを区別せずに作成する必要があることがある。そのような同一の非分化知的資産はクローン実体と呼ばれる。例:組織ポリシーは、電子メールを通して全従業員に通信される必要があり、その電子メールの各コピーは同一であり、未分化である。NSLシステムは、解決策設計の一環として実体クローン化を提供する。クローン実体の中で、どれが元の実体でどれがクローン実体であるかは判別できない。
[0131] 否定実体:一般に、重要な変化ドライバ(CD)がトリガーCESの一部である場合である。しかし、幾つかの希な場合、重要なのは実体の存在ではなく実体の不在であることがある。例:配送を行うために、実体として「雨」が存在しないことが重要であり得る。この例は図面20に表されている。NSLはn個の潜在及びn個の現実を提供し、それにより、属性レベルでそれに対処する代替の方法を提供する。
[0132] 組み込み変化単位:組み込み変化単位(eCU)は、CU内のCUである。組み込み変化単位(eCU)は、垂直分化と呼ばれるものの一部である。上位レベルCU-基本CUの上又はeCUの真上の何れか-のトリガー時のみトリガーされる。多くのレベルeCUがある場合、属性レベルが定義されるのと同様に、一次、二次、三次等と呼ばれる。あらゆるeCUレベルには、任意の数の接続されたeCUが存在することができる。2種類のeCUがある-1.サブCU及び2.再帰CU。「再帰CUであるかサブCUであるか」を問わず、機能の性質は全く同じである。組み込みCUは、上位レベルのCUを、より小さなCUの接続を通して多くのステップに分解する。例:上位レベルCUは、都市のある端から逆の端までの移動に対処することができる。組み込みCUは、都市を出るまで、機能を10の接続された通りの横断に分解することができる。都市に入ることは、CU1の組み込みCUをトリガーし、最後の通りから出ることは上位レベルCUをトリガーし、「都市から出る」イベントを上位レベルCU2にする。換言すれば、組み込みCUのGSIは上位レベルCUをトリガーし、次のCUでイベントを生成させる。組み込みCUの任意の数の層が存在することができることが付随する。下位レベルCUのGSIは、上位CUをトリガーし、図面39に表されている。
[0133] サブCU:CUが、多くの下のより小さなCUにセグメント化される場合、それらの各々はサブCUになる。例えば、10分掛かる活動(基本CU)は、タスクと呼ばれる少数のセグメントで構成される多くのより小さな変化単位に分割することができる。サブCUがない場合、基本CU(CU1)は出力を順次CU(CU2)に配置することができる。しかし、活動が、それと接続されたより小さなCU(サブCU)に定められたステップを通して系統的に駆動されるべきであると解決策設計者が意図した場合、設計者はその選択肢を有する。設計者は、1つ又は複数の接続されたサブCUを導入することができる。基本CU(CU1)がトリガーされる場合、一次組み込みCUレベルに座すサブCUセットに頼る。組み込みCUセットはそれ自体の組み込みGSIを有することになる。そのGSIがトリガーされると、仮に組み込みCUが存在しない場合に生じるのと全く同じように、イベントはここで基本CU2において発生する。このプロセスは、より多くのレベル(二次、三次等)の組み込みCUが存在する場合、任意の深さまで行うことができる。二次CUは、GSIを通して一次レベル(各タスク)における個々の各CUにサービングする。即ち、一次レベルにおけるサブCU1(タスク1)は、二次レベルGSIによりサービングされ、一次レベルでのサブCU2(タスク2)においてイベントを生じさせる。このプロセスは任意の数のレベルまで続けることができる。NSLは、二次レベルにおける任意の数のサブタスクにより各タスクをサービングする能力を提供する。一次レベルでの幾つかのタスクの各々は、独立してそれら自体の二次レベルを有することができ、それらの二次レベルの各々に収容することができる任意の数のタスクがある。これは、組み込みCU分岐を通して分化ツリーを構築する方法である。主レベルでは、分化が属性に関して生じる様式と組み込みCUによって生じる分化との間に違いはない。
[0134] 再帰CU:再帰CUとサブCUとの間には機能差はない。両方とも、場合によっては再帰CU又はサブCUの何れかの基本CU又は上位レベルに従属する。それらの間の主な唯一の違いは、再帰CUが再帰、ひいては数字及び数値構造体に対処し、サブCUは一意実体及び一意変換を含むことである。例えば、活動に組み込まれた一連のタスクの各々は、サブCUインスタンスにおいて一意である。皿洗いは、洗われていない皿をダイニングテーブルからシンクへ運ぶタスク、水道の蛇口を開けるタスク、クリーニングスポンジを濡らすタスク、石鹸をスポンジに付けるタスク、皿を洗うタスク等を含む。逆に、再帰CUは、何らかの種類の空間及び時間における再帰を含む。サブCUの場合、皿洗いに関して、基本CU1はトリガーされており、全てのタスクは組み込みサブCUのレベルで実行される。その結果、サブCUのレベルにおけるGSIは、それが原因となって生じたイベントとして、洗われた皿を基本CU2に配置する。標準動作手順を一次レベルタスクとしてシステムに課さないことを解決策設計者が選ぶ場合、これがいずれにしても生じたであろう(基本CU1は綺麗になった皿をCU2に配置する)。皿が基本CU2に配置されるには、皿が10回洗われることが解決策により求められた場合、再帰CUが重要である。実行されたタスクは一意ではなく、再帰である。再帰CU1は次の再帰CUに、1回洗われた皿を配置し、第2の再帰CU1は第3の再帰CUに2回洗われた皿を配置し、以下同様である。10回目の洗浄が発生した場合、GSIでもある最後の再帰CUは、10回洗浄された皿を基本CU2に配置する。それらの再帰CUの各々での変化ドライバ(CD)は、漸次変化するそれらの皿の属性値を有する同じエージェント及び同じ皿である。第1の再帰CUにおいて、皿は属性値「0回洗浄」を有し、第2の再帰CUにおいて属性値「1回洗浄」を有し、第3の再帰CUにおいて属性値「2回洗浄」等々を有する。
[0135] 入れ子式CU(nCU):あらゆる変化単位に固有なのは、SSAサイクルのようなフラクタルのプレイアウトである。エージェントが存在する場合、感覚が環境における物事を検知し、マインドは多くの可能性から適切な選択を行い、体は変化サイクルを完了するのに必要なエネルギーを提供する。入れ子式CUは、トランザクションレベルではるかに多くの情報という力を与えるために、基本CUに追加されるCUの追加の層である。基本CUのSSAサイクル内のSSAサイクルのようである。NSLは、SSA又は変化単位の層数に限度を課さない。所望の解決策に応じて、解決策設計者は、幾つでも必要なだけの文法SSAを追加する柔軟性を有し、基本変化単位内で、入れ子式CUは、属する基本CU又は上位レベル入れ子式CUを含む1つ又は複数のCUにおいて1つ又は複数のイベントを生じさせることができる。例えば、入れ子式CUは、「基本CU意図の現実」を潜在に変換し、したがって、特定の状況下でディセーブルすることができる。入れ子式CUが生じさせるイベントは常に、それらが添付される基本CUのコンテキスト内にあり、一方、それらのトリガーは基本CU又は上位レベル入れ子式CUのトリガーから独立することができる。入れ子式CUのCDは、独立実体又は基本CU若しくは上位レベルCUの属性であることができる(実体又はCESの現実状態の確率等)。入れ子式CUは、それ自体を含む1つ又は複数のCUにおいて「条件付き潜在」から潜在に変換することもできる。例えば、雨は、基本CUにおける雨合羽の条件付き潜在から潜在に変換することができる-したがって、基本CUのトリガーを、雨合羽が利用可能であるという条件付きにする。入れ子式CUは、婉曲的に入れ子式マインドと呼ばれる。組み込みCUは粗いCUを細粒の接続CUに分解する。逆に、入れ子式CUは、上位レベルCUに存在するコンテキスト性により大きなコンテキスト性を適用する。例:上位レベルCUのコンテキスト性は、人間エージェント、車両、及び製品等のCDが存在する場合、製品を配送することができる。上位レベルCUで暗示される条件は、天気が正常なことである。「雨」のコンテキスト性を登場させる入れ子式CUを作成することができる。上位レベルCUは、雨が降らないまで入れ子式CUが存在しないかのように引き続き機能する。前という条件が満たされると、上位レベルの挙動は変わることができる。その結果、上位レベルCUのトリガーを停止し、そのトランザクションを断念することができ、又は傘等の追加のCDを導入する条件付き潜在性を作成することができる。この例は図面40に表されている。CD到着の確率が低い場合、そのコンテキストは上位レベルCUの挙動に影響することができる。例:医師到着の確率が極めて低い場合、患者に後で来るように求めることができる。1つ又は複数の接続された入れ子式CUが存在することができる。コンテキスト内に任意の数のレベルの入れ子式CU-コンテキストが存在することもできる。
[0136] 入れ子式SSA及び剰余情報:入れ子式SSAは有意味情報を利用し、それに対して作用する。時折、SSAサイクルの形態でいかなる価値も見出すことができない多くの情報が、時間の経過に伴って蓄積する。これは剰余情報と呼ばれる。入れ子式マインドは、入れ子式SSAの任意の数の層とみられるべきである。情報に対して作用することができない場合、その情報は入れ子式CUの最後の層の情報層に座している。入れ子式SSAから発せられる任意の行動は、CUとして解決策クラスに追加することができる。CUの追加は、より多くの情報を追加し、又はトランザクションの形態でより多くの情報を生成する。剰余情報はあらゆる入れ子式SSAサイクルレベルに残ることができる。
[0137] 正規確率:確率は、イベント発生尤度の定量化である。NSLは、実体が、イベントによって駆動されるように潜在と現実との間で切り替わることができる実体ベースのモデルである。NSLは、全ての視座でBETに統計的方法を適用する能力を提供する。確率は、生じ得る結果に対する好ましい結果の比率として定義される。過去のイベントの観測に基づく。例:製品の配送は、1時間未満に行われる場合、好ましいと見なされ得る。他の物事は同じままで、その製品配送の1000のインスタンスにわたり、規定時間内で800回発生した可能性がある。その場合、製品が次回配送される確率は80%である。NSLでは、全てのトランザクションクラスは上の「解決策クラス」内に座す。確率を計算するためにする必要があるのは、所与の解決策クラスに関するトランザクション情報の収集だけである。これらの計算は、大半の場合、確率が最近のあらゆるトランザクションに伴って大きく変化する可能性が低いとき、NSLではバッチモードで行うことができる。確率適用の使用事例は簡単で豊富である。例:医師がこれから1時間で到着する確率はいくらか?確率が80%である場合、患者が待つ価値があり得る。確率の適用は、高度計画最適化(APO)、分析、ロボットプロセス自動化(RPA)、条件付き潜在性の導入、機械学習等にまで及ぶ。
[0138] 分化確率:確率を計算するに当たり、多くのバリエーションに向けた事例を作成することができる。確率は、分化ツリーの種々の視座に割り当てることができる。例:犯罪者が特定の国、州、市、又は地域にいる確率はいくらか?第1のイベントがGSI内の特定のLSIで発生する確率はいくらか?この代替CUが、他の何らかの代替CUと対比して最初にトリガーする確率はいくらか?
[0139] ベイズ論理:ベイズ論理は、特に機械学習に関して重要性を増してきた。これは、イベントに関連し得る条件の事前知識に基づくイベントの確率についてである。これは「条件付き確率」にも密接に関連する。例:A及びBが既に居合わせている場合、「C」が到着する確率はいくらか?A、B、及びCが既に居合わせている場合、「D」が到着する確率はいくらか?この例は図面21に表されている。NSLフレームワークは「コンテキスト性」を提供する。即ち、到着実体又は出発実体を、到着する環境のコンテキストに配置することを提供し、それは、既存のCES又はECESが実体の到着又は出発による影響されるのと同じである。NSLでは、「条件付き」は、行動を実行することができるか否かを左右する特定の状態の存在にすぎない。変化は、最近傍原理に基づいて解決策エコシステムを伝播する。これらの基本プロパティがNSLに存在するならば、ベイズ論理又は「条件付き確率」には全ての視座において極めて自然に対処することができる。
[0140] 条件付き潜在性:解決策エコシステムの世界には非常に多くの実体が存在している。世界中の全てのそのような存在は可能性である。解決策設計者は、潜在性として世界からのそれらの可能性をピックアップする。潜在性の世界と可能性の世界との間で、NSLは中間状態を作成する能力を提供し、可能性は予約として記憶することができ、「条件付き潜在性」と呼ばれる特定の条件を満たすと、潜在性に変換することができる。条件付き潜在性は、特定の条件を満たした場合のみ、それら自体を潜在性に変換する潜在性の特殊なクラスである。これらは、属性から段落又は書籍全体までのレベルに存在することができる潜在性であるが、特定の条件が満たされる場合のみトリガーされる。その他の点では、トリガープロパティの決定を目的として無視されるシャドー潜在性(shadow potentiality)のようである。例:雨合羽は、基本CUにおいて「条件付き確率」として存在し得る。しかし、「条件付き潜在性」が「潜在性」になるまで、基本CUのトリガーのために考慮されなくてよい。現実になるためには、実体がまず潜在であることが必須である。解決策エコシステム全体は、環境に応じてその挙動を動的に変更することができるため、これはNSLにおいて極めて強力な構造体である。これによってもたらされる柔軟性は、属性から解決策エコシステムにおける上位視座まで及ぶ。この力の行使は、特定の条件が満たされること-並びにエージェントの情報権及び決定権の適用-によってのみ制限される。
[0141] エンタングル(entangled)CU:この構造体は、式及び方程式等の他の頻繁に直面する数式に対処するためにNSLに導入される。エンタングルCUは常に、互いに条件付きで影響可能であるというプロパティと共存する。エンタングルCUの挙動は、それらの値が決定されるとき、それらの相手方の値が決まるもつれた粒子と同義である。換言すれば、互いへの切っても切れない依存性がある。
a.式:これらは「数量間の関係の一般構造体」として定義される。これらはスーパーセットとして見られる資格を満たしている。例:「A」は「B」よりも多い。これらは、方程式の可能性を含むが、他の一般式にも拡張することができる表現である。
b.方程式:これらは、「2つの表現の均等性を主張する言明」として定義される。これは「主語」の値が「目的語」と同じであるのと同様であり、「主語」が挙動又は「目的語」を決める通常の文章とは異なり、互いの値を決めることが可能な特殊なプロパティを有する。これは、同一実体及び同一実体が形成するセットに関する関係のみの場所がある数学の文脈で見られるはずである。
a.式:これらは「数量間の関係の一般構造体」として定義される。これらはスーパーセットとして見られる資格を満たしている。例:「A」は「B」よりも多い。これらは、方程式の可能性を含むが、他の一般式にも拡張することができる表現である。
b.方程式:これらは、「2つの表現の均等性を主張する言明」として定義される。これは「主語」の値が「目的語」と同じであるのと同様であり、「主語」が挙動又は「目的語」を決める通常の文章とは異なり、互いの値を決めることが可能な特殊なプロパティを有する。これは、同一実体及び同一実体が形成するセットに関する関係のみの場所がある数学の文脈で見られるはずである。
[0142] エンタングルCUの方向性:エンタングルCU間の「分化の方向性」には2つの種類がある。
a.双方向性:これは「方程式」に関してエンタングルCUに適用される。これらの場合、CUの何れかにおけるトリガー状態を決め、どのCUが他方のCUよりも優先されるかを決めるのはイベントである。例:A+B=C+D。NSLでは、A+BはエンタングルCUの1つに属し、C+Dは他のエンタングルCUに属する。A+B値が最初に特定された場合、それが先行CUになり、C+D値が最初に特定される場合、それが先行CUになる。方程式の場合、方程式符号(=)が常数として両CUに存在するものとする。
i.条件付きトリガー:「エンタングルCU」のトリガープロパティは、CU内の全ての変化ドライバが到着すると、トリガーが生じる通常のCESベースのトリガーと異なる。条件付きトリガーの場合、次のCUの状態も重要である。その状態は、1つを除く全ての変数が値の特定を待っているようなものであるべきである。「A+B」値が特定される場合、「A+B」CUがトリガーし、次のCUにおいて「C」の値を提供するには、「D」及び数式「+」も到着している必要がある。
ii.価値関数:上記の場合、一方のCUは、条件付きトリガー状態が満たされたことに基づいて別のCUにおいて価値を生み出す。
iii.条件付き関数:解決策設計者は、エンタングル状態に関して特定されるべき等号又は不等号の条件を探すことを意図する場合、ユニタリ代替CUとして作用する。例:A+B=C+Dの場合、CU2をトリガーし、等号ではない場合、CU3をトリガーする。
b.単方向:これは方程式以外の式に適用される。例:「A+B」>「C+D」。この場合、「A+B」は常に先行CUであり、後続CU「C+D」は「>」符号もそれ自体と共に携帯する。CU「C+D」の値は、「C+D」値が到着したという条件で「A+B」CUによって決まる。「C+D」の値が到着しない限り、ユニタリ代替CUはトリガーされない。しかし、それらの値が到着すると、代替CUの一方(「>」の値を有するもの又は「<」若しくは「=」値を有するもの)がトリガーされる。
a.双方向性:これは「方程式」に関してエンタングルCUに適用される。これらの場合、CUの何れかにおけるトリガー状態を決め、どのCUが他方のCUよりも優先されるかを決めるのはイベントである。例:A+B=C+D。NSLでは、A+BはエンタングルCUの1つに属し、C+Dは他のエンタングルCUに属する。A+B値が最初に特定された場合、それが先行CUになり、C+D値が最初に特定される場合、それが先行CUになる。方程式の場合、方程式符号(=)が常数として両CUに存在するものとする。
i.条件付きトリガー:「エンタングルCU」のトリガープロパティは、CU内の全ての変化ドライバが到着すると、トリガーが生じる通常のCESベースのトリガーと異なる。条件付きトリガーの場合、次のCUの状態も重要である。その状態は、1つを除く全ての変数が値の特定を待っているようなものであるべきである。「A+B」値が特定される場合、「A+B」CUがトリガーし、次のCUにおいて「C」の値を提供するには、「D」及び数式「+」も到着している必要がある。
ii.価値関数:上記の場合、一方のCUは、条件付きトリガー状態が満たされたことに基づいて別のCUにおいて価値を生み出す。
iii.条件付き関数:解決策設計者は、エンタングル状態に関して特定されるべき等号又は不等号の条件を探すことを意図する場合、ユニタリ代替CUとして作用する。例:A+B=C+Dの場合、CU2をトリガーし、等号ではない場合、CU3をトリガーする。
b.単方向:これは方程式以外の式に適用される。例:「A+B」>「C+D」。この場合、「A+B」は常に先行CUであり、後続CU「C+D」は「>」符号もそれ自体と共に携帯する。CU「C+D」の値は、「C+D」値が到着したという条件で「A+B」CUによって決まる。「C+D」の値が到着しない限り、ユニタリ代替CUはトリガーされない。しかし、それらの値が到着すると、代替CUの一方(「>」の値を有するもの又は「<」若しくは「=」値を有するもの)がトリガーされる。
[0143] 接続CU:エコシステムにおける全てのCU及び実体は互いに関連する。問題なのは、その関係がどれだけ近いか又は遠いかだけである。これは、人間がいかにいとこ、はとこ、みいとこの形態の親戚を有するかと同様である。接続CUは、特定のGSIのエコシステムに属するものである。多くの接続GSIが存在することができるが、それらの1つが満たされる場合、その他の接続GSIは、イベントによって行われる選択に基づいて消える。例えば、ファイル及びランチボックスを携帯して行先に到達するという顧客のグローバル意図を満たすために、2つの別個のエージェントがそれらの実体(ファイル及びランチボックス)を接続CUシステムに供給することができる。接続CUの例は図面5に表されている。
[0144] 関連実体及び関連CU:「関連実体」という用語は、解決策エコシステムに直接又は間接的に属する全ての実体を指す。解決策エコシステムに到着する実体及びそこから出る実体さえも含まれる。これらは全てのクラス及び全てのトランザクションに及ぶ。関連CUは、同じグローバル意図と関連しなくてもよいCUである。接続CUエコシステムはある意味、関連CUエコシステムのサブセットである。関連CUシステムの例:候補者に最終内定通知がなされる場合、ファイナンスマネージャ及び雇用マネージャの両者に通知される。ファイナンスマネージャは予算組みを行う必要があり、一方、雇用マネージャは新たな参加者に諸設備をアレンジする必要があり、その間、面接官は面接手続きを進める。関連CUの例は図面6に表されている。
[0145] 基本変化単位の相対性:全ての視座における実体は構造を有する。水平構造及び垂直構造がある。実体は変化単位にわたって分布する。変化単位は解決策の一部であり、解決策はビジネスとして機能し、以下同様である。基本的に、全ての解決策は1つ又は2つ以上の変化単位で構成される。変化単位は入力を消費し、出力を生成する。解決策が2つ以上の変化単位で構成される場合、最初の変化単位からの出力は、2番目の変化単位の入力になる。2番目の変化単位の視座から、出力は必然的に入力である。同様に、変化単位は解決策に属する。解決策は事業単位として機能し得る。事業単位は一緒になってより大きな事業セグメント又はバーティカルになることができる。変化単位内には下位構造及び上位構造がある。変化単位の相対性は、解決策又はその構成要素が見られる視座に依存する。全ての実体及びCUは互いに関連する。所望の状態に達するために、実体及びCUは多くのローカル実体状態組合せ(CES)を通して遷移する必要がある。これらの変換状態は全て、原因結果原理に起因して取得されるすぐ次の状態と呼ばれる最近傍概念に従って、有向変化及び関数を通して取得される。望みを叶えることに関して接続及び/又は関連するあらゆる変化単位にはコンテキスト的アイデンティティが割り当てられる。エコシステムは、エージェントの利益のためにそれ自体を変更することができ、エージェントにとって重要な実体のみが現れる。選ばれたあらゆるCUは、基準系を決め、エコシステムにおける任意の実体への距離及び任意の実体からの距離を査定する。解決策における各変化単位は、望みを叶えるために近いエージェントを採用し、その相対位置を有する。この例は図面7に表されている。
[0146] 不確実性の被制御低減:全ての解決策は変化の結果である。ランダム変化は所望の変化に繋がる可能性が極めて低い。解決策は、ある「最適未満CES」から別の「最適CES」への変換についてである。変換を確実にするためには、変化は被制御変化である必要がある。人間エージェントは、環境の「感知」を通して環境を注視することによって変化を制御する。例えば:「サーチ」は環境を注視する一メカニズムである。エージェントは、正しい実体の「選択」に進み、それから選択された実体に対して「作用」することに進む。そのような被制御動作は、所望のCES(最適CES)に達するまで、エージェントをあるCESから別のCESに導く。変化を制御するには、マインド関数が必要とされる。ボディ関数(アクチュエータ)も必要とされる。両方とも、制御されるエネルギーによって駆動される。人間の体及び脳は、消費する食料を通してエネルギーを蓄え、そのようなエネルギーの放出を制御するように十分に備えられている。これが基本的に意味するのは、あるCESから別のCESへの移動に、「SSA」サイクルの調整が必要なことである。NSLでは、マインド機能は、定義されたメンバシップ基準を有する潜在実体の識別を通して表される。クラスレベル構成要素を有するCUは、一度に1CU SSAサイクルずつ、変化経路をレイアウトする。SSAサイクルのこれらのカスケードは、理想的な状況では解決策に繋がる。これらの変換経路(接続CU)は、人間エージェントによりオンザフライで作成されることがある。しかし最も頻繁には、これらは、状況が反復的な性質であることが多いという事実に基づいて、記憶された手順である。これは、解決策設計者によるメンバシップ到着再発を予期して実施される解決策クラスレベルCUの使用である。
[0147] 解決策クラス:解決策アーキテクトは、クラス及びサブクラスを定義し、潜在レベル段落を作成する。イベントは、メンバレベルで到着し、適切なクラスを選択する。常に、望みの形成並びに変化ドライバ及びエージェントの選択で開始される。解決策論理の視座にある実体をトランザクション論理における実体から区別することが重要である。解決策論理では、変数は、実体関係の原理をレイアウトする「任意のLSI」、「任意の人間エージェント」、「任意のペン」、「任意の紙」等である。全てのクラスは暗黙的又は明示的なメンバシップ決定基準を有する。一端では、「光がそこにあるか否か」等の単なるバイナリ状態であることができる。他端では、メンバとして世界中の70億の人々の何れかを受け入れるクラスとして「人」であることができる。そのような場合、規則は、「人」クラスが70億の人々の何れかを受け入れるが、一度に一人のみであるというものである。
[0148] サブ解決策クラス:解決策から「トランザクションクラス」まで繋がるまでに任意の数のサブクラスが存在することができる。例:世界がクラスレベル実体である場合、USAはサブクラスであることができ、カリフォルニアはサブサブクラスであることができる。サブクラスはクラスのメンバであることに留意されたい。
[0149] トランザクションクラス:トランザクションクラスは、解決策クラスのメンバである。トランザクションが実行される場合、ユーザは、解決策クラスにより可能になり、潜在状態である異なる可能性及び選択肢から選択することができる。トランザクションが展開するのはトランザクションクラスにおいてである。言明されたトランザクション変化ドライバ(CD)がCUの物理層に存在する必要がある。トランザクションが展開するには、「最小メンバシップ基準」が満たされるべきである。例:CUが人間の情報を指定する場合、犬が到着したとき、最小基準は満たされない。
[0150] 分化トランザクションクラス:これは、トランザクションクラス実体が、「最小メンバシップ基準」を満たすのをはるかに越えてはるかに多くの情報を持っているトランザクションクラスである。例:到着したばかりのペンは、その色、その製造、到着時間、到着場所等の追加情報を持っている可能性がある。
[0151] サブトランザクションクラス:解決策設計者は、解決策作成の一環として、内部の詳細を述べずにトランザクションクラスを定義する。トランザクションクラスに到着したエージェントは、サブトランザクションクラスと呼ばれるトランザクションのサブクラスを作成する自由を有する。例:解決策設計者は、手紙を書くためのCUを定義するが、手紙を書くエージェントは、手紙の様式及び内容を選ぶ。この特徴は、あらゆるトランザクション実行エージェントが、トランザクションレベルで解決策の設計者になるように力を付与する。これは、情報権及び決定権の適用と同じ解決策環境を使用して可能になる。クラス内でのクラスの作成の導入を通して、NSLはあらゆるトランザクション実行者及びユーザを「計画者及び設計者」に変換する。これは、計画に従って自由度を制限する場合を前提としている。これは、トランザクションレベルのエージェントがエージェント自体の運命を切り拓くのに役立つ。一シナリオは、解決策設計者によって制定された制約に限定されることである。そのようなシナリオでは、制定された制約に従って動作することができるが、既存の解決策環境における上位レベル設計の制約内で計画及び設計を行うことはできない。例:トランザクションを計画し設計する柔軟性がトランザクションエージェントに与えられたらどうなるか?制定されるシステムレベル制約は、トランザクションエージェントがコロニー内の数百の家庭の何れかに1日に10回の配送を行う必要があるというものであることができる。利用できる自由度内で、トランザクションエージェントは、解決策設計者が計画に使用するのと同じ設計システムを使用することができる。最初の1時間で家庭「x」に配送し、次の1時間で家庭「y」に配送し、以下同様であるように計画することができる。全ての計画又はアルゴリズムは、意味をなす制約の制定についてである。数百万の可能性があったが、エージェントは、何らかの基準及び計画に基づいて幾つかの制約を課す。隠喩的に、本システムは、感覚情報に基づいて環境に反応することができる動物を設計している進化に相当する。しかし、動物は、高次認知機能を実行することができる前頭葉皮質がないため、計画することができない。トランザクションサブクラスの導入は、動物に前頭葉皮質を備えさせ、動物を人間にすることと同じである。ここに、考え計画することが今では可能な動物ができあがる。サブトランザクションクラスこれに類似する。人々に力を与える強力で偉大な方法である。
[0152] NSLは被制御分化が全てである。実体が既存のCESに追加される場合、その実体はCES又はECESを分化させる。実体の任意の削除又は実体の値の無視は、物事を一般化(未分化)の方向に向けさせることになる。全ての解決策設計は、CES又はECESの形態のクラスの接続を通したクラスの最適分化についてである。これらのクラスは、異なる名称で呼ばれるが、同じことを意味する。例:制約、規則、制限、手順、アルゴリズム、仮説、プロセス、構造、セット、ガイドライン、規制、法律、及びシステム。これらは全て同義であり、同じことを意味する。特定のメンバを受け入れ、他を拒絶することによって可能性を狭める。自然には、実体又はクラスの概念がない。自然では、全ての物事は自然の基本的な力によって運行され、連続する。エージェントシステムにおいてのみ、クラス及びメンバの形態での実体の導入が生じる。実体は、無限の複雑性を克服するために、排中律原理によって運行される。進化は、全ての生物に実体ベースのモデルを作り出した。生物は、有向エネルギーを通して、生き残るために重要な実体に向かう傾向を有する。人工的に作られた「機械エージェント」も同じ実体ベースのモデルに従う。エージェントはクラスの作成を通して期待し、到着したメンバが期待を満たす。本説明で述べたように、エージェントは、クラスに関してクラス又はメンバをマッチングする能力を備えている。クラスは、多くのクラスレベルCES又はECESを作成することによって分化することができる。最終降下が「トランザクションクラス」で生じるまで、それらのクラス内には任意の数のサブクラスが存在することができる。一般的に言えば、力を付与された解決策設計者は、トランザクションクラスレベルまでのクラスの分化に対処する。その後、トランザクション時、所与の役割を実行しているエージェントは、クラスの制約内で動作し、トランザクションを管理する。顧客に所与の日にサービス提供すべきであることを解決策が指定していた場合、役割保持者はその仕様に準拠しなければならない。しかし、それらの制限内で、役割保持者は幾つかの自由度を有する。役割保持者は、顧客に朝、昼下がり、又は夕方にサービス提供することを選ぶことができる。ここでの最小メンバシップ基準は日にちである。これらの自由度は、多くの選択肢を行使するための多くの余地を残す。現実では、エージェントが(役割保持者として)この状況に対処する方法は、トランザクション実行時にエージェントが偶然に行うことではない。エージェントはそれを計画し、即ち、トランザクションクラスの範囲内でサブトランザクションクラスを作成する。例:エージェントは、所与の日に10人の顧客にサービス提供するタスクを有する。全ての顧客がその日にサービス提供される限り、エージェントはそれらの顧客に任意の順序でサービス提供する自由を有し得る。エージェントは、マインドにおいてサブトランザクションクラス(STC)を作成することにより活動を計画し始める。日中、エージェントは、それらのクラスに関してメンバシップを計画したように生じさせることによってそれらのSTCを実行する。これは、人々が現実世界で人間エージェントとしていかに動作するかである。トランザクションエージェントは、解決策設計者によって設計されたようにトランザクションクラスの範囲内に留まっているため、設計に関して競合を生み出さないであろう。トランザクションエージェントには随意、これらのSTCを作成する力が系統的に与えられるものとする。これらのSTCが一回限りの活動に関する場合、これらのSTCはやるべき項目の形をとるであろう。時系列の枠を越えた再帰活動に関する場合、習慣と均等であり、同じ活動を同じように何度も実行させる。
[0153] 分化に向かう降下:降下が解決策クラスから分化トランザクションクラスまで生じるにつれて、各レベルにおけるメンバは上のクラスにタグ付けられる。例:世界-USA-カリフォルニア。これは、未分割の分化ツリーを系統的に捕捉するという要件を守る。あらゆる物は、実体が属し得る基板に関係なく情報的である。したがって、情報に作用することは、「物理基板における行動」も含む。例:手紙を受け取ったことを受けて手紙を書くことは、情報に対して作用している。したがって、パタパタしている紙の上にペーパーウェイトを置くことも、情報に対して作用している。次いで生じる質問は、「エージェントはいつ、情報に対して作用すべきか?」である。この質問への簡単な答えは、エージェントは、新しい情報の生成に消費した努力が、新しい情報の利益未満であるとき、情報に対して作用すべきであるというものである。例:読書したいが、暗い場合、起き上がって照明をつけることは価値ある努力である。照明をつけるという行動で消費された物理的エネルギーのコストは、本を読むという利益よりも小さい。これらの原理に従って、より多くの「分化トランザクションクラス」情報がある場合、入れ子式SSAサイクルをそれに添付し、新しい価値ある情報を生成することに意味があり得る-大半の場合。
[0154] 最小メンバシップ基準:最小メンバシップ基準は、クラスレベル分化に対処する。メンバシップは、クラスレベルで添付される制約の形態で定義され、メンバの到着基準を指示する。メンバは複数の層の情報と共に到着するが、受け入れのためには、最低限の最小関連情報のみが考慮され、他の全ての情報は無視される。例えば、旅行者が、旅行のために空港ターミナルに到着した場合、チェックインカウンターにおいて、旅行者の航空券及びパスポートは、旅行者に搭乗券を発行するための最小要件である。セキュリティチェックレベルでは、搭乗券及びバゲージのスクリーニングが、セキュリティクリアランスの最小基準である。最後に、航空機に搭乗するためには、スタンプが押された搭乗券が、航空機に搭乗するための最小基準である。運転免許証ID、従業員ID、電話番号等、チェックすることができる種々の物事がある。しかしながら、各チェックステージの目的として、最小メンバシップ基準のみがチェックされ、その他の詳細は無視される。この例は図面8に表されている。
[0155] 変動性:実体は、メンバとしてクラスに入る場合、最小メンバシップ基準のみを満たす。例:ある人がクラブのメンバである場合、その人は、メンバシップカードを携帯する場合、クラブへの入場が許される。最小メンバシップ基準を満たした後、各適格メンバははるかに多くの情報を携帯する。例:メンバは入場時間、性別、身長、体重、色、及び多数の他の情報を携帯する。トランザクションサイズが大きくなるにつれて、データと呼ばれる情報の量も増大する。そのようなデータは、プロットされ、多くの方法で解釈されて、有意味情報を選別することができる。データ又は情報の変動性は、多くの方法で統計的に査定される。平均、メジアン、モード、比率、範囲、分散、標準偏差等を識別する方法が確立されている。分析及び図面推論におけるこれらの有用性は観測することができない。この例は図面22に表されている。NSLは、BETの全ての視座で統計分析を実行する能力を提供する。加えて、最近傍を通した全てのBETの繋がりを最大限に利用もする。その上、NSLを使用してデータ視覚化技法をよりよく展開することができる。
[0156] 予約実体及び予約CU:NSLで作成されたあらゆる解決策はキュレートされ、動的解決策ディクショナリ(DSD)と呼ばれるライブラリに記憶される。解決策に含まれるBETと共にDSDに記憶されたそのような各解決策は、同じものを再び作成又は再び設計する代わりに、任意の解決策設計者によって再使用することができる。NSLは、種々の視座での既存のBETを使用する能力を提供することにより、解決策論理の構築における冗長性を最小化する。これらの再使用可能な実体は予約実体と呼ばれる。CU全体が再使用可能な場合、予約CUと呼ばれる。
[0157] 動的解決策ディクショナリ(DSD):DSDは、NSLにおける全ての解決策及び解決策構成要素の単一の中央リポジトリである。様々なソースにより寄与される考えられるあらゆる解決策がDSDに置かれるものとする。全ての視座における実体がDSDに存在することになる-最低レベルの属性から書籍又はライブラリという最高レベルまで。DLD(解決策生成)エンジンはこのDSDに添付され、それにより、存在していないあらゆる解決策は、瞬時に構築することができ、DSDに寄与することができる。DLDは、GSIを自己生成することさえでき、アイドル時間中、LSIを通してGSIをイネーブルし、DSDを常に富化することができる。これは、努力及び結果に割り当てられたポイントに基づく「ポイントシステム」に基づくものとする。これは、割り当てられた値に基づく収益、費用、及び利益の原理によって導かれる事務に類似した何かである。GSIを自己生成できるようにするに当たり、入れ子式SSAサイクルは、人間エージェントがいかに考え動作するかをエミュレートしているにすぎない。全ての解決策又は解決策の構成要素は、NSLのデパートで提供されるまま視覚化することができる。デパートは、店内で入手可能ではない任意の製品を瞬時に組み立てる機械学習駆動の組み立てラインに添付される。なお、実体は、それら自体の一意のIDと共に全ての視座で存在することができる。異なる視座における各実体は、バイナリ状態で存在しているその視座から撮影したスナップショットのようである。実体は、最近傍の概念を通して一緒に繋ぎ合わせられる。DSDは、ユーザが解決策の世界に携われるようにする動的ユーザインターフェースを有するものとする。
[0158] 基板(substrate):それ自体のプロパティ及び規則のセットを有し、他おシステムにおける実体との等価性を確立するのに十分な数の実体を含む任意の自己完結型システムが基板である。上記言及した「規則」は、(a)制約、(b)プロパティ、(c)CU、(d)原理、(e)潜在性、(f)法則、(g)アルゴリズム、又は任意の他の同義名称と同義である。例:物理基板は、原子で構成され、その実体に関連する質量を有する三次元世界で動作するというそれ自体の品質を有する。同様に、英語言語は、特定の種類のアルファベットで構成される基板である。実体が明示的又は暗示的に表されることができるのと全く同様に、基板も解決策エコシステムで表されることもでき、又は暗示されることもできる。全ての基板及び実体は「物理現実」に属し、例外なく空間及び時間において表される。あらゆる実体は、何らかの物理形態で存在し、空間及び時間に組み込まれなければならない。物理的なものには全て、弁別性が関連するため、定義により情報的でもある。近代物理学では、現実の物理的側面と情報的側面との間の境界は、消滅している。実体は、解決策にわたってある基板から別の基板に移動する。暗示基板は、明示的に述べられていない場合であっても、NSL解決策がデフォルトにより何れかの基板に記憶されることを指す。例えば、解決策設計者は、NSLプラットフォームで解決策を作成し得る。ユーザインターフェースを使用した解決策の作成は、データがデータベースに物理的に記憶されている場合のみ可能である。
[0159] 「クラスのクラス」としての基板:基板は「クラスのクラス」である。各基板は、解決策クラスレベルにおいて多数の実体を含むシステムである。基板に含まれる実体は、属する基板のプロパティに従属する。即ち、基板に関する制約又は規則は、基板における各実体に適用される。例:物理基板における「岩」は、自然の物理法則に関する基本的な法則によって決まるように、重い。自然言語の基板における「単語岩」は、自然言語文法と同じである自然言語の法則に支配される。人間は、環境中の多くの実体を認識する能力を有するのと全く同じように、複数の基板を認識する能力も有する。
[0160] 基板及びそれらのプロパティ:基板は、観測、記録、及び通信するために利用される媒体である。人間が利用可能な多くの基板がある。オーディオ/ビデオ/イメージは、幾つかの一般的に知られている基板である。各基板は実体の真理値に等しいそれ自体の制約のセットを有する。基板に関して、プロパティにいくらかの共通性がある。例えば、真鍮製の全ての像は同様のプロパティを保有する。真鍮像は任意の個人を表すことができる。しかしながら、同個人は写真又はイメージを通して表すことができる。イメージのプロパティはここでも類似性を有する。各基板はそれ自体の固有のプロパティを有する。三次元表現は組成に関して二次元表現と大きく異なる。同様に、実体を表す紙面に書かれたテキストは、同じ実体を表すイメージと大きく異なる。
[0161] 基板タグ付け及び基板クロスオーバ:あらゆる実体は複数の基板に存在することができる。あらゆる実体は、物理的性質及び情報的性質である。実体は複数の表現を有することができ、表現は複数の基板に存在することができる。各基板及びその組成要素表現は、それら自体のプロパティを有する。例えば、人の彫像はそれ自体のプロパティセットを有する。それは重く、鉄又は真鍮で構成され、ある場所から別の場所に移動するのに時間が掛かる等であり得る。一方、人のイメージはかなり異なるプロパティを有する。それは軽く、容易に移動可能であり、占めるスペースははるかに小さく、まるかに少ない情報に詰め込まれ、二次元形態を有する等である。解決策を展開するには、重要なのがどの形態(基板)又は表現であるかの決定を定義する必要がある。医師は直接自分で、手術を行う必要があることがある。場合によっては、医師が電話し、診察して解決策を提供することができる。表現が変わる場合、基板も変わる。したがって、あらゆる実体及びその表現が、その実体が存在する基板と共に、解決策視点から重要になることが重要である。表現の電磁形態は、物理的実体と比較してはるかに速いペースで移動する。基板クロスオーバ及び基板タグ付けの概念は潜在的に、最も効率的な解決策の構築に強力な影響を有することができる。シームレスな基板タグ付け及びクロスオーバと結合したNSLによって付与される動的性は、解決策展望を真に変えることができ、新しい時代の草分け的解決策の先駆けとなることができる。
[0162] 等価原理:数学における方程式は、等価原理によって動作し、A=B=C=Dであるとき、それらは相互交換可能である。同様に、多くの基板は、他の基板又は同じ基板内に等価実体を有することができる。例:物理基板における「ラーマ」は、言語基板に等価実体-「単語ラーマ」、イメージ基板に等価実体「イメージラーマ」、(脳の)知覚基板に等価実体を「分子配置ラーマに等しい」のセットとして、同じ基板において等価実体「ラーマの彫像」等々を有することができる。NSLは、基板を含む世界中のあらゆる実体を物理的世界に存在しているものとして扱う。同様に、区別可能なあらゆる物は実体として適格であるため、基板を含む世界中のあらゆる実体を情報的としても扱う。各基板における全ての実体は、定義により情報的である必要がある。それは、基板にわたる全ての等価実体が同じ情報を伝達することを意味しない。情報非対称性が、クローン実体を除き、異なる基板に存在する同じ実体間に存在する。例:手紙が100人の人々に電子的にコピーされる場合。等価原理により求められるのは、「最小メンバシップ基準(MMC)を満たすこと」だけである。MMCが求めるものは、メンバシップ基準が満たされるような最小必要情報である-任意の追加情報が喜んで受け入れられるが、必須ではない。基板におけるAを見ることにより、別の基板又は同じ基板において別の実体を同じものとして識別可能な場合、等価要件が満たされる。「物理的ラーマ」は1050ビットの情報を運び、「単語ラーマ」は32ビットの情報を運び、「イメージラーマ」は107ビットの情報を運び得る。等価実体間の情報内容は異なることができる。クロスオーバが基板にわたって生じる場合、等価原理に従い、真理値が保存される必要があることが付随する。例:「物理的ラーマ」が「単語ラーマ」と等価である場合、真理値は保存される。「物理的ラーマ」が「単語クリシュナ」と等価である場合、真理値は保存されない。
[0163] 表現実体:NSLでは、全ての物事はコンテキスト的及び相対的な性質である。コンテキスト的に関連するCUの物理層に座する(CDとして)実体は何であれ、「現実実体」になる。それと「等価関係」を有する他の全ての実体は表現実体になる。換言すれば、何が「現実」で又は何が「代表」かは、コンテキスト性に基づき、相対的な性質のものである。何が現実実体で又は何が表現実体かを判断するために、基板による有意性は存在しない。変化単位は同時に、異なる基板からの変化ドライバ(CD)を有することができる。例:メッセージは1つのCDであることができ、「物理的ペン」は別のCDであることができ、「イメージ」は更に別のCDであることができ、これらは各々、異なる基板に属するが、それでもなお同じCUにある。
[0164] バンドル基板:基板間に多くの親和性がある場合、それらは一緒にバンドルされる。例:情報技術において、抽象化の層は、NSL用語における基板にすぎない。それらの基板は、電磁力、情報ビット、記号、データベース、論理及び機能層、UI等により制御することができる。それらは共生関係を有するため、一緒にバンドルことができる。このバンドル挙動は、多くの他の基板群にも適用される。例:脳は多くの基板を内に抱き、情報を捕捉する基板、情報を記憶する基板、情報を処理する基板等。
[0165] 関連基板:基板内に、わずかな変動を伴って関連する多くの基板が存在することができる。例:有形資産は基板のカテゴリであり、カテゴリ内に固定資産及び在庫と呼ばれる2つのブランチがある。これらは、有形資産という広義の基板内の基板である。同様に、自然言語が基板である場合、その層である7000の自然言語が世界中に存在する。同様に、無生物の物事及び生物は両方とも同じ物理的世界に属するため、世界中の無生物の物事は生物に関連する。
[0166] 階層基板:基板がより広義又はより狭義で定義される場合がある。基板は「有形資産」として定義されることができ、又は基板の視座を降下させ、「固定資産」基板及び「可変資産」基板に狭めることができる。基板を通して独立実体に適用される分化の原理は、より分化した基板にもまた適用される。
[0167] 物理的連続体:物理的連続体の原理は、解決策は情報的であり、情報は何れかの基板に物理的に記憶される必要があり、SSAサイクルは連続して展開するという基本前提に対処する。物理的連続体の原理は、離散した状態及び真理値を保存することにより基板間の情報の連続スレッド及び交換を維持する。物理的連続体の原理は、物理的な連続鎖を破らずに真理値及び離散性を保存しながら、情報が異なる基板に記憶されることに対処する。問題状態から遷移状態への連続遷移があるため、各状態は組合せ的な性質である。ある状態から別の状態への移動も、ある実体状態組合せから別の実体状態組合せへの遷移として見られる必要がある。NSLは、状態の連続体を記憶する能力を有する。NSLは、実体が明示的又は暗示的である場合であっても、全ての状態を捕捉し、基板を接続するモデルを有する。プラットフォームは、真理値を捕捉するのに十分な最小重要情報を記憶する能力を有するが、全ての基板が同量の情報を有する訳ではない。例えば、視覚障害者は、耳、におい、及び触覚を通してより多くの情報を感知することができる。人々は多くの場合、情報を取り込む様々な方法を有する。暗い部屋にいる場合、視覚は目的を果たさないことがある。SSAサイクルは常に調整しており、各SSAサイクルは、離散した変化単位である。しかしながら、現実で生じているイベントは、何れかの基板によって捕捉される。真理値を保存して現実を正確に伝達する一定の基板クロスオーバが存在する。問題状態から解決策状態へのエネルギーの流れは連続する。したがって、SSAサイクルは、代表相手方を任意の基板で見つけ、その各々は物理的に記憶される。物理的連続体の原理は、表現を同一と満たすために十分な構造体を有することによって真理値を保存しながら、情報が異なる基板に記憶されることに対処する。この例は図面9に表されている。
[0168] 共生基板:人間エージェント又は機械エージェントを問わず、解決策に繋がる物理的連続体は、分離で達成することができない。基板間のシームレスな遷移又はクロスオーバは、物理的連続体及び解決策に向けての前進を維持するのに必須である。例:ITの場合、物理的連続体は、例えば、入力がバンドル基板に提示され、出力がバンドル基板からとられる場所であるユーザインターフェースがない場合、維持できない。
[0169] 基板のプロパティ:特定の基板に属する実体は、それらの基板のプロパティによって影響される。例:物理基板は原子から構成され、自然言語は「アルファベット」から構成され、デジタルイメージはピクセルから構成される。所与の基板における実体のプロパティは、それらの実体が相互作用する様式によっても影響される。物理基板実体は、物質界によって決まる制約又は規則と同じである物質界の基本的な力によって駆動される。例えば、光は真空中を一定速度で移動し、2つの物体が同じ空間及び時間を占めることはできない等は、物質界によって決まる制約のほんのわずかな例である。言語基板は、その言語の文法(その制約又は規則)に準拠する必要がある。知覚基板は、脳内の分子が、表現実体として分子を配置し動作する様式に依存する。脳内の活動は、ニューロンが発射する条件又は発射しない条件によって決まる。これらの「制約ベース」又は規則ベースの挙動は各々、それらと関連付けられた感知、選択、及び行動(SSA)サイクルによって決まる。これらのSSAサイクルは、各基板で許されている固有の変換経路に基づいて発見される。基板規則を考案するためではなく、基板規則を識別し適用するためのものである。そのような豊富な知識ベースは、これらの各基板に関して既に存在している。基板はエージェントの精神的分類であるため、かなり多数の基板クラスがあり得る。実体と全く同じように、それらの基板は重要ではないものであることができる。時には、暗示されるものであることもできる。
[0170] 基板のラベリング:全ての実体は、「空間及び時間」と共存する現実に組み込まれる。この現実-物質界-は取り決め通り、物事を分類しない。「物質界」では、あらゆることは無限に向かって連続する。離散実体を作り出し、複雑性を克服するために分類するのはエージェントである。エージェントは、感知、選択、及び行動(SSAサイクルの実行)に関して能力が限られる。したがって、必然的に、エージェントは、対処する実体を最適化する必要がある。そのような分類は、上述したように、組み込まれた基板及び実体の両方に関することができる。基板及び実体は連携し、分離できないため、まるで永遠の伴侶及び同じコインの表裏のようである。したがって、それらに対処する一方法は、あらゆる基板を実体の属性として表すことである。実体は、実体が属する基板のラベルを有することができる。基板も、その基板内の全ての実体を横断する基板のプロパティによって区別される。例:物理基板実体には質量又は重量が関連付けられる。次いで、それが属する基板のコンテキストにおいて固有のプロパティによって更に区別することができる。物理基板における実体は固体又は液体であり得る。そのようなラベリングは、大抵、機械エージェントによって自動的に行うことができる。自動化の程度は、基板属性プロパティの背後の予測可能性又は再帰性に依存する。自動化が可能ではない場合、解決策設計者又はユーザは、基板を正確にラベリングするのを助けるものとする。
[0171] 属性としての基板:NSLでは、全ての物事は相対的、即ち方向、何が重要か、意図が何であるかに関して相対的である。誰かが実体の視点から物事を見る場合、その基板はそのサブセット又は属性になる。誰かが物事を基板の視点から見る場合、その組成実体はその属性になる。これは、自身をインド人であると宣言するのと同じである-ここで、インドは属性である。国として「インド」の視点から、インドにいる各自はその組成要素であり、したがって、そのサブセット又は属性になる。
[0172] 基板の背後の動力学:基板にわたる物理的連続体がいかに維持されるかは、以下の例示から眺めることができる。この例示はWWW原理及びエージェントが現実世界及び技術世界で解決策をいかに達成するかにより駆動される。解決策への進行が生じている間、連続鎖が破れないことを観測することができる。解決策は、「エージェント」との関連でのみ登場する。物質界はただ、物質界の4つの基本的な力に基づいて動作し、特定の好みはない。物質界はいかなる解決策も探し求めず、エージェントが解決策を探し求める。エージェントが解決策を探し求める際、連続鎖-物理的連続体-は主に、電磁力によって駆動される。場合によっては、重力が役割を果たすが、物質界のその他の2つの基本的な力-強い力及び弱い力-は、解決策の視点から重要ではないため、無視することができる。人間エージェントが渇きを癒やすためにネットを経由して1本の水を注文するシナリオを想像する。「体の基板」で何らかの化学的不均衡が経験された結果、渇きの感覚を伝える分子再配置の形態のある種のメッセージが「脳の基板」に到着する。そのような水を飲むという望みが「脳の基板」で生じると、その望み又は願いは外部世界に伝達又は中継される必要がある。換言すれば、脳はその情報に対して作用する必要がある。脳は、舌まで延びる人間神経系基板に頼る。等価原理に基づく神経系からの命令に関連して筋肉系が活性化される。舌の動きは、空気中の分子の基板において振動を生じさせ、ここでも等価原理を保存する。そうするに当たり、エージェントは偶発的に、言語の基板にも頼る。ここで、ただ考えを強化するために、等価は、神経系での特定の独自のシグナルが、等価である舌での特定の動きになることを意味する。舌の特定の動きは、空気中での特定の独自の振動を生じさせ、以下同様である。空気分子の基板を通して音が生成され、望みの表現が「電話システム基板」を通して行われる。空気分子の振動に基づいて、電話内のダイアフラムは振動を「電磁基板」における等価の電磁波に変換する。各タイプの電磁波は特定の表現に対応する。他端の電話に信号が到達すると、電磁基板は信号をその場所での空気分子の基板に転送する。他端で電話をとったオペレータの鼓膜の基板は、顧客の望みをオペレータの脳に伝播させる。等価原理を保存して、オペレータは情報を神経系の基板に転送し、神経系の基板は情報を手の筋肉系に転送し、そして手の筋肉系は、UI基板のレベルで詳細をコンピュータ入力し、そしてUI基板は情報をコンピュータの内部基板に転送する。コンピュータの内部基板は、情報を通信ネットワークの基板に伝達する。通信ネットワークは、配送人のスマートフォン内部基板に情報を渡し、そしてスマートフォン内部基板は情報をそのスマートフォンのUI基板に配置する。そのUIから放射される電磁波は、情報をその配送人の視覚野基板に運ぶ別の基板として作用する。脳、神経系、筋肉系等の一連の基板転送を通して、配送人はここで、物理基板レベルで情報に作用する。先に述べたように、物理基板レベルで情報に作用することは、知覚基板レベル又は言語基板レベルで情報に作用することと違わない。配送エージェントは棚からボトルをピックアップし、物理基板を通して移動するバイクに乗り込み、顧客の玄関先に到着する。支払いがクレジットカードの場合、ここでも、コンピュータのバンドル基板内で行われる一連の基板クロスオーバが存在し、支払いが行われる。顧客は物理基板において水のボトルをピックアップし、水を飲む。水は体の胃腸基板を通り、腸の内層を通して吸収された場合、体の循環器系基板に渡される。ここで、体内の化学的平衡が水に関して回復し、その情報は体により、脳内で行われる分子の何らかの再配置を通して脳の基板に伝達される。最後に、渇きが癒やされる。上記例示における基板の関与は決して網羅的ではない。この例示は、等価原理を保存しながら多くの基板間での多数のクロスオーバがあらゆる解決策で必要とされることを知らしめることを目的としている。基板が、基板内のエージェントと全く同じように、エージェントによって概念化されたクラスであることも知らしめている。暗示されるように任意の解決策設計に多くの実体を採用することができ、注目に値する実体のみが指定される。手紙を書くために、ペン、紙、人、及び意図を指定し得、テーブル、椅子、部屋の快適さ等のそれを実現できるようにする環境を当然の前提として受け止め得る。同原理は、基板の場合にも適用される。述べる価値がある基板のみ言及するであろうが、他の物事も当然の前提として受け止められる。例:体及び脳の基板を認識し得、それらのサブ基板の多くを無視し得る。
[0173] 基板ライブラリ:全ての物事は、それらが属する基板を問わず、NSL視点からは情報的である。実体は多くの基板に同時に存在することができる。しかしながら、等価原理及び真理値は保存されるべきである。各基板における様々な数量の情報との情報非対称性が存在することになる。「最小適格情報」の存在が、異なる基板にある「実体の等価性」を確立するのに十分である。例:「単語ペン」を見ることにより、「物理的ペン」との等価を確立することができる。「物理的ペン」における情報量ははるかに大きい(膨大な量の離散/別個状態を収容するため)が、「単語ペン」では数ビットの情報が、等価性を確立するのに十分である。「最小適格情報」基準を満たしている。全ての基板はエージェントの精神的構造体である。それらはクラスのクラスである。例:ペンはそれ自体、クラスであり、物理基板に座すことができる。「物理基板」もクラスであるように発生する。「ペンクラス」が「物理基板」の基板にある場合、NSLは「クラス内のクラス」状況に直面する。この例は図面37に表されている。情報技術におけるあらゆることは最終的に、言語の代表レベルで扱われる。物理基板における追加情報は、言語用語で表される「物理基板のクラス」につるされた属性値の形態でその追加情報を表すことによって捕捉される。全ての基板のスーパーセットが、この基板が存在する空間及び時間の外部に何物も入り得ない「物理基板」であることにも留意する。全ての別個状態は物理基板で捕捉される必要があり、物理基板内の情報は最大であるため、物理基板はスーパーセットである。NSLはi.物理基板、ii.生命体基板、iii.言語基板、iv.イメージ基板、v.隠喩/格言/熟語基板にフォーカスした基板ライブラリを有する。図面38は、基板ライブラリ内の5つの識別された基板を表している。基板ライブラリは以下に対処する。
1.まず、構造化属性としてあらゆる実体に関する全ての追加情報を確立する。
2.それらの実体に各基板に関する制約を受けさせるプロセスを確立する。
3.それらの実体が他の実体と独立して又は組み合わせて有することが可能な相互作用に関する制約を更に確立する。
4.行うことができる予測及び導き出すことができる推論に供給する。
5.機械エージェントに、人間エージェントと同じ又はそれよりも良好な推論を導き出させる。
1.まず、構造化属性としてあらゆる実体に関する全ての追加情報を確立する。
2.それらの実体に各基板に関する制約を受けさせるプロセスを確立する。
3.それらの実体が他の実体と独立して又は組み合わせて有することが可能な相互作用に関する制約を更に確立する。
4.行うことができる予測及び導き出すことができる推論に供給する。
5.機械エージェントに、人間エージェントと同じ又はそれよりも良好な推論を導き出させる。
[0174] 基板及び分化:基板がそれ自体のプロパティを有することが大前提である。基板における各実体が属性として基板のラベルを有することも大前提である。異なる基板が基板にわたり実体の異なる量の情報を有することも確立される。作用することができる情報は、異なる基板で異なることができる。物理基板におけるelephant(象)は、それと関連付けられた大量の固有情報(全てのセル及び関数をカウントする場合)を有する(例えば1040ビット)。アクセス可能な情報(イメージとして)は、例えば107ビットであることができる。その場合でさえ、8バイトのみである-単語「elephant(象)」中の8文字-言語基板での情報よりもはるかに多い。人間は、基板間の情報非対称性に起因して、利用可能なこの追加情報を利用する。その追加情報に対して作用するために、各基板のプロパティが提供するSSAサイクルに依拠する必要がある。
[0175] 基板SSAサイクル機能のレベル:異なる基板実体が異なる量の情報を有することが大前提である。等価原理はなお、異なる基板内の実体間の情報非対称性とは関係なく、保存される。異なる基板が異なるプロパティ及びそれらの組成メンバが従う規則を有することも大前提である。例:繰り返すために、物理基板は物質界の基本的な力によって拘束され、言語基板は文法によって拘束される。各実体は、属する基板に関係なく、情報実体である。「ペーパーウェイト」は情報実体であり、「単語ペン」も情報実体である。情報実体としての「ペーパーウェイト」の存在及び挙動は、物理基板の法則によって拘束される。これもまた情報実体である「単語ペン」の存在及び挙動は、自然言語文法により展開される法則によって拘束される。情報に対して作用することは、「指向性エネルギー」を通して情報を変えることを意味する。そのような被制御エネルギーはSSAサイクルの適用を用いる。感知(S)、選択(S)、及び行動(A)サイクルは、被制御エネルギーの適用を必要とする。情報が属する基板を問わず、情報に対して作用することは常に、エージェントによる被制御エネルギーの適用を含む。ペーパーウェイトをテーブル上で移動させることは、情報に対して作用することである。ある単語の隣に別の単語を書くことも、情報に対して作用することについてである。SSAサイクルは、制約、変換経路、規則、原理、法則、又はこれらを指し得る任意の他の同義名称を展開する。物事の要点は、任意の基板における情報に対して作用することができ、実体がまず、属する基板の制約に従属し、その後、NSL解決策フレームワーク制限に従属することである。例:ペーパーウェイトは、テーブルを越えて押される場合、物理基板原理に従って落下する。同様に、「単語pen(ペン)」は、英語で名詞として認識され、それに従って扱われる。基板に関するSSAサイクルは、以下のレベルに存在することができる。
a.属性レベル:あらゆる実体は属性として、属する基板に関するラベルを有する。その基板属性は、それに特有のプロパティに関して更に区別される。典型的には、実体は、その基板に普遍的な幾つかの品質を継承し得る。例:「物理基板」における全ての実体は質量を有する。しかし、他と比較して幾つかの差別化属性を保有する幾つかの実体があり得る。例:物理基板における実体によっては固体であるものもあれば液体であるものもあり、又は金属原子で構成されるものもあれば非金属原子で構成されるものもある。実体の分化基板属性ツリーは、状況に応じて任意の長さであることができる。これは技術世界の「データ型」と同様である。SSAサイクルはそのような分化属性ツリーに添付されて、内部の情報に対して作用することができる。「岩」は、特定のサイズよりも小さい何れの物も岩ではなく、小石であり、特定のサイズよりも大きい何れの物も岩ではなく巨礫である!ような属性分化を有し得る。これもまた基板属性によって決まる実体のメンバシップ基準は、それ以外のあらゆる物を不適切又は非論理的と見なす。エージェントの1つが小石を指し、それは岩であると言う場合、この場合、機械エージェントは、それが不適切な分類であると結論付け、それは不適切な分類であると言うことによって他方のエージェントを正す。この分類は、教師ありアルゴリズムを使用して機械エージェントによって行われる。
b.CESレベル:実体は、相互作用を開始して何かを生じさせる前、一緒になってCUになる。基板プロパティは、実体により、共存を可能にするものもあれば、可能にしないものもあり得る。例:解決策の動力学が展開される特定のサイズの部屋は、特定の実体の共存を許すか、又は許さない。大きな機械はその部屋に入れることができず、一方、コンピュータはその部屋に存在することができる。正しい種類の推論を機械エージェントにより導き出すことができように、これらの制約は所与のCES基板の属性レベルで指定することができる。推論は、人工知能技法を使用して機械エージェントによって推論される。
c.トリガーCESレベル:SSAサイクルの制約又は適用の更に別のセットは、許されている相互作用及び許されていない相互作用についてである。物理基板では、人が壁を通り抜けるか、又は水の上を歩くことは許されていないか、又は可能である。そのような制約は「トリガーCES」において指定することもできる。多くの制約は、制約がより分化した属性レベルで探索される前、それ自体の上位視座で展開されることに留意し得る。例:固体は別の固体を通り抜けることができない。下位レベルの分化であまり計算力を消費せずに、それ自体の上位視座において問題は解決される。
d.拡張CESレベル:同様に、原因結果レベルで添付されるSSAサイクルが存在する。これは変化ドライバのドライバ(DCD)と同じである。例:照準を定めて打つことができる:逆ではない。
a.属性レベル:あらゆる実体は属性として、属する基板に関するラベルを有する。その基板属性は、それに特有のプロパティに関して更に区別される。典型的には、実体は、その基板に普遍的な幾つかの品質を継承し得る。例:「物理基板」における全ての実体は質量を有する。しかし、他と比較して幾つかの差別化属性を保有する幾つかの実体があり得る。例:物理基板における実体によっては固体であるものもあれば液体であるものもあり、又は金属原子で構成されるものもあれば非金属原子で構成されるものもある。実体の分化基板属性ツリーは、状況に応じて任意の長さであることができる。これは技術世界の「データ型」と同様である。SSAサイクルはそのような分化属性ツリーに添付されて、内部の情報に対して作用することができる。「岩」は、特定のサイズよりも小さい何れの物も岩ではなく、小石であり、特定のサイズよりも大きい何れの物も岩ではなく巨礫である!ような属性分化を有し得る。これもまた基板属性によって決まる実体のメンバシップ基準は、それ以外のあらゆる物を不適切又は非論理的と見なす。エージェントの1つが小石を指し、それは岩であると言う場合、この場合、機械エージェントは、それが不適切な分類であると結論付け、それは不適切な分類であると言うことによって他方のエージェントを正す。この分類は、教師ありアルゴリズムを使用して機械エージェントによって行われる。
b.CESレベル:実体は、相互作用を開始して何かを生じさせる前、一緒になってCUになる。基板プロパティは、実体により、共存を可能にするものもあれば、可能にしないものもあり得る。例:解決策の動力学が展開される特定のサイズの部屋は、特定の実体の共存を許すか、又は許さない。大きな機械はその部屋に入れることができず、一方、コンピュータはその部屋に存在することができる。正しい種類の推論を機械エージェントにより導き出すことができように、これらの制約は所与のCES基板の属性レベルで指定することができる。推論は、人工知能技法を使用して機械エージェントによって推論される。
c.トリガーCESレベル:SSAサイクルの制約又は適用の更に別のセットは、許されている相互作用及び許されていない相互作用についてである。物理基板では、人が壁を通り抜けるか、又は水の上を歩くことは許されていないか、又は可能である。そのような制約は「トリガーCES」において指定することもできる。多くの制約は、制約がより分化した属性レベルで探索される前、それ自体の上位視座で展開されることに留意し得る。例:固体は別の固体を通り抜けることができない。下位レベルの分化であまり計算力を消費せずに、それ自体の上位視座において問題は解決される。
d.拡張CESレベル:同様に、原因結果レベルで添付されるSSAサイクルが存在する。これは変化ドライバのドライバ(DCD)と同じである。例:照準を定めて打つことができる:逆ではない。
[0176] 情報層における基板:実体は物理層又は情報層の何れかに座すことができる。物理層実体は変化ドライバ(CD)と呼ばれ、情報層実体は情報ドライバ(ID)と呼ばれる。物理層で出現するものは何であれ、情報層に出現することもできる。基板ラベリング原理は、情報層における実体であっても有効である。2つの層間の唯一の違いは、物理層における実体のみがトリガー機能に影響することである-情報層の実体はトリガー機能に影響しない。CUの所有者は、物理層及び情報層の両方の情報にもアクセスすることができる。情報層で頻繁に発生する基板の少数の例は以下の通りである:構造化テキスト、非構造化テキスト、イメージ、テーブル、メッセージ、尺度等。
[0177] 機械への他と違った力付与:NP複雑性問題(非決定性多項式)の複雑性は機械にとって大きな打撃であり、スーパーコンピュータであっても、識別は容易であるが、解くのはそれ程容易ではない特定の問題を解くことができない。NSLは、感知及びアクチュエータ機能を機械に与え、分析エンジン及び推論エンジンの層を添付することにより機械の真の潜在性を解き放つ。SSAサイクルはエージェントのシステムに存在する。NSLは、任意の数の垂直又は水平SSA構造を提供する。この分布のSSAは、推論及び分析機能の簡易化に役立つ-人間のみならず機械にとっても。一般的に言えば、機械は、人間よりも優れた記憶力及び計算力を備え得る。推論エンジン及び分析エンジンの追加は、人間の挙動を複製し、又は場合によっては大量のデータを処理し、迅速に判断を下し、人間の助けなしで行動する機械の能力により人間の知能を越えることにより、機械の真の潜在性を解放するのに役立つ。NSL構造体は、機械が多くの人間の機能に取って代わり、潜在的に世界を支配することに繋がり得る。
[0178] 機能非対称性:機能非対称性は、機械エージェントに十分なSSAサイクルが提供されないことを指す。情報非対称性は、機械エージェントに十分な情報が提供されないことを指す。人間は行を読むとともに行間を読むことができる。行間を読むとは、人間が関連することができるコンテキスト的情報を指す。似たような路線で、人間の理解にさえも非対称性が存在する場合がある。核物理学を理解するには、警察官よりも核科学者のほうが良好であり得る。犯罪現場で、経験を積んだ刑事によって撮影されたビューは、テーマにあまり関連しない化学者によって撮影されたビューよりもはるかに良好であり得る。NSLは、かつてないほど機械に力を付与するように非対称性を解消する任務に乗り出す。この非対称性は、推論エンジン及び分析エンジンを導入することによって系統的になくなる。機械は行を読むことしかできず、一般的な人間ができるほどは行間を読む能力がない。NSLは、機械に力を付与する独自の潜在性を提供する。機械は、情報の記憶、情報の検索、大量データの処理、及び応答時間に関しては人間よりもはるかに優れている。機械は、情報非対称性及び機能非対称性が人間と機械との間で橋渡しされる場合、推論スケールを機械に有利なように傾けることができる。機械には、人間と全く同じように、目的及び予想が提供されるべきである。機械は、行間を読む第3の目を有し、SSAサイクルを展開する目的意識を有するべきである。機械には、予想及び計画の概念並びに多くのコンテキスト的情報が提供されるべきである。
[0179] 情報非対称性:NSLは、400百年の科学から恩恵を受ける。「技術解決策」を背景にして「世界の仕組み(way world works)(WWW)」を再解釈する。「世界の仕組み」について何も新しいことは発見されていないが、技術解決策に対処する方法は開発されてきた。NSLによって導き出される最も重要な結論の1つは、世界中のあらゆるものが物理的であり、時間及び空間に組み込まれることである。同時に、世界中のあらゆるものは情報的であり、物理的と情報的との間の違いを表記のみにする。更に一歩踏み出すと、時間及び空間を両方とも実体として扱う-それらも情報的にする。世界中の全ての実体は、エネルギーによって駆動される連続変化を経る。エージェントは、解決策エコシステムにおいて、エージェントにとって重要な静的実体及び動的実体のみを捕捉する。エージェント(人間及び機械の両方)は、エージェントが提供する指向性エネルギーを通して実体及び実体の挙動を制御する。これが暗示することは、全ての「指向性行動」が「指定された方向に情報に対して作用すること」と同じであることである。多くの基板及び基板に組み込まれた実体からなるこの世界において、1つの実体が相互情報を有する相手方を有し得る現実が存在する。相互情報とは、1つの実体を見て、何らかの他の実体についての情報を推測することができるものである。NSLはこれらの実体を表現実体と呼ぶ。これらの表現実体は、同じ基板に存在してもよく、又は異なる基板に存在してもよい。例:人及び彼の彫像は同じ物理基板に座すが、互いを表すことができる。表現実体が異なる基板に座すことがより頻繁に当てはまり得る。物理的ラーマは物理基板に座すことができ、単語ラーマは言語基板に座すことができ、イメージラーマは、互いを表すイメージの基板に座すことができる。ある実体表現から異なる基板における別の実体表現へのクロスオーバは、真理値によって確立される等価原理に関して生じることができる。物理法則に関して「開始CES」から「終了CES(GSI)」まで維持される物理的連続体の維持を保持するのは、これらの等価原理である。実体が相互情報を保有することができ、したがって、何らかの他の実体を表現可能な品質を取得する場合、これらの表現実体の中で、何が現実実体と呼ばれる資格を有するか?これへの答えは簡単で明快である-ステークホルダ(GSI)の望み及び解決策設計者によってなされる選択に関連する。情報非対称性が人間エージェントと機械エージェントとの間に存在する。文を読む場合、人間エージェントは行間を読み、したがって、機械エージェントよりもはるかに多くの情報を保有することになる。例:「象は森の中を歩いている」という文において、人間エージェントは機械エージェントよりもはるかに多くの情報を生成している。人間は、象のサイズ、森及び風景の性質を自分なりに想像している。同様に、人間エージェント間にも同様に情報非対称性がある。例:2人の友人は、第3の共通の友人を見る場合、第3の友人について同じ結論を導き出す。しかし、より分化したレベルでは、その友人についての彼らのビューはかなり異なるであろう。人間エージェント間のこの種の非対称性は、「頭の中の非対称性」と呼ばれる。「垂直CU分化」のレベルでの情報差に関して適用されるのは、正にこれらの原理である。
[0180] 動的ユーザインターフェース:NSLは、自然言語を使用して解決策を作成するプラットフォームを提供する。NSLは、自然言語及び数学的構造体を使用して任意の解決策を作成できるようにし、使用されている数千もの自然言語の何れにも依存しない。NSLは、解決策論理をトランスペアレントにする。民主化解決策のビジョンに沿って、NSLは、旧パラダイムのグラフィカルユーザインターフェースから離れて、動的テキストを含むインターフェースに移る動的ユーザインターフェース(CDUI)を開発した。あらゆる解決策は、文及び段落としてそれ自体を提示する。図面10は、潜在と現実との間の動的切り替えの一例を表している。さらに、ユーザインターフェースは、自己構成可能であり、コンテキスト的及び動的に駆動されるものとする。動的性及びコンテキスト性は両立する。動的解決策ディクショナリ(DSD)は、解決策「BET」への分散セキュアアクセスを個々にステークホルダ(人間エージェント)に提供するようにそれ自体を調整する。アクセス特権は、各ステークホルダによって保有される情報権及び決定権(IRDR)によって支配される。
[0181] サーバ機能vsサーチ機能:NSL解決策はトランスペアレントである。解決策論理はフードの上にある(over the hood)。情報形態での解決策の可用性により、プラットフォームユーザは解決策、解決策構成要素、及びトランザクションをサーチすることができる。サーバ機能は図面11に表されている。図面12に表されるように、NSLは、解決策クラス及びトランザクションクラスの両方を2つの異なる階層クラスとして見る。トランザクションは、イベントが解決策クラスに到着すると、トランザクションが見られる。論理を含む全ての解決策は、接続されたクラスの文字列として見られ、適格メンバがイベントの形態で到着できるようにする。したがって、NSLはごくわずかな処理能力しか必要とせず、サーチ原理により依拠する。図面13に表されているように、NSLでは、トランザクション及び論理は両方ともサーチ可能である。サーバ機能は、サーチよりもはるかに遅い。サーバ機能は、ホップ機能のようである。データはデータベースから論理までホップを通して一緒に穿孔される。サーバ機能は、別の書籍を参照し、データを検索し、メインストリーム論理に戻り、次いで再び別の書籍にリダイレクトされて何らかの他の情報を参照するようなものである。サーバ機能は、プログラミングコードに存在する論理によって一緒に穿孔されるように、データベーススキーマに従って機能する。これは、旧パラダイムが多すぎるスキルセットを必要とする理由である。論理は開発者によって書かれる。データベーススキーマは、データベース専門家によって一緒に穿孔される。ユーザインターフェースはUI専門家によって一緒にされる。顧客要件はビジネスアナリストによって理解される。しかしながら、伝言ゲームに起因して知識の大きなギャップが作り出される。スキーマは時に非常に複雑なことがある。データは、裸眼では、ただスキーマを見るだけでは解決策論理に容易に一緒にすることができないほど多くのテーブルにわたって拡散し得る。NSLはサーチ原理に基づく。NSLは、トランザクション論理と異なるようには解決策論理を扱わない。NSLは分化にのみ対処する。解決策クラスでの分化は、トランザクションでの更なる分化に繋がる。トランザクションは解決策クラスに依存する。
[0182] 解決策マイニング:解決策は多くの基板に存在する。プログラミング言語、ビデオ、標準動作手順、フローチャート、イメージ、オーディオファイルは、解決策を収容する基板の幾つかである。解決策マイニングは、翻訳サービスを指す。解決策マイニングは、全ての基板から情報を抽出し、それを自然言語解決策に翻訳するのを助ける。3つのタイプの環境が解決策マイニングに存在する。
a.解決策十分環境:解決策十分とは、離散性及び真理値を保存しながら、各構成要素のマッピングに利用可能な文法又は構造体を有する基板を指す。
b.解決策不足環境:解決策不足基板は、解決策論理に必要とされる完全な情報を有さない。ビジネスプロセスモデリング表記(BPMN)のような解決策基板は、文法レベルで、論理を説明又は一緒に穿孔するのに役立つ情報を全ては有する訳ではない。粒度及び詳細が欠けている。
c.解決策豊富環境:解決策豊富基板は、論理の確立に役立つのに必要は情報よりも多くの過度の情報を有する。基板としてのビデオは、各フレームに多くの情報を含む。ビデオの各フレームを通して抽出される情報は、多くの冗長情報を生じさせる。したがって、ビデオからの解決策の抽出は、冗長情報の除去及び解決策視点から重要な情報の識別を必要とする。その間、多くのトランザクション情報から学習されるように、解決策を改良するための余地があり得る。この概念は図面14に表されている。
a.解決策十分環境:解決策十分とは、離散性及び真理値を保存しながら、各構成要素のマッピングに利用可能な文法又は構造体を有する基板を指す。
b.解決策不足環境:解決策不足基板は、解決策論理に必要とされる完全な情報を有さない。ビジネスプロセスモデリング表記(BPMN)のような解決策基板は、文法レベルで、論理を説明又は一緒に穿孔するのに役立つ情報を全ては有する訳ではない。粒度及び詳細が欠けている。
c.解決策豊富環境:解決策豊富基板は、論理の確立に役立つのに必要は情報よりも多くの過度の情報を有する。基板としてのビデオは、各フレームに多くの情報を含む。ビデオの各フレームを通して抽出される情報は、多くの冗長情報を生じさせる。したがって、ビデオからの解決策の抽出は、冗長情報の除去及び解決策視点から重要な情報の識別を必要とする。その間、多くのトランザクション情報から学習されるように、解決策を改良するための余地があり得る。この概念は図面14に表されている。
[0183] NSLを用いた機械学習:NSL構造は、機械学習及び人工知能のような旧パラダイムの新技術とシームレスに整列するのに非常によく適する。機械学習はベクトル空間を採用する。ベクトル空間(線形空間とも呼ばれる)は、ベクトルと呼ばれるオブジェクトの集まりであり、スカラーと呼ばれる数によって一緒に加算且つ乗算(「スケーリング」)することができる。NSLでは、ベクトル空間は、重要な実体に等しい。現実世界の物体が組合せと同一視されるのと全く同じように、機械学習はベクトル空間を使用してオブジェクトを定義する。NSL構造体は、自然言語に基づき、機械が現時点で感知することができるものを越える感覚経験に関与するため、実体の分類により大きな深さ及び柔軟性を有する。現実世界の物体が組合せと同一視されるのと全く同じように、機械学習はベクトル空間を使用してオブジェクトを定義する。NSL構造体は、自然言語に基づき、機械が現時点で感知することができるものを越える感覚経験に関与するため、実体の分類により大きな深さ及び柔軟性を有する。
[0184] 人工知能での推論:人工知能は、人間がするのと全く同じように、推論を導き出すに当たり傷害物に当たっていた。人間のような推論技法を機械で構築することを中心として研究を固めるために、種々の手法がとられてきた。人工知能では、推論規則が適用されて、所望の目標に繋がる結論を導出する。推論規則は、モーダスポネンス規則、モーダストレンス規則、仮言三段論法、選言三段論法規則、加法定理、平易化規則、導出規則等を含む。NSLは、人間の挙動及び推論能力を機械で模倣するために利用可能な最良の構造を有する。入れ子式SSAサイクルは、感知及びアクチュエータ機能と共に、学習及び導出行動の強化を機械に与える。NSLは、制約をクラスレベルで添付して、潜在クラス及び潜在メンバを可能にする自由を与える。NSL構造が有する5つのレベルの制約があり、従来のシステムを凌ぐ明確な強みをシステムに与える。人間は数千年もの間にわたって自然言語を使用し、指向性の被制御分化に起因した価値創成として変化を理解し、日々の問題を解決する手段として数学を広く使用してきた。物理学の制約、エージェントシステム、自然言語の文法、及び数学の制約は、略人間のような挙動を機械で構築するのに役立つ。NSLは、人工一般知能に貢献する自然構造を有する。
[0185] 優れた機械支援解決策に向かう:NSLは、人間と機械との間のバリアをなくす。NSL構造は、機械が情報に基づいて予測し、より賢い行動を示唆し、正しい判断を下せるようにする。機械はパターンを認識することができる。人間エージェントと比較して、機械はより効率的に作業し、情報をより迅速に処理し、情報を忘れず又は失わずに膨大な量の情報を記憶することができる。NSL構造では、生物がするのと同じように機械が情報を見ることができるため、今では開発者なしでの開発が可能である。NSLは全ての解決策を情報形態に変換するため、機械に容易に供給することができる。機械が優れたトレーニングを積むことで、人工一般知能の進化が可能であり、したがって、より正確な予測、決定、及び行動が可能になる。
[0186] 開発者なしでの開発:プログラミングの世界での解決策の大半は、基本CU(組み込みCUを含む)レベルの均等物で対処される。NSLのセントラルドグマは、全ての解決策を「エージェント及びそれらの目的(望み)」のコンテキストでの「実体及びそれらの関係」に下げる。関係は静的(CES)又は動的(ECES)の何れかである。NSLは、ECESを情報の特殊なクラスとして扱い、それにより、「プロセス」の必要をなくす。あらゆるエージェントは実体(幾つかの特殊なプロパティを有する)であり、あらゆる目的はエージェントによって選ばれたCESである。「CES」又は「ECES」は、実体の関係についてである。実体が結合される場合、各組合せは疎結合の結果であるが、ユニタリ実体はそれ自体だけで実体と呼ばれる資格を有する。したがって、全ての実体はまた、それらの最も複雑な組合せ形態を含め、バイナリ状態でのみ存在する。これは、視座は可変であるが、バイナリ実体であるというそれらの基本的な性質は変わらないことを意味する。全ての視座における実体は、最近傍を通して互いに接続又は関連する。例:トムの友人が5件目の家に住んでいる場合、トムは他の4件の家を渡らずにそこに行くことができる。実体関係は、解決策に関してコンテキスト的に一緒になった実体(contextual-coming-together-of-entities)にすぎない。解決策は望みの達成にすぎず、そして望みは「選ばれたCES」である。DLDはコンテキスト的に全ての実体を選ばれたCES(GSI)に自動的に接続する。GSI(グローバル意図言明)のコンテキストでの潜在実体のこの自動選択は、構造化された3段階プロセスに従う:
a.LSI(ローカル意図言明)のコンテキスト的選択、
b.CD(変化ドライバ)のコンテキスト的選択、
c.DCD(変化ドライバのドライバ)のコンテキスト的選択。
DLDは、GSIによって設定された目的を満たす正しい種類のコンテキスト的実体をコンテキスト的にサーチし識別する能力を有する。その過程で、DLDは全てのコンテキスト的実体を一緒にステッチングする。DLDは機械学習技法を使用して、解決策を構築する自動プロセスを最も効率的にする。NSLフレームワークは、このための土台を最大限の効率での対処に置く。DLDエンジンは、解決策内容の処理にNLP、ANN、最近傍の技法/構成要素を使用する。NLP技法は、名前付き実体の認識、単語の曖昧性除去、実体同義構成要素を含む。ANN技法は確率モデル、文エンコーダ、深層学習構成要素を含む。DLDエンジンは、種々の順列及び組合せを予測するために確率モデルを使用する。
a.LSI(ローカル意図言明)のコンテキスト的選択、
b.CD(変化ドライバ)のコンテキスト的選択、
c.DCD(変化ドライバのドライバ)のコンテキスト的選択。
DLDは、GSIによって設定された目的を満たす正しい種類のコンテキスト的実体をコンテキスト的にサーチし識別する能力を有する。その過程で、DLDは全てのコンテキスト的実体を一緒にステッチングする。DLDは機械学習技法を使用して、解決策を構築する自動プロセスを最も効率的にする。NSLフレームワークは、このための土台を最大限の効率での対処に置く。DLDエンジンは、解決策内容の処理にNLP、ANN、最近傍の技法/構成要素を使用する。NLP技法は、名前付き実体の認識、単語の曖昧性除去、実体同義構成要素を含む。ANN技法は確率モデル、文エンコーダ、深層学習構成要素を含む。DLDエンジンは、種々の順列及び組合せを予測するために確率モデルを使用する。
[0187] 分析エンジン及びロボットプロセス自動化:基本CUに追加される任意の数のレベルの入れ子式SSAサイクルが存在することができる。唯一の要件は、作用する価値のある追加の分化した情報があることである。上位レベルで利用可能な部分情報に対してさえも作用することができる。例:ラーマが野菜を持ってきた場合、入れ子式SSAサイクルは「野菜」を物理層に置き、調理することができる。ラーマは、その入れ子式SSAサイクルの情報層に「剰余情報」として置くことができる。入れ子式SSAサイクルの結果が、情報層レベルにおける分析及び洞察の形態でエコシステムの各CUに供給される場合、それは、分析エンジンを用いて解決策に力を与えることに等しい。代替的には、入れ子式SSAサイクルの結果が、物理層において機械エージェントによって所有されるCUに力を与える場合、それはロボットプロセス自動化(RPA)に関連する。物理層で関わるアクチュエータがない場合、RPAはソフトウェアボットの類いのものとなろう-「コンピュータ基板」における物事に影響する。関連するアクチュエータがある場合、それらの精巧さに応じて、RPAは、「物理基板」における物事に影響するように拡張することができる。分析エンジンは、記述的統計及び/又は推論統計技法を使用してデータを処理する。分析エンジンは、人工知能技法、機械学習技法、自然言語処理技法、深層学習技法、及び既知の技法を使用することにより、記述分析、診断分析、予測分析、及び/又は規範分析をデータ(ビッグデータ)に対して実行する。図面15は分析エンジンの一例を表している。さらに、NSLは非常に強力な分析エンジンを提供する。これは、まさしくソースにおいて情報を処理するために、実体及びCUを可能な限り細かい粒度にすることができることによって可能になる。eCU及びnCUは、情報を消費し、かつてない洞察を生成するために、更に細かい粒度を提供する。分析エンジン機能とRPAとの違いは、NSLではごくわずかである。分析エンジンは、必要に応じて解決策エコシステムにわたる自己消費又は伝播の洞察を生成する。RPAは更にもう一歩離れている。作用される「物理層」に配置される洞察。そのような行動は、人間の尽力を最小化し、解決策の品質を強化するように、機械エージェントによって駆動される。
[0188] 情報権及び決定権:情報権は、名前が示すように、問題となっている実体についての情報へのアクセスを提供する。例:エージェントは、「ペンの存在又は不在」を知るためにアクセスを有する。実体の情報権のみがある場合、それらの実体は所与のエージェントにより所有されるCUの情報層に座す。決定権の場合、エージェントは実体に影響する力が付与される。例:「ペン」の場合、エージェントに、ペンを使用して書くか、又は解決策設計が提供する何かを行う力が付与される。これらの実体は、所与のエージェントにより所有されるCUの物理層に座す。本明細書において上述した情報権及び決定権の例は、図面26に表されている。
[0189] エージェント間の関係は、矢印を通して視覚的に指定することができる:情報権及び決定権の矢印は、細い矢印及び太い矢印により区別することができる。A)単方向矢印:矢印の先端部が「B」を指した状態で矢印が「A」から出るものとして示される場合、単方向矢印である。これが意味するのは、「B」が有するのが情報権であれ決定権であれ関係なく、それらの権利も「A」に渡されるが、逆方向には渡されない。「B」を越える決定権を有することは、「B」の力のうちにあるのが何であれ、それを行わせてB自体が行うように「B」に強いる力を「A」が有することを意味する。例:ペーパーウェイトをテーブルの一隅に置くことがBの力のうちにある場合、「A」は、ペーパーウェイトをテーブルのその隅に置くようにBに強いることができる。情報権及び決定権例の単方向矢印は、図面27aに表されている。B)双方向矢印:この場合、AとBを結ぶ矢印は両端部にポインタを有する。これが意味するのは、AがBの全情報を有するとともに、所与の物事(決定権の場合)を行うようにBに強いる能力も有し、逆も同様であることである。情報権及び決定権例の両方向矢印は、図面27bに表されている。
[0190] 被制御変化:NSLでは、全ての変化は変化単位(CU)で生じる。全てのCUは被制御変化に対処する。変化は、CUが原因となったイベントの形態でCUに入り、そしてCUから出るイベントの形態である。変化は常に、潜在状態と現実状態との間での実体切り替えの形態である。現実状態が何倍もの剰余情報(最小メンバシップ基準を満たす情報を越えた情報)を有する場合もある。例:人がクラブメンバである場合、その人は、メンバシップカードを携帯する場合、入場することができる。しかし、その人が入場する都度、その人はメンバシップカードに関する情報よりもはるかに多くの情報をクラブ内に持ち込む。その人は自身の身長、色、体重等々も同様に携帯する。この追加情報は、NSLでは剰余情報として知られている。この例は図面25に表されている。
[0191] 変化、情報の消費及び生成、入力及び出力、変化する実体状態は全て性質的に同義であることに留意することにも価値がある。情報とは、「区別可能で離散」した何かである。区別可能で離散した何かは実体である。エネルギーが実体の状態を変える。これは、誰にとっても馴染みがある原因結果原理と同じである。エージェントの世界では、解決策エコシステムは、解決策のコンテキストで重要な実体のみを捕捉し、対処する。技術用語では、これらは通常、入力及び出力と呼ばれる。上述した「被制御変化」は、コントローラの存在を暗示し、そのコントローラはエージェントであり、そのエージェントは機械エージェント又は人間エージェントであることができる。結論として、全ての変化単位はエージェントによって駆動され、少なくとも1つのエージェントが、被制御変化を駆動するために変化単位に存在する。
[0192] 重要な実体を有する変化単位:変化単位に属する実体には、それらを所有するエージェントによってアクセス可能であり、且つそれらを所有するエージェントによって制御可能である。実体のそのようなアクセス及び制御は、情報権及び決定権によって指定される。これらの権利は、関わるエージェント及び実体の両方により「属性値」として有される。
[0193] エージェント間の関係は、IRDRを通して指定することもできる。エージェントが実体を所有し、実体がエージェントによって所有されることが大前提である。しかし、解決策のエコシステムでは、異なる役割を演じている多くのエージェントが存在している。そのような役割所持者間の関係もIRDRを通して指定することができる。エージェントが別のエージェント又は実体を越える決定権を有する場合、情報権を持たずに決定権を行使することは可能ではないため、そのエージェントが情報権も有することが暗示される。しかし、エージェントが、エージェント又は実体を越える決定権を持たずに情報権を有する多くの場合がある。
[0194] CUは、潜在及び現実のノードのローカルネットワークである。現実は、潜在の適格メンバ(又はいわばクラス)である。IRDRは、潜在実体及び現実実体に等しく適用される。基本的に、IRDRの原理は、潜在状態に属する実体又は現実状態に属する実体に関係なく同じである。潜在実体又はクラス実体は解決策設計者によって対処される。解決策設計権を保有する者は、それらの権利を行使することができる。論考したように、全ての解決策は分化クラスについてである。クラスレベル分化は、クラスレベルCES及びECESの構築を通して生じる。
[0195] 潜在又はクラスレベル分化は水平及び垂直の両方で生じる:A)水平分化は、潜在実体が結合されて潜在CES又はECESになる場合、生じる。B)垂直分化は、潜在実体が多くのレベルを通して更に分化する場合、生じる。この垂直分化は、降下がトランザクションクラスに触れるようなときまで、クラスからサブクラス、サブサブクラス等々への降下を通して達成される。トランザクションイベントが生じる(動作)のはトランザクションクラスである。構造体では、NSLは、「トランザクションクラス」から「サブトランザクション」クラスまでの更なる降下も提供している。これらのサブトランザクションクラスは、トランザクション所有者によって作成することができる。クラスの視点から、サブクラスはそのメンバである。サブクラスの視点から、サブサブクラスはそのメンバである。この降下は、最終トランザクション現実が生じる(動作発生)まで続くことができる。潜在(クラス)であれ現実(メンバ)であれ関係なく、全ての実体は情報的である。全ての実体は、分化の性質が垂直であるか又は水平であるかに関係なく、最近傍概念に従う。
[0196] IRDRの連続体は破ることができず、IRDRは、実体が潜在実体であるか又は現実実体であるかに依存しない:IRDRの原理は同じである。あらゆる実体に関してIRDRの仕様が常にあるはずである。同じ最近傍原理に準拠する。クラス/潜在及びメンバ/現実関係は破ることができず、異なる基盤で扱うことはできない。
[0197] クラス及びトランザクションは、相互接続された実体及び関係の破れない鎖である。同じ基盤で扱われる必要がある。基本的なNSLフレームワークは、ノードの三次元ネットワークを提供する。IRDRを提供するために、全ての自由度が解決策設計者に提供される。換言すれば、階層構造が、必要性からではなく特定の選択から生じる。IRDRが単方向矢印である場合、改組構造が出現する可能性が高い。しかし、全ての種類の三次元ネットワーク化構造及び情報フローが、必要に応じて使用可能である。
[0198] IRDRの譲渡又は委任:解決策設計者は、IRDRを解決策エコシステム内のエージェントに譲渡又は委任することができる。譲渡は、情報権を有するエージェントが、解決策設計者によって定められた制約内でその権利を他のエージェントに渡すことに関する。委任は、決定権を有するエージェントが、解決策設計者によって定められた制約内でその権利を他のエージェントに渡すことに関する。これらの制約は、譲渡又は委任を限られた時間にわたり限られた数のエージェントに生じさせることに関することができる。イベントベースの譲渡又は委任であることさえできる。IRDRの譲渡及び委任は図面28に表されている。
[0199] IRDRに関する条件付き潜在:解決策設計者は、条件付き潜在を提供することもできる。換言すれば、所与の場合、エージェントのIRDRはコンテキスト的に変わることができる。これは、非常に多様な解決策設計を提供する独自の特徴であることが判明するであろう。
[0200] 推論エンジン:NSLは、作用することができる、分化クラスを中心とした特殊なクラスの情報として解決策を認識する。「情報」という用語は、自然言語の基板に座す情報の限られたコンテキストで使用されている。自然言語は「意味中心」である。NSLは解決策中心である。NSLは、自然言語の特殊なクラスであるため、自然言語のサブセットである。自然言語は、世界中のあらゆるものに対処し、解決策に繋がるか否かについて中立である。NSLは解決策のみに対処する。NSLは、自然言語における重要な実体を選択する(数及び数学が暗示される)。NSLは、作用する情報を常に探しているため、「情報」及び「情報が有する意味」にかなり依拠する。推論エンジンは、トークン化法、規則ベースのPOSタグ付け法、確率的POSタグ付け法、マルコフモデル、隠れマルコフモデル法を使用して、情報に関して正しい意味を導き出すことを専門にし、したがって、極めて重要な役割を果たす。情報はコンテキスト的に、非常に多数の基板に存在する。「物理、生物学、イメージ」は、容易に識別することができる幾つかの可能な基板のほんの少数の例である。各基板はそれ自体のプロパティ、原理、及び制約を有し、それらによって導かれる。実体は、実体が属する基板のプロパティによっても拘束される。各基板を導く制約及び原理は多くの場合、クリアである。そのような各基板原理は、静的分化クラスレベル実体に等しい。例:全ての物体は重力によって拘束される。このクラスレベル仕様に適合する物体のみが、メンバである品質であろう。推論エンジンが行うことは、入れ子式SSAサイクルを、実体が座す適切な各基板に添付することだけである。全ての解決策クラス又はクラス全般は、NSL実体潜在に等しい。SSAサイクルがこれらの基板レベルで展開されるときは常に、メンバシップ基準への合致についてチェックする。図面16は推論エンジンの一例を表している。NSLの推論エンジンが依拠する制約及び原理の幾つかは以下である。
a.物理の制約:物理基板は、4つの基本的な力等の物理法則によって支配される。例えば:人が地面から10階までジャンプしたことを文が述べる場合、物理基板制約はその文を不合理と分類する。
b.生命科学の制約:SSAサイクルは、自然淘汰系が全てのレベル、全ての視座で生じるようにセットアップされ接続される。SSAサイクルにおける任意の中断は、機械が理解できない効果を生み出す。例えば、150歳を越える人間の寿命の証拠が知られていない場合、生命科学が関わる解決策には、重要なパラメータの中でも特に、年齢について現在の見解の制約が装備される。
c.数学の制約.例えば、数学には公理がある。これらの公理はクラスレベル文である。三角形の全ての角の総和は180°である。同様に、円周は2πrである。システムは、数学の既知の全ての制約について常にチェックする。
d.自然言語の制約:自然言語におけるあらゆる文は、動詞を有さなければならず、全ての一意実体は名詞として識別され、形容詞は名詞のみを修飾することができ、副詞は動詞を修飾することは、制約の幾つかである。
e.NSL及びエージェントシステムの制約:SSAサイクルがエージェントシステムに向けられたものであり、エージェントは目的により駆動され、エージェントは常に、より望ましい状態に移ることを探し求めることを述べる。エージェント、一般実体、及び目的が分離不可能であり、全ての変化ドライバの到着が、変化を生じさせるためにマストであり、変化は、エージェントの存在なしではトリガーできず、実体は適切な属性に添付されるべきであり、変化単位は正しいエージェントに接続されるべきであり、全ての変化は空間及び時間において生じることを述べる。
f.確率原理:SSAサイクルは、より多くの光を現実に投じる追加情報を生成する。細かくなるにつれて、最後に残るのは、実体を有するか又は有さないかという数学的制約だけである。確率は0~1であることができる。車がガソリンなしで走行することができることの確からしさはどれくらいか?フライトでの思わぬ技術的障害に起因して1時間の遅れがある場合、ジェイムズがロンドンに時間通りに到達することができることの確からしさはどれくらいか?これらの問いへの答えは、先進プランニング及び最適化目的に極度に関連することになる。不確実性の定量化は、確率公理、条件付き確率、条件付き独立確率、確率的推論(即ち観測された証拠を所与としたクエリ命題の事後確率の計算)等の確率原理を適用することによって行われる。完全結合分布が、全ての問いへの答えを導き出すことができる「知識ベース」として使用される。
g.相関原理:相関とは、別の実体に対する実体の可用性を指す。相関は-1から1まで様々であることができる。極めて強い相関があることもあれば、相関が全くないこともある。過去データ又は現在データの可用性は、2つの実体間の関係の強さ及び方向を理解するのに役立つことができる。過去データに基づいて多くの使用事例が存在することができる。夏期と除雪機との間の相関は何であることができるか?CGPA4/5と高等教育を選ぶ生徒との間の相関は何であることができるか?さらに、誰かが、別の実体の知識に基づいてある実体についての何かを推論することができる場合、それらの実体は関連又は相関すると見なされる。相関は正又は負であることができる。相関は図面23に表されている。任意の2つの実体間の相関は、相関係数として表される-1から+1までの範囲の程度の問題である。例:顧客の場所までの距離を知ると、製品の配送にかかる時間について何らかの大まかな結論を導き出すことができ、逆も同様である。馬を見ると、勝つチャンスを識別することができる。企業を知ると、その年に生み出される可能性が高い収益が分かる。トリガーCESを見ると、そのサイクル時間が分かる。実体についての情報がない場合、相関は、他の利用可能な情報に基づいてより多くの情報に基づいて結論を導き出すのに役立つことができる。「配送人」が「確実な配送」に高度に相関することを知っている場合、システムは、より注意を要する配送にその人を選ぶ可能性が高い、相関係数は、相関する実体に関する、実体の属性値として表すことができる。それらの実体は個々の実体であることができ、又はCESであることもできる。これは、エージェントの属性としてIRDRを実体に添付するのと同じである。相関係数の場合、NSLは、その「相関属性分岐」において実体及び実体の係数を指定する。ますます多くのトランザクションデータ又は情報が到着するにつれて、これらは常に更新される。これらの値は、大部分、バッチモードで生成することができる。相関への最新のトランザクションの影響が高い場合、リアルタイム査定を用いることができる。統計有意性がある場合のみ、これらの相関属性値を維持することが強いられ得ることは言うまでもない。大半の場合、相互情報があるであろう。例:「土曜日」は「製造」に関して相関係数を有し、「製造」は「土曜日」に関して相関係数を有する。加えて、相関属性値の生成は、実際に重要なものによる影響を受ける。拍動する心臓と通勤中の人との間の相関は高い値であり得るが、その情報は価値を付加しない。値の「実体相関」に関してDSDにおける予約実体のベースを維持するのに支払う。これは、新しい解決策が作成される都度、値のそのような相関を識別する必要があるという追加尽力を低減する。
h.回帰分析原理:相関及び回帰分析は両方とも、実体間の関係に対処する。回帰分析は、1つ又は複数の独立変数の値を所与として、従属変数の値を予測することにフォーカスする。回帰分析は図面24に表されている。回帰分析の適用の1つは、「従属変数」としてのLSIの処理及び独立変数としての他の全ての変化ドライバ(CD)の処理である。回帰式は、トリガーCESに添付することができる。CUが製品の配送に対処している場合、配送のパラメトリック値についてより精密な予測を行うことができる。
i.実体間距離:あらゆる実体は他のあらゆる実体と関連する。NSLは分化原理で機能する。NSLは、解決策エコシステムに参加している全ての潜在実体のバイナリツリー構造を有する。全ての潜在はクラスである。クラスは垂直又は水平であることができる。距離は、ある実体を別の実体から隔てるイベント数を指す。距離はまた、解決策が機能し得るか、又はし得ないかの制約の判断において主要な役割を果たす。例えば、所望の状態が10イベント離れている場合、解決策設計者はその所望の状態をすぐ隣の変化単位に置くことはできない。システムは、設計者に是正措置をとることを気付かせることができる。
j.クエリ原理:解決策は、情報的であるため、一意の機会を解決策設計者に提示する。設計者は、構造化された様式で答えを抽出するために一連の問いを尋ねることができる。特定の問いへの答えが得られると、現在の現実についての知識は、確固たる基盤に留まる。クエリに基づいて、物事のすぐ次の状態について結論を下すことさえできる。例えば、仮に誰かが現在の場所について尋ねられ、「アイルランド」と答えた場合、この人が1時間以内にUSAにいることができる可能性は低い。同様に、最近の答えとの任意の矛盾を確認することもできる。
自然淘汰プロセスは、推論エンジンによって定められる簡易化規則の適用により、極度に改良される。構造化推論メカニズムの適用により、機械は、情報に基づく判断を下すことが可能になる。機械は、人間よりも数百万倍速い速度ではるかに多くのデータに対処し、情報を処理し得る。日々の生活で、人間は、選択を篩に掛け、決定に達するために、数学、物理、又は自然言語から導出される学習を適用しないことがある。これは時に、常に人間に役立つわけではない決定に繋がることがある。NSLの推論エンジンは、全てのノイズを排除するのに役立ち、これら全ての規律の完全な知識を有する人間と全く同じように、判断を下すために重要な実体に対処するよう機械システムを調整する。物理、数学、又はエージェントシステムにおいて定められる法則は少数である。しかし、これらの制約及び原理は、科学によって理解されるように、周囲で生じるあらゆるものを説明するのを助ける。情報が利用可能ではないことに起因して、複雑性が生じる。SSAは複数の視座で動作している。人体であっても、SSAは核レベル、細胞レベル、そして体レベルまでのレベルで動作する。SSAの分布は複雑を簡単にする。SSAの追加は、より多くの情報を生成する。これは複雑性レベルを下げることに繋がり、膨大な量のデータが分析及び意思決定に利用可能になる。構造化は、物事の簡易化に役立つ。構造化推論メカニズムの適用により、機械は情報に基づいて決定を下すことができる。自然淘汰プロセスは、NSL分析エンジン及びNSL推論エンジンにより定められる簡易化規則の適用によって極度に改良される。分析エンジン及び推論エンジンは、互いと密に結びつけられる。推論エンジンは、機械が物事を人間がするのと同じように解釈するのを助ける手段を提供する。分析エンジンは、分析及び決定サポートシステムのツールを提供する。性能をリアルタイムで測定して、解決策を支援し改善するのに役立つ。NSLは、固有の簡易化された決定サポートメカニズムに起因して推論に掛かる時間を劇的に短縮する。これらの原理上で構築されて、NSL推論エンジンは、人間エージェントと機械エージェントとの間の情報非対称性及び機能非対称性を完全に取り去る推論を導き出す潜在性を有する。推論エンジンは、情報又は知識を知識ベースから取得して、推論若しくは結論に達し、又は特定の解決策を導出する。推論エンジンは、特定の解決策の導出に前向き連鎖又は後向き連鎖を使用する。推論エンジンは、深層学習アルゴリズムも使用することにより事実及び/又は規則から結論又は推論を導出する。知識ベースに記憶された知識又は事実は、データベースの形態で維持される。解決策を構築するために、解決策アーキテクトは、解決策に固有のデータの記憶及び検索を行うためにデータベースを必要とする。このデータベースは、解決策アーキテクトにより提供される実体及び属性のメタデータを記憶することにより、NSLプラットフォームにより提供される。解決策の実行/走行中、データは、解決策設計者が意図する厳密な形式でエンドユーザから入力としてとられる。クエリが来るときは常に、データは、既知の方法を使用することによってデータベースからアクセス及び/又は検索される。クエリベースのアクセスは、構造化クエリ言語(SQL)及び/又はNoSQL(Not only Structured Query Language)を含む。知識ベースはグラフ構造の形態でも記憶され、その場合、データは既知の手段を使用することによってグラフからアクセス及び/又は検索することができる。一般等価行列(GEM):NSLは、世界の仕組み(WWW)原理に基づく。NSLは、科学での発見から得られた理解を通してこの現実に包括的に対処する。非常に確固たる地面上にあるグローバル知識ベースに対処する。エージェントの視点からのWWWは、実体及び実体の関係に関する全てである。実体及び変化の動力学は、NSLマッピングにおいて包括的に対処される。NSLにおける構造体は、世界の解決策提案機会を提示する解決策論理及び知識の体系を集合的に表す。一般等価行列(GEM)は、任意の既存の解決策フレームワーク及びNSL構成要素に関して解決策及び解決策構成要素を同一視することに依拠する。プロセスは、「次世代解決策フレームワークの構築に当たりNSLの純度を保存する原理」によって導かれる。現在、解決策がどこにあり得るかに関係なく、解決策は全て実体及び実体の関係で構成される。解決策における全ての実体は、重要であり、区別可能であり、物理的であり、それと同時に情報的な実体である。意味を提供するために、全ての被制御情報はまずそれ自体を表現し、ひいては解決策を提供する。これは必然的に、7,000全ての自然言語と同じであり、「意味」に対処する以外の何物でもない。NSLの場合、対処されるものは、どこにあるか又はいかに表現されるかに関係なく「解決策」である。GEMは以下のサブセットを有する。
k.解決策等価行列(SEM):
i.シンタックスレベル等価:この等価行列は、NSLのシンタックス構造体が任意の既存の解決策フレームワークにわたるニーズの大半を満たすことを確立するために準備される。この等価を確立するプロセスにおいて、NSLは、既存の解決策フレームワークにおける構造体に一致する要素がない場合は常に、等価構造体を提供した。これは、NSLフレームワークにおける構造体としてNSLが任意の状況に対処する能力を強化し、NSL構造体をはるかに成熟させ包括的にした。
ii.セマンティックレベル等価:この等価行列は、NSLの実施が異なる既存の解決策の実施にマッピングされることを確立するために準備される。これは、既存の解決策におけるギャップを識別し、「NSLと同じ力を与える」機会を提供した。
l.プログラミング言語等価行列(PLEM):この等価は、Translation-360(T360)イニシアティブのコンテキストにおけるものである。NSLは実体ベースのモデルである。最も重要なのは、解決策のコンテキストでの実体及びそれらの関係である。区別可能で離散しているあらゆるものは実体である。疎結合実体は、それ自体の実体状態を有するCESを生じさせる。実体は一意(単語又は記号で表される)又は同一(数で表される)の何れかである。世界中の別個の全ての状態は、空間及び時間の物理的現実に組み込まれる(それ自体で基板として扱われるものとする)。世界中の別個の全ての物事は、属する基板に関係なく、情報的な性質であるとも見なされるものとする。言語はそれ自体で基板である。全ての物理的な物事は、この基板における相手方を通して表すことができ、「等価原理」を確立する。解決策は実体クラス及びそれらの関係をとり、解決策に繋がる変換経路が作成される。解決策では、全ての物事はクラスレベル実体を有し、トランザクション時、そこに適格メンバが到着する。NSLは、任意の種類の解決策にとって重要な実体及び関係をピックアップ可能なフレームワークを提供する。このフレームワークは、世界の仕組み原理に基づく。世界の機序は、科学によって裏打ちされた、何年にもわたる知識の拡大に起因してかなり理解されている。NSLは、解決策の性質に関係なく、全ての解決策シナリオを捕捉する能力を有する。NSLは「等価原理」に従う。NSLはなんとか、異なる基板における解決策をかなり効率的に調停してきた。そうするに当たり、解決策が異なる基板に存在可能なことを確立した。NSLフレームワークが、解決策がどこにあり得るかに関係なく、解決策の本質を優雅に捕捉できることも確立した。これは、様々な自然言語基板の背後の意味を正確に捕捉することに類似する。全てのプログラミング言語がNSLフレームワークにマッピングされ、逆も同様であるのは、この背景においてである。等価原理に基づいて「プログラミング言語等価行列」を確立することによって行われてきた。行列は、行及び列によって表される。行列中のあらゆる行は、変数として作用する一意のIDを有する。全ての行は、構造、状態(常数/変数)、及び機能の一意性を表す。列は、NSL構造体、異なるプログラミング言語、及びそれらの構造体を表す。行は一意性を表すが、同じ行中の列は同一性-即ち換言すれば、等価-を表す。異なるプログラミング言語でテストされた全ての解決策にわたって共通する1つのことは、解決策が機能することであり、機能に曖昧さがないことを意味する。電子が間違いなく常に、解決策への道を発見可能なことも意味する。複雑性は、プログラミング言語に関する実体又は実体のセットの一意性を特定し、それらを正しい行に配置することに関する。等価関係がまず、JSONベースの正準表現を通して各行の一意の変数IDとNSL構造体との間に確立される。NSL「への」任意のプログラミング言語を行う必要がある場合、適用可能であれば、JSON形式でのアイデンティティをその言語における等価構造体で置換することができる。技術翻訳フレームワークはそうして確立される。同じ原理に従って、NSLは、同じ行中の変数IDをその特定の言語の構造体で置換することによって任意のプログラミング言語に翻訳される。技術再翻訳フレームワーク(TRF)はそうして確立される。行には埋められる多くの列が存在し得、一方、他は該当しないままであり得る-ヌル値を有する。多くのプログラミング言語にわたり、行中の1つ又は2つの列しか埋まらない場合がある。行列は、プログラミング言語の性質に応じて密又は疎である。汎用言語(Java、Python等のように)では密になり、一方、専用言語(COBOL、Fortran等のように)では疎になる。大半の他のプログラミング言語と比べたそれらのプログラミング言語でのそれらの構造体の一意性を物語る。行列中の行数は、プログラミング言語にわたる幾つかの構造体の一意性の提供が求められる場合、大きくなる。各行は時に、インターフェース層、論理層、及び永続層からの構造体を一緒にする。過去におけるプログラミング実施は、非標準構造で蓄積されてきた。API及びラッパーの出現は、挙動を駆動するアルゴリズムにアクセスせずに、固有の挙動が入力及び出力レベルでのみ理解されることに繋がる。プログラミング言語での各構造体は、基盤(ハードウェア)によってサポートされる。T360は、ハードウェア/オペレーティングシステム及び任意の外部デバイスエコシステムと共に構造体の挙動を考慮に入れることによって全ての構造体を総体的に網羅する。
m.自然言語等価行列(NLEM):NSLフレームワークは、実体-コンテキスト-アイデンティティベースのフレームワークである。NSL解決策の機能/論理を駆動するのはアイデンティティである。解決策の全ての中味の活動にとって重要なのはこれらのアイデンティティである。自然言語は、特に人間エージェントのコンテキスト及び解決策環境とのインターフェースにある。行は一意性を表し、列は特定の自然言語に関する「等価性」を表す。1列目はアイデンティティを表し、残りの列は異なる自然言語を表す。CU内の全ての変化ドライバ(CD)は大方、単一の単語又は短い句の何れかである。大半、名詞、形容詞、副詞、及び前置詞、又は簡単な句等の発話の部分でもある。DSDは、CD及び異なる自然言語での均等物を収容する。DSDは、これらを言語にわたる既存の辞書から借りた。言語にわたり文を作成するために、DSDで利用可能な数百もの動詞から借り、名詞及び名詞句をその前に置き(文の主語を表す)、適切な名詞及び名詞句を使用して末尾を埋める(文の目的語を表す)ことにより、文を作成することができる。CUの大半は再帰性を有するため、DSDは、コンテキスト的に選ばれ使用することができる多数のCU記述文も収容し、DSDは、他の全言語での文均等物を含む。
a.物理の制約:物理基板は、4つの基本的な力等の物理法則によって支配される。例えば:人が地面から10階までジャンプしたことを文が述べる場合、物理基板制約はその文を不合理と分類する。
b.生命科学の制約:SSAサイクルは、自然淘汰系が全てのレベル、全ての視座で生じるようにセットアップされ接続される。SSAサイクルにおける任意の中断は、機械が理解できない効果を生み出す。例えば、150歳を越える人間の寿命の証拠が知られていない場合、生命科学が関わる解決策には、重要なパラメータの中でも特に、年齢について現在の見解の制約が装備される。
c.数学の制約.例えば、数学には公理がある。これらの公理はクラスレベル文である。三角形の全ての角の総和は180°である。同様に、円周は2πrである。システムは、数学の既知の全ての制約について常にチェックする。
d.自然言語の制約:自然言語におけるあらゆる文は、動詞を有さなければならず、全ての一意実体は名詞として識別され、形容詞は名詞のみを修飾することができ、副詞は動詞を修飾することは、制約の幾つかである。
e.NSL及びエージェントシステムの制約:SSAサイクルがエージェントシステムに向けられたものであり、エージェントは目的により駆動され、エージェントは常に、より望ましい状態に移ることを探し求めることを述べる。エージェント、一般実体、及び目的が分離不可能であり、全ての変化ドライバの到着が、変化を生じさせるためにマストであり、変化は、エージェントの存在なしではトリガーできず、実体は適切な属性に添付されるべきであり、変化単位は正しいエージェントに接続されるべきであり、全ての変化は空間及び時間において生じることを述べる。
f.確率原理:SSAサイクルは、より多くの光を現実に投じる追加情報を生成する。細かくなるにつれて、最後に残るのは、実体を有するか又は有さないかという数学的制約だけである。確率は0~1であることができる。車がガソリンなしで走行することができることの確からしさはどれくらいか?フライトでの思わぬ技術的障害に起因して1時間の遅れがある場合、ジェイムズがロンドンに時間通りに到達することができることの確からしさはどれくらいか?これらの問いへの答えは、先進プランニング及び最適化目的に極度に関連することになる。不確実性の定量化は、確率公理、条件付き確率、条件付き独立確率、確率的推論(即ち観測された証拠を所与としたクエリ命題の事後確率の計算)等の確率原理を適用することによって行われる。完全結合分布が、全ての問いへの答えを導き出すことができる「知識ベース」として使用される。
g.相関原理:相関とは、別の実体に対する実体の可用性を指す。相関は-1から1まで様々であることができる。極めて強い相関があることもあれば、相関が全くないこともある。過去データ又は現在データの可用性は、2つの実体間の関係の強さ及び方向を理解するのに役立つことができる。過去データに基づいて多くの使用事例が存在することができる。夏期と除雪機との間の相関は何であることができるか?CGPA4/5と高等教育を選ぶ生徒との間の相関は何であることができるか?さらに、誰かが、別の実体の知識に基づいてある実体についての何かを推論することができる場合、それらの実体は関連又は相関すると見なされる。相関は正又は負であることができる。相関は図面23に表されている。任意の2つの実体間の相関は、相関係数として表される-1から+1までの範囲の程度の問題である。例:顧客の場所までの距離を知ると、製品の配送にかかる時間について何らかの大まかな結論を導き出すことができ、逆も同様である。馬を見ると、勝つチャンスを識別することができる。企業を知ると、その年に生み出される可能性が高い収益が分かる。トリガーCESを見ると、そのサイクル時間が分かる。実体についての情報がない場合、相関は、他の利用可能な情報に基づいてより多くの情報に基づいて結論を導き出すのに役立つことができる。「配送人」が「確実な配送」に高度に相関することを知っている場合、システムは、より注意を要する配送にその人を選ぶ可能性が高い、相関係数は、相関する実体に関する、実体の属性値として表すことができる。それらの実体は個々の実体であることができ、又はCESであることもできる。これは、エージェントの属性としてIRDRを実体に添付するのと同じである。相関係数の場合、NSLは、その「相関属性分岐」において実体及び実体の係数を指定する。ますます多くのトランザクションデータ又は情報が到着するにつれて、これらは常に更新される。これらの値は、大部分、バッチモードで生成することができる。相関への最新のトランザクションの影響が高い場合、リアルタイム査定を用いることができる。統計有意性がある場合のみ、これらの相関属性値を維持することが強いられ得ることは言うまでもない。大半の場合、相互情報があるであろう。例:「土曜日」は「製造」に関して相関係数を有し、「製造」は「土曜日」に関して相関係数を有する。加えて、相関属性値の生成は、実際に重要なものによる影響を受ける。拍動する心臓と通勤中の人との間の相関は高い値であり得るが、その情報は価値を付加しない。値の「実体相関」に関してDSDにおける予約実体のベースを維持するのに支払う。これは、新しい解決策が作成される都度、値のそのような相関を識別する必要があるという追加尽力を低減する。
h.回帰分析原理:相関及び回帰分析は両方とも、実体間の関係に対処する。回帰分析は、1つ又は複数の独立変数の値を所与として、従属変数の値を予測することにフォーカスする。回帰分析は図面24に表されている。回帰分析の適用の1つは、「従属変数」としてのLSIの処理及び独立変数としての他の全ての変化ドライバ(CD)の処理である。回帰式は、トリガーCESに添付することができる。CUが製品の配送に対処している場合、配送のパラメトリック値についてより精密な予測を行うことができる。
i.実体間距離:あらゆる実体は他のあらゆる実体と関連する。NSLは分化原理で機能する。NSLは、解決策エコシステムに参加している全ての潜在実体のバイナリツリー構造を有する。全ての潜在はクラスである。クラスは垂直又は水平であることができる。距離は、ある実体を別の実体から隔てるイベント数を指す。距離はまた、解決策が機能し得るか、又はし得ないかの制約の判断において主要な役割を果たす。例えば、所望の状態が10イベント離れている場合、解決策設計者はその所望の状態をすぐ隣の変化単位に置くことはできない。システムは、設計者に是正措置をとることを気付かせることができる。
j.クエリ原理:解決策は、情報的であるため、一意の機会を解決策設計者に提示する。設計者は、構造化された様式で答えを抽出するために一連の問いを尋ねることができる。特定の問いへの答えが得られると、現在の現実についての知識は、確固たる基盤に留まる。クエリに基づいて、物事のすぐ次の状態について結論を下すことさえできる。例えば、仮に誰かが現在の場所について尋ねられ、「アイルランド」と答えた場合、この人が1時間以内にUSAにいることができる可能性は低い。同様に、最近の答えとの任意の矛盾を確認することもできる。
自然淘汰プロセスは、推論エンジンによって定められる簡易化規則の適用により、極度に改良される。構造化推論メカニズムの適用により、機械は、情報に基づく判断を下すことが可能になる。機械は、人間よりも数百万倍速い速度ではるかに多くのデータに対処し、情報を処理し得る。日々の生活で、人間は、選択を篩に掛け、決定に達するために、数学、物理、又は自然言語から導出される学習を適用しないことがある。これは時に、常に人間に役立つわけではない決定に繋がることがある。NSLの推論エンジンは、全てのノイズを排除するのに役立ち、これら全ての規律の完全な知識を有する人間と全く同じように、判断を下すために重要な実体に対処するよう機械システムを調整する。物理、数学、又はエージェントシステムにおいて定められる法則は少数である。しかし、これらの制約及び原理は、科学によって理解されるように、周囲で生じるあらゆるものを説明するのを助ける。情報が利用可能ではないことに起因して、複雑性が生じる。SSAは複数の視座で動作している。人体であっても、SSAは核レベル、細胞レベル、そして体レベルまでのレベルで動作する。SSAの分布は複雑を簡単にする。SSAの追加は、より多くの情報を生成する。これは複雑性レベルを下げることに繋がり、膨大な量のデータが分析及び意思決定に利用可能になる。構造化は、物事の簡易化に役立つ。構造化推論メカニズムの適用により、機械は情報に基づいて決定を下すことができる。自然淘汰プロセスは、NSL分析エンジン及びNSL推論エンジンにより定められる簡易化規則の適用によって極度に改良される。分析エンジン及び推論エンジンは、互いと密に結びつけられる。推論エンジンは、機械が物事を人間がするのと同じように解釈するのを助ける手段を提供する。分析エンジンは、分析及び決定サポートシステムのツールを提供する。性能をリアルタイムで測定して、解決策を支援し改善するのに役立つ。NSLは、固有の簡易化された決定サポートメカニズムに起因して推論に掛かる時間を劇的に短縮する。これらの原理上で構築されて、NSL推論エンジンは、人間エージェントと機械エージェントとの間の情報非対称性及び機能非対称性を完全に取り去る推論を導き出す潜在性を有する。推論エンジンは、情報又は知識を知識ベースから取得して、推論若しくは結論に達し、又は特定の解決策を導出する。推論エンジンは、特定の解決策の導出に前向き連鎖又は後向き連鎖を使用する。推論エンジンは、深層学習アルゴリズムも使用することにより事実及び/又は規則から結論又は推論を導出する。知識ベースに記憶された知識又は事実は、データベースの形態で維持される。解決策を構築するために、解決策アーキテクトは、解決策に固有のデータの記憶及び検索を行うためにデータベースを必要とする。このデータベースは、解決策アーキテクトにより提供される実体及び属性のメタデータを記憶することにより、NSLプラットフォームにより提供される。解決策の実行/走行中、データは、解決策設計者が意図する厳密な形式でエンドユーザから入力としてとられる。クエリが来るときは常に、データは、既知の方法を使用することによってデータベースからアクセス及び/又は検索される。クエリベースのアクセスは、構造化クエリ言語(SQL)及び/又はNoSQL(Not only Structured Query Language)を含む。知識ベースはグラフ構造の形態でも記憶され、その場合、データは既知の手段を使用することによってグラフからアクセス及び/又は検索することができる。一般等価行列(GEM):NSLは、世界の仕組み(WWW)原理に基づく。NSLは、科学での発見から得られた理解を通してこの現実に包括的に対処する。非常に確固たる地面上にあるグローバル知識ベースに対処する。エージェントの視点からのWWWは、実体及び実体の関係に関する全てである。実体及び変化の動力学は、NSLマッピングにおいて包括的に対処される。NSLにおける構造体は、世界の解決策提案機会を提示する解決策論理及び知識の体系を集合的に表す。一般等価行列(GEM)は、任意の既存の解決策フレームワーク及びNSL構成要素に関して解決策及び解決策構成要素を同一視することに依拠する。プロセスは、「次世代解決策フレームワークの構築に当たりNSLの純度を保存する原理」によって導かれる。現在、解決策がどこにあり得るかに関係なく、解決策は全て実体及び実体の関係で構成される。解決策における全ての実体は、重要であり、区別可能であり、物理的であり、それと同時に情報的な実体である。意味を提供するために、全ての被制御情報はまずそれ自体を表現し、ひいては解決策を提供する。これは必然的に、7,000全ての自然言語と同じであり、「意味」に対処する以外の何物でもない。NSLの場合、対処されるものは、どこにあるか又はいかに表現されるかに関係なく「解決策」である。GEMは以下のサブセットを有する。
k.解決策等価行列(SEM):
i.シンタックスレベル等価:この等価行列は、NSLのシンタックス構造体が任意の既存の解決策フレームワークにわたるニーズの大半を満たすことを確立するために準備される。この等価を確立するプロセスにおいて、NSLは、既存の解決策フレームワークにおける構造体に一致する要素がない場合は常に、等価構造体を提供した。これは、NSLフレームワークにおける構造体としてNSLが任意の状況に対処する能力を強化し、NSL構造体をはるかに成熟させ包括的にした。
ii.セマンティックレベル等価:この等価行列は、NSLの実施が異なる既存の解決策の実施にマッピングされることを確立するために準備される。これは、既存の解決策におけるギャップを識別し、「NSLと同じ力を与える」機会を提供した。
l.プログラミング言語等価行列(PLEM):この等価は、Translation-360(T360)イニシアティブのコンテキストにおけるものである。NSLは実体ベースのモデルである。最も重要なのは、解決策のコンテキストでの実体及びそれらの関係である。区別可能で離散しているあらゆるものは実体である。疎結合実体は、それ自体の実体状態を有するCESを生じさせる。実体は一意(単語又は記号で表される)又は同一(数で表される)の何れかである。世界中の別個の全ての状態は、空間及び時間の物理的現実に組み込まれる(それ自体で基板として扱われるものとする)。世界中の別個の全ての物事は、属する基板に関係なく、情報的な性質であるとも見なされるものとする。言語はそれ自体で基板である。全ての物理的な物事は、この基板における相手方を通して表すことができ、「等価原理」を確立する。解決策は実体クラス及びそれらの関係をとり、解決策に繋がる変換経路が作成される。解決策では、全ての物事はクラスレベル実体を有し、トランザクション時、そこに適格メンバが到着する。NSLは、任意の種類の解決策にとって重要な実体及び関係をピックアップ可能なフレームワークを提供する。このフレームワークは、世界の仕組み原理に基づく。世界の機序は、科学によって裏打ちされた、何年にもわたる知識の拡大に起因してかなり理解されている。NSLは、解決策の性質に関係なく、全ての解決策シナリオを捕捉する能力を有する。NSLは「等価原理」に従う。NSLはなんとか、異なる基板における解決策をかなり効率的に調停してきた。そうするに当たり、解決策が異なる基板に存在可能なことを確立した。NSLフレームワークが、解決策がどこにあり得るかに関係なく、解決策の本質を優雅に捕捉できることも確立した。これは、様々な自然言語基板の背後の意味を正確に捕捉することに類似する。全てのプログラミング言語がNSLフレームワークにマッピングされ、逆も同様であるのは、この背景においてである。等価原理に基づいて「プログラミング言語等価行列」を確立することによって行われてきた。行列は、行及び列によって表される。行列中のあらゆる行は、変数として作用する一意のIDを有する。全ての行は、構造、状態(常数/変数)、及び機能の一意性を表す。列は、NSL構造体、異なるプログラミング言語、及びそれらの構造体を表す。行は一意性を表すが、同じ行中の列は同一性-即ち換言すれば、等価-を表す。異なるプログラミング言語でテストされた全ての解決策にわたって共通する1つのことは、解決策が機能することであり、機能に曖昧さがないことを意味する。電子が間違いなく常に、解決策への道を発見可能なことも意味する。複雑性は、プログラミング言語に関する実体又は実体のセットの一意性を特定し、それらを正しい行に配置することに関する。等価関係がまず、JSONベースの正準表現を通して各行の一意の変数IDとNSL構造体との間に確立される。NSL「への」任意のプログラミング言語を行う必要がある場合、適用可能であれば、JSON形式でのアイデンティティをその言語における等価構造体で置換することができる。技術翻訳フレームワークはそうして確立される。同じ原理に従って、NSLは、同じ行中の変数IDをその特定の言語の構造体で置換することによって任意のプログラミング言語に翻訳される。技術再翻訳フレームワーク(TRF)はそうして確立される。行には埋められる多くの列が存在し得、一方、他は該当しないままであり得る-ヌル値を有する。多くのプログラミング言語にわたり、行中の1つ又は2つの列しか埋まらない場合がある。行列は、プログラミング言語の性質に応じて密又は疎である。汎用言語(Java、Python等のように)では密になり、一方、専用言語(COBOL、Fortran等のように)では疎になる。大半の他のプログラミング言語と比べたそれらのプログラミング言語でのそれらの構造体の一意性を物語る。行列中の行数は、プログラミング言語にわたる幾つかの構造体の一意性の提供が求められる場合、大きくなる。各行は時に、インターフェース層、論理層、及び永続層からの構造体を一緒にする。過去におけるプログラミング実施は、非標準構造で蓄積されてきた。API及びラッパーの出現は、挙動を駆動するアルゴリズムにアクセスせずに、固有の挙動が入力及び出力レベルでのみ理解されることに繋がる。プログラミング言語での各構造体は、基盤(ハードウェア)によってサポートされる。T360は、ハードウェア/オペレーティングシステム及び任意の外部デバイスエコシステムと共に構造体の挙動を考慮に入れることによって全ての構造体を総体的に網羅する。
m.自然言語等価行列(NLEM):NSLフレームワークは、実体-コンテキスト-アイデンティティベースのフレームワークである。NSL解決策の機能/論理を駆動するのはアイデンティティである。解決策の全ての中味の活動にとって重要なのはこれらのアイデンティティである。自然言語は、特に人間エージェントのコンテキスト及び解決策環境とのインターフェースにある。行は一意性を表し、列は特定の自然言語に関する「等価性」を表す。1列目はアイデンティティを表し、残りの列は異なる自然言語を表す。CU内の全ての変化ドライバ(CD)は大方、単一の単語又は短い句の何れかである。大半、名詞、形容詞、副詞、及び前置詞、又は簡単な句等の発話の部分でもある。DSDは、CD及び異なる自然言語での均等物を収容する。DSDは、これらを言語にわたる既存の辞書から借りた。言語にわたり文を作成するために、DSDで利用可能な数百もの動詞から借り、名詞及び名詞句をその前に置き(文の主語を表す)、適切な名詞及び名詞句を使用して末尾を埋める(文の目的語を表す)ことにより、文を作成することができる。CUの大半は再帰性を有するため、DSDは、コンテキスト的に選ばれ使用することができる多数のCU記述文も収容し、DSDは、他の全言語での文均等物を含む。
[0201] 自然言語解決策-技術フレームワーク(NSL-TF):NSL-TFは、NSL実行時環境の設計及び実装を担当する。NSL-TFはJava及びSpring Technologiesを使用して開発される。分散マイクロサービスを用いて設計された複数のモジュールからなる。NSL-TFに存在する複数のモジュールは、実体、種々のタイプのCU、トランザクションクラス、予約CU、自然言語翻訳等のNSLに存在する全ての構造体に設計、構築する能力の提供を担当する。NSLでは、一般実体の作成、新しい属性を追加することによる実体の更新、新しいサブ実体を追加することによる実体の更新、実体全体の更新、基本変化単位の作成、基本変化単位の更新、層への参加項目(例えば属性)を変更することによるCUの更新、層を変更することによるCUの更新、GSIの作成、GSIの更新、再帰CUの追加、代替CUの追加は、JSON(Javaスクリプトオブジェクト表記)スキーマ及び他の既知のやり方又は方法を使用することによって行われる。NSL-TFアーキテクチャはコア及びトランザクションを含む。コアはCUサービス、一般実体サービス、及びコンテキストIDサービスを含む。トランザクションはトリガーCU実行サービス及びDCD実行サービスを含む。NSL-TFでは、データベースは全ての形態で情報を保持する。NSLプラットフォームはポリグロット永続性を提供する。ポリグロット永続性は、解決策エコシステムの実行時をサポートするために複数のデータベースが共存することを指す。メッセージング及び他の非同期使用の場合、TFはKafka及び/又はMQ(メッセージングキュー)関連技術を使用する。ユーザ認証及び承認のために-Key cloak及びSpring SecuritiesのようなIAM(アイデンティティ及びアクセス管理)技術が使用される。NSL-TFアーキテクチャは、図面17に表されるように、複数のモジュールに動作可能に接続される。
[0202] 自然言語に生命を吹き込む:これは、任意の解決策を従来の方法と比較して1%未満の尽力で構築できるようにするプロセスである。複雑な解決策でさえも、プログラミングコードを完全になくす道を開くNSLを使用して構築することができる。
自然言語に生命を吹き込むことは、以下の要素を有する。
a)別個の/離散した状態:NSLは、別個の/離散した重要な何かとして情報を定義する。重要な全ての物事は実体として表される。NSLは「バイナリ実体」(BET)ベースのモデルである。実体の概念はエージェントシステムのコンテキストでのみ有意味である。エージェントは世界におけるパターンを認識する。エージェントは、生き残りニーズによりよく応えるように、世界での物事及びそれらの相互作用を分類する。パターン認識及び分類は、連続を離散した(別個の)状態に変換する。これは、現実世界における無限性及び複雑性に打ち勝つために行われる。情報を記憶し、処理し、情報に対して作用するエージェントの能力は、有限で限られている。ビデオは、眼前で巻かれている毎秒30フレームを通して世界にけるリアルタイム経験を捕捉する。任意の2つのフレーム間に無限がある。しかし、その情報を全て無視することは、各フレームに含まれる情報を認識することと同程度重要である。エージェントに残された唯一の選択は、よりよく生き残るために十分なだけの離散し最適化されたように情報を捕捉することである。付随的に、離散実体及び実体が生じさせた離散イベントの知識は、任意の解決策の構築に十分である。
b)バイナリ実体(BET):NSLは、エージェントシステムにおける実体の真の性質を認識するに当たりある手法をとる。エージェントシステムにおける実体の真の性質は、実体がバイナリ状態で存在するというものである。バイナリ実体(BET)は、情報を定量化するバイナリ数字(BIT)に類似する。「BIT」は情報の基本単位である。「BET」は解決策の基本単位である。NSL BETは解決策を定量化する。「ビット」が「0」又は「1」状態で存在するのと全く同じように、BETは「クラスのみ」又は「定量化されたメンバを内部に有するクラス」の形態で存在する。換言すれば、潜在(0)又は現実(1)の状態で存在する。エージェントの行動には常に「考える」ことが先行する。エージェントは、跳ぶことを決め、それから跳ぶ。幾つかの行動は本能レベルである。体は、「無意識機能」と呼ばれる「自動的に考える」能力が植え付られている。考えることは、予期しながら心の中で作成されたパターンである。この考える機能又は予期機能は、バイナリ状態の「クラス」側と同じである。クラス外部ではメンバは存在できない。
c)クラス関係:クラスが別のクラスと結合される場合、それらの2つは一緒になって新しいクラス(実体状態組合せ)を形成する。クラスは一緒になって、更なる分化に寄与する。例:「A」及び「B」が結合される場合、それらは「AB」になり、ABはA又はBの何れかからの分化である。この例は図面31に表されている。各クラスは「制約」としても見られるべきである。クラスは、適格メンバのみを認める。例:クラスが「ペン」である場合、「小石」又は「葉」がそのクラスに入ることは認めることができない。この例は図面32に表されている。クラスが制約であるのは、そのような意味においてである。可能性を減じることにより、クラスは物事にピントを合わせる。クラスを結合することにより、フォーカスはますます鮮鋭になることができる。NSLが、本当に重要なその実体又は実体のセットに到達するのは、可能性を常になくすこの方法論を通してである。A、B、C(ABC)の結合が望まれるものである場合、A、B、C、AB、BC、又はCAのみを有することは、基準セットを満たすことにならない。3つ全ては同時に存在しなければならない。情報技術では、所望の分化が生じるようにクラスを結合するこのプロセスは、「AND」演算子を通して対処される。結合が分岐する場合、同じことは「OR」演算子を通して対処される。「NOT」演算子は、クラスとメンバとの間のトグルに対処する。「NOT」は「クラス」(潜在)を「メンバを有するクラス」(現実)に変換し、逆も同様である。
d)クラスの同義語:世界は異なる名称で「クラス」を参照する。プロセスでは、これらの同義語及びそれらに関連する複数の解釈の蔓延から生じる混乱もかなり大きい。最後には、それらは全て同じ物事を意味する。そのような同義語に伴う問題は、人々がそれらを異なるものとして考えがちであることである。加えて、異なる意味を割り当てて、混乱を拡大させる。ここにあるのは、「クラス」の多くの同義語のサンプルリストである。
A.潜在性
B.制約
C.規則
D.アルゴリズム
E.システム
F.プロセス
G.構造
H.制限
I.フィルタ
J.予期
K.解決策
L.規制
M.決定
N.チョイス
O.選択
P.注目
Q.定理
R.公理
S.経路
T.チャネル
上記から気付くことは、上記用語の各々が、沢山の可能性から可能性を制限することである。望ましさが低いポジションからより望ましいポジションに進むのは、可能性の一連のそのような指向性低減を通してである。任意の可能な解決策は、クラスレベルCESを作成し、そしてNSL実行時環境で拡張CESを作成することによって達成することができる。
e)クラス及びメンバ関係:NSLは、クラスをいかに接続して、任意の分化解決策を作成することができるかについて開示した。NSLは、解決策環境に関わる別の種類の関係も有する。その関係はクラスとメンバとの間の関係である。解決策が、接続された関連するクラスを使用して作成される場合、それだけでは目的を達成しない。NSL実行時に置かれ、環境に露出される必要がある。次いで解決策は、メンバを環境から吸い込んで指定されたクラスに入れるとともに、他の指定されたクラスによって吸収されるようにメンバを吐き出しもする。吸い込み及び吐き出しは、入力及び出力又は入力イベント又は出力イベントと同じである。
f)クラスからメンバへ:これは、全てのクラス及びそれらの関係が既に確立されている、既に制定された全ての解決策に適用される。そうするためには、後は、環境を注視して、適格メンバがノードのローカルネットワークに入るのを認め、ノードのローカルネットワークが、ノードの他のローカルネットワークへの適格メンバを生成するだけでよい。クラスからメンバへの関係状況では、メンバの受け入れは利用可能なクラスに基づく。換言すれば、「クラス」が事前に存在しなければ、「メンバ」は存在し得ない。
g)メンバからクラスへ:これらの状況では、エージェントは環境における実体を認識し、それらを理解しようとする。これは、直面した実体の適切な分類を通して行われる。機械学習の大半は、これらのクラスを教師あり又は教師なしの何れかで識別することについてである。例:人が窓から外を見ており、その人が特定の鳥を認識することができない場合、その人は友人に尋ね、友人はその人に「ああ、あれは鳩だ」と言う。友人の場合、鳩がどのクラスに属するかを知っていたため、クラスからメンバに移った。その人の場合、その実体がどのクラスに属するかについて前は全く分からなかったため、メンバからクラスに移った。学習の大半はこのように進む。クラスは、任意の新しい環境を、それらの事前に存在するクラスのコンテキストにおいて理解することができるように、精神的構造体を可能にする。解決策設計者は、解決策構築プロセスにおいて正しいクラス及びそれらの関係を識別することにより、それらの洞察を示す。このようにして、NSLにおいて自然言語に生命が吹き込まれる。
自然言語に生命を吹き込むことは、以下の要素を有する。
a)別個の/離散した状態:NSLは、別個の/離散した重要な何かとして情報を定義する。重要な全ての物事は実体として表される。NSLは「バイナリ実体」(BET)ベースのモデルである。実体の概念はエージェントシステムのコンテキストでのみ有意味である。エージェントは世界におけるパターンを認識する。エージェントは、生き残りニーズによりよく応えるように、世界での物事及びそれらの相互作用を分類する。パターン認識及び分類は、連続を離散した(別個の)状態に変換する。これは、現実世界における無限性及び複雑性に打ち勝つために行われる。情報を記憶し、処理し、情報に対して作用するエージェントの能力は、有限で限られている。ビデオは、眼前で巻かれている毎秒30フレームを通して世界にけるリアルタイム経験を捕捉する。任意の2つのフレーム間に無限がある。しかし、その情報を全て無視することは、各フレームに含まれる情報を認識することと同程度重要である。エージェントに残された唯一の選択は、よりよく生き残るために十分なだけの離散し最適化されたように情報を捕捉することである。付随的に、離散実体及び実体が生じさせた離散イベントの知識は、任意の解決策の構築に十分である。
b)バイナリ実体(BET):NSLは、エージェントシステムにおける実体の真の性質を認識するに当たりある手法をとる。エージェントシステムにおける実体の真の性質は、実体がバイナリ状態で存在するというものである。バイナリ実体(BET)は、情報を定量化するバイナリ数字(BIT)に類似する。「BIT」は情報の基本単位である。「BET」は解決策の基本単位である。NSL BETは解決策を定量化する。「ビット」が「0」又は「1」状態で存在するのと全く同じように、BETは「クラスのみ」又は「定量化されたメンバを内部に有するクラス」の形態で存在する。換言すれば、潜在(0)又は現実(1)の状態で存在する。エージェントの行動には常に「考える」ことが先行する。エージェントは、跳ぶことを決め、それから跳ぶ。幾つかの行動は本能レベルである。体は、「無意識機能」と呼ばれる「自動的に考える」能力が植え付られている。考えることは、予期しながら心の中で作成されたパターンである。この考える機能又は予期機能は、バイナリ状態の「クラス」側と同じである。クラス外部ではメンバは存在できない。
c)クラス関係:クラスが別のクラスと結合される場合、それらの2つは一緒になって新しいクラス(実体状態組合せ)を形成する。クラスは一緒になって、更なる分化に寄与する。例:「A」及び「B」が結合される場合、それらは「AB」になり、ABはA又はBの何れかからの分化である。この例は図面31に表されている。各クラスは「制約」としても見られるべきである。クラスは、適格メンバのみを認める。例:クラスが「ペン」である場合、「小石」又は「葉」がそのクラスに入ることは認めることができない。この例は図面32に表されている。クラスが制約であるのは、そのような意味においてである。可能性を減じることにより、クラスは物事にピントを合わせる。クラスを結合することにより、フォーカスはますます鮮鋭になることができる。NSLが、本当に重要なその実体又は実体のセットに到達するのは、可能性を常になくすこの方法論を通してである。A、B、C(ABC)の結合が望まれるものである場合、A、B、C、AB、BC、又はCAのみを有することは、基準セットを満たすことにならない。3つ全ては同時に存在しなければならない。情報技術では、所望の分化が生じるようにクラスを結合するこのプロセスは、「AND」演算子を通して対処される。結合が分岐する場合、同じことは「OR」演算子を通して対処される。「NOT」演算子は、クラスとメンバとの間のトグルに対処する。「NOT」は「クラス」(潜在)を「メンバを有するクラス」(現実)に変換し、逆も同様である。
d)クラスの同義語:世界は異なる名称で「クラス」を参照する。プロセスでは、これらの同義語及びそれらに関連する複数の解釈の蔓延から生じる混乱もかなり大きい。最後には、それらは全て同じ物事を意味する。そのような同義語に伴う問題は、人々がそれらを異なるものとして考えがちであることである。加えて、異なる意味を割り当てて、混乱を拡大させる。ここにあるのは、「クラス」の多くの同義語のサンプルリストである。
A.潜在性
B.制約
C.規則
D.アルゴリズム
E.システム
F.プロセス
G.構造
H.制限
I.フィルタ
J.予期
K.解決策
L.規制
M.決定
N.チョイス
O.選択
P.注目
Q.定理
R.公理
S.経路
T.チャネル
上記から気付くことは、上記用語の各々が、沢山の可能性から可能性を制限することである。望ましさが低いポジションからより望ましいポジションに進むのは、可能性の一連のそのような指向性低減を通してである。任意の可能な解決策は、クラスレベルCESを作成し、そしてNSL実行時環境で拡張CESを作成することによって達成することができる。
e)クラス及びメンバ関係:NSLは、クラスをいかに接続して、任意の分化解決策を作成することができるかについて開示した。NSLは、解決策環境に関わる別の種類の関係も有する。その関係はクラスとメンバとの間の関係である。解決策が、接続された関連するクラスを使用して作成される場合、それだけでは目的を達成しない。NSL実行時に置かれ、環境に露出される必要がある。次いで解決策は、メンバを環境から吸い込んで指定されたクラスに入れるとともに、他の指定されたクラスによって吸収されるようにメンバを吐き出しもする。吸い込み及び吐き出しは、入力及び出力又は入力イベント又は出力イベントと同じである。
f)クラスからメンバへ:これは、全てのクラス及びそれらの関係が既に確立されている、既に制定された全ての解決策に適用される。そうするためには、後は、環境を注視して、適格メンバがノードのローカルネットワークに入るのを認め、ノードのローカルネットワークが、ノードの他のローカルネットワークへの適格メンバを生成するだけでよい。クラスからメンバへの関係状況では、メンバの受け入れは利用可能なクラスに基づく。換言すれば、「クラス」が事前に存在しなければ、「メンバ」は存在し得ない。
g)メンバからクラスへ:これらの状況では、エージェントは環境における実体を認識し、それらを理解しようとする。これは、直面した実体の適切な分類を通して行われる。機械学習の大半は、これらのクラスを教師あり又は教師なしの何れかで識別することについてである。例:人が窓から外を見ており、その人が特定の鳥を認識することができない場合、その人は友人に尋ね、友人はその人に「ああ、あれは鳩だ」と言う。友人の場合、鳩がどのクラスに属するかを知っていたため、クラスからメンバに移った。その人の場合、その実体がどのクラスに属するかについて前は全く分からなかったため、メンバからクラスに移った。学習の大半はこのように進む。クラスは、任意の新しい環境を、それらの事前に存在するクラスのコンテキストにおいて理解することができるように、精神的構造体を可能にする。解決策設計者は、解決策構築プロセスにおいて正しいクラス及びそれらの関係を識別することにより、それらの洞察を示す。このようにして、NSLにおいて自然言語に生命が吹き込まれる。
[0203] 全ての実際的な目的では、生命を吹き込まれた自然言語は、生物の挙動を完全にエミュレートする。クラスとメンバとの関係をトグルすることで、自然言語は動的になる。自然言語に生命を吹き込むのは、メンバの解決策セット(クラスセット)への到着及び出発である。全ての解決策はここで、「生命を吹き込まれた自然言語」の形態で表現相手方を有することが可能である。これは、全ての自然言語の表現能力への自然な拡張である。全ての自然言語は、現実でのいかなる複雑性も静的に包括的に示すことができる。NSLが行うのは、それらの自然言語に生命を吹き込むことによって生きた状態にさせることだけである。
[0204] マジックミラー:「自然言語に生命を吹き込む」ことは、NSLの真の性質を説明する強力な一方法である。別の等しく強力な隠喩は、マジックミラーとしてのNSLの視覚化である。数千もの自然言語が、数千年にもわたり現実世界で全ての物事を効率的に表す能力についてテストされてきた。ある意味、自然言語は、現実世界における実体の鏡である。鏡についての1つのことは、全ての物理像を正確に捕捉することである。しかし、それは単なる鏡である。鏡での実体は、現実世界での実体を反映し、現実世界での実体によって影響される。しかし、全ての実際的な目的では、鏡に映った実体は、現実世界での実体に影響しない。マジックミラーに関する場合は別の話である。このマジックミラーは、制御される電磁力で構成される。そのような制御は、「情報技術」ミラーにおける多くのレベルの抽象化によって得られる。これらの制御される電磁力を多くのレベルの抽象化及び自然言語と結合することにより、NSLはマジックミラーを現実にする。
[0205] マジックミラーの性質:マジックミラーにおける実体は互いと相互作用することができる。他のマジックミラー相手方における実体と相互作用することができる。「鏡に映った存在」の境界をシームレスに越えることもできる。「スクリーンから飛び出し」、現実世界における自体とシームレスに相互作用することができる。人間エージェント及び機械エージェントによって促進されるこれらの制御される実体の相互作用は、多くの奇術的プロパティを得る。どの基板(物理世界、イメージ世界、自然言語世界等)に属するかに関係なく、実体は、解決策にとって重要なものによってのみ影響される。最も興味深いことに、これらの実体の多くは、光の速度で移動し、毎秒数十億回、状態を変えることができる。
[0206] タイプアウェイ(Typing Away)解決策:解決策をNSLで記録することに関して、NSL実行時にわたりそれらの解決策をタイプし、解決策を機能させるのに限られた時間しか掛からない。UI、データベースインターフェースを作成し、モバイル対応にするために必要な尽力は多くない。その上、解決策作成は、任意の自然言語で行うことができ、任意の他の言語解決策に翻訳することができる。別の大きな追加の利点は、プログラミング言語環境を選択、入力及び出力等価性を保存するに当たり解決策を作り直す能力である。
[0207] コンテキスト性及び条件性:あらゆる実体は一意であり、それ自体のプロパティを有する。エージェントシステムでは、実体は、解決策を探し求めるため、エージェントにとって重要なものである。エージェントの視座では、実体は大方巨視的である。それらの実体は既に、異なるタイプの数兆もの原子及び粒子で構成されている。無数の離散した/別個の状態が、実体のプロパティのコンテキスト差に寄与する。このようにして、例えば、ペンは、書くことが可能であるというプロパティを有することになり、紙は、書かれるというプロパティを有することになる。エージェントはそのような実体に依拠して、目的を満たす。例:人の飢えを満たすためには、1個の林檎だけでよい。この場合、原子の形態の数兆もの離散した/別個の状態は一緒になって(離散/別個状態の組合せ)、林檎を形成し得る。しかし、同じ人が手紙を書く必要がある場合、その人はここでは、手紙を書くためにペン及び紙を必要とする。「林檎」が「飢えを満たす」というイベントを生み出すのと全く同じように、「ペンと紙」の組合せは、「書かれた紙」というイベントを生み出す能力を有する。なお、NSLパラダイムにおける実体は、排中律原理で動作する。即ち、実体はそこにあるか、又はそこにないかの何れか、バイナリ状態である。解決策が既に設計されている任意の環境では、クラスがまず作成されて、メンバの到着を促進する。上記の場合、林檎クラスがまずそこにあり(潜在で)、それから現実の林檎が到着した。「林檎半分」又は「林檎1/4」等の中間状態は提供されない。林檎がクラスに到着すると、「クラス林檎」を現実にかえたイベントとして知られるようになる。林檎が出発する場合、それもイベントである。「クラス林檎」はここではメンバがなく、状況を再び潜在にする。2つの実体-ペン及び紙-は、手紙を書くという所望のイベントを生み出すために必要とされる。NSL理論では、「ペンと紙」の組合せ-その連帯性-自体がそれ自体のプロパティを有する必要がある。バイナリ変数の形態の2つの実体があるため、解決策視点からの組合せ状態は4つの異なる状態であることができる。
1.ペン及び紙は両方とも潜在である(クラスのみが存在する)。
2.ペンは、クラスペンにつるされたメンバとして到着し、したがって、ペンは現実状態であり、紙は潜在である。
3.別の可能性は、紙が到着し、その状態を現実に変えるが、紙はまだ到着していないというものである。
4.第4の組合せ状態は、ペン及び紙が両方とも現実である。
なお、第4の状態のみが、「書かれた手紙」という所望のイベントを生じさせる能力を有する。即ち、その組合せのみが、所望のイベントを生成する条件を満たす。残りの3つの組合せは、「ヌルイベント」(イベントなし)の生成に繋がる。ペン及び紙実体を使用した所望のイベント及びヌルイベントは、図面36に表されている。単一実体モデルと組合せ実体モデルとの違いは、イベントが、組合せに存在する各実体に関して個々に生じることができることである。換言すれば、CESは独立実体のように挙動するが、それが主に疎結合実体及び属性で構成されるという点でである。全ての実際的な目的で、2つ以上の実体で構成されるCESは、内部に含まれる各実体がその属性であるように動作する。視座を切り替え、GSIの視点から物事を見る場合、それらに含まれる全てのCU及び実体は一緒にGSIの属性になる。全ての組合せはコンテキスト的且つ相対的、即ち、他の実体に対する実体である。しかし、組合せに含まれる全ての実体の存在のみが、ベントをトリガーする「条件」を満たす。バイナリ状態の10の実体がある場合、可能な組合せは2^10(1024)である。しかし、1024番目の実体状態組合せのみが、所望のイベントをトリガーする条件を満たす。これが、コンテキスト性(CES又はECES)と条件性との主な違いである。条件性は、トリガープロパティを有するコンテキスト性である。付随的に、実体が「恒常」(メンバは常にクラスに存在する)の状態である場合、可能な実体状態組合せの数はそれに従って低減する。10のうち9つの実体が「常数」である場合、2つのみの実体状態組合せがあり、10番目の実体は潜在又は現実であり、他の全ての実体はいずれの場合でも存在する。存在するのが当然であり、それらを述べないことが選ばれた暗黙実体が存在する。例:手紙を書くことに関して、テーブル及び椅子を所与と見なし得る。変化経路は明らかに、条件が満たされる場合、行動が自動的に実行されるように、「機械エージェント」に関して定められる。「人間エージェント」の場合、トリガー条件が満たされる場合、役割の演者が必要に応じて変化を指示する能力を有することが一般にサポートされる。
NSLはバイナリ実体(BET)の原理に基づく。バイナリ実体は、潜在状態又は現実状態で存在する実体である。BETは、BITが情報に関連するのと全く同様に、解決策に関連する。興味深いことに、BETのこのバイナリ状態は、視座に関係なく同じままである。これは、エコシステム内の全ての「BET」が最近傍原理を通して互いに接続されることの結果である。2つの「BET」が一緒に接続される場合、その組合せはここでは、バイナリ状態で存在する原理によって支配されることになる。2つのバイナリ実体が一緒に接続される場合、4つの可能な状態がある。この組合せが現実状態であるためには、状態遷移が3つの潜在状態を経るはずである。例:両実体は潜在状態である、一方は現実状態であるが、他方は潜在状態である、第1の実体は潜在状態であるが、第2の実体は現実状態である。「2つのバイナリ実体の組合せ」の現実状態を査定する視点から、上記3つ全ての状態はまだ潜在状態である。両実体が現実状態である場合のみ、現実状態である2つのバイナリ実体の実体状態組合せ。即ち、2つのバイナリ実体モデルの組合せには3つの「潜在色調」が関連し、それは図面41に表されている。CU内の「潜在色調」に関する式-「非トリガー実体状態組合せと同じである-は「2^n-1」である。最後のCUがGSIであり、各CUが次に1つのみのイベントを生じさせる10の順次CUという極端な場合、潜在色調の数を推定することができる。この数は、2をGSI中の変数の数で乗じたものに近い数である。極めて多数の「潜在色調」が存在することになる。定理では、必然的に巨大な数の可能な「潜在色調」が存在する。しかし実際には、トランザクション時に所与の「潜在経路」のみがとられる傾向がある。
例:GSIの物理層において、以下に列記する潜在ECESが存在することができ、基底状態は、
-(CU1)A’B’C’D’-(CU2)E’F’G’-(CU3)H’I’J’-(CU4)K’L’M’N’O’
である。指定されたGSIのエコシステムでイベントが発生するにつれて、GSIが満たされる前に、以下のように「潜在状態」の多くの遷移がある(潜在色調)。
-………………
-………………
-ABC’D-E’F’G-H’I’J-K’L’MN’O
-…………………
-…………………
-ABCD-EF’G-H’I’J-K’L’MNO
-…………………
-…………………
-…………………
-ABCD-EFG-HIJ-KLMNO
全ての「BET」は現実状態に変換されたため、GSIは上に示されるように実現される。例中のAからOまでの各文字は変化ドライバを表し、これはCUの物理層における「BET」と同じである。プライムを有する文字(例B’)は、「潜在」状態の「BET」として読まれるべきである。「プライム(’)」のない文字は、現実状態の「BET」として読まれるべきである。デフォルト開始ECESは、GSI CUまで、GSI CUを含めて全てのCUにわたる基底状態CESの組合せである。両極端の他端は、全てのBETが、GSIに属する全てのCUにわたり現実状態であるGSIが実現される場合である。選ばれた例での数百の可能な潜在状態の全ては「潜在色調」と呼ばれる。換言すれば、GSIにおける潜在状態の何れかが、GSIの潜在状態であり、現実状態「GSI現実状態」(プライムが添付されていないGSI)は1つのみである。
選ばれる潜在色調を通る経路は、このトランザクションに固有である。次は異なる可能性が最も高い。あらゆるトランザクションは、「潜在色調」を通る遷移の指紋を背後にめくる。異なる潜在色調を通って遷移する際、異なるエージェントに関して観測することができるパターンがある。これらは背後に残される「コンテキスト的指紋」に等しい。これから動的に多くの情報を集め、「分析及び機械学習」技法を新たな効率性レベルに引き上げることができる。視座をGSIに切り替えると、「潜在色調」は劇的に増大し、「コンテキスト的指紋」をはるかに強力にする。「コンテキスト的指紋」は、「潜在色調」の総数に対する「実現化された潜在(多くの現実化されない潜在を除く)」から生じる。これらの「コンテキスト的指紋」は、「コンテキスト的トランザクション潜在経路」という代替句と同義である。
1.ペン及び紙は両方とも潜在である(クラスのみが存在する)。
2.ペンは、クラスペンにつるされたメンバとして到着し、したがって、ペンは現実状態であり、紙は潜在である。
3.別の可能性は、紙が到着し、その状態を現実に変えるが、紙はまだ到着していないというものである。
4.第4の組合せ状態は、ペン及び紙が両方とも現実である。
なお、第4の状態のみが、「書かれた手紙」という所望のイベントを生じさせる能力を有する。即ち、その組合せのみが、所望のイベントを生成する条件を満たす。残りの3つの組合せは、「ヌルイベント」(イベントなし)の生成に繋がる。ペン及び紙実体を使用した所望のイベント及びヌルイベントは、図面36に表されている。単一実体モデルと組合せ実体モデルとの違いは、イベントが、組合せに存在する各実体に関して個々に生じることができることである。換言すれば、CESは独立実体のように挙動するが、それが主に疎結合実体及び属性で構成されるという点でである。全ての実際的な目的で、2つ以上の実体で構成されるCESは、内部に含まれる各実体がその属性であるように動作する。視座を切り替え、GSIの視点から物事を見る場合、それらに含まれる全てのCU及び実体は一緒にGSIの属性になる。全ての組合せはコンテキスト的且つ相対的、即ち、他の実体に対する実体である。しかし、組合せに含まれる全ての実体の存在のみが、ベントをトリガーする「条件」を満たす。バイナリ状態の10の実体がある場合、可能な組合せは2^10(1024)である。しかし、1024番目の実体状態組合せのみが、所望のイベントをトリガーする条件を満たす。これが、コンテキスト性(CES又はECES)と条件性との主な違いである。条件性は、トリガープロパティを有するコンテキスト性である。付随的に、実体が「恒常」(メンバは常にクラスに存在する)の状態である場合、可能な実体状態組合せの数はそれに従って低減する。10のうち9つの実体が「常数」である場合、2つのみの実体状態組合せがあり、10番目の実体は潜在又は現実であり、他の全ての実体はいずれの場合でも存在する。存在するのが当然であり、それらを述べないことが選ばれた暗黙実体が存在する。例:手紙を書くことに関して、テーブル及び椅子を所与と見なし得る。変化経路は明らかに、条件が満たされる場合、行動が自動的に実行されるように、「機械エージェント」に関して定められる。「人間エージェント」の場合、トリガー条件が満たされる場合、役割の演者が必要に応じて変化を指示する能力を有することが一般にサポートされる。
NSLはバイナリ実体(BET)の原理に基づく。バイナリ実体は、潜在状態又は現実状態で存在する実体である。BETは、BITが情報に関連するのと全く同様に、解決策に関連する。興味深いことに、BETのこのバイナリ状態は、視座に関係なく同じままである。これは、エコシステム内の全ての「BET」が最近傍原理を通して互いに接続されることの結果である。2つの「BET」が一緒に接続される場合、その組合せはここでは、バイナリ状態で存在する原理によって支配されることになる。2つのバイナリ実体が一緒に接続される場合、4つの可能な状態がある。この組合せが現実状態であるためには、状態遷移が3つの潜在状態を経るはずである。例:両実体は潜在状態である、一方は現実状態であるが、他方は潜在状態である、第1の実体は潜在状態であるが、第2の実体は現実状態である。「2つのバイナリ実体の組合せ」の現実状態を査定する視点から、上記3つ全ての状態はまだ潜在状態である。両実体が現実状態である場合のみ、現実状態である2つのバイナリ実体の実体状態組合せ。即ち、2つのバイナリ実体モデルの組合せには3つの「潜在色調」が関連し、それは図面41に表されている。CU内の「潜在色調」に関する式-「非トリガー実体状態組合せと同じである-は「2^n-1」である。最後のCUがGSIであり、各CUが次に1つのみのイベントを生じさせる10の順次CUという極端な場合、潜在色調の数を推定することができる。この数は、2をGSI中の変数の数で乗じたものに近い数である。極めて多数の「潜在色調」が存在することになる。定理では、必然的に巨大な数の可能な「潜在色調」が存在する。しかし実際には、トランザクション時に所与の「潜在経路」のみがとられる傾向がある。
例:GSIの物理層において、以下に列記する潜在ECESが存在することができ、基底状態は、
-(CU1)A’B’C’D’-(CU2)E’F’G’-(CU3)H’I’J’-(CU4)K’L’M’N’O’
である。指定されたGSIのエコシステムでイベントが発生するにつれて、GSIが満たされる前に、以下のように「潜在状態」の多くの遷移がある(潜在色調)。
-………………
-………………
-ABC’D-E’F’G-H’I’J-K’L’MN’O
-…………………
-…………………
-ABCD-EF’G-H’I’J-K’L’MNO
-…………………
-…………………
-…………………
-ABCD-EFG-HIJ-KLMNO
全ての「BET」は現実状態に変換されたため、GSIは上に示されるように実現される。例中のAからOまでの各文字は変化ドライバを表し、これはCUの物理層における「BET」と同じである。プライムを有する文字(例B’)は、「潜在」状態の「BET」として読まれるべきである。「プライム(’)」のない文字は、現実状態の「BET」として読まれるべきである。デフォルト開始ECESは、GSI CUまで、GSI CUを含めて全てのCUにわたる基底状態CESの組合せである。両極端の他端は、全てのBETが、GSIに属する全てのCUにわたり現実状態であるGSIが実現される場合である。選ばれた例での数百の可能な潜在状態の全ては「潜在色調」と呼ばれる。換言すれば、GSIにおける潜在状態の何れかが、GSIの潜在状態であり、現実状態「GSI現実状態」(プライムが添付されていないGSI)は1つのみである。
選ばれる潜在色調を通る経路は、このトランザクションに固有である。次は異なる可能性が最も高い。あらゆるトランザクションは、「潜在色調」を通る遷移の指紋を背後にめくる。異なる潜在色調を通って遷移する際、異なるエージェントに関して観測することができるパターンがある。これらは背後に残される「コンテキスト的指紋」に等しい。これから動的に多くの情報を集め、「分析及び機械学習」技法を新たな効率性レベルに引き上げることができる。視座をGSIに切り替えると、「潜在色調」は劇的に増大し、「コンテキスト的指紋」をはるかに強力にする。「コンテキスト的指紋」は、「潜在色調」の総数に対する「実現化された潜在(多くの現実化されない潜在を除く)」から生じる。これらの「コンテキスト的指紋」は、「コンテキスト的トランザクション潜在経路」という代替句と同義である。
[0208] 潜在色調定理:NSLでは、一連の接続された「BET」は解決策(望みの達成)に繋がる。BETは、CUの物理層におけるCESの部分であるため、又はECES(拡張CES)の部分であるため、接続される。「BET」はバイナリ実体を表す。「BET」は、潜在状態(クラスのみが存在する)と現実状態(クラスは内部に適格メンバを有する)との間でトグルする。これは情報理論での「ビット」(バイナリ数字)と同義であり、バイナリ変数は「0」又は「1」の何れかを収容する。CUの物理層が収容するバイナリ実体CESの数は、2^b式によって支配され、「b」はCESにおけるBET数である。例:6つのCD(変化ドライバ)があり、BETが物理層に座す場合、2^6個のCES(64個のCES)がある。そのうち、64番目のCESのみが、目的のトリガー及び実現に関して現実状態(全てのCDが到着している)であるものとする。
[0209] 単一CUシステムにおける潜在色調定理:この単一CUシステムにおける潜在色調は2^b-1であり、「b」は所与のCUにおけるBET数を表す。「b」が6の場合、合計CESは64であり、潜在色調は64-1(63)であり、非トリガー状態としても知られる。システムが63の潜在色調を有することが観測される。「潜在」の定義は、クラスが現実になるために持ち続ける潜在性である。63全ての状態は、現実になる潜在性を持ち続ける。潜在状態は63の状態の何れかに属することができるが、それでもなお潜在状態に属するものとして分類される。潜在状態の効力は、実現状態と潜在状態とを隔てるイベント数に基づいて様々である。GSI現実状態が、GSIが現実になるために最小でも25のイベントを必要とする場合、潜在状態に属するイベント数は24(25-1)である。最後のイベントは「グローバル意図言明」を現実にする。潜在色調定理は、任意のGSI環境に理論上、存在することができる潜在状態の最大数を定量化する。しかし、実体の到着/出発(イベントと呼ばれる)の性質に応じて、現実経路は、CESにおけるBET数と同数のみのCESを通って遷移する。上記の場合、状態は6つのみである:全てのBETの基底状態が潜在状態であり、そして5つの更なる遷移があり、それから64番目の状態が生じる。これは、到着のみが考慮される(クラスからのメンバの出発及び再到着を提供しない)ことを前提とする。CDが到着し得る順序に応じて、潜在色調における潜在経路が決まる。
[0210] マルチCUシステムにおける潜在色調定理:略全ての場合で、最終的な望み達成(最後のCUにおける)に繋がる、幾つかの順次接続されたCUがある。マルチCUシステムにおける潜在色調定理は、
((2^(b-c-e))×(2^(b-c-e))+(2^(b-c-e))×(2^(b-c-e))+(2^(b-c-e))×(2^(b-c-e))+(2^(b-c-e))×…………(最後のCUまで)………(2^(b-c-e))+(2^(b-c-e)))-1
である。式中、「b」は、各CUにおけるBET(CD)数を表す変数であり、「×」は、乗算機能に加えて、CUのコネクタとして作用する数学乗算符号であり、「×」符号に先行又は後続する各数学的単位は各CUを表し(例:「(2^(n-y-z))」は最初のCUを表し、「(2^(n-y-z))+(2^(n-y-z))」は2番目を表し、以下同様である)、「c」はCUに「常数」として存在する「BET」(常に現実状態で、バイナリ変数を含まない)数を表し、「e」は、同じ「接続された順次CU」に属する先行CU(これは、順次文(CU)でイベントを生じさせる、同じ段落に属する先行文と同じであるの1つ又は複数がCUにおいて生じさせたイベント数を表し、全ての変数は、コンテキスト的性質であり(コンテキスト的変数)、各CUのコンテキストに固有の値を有する。例:「b、c、e」等の変数は、各CUに固有の値を有する。CU1における「b」は6であることができ、CU2における「b」は4であることができる。全ての算術機能は、算術標準規約に従うのではなく順次実行されるべきである。例:16×4+4×8+8。この演算式を解くには、順次ステップは以下のように示される:最初のステップ:16×4=64。2番目のステップ:64+4=68。3番目のステップ:68×8=544。4番目のステップ:544+8=552。「潜在色調定理」の目的で従うべきは上記方法である。同じ問題が通常の数学規約を使用して実行される場合、算術は以下のように実行され:(16×4)+(4×8)+8、そして結果は104である。定義により最初のCUがいかなる先行CUも持たないシナリオでは、先行する1つ又は複数のCUによって生じている少なくとも1つのイベントは該当しない。定理は、最初のCUのように、「e」は「0」であることを提供し、先行CUの影響はない。先行CUから生じたイベントが1のみである場合、そこから進んで2番目のCUは、潜在状態数の半分のみである。先行する接続CUによって生じる各CUにおけるイベント数が増大するにつれて、CES潜在経路(又は潜在色調)は各イベントで1/2の比率で低下し続ける。先行CUから3イベントの場合、潜在CES数は1/2×1/2×1/2-これは1/8と同じである-で低下する。この理由について一例を通して説明する。この定理が、以下に例示される6CUシステムでの潜在色調の特定に適用されるものとする。
1.CU1は6つのCD;常数0;イベント(接続CUから)0-最初のCUは接続された順次CUからのいかなるイベントも持たない-を有する。イベントは、関連CUのみから到着するか、又は外部エージェントから提供される。
2.CU2は4つのCD;常数0;接続CUからのイベント1を有する。
3.CU3は5つのCD;常数2;接続CUからのイベント2を有する。
4.CU4は3つのCD;常数0;接続CUからのイベント1を有する。
5.CU5は5つのCD;常数1;接続CUからのイベント2を有する。
6.CU6は4つのCD;常数2;接続CUからのイベント1を有する。
定理が上記例に適用される場合、
((2^(6-0-0))×(2^(4-0-1))+(2(4-0-1))×(2^(5-2-2))+(2^(5-2-2))×(2^(3-0-1))+(2^(3-0-1))×(2^(5-1-2))+(2^5-1-2))×(2^(4-2-1))+(2^(4-2-1)))-1
であり、これは、
((64)×(8)+(8)×(2)+(2)×(4)+(4)×(4)+(4)×(2)+(2))-1
であり、これは、
(64×8+8×2+2×4+4×4+4×2+2)-1
であり、これは、
33386-1
である。換言すれば、上記例では33385の潜在色調がある。
常数の影響:常数の影響に対処するために、一例を用いて簡易化して説明する。例:この例でのCU1に関するCESは以下のBETを有する:ABCD。通常過程でこれらのバイナリ実体(BET)を収容することができる状態数は16であり(式2^bによって支配される)、ここでは「b」は4であり、CESは16である。「A」及び「B」が常数である場合、ここではABC’D’/ABC’D/ABCD’/及びABCDのみが許された状態であるため、CESは4(2^(4-2))に低減する。
イベントの影響:イベントの影響に対処するために、一例を用いて簡易化して説明する。例:CU1に関するCESは4つのBET、即ちABCDを有し、この後に3つのBET、即ちEFGを有するCU2が続く。CU1がトリガーである場合、一事例では、CU2においてイベントを生じさせ、CU2のBET「E」を現実にする。通常過程では、CU1とCU2との間のECESは、以下の式2^4(いかなる制約も内部に有さない最初のCUにおけるBET数、これはここでの論考を目的としてなされた仮定である)×2^3によって支配される。ECESでの2^7と同じである(128の実体状態組合せ)。しかし現実では、ECES数は、CU1がトリガーし、トリガープロセスが完了するまで(ここで、トリガープロセス時間が10分であると仮定して)、CU1における16のCESの何れもBET「E」を現実にさせないという単純な理由で、これほど多くはない。全ての実際的な目的では、CU1トリガープロセスが完了するまで、CU1におけるCESはCU2におけるCESの半分のみと共存することができる。「E」BETは、CU1におけるトリガープロセスが完了する前は、現実になることができない。CU2における実体状態組合せは以下である。
1.E’F’G’
2.EF’G’
3.E’FG’
4.E’F’G
5.EFG’
6.EF’G
7.E’FG
8.EFG
CU1におけるトリガープロセスが完了するまでBET「E」は現実になることができないため、赤色で記されたCU2における8つのCESのうちの4つ(即ち2、5、6、及び8実体状態組合せ)は、存在することができない。CU1における非トリガーCESのいずれも、CU2におけるE’を現実状態にすることができない。10分のトリガープロセス時間が完了するまで、CU1におけるトリガーCESさえも、CU2におけるE’を現実状態にすることができない。この効果に起因して、CU1 CESとCU2 CESとの間の拡張実体状態組合せは16×4のみの組合せに制限される(16×8の組合せではなく)。しかしながら、CU1の場合、64番目のCES(ABCDであり、全てのBETは現実である)はCU1トリガーを生じさせる。「トリガーを完了するために掛かる10分」の介在時間において、Eは引き続き潜在状態(E’)である-4つのCES(1、3、4、及び7)のいずれもCU1における64番目のCESと組み合わせることができる。トリガープロセスが完了すると、CU1における64番目のCESは、Eが現実状態であるその他の4つのCES(2、5、6、及び8)と共存することもできる。「潜在色調定理」、・・・、「+((2^n-p-z))」・・・に関する各CUにおける式の第2の部分は、「トリガーCES」のこの特殊な性質から生じる。
現実化潜在の最小数:6CUシステムにおける潜在色調を特定するための一例としての「マルチCUシステムにおける潜在色調定理」において述べたように、合計で33385の可能な数の潜在色調又は潜在経路が観測されるある。解決策が定められる都度、限られた数のみのこれらの「潜在色調又は潜在経路」が現実化される。換言すれば、各トランザクションは、「現実化潜在」のそれ自体の基盤を「潜在色調」の砂の中に残す。この例では、最初のCUは6つのBETを有し、64のCESを生じさせ、最後以外の全ての状態(63の状態)は潜在色調に属する。現実化潜在の背後にある基本を理解するために、単一CUシステムを用いて実験を始める。単一CUシステムに1つのみのBET「A」がある場合(議論のために)、そのBETはA’又はAの何れかであり、A’は基底状態を表す。基底状態と現実状態との間で、介在状態は観測されない。この場合、「潜在色調」はない。しかし、3つのBETを有する単一CUシステムでは、多くの潜在色調がある。基底状態(3つ全てのBETは潜在状態である)に加えて2つのイベントがあり、CES潜在状態への2つのジャンプに繋がる。例:
1.A’B’C’
2.AB’C’
3.A’BC’
4.A’B’C
5.ABC’
6.AB’C
7.A’BC
8.ABC
基底状態も潜在としてカウントする場合、最終現実状態前に3つの潜在色調があるものとする。「C」が最初に到着し、「B」が到着して所望のトリガーCESが生じる前に、「A」が次に到着する場合、赤で記された現実化潜在色調(即ち1、4、6、及び8)が生じる。Bが到着してトリガー状態8が現実化される前、ここで潜在CESが現実化される順序は1-4-6である。これらは現実化潜在の基盤である。一般に、現実化潜在は1+イベント数であり、1は基底状態を説明する。本明細書における上記例では、「トリガーCES」が現実化される前に、3つの現実化潜在及び2つのイベントがある。
マルチCUシステムでは、中間CUトリガー状態さえも「現実化潜在としてカウントされる。GSIトリガーCESのみが現実状態としてカウントされる。NSLでは、全ての物事はコンテキスト的且つ相対的である。上記例では、コンテキスト性はGSI(グローバル意図言明)の現実化に関連する。全ての「現実化潜在」又は「潜在経路」は、GSI現実化の属性である。「潜在色調」の背景における現実化潜在の最小数定理は、各CUにおけるBET数を互いと乗算したものである。本明細書において上に列記した例では、33385の潜在色調経路があるが、常数を考慮した後の現実化潜在(基底状態に、CUで生じることができるイベント数を足したもの)はわずか(6×4×(5-2)×3×(5-1)×(4-2))-1である。これは
1727(即ち1728-1)である。
潜在色調におけるイベントの最小数:潜在色調におけるイベントの最小数定理は、接続CUにおける全てのBETを一緒に合算し、そこから各CUにおける常数を減算し、GSIを満たす1(最終イベント)を減算することから生じる。上に列記した例では、潜在色調には21のイベントがある。((6+4+(5-2)+(3)+(5-1)+(4-2))-1。合計イベントは、GSI現実状態を現実化するものを含めて22である。
単方向イベント:潜在色調におけるイベントの最小数は、イベントの単方向性を前提としている。即ち、個々のBETにおけるイベントは潜在から現実に流れ、逆には流れないと仮定される。メンバはクラスに到着し、イベントを生じさせる。
双方向イベント:「現実化潜在」の最小数は、イベントの単方向性を前提としている。これは、定理が「現実化潜在の最小数のコンテキストにおいてであるためである。イベントの双方向性は、イベントを生じさせる個々のBETから去るメンバが提供される場合、生じる。任意のそのような出発は、潜在色調内のイベント数に追加される。例:「人」が到着し、それはイベント1である。「ペン」が到着し、それは別のイベントである。しかし、「人」クラスに存在するその「人」がここで出発し、同様にイベントを生じさせる。例は、双方向イベントが理論上、所与のGSIの全ての潜在色調をカバーすることができることを主張するために拡張することができる。「現実化潜在」の下で本明細書において上述した例では、トリガーCES8の前、CESの形態の現実化潜在数は1-4-6として列記される。しかしながら、「C」がCUから出発する場合、現実化潜在CESは「2」である。その後、「B」が到着する場合、現実化潜在CESは「5」である。同様に、「A」が出発し、「B」が到着する場合、現実化潜在CESは「7」である。「潜在色調定理」は、全ての可能な潜在色調を確立する。「現実化潜在」に関する定理は、可能な現実化潜在の最小数を確立するだけである。これが生じるためには、イベントの単方向性のみが有効であるものとする。しかしながら、イベントの双方向性が提供される場合、トリガー前にCU内に任意の数の到着及び出発が存在することができる。これらは、GSI内のイベントを増やすのみならず、現実化潜在の最小数をはるかに超えて「現実化潜在」のカウントを強化することもできる。
((2^(b-c-e))×(2^(b-c-e))+(2^(b-c-e))×(2^(b-c-e))+(2^(b-c-e))×(2^(b-c-e))+(2^(b-c-e))×…………(最後のCUまで)………(2^(b-c-e))+(2^(b-c-e)))-1
である。式中、「b」は、各CUにおけるBET(CD)数を表す変数であり、「×」は、乗算機能に加えて、CUのコネクタとして作用する数学乗算符号であり、「×」符号に先行又は後続する各数学的単位は各CUを表し(例:「(2^(n-y-z))」は最初のCUを表し、「(2^(n-y-z))+(2^(n-y-z))」は2番目を表し、以下同様である)、「c」はCUに「常数」として存在する「BET」(常に現実状態で、バイナリ変数を含まない)数を表し、「e」は、同じ「接続された順次CU」に属する先行CU(これは、順次文(CU)でイベントを生じさせる、同じ段落に属する先行文と同じであるの1つ又は複数がCUにおいて生じさせたイベント数を表し、全ての変数は、コンテキスト的性質であり(コンテキスト的変数)、各CUのコンテキストに固有の値を有する。例:「b、c、e」等の変数は、各CUに固有の値を有する。CU1における「b」は6であることができ、CU2における「b」は4であることができる。全ての算術機能は、算術標準規約に従うのではなく順次実行されるべきである。例:16×4+4×8+8。この演算式を解くには、順次ステップは以下のように示される:最初のステップ:16×4=64。2番目のステップ:64+4=68。3番目のステップ:68×8=544。4番目のステップ:544+8=552。「潜在色調定理」の目的で従うべきは上記方法である。同じ問題が通常の数学規約を使用して実行される場合、算術は以下のように実行され:(16×4)+(4×8)+8、そして結果は104である。定義により最初のCUがいかなる先行CUも持たないシナリオでは、先行する1つ又は複数のCUによって生じている少なくとも1つのイベントは該当しない。定理は、最初のCUのように、「e」は「0」であることを提供し、先行CUの影響はない。先行CUから生じたイベントが1のみである場合、そこから進んで2番目のCUは、潜在状態数の半分のみである。先行する接続CUによって生じる各CUにおけるイベント数が増大するにつれて、CES潜在経路(又は潜在色調)は各イベントで1/2の比率で低下し続ける。先行CUから3イベントの場合、潜在CES数は1/2×1/2×1/2-これは1/8と同じである-で低下する。この理由について一例を通して説明する。この定理が、以下に例示される6CUシステムでの潜在色調の特定に適用されるものとする。
1.CU1は6つのCD;常数0;イベント(接続CUから)0-最初のCUは接続された順次CUからのいかなるイベントも持たない-を有する。イベントは、関連CUのみから到着するか、又は外部エージェントから提供される。
2.CU2は4つのCD;常数0;接続CUからのイベント1を有する。
3.CU3は5つのCD;常数2;接続CUからのイベント2を有する。
4.CU4は3つのCD;常数0;接続CUからのイベント1を有する。
5.CU5は5つのCD;常数1;接続CUからのイベント2を有する。
6.CU6は4つのCD;常数2;接続CUからのイベント1を有する。
定理が上記例に適用される場合、
((2^(6-0-0))×(2^(4-0-1))+(2(4-0-1))×(2^(5-2-2))+(2^(5-2-2))×(2^(3-0-1))+(2^(3-0-1))×(2^(5-1-2))+(2^5-1-2))×(2^(4-2-1))+(2^(4-2-1)))-1
であり、これは、
((64)×(8)+(8)×(2)+(2)×(4)+(4)×(4)+(4)×(2)+(2))-1
であり、これは、
(64×8+8×2+2×4+4×4+4×2+2)-1
であり、これは、
33386-1
である。換言すれば、上記例では33385の潜在色調がある。
常数の影響:常数の影響に対処するために、一例を用いて簡易化して説明する。例:この例でのCU1に関するCESは以下のBETを有する:ABCD。通常過程でこれらのバイナリ実体(BET)を収容することができる状態数は16であり(式2^bによって支配される)、ここでは「b」は4であり、CESは16である。「A」及び「B」が常数である場合、ここではABC’D’/ABC’D/ABCD’/及びABCDのみが許された状態であるため、CESは4(2^(4-2))に低減する。
イベントの影響:イベントの影響に対処するために、一例を用いて簡易化して説明する。例:CU1に関するCESは4つのBET、即ちABCDを有し、この後に3つのBET、即ちEFGを有するCU2が続く。CU1がトリガーである場合、一事例では、CU2においてイベントを生じさせ、CU2のBET「E」を現実にする。通常過程では、CU1とCU2との間のECESは、以下の式2^4(いかなる制約も内部に有さない最初のCUにおけるBET数、これはここでの論考を目的としてなされた仮定である)×2^3によって支配される。ECESでの2^7と同じである(128の実体状態組合せ)。しかし現実では、ECES数は、CU1がトリガーし、トリガープロセスが完了するまで(ここで、トリガープロセス時間が10分であると仮定して)、CU1における16のCESの何れもBET「E」を現実にさせないという単純な理由で、これほど多くはない。全ての実際的な目的では、CU1トリガープロセスが完了するまで、CU1におけるCESはCU2におけるCESの半分のみと共存することができる。「E」BETは、CU1におけるトリガープロセスが完了する前は、現実になることができない。CU2における実体状態組合せは以下である。
1.E’F’G’
2.EF’G’
3.E’FG’
4.E’F’G
5.EFG’
6.EF’G
7.E’FG
8.EFG
CU1におけるトリガープロセスが完了するまでBET「E」は現実になることができないため、赤色で記されたCU2における8つのCESのうちの4つ(即ち2、5、6、及び8実体状態組合せ)は、存在することができない。CU1における非トリガーCESのいずれも、CU2におけるE’を現実状態にすることができない。10分のトリガープロセス時間が完了するまで、CU1におけるトリガーCESさえも、CU2におけるE’を現実状態にすることができない。この効果に起因して、CU1 CESとCU2 CESとの間の拡張実体状態組合せは16×4のみの組合せに制限される(16×8の組合せではなく)。しかしながら、CU1の場合、64番目のCES(ABCDであり、全てのBETは現実である)はCU1トリガーを生じさせる。「トリガーを完了するために掛かる10分」の介在時間において、Eは引き続き潜在状態(E’)である-4つのCES(1、3、4、及び7)のいずれもCU1における64番目のCESと組み合わせることができる。トリガープロセスが完了すると、CU1における64番目のCESは、Eが現実状態であるその他の4つのCES(2、5、6、及び8)と共存することもできる。「潜在色調定理」、・・・、「+((2^n-p-z))」・・・に関する各CUにおける式の第2の部分は、「トリガーCES」のこの特殊な性質から生じる。
現実化潜在の最小数:6CUシステムにおける潜在色調を特定するための一例としての「マルチCUシステムにおける潜在色調定理」において述べたように、合計で33385の可能な数の潜在色調又は潜在経路が観測されるある。解決策が定められる都度、限られた数のみのこれらの「潜在色調又は潜在経路」が現実化される。換言すれば、各トランザクションは、「現実化潜在」のそれ自体の基盤を「潜在色調」の砂の中に残す。この例では、最初のCUは6つのBETを有し、64のCESを生じさせ、最後以外の全ての状態(63の状態)は潜在色調に属する。現実化潜在の背後にある基本を理解するために、単一CUシステムを用いて実験を始める。単一CUシステムに1つのみのBET「A」がある場合(議論のために)、そのBETはA’又はAの何れかであり、A’は基底状態を表す。基底状態と現実状態との間で、介在状態は観測されない。この場合、「潜在色調」はない。しかし、3つのBETを有する単一CUシステムでは、多くの潜在色調がある。基底状態(3つ全てのBETは潜在状態である)に加えて2つのイベントがあり、CES潜在状態への2つのジャンプに繋がる。例:
1.A’B’C’
2.AB’C’
3.A’BC’
4.A’B’C
5.ABC’
6.AB’C
7.A’BC
8.ABC
基底状態も潜在としてカウントする場合、最終現実状態前に3つの潜在色調があるものとする。「C」が最初に到着し、「B」が到着して所望のトリガーCESが生じる前に、「A」が次に到着する場合、赤で記された現実化潜在色調(即ち1、4、6、及び8)が生じる。Bが到着してトリガー状態8が現実化される前、ここで潜在CESが現実化される順序は1-4-6である。これらは現実化潜在の基盤である。一般に、現実化潜在は1+イベント数であり、1は基底状態を説明する。本明細書における上記例では、「トリガーCES」が現実化される前に、3つの現実化潜在及び2つのイベントがある。
マルチCUシステムでは、中間CUトリガー状態さえも「現実化潜在としてカウントされる。GSIトリガーCESのみが現実状態としてカウントされる。NSLでは、全ての物事はコンテキスト的且つ相対的である。上記例では、コンテキスト性はGSI(グローバル意図言明)の現実化に関連する。全ての「現実化潜在」又は「潜在経路」は、GSI現実化の属性である。「潜在色調」の背景における現実化潜在の最小数定理は、各CUにおけるBET数を互いと乗算したものである。本明細書において上に列記した例では、33385の潜在色調経路があるが、常数を考慮した後の現実化潜在(基底状態に、CUで生じることができるイベント数を足したもの)はわずか(6×4×(5-2)×3×(5-1)×(4-2))-1である。これは
1727(即ち1728-1)である。
潜在色調におけるイベントの最小数:潜在色調におけるイベントの最小数定理は、接続CUにおける全てのBETを一緒に合算し、そこから各CUにおける常数を減算し、GSIを満たす1(最終イベント)を減算することから生じる。上に列記した例では、潜在色調には21のイベントがある。((6+4+(5-2)+(3)+(5-1)+(4-2))-1。合計イベントは、GSI現実状態を現実化するものを含めて22である。
単方向イベント:潜在色調におけるイベントの最小数は、イベントの単方向性を前提としている。即ち、個々のBETにおけるイベントは潜在から現実に流れ、逆には流れないと仮定される。メンバはクラスに到着し、イベントを生じさせる。
双方向イベント:「現実化潜在」の最小数は、イベントの単方向性を前提としている。これは、定理が「現実化潜在の最小数のコンテキストにおいてであるためである。イベントの双方向性は、イベントを生じさせる個々のBETから去るメンバが提供される場合、生じる。任意のそのような出発は、潜在色調内のイベント数に追加される。例:「人」が到着し、それはイベント1である。「ペン」が到着し、それは別のイベントである。しかし、「人」クラスに存在するその「人」がここで出発し、同様にイベントを生じさせる。例は、双方向イベントが理論上、所与のGSIの全ての潜在色調をカバーすることができることを主張するために拡張することができる。「現実化潜在」の下で本明細書において上述した例では、トリガーCES8の前、CESの形態の現実化潜在数は1-4-6として列記される。しかしながら、「C」がCUから出発する場合、現実化潜在CESは「2」である。その後、「B」が到着する場合、現実化潜在CESは「5」である。同様に、「A」が出発し、「B」が到着する場合、現実化潜在CESは「7」である。「潜在色調定理」は、全ての可能な潜在色調を確立する。「現実化潜在」に関する定理は、可能な現実化潜在の最小数を確立するだけである。これが生じるためには、イベントの単方向性のみが有効であるものとする。しかしながら、イベントの双方向性が提供される場合、トリガー前にCU内に任意の数の到着及び出発が存在することができる。これらは、GSI内のイベントを増やすのみならず、現実化潜在の最小数をはるかに超えて「現実化潜在」のカウントを強化することもできる。
[0211] 代替CU:同じGSIエコシステムに属するCUを接続CUと呼ぶことができる。接続CUがGSIエコシステム外の物事に影響する場合、影響されるCUは「関連CU」と呼ばれる。接続CUが同じ段落に属する場合、そのような接続CUは順次CUと呼ばれる。これらは「AND」関数によって支配される。潜在色調定理がこれらの接続CUに適用されることが前提である。しかし、潜在色調定理は、GSIエコシステムに接続された全ての代替段落(代替CUの影響に起因して生成される)にも等しく適用される。代替CUはGSIへの代替経路を提供し、「OR」関数によって支配される。NSLは既に、GSIのコンテキストで経路数をカウントするプロセスを確立している。潜在色調定理は、既存の全てのGSI経路に公平に適用することができる。
数学における順列及び組合せの調停:NSLは、解決策のコンテキストで物体/実体の順列及び組合せを再考する。CUは一般に組合せのみを考慮するため、NSLは当面の間、「順列」を無視する。BETが到着する順序は、幾つかの特殊な場合のみ関連する。これらの物体/実体は、解決策-「BET」に変換される-に関する場合、「バイナリ状態」の形態をとる。バイナリ実体がCUにおいて組み合わせられる場合、それにより生成される組合せ状態(CES)の数は本明細書において以下の例に示される。例:CUにおけるCD/BETが3であると、2^3の「CES」に繋がり、これは8CES(2^b式に従う)である。
1.A’B’C’
2.AB’C’
3.A’BC’
4.A’B’C
5.ABC’
6.AB’C
7.A’BC
8.ABC
しかしながら、物体/実体の「組合せ」式は以下の結果をもたらす。組合せ式はn!/(n-r)!r!である。
式中、「n」は実体数であり、「r」は1回の組合せを表す。
3つのバイナリ実体の場合、「n」は6であり(潜在状態3つ及び現実状態3つ)、合計組合せは6!/(6-3)!3!=720/6×6=20である。
本明細書において先に列記した組合せ(8)に加えて、以下の組合せも含まれる。
1.A’AB’
2.A’AB
3.A’AC’
4.A’AC
5.B’BA’
6.B’BA
7.B’BC’
8.B’BC
9.C’CA’
10.C’CA
11.C’CB’
12.C’CB
したがって、合計組合せは20(8及び12)である。バイナリ実体は性質により、潜在状態と現実状態とで同時に共存することができない。したがって、第2のセット(12の組合せ)は除外される。その結果、組合せは8つのみであり、2^b式と一貫する。
組合せ式がもたらす数20とBET式がもたらす数8との間の差をいかに説明することができるかについて問いが生じる。差は、実体と比較した「BET」の特殊な性質を理解することにより説明することができる。BETは常に実体対で生じるが、随時、それらの一方のみが存在する。第1のBETは潜在実体であり、他方は現実実体である。一般に、潜在及び現実は両方とも、同時に存在することが許されない。全てのBETは、組合せでの到着に関して考慮される。この結果、BETカウント(b)は常に、組合せ式中の「r」と同じであり、「n」は常に、BET数の2倍である(2b)。上記全てを考慮に入れる場合、従来の式中の「実体の組合せ」とBET関連式に従った「BETの組合せ」との間の差が立ち、説明される。上記例では、差は12(20-8)である。実体の組合せのこれら12全てのインスタンスでは、同じ実体の潜在及び現実の両方が存在していた。これらは、BETモデルでは許されない組合せとして定義されている。残りの組合せは8であり、これはBET式「2^b」がもたらすものと同じである。許されていないBET組合せを識別する式は以下のように述べることができる。
(n!/(n-r)!)×r!)-2^b
順列:これらは、順序も重要な組合せである。順列は一般に、CUを有するBETに関しては重要ではない。しかしながら、順列は、CU間の関係に関して特殊な役割を担う。
例:
A.顧客の要求を登録する
B.顧客の場所に赴く
C.製品を届ける
この例では、各CUは順序の影響を受ける。即ち、「C」は「B」の後に続くことはできない。
組合せ:一般に、CU内では、BETが到着する順序は重要ではない。例:「手紙を書く」場合、「人」、「ペン」、又は「紙」がCUにいつ到着するかは重要ではない。「手紙を書く」目的で重要なのは、全ての実体が存在したか否かだけである。順序がCUとも重要であり得る希な場合がある。例:雑用係の少年、看護師、医師、及び患者がこの順に到着する医療相談の場合のCUでは、順序が重要であり得る。順列では、BETが配置される順序も重要である。順序は、CUにおけるCESの幾つかの特殊な場合、重要な役割を果たすことができる。しかし、GSI内のCUの全ての場合、CUが出現する順序は最重要である。以下の式が、BETの順列(順序が重要な組合せ)に関して適用される:2^b×b!
上記例に従うと、これは2^3×3!に相当し、これは48に等しい。実体の従来の順列式は以下である:n!/(n-r)!。この式が上で採用された例に適用されると、
6!/(6-3)!=720/6=120
がもたらされる。組合せ式のように、ここでも、許されない順列が発生する。即ち、120-48=72である。同じBETの潜在状態及び現実状態の両方が存在する72の許可されない順列がある。
それらの許されていない順列が無視される場合、残りの順列は、BET式2^b×b!がもたらす数に一致する。
上記例に従うと、これは2^3×3!=8×6=48に相当する。許されていない順列を識別する式は、(n!(n-r)!)-((2^b)×b!)である。
式中、「n」は実体の総数であり、「r」は選ばれたセット中の実体数であり、「b」はバイナリ実体(BET)の数である。
上で選ばれた例による結果は
(6!/(6-3)!)-(2^3)×3!)=(720/6)-(8×6)=120-48=72
である。
視座及びBET:これは、「潜在色調」について最も著しいことの幾つかである。視座が何であれ関係なく、全てのBETはバイナリ状態である。「マルチCUシステムにおける潜在色調定理」では、定理は、6CUシステム例において潜在色調を特定するために適用され、GSIの達成は2つのみの状態、即ち「潜在状態」及び「現実状態」を有する。「潜在色調」は33385であったが、それらはまとめて、1つのみの「潜在」状態に属していた。そのGSIの「現実状態」は1つのみである-GSI CU内の全てのBETが現実状態である場合。
視座切り替え:高い視座ほど、多くの分化した接続実体又は属性(BET)がある。GSIは、接続された任意の数のBETを有し得る。選ぶことができる視座が何であれ関係なく、視座からの「BET」は常にバイナリ状態である。任意の数の潜在色調があり得るが、常に1つのみが現実状態である。NSLエコシステム内の全てのBETは接続される。全てのBETは別個/離散するが、接続される。BETを見ることができる視座は、BETの性質を変える。それは全て、力が付与されたエージェント又はステークホルダにとって重要なことに関する。1つのみの現実状態があることが、グローバル意図言明(GSI)の現実化の視点から観測され、それは、GSI CU内の全てのBETが現実状態であるときである。「潜在色調定理」において6CUシステム例において潜在色調を特定するために、33385の潜在色調があるが、1つのみが現実である。視座が同じ例でCU1に切り替わる場合、6つのBETが存在し、64のCESが生じる。視座は、トリガーに繋がるそのCESであるため、64番目のCESは現実CESになり、他の63のCESは全て潜在色調を表す。仮に視座がGSI CUであった場合、潜在色調は33385である。視座はGSI CUに切り替わったため、最初のCUの64番目のCESはもはや「現実状態」ではない。最初のCUの64番目のCESは、視座が切り替わったため、「潜在色調」への参加者にすぎなくなる。潜在色調に参加しているあらゆる実体は、選ばれた視座の目標のために尽くす属性に相当するステータスをとる。実体及びそれらの属性がCESへの参加者であるのと全く同じように、「CES」もECES(拡張CES)への参加者である。選ばれた視座が特定のCESである場合、その全ての参加メンバは潜在色調に寄与する。そのCESは、そのCES内の全ての参加BETが現実になるまで、潜在のままである。選ばれた視座が「独立実体」である場合、その全ての属性は潜在色調に寄与する。最も基本的な形態-下流BETなし-でBET-BETの視座を選ぶことができる場合、そのようなBETは潜在色調を有さない。1つのみの潜在状態、即ちメンバシップなしのクラスのみが存在する。
事例の適用及び使用:「潜在色調」及びそれに関連する定理に乗じることができる任意の数の使用事例及び適用がある。NSLは、解決策エコシステム内の全ての実体をBETに変換することによる変換手法を採用する。NSLでの解決策の作成は、科学であるのと同程度、芸術でもある。NSLの構造体及びツールはかなり豊富であり、それらを創造的に使用することは計り知れないほど重要である。サブトランザクションクラス等の特徴(前頭葉皮質を解決策に追加するようなものである)、基板実体ライブラリの概念、ここでは部分的に対処される潜在色調は、極めて変換的である。NSLはBET構造によって最も分化する。実体が選ばれ、「BET」に変換されると、幾つかの最も重要なプロパティを取得する。それらの1つは、全ての視座で「BET」のフラクタル様性質が保持されることである。これは、解決策設計者及びトランザクション実行者に、任意の種類のコンテキスト性又は条件性を「BET」に適用する完全な柔軟性を与える。論じたように、「コンテキスト性」は、状況に応じて1つ又は複数のBETが1つ又は複数のBETと結合されることであり、「条件性」は、正しいコンテキストがそれ自体のイベントを生成することができるように、所与のコンテキストにトリガープロパティを適用することについてである。各「BET」は、視座が何であれ関係なく、任意の他の「BET」をそれ自体に添付することによって分化することができる。追加されたBETは、選ばれたBETの属性になる。NSLを任意の他の解決策フレームワークから際立たせるのは、この柔軟性、トランスペアレント性、及びシンプル性である。想像は、分化中のBETを任意の視座における任意のBETに追加することに関する制限である。
数学における順列及び組合せの調停:NSLは、解決策のコンテキストで物体/実体の順列及び組合せを再考する。CUは一般に組合せのみを考慮するため、NSLは当面の間、「順列」を無視する。BETが到着する順序は、幾つかの特殊な場合のみ関連する。これらの物体/実体は、解決策-「BET」に変換される-に関する場合、「バイナリ状態」の形態をとる。バイナリ実体がCUにおいて組み合わせられる場合、それにより生成される組合せ状態(CES)の数は本明細書において以下の例に示される。例:CUにおけるCD/BETが3であると、2^3の「CES」に繋がり、これは8CES(2^b式に従う)である。
1.A’B’C’
2.AB’C’
3.A’BC’
4.A’B’C
5.ABC’
6.AB’C
7.A’BC
8.ABC
しかしながら、物体/実体の「組合せ」式は以下の結果をもたらす。組合せ式はn!/(n-r)!r!である。
式中、「n」は実体数であり、「r」は1回の組合せを表す。
3つのバイナリ実体の場合、「n」は6であり(潜在状態3つ及び現実状態3つ)、合計組合せは6!/(6-3)!3!=720/6×6=20である。
本明細書において先に列記した組合せ(8)に加えて、以下の組合せも含まれる。
1.A’AB’
2.A’AB
3.A’AC’
4.A’AC
5.B’BA’
6.B’BA
7.B’BC’
8.B’BC
9.C’CA’
10.C’CA
11.C’CB’
12.C’CB
したがって、合計組合せは20(8及び12)である。バイナリ実体は性質により、潜在状態と現実状態とで同時に共存することができない。したがって、第2のセット(12の組合せ)は除外される。その結果、組合せは8つのみであり、2^b式と一貫する。
組合せ式がもたらす数20とBET式がもたらす数8との間の差をいかに説明することができるかについて問いが生じる。差は、実体と比較した「BET」の特殊な性質を理解することにより説明することができる。BETは常に実体対で生じるが、随時、それらの一方のみが存在する。第1のBETは潜在実体であり、他方は現実実体である。一般に、潜在及び現実は両方とも、同時に存在することが許されない。全てのBETは、組合せでの到着に関して考慮される。この結果、BETカウント(b)は常に、組合せ式中の「r」と同じであり、「n」は常に、BET数の2倍である(2b)。上記全てを考慮に入れる場合、従来の式中の「実体の組合せ」とBET関連式に従った「BETの組合せ」との間の差が立ち、説明される。上記例では、差は12(20-8)である。実体の組合せのこれら12全てのインスタンスでは、同じ実体の潜在及び現実の両方が存在していた。これらは、BETモデルでは許されない組合せとして定義されている。残りの組合せは8であり、これはBET式「2^b」がもたらすものと同じである。許されていないBET組合せを識別する式は以下のように述べることができる。
(n!/(n-r)!)×r!)-2^b
順列:これらは、順序も重要な組合せである。順列は一般に、CUを有するBETに関しては重要ではない。しかしながら、順列は、CU間の関係に関して特殊な役割を担う。
例:
A.顧客の要求を登録する
B.顧客の場所に赴く
C.製品を届ける
この例では、各CUは順序の影響を受ける。即ち、「C」は「B」の後に続くことはできない。
組合せ:一般に、CU内では、BETが到着する順序は重要ではない。例:「手紙を書く」場合、「人」、「ペン」、又は「紙」がCUにいつ到着するかは重要ではない。「手紙を書く」目的で重要なのは、全ての実体が存在したか否かだけである。順序がCUとも重要であり得る希な場合がある。例:雑用係の少年、看護師、医師、及び患者がこの順に到着する医療相談の場合のCUでは、順序が重要であり得る。順列では、BETが配置される順序も重要である。順序は、CUにおけるCESの幾つかの特殊な場合、重要な役割を果たすことができる。しかし、GSI内のCUの全ての場合、CUが出現する順序は最重要である。以下の式が、BETの順列(順序が重要な組合せ)に関して適用される:2^b×b!
上記例に従うと、これは2^3×3!に相当し、これは48に等しい。実体の従来の順列式は以下である:n!/(n-r)!。この式が上で採用された例に適用されると、
6!/(6-3)!=720/6=120
がもたらされる。組合せ式のように、ここでも、許されない順列が発生する。即ち、120-48=72である。同じBETの潜在状態及び現実状態の両方が存在する72の許可されない順列がある。
それらの許されていない順列が無視される場合、残りの順列は、BET式2^b×b!がもたらす数に一致する。
上記例に従うと、これは2^3×3!=8×6=48に相当する。許されていない順列を識別する式は、(n!(n-r)!)-((2^b)×b!)である。
式中、「n」は実体の総数であり、「r」は選ばれたセット中の実体数であり、「b」はバイナリ実体(BET)の数である。
上で選ばれた例による結果は
(6!/(6-3)!)-(2^3)×3!)=(720/6)-(8×6)=120-48=72
である。
視座及びBET:これは、「潜在色調」について最も著しいことの幾つかである。視座が何であれ関係なく、全てのBETはバイナリ状態である。「マルチCUシステムにおける潜在色調定理」では、定理は、6CUシステム例において潜在色調を特定するために適用され、GSIの達成は2つのみの状態、即ち「潜在状態」及び「現実状態」を有する。「潜在色調」は33385であったが、それらはまとめて、1つのみの「潜在」状態に属していた。そのGSIの「現実状態」は1つのみである-GSI CU内の全てのBETが現実状態である場合。
視座切り替え:高い視座ほど、多くの分化した接続実体又は属性(BET)がある。GSIは、接続された任意の数のBETを有し得る。選ぶことができる視座が何であれ関係なく、視座からの「BET」は常にバイナリ状態である。任意の数の潜在色調があり得るが、常に1つのみが現実状態である。NSLエコシステム内の全てのBETは接続される。全てのBETは別個/離散するが、接続される。BETを見ることができる視座は、BETの性質を変える。それは全て、力が付与されたエージェント又はステークホルダにとって重要なことに関する。1つのみの現実状態があることが、グローバル意図言明(GSI)の現実化の視点から観測され、それは、GSI CU内の全てのBETが現実状態であるときである。「潜在色調定理」において6CUシステム例において潜在色調を特定するために、33385の潜在色調があるが、1つのみが現実である。視座が同じ例でCU1に切り替わる場合、6つのBETが存在し、64のCESが生じる。視座は、トリガーに繋がるそのCESであるため、64番目のCESは現実CESになり、他の63のCESは全て潜在色調を表す。仮に視座がGSI CUであった場合、潜在色調は33385である。視座はGSI CUに切り替わったため、最初のCUの64番目のCESはもはや「現実状態」ではない。最初のCUの64番目のCESは、視座が切り替わったため、「潜在色調」への参加者にすぎなくなる。潜在色調に参加しているあらゆる実体は、選ばれた視座の目標のために尽くす属性に相当するステータスをとる。実体及びそれらの属性がCESへの参加者であるのと全く同じように、「CES」もECES(拡張CES)への参加者である。選ばれた視座が特定のCESである場合、その全ての参加メンバは潜在色調に寄与する。そのCESは、そのCES内の全ての参加BETが現実になるまで、潜在のままである。選ばれた視座が「独立実体」である場合、その全ての属性は潜在色調に寄与する。最も基本的な形態-下流BETなし-でBET-BETの視座を選ぶことができる場合、そのようなBETは潜在色調を有さない。1つのみの潜在状態、即ちメンバシップなしのクラスのみが存在する。
事例の適用及び使用:「潜在色調」及びそれに関連する定理に乗じることができる任意の数の使用事例及び適用がある。NSLは、解決策エコシステム内の全ての実体をBETに変換することによる変換手法を採用する。NSLでの解決策の作成は、科学であるのと同程度、芸術でもある。NSLの構造体及びツールはかなり豊富であり、それらを創造的に使用することは計り知れないほど重要である。サブトランザクションクラス等の特徴(前頭葉皮質を解決策に追加するようなものである)、基板実体ライブラリの概念、ここでは部分的に対処される潜在色調は、極めて変換的である。NSLはBET構造によって最も分化する。実体が選ばれ、「BET」に変換されると、幾つかの最も重要なプロパティを取得する。それらの1つは、全ての視座で「BET」のフラクタル様性質が保持されることである。これは、解決策設計者及びトランザクション実行者に、任意の種類のコンテキスト性又は条件性を「BET」に適用する完全な柔軟性を与える。論じたように、「コンテキスト性」は、状況に応じて1つ又は複数のBETが1つ又は複数のBETと結合されることであり、「条件性」は、正しいコンテキストがそれ自体のイベントを生成することができるように、所与のコンテキストにトリガープロパティを適用することについてである。各「BET」は、視座が何であれ関係なく、任意の他の「BET」をそれ自体に添付することによって分化することができる。追加されたBETは、選ばれたBETの属性になる。NSLを任意の他の解決策フレームワークから際立たせるのは、この柔軟性、トランスペアレント性、及びシンプル性である。想像は、分化中のBETを任意の視座における任意のBETに追加することに関する制限である。
[0212] 並列CU:最初に、接続CUは同じGSIエコシステムに属するCUである。GSIエコシステムはメインGSI又は代替CU及び代替GSIを収容したもの(メインGSIに関連する異なるシナリオ)を含む。例:「現金支払い」又は「クレジットカード」支払いでの配送。GSIまでの経路を定めるのは順次CU(AND)関数であり、同じ又は代替GSIに繋がるのは、代替CU(OR)及びそれに接続されるシーケンスである。各代替GSIは別個の段落であるが、接続GSIのエコシステムに属するものである。CUによって生成されたイベントが、接続された段落の境界を越え、他の段落におけるイベントに影響する場合、それらのイベントは関連イベントと呼ばれる。この背景では、NSLは「並列CU」の品質を査定する。
並列CUは2つの特性を有する:1)これらのCUのトリガーは、対応するCUにおけるトリガーから独立する。2)GSI全体を実現するには、全ての並列CUがトリガーされているべきでもある。このやり方で、並列CUはそれら自体を「代替CU」から区別する。代替CUの場合、1つの経路がとられると、その他の経路はその重要性を失う。しかし、並列CUの場合、GSIを実現するために、属する分岐も永続する。並列CUは、同じ接続GSIエコシステムのメイン又は代替の段落に属する。並列CUはメイン又は代替の段落の分岐であり、メイン又は代替の段落の所与のセグメントに平行して延びる。
1.並列CU分岐:これらは1つ又は複数のCUで構成される。
2.メインCU経路:簡潔にするために、「並列CU分岐」に関するメイン又は代替の段落に属するセグメントは、「メインCU経路」と呼ばれる。
3.並列CU分岐の発端CU:これらは、並列分岐の発端となるCUである。
4.並列CU分岐の終端CU:これらは、並列U分岐が終端するCUである。
例:「CU1-CU2-CU3-CU4-CU5-CU6」がGSIを表すと仮定する。「メインCUセグメント」に対応する「並列CU分岐」であることの特性を有するCU1を発端とした分岐が存在することができる。以下のように流れることができる。
CU1-PCU1-PCU2-CU4-CU5・・・
ここで、PCUは「並列CU」を表す。この例では、「CU2及びCU3」はメインCUセグメントを表し、PCU1及びPCU2は「並列CU」分岐を表す。この並列CU分岐は、CU1から出てCU4で終わる。この例は図面57に表されている。
並列CU分岐での潜在色調定理:標準の「潜在色調定理」は以下の通りである:
((2^(b-c-e))×(2^(b-c-e))+(2^(b-c-e))×(2^(b-c-e))+(2^(b-c-e))×(2^(b-c-e))+(2^(b-c-e))×・・・(最後のCUまで)・・・(2^(b-c-e))+(2^(b-c-e)))-1
「並列CU分岐」は、GSIに関して新しい経路を生み出す。それらの場合、2つの経路が出現する。一方の経路は「メインCUセグメント」を有し、別の経路は「並列CU分岐」を有する。「並列CU分岐」はCU1-PCU1-PCU2-CU4-CU5・・・である。この例では、経路はCU4で終わる。並列CU分岐は、GSIのエコシステムに追加の潜在色調を寄与する。追加の潜在色調の定理は、「潜在色調定理」が定めるものと厳密に同じである。各PCU及び終端CU、終端CUの直後に定理の数学的セグメントを挿入する必要がある。例:・・・・・・×(2^(b-c-e))+(2^(b-c-e))・・・等々。即ち、PCU1-PCU2-CU4によって生成される色調。終端CU4の色調は、先行する並列CU分岐中のPCUからCU4において生成されるイベントによる影響を受ける。例:CU4が4つの可変BETを有し、並列分岐からそこで生成されるイベントが2である場合、許されるCESは2^(4-2)であり、4つのCES(又は追加の潜在色調)が許される。並列CU分岐に関わる潜在色調は、「1」の下に列記された標準定理を並列CU分岐が寄与する潜在色調で乗算したものから1を減算したものによって導かれる。したがって、並列分岐が存在する潜在色調定理は、以下のように述べることができる:
(メイン経路における潜在色調)×(並列CU分岐が寄与する潜在色調)-1
並列CU分岐に関連する数学的セグメントが終端CUの直後に挿入されることが推奨される。
並列CUは2つの特性を有する:1)これらのCUのトリガーは、対応するCUにおけるトリガーから独立する。2)GSI全体を実現するには、全ての並列CUがトリガーされているべきでもある。このやり方で、並列CUはそれら自体を「代替CU」から区別する。代替CUの場合、1つの経路がとられると、その他の経路はその重要性を失う。しかし、並列CUの場合、GSIを実現するために、属する分岐も永続する。並列CUは、同じ接続GSIエコシステムのメイン又は代替の段落に属する。並列CUはメイン又は代替の段落の分岐であり、メイン又は代替の段落の所与のセグメントに平行して延びる。
1.並列CU分岐:これらは1つ又は複数のCUで構成される。
2.メインCU経路:簡潔にするために、「並列CU分岐」に関するメイン又は代替の段落に属するセグメントは、「メインCU経路」と呼ばれる。
3.並列CU分岐の発端CU:これらは、並列分岐の発端となるCUである。
4.並列CU分岐の終端CU:これらは、並列U分岐が終端するCUである。
例:「CU1-CU2-CU3-CU4-CU5-CU6」がGSIを表すと仮定する。「メインCUセグメント」に対応する「並列CU分岐」であることの特性を有するCU1を発端とした分岐が存在することができる。以下のように流れることができる。
CU1-PCU1-PCU2-CU4-CU5・・・
ここで、PCUは「並列CU」を表す。この例では、「CU2及びCU3」はメインCUセグメントを表し、PCU1及びPCU2は「並列CU」分岐を表す。この並列CU分岐は、CU1から出てCU4で終わる。この例は図面57に表されている。
並列CU分岐での潜在色調定理:標準の「潜在色調定理」は以下の通りである:
((2^(b-c-e))×(2^(b-c-e))+(2^(b-c-e))×(2^(b-c-e))+(2^(b-c-e))×(2^(b-c-e))+(2^(b-c-e))×・・・(最後のCUまで)・・・(2^(b-c-e))+(2^(b-c-e)))-1
「並列CU分岐」は、GSIに関して新しい経路を生み出す。それらの場合、2つの経路が出現する。一方の経路は「メインCUセグメント」を有し、別の経路は「並列CU分岐」を有する。「並列CU分岐」はCU1-PCU1-PCU2-CU4-CU5・・・である。この例では、経路はCU4で終わる。並列CU分岐は、GSIのエコシステムに追加の潜在色調を寄与する。追加の潜在色調の定理は、「潜在色調定理」が定めるものと厳密に同じである。各PCU及び終端CU、終端CUの直後に定理の数学的セグメントを挿入する必要がある。例:・・・・・・×(2^(b-c-e))+(2^(b-c-e))・・・等々。即ち、PCU1-PCU2-CU4によって生成される色調。終端CU4の色調は、先行する並列CU分岐中のPCUからCU4において生成されるイベントによる影響を受ける。例:CU4が4つの可変BETを有し、並列分岐からそこで生成されるイベントが2である場合、許されるCESは2^(4-2)であり、4つのCES(又は追加の潜在色調)が許される。並列CU分岐に関わる潜在色調は、「1」の下に列記された標準定理を並列CU分岐が寄与する潜在色調で乗算したものから1を減算したものによって導かれる。したがって、並列分岐が存在する潜在色調定理は、以下のように述べることができる:
(メイン経路における潜在色調)×(並列CU分岐が寄与する潜在色調)-1
並列CU分岐に関連する数学的セグメントが終端CUの直後に挿入されることが推奨される。
[0213] 情報ソースにおけるアプリケーション:情報の概念化において、区別可能で離散したあらゆるものは情報である。したがって、全ての物事は基板に関係なく情報的である。例:基板が「物理」であるか、「生命体」であるか、イメージであるか、又は自然言語であるかを問わず、それらの各々1つは、可変量の情報を有している。この例は図面42に表されている。この概念化では、情報は存在している全ての物事に固有である。Claude Shannonによって概念化された通信とは関連しない。一方、エージェントによって認識される情報、エージェントによって無視される情報、又はエージェントにとって未知の情報は、相対的なものである。この概念化では、区別可能性/離散性が、「ペン」等の絶対的な物事又は左若しくは右に置くペン等の変化自体の性質に等しく適用することができる。「世界の仕組み」は、エネルギーが変化及び変換を生じさせることを定める。これは、エネルギーが新しい情報を生じさせることを意味する。実現できない「絶対零度」温帯が仮説的に達成される世界では、それ以上の新しい情報を生成することができない。エネルギーによって生じた、認識されたあらゆる変化はイベントである。イベントはランダム又は被制御であることができる。エージェントシステムのみに存在し、イベントは、特定の最終目的を得るように制御される。イベントは新しい情報と同義である。認識された任意の変換/変化イベントと情報との間の線は不鮮明である。それらの全ては同義である。NSLは接続されたバイナリ実体又は「BET」の形態で被制御変化を編成する。あらゆるものは他のバイナリ実体に接続されたバイナリ実体であるため、エージェントはこれらのバイナリ実体状態組合せの任意の視座に存在することができる。エージェントがCUの視座にある場合、下流の接続BETは一緒になってバイナリ状態を生み出す。これらの各状態は、フィルムにおけるフレームのように、システム内の他のフレームに接続される。違いは、各フレームが全ての下流実体を包含することである。統計特徴を含め、NSLの特徴の大半は、これらの各視座で適用可能にすることができる。これらの特徴をあらゆる視座で適用する能力は、まさに情報ソースにおける特徴の適用と呼ばれる。例:実体「A」がCUに到着することに関して「確率」等の統計特徴を適用することができる。視座がその実体「A」にある場合、統計特徴「確率」を「A」に適用したばかりである。同じCUに3つ実体「A」、「B」、及び「C」の組合せがある場合、統計特徴「確率」はその「ABC」組合せ実体状態に等しく適用することができる。視座「ABC」の視点から、「確率」の適用可能性は等しく有効である。
[0214] 過去、現在、及び未来:「時間」を正しい視点に置く必要がある。全ての解決策は、エージェントシステム内の被制御変化から生じる。全ての変化は時間において生じる。「時間」が何であるかという疑問が生じる。NSLは、宇宙における変化の総和の派生物として時間を見る。NSLは、標準化された「スケール」を使用して空間を測定する。NSLは、部屋の長さのような変わらない空間を、別の変わらないスケール単位を用いて測定して、そのスケールの部屋における再帰単位数を特定する。同様に、NSLは、「時間単位」と呼ぶことができるものの形態の標準化された再帰変化を用いて宇宙における全ての変化を測定する。それらは1時間中の秒数又は1年中の日の出の回数であることができる。世界はエネルギーによって駆動される流動の中にある。変化によっては、予測可能なものもあれば予測不可能なものもある。変化によっては制御可能なものもあれば制御不可能なものもある。宇宙では、現在のみが存在する。過去は、現在に「記録された記憶」である。未来は、現在に記録された期待の記憶であり、興味深いことに、現在は一瞬である。現在はナノ秒毎、ピコ秒毎、フェムト秒毎に変化している。1フェムト秒であっても、その数桁小さな断片が存在する。指定された時間よりも小さな時間の単位を捕捉するエージェントのシステムのレベルには制限がある。人間エージェントは、1/100秒未満の時間を知覚しない。「現在」は、人間エージェントにとっては、それよりも短いものではありえない。機械エージェントのより小さな時間単位を記録する能力がはるかに高い場合であってさえも、人間エージェントよりもわずか数桁高いだけである。これらは可能な「現在の長さ」の最小単位であるが、現在はエージェントの選択に関連する。例:「今何をやっているのか?」等の問いに対して、エージェントはコンテキスト的用語又は相対的用語で多くの方法で関連することができる。この1分、この1時間、この1日、この1年等である。現在の視座はかなり広く異なることができる。これらの選択は、コミュニケーションの仕方及び解決策の構築の仕方に影響する。「現在」は絶対項では存在しない。「現在」はつかの間であり、相対的である。現在は、現在をいかに定義するか又は現在がいかにあって欲しいと望むかに関連してのみ存在する。自然言語での「時制」の基準点は、いかに現在を定義するかである。「私は「1分/1時間/1日/1週間/1ヶ月/1年」前、どこどこの場所にいた」、私はこの1分/この1時間/この1日/この1週間/この1ヶ月/この1年」、どこどこの場所にいる、次の1分/1時間/1日/1週間/1ヶ月/1年、私はどこどこの場所にいるだろうと人は言うであろう。現在の概念化はコンテキストに関連することに留意する。NSLは、任意の他の実体と全く同じように「時間」も実体として扱う(空間も実体として扱われるのと全く同じように)。時間が他の実体又は任意の他の組合せと組み合わせられる場合、時間はそれ自体の存在のコンテキストを定義する。
[0215] 実体のライフサイクル:解決策エコシステム内のあらゆる実体は、それと関連付けられたライフサイクルも有する。解決策レベル実体は、トランザクションレベル実体よりも長く生きる傾向がある。解決策構成要素によっては(例えば所与のCU)、他の解決策構成要素よりも長い時間持続するものがある。あらゆる実体(解決策実体又はトランザクション実体)は、関連付けられた誕生日(作成日)及び死亡日(削除時間)を有することになる。削除された実体は、設計者が決定することができるように、リポジトリになお存続することができる。実体が変更される場合、旧形態は死に(削除され)、新形態が生まれる(作成される)。トランザクションCUは、トランザクションが完了するまでしか持続しない。人々と全く同じように、全ての実体が等しくアクティブである訳ではない。これは解決策クラス実体及びトランザクションクラス実体に等しく該当する。幾つかの実体は広く使用される。実体がトリガー状態に参加している場合、アクティブであると見なされ、その他の場合、アイドルであると見なされる。
[0216] NSL API:NSLの成功は、最も重要なことに、他の解決策環境と共存する能力に依存する。他の解決策及びウェブサービス等の解決策構成要素とシームレスに統合する能力は、NSLの成功にとって極めて重要である。NSLは、他の解決策環境に寄与し、他の解決策環境から等しく恩恵を受ける。NSL APIは、プロセスに自然言語構造体のみを使用することによってNSLフレームワークの純度を保存する。
[0217] NSL文法:NSL文法は、自然言語解決策文法を表す。NSL文法の目的は、解決策に対処する目的で自然言語に生命を吹き込む基本原則、制約、又は制限を築くことである。NSL文法は、自然言語文法内の文法である。換言すれば、NSL文法は、規則、制約、又は規則内の制限、制約、又は制限についてである。例えば、NSL文法は自然言語文法に関するものであるが、自然言語文法の上にNSLの文法を重ねる。NSLによって形成された文は、自然言語の視点からなお文法的に正しいものとする。解決策と効率的に対処するために、NSLが範囲内でとることが許されるいくらかの自由がある。NSLは、自然言語(数学的構造体と併せて)はコードの形態でもあるとの信念に基礎を置く。あらゆる人は、かなり若い年齢のときからこれに馴染みがある。これが、NSLがこれらの言語を言及するとき、「自然」という言葉を使う理由である。人工的に作成され、別の形態のコードであるプログラミング言語は、情報技術の開始からすぐに、「解決策作成」に対処してきた。しかしながら、プログラミング言語は、人間エージェントを機械エージェントから遠ざけてきた。NSLはこの異常を正す。NSLは、解決策を完全にトランスペアレントにするとともに、多くの場合、効果的にする。NSL及びNSL文法は、自然言語を採用し、発話の部分をBETに変換する。そうするに当たり、NSLは自然言語に生命を吹き込み、任意の複雑性の解決策を任意の自然言語で作成する。
[0218] NSL文法は、自然言語及び自然言語文法に便乗する。自然言語は、情報用である(従来理解されるような情報)が、NSL文法は解決策用である。NSL文法-自然言語の上にあり、実体(発話の部分)をより完全にし、NSL準拠のやり方で構造化し、「実体」を「BET」に変換し、「BET」は技術バックボーン及びNSL実行時環境に置かれる。NSL文法-自然言語に生命を吹き込み、環境において自然言語に実体を感知させ、環境から実体を選択し、利用可能な実体に対して作用して環境に影響し、エージェントが目的を実現するのを助け、自然言語での解決策を可能にする。
[0219] NSL実行時環境:任意の自然言語テキストが自然言語文法準拠且つNSL文法準拠である場合、自然言語テキストはNSL実行時環境で書かれて、任意の複雑性の任意の解決策を作成することができる。NSLはプログラミング言語に完全に取って代わる。加えて、NSLは、いかなるプログラミング言語ベースの解決策の2世代先にNSLに置き、人工一般知能の実現を加速させるNSL固有の特徴で解決策に力を与える。
[0220] NSL様式での解決策の構築:図面44は、NSLでの解決策構築プロセスのフローチャートを表している。「初歩」レベルで解決策を構築する場合、以下の手法がとられる:
ステップ1:最終の又はグローバルな望みを簡単な英語の能動態文で指定する。
例:「友人は手紙を受け取る」
ステップ2:最終の望みに繋がるであろう全てのステップを簡単で平易な英語で指定する。
例:
A.「人が手紙を書く」
B.「少年が手紙を投函する」
C.「郵便配達員が手紙を収集する」
D.「そして手紙が「友人」によって受け取られるまで同様」
ステップ3:文をアクショナブルにするために必要な全ての物事を識別する
A.入力:
1.エージェント:この場合、「人」
2.物事:人が手紙を書くためには、
i.ペン、
ii.紙
が必要である
3.属性:物事は所与の属性を有する必要があり得る
i.青色インク(解決策設計者はこれをペンに対して指定することができる)、
ii.暗い色調(これは属性の属性である:暗い色調の青色インク)、
iii.白色(これは「紙」の属性であることができる)
4.行動:上記ステップ2の最初の例では、「書くこと」が、必要な行動である
B.出力:上記例では、出力は「手紙」である
図面45は、NSLでの解決策構築プロセスの一例を表している。最も基本的なレベルにおいて、必要とされるのは上記「3つのステップ」を経ることだけである。完成したNSLの最初の文は、本明細書において以下示すように読まれる:
「人が、暗い色調の青色インクペン、及び白い紙を使用して手紙を書く」
重要な全ての入力及び出力はまず、クラス-潜在と呼ばれるもの-の形態で存在することが認識されるものとする。
A.人-エージェント
B.書く-(「待機」モード又は潜在状態の場合、「クラス」である)
C.ペン-物事
D.紙-物事
E.青色インク-属性
F.暗い色調-属性の属性
G.白色-属性
H.手紙-物事
上述したように、項目「A」から「G」は入力であり、「H」は出力である。全ての入力が到着する場合-全ての入力が到着した場合のみ-文章は出力を生成する。この場合、出力は「手紙」である。全ての入力は、適格メンバの形態で文のクラスに到着する。NSLの用語では、メンバのないクラスは「潜在状態」であると見なされ、到着したメンバありのクラスは「現実状態」であると見なされる。文中の全てのクラスの全てのメンバが到着すると、文は本明細書において以下に示すように読まれる:
「人ラーマ」が暗い色調の青色インク及び白色の紙を使用して手紙を書いた」
ステップ1:最終の又はグローバルな望みを簡単な英語の能動態文で指定する。
例:「友人は手紙を受け取る」
ステップ2:最終の望みに繋がるであろう全てのステップを簡単で平易な英語で指定する。
例:
A.「人が手紙を書く」
B.「少年が手紙を投函する」
C.「郵便配達員が手紙を収集する」
D.「そして手紙が「友人」によって受け取られるまで同様」
ステップ3:文をアクショナブルにするために必要な全ての物事を識別する
A.入力:
1.エージェント:この場合、「人」
2.物事:人が手紙を書くためには、
i.ペン、
ii.紙
が必要である
3.属性:物事は所与の属性を有する必要があり得る
i.青色インク(解決策設計者はこれをペンに対して指定することができる)、
ii.暗い色調(これは属性の属性である:暗い色調の青色インク)、
iii.白色(これは「紙」の属性であることができる)
4.行動:上記ステップ2の最初の例では、「書くこと」が、必要な行動である
B.出力:上記例では、出力は「手紙」である
図面45は、NSLでの解決策構築プロセスの一例を表している。最も基本的なレベルにおいて、必要とされるのは上記「3つのステップ」を経ることだけである。完成したNSLの最初の文は、本明細書において以下示すように読まれる:
「人が、暗い色調の青色インクペン、及び白い紙を使用して手紙を書く」
重要な全ての入力及び出力はまず、クラス-潜在と呼ばれるもの-の形態で存在することが認識されるものとする。
A.人-エージェント
B.書く-(「待機」モード又は潜在状態の場合、「クラス」である)
C.ペン-物事
D.紙-物事
E.青色インク-属性
F.暗い色調-属性の属性
G.白色-属性
H.手紙-物事
上述したように、項目「A」から「G」は入力であり、「H」は出力である。全ての入力が到着する場合-全ての入力が到着した場合のみ-文章は出力を生成する。この場合、出力は「手紙」である。全ての入力は、適格メンバの形態で文のクラスに到着する。NSLの用語では、メンバのないクラスは「潜在状態」であると見なされ、到着したメンバありのクラスは「現実状態」であると見なされる。文中の全てのクラスの全てのメンバが到着すると、文は本明細書において以下に示すように読まれる:
「人ラーマ」が暗い色調の青色インク及び白色の紙を使用して手紙を書いた」
[0221] 最初の文は、重要な全ての物事はクラスレベルのみであったため、グレーであった。メンバがクラスに到着すると、色は赤に変わる。クラス「人」に到着したメンバはかなり区別可能であるため(例えばラーマvsジョンvsピーター)、そのようなメンバは明確に述べられた。しかし、到着しているメンバが、紙又はペン等、区別可能でないものである場合、色を変えるだけで十分であった(クラスのみはグレーであり、メンバありのクラスは赤である)。分化属性クラスは物事に先行し、到着メンバはクラスに後続することに留意する。例:クラス「人」にはメンバ「ラーマ」が後続する。設計者は、ノード、線、方向性、設定、枠、色、上付き、トグルメカニズムを使用して、ユーザの理解及び経験を特別にする柔軟性を有する。
[0222] ダイアルを回す:NSLでは、用語は強固な地盤上で豊かな文(fat sentence)から平易な文に切り替える。NSLでは、全ての言語で「豊かな文からプログラミング言語に」及び「プログラミング言語から豊かな文」に変換するプロセスがある。NSLは、解決策を自然言語で直接構築し(平易な文)、それらをノードネットワーク構造(豊かな文)に切り替えることができるように、ダイアルを回すことを意図する。NSL文法に基づく解決策が、解決策を相当程度まで作成するプロセスを加速させることが多少なりとも確立され、解決策開発はより直観的で楽しい。
[0223] 図面47は、ユーザにより理解される自然言語を使用し、プログラミングコードを使用せずにコンピュータ実施解決策を構築する方法47を示すフローチャートを表している。方法によれば、ステップ4702において、構築すべき解決策を示すグローバル意図言明が、ユーザから計算デバイスのプロセッサによって受信される。グローバル意図言明は、自然言語の形態で受信され、潜在状態に設定されている。ステップ4704において、グローバル意図言明と関連する1つ又は複数のエージェントの詳細が、ユーザからプロセッサによって受信される。エージェントは、解決策を実行する人間エージェント又は機械エージェントである。1つ又は複数のエージェントの詳細は、自然言語の形態で受信され、各エージェントは潜在状態に設定されている。さらに、ステップ4706において、グローバル意図言明と関連する1つ又は複数のローカル意図言明及び各ローカル意図言明と関連する実体の詳細が、ユーザからプロセッサによって受信される。各ローカル意図言明及び各実体の詳細は、自然言語の形態で受信され、それぞれ潜在状態に設定されている。各ローカル意図言明は解決策を構築するステップを示し、各実体は、対応するローカル意図言明によって示されるステップに参加する。ステップ4708において、1つ又は複数のエージェントが、プロセッサにより、各ローカル意図言明に割り当てられる。ローカル意図言明に割り当てられるエージェントの詳細はユーザにより変更可能である。ステップ4710において、各ローカル意図言明について、ローカル意図言明のそれぞれの特性を定義する1つ又は複数の属性が、ユーザからプロセッサにより自然言語の形態で受信される。さらに、ステップ4712において、各実体について、各実体の特性を定義し、各実体を対応するローカル意図言明の他の実体から区別する1つ又は複数の属性が、ユーザからプロセッサにより自然言語の形態で受信される。ステップ4714において、各ローカル意図言明について、実体状態組合せ(CES)のセットが、プロセッサにより、各ローカル意図言明の実体の可能な全ての組合せに基づいて形成される。各ローカル意図言明の全ての実体に基づいて形成されたCESは、トリガー実体状態組合せ(トリガーCES)であり、セット中の各CESは潜在状態である。ステップ4716において、グローバル意図言明と関連する1つのみのローカル意図言明が受信されたとの判断に応答して、受信ローカル意図言明のトリガーCESは、解決策の構築の終わりとして識別される。ステップ4718において、グローバル意図言明と関連する2つ以上のローカル意図言明が受信されたとの判断に応答して、ローカル意図言明間の関係が、ユーザからプロセッサにより自然言語の形態で受信される。関係は、1つのローカル意図言明のトリガーCESが、解決策の別のローカル意図言明のCESのセットに影響しているか、又は解決策の構築の終わりであるかを示す。ステップ4720において、グローバル意図言明、1つ又は複数のローカル意図言明、1つ又は複数のエージェント、実体、及び属性の各々について、各グローバル意図言明、各ローカル意図言明、各エージェント、各実体、及び各属性が潜在状態で出現する瞬間における開始時間が、プロセッサによって記録される。さらに、ステップ4722において、グローバル意図言明、1つ又は複数のローカル意図言明、1つ又は複数のエージェント、実体、及び属性の各々について、各グローバル意図言明、各ローカル意図言明、各エージェント、各実体、及び各属性が現実状態で出現する瞬間における停止時間が、プロセッサによって記録される。
[0224] NSLは、1つ若しくは複数のコンピュータシステムで実施し得、又は1つ若しくは複数のコンピュータシステムを含み得る。図面48は、計算環境4802の一般化された例を示す。計算環境4802は、記載される実施形態の使用又は機能の範囲についてのいかなる限定の示唆も意図しない。
[0225] 図面48を参照すると、計算環境4802は少なくとも1つの処理ユニット4804及びメモリ4806を含む。処理ユニット4804はコンピュータ実行可能命令を実行し、現実又は仮想プロセッサであり得る。マルチ処理システムでは、複数の処理ユニットがコンピュータ実行可能命令を実行して、処理力を上げる。メモリ4806は、揮発性メモリ(例えば、レジスタ、キャッシュ、RAM)、不揮発性メモリ(例えば、ROM、EEPROM、フラッシュメモリ等)、又はそれら2つの何らかの組合せであり得る。幾つかの実施形態では、メモリ4806は、記載される技法を実施するフレームワーク4816を記憶する。
[0226] 計算環境は追加の特徴を有し得る。例えば、計算環境4802は記憶装置4814、1つ又は複数の入力デバイス4810、1つ又は複数の出力デバイス4812、及び1つ又は複数の通信接続4808を含む。バス、コントローラ、又はネットワーク等の相互接続機構(図示せず)は、計算環境4802のコンポーネントを相互接続する。通常、オペレーティングシステムソフトウェア(図示せず)は、計算環境4802で実行中の他のソフトウェアに動作環境を提供し、計算環境4802のコンポーネントの活動をコーディネートする。
[0227] 記憶装置4814は、リムーバブルであってもよく又は非リムーバブルであってもよく、磁気ディスク、磁気テープ若しくはカセット、CD-ROM、CD-RW、DVD、又は情報の記憶に使用し得、計算環境4802内でアクセスし得る任意の他の媒体を含む。幾つかの実施形態では、記憶装置4814はフレームワーク4816の命令を記憶する。
[0228] 入力デバイス4810は、キーボード、マウス、ペン、トランクボール、タッチスクリーン、又はゲームコントローラ等のタッチ入力デバイス、音声入力デバイス、スキャンデバイス、デジタルカメラ、又は入力を計算環境4802に提供する別のデバイスであり得る。出力デバイス4812は、ディスプレイ、プリンタ、スピーカ、又は出力を計算環境4802から提供する別のデバイスであり得る。
[0229] 通信接続4808は、通信媒体を介して別の計算エンティティと通信できるようにする。通信媒体は、コンピュータ実行可能命令、音声若しくは動画情報、又は他のデータ等の情報を変調データ信号で伝達する。変調データ信号は、特性セットの1つ又は複数を有し、又は情報を信号に符号化するように変更された信号である。限定ではなく例として、通信媒体は、電気、光学、RF、赤外線、音響、又は他の搬送波を用いて実施される有線又は無線技法を含む。
[0230] 実施態様は、コンピュータ可読媒体の一般状況で説明し得る。コンピュータ可読媒体は、計算環境内でアクセスし得る任意の利用可能な媒体である。限定ではなく例として、計算環境4802内で、コンピュータ可読媒体は、メモリ4806、記憶装置4814、通信媒体、及び上記の何れかの組合せを含む。
[0231] 記載された実施形態を参照して本開示の原理を説明し示したが、そのような原理から逸脱せずに、記載された実施形態の構成及び詳細が変更可能であることが認識されよう。本開示の原理を適用し得る多くの可能な自体に鑑みて、特許請求の範囲の趣旨及びその均等物内にあり得るような全ての実施形態を本開示として特許請求する。
[0232] 本開示は上記実施形態に関して関連するが、本開示が示された実施形態に限定されないことを当業者ならば認識しよう。本開示は、添付の特許請求の範囲の趣旨及び範囲内で変更及び改変を用いて実施し得る。したがって、説明は、本開示への限定ではなく例示として見なされるべきである。
[0233] 当業者により理解されるように、上記の例、実証、及び方法ステップは、汎用又は専用コンピュータ等のプロセッサベースシステムで適したコードにより実装し得る。本技法の異なる実施態様が、本明細書に記載されるステップ幾つかの又は全てを異なる順序で又は略同時に、すなわち並列して実行し得ることにも留意されたい。さらに、機能は多種多様なプログラミング言語で実装し得る。そのようなコードは、当業者により理解されるように、メモリチップ、ローカル若しくはリモートハードディスク、光ディスク、又はプロセッサベースシステムによりアクセスされて、記憶されたコードを実行し得る他の媒体等の1つ又は複数の有形機械可読媒体に記憶し得、又は記憶に向けて適合し得る。なお、有形媒体は、命令がプリントされる紙又は別の適した媒体を含み得る。例えば、命令は、紙又は他の媒体の光学スキャンを介して電子的に捕捉され、次に、必要な場合、コンパイル、インタプリタ、又は他の方法で適したように処理され、次にコンピュータメモリに記憶し得る。
[0234] 詳細な説明は、当業者が本開示を作製、使用できるようにするのに提示され、特許取得の要件の状況で提供されている。本説明は、現在考えられる、本開示を実行するのに最もよい方法である。本実施形態への種々の変更は、当業者に容易に明らかになり、本開示の一般原理は他の実施形態に適用し得、本開示の幾つかの特徴は、他の特徴の対応する使用なしで使用し得る。したがって、本開示は、示される実施形態に限定されることが意図されず、本明細書に記載される原理及び特徴と一貫する最も広い範囲に従うべきである。
[0235] 本趣旨は、一実施態様例によれば、ユーザにより理解される自然言語を使用し、プログラミングコードを使用せずにコンピュータ実施解決策を構築する方法に関し、方法は、ユーザから計算デバイスのプロセッサにより、構築すべき解決策を示すグローバル意図言明を受信することであって、グローバル意図言明は、自然言語の形態で受信され、潜在状態に設定されている、受信することと、ユーザからプロセッサにより、グローバル意図言明と関連する1つ又は複数のエージェントの詳細を受信することであって、エージェントは、解決策を実行する人間エージェント又は機械エージェントであり、1つ又は複数のエージェントの詳細は、自然言語の形態で受信され、各エージェントは潜在状態に設定されている、受信することと、ユーザからプロセッサにより、グローバル意図言明と関連する1つ又は複数のローカル意図言明及び各ローカル意図言明と関連する実体の詳細を受信することであって、各ローカル意図言明及び各実体の詳細は、自然言語の形態で受信され、それぞれ潜在状態に設定されており、各ローカル意図言明は解決策を構築するステップを示し、各実体は、対応するローカル意図言明によって示されるステップに参加する、受信することと、プロセッサにより、1つ又は複数のエージェントを各ローカル意図言明に割り当てることであって、ローカル意図言明に割り当てられるエージェントの詳細はユーザにより変更可能である、割り当てることと、各ローカル意図言明について、ユーザからプロセッサにより自然言語の形態で、ローカル意図言明のそれぞれの特性を定義する1つ又は複数の属性を受信することと、各実体について、ユーザからプロセッサにより自然言語の形態で、各実体の特性を定義し、各実体を対応するローカル意図言明の他の実体から区別する1つ又は複数の属性を受信することと、プロセッサにより、各ローカル意図言明について、各ローカル意図言明の実体の可能な全ての組合せに基づいて実体状態組合せ(CES)のセットを形成することであって、各ローカル意図言明の全ての実体に基づいて形成されたCESは、トリガー実体状態組合せ(トリガーCES)であり、セット中の各CESは潜在状態である、形成することと、グローバル意図言明と関連する1つのみのローカル意図言明が受信されたとの判断に応答して、受信ローカル意図言明のトリガーCESを解決策の構築の終わりとして識別することと、グローバル意図言明と関連する2つ以上のローカル意図言明が受信されたとの判断に応答して、ユーザからプロセッサにより自然言語の形態で、ローカル意図言明間の関係を受信することであって、関係は、1つのローカル意図言明のトリガーCESが、解決策の別のローカル意図言明のCESのセットに影響しているか、又は解決策の構築の終わりであるかを示す、受信することと、グローバル意図言明、1つ又は複数のローカル意図言明、1つ又は複数のエージェント、実体、及び属性の各々について、プロセッサにより、各グローバル意図言明、各ローカル意図言明、各エージェント、各実体、及び各属性が潜在状態で出現する瞬間における開始時間を記録することと、グローバル意図言明、1つ又は複数のローカル意図言明、1つ又は複数のエージェント、実体、及び属性の各々について、プロセッサにより、各グローバル意図言明、各ローカル意図言明、各エージェント、各実体、及び各属性が現実状態で出現する瞬間における停止時間を記録することとを含む。
[0236] 一実施態様例によれば、上記方法は、グローバル意図言明、1つ又は複数のローカル意図言明、1つ又は複数のエージェント、実体、及び属性の各々について、プロセッサにより、各グローバル意図言明、各ローカル意図言明、各エージェント、各実体、及び各属性が潜在状態で出現する瞬間における地理的場所の座標を記録することを含む。
[0237] 一実施態様例によれば、上記方法は、グローバル意図言明、1つ又は複数のローカル意図言明、1つ又は複数のエージェント、実体、及び属性の各々について、プロセッサにより、各グローバル意図言明、各ローカル意図言明、各エージェント、各実体、及び各属性が現実状態で出現する瞬間における地理的場所の座標を記録することを含む。
[0238] 一実施態様例によれば、上記方法は、ローカル意図言明について、ユーザからプロセッサにより自然言語の形態で、1つ又は複数のサブローカル意図言明及び各サブローカル意図言明と関連する実体の詳細を受信することであって、各サブローカル意図言明及び各実体はそれぞれ潜在状態に設定されており、各サブローカル意図言明は、解決策を構築するステップを示し、各実体は、対応するサブローカル意図言明により示されるステップに参加する、受信することと、プロセッサにより、1つ又は複数のエージェントを各サブローカル意図言明に割り当てることであって、ローカル意図言明に割り当てられるエージェントの詳細は、ユーザにより変更可能である、割り当てることと、各サブローカル意図言明について、ユーザからプロセッサにより自然言語の形態で、各サブローカル意図言明の特性を定義する1つ又は複数の属性を受信することと、各実体について、ユーザからプロセッサにより自然言語の形態で、各実体の特性を定義し、各実体を対応するサブローカル意図言明の他の実体から区別する1つ又は複数の属性を受信することと、プロセッサにより、各サブローカル意図言明について、各サブローカル意図言明の実体の全ての可能な組合せに基づいてCESのセットを形成することであって、各サブローカル意図言明の全ての実体に基づいて形成されたCESはトリガーCESであり、セット中の各CESは潜在状態である、形成することと、ユーザからプロセッサにより自然言語の形態で、ローカル意図言明と1つ又は複数のサブローカル意図言明との間の関係を受信することであって、関係は、1つのローカル意図言明のトリガーCESが、サブローカル意図言明のCESのセットに影響しているか否かを示し、関係は、1つのサブローカル意図言明のトリガーCESが、ローカル意図言明のCESのセットに影響しているか、又は解決策の構築の終わりであるかを示す、受信することとを含む。
[0239] 一実施態様例によれば、解決策が実行されると、上記方法は、ローカル意図言明について、エージェントからプロセッサにより自然言語の形態で、1つ又は複数のサブローカル意図言明及び各サブローカル意図言明と関連する実体の詳細を受信することであって、各サブローカル意図言明及び各実体はそれぞれ潜在状態に設定されており、各サブローカル意図言明は、解決策を構築するステップを示し、各実体は、対応するサブローカル意図言明により示されるステップに参加する、受信することと、プロセッサにより、1つ又は複数のエージェントを各サブローカル意図言明に割り当てることであって、サブローカル意図言明に割り当てられたエージェントの詳細は、エージェントにより変更可能である、割り当てることと、各サブローカル意図言明について、エージェントからプロセッサにより自然言語の形態で、各サブローカル意図言明の特性を定義する1つ又は複数の属性を受信することと、各実体について、エージェントからプロセッサにより自然言語の形態で、各実体の特性を定義し、各実体を対応するサブローカル意図言明の他の実体から区別する1つ又は複数の属性を受信することと、プロセッサにより、各サブローカル意図言明について、各サブローカル意図言明の実体の全ての可能な組合せに基づいてCESのセットを形成することであって、各サブローカル意図言明の全ての実体に基づいて形成されたCESはトリガーCESであり、セット中の各CESは潜在状態である、形成することと、エージェントからプロセッサにより自然言語の形態で、ローカル意図言明と1つ又は複数のサブローカル意図言明との間の関係を受信することであって、関係は、1つのサブローカル意図言明のトリガーCESが別のサブローカル意図言明のCESのセットに影響しているか否か又はローカル意図言明のCESのセットに影響しているか否かを示す、受信することとを含む。
[0240] 一実施態様例によれば、上記方法は、各ローカル意図言明の各実体について、関連するエージェントからプロセッサにより、各実体に対する値を受信することであって、各実体に対する値を受信することは、受信した値に基づいて各実体の潜在状態を現実状態に変更するイベントの記録であり、値は、自然言語、プログラミング言語、画像、バイオメトリクス、及びジェスチャの形態の入力であり、自然言語はテキスト又はスピーチの形態である、受信することを含む。
[0241] 一実施態様例によれば、グローバル意図言明の少なくとも1つ、1つ又は複数のローカル意図言明、1つ又は複数のエージェント、実体、及び属性は、1つ又は複数の予め定義された条件が満たされると、解決策の実行中、潜在状態で出現する。
[0242] 一実施態様例によれば、上記方法は、ユーザからプロセッサにより自然言語の形態で、グローバル意図言明、1つ又は複数のローカル意図言明、1つ又は複数のエージェント、実体、及び属性と関連する情報が、解決策の実行中、受信されるユーザインターフェースを構成するユーザ入力を受信することであって、ユーザインターフェースは、表示デバイスの表示性質に基づいて動的に調整可能である、受信することを含む。
[0243] 一実施態様例によれば、上記方法は、プロセッサにより、グローバル意図言明、1つ又は複数のローカル意図言明、1つ又は複数のエージェント、実体、及び属性と関連する受信情報をパーズすることと、プロセッサにより、解決策自然言語文法データベースとの通信に基づいて、情報において1つ又は複数の文法修正を行うようにパーズされた情報を修正することとを含む。
[0244] 一実施態様例によれば、上記方法は、プロセッサにより、グローバル意図言明、1つ又は複数のローカル意図言明、1つ又は複数のエージェント、実体、及び属性と関連する受信情報をパーズすることと、プロセッサにより、解決策自然言語文法データベースとの通信に基づいてパーズされた情報から冗長テキストを除去することとを含む。
[0245] 一実施態様例によれば、上記方法は、プロセッサにより、受信したグローバル意図言明に基づいて、1つ若しくは複数のローカル意図言明、1つ若しくは複数のエージェント、1つ若しくは複数の実体、1つ若しくは複数の属性、又はそれらの組合せを自動記入することであって、自動記入は、解決策自然言語文法データベースとの通信に基づく、自動記入することを含む。
[0246] 一実施態様例によれば、ローカル意図言明は、2つ以上の並列ローカル意図言明を含み、1つのローカル意図言明のトリガーCESは、2つ以上の並列ローカル意図言明のCESのセットに影響し、2つ以上の並列ローカル意図言明のトリガーCESは、別のローカル意図言明のCESのセットに影響し、又は解決策の構築の終わりである。
[0247] 一実施態様例によれば、ローカル意図言明は、2つ以上の代替ローカル意図言明を含み、1つのローカル意図言明のトリガーCESは、2つ以上の代替ローカル意図言明のCESのセットに影響し、2つ以上の代替ローカル意図言明のうちの1つのトリガーCESは、別のローカル意図言明のCESのセットに影響し、又は解決策の構築の終わりである。
[0248] 一実施態様例によれば、ローカル意図言明は入れ子式ローカル意図言明を含み、入れ子式ローカル意図言明のトリガーCESは、別の解決策のローカル意図言明のCESのセットに影響する。
[0249] 一実施態様例によれば、ローカル意図言明は、再帰的ローカル意図言明を含み、再帰的ローカル意図言明のトリガーCESは、別のローカル意図言明のCESのセットに影響し、又はN反復後の解決策の構築の終わりであり、Nは2以上である。
[0250] 一実施態様例によれば、上記方法は、ユーザからプロセッサにより自然言語の形態で、ローカル意図言明と関連する2つ以上の置換実体の詳細を受信することを含み、2つ以上の置換実体の各々はそれぞれ潜在状態に設定され、2つ以上の置換実体の1つは、対応するローカル意図言明により示されるステップに参加し、2つ以上の置換実体の他は、トリガーCESの一部ではない。
[0251] 一実施態様例によれば、上記方法は、プロセッサにより、
((2^(b1-c1-e1))×(2^(b2-c2-e2))+(2^(b2-c2-e2))×(2^(b3-c3-e3))+………+(2^(bK-1-cK-1-eK-1))×(2^(bK-cK-eK))+(2^(bK-cK-eK)))-1
に基づいて解決策と関連する潜在状態数を特定することを含み、式中、Kはローカル意図言明の総数であり、biは、i番目のローカル意図言明と関連する実体、属性、及びエージェントの総数であり、ciは、一定であるi番目のローカル意図言明と関連する実体、属性、及びエージェントの総数であり、eiは、i番目のローカル意図言明に影響するトリガーCESの数である。
((2^(b1-c1-e1))×(2^(b2-c2-e2))+(2^(b2-c2-e2))×(2^(b3-c3-e3))+………+(2^(bK-1-cK-1-eK-1))×(2^(bK-cK-eK))+(2^(bK-cK-eK)))-1
に基づいて解決策と関連する潜在状態数を特定することを含み、式中、Kはローカル意図言明の総数であり、biは、i番目のローカル意図言明と関連する実体、属性、及びエージェントの総数であり、ciは、一定であるi番目のローカル意図言明と関連する実体、属性、及びエージェントの総数であり、eiは、i番目のローカル意図言明に影響するトリガーCESの数である。
[0252] 一実施態様例によれば、上記方法は、プロセッサにより、1つ又は複数の解決策自然言語アプリケーションプログラミングインターフェース(NSL API)を使用して外部システムと通信することを含む。
[0253] 一実施態様例によれば、上記方法は、プロセッサにより、グローバル意図言明、1つ又は複数のローカル意図言明、1つ又は複数の実体、1つ又は複数の属性、1つ又は複数のエージェントの値に基づいて1つ又は複数のリポートを生成することであって、1つ又は複数のリポートは1つ又は複数の予め定義される技法に基づいて生成される、生成することを含む。
[0254] 一実施態様例によれば、上記方法は、プロセッサにより、グローバル意図言明、1つ又は複数のローカル意図言明、1つ又は複数の実体、1つ又は複数の属性、1つ又は複数のエージェントの値を分析することと、プロセッサにより、分析に基づいて1つ又は複数の論理的推論を導出することであって、1つ又は複数の論理的推論は1つ又は複数の予め定義されるモデルに基づいて導出される、導出することとを含む。
[0255] 一実施態様例によれば、上記方法は、ローカル意図言明と関連するエージェントが機械エージェントである場合、ロボットプロセス自動化エンジンからプロセッサにより、ローカル意図言明に新しいサブローカル意図言明を追加し、1つ又は複数の新しい実体及び属性を新しいサブローカル意図言明に追加する入力を受信すること、ロボットプロセス自動化エンジンからプロセッサにより、1つ又は複数の新しい実体及び属性をローカル意図言明に追加する入力を受信すること、又はロボットプロセス自動化エンジンからプロセッサにより、ローカル意図言明、関連する実体、若しくは関連する属性を変更する入力を受信することを含む。
[0256] 本趣旨は、一実施態様例によれば、ユーザにより理解される自然言語を使用し、プログラミングコードを使用せずにコンピュータ実施解決策を構築する方法に関し、方法は、計算デバイスのプロセッサにより、構築すべき解決策を示すグローバル意図言明を入力するプロンプトをユーザに提供することであって、グローバル意図言明は、自然言語の形態で受信され、潜在状態に設定されている、提供することと、プロセッサにより、グローバル意図言明と関連する1つ又は複数のエージェントの詳細を入力するプロンプトをユーザに提供することであって、エージェントは、解決策を実行する人間エージェント又は機械エージェントであり、1つ又は複数のエージェントの詳細は、自然言語の形態で受信され、各エージェントは潜在状態に設定されている、提供することと、プロセッサにより、グローバル意図言明と関連する1つ又は複数のローカル意図言明及び各ローカル意図言明と関連する実体の詳細を入力するプロンプトをユーザに提供することであって、各ローカル意図言明及び各実体の詳細は、自然言語の形態で受信され、それぞれ潜在状態に設定されており、各ローカル意図言明は解決策を構築するステップを示し、各実体は、対応するローカル意図言明によって示されるステップに参加する、提供することと、プロセッサにより、1つ又は複数のエージェントを各ローカル意図言明に割り当てることであって、ローカル意図言明に割り当てられるエージェントの詳細はユーザにより変更可能である、割り当てることと、各ローカル意図言明について、プロセッサにより、自然言語の形態で、ローカル意図言明のそれぞれの特性を定義する1つ又は複数の属性を入力するプロンプトをユーザに提供することと、各実体について、プロセッサにより自然言語の形態で、各実体の特性を定義し、各実体を対応するローカル意図言明の他の実体から区別する1つ又は複数の属性を入力するプロンプトをユーザに提供することと、プロセッサにより、各ローカル意図言明について、各ローカル意図言明の実体の可能な全ての組合せに基づいて実体状態組合せ(CES)のセットを形成することであって、各ローカル意図言明の全ての実体に基づいて形成されたCESは、トリガー実体状態組合せ(トリガーCES)であり、セット中の各CESは潜在状態である、形成することと、グローバル意図言明と関連する1つのみのローカル意図言明が受信されたとの判断に応答して、受信ローカル意図言明のトリガーCESを解決策の構築の終わりとして識別することと、グローバル意図言明と関連する2つ以上のローカル意図言明が受信されたとの判断に応答して、プロセッサにより自然言語の形態で、ローカル意図言明間の関係を入力するプロンプトをユーザに提供することであって、関係は、1つのローカル意図言明のトリガーCESが、解決策の別のローカル意図言明のCESのセットに影響しているか、又は解決策の構築の終わりであるかを示す、提供することと、グローバル意図言明、1つ又は複数のローカル意図言明、1つ又は複数のエージェント、実体、及び属性の各々について、プロセッサにより、各グローバル意図言明、各ローカル意図言明、各エージェント、各実体、及び各属性が潜在状態で出現する瞬間における開始時間を記録することと、グローバル意図言明、1つ又は複数のローカル意図言明、1つ又は複数のエージェント、実体、及び属性の各々について、プロセッサにより、各グローバル意図言明、各ローカル意図言明、各エージェント、各実体、及び各属性が現実状態で出現する瞬間における停止時間を記録することとを含む。
[0257] 本趣旨は、一実施態様例によれば、ユーザにより理解される自然言語を使用し、プログラミングコードを使用せずにコンピュータ実施解決策を構築する計算デバイスに関し、計算デバイスは、プロセッサと、プロセッサに結合されたメモリとを備え、メモリは命令を含み、命令は、ユーザから、構築すべき解決策を示すグローバル意図言明を受信することであって、グローバル意図言明は、自然言語の形態で受信され、潜在状態に設定されている、受信することと、ユーザから、グローバル意図言明と関連する1つ又は複数のエージェントの詳細を受信することであって、エージェントは、解決策を実行する人間エージェント又は機械エージェントであり、1つ又は複数のエージェントの詳細は、自然言語の形態で受信され、各エージェントは潜在状態に設定されている、受信することと、ユーザから、グローバル意図言明と関連する1つ又は複数のローカル意図言明及び各ローカル意図言明と関連する実体の詳細を受信することであって、各ローカル意図言明及び各実体の詳細は、自然言語の形態で受信され、それぞれ潜在状態に設定されており、各ローカル意図言明は解決策を構築するステップを示し、各実体は、対応するローカル意図言明によって示されるステップに参加する、受信することと、1つ又は複数のエージェントを各ローカル意図言明に割り当てることであって、ローカル意図言明に割り当てられるエージェントの詳細はユーザにより変更可能である、割り当てることと、各ローカル意図言明について、ユーザから自然言語の形態で、ローカル意図言明のそれぞれの特性を定義する1つ又は複数の属性を受信することと、各実体について、ユーザから自然言語の形態で、各実体の特性を定義し、各実体を対応するローカル意図言明の他の実体から区別する1つ又は複数の属性を受信することと、各ローカル意図言明について、各ローカル意図言明の実体の可能な全ての組合せに基づいて実体状態組合せ(CES)のセットを形成することであって、各ローカル意図言明の全ての実体に基づいて形成されたCESは、トリガー実体状態組合せ(トリガーCES)であり、セット中の各CESは潜在状態である、形成することと、グローバル意図言明と関連する1つのみのローカル意図言明が受信されたとの判断に応答して、受信ローカル意図言明のトリガーCESを解決策の構築の終わりとして識別することと、グローバル意図言明と関連する2つ以上のローカル意図言明が受信されたとの判断に応答して、ユーザから自然言語の形態で、ローカル意図言明間の関係を受信することであって、関係は、1つのローカル意図言明のトリガーCESが、解決策の別のローカル意図言明のCESのセットに影響しているか、又は解決策の構築の終わりであるかを示す、受信することと、グローバル意図言明、1つ又は複数のローカル意図言明、1つ又は複数のエージェント、実体、及び属性の各々について、各グローバル意図言明、各ローカル意図言明、各エージェント、各実体、及び各属性が潜在状態で出現する瞬間における開始時間を記録することと、グローバル意図言明、1つ又は複数のローカル意図言明、1つ又は複数のエージェント、実体、及び属性の各々について、各グローバル意図言明、各ローカル意図言明、各エージェント、各実体、及び各属性が現実状態で出現する瞬間における停止時間を記録することとを行うようにプロセッサにより実行可能である。
[0258] 本趣旨は、一実施態様例によれば、ユーザにより理解される自然言語を使用し、プログラミングコードを使用せずにコンピュータ実施解決策を構築する計算デバイスに関し、計算デバイスは、ユーザから、構築すべき解決策を示すグローバル意図言明を受信する手段であって、グローバル意図言明は、自然言語の形態で受信され、潜在状態に設定されている、受信する手段と、ユーザから、グローバル意図言明と関連する1つ又は複数のエージェントの詳細を受信する手段であって、エージェントは、解決策を実行する人間エージェント又は機械エージェントであり、1つ又は複数のエージェントの詳細は、自然言語の形態で受信され、各エージェントは潜在状態に設定されている、受信する手段と、ユーザから、グローバル意図言明と関連する1つ又は複数のローカル意図言明及び各ローカル意図言明と関連する実体の詳細を受信する手段であって、各ローカル意図言明及び各実体の詳細は、自然言語の形態で受信され、それぞれ潜在状態に設定されており、各ローカル意図言明は解決策を構築するステップを示し、各実体は、対応するローカル意図言明によって示されるステップに参加する、受信する手段と、1つ又は複数のエージェントを各ローカル意図言明に割り当てる手段であって、ローカル意図言明に割り当てられるエージェントの詳細はユーザにより変更可能である、割り当てる手段と、各ローカル意図言明について、ユーザから自然言語の形態で、ローカル意図言明のそれぞれの特性を定義する1つ又は複数の属性を受信する手段と、各実体について、ユーザから自然言語の形態で、各実体の特性を定義し、各実体を対応するローカル意図言明の他の実体から区別する1つ又は複数の属性を受信する手段と、各ローカル意図言明について、各ローカル意図言明の実体の可能な全ての組合せに基づいて実体状態組合せ(CES)のセットを形成する手段であって、各ローカル意図言明の全ての実体に基づいて形成されたCESは、トリガー実体状態組合せ(トリガーCES)であり、セット中の各CESは潜在状態である、形成する手段と、グローバル意図言明と関連する1つのみのローカル意図言明が受信されたとの判断に応答して、受信ローカル意図言明のトリガーCESを解決策の構築の終わりとして識別する手段と、グローバル意図言明と関連する2つ以上のローカル意図言明が受信されたとの判断に応答して、ユーザから自然言語の形態で、ローカル意図言明間の関係を受信する手段であって、関係は、1つのローカル意図言明のトリガーCESが、解決策の別のローカル意図言明のCESのセットに影響しているか、又は解決策の構築の終わりであるかを示す、受信する手段と、グローバル意図言明、1つ又は複数のローカル意図言明、1つ又は複数のエージェント、実体、及び属性の各々について、各グローバル意図言明、各ローカル意図言明、各エージェント、各実体、及び各属性が潜在状態で出現する瞬間における開始時間を記録する手段と、グローバル意図言明、1つ又は複数のローカル意図言明、1つ又は複数のエージェント、実体、及び属性の各々について、各グローバル意図言明、各ローカル意図言明、各エージェント、各実体、及び各属性が現実状態で出現する瞬間における停止時間を記録する手段とを備える。
[0259] 本趣旨は、一実施態様例によれば、ユーザにより理解される自然言語を使用し、プログラミングコードを使用せずにコンピュータ実施解決策を構築する計算デバイスに関し、計算デバイスは、プロセッサと、プロセッサに結合されたメモリとを備え、メモリは命令を含み、命令は、上記方法を実行するようにプロセッサにより実行可能である。
[0260] 本趣旨は、一実施態様例によれば、ユーザにより理解される自然言語を使用し、プログラミングコードを使用せずにコンピュータ実施解決策を構築する計算デバイスに関し、計算デバイスは、プロセッサと、プロセッサに結合されたメモリとを備え、メモリは命令を含み、命令は、構築すべき解決策を示すグローバル意図言明を入力するプロンプトをユーザに提供することであって、グローバル意図言明は、自然言語の形態で受信され、潜在状態に設定されている、提供することと、グローバル意図言明と関連する1つ又は複数のエージェントの詳細を入力するプロンプトをユーザに提供することであって、エージェントは、解決策を実行する人間エージェント又は機械エージェントであり、1つ又は複数のエージェントの詳細は、自然言語の形態で受信され、各エージェントは潜在状態に設定されている、提供することと、グローバル意図言明と関連する1つ又は複数のローカル意図言明及び各ローカル意図言明と関連する実体の詳細を入力するプロンプトをユーザに提供することであって、各ローカル意図言明及び各実体の詳細は、自然言語の形態で受信され、それぞれ潜在状態に設定されており、各ローカル意図言明は解決策を構築するステップを示し、各実体は、対応するローカル意図言明によって示されるステップに参加する、提供することと、1つ又は複数のエージェントを各ローカル意図言明に割り当てることであって、ローカル意図言明に割り当てられるエージェントの詳細はユーザにより変更可能である、割り当てることと、各ローカル意図言明について、自然言語の形態で、ローカル意図言明のそれぞれの特性を定義する1つ又は複数の属性を入力するプロンプトをユーザに提供することと、各実体について、自然言語の形態で、各実体の特性を定義し、各実体を対応するローカル意図言明の他の実体から区別する1つ又は複数の属性を入力するプロンプトをユーザに提供することと、各ローカル意図言明について、各ローカル意図言明の実体の可能な全ての組合せに基づいて実体状態組合せ(CES)のセットを形成することであって、各ローカル意図言明の全ての実体に基づいて形成されたCESは、トリガー実体状態組合せ(トリガーCES)であり、セット中の各CESは潜在状態である、形成することと、グローバル意図言明と関連する1つのみのローカル意図言明が受信されたとの判断に応答して、受信ローカル意図言明のトリガーCESを解決策の構築の終わりとして識別することと、グローバル意図言明と関連する2つ以上のローカル意図言明が受信されたとの判断に応答して、自然言語の形態で、ローカル意図言明間の関係を入力するプロンプトをユーザに提供することであって、関係は、1つのローカル意図言明のトリガーCESが、解決策の別のローカル意図言明のCESのセットに影響しているか、又は解決策の構築の終わりであるかを示す、提供することと、グローバル意図言明、1つ又は複数のローカル意図言明、1つ又は複数のエージェント、実体、及び属性の各々について、各グローバル意図言明、各ローカル意図言明、各エージェント、各実体、及び各属性が潜在状態で出現する瞬間における開始時間を記録することと、グローバル意図言明、1つ又は複数のローカル意図言明、1つ又は複数のエージェント、実体、及び属性の各々について、各グローバル意図言明、各ローカル意図言明、各エージェント、各実体、及び各属性が現実状態で出現する瞬間における停止時間を記録することとを行うようにプロセッサにより実行可能である。
[0261] 本趣旨は、一実施態様例によれば、ユーザにより理解される自然言語を使用し、プログラミングコードを使用せずにコンピュータ実施解決策を構築する計算デバイスに関し、計算デバイスは、構築すべき解決策を示すグローバル意図言明を入力するプロンプトをユーザに提供する手段であって、グローバル意図言明は、自然言語の形態で受信され、潜在状態に設定されている、提供する手段と、グローバル意図言明と関連する1つ又は複数のエージェントの詳細を入力するプロンプトをユーザに提供する手段であって、エージェントは、解決策を実行する人間エージェント又は機械エージェントであり、1つ又は複数のエージェントの詳細は、自然言語の形態で受信され、各エージェントは潜在状態に設定されている、提供する手段と、グローバル意図言明と関連する1つ又は複数のローカル意図言明及び各ローカル意図言明と関連する実体の詳細を入力するプロンプトをユーザに提供する手段であって、各ローカル意図言明及び各実体の詳細は、自然言語の形態で受信され、それぞれ潜在状態に設定されており、各ローカル意図言明は解決策を構築するステップを示し、各実体は、対応するローカル意図言明によって示されるステップに参加する、提供する手段と、1つ又は複数のエージェントを各ローカル意図言明に割り当てる手段であって、ローカル意図言明に割り当てられるエージェントの詳細はユーザにより変更可能である、割り当てる手段と、各ローカル意図言明について、自然言語の形態で、ローカル意図言明のそれぞれの特性を定義する1つ又は複数の属性を入力するプロンプトをユーザに提供する手段と、各実体について、自然言語の形態で、各実体の特性を定義し、各実体を対応するローカル意図言明の他の実体から区別する1つ又は複数の属性を入力するプロンプトをユーザに提供する手段と、各ローカル意図言明について、各ローカル意図言明の実体の可能な全ての組合せに基づいて実体状態組合せ(CES)のセットを形成する手段であって、各ローカル意図言明の全ての実体に基づいて形成されたCESは、トリガー実体状態組合せ(トリガーCES)であり、セット中の各CESは潜在状態である、形成する手段と、グローバル意図言明と関連する1つのみのローカル意図言明が受信されたとの判断に応答して、受信ローカル意図言明のトリガーCESを解決策の構築の終わりとして識別する手段と、グローバル意図言明と関連する2つ以上のローカル意図言明が受信されたとの判断に応答して、自然言語の形態で、ローカル意図言明間の関係を入力するプロンプトをユーザに提供する手段であって、関係は、1つのローカル意図言明のトリガーCESが、解決策の別のローカル意図言明のCESのセットに影響しているか、又は解決策の構築の終わりであるかを示す、提供する手段と、グローバル意図言明、1つ又は複数のローカル意図言明、1つ又は複数のエージェント、実体、及び属性の各々について、各グローバル意図言明、各ローカル意図言明、各エージェント、各実体、及び各属性が潜在状態で出現する瞬間における開始時間を記録する手段と、グローバル意図言明、1つ又は複数のローカル意図言明、1つ又は複数のエージェント、実体、及び属性の各々について、各グローバル意図言明、各ローカル意図言明、各エージェント、各実体、及び各属性が現実状態で出現する瞬間における停止時間を記録する手段とを備える。
[0262] 本趣旨は、一実施態様例によれば、ユーザにより理解される自然言語を使用し、プログラミングコードを使用せずにコンピュータ実施解決策を構築する計算デバイスに関し、計算デバイスは、プロセッサと、プロセッサに結合されたメモリとを備え、メモリは命令を含み、命令は、上記方法を実行するようにプロセッサにより実行可能である。
[0263] 本趣旨は、一実施態様例によれば、ユーザにより理解される自然言語を使用し、プログラミングコードを使用せずにコンピュータ実施解決策を構築する命令を記憶した非一時的コンピュータ可読媒体に関し、非一時的コンピュータ可読媒体は機械実行可能コードを含み、機械実行可能コードは、プロセッサにより実行されると、プロセッサに、ユーザから、構築すべき解決策を示すグローバル意図言明を受信することであって、グローバル意図言明は、自然言語の形態で受信され、潜在状態に設定されている、受信することと、ユーザから、グローバル意図言明と関連する1つ又は複数のエージェントの詳細を受信することであって、エージェントは、解決策を実行する人間エージェント又は機械エージェントであり、1つ又は複数のエージェントの詳細は、自然言語の形態で受信され、各エージェントは潜在状態に設定されている、受信することと、ユーザから、グローバル意図言明と関連する1つ又は複数のローカル意図言明及び各ローカル意図言明と関連する実体の詳細を受信することであって、各ローカル意図言明及び各実体の詳細は、自然言語の形態で受信され、それぞれ潜在状態に設定されており、各ローカル意図言明は解決策を構築するステップを示し、各実体は、対応するローカル意図言明によって示されるステップに参加する、受信することと、1つ又は複数のエージェントを各ローカル意図言明に割り当てることであって、ローカル意図言明に割り当てられるエージェントの詳細はユーザにより変更可能である、割り当てることと、各ローカル意図言明について、ユーザから自然言語の形態で、ローカル意図言明のそれぞれの特性を定義する1つ又は複数の属性を受信することと、各実体について、ユーザから自然言語の形態で、各実体の特性を定義し、各実体を対応するローカル意図言明の他の実体から区別する1つ又は複数の属性を受信することと、各ローカル意図言明について、各ローカル意図言明の実体の可能な全ての組合せに基づいて実体状態組合せ(CES)のセットを形成することであって、各ローカル意図言明の全ての実体に基づいて形成されたCESは、トリガー実体状態組合せ(トリガーCES)であり、セット中の各CESは潜在状態である、形成することと、グローバル意図言明と関連する1つのみのローカル意図言明が受信されたとの判断に応答して、受信ローカル意図言明のトリガーCESを解決策の構築の終わりとして識別することと、グローバル意図言明と関連する2つ以上のローカル意図言明が受信されたとの判断に応答して、ユーザから自然言語の形態で、ローカル意図言明間の関係を受信することであって、関係は、1つのローカル意図言明のトリガーCESが、解決策の別のローカル意図言明のCESのセットに影響しているか、又は解決策の構築の終わりであるかを示す、受信することと、グローバル意図言明、1つ又は複数のローカル意図言明、1つ又は複数のエージェント、実体、及び属性の各々について、各グローバル意図言明、各ローカル意図言明、各エージェント、各実体、及び各属性が潜在状態で出現する瞬間における開始時間を記録することと、グローバル意図言明、1つ又は複数のローカル意図言明、1つ又は複数のエージェント、実体、及び属性の各々について、各グローバル意図言明、各ローカル意図言明、各エージェント、各実体、及び各属性が現実状態で出現する瞬間における停止時間を記録することとを行わせる。
[0264] 本趣旨は、一実施態様例によれば、ユーザにより理解される自然言語を使用し、プログラミングコードを使用せずにコンピュータ実施解決策を構築する命令を記憶した非一時的コンピュータ可読媒体に関し、非一時的コンピュータ可読媒体は、機械実行可能コードを含み、機械実行可能コードは、プロセッサにより実行されると、プロセッサに、構築すべき解決策を示すグローバル意図言明を入力するプロンプトをユーザに提供することであって、グローバル意図言明は、自然言語の形態で受信され、潜在状態に設定されている、提供することと、グローバル意図言明と関連する1つ又は複数のエージェントの詳細を入力するプロンプトをユーザに提供することであって、エージェントは、解決策を実行する人間エージェント又は機械エージェントであり、1つ又は複数のエージェントの詳細は、自然言語の形態で受信され、各エージェントは潜在状態に設定されている、提供することと、グローバル意図言明と関連する1つ又は複数のローカル意図言明及び各ローカル意図言明と関連する実体の詳細を入力するプロンプトをユーザに提供することであって、各ローカル意図言明及び各実体の詳細は、自然言語の形態で受信され、それぞれ潜在状態に設定されており、各ローカル意図言明は解決策を構築するステップを示し、各実体は、対応するローカル意図言明によって示されるステップに参加する、提供することと、1つ又は複数のエージェントを各ローカル意図言明に割り当てることであって、ローカル意図言明に割り当てられるエージェントの詳細はユーザにより変更可能である、割り当てることと、各ローカル意図言明について、自然言語の形態で、ローカル意図言明のそれぞれの特性を定義する1つ又は複数の属性を入力するプロンプトをユーザに提供することと、各実体について、自然言語の形態で、各実体の特性を定義し、各実体を対応するローカル意図言明の他の実体から区別する1つ又は複数の属性を入力するプロンプトをユーザに提供することと、各ローカル意図言明について、各ローカル意図言明の実体の可能な全ての組合せに基づいて実体状態組合せ(CES)のセットを形成することであって、各ローカル意図言明の全ての実体に基づいて形成されたCESは、トリガー実体状態組合せ(トリガーCES)であり、セット中の各CESは潜在状態である、形成することと、グローバル意図言明と関連する1つのみのローカル意図言明が受信されたとの判断に応答して、受信ローカル意図言明のトリガーCESを解決策の構築の終わりとして識別することと、グローバル意図言明と関連する2つ以上のローカル意図言明が受信されたとの判断に応答して、自然言語の形態で、ローカル意図言明間の関係を入力するプロンプトをユーザに提供することであって、関係は、1つのローカル意図言明のトリガーCESが、解決策の別のローカル意図言明のCESのセットに影響しているか、又は解決策の構築の終わりであるかを示す、提供することと、グローバル意図言明、1つ又は複数のローカル意図言明、1つ又は複数のエージェント、実体、及び属性の各々について、各グローバル意図言明、各ローカル意図言明、各エージェント、各実体、及び各属性が潜在状態で出現する瞬間における開始時間を記録することと、グローバル意図言明、1つ又は複数のローカル意図言明、1つ又は複数のエージェント、実体、及び属性の各々について、各グローバル意図言明、各ローカル意図言明、各エージェント、各実体、及び各属性が現実状態で出現する瞬間における停止時間を記録することとを行わせる。
[0265] 本趣旨は、一実施態様例によれば、ユーザにより理解される自然言語を使用し、プログラミングコードを使用せずにコンピュータ実施解決策を構築するシステム4900(図面49を参照)に関し、システムは、プロセッサ4902と、プロセッサ4902に結合されたグローバル意図言明モジュール4904、ローカル意図言明モジュール4906、CESモジュール4908、関係モジュール4910、及びクロックモジュール4912であって、グローバル意図言明モジュール、ローカル意図言明モジュール、CESモジュール、関係モジュール、及びクロックモジュールは互いに動作可能に接続される、グローバル意図言明モジュール、ローカル意図言明モジュール、CESモジュール、関係モジュール、及びクロックモジュールとを備え、グローバル意図言明モジュールは、ユーザから、構築すべき解決策を示すグローバル意図言明を受信することであって、グローバル意図言明は、自然言語の形態で受信され、潜在状態に設定されている、受信することと、ユーザから、グローバル意図言明と関連する1つ又は複数のエージェントの詳細を受信することであって、エージェントは、解決策を実行する人間エージェント又は機械エージェントであり、1つ又は複数のエージェントの詳細は、自然言語の形態で受信され、各エージェントは潜在状態に設定されている、受信することとを行うように構成され、ローカル意図言明モジュールは、ユーザから、グローバル意図言明と関連する1つ又は複数のローカル意図言明及び各ローカル意図言明と関連する実体の詳細を受信することであって、各ローカル意図言明及び各実体の詳細は、自然言語の形態で受信され、それぞれ潜在状態に設定されており、各ローカル意図言明は解決策を構築するステップを示し、各実体は、対応するローカル意図言明によって示されるステップに参加する、受信することと、1つ又は複数のエージェントを各ローカル意図言明に割り当てることであって、ローカル意図言明に割り当てられるエージェントの詳細はユーザにより変更可能である、割り当てることと、各ローカル意図言明について、ユーザから自然言語の形態で、ローカル意図言明のそれぞれの特性を定義する1つ又は複数の属性を受信することと、各実体について、ユーザから自然言語の形態で、各実体の特性を定義し、各実体を対応するローカル意図言明の他の実体から区別する1つ又は複数の属性を受信することと、CESモジュールは、各ローカル意図言明について、各ローカル意図言明の実体の可能な全ての組合せに基づいて実体状態組合せ(CES)のセットを形成することであって、各ローカル意図言明の全ての実体に基づいて形成されたCESは、トリガー実体状態組合せ(トリガーCES)であり、セット中の各CESは潜在状態である、形成することと、グローバル意図言明と関連する1つのみのローカル意図言明が受信されたとの判断に応答して、受信ローカル意図言明のトリガーCESを解決策の構築の終わりとして識別することとを行うように構成され、関係モジュールは、グローバル意図言明と関連する2つ以上のローカル意図言明が受信されたとの判断に応答して、ユーザから自然言語の形態で、ローカル意図言明間の関係を受信することであって、関係は、1つのローカル意図言明のトリガーCESが、解決策の別のローカル意図言明のCESのセットに影響しているか、又は解決策の構築の終わりであるかを示す、受信することを行うように構成され、クロックモジュールは、グローバル意図言明、1つ又は複数のローカル意図言明、1つ又は複数のエージェント、実体、及び属性の各々について、各グローバル意図言明、各ローカル意図言明、各エージェント、各実体、及び各属性が潜在状態で出現する瞬間における開始時間を記録することと、グローバル意図言明、1つ又は複数のローカル意図言明、1つ又は複数のエージェント、実体、及び属性の各々について、各グローバル意図言明、各ローカル意図言明、各エージェント、各実体、及び各属性が現実状態で出現する瞬間における停止時間を記録することとを行うように構成される。
Claims (31)
- ユーザにより理解される自然言語を使用し、プログラミングコードを使用せずにコンピュータ実施解決策を構築する方法であって、
ユーザから計算デバイスのプロセッサにより、構築すべき前記解決策を示すグローバル意図言明を受信することであって、前記グローバル意図言明は、前記自然言語の形態で受信され、潜在状態に設定されている、受信することと、
前記ユーザから前記プロセッサにより、前記グローバル意図言明と関連する1つ又は複数のエージェントの詳細を受信することであって、エージェントは、前記解決策を実行する人間エージェント又は機械エージェントであり、前記1つ又は複数のエージェントの前記詳細は、前記自然言語の形態で受信され、各エージェントは潜在状態に設定されている、受信することと、
前記ユーザから前記プロセッサにより、前記グローバル意図言明と関連する1つ又は複数のローカル意図言明及び各ローカル意図言明と関連する実体の詳細を受信することであって、各ローカル意図言明及び各実体の前記詳細は、前記自然言語の形態で受信され、それぞれ潜在状態に設定されており、各ローカル意図言明は前記解決策を構築するステップを示し、各実体は、対応する前記ローカル意図言明によって示される前記ステップに参加する、受信することと、
前記プロセッサにより、前記1つ又は複数のエージェントを各ローカル意図言明に割り当てることであって、前記ローカル意図言明に割り当てられる前記エージェントの前記詳細は前記ユーザにより変更可能である、割り当てることと、
各ローカル意図言明について、前記ユーザから前記プロセッサにより前記自然言語の形態で、前記ローカル意図言明のそれぞれの特性を定義する1つ又は複数の属性を受信することと、
各実体について、前記ユーザから前記プロセッサにより前記自然言語の形態で、各実体の特性を定義し、各実体を対応する前記ローカル意図言明の他の実体から区別する1つ又は複数の属性を受信することと、
前記プロセッサにより、各ローカル意図言明について、各ローカル意図言明の前記実体の可能な全ての組合せに基づいて実体状態組合せ(CES)のセットを形成することであって、各ローカル意図言明の全ての前記実体に基づいて形成されたCESは、トリガー実体状態組合せ(トリガーCES)であり、前記セット中の各CESは潜在状態である、形成することと、
前記グローバル意図言明と関連する1つのみのローカル意図言明が受信されたとの判断に応答して、前記受信ローカル意図言明の前記トリガーCESを前記解決策の前記構築の終わりとして識別することと、
前記グローバル意図言明と関連する2つ以上のローカル意図言明が受信されたとの判断に応答して、前記ユーザから前記プロセッサにより前記自然言語の形態で、前記ローカル意図言明間の関係を受信することであって、前記関係は、1つのローカル意図言明のトリガーCESが、前記解決策の別のローカル意図言明のCESの前記セットに影響しているか、又は前記解決策の前記構築の終わりであるかを示す、受信することと、
前記グローバル意図言明、前記1つ又は複数のローカル意図言明、前記1つ又は複数のエージェント、前記実体、及び前記属性の各々について、前記プロセッサにより、各グローバル意図言明、各ローカル意図言明、各エージェント、各実体、及び各属性が前記潜在状態で出現する瞬間における開始時間を記録することと、
前記グローバル意図言明、前記1つ又は複数のローカル意図言明、前記1つ又は複数のエージェント、前記実体、及び前記属性の各々について、前記プロセッサにより、各グローバル意図言明、各ローカル意図言明、各エージェント、各実体、及び各属性が現実状態で出現する瞬間における停止時間を記録することと、
を含む、方法。 - 前記グローバル意図言明、前記1つ又は複数のローカル意図言明、前記1つ又は複数のエージェント、前記実体、及び前記属性の各々について、前記プロセッサにより、各グローバル意図言明、各ローカル意図言明、各エージェント、各実体、及び各属性が前記潜在状態で出現する瞬間における地理的場所の座標を記録することを更に含む、請求項1に記載の方法。
- 前記グローバル意図言明、前記1つ又は複数のローカル意図言明、前記1つ又は複数のエージェント、前記実体、及び前記属性の各々について、前記プロセッサにより、各グローバル意図言明、各ローカル意図言明、各エージェント、各実体、及び各属性が前記現実状態で出現する瞬間における地理的場所の座標を記録することを更に含む、請求項1に記載の方法。
- ローカル意図言明について、前記ユーザから前記プロセッサにより前記自然言語の形態で、1つ又は複数のサブローカル意図言明及び各サブローカル意図言明と関連する実体の詳細を受信することであって、各サブローカル意図言明及び各実体はそれぞれ潜在状態に設定されており、各サブローカル意図言明は、前記解決策を構築するステップを示し、各実体は、対応する前記サブローカル意図言明により示される前記ステップに参加する、受信することと、
前記プロセッサにより、前記1つ又は複数のエージェントを各サブローカル意図言明に割り当てることであって、前記ローカル意図言明に割り当てられる前記エージェントの前記詳細は、前記ユーザにより変更可能である、割り当てることと、
各サブローカル意図言明について、前記ユーザから前記プロセッサにより前記自然言語の形態で、各サブローカル意図言明の特性を定義する1つ又は複数の属性を受信することと、
各実体について、前記ユーザから前記プロセッサにより前記自然言語の形態で、各実体の特性を定義し、各実体を対応する前記サブローカル意図言明の他の実体から区別する1つ又は複数の属性を受信することと、
前記プロセッサにより、各サブローカル意図言明について、各サブローカル意図言明の前記実体の全ての可能な組合せに基づいてCESのセットを形成することであって、各サブローカル意図言明の全ての前記実体に基づいて形成されたCESはトリガーCESであり、前記セット中の各CESは潜在状態である、形成することと、
前記ユーザから前記プロセッサにより前記自然言語の形態で、前記ローカル意図言明と前記1つ又は複数のサブローカル意図言明との間の関係を受信することであって、前記関係は、1つのローカル意図言明のトリガーCESが、サブローカル意図言明のCESの前記セットに影響しているか否かを示し、前記関係は、1つのサブローカル意図言明のトリガーCESが、ローカル意図言明のCESの前記セットに影響しているか、又は前記解決策の前記構築の終わりであるかを示す、受信することと、
を更に含む、請求項1に記載の方法。 - 前記解決策が実行されると、前記方法は、
ローカル意図言明について、エージェントから前記プロセッサにより前記自然言語の形態で、1つ又は複数のサブローカル意図言明及び各サブローカル意図言明と関連する実体の詳細を受信することであって、各サブローカル意図言明及び各実体はそれぞれ潜在状態に設定されており、各サブローカル意図言明は、前記解決策を構築するステップを示し、各実体は、対応する前記サブローカル意図言明により示される前記ステップに参加する、受信することと、
前記プロセッサにより、前記1つ又は複数のエージェントを各サブローカル意図言明に割り当てることであって、前記サブローカル意図言明に割り当てられた前記エージェントの前記詳細は、前記エージェントにより変更可能である、割り当てることと、
各サブローカル意図言明について、エージェントから前記プロセッサにより前記自然言語の形態で、各サブローカル意図言明の特性を定義する1つ又は複数の属性を受信することと、
各実体について、エージェントから前記プロセッサにより前記自然言語の形態で、各実体の特性を定義し、各実体を対応する前記サブローカル意図言明の他の実体から区別する1つ又は複数の属性を受信することと、
前記プロセッサにより、各サブローカル意図言明について、各サブローカル意図言明の前記実体の全ての可能な組合せに基づいてCESのセットを形成することであって、各サブローカル意図言明の全ての前記実体に基づいて形成されたCESはトリガーCESであり、前記セット中の各CESは潜在状態である、形成することと、
エージェントから前記プロセッサにより前記自然言語の形態で、前記ローカル意図言明と前記1つ又は複数のサブローカル意図言明との間の関係を受信することであって、前記関係は、1つのサブローカル意図言明のトリガーCESが別のサブローカル意図言明のCESの前記セットに影響しているか否か又は前記ローカル意図言明のCESの前記セットに影響しているか否かを示す、受信することと、
を更に含む、請求項1に記載の方法。 - 各ローカル意図言明の各実体について、
前記関連するエージェントから前記プロセッサにより、各実体に対する値を受信することであって、各実体に対する前記値を受信することは、前記受信した値に基づいて各実体の前記潜在状態を現実状態に変更するイベントの記録であり、前記値は、前記自然言語、プログラミング言語、画像、バイオメトリクス、及びジェスチャの形態の入力であり、前記自然言語はテキスト又はスピーチの形態である、受信することを更に含む、請求項1に記載の方法。 - 前記グローバル意図言明の少なくとも1つ、前記1つ又は複数のローカル意図言明、前記1つ又は複数のエージェント、前記実体、及び前記属性は、1つ又は複数の予め定義された条件が満たされると、前記解決策の実行中、前記潜在状態で出現する、請求項1に記載の方法。
- 前記ユーザから前記プロセッサにより前記自然言語の形態で、前記グローバル意図言明、前記1つ又は複数のローカル意図言明、前記1つ又は複数のエージェント、前記実体、及び前記属性と関連する情報が、前記解決策の実行中、受信されるユーザインターフェースを構成するユーザ入力を受信することであって、前記ユーザインターフェースは、表示デバイスの表示性質に基づいて動的に調整可能である、受信することを更に含む、請求項1に記載の方法。
- 前記プロセッサにより、前記グローバル意図言明、前記1つ又は複数のローカル意図言明、前記1つ又は複数のエージェント、前記実体、及び前記属性と関連する受信情報をパーズすることと、
前記プロセッサにより、解決策自然言語文法データベースとの通信に基づいて、前記情報において1つ又は複数の文法修正を行うように前記パーズされた情報を修正することと、
を更に含む、請求項1に記載の方法。 - 前記プロセッサにより、前記グローバル意図言明、前記1つ又は複数のローカル意図言明、前記1つ又は複数のエージェント、前記実体、及び前記属性と関連する受信情報をパーズすることと、
前記プロセッサにより、解決策自然言語文法データベースとの通信に基づいて前記パーズされた情報から冗長テキストを除去することと、
を更に含む、請求項1に記載の方法。 - 前記プロセッサにより、前記受信したグローバル意図言明に基づいて、前記1つ若しくは複数のローカル意図言明、又は前記1つ若しくは複数のエージェント、又は前記1つ若しくは複数の実体、又は前記1つ若しくは複数の属性、又はそれらの組合せを自動記入することであって、前記自動記入は、解決策自然言語文法データベースとの通信に基づく、自動記入することを更に含む、請求項1に記載の方法。
- 前記ローカル意図言明は、2つ以上の並列ローカル意図言明を含み、
1つのローカル意図言明のトリガーCESは、前記2つ以上の並列ローカル意図言明のCESの前記セットに影響し、
前記2つ以上の並列ローカル意図言明のトリガーCESは、別のローカル意図言明のCESの前記セットに影響し、又は前記解決策の前記構築の終わりである、請求項1に記載の方法。 - 前記ローカル意図言明は、2つ以上の代替ローカル意図言明を含み、
1つのローカル意図言明のトリガーCESは、前記2つ以上の代替ローカル意図言明のCESの前記セットに影響し、
前記2つ以上の代替ローカル意図言明のうちの1つのトリガーCESは、別のローカル意図言明のCESの前記セットに影響し、又は前記解決策の前記構築の終わりである、請求項1に記載の方法。 - 前記ローカル意図言明は入れ子式ローカル意図言明を含み、前記入れ子式ローカル意図言明のトリガーCESは、別の解決策のローカル意図言明のCESのセットに影響する、請求項1に記載の方法。
- 前記ローカル意図言明は、再帰的ローカル意図言明を含み、前記再帰的ローカル意図言明のトリガーCESは、別のローカル意図言明のCESの前記セットに影響し、又はN反復後の前記解決策の前記構築の終わりであり、Nは2以上である、請求項1に記載の方法。
- 前記ユーザから前記プロセッサにより自然言語の形態で、ローカル意図言明と関連する2つ以上の置換実体の詳細を受信することを更に含み、前記2つ以上の置換実体の各々はそれぞれ潜在状態に設定され、前記2つ以上の置換実体の1つは、対応する前記ローカル意図言明により示される前記ステップに参加し、前記2つ以上の置換実体の他は、トリガーCESの一部ではない、請求項1に記載の方法。
- 前記プロセッサにより、
((2^(b1-c1-e1))×(2^(b2-c2-e2))+(2^(b2-c2-e2))×(2^(b3-c3-e3))+………+(2^(bK-1-cK-1-eK-1))×(2^(bK-cK-eK))+(2^(bK-cK-eK)))-1
に基づいて前記解決策と関連する潜在状態数を特定することを更に含み、式中、Kはローカル意図言明の総数であり、biは、i番目のローカル意図言明と関連する実体、属性、及びエージェントの総数であり、ciは、一定である前記i番目のローカル意図言明と関連する実体、属性、及びエージェントの総数であり、eiは、前記i番目のローカル意図言明に影響するトリガーCESの数である、請求項1に記載の方法。 - 前記プロセッサにより、1つ又は複数の解決策自然言語アプリケーションプログラミングインターフェースを使用して外部システムと通信することを更に含む、請求項1に記載の方法。
- 前記プロセッサにより、前記グローバル意図言明、前記1つ又は複数のローカル意図言明、前記1つ又は複数の実体、前記1つ又は複数の属性、前記1つ又は複数のエージェントの値に基づいて1つ又は複数のリポートを生成することであって、前記1つ又は複数のリポートは1つ又は複数の予め定義される技法に基づいて生成される、生成することを更に含む、請求項1に記載の方法。
- 前記プロセッサにより、前記グローバル意図言明、前記1つ又は複数のローカル意図言明、前記1つ又は複数の実体、前記1つ又は複数の属性、前記1つ又は複数のエージェントの値を分析することと、
前記プロセッサにより、前記分析に基づいて1つ又は複数の論理的推論を導出することであって、前記1つ又は複数の論理的推論は1つ又は複数の予め定義されるモデルに基づいて導出される、導出することと、
を更に含む、請求項1に記載の方法。 - ローカル意図言明と関連する前記エージェントが機械エージェントである場合、
ロボットプロセス自動化エンジンから前記プロセッサにより、前記ローカル意図言明に新しいサブローカル意図言明を追加し、1つ又は複数の新しい実体及び属性を前記新しいサブローカル意図言明に追加する入力を受信すること、
前記ロボットプロセス自動化エンジンから前記プロセッサにより、1つ又は複数の新しい実体及び属性を前記ローカル意図言明に追加する入力を受信すること、又は
前記ロボットプロセス自動化エンジンから前記プロセッサにより、前記ローカル意図言明、若しくは前記関連する実体、若しくは前記関連する属性を変更する入力を受信すること
を更に含む、請求項1に記載の方法。 - ユーザにより理解される自然言語を使用し、プログラミングコードを使用せずにコンピュータ実施解決策を構築する方法であって、
計算デバイスのプロセッサにより、構築すべき前記解決策を示すグローバル意図言明を入力するプロンプトをユーザに提供することであって、前記グローバル意図言明は、前記自然言語の形態で受信され、潜在状態に設定されている、提供することと、
前記プロセッサにより、前記グローバル意図言明と関連する1つ又は複数のエージェントの詳細を入力するプロンプトを前記ユーザに提供することであって、エージェントは、前記解決策を実行する人間エージェント又は機械エージェントであり、前記1つ又は複数のエージェントの前記詳細は、前記自然言語の形態で受信され、各エージェントは潜在状態に設定されている、提供することと、
前記プロセッサにより、前記グローバル意図言明と関連する1つ又は複数のローカル意図言明及び各ローカル意図言明と関連する実体の詳細を入力するプロンプトを前記ユーザに提供することであって、各ローカル意図言明及び各実体の前記詳細は、前記自然言語の形態で受信され、それぞれ潜在状態に設定されており、各ローカル意図言明は前記解決策を構築するステップを示し、各実体は、対応する前記ローカル意図言明によって示される前記ステップに参加する、提供することと、
前記プロセッサにより、前記1つ又は複数のエージェントを各ローカル意図言明に割り当てることであって、前記ローカル意図言明に割り当てられる前記エージェントの前記詳細は前記ユーザにより変更可能である、割り当てることと、
各ローカル意図言明について、前記プロセッサにより、前記自然言語の形態で、前記ローカル意図言明のそれぞれの特性を定義する1つ又は複数の属性を入力するプロンプトを前記ユーザに提供することと、
各実体について、前記プロセッサにより前記自然言語の形態で、各実体の特性を定義し、各実体を対応する前記ローカル意図言明の他の実体から区別する1つ又は複数の属性を入力するプロンプトを前記ユーザに提供することと、
前記プロセッサにより、各ローカル意図言明について、各ローカル意図言明の前記実体の可能な全ての組合せに基づいて実体状態組合せ(CES)のセットを形成することであって、各ローカル意図言明の全ての前記実体に基づいて形成されたCESは、トリガー実体状態組合せ(トリガーCES)であり、前記セット中の各CESは潜在状態である、形成することと、
前記グローバル意図言明と関連する1つのみのローカル意図言明が受信されたとの判断に応答して、前記受信ローカル意図言明の前記トリガーCESを前記解決策の前記構築の終わりとして識別することと、
前記グローバル意図言明と関連する2つ以上のローカル意図言明が受信されたとの判断に応答して、前記プロセッサにより前記自然言語の形態で、前記ローカル意図言明間の関係を入力するプロンプトを前記ユーザに提供することであって、前記関係は、1つのローカル意図言明のトリガーCESが、前記解決策の別のローカル意図言明のCESの前記セットに影響しているか、又は前記解決策の前記構築の終わりであるかを示す、提供することと、
前記グローバル意図言明、前記1つ又は複数のローカル意図言明、前記1つ又は複数のエージェント、前記実体、及び前記属性の各々について、前記プロセッサにより、各グローバル意図言明、各ローカル意図言明、各エージェント、各実体、及び各属性が前記潜在状態で出現する瞬間における開始時間を記録することと、
前記グローバル意図言明、前記1つ又は複数のローカル意図言明、前記1つ又は複数のエージェント、前記実体、及び前記属性の各々について、前記プロセッサにより、各グローバル意図言明、各ローカル意図言明、各エージェント、各実体、及び各属性が現実状態で出現する瞬間における停止時間を記録することと、
を含む、方法。 - ユーザにより理解される自然言語を使用し、プログラミングコードを使用せずにコンピュータ実施解決策を構築する計算デバイスであって、
プロセッサと、
前記プロセッサに結合されたメモリと、
を備え、前記メモリは命令を含み、前記命令は、
ユーザから、構築すべき前記解決策を示すグローバル意図言明を受信することであって、前記グローバル意図言明は、前記自然言語の形態で受信され、潜在状態に設定されている、受信することと、
前記ユーザから、前記グローバル意図言明と関連する1つ又は複数のエージェントの詳細を受信することであって、エージェントは、前記解決策を実行する人間エージェント又は機械エージェントであり、前記1つ又は複数のエージェントの前記詳細は、前記自然言語の形態で受信され、各エージェントは潜在状態に設定されている、受信することと、
前記ユーザから、前記グローバル意図言明と関連する1つ又は複数のローカル意図言明及び各ローカル意図言明と関連する実体の詳細を受信することであって、各ローカル意図言明及び各実体の前記詳細は、前記自然言語の形態で受信され、それぞれ潜在状態に設定されており、各ローカル意図言明は前記解決策を構築するステップを示し、各実体は、対応する前記ローカル意図言明によって示される前記ステップに参加する、受信することと、
前記1つ又は複数のエージェントを各ローカル意図言明に割り当てることであって、前記ローカル意図言明に割り当てられる前記エージェントの前記詳細は前記ユーザにより変更可能である、割り当てることと、
各ローカル意図言明について、前記ユーザから前記自然言語の形態で、前記ローカル意図言明のそれぞれの特性を定義する1つ又は複数の属性を受信することと、
各実体について、前記ユーザから前記自然言語の形態で、各実体の特性を定義し、各実体を対応する前記ローカル意図言明の他の実体から区別する1つ又は複数の属性を受信することと、
各ローカル意図言明について、各ローカル意図言明の前記実体の可能な全ての組合せに基づいて実体状態組合せ(CES)のセットを形成することであって、各ローカル意図言明の全ての前記実体に基づいて形成されたCESは、トリガー実体状態組合せ(トリガーCES)であり、前記セット中の各CESは潜在状態である、形成することと、
前記グローバル意図言明と関連する1つのみのローカル意図言明が受信されたとの判断に応答して、前記受信ローカル意図言明の前記トリガーCESを前記解決策の前記構築の終わりとして識別することと、
前記グローバル意図言明と関連する2つ以上のローカル意図言明が受信されたとの判断に応答して、前記ユーザから前記自然言語の形態で、前記ローカル意図言明間の関係を受信することであって、前記関係は、1つのローカル意図言明のトリガーCESが、前記解決策の別のローカル意図言明のCESの前記セットに影響しているか、又は前記解決策の前記構築の終わりであるかを示す、受信することと、
前記グローバル意図言明、前記1つ又は複数のローカル意図言明、前記1つ又は複数のエージェント、前記実体、及び前記属性の各々について、各グローバル意図言明、各ローカル意図言明、各エージェント、各実体、及び各属性が前記潜在状態で出現する瞬間における開始時間を記録することと、
前記グローバル意図言明、前記1つ又は複数のローカル意図言明、前記1つ又は複数のエージェント、前記実体、及び前記属性の各々について、各グローバル意図言明、各ローカル意図言明、各エージェント、各実体、及び各属性が現実状態で出現する瞬間における停止時間を記録することと、
を行うように前記プロセッサにより実行可能である、計算デバイス。 - ユーザにより理解される自然言語を使用し、プログラミングコードを使用せずにコンピュータ実施解決策を構築する計算デバイスであって、
ユーザから、構築すべき前記解決策を示すグローバル意図言明を受信する手段であって、前記グローバル意図言明は、前記自然言語の形態で受信され、潜在状態に設定されている、受信する手段と、
前記ユーザから、前記グローバル意図言明と関連する1つ又は複数のエージェントの詳細を受信する手段であって、エージェントは、前記解決策を実行する人間エージェント又は機械エージェントであり、前記1つ又は複数のエージェントの前記詳細は、前記自然言語の形態で受信され、各エージェントは潜在状態に設定されている、受信する手段と、
前記ユーザから、前記グローバル意図言明と関連する1つ又は複数のローカル意図言明及び各ローカル意図言明と関連する実体の詳細を受信する手段であって、各ローカル意図言明及び各実体の前記詳細は、前記自然言語の形態で受信され、それぞれ潜在状態に設定されており、各ローカル意図言明は前記解決策を構築するステップを示し、各実体は、対応する前記ローカル意図言明によって示される前記ステップに参加する、受信する手段と、
前記1つ又は複数のエージェントを各ローカル意図言明に割り当てる手段であって、前記ローカル意図言明に割り当てられる前記エージェントの前記詳細は前記ユーザにより変更可能である、割り当てる手段と、
各ローカル意図言明について、前記ユーザから前記自然言語の形態で、前記ローカル意図言明のそれぞれの特性を定義する1つ又は複数の属性を受信する手段と、
各実体について、前記ユーザから前記自然言語の形態で、各実体の特性を定義し、各実体を対応する前記ローカル意図言明の他の実体から区別する1つ又は複数の属性を受信する手段と、
各ローカル意図言明について、各ローカル意図言明の前記実体の可能な全ての組合せに基づいて実体状態組合せ(CES)のセットを形成する手段であって、各ローカル意図言明の全ての前記実体に基づいて形成されたCESは、トリガー実体状態組合せ(トリガーCES)であり、前記セット中の各CESは潜在状態である、形成する手段と、
前記グローバル意図言明と関連する1つのみのローカル意図言明が受信されたとの判断に応答して、前記受信ローカル意図言明の前記トリガーCESを前記解決策の前記構築の終わりとして識別する手段と、
前記グローバル意図言明と関連する2つ以上のローカル意図言明が受信されたとの判断に応答して、前記ユーザから前記自然言語の形態で、前記ローカル意図言明間の関係を受信する手段であって、前記関係は、1つのローカル意図言明のトリガーCESが、前記解決策の別のローカル意図言明のCESの前記セットに影響しているか、又は前記解決策の前記構築の終わりであるかを示す、受信する手段と、
前記グローバル意図言明、前記1つ又は複数のローカル意図言明、前記1つ又は複数のエージェント、前記実体、及び前記属性の各々について、各グローバル意図言明、各ローカル意図言明、各エージェント、各実体、及び各属性が前記潜在状態で出現する瞬間における開始時間を記録する手段と、
前記グローバル意図言明、前記1つ又は複数のローカル意図言明、前記1つ又は複数のエージェント、前記実体、及び前記属性の各々について、各グローバル意図言明、各ローカル意図言明、各エージェント、各実体、及び各属性が現実状態で出現する瞬間における停止時間を記録する手段と、
を備える、計算デバイス。 - ユーザにより理解される自然言語を使用し、プログラミングコードを使用せずにコンピュータ実施解決策を構築する計算デバイスであって、
プロセッサと、
前記プロセッサに結合されたメモリと、
を備え、前記メモリは命令を含み、前記命令は、請求項1~21の何れか一項に記載の方法を実行するように前記プロセッサにより実行可能である、計算デバイス。 - ユーザにより理解される自然言語を使用し、プログラミングコードを使用せずにコンピュータ実施解決策を構築する計算デバイスであって、
プロセッサと、
前記プロセッサに結合されたメモリと、
を備え、前記メモリは命令を含み、前記命令は、
構築すべき前記解決策を示すグローバル意図言明を入力するプロンプトをユーザに提供することであって、前記グローバル意図言明は、前記自然言語の形態で受信され、潜在状態に設定されている、提供することと、
前記グローバル意図言明と関連する1つ又は複数のエージェントの詳細を入力するプロンプトを前記ユーザに提供することであって、エージェントは、前記解決策を実行する人間エージェント又は機械エージェントであり、前記1つ又は複数のエージェントの前記詳細は、前記自然言語の形態で受信され、各エージェントは潜在状態に設定されている、提供することと、
前記グローバル意図言明と関連する1つ又は複数のローカル意図言明及び各ローカル意図言明と関連する実体の詳細を入力するプロンプトを前記ユーザに提供することであって、各ローカル意図言明及び各実体の前記詳細は、前記自然言語の形態で受信され、それぞれ潜在状態に設定されており、各ローカル意図言明は前記解決策を構築するステップを示し、各実体は、対応する前記ローカル意図言明によって示される前記ステップに参加する、提供することと、
前記1つ又は複数のエージェントを各ローカル意図言明に割り当てることであって、前記ローカル意図言明に割り当てられる前記エージェントの前記詳細は前記ユーザにより変更可能である、割り当てることと、
各ローカル意図言明について、前記自然言語の形態で、前記ローカル意図言明のそれぞれの特性を定義する1つ又は複数の属性を入力するプロンプトを前記ユーザに提供することと、
各実体について、前記自然言語の形態で、各実体の特性を定義し、各実体を対応する前記ローカル意図言明の他の実体から区別する1つ又は複数の属性を入力するプロンプトを前記ユーザに提供することと、
各ローカル意図言明について、各ローカル意図言明の前記実体の可能な全ての組合せに基づいて実体状態組合せ(CES)のセットを形成することであって、各ローカル意図言明の全ての前記実体に基づいて形成されたCESは、トリガー実体状態組合せ(トリガーCES)であり、前記セット中の各CESは潜在状態である、形成することと、
前記グローバル意図言明と関連する1つのみのローカル意図言明が受信されたとの判断に応答して、前記受信ローカル意図言明の前記トリガーCESを前記解決策の前記構築の終わりとして識別することと、
前記グローバル意図言明と関連する2つ以上のローカル意図言明が受信されたとの判断に応答して、前記自然言語の形態で、前記ローカル意図言明間の関係を入力するプロンプトを前記ユーザに提供することであって、前記関係は、1つのローカル意図言明のトリガーCESが、前記解決策の別のローカル意図言明のCESの前記セットに影響しているか、又は前記解決策の前記構築の終わりであるかを示す、提供することと、
前記グローバル意図言明、前記1つ又は複数のローカル意図言明、前記1つ又は複数のエージェント、前記実体、及び前記属性の各々について、各グローバル意図言明、各ローカル意図言明、各エージェント、各実体、及び各属性が前記潜在状態で出現する瞬間における開始時間を記録することと、
前記グローバル意図言明、前記1つ又は複数のローカル意図言明、前記1つ又は複数のエージェント、前記実体、及び前記属性の各々について、各グローバル意図言明、各ローカル意図言明、各エージェント、各実体、及び各属性が現実状態で出現する瞬間における停止時間を記録することと、
を行うように前記プロセッサにより実行可能である、計算デバイス。 - ユーザにより理解される自然言語を使用し、プログラミングコードを使用せずにコンピュータ実施解決策を構築する計算デバイスであって、
構築すべき前記解決策を示すグローバル意図言明を入力するプロンプトをユーザに提供する手段であって、前記グローバル意図言明は、前記自然言語の形態で受信され、潜在状態に設定されている、提供する手段と、
前記グローバル意図言明と関連する1つ又は複数のエージェントの詳細を入力するプロンプトを前記ユーザに提供する手段であって、エージェントは、前記解決策を実行する人間エージェント又は機械エージェントであり、前記1つ又は複数のエージェントの前記詳細は、前記自然言語の形態で受信され、各エージェントは潜在状態に設定されている、提供する手段と、
前記グローバル意図言明と関連する1つ又は複数のローカル意図言明及び各ローカル意図言明と関連する実体の詳細を入力するプロンプトを前記ユーザに提供する手段であって、各ローカル意図言明及び各実体の前記詳細は、前記自然言語の形態で受信され、それぞれ潜在状態に設定されており、各ローカル意図言明は前記解決策を構築するステップを示し、各実体は、対応する前記ローカル意図言明によって示される前記ステップに参加する、提供する手段と、
前記1つ又は複数のエージェントを各ローカル意図言明に割り当てる手段であって、前記ローカル意図言明に割り当てられる前記エージェントの前記詳細は前記ユーザにより変更可能である、割り当てる手段と、
各ローカル意図言明について、前記自然言語の形態で、前記ローカル意図言明のそれぞれの特性を定義する1つ又は複数の属性を入力するプロンプトを前記ユーザに提供する手段と、
各実体について、前記自然言語の形態で、各実体の特性を定義し、各実体を対応する前記ローカル意図言明の他の実体から区別する1つ又は複数の属性を入力するプロンプトを前記ユーザに提供する手段と、
各ローカル意図言明について、各ローカル意図言明の前記実体の可能な全ての組合せに基づいて実体状態組合せ(CES)のセットを形成する手段であって、各ローカル意図言明の全ての前記実体に基づいて形成されたCESは、トリガー実体状態組合せ(トリガーCES)であり、前記セット中の各CESは潜在状態である、形成する手段と、
前記グローバル意図言明と関連する1つのみのローカル意図言明が受信されたとの判断に応答して、前記受信ローカル意図言明の前記トリガーCESを前記解決策の前記構築の終わりとして識別する手段と、
前記グローバル意図言明と関連する2つ以上のローカル意図言明が受信されたとの判断に応答して、前記自然言語の形態で、前記ローカル意図言明間の関係を入力するプロンプトを前記ユーザに提供する手段であって、前記関係は、1つのローカル意図言明のトリガーCESが、前記解決策の別のローカル意図言明のCESの前記セットに影響しているか、又は前記解決策の前記構築の終わりであるかを示す、提供する手段と、
前記グローバル意図言明、前記1つ又は複数のローカル意図言明、前記1つ又は複数のエージェント、前記実体、及び前記属性の各々について、各グローバル意図言明、各ローカル意図言明、各エージェント、各実体、及び各属性が前記潜在状態で出現する瞬間における開始時間を記録する手段と、
前記グローバル意図言明、前記1つ又は複数のローカル意図言明、前記1つ又は複数のエージェント、前記実体、及び前記属性の各々について、各グローバル意図言明、各ローカル意図言明、各エージェント、各実体、及び各属性が現実状態で出現する瞬間における停止時間を記録する手段と、
を備える、計算デバイス。 - ユーザにより理解される自然言語を使用し、プログラミングコードを使用せずにコンピュータ実施解決策を構築する計算デバイスであって、
プロセッサと、
前記プロセッサに結合されたメモリと、
を備え、前記メモリは命令を含み、前記命令は、請求項22に記載の方法を実行するように前記プロセッサにより実行可能である、計算デバイス。 - ユーザにより理解される自然言語を使用し、プログラミングコードを使用せずにコンピュータ実施解決策を構築する命令を記憶した非一時的コンピュータ可読媒体であって、機械実行可能コードを含み、前記機械実行可能コードは、プロセッサにより実行されると、前記プロセッサに、
ユーザから、構築すべき前記解決策を示すグローバル意図言明を受信することであって、前記グローバル意図言明は、前記自然言語の形態で受信され、潜在状態に設定されている、受信することと、
前記ユーザから、前記グローバル意図言明と関連する1つ又は複数のエージェントの詳細を受信することであって、エージェントは、前記解決策を実行する人間エージェント又は機械エージェントであり、前記1つ又は複数のエージェントの前記詳細は、前記自然言語の形態で受信され、各エージェントは潜在状態に設定されている、受信することと、
前記ユーザから、前記グローバル意図言明と関連する1つ又は複数のローカル意図言明及び各ローカル意図言明と関連する実体の詳細を受信することであって、各ローカル意図言明及び各実体の前記詳細は、前記自然言語の形態で受信され、それぞれ潜在状態に設定されており、各ローカル意図言明は前記解決策を構築するステップを示し、各実体は、対応する前記ローカル意図言明によって示される前記ステップに参加する、受信することと、
前記1つ又は複数のエージェントを各ローカル意図言明に割り当てることであって、前記ローカル意図言明に割り当てられる前記エージェントの前記詳細は前記ユーザにより変更可能である、割り当てることと、
各ローカル意図言明について、前記ユーザから前記自然言語の形態で、前記ローカル意図言明のそれぞれの特性を定義する1つ又は複数の属性を受信することと、
各実体について、前記ユーザから前記自然言語の形態で、各実体の特性を定義し、各実体を対応する前記ローカル意図言明の他の実体から区別する1つ又は複数の属性を受信することと、
各ローカル意図言明について、各ローカル意図言明の前記実体の可能な全ての組合せに基づいて実体状態組合せ(CES)のセットを形成することであって、各ローカル意図言明の全ての前記実体に基づいて形成されたCESは、トリガー実体状態組合せ(トリガーCES)であり、前記セット中の各CESは潜在状態である、形成することと、
前記グローバル意図言明と関連する1つのみのローカル意図言明が受信されたとの判断に応答して、前記受信ローカル意図言明の前記トリガーCESを前記解決策の前記構築の終わりとして識別することと、
前記グローバル意図言明と関連する2つ以上のローカル意図言明が受信されたとの判断に応答して、前記ユーザから前記自然言語の形態で、前記ローカル意図言明間の関係を受信することであって、前記関係は、1つのローカル意図言明のトリガーCESが、前記解決策の別のローカル意図言明のCESの前記セットに影響しているか、又は前記解決策の前記構築の終わりであるかを示す、受信することと、
前記グローバル意図言明、前記1つ又は複数のローカル意図言明、前記1つ又は複数のエージェント、前記実体、及び前記属性の各々について、各グローバル意図言明、各ローカル意図言明、各エージェント、各実体、及び各属性が前記潜在状態で出現する瞬間における開始時間を記録することと、
前記グローバル意図言明、前記1つ又は複数のローカル意図言明、前記1つ又は複数のエージェント、前記実体、及び前記属性の各々について、各グローバル意図言明、各ローカル意図言明、各エージェント、各実体、及び各属性が現実状態で出現する瞬間における停止時間を記録することと、
を行わせる、非一時的コンピュータ可読媒体。 - ユーザにより理解される自然言語を使用し、プログラミングコードを使用せずにコンピュータ実施解決策を構築する命令を記憶した非一時的コンピュータ可読媒体であって、機械実行可能コードを含み、前記機械実行可能コードは、プロセッサにより実行されると、前記プロセッサに、
構築すべき前記解決策を示すグローバル意図言明を入力するプロンプトをユーザに提供することであって、前記グローバル意図言明は、前記自然言語の形態で受信され、潜在状態に設定されている、提供することと、
前記グローバル意図言明と関連する1つ又は複数のエージェントの詳細を入力するプロンプトを前記ユーザに提供することであって、エージェントは、前記解決策を実行する人間エージェント又は機械エージェントであり、前記1つ又は複数のエージェントの前記詳細は、前記自然言語の形態で受信され、各エージェントは潜在状態に設定されている、提供することと、
前記グローバル意図言明と関連する1つ又は複数のローカル意図言明及び各ローカル意図言明と関連する実体の詳細を入力するプロンプトを前記ユーザに提供することであって、各ローカル意図言明及び各実体の前記詳細は、前記自然言語の形態で受信され、それぞれ潜在状態に設定されており、各ローカル意図言明は前記解決策を構築するステップを示し、各実体は、対応する前記ローカル意図言明によって示される前記ステップに参加する、提供することと、
前記1つ又は複数のエージェントを各ローカル意図言明に割り当てることであって、前記ローカル意図言明に割り当てられる前記エージェントの前記詳細は前記ユーザにより変更可能である、割り当てることと、
各ローカル意図言明について、前記自然言語の形態で、前記ローカル意図言明のそれぞれの特性を定義する1つ又は複数の属性を入力するプロンプトを前記ユーザに提供することと、
各実体について、前記自然言語の形態で、各実体の特性を定義し、各実体を対応する前記ローカル意図言明の他の実体から区別する1つ又は複数の属性を入力するプロンプトを前記ユーザに提供することと、
各ローカル意図言明について、各ローカル意図言明の前記実体の可能な全ての組合せに基づいて実体状態組合せ(CES)のセットを形成することであって、各ローカル意図言明の全ての前記実体に基づいて形成されたCESは、トリガー実体状態組合せ(トリガーCES)であり、前記セット中の各CESは潜在状態である、形成することと、
前記グローバル意図言明と関連する1つのみのローカル意図言明が受信されたとの判断に応答して、前記受信ローカル意図言明の前記トリガーCESを前記解決策の前記構築の終わりとして識別することと、
前記グローバル意図言明と関連する2つ以上のローカル意図言明が受信されたとの判断に応答して、前記自然言語の形態で、前記ローカル意図言明間の関係を入力するプロンプトを前記ユーザに提供することであって、前記関係は、1つのローカル意図言明のトリガーCESが、前記解決策の別のローカル意図言明のCESの前記セットに影響しているか、又は前記解決策の前記構築の終わりであるかを示す、提供することと、
前記グローバル意図言明、前記1つ又は複数のローカル意図言明、前記1つ又は複数のエージェント、前記実体、及び前記属性の各々について、各グローバル意図言明、各ローカル意図言明、各エージェント、各実体、及び各属性が前記潜在状態で出現する瞬間における開始時間を記録することと、
前記グローバル意図言明、前記1つ又は複数のローカル意図言明、前記1つ又は複数のエージェント、前記実体、及び前記属性の各々について、各グローバル意図言明、各ローカル意図言明、各エージェント、各実体、及び各属性が現実状態で出現する瞬間における停止時間を記録することと、
を行わせる、非一時的コンピュータ可読媒体。 - ユーザにより理解される自然言語を使用し、プログラミングコードを使用せずにコンピュータ実施解決策を構築するシステムであって、
プロセッサと、
前記プロセッサに結合されたグローバル意図言明モジュール、ローカル意図言明モジュール、CESモジュール、関係モジュール、及びクロックモジュールであって、前記グローバル意図言明モジュール、前記ローカル意図言明モジュール、前記CESモジュール、前記関係モジュール、及び前記クロックモジュールは互いに動作可能に接続される、グローバル意図言明モジュール、ローカル意図言明モジュール、CESモジュール、関係モジュール、及びクロックモジュールと、
を備え、
前記グローバル意図言明モジュールは、
ユーザから、構築すべき前記解決策を示すグローバル意図言明を受信することであって、前記グローバル意図言明は、前記自然言語の形態で受信され、潜在状態に設定されている、受信することと、
前記ユーザから、前記グローバル意図言明と関連する1つ又は複数のエージェントの詳細を受信することであって、エージェントは、前記解決策を実行する人間エージェント又は機械エージェントであり、前記1つ又は複数のエージェントの前記詳細は、前記自然言語の形態で受信され、各エージェントは潜在状態に設定されている、受信することと、
を行うように構成され、
前記ローカル意図言明モジュールは、
前記ユーザから、前記グローバル意図言明と関連する1つ又は複数のローカル意図言明及び各ローカル意図言明と関連する実体の詳細を受信することであって、各ローカル意図言明及び各実体の前記詳細は、前記自然言語の形態で受信され、それぞれ潜在状態に設定されており、各ローカル意図言明は前記解決策を構築するステップを示し、各実体は、対応する前記ローカル意図言明によって示される前記ステップに参加する、受信することと、
前記1つ又は複数のエージェントを各ローカル意図言明に割り当てることであって、前記ローカル意図言明に割り当てられる前記エージェントの前記詳細は前記ユーザにより変更可能である、割り当てることと、
各ローカル意図言明について、前記ユーザから前記自然言語の形態で、前記ローカル意図言明のそれぞれの特性を定義する1つ又は複数の属性を受信することと、
各実体について、前記ユーザから前記自然言語の形態で、各実体の特性を定義し、各実体を対応する前記ローカル意図言明の他の実体から区別する1つ又は複数の属性を受信することと、
を行うように構成され、
前記CESモジュールは、
各ローカル意図言明について、各ローカル意図言明の前記実体の可能な全ての組合せに基づいて実体状態組合せ(CES)のセットを形成することであって、各ローカル意図言明の全ての前記実体に基づいて形成されたCESは、トリガー実体状態組合せ(トリガーCES)であり、前記セット中の各CESは潜在状態である、形成することと、
前記グローバル意図言明と関連する1つのみのローカル意図言明が受信されたとの判断に応答して、前記受信ローカル意図言明の前記トリガーCESを前記解決策の前記構築の終わりとして識別することと、
を行うように構成され、
前記関係モジュールは、
前記グローバル意図言明と関連する2つ以上のローカル意図言明が受信されたとの判断に応答して、前記ユーザから前記自然言語の形態で、前記ローカル意図言明間の関係を受信することであって、前記関係は、1つのローカル意図言明のトリガーCESが、前記解決策の別のローカル意図言明のCESの前記セットに影響しているか、又は前記解決策の前記構築の終わりであるかを示す、受信すること
を行うように構成され、
前記クロックモジュールは、
前記グローバル意図言明、前記1つ又は複数のローカル意図言明、前記1つ又は複数のエージェント、前記実体、及び前記属性の各々について、各グローバル意図言明、各ローカル意図言明、各エージェント、各実体、及び各属性が前記潜在状態で出現する瞬間における開始時間を記録することと、
前記グローバル意図言明、前記1つ又は複数のローカル意図言明、前記1つ又は複数のエージェント、前記実体、及び前記属性の各々について、各グローバル意図言明、各ローカル意図言明、各エージェント、各実体、及び各属性が現実状態で出現する瞬間における停止時間を記録することと、
を行うように構成される、システム。
Applications Claiming Priority (7)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
IN202041033248 | 2020-08-03 | ||
IN202041033248 | 2020-08-03 | ||
IN202041042410 | 2020-09-29 | ||
IN202041042410 | 2020-09-29 | ||
IN202141028967 | 2021-06-28 | ||
IN202141028967 | 2021-06-28 | ||
PCT/SG2021/050446 WO2022031227A1 (en) | 2020-08-03 | 2021-08-02 | Natural solution language |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2023536458A true JP2023536458A (ja) | 2023-08-25 |
JPWO2022031227A5 JPWO2022031227A5 (ja) | 2024-06-14 |
Family
ID=80117621
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2023505884A Pending JP2023536458A (ja) | 2020-08-03 | 2021-08-02 | 自然言語解決策 |
Country Status (9)
Country | Link |
---|---|
JP (1) | JP2023536458A (ja) |
KR (1) | KR20230043179A (ja) |
CN (1) | CN116057503A (ja) |
AU (1) | AU2021321154A1 (ja) |
BR (1) | BR132021015348E2 (ja) |
CA (1) | CA3186959A1 (ja) |
IL (1) | IL300167A (ja) |
MX (1) | MX2023001464A (ja) |
WO (1) | WO2022031227A1 (ja) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023219574A1 (en) * | 2022-05-13 | 2023-11-16 | Brane Cognitives Pte. Ltd. | Building solutions using natural language processing |
-
2021
- 2021-08-02 CN CN202180057977.5A patent/CN116057503A/zh active Pending
- 2021-08-02 MX MX2023001464A patent/MX2023001464A/es unknown
- 2021-08-02 AU AU2021321154A patent/AU2021321154A1/en active Pending
- 2021-08-02 JP JP2023505884A patent/JP2023536458A/ja active Pending
- 2021-08-02 KR KR1020237006405A patent/KR20230043179A/ko active Search and Examination
- 2021-08-02 WO PCT/SG2021/050446 patent/WO2022031227A1/en active Application Filing
- 2021-08-02 IL IL300167A patent/IL300167A/en unknown
- 2021-08-02 CA CA3186959A patent/CA3186959A1/en active Pending
- 2021-08-03 BR BR132021015348A patent/BR132021015348E2/pt unknown
Also Published As
Publication number | Publication date |
---|---|
EP4189536A1 (en) | 2023-06-07 |
MX2023001464A (es) | 2023-03-14 |
KR20230043179A (ko) | 2023-03-30 |
AU2021321154A1 (en) | 2023-03-30 |
CN116057503A (zh) | 2023-05-02 |
WO2022031227A1 (en) | 2022-02-10 |
BR132021015348E2 (pt) | 2022-02-15 |
IL300167A (en) | 2023-03-01 |
CA3186959A1 (en) | 2022-02-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Ma et al. | A survey on empathetic dialogue systems | |
Hurwitz et al. | Cognitive computing and big data analytics | |
Davis et al. | Building semantic memory from embodied and distributional language experience | |
Sukthankar et al. | Plan, activity, and intent recognition: Theory and practice | |
Fuller et al. | Digital infrastructures and the machinery of topological abstraction | |
JP7422767B2 (ja) | 自然言語ソリューション | |
Birhane | Automating ambiguity: Challenges and pitfalls of artificial intelligence | |
Chaudhuri | Visual and text sentiment analysis through hierarchical deep learning networks | |
Wang et al. | Exploring the reasoning abilities of multimodal large language models (mllms): A comprehensive survey on emerging trends in multimodal reasoning | |
JP2023536458A (ja) | 自然言語解決策 | |
US20210365637A1 (en) | Natural solution language | |
Goertzel et al. | Real-World Reasoning: Toward Scalable, Uncertain Spatiotemporal, Contextual and Causal Inference | |
EP4189536B1 (en) | Natural solution language | |
Shigehalli | Natural language understanding in argumentative dialogue systems | |
Haney | Patents for NLP Software: An Empirical Review | |
Pathak et al. | Artificial Intelligence for All: An Abiding Destination | |
WO2023219574A1 (en) | Building solutions using natural language processing | |
Thieme | Reading Algorithms | |
Kusumah | InnoCrowd, a product classification system for design decision in a crowdsourced product innovation | |
Gilmanov | Lower bound resource requirements for machine intelligence | |
Fresco et al. | Scientists Invent New Hypotheses, Do Brains? | |
Aakur | Beyond Labels and Captions: Contextualizing Grounded Semantics for Explainable Visual Interpretation | |
Nikbakhtbideh | An AI-based Framework For Parent-child Interaction Analysis | |
Cao | Inductive Biases for Deep Linguistic Structured Prediction with Independent Factorization | |
WIELAND et al. | Indra KUSUMAH |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230329 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20240605 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20240605 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20240605 |