JP7393030B2 - 対価算出装置、制御方法、及びプログラム - Google Patents

Description

本発明は、データの提供に対する対価を決定する技術に関する。

アプリケーションを開発する際、そのアプリケーションの開発に利用されるデータ（サブプログラムなど）を第三者から提供してもらうことがある。そして、提供者に対してその対価が支払われることがある。

特許文献１は、モジュールを組み込んでアプリケーションを構築する際に、そのモジュールの利用頻度に応じて、そのモジュールの提供者に対する対価を算出する技術を開示している。特許文献２は、複数のコントリビュータによって作成された学習モデルがユーザ端末から使用された場合に、その使用の見返りとして支払われた対価を、寄与率に応じて各コントリビュータへ分配する技術を開示している。

特開２００７－２１９１７５号公報 特開２０１８－２０６２００号公報

アプリケーションによって利用されるデータには、その提供の困難さに違いがある。すなわち、提供が容易なデータもあれば、提供が困難なデータもある。先行技術文献では、データの利用の対価を決定する際に、このようなデータの提供の困難さは考慮されていない。

本発明は上記の課題に鑑みてなされたものであり、その目的の一つは、アプリケーションに利用されるデータを提供したことに対する対価を適切に決定する技術を提供することである。

本発明の対価算出装置は、１）対象アプリケーションで利用される対象データについて、その対象データの希少度を取得する取得部と、２）取得した希少度に基づいて、対象アプリケーションに対象データが利用されたことに対する対価である利用対価を算出する算出部と、を有する。
対象データは、対象アプリケーションが行う処理の一部を実現するサブプログラムであるか、又はサブプログラムの作成に利用されるデータである。

本発明の制御方法はコンピュータによって実行される。当該制御方法は、１）対象アプリケーションで利用される対象データについて、その対象データの希少度を取得する取得ステップと、２）取得した希少度に基づいて、対象アプリケーションに対象データが利用されたことに対する対価である利用対価を算出する算出ステップと、を有する。
対象データは、対象アプリケーションが行う処理の一部を実現するサブプログラムであるか、又はサブプログラムの作成に利用されるデータである。
本発明のプログラムは、コンピュータに、本発明の制御方法を実行させる。

本発明によれば、アプリケーションに利用されるデータを提供したことに対する対価を適切に決定する技術が提供される。

本実施形態の対価算出装置の概要を説明するための図である。 実施形態１の対価算出装置の機能構成を例示する図である。 対価算出装置を実現するための計算機を例示する図である。 実施形態１の対価算出装置によって実行される処理の流れを例示するフローチャートである。 対象データ情報をテーブル形式で例示する図である。 希少度情報記憶装置に格納されている情報をテーブル形式で例示する図である。

以下、本発明の実施の形態について、図面を用いて説明する。尚、すべての図面において、同様な構成要素には同様の符号を付し、適宜説明を省略する。また各ブロック図において、特に説明がない限り、各ブロックは、ハードウエア単位の構成ではなく機能単位の構成を表している。

［実施形態１］
＜概要＞
図１は、本実施形態の対価算出装置２０００の概要を説明するための図である。なお、図１は、対価算出装置２０００に対する理解を容易にするための例示であり、対価算出装置２０００の機能は図１に表されているものに限定されない。

対象アプリケーション１０は、対象データ２０を利用して実現される任意のアプリケーションである。対象データ２０は、対象アプリケーション１０の実現に利用されるデータである。例えば対象データ２０は、対象アプリケーション１０が行う処理の一部を実現するサブプログラムである。サブプログラムの例としては、学習済みモデル（AI エンジン）が挙げられる。その他にも例えば、対象データ２０は、対象アプリケーション１０によって利用される学習済みモデルの学習に利用された学習データである。

対象データ２０を提供した提供者は、対象アプリケーション１０に対象データ２０が利用されたことに応じて対価を受ける。以下、このように対象データ２０が対象アプリケーション１０に利用されたことに対する対価を、対象データ２０の利用対価と呼ぶ。対価算出装置２０００は、対象データ２０の利用対価の算出を行う。

ここで、対象データ２０の中には、提供が容易なものもあれば、提供が難しいものもある。例えば対象データ２０が、高度な専門知識を有する者にしか作成できないプログラムや、収集が難しいデータで構成される学習データなどである場合には、対象データ２０は提供が難しいものであると言える。一方、対象データ２０が、それほど高い専門知識を必要としないプログラムや、容易に収集できるデータで構成される学習データなどである場合、対象データ２０の提供は比較的容易であると言える。対象データ２０の利用対価は、このような対象データ２０の提供の困難さを考慮した上で算出されることが好ましい。

そこで対価算出装置２０００は、このような対象データ２０の提供の困難さ（対象データ２０の入手や作成の困難さ）を表す指標値を取得する。以下、この指標値を対象データ２０の希少度と呼ぶ。そして、対価算出装置２０００は、対象データ２０の希少度に応じて、対象データ２０の利用対価を算出する。

＜代表的な作用効果＞
対象アプリケーション１０によって利用される対象データ２０の中には、提供が容易なものもあれば、提供が難しいものもある。そして、提供が困難な対象データ２０を提供することへのインセンティブを提供者に与えるためにも、対象データ２０の提供の困難さに見合った適切な対価を提供者に対して支払うことが好適である。

そこで対価算出装置２０００は、対象データ２０の対象データ２０の提供の困難さ（希少度）に応じて、対象データ２０の利用対価を算出する。このように対象データ２０の利用対価を決めることにより、対象データ２０の提供者に対し、当該提供者が提供した対象データ２０の価値に見合った対価を支払うことができる。これにより、対象データ２０の提供者に対して対象データ２０を提供することへのインセンティブを適切に与えることができるため、対象アプリケーション１０の利用者や開発者は、自分が実現したいアプリケーションの提供を容易に受けることができるようになる。

以下、本実施形態についてさらに詳細を述べる。

＜機能構成の例＞
図２は、実施形態１の対価算出装置２０００の機能構成を例示する図である。対価算出装置２０００は、取得部２０２０及び算出部２０４０を有する。取得部２０２０は、対象アプリケーション１０に利用された対象データ２０に対応する希少度を取得する。算出部２０４０は、対象アプリケーション１０に対象データ２０を提供したことに対する利用対価を、対象データ２０に対応する希少度に基づいて算出する。

＜対価算出装置２０００のハードウエア構成の例＞
対価算出装置２０００の各機能構成部は、各機能構成部を実現するハードウエア（例：ハードワイヤードされた電子回路など）で実現されてもよいし、ハードウエアとソフトウエアとの組み合わせ（例：電子回路とそれを制御するプログラムの組み合わせなど）で実現されてもよい。以下、対価算出装置２０００の各機能構成部がハードウエアとソフトウエアとの組み合わせで実現される場合について、さらに説明する。

図３は、対価算出装置２０００を実現するための計算機１０００を例示する図である。計算機１０００は、任意の計算機である。例えば計算機１０００は、スマートフォンやタブレット端末などといった可搬型の計算機である。その他にも例えば、計算機１０００は、PC（Personal Computer）やサーバマシンなどといった、据え置き型の計算機であってもよい。

計算機１０００は、対価算出装置２０００を実現するために設計された専用の計算機であってもよいし、汎用の計算機であってもよい。後者の場合、例えば、計算機１０００に対して所定のアプリケーションをインストールすることにより、計算機１０００において、対価算出装置２０００の機能が実現される。上記アプリケーションは、対価算出装置２０００の各機能構成部を実現するためのプログラムで構成される。すなわち、このプログラムは、計算機１０００に、取得部２０２０が行う処理と算出部２０４０が行う処理をそれぞれ実行させる。

計算機１０００は、バス１０２０、プロセッサ１０４０、メモリ１０６０、ストレージデバイス１０８０、入出力インタフェース１１００、及びネットワークインタフェース１１２０を有する。バス１０２０は、プロセッサ１０４０、メモリ１０６０、ストレージデバイス１０８０、入出力インタフェース１１００、及びネットワークインタフェース１１２０が、相互にデータを送受信するためのデータ伝送路である。ただし、プロセッサ１０４０などを互いに接続する方法は、バス接続に限定されない。

プロセッサ１０４０は、CPU（Central Processing Unit）、GPU（Graphics Processing Unit）、FPGA（Field－Programmable Gate Array）などの種々のプロセッサである。メモリ１０６０は、RAM（Random Access Memory）などを用いて実現される主記憶装置である。ストレージデバイス１０８０は、ハードディスク、SSD（Solid State Drive）、メモリカード、又は ROM（Read Only Memory）などを用いて実現される補助記憶装置である。

入出力インタフェース１１００は、計算機１０００と入出力デバイスとを接続するためのインタフェースである。例えば入出力インタフェース１１００には、キーボードなどの入力装置や、ディスプレイ装置などの出力装置が接続される。

ネットワークインタフェース１１２０は、計算機１０００を通信網に接続するためのインタフェースである。この通信網は、例えば LAN（Local Area Network）や WAN（Wide Area Network）である。

ストレージデバイス１０８０は、対価算出装置２０００の各機能構成部を実現するプログラム（前述したアプリケーションを実現するプログラム）を記憶している。プロセッサ１０４０は、このプログラムをメモリ１０６０に読み出して実行することで、対価算出装置２０００の各機能構成部を実現する。

＜処理の流れ＞
図４は、実施形態１の対価算出装置２０００によって実行される処理の流れを例示するフローチャートである。取得部２０２０は、対象アプリケーション１０に利用された対象データ２０の希少度を取得する（Ｓ１０２）。算出部２０４０は、対象データ２０の希少度に基づいて、対象データ２０の利用対価を算出する（Ｓ１０４）。

＜対価算出装置２０００の利用環境の例＞
以降の説明を分かりやすくするため、対価算出装置２０００のより具体的な利用環境を例示する。ただし、対価算出装置２０００の利用環境は、ここで説明するものに限定はされない。

＜＜利用環境の例１＞＞
例えば対価算出装置２０００は、対象アプリケーション１０が完成したタイミングや対象アプリケーション１０がリリースされるタイミングなど、その対象アプリケーション１０に関する所定のタイミングで、対象アプリケーション１０に利用された１つ以上の対象データ２０それぞれについて利用対価を算出する。例えば、対象アプリケーション１０として、会議などの音声を録音することで得られた音声データを解析して議事録データを作成するアプリケーション（以下、議事録作成アプリケーション）が開発されるとする。議事録作成アプリケーションには、音声を話者ごとに切り分ける話者分離処理、話者の特定を行う認証処理、音声を文字に変換するための音声認識処理、音声から話者の属性（性別など）を推定する属性推定処理などが含まれうる。そして、これらの各処理を実現する推定器（学習済みモデル）や、推定器の学習に利用される学習データとして、対象データ２０を利用しうる。

例えば、対象データ２０として、話者分離処理を行う学習済みモデルＭ１、認証処理を行う学習済みモデルＭ２、音声認識処理を行う学習済みモデルＭ３、及び属性推定処理を行う学習済みモデルＭ４が提供されたとする。この場合、対価算出装置２０００は、これら各モデルの希少度を取得し、その希少度に基づいて各モデルの利用対価を算出する。こうすることで、対象アプリケーション１０の開発に利用された各学習済みモデルの提供者に対して支払うべき利用対価を、提供された学習済みモデルの希少度に応じて容易に把握することができる。

その他にも例えば、前述した各処理を行うモデルは自前で用意し、対象データ２０として、各モデルの学習を行うための学習データを利用してもよい。例えば、対象データ２０として、話者分離処理を行うモデルの学習に利用する学習データＤ１、認証処理を行うモデルの学習に利用する学習データＤ２、音声認識処理を行うモデルの学習に利用する学習データＤ３、及び属性推定処理を行うモデルの学習に利用する学習データＤＭ４が提供されたとする。この場合、対価算出装置２０００は、これら各学習データの希少度を取得し、その希少度に基づいて各学習データの利用対価を算出する。こうすることで、対象アプリケーション１０の開発に利用された学習データの提供者に対して支払うべき利用対価を、提供された学習データの希少度に応じて容易に把握することができる。

なお、このように複数のサブプログラム（学習済みモデルなど）を組み合わせて対象アプリケーション１０を構築する場合、その構築は開発者によって手動で行われてもよいし、装置（以下、アプリケーション構築装置）によって自動で行われてもよい。後者の場合、アプリケーション構築装置は、対象アプリケーション１０のユーザに対し、対象アプリケーション１０に組み込みたいサブプログラムを指定できるインタフェース（例えば選択画面）を提供する。アプリケーション構築装置は、サブプログラムが組み込まれる前の対象アプリケーション１０を取得し、ユーザによって指定されたサブプログラムを対象アプリケーション１０に組み込むことで、対象アプリケーション１０を完成させる。

この際、対象アプリケーション１０に対して組み込まれたサブプログラムの識別情報のリストを作成し、対価算出装置２０００へ提供することが好適である。このようにすることで、対価算出装置２０００は、対象アプリケーション１０に利用された各サブプログラムの利用対価を算出することができる。

なお、アプリケーションに対して指定されたサブプログラムを自動的に組み込む技術自体には、既存の技術を利用できる。

＜＜利用環境の例２＞＞
例えば対価算出装置２０００は、１つの対象データ２０が複数の対象アプリケーション１０に利用されるケースにおいて、その対象データ２０の利用対価を算出する。例えば対象データ２０として、前述した話者認識処理や認証処理などを行う学習済みモデルが、サーバ上で提供されているとする。そして、音声解析を行う様々なアプリケーション（前述した議事録作成アプリケーションなど）から、これらサーバ上で提供されている学習済みモデルを利用できるとする。

このようなケースでは、対象データ２０の利用対価は、対象データ２０が利用された度合い（以下、利用度）に応じて決定することが好ましい。なお、利用度は、利用回数や利用頻度などで表すことができる。そこで対価算出装置２０００は、対象データ２０の利用度及び希少度に基づいて、その対象データ２０の利用対価を算出する。例えば対価算出装置２０００は、対象データ２０が一回利用されたことに対する対価（以下、単位利用対価）を、対象データ２０の希少度に基づいて算出する。そして対価算出装置２０００は、対象データ２０の単位利用対価に対して対象データ２０の利用度に基づく係数（例えば利用度そのもの）を掛けることにより、その対象データ２０の利用対価を算出する。

例えば対象データ２０の利用回数は、１ヶ月間などといった所定の期間ごとにカウントされる。こうすることにより、例えば、「所定期間ごとに、その所定期間に対象データ２０が利用された回数及び対象データ２０の希少度に応じた対象データ２０の利用対価を、対象データ２０の提供者に対してまとめて支払う」といった運用が実現できる。

なお、所定期間における対象データ２０の利用対価は、対象データ２０の利用度に比例しなくてもよい。例えば、対象データ２０の利用回数の範囲として、「１回以上 n1 回以下」、「n1 回より多く n2 回以下」などのように複数の数値範囲を設けておき、各数値範囲に対して単位利用対価に乗算する補正係数を定めておく。この場合、対価算出装置２０００は、所定期間に対象データ２０が利用された回数が属する数値範囲に対応する補正係数を、対象データ２０の希少度に基づいて算出した単位利用対価に掛けることで、その所定期間について対象データ２０の提供者に対して支払う利用対価を算出する。

ここで、対象データ２０の利用回数は、対象データ２０を利用した対象アプリケーション１０の数としてカウントされてもよいし、対象アプリケーション１０を区別せずに延べ数としてカウントされてもよい。例えば、対象アプリケーションＡが対象データ２０を３回利用し、対象アプリケーションＢが対象データ２０を２回利用したとする。この場合において、対象データ２０の利用回数を２としてもよいし、５としてもよい。前者の場合、対象データ２０を利用した対象アプリケーション１０の数を対象データ２０の利用回数としている。一方、後者の場合、どの対象アプリケーション１０が対象データ２０を利用したのかは考慮せず、対象データ２０が利用された回数を延べ数としてカウントしている。

＜対象データ２０について＞
前述した様に、対象データ２０は、対象アプリケーション１０の実現に利用されるデータである。例えば対象データ２０は、対象アプリケーション１０が行う処理の一部を実現するサブプログラムである。

例えば対象アプリケーション１０の開発者は、その一部の機能を実現するサブプログラムとして対象データ２０を利用して、対象アプリケーション１０の開発を行う。対象データ２０は、対象アプリケーション１０の一部として組み込まれてもよいし、組み込まれなくてもよい。後者の場合、例えばサブプログラムは、対象アプリケーション１０とは独立して実行される。そして、対象アプリケーション１０は、サブプログラムに対して特定の処理を依頼し、サブプログラムからその処理結果を取得する。

なお、対象アプリケーション１０と独立して実行されるサブプログラムは、対象アプリケーション１０が実行されるコンピュータで実行されてもよいし、対象アプリケーション１０が実行されるコンピュータとは別のコンピュータで実行されてもよい。後者の場合、例えばサブプログラムは、対象アプリケーション１０が実行されるコンピュータと通信可能に接続されているサーバマシン上で実行される。例えば前述した様に、学習済みモデルをサーバ上で提供するといった形態が考えられる。

サブプログラムである対象データ２０は、必ずしも対象アプリケーション１０の開発時から利用される必要はない。例えば、対象アプリケーション１０が外部のサブプログラムに処理の一部を実行させるように構成されている場合、対象アプリケーション１０によって利用されるサブプログラムは、開発後であっても容易に変更することができる。

プログラムの中には、その開発に多くのノウハウや専門的知識を要するものがある。例えば高性能の学習済みモデルは、その構築にモデルの構成（例えば、ニューラルネットワークにおけるレイヤの構成など）や学習に関するノウハウや専門的知識が必要であると言え、希少度が高いと言える。そのため、サブプログラムの提供者に対しては、そのサブプログラムの希少度に応じた対価を支払うことが適切である。

対象データ２０は、プログラムに限定されない。例えば対象データ２０は、前述した様に、対象アプリケーション１０によって利用される学習済みモデルの学習に利用された学習データである。学習済みモデルの学習に利用される学習データの中には、その収集に多くの時間や労力を要したり、入手方法が限定されているために入手が困難なものがあったりする。そのような学習データは希少度が高いといえ、その提供に対してはそれに見合った対価が支払われることが適切である。なお、対象データ２０を学習データとする場合、その学習データを利用して構築された学習済みモデルに関しては、対価支払いの対象でなくてもよい。例えば、対象アプリケーション１０の開発において、モデルの学習に利用する対象データ２０のみが外部から調達され、プログラムの開発自体は全て開発者自身の手によって行われうる。

＜利用対価の算出対象である対象データ２０の特定＞
対価算出装置２０００は、利用対価の算出対象である対象データ２０を特定する。その特定方法には、任意の方法を採用できる。例えば対価算出装置２０００は、利用対価の算出対象である対象データ２０の識別情報を入力する操作を、ユーザから受け付ける。この場合、取得部２０２０は、ユーザによって指定された識別情報を、利用対価の算出対象である対象データ２０の識別情報として取得する。

その他にも例えば、取得部２０２０は、利用対価の算出対象である各対象データ２０の識別情報が示されたリストを取得してもよい。例えば前述した様に、ユーザがサブプログラムを選択することで対象アプリケーション１０が構築された際に、ユーザによって選択されたサブプログラムの識別情報の一覧が対価算出装置２０００に提供されるようにする。この場合、対価算出装置２０００は、提供されたリストに示されている各識別情報で特定されるサブプログラム（対象データ２０）を、利用対価の算出対象として扱う。

その他にも例えば、対価算出装置２０００は、対象データ２０に関する情報（以下、対象データ情報）を検索することにより、利用対価の算出対象である各対象データ２０を特定してもよい。対象データ情報は、対価算出装置２０００からアクセス可能な記憶装置に予め格納しておく。以下、この記憶装置を対象データ情報記憶装置と呼ぶ。

図５は、対象データ情報をテーブル形式で例示する図である。図５のテーブルを、テーブル２００と呼ぶ。テーブル２００は、データ識別情報２０２、提供者識別情報２０４、及びアプリケーション情報２０６を示す。データ識別情報２０２は、対象データ２０の識別情報を示す。提供者識別情報２０４は、対象データ２０を提供した提供者の識別情報を示す。アプリケーション情報２０６は、アプリケーション識別情報２０８と利用時点２１０とを対応づけて示す。アプリケーション識別情報２０８は、対象データ２０を利用した対象アプリケーション１０の識別情報を示す。利用時点２１０は、対応する対象アプリケーション１０によって対象データ２０が利用された時点を示す。

例えば対価算出装置２０００は、特定の提供者によって提供された各対象データ２０について、利用対価を算出する。この場合、取得部２０２０は、当該特定の提供者の識別情報に対応づけられている対象データ２０の識別情報を取得することにより、利用対価の算出対象とする各対象データ２０の識別情報を特定する。

その他にも例えば、対価算出装置２０００は、特定の対象アプリケーション１０によって利用された各対象データ２０について、利用対価を算出する。この場合、取得部２０２０は、対象データ情報記憶装置の中から、当該特定の対象アプリケーション１０の識別情報に対応づけられている対象データ２０の識別情報を取得することにより、利用対価の算出対象とする各対象データ２０の識別情報を特定する。

その他にも例えば、対価算出装置２０００は、特定の期間に利用された各対象データ２０について、利用対価を算出する。この場合、取得部２０２０は、対象データ情報記憶装置の中から、当該特定の期間に含まれる利用時点に対応づけられている対象データ２０の識別情報を取得することにより、利用対価の算出対象とする各対象データ２０の識別情報を特定する。

対象データ２０は、前述した提供者、対象アプリケーション１０、及び期間の組み合わせによって特定されてもよい。例えば、特定の提供者によって特定の期間に提供された対象データ２０を利用対価の算出対象とする場合、取得部２０２０は、対象データ情報記憶装置の中から、１）当該特定の提供者の識別情報に対応づけられている、及び２）当該特定の期間に含まれる利用時点に対応づけられているという２つの条件に当てはまる対象データ２０の識別情報を取得することにより、利用対価の算出対象とする各対象データ２０の識別情報を特定する。

＜対象データ２０の希少度について＞
対象データ２０の希少度は、その対象データ２０の作成や入手の困難さを表す指標値である。そのため、対象データ２０の希少度は、その対象データ２０の価値の高さを表す指標値であるとも言える。

例えば、対象データ２０の識別情報と、その対象データ２０の希少度を特定可能な情報（以下、希少度情報）とを対応づけて、記憶装置（以下、希少度情報記憶装置）に格納しておく。希少度情報は、希少度そのものを示してもよいし、希少度の算出に利用されるパラメータなどであってもよい。例えば希少度は、０以上１以下の実数で表される。ただし、希少度の定義域はこの範囲に限定されない。

図６は、希少度情報記憶装置に格納されている情報をテーブル形式で例示する図である。図６のテーブルを、テーブル３００と呼ぶ。テーブル３００は、データ識別情報３０２と、希少度情報３０４を有する。データ識別情報３０２は、対象データ２０の識別情報を示す。希少度情報３０４は、前述した希少度情報を示す。

取得部２０２０は、希少度情報記憶装置から、利用対価の算出対象である対象データ２０の識別情報に対応づけられている希少度情報を取得する（Ｓ１０２）。希少度情報が希少度の算出に利用されるパラメータを示している場合、取得部２０２０は、取得したパラメータを利用して、希少度を算出する。

以下、パラメータから希少度を算出する方法も含め、対象データ２０の希少度を定める方法について具体的に例示する。

＜＜希少度の定め方の例１＞＞
例えば対象データ２０の希少度は、その提供者によって指定された値に設定される。例えば、対象データ２０の提供を受け付けるサーバマシンを用意しておく。当該サーバマシンは、対象データ２０とその希少度を示す登録リクエストを受け付ける。当該サーバマシンは、登録リクエストに示されている対象データ２０に対して識別情報を割り当て、その識別情報と登録リクエストに示されている希少度とを対応づけて、希少度情報格納装置に格納する。なお、上記サーバマシンは、対価算出装置２０００であってもよいし、対価算出装置２０００以外であってもよい。また、対象データ２０とその希少度を取得する方法は、サーバマシンでリクエストを受け付けるという方法には限定されない。

＜＜希少度の定め方の例２＞＞
その他にも例えば、対象データ２０の希少度は、対象データ２０が属するカテゴリに応じて決定されてもよい。例えば、対象データ２０がサブプログラムである場合、開発がより難しいプログラムのカテゴリほど、希少度がより高いと言える。その他にも例えば、対象データ２０が学習データである場合、入手がより困難な学習データの種類ほど、希少度がより高いと言える。例えば、医療関係の学習データ（人体画像等）は、入手が困難であると考えられる。そこで、「医療」というカテゴリに対応する学習データは、希少度が高くなるようにする。

対象データ２０の希少度情報は、その対象データ２０が属するカテゴリに対応する希少度を直接示してもよいし、その対象データ２０のカテゴリを示してもよい。後者の場合、カテゴリを希少度に変換する変換式を定めておく。取得部２０２０は、希少度情報記憶装置から、利用対価の算出対象である対象データ２０の識別情報に対応づけられている希少度情報を取得し、上述した変換式を用いて、取得した希少度情報が示すカテゴリを希少度に変換する。この変換処理により、取得部２０２０は、対象データ２０の希少度を取得する。

＜＜希少度の定め方の例３＞＞
対象データ２０の提供が、対象データ２０を利用したい人や企業等からのリクエストに対して行われるとする。この場合、対象データ２０の提供のリクエストが受け付けられた時点から、その対象データ２０が提供された時点までの期間の長さ（以下、提供準備時間）が長いほど、対象データ２０の提供に多くの時間を要しているため、対象データ２０の希少度が高いと考えられる。そこで、このようなケースでは、対象データ２０の希少度を、対象データ２０の提供準備時間に応じて決定することが好適である。

例えば、対象データ２０のリクエスト及び提供の場となるサイト（例えば SNS）を用意する。このサイトは、既存の SNS 等を利用したものであってもよいし、専用のサイトとして用意されてもよい。特定のプログラムや学習データなどといった対象データ２０を利用したいユーザは、サイトを利用して、対象データ２０のリクエストを投稿する。対象データ２０の提供者は、この投稿を閲覧して対象データ２０の提供の準備を行う。そして、提供者は、上記投稿に対して返信するなどの方法で、準備した対象データ２０を提供する。サイトを管理するサーバは、リクエストの投稿時点と対象データ２０の投稿時点との差分として、提供準備時間を算出する。

対象データ２０の希少度情報は、その対象データ２０の提供準備時間に応じて決定された希少度を直接示してもよいし、その対象データ２０の提供準備時間を示してもよい。後者の場合、提供準備時間を希少度に変換する変換式を定めておく。取得部２０２０は、希少度情報記憶装置から、利用対価の算出対象である対象データ２０の識別情報に対応づけられている希少度情報を取得し、上述した変換式を用いて、取得した希少度情報が示す提供準備時間を希少度に変換する。この変換処理により、取得部２０２０は、対象データ２０の希少度を取得する。

また、対象データ２０の希少度には、対象データ２０の提供をリクエストした人以外の人による評価の高さが反映されてもよい。例えば、対象データ２０の提供のリクエスト（前述した投稿）が多くの人に支持されていると、その対象データ２０が、多くの人が利用したくてもこれまで利用できなかった希少度の高いものであると言える。そこで、対象データ２０の提供のリクエストに対する他者の評価が高いほど、対象データ２０の希少度を高くする。リクエストに対する他者の評価の高さは、例えば、リクエストの投稿に対する支持の表明の数（例えば SNS における Like の数など）として特定することができる。

このように提出準備時間と評価の高さの双方を用いて希少度を決定する場合、希少度情報は、これらに応じて決定された希少度を直接示してもよいし、提出準備時間と評価の高さを表す指標値（Like の数など）を示してもよい。後者の場合、提出準備時間と評価の高さを表す指標値から希少度を算出する変換式を定めておき、この変換式を用いて希少度が算出される。

例えば、評価の高さを表す指標値は、提出準備時間に基づいて算出される希少度を補正するために利用される。例えば、評価の高さの基準値を定めておき、希少度情報が示す指標値をこの基準値で割った値を、補正係数として算出する。そして、提出準備時間に基づいて算出された希少度にこの補正係数を乗算した値を、最終的な希少度として利用する。このようにすることで、対象データ２０に対する評価が基準を上回っている場合には、提出準備時間に基づいて算出された希少度を大きくするように補正が行われる。一方、対象データ２０に対する評価が基準を下回っている場合には、提出準備時間に基づいて算出された希少度を小さくするように補正が行われる。よって、対象データ２０のリクエストに対する評価の高さを、対象データ２０の希少度に反映することができる。なお、提出準備時間は利用せず、対象データ２０の評価の高さのみで希少度を決定してもよい。

さらに、対象データ２０の提供のリクエストの閲覧回数が記録されるようにしておき、その閲覧回数を利用して希少度を決定してもよい。例えば、閲覧回数に対する支持の数の比率が高いほど、そのリクエストを閲覧した多くの人が支持を表明していると言える。そこで例えば、前述した対象データ２０の評価の高さの指標値として、リクエストに対する支持の数を閲覧回数で除算した値を利用する。

＜＜希少度の定め方の例４＞
対象データ２０がモデルの学習に利用される学習データである場合、対象データ２０の希少度は、対象データ２０として提供された学習データの量に応じて定められてもよい。例えば、対象データ２０として提供される学習データの数（学習用の画像ファイルの数など）が多いほど、希少度が高いといえる。また、対象データ２０として提供される学習データの種類が多いほど、希少度が高いと言える。学習データの種類の数としては、例えば、画像に含まれる物体の識別を行うモデルの学習に利用する学習データにおいて、網羅されている物体の種類の数などを扱うことができる。

希少度情報は、学習データの量に応じて決定された希少度を直接示してもよいし、学習データの量を表す指標値を示してもよい。例えば学習データの量を表す指標値は、学習データの合計サイズ、学習データに含まれるデータ（例えばファイル）の数、又は学習データに含まれるデータの種類の数である。

希少度情報が学習データの量を表す指標値を示す場合、指標値を希少度に変換する変換式を定めておく。取得部２０２０は、希少度情報記憶装置から、利用対価の算出対象である対象データ２０の識別情報に対応づけられている希少度情報を取得し、上述した変換式を用いて、取得した希少度情報が示す指標値を希少度に変換する。この変換処理により、取得部２０２０は、対象データ２０の希少度を取得する。

例えば対象データ２０を利用して学習されるモデルについて、必要な学習データの量（以下、必要量）を定義しておく。この場合、上記変換式は、対象データ２０として提供された学習データの必要量に対する比率（すなわち、網羅度合い）として、希少度を算出する。例えば必要量として、必要な学習データのファイル数と種類の数の双方を定めておく。この場合、上記変換式は、「希少度情報が示す学習データのファイル数と、必要量として定められているファイル数との比率」及び「希少度情報が示す学習データの種類の数と、必要量として定められている学習データの種類の数との比率」を算出し、これら２つの比率を利用して（例えばこれらを掛け合わせて）、対象データ２０の希少度を算出する。

＜利用対価の算出＞
算出部２０４０は、対象データ２０の希少度に応じて対象データ２０の利用対価を算出する（Ｓ１０４）。例えば、希少度を利用対価に変換する変換式を予め定めておく。算出部２０４０は、取得部２０２０によって取得された希少度をこの変換式に入力することにより、対象データ２０の利用対価を算出する。

例えばこの変換式は、希少度を入力とし、利用対価を出力とする単調非減少関数として定めることができる。その他にも例えば、希少度の定義域を複数の数値範囲に分割し、各範囲に対応づけて利用対価が定められていてもよい。この場合、利用対価を算出する変換式は、入力された希少度が属する数値範囲を特定し、その数値範囲に対応づけて定められている利用対価を出力する。

なお、対象データ２０の利用対価の算出には、対象データ２０の希少度以外の要素がさらに利用されてもよい。例えば前述した様に、対象データ２０の利用度に基づいて対象データ２０の利用対価を算出する。この場合、希少度に応じた利用対価として、基準となる利用単価（前述した単位利用単価）が算出されるようにする。そして、算出部２０４０は、希少度に応じて算出された単位利用単価に対し、対象データ２０の利用度に基づく補正係数を掛けることで、対象データ２０の利用単価を算出する。

例えば補正係数は、対象データ２０の利用度そのものである。その他にも例えば、利用度に複数の数値範囲を設けておき、各数値範囲に対応づけて補正係数を定めておいてもよい。この場合、算出部２０４０は、単位利用単価に対し、対象データ２０の利用度が属する数値範囲に対応する補正係数を掛けることで、対象データ２０の利用対価を算出する。

その他にも例えば、補正係数は、予め定めておいた基準値に対する対象データ２０の利用度の比率であってもよい。この場合、算出部２０４０は、対象データ２０の利用度を基準値で割ることで補正係数を算出し、その補正係数に単位利用単価を掛けることで、対象データ２０の利用対価を算出する。

＜算出した対価の出力＞
対価算出装置２０００は、算出した対象データ２０の利用対価を出力する。以下、対価算出装置２０００によって出力される、対象データ２０の利用対価を示す情報を、出力情報と呼ぶ。出力情報の出力先は任意である。例えば出力情報は、対価算出装置２０００に接続されているディスプレイ装置に表示される。その他にも例えば、出力情報は、対価算出装置２０００からアクセス可能な記憶装置に格納される。その他にも例えば、出力情報は、対価算出装置２０００と通信可能に接続されている他の装置に対して送信される。

出力情報は、関連する複数の対象データ２０についての利用対価をまとめて示してもよい。例えば対価算出装置２０００が、特定の提供者によって提供された各対象データ２０について利用対価が算出されたとする。この場合、例えば出力情報は、当該特定の提供者の識別情報と共に、その提供者によって提供された各対象データ２０について、対象データ２０の識別情報と対象データ２０の利用対価とを対応づけた情報を示す。さらに、この出力情報には、対象データ２０の利用対価の合計値が示されてもよい。ここで説明した出力情報によれば、特定の提供者へ支払うべき利用対価を容易に把握することができる。

その他にも例えば、特定の対象アプリケーション１０によって利用された各対象データ２０について利用対価が算出されたとする。この場合、例えば出力情報は、当該特定の対象アプリケーション１０の識別情報と共に、その対象アプリケーション１０に利用された各対象データ２０について、対象データ２０の識別情報と対象データ２０の利用対価とを対応づけた情報を示す。さらに、この出力情報には、対象データ２０の利用対価の合計値が示されてもよい。ここで説明した出力情報によれば、特定の対象アプリケーション１０の実現のために対象データ２０を利用したことによるコストを容易に把握することができる。

以上、図面を参照して本発明の実施形態について述べたが、これらは本発明の例示であり、上記以外の様々な構成を採用することもできる。

上記の実施形態の一部又は全部は、以下の付記のようにも記載されうるが、以下には限られない。
１． 対象アプリケーションで利用される対象データについて、その対象データの希少度を取得する取得部と、
前記取得した希少度に基づいて、前記対象アプリケーションに前記対象データが利用されたことに対する対価である利用対価を算出する算出部と、を有し、
前記対象データは、前記対象アプリケーションが行う処理の一部を実現するサブプログラムであるか、又は前記サブプログラムの作成に利用されるデータである、対価算出装置。
２． 前記サブプログラムは学習済みモデルである、１．に記載の対価算出装置。
３． 前記サブプログラムの作成に利用されるデータは、モデルの学習に利用される学習データである、２．に記載の対価算出装置。
４． 前記対象データの希少度は、そのデータの提供が困難であるほど高い値である、１．から３．いずれか一つに記載の対価算出装置。
５． 前記対象データの希少度は、その対象データが属するカテゴリに応じて定められる、４．に記載の対価算出装置。
６． 前記対象データの希少度は、その対象データの提供のリクエストが行われた時点からその対象データが提供された時点までの時間である提供準備時間の長さに応じて定められる、４．に記載の対価算出装置。
７． 前記対象データの希少度は、前記提供準備時間の長さ及びその対象データの提供のリクエストに対する評価の高さに応じて定められる、６．に記載の対価算出装置。
８． 前記対象データは、前記対象アプリケーションによって利用されるモデルの学習に利用される学習データであり、
前記対象データの希少度は、前記対象データに含まれる学習データの量に応じて定められる、４．に記載の対価算出装置。
９． 前記対象データの希少度は、前記対象データに含まれる学習データの量の、前記モデルの学習に必要な学習データの量に対する比率に応じて定められる、８．に記載の対価算出装置。
１０． 前記算出部は、前記対象データの希少度及び前記対象データが対象アプリケーションに利用された度合いに基づいて、その対象データの利用対価を算出する、１．から９いずれか一つに記載の対価算出装置。
１１． コンピュータによって実行される制御方法であって、
対象アプリケーションで利用される対象データについて、その対象データの希少度を取得する取得ステップと、
前記取得した希少度に基づいて、前記対象アプリケーションに前記対象データが利用されたことに対する対価である利用対価を算出する算出ステップと、を有し、
前記対象データは、前記対象アプリケーションが行う処理の一部を実現するサブプログラムであるか、又は前記サブプログラムの作成に利用されるデータである、制御方法。
１２． 前記サブプログラムは学習済みモデルである、１１．に記載の制御方法。
１３． 前記サブプログラムの作成に利用されるデータは、モデルの学習に利用される学習データである、１２．に記載の制御方法。
１４． 前記対象データの希少度は、そのデータの提供が困難であるほど高い値である、１１．から１３．いずれか一つに記載の制御方法。
１５． 前記対象データの希少度は、その対象データが属するカテゴリに応じて定められる、１４．に記載の制御方法。
１６． 前記対象データの希少度は、その対象データの提供のリクエストが行われた時点からその対象データが提供された時点までの時間である提供準備時間の長さに応じて定められる、１４．に記載の制御方法。
１７． 前記対象データの希少度は、前記提供準備時間の長さ及びその対象データの提供のリクエストに対する評価の高さに応じて定められる、１６．に記載の制御方法。
１８． 前記対象データは、前記対象アプリケーションによって利用されるモデルの学習に利用される学習データであり、
前記対象データの希少度は、前記対象データに含まれる学習データの量に応じて定められる、１４．に記載の制御方法。
１９． 前記対象データの希少度は、前記対象データに含まれる学習データの量の、前記モデルの学習に必要な学習データの量に対する比率に応じて定められる、１８．に記載の制御方法。
２０． 前記算出ステップにおいて、前記対象データの希少度及び前記対象データが対象アプリケーションに利用された度合いに基づいて、その対象データの利用対価を算出する、１１．から１９．いずれか一つに記載の制御方法。
２１． １１．から２０．いずれか一つに記載の制御方法をコンピュータに実行させるプログラム。

この出願は、２０１９年１０月１５日に出願された日本出願特願２０１９－１８８３８４号を基礎とする優先権を主張し、その開示の全てをここに取り込む。

１０ 対象アプリケーション
２０ 対象データ
２００ テーブル
２０２ データ識別情報
２０４ 提供者識別情報
２０６ アプリケーション情報
２０８ アプリケーション識別情報
２１０ 利用時点
３００ テーブル
３０２ データ識別情報
３０４ 希少度情報
１０００ 計算機
１０２０ バス
１０４０ プロセッサ
１０６０ メモリ
１０８０ ストレージデバイス
１１００ 入出力インタフェース
１１２０ ネットワークインタフェース
２０００ 対価算出装置
２０２０ 取得部
２０４０ 算出部

Claims (10)

1. 対象アプリケーションで利用される対象データについて、その対象データの希少度を取得する取得部と、
   前記取得した希少度に基づいて、前記対象アプリケーションに前記対象データが利用されたことに対する対価である利用対価を算出する算出部と、を有し、
   前記対象データは、前記対象アプリケーションが行う処理の一部を実現する学習済みモデルである、対価算出装置。
2. 前記対象データは、モデルの学習に利用される学習データをさらに含む、請求項１に記載の対価算出装置。
3. 前記対象データの希少度は、そのデータの提供が困難であるほど高い値であり、その対象データが属するカテゴリに応じて定められる、請求項１又は２に記載の対価算出装置。
4. 前記対象データの希少度は、そのデータの提供が困難であるほど高い値であり、その対象データの提供のリクエストが行われた時点からその対象データが提供された時点までの時間である提供準備時間の長さに応じて定められる、請求項１又は２に記載の対価算出装置。
5. 前記対象データの希少度は、前記提供準備時間の長さ及びその対象データの提供のリクエストに対する評価の高さに応じて定められる、請求項４に記載の対価算出装置。
6. 前記学習データの希少度は、そのデータの提供が困難であるほど高い値であり、前記対象データに含まれる学習データの量に応じて定められる、請求項２に記載の対価算出装置。
7. 前記学習データの希少度は、前記対象データに含まれる学習データの量の、前記モデルの学習に必要な学習データの量に対する比率に応じて定められる、請求項６に記載の対価算出装置。
8. 前記算出部は、前記対象データの希少度及び前記対象データが対象アプリケーションに利用された度合いに基づいて、その対象データの利用対価を算出する、請求項１から７のいずれか一項に記載の対価算出装置。
9. コンピュータによって実行される制御方法であって、
   対象アプリケーションで利用される対象データについて、その対象データの希少度を取得する取得ステップと、
   前記取得した希少度に基づいて、前記対象アプリケーションに前記対象データが利用されたことに対する対価である利用対価を算出する算出ステップと、を有し、
   前記対象データは、前記対象アプリケーションが行う処理の一部を実現する学習済みモデルである、制御方法。
10. 請求項９に記載の制御方法をコンピュータに実行させるプログラム。

Images