JP6118887B1 - 人工知能育成システム、人工知能育成方法、及びプログラム - Google Patents

Abstract

【課題】人工知能を活用すること。【解決手段】人工知能育成システムは、自システムとは異なる人工知能処理システムであって、所定の処理を人工知能により実行する人工知能処理システムが利用可能な前記人工知能を育成する育成部と、前記育成部が育成した前記人工知能を取り出す人工知能取出部と、を備える。【選択図】図２

Description

本発明は、人工知能育成システム、人工知能育成方法、及びプログラムに関する。

従来、人工知能を用いた技術開発が進められている。例えば、特許文献１には、サーバーコンピュータとクライアントコンピュータとが通信回線を介して接続されたサーバークライアントシステムにおいて、前記クライアントコンピュータには、音声認識部と音声再生部と表示部とを含んでいて、前記サーバーコンピュータには、人工知能部と音声合成部とを含んでいて、前記音声認識部は、話者の音声を電気信号に変換するマイクと、当該マイクからの電気信号を音声データに変換する音声入力部と、当該音声入力部からの音声データを文字情報である入力文に変換する音声分析部とを含んでいて、前記人工知能部は、前記話者に対する応答者を模擬して応答文を生成する部分であって、当該応答者の特性を記述した特性値テーブルを有していて、前記音声認識部から前記通信回線を介して入力された入力文から前記特性値テーブルに基づき応答文を自動的に生成する応答文生成部とを有していて、前記音声合成部は、前記応答文生成部で生成された応答文を音素データに変換する文字音素変換部を含み、前記音声再生部は、前記音声合成部から前記通信回線を介して送信される音素データを可聴音声に変換して出力し、前記表示装置は、音声認識部からの入力文および前記応答文生成部からの応答文を表示してなるコンピュータを利用した外国語会話練習システムが記載されている。
また、既存の情報処理システムに人工知能を組み合わせて、情報処理システムの処理や機能を高度化することが考えられている。

特開２０１２−２１５６４５号公報

ところで、人工知能による処理の精度を高めるには、一般的に、人工知能に機械学習を行わせる必要がある。しかしながら、機械学習には時間を要する。そのため、人工知能を導入しても、導入後にある程度の時間をかけなければ、例えば、高い精度で処理を行わせることができなかったり、複数の機能を組み合わせなければ対応できないような高度な処理を実行することができなかったりする場合があった。従って、人工知能を導入しても人工知能を十分に活用することができない場合があった。

本発明のいくつかの態様は、人工知能を活用することができる人工知能育成システム、人工知能育成方法、及びプログラムを提供することを目的の一つとする。

また、本発明の他の態様は、後述する実施形態に記載した作用効果を奏することを可能にする情報処理システム及び情報処理方法を提供することを目的の一つとする。

上述した課題を解決するために、本発明の一態様は、自システムとは異なる人工知能処理システムであって、所定の処理を人工知能により実行する人工知能処理システムが利用可能な前記人工知能を育成する育成部と、前記育成部が育成した前記人工知能を取り出す人工知能取出部と、を備える人工知能育成システムである。

また、本発明の一態様は、所定の処理を人工知能により実行する人工知能処理システムが利用可能な前記人工知能を、前記人工知能処理システムとは異なる人工知能育成システムが育成する第１ステップと、前記人工知能育成システムが、前記第１ステップにおいて育成した人工知能を取り出す第２ステップと、を含む人工知能育成方法である。

また、本発明の一態様は、人工知能育成システムのコンピュータに、前記人工知能育成システムとは異なる人工知能処理システムであって、所定の処理を人工知能により実行する人工知能処理システムが利用可能な前記人工知能を育成させる第１ステップと、前記第１ステップにおいて育成された前記人工知能を取り出す第２ステップと、を実行させるためのプログラムである。

本発明の実施形態によれば、人工知能の導入後、初めから高い能力で処理を行わせることができる。

本発明の一実施形態に係る情報処理システムの概要を示す模式図である。 同実施形態に係る情報処理システムの構成を示すブロック図である。 同実施形態に係る人工知能の育成の概要を示す模式図である。 同実施形態に係る人工知能のパッケージ化の概要を示す模式図である。 同実施形態に係る情報処理システムによる処理の流れの一例を示すシーケンスチャートである。 同実施形態に係る人工知能処理システムの設置の具体例を示す模式図である。

以下、本発明の一実施形態について、図面を参照して説明する。
〔情報処理システム１の概要〕
本実施形態に係る情報処理システム１は、人工知能（Ａｒｔｉｆｉｃｉａｌ Ｉｎｔｅｌｌｉｇｅｎｃｅ；ＡＩ）を育成し、育成した人工知能による処理を実行するシステムである。
図１は、情報処理システム１の概要を示す模式図である。
情報処理システム１は、人工知能育成システム１０と、人工知能処理システム２０とを備える。人工知能育成システム１０は、例えば、人工知能を用いたシステムの開発元に設けられ、人工知能処理システム２０は、例えば、当該開発元の顧客に設けられるシステムである。人工知能育成システム１０と、人工知能処理システム２０とは、別体の装置として実装されるシステムである。

人工知能育成システム１０は、人工知能Ａ１に機械学習を行わせる。以下では、人工知能に機械学習を行わせることを育成と称することがある。人工知能育成システム１０は、人工知能Ａ１の育成により生成された人工知能Ａ２を取り出す。人工知能処理システム２０は、人工知能育成システム１０が取り出した人工知能Ａ２を導入し、導入した人工知能Ａ２を、例えば仮想マシンにより実行し、所定の処理を実行する。所定の処理とは、例えば、画像認識や音声認識、テキスト認識等の人工知能を利用した処理である。
これにより、人工知能処理システム２０は、人工知能Ａ２を育成することなく、処理を開始することができる。つまり、人工知能処理システム２０は、人工知能の導入後、初めから高い能力で、人工知能を用いた処理を実行することができる。

ここで、人工知能とは、人工的にコンピュータ上等で人間と同様の知能を実現させようとする技術である。本実施形態では、人工知能とは、処理精度、処理速度等の処理能力を、機械学習により向上させることができるソフトウェアであるとして説明する。人工知能は、任意のアルゴリズムにより実現されてよい。例えば、エキスパートシステム、事例ベース推論（Ｃａｓｅ−Ｂａｓｅｄ Ｒｅａｓｏｎｉｎｇ；ＣＢＲ）、ベイジアンネットワーク、包摂アーキテクチャ（Ｓｕｂｓｕｍｐｔｉｏｎ Ａｒｃｈｉｔｅｃｔｕｒｅ）等を採用してよい。

また、機械学習とは、人間が自然に行っている学習能力と同様の機能をコンピュータで実現しようとする技術・手法のことである。機械学習のアルゴリズムには、任意の方法を用いてよい。例えば、教師あり学習、教師なし学習、半教師あり学習、強化学習、トランスダクティブ推論、マルチタスク学習等を用いて機械学習を行ってよい。

ここで、図１を参照して、情報処理システム１の効果の概要について説明する。
従来は、実際に処理を実行するシステムに人工知能が実装されてから、機械学習を行い、処理に供することが多かった。しかしながら、この場合、人工知能Ａ１は、機械学習を行う前であるため、処理精度や処理速度等の処理能力が低い。従って、人工知能を利用しても、ユーザの要求に十分に応えられない場合がある。
これに対して、情報処理システム１は、人工知能育成システム１０において、人工知能Ａ１を育成し、育成後の人工知能Ａ２を人工知能処理システム２０で利用する。そのため、人工知能Ａ２は、人工知能処理システム２０で育成をしていない場合であっても、初めから高い処理能力を発揮することができる。

情報処理システム１における人工知能育成システム１０と、人工知能処理システム２０との関係は、例えば、社員の派遣における派遣元企業と、派遣先企業との関係に類似している。派遣元企業は、多くの人材を抱えている。また、派遣先企業では、即戦力になる社員の派遣が求められている。ここで、適切な教育を受けていれば仕事がこなせる人材であっても、教育を受けていない状態で派遣先企業に派遣されてしまうと、派遣先では十分な能力が発揮できない。また、能力を発揮できるようになるまで、時間を要してしまう。この場合、派遣先の企業の要求に応えることができない可能性がある。これに対して、派遣元企業で、社員に予め十分な教育を行っておけば、社員は、派遣先企業でも十分に能力を発揮することができる。これにより、派遣先企業の要求に応えることができる。
このように、情報処理システム１は、人工知能育成システム１０において、人工知能に対して、その利用目的に応じた様々な機械学習を行っておくことにより、人工知能の能力を導入後すぐに発揮させることができる。
以上が、情報処理システム１の概要についての説明である。

〔情報処理システム１の構成〕
図２は、情報処理システム１の構成を示すブロック図である。
情報処理システム１において、人工知能育成システム１０と、人工知能処理システム２０とは、通信可能に接続されていてもよいし、スタンドアローンで構成されてもよい。
まず、人工知能育成システム１０の構成について説明する。
人工知能育成システム１０は、コンピュータシステムを備える電子機器であり、例えば、サーバ装置やパーソナルコンピュータである。人工知能育成システム１０は、育成側記憶部１２と、育成側入力部１３と、育成側出力部１４と、育成側制御部１１０と、を備える。

育成側記憶部１２は、例えば、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）等を備える。また、育成側記憶部１２は、ＨＤＤ（Ｈａｒｄ Ｄｉｓｃ Ｄｒｉｖｅ）、ＥＥＰＲＯＭ（Ｅｌｅｃｔｒｉｃａｌｌｙ Ｅｒａｓａｂｌｅ Ｐｒｏｇｒａｍｍａｂｌｅ Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒy）、フラッシュメモリ等を備えてもよい。育成側記憶部１２は、人工知能育成システム１０が備えるＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ、不図示）が実行するための各種プログラムやＣＰＵが実行した処理の結果などを記憶する。

育成側記憶部１２は、育成側人工知能情報記憶部１２１を備える。
育成側人工知能情報記憶部１２１は、育成対象の人工知能のソフトウェアプログラムのデータと、育成後の人工知能のソフトウェアプログラムのデータとを記憶する。本実施形態において、育成対象の人工知能のソフトウェアプログラムのデータは、育成後に削除してもよいし、残しておいてもよい。

育成側入力部１３は、ユーザからの入力を受け付ける。育成側入力部１３は、例えば、マウス、キーボード、又はタッチパネルなどの入力装置を備える。また、育成側入力部１３は、通信制御用ＩＣ等を備え、他の装置から情報の入力を受け付けたり、非一時記憶媒体から情報の読み出しを行ってもよい。育成側入力部１３は、例えば、学習データの入力や、取り出す人工知能のデータを選択する操作を受け付ける。

育成側出力部１４は、例えば、表示装置や音声出力装置、各種ドライブ等の出力装置を備える。また、育成側出力部１４は、通信制御用ＩＣ等を備え、他の装置に情報を出力したり、非一時記憶媒体に情報の書き出しを行ってもよい。

育成側制御部１１０は、人工知能育成システム１０が備える各構成を制御する。育成側制御部１１０が備える機能の一部又は全ては、例えば、人工知能育成システム１０が備えるＣＰＵが育成側記憶部１２に記憶されているプログラムを実行することにより実現される。育成側制御部１１０は、学習データ取得部１１１と、育成部１１２と、人工知能取出部１１３と、を備える。

学習データ取得部１１１は、育成側入力部１３を介して学習データの入力を受け付ける。ここでいう、学習データとは、単に入力のみのデータであってもよいし、教師データ（いわゆるラベル）を含むデータであってもよい。学習データは、育成対象の人工知能のアルゴリズムに応じて適宜選択されてよい。

育成部１１２は、人工知能に対して機械学習を実行し、人工知能を育成する。ここで、育成部１１２は、同じ人工知能（すなわち、複製）に対して、異なる機械学習を実行してよい。
図３は、人工知能の育成の概要を示す模式図である。
図３に示す例では、機械学習の違いによる画像認識用の人工知能の変化を模式的に示す。例えば、育成対象の人工知能（画像認識ＡＩ Ｖｅｒ．０）に対して、内容が異なる３つの異なる学習データ群を用いて学習を行うと、３つの異なる人工知能（画像認識ＡＩ Ｖｅｒ．０、Ｖｅｒ．１、Ｖｅｒ．２）が生成される。

このとき、各人工知能は、異なる学習データ群を用いて機械学習を行っているため、異なる特性を備えている。例えば、果物の画像、動物の画像、野菜の画像を含む画像群を学習データとし、画像の内容の比率を変えて機械学習を行うと、元の人工知能が同一であっても、得意分野の異なる人工知能が生成される。果物の画像に対しては、より多くの果物の画像を用いて機械学習を行った場合に、より高い識別精度が発揮されることが期待される。同様に、動物の画像に対しては、より多くの動物の画像を用いて機械学習を行った場合に、より高い識別精度が発揮されることが期待される。このように、育成部１１２は、内容が異なる学習データを用いて人工知能を育成することにより、異なる特性を備える人工知能を複数生成する。

また、育成部１１２は、学習データの内容だけでなく、学習データの量、学習データの提示順序等を変えて、機械学習を行ってもよい。育成部１１２は、このような機械学習を、別の学習データにより育成済みの人工知能に対して、繰り返し実行し、様々なパターンの人工知能を生成する。これにより、育成部１１２は、いわば育成の進捗度の異なる複数の人工知能を生成する。生成された人工知能のソフトウェアプログラムのデータは、育成側人工知能情報記憶部１２１に記憶される。

人工知能取出部１１３は、育成側入力部１３を介して、取出し対象として選択された人工知能のデータを取り出す。具体的には、人工知能取出部１１３は、人工知能のデータを、育成側人工知能情報記憶部１２１から読み出す。そして、人工知能取出部１１３は、読み出した人工知能のデータを、育成側出力部１４を介して、人工知能処理システム２０に送信したり、非一時記憶媒体に書き込んだりする。このとき、人工知能取出部１１３は、複数の人工知能をパッケージ化して取り出してよい。

ここで、パッケージ化について説明する。
図４は、人工知能のパッケージ化の概要を示す模式図である。
図４に示すように、人工知能育成システム１０は、機能が異なる人工知能のデータ、同じ機能であっても育成の進捗度（特性）の異なる人工知能のデータを保持している。ここで、人工知能処理システム２０は、そのシステムに応じて人工知能に要求する機能や特性は異なっている。そこで、人工知能取出部１１３は、要求される機能や特性に応じて、複数の人工知能をまとめ、パッケージを生成する。これにより、人工知能育成システム１０は、人工知能処理システム２０ごとに最適な人工知能群を容易に提供することができる。

ここで、一般的に、パッケージ化されたアプリケーションプログラムを利用するには、アプリケーションの実行に必要なライブラリ等の実行環境を、人工知能処理システム２０等の移行先に準備する必要がある。この場合、ライブラリ等の実行環境をインストールする作業が発生する。しかしながら、あるアプリケーションプログラムＡの実行に必要なライブラリＸと、別のアプリケーションプログラムＢの実行に必要なライブラリＸとのバージョンが違うことがある。このとき、ライブラリ自体は同じであるため、バージョンの異なるライブラリＸを共存させることができない可能性がある。
また、一般に、ホスト型仮想化やハイパーバイザ型仮想化等の仮想マシンでは、ＯＳ（Ｏｐｅｒａｔｉｎｇ Ｓｙｓｔｅｍ）領域も含めてアプリケーション実行環境をパッケージするため、１つ１つの仮想マシンのファイルサイズが大きくなる。また、仮想マシンの実行先では、ＣＰＵやメモリ等のハードウェアリソースを多く利用するため、複数の仮想マシンを配置する場合、仮想マシンの実行先は、高度な性能（スペック）を備える必要がある。

そこで、本実施形態に係る情報処理システム１は、パッケージ化において、コンテナ仮想化を行う。コンテナ仮想化では、アプリケーションの実行環境も含めてパッケージする。また、ＯＳ領域については、人工知能処理システム２０上のＯＳを共用し、アプリケーション実行環境のみをパッケージする。
これにより、情報処理システム１は、個々の仮想マシン（コンテナ）のファイルサイズを小さくすることができる。その結果、情報処理システム１は、仮想マシン配置するときのコピー時間を低減することができる。また、コンテナ仮想化により、人工知能処理システム２０において、ハードウェアリソースの利用率を抑えることができるため、人工知能処理システム２０は、複数の仮想マシンを配置する場合であっても、特別高度な性能を備える必要がない。
以上が、パッケージ化についての説明である。

次に、人工知能処理システム２０の構成について説明する。
人工知能処理システム２０は、コンピュータシステムを備える電子機器であり、例えば、サーバ装置やパーソナルコンピュータである。人工知能処理システム２０は、例えば、顧客の社内ネットワーク内に設けられる。人工知能処理システム２０は、処理側記憶部２２と、処理側入力部２３と、処理側出力部２４と、処理側制御部２１０と、を備える。

処理側記憶部２２は、例えば、ＲＯＭ、及びＲＡＭ等を備える。また、処理側記憶部２２は、ＨＤＤ、ＥＥＰＲＯＭ、及びフラッシュメモリ等を備えてもよい。処理側記憶部２２は、人工知能処理システム２０が備えるＣＰＵ（不図示）が実行するための各種プログラムやＣＰＵが実行した処理の結果などを記憶する。
処理側記憶部２２は、処理側人工知能情報記憶部２２１を備える。
処理側人工知能情報記憶部２２１は、人工知能のソフトウェアプログラムのデータを記憶する。

処理側入力部２３は、ユーザからの入力を受け付ける。処理側入力部２３は、例えば、マウス、キーボード、又はタッチパネルなどの入力装置を備える。また、処理側入力部２３は、通信制御用ＩＣ等を備え、他の装置から情報の入力を受け付けたり、非一時記憶媒体から情報の読み出しを行ってもよい。処理側入力部２３は、例えば、自システムに導入する人工知能のデータの入力を受け付けたり、人工知能を用いた処理の入力データを取得する。

処理側出力部２４は、例えば、表示装置や音声出力装置、各種ドライブ等の出力装置を備える。また、育成側出力部１４は、通信制御用ＩＣ等を備え、他の装置に情報を出力したり、非一時記憶媒体に情報の書き出しを行ってもよい。処理側出力部２４は、例えば、人工知能による処理の結果を出力する。

処理側制御部２１０は、人工知能処理システム２０が備える各構成を制御する。処理側制御部２１０が備える機能の一部又は全ては、例えば、人工知能処理システム２０が備えるＣＰＵが処理側記憶部２２に記憶されているプログラムを実行することにより実現される。処理側制御部２１０は、人工知能導入部２１１と、人工知能処理部２１２と、を備える。

人工知能導入部２１１は、処理側入力部２３が取得した人工知能のデータに基づいて、自システムに人工知能のソフトウェアプログラムを導入（インストール）する。人工知能導入部２１１は、例えば、人工知能のソフトウェアプログラムのデータを処理側人工知能情報記憶部２２１に記憶させる。また、人工知能の実行とするために、自システムの各種設定データを更新する。

人工知能処理部２１２は、人工知能導入部２１１が導入した人工知能により、所定の処理を実行する。人工知能処理部２１２は、画像認識や音声認識、テキスト認識等の内容が異なる複数の処理を実行してよい。人工知能処理部２１２は、例えば、処理側入力部２３を介して取得した入力データに応じた結果を生成し、生成した結果を処理側出力部２４に出力する。
以上が、情報処理システム１の構成についての説明である。

〔情報処理システム１の動作〕
次に、情報処理システム１の動作について説明する。
図５は、情報処理システム１による処理の流れの一例を示すシーケンスチャートである。
（ステップＳ１００）人工知能育成システム１０は、人工知能の育成を行うか否かを判定する。例えば、人工知能育成システム１０は、ユーザにより人工知能の育成が指示された場合に、人工知能の育成を行うと判定する。育成を行う場合（ステップＳ１００；ＹＥＳ）、情報処理システム１は、ステップＳ１０２に処理を進める。育成を行わない場合（ステップＳ１００；ＮＯ）、情報処理システム１は、ステップＳ１０８に処理を進める。

（ステップＳ１０２）人工知能育成システム１０は、育成対象の人工知能を選択する操作を受け付ける。その後、情報処理システム１は、ステップＳ１０４に処理を進める。
（ステップＳ１０４）人工知能育成システム１０は、学習データを取得する。その後、情報処理システム１は、ステップＳ１０６に処理を進める。
（ステップＳ１０６）人工知能育成システム１０は、取得した学習データを用いて、育成対象の人工知能に機械学習を実行させる。その後、情報処理システム１は、ステップＳ１００に処理を戻す。

（ステップＳ１０８）人工知能育成システム１０は、人工知能のデータを取り出すか否かを判定する。例えば、人工知能育成システム１０は、ユーザにより人工知能の取出しが指示された場合に、人工知能の取出すと判定する。人工知能のデータを取り出す場合（ステップＳ１０８；ＹＥＳ）、情報処理システム１は、ステップＳ１１０に処理を進める。人工知能のデータを取り出さない場合（ステップＳ１０８；ＮＯ）、情報処理システム１は、ステップＳ１００に処理を戻す。

（ステップＳ１１０）人工知能育成システム１０は、ユーザにより選択された人工知能のデータを取り出す。このとき、人工知能育成システム１０は、人工知能のデータを個別に取り出してもよいし、パッケージ単位で取り出してもよい。その後、情報処理システム１は、ステップＳ１１２に処理を進める。

（ステップＳ１１２）人工知能処理システム２０は、人工知能育成システム１０から取り出された人工知能を導入する。その後、情報処理システム１は、ステップＳ１１４に処理を進める。
（ステップＳ１１４）人工知能処理システム２０は、導入された人工知能により所定の処理を実行する。以降、人工知能処理システム２０は、独立して人工知能による所定の処理を実行してよい。
以上が、情報処理システム１の動作についての説明である。

〔実施形態のまとめ〕
以上説明してきたように、本実施形態による情報処理システム１は、人工知能育成システム１０と、人工知能育成システム１０とは異なる人工知能処理システム２０と、を備える情報処理システムであって、人工知能育成システム１０は、人工知能を育成する育成部１１２と、育成部１１２が育成した人工知能を取り出す人工知能取出部１１３と、を備え、人工知能処理システム２０は、人工知能取出部１１３が取り出した人工知能により、所定の処理を実行する人工知能処理部２１２と、を備える。

これにより、情報処理システム１は、人工知能育成システム１０において育成した人工知能を、人工知能処理システム２０において利用し、所定の処理を実行する。従って、人工知能処理システム２０は、育成後の人工知能により、所定の処理を実行することができるため、人工知能の導入後、初めから高い能力（精度）で処理を行わせることができる。

また、育成部１１２は、処理の内容が異なる複数の人工知能を育成し、人工知能処理部２１２は、育成部１１２が育成した複数の人工知能により、内容が異なる複数の処理を実行する。
これにより、人工知能育成システム１０は、パッケージ化された複数の人工知能を取出し、人工知能処理システム２０に提供することができる。従って、人工知能育成システム１０は、人工知能処理システム２０ごとに適切な人工知能を容易に提供することができる。そして、複数の機能を組み合わせなければ対応できないような高度な処理であっても、個々の機能に特化した単機能の人工知能を組み合わせることにより、様々なバリエーションにすぐに対応することができる。

また、育成部１１２は、学習前において同一である２つの人工知能を、内容が異なる学習データ群に基づいて育成する。
これにより、情報処理システム１は、異なる特性を備える複数の人工知能を、同じ人工知能から生成し、人工知能に多様性を持たせることができる。従って、人工知能処理システム２０ごとに適切な人工知能を容易に提供することができる。

また、育成部１１２は、学習前において同一である２つの人工知能を、異なる量の学習データ群を用いて育成する。
これにより、情報処理システム１は、学習の進捗度が異なる複数の人工知能を、同じ人工知能から生成し、人工知能に多様性を持たせることができる。従って、人工知能処理システム２０ごとに適切な人工知能を容易に提供することができる。

〔変形例〕
以上、この発明の実施形態について図面を参照して詳述してきたが、具体的な構成は上述の実施形態に限られるものではなく、この発明の要旨を逸脱しない範囲の設計等も含まれる。例えば、上述の実施形態において説明した各構成は、任意に組み合わせることができる。

なお、上述した実施形態では、一例として、人工知能処理システム２０が顧客の社内ネットワーク内に設けられる場合について説明したが、これには限られない。例えば、人工知能処理システム２０は、顧客の社内ネットワークの外部に設けられてもよい。
図６は、人工知能処理システム２０の設置の具体例を示す模式図である。
図６に示す例において、人工知能処理システム２０の人工知能処理部２１２は、社内ネットワーク内の各装置と通信して所定の処理を実行する。社内ネットワーク（ＮＷ）には、端末装置３０と、社内サーバ４０とが互いに通信可能に接続されている。人工知能処理部２１２は、例えば、端末装置３０の要求に応じて、社内サーバが管理する各種情報を参照し、スケジュールの調整、資料の抽出等所定の処理を実行する。

図６（ａ）に示す例では、人工知能処理部２１２は、社内ネットワークの外部に設けられており、人工知能処理部２１２は、外部連携インターフェース（ＩＦ）５０を介して、端末装置３０、社内サーバと通信する。図６（ｂ）に示す例では、人工知能処理部２１２は、社内ネットワーク内に設けられており、人工知能処理部２１２は、端末装置３０、社内サーバ４０と、社内ネットワークを介して通信する。

このように、人工知能処理システム２０は、社内ネットワークの内部に設けられてもよいし、外部に設けられてもよい。ただし、人工知能処理システム２０を社内ネットワークの外部に設けると、人工知能を導入する度に、外部連携インターフェース、端末装置３０の表示系ユーザインタフェース等の既存のシステムの大幅な改修を、操作フローを考慮して実施する必要がある。また、社内の情報を社外の人工知能処理システム２０と通信することになるため、セキュリティ対策も必要になる。これに対して、人工知能処理システム２０を社内ネットワークの内部に設ける場合、人工知能処理システム２０が、社内サーバ４０により生成されたＨＴＭＬ（ＨｙｐｅｒＴｅｘｔ Ｍａｒｋｕｐ Ｌａｎｇｕａｇｅ）画面の情報をＷｅｂスクレイピング等で取得する表示系ユーザインタフェースを提供する。これにより、人工知能処理システム２０は、既存システムの操作フローを考慮した大幅な改修をすることなく、セキュリティも向上させることができる。これにより、改修に伴う既存システムの停止時間を抑制し、短期間で人工知能を用いた処理を実行可能にすることができる。

また、上述の人工知能育成システム１０、人工知能処理システム２０の機能を実現するためのプログラムをコンピュータ読み取り可能な記録媒体に記録して、この記録媒体に記録されたプログラムをコンピュータシステムに読み込ませ、実行することにより人工知能育成システム１０、人工知能処理システム２０としての処理を行ってもよい。ここで、「記録媒体に記録されたプログラムをコンピュータシステムに読み込ませ、実行する」とは、コンピュータシステムにプログラムをインストールすることを含む。ここでいう「コンピュータシステム」とは、ＯＳや周辺機器等のハードウェアを含むものとする。また、「コンピュータシステム」は、インターネットやＷＡＮ、ＬＡＮ、専用回線等の通信回線を含むネットワークを介して接続された複数のコンピュータ装置を含んでもよい。また、「コンピュータ読み取り可能な記録媒体」とは、フレキシブルディスク、光磁気ディスク、ＲＯＭ、ＣＤ−ＲＯＭ等の可搬媒体、コンピュータシステムに内蔵されるハードディスク等の記憶装置のことをいう。このように、プログラムを記憶した記録媒体は、ＣＤ−ＲＯＭ等の非一過性の記録媒体であってもよい。また、記録媒体には、当該プログラムを配信するために配信サーバからアクセス可能な内部又は外部に設けられた記録媒体も含まれる。配信サーバの記録媒体に記憶されるプログラムのコードは、端末装置で実行可能な形式のプログラムのコードと異なるものでもよい。すなわち、配信サーバからダウンロードされて端末装置で実行可能な形でインストールができるものであれば、配信サーバで記憶される形式は問わない。なお、プログラムを複数に分割し、それぞれ異なるタイミングでダウンロードした後に端末装置で合体される構成や、分割されたプログラムのそれぞれを配信する配信サーバが異なっていてもよい。さらに「コンピュータ読み取り可能な記録媒体」とは、ネットワークを介してプログラムが送信された場合のサーバやクライアントとなるコンピュータシステム内部の揮発性メモリ（ＲＡＭ）のように、一定時間プログラムを保持しているものも含むものとする。また、上記プログラムは、上述した機能の一部を実現するためのものであってもよい。さらに、上述した機能をコンピュータシステムに既に記録されているプログラムとの組み合わせで実現できるもの、いわゆる差分ファイル（差分プログラム）であってもよい。

１…情報処理システム、１０…人工知能育成システム、２０…人工知能処理システム、１２…育成側記憶部、１２１…育成側人工知能情報記憶部、１３…育成側入力部、１４…育成側出力部、１１０…育成側制御部、１１１…学習データ取得部、１１２…育成部、１１３…人工知能取出部、２２…処理側記憶部、２２１…処理側人工知能情報記憶部、２３…処理側入力部、２４…処理側出力部、２１０…処理側制御部、２１１…人工知能導入部、２１２…人工知能処理部

Claims (5)

1. 自システムとは異なる人工知能処理システムであって、所定の処理を人工知能により実行する人工知能処理システムが利用可能な前記人工知能を育成する育成部と、
   前記育成部が育成した前記人工知能を取り出す人工知能取出部と、
   を備え、
   前記育成部は、第１の人工知能を、学習用データ群の第１部分を用いて育成することにより第２の人工知能を取得し、前記第２の人工知能を、前記学習用データ群の第２部分を用いて育成することにより第３の人工知能を取得し、
   前記人工知能取出部は、前記第２の人工知能と前記第３の人工知能とを取り出し可能である
   人工知能育成システム。
2. 前記育成部は、処理の内容が異なる複数の前記人工知能を育成し、
   前記人工知能取出部は、前記育成部が育成した複数の前記人工知能をパッケージ化して取り出す
   請求項１に記載の人工知能育成システム。
3. 前記育成部は、学習前において同一である２つの前記人工知能を、内容が異なる学習データ群に基づいて育成する
   請求項１又は請求項２に記載の人工知能育成システム。
4. 所定の処理を人工知能により実行する人工知能処理システムが利用可能な前記人工知能を、前記人工知能処理システムとは異なる人工知能育成システムが育成する第１ステップと、
   前記人工知能育成システムが、前記第１ステップにおいて育成した人工知能を取り出す第２ステップと、
   を含み、
   前記第１ステップでは、第１の人工知能を、学習用データ群の第１部分を用いて育成することにより第２の人工知能を取得し、前記第２の人工知能を、前記学習用データ群の第２部分を用いて育成することにより第３の人工知能を取得し、
   前記第２ステップでは、前記第２の人工知能と前記第３の人工知能とを取り出し可能である
   人工知能育成方法。
5. 人工知能育成システムのコンピュータに、
   前記人工知能育成システムとは異なる人工知能処理システムであって、所定の処理を人工知能により実行する人工知能処理システムが利用可能な前記人工知能を育成させる第１ステップと、
   前記第１ステップにおいて育成された前記人工知能を取り出す第２ステップと、
   を実行させるためのプログラムであって、
   前記第１ステップでは、第１の人工知能を、学習用データ群の第１部分を用いて育成することにより第２の人工知能を取得し、前記第２の人工知能を、前記学習用データ群の第２部分を用いて育成することにより第３の人工知能を取得し、
   前記第２ステップでは、前記第２の人工知能と前記第３の人工知能とを取り出し可能である
   プログラム。

Images