JP6913213B2 - 人工知能構築装置、情報提供システム、人工知能構築方法及びプログラム - Google Patents

Description

本発明は、人工知能構築装置、情報提供システム、人工知能構築方法及びプログラムに関する。

ニューラルネットワーク等の人工知能に関する実用例は多数提案されている。例えば、特許文献１には、ニューラルネットワークの追加学習において、過学習とデータセットの組み合わせによる負の転移に左右されないデータ学習を実施することが可能な追加学習装置について記載されている。

特開２０１６−１４３０９４号公報

人工知能を使ってビジネスを展開する場合、顧客に応じて構築した学習済み人工知能を第三者に改ざん、盗難されないようにする必要がある。しかしながら、現状では、学習済み人工知能は営業秘密、契約等で守る以外に術がなく、サービス提供者は、自身で学習済み人工知能を保護する取り組みが必要である。

本発明は、上記課題に鑑みてなされたものであって、その目的は、学習済み人工知能を強固に保護することが可能な人工知能構築装置、情報提供システム、人工知能構築方法及びプログラムを提供することにある。

本発明の第１の態様によれば、人工知能構築装置は、学習済みの人工知能を特徴づけるパラメータ群が予め複数の記録装置に分散記録された分散型記録システムに含まれる一の前記記録装置を参照して、当該パラメータ群を取得するパラメータ群取得部と、前記パラメータ群の各々の、前記学習済みの人工知能における適用箇所を特定可能な情報が規定された設計情報を取得する設計情報取得部と、取得した前記パラメータ群と前記設計情報とに基づいて、前記学習済みの人工知能の少なくとも一部を構築する人工知能構築部と、を備える。

本発明の第２の態様によれば、人工知能構築方法は、学習済みの人工知能を特徴づけるパラメータ群が予め複数の記録装置に分散記録された分散型記録システムに含まれる一の前記記録装置を参照して、当該パラメータ群を取得するステップと、前記パラメータ群の各々の、前記学習済みの人工知能における適用箇所を特定可能な情報が規定された設計情報を取得するステップと、取得した前記パラメータ群と前記設計情報とに基づいて、前記学習済みの人工知能の少なくとも一部を構築するステップと、を有する。

本発明の第３の態様によれば、プログラムは、コンピュータに、学習済みの人工知能を特徴づけるパラメータ群が予め複数の記録装置に分散記録された分散型記録システムに含まれる一の前記記録装置を参照して、当該パラメータ群を取得するステップと、前記パラメータ群の各々の、前記学習済みの人工知能における適用箇所を特定可能な情報が規定された設計情報を取得するステップと、取得した前記パラメータ群と前記設計情報とに基づいて、前記学習済みの人工知能の少なくとも一部を構築するステップと、を実行させる。

上述の人工知能構築装置、情報提供システム、人工知能構築方法及びプログラムによれば、学習済み人工知能を強固に保護することができる。

第１の実施形態に係る情報提供システムの全体構成を示す図である。 第１の実施形態に係る情報提供装置の機能構成を示す図である。 第１の実施形態に係る分散型記録システムのデータ構造を示す図である。 第１の実施形態に係る情報提供装置の処理フローを示す図である。 第１の実施形態に係る顧客情報のデータ構造を示す図である。 第１の実施形態に係る設計情報のデータ構造を示す図である。 第１の実施形態に係る情報提供装置の機能を説明するための図である。 第２の実施形態に係る情報提供システムの全体構成を示す図である。 第２の実施形態に係る設計情報のデータ構造を示す図である。 第３の実施形態に係る情報提供装置の機能構成を示す図である。

＜第１の実施形態＞
以下、本発明の第１の実施形態について図面を参照しながら説明する。すべての図面において同一または相当する構成には同一の符号を付し、共通する説明は省略する。

（情報提供システムの全体構成）
図１は、第１の実施形態に係る情報提供システムの全体構成を示す図である。
第１の実施形態に係る情報提供システム１は、学習済みの人工知能を用いて顧客が所望する支援情報を提供する。例えば、情報提供システム１は、発電プラントを運用する顧客Ａに対し、当該発電プラントの異常予兆診断情報、電力需要予測情報等の支援情報を提供する。情報提供システム１は、顧客Ａが保有する発電プラントについて予め学習済みの人工知能αを用いて、上記支援情報を提供する。
人工知能αは、例えば、顧客Ａが保有する発電プラントの、過去５年のプラントデータ群（出力電力、運転指令、各種計器類の検出値等）を教師データとして最適化（学習）が施されたものであってよい。このようにして作成された学習済みの人工知能αは、発電プラントの運転中におけるプラントデータ群を逐次入力するとともに、当該プラントデータ群に基づいて発電プラントの将来の状態を示す上記支援情報を出力することができる。 なお、本実施形態において、人工知能αは、複数段の層構造をなすニューラルネットワークであるものとする。ただし、他の実施形態においてはこの態様に限定されない。

図１に示すように、情報提供システム１は、情報提供装置１０と、分散型記録システム２とを有してなる。
情報提供装置１０は、顧客Ａの端末装置（情報処理装置）に対して支援情報を提供（送信）する。本実施形態において、情報提供装置１０は、サービス提供者（発電プラントについての支援情報の提供者）が所持するものであって、顧客Ａの端末装置とは、公共又は専用の通信回線を通じて通信可能に接続されている。

図１に示すように、分散型記録システム２は、広域通信ネットワークで接続された複数の記録装置２０を有してなる。記録装置２０は、分散型記録システム２の「ノード」を構成するコンピュータである。複数の記録装置２０は、ピアツーピア通信により、互いに同期を取り合い、常に同一の情報が記録されている状態を維持する。また、一つのノード（記録装置２０）において記録情報の改ざんがあった場合には、多数決等によって正当な記録情報が決定され、直ちに、改ざんデータが修正される。
また、分散型記録システム２は、ブロックチェーンを適用した分散型記録システムである。ブロックチェーンは、「ブロック」と呼ばれるデータの単位を一定時間ごとに生成し、鎖（チェーン）のように連結していくことによりデータを保管するデータベースである。一つのブロックに含まれるデータを改ざんしようとした場合、当該ブロックに連結された他のブロックとの整合性が失われるため、改ざんがあったことが直ちに発覚する。
以上のように、分散型記録システム２は、データの改ざんが極めて困難な記録システムを実現している。
なお、分散型記録システム２はブロックチェーンを適用した上記態様に限定されるものではない。他の実施形態においては、複数ノードからなる分散型記録システムであって、合意形成によりデータの登録・管理を行う仕組みを有する態様であれば、如何なる態様であってもよい。

本実施形態に係る分散型記録システム２の各ノード（記録装置２０）には、学習済みの人工知能を特徴づけるパラメータ群が予め分散記録されている。本実施形態に係るパラメータ群とは、例えば、顧客Ａの過去のプラントデータ群に基づく最適化（学習）の結果、導き出された数値群であって、人工知能αを固有に特徴づけるものである。本実施形態において、ここで記録されるパラメータ群の各々は、ニューラルネットワークをなす各ユニット（後述）間の“重み値”として適用される。

なお、本実施形態に係る分散型記録システム２は、サービス提供者がその全体（全ての記録装置２０）を所持、管理する態様であるものとして説明するが、他の実施形態においてはこの態様に限定されない。他の実施形態においては、例えば、分散型記録システム２を構成する一部の記録装置２０をサービス提供者が所持及び管理し、他の記録装置２０を顧客（顧客Ａ）が所持及び管理する態様であってもよい。また、クラウドサービスを提供する第三者が、分散型記録システム２全体を所持及び管理する態様であってもよい。
更に、図１においては、情報提供装置１０と、分散型記録システム２を構成する各記録装置２０とがハードウェアとして別々に存在する図示しているが、これに限られない。実施形態によっては、情報提供装置１０が、分散型記録システム２のノード（記録装置２０）の一つを兼ねて機能する態様であってもよい。また、実施形態によっては、顧客（顧客Ａ）の所有する端末装置（支援情報の提供を受ける情報処理装置）が分散型記録システム２のノードの一つを兼ねて機能する態様であってもよい。

（情報提供装置の機能構成）
図２は、第１の実施形態に係る情報提供装置の機能構成を示す図である。
図２に示すように、情報提供装置１０は、ＣＰＵ１００と、メモリ１１と、操作部１２と、表示部１３と、記録媒体１４と、外部接続インターフェイス１５とを備えている。 ＣＰＵ１００は、情報提供装置１０の動作全体を司るプロセッサ（演算装置）である。ＣＰＵ１００は、記録媒体１４等に格納されたプログラムやデータをメモリ１１上に読み出し、処理を実行することで、後述する各機能を実現する。
メモリ１１は、ＣＰＵ１００のワークエリア等として用いられる揮発性のメモリである。
操作部１２は、例えば、マウス、タッチパネル及びキーボード等で構成され、操作者（ユーザ）の指示を受けてＣＰＵ１００に各種操作等を入力する。
表示部１３は、例えば、液晶ディスプレイにより実現され、ＣＰＵ１００による処理結果を表示する。
記録媒体１４は、例えば、ＨＤＤ（Hard Disk Drive）、ＳＳＤ（Solid State Drive）等により実現され、ＯＳ（Operation System）、アプリケーションプログラム、及び各種データを記憶する。
外部接続インターフェイス１５は、外部装置とのインターフェイスである。本実施形態において、外部装置とは、支援情報を提供する顧客Ａの端末装置、分散型記録システム２の各ノード（記録装置２０）である。

次に、本実施形態に係るＣＰＵ１００の各種機能について説明する。
パラメータ群取得部１０１は、分散型記録システム２に含まれる一つの記録装置２０を参照して、学習済みの人工知能（例えば、顧客Ａ向けの人工知能α）を特徴づけるパラメータ群を取得する。
設計情報取得部１０２は、学習済みの人工知能についての設計情報を取得する。ここで、「設計情報」とは、パラメータ群取得部１０１が取得したパラメータ群の各々の、学習済みの人工知能（人工知能α）における適用箇所を特定可能な情報である。
人工知能構築部１０３は、パラメータ群取得部１０１が取得したパラメータ群と、設計情報取得部１０２が取得した設計情報とに基づいて、学習済みの人工知能を構築する。 支援情報送信部１０４は、人工知能構築部１０３によって構築された人工知能の少なくとも一部から出力される支援情報を顧客の端末装置に送信する。

（分散型記録システムのデータ構造）
図３は、第１の実施形態に係る分散型記録システムのデータ構造を示す図である。
分散型記録システム２の一つのノード（記録装置２０）には、複数のブロックＢが連結されるように記録され、ブロックデータベースを構成している。これらのブロックデータベースは、全てのノードにおいて同期がとられ、原則として全てのノードに同一の情報（ブロックデータベース）が記録されている。

具体的には、図３に示すように、ブロックＢには、時系列上、一つ前に生成されたブロックＢのハッシュ値Ｈが含まれる。当該ブロックＢよりも一つ前に生成されたブロックＢが改ざんされた場合には、このハッシュ値Ｈとの整合性によって判別が可能となる。
また、ブロックＢには、ある時間帯に発行された複数のトランザクションＴが含まれる。本実施形態における「トランザクション」とは、分散型記録システム２の利用者が、当該分散型記録システム２に向けて発行した記録要求の一単位である。本実施形態においては、利用者は、ある学習済みの人工知能（人工知能α）のうちのある一層に適用されるパラメータセット（Ｗ１１、Ｗ１２、Ｗ１３、・・）について、一つの記録要求を発行する。
なお、一つのブロックＢに含まれる各トランザクションＴに記録されるパラメータセットは、一つの人工知能（人工知能α）についてのパラメータセットのみとは限らない。複数人の利用者が、同時多発的に、異なる人工知能のパラメータセットについて記録要求を発行した場合には、一つのブロックの中には、異なる人工知能についてのパラメータセットが記録されたトランザクションＴが含まれ得る。例えば、ある一つのブロックＢには、顧客Ｂ向けに学習された人工知能βの第Ｘ層に適用されるパラメータセットを有するトランザクションＴや、顧客Ｃ向けに学習された人工知能γの第Ｙ層に適用されるパラメータセットを有するトランザクションＴなどが順不同に含まれ得る。ただし、各トランザクションＴに記録される情報は、あくまで、いずれかの人工知能のいずれかの層に適用されるべきパラメータセット（Ｗ１１、Ｗ１２、Ｗ１３、・・）の数値と当該トランザクションＴが発行された時刻情報のみである。即ち、トランザクションＴには、そのパラメータセットが、どの人工知能の第何層に適用されるパラメータセットかを判別する情報は含まれていない。

また、本実施形態においては、トランザクションＴには、ある一つの学習済みの人工知能を構築するために必要な情報である設計情報が記録され得る。設計情報には、各トランザクションＴに記録されるパラメータセットの各々の適用箇所（どの人工知能の第何層に適用されるか）を特定可能な情報が規定されている。また、設計情報は、人工知能の開発者によって予め規定された暗号鍵を用いて暗号化された状態で分散型記録システム２に記録される。設計情報のデータ構造については後述する（図６参照）。

（情報提供装置の処理フロー）
図４は、第１の実施形態に係る情報提供装置の処理フローを示す図である。
また、図５は、第１の実施形態に係る顧客情報のデータ構造を示す図である。
また、図６は、第１の実施形態に係る設計情報のデータ構造を示す図である。
また、図７は、第１の実施形態に係る情報提供装置の機能を説明するための図である。 以下、図４〜図７を参照しながら、情報提供装置１０の処理の流れを詳細に説明する。

図４に示す処理フローは、人工知能を用いた顧客向けサービスを開始するにあたり、当該顧客に対応する人工知能（例えば、顧客Ａ向けの学習を完了した人工知能α）を情報提供装置１０内に構築する時点で実施される。

情報提供装置１０は、顧客Ａに向けて支援情報の提供を開始するにあたり、顧客Ａ向けの学習を完了した人工知能αの構築を行う。具体的には、情報提供装置１０の設計情報取得部１０２は、予め用意された顧客情報を参照して、分散型記録システム２に記録されている人工知能αについての設計情報を取得する（ステップＳ０１）。

ここで、図５に示すように、顧客情報には、各顧客に対応する人工知能の識別子である「人工知能ＩＤ」、当該設計情報の分散型記録システム２における格納場所を示す「設計情報のアドレス」、及び、当該設計情報を復号するための「復号鍵」が対応付けられて記録されている。
なお、図５に示す顧客情報は、本実施形態においては、情報提供装置１０に具備されたローカルな記録媒体１４（図２）に予め用意されているものとするが、他の実施形態においてはこの態様に限定されない。例えば、他の実施形態において、顧客情報は、情報提供装置１０とは異なる他の端末装置に記録される態様であってもよい。

ステップＳ０１において、設計情報取得部１０２は、顧客情報を参照して、顧客Ａ向けの学習が完了した人工知能α（人工知能ＩＤ＝＃０００１）の設計情報のアドレスと、その設計情報を復号化するための復号鍵を取得する。次に、設計情報取得部１０２は、分散型記録システム２を構成する記録装置２０のうちの一つにアクセスして人工知能αの設計情報（暗号化されたもの）を取得する。更に、設計情報取得部１０２は、対応する復号鍵を用いて、暗号化された設計情報を復号化し、図６に示すような設計情報を取得する。

図６に示すように、設計情報には、「人工知能ＩＤ」、「層」番号、「ユニット」、「パラメータのアドレス」、及び、当該設計情報の記録要求に係るトランザクションＴが発行された「時刻」が対応付けて記録されている。
「人工知能ＩＤ」は、学習済みの人工知能（人工知能α）を特定するための識別子である。
「層」は、人工知能αを構成するニューラルネットワークの層についての識別子である。
「ユニット」は、各層を構成する複数のユニット（ｕ１１、ｕ１２、・・）の各々を規定している。「ユニット」とは、ニューラルネットワークの構成要素の最小単位であって、「ニューロン」とも呼ばれる。一つのユニットは、その前段の層に属するユニットの出力値を受け付けて、その出力値を変数とする所定の関数の演算を行い、その演算結果を次の層に属する他のユニットに向けて出力する。各ユニットを構成する関数、入力元、出力先等についてはこの「ユニット」の欄に一意に規定されている。
「パラメータのアドレス」は、各層に適用されるパラメータセットの、分散型記録システム２における格納先を示すアドレスである。

次に、図４において、情報提供装置１０のパラメータ群取得部１０１は、人工知能αの各層に適用されるべきパラメータセットを取得する（ステップＳ０２）。ここで、パラメータ群取得部１０１は、ステップＳ０１で取得された設計情報（図６）を参照して、人工知能α（人工知能ＩＤ＝＃０００１）の各層に適用すべきパラメータセットの格納場所（アドレス）を取得する。そして、パラメータ群取得部１０１は、分散型記録システム２を構成する記録装置２０のうちの一つにアクセスし、設計情報から取得したアドレス（ブロックＢ及びトランザクションＴを特定可能なアドレス）に基づき、層ごとに適用すべきパラメータセット（Ｗ１１、Ｗ１２、・・）を取得する（図３参照）。

次に、図４において、情報提供装置１０の人工知能構築部１０３は、ステップＳ０１で取得した人工知能αについての設計情報と、ステップＳ０２で取得した人工知能αの各層に適用すべきパラメータセットと、を用いて人工知能αを構築する（ステップＳ０３）。具体的には、人工知能構築部１０３は、設計情報に規定されたある層に属する各ユニットの出力に、その層に対応するパラメータセット（設計情報に規定されたアドレスから読み出したパラメータセット）を重み値として適用する。
例えば、人工知能構築部１０３は、図７に示すように、第１層の各ユニットｕ１１、ｕ１２、ｕ１３、・・の各出力に対し、設計情報に記録された“Ｂ００００ＸＸ：Ｔ００００ＸＸ”なるアドレス（図６）に指定されたトランザクションＴ（図３）を参照する。そして、人工知能構築部１０３は、パラメータセット（Ｗ１１、Ｗ１２、Ｗ１３、・・）の各々を第１層の各ユニットｕ１１、ｕ１２、・・の各出力の重み値とする。ここで、例えば、パラメータＷ１１は、第１層におけるユニットｕ１１から第２層におけるユニットｕ２１への出力値に適用される（乗算される）重み値である。また、パラメータＷ１２は、第１層におけるユニットｕ１１から第２層におけるユニットｕ２２への出力値に適用される重み値である。同様に、パラメータＷ２１は、第１層におけるユニットｕ１２から第２層におけるユニットｕ２１への出力値に適用される重み値である。以下、同様に、各ユニットから次の層のユニットへの出力値に、各パラメータが重み値として適用される。
更に、人工知能構築部１０３は、図７に示すように、第２層の各ユニットｕ２１、ｕ２２、ｕ２３、・・の各出力に対し、設計情報に記録された“Ｂ００００ＹＹ：Ｔ００００ＹＹ”なるアドレス（図６）に指定されたトランザクションＴを参照し、パラメータセット（Ｗ１１、Ｗ１２、Ｗ１３、・・）の各々を重み値として適用する。
同様に、人工知能構築部１０３は、第３層、第４層、・・の各ユニットの出力に、各々の層に対応するパラメータＷ１１、Ｗ１２、・・を適用することで人工知能αを構築する。

次に、図４において、情報提供装置１０の支援情報送信部１０４は、ステップＳ０３で構築された人工知能αを用いて、顧客Ａに支援情報を送信する（ステップＳ０４）。ここで、支援情報送信部１０４は、図７に示すように、構築された人工知能αに、顧客Ａの発電プラントから逐次供給されるプラントデータ群を入力する。そして、支援情報送信部１０４は、人工知能αの出力として得られる支援情報を、顧客Ａに向けて送信する。

（作用、効果）
以上、第１の実施形態に係る情報提供システム１は、学習済みの人工知能を特徴づけるパラメータ群を、分散型記録システム２に記録保存しておくとともに、当該パラメータ群から人工知能を構築するための情報が集約された設計情報を別途用意しておく。このようにすることで、分散型記録システム２に記録されたパラメータ群は、改ざんに対し強固に保護されている。また、分散型記録システム２に記録されている各パラメータ群は、それだけでは意味をなさないデータの集まりに過ぎないため、第三者の不正なアクセスにより人工知能αを盗用される恐れもない。

また、第１の実施形態に係る情報提供システム１では、設計情報そのものも分散型記録システム２における一つのトランザクションＴとして記録されている。そして、設計情報取得部１０２は、分散型記録システム２に含まれる一の記録装置２０を参照して設計情報を取得する。このようにすることで、設計情報も改ざんに対し強固に保護される。

また、第１の実施形態に係る情報提供システム１では、設計情報は、暗号化された上で、分散型記録システム２に記録されている。
このように、完成した人工知能をパラメータ群と設計図情報とに分け、このうち設計図情報のみを暗号化により保護することで、最小限の処理負担（暗号化処理）で安全に人工知能を保護することができる。

なお、第１の実施形態において、設計情報は、分散型記録システム２に記録されている対応としたが、他の実施形態においてはこの態様に限定されることはない。他の実施形態においては、サービス提供者が所有するローカルなコンピュータに記録されている態様であってもよい。

＜第２の実施形態＞
次に、本発明の第２の実施形態について図面を参照しながら説明する。

（情報提供システムの全体構成）
図８は、第２の実施形態に係る情報提供システムの全体構成を示す図である。
第２の実施形態に係る情報提供システム１は、第１の実施形態と同様に、顧客Ａ向けに学習された人工知能αを用いて、当該顧客Ａに向けて発電プラントに係る支援情報を提供する。しかし、本実施形態においては、人工知能αのうちの一部のみが情報提供装置１０に構築され、残りの一部が顧客Ａの端末装置に構築される点で、第１の実施形態と異なる。

具体的には、図８に示すように、第１層から第９層までで構成される顧客Ａ向けの人工知能αが、その一部（例えば、第１層から第７層まで）である部分人工知能α１と、残りの一部（例えば、第８層から第９層まで）である部分人工知能α２とに分けて構築されている。また、部分人工知能α１は、情報提供装置１０に構築される一方、部分人工知能α２は、顧客Ａが所有する端末装置に構築される。

第２の実施形態において、部分人工知能α１が顧客Ａに向けて送信する支援情報は、人工知能αの中間層（第７層から第８層）において生成される中間データである。顧客Ａ側の部分人工知能α２は、部分人工知能α１が出力した中間データを支援情報として受け取る。そして、部分人工知能α２は、当該中間データを入力して最終的な支援情報を出力する。

（設計情報のデータ構造）
図９は、第２の実施形態に係る設計情報のデータ構造を示す図である。
本実施形態において、サービス提供者は、図９に示すように、顧客Ａ向けの人工知能α（人工知能ＩＤ＝＃０００１）に係る設計情報として、サービス提供者用の設計情報と顧客用の設計情報との二つを予め用意しておく。サービス提供者は、顧客Ａへのサービス提供を始める際、まず、サービス提供者用の設計情報（図９上段参照）を分散型記録システム２から取得する。サービス提供者は、当該サービス提供者用の設計情報に基づいて、第１の実施形態と同様の手順で、人工知能αのうちの部分人工知能α１を情報提供装置１０に構築する。

また、顧客Ａへのサービス提供開始に際し、サービス提供者は、更に、顧客用の設計情報（図９下段参照）を分散型記録システム２から取得する。サービス提供者は、顧客Ａから公開鍵を受け取るとともに、当該公開鍵で顧客用の設計情報を再度暗号化し、顧客Ａに向けて送信する。顧客Ａは、自身の秘密鍵を用いて、受け取った顧客用の設計情報を復号化する。顧客Ａの端末装置に具備された人工知能構築部１０３は、復号化された顧客用の設計情報に基づいて、人工知能αのうちの部分人工知能α２を顧客Ａの端末装置に構築する。

（作用、効果）
以上のように、第２の実施形態においては、ある顧客（顧客Ａ）向けに学習された人工知能（人工知能α）が、サービス提供者側の端末装置（情報提供装置１０）と、顧客側の端末装置とに分割されて構築される。即ち、本実施形態に係る人工知能構築部１０３は、取得したパラメータ群と設計情報とに基づいて、学習済みの人工知能の一部のみ（部分人工知能α１）を構築する。また、支援情報送信部１０４は、構築された人工知能の一部（部分人工知能α１）から出力される中間データを、顧客向けの支援情報として顧客の端末装置に送信する。
このような態様とすることで、サービス提供者側の端末装置（情報提供装置１０）から顧客側の端末装置へと伝送される支援情報は、本来、人工知能αの内部演算で用いられる情報であって、単体では何らの意味をなさない中間データのみとなる。したがって、通信データの暗号化を行わなくとも、第３者による通信データの盗聴に対して強固性を高めることができる。

なお、第２の実施形態においては、第１層から第９層までで構成された学習済みの人工知能αの前段（例えば、第１層から第７層まで）が情報提供装置１０に構築され、後段（例えば、第８層から第９層まで）が顧客Ａの所有する端末装置に構築されるものとして説明した。しかし、他の実施形態においてはこの態様に限定されない。
例えば、他の実施形態においては、学習済みの人工知能αのうちの前段（例えば、第１層から第２層まで）と、後段（例えば、第８層から第９層まで）とが顧客Ａの所有する端末装置に構築され、中段（例えば、第３層から第７層まで）が情報提供装置１０に構築される態様であってもよい。この場合、顧客Ａのプラントデータ群は、顧客Ａの所有する端末装置に構築された人工知能αの前段（第１層）に入力される。顧客Ａの所有する端末装置が情報提供装置１０に向けて送信する情報は、プラントデータ群そのものではなく、人工知能αの中間層（第２層から第３層）において生成される中間データとなる。
このようにすることで、顧客Ａから情報提供装置１０に向けて送信されるデータが生データ（プラントデータ群）ではなく、人工知能αの中間データとすることができる。これにより、第３者による通信データの盗聴に対して一層強固性を高めることができる。

＜第３の実施形態＞
次に、本発明の第３の実施形態について図面を参照しながら説明する。

（情報提供装置の機能構成）
図１０は、第３の実施形態に係る情報提供装置の機能構成を示す図である。
ここで、第３の実施形態に係る情報提供システム１は、第２の実施形態と同様に、複数の端末装置に渡って学習済みの人工知能αを構築する。本実施形態に係る情報提供システム１は、顧客Ａの端末装置に構築された部分人工知能α２について、追加学習を行う機能（追加学習処理部１０５）を有する点で、第２の実施形態と異なる。

第３の実施形態に係る情報提供装置１０の具体的な構成及び処理の内容について、以下に説明する。
図１０に示す情報提供装置１０の追加学習処理部１０５は、顧客Ａのサービス提供開始に際し、学習済みの人工知能α（α１＋α２）とは別に、当該人工知能αと同等の人工知能α’を内部に複製（構築）する。そして、追加学習処理部１０５は、人工知能αを用いたサービスの提供中において、支援情報の提供先である顧客Ａから逐次提供されるプラントデータ群を教師データとして、内部に複製した人工知能α’のうち部分人工知能α２に相当する部分（部分人工知能α２’）を追加学習させる。
追加学習処理部１０５による追加学習の結果、人工知能αよりも予測精度が更に向上した支援情報を提供可能な部分人工知能α２’が完成した場合、サービス提供者は、当該部分人工知能α２’のパラメータを分散型記録システム２に記録するとともに、部分人工知能α２’の設計情報を作成する。

このようにすることで、追加学習部分の効果をサービスに反映させるにあたり、部分人工知能α２’の設計情報を顧客Ａに提供するのみで良くなる。そのため、顧客別のサービスの更新作業に要する負担を軽減することができる。

以上、第１〜第３の実施形態に係る情報提供システム１及び情報提供装置１０について詳細に説明したが、情報提供システム１及び情報提供装置１０の具体的な態様は、上述のものに限定されることはなく、要旨を逸脱しない範囲内において種々の設計変更等を加えることは可能である。

例えば、第１〜第３の実施形態においては、人工知能α（α１＋α２）は、顧客Ａの過去のプラントデータ群を教師データとして学習がなされたものとして説明したが、他の実施形態においてはこの態様に限定されない。
他の実施形態においては、例えば、人工知能は、複数の顧客（顧客Ａ、顧客Ｂ、顧客Ｃ、・・）の各々から収集した過去のプラントデータ群の全てを教師データとして学習がなされたものであってもよい。このような学習がなされたマスター人工知能Ｘは、複数の顧客全てに対して最適化された人工知能となる。
この場合、上記他の実施形態に係る情報提供装置１０は、マスター人工知能Ｘの一部である共通人工知能Ｘ１（例えば、マスター人工知能Ｘの第１層〜第７層）を情報提供装置１０に構築してもよい。そして、情報提供装置１０は、人工知能の残りの部分（例えば、第８層〜第９層）については、各顧客別に最適化された人工知能を、対象とする顧客の端末装置に構築する態様としてもよい。

また、上述の各実施形態に係る分散型記録システム２において、ブロックＢに含まれる各トランザクションＴ（図３）には、ある人工知能の一つの層に適用されるべきデータセットがまとめて記録される態様として説明したが、他の実施形態においてはこの態様に限定されない。
例えば、一つのトランザクションＴには、一つのパラメータ（例えば、“Ｗ１１”、“Ｗ１２”）単位で記録される態様であってもよいし、一つの人工知能（人工知能α、β、・・）単位で記録される態様であっても構わない。

また、上述の各実施形態においては、情報提供システム１及び情報提供装置１０は、顧客が運用する発電プラントの運転を支援するための支援情報を提供する態様で説明したが、他の実施形態においてはこの態様に限定されない。例えば、他の実施形態においては、発電プラント以外のプラント（化学プラント、石油プラント、又は、大型装置等）の運転を支援するための支援情報を提供するものであってもよい。

また、上述の各実施形態においては、上述した情報提供装置１０の各種処理の過程は、プログラムの形式でコンピュータ読み取り可能な記録媒体に記憶されており、このプログラムをコンピュータが読み出して実行することによって上記各種処理が行われる。また、コンピュータ読み取り可能な記録媒体とは、磁気ディスク、光磁気ディスク、ＣＤ−ＲＯＭ、ＤＶＤ−ＲＯＭ、半導体メモリ等をいう。また、このコンピュータプログラムを通信回線によってコンピュータに配信し、この配信を受けたコンピュータが当該プログラムを実行するようにしても良い。

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すで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。更に、情報提供装置１０は、１台のコンピュータで構成されていても良いし、通信可能に接続された複数のコンピュータで構成されていてもよい。

以上、本発明のいくつかの実施形態を説明したが、これらの実施形態は、例として提示したものであり、発明の範囲を限定することは意図していない。これら実施形態は、その他の様々な形態で実施されることが可能であり、発明の要旨を逸脱しない範囲で種々の省略、置き換え、変更を行うことができる。これら実施形態やその変形は、発明の範囲や要旨に含まれると同様に、特許請求の範囲に記載された発明とその均等の範囲に含まれる。

１ 情報提供システム
１０ 情報提供装置
１００ ＣＰＵ
１０１ パラメータ群取得部
１０２ 設計情報取得部
１０３ 人工知能構築部
１０４ 支援情報送信部
１０５ 追加学習処理部
２ 分散型記録システム
２０ 記録装置

Claims (8)

1. 学習済みの人工知能を特徴づけるパラメータ群が予め複数の記録装置に分散記録された分散型記録システムに含まれる一の前記記録装置を参照して、当該パラメータ群を取得するパラメータ群取得部と、
   前記パラメータ群の各々の、前記学習済みの人工知能における適用箇所を特定可能な情報が規定された設計情報を取得する設計情報取得部と、
   取得した前記パラメータ群と前記設計情報とに基づいて、前記学習済みの人工知能の少なくとも一部を構築する人工知能構築部と、
   を備える人工知能構築装置。
2. 前記設計情報取得部は、
   前記分散型記録システムに含まれる一の前記記録装置を参照して、前記設計情報を取得する
   請求項１に記載の人工知能構築装置。
3. 前記設計情報は、前記分散型記録システムにおいて暗号化されて記録されている
   請求項２に記載の人工知能構築装置。
4. 前記人工知能構築部は、取得した前記パラメータ群と前記設計情報とに基づいて、前記学習済みの人工知能の一部を構築する
   請求項１から請求項３の何れか一項に記載の人工知能構築装置。
5. 学習済みの人工知能と同等の人工知能を複製し、顧客から提供されるプラントデータ群を教師データとして、複製した人工知能のうちの少なくとも一部を追加学習させる追加学習処理部を更に備える
   請求項１から請求項４の何れか一項に記載の人工知能構築装置。
6. 請求項１から請求項５の何れか一項に記載の人工知能構築装置と、
   前記分散型記録システムと、
   を備える情報提供システム。
7. 学習済みの人工知能を特徴づけるパラメータ群が予め複数の記録装置に分散記録された分散型記録システムに含まれる一の前記記録装置を参照して、当該パラメータ群を取得するパラメータ群取得ステップと、
   前記パラメータ群の各々の、前記学習済みの人工知能における適用箇所を特定可能な情報が規定された設計情報を取得する設計情報取得ステップと、
   取得した前記パラメータ群と前記設計情報とに基づいて、前記学習済みの人工知能の少なくとも一部を構築する人工知能構築ステップと、
   を有する人工知能構築方法。
8. コンピュータに、
   学習済みの人工知能を特徴づけるパラメータ群が予め複数の記録装置に分散記録された分散型記録システムに含まれる一の前記記録装置を参照して、当該パラメータ群を取得するパラメータ群取得ステップと、
   前記パラメータ群の各々の、前記学習済みの人工知能における適用箇所を特定可能な情報が規定された設計情報を取得する設計情報取得ステップと、
   取得した前記パラメータ群と前記設計情報とに基づいて、前記学習済みの人工知能の少なくとも一部を構築する人工知能構築ステップと、
   を実行させるプログラム。

Images