JP6381843B1 - 情報処理装置、情報処理方法、および、プログラム - Google Patents
情報処理装置、情報処理方法、および、プログラム Download PDFInfo
- Publication number
- JP6381843B1 JP6381843B1 JP2018070261A JP2018070261A JP6381843B1 JP 6381843 B1 JP6381843 B1 JP 6381843B1 JP 2018070261 A JP2018070261 A JP 2018070261A JP 2018070261 A JP2018070261 A JP 2018070261A JP 6381843 B1 JP6381843 B1 JP 6381843B1
- Authority
- JP
- Japan
- Prior art keywords
- knowledge
- information
- input
- output
- definition information
- 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.)
- Active
Links
- 230000010365 information processing Effects 0.000 title claims abstract description 31
- 238000003672 processing method Methods 0.000 title claims abstract description 6
- 230000002596 correlated effect Effects 0.000 claims abstract description 10
- 230000006870 function Effects 0.000 claims description 19
- 238000004590 computer program Methods 0.000 claims 1
- 230000008451 emotion Effects 0.000 abstract description 104
- 230000035945 sensitivity Effects 0.000 abstract description 29
- 210000004027 cell Anatomy 0.000 description 193
- 230000002996 emotional effect Effects 0.000 description 86
- 210000002569 neuron Anatomy 0.000 description 75
- 230000015654 memory Effects 0.000 description 43
- 230000007246 mechanism Effects 0.000 description 33
- 238000010586 diagram Methods 0.000 description 24
- 210000000225 synapse Anatomy 0.000 description 19
- 230000000875 corresponding effect Effects 0.000 description 17
- 238000011160 research Methods 0.000 description 17
- 230000033001 locomotion Effects 0.000 description 16
- 238000012545 processing Methods 0.000 description 15
- 238000000034 method Methods 0.000 description 14
- 238000013528 artificial neural network Methods 0.000 description 13
- 210000004556 brain Anatomy 0.000 description 13
- 238000001994 activation Methods 0.000 description 12
- 230000008859 change Effects 0.000 description 12
- 241000282472 Canis lupus familiaris Species 0.000 description 11
- 241000254158 Lampyridae Species 0.000 description 11
- 241000282414 Homo sapiens Species 0.000 description 8
- 230000004913 activation Effects 0.000 description 8
- 238000013473 artificial intelligence Methods 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 8
- 230000014509 gene expression Effects 0.000 description 7
- 230000004044 response Effects 0.000 description 7
- 238000013135 deep learning Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 5
- 238000012937 correction Methods 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 4
- 230000015572 biosynthetic process Effects 0.000 description 4
- 230000003925 brain function Effects 0.000 description 4
- 230000008054 signal transmission Effects 0.000 description 4
- 230000000946 synaptic effect Effects 0.000 description 4
- 230000009466 transformation Effects 0.000 description 4
- 230000037007 arousal Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 238000012217 deletion Methods 0.000 description 3
- 230000037430 deletion Effects 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 230000006386 memory function Effects 0.000 description 3
- 230000000877 morphologic effect Effects 0.000 description 3
- 230000035807 sensation Effects 0.000 description 3
- 230000001953 sensory effect Effects 0.000 description 3
- 241001465754 Metazoa Species 0.000 description 2
- 230000007321 biological mechanism Effects 0.000 description 2
- 230000031018 biological processes and functions Effects 0.000 description 2
- 230000008309 brain mechanism Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 230000007595 memory recall Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000001537 neural effect Effects 0.000 description 2
- 238000003062 neural network model Methods 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 241000282412 Homo Species 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000003213 activating effect Effects 0.000 description 1
- 210000003926 auditory cortex Anatomy 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000020411 cell activation Effects 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
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000001771 impaired effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003340 mental effect Effects 0.000 description 1
- 210000005036 nerve Anatomy 0.000 description 1
- 230000008555 neuronal activation Effects 0.000 description 1
- 238000004321 preservation Methods 0.000 description 1
- 230000033764 rhythmic process Effects 0.000 description 1
- 230000004936 stimulating effect Effects 0.000 description 1
- 230000000638 stimulation Effects 0.000 description 1
- 230000004083 survival effect Effects 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 230000002618 waking effect Effects 0.000 description 1
Images
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- User Interface Of Digital Computer (AREA)
Abstract
Description
このような構成によれば、環境等に応じて変化する感情モデルを構築することができる。
このような構成によれば、連想覚醒によってより多くの関連する情報を得ることができる。
このような構成によれば、連想覚醒によってより多くの関連する情報を得ることができる。
このような構成によれば、感情の複雑な動きを模擬することができる。
このような構成によれば、相関性の高さを設定することで、感情または感性の関連性の高さを任意に設定することができる。
このような構成によれば、感情または感性を自由に追加、削除、補正することができる。
このような構成によれば、様々な情報を感情または感性として蓄積することができる。
このような方法によれば、環境等に応じて変化する感情モデルを構築することができる。
このようなプログラムによれば、環境等に応じて変化する感情モデルを構築することができる。
ニューロンナレッジモデルは脳型知識構造を原点として考えられている。情報を記憶する機能を持つニューロンと情報を伝達する仕組みのシナプスの働きである。ニューラルネットワークも同様な記憶モデルが基本であるが大きく異なる点が2つある。それは記憶の自由度と知識の推論方法である。この2つを研究する事により、人の記憶の仕組みを脳型知識構造の知識推論として提言することができ、ニューロンナレッジモデルを基盤とした感情推論システムを実現することができた。しかし人の記憶の仕組みの全てをニューロンナレッジモデルで実証できた訳ではなく基礎研究の段階であるが、その研究成果を以下に説明する。
ニューラルネットワークでは特徴概念が深層木構造により上位概念から下位概念にネットワークで構成されている。この特徴概念をひとつの概念知識と考えれば、複数の概念知識が深層木構造で構成された知識構造と考えられる。
神経細胞のニューロンは様々な刺激に対して活性化する部位が異なることが説明されている。例えば、図1は、和音を聞いたときの活性化部位と脳内メカニズムを示している。図1のMRI画像にも示すとおり、音楽鑑賞では聴覚野以外にもリズムを感じる部位が活性化されることが説明されている。合わせて特記したいことは活性化された部位が離れていることである。もしシナプスで結合された隣り合うニューロンが活性化されるのであれば、MRI画像には聴覚野から活性化された連続したニューロンが表示されても良いと思われるが活性化されているのは離れた部位だけのように見える。このことにより次の考察を行う。
脳内の関連するニューロンがシナプスの信号伝達に関係なく離れた場所で活性化しているかのように、知識モデルも知識がネットワーク構造に関係なく知識が評価できる仕組みが必要である。
神経細胞のシナプスは隣り合うニューロンを信号結合して神経信号を伝達する働きがある。ニューラルネットワークモデルでも上層の概念知識(ニューロン)がネットワーク(シナプス)を通じて下層概念へ連続して推論処理が伝達される仕組みとされている。ところが図1のMRI画像からはシナプスが連続して信号を伝達しているようには見られない。このことにより次の考察を行う。
脳内で離れて活性化されている部位間のニューロンが、シナプスで結合されていても活性化されていないかのように、知識モデルのネットワークもネットワークに依存しないで概念知識に情報を伝達する仕組みが必要である。
神経細胞のシナプスは幼少期からシナプスのネットワークが活発に形成され様々な知識が生成されていく。また脳内に障害が発生した場合、別の部位で新たなシナプスのネットワークが形成されて、障害で低下した機能を補うことは知られている。つまりシナプスはニューロンの信号伝達の機能だけでなく、記憶の形を司っているようにも見える。このことにより次の考察を行う。
脳内でシナプスが生体的環境により目的とするニューロンへネットワークを自由に形成していくかのように、知識モデルの概念知識の関係は結合的なものではなく常に自由に形成できる仕組みが必要である。
従来から提示されてきた様々な記憶モデルでは、強弱はあるものの他の記憶と何らかの連結性を持っており、ひとつの記憶を紐解けば、それに紐付く記憶が引き出されるモデルで表現されてきた。しかし考察から導き出された結論は、知識構造が結合的な束縛を受けているネットワーク型の知識モデルでなく、概念知識同士が独立して存在しながら意味関係を形成し、お互いに情報を交換して活性化する自由度の高い知識モデルの実現である。
今まで考えられてきた脳型知識モデルでは、脳機能を細かく解析して、その機能を網羅する知識モデルを構築しようと試みてきた。しかしそれは新たに解明される脳機能の実装に伴うモデルの複雑化と、脳型機能のモデル処理の巨大化により、脳型知識モデルの実装には多くの課題が発生した。これらの原因は脳型知識モデルを脳機能の視野からモデル設計してきたことに大きい。ニューロンナレッジモデルは、脳機能の基本となる神経細胞のニューロンやシナプスを単位としてモデル化を行い、知識モデルを単純な仕組みで設計することに着眼した。それにより単純で自由度が高い知識構造モデルで記憶機能を実現することができた。
脳内ではニューロンやシナプスによって記憶が形成されている。記憶は「記銘」「保存」「想起」の3大機能で様々な情報や知識を操作している。ニューロンナレッジモデルにおいても記憶機能は確立されている。
ニューロンナレッジモデルでは、視覚や聴覚や感覚などの外部刺激により記憶(知識)の想起が開始される。もし想起される記憶がない場合は外部刺激の情報が記憶として記銘される。
ニューロンナレッジモデルで保持されている記憶は、外部環境の変化により活性化の抑揚が変化するので時間的要素や環境的要素により推論結果は異なる。
ニューロンナレッジモデルによる記憶の知識密度は常に変化するが、初期段階では異なる記憶同士で同じ意味を持つ場合がある。この状態で記憶が保存されるときは外部に対して相違知識の学習を要求する。
図2は、本発明の第1実施形態に係るニューロンナレッジモデルの構成例を示す図である。ニューロンナレッジモデルにおける知識の単位はナレッジセルと呼ばれ、神経細胞のニューロンの働きを行う。脳の記憶がニューロンで形成されているように、ニューロンナレッジモデルによる記憶の仕組みはナレッジセルの働きで説明することができる。
ナレッジセルは刺激に反応する「レセプター」と呼ばれる素子と、刺激を他のナレッジセルに発信する「インパルス」と呼ばれる素子を持っている。
ニューロンが脳内記憶の中枢であるように、ナレッジセルも外部刺激からの情報を記憶していく。ナレッジセルは知識のユニーク感度が強く、同じ知識内容を持つナレッジセルが他に存在する場合は相違知識の要求を外部へ刺激として発信を行う。
ニューロンがシナプスからの信号で活性化するように、ナレッジセルもレセプターへの刺激により覚醒する。但しレセプター強度により外部刺激の受信が抑制される場合があるのですべての場合でナレッジセルが常に覚醒するとは限らない。
ニューロンがシナプスを通して別のニューロンに信号を送るように、ナレッジセルも覚醒するとインパルスから他のナレッジセルや外部(返答)に覚醒刺激を発信する。但しインパルス強度により覚醒刺激の発信が抑制される場合があるのですべての場合で常に発信されるとは限らない。
ナレッジセルの覚醒によりインパルスから発信された覚醒刺激は他のナレッジセルへ伝達される。これをナレッジセルの連携覚醒という。連携覚醒によりレセプターが覚醒刺激の反応を繰り返えしながらナレッジセルが活性化されて知識が掘り起こされていく。
人が記憶を呼び起こす場合には、ある程度で記憶の想起を終わらせる場合と、求める事象に辿り着くまで深く記憶を掘り起こしていく場合がある。ニューロンナレッジモデルにおけるナレッジセルの連携覚醒も、何度も記憶を掘り起こしていくことができるが、どの程度の記憶レベルで覚醒を終わらせるかはシステム環境の利用者に依存するところである。
深層木構造の知識で推論するディープラーニングシステムは機械推論と呼ばれるが、広い意味で述べれば知識で推論するので知識推論機構である。しかし、本件明細書では、本来の自由度の高い知識で推論するニューロンナレッジモデルで推論する機構を、機械推論の対岸の機構として知識推論と定義する。
図3に、ディープラーニングと、ニューロンナレッジモデルを利用した知識推論システムの比較表を示す。
知識推論はニューロンナレッジモデルによる推論機構であるため、外部刺激は入力インターフェースから受け取り、推論結果は出力インターフェースから外部へ送るシステム環境が必要である。例えばシステム商品が音声入力による場合は音声認識や意味理解の人工知能技術が必要となり、カメラ画像入力による場合は画像認識の人工知能技術が必要となり、音声出力の場合は音声文章生成の人工知能技術などの入出力インターフェース技術が必要となる。
以下に、本発明の第1実施形態の具体的な動作について説明する。図4〜図7は、第1実施形態の具体的な動作を説明する図である。図4〜図7において、{}はナレッジセルのナレッジ本体を示し、*はインパルス(覚醒により刺激を発信する素子)を示し、:は、レセプター(刺激を受動する素子)を示す。また、入力条件としては、以下の通りである。
知識推論への入力フォーマット(仮)
“『主部』は [『修飾部』] 『目的部』”
知識推論への入力指示
語尾に!印は学習入力指示
語尾に?印は質問入力指示
プロンプト
● 利用者側の指示プロンプト
◎ 利用者側の知識回答用プロンプト
知識推論側のプロンプト
人は外部から刺激を受けて心を動かされる。刺激を受けてから心が動くまでの生体的な仕組みは、脳内で信号が複雑に交信されている。今までの人工知能で感情を扱う試みでは、この感情を形成する複雑で生体的な仕組みのモデル化を目的としてきた。しかし、心が動いた最終状態の感情について客観視した場合、感情表現とは、外部から刺激を受けると、脳内の何らかの生体的作用を経て、記憶されていた感情が活性化された状態に変化したものと言える。
人の心の作用は非常に複雑である。ポジティブな感情やネガティブな感情が複雑に入り混じることがある。しかし当研究は、喜びや悲しみなどの心の複雑な生体的作用を表現する生体モデルの研究ではない。外部からの感情刺激を受けて、記憶としての感情を呼び起こしたり、集団的に共通な感情に照らし合わせて推論する仕組みの研究である。これは記憶された感情を知識として考えることで、外部刺激として与えられる感覚情報から感情の知識を推論することが可能となる。
前章のニューロンナレッジモデルは学習している知識を活性化させながら推論を行う。このモデルの知識を、記憶された感情知識として活性化する環境モデルが出来れば、感情知識を推論させることが可能である。この仕組みによって感情知識を推論する方法を感情推論と定義する。
感情推論は、ニューロンナレッジモデルの知識基盤を利用して、外部刺激として取得した感情や感覚情報により、学習している感情知識を推論する方法である。
感情推論は、自分が記憶してきた感情知識を探索したり、他人の感情知識に共感することで、感情を理解するコミュニケーション環境を実現して、心の伝達をケアできる、人に優しいシステムで社会に貢献していくことを目的とする。
感情推論は、推論で扱う知識の種類により「自己的感情推論」と「利他的感情推論」に大別される。自己的感情推論は自己の経験で記憶した感情知識から推論を行うことで、自己啓発や自己反省など自己の生活の中で感情推論を活用する。また利他的感情推論は他人の経験感情や集団的学習で記憶した感情知識から感情の推論を行う。これは他人との感情伝達の補佐や大衆感情の分析、集団感情知識を利用した感情探索など、特定な環境やツールとして感情推論を活用する。
人が外部刺激によって感情を感じるとき、その時の感性の状態が大きく影響する。感情推論では感情知識を推論する場合、外部刺激から受ける感情で直接推論するのではなく、まず推論する時の感性を形成して推論を行う感情の推論環境を準備する。これにより感情推論を行うときの心の状態で感情知識を推論できる。感性は『プリーツ(心の襞)』と呼ばれる感性記憶の断片で構成される。
外部刺激から形成された感性は感性知識として構築される。この感性は自己の心の設計図となり、外部刺激から感性が形成される度に、刺激に近い記憶されている感性が呼び出されて利用される。感性知識は利用者毎で構築されることが基本であるが、必要に応じては他人の感性を参照する場合もある。
感情の推論環境として形成された感性によって、知識推論モデルと同様に感情知識が推論される。ここで感性により活性化する感情知識が無い場合は、感性の情報を感情知識として学習する。
8.1 感情推論のナレッジモデル
感情推論システムは感情推論を利用して構築された推論システムである。以下に推論機構について説明する。
感情推論システムが知識推論モデルと異なるのは、推論機構が2つ存在する。ひとつは自己の感性を形成するときに推論を行う「感性知識」推論機構と、他方は対象となる感情知識に対して推論を行う「感情知識」推論機構である。他人の感情や集団的学習で構築された感情知識を推論する「利他的感情推論」の場合は、感性知識と感情知識を分ける必要はあるが、「自己的感情推論」を構築する場合は両者を共通の感情知識として扱うことができる。
感情推論システムの知識環境はニューロンナレッジモデルを基盤としているので、感情推論で扱われる知識の単位もナレッジセルである。感情推論システムでは2つの知識で構成されており、感性知識の「プリーツ」も感情知識の「ナレッジ」も感情型のナレッジセルである。感情型ナレッジセルは、外部からの感情刺激を受ける「センス」と呼ばれる素子と、感情刺激を発信する「シンパシー」と呼ばれる素子を持つ。センス素子にはセンス強度と呼ばれる刺激の受信を抑制される仕組みがあり、全ての場合で感情型ナレッジセルが活性化されるとは限らない。またシンパシー素子もシンパシー強度により感情刺激の発信が抑制される場合がある。
感情推論システムが外部から刺激を受けると(図8−(1))、感情推論を行う為の心の状態となる自己の感性(マインドプリーツ)を形成する(図8−(2))。人は感情が奮起する場合には心の状態に影響して、記憶したシチュエーションを思い起こし心の襞を形成する。感情推論システムでは過去の外部刺激を記憶している感性知識を推論してプリーツ(心の襞)を取得し、プリーツ情報のシンパシーで感性を形成する。この時の感性知識の推論はニューロンナレッジモデルの推論手法に準ずる。
形成された感性は外部刺激として感情知識の推論機能を起動させる(図8−(3))。自己の感性(心の襞)を形成したシンパシーからの外部刺激を受けて、センスにより活性化された感情型ナレッジのシンパシーが外部インターフェース(返答:図8−(4))や他の感情型ナレッジセルに覚醒刺激を発信する。これにより感情知識に記憶されたナレッジが活性化され返答を行う。この時の感情知識の推論はニューロンナレッジモデルの推論手法に準ずる。
感情推論システムを「自己的感情推論」で利用する場合には感性知識と感情知識を共通の知識として扱うことができる。これは知識の推論範囲が自己の感情記憶で閉じられているため、感性を形成する感性知識のプリーツ記憶と、感情を推論する感情知識のナレッジ記憶が、ひとりの同じ記憶と考えられるからである。
感情型ナレッジセルでは様々な感性を扱う。例えば五感で感じる感覚感性としては「熱い」「寒い」「眩しい」「苦しい」「静か」などの感覚を表す感性値を扱う。また心で感じる感情感性としては「寂しい」「嬉しい」「楽しい」「辛い」などの感情を表す感性値を扱う(類語変換は自動で行う)。既に説明したとおり感情推論システムで感情を構築する場合、感情の生体的な構造表現を扱うのではなく、人の感情表現をナレッジセルの感情値として学習する。例えば「楽しい」と「嬉しい」を近い感情として推論させたい場合は、マインドプリーツで同様のセンスを持つ知識として学習させることで、感情推論を行う心の襞に集めることが可能である。
以下に、本発明の第2実施形態の具体的な動作について説明する。図9および図10は、第2実施形態の具体的な動作を説明する図である。まず、図9は、着物の知識による感情推論(着物の選択)の動作例を示している。図9の例では、外部刺激として「川の 自然で 遊ぶ 大人の 恋」が与えられ、この外部刺激が個人の感性記憶としての感性知識に働きかけ、マインドプリーツとしての感性が形成される。このようにして形成されたマインドプリーツは、着物の知識としての感情知識に働きかけ、推論結果としての着物の種類が出力される。すなわち、図9の例では、外部刺激から情緒の感性を形成して、着物の感情知識のセンスを情緒で推論する。
2017年7月現在において、知識推論や感情推論の研究実装が進められているシステムについて紹介する。
〜知識推論の知識対話による専門技術の継承〜
図11は、専門技術の継承コンシェルジュについて説明する図である。図11では、3人の専門技術の経験と技を知識化して誰でもが利用できるようにする。各知識は法令変更により常に更新される。
〜感情推論の参加型感情取得による尺度調査〜
図12は、来館者の感情学習コミュニケーターについて説明する図である。図12では、来館者と企画対話することで感情尺度を学習して、感情知識を集計してリアルタイムな展示改善や計画に活用する。
〜感情推論の感性フィルターによる心の伝達〜
図13は、被介護者のマインドケアについて説明する図である。図13では、被介護者が表現する感情から形成された感性と、介護者が理解する感性との相違をケアして、心を伝達できる環境を提供する。また介護者からの感性もケアされて伝達する。
・ナレッジ素子の強度の変化に関する研究
・ナレッジセルの生存サイクルに関する研究
・複雑系の感情表現に関する研究
・感情遷移のモデル化に関する研究
・入出力インターフェースの検証研究
・インターフェース基盤の策定研究
(ハイブリッドナレッジモデル)
・知識構造のナレッジ連携に関する研究
・推論機構のエンジン連携に関する研究
ナレッジセルに入力情報が与えられると、入力情報と入力定義情報との間の相関性が判定され、相関性が高いと判定した場合には、ナレッジセルが覚醒され、覚醒されると次の活性化処理(後述する)に移行する。以下では、入力情報と入力定義情報の相関性が高いと判定された状態を「ナレッジセルが覚醒された状態」と称する。
(2)ナレッジセルの活性化
ナレッジセルが入力情報によって覚醒された状態になると、出力定義情報が出力される。この出力処理を以下では「ナレッジセルの活性化処理」と称する。
(2)ナレッジセル2に入力情報「浴衣」が入力されるとともに、ナレッジセル1から出力された出力情報「蛍」が入力され、ナレッジセル2が覚醒されることで、出力情報「花火」が出力される。
(3)ナレッジセル3にナレッジセル2からの出力情報である「花火」が入力されて覚醒され、出力情報「はかない」が出力される。
11 CPU
12 ROM
13 RAM
14 HDD
15 GPU
16 I/F
17 バス
A,B 外部刺激
V,W,X ナレッジ
Claims (9)
- 情報を入力する入力手段と、
利用者毎に記憶され、入力定義情報と、出力定義情報とを有し、前記入力定義情報と相関性が高い情報が前記入力手段から入力された場合には、前記出力定義情報を出力する複数の第1ナレッジセルと、
前記出力定義情報の集合体としてのマインドプリーツと、
複数の利用者に対して共通して記憶され、前記入力定義情報と、前記出力定義情報とを有し、前記入力定義情報と相関性が高い情報が前記マインドプリーツとして入力された場合には、前記出力定義情報を出力する複数の第2ナレッジセルと、
前記第2ナレッジセルから出力された前記出力定義情報を外部に出力する出力手段と、
を有することを特徴とする情報処理装置。 - 前記第1ナレッジセルは、前記入力手段から入力された情報とともに、他の前記第1ナレッジセルから出力される情報も入力することを特徴とする請求項1に記載の情報処理装置。
- 前記第2ナレッジセルは、前記マインドプリーツとして入力された情報とともに、他の前記第2ナレッジセルから出力される情報も入力することを特徴とする請求項1または2に記載の情報処理装置。
- 前記第1ナレッジセルおよび前記第2ナレッジセルは、複数の前記入力定義情報を有し、複数の前記入力定義情報の少なくとも1つが入力された場合に、前記出力定義情報を出力する、
ことを特徴とする請求項1乃至3のいずれか1項に記載の情報処理装置。 - 前記第1ナレッジセルおよび前記第2ナレッジセルは、前記入力手段または他の前記第1ナレッジセルまたは前記第2ナレッジセルから入力された情報と、前記入力定義情報との相関性の高さを設定可能であることを特徴とする請求項1乃至4のいずれか1項に記載の情報処理装置。
- 前記第1ナレッジセルまたは前記第2ナレッジセルを追加、削除、または、補正する改変手段を有することを特徴とする請求項1乃至5のいずれか1項に記載の情報処理装置。
- 前記入力定義情報および前記出力定義情報は、テキスト情報、音声情報、または、画像情報によって構成されていることを特徴とする請求項1乃至6のいずれか1項に記載の情報処理装置。
- 情報を入力する入力ステップと、
利用者毎に記憶され、入力定義情報と、出力定義情報とを有し、前記入力定義情報と相関性が高い情報が前記入力ステップから入力された場合には、前記出力定義情報を出力する複数の第1ナレッジセルと、
前記出力定義情報の集合体としてのマインドプリーツと、
複数の利用者に対して共通して記憶され、前記入力定義情報と、前記出力定義情報とを有し、前記入力定義情報と相関性が高い情報が前記マインドプリーツとして入力された場合には、前記出力定義情報を出力する複数の第2ナレッジセルと、
前記第2ナレッジセルから出力された前記出力定義情報を外部に出力する出力ステップと、
を有することを特徴とする情報処理方法。 - コンピュータを、
情報を入力する入力ステップ、
利用者毎に記憶され、入力定義情報と、出力定義情報とを有し、前記入力定義情報と相関性が高い情報が前記入力ステップから入力された場合には、前記出力定義情報を出力する複数の第1ナレッジセル、
前記出力定義情報の集合体としてのマインドプリーツ、
複数の利用者に対して共通して記憶され、前記入力定義情報と、前記出力定義情報とを有し、前記入力定義情報と相関性が高い情報が前記マインドプリーツとして入力された場合には、前記出力定義情報を出力する複数の第2ナレッジセル、
前記第2ナレッジセルから出力された前記出力定義情報を外部に出力する出力ステップ、
として機能させることを特徴とするコンピュータ読み取り可能なプログラム。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017148096 | 2017-07-31 | ||
JP2017148096 | 2017-07-31 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP6381843B1 true JP6381843B1 (ja) | 2018-08-29 |
JP2019028994A JP2019028994A (ja) | 2019-02-21 |
Family
ID=63354757
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018070261A Active JP6381843B1 (ja) | 2017-07-31 | 2018-03-30 | 情報処理装置、情報処理方法、および、プログラム |
JP2018070260A Active JP6443817B1 (ja) | 2017-07-31 | 2018-03-30 | 情報処理装置、情報処理方法、および、プログラム |
Family Applications After (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018070260A Active JP6443817B1 (ja) | 2017-07-31 | 2018-03-30 | 情報処理装置、情報処理方法、および、プログラム |
Country Status (1)
Country | Link |
---|---|
JP (2) | JP6381843B1 (ja) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7193870B2 (ja) * | 2020-04-13 | 2022-12-21 | 一般社団法人ニューロンナレッジ人工知能研究所 | 人工頭脳システム及びそれに用いられる智識装置 |
JP6930781B1 (ja) * | 2021-04-05 | 2021-09-01 | クリスタルメソッド株式会社 | 学習方法、及びコンテンツ再生装置 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0916403A (ja) * | 1995-07-04 | 1997-01-17 | Nippon Telegr & Teleph Corp <Ntt> | 補間推論装置 |
JP2003173349A (ja) * | 2001-12-06 | 2003-06-20 | Aruze Corp | 情報検索システム及び情報検索方法 |
-
2018
- 2018-03-30 JP JP2018070261A patent/JP6381843B1/ja active Active
- 2018-03-30 JP JP2018070260A patent/JP6443817B1/ja active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0916403A (ja) * | 1995-07-04 | 1997-01-17 | Nippon Telegr & Teleph Corp <Ntt> | 補間推論装置 |
JP2003173349A (ja) * | 2001-12-06 | 2003-06-20 | Aruze Corp | 情報検索システム及び情報検索方法 |
Non-Patent Citations (2)
Title |
---|
石坂 敏弥: "単語が持つ感情的イメージのファジィ処理", 情報処理学会研究報告, vol. 第92巻, JPN6018026009, 22 September 1992 (1992-09-22), pages 25 - 32 * |
風間 勇志: "状況を考慮した感情推定方式と感覚語を用いた多様な感情生成法", 情報処理学会研究報告, vol. 第2004巻, JPN6018026010, 14 January 2004 (2004-01-14), pages 115 - 122 * |
Also Published As
Publication number | Publication date |
---|---|
JP2019028994A (ja) | 2019-02-21 |
JP6443817B1 (ja) | 2018-12-26 |
JP2019028993A (ja) | 2019-02-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Downes | Connectivism | |
Gamez | Progress in machine consciousness | |
Vallverdú et al. | A cognitive architecture for the implementation of emotions in computing systems | |
Arciero et al. | The foundations of phenomenological psychotherapy | |
Brier | Finding an information concept suited for a universal theory of information | |
Dimitrievska et al. | Behavior models of emotion-featured robots: A survey | |
JP6381843B1 (ja) | 情報処理装置、情報処理方法、および、プログラム | |
Hudlicka | Affective BICA: Challenges and open questions | |
Kadam et al. | Cognitive evaluation of machine learning agents | |
Abrutyn et al. | Grief, care, and play: Theorizing the affective roots of the social self | |
CN115374790A (zh) | 基于因果图神经网络的学习者情感演化分析方法与系统 | |
Williams | A therapeutic approach to teaching poetry: Individual development, psychology, and social reparation | |
Churchland | Neurophilosophy: the early years and new directions | |
Mirolli et al. | Language as a cognitive tool | |
Curren | Wisdom and the origins of moral knowledge | |
Magnani et al. | Semiotic brains and artificial minds: How brains make up material cognitive systems | |
Chang | Foundation, Architecture, and Prototyping of Humanized AI: A New Constructivist Approach | |
Buheji | Socio-economic issues storytelling for closing intergenerational gap | |
Liska | Sign arbitrariness as an index of semiogenesis | |
Thompson et al. | The architecture of social developmental science | |
Eisman et al. | Controlling the emotional state of an embodied conversationalagent with a dynamic probabilistic fuzzy rules based system | |
Chernavskaya et al. | The Natural-Constructive Approach to Representation of Emotions and a Sense of Humor in an Artificial Cognitive System | |
Mendes et al. | Robotic animals: leaps and bounds in dementia care | |
Possati | Freud and the algorithm: neuropsychoanalysis as a framework to understand artificial general intelligence | |
Prescott | The Psychology of Artificial Intelligence |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20180330 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20180330 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A821 Effective date: 20180504 |
|
A711 | Notification of change in applicant |
Free format text: JAPANESE INTERMEDIATE CODE: A711 Effective date: 20180501 |
|
A975 | Report on accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A971005 Effective date: 20180531 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20180711 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20180731 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6381843 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
S111 | Request for change of ownership or part of ownership |
Free format text: JAPANESE INTERMEDIATE CODE: R313117 |
|
S531 | Written request for registration of change of domicile |
Free format text: JAPANESE INTERMEDIATE CODE: R313531 |
|
R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |