JP6982672B1 - プログラム、方法、情報処理装置及びシステム - Google Patents

Abstract

【課題】学習済みモデルの購入希望者が、任意の開発者により生成された学習済みモデルを購入可能な場を提供する。【解決手段】プロセッサを備えるコンピュータを動作させるためのプログラムであって、前記プロセッサに、第１者により生成された第１学習済みモデルを販売可能に公開する第１ステップと、前記第１学習済みモデルが第２者によって再学習されて生成された第２学習済みモデルを販売可能に公開する第２ステップと、前記第２学習済みモデルが購入されたことに応じて、第１者及び第２者へ報酬を付与する第３ステップと、を実行させる。【選択図】図１

Description

本開示は、プログラム、方法、情報処理装置及びシステムに関する。

近年、人工知能の技術水準が向上し、人工知能は様々なサービスに組み込まれて利用されている。そのため、人工知能を使用することへの抵抗は薄れつつあり、学習済みモデルを導入したいという要望が増えている。

特許文献１では、深層学習等による学習済みモデルを用いて判定・分類等の処理を行う産業上の装置に対して、低コストで学習済みモデルの導入及び最適化を行う技術が開示されている。

再表２０１８／１７３１２１号公報

特許文献１には、環境、条件にあった学習済みモデルを生成することは開示されているが、任意の開発者が生成した学習済みモデルを販売することについては記載されていない。

そこで、本開示の目的は、学習済みモデルの購入希望者が、任意の開発者により生成された学習済みモデルを購入可能な場を提供することにある。

本開示の一実施形態によると、プロセッサを備えるコンピュータを動作させるためのプログラムが提供される。前記プロセッサに、第１者により生成された第１学習済みモデルを販売可能に公開する第１ステップと、前記第１学習済みモデルが第２者によって再学習されて生成された第２学習済みモデルを販売可能に公開する第２ステップと、前記第２学習済みモデルが購入されたことに応じて、第１者及び第２者へ報酬を付与する第３ステップと、を実行させる。

本開示によれば、学習済みモデルの購入希望者に、任意の開発者により生成された学習済みモデルを購入可能な場を提供することができる。

第１の実施形態のシステム１の全体の構成を示す図である。 第１の実施形態のシステム１を構成する、第１者が操作する端末装置１０Ａのブロック図である。 第１の実施形態のシステム１を構成する、第２者が操作する端末装置１０Ｂのブロック図である。 第１の実施形態のシステム１を構成する、購入者が操作する端末装置１０Ｃのブロック図である。 第１の実施形態のシステム１を構成するサーバ２０の機能的な構成を示す図である。 サーバ２０が記憶する学習済みモデルデータベース２８１のデータ構造を示す図である。 第２学習済みモデルを生成する流れの一例を説明する図である。 学習済みモデルを販売する流れの一例を説明する図である。 第１者が操作する端末装置１０Ａの画面例の図である。 第１者が操作する端末装置１０Ａの画面例の図である。 第１者が操作する端末装置１０Ａの画面例の図である。 第１者が操作する端末装置１０Ａの画面例の図である。 第２者が操作する端末装置１０Ｂの画面例の図である。 第２者が操作する端末装置１０Ｂの画面例の図である。 第２者が操作する端末装置１０Ｂの画面例の図である。 第２者が操作する端末装置１０Ｂの画面例の図である。 購入者が操作する端末装置１０Ｃの画面例の図である。

以下、図面を参照しつつ、本開示の実施形態について説明する。以下の説明では、同一の部品には同一の符号を付してある。それらの名称及び機能も同じである。したがって、それらについての詳細な説明は繰り返さない。

＜第１の実施形態＞
＜１ システム１の全体構成＞
システム１は、学習済みモデルの提供を管理するシステムである。本実施形態において、学習済みモデルとは、モデル学習プログラムに従って機械学習モデルに機械学習を行わせることで生成されるモデルを表す。また、システム１は、学習済みモデルを再学習して得られる学習済みモデルの提供も管理する。本実施形態において、再学習は、学習済みモデルの層全体の重みを調整すること、一部の層をフリーズさせておきそれ以外の層の重みを調整すること、新たな層を追加すること等を含む。

図１は、第１の実施形態のシステム１の全体の構成を示す図である。
図１に示すように、システム１は、第１者が操作する端末装置１０Ａと、第２者が操作する端末装置１０Ｂと、購入者が操作する端末装置１０Ｃと、サーバ２０とを含む。第１者は、例えば、所定の学習用データを用いてトレーニングすることで学習済みモデル（以下、第１学習済みモデルと呼ぶ）を生成した者を表す。第２者は、例えば、第１者が生成した学習済みモデルを再学習して、新たな学習済みモデル（以下、第２学習済みモデルと呼ぶ）を生成した者を表す。購入者は、例えば、学習済みモデルの購入を検討している者を表す。端末装置１０Ａと、端末装置１０Ｂと、端末装置１０Ｃと、サーバ２０とは、有線又は無線の通信規格を用いて、ネットワーク８０を介して相互に通信可能に接続されている。

端末装置１０Ａ、端末装置１０Ｂ及び端末装置１０Ｃは、例えば、据え置き型のＰＣ（Ｐｅｒｓｏｎａｌ Ｃｏｍｐｕｔｅｒ）、ラップトップＰＣなどにより実現される。この他に、端末装置１０Ａ、端末装置１０Ｂ及び端末装置１０Ｃは、例えば、移動体通信システムに対応したスマートフォン、タブレット等の携帯端末であるとしてもよい。

図１に端末装置１０Ａとして示すように、端末装置１０Ａ及び端末装置１０Ｂは、通信ＩＦ（Ｉｎｔｅｒｆａｃｅ）１２と、入力装置１３と、出力装置１４と、メモリ１５と、ストレージ１６と、プロセッサ１９とを備える。

通信ＩＦ１２は、端末装置１０Ａ及び端末装置１０Ｂが外部の装置と通信するため、信号を入出力するためのインタフェースである。入力装置１３は、ユーザからの入力操作を受け付けるための入力装置（例えば、タッチパネル、タッチパッド、マウス等のポインティングデバイス、キーボード等）である。出力装置１４は、ユーザに対し情報を提示するための出力装置（ディスプレイ、スピーカ等）である。メモリ１５は、プログラム、および、プログラム等で処理されるデータ等を一時的に記憶するためのものであり、例えばＤＲＡＭ（Dynamic Random Access Memory）等の揮発性のメモリである。ストレージ１６は、データを保存するための記憶装置であり、例えばフラッシュメモリ、ＨＤＤ（Hard Disc Drive）である。プロセッサ１９は、プログラムに記述された命令セットを実行するためのハードウェアであり、演算装置、レジスタ、周辺回路などにより構成される。

サーバ２０は、第１者が生成した第１学習済みモデル、第２者が生成した第２学習済みモデルなどの提供を管理する装置である。サーバ２０は、例えば、学習済みモデルの生成者と、学習済みモデルの購入者とを結びつけるプラットフォームを提供すると換言してもよい。サーバ２０は、例えば、ネットワーク８０に接続されたコンピュータである。

図１に示すように、サーバ２０は、通信ＩＦ２２と、入出力ＩＦ２３と、メモリ２５と、ストレージ２６と、プロセッサ２９とを備える。

通信ＩＦ２２は、サーバ２０が外部の装置と通信するため、信号を入出力するためのインタフェースである。入出力ＩＦ２３は、ユーザからの入力操作を受け付けるための入力装置、および、ユーザに対し情報を提示するための出力装置とのインタフェースとして機能する。メモリ２５は、プログラム、および、プログラム等で処理されるデータ等を一時的に記憶するためのものであり、例えばＤＲＡＭ等の揮発性のメモリである。ストレージ２６は、データを保存するための記憶装置であり、例えばフラッシュメモリ、ＨＤＤである。プロセッサ２９は、プログラムに記述された命令セットを実行するためのハードウェアであり、演算装置、レジスタ、周辺回路などにより構成される。

＜１．１ 端末装置１０Ａの構成＞
図２は、第１の実施形態のシステム１を構成する、第１者が操作する端末装置１０Ａのブロック図である。図２に示すように、端末装置１０Ａは、通信部１２１と、操作受付部１３０（タッチ・センシティブ・デバイス１３１およびディスプレイ１３２を含む）と、音声処理部１４０と、マイク１４１と、スピーカ１４２と、位置情報センサ１５０と、カメラ１６０と、記憶部１７０Ａと、制御部１８０Ａと、を含む。端末装置１０Ａは、図２では特に図示していない機能及び構成（例えば、電力を保持するためのバッテリー、バッテリーから各回路への電力の供給を制御する電力供給回路など）も有している。図２に示すように、端末装置１０Ａに含まれる各ブロックは、バス等により電気的に接続される。

通信部１２１は、有線又は無線の通信規格を用いて、端末装置１０Ａが外部の装置と通信するための処理を行う。

操作受付部１３０は、操作者の入力操作を受け付けるための機構を有する。具体的には、操作受付部１３０は、タッチスクリーンとして構成され、タッチ・センシティブ・デバイス１３１と、ディスプレイ１３２とを含む。また、操作受付部１３０は、マウス、キーボード等を含むこととしてもよい。

タッチ・センシティブ・デバイス１３１は、端末装置１０Ａの操作者の入力操作を受け付ける。タッチ・センシティブ・デバイス１３１は、例えば静電容量方式のタッチパネルを用いることによって、タッチパネルに対する操作者の接触位置を検出する。タッチ・センシティブ・デバイス１３１は、タッチパネルにより検出した操作者の接触位置を示す信号を入力操作として制御部１８０Ａへ出力する。

ディスプレイ１３２は、制御部１８０Ａの制御に応じて、画像、動画、テキストなどのデータを表示する。ディスプレイ１３２は、例えばＬＣＤ（Liquid Crystal Display）や有機ＥＬ（Electro-Luminescence）ディスプレイによって実現される。

音声処理部１４０は、例えば、音声信号のデジタル−アナログ変換を行う。音声処理部１４０は、マイク１４１から与えられる信号をデジタル信号に変換して、変換後の信号を制御部１８０Ａへ与える。また、音声処理部１４０は、音声信号をスピーカ１４２へ与える。音声処理部１４０は、例えば音声処理用のプロセッサによって実現される。マイク１４１は、音声入力を受け付けて、当該音声入力に対応する音声信号を音声処理部１４０へ与える。スピーカ１４２は、音声処理部１４０から与えられる音声信号を音声に変換して当該音声を端末装置１０Ａの外部へ出力する。

位置情報センサ１５０は、端末装置１０Ａの位置を検出するセンサであり、例えばＧＰＳ（Global Positioning System）モジュールである。ＧＰＳモジュールは、衛星測位システムで用いられる受信装置である。衛星測位システムでは、少なくとも３個または４個の衛星からの信号を受信し、受信した信号に基づいて、ＧＰＳモジュールが搭載される端末装置１０Ａの現在位置を検出する。

カメラ１６０は、受光素子により光を受光して、撮影画像として出力するためのデバイスである。カメラ１６０は、例えば、カメラ１６０から撮影対象までの距離を検出できる深度カメラである。

記憶部１７０Ａは、例えばストレージ１６などにより実現され、端末装置１０Ａが使用するデータおよびプログラムを記憶する。ある局面において、記憶部１７０Ａは、学習用データセット１７１を記憶する。

学習用データセット１７１は、第１学習済みモデルを生成するために用いるデータセットである。具体的に、学習用データセット１７１は、学習を行うために必要な、ラベル付きのデータの集合である。第１者は、学習用データセット１７１をサーバ２０に送付し、サーバ２０において学習用データセット１７１を用いて機械学習モデルに機械学習を行わせることで、第１学習済みモデルを生成する。

制御部１８０Ａは、記憶部１７０Ａに記憶されるプログラムを読み込んで、プログラムに含まれる命令を実行することにより、端末装置１０Ａの動作を制御する。制御部１８０Ａは、プログラムに従って動作することにより、入力操作受付部１８１と、送受信部１８２Aと、表示制御部１８３としての機能を発揮する。

入力操作受付部１８１は、タッチ・センシティブ・デバイス１３１等の入力装置に対する操作者の入力操作を受け付ける処理を行う。

送受信部１８２Ａは、端末装置１０Ａが、サーバ２０等の外部の装置と、通信プロトコルに従ってデータを送受信するための処理を行う。例えば、送受信部１８２Ａは、第１者から学習用データセット１７１のアップロード指示を受け付けると、通信部１２１を介して、学習用データセット１７１をサーバ２０へ送信する。

また、例えば、送受信部１８２Ａは、学習済みモデル又は学習用データセットの販売に関する情報をサーバ２０へ送信する。具体的には、例えば、第１者は、学習用データセット１７１を用いて生成した第１学習済みモデル、第１学習済みモデルから派生する学習済みモデル、学習用データセット１７１を販売可能に公開するか否かを設定する。送受信部１８２Ａは、第１者から設定された販売の権利に関する情報をサーバ２０へ送信する。

また、第１者は、例えば、第１学習済みモデルの販売価格、第１学習済みモデルから派生する学習済みモデルの販売価格、又は学習用データセット１７１の販売価格を設定する。送受信部１８２Ａは、第１者から設定された価格に関する情報をサーバ２０へ送信する。

表示制御部１８３は、提供されている学習済みモデル、学習用データセットについての情報を提示するため、ディスプレイ１３２を制御する。

＜１．２ 端末装置１０Ｂの構成＞
図３は、第１の実施形態に係るシステム１を構成する、第２者が操作する端末装置１０Ｂのブロック図である。端末装置１０Ｂは、記憶部１７０Ｂに記憶されている再学習用データセット１７２、及び、制御部１８０Ｂを構成する送受信部１８２Ａ以外、図２に示す端末装置１０Ａと同じように構成されているので、その説明を省略する。以下、再学習用データセット１７２、送受信部１８２Ａについて説明する。

再学習用データセット１７２は、第１学習済みモデルを再学習して第２学習済みモデルを生成するために用いるデータセットである。具体的に、再学習用データセット１７２は、再学習を行うために必要な、ラベル付きのデータの集合である。第２者は、再学習用データセット１７２をサーバ２０に送付し、サーバ２０で第１学習済みモデルを再学習させることで、第２学習済みモデルを生成する。

送受信部１８２Ｂは、端末装置１０Ｂが、サーバ２０等の外部の装置と、通信プロトコルに従ってデータを送受信するための処理を行う。送受信部１８２Ｂは、第２者から再学習用データセット１７２のアップロード指示を受け付けると、通信部１２１を介して、再学習用データセット１７２をサーバ２０へ送信する。

また、例えば、送受信部１８２Ｂは、学習済みモデル又は学習用データセットの販売に関する情報をサーバ２０へ送信する。具体的には、例えば、第２者は、再学習用データセット１７２を用いた再学習により生成した第２学習済みモデル、又は再学習用データセット１７２を販売可能に公開するか否かを設定する。送受信部１８２Ｂは、第２者から設定された販売の権利に関する情報をサーバ２０へ送信する。

＜１．３ 端末装置１０Ｃの構成＞
図３は、第１の実施形態に係るシステム１を構成する、購入者が操作する端末装置１０Ｃのブロック図である。端末装置１０Ｃは、記憶部１７０Ｃに記憶されている学習済みモデル１７３、及び、制御部１８０Ｃを構成する送受信部１８２Ｃ以外、図２に示す端末装置１０Ａと同じように構成されているので、その説明を省略する。以下、学習済みモデル１７３、送受信部１８２Ｃについて説明する。

学習済みモデル１７３は、サーバ２０が提供するプラットフォームを利用して購入者が購入した学習済みモデルである。学習済みモデルは、第１学習済みモデルであってもよいし、第２学習済みモデルであってもよい。なお、図４では記載されていないが、記憶部１７０Ｃには、購入者により購入された学習用データセット、又は再学習用データセットが記憶されていてもよい。

送受信部１８２Ｃは、端末装置１０Ｃが、サーバ２０等の外部の装置と、通信プロトコルに従ってデータを送受信するための処理を行う。具体的には、例えば、購入者は、サーバ２０が提供するプラットフォームで販売されている学習済みモデル、又は学習用データセットを選択し、購入に必要な情報を入力するとともに、購入指示を入力する。送受信部１８２Ｃは、購入指示を受け付けると、入力された情報をサーバ２０へ送信する。また、送受信部１８２Ｃは、サーバ２０から送信される学習済みモデル、又は学習用データセットを受信する。

＜１．４ サーバ２０の機能的な構成＞
図４は、第１の実施形態のシステム１を構成するサーバ２０の機能的な構成を示す図である。図４に示すように、サーバ２０は、通信部２０１と、記憶部２０２と、制御部２０３としての機能を発揮する。

通信部２０１は、サーバ２０が外部の装置と通信するための処理を行う。

記憶部２０２は、サーバ２０が使用するデータ及びプログラムを記憶する。記憶部２０２は、学習済みモデルデータベース２８１を記憶する。

学習済みモデルデータベース２８１は、サーバ２０で生成された学習済みモデルを保持するためのデータベースである。詳細は後述する。

制御部２０３は、サーバ２０のプロセッサがプログラムに従って処理を行うことにより、各種モジュールとして示す機能を発揮する。具体的に、制御部２０３は、プログラムに従って処理を行うことにより、受信制御部２０３１、送信制御部２０３２、学習部２０３３、再学習部２０３４、公開部２０３５、バージョン情報管理部２０３６、販売部２０３７、付与部２０３８、精度検証部２０３９として示す機能を発揮する。

受信制御部２０３１は、サーバ２０が外部の装置から通信プロトコルに従って信号を受信する処理を制御する。
送信制御部２０３２は、サーバ２０が外部の装置に対し通信プロトコルに従って信号を送信する処理を制御する。

学習部２０３３は、機械学習モデルに機械学習を行わせることで第１学習済みモデルを生成する。具体的に、学習部２０３３は、第１者により入力された学習用データセット１７１に基づき、モデル学習プログラムに従って機械学習モデルに機械学習を行わせることで、第１学習済みモデルを生成する。機械学習のアルゴリズムとしては、汎用のアルゴリズムを使用してよく、例えば、判別分析、サポートベクターマシン（support vector machine）、線形回帰、ランダムフォレスト、ディープラーニング、及びエイダブースト（AdaBoost）などが挙げられる。学習部２０３３により生成された第１学習済みモデルは、記憶部２０２に格納される。

本実施形態に係る機械学習モデルは、例えば、複数の関数が合成されたパラメータ付き合成関数である。パラメータ付き合成関数は、複数の調整可能な関数、及びパラメータの組合せにより定義される。本実施形態に係る機械学習モデルは、上記の要請を満たす如何なるパラメータ付き合成関数であってもよいが、多層のネットワークモデル（以下、多層化ネットワークと呼ぶ）であるとする。多層化ネットワークを用いる第１学習済みモデルは、入力層と、出力層と、入力層と出力層との間に設けられる少なくとも１層の中間層あるいは隠れ層とを有する。

本実施形態に係る多層化ネットワークとしては、例えば、深層学習（Deep Learning）の対象となる多層ニューラルネットワークである深層ニューラルネットワーク（Deep Neural Network：ＤＮＮ）が用いられ得る。ＤＮＮとしては、例えば、画像を対象とする畳み込みニューラルネットワーク（Convolution Neural Network：ＣＮＮ）を用いてもよい。

再学習部２０３４は、再学習用データセットを用いて、学習済みモデルを再学習する。具体的に、例えば、再学習部２０３４は、第１学習済みモデルに対して、第２者により入力された再学習用データセット１７２を用いて、第１学習済みモデルを生成したのと同じアルゴリズムによって第１学習済みモデルを再学習する。本実施形態において、再学習は、学習済みモデルの層全体の重みを調整すること、一部の層をフリーズさせておきそれ以外の層の重みを調整すること、新たな層を追加すること等を含む。再学習部２０３４により生成された第２学習済みモデルは、記憶部２０２に格納される。なお、第１学習済みモデルの再学習は、サーバ２０以外の装置で実施されてもよい。例えば、第２者は、サーバ２０以外の装置で、第１学習済みモデルを生成したのと同じアルゴリズムを用い、第１学習済みモデルを再学習する。

公開部２０３５は、販売対象の学習済みモデル、又は学習用データセットを購入者が選択可能に公開する。具体的には、公開部２０３５は、第１者から公開の許可があった場合、第１者が生成した第１学習済みモデルを販売可能に公開する。また、公開部２０３５は、第１者から公開の許可があった場合、第１学習済みモデルを生成するのに用いた学習用データセット１７１を、販売可能に公開する。また、公開部２０３５は、第１者からの許可があった場合、第１学習済みモデル、又は学習用データセットの公開と共に、第１者に関する情報を公開する。

また、公開部２０３５は、第１者及び第２者から公開の許可があった場合、再学習により生成された第２学習済みモデルを販売可能に公開する。また、公開部２０３５は、第２者から公開の許可があった場合、第１学習済みモデルの再学習に用いた再学習用データセット１７２を、販売可能に公開する。また、公開部２０３５は、第２者からの許可があった場合、第２学習済みモデル、又は再学習用データセットの公開と共に、第２者に関する情報を公開する。また、公開部２０３５は、第１者からの許可があった場合、第２学習済みモデルの公開と共に、第１者に関する情報を公開する。

バージョン情報管理部２０３６は、学習部２０３３により生成された第１学習済みモデルに、再学習の回数を判断するためのバージョン情報を付す。バージョン情報は、例えば、学習済みモデルが再学習されると、バージョンを表す情報が進行するように設計されている。具体的に、バージョン情報管理部２０３６は、例えば、学習部２０３３により第１学習済みモデルが生成されると、生成された第１学習済みモデルにバージョン情報を付す。そして、再学習部２０３４により、第１学習済みモデルが再学習されて第２学習済みモデルが生成されると、第１学習済みモデルに付されていたバージョン情報が第２学習済みモデルに引き継がれると共に、バージョン情報の値が進められる。なお、バージョン情報管理部２０３６は、再学習部２０３４により、第１学習済みモデルが再学習されて第２学習済みモデルが生成されると、生成された第２学習済みモデルに、再学習の回数を増やしたバージョン情報を付すようにしてもよい。バージョン情報は、バージョンを識別できればどのような形式であってもよく、例えば、番号であってよい。バージョン情報管理部２０３６は、例えば、第１学習済みモデルにバージョン情報として、ｖｅｒ１．０を付し、第１学習済みモデルが再学習されて第２学習済みモデルが生成されると、ｖｅｒ２．０にバージョン情報を進める。

また、第１学習済みモデルに基づいて複数の第２学習済みモデルが生成された場合、バージョン情報管理部２０３６は、複数の第２学習済みモデルのバージョン情報をそれぞれ異なるようにする。バージョン情報管理部２０３６は、例えば、複数の第２学習済みモデルが生成された時刻の前後関係によって、それぞれの第２学習済みモデルに付すバージョン情報を決定してよい。例えば、バージョン情報：Ｖｅｒ１．０が付されている第１学習済みモデルが再学習されて２つの第２学習済みバージョンが生成された場合、バージョン情報管理部２０３６は、生成された時刻が早い第２学習済みモデルに、ｖｅｒ２．１のバージョン情報を付し、生成された時刻が遅い第２学習済みモデルに、ｖｅｒ２．２のバージョン情報を付す。

また、第１学習済みモデルに基づいて複数の第２学習済みモデルが生成された場合、バージョン情報管理部２０３６は、複数の第２学習済みモデルのバージョン情報の異同を判定し、バージョン情報が同じである場合、一方のバージョン情報を他方のバージョン情報と異ならせる。例えば、第２者が二人存在し、第２者のそれぞれがサーバ２０以外の装置で第１学習済みモデルを再学習して、第２学習済みモデルを生成したとする。この場合、例えば、第２学習済みモデルに付されているバージョン情報はそれぞれＶｅｒ２．１となっている。これらの第２学習済みモデルがプラットフォームでの販売のためにサーバ２０にアップロードされた場合、バージョン情報管理部２０３６は、２つの第２学習済みモデルのバージョン情報の異同を判定する。バージョン情報管理部２０３６は、第２学習済みモデルのバージョン情報が同じ場合、一方のバージョン情報をそのままにし、他方のバージョン情報を異なる内容に更新する。例えば、バージョン情報管理部２０３６は、他方の第２学習済みモデルのバージョン情報をｖｅｒ２．２にする。

販売部２０３７は、学習済みモデルを購入者に販売する処理を制御する。具体的に、販売部２０３７は、購入者から、購入したい学習済みモデルの選択を受け付けて、選択された学習済みモデルの販売価格の支払いを完了させることで、販売を完了させる。また、第２者が学習用データセット、又は再学習用データセットを販売可能に公開する場合、販売部２０３７は、学習用データセット、又は再学習用データセットを購入者に販売する。

学習済みモデルの販売価格は、学習済みモデルの作成者により設定されてもよいし、サーバ２０によって設定されてもよい。例えば、販売部２０３７は、第１学習済みモデルの販売価格を、第１者が設定した販売価格に設定する。販売部２０３７は、学習用データセットの販売価格を、第１者が設定した販売価格に設定する。販売部２０３７は、第２学習済みモデルの販売価格を、第１者が設定した販売価格と、第２の者が設定した販売価格との合計額に設定する。販売部２０３７は、再学習用データセットの販売価格を、第２者が設定した販売価格に設定する。

なお、販売部２０３７は、第１学習済みモデルの販売価格を、第１者が設定した販売価格と異なる金額（例えば、高い金額、又は低い金額）にしてもよい。販売部２０３７は、学習用データセットの販売価格を、第１者が設定した販売価格と異なる金額にしてもよい。販売部２０３７は、第２学習済みモデルの販売価格を、第１者が設定した販売価格と、第２の者が設定した販売価格との合計額と異なる金額にしてもよい。販売部２０３７は、再学習用データセットの販売価格を、第２者が設定した販売価格と異なる金額にしてもよい。サーバ２０は、第１者又は第２者により設定された販売価格よりも高い金額で売れた場合、差額の少なくも一部を、学習済みモデルの作成に貢献した者に報酬として付与してもよい。

付与部２０３８は、学習済みモデルが購入されたことに応じて発生した金額の少なくとも一部を学習済みモデル、学習用データセット、又は再学習用データセットの生成者に付与する。具体的に、付与部２０３８は、第１学習済みモデル、第２学習済みモデル、学習用データセットが購入されたことに応じて発生する金額から所定の手数料を引いた金額を、第１者に付与する。また、付与部２０３８は、第２学習済みモデル、再学習用データセットが購入されたことに応じて発生する金額から所定の手数料を引いた金額を、第２者に付与する。なお、付与されるものは、金銭的な価値を有するものであれば、何でも構わない。例えば、お金、ポイント、仮想通貨、所定の特典等の何れであってもよい。

精度検証部２０３９は、生成された学習済みモデルの精度を検証する。具体的に、例えば、精度検証部２０３９は、検証用データセットを用いて、第１学習済みモデル、又は第２学習済みモデルの推論の精度を検証する。検証用のデータセットは、学習済みモデルの精度を検証できるデータセットであってよく、例えば、第１学習済みモデルの生成時のテストデータ、第２学習済みモデルの生成時のテストデータ、購入検討者のテストデータ、又は汎用のデータセットなどが挙げられる。また、学習済みモデルの精度の検証方法としては、機械学習の性能評価指標を用いる方法であってよく、例えば、再現率（recall）、適合率（precision）、正解率（accuracy）、Ｆ値（F-measure）、平均適合率（Average Precision）、ｍＡＰ(mean Average Precision)、ＩｏＵ（Intersection Over Union）などの評価指標を用いる方法が挙げられる。

また、精度検証部２０３９は、例えば、第１学習済みモデルの精度と、第２学習済みモデルの精度とを比較し、第２学習済みモデルを公開するかどうかを決定してもよい。例えば、精度検証部２０３９は、第２学習済みモデルの精度が第１学習済みモデルより低いと判定した場合、第２学習済みモデルの販売を認めないようにしてもよい。なお、第２学習済みモデルの一部の精度評価指標が第１学習済みモデルより低くても、その他の精度評価指標が著しく高い場合、 精度検証部２０３９は、第２学習済みモデルの販売を許可してもよい。

なお、精度検証部２０３９は、例えば、第２学習済みモデルの精度が予め設定されている値より低い場合、第２学習済みモデルの販売を認めないようにしてもよい。また、精度検証部２０３９は、上記精度評価指標の評価値を購入者に提示してもよいし、上記精度評価指標の評価値に基づき、学習済みモデルの精度を示すパラメータを算出し、当該パラメータを購入者に提示してもよい。

＜２ データ構造＞
図６は、サーバ２０が記憶する学習済みモデルデータベース２８１のデータ構造を示す図である。学習済みモデルデータベース２８１は、第１学習済みモデルと、当該第１学習済みモデルを再学習して生成した第２学習済みモデルとを記憶している。なお、学習済みモデルデータベース２８１は、第２学習済みモデルを再学習して生成した第３学習済みモデルなどを記憶してよい。

図６に示すように、学習済みモデルデータベース２８１のレコードのそれぞれは、項目「モデルＩＤ」、項目「名称」、項目「再学習履歴」、項目「バージョン情報」、項目「公開可否」、項目「精度」、項目「報酬」を含む。なお、ここに示す項目はすべてではなく、他の項目があっても構わない。例えば、学習済みモデルが利用されるドメイン、モデル作成に利用されたフレームワーク、又は利用されるアプリケーションの種類等があってもよい。

項目「モデルＩＤ」は、それぞれの学習済みモデルを識別する情報である。

項目「名称」は、それぞれの学習済みモデルの名前を示す情報である。

項目「再学習履歴」は、それぞれの学習済みモデルを生成するために再学習を実施した履歴を示す情報である。具体的に、記憶部２０２は、第１学習済みモデルについて、再学習履歴なしと記憶しながら、第１学習済みモデルを生成するために用いた学習用データセットと、当該学習用データセットを提供した第１者に関する情報を記憶する。また、第２学習済みモデルについては、第１学習済みモデルを再学習して第２学習済みモデルを生成するために用いたの再学習用データセットと、当該再学習用データセットを提供した第２者に関する情報を記憶する。

項目「バージョン情報」は、それぞれの学習済みモデルのバージョン情報を示す情報である。図６に示しているように、第１学習済みモデルのバージョン情報は第２学習済みモデルに引き継がれ、複数の第２学習済みモデルのバージョン情報はそれぞれ異なる。

項目「公開可否」は、それぞれの学習済みモデルの作成者が、当該学習済みモデルを販売可能に公開するか否かを示す情報である。

項目「精度」は、それぞれの学習済みモデルの推論の精度を示す情報である。

項目「販売価格」は、それぞれの学習済みモデルの販売価格を示す情報、及び、販売した後、それぞれの学習済みモデルの作成に貢献した者に報酬を付与する方法に関する情報である。図６に示しているように、第１学習済みモデル（モデルＡ）を販売する場合、サーバ２０は、第１者が設定した販売価格を、第１学習済みモデルの販売価格と設定し、販売した後、第１者が設定した販売価格を第１者に報酬として付与する。また、第２学習済みモデル（モデルＡＢ）を販売する場合、サーバ２０は、第１者が設定した販売価格と、第２の者が設定した販売価格との合計額を、第２学習済みモデルの販売価格と設定し、販売した後、サーバ２０は、第１者が設定した販売価格を第１者に報酬として付与しつつ、第２者が設定した販売価格を第２者に報酬として付与する。

＜３ 動作＞
＜３．１ 第２学習済みモデルを販売可能に公開する処理＞
以下、図７を参照しながら、第２学習済みモデルを販売可能に公開する処理について説明する。

ステップＳ７２１において、サーバ２０の再学習部２０３４は、第２者から、第１学習済みモデルを再学習するための再学習用データセットを受け付ける。

ステップＳ７２２において、再学習部２０３４は、再学習用データセットを用いて、第１学習済みモデルを再学習し、第２学習済みモデルを生成する。バージョン情報管理部２０３６は、第２学習済みモデルのバージョン情報を更新する。

ステップＳ７２３において、サーバ２０のバージョン情報管理部２０３６は、第２学習済みモデルのバージョン情報を決める。具体的に、第１学習済みモデルに付されていたバージョン情報は第２学習済みモデルに引き継がれると共に、バージョン情報の値が進められる。なお、バージョン情報管理部２０３６は、再学習部２０３４により、第１学習済みモデルが再学習されて第２学習済みモデルが生成されると、生成された第２学習済みモデルに、再学習の回数を増やしたバージョン情報を付すようにしてもよい。

ステップＳ７２４において、サーバ２０の精度検証部２０３９は、生成した第２学習済みモデルの精度を算出する。例えば、精度検証部２０３９は、検証用データセットを用いて、第２学習済みモデルの推論の精度を検証する。

ステップＳ７２５において、精度検証部２０３９は、第２学習済みモデルの精度が、第１学習済みモデルの精度よりも高いか否かを判定する。第２学習済みモデルの精度が、第１学習済みモデルの精度よりも高い場合（ステップＳ７２５のＹｅｓ）、精度検証部２０３９は、処理をステップＳ７２６に移行させる。第２学習済みモデルの精度が、第１学習済みモデルの精度以下である場合（ステップＳ７２５のＮｏ）、精度検証部２０３９は、処理を終了させる。つまり、精度検証部２０３９は、第２学習済みモデルの販売を認めない。

ステップＳ７２６において、サーバ２０の公開部２０３５は、第２者及び第１者から、第２学習済みモデルを販売可能に公開することについての承諾を受け付ける。なお、第１者が第１学習済みモデルの販売を許可している場合は第１者からの承諾は省略してもよい。また、公開部２０３５は、第１者から、第１者に関する情報を公開することについての承諾を受け付ける。また、公開部２０３５は、第２者から、第２者に関する情報を公開することについての承諾を受け付ける。

ステップＳ７２７において、サーバ２０の販売部２０３７は第２学習済みモデルの販売価格を設定する。具体的に、販売部２０３７は、第１者が設定した販売価格と、第２の者が設定した販売価格との合計額を、第２学習済みモデルの販売価格と設定する。

ステップＳ７２８において、公開部２０３５は、第１者及び第２者からの承諾がある場合、第２学習済みモデルを販売可能に公開する。また、公開部２０３５は、第１者及び第２者からの承諾がある場合、第１者及び第２者に関する情報を公開する。

これにより、第１学習済みモデルと共に、第２学習済みモデルが販売可能に公開されることになる。そのため、既存の学習済みモデルと、当該既存の学習済みモデルを再学習して生成した新たな学習済みモデルを公開する場を提供し、精度検証を経た 精度の高い学習済みモデルが広く利用されることが期待できる。

また、新たな学習済みモデルを販売可能に公開するとき、新たな学習済みモデルの生成に貢献した者に関する情報も公開されるので、新たな学習済みモデルの購入を検討しているユーザに有益な情報を提供することができる。

また、学習済みモデルの作成者の承諾を得て、学習済みモデルを公開するので、作成者の意に反して公開してしまうことを防止して、作成者の満足度を向上させることができる。

また、既存の学習済みモデルと、当該既存の学習済みモデルを再学習して生成した新たな学習済みモデルとのバージョン情報を管理することで、バージョン情報によって、学習済みモデル間の関連性を把握して、再学習の履歴を把握することができる。

また、学習済みモデルの生成に貢献した者は、貢献に応じた報酬の金額を設定することが可能である。

また、既存の学習済みモデルと、当該既存の学習済みモデルを再学習して生成した新たな学習済みモデルとの精度を検証するため、再学習前後の精度の変化を把握し、再学習時の性能低下を防止して、再学習により精度の高い学習済みモデルを確実に生成することができる。

なお、図７では、第２学習済みモデルの販売について記載しているが、再学習用データセットが販売されてもよい。また、新たな学習済みモデルだけではなく、再学習用データセットを販売可能に公開することも可能であるので、自ら再学習を実施したいユーザに再学習用データセットを簡単に提供することができる。

＜３．２ 学習済みモデルを販売する処理＞
以下、図８を参照しながら、システム１により、学習済みモデルを販売する処理について説明する。

ステップＳ８２１において、サーバ２０の販売部２０３７は、購入者から、購入したい学習済みモデルの選択を受け付ける。例えば、サーバ２０は、購入可能な学習済みモデルを購入者に複数提示し、購入者から、購入したい学習済みモデルを選択する操作を受け付ける。

ステップＳ８２２において、販売部２０３７は、学習済みモデルの販売を完了させ、購入者に学習済みモデルを送付する。具体的には、サーバ２０は、購入者が選択した学習済みモデルの販売価格の支払いを完了させ、当該学習済みモデルを、購入者が利用可能な方式で購入者に送付する。

ステップＳ８２３において、販売部２０３７は、販売した学習済みモデルが第２学習済みモデルであるか否かを判断する。具体的に、サーバ２０は、販売した学習済みモデルのバージョン情報又は再学習履歴に基づき、当該学習済みモデルが、再学習により生成した第２学習済みモデルであるかを判断する。なお、ステップＳ８２３において、これに限らず、販売した学習済みモデルが、第２学習済みモデルを再学習して生成した第３学習済みモデルであるかなどを判断してもよい。

販売した学習済みモデルが第２学習済みモデルである場合（ステップＳ８２３のＹｅｓ）、ステップＳ８２４において、サーバ２０の販売部２０３７は、第１者及び第２者へ付与する金額を計算して、第１者及び第２者へ計算した金額を付与する。このとき、第１者へ付与する金額は、第１者により設定された販売価格に基づき、第２者へ付与する金額は、第２者により設定された販売価格に基づく。

販売した学習済みモデルが第１学習済みモデルである場合（ステップＳ８２３のＮｏ）、ステップＳ８２５において、サーバ２０の販売部２０３７は、第１者へ付与する金額を計算して、第１者へ計算した金額を付与する。このとき、第１者へ付与する金額は、第１者により設定された販売価格に基づく。

これにより、学習済みモデルの購入希望者が、任意の開発者により生成された学習済みモデルを購入可能な場を提供し、ユーザが購入したい学習済みモデルを入手して利用することができる。そのため、ゼロから学習済みモデルを生成したり、学習済みモデルを再学習したりするための手間を省くことができる。

また、生成した学習済みモデルを販売することが可能な場が設けられるため、学習済みモデルを生成すること、既存の学習済みモデルを再学習して新たな学習済みモデルを生成すること、及び、学習用データを生成することへのインセンティブを付与することが可能となり、学習済みモデルを生成すること、既存の学習済みモデルを再学習して新たな学習済みモデルを生成すること、及び、学習用データを生成することを促すことができる。

＜４ 画面例＞
図９〜図１２は、第１者が操作する端末装置１０Ａの画面例の図である。図１３〜図１６は、第２者が操作する端末装置１０Ｂの画面例の図である。図１７は、購入者が操作する端末装置１０Ｃの画面例の図である。

図９は、第１者が学習用データセットを入力して、第１学習済みモデルを生成する局面を示す図である。図９に示すように、第１者の端末装置１０Ａのディスプレイ１３２において、学習データセットを入力して、サーバ２０で学習を実施するための領域１３２Ａが表示されている。

これにより、第１者は学習用データセットを入力し、第１学習済みモデルを簡単に生成することができる。

図１０は、第１者が第１学習済みモデルを公開する局面を示す図である。図１０に示すように、第１者の端末装置１０Ａのディスプレイ１３２において、第１学習済みモデルを販売可能に公開するための領域１３２Ｂは表示されている。

これにより、第１者から公開の承諾を得て、第１学習済みモデルを販売可能に公開するすることができる。

図１１は、第１者が、第１者に関する情報を公開するか否かを指示する局面を示す図である。図１１に示すように、第１者の端末装置１０Ａのディスプレイ１３２において、第１学習済みモデルを生成した第１者に関する情報を公開するための領域１３２Ｃは表示されている。第１者から、第１者に関する情報を公開するための承諾を得た場合、サーバ２０は、第１者に関する情報と関連付けて、第１学習済みモデル及び第１学習済みモデルから派生する学習済みモデルを公開する。なお、第１者から、第１者に関する情報を公開するための承諾が得られなかった場合、サーバ２０は、第１者に関する情報を公開せず、第１学習済みモデル及び第１学習済みモデルから派生する学習済みモデルを公開してよい。

これにより、第１者から公開の承諾を得て、第１者に関する情報を公開するすることができる。

図１２は、第１者が、第１学習済みモデルの販売価格を設定する局面を示す図である。図１２に示すように、第１者の端末装置１０Ａのディスプレイ１３２において、販売価格を設定するための領域１３２Ｄは表示されている。

これにより、第１者は、第１学習済みモデル及びそれから派生する学習済みモデルの販売によって得られる金額を設定することができる。

図１３は、第２者が再学習用データセットを入力して、第１学習済みモデルを再学習して第２学習済みモデルを生成する局面を示す図である。図１３に示すように、第２者の端末装置１０Ｂのディスプレイ１３２において、再学習データセットを入力して、サーバ２０で再学習を実施するための領域１３２Ｅが表示されている。

これにより、第２者は再学習用データセットを入力し、第１学習済みモデルを再学習して第２学習済みモデルを簡単に生成することができる。

図１４は、第２者が第２学習済みモデルを公開する局面を示す図である。図１４に示すように、第２者の端末装置１０Ｂのディスプレイ１３２において、第２学習済みモデルを販売可能に公開するための領域１３２Ｆは表示されている。

これにより、第２者から公開の承諾を得て、第２学習済みモデルを販売可能に公開するすることができる。

図１５は、第２者が、第２者に関する情報を公開するか否かを指示する局面を示す図である。図１５に示すように、第２者の端末装置１０Ｂのディスプレイ１３２において、第２学習済みモデルを生成した第２者に関する情報を公開するための領域１３２Ｇは表示されている。第２者から、第２者に関する情報を公開するための承諾を得て、かつ、第１者から、第１者に関する情報を公開するための承諾を得た場合、サーバ２０は、第１者及び第２者に関する情報と関連付けて、第２学習済みモデルを販売可能に公開する。なお、第２者から、第２者に関する情報を公開するための承諾が得られなかった場合、サーバ２０は、第２者に関する情報を公開せず、第２学習済みモデルを公開してよい。

これにより、第２者から公開の承諾を得て、第２者に関する情報を公開するすることができる。

図１６は、第２者が、第２学習済みモデルの販売価格を設定する局面を示す図である。図１６に示すように、第２者の端末装置１０Ｂのディスプレイ１３２において、販売価格を設定するための領域１３２Ｈは表示されている。なお、このとき、第１者へも公開設定画面が表示されている。

これにより、第２者は、第２学習済みモデルの販売によって得られる報酬を設定することができる。

図１７は、販売可能な学習済みモデル及びデータセットを購入者に提示する局面を示す図である。図１７に示すように、購入者の端末装置１０Ｃのディスプレイ１３２において、第１学習済みモデル、第２学習済みモデル、及び再学習用データセットに関する情報を提示する領域１３２Ｋは表示されている。領域１３２Ｋにおいて、各学習済みモデル及びデータセットの名称、バージョン情報、生成者、精度、販売価格は提示されている。また、各学習済みモデル及びデータセットを購入するボタン１３２Ｍ、及び、各学習済みモデルの再学習履歴を確認するボタン１３２Ｎは表示されている。

これにより、ユーザが好みの学習済みモデル又はデータセットを選択して入手することができる。また、バージョン情報、生成者、精度、学習履歴などを提示することで、ユーザの意思決定に有益な情報を提供することができる。

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ものとする。

＜付記＞
以上の各実施形態で説明した事項を以下に付記する。

（付記１）プロセッサを備えるコンピュータを動作させるためのプログラムであって、前記プロセッサに、第１者により生成された第１学習済みモデルを販売可能に公開する第１ステップと、前記第１学習済みモデルが第２者によって再学習されて生成された第２学習済みモデルを販売可能に公開する第２ステップ（ステップＳ７２８）と、前記第２学習済みモデルが購入されたことに応じて、第１者及び第２者へ報酬を付与する第３ステップ（ステップＳ８２４）と、を実行させるプログラム。

（付記２）前記第１ステップにおいて、前記第１学習済みモデルにバージョン情報が付され、前記バージョン情報は、第２学習済みモデルに引き継がれる、（付記１）に記載のプログラム。

（付記３）前記第２ステップにおいて、前記第２学習済みモデルが複数あり、前記複数の第２学習済みモデルのバージョン情報はそれぞれ異なる、（付記２）に記載のプログラム。

（付記４）前記第２ステップにおいて、前記第２学習済みモデルが複数あり、前記複数の第２学習済みモデルのバージョン情報の異同を判定し、前記バージョン情報が同じである場合、一方のバージョン情報を他方のバージョン情報と異ならせる、（付記２）又は（付記３）に記載のプログラム。

（付記５）前記第２ステップにおいて、前記第２者が前記第２学習済みモデルを販売可能に公開する指示に応じて、前記第２学習済みモデルを販売可能に公開する、（付記１）から（付記４）のいずれかに記載のプログラム。

（付記６）前記第１者に関する情報と関連付けて、前記第１学習済みモデルを販売可能に公開し、前記第１者及び第２者に関する情報と関連付けて、前記第２学習済みモデルを販売可能に公開する、（付記１）から（付記５）のいずれかに記載のプログラム。

（付記７）前記第３ステップにおいて、前記第１者へ付与する報酬の金額は、前記第１者により設定され、前記第２者へ付与する報酬の金額は、前記第２者により設定される、（付記１）から（付記６）のいずれかに記載のプログラム。

（付記８） 検証用データセットを用いて、前記第１学習済みモデル及び前記第２学習済みモデルの精度を検証するステップをさらに実行させる、（付記１）から（付記７）のいずれかに記載のプログラム。

（付記９）前記第２ステップにおいて、前記第２者から再学習用データセットを受け付けて、前記再学習用データセットを用いて前記第１学習済みモデルを再学習し、前記第２学習済みモデルを生成する、を含む、（付記１）から（付記８）のいずれかに記載のプログラム。

（付記１０）前記再学習用データセットを販売可能と公開し、前記再学習用データセットが購入されたことに応じて、前記第２者へ報酬を付与する、（付記９）のいずれかに記載のプログラム。

（付記１１）前記第２者へ付与する報酬の金額は、前記第２者により設定される、（付記１０）に記載のプログラム。

１０Ａ、１０Ｂ、１０Ｃ 端末装置、２０ サーバ、８０ ネットワーク、１２ 通信ＩＦ、１３ 入力装置、１４ 出力装置、１５ メモリ、１６ 記憶部、１９ プロセッサ、２０１ 通信部、２０２ 記憶部、２８１ 学習済みモデルデータベース、２０３ 制御部。

Claims (11)

1. プロセッサを備えるコンピュータを動作させるためのプログラムであって、前記プロセッサに、
   第１者により生成された第１学習済みモデルを販売可能に公開する第１ステップと、
   前記第１学習済みモデルが第２者によって再学習されて生成された第２学習済みモデルを販売可能に公開する第２ステップと、
   前記第２学習済みモデルが購入されたことに応じて、第１者及び第２者へ報酬を付与する第３ステップと、を実行させ、
   前記第２ステップにおいて、前記第２学習済みモデルが複数あり、
   前記複数の第２学習済みモデルのバージョン情報の異同を判定し、
   前記バージョン情報が同じである場合、一方のバージョン情報を他方のバージョン情報と異ならせる、プログラム。
2. 前記第２ステップにおいて、前記第２者が前記第２学習済みモデルを販売可能に公開する指示に応じて、前記第２学習済みモデルを販売可能に公開する、請求項１記載のプログラム。
3. 前記第１者に関する情報と関連付けて、前記第１学習済みモデルを販売可能に公開し、
   前記第１者及び第２者に関する情報と関連付けて、前記第２学習済みモデルを販売可能に公開する、請求項１又は２に記載のプログラム。
4. 前記第３ステップにおいて、
   前記第１者へ付与する報酬の金額は、前記第１者により設定され、
   前記第２者へ付与する報酬の金額は、前記第２者により設定される、請求項１から３のいずれかに記載のプログラム。
5. 検証用データセットを用いて、前記第１学習済みモデル及び前記第２学習済みモデルの精度を検証するステップをさらに実行させる、請求項１から４のいずれかに記載のプログラム。
6. 前記第２ステップにおいて、
   前記第２者から再学習用データセットを受け付けて、
   前記再学習用データセットを用いて前記第１学習済みモデルを再学習し、前記第２学習済みモデルを生成する、請求項１から５のいずれかに記載のプログラム。
7. 前記第２者が前記第２学習済みモデルを生成する際に用いた再学習用データセットを販売可能に公開するステップと、
   前記再学習用データセットが購入されたことに応じて、前記第２者へ報酬を付与するステップと、を前記プロセッサに実行させる請求項１から６のいずれかに記載のプログラム。
8. 前記第２者へ付与する報酬の金額は、前記第２者により設定される、請求項７に記載のプログラム。
9. プロセッサと、メモリとを備えるコンピュータにより実行される方法であって、
   前記方法は、前記プロセッサが、前記メモリに記憶されるプログラムを読み込んで実行することにより、
   第１者により生成された第１学習済みモデルを販売可能に公開する第１ステップと、
   前記第１学習済みモデルが第２者によって再学習されて生成された第２学習済みモデルを販売可能に公開する第２ステップと、
   前記第２学習済みモデルが購入されたことに応じて、第１者及び第２者へ報酬を付与する第３ステップと、を実行し、
   前記第２ステップにおいて、前記第２学習済みモデルが複数あり、
   前記複数の第２学習済みモデルのバージョン情報の異同を判定し、
   前記バージョン情報が同じである場合、一方のバージョン情報を他方のバージョン情報と異ならせる方法。
10. 制御部と、記憶部とを備える情報処理装置であって、
    前記制御部が、前記記憶部に記憶されるプログラムに基づいて動作することにより、
    第１者により生成された第１学習済みモデルを販売可能に公開する第１ステップと、
    前記第１学習済みモデルが第２者によって再学習されて生成された第２学習済みモデルを販売可能に公開する第２ステップと、
    前記第２学習済みモデルが購入されたことに応じて、第１者及び第２者へ報酬を付与する第３ステップと、を実行し、
    前記第２ステップにおいて、前記第２学習済みモデルが複数あり、
    前記複数の第２学習済みモデルのバージョン情報の異同を判定し、
    前記バージョン情報が同じである場合、一方のバージョン情報を他方のバージョン情報と異ならせる情報処理装置。
11. 一つまたは複数のコンピュータによって構成されるシステムであって、
    第１者により生成された第１学習済みモデルを販売可能に公開する第１手段と、
    前記第１学習済みモデルが第２者によって再学習されて生成された第２学習済みモデルを販売可能に公開する第２手段と、
    前記第２学習済みモデルが購入されたことに応じて、第１者及び第２者へ報酬を付与する第３手段と、
    を具備し、
    前記第２手段は、前記第２学習済みモデルが複数ある場合、前記複数の第２学習済みモデルのバージョン情報の異同を判定し、前記バージョン情報が同じである場合、一方のバージョン情報を他方のバージョン情報と異ならせるシステム。
    

Images