JP7843799B2 - 機能マップ生成方法及びシステム - Google Patents

Description

本発明は、ヒューマンコンピュータインタラクションメカニズムに関し、特に、人工知能モデルに基づく機能マップ生成方法及びシステムに関する。

今日の包括的なデジタル変革の時代では、ウェブサイトのユーザインターフェース（ｕｓｅｒ ｉｎｔｅｒｆａｃｅ，ＵＩ）及びユーザエクスペリエンス（ｕｓｅｒ ｅｘｐｅｒｉｅｎｃｅ，ＵＸ）が非常に重要になっている。ＵＩ及びＵＸは、操作エクスペリエンスに直接影響するだけでなく、効率にも直接関係する。例えば、管理ウェブサイトでは、重要度に応じてデータを表示し、関連するデータに素早くリンクできる必要がある。そのため、便利な操作手順と直感的で管理しやすいダッシュボード（Ｄａｓｈｂｏａｒｄ）を備えたウェブサイトがウェブページデザインの主要なテーマとなっている。しかしながら、上記の目的を達成するには、ＵＩ／ＵＸ設計者が介在して顧客へのヒアリングを繰り返し、ニーズを正確に把握する必要があり、ウェブサイト開発の時間コストが増加することは疑いない。

一般的なＵＩ／ＵＸデザイン及び開発手順では、ＵＩ／ＵＸ設計者が顧客との事前ニーズヒアリングを行い、画像監視、装置制御、イベント通知など、ウェブサイトの機能マップ（Ｆｕｎｃｔｉｏｎ Ｍａｐ）を機能の種類に応じて作成し、顧客が機能を確認できるようにワイヤーフレーム（Ｗｉｒｅｆｒａｍｅ）の初版を作成する。ワイヤーフレームは、視覚的な要素を有さず、ウェブサイトの構造、機能、手順を示すことを目的としている。顧客から新たなニーズや意見があれば、ＵＩ／ＵＸ設計者が再度ヒアリングを行い、機能マップを更新し、ワイヤーフレームを作り直し、合意に達するまで手順を繰り返す。最後に、ウェブサイト開発チームは、ワイヤーフレームに基づいたＵＩ設計段階に入り、モックアップ（Ｍｏｃｋｕｐ）やプロトタイプ（Ｐｒｏｔｏｔｙｐｅ）を作成する。

設計と開発のサイクル全体を通じて、ニーズヒアリングは開発プロセス全体において重要かつ避けられない手順である。しかしながら、顧客は自分のニーズを理解していない可能性があるため、複数回のヒアリングを実施して、中核となるニーズを引き出し、必要な関連情報を補足する必要がある。ＵＩ設計と開発を進める前に、双方の理解が異なるため、双方が合意に達するまで修正や再確認が必要になることもよくある。したがって、開発サイクルにおいてニーズヒアリングに多くの時間がかかり、また、ニーズヒアリングは煩雑で高度に標準化されていないため、効率化が困難である。

本発明は、ニーズヒアリングにかかる時間コストを効果的に削減することができる、人工知能（ａｒｔｉｆｉｃｉａｌ ｉｎｔｅｌｌｉｇｅｎｃｅ，ＡＩ）に基づく機能マップ生成方法及びシステムを提供する。

人工知能モデルに基づく機能マップ生成方法は、プロセッサを通じて実行される以下のステップを含む。第１のクエリステップでは、人工知能モデルを用いて、困難点に対応する第１のクエリの第１の応答内容から、困難点及び困難点に関連する第１のデータを取得する。第２のクエリステップでは、人工知能モデルを用いて、利用対象に対応する第２のクエリの第２の応答内容から、利用対象及び利用対象に関連する第２のデータを取得する。完全性判定ステップでは、以下のステップを含む。機能誘導ステップでは、人工知能モデルを用いて、困難点及び利用対象に基づいて実施機能及び対象の種類を取得する。機能関連付けステップでは、人工知能モデルを用いて、対象の種類に基づいて要求機能を取得する。機能比較ステップでは、人工知能モデルを用いて、実施機能と要求機能との意味比較を行い、差分集合の内容を取得する。機能マップ生成ステップでは、対象の種類、実施機能、及び差分集合の内容に基づいて、機能マップを生成する。

本発明の一実施形態において、第１のクエリステップは、第１の応答内容に対応するプロンプトを生成することと、人工知能モデルを介して、前記第１の応答内容に対応する前記プロンプトに基づいて、名詞捕捉プログラムを実行し、第１の名詞応答結果を取得することと、人工知能モデルを介して、意味捕捉プログラムを実行し、前記第１の応答内容及び第１の名詞応答結果に基づいて、前記困難点及び前記困難点に関連する第１のデータを取得することと、を含む。

本発明の一実施形態において、第２のクエリステップは、第２の応答内容に対応するプロンプトを生成することと、人工知能モデルを介して、第２の応答内容に対応するプロンプトに基づいて、名詞捕捉プログラムを実行して、第２の応答内容から第２の名詞応答結果を取得することと、人工知能モデルを介して、意味捕捉プログラムを実行して、第２の応答内容及び第２の名詞応答結果に基づいて、利用対象及び利用対象に関連する第２のデータを取得することと、を含む。

本発明の一実施形態において、機能マップ生成方法はさらに、第３のクエリステップを含み、第３のクエリステップは、データソースに対応する第３のクエリの第３の応答内容を受信することと、第３の応答内容に対応するプロンプトを生成することと、人工知能モデルを介して、第３の応答内容に対応するプロンプトに基づいて名詞捕捉プログラムを実行し、第３の応答内容から第３の名詞応答結果を取得することと、人工知能モデルを介して、意味捕捉プログラムを実行して、第３の応答内容及び第３の名詞応答結果に基づいてソース情報を取得することと、を含む。

本発明の一実施形態において、機能マップ生成ステップは、ソース情報に基づいて機能マップを更新することをさらに含む。

本発明の一実施形態において、機能マップ生成ステップは、困難点及び利用対象に対応するプロンプトを生成することと、人工知能モデルを用いて、プロンプトに基づいて機能誘導プログラムを実行し、実施機能及び対象の種類を取得することをさらに含む。

本発明の一実施形態において、機能関連付けステップは、対象の種類に対応するプロンプトを生成することと、人工知能モデルを用いて、プロンプトに基づいて機能関連付けプログラムを実行し、要求機能を取得することと、を含む。

本発明の一実施形態において、機能マップ生成ステップは、機能誘導ステップの後に、実施機能及び対象の種類に基づいて機能マップを生成することと、機能比較ステップの後に、差分集合の内容に基づいて機能マップを更新することと、を含む。

本発明の人工知能モデルに基づく機能マップ生成システムは、人工知能モデルと、対話型インターフェースと、人工知能モデル及び対話型インターフェースに結合されたプロセッサと、を含む。対話型インターフェースが、困難点に対応する第１のクエリの第１の応答内容を受信したことに応答して、プロセッサは、人工知能モデルを用いて、第１の応答内容から、困難点及び困難点に関連する第１のデータを取得するように構成される。対話型インターフェースが、利用対象に対応する第２のクエリの第２の応答内容を受信したことに応答して、プロセッサは、人工知能モデルを用いて、第２の応答内容から、利用対象を表し、利用対象に関連する第２のデータを取得するように構成される。プロセッサはさらに、人工知能モデルを用いて、困難点及び利用対象に基づいて、実施機能及び対象の種類を取得し、人工知能モデルを用いて、対象の種類に基づいて、要求機能を取得し、人工知能モデルを用いて、実施機能と要求機能との意味比較を行い、差分集合の内容を取得し、対象の種類、実施機能、及び差分集合の内容に基づいて、機能マップを生成するように構成される。

以上に基づき、人工知能モデルを用いて重要な情報を捕捉し、それを機能マップに編成することにより、顧客のニーズを迅速かつ正確に把握し、設計者と顧客の間における複数回のヒアリングの回数を減らし、ニーズヒアリングにかかる時間コストを効果的に削減することができる。

本発明の一実施形態による機能マップ生成システムのブロック図である。 本発明の一実施形態によるロボット構造の概略図である。 本発明の一実施形態による機能マップ生成方法のフローチャートである。 本発明の一実施形態による機能マップ生成の概略構造図である。 本発明の一実施形態による複数のプロンプトテンプレートの概略図である。 本発明の一実施形態による複数のプロンプトテンプレートの概略図である。 本発明の一実施形態による複数のプロンプトテンプレートの概略図である。 本発明の一実施形態による問題生成プログラムの概略構成図である。 本発明の一実施形態による名詞捕捉プログラムの概略構造図である。 本発明の一実施形態による意味捕捉プログラムの概略構造図である。 本発明の一実施形態による機能誘導プログラムの概略構造図である。 本発明の一実施形態による機能関連付けプログラムの概略構造図である。 本発明の一実施形態による対話型インターフェースによって提示される内容の概略図である。 本発明の一実施形態による対話型インターフェースによって提示される内容の概略図である。

図１は、本発明の一実施形態による機能マップ生成システムのブロック図である。図１を参照されたい。機能マップ生成システムは、プロセッサ１１０と、対話型インターフェース１２０と、人工知能（ＡＩ）モデル１３０と、を含む。プロセッサ１１０は、対話型インターフェース１２０及びＡＩモデル１３０に結合される。

プロセッサ１１０は、例えば、中央処理装置（ＣＰＵ）、物理処理装置（ＰＰＵ）、プログラマブルマイクロプロセッサ、組み込み制御チップ、デジタル信号プロセッサ（ＤＳＰ）、特定用途向け集積回路（ＡＳＩＣ）、又は他の同様の装置である。

対話型インターフェース１２０は、プロセッサ１１０とユーザとの間の対話及び情報交換のための媒体であるユーザインターフェース（ＵＩ）である。例えば、対話型インターフェース１２０は、ヒューマンコンピュータインタラクション（ＨＣＩ）及びグラフィカルユーザインターフェース（ＧＵＩ）を含む。一実施形態において、対話型インターフェース１２０は、ディスプレイ及び入力装置によって実現されても良いし、タッチスクリーンによって実現されても良い。

ＡＩモデル１３０は、プロセッサ１１０と同じ電子装置内に配置されても良い。また、ＡＩモデル１３０及びプロセッサ１１０は、異なる電子機器に配置されて、有線又は無線手段を介して通信可能に接続されても良い。ＡＩモデル１３０は、例えば、大規模言語モデル（ＬＬＭ）であり、多くのパラメータを有する人工ニューラルネットワークから構成され、自己教師あり学習又は半教師あり学習を用いて、大量のラベルなしテキストで訓練される。ＬＬＭは、例えば、ＣｈａｔＧＰＴ、ＧＰＴ４、ＬＬａＭＡ－６５Ｂ、ＰａＬＭ－６２Ｂなどである。これらのモデルはすべて、さまざまな自然言語処理（Ｎａｔｕｒａｌ Ｌａｎｇｕａｇｅ Ｐｒｏｃｅｓｓｉｎｇ，ＮＬＰ）評価において非常に良好な結果を達成している。評価項目は、常識推論、クローズドブック質疑応答、読解力、数学的推論、プログラムコード生成、大規模マルチタスク言語理解（Ｍａｓｓｉｖｅ Ｍｕｌｔｉｔａｓｋ Ｌａｎｇｕａｇｅ Ｕｎｄｅｒｓｔａｎｄｉｎｇ，ＭＭＬＵ）などを含む。近年、主要な技術リーダーも、より強力な機能を備えながら、ＬＬＭ を積極的に削減している。

一実施形態において、ＵＩ／ＵＸ設計者チームは、過去のヒアリングデータを収集し、３つの重要な情報（困難点、利用対象、及び関連データなど）と最終的に実現されるウェブサイトの種類と実施機能とを整理し、入力コーパス及び出力結果（出力コーパスを含む）を構築することができる。ＡＩモデル１３０を訓練するために使用される入力は、３つの重要な情報である。ＡＩモデル１３０を訓練するために使用される出力は、ウェブサイトの種類と実施機能である。ＡＩモデル１３０を用いた後続の分析によって得られた結果を、ＡＩモデル１３０にフィードバックし、ＡＩモデル１３０の精度を向上させることもできる。

本実施形態で採用されるＡＩモデル１３０は、以下の機能を有する。名詞や動詞などの文の構造を分解することができる文分解；文脈を理解し、意味を分析し、要約することができる意味的理解：幅広い分野の大量の教材を用いた研修を通じて知識を習得する訓練を通じて知識を学習するための一般的な専門知識；複数のキーワードを分析し、対応するトピックをグループに誘導することができるトピックモデリング（ｔｏｐｉｃ ｍｏｄｅｌｉｎｇ）；トピックに応じてさまざまなレベルに関連するものを関連付けることができる関連付け；単語や文章を意味論的な距離空間に変換することができる単語埋め込み（ｗｏｒｄ ｅｍｂｅｄｄｉｎｇ）；状況、感情、役割などに応じて文章を生成することができ、高度に擬人化された文章生成。

ＡＩモデル１３０は、強力な汎化（ｇｅｎｅｒａｌｉｚａｔｉｏｎ）能力を有する。ＡＩモデル１３０を異なるタスクに適用する場合、再訓練は必要なく、対応する結果を出力するには、関連するプロンプト（ｐｒｏｍｐｔ）（タスクの説明、例、出力形式などを含む）を与えるだけで良い。このような方法はインコンテキスト学習（Ｉｎ－ｃｏｎｔｅｘｔ Ｌｅａｒｎｉｎｇ）と呼ばれ、入力プロンプトに応じて出力結果が異なる。プロンプトの設計は、プロンプトエンジニアリング（ｐｒｏｍｐｔ ｅｎｇｉｎｅｅｒｉｎｇ）とも呼ばれる。プロンプトエンジニアリングは、プロセッサ１１０によって実行される。設計を介して、現在のステータス（機能誘導ステップＳ３３１、機能関連付けステップＳ３３２、機能比較ステップＳ３３３、及び第３のクエリステップＳ３５０など）に従って、１つ又は複数の対応するプロンプトを選択又は生成する。最後に、プロンプトを介してＡＩモデル１３０を駆動し、所望の結果を取得することができる。

図２は、本発明の一実施形態によるロボット構造の概略図である。本実施形態では、ユーザ、ロボット２００、ＡＩモデル１３０の３つの役割を含む（図１を参照）。ＵＩ／ＵＸデザインにおける専門的な知識と経験に基づいて、ロボット２００は、ユーザが質問に答えるようにガイドし、ＡＩモデル１３０の機能を用いて、表示するデータ、データソース、使用シナリオ、開発機能など、ウェブサイトのデザインに必要な重要な情報を取得する。キー情報を機能マップに整理する。最後に、ユーザの確認を経て、最終版の機能マップを生成する。

図２を参照されたい。ロボット２００は、質問クエリモジュール２１０と、応答解析モジュール２２０と、マップ構築モジュール２３０と、を含む。モジュールは、例えば、メモリに記憶された１つ以上のプログラムコードから構成されるソフトウェアモジュールである。メモリは、例えば、任意の種類の固定又は取り外し可能なランダムアクセスメモリ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ，ＲＡＭ）、読み取り専用メモリ（Ｒｅａｄ－Ｏｎｌｙ Ｍｅｍｏｒｙ，ＲＯＭ）、フラッシュメモリ、ハードディスク、又は他の同様の装置、又はこれらの装置の組み合わせである。また、質問クエリモジュール２１０、応答解析モジュール２２０、及びマップ構築モジュール２３０は、ハードウェアチップ又は回路によって実現することもできる。

プロセッサ１１０は、質問クエリモジュール２１０、応答解析モジュール２２０、及びマップ構築モジュール２３０を駆動して、対応する機能を実行する。質問クエリモジュール２１０は、ＡＩモデル１３０を呼び出して、キー情報に従って対応する質問を生成するように構成される。応答解析モジュール２２０は、ＡＩモデル１３０を呼び出して、クエリに対する応答内容を解析するように構成される。マップ構築モジュール２３０は、ＡＩモデル１３０を呼び出して、応答解析モジュール２２０によって取得された結果に基づいて、機能リストを見つけ、機能マップを構築するように構成される。

理解を容易にするために、図３から図１１Ｂを以下に挙げ、図１及び図２とともに説明する。

図３は、本発明の一実施形態による機能マップ生成方法のフローチャートである。図４は、本発明の一実施形態による機能マップ生成の概略構造図である。図５Ａから図５Ｃは、本発明の一実施形態による複数のプロンプトテンプレートの概略図である。図６は、本発明の一実施形態による問題生成プログラムの概略構成図である。図７は、本発明の一実施形態による名詞捕捉プログラムの概略構造図である。図８は、本発明の一実施形態による意味捕捉プログラムの概略構造図である。図９は、本発明の一実施形態による機能誘導プログラムの概略構造図である。図１０は、本発明の一実施形態による機能関連付けプログラムの概略構造図である。図１１Ａ及び図１１Ｂは、本発明の一実施形態による対話型インターフェースによって提示される内容の概略図である。

まず、図３を参照されたい。機能マップ生成方法は、第１のクエリステップＳ３１０と、第２のクエリステップＳ３２０と、完全性判定ステップＳ３３０と、機能マップ生成ステップＳ３４０と、を含む。完全性判定ステップＳ３３０は、機能誘導ステップＳ３３１、機能関連付けステップＳ３３２、及び機能比較ステップＳ３３３を含む。また、機能マップ生成方法は、第３のクエリステップＳ３５０をさらに追加しても良い。第３のクエリステップＳ３５０は、必須のステップではなく、状況に応じて追加してもしなくても良い。

図４を参照されたい。第１のクエリステップＳ３１０、第２のクエリステップＳ３２０、及び第３のクエリステップＳ３５０で使用される第１のクエリＱ１、第２のクエリＱ２、及び第３のクエリＱ３は、質問クエリモジュール２１０によって生成される。第１のクエリＱ１の質問の種類は、困難点であり、第２のクエリＱ２の質問の種類は、利用対象（利用目的や対象者を含む）であり、第３のクエリＱ３の質問の種類は、データソースである。具体的には、質問クエリモジュール２１０は、質問の種類に応じて、対応するプロンプトテンプレートを選択する。次いで、ＡＩモデル１３０は、対応する第１のクエリＱ１、第２のクエリＱ２又は第３のクエリＱ３を生成する。ＡＩモデル１３０によって生成される質問は、動的で、堅苦しくなく、礼儀正しく、サービス指向の口調を含む、擬人化されたものであって良い。

図６を参照されたい。困難点に対応する第１のクエリＱ１を例にとると、質問クエリモジュール２１０は、「ウェブサイトが解決すべき困難な点」の質問の種類に応じてプロンプトテンプレート５１０を採用し、「困難点」に対応するキー情報を導入する。同時に、固有名詞やフィールドなど、以前に収集した情報をコンテキスト内で補足して、最終的なプロンプトを生成することもできる。プロンプトテンプレート５１０の採用を決定した後、プロンプトテンプレート５１０の領域５１１に、質問の種類「ウェブサイトが解決すべき困難な点」の内容を記入して、プロンプトを取得する。次いで、ＡＩモデル１３０を用いて質問生成プログラムＰ０を実行し、プロンプトに基づいて対応する第１のクエリＱ１を生成する。例えば、図１１Ａの第１のクエリＱ１に示すように、「ウェブサイトの開発をより適切に支援するには、最も効果的なサポートを提供できるように、お客様が直面している困難を理解する必要があります。より具体的なアドバイスや支援を提供できるよう、ウェブサイトが解決する必要がある具体的な課題をいくつか共有してください。」と提示する。第２のクエリＱ２と第３のクエリＱ３は類推できる。

クエリを生成した後、質問クエリモジュール２１０は、対話型インターフェース１２０上にクエリ（第１のクエリＱ１、第２のクエリＱ２、又は第３のクエリＱ３）を提示し、対話型インターフェース１２０によって対応する応答内容（第１の応答内容Ｒ１、第２の応答内容Ｒ２、又は第３の応答内容Ｒ３）を受信する。図１１Ａを例にとると、対話型インターフェース１２０が第１のクエリＱ１を提示した後、第１の応答内容Ｒ１が対話型インターフェース１２０を介して受信される。

図３及び図４を参照すると、第１のクエリステップＳ３１０において、プロセッサ１１０は、ＡＩモデル１３０を利用して、困難点に対応する第１のクエリＱ１の第１の応答内容Ｒ１から困難点及び困難点に関連する第１のデータを取得し、第１のデータをデータ及びソースデータベースＤ１に記憶する。

具体的には、図７を参照すると、応答解析モジュール２２０は、第１の応答内容Ｒ１に基づいて、プロンプトテンプレート５２０を選択する。その後、第１の応答内容Ｒ１をプロンプトテンプレート５２０の領域５２１に埋め込んで、第１の応答内容Ｒ１に対応するプロンプトを生成し、次に、ＡＩモデル１３０を介して、第１の応答内容Ｒ１に対応するプロンプトに基づいて、名詞捕捉プログラムＰ１を実行し、第１の名詞応答結果を取得する。

名詞捕捉プログラムＰ１は、プロンプトを介してＡＩモデル１３０を呼び出し、第１の応答内容Ｒ１に出現する固有名詞、奇名詞、分岐名詞を捕捉し、その意味を説明する機能を有する。次に、「解析（ｐａｒｓｉｎｇ）」処理において、応答解析モジュール２２０は、第１の名詞応答結果に挙げられた名詞リストに既知名詞（ＡＩモデル１３０が知っていて解釈できる名詞）が含まれるか未知名詞が含まれるかを判断する。例えば、名詞が未知名詞であるか否かは、第１の名詞応答結果に「オンライン検索（ｏｎｌｉｎｅ ｓｅａｒｃｈ）」や「オンライン検索（ｓｅａｒｃｈ ｏｎｌｉｎｅ）」などの文字列が出現するかどうかを検索することによって判断することができる（下記例１－１に示す通り）。名詞が未知名詞である場合には、さらに検索エンジンを用いて検索を行い、対応する説明を取得しても良い。その後、名詞の意味とそれに対応する説明を確認する。例えば、ユーザが確認できるように対話型インターフェース１２０に名詞及び説明を提示する。最後に、名詞データベースＤ２に結果を記憶する。関連する説明が見つからない場合、ユーザによって提供された説明を対話型インターフェース１２０を通じて受信することもできる。

例１－１

つまり、ＡＩモデル１３０が理解できない未知名詞がある場合には、検索エンジンを通じて該当する意味を検索し、意味を確認してユーザに再確認を提供する。最終的に得られた名詞が既知名詞であるか未知名詞であるかに関わらず、ユーザに確認のために修正も含めてその意味を表示する。

また、「解析」プロセス中に、応答解析モジュール２２０が、「出現しない」、「見つからない」、「出現しなかった」、「見つからなかった」などのデフォルトの文字列を検索することによって、固有名詞及び非一義的な名詞又は奇妙な名詞が現在存在しないことを確認した場合、次のステップに進むことなく処理が終了する。これは、意味確認のステップには入らず、名詞データベースＤ２のリストも更新されないことを意味する。例えば、例２－１を参照すると第１の名詞応答結果は、「出現しない」を示しているため、固有名詞、非一義的な名詞又は奇妙な名詞が存在しないと判断される。

例２－１

次に、図８を参照すると、応答解析モジュール２２０は、ＡＩモデル１３０を介して意味捕捉プログラムＰ２を実行し、第１の応答内容Ｒ１及び第１の名詞応答結果に基づいて、困難点及び困難点に関連する第１のデータを取得する。意味捕捉プログラムＰ２は、ＡＩモデル１３０による意味理解を通じてキー情報を捕捉することを目的とする。「プロンプトの生成」と意味捕捉プログラムＰ２では、「情報種類」入力に基づいて、異なる結果を得ることができる。例えば、「情報種類」に応じてプロンプトテンプレートを選択し、ＡＩモデル１３０は、「情報種類」に応じて、出力される意味応答結果を解析する。

例えば、以下の例２－２を参照すると、応答解析モジュール２２０は、情報種類に基づいてプロンプトテンプレート５３０を選択する。その後、第１の応答内容Ｒ１をプロンプトテンプレート５３０の領域５３１に記入し、質問の種類（例えば、「ウェブサイトが解決すべき困難点」）を領域５３２に記入し、意味捕捉のためのプロンプトを生成する。その後、ＡＩモデル１３０を介して、生成されたプロンプトに基づいて意味捕捉プログラムＰ２を実行し、第１の意味応答結果（「困難点：…」、「データ：…」をなど含む）を取得する。その後、第１の意味応答結果の意味を確認する。例えば、第１の意味応答結果は、ユーザが確認できるように対話型インターフェース１２０に提示される。

例２－２

別の実施形態において、以下の例１－２を参照し、第１の応答内容Ｒ１をプロンプトテンプレート５５０の領域５５１に記入し、質問の種類（例えば、「ウェブサイトが解決すべき困難点」）を領域５５３に記入し、固有名詞とその説明（例えば、「ａａａａａａ：腫瘍の周期成長率を指し、サイズは１か月に１回計算される」）を領域５５２に記入し、これにより、意味捕捉用のプロンプトを生成する。その後、ＡＩモデル１３０を介して、生成されたプロンプトに基づいて名詞捕捉プログラムＰ１を実行し、第１の意味応答結果（「困難点：．．．、「データ：．．．」などを含む）を取得すると仮定する。収集した固有名詞をプロンプトに追加する目的は、誤って捕捉されたり、捕捉が漏れたりすることを回避するためである。

例１－２

次に、図３及び図４を参照すると、第２のクエリステップＳ３２０において、プロセッサ１１０は、ＡＩモデル１３０を用いて、利用対象に対応する第２のクエリＱ２の第２の応答内容Ｒ２から、利用対象及び利用対象に関連する第２のデータを取得し、第２のデータをデータ及びソースデータベースＤ１に記憶する。

応答解析モジュール２２０は、第２の応答内容Ｒ２に対応するプロンプトを生成し、その後、ＡＩモデル１３０を介して、第２の応答内容Ｒ２に対応するプロンプトに基づいて、名詞捕捉プログラムＰ１を実行し、第２の名詞応答結果を取得する。その後、応答解析モジュール２２０は、ＡＩモデル１３０を介して、意味捕捉プログラムＰ２を実行し、第２の応答内容Ｒ２及び第２の名詞応答結果に基づいて、利用対象及び利用対象に関連する第２のデータを取得する。ここで、利用対象に、利用対象者や利用目的を含む。

第２のクエリステップＳ３２０で実行される名詞捕捉プログラムＰ１及び意味捕捉プログラムＰ２のプロセスは、第１のクエリステップＳ３１０と同様である。まず、名詞捕捉プログラムＰ１により、第２の応答内容Ｒ２に固有名詞が存在するか否かを判断する。例えば、下記例３に示すように、第２の応答内容Ｒ２が「ウェブサイトは内部の監視のみを目的として使用され、一般には公開されません」であるとする。名詞捕捉プログラムＰ１は、提供された内容に固有名詞、奇妙な名詞又は非一義的な名詞が存在しないと判断する。応答解析モジュール２２０は、プロンプトテンプレート５４０を採用し、第２の応答内容Ｒ２をプロンプトテンプレート５４０内の領域５４１に記入し、質問の種類（例えば、「誰がウェブサイトを使用しますか？目的は何ですか？」）を領域５４２に記入して、対応するプロンプトを生成する。その後、ＡＩモデル１３０を介して、意味捕捉プログラムＰ２を実行して、利用対象及び第２のデータを取得する。

例３

第３のクエリステップＳ３５０において、プロセッサ１１０は、ＡＩモデル１３０を用いて、データソースに対応する第３のクエリＱ３の第３の応答内容Ｒ３からデータソースを取得する。データソースに対応する第３のクエリＱ３の第３の応答内容Ｒ３を受信した後、第３の応答内容Ｒ３に対応するプロンプトを生成する。ＡＩモデル１３０を介して、対応するプロンプトに基づいて名詞捕捉プログラムＰ１を実行し、第３の応答内容Ｒ３から第３の名詞応答結果を取得する。ＡＩモデル１３０を介して、意味捕捉プログラムＰ２を実行し、第３の応答内容Ｒ３及び第３の名詞応答結果に基づいてソース情報を取得し、ソース情報をデータ及びソースデータベースＤ１に記憶する。

第３のクエリステップＳ３５０において、プロセッサ１１０は、第１のクエリステップＳ３１０で取得された第１のデータ及び第２のクエリステップＳ３２０で取得された第２のデータに従って、データソースをユーザにクエリする。ユーザからの応答を得て、ソースの捕捉が完了したかどうかを判断する。捕捉が完了していない場合、まずデータベースに情報を記憶し、以下の例４及び５に示すように、質問クエリモジュール２１０を用いて別のクエリを生成し、すべてのデータソースの捕捉が完了するまでこの順序でサイクルを継続する。

例４

例５

第３のクエリステップＳ３５０で実行される名詞捕捉プログラムＰ１及び意味捕捉プログラムＰ２のプロセスは、、第１のクエリステップＳ３１０と同様である。まず、名詞捕捉プログラムＰ１により、第２の応答内容Ｒ２に固有名詞が存在するか否かを判断する。その後、意味捕捉プログラムＰ２において、応答解析モジュール２２０は、プロンプトテンプレート５５０を採用し、第３の応答内容Ｒ３をプロンプトテンプレート５６０内の領域５６１に記入し、第１のデータ及び第２のデータを領域５６２に記入して、対応するプロンプトを生成する。その後、このプロンプトに基づいて、ＡＩモデル１３０を介して名詞捕捉プログラムＰ１を実行し、ソース情報を取得する。

次に、完全性判定ステップＳ３３０に入る。機能誘導ステップＳ３３１において、プロセッサ１１０は、ＡＩモデル１３０を用いて、困難点及び利用対象に基づいて実施機能及び対象の種類を取得する。マップ構築モジュール２３０は、困難点及び利用対象に対応するプロンプトを生成し、その後、ＡＩモデル１３０を用いて、プロンプトに基づいて機能誘導プログラムＰ３を実行し、実施機能及び対象の種類を取得する。

図９を参照すると、マップ構築モジュール２３０は、プロンプトテンプレート５７０を選択し、領域５７１に困難点を記入し、利用対象（利用目的及び対象）を領域５７２に記入して、対応するプロンプトを生成する。次いで、ＡＩモデル１３０を用いて、プロンプトに基づいて機能誘導プログラムＰ３を実行し、実施機能及び対象の種類を取得する。ＡＩモデル１３０は、実施機能を効果的に誘導し、対象の種類（例えば、ウェブサイトの種類）を分析することができ、ＡＩモデル１３０は、例６に示されるように、「機能要件：…」及び「ウェブサイトの種類」を用いて、実施機能とウェブサイトの種類を解析し、出力する。

例６

機能関連付けステップＳ３３２において、プロセッサ１１０は、ＡＩモデル１３０を用いて、対象の種類に基づいて要求機能を取得する。マップ構築モジュール２３０は、対象の種類に対応するプロンプトを生成し、ＡＩモデル１３０を用いて、プロンプトに基づいて機能関連付けプログラムＰ４を実行し、要求機能を取得する。

図１０及び例７を参照すると、マップ構築モジュール２３０は、プロンプトテンプレート５８０を選択し、対象の種類を領域５８１に記入して、対応するプロンプトを生成する。その後、ＡＩモデル１３０の汎領域知識の能力を利用して、対象の種類に基づいてその他の要求機能を関連付けて、ユーザが所有していない専門知識を補完する。

例７

ＡＩモデル１３０は、専門的連想を利用して実施に関連する要求機能を取得する。ＡＩモデル１３０は強い連想能力を有しているため、取得されたプロンプトには、取得された要求機能を重要度に応じて分類し、重要度の高い要求機能のみを出力することが記載されているが、これに限定されるものではなく、要件に応じて決定することができる。

その後、機能比較ステップＳ３３３において、プロセッサ１１０は、ＡＩモデル１３０を用いて、機能比較プログラムＰ５を実行し、実施機能と要求機能との意味比較を行い、差分集合の内容を取得する。例えば、「要求機能」と「実施機能」を取得した後、ＡＩモデル１３０の単語埋め込み能力を利用して意味比較を行う。このプロセスの主な目的は、ユーザが提案した「実施機能」に実際に実施で使用する「要求機能」を追加する、共通部分を求めることである。「要求機能」と「実施機能」が重ならないように、機能比較ステップＳ３３３では、「要求機能」と「実施機能」の重複する項目を削除し、差分集合の内容を取得して出力する。

例えば、例６に示されるように、ユーザからの応答に基づく要求機能は、さまざまな部門からのパーク情報を統合し、総入場者数、総在場者数、及び平均滞在時間を追跡することを含む。ＡＩモデル１３０による関連付けにより得られる要求機能は例７に示す通りであり、ユーザ認証と権限管理、リアルタイム監視データの視覚化、警報及び通知システム、及びロギングと監査機能を含む。比較後、差分集合の内容は、ユーザ認証と権限管理、リアルタイム監視データの視覚化、警報及び通知システム、及びロギングと監査機能を含む。

その後、ステップＳ３４０において、プロセッサ１１０は、対象の種類、実施機能、及び差分集合の内容に基づいて、機能マップを生成する。さらに、対象の種類及び実施機能を取得した後、プロセッサ１１０は、機能マップＦＭを事前に構築しても良い。その後、差分集合の内容を取得した後、さらに差分集合内容を追加して、機能マップＦＭを更新する。また、ソース情報を取得した後、ソース情報に基づいて、機能マップＦＭを更新する。

機能マップＦＭは、例えば、ウェブサイトの種類、機能、データ、既存のシステムやプロセスの４つの部分から構成される。機能マップＦＭは、抽象的なものから具体的なものへと整理されたマインドマップ（Ｍｉｎｄ Ｍａｐ）の形で提示される。ウェブサイトの種類は、機能マップＦＭ全体の中核となる最上位層であり、ウェブサイト全体の方向性を決定する。また、第２階層には、機能導入プログラムＰ３及び機能関連付けプログラムＰ４に基づいて得られるウェブサイトの構築に必要な機能項目が配置される。

図１１Ａ及び図１１Ｂを参照すると、本実施形態は、ウェブサイトのデザインを備えた対話型インターフェース１２０によって提示される内容を示す。まず、プロセッサ１１０は、質問クエリモジュール２１０を用いて、ＡＩモデル１３０を呼び出し、ウェブサイトが解決する必要がある困難点（ペインポイント）を照会するための第１のクエリＱ１を生成し、第１のクエリＱ１を対話型インターフェース１２０に提示する。次いで、対話型インターフェース１２０を介して、第１のクエリＱ１に対応する第１の応答内容Ｒ１を受信する。その後、プロセッサ１１０は、応答解析モジュール２２０を用いて、ＡＩモデル１３０を呼び出し、困難点及び第１のデータを取得し、ユーザの確認のために、困難点及び対話型インターフェース１２０に提示される第１のデータとに基づいて、対応する確認情報Ａ１を生成する。

次に、プロセッサ１１０は、質問クエリモジュール２１０を用いて、ＡＩモデル１３０を呼び出し、対話型インターフェース１２０に提示されるウェブサイトの利用対象（利用目的及び対象）を照会するための第２のクエリＱ２を生成する。次に、対話型インターフェース１２０を介して、第２のクエリＱ２に対応する第２の応答内容Ｒ２を受信する。その後、プロセッサ１１０は、応答解析モジュール２２０を用いて、ＡＩモデル１３０を呼び出し、利用対象（利用目的及び対象）及び第２のデータを取得し、ユーザの確認のために、利用対象及び第２のデータに基づいて、対話型インターフェース１２０に提示される対応する確認情報Ａ２を生成する。

その後、プロセッサ１１０は、質問クエリモジュール２１０を用いて、ＡＩモデル１３０を呼び出し、データソースを照会するための第３のクエリＱ３－１を生成し、第３のクエリＱ３－１を対話型インターフェース１２０に提示する。次いで、対話型インターフェース１２０を介して、対応する応答内容Ｒ３－１を受信する。その後、プロセッサ１１０は、応答解析モジュール２２０を用いて、ＡＩモデル１３０を呼び出し、ソース情報を取得し、ユーザの確認のために、ソース情報に基づいて、対話型インターフェース１２０に提示される対応する確認情報Ａ３－１を生成する。

また、応答内容Ｒ３－１はすべてのデータのソースに完全には答えていないため、プロセッサ１１０は、質問クエリモジュール２１０を用いて、ＡＩモデル１３０を呼び出し、データソースを照会する第４のクエリＱ３－２を生成し、第４のクエリＱ３－２を対話型インターフェース１２０に提示する。次いで、対話型インターフェース１２０を介して、対応する返信内容Ｒ３－２を受信する。その後、プロセッサ１１０は、応答解析モジュール２２０を用いて、ＡＩモデル１３０を呼び出し、ソース情報を取得し、ユーザの確認のために、ソース情報に基づいて、対話型インターフェース１２０に提示される対応する確認情報Ａ３－２を生成する。

その後、プロセッサ１１０は、マップ構築モジュール２３０を用いて、ＡＩモデル１３０を呼び出し、機能マップに対応する機能マップ情報Ａ４を生成し、ユーザの確認のために、機能マップ情報Ａ４を対話型インターフェース１２０に提示する。

上記実施形態は、順に次の４段階に分けることができる。

第１の段階では、第１のクエリステップＳ３１０において、ロボット２００は、ウェブサイトが解決すべき困難点を照会して捕捉するとともに、応答内容で言及されたデータ及びファイルのキーワードを捕捉する。第２のクエリステップＳ３２０において、ロボット２００は、ウェブサイトの利用対象及び目的を照会して捕捉する。その後、機能誘導ステップＳ３３１において、ロボット２００は、第１のクエリステップＳ３１０と第２のクエリステップＳ３２０で捕捉した情報に基づいて、ＡＩモデル１３０を介して、ウェブサイトの種類（対象の種類）を分析し、ウェブサイトの種類と対応する実施機能を取得して、予備機能マップ ＦＭを構築する。

第２の段階では、機能関連付けステップＳ３３２において、ウェブサイトの種類に基づいて、ロボット２００は、ＡＩモデル１３０を呼び出して、その種類のウェブサイトに共通に要求機能を関連付け、重要度に従って分割して重要度の高い機能取得し、要求機能を中心に、以前に取得した実施機能との完成度を比較する。機能誘導ステップＳ３３１で取得した実施機能が欠落していることが判明した場合には、機能マップＦＭを更新する。この時点で、機能と機能マップＦＭのデータの捕捉が完了する。

第３の段階では、第１の段階の第２のクエリステップＳ３２０で捕捉したキー情報に加え、ソース情報をさらに捕捉して、機能マップＦＭを更新するために、ロボット２００は、データ及びファイルのキーワードを捕捉し、それを第３のクエリステップＳ３５０に送信して、データ及びファイルのソース情報を照会する。

第４の段階では、生成された機能マップＦＭをユーザに提示して確認する。問題がなければ、機能マップＦＭは最終版となる。ＵＩ／ＵＸ設計者は、その後もウェブサイト設計のために、機能マップＦＭを受信する。

一実施形態において、プロセッサ１１０によって生成された機能マップＦＭは、プロトタイプのウェブサイトプログラムコードを生成するために、ＡＩ機能を備えたプロトタイプのウェブサイト開発プラットフォームにインポートされて良い。その後、プロセッサ１１０は、ウェブサイトプログラムコードをパッケージ化し、コンパイルエンジンを通じてクラウド環境に展開し、閲覧ＵＲＬを記録する。次いで、ユーザがウェブページをさらに閲覧できるように、ロボット２００を介して閲覧用ＵＲＬをユーザに返す。例えば、ロボット２００が閲覧ＵＲＬを記録した後、閲覧ＵＲＬ（デジタル信号）を論理的な送信データの集合（すなわち、データフレーム）にパッケージ化し、通信チップ又は通信回路を駆動し、電子メール、ショートメッセージサービス（ＳＭＳ）、プッシュ技術などを介して、ユーザに関連する予め指定された電子装置に送信データを送信する。

まとめると、本発明のシステムは２４時間稼働することができ、設計者の作業効率を向上させることができる。さらに、また、本発明は、深い会話能力と人間化された発話方法を備えたＡＩモデルを使用し、従来のロボットよりも優れた顧客体験を提供する。設計者の専門知識に基づいて、ＡＩモデルは重要な情報を効果的に捕捉することができる。固有名詞理解メカニズムにより、両者間の認識の不一致の問題を迅速に解消し、ニーズの把握の効率を向上させることができる。機能マップを直接生成することで、設計者は初期のニーズ調査期間を回避して、明確なニーズに直接取り組むことができ、設計及び開発プロセス全体を加速することができる。

人工知能モデルに基づく機能マップ生成方法及びシステムは、ＵＩ／ＵＸの設計及び開発手順に適用され、モックアップやプロトタイプを作成することができる。

１１０：プロセッサ
１２０：対話型インターフェース
１３０：ＡＩモデル
２００：ロボット
２１０：質問クエリモジュール
２２０：応答解析モジュール
２３０：マップ構築モジュール
５１０～５８０：プロンプトテンプレート
５１１、５２１、５３１、５３２、５４１、５４２、５５１、５５２、５５３、５６１、５６２、５７１、５７２、５８１：領域
Ａ１、Ａ２、Ａ３－１、Ａ３－２：確認情報
Ａ４：機能マップ情報
Ｄ１：データ及びソースデータベース
Ｄ２：名詞データベース
ＦＭ：機能マップ
Ｑ１：第１のクエリ
Ｑ２：第２のクエリ
Ｑ３：第３のクエリ
Ｐ０：質問生成プログラム
Ｐ１：名詞捕捉プログラム
Ｐ２：意味捕捉プログラム
Ｐ３：機能誘導プログラム
Ｐ４：機能関連付けプログラム
Ｐ５：機能比較プログラム
Ｒ１：第１の応答内容
Ｒ２：第２の応答内容
Ｒ３：第３の応答内容
Ｓ３１０：第１のクエリステップ
Ｓ３２０：第２のクエリステップ
Ｓ３３０：完全性判定ステップのステップ
Ｓ３３１：機能誘導ステップ
Ｓ３３２：機能関連付けステップ
Ｓ３３３：機能比較ステップ
Ｓ３４０：機能マップ生成ステップ
Ｓ３５０：第３のクエリステップ

Claims (5)

1. プロセッサを介して、下記複数のステップを実行する、人工知能モデルに基づく機能マップ生成方法であって、
   意味捕捉のためのプロンプトを生成し、前記人工知能モデルを介して、意味捕捉のための前記プロンプトに基づいて、困難点に対応する第１のクエリの第１の応答内容に対して意味捕捉プログラムを実行することにより、前記第１の応答内容から、前記困難点及び前記困難点に関連する第１のデータを取得することを含む第１のクエリステップと、
   意味捕捉のための別のプロンプトを生成し、前記人工知能モデルを介して、前記別のプロンプトに基づいて、利用対象に対応する第２のクエリの第２の応答内容に対して前記意味捕捉プログラムを実行することにより前記第２の応答内容から、前記利用対象及び前記利用対象に関連する第２のデータを取得することを含む第２のクエリステップと、
   完全性判定ステップであって、
   前記人工知能モデルを用いて、前記困難点及び前記利用対象に基づいて、実施機能及び対象の種類を取得する機能誘導ステップと、
   前記人工知能モデルを用いて、前記対象の種類に基づいて、要求機能を取得する機能関連付けステップと、
   前記人工知能モデルを用いて、前記実施機能と前記要求機能との意味比較を行い、差分集合の内容を取得する機能比較ステップと、
   前記対象の種類、前記実施機能、及び前記差分集合の内容に基づいて、機能マップを生成する機能マップ生成ステップと、を含む、
   前記完全性判定ステップと、
   を含む、機能マップ生成方法。
2. 前記第１のクエリステップは、さらに、
   名詞捕捉のためのプロンプトを生成することと、
   前記人工知能モデルを介して、名詞捕捉のための前記プロンプトに基づいて、名詞捕捉プログラムを実行することにより、前記第１の応答内容から第１の名詞応答結果を取得することと、
   前記人工知能モデルを介して、意味捕捉のための前記プロンプトに基づいて、前記第１の応答内容に対して前記意味捕捉プログラムを実行することにより、前記第１の応答内容及び前記第１の名詞応答結果に基づいて、前記困難点及び前記前記困難点に関連する第１のデータを取得することと、
   を含み、
   前記第２のクエリステップは、
   名詞捕捉のための別のプロンプトを生成することと、
   前記人工知能モデルを介して、名詞捕捉のための前記別のプロンプトに基づいて、前記第２の応答内容に対して前記名詞捕捉プログラムを実行することにより、前記第２の応答内容から第２の名詞応答結果を取得することと、
   前記人工知能モデルを介して、意味捕捉のための前記別のプロンプトに基づいて、前記第２の応答内容に対して前記意味捕捉プログラムを実行することにより、前記第２の応答内容及び前記第２の名詞応答結果に基づいて、前記利用対象及び前記前記利用対象に関連する第２のデータを取得することと、
   をさらに含む、
   請求項１に記載の機能マップ生成方法。
3. 第３のクエリステップと、をさらに含み、
   前記第１のクエリステップは、
   データソースに対応する第３のクエリの第３の応答内容を受信することと、
   前記第３の応答内容に対応するプロンプトを生成することと、
   前記人工知能モデルを介して、前記第３の応答内容に対応する前記プロンプトに基づいて、前記名詞捕捉プログラムを実行し、前記第３の応答内容から第３の名詞応答結果を取得することと、
   前記人工知能モデルを介して、前記意味捕捉プログラムを実行し、前記第３の応答内容および前記第３の名詞応答結果に基づいて、ソース情報を取得することと、
   を含み、
   前記機能マップ生成ステップは、
   前記ソース情報に基づいて前記機能マップを更新することをさらに含む、
   請求項２に記載の機能マップ生成方法。
4. 前記機能誘導ステップは、
   前記困難点及び前記利用対象に対応するプロンプトを生成することと、
   前記人工知能モデルを用いて、前記プロンプトに基づいて、機能誘導プログラムを実行し、前記実施機能及び前記対象の種類を取得することと、
   を含み、
   前記機能関連付けステップは、
   前記対象の種類に対応するプロンプトを生成することと、
   前記人工知能モデルを用いて、前記プロンプトに基づいて、機能関連付けプログラムを実行し、要求機能を取得することと、
   を含み、
   前記機能マップ生成ステップは、
   前記機能誘導ステップの後に、前記実施機能及び前記対象の種類に基づいて前記機能マップを生成することと、
   前記機能比較ステップの後に、前記差分集合の内容に基づいて、前記機能マップを更新することと、
   を含む、
   請求項１に記載の機能マップ生成方法。
5. 人工知能モデルと、
   対話型インターフェースと、
   前記人工知能モデル及び前記対話型インターフェースに結合されたプロセッサと、
   を含み、
   前記対話型インターフェースが、困難点に対応する第１のクエリの第１の応答内容を受信したことに応答して、前記プロセッサは、前記人工知能モデルを介して、意味捕捉のためのプロンプトを生成し、意味捕捉のための前記プロンプトに基づいて、前記第１の応答内容に対して意味捕捉プログラムを実行することにより、前記第１の応答内容から、前記困難点及び前記困難点に関連する第１のデータを取得するように構成され、
   前記対話型インターフェースが、利用対象に対応する第２のクエリの第２の応答内容を受信したことに応答して、前記プロセッサは、前記人工知能モデルを介して、意味捕捉のための別のプロンプトを生成し、意味捕捉のための前記別のプロンプトに基づいて、前記第２の応答内容に対して前記意味捕捉プログラムを実行することにより、前記第２の応答内容から前記利用対象及び前記利用対象に関連する第２のデータを取得するように構成され、
   前記プロセッサはさらに、
   前記人工知能モデルを用いて、前記困難点及び前記利用対象に基づいて、実施機能及び対象の種類を取得し、
   前記人工知能モデルを用いて、前記対象の種類に基づいて、要求機能を取得し、
   前記人工知能モデルを用いて、前記実施機能と前記要求機能との意味比較を行い、差分集合の内容を取得し、
   前記対象の種類、前記実施機能、及び前記差分集合の内容に基づいて、機能マップを生成するように構成された、
   人工知能モデルに基づく機能マップ生成システム。