JP2025056374A - システム - Google Patents

Abstract

【課題】本発明は、連絡までに時間がかかる問題を解決し、より迅速かつセキュアなシステムを提供することを目的とする。
【解決手段】手法：既存の機械学習モデルに対してFine Tuningを行い、過去のヒアリングメールを読み込んで確認観点を学習させる手段と、不審なファイル検知時にTier1、Tier2の担当者の手を返さずに自動的にヒアリングを行う手段とを含むシステム。
【選択図】図１

Description

本開示の技術は、システムに関する。

特許文献１には、少なくとも一つのプロセッサにより遂行される、ペルソナチャットボット制御方法であって、ユーザ発話を受信するステップと、前記ユーザ発話を、チャットボットのキャラクターに関する説明と関連した指示文を含むプロンプトに追加するステップと前記プロンプトをエンコードするステップと、前記エンコードしたプロンプトを言語モデルに入力して、前記ユーザ発話に応答するチャットボット発話を生成するステップ、を含む、方法が開示されている。

特開２０２２－１８０２８２号公報

本発明は、連絡までに時間がかかる問題を解決し、より迅速かつセキュアなシステムを提供することを目的とする。

手法：既存の機械学習モデルに対してFine Tuningを行い、過去のヒアリングメールを読み込んで確認観点を学習させる手段と、不審なファイル検知時にTier1、Tier2の担当者の手を返さずに自動的にヒアリングを行う手段とを含むシステム。

第１実施形態に係るデータ処理システムの構成の一例を示す概念図である。 第１実施形態に係るデータ処理装置及びスマートデバイスの要部機能の一例を示す概念図である。 第２実施形態に係るデータ処理システムの構成の一例を示す概念図である。 第２実施形態に係るデータ処理装置及びスマート眼鏡の要部機能の一例を示す概念図である。 第３実施形態に係るデータ処理システムの構成の一例を示す概念図である。 第３実施形態に係るデータ処理装置及びヘッドセット型端末の要部機能の一例を示す概念図である。 第４実施形態に係るデータ処理システムの構成の一例を示す概念図である。 第４実施形態に係るデータ処理装置及びロボットの要部機能の一例を示す概念図である。 複数の感情がマッピングされる感情マップを示す。 複数の感情がマッピングされる感情マップを示す。

以下、添付図面に従って本開示の技術に係るシステムの実施形態の一例について説明する。

先ず、以下の説明で使用される文言について説明する。

以下の実施形態において、符号付きのプロセッサ（以下、単に「プロセッサ」と称する）は、１つの演算装置であってもよいし、複数の演算装置の組み合わせであってもよい。また、プロセッサは、１種類の演算装置であってもよいし、複数種類の演算装置の組み合わせであってもよい。演算装置の一例としては、ＣＰＵ（Central Processing Unit）、ＧＰＵ（Graphics Processing Unit）、ＧＰＧＰＵ（General-Purpose computing on Graphics Processing Units）、ＡＰＵ（Accelerated Processing Unit）、又はＴＰＵ（Tensor Processing Unit）等が挙げられる。

以下の実施形態において、符号付きのＲＡＭ（Random Access Memory）は、一時的に情報が格納されるメモリであり、プロセッサによってワークメモリとして用いられる。

以下の実施形態において、符号付きのストレージは、各種プログラム及び各種パラメータ等を記憶する１つ又は複数の不揮発性の記憶装置である。不揮発性の記憶装置の一例としては、フラッシュメモリ（ＳＳＤ（Solid State Drive））、磁気ディスク（例えば、ハードディスク）、又は磁気テープ等が挙げられる。

以下の実施形態において、符号付きの通信Ｉ／Ｆ（Interface）は、通信プロセッサ及びアンテナ等を含むインタフェースである。通信Ｉ／Ｆは、複数のコンピュータ間での通信を司る。通信Ｉ／Ｆに対して適用される通信規格の一例としては、５Ｇ（5th Generation Mobile Communication System）、Ｗｉ－Ｆｉ（登録商標）、又はＢｌｕｅｔｏｏｔｈ（登録商標）等を含む無線通信規格が挙げられる。

以下の実施形態において、「Ａ及び／又はＢ」は、「Ａ及びＢのうちの少なくとも１つ」と同義である。つまり、「Ａ及び／又はＢ」は、Ａだけであってもよいし、Ｂだけであってもよいし、Ａ及びＢの組み合わせであってもよい、という意味である。また、本明細書において、３つ以上の事柄を「及び／又は」で結び付けて表現する場合も、「Ａ及び／又はＢ」と同様の考え方が適用される。

［第１実施形態］
図１には、第１実施形態に係るデータ処理システム１０の構成の一例が示されている。

図１に示すように、データ処理システム１０は、データ処理装置１２及びスマートデバイス１４を備えている。データ処理装置１２の一例としては、サーバが挙げられる。

データ処理装置１２は、コンピュータ２２、データベース２４、及び通信Ｉ／Ｆ２６を備えている。コンピュータ２２は、本開示の技術に係る「コンピュータ」の一例である。コンピュータ２２は、プロセッサ２８、ＲＡＭ３０、及びストレージ３２を備えている。プロセッサ２８、ＲＡＭ３０、及びストレージ３２は、バス３４に接続されている。また、データベース２４及び通信Ｉ／Ｆ２６も、バス３４に接続されている。通信Ｉ／Ｆ２６は、ネットワーク５４に接続されている。ネットワーク５４の一例としては、ＷＡＮ（Wide Area Network）及び／又はＬＡＮ（Local Area Network）等が挙げられる。

スマートデバイス１４は、コンピュータ３６、受付装置３８、出力装置４０、カメラ４２、及び通信Ｉ／Ｆ４４を備えている。コンピュータ３６は、プロセッサ４６、ＲＡＭ４８、及びストレージ５０を備えている。プロセッサ４６、ＲＡＭ４８、及びストレージ５０は、バス５２に接続されている。また、受付装置３８、出力装置４０、及びカメラ４２も、バス５２に接続されている。

受付装置３８は、タッチパネル３８Ａ及びマイクロフォン３８Ｂ等を備えており、ユーザ入力を受け付ける。タッチパネル３８Ａは、指示体（例えば、ペン又は指等）の接触を検出することにより、指示体の接触によるユーザ入力を受け付ける。マイクロフォン３８Ｂは、ユーザの音声を検出することにより、音声によるユーザ入力を受け付ける。制御部４６Ａは、タッチパネル３８Ａ及びマイクロフォン３８Ｂによって受け付けたユーザ入力を示すデータをデータ処理装置１２に送信する。データ処理装置１２では、特定処理部２９０（図２参照）が、ユーザ入力を示すデータを取得する。

出力装置４０は、ディスプレイ４０Ａ及びスピーカ４０Ｂ等を備えており、データをユーザが知覚可能な表現形（例えば、音声及び／又はテキスト）で出力することでデータをユーザに対して提示する。ディスプレイ４０Ａは、プロセッサ４６からの指示に従ってテキスト及び画像等の可視情報を表示する。スピーカ４０Ｂは、プロセッサ４６からの指示に従って音声を出力する。カメラ４２は、レンズ、絞り、及びシャッタ等の光学系と、ＣＭＯＳ（Complementary Metal-Oxide-Semiconductor）イメージセンサ又はＣＣＤ（Charge Coupled Device）イメージセンサ等の撮像素子とが搭載された小型デジタルカメラである。

通信Ｉ／Ｆ４４は、ネットワーク５４に接続されている。通信Ｉ／Ｆ４４及び２６は、ネットワーク５４を介してプロセッサ４６とプロセッサ２８との間の各種情報の授受を司る。

図２には、データ処理装置１２及びスマートデバイス１４の要部機能の一例が示されている。

図２に示すように、データ処理装置１２では、プロセッサ２８によって特定処理が行われる。ストレージ３２には、特定処理プログラム５６が格納されている。特定処理プログラム５６は、本開示の技術に係る「プログラム」の一例である。プロセッサ２８は、ストレージ３２から特定処理プログラム５６を読み出し、読み出した特定処理プログラム５６をＲＡＭ３０上で実行する。特定処理は、プロセッサ２８がＲＡＭ３０上で実行する特定処理プログラム５６に従って特定処理部２９０として動作することによって実現される。

ストレージ３２には、データ生成モデル５８及び感情特定モデル５９が格納されている。データ生成モデル５８及び感情特定モデル５９は、特定処理部２９０によって用いられる。

スマートデバイス１４では、プロセッサ４６によって受付出力処理が行われる。ストレージ５０には、受付出力プログラム６０が格納されている。受付出力プログラム６０は、データ処理システム１０によって特定処理プログラム５６と併用される。プロセッサ４６は、ストレージ５０から受付出力プログラム６０を読み出し、読み出した受付出力プログラム６０をＲＡＭ４８上で実行する。受付出力処理は、プロセッサ４６がＲＡＭ４８上で実行する受付出力プログラム６０に従って、制御部４６Ａとして動作することによって実現される。

なお、データ処理装置１２以外の他の装置がデータ生成モデル５８を有してもよい。例えば、サーバ装置（例えば、ＣｈａｔＧＰＴサーバ）がデータ生成モデル５８を有してもよい。この場合、データ処理装置１２は、データ生成モデル５８を有するサーバ装置と通信を行うことで、データ生成モデル５８が用いられた処理結果（予測結果など）を得る。また、データ処理装置１２は、サーバ装置であってもよいし、ユーザが保有する端末装置（例えば、携帯電話、ロボット、家電）であってもよい。次に、データ処理装置１２の特定処理部２９０による特定処理について説明する。

（形態例１）
本発明の実施形態は、既存の機械学習モデルにFine Tuningを行い、過去のヒアリングメールを読み込んで確認観点を学習させる手段と、不審なファイル検知時にTier1、Tier2の担当者の手を返さずに自動的にヒアリングを行う手段とを含むシステムである。具体的には、ヒアリングメールのデータセットを用意し、機械学習アルゴリズムを用いてモデルをトレーニングする。また、不審なファイルが検知された場合には、自動的にヒアリングを行うためのプログラムを実装する。
（形態例２）
本発明の実施形態は、システムにおいて、連絡までに最短でも20分、最長でも60分程度の時間を要する問題を解決するための手段を具備している。具体的には、ヒアリングメールの処理を並列化し、高速なデータベース検索アルゴリズムを採用することで、ヒアリングまでの時間を短縮する。さらに、ヒアリング結果を自動的に分析し、適切な対応策を提案する機能を実装する。
（形態例３）
本発明の実施形態は、システムにおいて、セキュリティを向上させるための手段を具備している。具体的には、ヒアリングメールのデータは暗号化され、アクセス制御が厳格に行われる。また、不審なファイルの検知結果はログとして記録され、セキュリティチームによる監視が行われる。さらに、ヒアリング結果の分析には機械学習アルゴリズムが活用され、異常なパターンの検出や未知の脅威への対応が可能となる。

以下に、各形態例の処理の流れについて説明する。

（形態例１）
ステップ１：ヒアリングメールのデータセットを用意する。過去のヒアリングメールを収集し、テキストデータとして整理する。
ステップ２：機械学習モデルのFine Tuningを行う。既存の機械学習モデルをベースに、ヒアリングメールのデータセットを用いてモデルをトレーニングする。Fine Tuningにより、モデルは特定の確認観点に関する情報を学習する。
ステップ３：不審なファイルの検知時に自動的にヒアリングを行う。不審なファイルが検知された場合、Tier1、Tier2の担当者の手を返さずに自動的にヒアリングを行う。ヒアリングメールの内容を解析し、適切な対応策を提案する。
（形態例２）
ステップ１：ヒアリングメールの処理を並列化する。複数のヒアリングメールを同時に処理するために、並列処理の仕組みを導入する。
ステップ２：高速なデータベース検索アルゴリズムを採用する。ヒアリングメールのデータを効率的に検索するために、高速なデータベース検索アルゴリズムを採用する。
ステップ３：ヒアリング結果の自動分析と対応策の提案を行う。ヒアリング結果を自動的に分析し、異常なパターンや未知の脅威を検出する。適切な対応策を提案し、迅速な対応を支援する。
（形態例３）
ステップ１：ヒアリングメールのデータを暗号化する。ヒアリングメールのデータは暗号化され、不正なアクセスから保護される。
ステップ２：アクセス制御を厳格に行う。ヒアリングメールのデータへのアクセスは、必要最小限の権限を持つユーザーに限定される。アクセスログが記録され、不正なアクセスの監視が行われる。
ステップ３：機械学習アルゴリズムによるヒアリング結果の分析。ヒアリング結果は機械学習アルゴリズムによって分析され、異常なパターンや未知の脅威が検出される。セキュリティチームによる監視と対応が行われ、セキュリティの向上が図られる。

更に、ユーザの感情を推定する感情エンジンを組み合わせてもよい。すなわち、特定処理部２９０は、感情特定モデル５９を用いてユーザの感情を推定し、ユーザの感情を用いた特定処理を行うようにしてもよい。

（形態例１）
本発明の実施形態は、既存の機械学習モデルにFine Tuningを行い、過去のヒアリングメールを読み込んで確認観点を学習させる手段と、不審なファイル検知時にTier1、Tier2の担当者の手を返さずに自動的にヒアリングを行う手段と、ユーザの感情を認識する感情エンジンを組み合わせたシステムである。
具体的には、ヒアリングメールのテキストデータを感情エンジンに入力し、ユーザの感情を推定する。感情エンジンは、テキスト内のキーワードや文脈を解析し、喜怒哀楽などの感情カテゴリに分類する。また、ヒアリング結果の分析においても、感情エンジンはユーザの感情に応じた適切な対応策を提案する。例えば、ユーザが不安や怒りを感じている場合には、迅速な対応や追加の説明を行うことが提案される。
（形態例２）
本発明の実施形態は、感情エンジンはヒアリングメールのテキストデータを解析し、ユーザの感情を推定するための機能を有している。
具体的には、感情エンジンは自然言語処理技術を用いて、ヒアリングメール内の表現や文法、感情表現などを分析する。例えば、ユーザが「不満」「不安」といったネガティブな感情を示す表現を使用している場合には、感情エンジンはそれを検出し、ユーザの感情状態を推定する。これにより、ユーザの感情に応じた適切な対応策を提案することが可能となる。
（形態例３）
本発明の実施形態は、感情エンジンはヒアリング結果の分析において、ユーザの感情に応じた適切な対応策を提案するための機能を有している。
具体的には、感情エンジンはヒアリング結果のテキストデータを解析し、ユーザの感情状態を把握する。例えば、ユーザが「不安」「緊張」といった感情を示している場合には、感情エンジンはそれを検出し、適切な対応策を提案する。具体的な提案としては、ユーザに対して追加の情報提供やサポートを行うことが挙げられる。また、感情エンジンはヒアリング結果の感情傾向を分析し、顧客満足度の向上や問題解決のための改善策を提案することも可能である。

以下に、各形態例の処理の流れについて説明する。

（形態例１）
ステップ１：ヒアリングメールのテキストデータを感情エンジンに入力する。ヒアリングメールのテキストデータを感情エンジンに渡し、感情解析のための入力とする。
ステップ２：感情エンジンによる感情推定を行う。感情エンジンは、テキスト内のキーワードや文脈を解析し、ユーザの感情を推定する。例えば、喜怒哀楽などの感情カテゴリに分類する。
ステップ３：ヒアリング結果の分析と適切な対応策の提案を行う。感情エンジンは、ユーザの感情に応じて適切な対応策を提案する。例えば、ユーザが不安や怒りを感じている場合には、迅速な対応や追加の説明を行うことが提案される。
（形態例２）
ステップ１：ヒアリングメールのテキストデータを感情エンジンに入力する。ヒアリングメールのテキストデータを感情エンジンに渡し、感情解析のための入力とする。
ステップ２：感情エンジンによる感情推定を行う。感情エンジンは、自然言語処理技術を用いて、ヒアリングメール内の表現や文法、感情表現などを分析する。ユーザが「不満」「不安」といったネガティブな感情を示す表現を使用している場合には、それを検出し、ユーザの感情状態を推定する。
ステップ３：ユーザの感情に応じた適切な対応策を提案する。感情エンジンは、ユーザの感情状態に基づいて適切な対応策を提案する。例えば、ユーザが不安を感じている場合には、追加の情報提供やサポートを行うことが提案される。
（形態例３）
ステップ１：ヒアリング結果のテキストデータを感情エンジンに入力する。ヒアリング結果のテキストデータを感情エンジンに渡し、感情解析のための入力とする。
ステップ２：感情エンジンによる感情解析を行う。感情エンジンは、ヒアリング結果のテキストデータを解析し、ユーザの感情状態を把握する。例えば、ユーザが「不安」「緊張」といった感情を示している場合には、それを検出し、ユーザの感情状態を推定する。
ステップ３：ユーザの感情に応じた適切な対応策を提案する。感情エンジンは、ユーザの感情状態に基づいて適切な対応策を提案する。例えば、ユーザが不安を感じている場合には、追加の情報提供やサポートを行うことが提案される。また、感情エンジンはヒアリング結果の感情傾向を分析し、顧客満足度の向上や問題解決のための改善策を提案することも可能である。

特定処理部２９０は、特定処理の結果をスマートデバイス１４に送信する。スマートデバイス１４では、制御部４６Ａが、出力装置４０に対して特定処理の結果を出力させる。マイクロフォン３８Ｂは、特定処理の結果に対するユーザ入力を示す音声を取得する。制御部４６Ａは、マイクロフォン３８Ｂによって取得されたユーザ入力を示す音声データをデータ処理装置１２に送信する。データ処理装置１２では、特定処理部２９０が音声データを取得する。

データ生成モデル５８は、いわゆる生成ＡＩ（Artificial Intelligence）である。データ生成モデル５８の一例としては、ＣｈａｔＧＰＴ（インターネット検索＜URL: https://openai.com/blog/chatgpt＞）等の生成ＡＩが挙げられる。データ生成モデル５８は、ニューラルネットワークに対して深層学習を行わせることによって得られる。データ生成モデル５８には、指示を含むプロンプトが入力され、かつ、音声を示す音声データ、テキストを示すテキストデータ、及び画像を示す画像データ等の推論用データが入力される。データ生成モデル５８は、入力された推論用データをプロンプトにより示される指示に従って推論し、推論結果を音声データ及びテキストデータ等のデータ形式で出力する。ここで、推論とは、例えば、分析、分類、予測、及び／又は要約等を指す。特定処理部２９０は、データ生成モデル５８を用いながら、上述した特定処理を行う。

上記実施形態では、データ処理装置１２によって特定処理が行われる形態例を挙げたが、本開示の技術はこれに限定されず、スマートデバイス１４によって特定処理が行われるようにしてもよい。

［第２実施形態］

図３には、第２実施形態に係るデータ処理システム２１０の構成の一例が示されている。

図３に示すように、データ処理システム２１０は、データ処理装置１２及びスマート眼鏡２１４を備えている。データ処理装置１２の一例としては、サーバが挙げられる。

データ処理装置１２は、コンピュータ２２、データベース２４、及び通信Ｉ／Ｆ２６を備えている。コンピュータ２２は、本開示の技術に係る「コンピュータ」の一例である。コンピュータ２２は、プロセッサ２８、ＲＡＭ３０、及びストレージ３２を備えている。プロセッサ２８、ＲＡＭ３０、及びストレージ３２は、バス３４に接続されている。また、データベース２４及び通信Ｉ／Ｆ２６も、バス３４に接続されている。通信Ｉ／Ｆ２６は、ネットワーク５４に接続されている。ネットワーク５４の一例としては、ＷＡＮ（Wide Area Network）及び／又はＬＡＮ（Local Area Network）等が挙げられる。

スマート眼鏡２１４は、コンピュータ３６、マイクロフォン２３８、スピーカ２４０、カメラ４２、及び通信Ｉ／Ｆ４４を備えている。コンピュータ３６は、プロセッサ４６、ＲＡＭ４８、及びストレージ５０を備えている。プロセッサ４６、ＲＡＭ４８、及びストレージ５０は、バス５２に接続されている。また、マイクロフォン２３８、スピーカ２４０、及びカメラ４２も、バス５２に接続されている。

マイクロフォン２３８は、ユーザが発する音声を受け付けることで、ユーザから指示等を受け付ける。マイクロフォン２３８は、ユーザが発する音声を捕捉し、捕捉した音声を音声データに変換してプロセッサ４６に出力する。スピーカ２４０は、プロセッサ４６からの指示に従って音声を出力する。

カメラ４２は、レンズ、絞り、及びシャッタ等の光学系と、ＣＭＯＳ（Complementary Metal-Oxide-Semiconductor）イメージセンサ又はＣＣＤ（Charge Coupled Device）イメージセンサ等の撮像素子とが搭載された小型デジタルカメラであり、ユーザの周囲（例えば、一般的な健常者の視界の広さに相当する画角で規定された撮像範囲）を撮像する。

通信Ｉ／Ｆ４４は、ネットワーク５４に接続されている。通信Ｉ／Ｆ４４及び２６は、ネットワーク５４を介してプロセッサ４６とプロセッサ２８との間の各種情報の授受を司る。通信Ｉ／Ｆ４４及び２６を用いたプロセッサ４６とプロセッサ２８との間の各種情報の授受はセキュアな状態で行われる。

図４には、データ処理装置１２及びスマート眼鏡２１４の要部機能の一例が示されている。図４に示すように、データ処理装置１２では、プロセッサ２８によって特定処理が行われる。ストレージ３２には、特定処理プログラム５６が格納されている。

特定処理プログラム５６は、本開示の技術に係る「プログラム」の一例である。プロセッサ２８は、ストレージ３２から特定処理プログラム５６を読み出し、読み出した特定処理プログラム５６をＲＡＭ３０上で実行する。特定処理は、プロセッサ２８がＲＡＭ３０上で実行する特定処理プログラム５６に従って、特定処理部２９０として動作することによって実現される。

ストレージ３２には、データ生成モデル５８及び感情特定モデル５９が格納されている。データ生成モデル５８及び感情特定モデル５９は、特定処理部２９０によって用いられる。

スマート眼鏡２１４では、プロセッサ４６によって受付出力処理が行われる。ストレージ５０には、受付出力プログラム６０が格納されている。プロセッサ４６は、ストレージ５０から受付出力プログラム６０を読み出し、読み出した受付出力プログラム６０をＲＡＭ４８上で実行する。受付出力処理は、プロセッサ４６がＲＡＭ４８上で実行する受付出力プログラム６０に従って、制御部４６Ａとして動作することによって実現される。

なお、データ処理装置１２以外の他の装置がデータ生成モデル５８を有してもよい。例えば、サーバ装置（例えば、ＣｈａｔＧＰＴサーバ）がデータ生成モデル５８を有してもよい。この場合、データ処理装置１２は、データ生成モデル５８を有するサーバ装置と通信を行うことで、データ生成モデル５８が用いられた処理結果（予測結果など）を得る。また、データ処理装置１２は、サーバ装置であってもよいし、ユーザが保有する端末装置（例えば、携帯電話、ロボット、家電）であってもよい。次に、データ処理装置１２の特定処理部２９０による特定処理について説明する。

（形態例１）
本発明の実施形態は、既存の機械学習モデルにFine Tuningを行い、過去のヒアリングメールを読み込んで確認観点を学習させる手段と、不審なファイル検知時にTier1、Tier2の担当者の手を返さずに自動的にヒアリングを行う手段とを含むシステムである。具体的には、ヒアリングメールのデータセットを用意し、機械学習アルゴリズムを用いてモデルをトレーニングする。また、不審なファイルが検知された場合には、自動的にヒアリングを行うためのプログラムを実装する。
（形態例２）
本発明の実施形態は、システムにおいて、連絡までに最短でも20分、最長でも60分程度の時間を要する問題を解決するための手段を具備している。具体的には、ヒアリングメールの処理を並列化し、高速なデータベース検索アルゴリズムを採用することで、ヒアリングまでの時間を短縮する。さらに、ヒアリング結果を自動的に分析し、適切な対応策を提案する機能を実装する。
（形態例３）
本発明の実施形態は、システムにおいて、セキュリティを向上させるための手段を具備している。具体的には、ヒアリングメールのデータは暗号化され、アクセス制御が厳格に行われる。また、不審なファイルの検知結果はログとして記録され、セキュリティチームによる監視が行われる。さらに、ヒアリング結果の分析には機械学習アルゴリズムが活用され、異常なパターンの検出や未知の脅威への対応が可能となる。

以下に、各形態例の処理の流れについて説明する。

（形態例１）
ステップ１：ヒアリングメールのデータセットを用意する。過去のヒアリングメールを収集し、テキストデータとして整理する。
ステップ２：機械学習モデルのFine Tuningを行う。既存の機械学習モデルをベースに、ヒアリングメールのデータセットを用いてモデルをトレーニングする。Fine Tuningにより、モデルは特定の確認観点に関する情報を学習する。
ステップ３：不審なファイルの検知時に自動的にヒアリングを行う。不審なファイルが検知された場合、Tier1、Tier2の担当者の手を返さずに自動的にヒアリングを行う。ヒアリングメールの内容を解析し、適切な対応策を提案する。
（形態例２）
ステップ１：ヒアリングメールの処理を並列化する。複数のヒアリングメールを同時に処理するために、並列処理の仕組みを導入する。
ステップ２：高速なデータベース検索アルゴリズムを採用する。ヒアリングメールのデータを効率的に検索するために、高速なデータベース検索アルゴリズムを採用する。
ステップ３：ヒアリング結果の自動分析と対応策の提案を行う。ヒアリング結果を自動的に分析し、異常なパターンや未知の脅威を検出する。適切な対応策を提案し、迅速な対応を支援する。
（形態例３）
ステップ１：ヒアリングメールのデータを暗号化する。ヒアリングメールのデータは暗号化され、不正なアクセスから保護される。
ステップ２：アクセス制御を厳格に行う。ヒアリングメールのデータへのアクセスは、必要最小限の権限を持つユーザーに限定される。アクセスログが記録され、不正なアクセスの監視が行われる。
ステップ３：機械学習アルゴリズムによるヒアリング結果の分析。ヒアリング結果は機械学習アルゴリズムによって分析され、異常なパターンや未知の脅威が検出される。セキュリティチームによる監視と対応が行われ、セキュリティの向上が図られる。

なお、更に、ユーザの感情を推定する感情エンジンを組み合わせてもよい。すなわち、特定処理部２９０は、感情特定モデル５９を用いてユーザの感情を推定し、ユーザの感情を用いた特定処理を行うようにしてもよい。

（形態例１）
本発明の実施形態は、既存の機械学習モデルにFine Tuningを行い、過去のヒアリングメールを読み込んで確認観点を学習させる手段と、不審なファイル検知時にTier1、Tier2の担当者の手を返さずに自動的にヒアリングを行う手段と、ユーザの感情を認識する感情エンジンを組み合わせたシステムである。
具体的には、ヒアリングメールのテキストデータを感情エンジンに入力し、ユーザの感情を推定する。感情エンジンは、テキスト内のキーワードや文脈を解析し、喜怒哀楽などの感情カテゴリに分類する。また、ヒアリング結果の分析においても、感情エンジンはユーザの感情に応じた適切な対応策を提案する。例えば、ユーザが不安や怒りを感じている場合には、迅速な対応や追加の説明を行うことが提案される。
（形態例２）
本発明の実施形態は、感情エンジンはヒアリングメールのテキストデータを解析し、ユーザの感情を推定するための機能を有している。
具体的には、感情エンジンは自然言語処理技術を用いて、ヒアリングメール内の表現や文法、感情表現などを分析する。例えば、ユーザが「不満」「不安」といったネガティブな感情を示す表現を使用している場合には、感情エンジンはそれを検出し、ユーザの感情状態を推定する。これにより、ユーザの感情に応じた適切な対応策を提案することが可能となる。
（形態例３）
本発明の実施形態は、感情エンジンはヒアリング結果の分析において、ユーザの感情に応じた適切な対応策を提案するための機能を有している。
具体的には、感情エンジンはヒアリング結果のテキストデータを解析し、ユーザの感情状態を把握する。例えば、ユーザが「不安」「緊張」といった感情を示している場合には、感情エンジンはそれを検出し、適切な対応策を提案する。具体的な提案としては、ユーザに対して追加の情報提供やサポートを行うことが挙げられる。また、感情エンジンはヒアリング結果の感情傾向を分析し、顧客満足度の向上や問題解決のための改善策を提案することも可能である。

以下に、各形態例の処理の流れについて説明する。

（形態例１）
ステップ１：ヒアリングメールのテキストデータを感情エンジンに入力する。ヒアリングメールのテキストデータを感情エンジンに渡し、感情解析のための入力とする。
ステップ２：感情エンジンによる感情推定を行う。感情エンジンは、テキスト内のキーワードや文脈を解析し、ユーザの感情を推定する。例えば、喜怒哀楽などの感情カテゴリに分類する。
ステップ３：ヒアリング結果の分析と適切な対応策の提案を行う。感情エンジンは、ユーザの感情に応じて適切な対応策を提案する。例えば、ユーザが不安や怒りを感じている場合には、迅速な対応や追加の説明を行うことが提案される。
（形態例２）
ステップ１：ヒアリングメールのテキストデータを感情エンジンに入力する。ヒアリングメールのテキストデータを感情エンジンに渡し、感情解析のための入力とする。
ステップ２：感情エンジンによる感情推定を行う。感情エンジンは、自然言語処理技術を用いて、ヒアリングメール内の表現や文法、感情表現などを分析する。ユーザが「不満」「不安」といったネガティブな感情を示す表現を使用している場合には、それを検出し、ユーザの感情状態を推定する。
ステップ３：ユーザの感情に応じた適切な対応策を提案する。感情エンジンは、ユーザの感情状態に基づいて適切な対応策を提案する。例えば、ユーザが不安を感じている場合には、追加の情報提供やサポートを行うことが提案される。
（形態例３）
ステップ１：ヒアリング結果のテキストデータを感情エンジンに入力する。ヒアリング結果のテキストデータを感情エンジンに渡し、感情解析のための入力とする。
ステップ２：感情エンジンによる感情解析を行う。感情エンジンは、ヒアリング結果のテキストデータを解析し、ユーザの感情状態を把握する。例えば、ユーザが「不安」「緊張」といった感情を示している場合には、それを検出し、ユーザの感情状態を推定する。
ステップ３：ユーザの感情に応じた適切な対応策を提案する。感情エンジンは、ユーザの感情状態に基づいて適切な対応策を提案する。例えば、ユーザが不安を感じている場合には、追加の情報提供やサポートを行うことが提案される。また、感情エンジンはヒアリング結果の感情傾向を分析し、顧客満足度の向上や問題解決のための改善策を提案することも可能である。

特定処理部２９０は、特定処理の結果をスマート眼鏡２１４に送信する。スマート眼鏡２１４では、制御部４６Ａが、スピーカ２４０に対して特定処理の結果を出力させる。マイクロフォン２３８は、特定処理の結果に対するユーザ入力を示す音声を取得する。制御部４６Ａは、マイクロフォン２３８によって取得されたユーザ入力を示す音声データをデータ処理装置１２に送信する。データ処理装置１２では、特定処理部２９０が音声データを取得する。

データ生成モデル５８は、いわゆる生成ＡＩ（Artificial Intelligence）である。データ生成モデル５８の一例としては、ＣｈａｔＧＰＴ（インターネット検索＜URL: https://openai.com/blog/chatgpt＞）等の生成ＡＩが挙げられる。データ生成モデル５８は、ニューラルネットワークに対して深層学習を行わせることによって得られる。データ生成モデル５８には、指示を含むプロンプトが入力され、かつ、音声を示す音声データ、テキストを示すテキストデータ、及び画像を示す画像データ等の推論用データが入力される。データ生成モデル５８は、入力された推論用データをプロンプトにより示される指示に従って推論し、推論結果を音声データ及びテキストデータ等のデータ形式で出力する。ここで、推論とは、例えば、分析、分類、予測、及び／又は要約等を指す。特定処理部２９０は、データ生成モデル５８を用いながら、上述した特定処理を行う。

上記実施形態では、データ処理装置１２によって特定処理が行われる形態例を挙げたが、本開示の技術はこれに限定されず、スマート眼鏡２１４によって特定処理が行われるようにしてもよい。

［第３実施形態］

図５には、第３実施形態に係るデータ処理システム３１０の構成の一例が示されている。

図５に示すように、データ処理システム３１０は、データ処理装置１２及びヘッドセット型端末３１４を備えている。データ処理装置１２の一例としては、サーバが挙げられる。

データ処理装置１２は、コンピュータ２２、データベース２４、及び通信Ｉ／Ｆ２６を備えている。コンピュータ２２は、本開示の技術に係る「コンピュータ」の一例である。コンピュータ２２は、プロセッサ２８、ＲＡＭ３０、及びストレージ３２を備えている。プロセッサ２８、ＲＡＭ３０、及びストレージ３２は、バス３４に接続されている。また、データベース２４及び通信Ｉ／Ｆ２６も、バス３４に接続されている。通信Ｉ／Ｆ２６は、ネットワーク５４に接続されている。ネットワーク５４の一例としては、ＷＡＮ（Wide Area Network）及び／又はＬＡＮ（Local Area Network）等が挙げられる。

ヘッドセット型端末３１４は、コンピュータ３６、マイクロフォン２３８、スピーカ２４０、カメラ４２、通信Ｉ／Ｆ４４、及びディスプレイ３４３を備えている。コンピュータ３６は、プロセッサ４６、ＲＡＭ４８、及びストレージ５０を備えている。プロセッサ４６、ＲＡＭ４８、及びストレージ５０は、バス５２に接続されている。また、マイクロフォン２３８、スピーカ２４０、カメラ４２、及びディスプレイ３４３も、バス５２に接続されている。

マイクロフォン２３８は、ユーザが発する音声を受け付けることで、ユーザから指示等を受け付ける。マイクロフォン２３８は、ユーザが発する音声を捕捉し、捕捉した音声を音声データに変換してプロセッサ４６に出力する。スピーカ２４０は、プロセッサ４６からの指示に従って音声を出力する。

カメラ４２は、レンズ、絞り、及びシャッタ等の光学系と、ＣＭＯＳ（Complementary Metal-Oxide-Semiconductor）イメージセンサ又はＣＣＤ（Charge Coupled Device）イメージセンサ等の撮像素子とが搭載された小型デジタルカメラであり、ユーザの周囲（例えば、一般的な健常者の視界の広さに相当する画角で規定された撮像範囲）を撮像する。

通信Ｉ／Ｆ４４は、ネットワーク５４に接続されている。通信Ｉ／Ｆ４４及び２６は、ネットワーク５４を介してプロセッサ４６とプロセッサ２８との間の各種情報の授受を司る。通信Ｉ／Ｆ４４及び２６を用いたプロセッサ４６とプロセッサ２８との間の各種情報の授受はセキュアな状態で行われる。

図６には、データ処理装置１２及びヘッドセット型端末３１４の要部機能の一例が示されている。図６に示すように、データ処理装置１２では、プロセッサ２８によって特定処理が行われる。ストレージ３２には、特定処理プログラム５６が格納されている。

特定処理プログラム５６は、本開示の技術に係る「プログラム」の一例である。プロセッサ２８は、ストレージ３２から特定処理プログラム５６を読み出し、読み出した特定処理プログラム５６をＲＡＭ３０上で実行する。特定処理は、プロセッサ２８がＲＡＭ３０上で実行する特定処理プログラム５６に従って、特定処理部２９０として動作することによって実現される。

ストレージ３２には、データ生成モデル５８及び感情特定モデル５９が格納されている。データ生成モデル５８及び感情特定モデル５９は、特定処理部２９０によって用いられる。

ヘッドセット型端末３１４では、プロセッサ４６によって受付出力処理が行われる。ストレージ５０には、受付出力プログラム６０が格納されている。プロセッサ４６は、ストレージ５０から受付出力プログラム６０を読み出し、読み出した受付出力プログラム６０をＲＡＭ４８上で実行する。受付出力処理は、プロセッサ４６がＲＡＭ４８上で実行する受付出力プログラム６０に従って、制御部４６Ａとして動作することによって実現される。

なお、データ処理装置１２以外の他の装置がデータ生成モデル５８を有してもよい。例えば、サーバ装置（例えば、ＣｈａｔＧＰＴサーバ）がデータ生成モデル５８を有してもよい。この場合、データ処理装置１２は、データ生成モデル５８を有するサーバ装置と通信を行うことで、データ生成モデル５８が用いられた処理結果（予測結果など）を得る。また、データ処理装置１２は、サーバ装置であってもよいし、ユーザが保有する端末装置（例えば、携帯電話、ロボット、家電）であってもよい。次に、データ処理装置１２の特定処理部２９０による特定処理について説明する。

（形態例１）
本発明の実施形態は、既存の機械学習モデルにFine Tuningを行い、過去のヒアリングメールを読み込んで確認観点を学習させる手段と、不審なファイル検知時にTier1、Tier2の担当者の手を返さずに自動的にヒアリングを行う手段とを含むシステムである。具体的には、ヒアリングメールのデータセットを用意し、機械学習アルゴリズムを用いてモデルをトレーニングする。また、不審なファイルが検知された場合には、自動的にヒアリングを行うためのプログラムを実装する。
（形態例２）
本発明の実施形態は、システムにおいて、連絡までに最短でも20分、最長でも60分程度の時間を要する問題を解決するための手段を具備している。具体的には、ヒアリングメールの処理を並列化し、高速なデータベース検索アルゴリズムを採用することで、ヒアリングまでの時間を短縮する。さらに、ヒアリング結果を自動的に分析し、適切な対応策を提案する機能を実装する。
（形態例３）
本発明の実施形態は、システムにおいて、セキュリティを向上させるための手段を具備している。具体的には、ヒアリングメールのデータは暗号化され、アクセス制御が厳格に行われる。また、不審なファイルの検知結果はログとして記録され、セキュリティチームによる監視が行われる。さらに、ヒアリング結果の分析には機械学習アルゴリズムが活用され、異常なパターンの検出や未知の脅威への対応が可能となる。

以下に、各形態例の処理の流れについて説明する。

（形態例１）
ステップ１：ヒアリングメールのデータセットを用意する。過去のヒアリングメールを収集し、テキストデータとして整理する。
ステップ２：機械学習モデルのFine Tuningを行う。既存の機械学習モデルをベースに、ヒアリングメールのデータセットを用いてモデルをトレーニングする。Fine Tuningにより、モデルは特定の確認観点に関する情報を学習する。
ステップ３：不審なファイルの検知時に自動的にヒアリングを行う。不審なファイルが検知された場合、Tier1、Tier2の担当者の手を返さずに自動的にヒアリングを行う。ヒアリングメールの内容を解析し、適切な対応策を提案する。
（形態例２）
ステップ１：ヒアリングメールの処理を並列化する。複数のヒアリングメールを同時に処理するために、並列処理の仕組みを導入する。
ステップ２：高速なデータベース検索アルゴリズムを採用する。ヒアリングメールのデータを効率的に検索するために、高速なデータベース検索アルゴリズムを採用する。
ステップ３：ヒアリング結果の自動分析と対応策の提案を行う。ヒアリング結果を自動的に分析し、異常なパターンや未知の脅威を検出する。適切な対応策を提案し、迅速な対応を支援する。
（形態例３）
ステップ１：ヒアリングメールのデータを暗号化する。ヒアリングメールのデータは暗号化され、不正なアクセスから保護される。
ステップ２：アクセス制御を厳格に行う。ヒアリングメールのデータへのアクセスは、必要最小限の権限を持つユーザーに限定される。アクセスログが記録され、不正なアクセスの監視が行われる。
ステップ３：機械学習アルゴリズムによるヒアリング結果の分析。ヒアリング結果は機械学習アルゴリズムによって分析され、異常なパターンや未知の脅威が検出される。セキュリティチームによる監視と対応が行われ、セキュリティの向上が図られる。

なお、更に、ユーザの感情を推定する感情エンジンを組み合わせてもよい。すなわち、特定処理部２９０は、感情特定モデル５９を用いてユーザの感情を推定し、ユーザの感情を用いた特定処理を行うようにしてもよい。

（形態例１）
本発明の実施形態は、既存の機械学習モデルにFine Tuningを行い、過去のヒアリングメールを読み込んで確認観点を学習させる手段と、不審なファイル検知時にTier1、Tier2の担当者の手を返さずに自動的にヒアリングを行う手段と、ユーザの感情を認識する感情エンジンを組み合わせたシステムである。
具体的には、ヒアリングメールのテキストデータを感情エンジンに入力し、ユーザの感情を推定する。感情エンジンは、テキスト内のキーワードや文脈を解析し、喜怒哀楽などの感情カテゴリに分類する。また、ヒアリング結果の分析においても、感情エンジンはユーザの感情に応じた適切な対応策を提案する。例えば、ユーザが不安や怒りを感じている場合には、迅速な対応や追加の説明を行うことが提案される。
（形態例２）
本発明の実施形態は、感情エンジンはヒアリングメールのテキストデータを解析し、ユーザの感情を推定するための機能を有している。
具体的には、感情エンジンは自然言語処理技術を用いて、ヒアリングメール内の表現や文法、感情表現などを分析する。例えば、ユーザが「不満」「不安」といったネガティブな感情を示す表現を使用している場合には、感情エンジンはそれを検出し、ユーザの感情状態を推定する。これにより、ユーザの感情に応じた適切な対応策を提案することが可能となる。
（形態例３）
本発明の実施形態は、感情エンジンはヒアリング結果の分析において、ユーザの感情に応じた適切な対応策を提案するための機能を有している。
具体的には、感情エンジンはヒアリング結果のテキストデータを解析し、ユーザの感情状態を把握する。例えば、ユーザが「不安」「緊張」といった感情を示している場合には、感情エンジンはそれを検出し、適切な対応策を提案する。具体的な提案としては、ユーザに対して追加の情報提供やサポートを行うことが挙げられる。また、感情エンジンはヒアリング結果の感情傾向を分析し、顧客満足度の向上や問題解決のための改善策を提案することも可能である。

以下に、各形態例の処理の流れについて説明する。

（形態例１）
ステップ１：ヒアリングメールのテキストデータを感情エンジンに入力する。ヒアリングメールのテキストデータを感情エンジンに渡し、感情解析のための入力とする。
ステップ２：感情エンジンによる感情推定を行う。感情エンジンは、テキスト内のキーワードや文脈を解析し、ユーザの感情を推定する。例えば、喜怒哀楽などの感情カテゴリに分類する。
ステップ３：ヒアリング結果の分析と適切な対応策の提案を行う。感情エンジンは、ユーザの感情に応じて適切な対応策を提案する。例えば、ユーザが不安や怒りを感じている場合には、迅速な対応や追加の説明を行うことが提案される。
（形態例２）
ステップ１：ヒアリングメールのテキストデータを感情エンジンに入力する。ヒアリングメールのテキストデータを感情エンジンに渡し、感情解析のための入力とする。
ステップ２：感情エンジンによる感情推定を行う。感情エンジンは、自然言語処理技術を用いて、ヒアリングメール内の表現や文法、感情表現などを分析する。ユーザが「不満」「不安」といったネガティブな感情を示す表現を使用している場合には、それを検出し、ユーザの感情状態を推定する。
ステップ３：ユーザの感情に応じた適切な対応策を提案する。感情エンジンは、ユーザの感情状態に基づいて適切な対応策を提案する。例えば、ユーザが不安を感じている場合には、追加の情報提供やサポートを行うことが提案される。
（形態例３）
ステップ１：ヒアリング結果のテキストデータを感情エンジンに入力する。ヒアリング結果のテキストデータを感情エンジンに渡し、感情解析のための入力とする。
ステップ２：感情エンジンによる感情解析を行う。感情エンジンは、ヒアリング結果のテキストデータを解析し、ユーザの感情状態を把握する。例えば、ユーザが「不安」「緊張」といった感情を示している場合には、それを検出し、ユーザの感情状態を推定する。
ステップ３：ユーザの感情に応じた適切な対応策を提案する。感情エンジンは、ユーザの感情状態に基づいて適切な対応策を提案する。例えば、ユーザが不安を感じている場合には、追加の情報提供やサポートを行うことが提案される。また、感情エンジンはヒアリング結果の感情傾向を分析し、顧客満足度の向上や問題解決のための改善策を提案することも可能である。

特定処理部２９０は、特定処理の結果をヘッドセット型端末３１４に送信する。ヘッドセット型端末３１４では、制御部４６Ａが、スピーカ２４０及びディスプレイ３４３に対して特定処理の結果を出力させる。マイクロフォン２３８は、特定処理の結果に対するユーザ入力を示す音声を取得する。制御部４６Ａは、マイクロフォン２３８によって取得されたユーザ入力を示す音声データをデータ処理装置１２に送信する。データ処理装置１２では、特定処理部２９０が音声データを取得する。

データ生成モデル５８は、いわゆる生成ＡＩ（Artificial Intelligence）である。データ生成モデル５８の一例としては、ＣｈａｔＧＰＴ（インターネット検索＜URL: https://openai.com/blog/chatgpt＞）等の生成ＡＩが挙げられる。データ生成モデル５８は、ニューラルネットワークに対して深層学習を行わせることによって得られる。データ生成モデル５８には、指示を含むプロンプトが入力され、かつ、音声を示す音声データ、テキストを示すテキストデータ、及び画像を示す画像データ等の推論用データが入力される。データ生成モデル５８は、入力された推論用データをプロンプトにより示される指示に従って推論し、推論結果を音声データ及びテキストデータ等のデータ形式で出力する。ここで、推論とは、例えば、分析、分類、予測、及び／又は要約等を指す。特定処理部２９０は、データ生成モデル５８を用いながら、上述した特定処理を行う。

上記実施形態では、データ処理装置１２によって特定処理が行われる形態例を挙げたが、本開示の技術はこれに限定されず、ヘッドセット型端末３１４によって特定処理が行われるようにしてもよい。
［第４実施形態］

図７には、第４実施形態に係るデータ処理システム４１０の構成の一例が示されている。

図７に示すように、データ処理システム４１０は、データ処理装置１２及びロボット４１４を備えている。データ処理装置１２の一例としては、サーバが挙げられる。

データ処理装置１２は、コンピュータ２２、データベース２４、及び通信Ｉ／Ｆ２６を備えている。コンピュータ２２は、本開示の技術に係る「コンピュータ」の一例である。コンピュータ２２は、プロセッサ２８、ＲＡＭ３０、及びストレージ３２を備えている。プロセッサ２８、ＲＡＭ３０、及びストレージ３２は、バス３４に接続されている。また、データベース２４及び通信Ｉ／Ｆ２６も、バス３４に接続されている。通信Ｉ／Ｆ２６は、ネットワーク５４に接続されている。ネットワーク５４の一例としては、ＷＡＮ（Wide Area Network）及び／又はＬＡＮ（Local Area Network）等が挙げられる。

ロボット４１４は、コンピュータ３６、マイクロフォン２３８、スピーカ２４０、カメラ４２、通信Ｉ／Ｆ４４、及び制御対象４４３を備えている。コンピュータ３６は、プロセッサ４６、ＲＡＭ４８、及びストレージ５０を備えている。プロセッサ４６、ＲＡＭ４８、及びストレージ５０は、バス５２に接続されている。また、マイクロフォン２３８、スピーカ２４０、カメラ４２、及び制御対象４４３も、バス５２に接続されている。

マイクロフォン２３８は、ユーザが発する音声を受け付けることで、ユーザから指示等を受け付ける。マイクロフォン２３８は、ユーザが発する音声を捕捉し、捕捉した音声を音声データに変換してプロセッサ４６に出力する。スピーカ２４０は、プロセッサ４６からの指示に従って音声を出力する。

カメラ４２は、レンズ、絞り、及びシャッタ等の光学系と、ＣＭＯＳ（Complementary Metal-Oxide-Semiconductor）イメージセンサ又はＣＣＤ（Charge Coupled Device）イメージセンサ等の撮像素子とが搭載された小型デジタルカメラであり、ユーザの周囲（例えば、一般的な健常者の視界の広さに相当する画角で規定された撮像範囲）を撮像する。

通信Ｉ／Ｆ４４は、ネットワーク５４に接続されている。通信Ｉ／Ｆ４４及び２６は、ネットワーク５４を介してプロセッサ４６とプロセッサ２８との間の各種情報の授受を司る。通信Ｉ／Ｆ４４及び２６を用いたプロセッサ４６とプロセッサ２８との間の各種情報の授受はセキュアな状態で行われる。

制御対象４４３は、表示装置、目部のＬＥＤ、並びに、腕、手及び足等を駆動するモータ等を含む。ロボット４１４の姿勢や仕草は、腕、手及び足等のモータを制御することにより制御される。ロボット４１４の感情の一部は、これらのモータを制御することにより表現できる。また、ロボット４１４の目部のＬＥＤの発光状態を制御することによっても、ロボット４１４の表情を表現できる。

図８には、データ処理装置１２及びロボット４１４の要部機能の一例が示されている。図８に示すように、データ処理装置１２では、プロセッサ２８によって特定処理が行われる。ストレージ３２には、特定処理プログラム５６が格納されている。

特定処理プログラム５６は、本開示の技術に係る「プログラム」の一例である。プロセッサ２８は、ストレージ３２から特定処理プログラム５６を読み出し、読み出した特定処理プログラム５６をＲＡＭ３０上で実行する。特定処理は、プロセッサ２８がＲＡＭ３０上で実行する特定処理プログラム５６に従って、特定処理部２９０として動作することによって実現される。

ストレージ３２には、データ生成モデル５８及び感情特定モデル５９が格納されている。データ生成モデル５８及び感情特定モデル５９は、特定処理部２９０によって用いられる。

ロボット４１４では、プロセッサ４６によって受付出力処理が行われる。ストレージ５０には、受付出力プログラム６０が格納されている。プロセッサ４６は、ストレージ５０から受付出力プログラム６０を読み出し、読み出した受付出力プログラム６０をＲＡＭ４８上で実行する。受付出力処理は、プロセッサ４６がＲＡＭ４８上で実行する受付出力プログラム６０に従って、制御部４６Ａとして動作することによって実現される。

なお、データ処理装置１２以外の他の装置がデータ生成モデル５８を有してもよい。例えば、サーバ装置（例えば、ＣｈａｔＧＰＴサーバ）がデータ生成モデル５８を有してもよい。この場合、データ処理装置１２は、データ生成モデル５８を有するサーバ装置と通信を行うことで、データ生成モデル５８が用いられた処理結果（予測結果など）を得る。また、データ処理装置１２は、サーバ装置であってもよいし、ユーザが保有する端末装置（例えば、携帯電話、ロボット、家電）であってもよい。次に、データ処理装置１２の特定処理部２９０による特定処理について説明する。

（形態例１）
本発明の実施形態は、既存の機械学習モデルにFine Tuningを行い、過去のヒアリングメールを読み込んで確認観点を学習させる手段と、不審なファイル検知時にTier1、Tier2の担当者の手を返さずに自動的にヒアリングを行う手段とを含むシステムである。具体的には、ヒアリングメールのデータセットを用意し、機械学習アルゴリズムを用いてモデルをトレーニングする。また、不審なファイルが検知された場合には、自動的にヒアリングを行うためのプログラムを実装する。
（形態例２）
本発明の実施形態は、システムにおいて、連絡までに最短でも20分、最長でも60分程度の時間を要する問題を解決するための手段を具備している。具体的には、ヒアリングメールの処理を並列化し、高速なデータベース検索アルゴリズムを採用することで、ヒアリングまでの時間を短縮する。さらに、ヒアリング結果を自動的に分析し、適切な対応策を提案する機能を実装する。
（形態例３）
本発明の実施形態は、システムにおいて、セキュリティを向上させるための手段を具備している。具体的には、ヒアリングメールのデータは暗号化され、アクセス制御が厳格に行われる。また、不審なファイルの検知結果はログとして記録され、セキュリティチームによる監視が行われる。さらに、ヒアリング結果の分析には機械学習アルゴリズムが活用され、異常なパターンの検出や未知の脅威への対応が可能となる。

以下に、各形態例の処理の流れについて説明する。

（形態例１）
ステップ１：ヒアリングメールのデータセットを用意する。過去のヒアリングメールを収集し、テキストデータとして整理する。
ステップ２：機械学習モデルのFine Tuningを行う。既存の機械学習モデルをベースに、ヒアリングメールのデータセットを用いてモデルをトレーニングする。Fine Tuningにより、モデルは特定の確認観点に関する情報を学習する。
ステップ３：不審なファイルの検知時に自動的にヒアリングを行う。不審なファイルが検知された場合、Tier1、Tier2の担当者の手を返さずに自動的にヒアリングを行う。ヒアリングメールの内容を解析し、適切な対応策を提案する。
（形態例２）
ステップ１：ヒアリングメールの処理を並列化する。複数のヒアリングメールを同時に処理するために、並列処理の仕組みを導入する。
ステップ２：高速なデータベース検索アルゴリズムを採用する。ヒアリングメールのデータを効率的に検索するために、高速なデータベース検索アルゴリズムを採用する。
ステップ３：ヒアリング結果の自動分析と対応策の提案を行う。ヒアリング結果を自動的に分析し、異常なパターンや未知の脅威を検出する。適切な対応策を提案し、迅速な対応を支援する。
（形態例３）
ステップ１：ヒアリングメールのデータを暗号化する。ヒアリングメールのデータは暗号化され、不正なアクセスから保護される。
ステップ２：アクセス制御を厳格に行う。ヒアリングメールのデータへのアクセスは、必要最小限の権限を持つユーザーに限定される。アクセスログが記録され、不正なアクセスの監視が行われる。
ステップ３：機械学習アルゴリズムによるヒアリング結果の分析。ヒアリング結果は機械学習アルゴリズムによって分析され、異常なパターンや未知の脅威が検出される。セキュリティチームによる監視と対応が行われ、セキュリティの向上が図られる。

なお、更に、ユーザの感情を推定する感情エンジンを組み合わせてもよい。すなわち、特定処理部２９０は、感情特定モデル５９を用いてユーザの感情を推定し、ユーザの感情を用いた特定処理を行うようにしてもよい。

（形態例１）
本発明の実施形態は、既存の機械学習モデルにFine Tuningを行い、過去のヒアリングメールを読み込んで確認観点を学習させる手段と、不審なファイル検知時にTier1、Tier2の担当者の手を返さずに自動的にヒアリングを行う手段と、ユーザの感情を認識する感情エンジンを組み合わせたシステムである。
具体的には、ヒアリングメールのテキストデータを感情エンジンに入力し、ユーザの感情を推定する。感情エンジンは、テキスト内のキーワードや文脈を解析し、喜怒哀楽などの感情カテゴリに分類する。また、ヒアリング結果の分析においても、感情エンジンはユーザの感情に応じた適切な対応策を提案する。例えば、ユーザが不安や怒りを感じている場合には、迅速な対応や追加の説明を行うことが提案される。
（形態例２）
本発明の実施形態は、感情エンジンはヒアリングメールのテキストデータを解析し、ユーザの感情を推定するための機能を有している。
具体的には、感情エンジンは自然言語処理技術を用いて、ヒアリングメール内の表現や文法、感情表現などを分析する。例えば、ユーザが「不満」「不安」といったネガティブな感情を示す表現を使用している場合には、感情エンジンはそれを検出し、ユーザの感情状態を推定する。これにより、ユーザの感情に応じた適切な対応策を提案することが可能となる。
（形態例３）
本発明の実施形態は、感情エンジンはヒアリング結果の分析において、ユーザの感情に応じた適切な対応策を提案するための機能を有している。
具体的には、感情エンジンはヒアリング結果のテキストデータを解析し、ユーザの感情状態を把握する。例えば、ユーザが「不安」「緊張」といった感情を示している場合には、感情エンジンはそれを検出し、適切な対応策を提案する。具体的な提案としては、ユーザに対して追加の情報提供やサポートを行うことが挙げられる。また、感情エンジンはヒアリング結果の感情傾向を分析し、顧客満足度の向上や問題解決のための改善策を提案することも可能である。

以下に、各形態例の処理の流れについて説明する。

（形態例１）
ステップ１：ヒアリングメールのテキストデータを感情エンジンに入力する。ヒアリングメールのテキストデータを感情エンジンに渡し、感情解析のための入力とする。
ステップ２：感情エンジンによる感情推定を行う。感情エンジンは、テキスト内のキーワードや文脈を解析し、ユーザの感情を推定する。例えば、喜怒哀楽などの感情カテゴリに分類する。
ステップ３：ヒアリング結果の分析と適切な対応策の提案を行う。感情エンジンは、ユーザの感情に応じて適切な対応策を提案する。例えば、ユーザが不安や怒りを感じている場合には、迅速な対応や追加の説明を行うことが提案される。
（形態例２）
ステップ１：ヒアリングメールのテキストデータを感情エンジンに入力する。ヒアリングメールのテキストデータを感情エンジンに渡し、感情解析のための入力とする。
ステップ２：感情エンジンによる感情推定を行う。感情エンジンは、自然言語処理技術を用いて、ヒアリングメール内の表現や文法、感情表現などを分析する。ユーザが「不満」「不安」といったネガティブな感情を示す表現を使用している場合には、それを検出し、ユーザの感情状態を推定する。
ステップ３：ユーザの感情に応じた適切な対応策を提案する。感情エンジンは、ユーザの感情状態に基づいて適切な対応策を提案する。例えば、ユーザが不安を感じている場合には、追加の情報提供やサポートを行うことが提案される。
（形態例３）
ステップ１：ヒアリング結果のテキストデータを感情エンジンに入力する。ヒアリング結果のテキストデータを感情エンジンに渡し、感情解析のための入力とする。
ステップ２：感情エンジンによる感情解析を行う。感情エンジンは、ヒアリング結果のテキストデータを解析し、ユーザの感情状態を把握する。例えば、ユーザが「不安」「緊張」といった感情を示している場合には、それを検出し、ユーザの感情状態を推定する。
ステップ３：ユーザの感情に応じた適切な対応策を提案する。感情エンジンは、ユーザの感情状態に基づいて適切な対応策を提案する。例えば、ユーザが不安を感じている場合には、追加の情報提供やサポートを行うことが提案される。また、感情エンジンはヒアリング結果の感情傾向を分析し、顧客満足度の向上や問題解決のための改善策を提案することも可能である。

特定処理部２９０は、特定処理の結果をロボット４１４に送信する。ロボット４１４では、制御部４６Ａが、スピーカ２４０及び制御対象４４３に対して特定処理の結果を出力させる。マイクロフォン２３８は、特定処理の結果に対するユーザ入力を示す音声を取得する。制御部４６Ａは、マイクロフォン２３８によって取得されたユーザ入力を示す音声データをデータ処理装置１２に送信する。データ処理装置１２では、特定処理部２９０が音声データを取得する。

データ生成モデル５８は、いわゆる生成ＡＩ（Artificial Intelligence）である。データ生成モデル５８の一例としては、ＣｈａｔＧＰＴ（インターネット検索＜URL: https://openai.com/blog/chatgpt＞）等の生成ＡＩが挙げられる。データ生成モデル５８は、ニューラルネットワークに対して深層学習を行わせることによって得られる。データ生成モデル５８には、指示を含むプロンプトが入力され、かつ、音声を示す音声データ、テキストを示すテキストデータ、及び画像を示す画像データ等の推論用データが入力される。データ生成モデル５８は、入力された推論用データをプロンプトにより示される指示に従って推論し、推論結果を音声データ及びテキストデータ等のデータ形式で出力する。ここで、推論とは、例えば、分析、分類、予測、及び／又は要約等を指す。特定処理部２９０は、データ生成モデル５８を用いながら、上述した特定処理を行う。

上記実施形態では、データ処理装置１２によって特定処理が行われる形態例を挙げたが、本開示の技術はこれに限定されず、ロボット４１４によって特定処理が行われるようにしてもよい。

なお、感情エンジンとしての感情特定モデル５９は、特定のマッピングに従い、ユーザの感情を決定してよい。具体的には、感情特定モデル５９は、特定のマッピングである感情マップ（図９参照）に従い、ユーザの感情を決定してよい。また、感情特定モデル５９は、同様に、ロボットの感情を決定し、特定処理部２９０は、ロボットの感情を用いた特定処理を行うようにしてもよい。

図９は、複数の感情がマッピングされる感情マップ４００を示す図である。感情マップ４００において、感情は、中心から放射状に同心円に配置されている。同心円の中心に近いほど、原始的状態の感情が配置されている。同心円のより外側には、心境から生まれる状態や行動を表す感情が配置されている。感情とは、情動や心的状態も含む概念である。同心円の左側には、概して脳内で起きる反応から生成される感情が配置されている。同心円の右側には概して、状況判断で誘導される感情が配置されている。同心円の上方向及び下方向には、概して脳内で起きる反応から生成され、かつ、状況判断で誘導される感情が配置されている。また、同心円の上側には、「快」の感情が配置され、下側には、「不快」の感情が配置されている。このように、感情マップ４００では、感情が生まれる構造に基づいて複数の感情がマッピングされており、同時に生じやすい感情が、近くにマッピングされている。

これらの感情は、感情マップ４００の３時の方向に分布しており、普段は安心と不安のあたりを行き来する。感情マップ４００の右半分では、内部的な感覚よりも状況認識の方が優位に立つため、落ち着いた印象になる。

感情マップ４００の内側は心の中、感情マップ４００の外側は行動を表すため、感情マップ４００の外側に行くほど、感情が目に見える（行動に表れる）ようになる。

ここで、人の感情は、姿勢や血糖値のような様々なバランスを基礎としており、それらのバランスが理想から遠ざかると不快、理想に近づくと快という状態を示す。ロボットや自動車やバイク等においても、姿勢やバッテリー残量のような様々なバランスを基礎として、それらのバランスが理想から遠ざかると不快、理想に近づくと快という状態を示すように感情を作ることができる。感情マップは、例えば、光吉博士の感情地図（音声感情認識及び情動の脳生理信号分析システムに関する研究、徳島大学、博士論文：https://ci.nii.ac.jp/naid/500000375379）に基づいて生成されてよい。感情地図の左半分には、感覚が優位にたつ「反応」と呼ばれる領域に属する感情が並ぶ。また、感情地図の右半分には、状況認識が優位にたつ「状況」と呼ばれる領域に属する感情が並ぶ。

感情マップでは学習を促す感情が２つ定義される。１つは、状況側にあるネガティブな「懺悔」や「反省」の真ん中周辺の感情である。つまり、「もう２度とこんな想いはしたくない」「もう叱られたくない」というネガティブな感情がロボットに生じたときである。もう１つは、反応側にあるポジティブな「欲」のあたりの感情である。つまり、「もっと欲しい」「もっと知りたい」というポジティブな気持ちのときである。

感情特定モデル５９は、ユーザ入力を、予め学習されたニューラルネットワークに入力し、感情マップ４００に示す各感情を示す感情値を取得し、ユーザの感情を決定する。このニューラルネットワークは、ユーザ入力と、感情マップ４００に示す各感情を示す感情値との組み合わせである複数の学習データに基づいて予め学習されたものである。また、このニューラルネットワークは、図１０に示す感情マップ９００のように、近くに配置されている感情同士は、近い値を持つように学習される。図１０では、「安心」、「安穏」、「心強い」という複数の感情が、近い感情値となる例を示している。

上記実施形態では、１台のコンピュータ２２によって特定処理が行われる形態例を挙げたが、本開示の技術はこれに限定されず、コンピュータ２２を含めた複数のコンピュータによる特定処理に対する分散処理が行われるようにしてもよい。

上記実施形態では、ストレージ３２に特定処理プログラム５６が格納されている形態例を挙げて説明したが、本開示の技術はこれに限定されない。例えば、特定処理プログラム５６がＵＳＢ（Universal Serial Bus）メモリなどの可搬型のコンピュータ読み取り可能な非一時的格納媒体に格納されていてもよい。非一時的格納媒体に格納されている特定処理プログラム５６は、データ処理装置１２のコンピュータ２２にインストールされる。プロセッサ２８は、特定処理プログラム５６に従って特定処理を実行する。

また、ネットワーク５４を介してデータ処理装置１２に接続されるサーバ等の格納装置に特定処理プログラム５６を格納させておき、データ処理装置１２の要求に応じて特定処理プログラム５６がダウンロードされ、コンピュータ２２にインストールされるようにしてもよい。

なお、ネットワーク５４を介してデータ処理装置１２に接続されるサーバ等の格納装置に特定処理プログラム５６の全てを格納させておいたり、ストレージ３２に特定処理プログラム５６の全てを記憶させたりしておく必要はなく、特定処理プログラム５６の一部を格納させておいてもよい。

特定処理を実行するハードウェア資源としては、次に示す各種のプロセッサを用いることができる。プロセッサとしては、例えば、ソフトウェア、すなわち、プログラムを実行することで、特定処理を実行するハードウェア資源として機能する汎用的なプロセッサであるＣＰＵが挙げられる。また、プロセッサとしては、例えば、ＦＰＧＡ（Field-Programmable Gate Array）、ＰＬＤ（Programmable Logic Device）、又はＡＳＩＣ（Application Specific Integrated Circuit）などの特定の処理を実行させるために専用に設計された回路構成を有するプロセッサである専用電気回路が挙げられる。何れのプロセッサにもメモリが内蔵又は接続されており、何れのプロセッサもメモリを使用することで特定処理を実行する。

特定処理を実行するハードウェア資源は、これらの各種のプロセッサのうちの１つで構成されてもよいし、同種又は異種の２つ以上のプロセッサの組み合わせ（例えば、複数のＦＰＧＡの組み合わせ、又はＣＰＵとＦＰＧＡとの組み合わせ）で構成されてもよい。また、特定処理を実行するハードウェア資源は１つのプロセッサであってもよい。

１つのプロセッサで構成する例としては、第１に、１つ以上のＣＰＵとソフトウェアの組み合わせで１つのプロセッサを構成し、このプロセッサが、特定処理を実行するハードウェア資源として機能する形態がある。第２に、ＳｏＣ（System-on-a-chip）などに代表されるように、特定処理を実行する複数のハードウェア資源を含むシステム全体の機能を１つのＩＣチップで実現するプロセッサを使用する形態がある。このように、特定処理は、ハードウェア資源として、上記各種のプロセッサの１つ以上を用いて実現される。

更に、これらの各種のプロセッサのハードウェア的な構造としては、より具体的には、半導体素子などの回路素子を組み合わせた電気回路を用いることができる。また、上記の特定処理はあくまでも一例である。従って、主旨を逸脱しない範囲内において不要なステップを削除したり、新たなステップを追加したり、処理順序を入れ替えたりしてもよいことは言うまでもない。

以上に示した記載内容及び図示内容は、本開示の技術に係る部分についての詳細な説明であり、本開示の技術の一例に過ぎない。例えば、上記の構成、機能、作用、及び効果に関する説明は、本開示の技術に係る部分の構成、機能、作用、及び効果の一例に関する説明である。よって、本開示の技術の主旨を逸脱しない範囲内において、以上に示した記載内容及び図示内容に対して、不要な部分を削除したり、新たな要素を追加したり、置き換えたりしてもよいことは言うまでもない。また、錯綜を回避し、本開示の技術に係る部分の理解を容易にするために、以上に示した記載内容及び図示内容では、本開示の技術の実施を可能にする上で特に説明を要しない技術常識等に関する説明は省略されている。

本明細書に記載された全ての文献、特許出願及び技術規格は、個々の文献、特許出願及び技術規格が参照により取り込まれることが具体的かつ個々に記された場合と同程度に、本明細書中に参照により取り込まれる。

以上の実施形態に関し、更に以下を開示する。

（付記１）
手法：既存の機械学習モデルに対してFine Tuningを行い、過去のヒアリングメールを読み込んで確認観点を学習させる手段と、不審なファイル検知時にTier1、Tier2の担当者の手を返さずに自動的にヒアリングを行う手段とを含むシステム。
（付記２）
付記１に記載のシステムにおいて、連絡までに最短でも20分、最長でも60分程度の時間を要する問題を解決する手段が備わっていることを特徴とする。
（付記３）
付記１に記載のシステムにおいて、セキュリティを向上させるための手段が備わっていることを特徴とする。

（付記４）
手法：既存の機械学習モデルにFine Tuningを行い、過去のヒアリングメールを読み込んで確認観点を学習させる手段と、不審なファイル検知時にTier1、Tier2の担当者の手を返さずに自動的にヒアリングを行う手段と、ユーザの感情を認識する感情エンジンを組み合わせたシステム。
（付記５）
付記４に記載のシステムにおいて、感情エンジンはヒアリングメールのテキストデータを解析し、ユーザの感情を推定するための機能を有していることを特徴とする。
（付記６）
付記４に記載のシステムにおいて、感情エンジンはヒアリング結果の分析において、ユーザの感情に応じた適切な対応策を提案するための機能を有していることを特徴とする。

１０、２１０、３１０、４１０ データ処理システム
１２ データ処理装置
１４ スマートデバイス
２１４ スマート眼鏡
３１４ ヘッドセット型端末
４１４ ロボット

Claims (3)

1. 手法：既存の機械学習モデルに対してFine Tuningを行い、過去のヒアリングメールを読み込んで確認観点を学習させる手段と、不審なファイル検知時にTier1、Tier2の担当者の手を返さずに自動的にヒアリングを行う手段とを含むシステム。
2. 請求項１に記載のシステムにおいて、連絡までに最短でも20分、最長でも60分程度の時間を要する問題を解決する手段が備わっていることを特徴とする。
3. 請求項１に記載のシステムにおいて、セキュリティを向上させるための手段が備わっていることを特徴とする。

Images