JP2026018564A

JP2026018564A - システム

Info

Publication number: JP2026018564A
Application number: JP2024119886A
Authority: JP
Inventors: 剛塚原
Original assignee: SoftBank Group Corp
Current assignee: SoftBank Group Corp
Priority date: 2024-07-25
Filing date: 2024-07-25
Publication date: 2026-02-05

Abstract

【課題】実施形態に係るシステムは、コンペの開催を自動化し、短期間かつ低コストで優秀な作品を選出することを目的とする。
【解決手段】実施形態に係るシステムは、テーマ設定部と、擬似コンペ開催部と、優秀作品選出部とを備える。テーマ設定部は、ユーザからテーマを受け付ける。擬似コンペ開催部は、テーマ設定部によって受け付けられたテーマに基づいて擬似コンペを開催する。優秀作品選出部は、擬似コンペ開催部によって生成された応募作品の中から優秀な作品を選出する。
【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

従来の技術では、コンペの開催には多くの人的・時間的コストがかかるという課題があった。

実施形態に係るシステムは、コンペの開催を自動化し、短期間かつ低コストで優秀な作品を選出することを目的とする。

実施形態に係るシステムは、テーマ設定部と、擬似コンペ開催部と、優秀作品選出部とを備える。テーマ設定部は、ユーザからテーマを受け付ける。擬似コンペ開催部は、テーマ設定部によって受け付けられたテーマに基づいて擬似コンペを開催する。優秀作品選出部は、擬似コンペ開催部によって生成された応募作品の中から優秀な作品を選出する。

実施形態に係るシステムは、コンペの開催を自動化し、短期間かつ低コストで優秀な作品を選出することができる。

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およ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およ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およ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およ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）、またはＴＰＵ（Tensor Processing Unit）などが挙げられる。

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、各種プログラムおよび各種パラメータなどを記憶する１つまた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）、または磁気テープなどが挙げられる。

以下の実施形態において、符号付きの通信Ｉ／Ｆ（Interface）は、通信プロセッサおよびアンテナなど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）、またはＢｌｕｅｔｏｏｔｈ（登録商標）など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および／またはＢ」は、「ＡおよびＢのうちの少なくとも１つ」と同義である。つまり、「Ａおよび／または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および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「および／または」で結び付けて表現する場合も、「Ａおよび／または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およ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、および通信Ｉ／Ｆ２６を備えている。コンピュータ２２は、プロセッサ２８、ＲＡＭ３０、およびストレージ３２を備えている。プロセッサ２８、ＲＡＭ３０、およびストレージ３２は、バス３４に接続されている。また、データベース２４および通信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）および／またはＬＡＮ（Local Area Network）などが挙げられる。

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、および通信Ｉ／Ｆ４４を備えている。コンピュータ３６は、プロセッサ４６、ＲＡＭ４８、およびストレージ５０を備えている。プロセッサ４６、ＲＡＭ４８、およびストレージ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、およびカメラ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およびマイクロフォン３８Ｂなどを備えており、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、ペンまたは指など）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およびマイクロフォン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およびスピーカ４０Ｂなどを備えており、データをユーザが知覚可能な表現形（例えば、音声および／またはテキスト）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および画像など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、およびシャッタなどの光学系と、ＣＭＯＳ（Complementary Metal-Oxide-Semiconductor）イメージセンサまたはＣＣＤ（Charge Coupled Device）イメージセンサなど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および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およ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および感情特定モデル５９が格納されている。データ生成モデル５８および感情特定モデル５９は、特定処理部２９０によって用いられる。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ことができる。

スマートデバイス１４では、プロセッサ４６によって特定処理が行われる。ストレージ５０には、特定処理プログラム６０が格納されている。特定処理プログラム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から特定処理プログラム６０を読み出し、読み出した特定処理プログラム６０をＲＡＭ４８上で実行する。特定処理は、プロセッサ４６がＲＡＭ４８上で実行する特定処理プログラム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、スマートデバイス１４には、データ生成モデル５８および感情特定モデル５９と同様のデータ生成モデルおよび感情特定モデルを有していてもよい。

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、生成サーバ）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、家電など）であってもよい。次に、第１実施形態に係るデータ処理システム１０による処理の一例について説明する。

（形態例１）
本発明の実施形態に係るオートコンペシステムは、LLMを用いてコンペの一連のフローを自動化し、短期間かつ低コストでコンペを開催したのと同等の成果を得るシステムである。これにより、オートコンペシステムは、コンペの一連のフローを自動化し、短期間かつ低コストでコンペを開催したのと同等の成果を得ることができる。

実施形態に係るオートコンペシステムは、テーマ設定部と、擬似コンペ開催部と、優秀作品選出部とを備える。テーマ設定部は、ユーザからテーマを受け付ける。例えば、ユーザが「新しいスマートフォンアプリのアイデア」や「環境に優しい製品デザイン」などのテーマを設定することができる。擬似コンペ開催部は、テーマ設定部によって受け付けられたテーマに基づいて擬似コンペを開催する。例えば、LLMが自動的に複数の応募作品を生成し、それぞれの作品を評価する。優秀作品選出部は、擬似コンペ開催部によって生成された応募作品の中から優秀な作品を選出する。例えば、生成されたアイデアの中から最も独創的で実現可能性の高いアイデアを選び出す。これにより、実施形態に係るオートコンペシステムは、コンペの一連のフローを自動化し、短期間かつ低コストでコンペを開催したのと同等の成果を得ることができる。

テーマ設定部は、生成AIを用いて過去の成功事例やトレンドを分析し、最適なテーマを提案することができる。テーマ設定部は、例えば、ユーザがテーマを設定する際に、生成AIが過去の成功事例をデータベースから抽出し、類似のテーマを提案する。例えば、過去に成功したスマートフォンアプリのテーマを基に、新しいアプリのテーマを提案する。また、テーマ設定部は、生成AIがトレンドを分析し、最新の技術動向や市場の動向を基に最適なテーマを提案する。これにより、過去の成功事例やトレンドを基に最適なテーマを提案できる。

テーマ設定部は、ユーザの過去のプロジェクト履歴を参照し、関連性の高いテーマを自動的に推奨することができる。テーマ設定部は、例えば、生成AIがユーザの過去のプロジェクト履歴を解析し、関連性の高いテーマを自動的に推奨する。例えば、過去に取り組んだプロジェクトの内容を基に、新しいプロジェクトのテーマを提案する。また、テーマ設定部は、ユーザの関心や専門分野に基づいてテーマを推奨することもできる。これにより、ユーザの過去のプロジェクト履歴を基に関連性の高いテーマを推奨できる。

擬似コンペ開催部は、生成AIを用いて過去のコンペデータを学習し、より高品質な作品を生成することができる。擬似コンペ開催部は、例えば、生成AIが過去のコンペデータを学習し、応募作品を生成する際にその知見を活用する。例えば、過去の優秀作品の特徴を取り入れた応募作品を生成する。また、擬似コンペ開催部は、生成AIが過去のコンペデータを基に、技術的な完成度や創造性の高い作品を生成することもできる。これにより、過去のコンペデータを基に高品質な作品を生成できる。

優秀作品選出部は、生成AIを用いて過去の成功事例や市場データを参照し、最も実現可能性の高い作品を選出することができる。優秀作品選出部は、例えば、生成AIが過去の成功事例や市場データを参照し、応募作品の実現可能性を評価する。例えば、過去の成功事例と類似した要素を持つ作品を選出する。また、優秀作品選出部は、生成AIが市場の需要や技術的な実現性を基に、最も実現可能性の高い作品を選出することもできる。これにより、過去の成功事例や市場データを基に実現可能性の高い作品を選出できる。

優秀作品選出部は、異なる業界や用途の視点を取り入れ、新たなマーケットニーズを発見することができる。優秀作品選出部は、例えば、生成AIが異なる業界や用途の視点を取り入れ、優秀作品を選出する際に新たなマーケットニーズを発見する。例えば、異なる業界のトレンドを反映した作品を選定する。また、優秀作品選出部は、生成AIが異なる市場セグメントや消費者の需要を基に、新たなマーケットニーズを発見することもできる。これにより、異なる業界や用途の視点を取り入れ、新たなマーケットニーズを発見できる。

優秀作品選出部は、プロトタイプを自動生成し、フィードバックを基に改良するアジャイル手法を導入することができる。優秀作品選出部は、例えば、生成AIが優秀作品の選出後にプロトタイプを自動生成し、ユーザからのフィードバックを基に改良するアジャイル手法を導入する。例えば、短期間でプロトタイプを開発し、ユーザの意見を反映させる。また、優秀作品選出部は、生成AIがスプリントやイテレーションを用いて、プロトタイプを継続的に改良することもできる。これにより、プロトタイプを自動生成し、フィードバックを基に改良するアジャイル手法を導入できる。

実施形態に係るシステムは、上述した例に限定されず、例えば、以下のように、種々の変更が可能である。

オートコンペシステムは、さらにフィードバック収集部を備える。フィードバック収集部は、擬似コンペに参加したユーザからのフィードバックを収集し、システムの改善に役立てることができる。例えば、ユーザが応募作品に対してコメントや評価を提供することができ、そのデータを基にシステムが次回のコンペでより良い作品を生成する。また、フィードバック収集部は、ユーザの満足度や改善点を分析し、システムのアルゴリズムを調整することもできる。これにより、ユーザの意見を反映させた高品質なコンペを実現できる。

オートコンペシステムは、さらにコラボレーション促進部を備える。コラボレーション促進部は、複数のユーザが共同で応募作品を作成するためのプラットフォームを提供することができる。例えば、ユーザがリアルタイムでアイデアを共有し、共同で作品を編集することができる。また、コラボレーション促進部は、異なる専門分野のユーザをマッチングし、より多様な視点からの応募作品を生成することもできる。これにより、ユーザ同士の協力を促進し、より創造的で多様な作品を生み出すことができる。

オートコンペシステムは、さらに報酬管理部を備える。報酬管理部は、優秀作品に対して報酬を自動的に計算し、分配することができる。例えば、応募作品の評価に基づいて報酬額を決定し、ユーザに通知する。また、報酬管理部は、報酬の支払いプロセスを自動化し、迅速かつ正確に報酬を分配することもできる。これにより、ユーザのモチベーションを高め、より多くの参加者を引き付けることができる。

オートコンペシステムは、さらにトレーニング支援部を備える。トレーニング支援部は、ユーザが応募作品を作成する際に必要なスキルや知識を提供することができる。例えば、オンラインコースやチュートリアルを通じて、ユーザが新しい技術やデザイン手法を学ぶことができる。また、トレーニング支援部は、ユーザのスキルレベルに応じたカスタマイズされたトレーニングプログラムを提供することもできる。これにより、ユーザのスキル向上を支援し、より高品質な応募作品を生み出すことができる。

オートコンペシステムは、さらに市場分析部を備える。市場分析部は、応募作品の市場適応性を評価し、ユーザにフィードバックを提供することができる。例えば、生成AIが市場データを分析し、応募作品がどの程度市場で受け入れられるかを評価する。また、市場分析部は、ユーザに対して市場のトレンドや需要に関する情報を提供し、応募作品の改良点を提案することもできる。これにより、ユーザは市場に適した作品を作成しやすくなる。

以下に、形態例１の処理の流れについて簡単に説明する。

ステップ１：テーマ設定部は、ユーザからテーマを受け付ける。例えば、ユーザが「新しいスマートフォンアプリのアイデア」や「環境に優しい製品デザイン」などのテーマを設定することができる。
ステップ２：擬似コンペ開催部は、テーマ設定部によって受け付けられたテーマに基づいて擬似コンペを開催する。例えば、LLMが自動的に複数の応募作品を生成し、それぞれの作品を評価する。
ステップ３：優秀作品選出部は、擬似コンペ開催部によって生成された応募作品の中から優秀な作品を選出する。例えば、生成されたアイデアの中から最も独創的で実現可能性の高いアイデアを選び出す。

（形態例２）
本発明の実施形態に係るオートコンペシステムは、LLMを用いてコンペの一連のフローを自動化し、短期間かつ低コストでコンペを開催したのと同等の成果を得るシステムである。これにより、オートコンペシステムは、コンペの一連のフローを自動化し、短期間かつ低コストでコンペを開催したのと同等の成果を得ることができる。

テーマ設定部は、感情推定機能を用いてユーザの現在の感情状態を分析し、ポジティブな感情を引き出すテーマを提案することができる。テーマ設定部は、例えば、感情推定機能を用いて、ユーザの現在の感情状態をリアルタイムで分析し、ポジティブな感情を引き出すテーマを提案する。例えば、ユーザがストレスを感じている場合にリラックスできるテーマを提案する。また、テーマ設定部は、感情推定機能を用いて、ユーザの感情状態に応じたテーマを提案することもできる。これにより、ユーザの感情状態を基にポジティブな感情を引き出すテーマを提案できる。

擬似コンペ開催部は、感情推定機能を用いて応募作品の感情的なインパクトを評価し、感情的に共感されやすい作品を優先的に生成することができる。擬似コンペ開催部は、例えば、感情推定機能を用いて、応募作品の感情的なインパクトを評価し、感情的に共感されやすい作品を優先的に生成する。例えば、感情スコアが高い作品を選定する。また、擬似コンペ開催部は、感情推定機能を用いて、感情的なストーリーテリングやビジュアル表現を取り入れた作品を生成することもできる。これにより、感情的に共感されやすい作品を優先的に生成できる。

優秀作品選出部は、感情推定機能を用いて応募作品の感情的なインパクトを評価し、感情的に共感されやすい作品を優先的に選出することができる。優秀作品選出部は、例えば、感情推定機能を用いて、応募作品の感情的なインパクトを評価し、感情的に共感されやすい作品を優先的に選出する。例えば、感情スコアが高い作品を選定する。また、優秀作品選出部は、感情推定機能を用いて、感情的なストーリーテリングやビジュアル表現を取り入れた作品を選出することもできる。これにより、感情的に共感されやすい作品を優先的に選出できる。

優秀作品選出部は、感情推定機能を用いて優秀作品に対するユーザの感情反応をリアルタイムでモニターし、最適な作品を継続的に選出することができる。優秀作品選出部は、例えば、感情推定機能を用いて、優秀作品に対するユーザの感情反応をリアルタイムでモニターするシステムを開発する。例えば、ユーザの表情や音声を解析し、感情スコアを算出する。また、優秀作品選出部は、感情推定機能を用いて、ユーザの感情反応に基づいて最適な作品を継続的に選出することもできる。これにより、ユーザの感情反応をリアルタイムでモニターし、最適な作品を継続的に選出できる。

オートコンペシステムは、さらに感情フィードバック部を備える。感情フィードバック部は、ユーザの感情反応をリアルタイムで収集し、応募作品の評価に反映させることができる。例えば、ユーザが作品を閲覧する際の表情や音声を解析し、感情スコアを算出する。また、感情フィードバック部は、ユーザの感情反応に基づいて作品の改良点を提案することもできる。これにより、感情的に共感されやすい作品を生成しやすくなる。

オートコンペシステムは、さらに感情モニタリング部を備える。感情モニタリング部は、ユーザの感情状態を継続的にモニターし、システムの応答を調整することができる。例えば、ユーザがストレスを感じている場合にリラックスできるコンテンツを提供する。また、感情モニタリング部は、ユーザの感情状態に応じてシステムのインタフェースや機能をカスタマイズすることもできる。これにより、ユーザの感情状態に応じた最適な体験を提供できる。

オートコンペシステムは、さらに感情分析部を備える。感情分析部は、応募作品に対するユーザの感情反応を詳細に分析し、作品の評価に反映させることができる。例えば、ユーザが作品を評価する際の感情データを収集し、感情スコアを算出する。また、感情分析部は、ユーザの感情反応に基づいて作品の改良点を提案することもできる。これにより、感情的に共感されやすい作品を選出しやすくなる。

オートコンペシステムは、さらに感情予測部を備える。感情予測部は、応募作品がユーザに与える感情的な影響を予測し、作品の評価に反映させることができる。例えば、生成AIが過去の感情データを学習し、新しい作品がどのような感情反応を引き起こすかを予測する。また、感情予測部は、予測結果に基づいて作品の改良点を提案することもできる。これにより、感情的に共感されやすい作品を生成しやすくなる。

オートコンペシステムは、さらに感情フィードバックループ部を備える。感情フィードバックループ部は、ユーザの感情反応を基にシステムのアルゴリズムを継続的に改善することができる。例えば、ユーザが作品を評価する際の感情データを収集し、アルゴリズムのパラメータを調整する。また、感情フィードバックループ部は、ユーザの感情反応に基づいてシステムの応答を最適化することもできる。これにより、感情的に共感されやすい作品を生成しやすくなる。

以下に、形態例２の処理の流れについて簡単に説明する。

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＞）などの生成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、および画像を示す画像データなど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およびテキストデータなど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、および／または要約などを指す。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。データ生成モデル５８は、指示を含まないプロンプトから推論結果を出力するように、ファインチューニングされたモデルであってもよく、この場合、データ生成モデル５８は、指示を含まないプロンプトから推論結果を出力することができる。データ処理装置１２などにおいて、データ生成モデル５８は複数種類含まれており、データ生成モデル５８は、生成ＡＩ以外のＡＩを含む。生成ＡＩ以外のＡＩは、例えば、線形回帰、ロジスティック回帰、決定木、ランダムフォレスト、サポートベクターマシン（ＳＶＭ）、ｋ－ｍｅａｎｓクラスタリング、畳み込みニューラルネットワーク（ＣＮＮ）、リカレントニューラルネットワーク（ＲＮＮ）、生成的敵対的ネットワーク（ＧＡＮ）、またはナイーブベイズなどであり、種々の処理を行うことができるが、かかる例に限定されない。また、ＡＩは、ＡＩエージェントであってもよい。また、上述した各部の処理がＡＩで行われる場合、その処理は、ＡＩで一部または全部が行われるが、かかる例に限定されない。また、生成ＡＩを含むＡＩで実施される処理は、ルールベースでの処理に置き換えてもよい。

また、上述したデータ処理システム１０による処理は、データ処理装置１２の特定処理部２９０またはスマートデバイス１４の制御部４６Ａによって実行されるが、データ処理装置１２の特定処理部２９０とスマートデバイス１４の制御部４６Ａとによって実行されてもよい。また、データ処理装置１２の特定処理部２９０は、処理に必要な情報をスマートデバイス１４または外部の装置などから取得したり収集したりし、スマートデバイス１４は、処理に必要な情報をデータ処理装置１２または外部の装置などから取得したり収集したりする。

［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およびスマート眼鏡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、および通信Ｉ／Ｆ２６を備えている。コンピュータ２２は、プロセッサ２８、ＲＡＭ３０、およびストレージ３２を備えている。プロセッサ２８、ＲＡＭ３０、およびストレージ３２は、バス３４に接続されている。また、データベース２４および通信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および／またはＬＡＮなどが挙げられる。

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、および通信Ｉ／Ｆ４４を備えている。コンピュータ３６は、プロセッサ４６、ＲＡＭ４８、およびストレージ５０を備えている。プロセッサ４６、ＲＡＭ４８、およびストレージ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、およびカメラ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、ユーザから指示などを受け付ける。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、およびシャッタなどの光学系と、ＣＭＯＳ（Complementary Metal-Oxide-Semiconductor）イメージセンサまたはＣＣＤ（Charge Coupled Device）イメージセンサなど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および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および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およびスマート眼鏡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。

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。

スマート眼鏡２１４では、プロセッサ４６によって特定処理が行われる。ストレージ５０には、特定処理プログラム６０が格納されている。プロセッサ４６は、ストレージ５０から特定処理プログラム６０を読み出し、読み出した特定処理プログラム６０をＲＡＭ４８上で実行する。特定処理は、プロセッサ４６がＲＡＭ４８上で実行する特定処理プログラム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、スマート眼鏡２１４には、データ生成モデル５８および感情特定モデル５９と同様のデータ生成モデルおよび感情特定モデルを有していてもよい。

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、家電など）であってもよい。

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である。データ生成モデル５８の一例としては、ＣｈａｔＧＰＴなどの生成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、および画像を示す画像データなど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およびテキストデータなど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、および／または要約などを指す。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。データ生成モデル５８は、指示を含まないプロンプトから推論結果を出力するように、ファインチューニングされたモデルであってもよく、この場合、データ生成モデル５８は、指示を含まないプロンプトから推論結果を出力することができる。データ処理装置１２などにおいて、データ生成モデル５８は複数種類含まれており、データ生成モデル５８は、生成ＡＩ以外のＡＩを含む。生成ＡＩ以外のＡＩは、例えば、線形回帰、ロジスティック回帰、決定木、ランダムフォレスト、サポートベクターマシン（ＳＶＭ）、ｋ－ｍｅａｎｓクラスタリング、畳み込みニューラルネットワーク（ＣＮＮ）、リカレントニューラルネットワーク（ＲＮＮ）、生成的敵対的ネットワーク（ＧＡＮ）、またはナイーブベイズなどであり、種々の処理を行うことができるが、かかる例に限定されない。また、ＡＩは、ＡＩエージェントであってもよい。また、上述した各部の処理がＡＩで行われる場合、その処理は、ＡＩで一部または全部が行われるが、かかる例に限定されない。また、生成ＡＩを含むＡＩで実施される処理は、ルールベースでの処理に置き換えてもよい。

第２実施形態に係るデータ処理システム２１０は、第１実施形態に係るデータ処理システム１０と同様の処理を行う。データ処理システム２１０による処理は、データ処理装置１２の特定処理部２９０またはスマート眼鏡２１４の制御部４６Ａによって実行されるが、データ処理装置１２の特定処理部２９０とスマート眼鏡２１４の制御部４６Ａとによって実行されてもよい。また、データ処理装置１２の特定処理部２９０は、処理に必要な情報をスマート眼鏡２１４または外部の装置などから取得したり収集したりし、スマート眼鏡２１４は、処理に必要な情報をデータ処理装置１２または外部の装置などから取得したり収集したりする。

［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およ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。

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、およびディスプレイ３４３を備えている。コンピュータ３６は、プロセッサ４６、ＲＡＭ４８、およびストレージ５０を備えている。プロセッサ４６、ＲＡＭ４８、およびストレージ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、およびディスプレイ３４３も、バス５２に接続されている。

図６には、データ処理装置１２およ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。

ヘッドセット型端末３１４では、プロセッサ４６によって特定処理が行われる。ストレージ５０には、特定プログラム６０が格納されている。プロセッサ４６は、ストレージ５０から特定プログラム６０を読み出し、読み出した特定プログラム６０をＲＡＭ４８上で実行する。特定処理は、プロセッサ４６がＲＡＭ４８上で実行する特定プログラム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、ヘッドセット型端末３１４には、データ生成モデル５８および感情特定モデル５９と同様のデータ生成モデルおよび感情特定モデルを有していてもよい。

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およびディスプレイ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。

第３実施形態に係るデータ処理システム３１０は、第１実施形態に係るデータ処理システム１０と同様の処理を行う。データ処理システム３１０による処理は、データ処理装置１２の特定処理部２９０またはヘッドセット型端末３１４の制御部４６Ａによって実行されるが、データ処理装置１２の特定処理部２９０とヘッドセット型端末３１４の制御部４６Ａとによって実行されてもよい。また、データ処理装置１２の特定処理部２９０は、処理に必要な情報をヘッドセット型端末３１４または外部の装置などから取得したり収集したりし、ヘッドセット型端末３１４は、処理に必要な情報をデータ処理装置１２または外部の装置などから取得したり収集したりする。

［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およびロボット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。

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、および制御対象４４３を備えている。コンピュータ３６は、プロセッサ４６、ＲＡＭ４８、およびストレージ５０を備えている。プロセッサ４６、ＲＡＭ４８、およびストレージ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、および制御対象４４３も、バス５２に接続されている。

カメラ４２は、レンズ、絞り、およびシャッタなどの光学系と、ＣＭＯＳイメージセンサまたはＣＣＤイメージセンサなど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。

制御対象４４３は、表示装置、目部のＬＥＤ、並びに、腕、手および足などを駆動するモータなどを含む。ロボット４１４の姿勢や仕草は、腕、手および足など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およびロボット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。

ロボット４１４では、プロセッサ４６によって特定処理が行われる。ストレージ５０には、特定プログラム６０が格納されている。プロセッサ４６は、ストレージ５０から特定プログラム６０を読み出し、読み出した特定プログラム６０をＲＡＭ４８上で実行する。特定処理は、プロセッサ４６がＲＡＭ４８上で実行する特定プログラム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、ロボット４１４には、データ生成モデル５８および感情特定モデル５９と同様のデータ生成モデルおよび感情特定モデルを有していてもよい。

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および制御対象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。

第４実施形態に係るデータ処理システム４１０は、第１実施形態に係るデータ処理システム１０と同様の処理を行う。データ処理システム４１０による処理は、データ処理装置１２の特定処理部２９０またはロボット４１４の制御部４６Ａによって実行されるが、データ処理装置１２の特定処理部２９０とロボット４１４の制御部４６Ａとによって実行されてもよい。また、データ処理装置１２の特定処理部２９０は、処理に必要な情報をロボット４１４または外部の装置などから取得したり収集したりし、ロボット４１４は、処理に必要な情報をデータ処理装置１２または外部の装置などから取得したり収集したりする。

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。同心円の上方向および下方向には、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などにおいても、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（音声感情認識およ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など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など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）、または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または接続されており、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、同種または異種の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、または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。

また、上述した例では、第１実施形態から第４実施形態に分けて説明したが、これらの実施形態の一部または全部は組み合わされてもよい。また、スマートデバイス１４、スマート眼鏡２１４、ヘッドセット型端末３１４、およびロボット４１４は一例であって、それぞれを組み合わせてもよく、それ以外の装置であってもよい。また、上述した例では、形態例１と形態例２に分けて説明したが、これらは組み合わせてもよい。

以上に示した記載内容および図示内容は、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、およ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、およ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およ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および図示内容では、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、特許出願および技術規格は、個々の文献、特許出願およ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。

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

ユーザからテーマを受け付けるテーマ設定部と、
テーマ設定部によって受け付けられたテーマに基づいて擬似コンペを開催する擬似コンペ開催部と、
擬似コンペ開催部によって生成された応募作品の中から優秀な作品を選出する優秀作品選出部と、を備える
ことを特徴とするシステム。
テーマ設定部は、
生成AIを用いて過去の成功事例やトレンドを分析し、最適なテーマを提案する
ことを特徴とする請求項１に記載のシステム。
擬似コンペ開催部は、
生成AIを用いて過去のコンペデータを学習し、より高品質な作品を生成する
ことを特徴とする請求項１に記載のシステム。
優秀作品選出部は、
生成AIを用いて過去の成功事例や市場データを参照し、最も実現可能性の高い作品を選出する
ことを特徴とする請求項１に記載のシステム。
テーマ設定部は、
感情推定機能を用いてユーザの現在の感情状態を分析し、ポジティブな感情を引き出すテーマを提案する
ことを特徴とする請求項１に記載のシステム。
擬似コンペ開催部は、
感情推定機能を用いて応募作品の感情的なインパクトを評価し、感情的に共感されやすい作品を優先的に生成する
ことを特徴とする請求項１に記載のシステム。
優秀作品選出部は、
感情推定機能を用いて応募作品の感情的なインパクトを評価し、感情的に共感されやすい作品を優先的に選出する
ことを特徴とする請求項１に記載のシステム。
優秀作品選出部は、
感情推定機能を用いて優秀作品に対するユーザの感情反応をリアルタイムでモニターし、最適な作品を継続的に選出する
ことを特徴とする請求項１に記載のシステム。