JP7843327B2

JP7843327B2 - システム

Info

Publication number: JP7843327B2
Application number: JP2024162834A
Authority: JP
Inventors: 翔平橋場
Original assignee: SoftBank Group Corp
Current assignee: SoftBank Group Corp
Priority date: 2023-09-21
Filing date: 2024-09-19
Publication date: 2026-04-09
Anticipated expiration: 2044-09-19
Also published as: JP2025048907A

Description

本開示の技術は、システムに関する。

特許文献１には、少なくとも一つのプロセッサにより遂行される、ペルソナチャットボット制御方法であって、ユーザ発話を受信するステップと、前記ユーザ発話を、チャットボットのキャラクターに関する説明と関連した指示文を含むプロンプトに追加するステップと前記プロンプトをエンコードするステップと、前記エンコードしたプロンプトを言語モデルに入力して、前記ユーザ発話に応答するチャットボット発話を生成するステップ、を含む、方法が開示されている。

特開２０２２－１８０２８２号公報

従来の技術では、メッセージの通知が多すぎて集中力が低下するという課題があった。

実施形態に係るシステムは、急ぎまたは重要な案件のみを即通知し、それ以外のメッセージを要約することを目的とする。

実施形態に係るシステムは、収集部と、解析部と、通知部と、サマリー部とを備える。収集部は、メッセージを収集する。解析部は、収集部によって収集されたメッセージを解析する。通知部は、解析部によって特定された急ぎまたは重要な案件を通知する。サマリー部は、解析部によって特定されなかったメッセージの要約を作成する。

実施形態に係るシステムは、急ぎまたは重要な案件のみを即通知し、それ以外のメッセージを要約することができる。

第１実施形態に係るデータ処理システムの構成の一例を示す概念図である。第１実施形態に係るデータ処理装置およびスマートデバイスの要部機能の一例を示す概念図である。第２実施形態に係るデータ処理システムの構成の一例を示す概念図である。第２実施形態に係るデータ処理装置およびスマート眼鏡の要部機能の一例を示す概念図である。第３実施形態に係るデータ処理システムの構成の一例を示す概念図である。第３実施形態に係るデータ処理装置およびヘッドセット型端末の要部機能の一例を示す概念図である。第４実施形態に係るデータ処理システムの構成の一例を示す概念図である。第４実施形態に係るデータ処理装置およびロボットの要部機能の一例を示す概念図である。複数の感情がマッピングされる感情マップを示す。複数の感情がマッピングされる感情マップを示す。

以下、添付図面に従って本開示の技術に係るシステムの実施形態の一例について説明する。

先ず、以下の説明で使用される文言について説明する。

以下の実施形態において、符号付きのプロセッサ（以下、単に「プロセッサ」と称する）は、１つの演算装置であってもよいし、複数の演算装置の組み合わせであってもよい。また、プロセッサは、１種類の演算装置であってもよいし、複数種類の演算装置の組み合わせであってもよい。演算装置の一例としては、ＣＰＵ（Central Processing Unit）、ＧＰＵ（Graphics Processing Unit）、ＧＰＧＰＵ（General-Purpose computing on Graphics Processing Units）、ＡＰＵ（Accelerated Processing Unit）、またはＴＰＵ（Tensor Processing Unit）などが挙げられる。

以下の実施形態において、符号付きのＲＡＭ（Random Access Memory）は、一時的に情報が格納されるメモリであり、プロセッサによってワークメモリとして用いられる。

以下の実施形態において、符号付きのストレージは、各種プログラムおよび各種パラメータなどを記憶する１つまたは複数の不揮発性の記憶装置である。不揮発性の記憶装置の一例としては、フラッシュメモリ（ＳＳＤ（Solid State Drive））、磁気ディスク（例えば、ハードディスク）、または磁気テープなどが挙げられる。

以下の実施形態において、符号付きの通信Ｉ／Ｆ（Interface）は、通信プロセッサおよびアンテナなどを含むインタフェースである。通信Ｉ／Ｆは、複数のコンピュータ間での通信を司る。通信Ｉ／Ｆに対して適用される通信規格の一例としては、５Ｇ（5th Generation Mobile Communication System）、Ｗｉ－Ｆｉ（登録商標）、またはＢｌｕｅｔｏｏｔｈ（登録商標）などを含む無線通信規格が挙げられる。

以下の実施形態において、「Ａおよび／またはＢ」は、「ＡおよびＢのうちの少なくとも１つ」と同義である。つまり、「Ａおよび／またはＢ」は、Ａだけであってもよいし、Ｂだけであってもよいし、ＡおよびＢの組み合わせであってもよい、という意味である。また、本明細書において、３つ以上の事柄を「および／または」で結び付けて表現する場合も、「Ａおよび／またはＢ」と同様の考え方が適用される。

［第１実施形態］
図１には、第１実施形態に係るデータ処理システム１０の構成の一例が示されている。

図１に示すように、データ処理システム１０は、データ処理装置１２およびスマートデバイス１４を備えている。データ処理装置１２の一例としては、サーバが挙げられる。

データ処理装置１２は、コンピュータ２２、データベース２４、および通信Ｉ／Ｆ２６を備えている。コンピュータ２２は、プロセッサ２８、ＲＡＭ３０、およびストレージ３２を備えている。プロセッサ２８、ＲＡＭ３０、およびストレージ３２は、バス３４に接続されている。また、データベース２４および通信Ｉ／Ｆ２６も、バス３４に接続されている。通信Ｉ／Ｆ２６は、ネットワーク５４に接続されている。ネットワーク５４の一例としては、ＷＡＮ（Wide Area Network）および／またはＬＡＮ（Local Area Network）などが挙げられる。

スマートデバイス１４は、コンピュータ３６、受付装置３８、出力装置４０、カメラ４２、および通信Ｉ／Ｆ４４を備えている。コンピュータ３６は、プロセッサ４６、ＲＡＭ４８、およびストレージ５０を備えている。プロセッサ４６、ＲＡＭ４８、およびストレージ５０は、バス５２に接続されている。また、受付装置３８、出力装置４０、およびカメラ４２も、バス５２に接続されている。

受付装置３８は、タッチパネル３８Ａおよびマイクロフォン３８Ｂなどを備えており、ユーザ入力を受け付ける。タッチパネル３８Ａは、指示体（例えば、ペンまたは指など）の接触を検出することにより、指示体の接触によるユーザ入力を受け付ける。マイクロフォン３８Ｂは、ユーザの音声を検出することにより、音声によるユーザ入力を受け付ける。制御部４６Ａは、タッチパネル３８Ａおよびマイクロフォン３８Ｂによって受け付けたユーザ入力を示すデータをデータ処理装置１２に送信する。データ処理装置１２では、特定処理部２９０（図２参照）が、ユーザ入力を示すデータを取得する。

出力装置４０は、ディスプレイ４０Ａおよびスピーカ４０Ｂなどを備えており、データをユーザが知覚可能な表現形（例えば、音声および／またはテキスト）で出力することでデータをユーザに対して提示する。ディスプレイ４０Ａは、プロセッサ４６からの指示に従ってテキストおよび画像などの可視情報を表示する。スピーカ４０Ｂは、プロセッサ４６からの指示に従って音声を出力する。カメラ４２は、レンズ、絞り、およびシャッタなどの光学系と、ＣＭＯＳ（Complementary Metal-Oxide-Semiconductor）イメージセンサまたはＣＣＤ（Charge Coupled Device）イメージセンサなどの撮像素子とが搭載された小型デジタルカメラである。

通信Ｉ／Ｆ４４は、ネットワーク５４に接続されている。通信Ｉ／Ｆ４４および２６は、ネットワーク５４を介してプロセッサ４６とプロセッサ２８との間の各種情報の授受を司る。

図２には、データ処理装置１２およびスマートデバイス１４の要部機能の一例が示されている。

図２に示すように、データ処理装置１２では、プロセッサ２８によって特定処理が行われる。ストレージ３２には、特定処理プログラム５６が格納されている。特定処理プログラム５６は、本開示の技術に係る「プログラム」の一例である。プロセッサ２８は、ストレージ３２から特定処理プログラム５６を読み出し、読み出した特定処理プログラム５６をＲＡＭ３０上で実行する。特定処理は、プロセッサ２８がＲＡＭ３０上で実行する特定処理プログラム５６に従って特定処理部２９０として動作することによって実現される。

ストレージ３２には、データ生成モデル５８および感情特定モデル５９が格納されている。データ生成モデル５８および感情特定モデル５９は、特定処理部２９０によって用いられる。特定処理部２９０は、感情特定モデル５９を用いてユーザの感情を推定し、ユーザの感情を用いた特定処理を行うことができる。感情特定モデル５９を用いた感情推定機能（感情特定機能）では、ユーザの感情の推定や予測などを含め、ユーザの感情に関する種々の推定や予測などが行われるが、かかる例に限定されない。また、感情の推定や予測には、例えば、感情の分析（解析）なども含まれる。

スマートデバイス１４では、プロセッサ４６によって特定処理が行われる。ストレージ５０には、特定処理プログラム６０が格納されている。特定処理プログラム６０は、データ処理システム１０によって特定処理プログラム５６と併用される。プロセッサ４６は、ストレージ５０から特定処理プログラム６０を読み出し、読み出した特定処理プログラム６０をＲＡＭ４８上で実行する。特定処理は、プロセッサ４６がＲＡＭ４８上で実行する特定処理プログラム６０に従って、制御部４６Ａとして動作することによって実現される。なお、スマートデバイス１４には、データ生成モデル５８および感情特定モデル５９と同様のデータ生成モデルおよび感情特定モデルを有し、これらモデルを用いて特定処理部２９０と同様の処理を行うこともできる。

なお、データ処理装置１２以外の他の装置がデータ生成モデル５８を有してもよい。例えば、サーバ装置（例えば、生成サーバ）がデータ生成モデル５８を有してもよい。この場合、データ処理装置１２は、データ生成モデル５８を有するサーバ装置と通信を行うことで、データ生成モデル５８が用いられた処理結果（予測結果など）を得る。また、データ処理装置１２は、サーバ装置であってもよいし、ユーザが保有する端末装置（例えば、携帯電話、ロボット、家電など）であってもよい。次に、第１実施形態に係るデータ処理システム１０による処理の一例について説明する。

（形態例１）
本発明の実施形態に係るシステムは、生成ＡＩを用いてメールやコミュニケーションツールなどのコミュニケーションアプリを統合し、テキストメッセージの内容を解析するシステムである。このシステムは、ユーザが使用する複数のコミュニケーションアプリからメッセージを収集し、生成ＡＩが収集されたメッセージを解析し、急ぎや重要な案件のみを即通知する。それ以外のメッセージについては、生成ＡＩがサマリーを作成し、ユーザに提供する。この仕組みにより、常に通知に気を取られ集中力が下がっている現状を解決することができる。例えば、ユーザが使用する複数のコミュニケーションアプリからメッセージを収集する。例えば、メールアプリ、チャットアプリ、SNSなどからメッセージを収集する。この際、各アプリのAPIを利用してメッセージを取得することができる。次に、生成ＡＩが収集されたメッセージを解析する。生成ＡＩは、メッセージの内容を解析し、急ぎや重要な案件を特定する。例えば、特定のキーワードやフレーズを含むメッセージを急ぎや重要な案件として分類することができる。これにより、ユーザは重要なメッセージを即座に把握することができる。急ぎや重要な案件のみを即通知する。生成ＡＩが特定した急ぎや重要な案件については、ユーザに即通知する。例えば、プッシュ通知やメール通知などを利用して、ユーザに即座に知らせることができる。これにより、ユーザは重要なメッセージを見逃すことなく対応することができる。それ以外のメッセージについては、生成ＡＩがサマリーを作成する。生成ＡＩは、収集されたメッセージの内容を要約し、サマリーを作成する。例えば、1日の終わりに全てのメッセージのサマリーをユーザに提供することができる。これにより、ユーザは重要でないメッセージに気を取られることなく、集中して作業を行うことができる。この仕組みにより、常に通知に気を取られ集中力が下がっている現状を解決することができる。ユーザは、急ぎや重要な案件のみを即座に把握し、それ以外のメッセージについてはサマリーを確認することで、効率的にコミュニケーションを管理することができる。例えば、仕事中に頻繁に通知が来ることで集中力が途切れることがなくなり、作業効率が向上する。これにより、システムは、ユーザの集中力を維持しつつ、重要なメッセージを迅速に把握することができる。

実施形態に係るシステムは、収集部と、解析部と、通知部と、サマリー部とを備える。収集部は、ユーザが使用する複数のコミュニケーションアプリからメッセージを収集する。収集部は、例えば、メールアプリ、チャットアプリ、SNSなどからメッセージを収集することができる。収集部は、各アプリのAPIを利用してメッセージを取得することができる。例えば、収集部は、メールアプリのAPIを利用してメールメッセージを取得する。また、収集部は、チャットアプリのAPIを利用してチャットメッセージを取得することもできる。さらに、収集部は、SNSのAPIを利用してSNSメッセージを取得することもできる。解析部は、生成ＡＩを用いて、収集部によって収集されたメッセージを解析する。解析部は、メッセージの内容を解析し、急ぎや重要な案件を特定する。例えば、解析部は、特定のキーワードやフレーズを含むメッセージを急ぎや重要な案件として分類することができる。解析部は、自然言語処理技術を用いてメッセージの内容を解析する。例えば、解析部は、形態素解析を用いてメッセージの単語を解析する。また、解析部は、文法解析を用いてメッセージの文の構造を解析することもできる。さらに、解析部は、意味解析を用いてメッセージの意味を解析することもできる。通知部は、解析部によって特定された急ぎや重要な案件を通知する。通知部は、例えば、プッシュ通知やメール通知を利用して急ぎや重要な案件を即座に通知する。通知部は、ユーザに即座に知らせることができる。例えば、通知部は、プッシュ通知を利用してユーザに急ぎや重要な案件を通知する。また、通知部は、メール通知を利用してユーザに急ぎや重要な案件を通知することもできる。サマリー部は、解析部によって特定されなかったメッセージのサマリーを作成する。サマリー部は、生成ＡＩを用いて、収集されたメッセージの内容を要約し、サマリーを作成する。サマリー部は、例えば、1日の終わりに全てのメッセージのサマリーをユーザに提供することができる。サマリー部は、ユーザに提供するサマリーを作成する。例えば、サマリー部は、収集されたメッセージの内容を要約し、サマリーを作成する。これにより、実施形態に係るシステムは、ユーザの集中力を維持しつつ、重要なメッセージを迅速に把握することができる。サマリー部における上述した処理の一部または全部は、例えば、生成ＡＩを用いて行われてもよく、生成ＡＩを用いずに行われてもよい。例えば、サマリー部は、収集されたメッセージの内容を生成ＡＩに入力し、生成ＡＩにサマリーを作成させることができる。

収集部は、ユーザが使用する複数のコミュニケーションアプリからメッセージを収集する。収集部は、例えば、メールアプリ、チャットアプリ、SNSなどからメッセージを収集することができる。具体的には、収集部は各アプリのAPIを利用してメッセージを取得する。例えば、メールアプリのAPIを利用してメールメッセージを取得する際には、ユーザの認証情報を用いてAPIにアクセスし、受信トレイや送信トレイからメッセージデータを取得する。チャットアプリの場合も同様に、APIを通じてチャットルームや個別の会話からメッセージを取得する。SNSのAPIを利用する場合、ユーザのタイムラインやダイレクトメッセージからメッセージを収集することができる。これらのAPIは、通常、OAuthなどの認証プロトコルを用いて安全にアクセスされる。収集部は、これらのAPIを通じて取得したメッセージデータを一元的に管理し、データベースに保存する。データベースには、メッセージの送信者、受信者、送信日時、メッセージ内容などのメタデータも含まれる。これにより、収集部は、ユーザが使用する複数のコミュニケーションアプリからのメッセージを効率的に収集し、統合的に管理することができる。さらに、収集部は、定期的にAPIを呼び出して新しいメッセージを取得するスケジューリング機能を備えており、リアルタイムでのメッセージ収集を実現する。これにより、ユーザが見逃すことなく最新のメッセージを把握することができる。

解析部は、生成ＡＩを用いて、収集部によって収集されたメッセージを解析する。解析部は、メッセージの内容を解析し、急ぎや重要な案件を特定する。具体的には、解析部は自然言語処理技術を用いてメッセージの内容を解析する。例えば、形態素解析を用いてメッセージの単語を解析し、文法解析を用いてメッセージの文の構造を解析する。さらに、意味解析を用いてメッセージの意味を解析することもできる。生成ＡＩは、これらの解析技術を組み合わせて、メッセージの内容を深く理解し、急ぎや重要な案件を特定する。例えば、特定のキーワードやフレーズを含むメッセージを急ぎや重要な案件として分類することができる。解析部は、生成ＡＩに対してプロンプトを入力し、メッセージの内容を解析させる。プロンプトには、例えば、「このメッセージが急ぎや重要な案件かどうかを判断してください」といった指示が含まれる。生成ＡＩは、プロンプトに基づいてメッセージの内容を解析し、急ぎや重要な案件を特定する。解析部は、生成ＡＩの出力結果を基に、急ぎや重要な案件をリストアップし、通知部に渡す。これにより、解析部は、収集されたメッセージを迅速かつ正確に解析し、ユーザが重要なメッセージを見逃すことなく対応できるようにする。さらに、解析部は、過去のメッセージデータを学習データとして利用し、生成ＡＩの解析精度を継続的に向上させることができる。これにより、解析部は、常に最新の技術を用いて高精度なメッセージ解析を実現する。

通知部は、解析部によって特定された急ぎや重要な案件を通知する。具体的には、通知部はプッシュ通知やメール通知を利用して急ぎや重要な案件を即座に通知する。例えば、プッシュ通知を利用してユーザのスマートフォンに急ぎや重要な案件を通知する場合、通知部は、解析部から受け取った急ぎや重要な案件の情報を基に、プッシュ通知の内容を生成する。プッシュ通知には、メッセージの送信者、件名、重要度などの情報が含まれる。通知部は、ユーザのスマートフォンにプッシュ通知を送信し、ユーザに即座に知らせることができる。また、メール通知を利用してユーザに急ぎや重要な案件を通知する場合、通知部は、解析部から受け取った急ぎや重要な案件の情報を基に、メールの内容を生成する。メールには、メッセージの送信者、件名、重要度、メッセージ内容の一部などが含まれる。通知部は、ユーザのメールアドレスにメールを送信し、ユーザに即座に知らせることができる。さらに、通知部は、ユーザの設定に応じて通知方法をカスタマイズすることができる。例えば、ユーザがプッシュ通知を優先する場合、通知部はプッシュ通知を優先的に送信し、メール通知を補完的に利用する。また、ユーザが特定の時間帯に通知を受け取りたくない場合、通知部はその時間帯を避けて通知を送信する。これにより、通知部は、ユーザのニーズに応じた柔軟な通知方法を提供し、急ぎや重要な案件を確実にユーザに伝えることができる。

サマリー部は、解析部によって特定されなかったメッセージのサマリーを作成する。具体的には、サマリー部は生成ＡＩを用いて、収集されたメッセージの内容を要約し、サマリーを作成する。例えば、サマリー部は、1日の終わりに全てのメッセージのサマリーをユーザに提供することができる。サマリー部は、収集されたメッセージの内容を生成ＡＩに入力し、生成ＡＩにサマリーを作成させる。生成ＡＩは、メッセージの内容を解析し、重要な情報を抽出して要約を生成する。例えば、生成ＡＩは、各メッセージの主題や重要なポイントを抽出し、それらを組み合わせて簡潔なサマリーを作成する。サマリー部は、生成ＡＩが作成したサマリーをユーザに提供する。サマリーは、例えば、メールや専用のダッシュボードを通じてユーザに提供される。これにより、ユーザは、1日の終わりに全てのメッセージの要約を確認し、重要な情報を見逃すことなく把握することができる。さらに、サマリー部は、ユーザのフィードバックを基にサマリーの精度を継続的に向上させることができる。例えば、ユーザがサマリーの内容に対してフィードバックを提供する場合、サマリー部はそのフィードバックを生成ＡＩに反映させ、次回のサマリー作成に活用する。これにより、サマリー部は、ユーザのニーズに応じた高精度なサマリーを提供し、ユーザの集中力を維持しつつ、重要な情報を迅速に把握することができる。

収集部は、各アプリのAPIを利用してメッセージを収集することができる。収集部は、例えば、メールアプリのAPIを利用してメールメッセージを取得する。収集部は、チャットアプリのAPIを利用してチャットメッセージを取得することもできる。収集部は、SNSのAPIを利用してSNSメッセージを取得することもできる。これにより、各アプリのAPIを利用することで、効率的にメッセージを収集できる。収集部における上述した処理の一部または全部は、例えば、ＡＩを用いて行われてもよく、ＡＩを用いずに行われてもよい。例えば、収集部は、各アプリのAPIを利用して取得したメッセージをＡＩに入力し、ＡＩにメッセージの収集を実行させることができる。

収集部は、スクレイピング技術を用いてメッセージを収集することができる。収集部は、例えば、HTMLパースを用いてウェブページからメッセージを収集する。収集部は、DOM解析を用いてウェブページの構造を解析し、メッセージを収集することもできる。収集部は、スクレイピング技術を用いて、APIが提供されていないアプリからもメッセージを収集することができる。これにより、スクレイピング技術を用いることで、APIが提供されていないアプリからもメッセージを収集できる。収集部における上述した処理の一部または全部は、例えば、ＡＩを用いて行われてもよく、ＡＩを用いずに行われてもよい。例えば、収集部は、スクレイピング技術を用いて収集したメッセージをＡＩに入力し、ＡＩにメッセージの収集を実行させることができる。

解析部は、自然言語処理技術を用いてメッセージの内容を解析し、特定のキーワードやフレーズを検出することができる。解析部は、例えば、形態素解析を用いてメッセージの単語を解析する。解析部は、文法解析を用いてメッセージの文の構造を解析することもできる。解析部は、意味解析を用いてメッセージの意味を解析することもできる。これにより、自然言語処理技術を用いることで、メッセージの内容を正確に解析できる。解析部における上述した処理の一部または全部は、生成ＡＩを用いて行われる。例えば、解析部は、収集されたメッセージを生成ＡＩに入力し、生成ＡＩにメッセージの解析を実行させることができる。

解析部は、ユーザがカスタマイズできる特定基準を設定することができる。解析部は、例えば、キーワードベースのフィルタリングを設定する。解析部は、ルールベースのフィルタリングを設定することもできる。これにより、ユーザが特定基準をカスタマイズすることで、より柔軟な解析が可能となる。解析部における上述した処理の一部または全部は、ＡＩを用いて行われてもよく、ＡＩを用いずに行われてもよい。例えば、解析部は、ユーザが設定した特定基準をＡＩに入力し、ＡＩに基づいてメッセージの解析を実行させることができる。

通知部は、プッシュ通知またはメール通知を利用して急ぎまたは重要な案件を即座に通知することができる。通知部は、例えば、プッシュ通知を利用してユーザに急ぎや重要な案件を通知する。通知部は、メール通知を利用してユーザに急ぎや重要な案件を通知することもできる。これにより、プッシュ通知やメール通知を利用することで、ユーザに即座に重要な案件を知らせることができる。通知部における上述した処理の一部または全部は、ＡＩを用いて行われてもよく、ＡＩを用いずに行われてもよい。例えば、通知部は、急ぎや重要な案件をＡＩに入力し、ＡＩに基づいて通知を実行させることができる。

サマリー部は、収集されたメッセージの内容を要約し、サマリーを作成することができる。サマリー部は、例えば、収集されたメッセージの内容を要約し、サマリーを作成する。サマリー部は、1日の終わりに全てのメッセージのサマリーをユーザに提供することができる。これにより、メッセージの内容を要約することで、ユーザが効率的に情報を把握できる。サマリー部における上述した処理の一部または全部は、生成ＡＩを用いて行われる。例えば、サマリー部は、収集されたメッセージを生成ＡＩに入力し、生成ＡＩにサマリーを作成させることができる。

収集部は、ユーザの過去のメッセージ収集履歴を分析し、最適な収集方法を選定することができる。収集部は、例えば、ユーザが過去に頻繁に使用したアプリから優先的にメッセージを収集する。収集部は、ユーザの過去の収集履歴から、特定の時間帯に収集を集中させることもできる。収集部は、ユーザが過去に重要と判断したメッセージのパターンを分析し、同様のメッセージを優先的に収集することもできる。これにより、過去の収集履歴を分析することで、最適な収集方法を選定できる。収集部における上述した処理の一部または全部は、例えば、ＡＩを用いて行われてもよく、ＡＩを用いずに行われてもよい。例えば、収集部は、ユーザの過去のメッセージ収集履歴をＡＩに入力し、ＡＩに基づいて最適な収集方法を選定することができる。

収集部は、メッセージの収集時に、ユーザの現在のプロジェクトや関心分野に基づいてフィルタリングを行うことができる。収集部は、例えば、ユーザが現在進行中のプロジェクトに関連するメッセージを優先的に収集する。収集部は、ユーザの関心分野に基づいて、関連性の高いメッセージをフィルタリングすることもできる。収集部は、ユーザが設定したキーワードに基づいて、特定のメッセージを収集することもできる。これにより、ユーザのプロジェクトや関心分野に基づいてメッセージをフィルタリングすることで、関連性の高いメッセージを優先的に収集できる。収集部における上述した処理の一部または全部は、例えば、ＡＩを用いて行われてもよく、ＡＩを用いずに行われてもよい。例えば、収集部は、ユーザの現在のプロジェクトや関心分野に基づいてフィルタリングを行うためのデータをＡＩに入力し、ＡＩに基づいてフィルタリングを実行させることができる。

収集部は、メッセージの収集時に、ユーザの地理的位置情報を考慮して関連性の高いメッセージを優先的に収集することができる。収集部は、例えば、ユーザが特定の地域にいる場合、その地域に関連するメッセージを優先的に収集する。収集部は、ユーザが旅行中の場合、旅行先に関連するメッセージを優先的に収集することもできる。収集部は、ユーザが自宅にいる場合、家庭に関連するメッセージを優先的に収集することもできる。これにより、ユーザの地理的位置情報を考慮することで、関連性の高いメッセージを優先的に収集できる。収集部における上述した処理の一部または全部は、例えば、ＡＩを用いて行われてもよく、ＡＩを用いずに行われてもよい。例えば、収集部は、ユーザの地理的位置情報をＡＩに入力し、ＡＩに基づいて関連性の高いメッセージを優先的に収集することができる。

収集部は、メッセージの収集時に、ユーザのソーシャルメディア活動を分析し、関連するメッセージを収集することができる。収集部は、例えば、ユーザが特定のソーシャルメディアで頻繁に投稿している内容に基づいて、関連するメッセージを収集する。収集部は、ユーザがフォローしているアカウントの投稿内容に基づいて、関連するメッセージを収集することもできる。収集部は、ユーザが参加しているグループやコミュニティの活動に基づいて、関連するメッセージを収集することもできる。これにより、ユーザのソーシャルメディア活動を分析することで、関連性の高いメッセージを収集できる。収集部における上述した処理の一部または全部は、例えば、ＡＩを用いて行われてもよく、ＡＩを用いずに行われてもよい。例えば、収集部は、ユーザのソーシャルメディア活動データをＡＩに入力し、ＡＩに基づいて関連するメッセージを収集することができる。

解析部は、解析時に、メッセージの重要度に基づいて解析の詳細度を調整することができる。解析部は、例えば、重要度の高いメッセージについては、詳細な解析を行う。解析部は、重要度の低いメッセージについては、簡潔な解析を行うこともできる。解析部は、重要度に応じて、解析の優先順位を決定することもできる。これにより、メッセージの重要度に応じて解析の詳細度を調整することで、効率的な解析が可能となる。解析部における上述した処理の一部または全部は、ＡＩを用いて行われてもよく、ＡＩを用いずに行われてもよい。例えば、解析部は、メッセージの重要度データをＡＩに入力し、ＡＩに基づいて解析の詳細度を調整することができる。

解析部は、解析時に、メッセージのカテゴリに応じて異なる解析アルゴリズムを適用することができる。解析部は、例えば、ビジネス関連のメッセージには、ビジネス用の解析アルゴリズムを適用する。解析部は、プライベートなメッセージには、プライベート用の解析アルゴリズムを適用することもできる。解析部は、ソーシャルメディアのメッセージには、ソーシャルメディア用の解析アルゴリズムを適用することもできる。これにより、メッセージのカテゴリに応じて適切な解析アルゴリズムを適用することで、解析精度が向上する。解析部における上述した処理の一部または全部は、生成ＡＩを用いて行われる。例えば、解析部は、メッセージのカテゴリデータを生成ＡＩに入力し、生成ＡＩに基づいて解析アルゴリズムを適用することができる。

解析部は、解析時に、メッセージの送信時期に基づいて解析の優先順位を決定することができる。解析部は、例えば、最近送信されたメッセージを優先的に解析する。解析部は、重要な時間帯に送信されたメッセージを優先的に解析することもできる。解析部は、ユーザが特定の時間帯に受信したメッセージを優先的に解析することもできる。これにより、メッセージの送信時期に基づいて解析の優先順位を決定することで、重要なメッセージを優先的に解析できる。解析部における上述した処理の一部または全部は、ＡＩを用いて行われてもよく、ＡＩを用いずに行われてもよい。例えば、解析部は、メッセージの送信時期データをＡＩに入力し、ＡＩに基づいて解析の優先順位を決定することができる。

解析部は、解析時に、メッセージの関連性に基づいて解析の順序を調整することができる。解析部は、例えば、関連性の高いメッセージを優先的に解析する。解析部は、関連性の低いメッセージを後回しにすることもできる。解析部は、関連性に応じて、解析の順序を動的に調整することもできる。これにより、メッセージの関連性に基づいて解析の順序を調整することで、効率的な解析が可能となる。解析部における上述した処理の一部または全部は、ＡＩを用いて行われてもよく、ＡＩを用いずに行われてもよい。例えば、解析部は、メッセージの関連性データをＡＩに入力し、ＡＩに基づいて解析の順序を調整することができる。

通知部は、通知時に、メッセージの重要度に基づいて通知の詳細度を調整することができる。通知部は、例えば、重要度の高いメッセージについては、詳細な通知を行う。通知部は、重要度の低いメッセージについては、簡潔な通知を行うこともできる。通知部は、重要度に応じて、通知の優先順位を決定することもできる。これにより、メッセージの重要度に応じて通知の詳細度を調整することで、効率的な通知が可能となる。通知部における上述した処理の一部または全部は、ＡＩを用いて行われてもよく、ＡＩを用いずに行われてもよい。例えば、通知部は、メッセージの重要度データをＡＩに入力し、ＡＩに基づいて通知の詳細度を調整することができる。

通知部は、通知時に、メッセージのカテゴリに応じて異なる通知アルゴリズムを適用することができる。通知部は、例えば、ビジネス関連のメッセージには、ビジネス用の通知アルゴリズムを適用する。通知部は、プライベートなメッセージには、プライベート用の通知アルゴリズムを適用することもできる。通知部は、ソーシャルメディアのメッセージには、ソーシャルメディア用の通知アルゴリズムを適用することもできる。これにより、メッセージのカテゴリに応じて適切な通知アルゴリズムを適用することで、通知精度が向上する。通知部における上述した処理の一部または全部は、ＡＩを用いて行われてもよく、ＡＩを用いずに行われてもよい。例えば、通知部は、メッセージのカテゴリデータをＡＩに入力し、ＡＩに基づいて通知アルゴリズムを適用することができる。

通知部は、通知時に、メッセージの送信者の属性情報を考慮して通知の優先順位を決定することができる。通知部は、例えば、重要な送信者からのメッセージを優先的に通知する。通知部は、送信者の役職や関係性に基づいて、通知の優先順位を決定することもできる。通知部は、送信者の過去のメッセージ履歴を分析し、重要度を判断することもできる。これにより、メッセージの送信者の属性情報を考慮することで、重要なメッセージを優先的に通知できる。通知部における上述した処理の一部または全部は、ＡＩを用いて行われてもよく、ＡＩを用いずに行われてもよい。例えば、通知部は、送信者の属性情報をＡＩに入力し、ＡＩに基づいて通知の優先順位を決定することができる。

通知部は、通知時に、メッセージの関連性に基づいて通知の順序を調整することができる。通知部は、例えば、関連性の高いメッセージを優先的に通知する。通知部は、関連性の低いメッセージを後回しにすることもできる。通知部は、関連性に応じて、通知の順序を動的に調整することもできる。これにより、メッセージの関連性に基づいて通知の順序を調整することで、効率的な通知が可能となる。通知部における上述した処理の一部または全部は、ＡＩを用いて行われてもよく、ＡＩを用いずに行われてもよい。例えば、通知部は、メッセージの関連性データをＡＩに入力し、ＡＩに基づいて通知の順序を調整することができる。

サマリー部は、サマリー作成時に、メッセージの重要度に基づいてサマリーの詳細度を調整することができる。サマリー部は、例えば、重要度の高いメッセージについては、詳細なサマリーを提供する。サマリー部は、重要度の低いメッセージについては、簡潔なサマリーを提供することもできる。サマリー部は、重要度に応じて、サマリーの優先順位を決定することもできる。これにより、メッセージの重要度に応じてサマリーの詳細度を調整することで、効率的なサマリー作成が可能となる。サマリー部における上述した処理の一部または全部は、ＡＩを用いて行われてもよく、ＡＩを用いずに行われてもよい。例えば、サマリー部は、メッセージの重要度データをＡＩに入力し、ＡＩに基づいてサマリーの詳細度を調整することができる。

サマリー部は、サマリー作成時に、メッセージのカテゴリに応じて異なるサマリーアルゴリズムを適用することができる。サマリー部は、例えば、ビジネス関連のメッセージには、ビジネス用のサマリーアルゴリズムを適用する。サマリー部は、プライベートなメッセージには、プライベート用のサマリーアルゴリズムを適用することもできる。サマリー部は、ソーシャルメディアのメッセージには、ソーシャルメディア用のサマリーアルゴリズムを適用することもできる。これにより、メッセージのカテゴリに応じて適切なサマリーアルゴリズムを適用することで、サマリーの精度が向上する。サマリー部における上述した処理の一部または全部は、生成ＡＩを用いて行われる。例えば、サマリー部は、メッセージのカテゴリデータを生成ＡＩに入力し、生成ＡＩに基づいてサマリーアルゴリズムを適用することができる。

サマリー部は、サマリー作成時に、メッセージの送信時期に基づいてサマリーの優先順位を決定することができる。サマリー部は、例えば、最近送信されたメッセージを優先的にサマリーに含める。サマリー部は、重要な時間帯に送信されたメッセージを優先的にサマリーに含めることもできる。サマリー部は、ユーザが特定の時間帯に受信したメッセージを優先的にサマリーに含めることもできる。これにより、メッセージの送信時期に基づいてサマリーの優先順位を決定することで、重要なメッセージを優先的にサマリーに含めることができる。サマリー部における上述した処理の一部または全部は、生成ＡＩを用いて行われる。例えば、サマリー部は、メッセージの送信時期データを生成ＡＩに入力し、生成ＡＩに基づいてサマリーの優先順位を決定することができる。

サマリー部は、サマリー作成時に、メッセージの関連性に基づいてサマリーの順序を調整することができる。サマリー部は、例えば、関連性の高いメッセージを優先的にサマリーに含める。サマリー部は、関連性の低いメッセージを後回しにすることもできる。サマリー部は、関連性に応じて、サマリーの順序を動的に調整することもできる。これにより、メッセージの関連性に基づいてサマリーの順序を調整することで、効率的なサマリー作成が可能となる。サマリー部における上述した処理の一部または全部は、生成ＡＩを用いて行われる。例えば、サマリー部は、メッセージの関連性データを生成ＡＩに入力し、生成ＡＩに基づいてサマリーの順序を調整することができる。

実施形態に係るシステムは、上述した例に限定されず、例えば、以下のように、種々の変更が可能である。

収集部は、ユーザの過去のメッセージ収集履歴を分析し、最適な収集方法を選定することができる。例えば、ユーザが過去に頻繁に使用したアプリから優先的にメッセージを収集する。収集部は、ユーザの過去の収集履歴から、特定の時間帯に収集を集中させることもできる。収集部は、ユーザが過去に重要と判断したメッセージのパターンを分析し、同様のメッセージを優先的に収集することもできる。これにより、過去の収集履歴を分析することで、最適な収集方法を選定できる。収集部における上述した処理の一部または全部は、例えば、ＡＩを用いて行われてもよく、ＡＩを用いずに行われてもよい。例えば、収集部は、ユーザの過去のメッセージ収集履歴をＡＩに入力し、ＡＩに基づいて最適な収集方法を選定することができる。

解析部は、解析時に、メッセージの重要度に基づいて解析の詳細度を調整することができる。例えば、重要度の高いメッセージについては、詳細な解析を行う。解析部は、重要度の低いメッセージについては、簡潔な解析を行うこともできる。解析部は、重要度に応じて、解析の優先順位を決定することもできる。これにより、メッセージの重要度に応じて解析の詳細度を調整することで、効率的な解析が可能となる。解析部における上述した処理の一部または全部は、ＡＩを用いて行われてもよく、ＡＩを用いずに行われてもよい。例えば、解析部は、メッセージの重要度データをＡＩに入力し、ＡＩに基づいて解析の詳細度を調整することができる。

通知部は、通知時に、メッセージの重要度に基づいて通知の詳細度を調整することができる。例えば、重要度の高いメッセージについては、詳細な通知を行う。通知部は、重要度の低いメッセージについては、簡潔な通知を行うこともできる。通知部は、重要度に応じて、通知の優先順位を決定することもできる。これにより、メッセージの重要度に応じて通知の詳細度を調整することで、効率的な通知が可能となる。通知部における上述した処理の一部または全部は、ＡＩを用いて行われてもよく、ＡＩを用いずに行われてもよい。例えば、通知部は、メッセージの重要度データをＡＩに入力し、ＡＩに基づいて通知の詳細度を調整することができる。

サマリー部は、サマリー作成時に、メッセージのカテゴリに応じて異なるサマリーアルゴリズムを適用することができる。例えば、ビジネス関連のメッセージには、ビジネス用のサマリーアルゴリズムを適用する。サマリー部は、プライベートなメッセージには、プライベート用のサマリーアルゴリズムを適用することもできる。サマリー部は、ソーシャルメディアのメッセージには、ソーシャルメディア用のサマリーアルゴリズムを適用することもできる。これにより、メッセージのカテゴリに応じて適切なサマリーアルゴリズムを適用することで、サマリーの精度が向上する。サマリー部における上述した処理の一部または全部は、生成ＡＩを用いて行われる。例えば、サマリー部は、メッセージのカテゴリデータを生成ＡＩに入力し、生成ＡＩに基づいてサマリーアルゴリズムを適用することができる。

収集部は、メッセージの収集時に、ユーザの地理的位置情報を考慮して関連性の高いメッセージを優先的に収集することができる。例えば、ユーザが特定の地域にいる場合、その地域に関連するメッセージを優先的に収集する。収集部は、ユーザが旅行中の場合、旅行先に関連するメッセージを優先的に収集することもできる。収集部は、ユーザが自宅にいる場合、家庭に関連するメッセージを優先的に収集することもできる。これにより、ユーザの地理的位置情報を考慮することで、関連性の高いメッセージを優先的に収集できる。収集部における上述した処理の一部または全部は、例えば、ＡＩを用いて行われてもよく、ＡＩを用いずに行われてもよい。例えば、収集部は、ユーザの地理的位置情報をＡＩに入力し、ＡＩに基づいて関連性の高いメッセージを優先的に収集することができる。

以下に、形態例１の処理の流れについて簡単に説明する。

ステップ１：収集部は、ユーザが使用する複数のコミュニケーションアプリからメッセージを収集する。収集部は、例えば、メールアプリ、チャットアプリ、SNSなどからメッセージを収集することができる。収集部は、各アプリのAPIを利用してメッセージを取得することができる。例えば、収集部は、メールアプリのAPIを利用してメールメッセージを取得する。また、収集部は、チャットアプリのAPIを利用してチャットメッセージを取得することもできる。さらに、収集部は、SNSのAPIを利用してSNSメッセージを取得することもできる。
ステップ２：解析部は、生成ＡＩを用いて、収集部によって収集されたメッセージを解析する。解析部は、メッセージの内容を解析し、急ぎや重要な案件を特定する。例えば、解析部は、特定のキーワードやフレーズを含むメッセージを急ぎや重要な案件として分類することができる。解析部は、自然言語処理技術を用いてメッセージの内容を解析する。例えば、解析部は、形態素解析を用いてメッセージの単語を解析する。また、解析部は、文法解析を用いてメッセージの文の構造を解析することもできる。さらに、解析部は、意味解析を用いてメッセージの意味を解析することもできる。
ステップ３：通知部は、解析部によって特定された急ぎや重要な案件を通知する。通知部は、例えば、プッシュ通知やメール通知を利用して急ぎや重要な案件を即座に通知する。通知部は、ユーザに即座に知らせることができる。例えば、通知部は、プッシュ通知を利用してユーザに急ぎや重要な案件を通知する。また、通知部は、メール通知を利用してユーザに急ぎや重要な案件を通知することもできる。
ステップ４：サマリー部は、解析部によって特定されなかったメッセージのサマリーを作成する。サマリー部は、生成ＡＩを用いて、収集されたメッセージの内容を要約し、サマリーを作成する。サマリー部は、例えば、1日の終わりに全てのメッセージのサマリーをユーザに提供することができる。サマリー部は、ユーザに提供するサマリーを作成する。例えば、サマリー部は、収集されたメッセージの内容を要約し、サマリーを作成する。これにより、実施形態に係るシステムは、ユーザの集中力を維持しつつ、重要なメッセージを迅速に把握することができる。サマリー部における上述した処理の一部または全部は、例えば、生成ＡＩを用いて行われてもよく、生成ＡＩを用いずに行われてもよい。例えば、サマリー部は、収集されたメッセージの内容を生成ＡＩに入力し、生成ＡＩにサマリーを作成させることができる。

（形態例２）
本発明の実施形態に係るシステムは、生成ＡＩを用いてメールやコミュニケーションツールなどのコミュニケーションアプリを統合し、テキストメッセージの内容を解析するシステムである。このシステムは、ユーザが使用する複数のコミュニケーションアプリからメッセージを収集し、生成ＡＩが収集されたメッセージを解析し、急ぎや重要な案件のみを即通知する。それ以外のメッセージについては、生成ＡＩがサマリーを作成し、ユーザに提供する。この仕組みにより、常に通知に気を取られ集中力が下がっている現状を解決することができる。例えば、ユーザが使用する複数のコミュニケーションアプリからメッセージを収集する。例えば、メールアプリ、チャットアプリ、SNSなどからメッセージを収集する。この際、各アプリのAPIを利用してメッセージを取得することができる。次に、生成ＡＩが収集されたメッセージを解析する。生成ＡＩは、メッセージの内容を解析し、急ぎや重要な案件を特定する。例えば、特定のキーワードやフレーズを含むメッセージを急ぎや重要な案件として分類することができる。これにより、ユーザは重要なメッセージを即座に把握することができる。急ぎや重要な案件のみを即通知する。生成ＡＩが特定した急ぎや重要な案件については、ユーザに即通知する。例えば、プッシュ通知やメール通知などを利用して、ユーザに即座に知らせることができる。これにより、ユーザは重要なメッセージを見逃すことなく対応することができる。それ以外のメッセージについては、生成ＡＩがサマリーを作成する。生成ＡＩは、収集されたメッセージの内容を要約し、サマリーを作成する。例えば、1日の終わりに全てのメッセージのサマリーをユーザに提供することができる。これにより、ユーザは重要でないメッセージに気を取られることなく、集中して作業を行うことができる。この仕組みにより、常に通知に気を取られ集中力が下がっている現状を解決することができる。ユーザは、急ぎや重要な案件のみを即座に把握し、それ以外のメッセージについてはサマリーを確認することで、効率的にコミュニケーションを管理することができる。例えば、仕事中に頻繁に通知が来ることで集中力が途切れることがなくなり、作業効率が向上する。これにより、システムは、ユーザの集中力を維持しつつ、重要なメッセージを迅速に把握することができる。

収集部は、ユーザの感情を推定し、推定したユーザの感情に基づいてメッセージの収集タイミングを調整することができる。収集部は、例えば、ユーザがストレスを感じている場合、収集タイミングを遅らせて、ユーザの負担を軽減する。収集部は、ユーザがリラックスしている場合、リアルタイムでメッセージを収集し、即時対応を促すこともできる。収集部は、ユーザが集中している場合、収集タイミングを調整して、作業の邪魔にならないようにすることもできる。これにより、ユーザの感情に応じて収集タイミングを調整することで、ユーザの負担を軽減できる。感情の推定は、例えば、感情エンジンまたは生成ＡＩなどを用いて感情推定機能を用いて実現される。生成ＡＩは、テキスト生成ＡＩ（例えば、ＬＬＭ）やマルチモーダル生成ＡＩなどであるが、かかる例に限定されない。収集部における上述した処理の一部または全部は、例えば、ＡＩを用いて行われてもよく、ＡＩを用いずに行われてもよい。例えば、収集部は、ユーザの感情データを生成ＡＩに入力し、生成ＡＩに基づいて収集タイミングを調整することができる。

収集部は、ユーザの感情を推定し、推定したユーザの感情に基づいて収集するメッセージの優先順位を決定することができる。収集部は、例えば、ユーザがストレスを感じている場合、重要度の低いメッセージを後回しにする。収集部は、ユーザがリラックスしている場合、全てのメッセージを均等に収集することもできる。収集部は、ユーザが集中している場合、重要度の高いメッセージを優先的に収集することもできる。これにより、ユーザの感情に応じてメッセージの優先順位を決定することで、重要なメッセージを優先的に収集できる。感情の推定は、例えば、感情エンジンまたは生成ＡＩなどを用いて感情推定機能を用いて実現される。生成ＡＩは、テキスト生成ＡＩ（例えば、ＬＬＭ）やマルチモーダル生成ＡＩなどであるが、かかる例に限定されない。収集部における上述した処理の一部または全部は、例えば、ＡＩを用いて行われてもよく、ＡＩを用いずに行われてもよい。例えば、収集部は、ユーザの感情データを生成ＡＩに入力し、生成ＡＩに基づいてメッセージの優先順位を決定することができる。

解析部は、ユーザの感情を推定し、推定したユーザの感情に基づいて解析の表現方法を調整することができる。解析部は、例えば、ユーザが緊張している場合、シンプルで視認性の高い解析結果を提供する。解析部は、ユーザがリラックスしている場合、詳細な解析結果を提供することもできる。解析部は、ユーザが急いでいる場合、要点を押さえた簡潔な解析結果を提供することもできる。これにより、ユーザの感情に応じて解析の表現方法を調整することで、ユーザにとって理解しやすい解析結果を提供できる。感情の推定は、例えば、感情エンジンまたは生成ＡＩなどを用いて感情推定機能を用いて実現される。生成ＡＩは、テキスト生成ＡＩ（例えば、ＬＬＭ）やマルチモーダル生成ＡＩなどであるが、かかる例に限定されない。解析部における上述した処理の一部または全部は、生成ＡＩを用いて行われる。例えば、解析部は、ユーザの感情データを生成ＡＩに入力し、生成ＡＩに基づいて解析の表現方法を調整することができる。

解析部は、ユーザの感情を推定し、推定したユーザの感情に基づいて解析の長さを調整することができる。解析部は、例えば、ユーザが急いでいる場合、短くて要点を押さえた解析結果を提供する。解析部は、ユーザがリラックスしている場合、詳細な解析結果を提供することもできる。解析部は、ユーザが興奮している場合、視覚的に刺激的なエフェクトを加えた解析結果を提供することもできる。これにより、ユーザの感情に応じて解析の長さを調整することで、ユーザにとって最適な解析結果を提供できる。感情の推定は、例えば、感情エンジンまたは生成ＡＩなどを用いて感情推定機能を用いて実現される。生成ＡＩは、テキスト生成ＡＩ（例えば、ＬＬＭ）やマルチモーダル生成ＡＩなどであるが、かかる例に限定されない。解析部における上述した処理の一部または全部は、生成ＡＩを用いて行われる。例えば、解析部は、ユーザの感情データを生成ＡＩに入力し、生成ＡＩに基づいて解析の長さを調整することができる。

通知部は、ユーザの感情を推定し、推定したユーザの感情に基づいて通知の方法を調整することができる。通知部は、例えば、ユーザが緊張している場合、静かな通知音を使用する。通知部は、ユーザがリラックスしている場合、明るい通知音を使用することもできる。通知部は、ユーザが急いでいる場合、迅速で簡潔な通知方法を使用することもできる。これにより、ユーザの感情に応じて通知の方法を調整することで、ユーザにとって最適な通知が可能となる。感情の推定は、例えば、感情エンジンまたは生成ＡＩなどを用いて感情推定機能を用いて実現される。生成ＡＩは、テキスト生成ＡＩ（例えば、ＬＬＭ）やマルチモーダル生成ＡＩなどであるが、かかる例に限定されない。通知部における上述した処理の一部または全部は、ＡＩを用いて行われてもよく、ＡＩを用いずに行われてもよい。例えば、通知部は、ユーザの感情データを生成ＡＩに入力し、生成ＡＩに基づいて通知の方法を調整することができる。

通知部は、ユーザの感情を推定し、推定したユーザの感情に基づいて通知のタイミングを調整することができる。通知部は、例えば、ユーザが緊張している場合、通知を遅らせて、ユーザの負担を軽減する。通知部は、ユーザがリラックスしている場合、リアルタイムで通知を行うこともできる。通知部は、ユーザが集中している場合、通知タイミングを調整して、作業の邪魔にならないようにすることもできる。これにより、ユーザの感情に応じて通知のタイミングを調整することで、ユーザにとって最適なタイミングで通知が可能となる。感情の推定は、例えば、感情エンジンまたは生成ＡＩなどを用いて感情推定機能を用いて実現される。生成ＡＩは、テキスト生成ＡＩ（例えば、ＬＬＭ）やマルチモーダル生成ＡＩなどであるが、かかる例に限定されない。通知部における上述した処理の一部または全部は、ＡＩを用いて行われてもよく、ＡＩを用いずに行われてもよい。例えば、通知部は、ユーザの感情データを生成ＡＩに入力し、生成ＡＩに基づいて通知のタイミングを調整することができる。

サマリー部は、ユーザの感情を推定し、推定したユーザの感情に基づいてサマリーの表現方法を調整することができる。サマリー部は、例えば、ユーザが緊張している場合、シンプルで視認性の高いサマリーを提供する。サマリー部は、ユーザがリラックスしている場合、詳細なサマリーを提供することもできる。サマリー部は、ユーザが急いでいる場合、要点を押さえた簡潔なサマリーを提供することもできる。これにより、ユーザの感情に応じてサマリーの表現方法を調整することで、ユーザにとって理解しやすいサマリーを提供できる。感情の推定は、例えば、感情エンジンまたは生成ＡＩなどを用いて感情推定機能を用いて実現される。生成ＡＩは、テキスト生成ＡＩ（例えば、ＬＬＭ）やマルチモーダル生成ＡＩなどであるが、かかる例に限定されない。サマリー部における上述した処理の一部または全部は、生成ＡＩを用いて行われる。例えば、サマリー部は、ユーザの感情データを生成ＡＩに入力し、生成ＡＩに基づいてサマリーの表現方法を調整することができる。

サマリー部は、ユーザの感情を推定し、推定したユーザの感情に基づいてサマリーの長さを調整することができる。サマリー部は、例えば、ユーザが急いでいる場合、短くて要点を押さえたサマリーを提供する。サマリー部は、ユーザがリラックスしている場合、詳細なサマリーを提供することもできる。サマリー部は、ユーザが興奮している場合、視覚的に刺激的なエフェクトを加えたサマリーを提供することもできる。これにより、ユーザの感情に応じてサマリーの長さを調整することで、ユーザにとって最適なサマリーを提供できる。感情の推定は、例えば、感情エンジンまたは生成ＡＩなどを用いて感情推定機能を用いて実現される。生成ＡＩは、テキスト生成ＡＩ（例えば、ＬＬＭ）やマルチモーダル生成ＡＩなどであるが、かかる例に限定されない。サマリー部における上述した処理の一部または全部は、生成ＡＩを用いて行われる。例えば、サマリー部は、ユーザの感情データを生成ＡＩに入力し、生成ＡＩに基づいてサマリーの長さを調整することができる。

解析部は、ユーザの感情を推定し、推定したユーザの感情に基づいて解析の優先順位を決定することができる。例えば、ユーザがストレスを感じている場合、重要度の高いメッセージを優先的に解析する。ユーザがリラックスしている場合、全てのメッセージを均等に解析することもできる。ユーザが集中している場合、重要度の低いメッセージを後回しにすることもできる。これにより、ユーザの感情に応じて解析の優先順位を決定することで、重要なメッセージを優先的に解析できる。感情の推定は、例えば、感情エンジンまたは生成ＡＩなどを用いて感情推定機能を用いて実現される。生成ＡＩは、テキスト生成ＡＩ（例えば、LLM）やマルチモーダル生成ＡＩなどであるが、かかる例に限定されない。解析部における上述した処理の一部または全部は、生成ＡＩを用いて行われる。例えば、解析部は、ユーザの感情データを生成ＡＩに入力し、生成ＡＩに基づいて解析の優先順位を決定することができる。

通知部は、ユーザの感情を推定し、推定したユーザの感情に基づいて通知の内容を調整することができる。例えば、ユーザが緊張している場合、簡潔で要点を押さえた通知を行う。ユーザがリラックスしている場合、詳細な通知を行うこともできる。ユーザが急いでいる場合、迅速で簡潔な通知を行うこともできる。これにより、ユーザの感情に応じて通知の内容を調整することで、ユーザにとって最適な通知が可能となる。感情の推定は、例えば、感情エンジンまたは生成ＡＩなどを用いて感情推定機能を用いて実現される。生成ＡＩは、テキスト生成ＡＩ（例えば、LLM）やマルチモーダル生成ＡＩなどであるが、かかる例に限定されない。通知部における上述した処理の一部または全部は、生成ＡＩを用いて行われる。例えば、通知部は、ユーザの感情データを生成ＡＩに入力し、生成ＡＩに基づいて通知の内容を調整することができる。

サマリー部は、ユーザの感情を推定し、推定したユーザの感情に基づいてサマリーの形式を調整することができる。例えば、ユーザが緊張している場合、シンプルで視認性の高いサマリーを提供する。ユーザがリラックスしている場合、詳細なサマリーを提供することもできる。ユーザが急いでいる場合、要点を押さえた簡潔なサマリーを提供することもできる。これにより、ユーザの感情に応じてサマリーの形式を調整することで、ユーザにとって理解しやすいサマリーを提供できる。感情の推定は、例えば、感情エンジンまたは生成ＡＩなどを用いて感情推定機能を用いて実現される。生成ＡＩは、テキスト生成ＡＩ（例えば、LLM）やマルチモーダル生成ＡＩなどであるが、かかる例に限定されない。サマリー部における上述した処理の一部または全部は、生成ＡＩを用いて行われる。例えば、サマリー部は、ユーザの感情データを生成ＡＩに入力し、生成ＡＩに基づいてサマリーの形式を調整することができる。

収集部は、ユーザの感情を推定し、推定したユーザの感情に基づいて収集するメッセージの種類を決定することができる。例えば、ユーザがストレスを感じている場合、重要度の低いメッセージを収集しない。ユーザがリラックスしている場合、全てのメッセージを収集することもできる。ユーザが集中している場合、重要度の高いメッセージを優先的に収集することもできる。これにより、ユーザの感情に応じて収集するメッセージの種類を決定することで、ユーザの負担を軽減できる。感情の推定は、例えば、感情エンジンまたは生成ＡＩなどを用いて感情推定機能を用いて実現される。生成ＡＩは、テキスト生成ＡＩ（例えば、LLM）やマルチモーダル生成ＡＩなどであるが、かかる例に限定されない。収集部における上述した処理の一部または全部は、生成ＡＩを用いて行われる。例えば、収集部は、ユーザの感情データを生成ＡＩに入力し、生成ＡＩに基づいて収集するメッセージの種類を決定することができる。

解析部は、ユーザの感情を推定し、推定したユーザの感情に基づいて解析の詳細度を調整することができる。例えば、ユーザが緊張している場合、簡潔で要点を押さえた解析結果を提供する。ユーザがリラックスしている場合、詳細な解析結果を提供することもできる。ユーザが急いでいる場合、迅速で簡潔な解析結果を提供することもできる。これにより、ユーザの感情に応じて解析の詳細度を調整することで、ユーザにとって最適な解析結果を提供できる。感情の推定は、例えば、感情エンジンまたは生成ＡＩなどを用いて感情推定機能を用いて実現される。生成ＡＩは、テキスト生成ＡＩ（例えば、LLM）やマルチモーダル生成ＡＩなどであるが、かかる例に限定されない。解析部における上述した処理の一部または全部は、生成ＡＩを用いて行われる。例えば、解析部は、ユーザの感情データを生成ＡＩに入力し、生成ＡＩに基づいて解析の詳細度を調整することができる。

以下に、形態例２の処理の流れについて簡単に説明する。

特定処理部２９０は、特定処理の結果をスマートデバイス１４に送信する。スマートデバイス１４では、制御部４６Ａが、出力装置４０に対して特定処理の結果を出力させる。マイクロフォン３８Ｂは、特定処理の結果に対するユーザ入力を示す音声を取得する。制御部４６Ａは、マイクロフォン３８Ｂによって取得されたユーザ入力を示す音声データをデータ処理装置１２に送信する。データ処理装置１２では、特定処理部２９０が音声データを取得する。

データ生成モデル５８は、いわゆる生成ＡＩ（Artificial Intelligence）である。データ生成モデル５８の一例としては、ＣｈａｔＧＰＴ（登録商標）（インターネット検索＜URL: https://openai.com/blog/chatgpt＞）などの生成ＡＩが挙げられる。データ生成モデル５８は、ニューラルネットワークに対して深層学習を行わせることによって得られる。データ生成モデル５８には、指示を含むプロンプトが入力され、かつ、音声を示す音声データ、テキストを示すテキストデータ、および画像を示す画像データ（例えば、静止画のデータまたは動画のデータ）などの推論用データが入力される。データ生成モデル５８は、入力された推論用データをプロンプトにより示される指示に従って推論し、推論結果を音声データ、テキストデータ、および画像データなどのうちの１以上のデータ形式で出力する。データ生成モデル５８は、例えば、テキスト生成ＡＩ、画像生成ＡＩ、マルチモーダル生成ＡＩなどを含む。ここで、推論とは、例えば、分析、分類、予測、および／または要約などを指す。特定処理部２９０は、データ生成モデル５８を用いながら、上述した特定処理を行う。データ生成モデル５８は、指示を含まないプロンプトから推論結果を出力するように、ファインチューニングされたモデルであってもよく、この場合、データ生成モデル５８は、指示を含まないプロンプトから推論結果を出力することができる。データ処理装置１２などにおいて、データ生成モデル５８は複数種類含まれており、データ生成モデル５８は、生成ＡＩ以外のＡＩを含む。生成ＡＩ以外のＡＩは、例えば、線形回帰、ロジスティック回帰、決定木、ランダムフォレスト、サポートベクターマシン（ＳＶＭ）、ｋ－ｍｅａｎｓクラスタリング、畳み込みニューラルネットワーク（ＣＮＮ）、リカレントニューラルネットワーク（ＲＮＮ）、生成的敵対的ネットワーク（ＧＡＮ）、またはナイーブベイズなどであり、種々の処理を行うことができるが、かかる例に限定されない。また、ＡＩは、ＡＩエージェントであってもよい。また、上述した各部の処理がＡＩで行われる場合、その処理は、ＡＩで一部または全部が行われるが、かかる例に限定されない。また、生成ＡＩを含むＡＩで実施される処理は、ルールベースでの処理に置き換えてもよく、ルールベースの処理は、生成ＡＩを含むＡＩで実施される処理に置き換えてもよい。

また、上述したデータ処理システム１０による処理は、データ処理装置１２の特定処理部２９０またはスマートデバイス１４の制御部４６Ａによって実行されるが、データ処理装置１２の特定処理部２９０とスマートデバイス１４の制御部４６Ａとによって実行されてもよい。また、データ処理装置１２の特定処理部２９０は、処理に必要な情報をスマートデバイス１４または外部の装置などから取得したり収集したりし、スマートデバイス１４は、処理に必要な情報をデータ処理装置１２または外部の装置などから取得したり収集したりする。

上述した収集部、解析部、通知部、およびサマリー部を含む複数の要素の各々は、例えば、スマートデバイス１４およびデータ処理装置１２のうちの少なくとも一方で実現される。例えば、収集部は、スマートデバイス１４の制御部４６Ａによって実現され、各アプリのAPIを利用してメッセージを取得する。解析部は、例えば、データ処理装置１２の特定処理部２９０によって実現され、生成ＡＩを用いて収集されたメッセージを解析する。通知部は、例えば、スマートデバイス１４の制御部４６Ａによって実現され、急ぎや重要な案件を即座に通知する。サマリー部は、例えば、データ処理装置１２の特定処理部２９０によって実現され、生成ＡＩを用いてメッセージのサマリーを作成する。各部と装置や制御部との対応関係は、上述した例に限定されず、種々の変更が可能である。

［第２実施形態］
図３には、第２実施形態に係るデータ処理システム２１０の構成の一例が示されている。

図３に示すように、データ処理システム２１０は、データ処理装置１２およびスマート眼鏡２１４を備えている。データ処理装置１２の一例としては、サーバが挙げられる。

データ処理装置１２は、コンピュータ２２、データベース２４、および通信Ｉ／Ｆ２６を備えている。コンピュータ２２は、プロセッサ２８、ＲＡＭ３０、およびストレージ３２を備えている。プロセッサ２８、ＲＡＭ３０、およびストレージ３２は、バス３４に接続されている。また、データベース２４および通信Ｉ／Ｆ２６も、バス３４に接続されている。通信Ｉ／Ｆ２６は、ネットワーク５４に接続されている。ネットワーク５４の一例としては、ＷＡＮおよび／またはＬＡＮなどが挙げられる。

スマート眼鏡２１４は、コンピュータ３６、マイクロフォン２３８、スピーカ２４０、カメラ４２、および通信Ｉ／Ｆ４４を備えている。コンピュータ３６は、プロセッサ４６、ＲＡＭ４８、およびストレージ５０を備えている。プロセッサ４６、ＲＡＭ４８、およびストレージ５０は、バス５２に接続されている。また、マイクロフォン２３８、スピーカ２４０、およびカメラ４２も、バス５２に接続されている。

マイクロフォン２３８は、ユーザが発する音声を受け付けることで、ユーザから指示などを受け付ける。マイクロフォン２３８は、ユーザが発する音声を捕捉し、捕捉した音声を音声データに変換してプロセッサ４６に出力する。スピーカ２４０は、プロセッサ４６からの指示に従って音声を出力する。

カメラ４２は、レンズ、絞り、およびシャッタなどの光学系と、ＣＭＯＳ（Complementary Metal-Oxide-Semiconductor）イメージセンサまたはＣＣＤ（Charge Coupled Device）イメージセンサなどの撮像素子とが搭載された小型デジタルカメラであり、ユーザの周囲（例えば、一般的な健常者の視界の広さに相当する画角で規定された撮像範囲）を撮像する。

通信Ｉ／Ｆ４４は、ネットワーク５４に接続されている。通信Ｉ／Ｆ４４および２６は、ネットワーク５４を介してプロセッサ４６とプロセッサ２８との間の各種情報の授受を司る。通信Ｉ／Ｆ４４および２６を用いたプロセッサ４６とプロセッサ２８との間の各種情報の授受はセキュアな状態で行われる。

図４には、データ処理装置１２およびスマート眼鏡２１４の要部機能の一例が示されている。図４に示すように、データ処理装置１２では、プロセッサ２８によって特定処理が行われる。ストレージ３２には、特定処理プログラム５６が格納されている。

プロセッサ２８は、ストレージ３２から特定処理プログラム５６を読み出し、読み出した特定処理プログラム５６をＲＡＭ３０上で実行する。特定処理は、プロセッサ２８がＲＡＭ３０上で実行する特定処理プログラム５６に従って、特定処理部２９０として動作することによって実現される。

スマート眼鏡２１４では、プロセッサ４６によって特定処理が行われる。ストレージ５０には、特定処理プログラム６０が格納されている。プロセッサ４６は、ストレージ５０から特定処理プログラム６０を読み出し、読み出した特定処理プログラム６０をＲＡＭ４８上で実行する。特定処理は、プロセッサ４６がＲＡＭ４８上で実行する特定処理プログラム６０に従って、制御部４６Ａとして動作することによって実現される。なお、スマート眼鏡２１４には、データ生成モデル５８および感情特定モデル５９と同様のデータ生成モデルおよび感情特定モデルを有し、これらモデルを用いて特定処理部２９０と同様の処理を行うこともできる。

なお、データ処理装置１２以外の他の装置がデータ生成モデル５８を有してもよい。例えば、サーバ装置がデータ生成モデル５８を有してもよい。この場合、データ処理装置１２は、データ生成モデル５８を有するサーバ装置と通信を行うことで、データ生成モデル５８が用いられた処理結果（予測結果など）を得る。また、データ処理装置１２は、サーバ装置であってもよいし、ユーザが保有する端末装置（例えば、携帯電話、ロボット、家電など）であってもよい。

特定処理部２９０は、特定処理の結果をスマート眼鏡２１４に送信する。スマート眼鏡２１４では、制御部４６Ａが、スピーカ２４０に対して特定処理の結果を出力させる。マイクロフォン２３８は、特定処理の結果に対するユーザ入力を示す音声を取得する。制御部４６Ａは、マイクロフォン２３８によって取得されたユーザ入力を示す音声データをデータ処理装置１２に送信する。データ処理装置１２では、特定処理部２９０が音声データを取得する。

データ生成モデル５８は、いわゆる生成ＡＩである。データ生成モデル５８の一例としては、ＣｈａｔＧＰＴなどの生成ＡＩが挙げられる。データ生成モデル５８は、ニューラルネットワークに対して深層学習を行わせることによって得られる。データ生成モデル５８には、指示を含むプロンプトが入力され、かつ、音声を示す音声データ、テキストを示すテキストデータ、および画像を示す画像データ（例えば、静止画のデータまたは動画のデータ）などの推論用データが入力される。データ生成モデル５８は、入力された推論用データをプロンプトにより示される指示に従って推論し、推論結果を音声データ、テキストデータ、および画像データなどのうちの１以上のデータ形式で出力する。データ生成モデル５８は、例えば、テキスト生成ＡＩ、画像生成ＡＩ、マルチモーダル生成ＡＩなどを含む。ここで、推論とは、例えば、分析、分類、予測、および／または要約などを指す。特定処理部２９０は、データ生成モデル５８を用いながら、上述した特定処理を行う。データ生成モデル５８は、指示を含まないプロンプトから推論結果を出力するように、ファインチューニングされたモデルであってもよく、この場合、データ生成モデル５８は、指示を含まないプロンプトから推論結果を出力することができる。データ処理装置１２などにおいて、データ生成モデル５８は複数種類含まれており、データ生成モデル５８は、生成ＡＩ以外のＡＩを含む。生成ＡＩ以外のＡＩは、例えば、線形回帰、ロジスティック回帰、決定木、ランダムフォレスト、サポートベクターマシン（ＳＶＭ）、ｋ－ｍｅａｎｓクラスタリング、畳み込みニューラルネットワーク（ＣＮＮ）、リカレントニューラルネットワーク（ＲＮＮ）、生成的敵対的ネットワーク（ＧＡＮ）、またはナイーブベイズなどであり、種々の処理を行うことができるが、かかる例に限定されない。また、ＡＩは、ＡＩエージェントであってもよい。また、上述した各部の処理がＡＩで行われる場合、その処理は、ＡＩで一部または全部が行われるが、かかる例に限定されない。また、生成ＡＩを含むＡＩで実施される処理は、ルールベースでの処理に置き換えてもよく、ルールベースの処理は、生成ＡＩを含むＡＩで実施される処理に置き換えてもよい。

第２実施形態に係るデータ処理システム２１０は、第１実施形態に係るデータ処理システム１０と同様の処理を行う。データ処理システム２１０による処理は、データ処理装置１２の特定処理部２９０またはスマート眼鏡２１４の制御部４６Ａによって実行されるが、データ処理装置１２の特定処理部２９０とスマート眼鏡２１４の制御部４６Ａとによって実行されてもよい。また、データ処理装置１２の特定処理部２９０は、処理に必要な情報をスマート眼鏡２１４または外部の装置などから取得したり収集したりし、スマート眼鏡２１４は、処理に必要な情報をデータ処理装置１２または外部の装置などから取得したり収集したりする。

上述した収集部、解析部、通知部、およびサマリー部を含む複数の要素の各々は、例えば、スマート眼鏡２１４およびデータ処理装置１２のうちの少なくとも一方で実現される。例えば、収集部は、スマート眼鏡２１４の制御部４６Ａによって実現され、各アプリのAPIを利用してメッセージを取得する。解析部は、例えば、データ処理装置１２の特定処理部２９０によって実現され、生成ＡＩを用いて収集されたメッセージを解析する。通知部は、例えば、スマート眼鏡２１４の制御部４６Ａによって実現され、急ぎや重要な案件を即座に通知する。サマリー部は、例えば、データ処理装置１２の特定処理部２９０によって実現され、生成ＡＩを用いてメッセージのサマリーを作成する。各部と装置や制御部との対応関係は、上述した例に限定されず、種々の変更が可能である。

［第３実施形態］
図５には、第３実施形態に係るデータ処理システム３１０の構成の一例が示されている。

図５に示すように、データ処理システム３１０は、データ処理装置１２およびヘッドセット型端末３１４を備えている。データ処理装置１２の一例としては、サーバが挙げられる。

ヘッドセット型端末３１４は、コンピュータ３６、マイクロフォン２３８、スピーカ２４０、カメラ４２、通信Ｉ／Ｆ４４、およびディスプレイ３４３を備えている。コンピュータ３６は、プロセッサ４６、ＲＡＭ４８、およびストレージ５０を備えている。プロセッサ４６、ＲＡＭ４８、およびストレージ５０は、バス５２に接続されている。また、マイクロフォン２３８、スピーカ２４０、カメラ４２、およびディスプレイ３４３も、バス５２に接続されている。

図６には、データ処理装置１２およびヘッドセット型端末３１４の要部機能の一例が示されている。図６に示すように、データ処理装置１２では、プロセッサ２８によって特定処理が行われる。ストレージ３２には、特定処理プログラム５６が格納されている。

ヘッドセット型端末３１４では、プロセッサ４６によって特定処理が行われる。ストレージ５０には、特定プログラム６０が格納されている。プロセッサ４６は、ストレージ５０から特定プログラム６０を読み出し、読み出した特定プログラム６０をＲＡＭ４８上で実行する。特定処理は、プロセッサ４６がＲＡＭ４８上で実行する特定プログラム６０に従って、制御部４６Ａとして動作することによって実現される。なお、ヘッドセット型端末３１４には、データ生成モデル５８および感情特定モデル５９と同様のデータ生成モデルおよび感情特定モデルを有し、これらモデルを用いて特定処理部２９０と同様の処理を行うこともできる。

特定処理部２９０は、特定処理の結果をヘッドセット型端末３１４に送信する。ヘッドセット型端末３１４では、制御部４６Ａが、スピーカ２４０およびディスプレイ３４３に対して特定処理の結果を出力させる。マイクロフォン２３８は、特定処理の結果に対するユーザ入力を示す音声を取得する。制御部４６Ａは、マイクロフォン２３８によって取得されたユーザ入力を示す音声データをデータ処理装置１２に送信する。データ処理装置１２では、特定処理部２９０が音声データを取得する。

第３実施形態に係るデータ処理システム３１０は、第１実施形態に係るデータ処理システム１０と同様の処理を行う。データ処理システム３１０による処理は、データ処理装置１２の特定処理部２９０またはヘッドセット型端末３１４の制御部４６Ａによって実行されるが、データ処理装置１２の特定処理部２９０とヘッドセット型端末３１４の制御部４６Ａとによって実行されてもよい。また、データ処理装置１２の特定処理部２９０は、処理に必要な情報をヘッドセット型端末３１４または外部の装置などから取得したり収集したりし、ヘッドセット型端末３１４は、処理に必要な情報をデータ処理装置１２または外部の装置などから取得したり収集したりする。

上述した収集部、解析部、通知部、およびサマリー部を含む複数の要素の各々は、例えば、ヘッドセット型端末３１４およびデータ処理装置１２のうちの少なくとも一方で実現される。例えば、収集部は、ヘッドセット型端末３１４の制御部４６Ａによって実現され、各アプリのAPIを利用してメッセージを取得する。解析部は、例えば、データ処理装置１２の特定処理部２９０によって実現され、生成ＡＩを用いて収集されたメッセージを解析する。通知部は、例えば、ヘッドセット型端末３１４の制御部４６Ａによって実現され、急ぎや重要な案件を即座に通知する。サマリー部は、例えば、データ処理装置１２の特定処理部２９０によって実現され、生成ＡＩを用いてメッセージのサマリーを作成する。各部と装置や制御部との対応関係は、上述した例に限定されず、種々の変更が可能である。

［第４実施形態］
図７には、第４実施形態に係るデータ処理システム４１０の構成の一例が示されている。

図７に示すように、データ処理システム４１０は、データ処理装置１２およびロボット４１４を備えている。データ処理装置１２の一例としては、サーバが挙げられる。

ロボット４１４は、コンピュータ３６、マイクロフォン２３８、スピーカ２４０、カメラ４２、通信Ｉ／Ｆ４４、および制御対象４４３を備えている。コンピュータ３６は、プロセッサ４６、ＲＡＭ４８、およびストレージ５０を備えている。プロセッサ４６、ＲＡＭ４８、およびストレージ５０は、バス５２に接続されている。また、マイクロフォン２３８、スピーカ２４０、カメラ４２、および制御対象４４３も、バス５２に接続されている。

カメラ４２は、レンズ、絞り、およびシャッタなどの光学系と、ＣＭＯＳイメージセンサまたはＣＣＤイメージセンサなどの撮像素子とが搭載された小型デジタルカメラであり、ユーザの周囲（例えば、一般的な健常者の視界の広さに相当する画角で規定された撮像範囲）を撮像する。

制御対象４４３は、表示装置、目部のＬＥＤ、並びに、腕、手および足などを駆動するモータなどを含む。ロボット４１４の姿勢や仕草は、腕、手および足などのモータを制御することにより制御される。ロボット４１４の感情の一部は、これらのモータを制御することにより表現できる。また、ロボット４１４の目部のＬＥＤの発光状態を制御することによっても、ロボット４１４の表情を表現できる。

図８には、データ処理装置１２およびロボット４１４の要部機能の一例が示されている。図８に示すように、データ処理装置１２では、プロセッサ２８によって特定処理が行われる。ストレージ３２には、特定処理プログラム５６が格納されている。

ロボット４１４では、プロセッサ４６によって特定処理が行われる。ストレージ５０には、特定プログラム６０が格納されている。プロセッサ４６は、ストレージ５０から特定プログラム６０を読み出し、読み出した特定プログラム６０をＲＡＭ４８上で実行する。特定処理は、プロセッサ４６がＲＡＭ４８上で実行する特定プログラム６０に従って、制御部４６Ａとして動作することによって実現される。なお、ロボット４１４には、データ生成モデル５８および感情特定モデル５９と同様のデータ生成モデルおよび感情特定モデルを有し、これらモデルを用いて特定処理部２９０と同様の処理を行うこともできる。

特定処理部２９０は、特定処理の結果をロボット４１４に送信する。ロボット４１４では、制御部４６Ａが、スピーカ２４０および制御対象４４３に対して特定処理の結果を出力させる。マイクロフォン２３８は、特定処理の結果に対するユーザ入力を示す音声を取得する。制御部４６Ａは、マイクロフォン２３８によって取得されたユーザ入力を示す音声データをデータ処理装置１２に送信する。データ処理装置１２では、特定処理部２９０が音声データを取得する。

第４実施形態に係るデータ処理システム４１０は、第１実施形態に係るデータ処理システム１０と同様の処理を行う。データ処理システム４１０による処理は、データ処理装置１２の特定処理部２９０またはロボット４１４の制御部４６Ａによって実行されるが、データ処理装置１２の特定処理部２９０とロボット４１４の制御部４６Ａとによって実行されてもよい。また、データ処理装置１２の特定処理部２９０は、処理に必要な情報をロボット４１４または外部の装置などから取得したり収集したりし、ロボット４１４は、処理に必要な情報をデータ処理装置１２または外部の装置などから取得したり収集したりする。

上述した収集部、解析部、通知部、およびサマリー部を含む複数の要素の各々は、例えば、ロボット４１４およびデータ処理装置１２のうちの少なくとも一方で実現される。例えば、収集部は、ロボット４１４の制御部４６Ａによって実現され、各アプリのAPIを利用してメッセージを取得する。解析部は、例えば、データ処理装置１２の特定処理部２９０によって実現され、生成ＡＩを用いて収集されたメッセージを解析する。通知部は、例えば、ロボット４１４の制御部４６Ａによって実現され、急ぎや重要な案件を即座に通知する。サマリー部は、例えば、データ処理装置１２の特定処理部２９０によって実現され、生成ＡＩを用いてメッセージのサマリーを作成する。各部と装置や制御部との対応関係は、上述した例に限定されず、種々の変更が可能である。

なお、感情エンジンとしての感情特定モデル５９は、特定のマッピングに従い、ユーザの感情を決定してよい。具体的には、感情特定モデル５９は、特定のマッピングである感情マップ（図９参照）に従い、ユーザの感情を決定してよい。また、感情特定モデル５９は、同様に、ロボットの感情を決定し、特定処理部２９０は、ロボットの感情を用いた特定処理を行うようにしてもよい。

図９は、複数の感情がマッピングされる感情マップ４００を示す図である。感情マップ４００において、感情は、中心から放射状に同心円に配置されている。同心円の中心に近いほど、原始的状態の感情が配置されている。同心円のより外側には、心境から生まれる状態や行動を表す感情が配置されている。感情とは、情動や心的状態も含む概念である。同心円の左側には、概して脳内で起きる反応から生成される感情が配置されている。同心円の右側には概して、状況判断で誘導される感情が配置されている。同心円の上方向および下方向には、概して脳内で起きる反応から生成され、かつ、状況判断で誘導される感情が配置されている。また、同心円の上側には、「快」の感情が配置され、下側には、「不快」の感情が配置されている。このように、感情マップ４００では、感情が生まれる構造に基づいて複数の感情がマッピングされており、同時に生じやすい感情が、近くにマッピングされている。

これらの感情は、感情マップ４００の３時の方向に分布しており、普段は安心と不安のあたりを行き来する。感情マップ４００の右半分では、内部的な感覚よりも状況認識の方が優位に立つため、落ち着いた印象になる。

感情マップ４００の内側は心の中、感情マップ４００の外側は行動を表すため、感情マップ４００の外側に行くほど、感情が目に見える（行動に表れる）ようになる。

ここで、人の感情は、姿勢や血糖値のような様々なバランスを基礎としており、それらのバランスが理想から遠ざかると不快、理想に近づくと快という状態を示す。ロボットや自動車やバイクなどにおいても、姿勢やバッテリー残量のような様々なバランスを基礎として、それらのバランスが理想から遠ざかると不快、理想に近づくと快という状態を示すように感情を作ることができる。感情マップは、例えば、光吉博士の感情地図（音声感情認識および情動の脳生理信号分析システムに関する研究、徳島大学、博士論文：https://ci.nii.ac.jp/naid/500000375379）に基づいて生成されてよい。感情地図の左半分には、感覚が優位にたつ「反応」と呼ばれる領域に属する感情が並ぶ。また、感情地図の右半分には、状況認識が優位にたつ「状況」と呼ばれる領域に属する感情が並ぶ。

感情マップでは学習を促す感情が２つ定義される。１つは、状況側にあるネガティブな「懺悔」や「反省」の真ん中周辺の感情である。つまり、「もう２度とこんな想いはしたくない」「もう叱られたくない」というネガティブな感情がロボットに生じたときである。もう１つは、反応側にあるポジティブな「欲」のあたりの感情である。つまり、「もっと欲しい」「もっと知りたい」というポジティブな気持ちのときである。

感情特定モデル５９は、ユーザ入力を、予め学習されたニューラルネットワークに入力し、感情マップ４００に示す各感情を示す感情値を取得し、ユーザの感情を決定する。このニューラルネットワークは、ユーザ入力と、感情マップ４００に示す各感情を示す感情値との組み合わせである複数の学習データに基づいて予め学習されたものである。また、このニューラルネットワークは、図１０に示す感情マップ９００のように、近くに配置されている感情同士は、近い値を持つように学習される。図１０では、「安心」、「安穏」、「心強い」という複数の感情が、近い感情値となる例を示している。

上記実施形態では、１台のコンピュータ２２によって特定処理が行われる形態例を挙げたが、本開示の技術はこれに限定されず、コンピュータ２２を含めた複数のコンピュータによる特定処理に対する分散処理が行われるようにしてもよい。

上記実施形態では、ストレージ３２に特定処理プログラム５６が格納されている形態例を挙げて説明したが、本開示の技術はこれに限定されない。例えば、特定処理プログラム５６がＵＳＢ（Universal Serial Bus）メモリなどの可搬型のコンピュータ読み取り可能な非一時的格納媒体に格納されていてもよい。非一時的格納媒体に格納されている特定処理プログラム５６は、データ処理装置１２のコンピュータ２２にインストールされる。プロセッサ２８は、特定処理プログラム５６に従って特定処理を実行する。

また、ネットワーク５４を介してデータ処理装置１２に接続されるサーバなどの格納装置に特定処理プログラム５６を格納させておき、データ処理装置１２の要求に応じて特定処理プログラム５６がダウンロードされ、コンピュータ２２にインストールされるようにしてもよい。

なお、ネットワーク５４を介してデータ処理装置１２に接続されるサーバなどの格納装置に特定処理プログラム５６の全てを格納させておいたり、ストレージ３２に特定処理プログラム５６の全てを記憶させたりしておく必要はなく、特定処理プログラム５６の一部を格納させておいてもよい。

特定処理を実行するハードウェア資源としては、次に示す各種のプロセッサを用いることができる。プロセッサとしては、例えば、ソフトウェア、すなわち、プログラムを実行することで、特定処理を実行するハードウェア資源として機能する汎用的なプロセッサであるＣＰＵが挙げられる。また、プロセッサとしては、例えば、ＦＰＧＡ（Field-Programmable Gate Array）、ＰＬＤ（Programmable Logic Device）、またはＡＳＩＣ（Application Specific Integrated Circuit）などの特定の処理を実行させるために専用に設計された回路構成を有するプロセッサである専用電気回路が挙げられる。何れのプロセッサにもメモリが内蔵または接続されており、何れのプロセッサもメモリを使用することで特定処理を実行する。

特定処理を実行するハードウェア資源は、これらの各種のプロセッサのうちの１つで構成されてもよいし、同種または異種の２つ以上のプロセッサの組み合わせ（例えば、複数のＦＰＧＡの組み合わせ、またはＣＰＵとＦＰＧＡとの組み合わせ）で構成されてもよい。また、特定処理を実行するハードウェア資源は１つのプロセッサであってもよい。

１つのプロセッサで構成する例としては、第１に、１つ以上のＣＰＵとソフトウェアの組み合わせで１つのプロセッサを構成し、このプロセッサが、特定処理を実行するハードウェア資源として機能する形態がある。第２に、ＳｏＣ（System-on-a-chip）などに代表されるように、特定処理を実行する複数のハードウェア資源を含むシステム全体の機能を１つのＩＣチップで実現するプロセッサを使用する形態がある。このように、特定処理は、ハードウェア資源として、上記各種のプロセッサの１つ以上を用いて実現される。

更に、これらの各種のプロセッサのハードウェア的な構造としては、より具体的には、半導体素子などの回路素子を組み合わせた電気回路を用いることができる。また、上記の特定処理はあくまでも一例である。従って、主旨を逸脱しない範囲内において不要なステップを削除したり、新たなステップを追加したり、処理順序を入れ替えたりしてもよいことは言うまでもない。

また、上述した例では、第１実施形態から第４実施形態に分けて説明したが、これらの実施形態の一部または全部は組み合わされてもよい。また、スマートデバイス１４、スマート眼鏡２１４、ヘッドセット型端末３１４、およびロボット４１４は一例であって、それぞれを組み合わせてもよく、それ以外の装置であってもよい。また、上述した例では、形態例１と形態例２に分けて説明したが、これらは組み合わせてもよい。

以上に示した記載内容および図示内容は、本開示の技術に係る部分についての詳細な説明であり、本開示の技術の一例に過ぎない。例えば、上記の構成、機能、作用、および効果に関する説明は、本開示の技術に係る部分の構成、機能、作用、および効果の一例に関する説明である。よって、本開示の技術の主旨を逸脱しない範囲内において、以上に示した記載内容および図示内容に対して、不要な部分を削除したり、新たな要素を追加したり、置き換えたりしてもよいことは言うまでもない。また、錯綜を回避し、本開示の技術に係る部分の理解を容易にするために、以上に示した記載内容および図示内容では、本開示の技術の実施を可能にする上で特に説明を要しない技術常識等に関する説明は省略されている。

本明細書に記載された全ての文献、特許出願および技術規格は、個々の文献、特許出願および技術規格が参照により取り込まれることが具体的かつ個々に記された場合と同程度に、本明細書中に参照により取り込まれる。

（付記１）
メッセージを収集する収集部と、
前記収集部によって収集されたメッセージを解析する解析部と、
前記解析部によって特定された急ぎまたは重要な案件を通知する通知部と、
前記解析部によって特定されなかったメッセージの要約を作成するサマリー部と、を備える
ことを特徴とするシステム。
（付記２）
前記収集部は、
各アプリのAPIを利用してメッセージを収集する
ことを特徴とする付記１に記載のシステム。
（付記３）
前記収集部は、
スクレイピング技術を用いてメッセージを収集する
ことを特徴とする付記１に記載のシステム。
（付記４）
前記解析部は、
自然言語処理技術を用いてメッセージの内容を解析し、特定のキーワードやフレーズを検出する
ことを特徴とする付記１に記載のシステム。
（付記５）
前記解析部は、
ユーザがカスタマイズできる特定基準を設定する
ことを特徴とする付記１に記載のシステム。
（付記６）
前記通知部は、
プッシュ通知またはメール通知を利用して急ぎまたは重要な案件を即座に通知する
ことを特徴とする付記１に記載のシステム。
（付記７）
前記サマリー部は、
収集されたメッセージの内容を要約し、サマリーを作成する
ことを特徴とする付記１に記載のシステム。
（付記８）
前記収集部は、
ユーザの感情を推定し、推定したユーザの感情に基づいてメッセージの収集タイミングを調整する
ことを特徴とする付記１に記載のシステム。
（付記９）
前記収集部は、
ユーザの過去のメッセージ収集履歴を分析し、最適な収集方法を選定する
ことを特徴とする付記１に記載のシステム。
（付記１０）
前記収集部は、
メッセージの収集時に、ユーザの現在のプロジェクトや関心分野に基づいてフィルタリングを行う
ことを特徴とする付記１に記載のシステム。
（付記１１）
前記収集部は、
ユーザの感情を推定し、推定したユーザの感情に基づいて収集するメッセージの優先順位を決定する
ことを特徴とする付記１に記載のシステム。
（付記１２）
前記収集部は、
メッセージの収集時に、ユーザの地理的位置情報を考慮して関連性の高いメッセージを優先的に収集する
ことを特徴とする付記１に記載のシステム。
（付記１３）
前記収集部は、
メッセージの収集時に、ユーザのソーシャルメディア活動を分析し、関連するメッセージを収集する
ことを特徴とする付記１に記載のシステム。
（付記１４）
前記解析部は、
ユーザの感情を推定し、推定したユーザの感情に基づいて解析の表現方法を調整する
ことを特徴とする付記１に記載のシステム。
（付記１５）
前記解析部は、
解析時に、メッセージの重要度に基づいて解析の詳細度を調整する
ことを特徴とする付記１に記載のシステム。
（付記１６）
前記解析部は、
解析時に、メッセージのカテゴリに応じて異なる解析アルゴリズムを適用する
ことを特徴とする付記１に記載のシステム。
（付記１７）
前記解析部は、
ユーザの感情を推定し、推定したユーザの感情に基づいて解析の長さを調整する
ことを特徴とする付記１に記載のシステム。
（付記１８）
前記解析部は、
解析時に、メッセージの送信時期に基づいて解析の優先順位を決定する
ことを特徴とする付記１に記載のシステム。
（付記１９）
前記解析部は、
解析時に、メッセージの関連性に基づいて解析の順序を調整する
ことを特徴とする付記１に記載のシステム。
（付記２０）
前記通知部は、
ユーザの感情を推定し、推定したユーザの感情に基づいて通知の方法を調整する
ことを特徴とする付記１に記載のシステム。
（付記２１）
前記通知部は、
通知時に、メッセージの重要度に基づいて通知の詳細度を調整する
ことを特徴とする付記１に記載のシステム。
（付記２２）
前記通知部は、
通知時に、メッセージのカテゴリに応じて異なる通知アルゴリズムを適用する
ことを特徴とする付記１に記載のシステム。
（付記２３）
前記通知部は、
ユーザの感情を推定し、推定したユーザの感情に基づいて通知のタイミングを調整する
ことを特徴とする付記１に記載のシステム。
（付記２４）
前記通知部は、
通知時に、メッセージの送信者の属性情報を考慮して通知の優先順位を決定する
ことを特徴とする付記１に記載のシステム。
（付記２５）
前記通知部は、
通知時に、メッセージの関連性に基づいて通知の順序を調整する
ことを特徴とする付記１に記載のシステム。
（付記２６）
前記サマリー部は、
ユーザの感情を推定し、推定したユーザの感情に基づいてサマリーの表現方法を調整する
ことを特徴とする付記１に記載のシステム。
（付記２７）
前記サマリー部は、
サマリー作成時に、メッセージの重要度に基づいてサマリーの詳細度を調整する
ことを特徴とする付記１に記載のシステム。
（付記２８）
前記サマリー部は、
サマリー作成時に、メッセージのカテゴリに応じて異なるサマリーアルゴリズムを適用する
ことを特徴とする付記１に記載のシステム。
（付記２９）
前記サマリー部は、
ユーザの感情を推定し、推定したユーザの感情に基づいてサマリーの長さを調整する
ことを特徴とする付記１に記載のシステム。
（付記３０）
前記サマリー部は、
サマリー作成時に、メッセージの送信時期に基づいてサマリーの優先順位を決定する
ことを特徴とする付記１に記載のシステム。
（付記３１）
前記サマリー部は、
サマリー作成時に、メッセージの関連性に基づいてサマリーの順序を調整する
ことを特徴とする付記１に記載のシステム。

１０、２１０、３１０、４１０データ処理システム
１２データ処理装置
１４スマートデバイス
２１４スマート眼鏡
３１４ヘッドセット型端末
４１４ロボット

Claims

メッセージを収集する収集部と、
前記収集部によって収集されたメッセージを解析する解析部と、
前記解析部によって特定された急ぎまたは重要な案件を通知する通知部と、
前記解析部によって特定されなかったメッセージの要約を作成するサマリー部と、を備え、
前記収集部は、
各アプリのAPIを利用してメッセージを収集する際にユーザの感情を推定し、推定された感情のカテゴリがストレスである場合、前記メッセージの収集タイミングを遅延させ、重要度の低いメッセージを後回しにし、前記感情のカテゴリがリラックスである場合、前記メッセージをリアルタイムで収集し、全てのメッセージを均等に収集する
ことを特徴とするシステム。
前記解析部は、
自然言語処理技術を用いてメッセージの内容を解析し、特定のキーワードやフレーズを検出する
ことを特徴とする請求項１に記載のシステム。
前記通知部は、
プッシュ通知またはメール通知を利用して急ぎまたは重要な案件を即座に通知する
ことを特徴とする請求項１に記載のシステム。
前記サマリー部は、
所定の定期時刻までに前記解析部によって前記急ぎまたは重要な案件と特定されなかった全てのメッセージを生成ＡＩに入力することで、前記生成ＡＩに前記全てのメッセージの要約を生成させる
ことを特徴とする請求項１に記載のシステム。