JP7435965B2 - 情報処理装置、情報処理方法、学習モデルの生成方法、及びプログラム - Google Patents

Description

本開示は、情報処理装置、情報処理方法、学習モデルの生成方法、及びプログラムに関する。

従来、生体現象を検出し、生体信号として数値化するセンサに関する技術が広く知られている。センサは、脳波計、筋電計、心電計、及びウェアラブルデバイスに搭載されている生体センサなどの任意の生体センサを含む。例えば、特許文献１には、明るさの変動及び汚れに強く、非侵襲、且つ、小型で生体情報を正確に分析できる生体情報分析装置が開示されている。

加えて、所定の生体現象に基づいて得られた生体信号が生体の感情などの内面情報に依存して変化することが知られている。例えば、非特許文献１には、人間の心拍に基づいて心臓から放射される電磁場を検出して得られた生体信号のスペクトル波形が、感謝の感情を抱いているときと、怒りの感情を抱いているときとの間で大きく変化することが記載されている。また、人間の心拍について、フラストレーションを感じているときには心臓のリズムが乱れている一方で、感謝の気持ちに転じたときには心臓が規則正しいリズムで動き出している様子が記載されている。

特開２０１５－２１７１４４号公報

Rollin McCraty, Ph.D., "The Energetic Heart: Bioelectromagnetic Interactions Within and Between People", HeartMath Research Center, Institute of HeartMath, Publication No. 02-035. Boulder Creek, CA, 2002.

しかしながら、従来技術では、生物からの生体信号をセンサにより複数取得したときに、取得された複数の生体信号とその各々に関連付けられる内面情報とをデータとして統計的に処理して有効的に活用することは十分に考慮されていなかった。例えば、当該データをビッグデータ化して機械学習に用いるようなことは十分に考慮されていなかった。

本開示は、センサにより取得された生体信号に内面情報を関連付けたデータの有効活用を可能にする技術を提供する。

本開示の一実施形態に係る情報処理装置は、制御部を備える情報処理装置であって、前記制御部は、生物の生体現象をセンサにより検出することで出力される前記生物の生体信号と前記生物の内面情報とを互いに関連付けた過去の実測データに基づき、前記生体信号に応じた前記内面情報を学習して構築された学習モデルを取得し、取得された前記学習モデルに基づいて、前記内面情報に関連する出力情報を生成する。

本開示の一実施形態に係る情報処理方法は、情報処理装置を用いた情報処理方法であって、生物の生体現象をセンサにより検出することで出力される前記生物の生体信号と前記生物の内面情報とを互いに関連付けた過去の実測データに基づき、前記生体信号に応じた前記内面情報を学習して構築された学習モデルを取得するステップと、取得された前記学習モデルに基づいて、前記内面情報に関連する出力情報を生成するステップと、を含む。

本開示の一実施形態に係る学習モデルの生成方法は、上記の情報処理方法に用いられる前記学習モデルの生成方法であって、前記過去の実測データを取得するステップと、取得された前記過去の実測データに基づいて、前記生体信号に応じた前記内面情報を学習して前記学習モデルを構築するステップと、を含む。

本開示の一実施形態に係るプログラムは、上記の情報処理方法又は学習モデルの生成方法を情報処理装置に実行させる。

本開示の一実施形態に係る情報処理装置、情報処理方法、学習モデルの生成方法、及びプログラムによれば、センサにより取得された生体信号に内面情報を関連付けたデータの有効活用を可能にする。

本開示の一実施形態に係る情報処理装置を含む情報処理システムの構成を示す構成図である。 図１の情報処理装置、センサ、及び端末装置のそれぞれの概略構成を示す機能ブロック図である。 図１の情報処理システムにより実行される情報処理方法の一例を説明するためのシーケンス図である。 図１の情報処理装置により実行される情報処理方法の第１例を説明するためのフローチャートである。 図１の情報処理装置により実行される情報処理方法の第２例を説明するためのフローチャートである。 図１の情報処理装置により実行される情報処理方法の第３例を説明するためのフローチャートである。 図１の情報処理装置の記憶部に格納される情報の第１例を示す図である。 図１の情報処理装置の記憶部に格納される情報の第２例を示す図である。

以下、本開示の実施形態について、図面を参照して説明する。

図１は、本開示の一実施形態に係る情報処理装置１０を含む情報処理システム１の構成を示す構成図である。図１を参照しながら、本開示の一実施形態に係る情報処理装置１０を含む情報処理システム１の概要について主に説明する。情報処理システム１は、情報処理装置１０に加えて、複数組のセンサ２０及び端末装置３０を有する。

図１では説明の簡便のため、情報処理装置１０について１つのみ図示しているが、情報処理システム１が有する情報処理装置１０の数は２つ以上であってもよい。図１では、センサ２０及び端末装置３０についてそれぞれ複数図示しているが、情報処理システム１が有するセンサ２０及び端末装置３０の数はそれぞれ１つであってもよい。情報処理システム１は、一組のセンサ２０及び端末装置３０のみを有してもよい。情報処理装置１０、複数のセンサ２０、及び複数の端末装置３０のそれぞれは、移動体通信網及びインターネットなどを含むネットワーク４０と通信可能に接続されている。

情報処理装置１０は、１つ又は互いに通信可能な複数のサーバ装置である。情報処理装置１０は、これらに限定されず、ＰＣ（Personal Computer）又はスマートフォンなどの任意の汎用の電子機器であってもよいし、情報処理システム１に専用の他の電子機器であってもよい。

センサ２０は、生物の生体現象を検出して生体信号として数値化する任意の装置である。本明細書において、「生物」は人間を含む。「生体現象」は心拍を含む。センサ２０は、例えば生物の生体現象に伴って体内から発せられる電磁場を非接触で検出可能な任意の電磁場センサを含む。本明細書において、「電磁場」は、電場及び磁場の総称を意味する。「電磁場センサ」は、磁気センサ及び電界センサなどを含む。センサ２０は、情報処理システム１を利用するユーザによっても所持される。

端末装置３０は、スマートフォン、タブレットＰＣ、又はＰＣなどの汎用の電子機器である。端末装置３０は、センサ２０を所持しているユーザが使用する電子機器である。端末装置３０は、これらに限定されず、センサ２０を所持しているユーザが使用する１つ又は互いに通信可能な複数のサーバ装置であってもよいし、情報処理システム１に専用の他の電子機器であってもよい。

一実施形態の概要として、情報処理装置１０は、生物の生体現象をセンサ２０により検出することで出力される生物の生体信号と生物の内面情報とを互いに関連付けた過去の実測データに基づき、生体信号に応じた内面情報を学習して構築された学習モデルを取得する。本明細書において、「内面情報」は、生体上で直接的に表に現れず、物理的手段によって外部から直接的に検出することができないような任意の内面的な情報を含む。内面情報は、感情、心理状態、及び精神状態などを含む。

情報処理装置１０は、取得された学習モデルに基づいて、内面情報に関連する出力情報を生成する。本明細書において、「出力情報」は、後述する第１通知情報、第２通知情報、及び擬似生体信号などを含む。

図２は、図１の情報処理装置１０、センサ２０、及び端末装置３０のそれぞれの概略構成を示す機能ブロック図である。図２では、説明の簡便のために、図１における複数組のセンサ２０及び端末装置３０のうちの一組のセンサ２０及び端末装置３０の構成のみを図示している。図２を参照しながら、情報処理システム１に含まれる情報処理装置１０、センサ２０、及び端末装置３０のそれぞれの構成の一例について主に説明する。

図２に示すとおり、情報処理装置１０は、通信部１１、記憶部１２、及び制御部１３を有する。

通信部１１は、ネットワーク４０に接続する通信モジュールを含む。例えば、通信部１１は、４Ｇ（4th Generation）及び５Ｇ（5th Generation）などの移動体通信規格又はインターネット規格に対応する通信モジュールを含む。一実施形態において、情報処理装置１０は、通信部１１を介してネットワーク４０に接続されている。通信部１１は、ネットワーク４０を介して多様な情報を送信及び受信する。

記憶部１２は、例えば半導体メモリ、磁気メモリ、又は光メモリなどであるが、これらに限定されない。記憶部１２は、主記憶装置、補助記憶装置、又はキャッシュメモリとして機能する。記憶部１２は、情報処理装置１０の動作に用いられる任意の情報を記憶する。記憶部１２は、システムプログラム、アプリケーションプログラム、及び通信部１１により受信又は送信される各種情報などを記憶する。記憶部１２に記憶された情報は、通信部１１を介してネットワーク４０から受信される情報で更新可能である。

制御部１３は、１つ以上のプロセッサを含む。一実施形態において「プロセッサ」は、汎用のプロセッサ、又は特定の処理に特化した専用のプロセッサであるが、これらに限定されない。制御部１３は、情報処理装置１０を構成する各構成部と通信可能に接続され、情報処理装置１０全体の動作を制御する。

情報処理システム１に含まれるセンサ２０の構成について主に説明する。図２に示すとおり、センサ２０は、通信部２１、記憶部２２、取得部２３、出力部２４、及び制御部２５を有する。

通信部２１は、ネットワーク４０に接続する通信モジュールを含む。例えば、通信部２１は、４Ｇ及び５Ｇなどの移動体通信規格に対応する通信モジュールを含む。一実施形態において、センサ２０は、通信部２１を介してネットワーク４０に接続されている。通信部２１は、ネットワーク４０を介して多様な情報を送信及び受信する。

記憶部２２は、例えば半導体メモリ、磁気メモリ、又は光メモリなどであるが、これらに限定されない。記憶部２２は、主記憶装置、補助記憶装置、又はキャッシュメモリとして機能する。記憶部２２は、センサ２０の動作に用いられる任意の情報を記憶する。記憶部２２は、システムプログラム、アプリケーションプログラム、及び通信部２１により受信又は送信される各種情報などを記憶する。記憶部２２に記憶された情報は、通信部２１を介してネットワーク４０から受信される情報で更新可能である。

取得部２３は、生物の生体現象を検出して生体信号として取得可能な任意のセンサ素子を含む。例えば、取得部２３は、生物の生体現象に伴って体内から発せられる電磁場を非接触で検出可能な磁気センサ素子及び電界センサ素子などを含む。

出力部２４は、情報処理装置１０において出力情報として生成された擬似生体信号に基づいて、当該擬似生体信号に対応する電磁場を出力可能な任意の出力モジュールを含む。例えば、出力部２４は、生物の生体現象に伴って体内から発せられる電磁場を模した擬似的な電磁場を当該擬似生体信号に基づいて出力可能な任意の発振モジュールを含む。

制御部２５は、１つ以上のプロセッサを含む。一実施形態において「プロセッサ」は、汎用のプロセッサ、又は特定の処理に特化した専用のプロセッサであるが、これらに限定されない。制御部２５は、センサ２０を構成する各構成部と通信可能に接続され、センサ２０全体の動作を制御する。

情報処理システム１に含まれる端末装置３０の構成について主に説明する。図２に示すとおり、端末装置３０は、通信部３１、記憶部３２、入力部３３、出力部３４、及び制御部３５を有する。

通信部３１は、ネットワーク４０に接続する通信モジュールを含む。例えば、通信部３１は、４Ｇ及び５Ｇなどの移動体通信規格又はインターネット規格に対応する通信モジュールを含む。一実施形態において、端末装置３０は、通信部３１を介してネットワーク４０に接続されている。通信部３１は、ネットワーク４０を介して多様な情報を送信及び受信する。

記憶部３２は、例えば半導体メモリ、磁気メモリ、又は光メモリなどであるが、これらに限定されない。記憶部３２は、主記憶装置、補助記憶装置、又はキャッシュメモリとして機能する。記憶部３２は、端末装置３０の動作に用いられる任意の情報を記憶する。記憶部３２は、システムプログラム、アプリケーションプログラム、及び通信部３１により受信又は送信される各種情報などを記憶する。記憶部３２に記憶された情報は、通信部３１を介してネットワーク４０から受信される情報で更新可能である。

入力部３３は、ユーザ入力を検出して、ユーザの操作に基づく入力情報を取得する１つ以上の入力インタフェースを含む。例えば、入力部３３は、物理キー、静電容量キー、出力部３４のディスプレイと一体的に設けられたタッチスクリーン、及び音声入力を受け付けるマイクロフォンなどを含む。

出力部３４は、情報を出力してユーザに通知する１つ以上の出力インタフェースを含む。例えば、出力部３４は、情報を映像で出力するディスプレイ、及び情報を音声で出力するスピーカなどを含む。

制御部３５は、１つ以上のプロセッサを含む。一実施形態において「プロセッサ」は、汎用のプロセッサ、又は特定の処理に特化した専用のプロセッサであるが、これらに限定されない。制御部３５は、端末装置３０を構成する各構成部と通信可能に接続され、端末装置３０全体の動作を制御する。

図３は、図１の情報処理システム１により実行される情報処理方法の一例を説明するためのシーケンス図である。図３を参照しながら、図１の情報処理システム１が実行する情報処理方法の一例について主に説明する。図３に示すシーケンス図は、情報処理システム１により実行される情報処理方法の基本的な処理の流れを示す。

ステップＳ１００では、情報処理装置１０の制御部１３は、生物の生体現象をセンサ２０により検出することで出力される生物の生体信号と生物の内面情報とを互いに関連付けた過去の実測データを取得する。

より具体的には、制御部１３は、例えば「生物」が人間である場合に、被験者に対してセンサ２０を用いて取得した生体信号と、当該被験者からのフィードバックにより得られた、当該生体信号を取得したときの当該被験者の主観的な内面情報と、を複数の被験者から取得する。被験者は、情報処理システム１を利用するユーザ自身であってもよいし、情報処理システム１を情報サービスとしてユーザに提供する前の開発段階で、情報処理システム１の開発者により実測データの収集のために依頼された任意の者であってもよい。制御部１３は、取得された生体信号と内面情報とを互いに関連付けて過去の実測データを生成する。制御部１３は、生成された過去の実測データを、例えばビッグデータとして記憶部１２に格納する。

ステップＳ１０１では、情報処理装置１０の制御部１３は、ステップＳ１００において取得された過去の実測データに基づいて、生体信号に応じた内面情報を学習して学習モデルを構築する。すなわち、制御部１３は、情報処理装置１０自体において学習モデルを構築することで、学習モデルを取得する。制御部１３は、構築された学習モデルを記憶部１２に格納する。

学習モデルは、取得された過去の実測データに基づき学習された機械学習モデルである。例えば、学習モデルは、教師あり学習モデルであり、生体信号を入力データとし、内面情報を教師データとして、生体信号に応じた内面情報を学習する数学モデルである。教師あり学習モデルは、例えば、入力層、１つ以上の中間層、及び出力層を含むニューラルネットワークであるが、これに限定されない。

教師あり学習モデルの学習は、情報処理装置１０の制御部１３により実行される。教師あり学習モデルの学習は、バッチ学習であってもよく、オンライン学習であってもよい。本明細書において、「学習モデルを構築する」とは、バッチ学習が完了し、又はオンライン学習が一定程度実施された状態を意味する。オンライン学習の場合、学習が一定程度実施された後も継続して学習が実行されてもよい。

ステップＳ１０２では、センサ２０の制御部２５は、当該センサ２０を有するユーザ自身及び当該ユーザの周囲に存在する、当該ユーザと異なる他の生物の少なくとも一方の所定の生体信号を取得部２３により取得する。

ステップＳ１０３では、センサ２０の制御部２５は、ステップＳ１０２において取得された所定の生体信号を、通信部２１及びネットワーク４０を介して情報処理装置１０に送信する。これにより、情報処理装置１０の制御部１３は、所定の生体信号をセンサ２０から取得する。

ステップＳ１０４では、情報処理装置１０の制御部１３は、ステップＳ１０３において取得された所定の生体信号に応じた内面情報を、ステップＳ１０１において構築された学習モデルに基づいて推定する。例えば、学習済みの学習モデルに所定の生体信号が入力されると、当該所定の生体信号に応じた内面情報が推定され、出力される。

制御部１３は、ステップＳ１０２においてセンサ２０が当該センサ２０を有するユーザ自身の所定の生体信号を取得するとき、生物としての一のユーザの所定の生体信号に基づいて内面情報を推定することになる。本明細書において、「一のユーザ」は、ステップＳ１０２において所定の生体信号を取得するためにセンサ２０を用いたユーザ自身である。一方で、制御部１３は、ステップＳ１０２においてセンサ２０が当該センサ２０を有するユーザの周囲に存在する、当該ユーザと異なる他の生物の所定の生体信号を取得するとき、一のユーザと異なる生物の所定の生体信号に基づいて内面情報を推定することになる。

ステップＳ１０５では、情報処理装置１０の制御部１３は、ステップＳ１０１において取得された学習モデルに基づいて、内面情報に関連する出力情報を生成する。より具体的には、制御部１３は、ステップＳ１０４において推定された内面情報を一のユーザに通知する第１通知情報を出力情報として生成する。

ステップＳ１０６では、情報処理装置１０の制御部１３は、ステップＳ１０１において取得された学習モデルに基づいて、内面情報に関連する出力情報を生成する。より具体的には、制御部１３は、ステップＳ１０３において取得された所定の生体信号の波形と平均波形との差分が閾値を超えていると判定すると、ステップＳ１０４において推定された内面情報の改善を一のユーザに促す第２通知情報を出力情報として生成する。

本明細書において、「平均波形」は、所定の生体信号をもたらした生物自身の過去の複数の生体信号を制御部１３により平均処理して算出されたものであってもよいし、過去の実測データに含まれる過去の複数の生体信号を制御部１３により平均処理して算出されたものであってもよい。

ステップＳ１０７では、情報処理装置１０の制御部１３は、ステップＳ１０５において生成された第１通知情報及びステップＳ１０６において生成された第２通知情報を、通信部１１及びネットワーク４０を介して一のユーザの端末装置３０に送信する。これにより、一のユーザの端末装置３０の制御部３５は、第１通知情報及び第２通知情報を情報処理装置１０から取得する。

制御部１３は、ステップＳ１０２においてセンサ２０が当該センサ２０を有する一のユーザの所定の生体信号を取得するとき、一のユーザに対して推定された内面情報を第１通知情報として一のユーザ自身に通知することになる。同様に、制御部１３は、ステップＳ１０２においてセンサ２０が当該センサ２０を有する一のユーザの所定の生体信号を取得するとき、一のユーザに対して推定された内面情報の改善を第２通知情報により一のユーザ自身に促すことになる。

一方で、制御部１３は、ステップＳ１０２においてセンサ２０が当該センサ２０を有する一のユーザの周囲に存在する、一のユーザと異なる他の生物の所定の生体信号を取得するとき、一のユーザと異なる生物に対して推定された内面情報を第１通知情報として一のユーザに通知することになる。同様に、制御部１３は、ステップＳ１０２においてセンサ２０が当該センサ２０を有する一のユーザの周囲に存在する、一のユーザと異なる他の生物の所定の生体信号を取得するとき、一のユーザと異なる生物に対して推定された内面情報の改善を第２通知情報により一のユーザに促すことになる。

ステップＳ１０８では、一のユーザの端末装置３０の制御部３５は、ステップＳ１０７において取得された第１通知情報及び第２通知情報に基づく通知処理を、出力部３４を用いて実行する。

ステップＳ１０９では、情報処理装置１０の制御部１３は、ステップＳ１０１において取得された学習モデルに基づいて、内面情報に関連する出力情報を生成する。より具体的には、制御部１３は、ステップＳ１０１において構築された学習モデルに基づいて、所定の内面情報に関連付けられる擬似生体信号を出力情報として生成する。例えば、制御部１３は、所定の感情に関連付けられている複数の生体信号を過去の実測データに基づいて学習し、当該所定の感情に関連付け可能な平均的な生体信号を擬似生体信号として再現する。

ステップＳ１１０では、情報処理装置１０の制御部１３は、ステップＳ１０９において生成された擬似生体信号を、通信部１１及びネットワーク４０を介して一のユーザのセンサ２０に送信する。これにより、一のユーザのセンサ２０の制御部２５は、擬似生体信号を情報処理装置１０から取得する。

ステップＳ１１１では、一のユーザのセンサ２０の制御部２５は、生物の生体現象に伴って体内から発せられる電磁場を模した擬似的な電磁場を、ステップＳ１１０において取得された擬似生体信号に基づいて出力部２４により出力する。制御部２５は、センサ２０を有する一のユーザ自身及び一のユーザの周囲に存在する、一のユーザと異なる他の生物の少なくとも一方に対して、擬似生体信号に基づく擬似的な電磁場を、出力部２４を用いて出力する。

図４は、図１の情報処理装置１０により実行される情報処理方法の第１例を説明するためのフローチャートである。図４を参照しながら、図１の情報処理装置１０が実行する情報処理方法の第１例について説明する。図４に示すフローチャートは、図３を参照しながら上述した第１通知情報の生成処理に主に関する。

ステップＳ２００では、情報処理装置１０の制御部１３は、生物の生体現象をセンサ２０により検出することで出力される生物の生体信号と生物の内面情報とを互いに関連付けた過去の実測データを取得する。

ステップＳ２０１では、制御部１３は、ステップＳ２００において取得された過去の実測データに基づいて、生体信号に応じた内面情報を学習して学習モデルを構築する。

ステップＳ２０２では、制御部１３は、所定の生体信号をセンサ２０から取得する。より具体的には、制御部１３は、センサ２０の取得部２３により取得された所定の生体信号を、ネットワーク４０及び通信部１１を介してセンサ２０から受信する。

ステップＳ２０３では、制御部１３は、ステップＳ２０２において取得された所定の生体信号に応じた内面情報を、ステップＳ２０１において構築された学習モデルに基づいて推定する。

ステップＳ２０４では、制御部１３は、ステップＳ２０１において取得された学習モデルに基づいて、内面情報に関連する出力情報を生成する。より具体的には、制御部１３は、ステップＳ２０３において推定された内面情報を一のユーザに通知する第１通知情報を出力情報として生成する。

ステップＳ２０５では、制御部１３は、ステップＳ２０４において生成された第１通知情報を、通信部１１及びネットワーク４０を介して一のユーザの端末装置３０に送信する。

図５は、図１の情報処理装置１０により実行される情報処理方法の第２例を説明するためのフローチャートである。図５を参照しながら、図１の情報処理装置１０が実行する情報処理方法の第２例について説明する。図５に示すフローチャートは、図３を参照しながら上述した第２通知情報の生成処理に主に関する。

ステップＳ３００では、情報処理装置１０の制御部１３は、生物の生体現象をセンサ２０により検出することで出力される生物の生体信号と生物の内面情報とを互いに関連付けた過去の実測データを取得する。

ステップＳ３０１では、制御部１３は、ステップＳ３００において取得された過去の実測データに基づいて、生体信号に応じた内面情報を学習して学習モデルを構築する。

ステップＳ３０２では、制御部１３は、所定の生体信号をセンサ２０から取得する。より具体的には、制御部１３は、センサ２０の取得部２３により取得された所定の生体信号を、ネットワーク４０及び通信部１１を介してセンサ２０から受信する。

ステップＳ３０３では、制御部１３は、ステップＳ３０２において取得された所定の生体信号に応じた内面情報を、ステップＳ３０１において構築された学習モデルに基づいて推定する。

ステップＳ３０４では、制御部１３は、ステップＳ３０２において取得された所定の生体信号の波形と平均波形との差分が閾値を超えているか否かを判定する。すなわち、制御部１３は、ステップＳ３０２において取得された所定の生体信号の波形が平均波形に対して許容範囲を超えて大きく相違しているか否かを判定する。制御部１３は、差分が閾値を超えていると判定すると、ステップＳ３０５の処理を実行する。制御部１３は、差分が閾値を超えていないと判定すると、ステップＳ３０２の処理を再度実行する。

ステップＳ３０５では、制御部１３は、ステップＳ３０１において取得された学習モデルに基づいて、内面情報に関連する出力情報を生成する。より具体的には、制御部１３は、ステップＳ３０４において差分が閾値を超えていると判定すると、ステップＳ３０３において推定された内面情報の改善を一のユーザに促す第２通知情報を出力情報として生成する。

ステップＳ３０６では、制御部１３は、ステップＳ３０５において生成された第２通知情報を、通信部１１及びネットワーク４０を介して一のユーザの端末装置３０に送信する。

図６は、図１の情報処理装置１０により実行される情報処理方法の第３例を説明するためのフローチャートである。図６を参照しながら、図１の情報処理装置１０が実行する情報処理方法の第３例について説明する。図６に示すフローチャートは、図３を参照しながら上述した擬似生体信号の生成処理に主に関する。

ステップＳ４００では、情報処理装置１０の制御部１３は、生物の生体現象をセンサ２０により検出することで出力される生物の生体信号と生物の内面情報とを互いに関連付けた過去の実測データを取得する。

ステップＳ４０１では、制御部１３は、ステップＳ４００において取得された過去の実測データに基づいて、生体信号に応じた内面情報を学習して学習モデルを構築する。

ステップＳ４０２では、制御部１３は、ステップＳ４０１において取得された学習モデルに基づいて、内面情報に関連する出力情報を生成する。より具体的には、制御部１３は、ステップＳ４０１において構築された学習モデルに基づいて、所定の内面情報に関連付けられる擬似生体信号を出力情報として生成する。

ステップＳ４０３では、制御部１３は、ステップＳ４０２において生成された擬似生体信号を、通信部１１及びネットワーク４０を介して一のユーザのセンサ２０に送信する。

図７は、図１の情報処理装置１０の記憶部１２に格納される情報の第１例を示す図である。図７は、生物の生体現象をセンサ２０により検出することで出力される生物の生体信号と生物の内面情報とを互いに関連付けた過去の実測データに関する。図７を参照しながら、情報処理装置１０の記憶部１２のデータベースに格納される過去の実測データについて説明する。

過去の実測データに関するデータベースには、生体信号及び内面情報に加えて、これらの情報を取得した対象となる生物の情報及び属性情報が格納される。過去の実測データは、生体信号及び内面情報に加えて生物の属性情報も関連付けられたデータである。

図７における生物の情報は、生体信号、内面情報、及び属性情報がどの個体に関連付けられているかを示すためのものである。生物の情報は、例えば被験者個人を特定する識別情報に相当する。被験者は、一又は複数存在する。例えば、生物の情報は、被験者Ａ、被験者Ｂ・・・のように、生体信号、内面情報、及び属性情報がどの被験者に関連付けられているかを特定するためのものである。一の被験者に対して１組の情報が関連付けられていてもよいし、複数組の情報が関連付けられていてもよい。

本明細書において、「属性情報」は、生物をカテゴライズするための任意の情報を含む。例えば、属性情報は、被験者の年齢、性別、家族構成、人種、国籍、住所、趣味、嗜好、就学状況、職業、業種、職種、役職、及び資格などを含む。

被験者が、情報処理システム１を利用するユーザ自身である場合、情報処理装置１０の制御部１３は、情報処理システム１に含まれるセンサ２０の取得部２３により取得されたユーザの生体信号を、ネットワーク４０及び通信部１１を介してセンサ２０から取得する。このとき、制御部１３は、当該ユーザが使用する端末装置３０の入力部３３を用いて当該ユーザにより入力された自身の生物の情報、内面情報、及び属性情報を、ネットワーク４０及び通信部１１を介して端末装置３０から取得する。

被験者が、情報処理システム１の開発者により実測データの収集のために依頼された任意の者である場合、情報処理装置１０の制御部１３は、センサ２０を用いて開発者により収集された生体信号を任意の手段で取得する。このとき、制御部１３は、生体信号に関連付けられる情報として開発者により収集された生物の情報、内面情報、及び属性情報を任意の手段で同様に取得する。

制御部１３は、上記のようにして得られた各種情報を過去の実測データとしてデータベース化し、記憶部１２に格納することで一元管理する。

図８は、図１の情報処理装置１０の記憶部１２に格納される情報の第２例を示す図である。図８は、同一種類の生物に対して構築された学習モデルを用いるために必要となる情報及び学習モデルを用いた結果得られる情報を概略的にまとめたものである。図８を参照しながら、情報処理装置１０の記憶部１２のデータベースに格納されるこれらの情報について説明する。

図８に示すデータベースには、同一種類の生物に対して構築された学習モデルに加えて、生物の情報及び当該生物から取得された所定の生体信号が学習モデルを用いるために必要となる情報として格納される。加えて、当該データベースには、取得された所定の生体信号に応じて推定された内面情報及び推定された内面情報に関連する出力情報が学習モデルを用いた結果得られる情報として格納される。

図８における生物の情報は、所定の生体信号がどの個体に関連付けられているかを示すためのものである。生物の情報は、例えば情報処理システム１を利用する一又は複数のユーザ個人を特定したり、又は当該ユーザの周囲に存在する、当該ユーザと異なる一又は複数の生物を個別に特定したりする識別情報に相当する。例えば、生物の情報は、ユーザＡ、その周囲に存在する生物Ａ１、Ａ２・・・、ユーザＢ、その周囲に存在する生物Ｂ１、Ｂ２・・・のように、所定の生体信号がどの生物に関連付けられているかを特定するためのものである。一の生物に対して一の所定の生体信号が関連付けられていてもよいし、複数の所定の生体信号が関連付けられていてもよい。

情報処理装置１０の制御部１３は、情報処理システム１に含まれるセンサ２０の取得部２３により取得された所定の生体信号を、ネットワーク４０及び通信部１１を介してセンサ２０から取得する。このとき、制御部１３は、当該センサ２０を使用したユーザが自身の端末装置３０の入力部３３を用いて入力した対応する生物の情報を、ネットワーク４０及び通信部１１を介して端末装置３０から取得する。

情報処理装置１０の制御部１３は、取得された所定の生体信号ごとに、学習モデルに基づいて内面情報を推定する。例えば、制御部１３は、学習モデルに基づいて、所定の生体信号の波形が示す生物の感情を推定する。制御部１３は、推定された内面情報に関連する、第１通知情報及び第２通知情報を含む出力情報を生成する。

制御部１３は、上記のようにして得られた各種情報をデータベース化し、記憶部１２に格納することで一元管理する。

以上のような一実施形態によれば、センサ２０により取得された生体信号に内面情報を関連付けたデータの有効活用が可能になる。例えば、情報処理装置１０は、このような過去の実測データに基づき、生体信号に応じた内面情報を学習して学習モデルを構築し、取得された学習モデルに基づいて、内面情報に関連する出力情報を生成する。これにより、情報処理装置１０は、ユーザのセンサ２０及び端末装置３０の少なくとも一方に内面情報に関する出力情報を送信して、過去の実測データに基づくフィードバックをユーザに対して提供することができる。

情報処理装置１０は、取得された所定の生体信号に応じた内面情報を推定することで、センサ２０により取得された生体信号に内面情報を関連付けたデータをさらに有効活用できる。

例えば、情報処理装置１０は、第１通知情報を出力情報として生成することで、推定された内面情報を一のユーザに通知することができる。一のユーザは、第１通知情報に基づく通知内容を端末装置３０の出力部３４を介して確認することができる。

このとき、情報処理装置１０が、生物としての一のユーザの所定の生体信号に基づいて内面情報を推定したのであれば、一のユーザは、センサ２０を用いて自身で生体信号を測定して自身の内面情報を推定情報として客観的に把握することができる。一方で、情報処理装置１０が、一のユーザと異なる生物の所定の生体信号に基づいて内面情報を推定したのであれば、一のユーザは、周囲の生物の生体信号をセンサ２０により測定して当該生物の内面情報を推定情報として客観的に把握することができる。

例えば、情報処理装置１０は、第２通知情報を出力情報として生成することで、所定の生体信号の波形と平均波形との差分が閾値を超えていると判定したときに、推定された内面情報の改善を一のユーザに促すことができる。一のユーザは、第２通知情報に基づく通知内容を端末装置３０の出力部３４を介して確認することができる。

このとき、情報処理装置１０が、生物としての一のユーザの所定の生体信号に基づいて内面情報を推定したのであれば、一のユーザは、センサ２０を用いて自身で生体信号を測定して自身の内面情報を改善する必要があることを客観的に把握することができる。一方で、情報処理装置１０が、一のユーザと異なる生物の所定の生体信号に基づいて内面情報を推定したのであれば、一のユーザは、周囲の生物の生体信号をセンサ２０により測定して当該生物の内面情報を改善する必要があることを客観的に把握することができる。

情報処理装置１０は、所定の生体信号をもたらした生物自身の過去の複数の生体信号を平均処理して平均波形を算出することで、当該生物について固有の平均波形を取得することができる。

これにより、情報処理装置１０は、一のユーザ自身の平均波形、すなわち一のユーザ自身の平常時の波形に近似される波形を基準とした、所定の生体信号の波形の変化を識別することができる。したがって、情報処理装置１０は、第２通知情報を生成して、一のユーザに対し推定された内面情報の改善を一のユーザ自身に促すときに、あくまでもユーザ自身の平常時に近い状態を基準として改善を促すことが可能となる。

同様に、情報処理装置１０は、一のユーザの周囲にいる他の生物の平均波形、すなわち当該生物の平常時の波形に近似される波形を基準とした、所定の生体信号の波形の変化を識別することができる。したがって、情報処理装置１０は、第２通知情報を生成して、当該生物に対し推定された内面情報の改善を一のユーザに促すときに、あくまでも当該生物の平常時に近い状態を基準として改善を促すことが可能となる。

情報処理装置１０は、過去の実測データに含まれる過去の複数の生体信号を平均処理して平均波形を算出することで、当該生物について固有の平均波形ではなく、過去の実測データを収集する対象となった複数の被験者にわたる全体的な平均波形を取得することができる。

これにより、情報処理装置１０は、全体的な平均波形、すなわち複数の被験者にわたる平常的な波形に近似される波形を基準とした、一のユーザに対する所定の生体信号の波形の変化を識別することができる。したがって、情報処理装置１０は、第２通知情報を生成して、一のユーザに対し推定された内面情報の改善を一のユーザ自身に促すときに、全体的な平均波形を基準として改善を促すことが可能となる。

同様に、情報処理装置１０は、全体的な平均波形、すなわち複数の被験者にわたる平常的な波形に近似される波形を基準とした、一のユーザの周囲にいる他の生物に対する所定の生体信号の波形の変化を識別することができる。したがって、情報処理装置１０は、第２通知情報を生成して、当該生物に対し推定された内面情報の改善を一のユーザに促すときに、全体的な平均波形を基準として改善を促すことが可能となる。

情報処理装置１０は、学習モデルに基づいて擬似生体信号を出力情報として生成することで、一のユーザが所望する所定の内面情報に関連付けた擬似生体信号を出力情報として生成することができる。一のユーザは、一のユーザ自身及び一のユーザの周囲に存在する、一のユーザと異なる他の生物の少なくとも一方に対して、このような擬似生体信号に基づく擬似的な電磁場をセンサ２０の出力部２４を用いて照射することができる。これにより、一のユーザは、所定の内面情報に基づいて生物の体内から発せられる電磁場を模した擬似的な電磁場を、照射対象に作用させることが可能となる。例えば、一のユーザは、ポジティブな感情に対応する擬似的な電磁場を照射対象に作用させることも可能となる。

過去の実測データが、生体信号及び内面情報に加えて生物の属性情報も関連付けられたデータであることで、情報処理装置１０は、より多くの情報に基づいて学習モデルを構築することが可能となる。したがって、情報処理装置１０は、より精度の高い学習モデルを構築することが可能となる。

本開示の内容は、例えばヘルスケア、医療、セキュリティ、教育、及び育児などの様々な分野に応用可能である。

本開示を諸図面及び実施例に基づき説明してきたが、当業者であれば本開示に基づき種々の変形及び改変を行うことが可能であることに注意されたい。したがって、これらの変形及び改変は本開示の範囲に含まれることに留意されたい。例えば、各構成又は各ステップなどに含まれる機能などは論理的に矛盾しないように再配置可能であり、複数の構成又はステップなどを１つに組み合わせたり、或いは分割したりすることが可能である。

例えば、上述した実施形態で情報処理装置１０において実行される少なくとも一部の処理動作がセンサ２０又は端末装置３０において実行されてもよい。例えば、情報処理装置１０に代えて、センサ２０又は端末装置３０自体が、情報処理装置１０に関する上述した一連の処理動作を実行してもよい。センサ２０又は端末装置３０において実行される少なくとも一部の処理動作が情報処理装置１０において実行されてもよい。

例えば、スマートフォン又はコンピュータなどの汎用の電子機器を、上述した実施形態に係る情報処理装置１０として機能させる構成も可能である。具体的には、実施形態に係る情報処理装置１０などの各機能を実現する処理内容を記述したプログラムを、電子機器のメモリに格納し、電子機器のプロセッサにより当該プログラムを読み出して実行させる。したがって、一実施形態に係る開示は、プロセッサが実行可能なプログラムとしても実現可能である。

又は、一実施形態に係る開示は、実施形態に係る情報処理装置１０などに各機能を実行させるために１つ又は複数のプロセッサにより実行可能なプログラムを記憶した非一時的なコンピュータ読取可能な媒体としても実現し得る。本開示の範囲には、これらも包含されると理解されたい。

例えば、上述した実施形態において説明した情報処理装置１０がセンサ２０に搭載されてもよい。このとき、情報処理装置１０は、ネットワーク４０を介さずにセンサ２０と直接的に情報通信を行ってもよい。

上記実施形態では、センサ２０は、端末装置３０と別体の異なる装置であると説明したが、これに限定されない。センサ２０は、端末装置３０に搭載され、端末装置３０と一体的に構成されていてもよい。

上記実施形態では、情報処理装置１０は、取得された所定の生体信号に応じた内面情報を学習モデルに基づいて推定すると説明したが、これに限定されない。情報処理装置１０は、このような推定処理を実行しなくてもよい。

上記実施形態では、情報処理装置１０は、第１通知情報を一のユーザの端末装置３０に送信して、一のユーザ及び一のユーザと異なる生物の少なくとも一方に対して推定された内面情報を一のユーザに通知すると説明したが、これに限定されない。情報処理装置１０は、第１通知情報を他のユーザの端末装置３０に送信して、一のユーザ及び一のユーザと異なる生物の少なくとも一方に対して推定された内面情報を他のユーザに通知してもよい。

上記実施形態では、情報処理装置１０は、第２通知情報を一のユーザの端末装置３０に送信して、一のユーザ及び一のユーザと異なる生物の少なくとも一方に対して推定された内面情報の改善を一のユーザに促すと説明したが、これに限定されない。情報処理装置１０は、第２通知情報を他のユーザの端末装置３０に送信して、一のユーザ及び一のユーザと異なる生物の少なくとも一方に対して推定された内面情報の改善を他のユーザに促してもよい。

上記実施形態では、情報処理装置１０は、擬似生体信号を一のユーザのセンサ２０に送信すると説明したが、これに限定されない。情報処理装置１０は、擬似生体信号を他のユーザのセンサ２０に送信してもよい。このとき、他のユーザのセンサ２０の制御部２５は、センサ２０を有する他のユーザ及び他のユーザの周囲に存在する、他のユーザと異なる生物の少なくとも一方に対して、擬似生体信号に基づく擬似的な電磁場を、出力部２４を用いて出力してもよい。

上記実施形態では、情報処理装置１０は、第１通知情報、第２通知情報、及び擬似生体信号を出力情報として生成すると説明したが、これに限定されない。情報処理装置１０は、第１通知情報、第２通知情報、及び擬似生体信号の少なくとも１つを出力情報として生成してもよいし、これらに代えて、又は加えて他の異なる任意の出力情報を生成してもよい。

例えば、情報処理装置１０の制御部１３は、ゲーム及びメタバースなどによるオンライン仮想空間でアバターなどを操作する一のユーザの所定の生体信号に応じた内面情報を学習モデルに基づいて推定してもよい。このとき、情報処理装置１０は、アバターの表情及び様相、並びにオンライン仮想空間自体の様相などを、推定された内面情報に対応させて変化させるための表示情報を出力情報として生成してもよい。

このように、情報処理装置１０は、アバターの表情及び様相、並びにオンライン仮想空間自体の様相などを、一のユーザに対して推定された内面情報に基づきフレキシブルに変化させることができる。情報処理装置１０は、このようなオンライン仮想空間上でのコミュニケーションツールとして機能してもよい。すなわち、情報処理装置１０は、このようなオンライン仮想空間上でのユーザ同士のコミュニケーションの円滑化を実現可能である。

例えば、情報処理装置１０の制御部１３は、ゲーム及びメタバースなどによるオンライン仮想空間におけるアバターの表情及び様相、並びにオンライン仮想空間自体の様相などに関連する所定の内面情報に応じた擬似生体信号を出力情報として生成してもよい。制御部１３は、このような擬似生体信号を、ゲーム及びメタバースなどによるオンライン仮想空間でアバターなどを操作する一のユーザのセンサ２０に送信してもよい。このとき、一のユーザのセンサ２０の制御部２５は、センサ２０を有する一のユーザに対して、当該擬似生体信号に基づく擬似的な電磁場を、出力部２４を用いて出力してもよい。

これにより、情報処理装置１０は、アバターの表情及び様相、並びにオンライン仮想空間自体の様相などに対する一のユーザの共有感を向上させることができる。情報処理装置１０は、このようなオンライン仮想空間上でのコミュニケーションツールとして機能してもよい。すなわち、情報処理装置１０は、このようなオンライン仮想空間上でのユーザ同士のコミュニケーションを円滑化することができる。

上記実施形態では、情報処理装置１０は、過去の実測データを生成し、記憶部１２に格納することで、過去の実測データを取得すると説明したが、これに限定されない。情報処理装置１０は、すでに構築済みの過去の実測データを、ネットワーク４０及び通信部１１を介して任意の他の外部装置から受信することで、過去の実測データを取得してもよい。

上記実施形態では、情報処理装置１０は、それ自体において学習モデルを構築すると説明したが、これに限定されない。情報処理装置１０は、すでに構築済みの学習モデルを、ネットワーク４０及び通信部１１を介して任意の他の外部装置から受信することで、学習モデルを取得してもよい。

上記実施形態では、過去の実測データに関するデータベースには、生体信号及び内面情報に加えて、これらの情報を取得した対象となる生物の情報及び属性情報が格納されると説明したが、これに限定されない。過去の実測データでは、生体信号及び内面情報に加えて、生物の情報及び生物の属性情報のいずれか一方のみが関連付けられていてもよいし、いずれも含まれていなくてもよい。

上記実施形態では、「生物」は人間を含むと説明したが、これに限定されない。生物は、生命を有する任意の他の対象を含んでもよい。生物は、例えば人間と異なる他の動物、植物、微生物、及び菌類などを含んでもよい。

本開示の内容は、例えば生物が人間と異なる他の動物である場合、ヘルスケア、医療、飼育、及びコミュニケーションなどの様々な分野に応用可能である。本開示の内容は、例えば生物が植物である場合、育成及び状態ケアなどの様々な分野に応用可能である。本開示の内容は、例えば生物が微生物又は菌類である場合、当該生物を用いて醸造又は発酵する任意の飲食物の品質管理などの様々な分野に応用可能である。本開示の内容は、バイオ技術への応用も可能である。

上記実施形態では、「生体現象」は心拍を含むと説明したが、これに限定されない。生体現象は、生物の生命活動に関連して表れる任意の他の現象を含んでもよい。生体現象は、例えば脈拍、血流、脳波、呼吸、及び発汗などを含んでもよい。

上記実施形態では、センサ２０は電磁場センサを含むと説明したが、これに限定されない。センサ２０は、例えば脳波計、筋電計、心電計、及びウェアラブルデバイスに搭載されている生体センサなどの任意の他の生体センサを含んでもよい。

上記実施形態では、「内面情報」は、感情、心理状態、及び精神状態などを含むと説明したが、これに限定されない。内面情報は、例えば植物、微生物、及び菌類などの生命活動に関連する任意の他の内面的な情報を含んでもよい。

情報処理装置１０は、例えば「生物」が人間以外である場合に、被験体に対してセンサ２０を用いて取得した生体信号と、当該被験体に対し任意の方法を用いて間接的に得られた、当該生体信号を取得したときの当該被験体の内面情報と、を複数の被験体から取得してもよい。被験体は、情報処理システム１を情報サービスとしてユーザに提供する前の開発段階で、情報処理システム１の開発者により実測データの収集のために集められた任意の対象であってもよい。

上記実施形態では、取得部２３は、磁気センサ素子及び電界センサ素子などを含むと説明したが、これに限定されない。取得部２３は、例えば脳波計、筋電計、心電計、及びウェアラブルデバイスに搭載されている生体センサなどに用いられるような任意の他のセンサ素子を含んでもよい。

１ 情報処理システム
１０ 情報処理装置
１１ 通信部
１２ 記憶部
１３ 制御部
２０ センサ
２１ 通信部
２２ 記憶部
２３ 取得部
２４ 出力部
２５ 制御部
３０ 端末装置
３１ 通信部
３２ 記憶部
３３ 入力部
３４ 出力部
３５ 制御部
４０ ネットワーク

Claims (16)

1. 情報処理装置とセンサとを備える情報処理システムであって、
   前記センサは、
   人間の心拍に伴って体内から発せられる電磁場を非接触で検出して生体信号として取得する電磁場センサと、
   前記情報処理装置において出力情報として生成された擬似生体信号に基づいて、前記電磁場を模した擬似的な電磁場を出力する発振モジュールと、
   を有し、
   前記情報処理装置は、制御部を有し、
   前記制御部は、
   前記電磁場を前記電磁場センサにより検出することで出力される前記人間の前記生体信号と前記人間の内面情報とを互いに関連付けた過去の実測データに基づき、前記生体信号に応じた前記内面情報を学習して構築された学習モデルを取得し、
   取得された前記学習モデルに基づいて、前記内面情報に関連する前記出力情報を生成し、
   前記内面情報は、前記人間の感情を含み、
   前記出力情報は、前記擬似的な電磁場を前記発振モジュールから出力するための前記擬似生体信号を含み、
   前記センサは、前記センサを有する第１ユーザが所望する所定の内面情報に関連付けられる前記擬似生体信号を前記情報処理装置から取得し、取得された前記擬似生体信号に基づく前記擬似的な電磁場を前記第１ユーザに対して前記発振モジュールから照射する、
   情報処理システム。
2. 請求項１に記載の情報処理システムであって、
   前記制御部は、所定の生体信号を取得し、取得された前記所定の生体信号に応じた前記内面情報を前記学習モデルに基づいて推定する、
   情報処理システム。
3. 請求項２に記載の情報処理システムであって、
   前記制御部は、推定された前記内面情報を前記第１ユーザに通知する第１通知情報を前記出力情報として生成する、
   情報処理システム。
4. 請求項２又は３に記載の情報処理システムであって、
   前記制御部は、前記所定の生体信号の波形と平均波形との差分が閾値を超えていると判定すると、推定された前記内面情報の改善を前記第１ユーザに促す第２通知情報を前記出力情報として生成する、
   情報処理システム。
5. 請求項４に記載の情報処理システムであって、
   前記制御部は、前記所定の生体信号をもたらした前記人間自身の過去の複数の前記生体信号を平均処理することで前記平均波形を算出する、
   情報処理システム。
6. 請求項４又は５に記載の情報処理システムであって、
   前記制御部は、前記過去の実測データに含まれる過去の複数の前記生体信号を平均処理することで前記平均波形を算出する、
   情報処理システム。
7. 請求項３乃至６のいずれか１項に記載の情報処理システムであって、
   前記制御部は、前記人間としての前記第１ユーザの前記所定の生体信号に基づいて前記内面情報を推定する、
   情報処理システム。
8. 請求項３乃至７のいずれか１項に記載の情報処理システムであって、
   前記制御部は、前記第１ユーザの周囲に存在する第２ユーザの前記所定の生体信号に基づいて前記内面情報を推定する、
   情報処理システム。
9. 請求項１乃至８のいずれか１項に記載の情報処理システムであって、
   前記制御部は、前記学習モデルに基づいて、所定の内面情報に関連付けられる前記擬似生体信号を前記出力情報として生成する、
   情報処理システム。
10. 請求項１乃至９のいずれか１項に記載の情報処理システムであって、
    前記制御部は、
    オンライン仮想空間でアバターを操作する前記第１ユーザの所定の生体信号に応じた内面情報を前記学習モデルに基づいて推定し、
    前記アバターの表情及び様相、並びに前記オンライン仮想空間自体の様相の少なくとも１つを、推定された前記内面情報に対応させて変化させるための表示情報を前記出力情報として付加的に生成する、
    情報処理システム。
11. 請求項１０に記載の情報処理システムであって、
    前記制御部は、
    前記オンライン仮想空間における前記アバターの表情及び様相、並びに前記オンライン仮想空間自体の様相の少なくとも１つに関連する所定の内面情報に応じた前記擬似生体信号を前記出力情報として生成し、
    生成された前記擬似生体信号を、前記オンライン仮想空間で前記アバターを操作する前記第１ユーザの前記センサに送信し、
    前記センサは、前記センサを有する前記第１ユーザに対して、生成された前記擬似生体信号に基づく前記擬似的な電磁場を前記発振モジュールから照射する、
    情報処理システム。
12. 情報処理装置とセンサとを備える情報処理システムを用いた情報処理方法であって、
    人間の心拍に伴って体内から発せられる電磁場を、前記センサの電磁場センサにより非接触で検出して生体信号として取得するステップと、
    前記電磁場を前記電磁場センサにより検出することで出力される前記人間の前記生体信号と前記人間の内面情報とを互いに関連付けた過去の実測データに基づき、前記生体信号に応じた前記内面情報を学習して構築された学習モデルを取得するステップと、
    取得された前記学習モデルに基づいて、前記内面情報に関連する出力情報を生成するステップと、
    前記出力情報として生成された擬似生体信号に基づいて、前記電磁場を模した擬似的な電磁場を前記センサの発振モジュールから出力するステップと、
    を含み、
    前記内面情報は、前記人間の感情を含み、
    前記センサは、前記センサを有する第１ユーザが所望する所定の内面情報に関連付けられる前記擬似生体信号を前記情報処理装置から取得し、取得された前記擬似生体信号に基づく前記擬似的な電磁場を前記第１ユーザに対して前記発振モジュールから照射する、
    情報処理方法。
13. 請求項１２に記載の情報処理方法に用いられる前記学習モデルの生成方法であって、
    前記過去の実測データを取得するステップと、
    取得された前記過去の実測データに基づいて、前記生体信号に応じた前記内面情報を学習して前記学習モデルを構築するステップと、
    を含む、
    学習モデルの生成方法。
14. 請求項１３に記載の学習モデルの生成方法であって、
    前記過去の実測データは、前記生体信号及び前記内面情報に加えて前記人間の属性情報も関連付けられたデータである、
    学習モデルの生成方法。
15. 請求項１３又は１４に記載の学習モデルの生成方法であって、
    前記学習モデルは、取得された前記過去の実測データに基づき学習された機械学習モデルである、
    学習モデルの生成方法。
16. 請求項１２に記載の情報処理方法又は請求項１３乃至１５のいずれか１項に記載の学習モデルの生成方法を前記情報処理システムに実行させるプログラム。
    

Images