WO2015174118A1 - 情報処理システム、記憶媒体、およびコンテンツ取得方法 - Google Patents

情報処理システム、記憶媒体、およびコンテンツ取得方法 Download PDF

Info

Publication number
WO2015174118A1
WO2015174118A1 PCT/JP2015/055402 JP2015055402W WO2015174118A1 WO 2015174118 A1 WO2015174118 A1 WO 2015174118A1 JP 2015055402 W JP2015055402 W JP 2015055402W WO 2015174118 A1 WO2015174118 A1 WO 2015174118A1
Authority
WO
WIPO (PCT)
Prior art keywords
content
information processing
user
unit
processing system
Prior art date
Application number
PCT/JP2015/055402
Other languages
English (en)
French (fr)
Inventor
竹原　充
矢島　正一
和之 迫田
隆俊 中村
鎌田　恭則
丹下　明
Original Assignee
ソニー株式会社
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by ソニー株式会社 filed Critical ソニー株式会社
Priority to US15/303,251 priority Critical patent/US20170039495A1/en
Priority to EP15792445.7A priority patent/EP3144873A4/en
Publication of WO2015174118A1 publication Critical patent/WO2015174118A1/ja

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06311—Scheduling, planning or task assignment for a person or group
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N7/00—Television systems
    • H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
    • H04N7/183—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast for receiving images from a single remote source
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q20/00—Payment architectures, schemes or protocols
    • G06Q20/08—Payment architectures
    • G06Q20/14—Payment architectures specially adapted for billing systems
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/60—Control of cameras or camera modules
    • H04N23/63—Control of cameras or camera modules by using electronic viewfinders

Definitions

  • This disclosure relates to an information processing system, a storage medium, and a content acquisition method.
  • Patent Document 1 discloses a system that learns face detection (face recognition) from a captured image and evaluates facial expressions.
  • the present disclosure proposes an information processing system, a storage medium, and a content acquisition method capable of collecting learning data by performing an alternative work.
  • a providing unit that provides a user with a task for acquiring content related to a specific keyword, an acquisition unit that acquires content acquired by the user according to the task, and content for the keyword
  • An information processing system includes a control unit that controls to notify the user that the acquired content is used to generate an intelligent information processing unit that can identify the relevance.
  • the computer provides a user with a task for obtaining content related to a specific keyword, an acquisition unit that acquires the content acquired by the user according to the task, Stored is a program for functioning as a control unit that controls to notify the user that the acquired content is used to generate an intelligent information processing unit that can identify the relevance of the content to the keyword.
  • a storage medium is proposed.
  • a task for obtaining content related to a specific keyword is provided to the user via the client, and the content acquired by the user according to the task is provided via the client. Acquiring and controlling to notify the user via the client that the acquired content is used to generate an intelligent information processing unit capable of specifying the relevance of the content to the keyword.
  • a content acquisition method is proposed.
  • FIG. 1 An overview of Information Processing System According to an embodiment of the present disclosure will be described with reference to FIG.
  • the information processing system according to the present embodiment performs an alternative work (hereinafter also referred to as “task” in this specification) for the client 2 in order to acquire data (content) necessary for learning. ), And a recognition server 3 that performs machine learning using data acquired by alternative work (hereinafter also referred to as “content”) to increase recognition accuracy.
  • an alternative work hereinafter also referred to as “task” in this specification
  • content data acquired by alternative work
  • the data collection server 1 provides a task for collecting data necessary for machine learning performed by the recognition server 3 to improve accuracy for the client 2 used by the user A.
  • a task for collecting data is provided as, for example, an in-game mission or a mini-game, thereby allowing the user to perform content collection work while having fun.
  • the client 2 is a user terminal such as a smartphone, a tablet terminal, or a notebook PC (personal computer).
  • the data collection server 1 is connected to the client 2 directly or via the network 5 and provides a task.
  • the data collection server 1 transmits the content acquired by executing the task in the client 2 to the recognition server 3. Furthermore, the data collection server 1 gives a reward to the user A according to the content. Specifically, for example, the data collection server 1 gives a reward according to the contribution to learning by the content transmitted to the recognition server 3.
  • the recognition server 3 constructs various recognition engines such as a recognition engine for recognizing a predetermined object from a captured image, a recognition engine for recognizing a character from an image, or a recognition engine for recognizing a predetermined sound from speech data by machine learning.
  • An information processing apparatus having a function.
  • the recognition server 3 returns the evaluation of learning performed based on the content provided from the data collection server 1 to the data collection server 1 as the degree of contribution to learning by the content.
  • the recognition server 3 can use the recognition engine function via an API (Application Programming Interface) by a user B (or user A) that is different from the user A that provides content.
  • API Application Programming Interface
  • the content used in machine learning performed by the recognition server 3 to increase the accuracy of the recognition engine is acquired by the data collection server 1 presenting the alternative work to the client 2. can do.
  • the learning data necessary for machine learning is not directly collected, but another work (alternative work) such as a game is presented and the user is caused to perform the alternative work.
  • Collect learning data necessary for learning As a result, a large amount of learning data can be acquired while making many users entertain.
  • the motivation for the user to perform an alternative work can be increased.
  • FIG. 2 is a block diagram showing an example of the internal configuration of the data collection server 1 and the recognition server 3 included in the information processing system according to the present embodiment.
  • the data collection server 1 includes a task providing unit 11, a content acquisition unit 13, a notification control unit 15, a reward granting control unit 17, and a content transmission unit 19.
  • the task providing unit 11 has a function of generating and providing a task, which is an alternative work for obtaining learning data necessary for machine learning in the recognition server 3, to the client 2.
  • a task is a task for allowing a user to acquire (including “select”) content (including a simple identifier) related to a specific keyword. For example, when learning data necessary for an engine for recognizing a sky image is acquired, a task for causing the user to acquire content (sky photos, moving images, etc.) related to the keyword “sky” is generated.
  • Such a task can be provided, for example, as a mission or quest in the game.
  • the content acquisition unit 13 is a reception unit having a function of acquiring content acquired by the user according to a task from the client 2.
  • the content acquisition unit 13 outputs the acquired content to the content transmission unit 19.
  • the content transmission unit 19 transmits the content output from the content acquisition unit 13 to the recognition server 3. Such content is used as teacher data for machine learning in the recognition server 3.
  • the notification control unit 15 has a function of making various notifications to the client 2. Specifically, for example, the notification control unit 15 notifies that the acquired content is used for machine learning of the recognition engine (for example, used for generating an algorithm for the recognition engine). The notification control unit 15 may notify such a usage notification as a participation condition before executing the task, may be included in a consent form for executing the application, or the client 2 transmits the content after executing the task. You may notify as consent matter at the time. Further, the notification control unit 15 may notify again after the content is transmitted, or may notify again by an end roll.
  • the notification control unit 15 may notify again after the content is transmitted, or may notify again by an end roll.
  • the reward grant control unit 17 has a function of giving a reward to the user according to the content acquired from the client 2. For users (workers) who perform tasks (alternative work), if the task itself is designed to be sufficiently enjoyable, or if the execution of the task is a social contribution, no remuneration is required. It is also possible to increase the motivation of the user by giving. When giving rewards, paying with something of real value, such as cash or points, results in a cost to collect learning data, so in-game bonus scores, items, coins (virtual currency) Etc. can be considered as rewards. When virtual currency is linked to real value, a corresponding cost is incurred. Further, a task (alternative work) may be provided as a mission or quest in the network game, and the reward may be obtained by thanking the character in the network game after executing the task. In this case, no cost is incurred.
  • a task alternative work
  • the reward may be obtained by thanking the character in the network game after executing the task. In this case, no cost is
  • Rewards can be changed depending on the quality of content (contribution to learning), the number of content, or the timing of acquiring content.
  • the quality of the content is determined by the “degree of contribution to learning” calculated by the recognition server 3 based on the evaluation of the learning result using the content and transmitted to the data collection server 1.
  • the reward granting control unit 17 performs control so that a greater reward is given as the degree of contribution to learning is greater, or a predetermined reward is given when a predetermined value is exceeded.
  • the reward granting control unit 17 may perform control so as to give more rewards as the amount and number of contents transmitted from the user increase.
  • the reward granting control unit 17 also acquires the content acquisition timing by the user, the transmission timing to the data collection server 1 (that is, the acquisition timing in the data collection server 1), or the timing at which the content is used for machine learning of the recognition server 3 ( That is, it may be controlled to give more rewards as the acquisition timing in the recognition server 3 is in the early stage of recognition engine creation. This is because it is required to acquire more learning data early in the initial stage of recognition engine creation. On the other hand, at the stage where a large amount of learning data has already been collected, since higher quality and correct learning data is required, rewards can be given according to the degree of contribution to learning described above.
  • the recognition server 3 includes a task generation request unit 31, a machine learning unit 33, a recognition engine 35, and an evaluation unit 37.
  • the task generation request unit 31 makes a task generation request to the data collection server 1 together with information about the target recognition engine, information for specifying necessary learning data, and the like.
  • a task generation request is issued from the recognition server 3 to one data collection server 1, but this embodiment is not limited to this, and tasks are issued to a plurality of data collection servers.
  • a generation request may be made. Thereby, the same learning data can be collected by various types of tasks by a plurality of data collection servers.
  • the machine learning unit 33 performs machine learning (generation of a recognition algorithm) using learning data (teacher data) transmitted from the data collection server 1 in order to improve the accuracy of the recognition engine 35, and the learning result is recognized by the recognition engine. 35.
  • the learning data is content acquired by the data collection server 1 from the client 2 by a task (alternative work).
  • the machine learning algorithm executed by the machine learning unit 33 is not particularly limited, and is performed in accordance with general machine learning means. For example, a neural network or a genetic algorithm may be used.
  • the recognition engine 35 is various recognition engines (recognition devices) such as an object recognition engine, a character recognition engine, or a voice recognition engine, for example, and is an example of an intelligent information processing unit that can specify the relevance of content to a specific keyword. It is.
  • the evaluation unit 37 evaluates the learning result by the machine learning unit 33 and calculates the contribution degree to the learning of the content used for learning.
  • the evaluation unit 37 transmits the calculated contribution to learning to the data collection server 1.
  • the degree of contribution to learning may be calculated according to, for example, the amount of change in a recognition engine parameter (also referred to as a feature vector) due to learning. This is because, in general, it can be said that the greater the amount of change in the parameters of the recognition engine (recognition algorithm), the more effective the learning. Therefore, the amount of parameter change is large at the initial stage of creation of the recognition engine, and as a result, the degree of contribution to learning is large.
  • FIG. 3 is a sequence diagram showing an operation process of the information processing system according to the present embodiment.
  • the task generation request unit 31 of the recognition server 3 acquires a task (for acquiring data necessary for improving accuracy of the recognition engine) from the data collection server 1. Request to generate (alternative work).
  • step S106 the task providing unit 11 of the data collection server 1 generates a task in response to a task generation request from the recognition server 3.
  • a task generation request from the recognition server 3.
  • step S109 the client 2 notifies the data collection server 1 of an intention to participate in the system.
  • the task generated by the data collection server 1 is provided as a mission in the game, for example, the statement of intention to participate in the system is automatically transmitted from the client 2 when the game application is downloaded / updated. May be.
  • the notification control unit 15 of the data collection server 1 notifies the client 2 of participation conditions in the subsequent step S115.
  • participation conditions include, for example, the use of content acquired by the user through task execution to improve the accuracy of the recognition engine.
  • step S118 the client 2 presents participation conditions. Specifically, for example, the client 2 displays a participation condition and an acceptance button on the game start screen. The user confirms the participation conditions and taps the accept button.
  • step S121 when the user taps the consent button, the client 2 notifies the data collection server 1 that the participation condition is accepted.
  • step S124 the task providing unit 11 of the data collection server 1 provides the generated task to the client 2.
  • step S127 the client 2 provides a task to the user and acquires content by executing the task.
  • step S130 the client 2 transmits the acquired content to the data collection server 1.
  • step S133 the data collection server 1 transmits the content acquired by the content acquisition unit 13 from the content transmission unit 19 to the recognition server 3 as learning data.
  • step S136 the machine learning unit 33 of the recognition server 3 performs machine learning for improving the accuracy of the recognition engine 35 using the content transmitted from the data collection server 1 as learning data.
  • step S139 the recognition server 3 returns to the data collection server 1 the contribution to learning of the content transmitted from the data collection server 1 calculated by the evaluation unit 37.
  • step S142 the reward granting control unit 17 of the data collection server 1 determines a reward according to the contribution to content learning.
  • step S145 the reward granting control unit 17 of the data collection server 1 grants the determined reward to the client 2.
  • learning data (contents) used for machine learning to improve the accuracy of the recognition engine can be collected by a task that is an alternative work. Specifically, for example, by providing a task as a mission in a network game, it is possible to cause many users to execute the task as part of the game and collect more content. If the task itself can be enjoyed, a large amount of content can be acquired as learning data without rewarding the user.
  • the data collection server 1 provides the task after receiving the approval of the participation condition from the client 2 as shown in S121 to S124.
  • the data collection server 1 may present the participation condition to the client 2 together with the provision of the task, and the task may be expanded on the client 2 side when the user's consent is obtained.
  • the participation condition is presented when the content acquired by the client 2 is transmitted to the data collection server 1, and the content is transmitted from the client 2 to the data collection server 1 when the user's consent is obtained. It may be.
  • before or after the execution of the task as a matter of caution, it may be simply indicated that the content acquired by the user by the task execution is used for improving the accuracy of the recognition engine.
  • the reward granting control unit 17 of the data collection server 1 determines a reward according to the degree of contribution to content learning.
  • the present embodiment is not limited to this, and for example, reward The grant control unit 17 may determine a reward according to the number of contents, the acquisition time of the contents, and the like.
  • Task example An example of a task provided by the task providing unit 11 of the data collection server 1 will be described with reference to FIGS.
  • FIG. 4 is a diagram for explaining an example of a task for acquiring photo content related to a specific keyword as a mission in the game.
  • the mission screen 40 shown on the left side of FIG. 4 is a screen displayed on the client 2, and as today's mission, an explanatory note 401 indicating that the virtual currency in the game can be given as a reward by collecting pictures of water, It includes display areas 403, 404, and 405 for displaying images acquired by the user.
  • the user captures plastic bottled water or the like as an image of nearby water by a camera function provided in the client 2 and inserts it into the display area 403.
  • This mission is for acquiring an image of water necessary as teacher data when the recognition engine 35 of the recognition server 3 is an engine that recognizes an image of water such as plastic bottled water.
  • captured images of various types of plastic bottled water are collected as teacher data and used for machine learning of the recognition server 3, thereby improving the accuracy of the recognition engine 35.
  • a method of setting content related to a specific keyword as “today's mission” in the game can be considered.
  • the mission screen 42 shown on the right side of FIG. 4 shows an explanatory sentence 420 indicating that items in the game, virtual currency, etc. can be given as rewards by taking a picture that the game character likes, a game character 421, and a game character's A profile 422 is included. Since the profile 422 indicates “beautiful flower” as a favorite of the game character 421, the user images a flower that is considered beautiful by the camera function provided in the client 2, for example.
  • This mission is for acquiring a beautiful flower image required as teacher data when the recognition engine 35 of the recognition server 3 is an engine that recognizes a beautiful flower image.
  • captured images of various types of beautiful flowers are collected as teacher data and used for machine learning of the recognition server 3, thereby improving the accuracy of the recognition engine 35.
  • the collection of the target content is not directly indicated, but the user is indirectly prompted to acquire the target content by showing the target character in the profile 422 of the game character 421 as a favorite thing of the target game character. it can.
  • FIG. 5 is a diagram for explaining an example of a task for selecting a photo content related to a specific keyword as a mission in the game.
  • flower images 441, 442, and 443 are displayed in association with each of a plurality of bowling pins, and provided as a mission to defeat beautiful flowers. May be.
  • an explanatory note 445 indicating that a bonus score is given as a reward by defeating a beautiful flower, the user's motivation can be increased without incurring costs.
  • the data collection server 1 transmits to the recognition server 3 information as learning data, such as from which image in the bowling game it was defeated in order.
  • This mission is for allowing the user to select better (correct) teacher data when the recognition engine 35 of the recognition server 3 is an engine that recognizes the degree of beauty of flowers, for example.
  • the recognition engine 35 included in the recognition server 3 included in the information processing system is an example of an intelligent information processing unit that can specify the relevance of content with respect to a specific keyword.
  • the intelligent information processing unit according to the present disclosure is not limited to this, and may be a relevance determination engine that determines the relevance of another keyword with respect to a specific keyword, for example.
  • the relevance level determination engine is used, for example, in a related keyword presentation system that presents a keyword that is predicted to be input next as a candidate when a sentence is created. That is, the related keyword presentation system uses a relevance level determination engine to present a keyword having a high relevance level with a keyword input at the time of creating a sentence as a keyword predicted to be input next.
  • the teacher data necessary for machine learning performed for improving the accuracy of the relevance level determination engine also provides the client 2 with the task (alternative work) generated by the task providing unit 11 of the data collection server 1 for the user. Collected by executing. An example of such a task will be described with reference to FIG.
  • FIG. 6 is a diagram for explaining an example of a task for acquiring a keyword related to a specific keyword.
  • a task such as a keyword associative game is provided, and a box 463 in which a specific keyword “influ (flu)” is already input and a blank box 461, 462, 464 to 466 are arranged side by side.
  • the data collection server 1 can acquire data such that a keyword input to a box closer to the box 463 has a higher degree of association with a specific keyword.
  • Behavior prediction engine An example of an intelligent information processing unit that can specify the relevance of content to a specific keyword is a crime prevention behavior prediction engine. That is, by identifying the relevance of a predetermined behavior pattern to a specific crime, a criminal act can be predicted from a certain behavior pattern, and can be used for crime prevention and investigation.
  • Teacher data necessary for machine learning performed for improving the accuracy of the behavior prediction engine is also provided to the client 2 by the task (alternative work) generated by the task providing unit 11 of the data collection server 1 and executed by the user. It is collected by letting. For example, providing a game such as illegal use without detecting a stolen credit card as a task and allowing the user to use it in the virtual space of the game, such as card usage frequency, usage amount, usage location, usage time, etc. Data can be acquired as teacher data for unauthorized use.
  • the behavior prediction engine includes a disaster prediction behavior prediction engine.
  • a disaster prediction behavior prediction engine by identifying the relevance of a given behavior pattern to a specific disaster, it is possible to predict what kind of behavior pattern people will take in the event of a disaster, and it can be used to search for, rescue, and guide evacuation of missing persons Can be done.
  • Teacher data necessary for machine learning performed for improving the accuracy of the behavior prediction engine is also provided to the client 2 by the task (alternative work) generated by the task providing unit 11 of the data collection server 1 and executed by the user. It is collected by letting.
  • the task alternative work
  • a game that creates a disaster more realistically and the user runs away is provided as a task, so that it corresponds to the user's attributes (age, gender, personality, etc.)
  • Behavior and psychology can be acquired as teacher data for behavior when a disaster occurs.
  • FIG. 7 shows an example of a hardware configuration of the information processing apparatus 100 that can realize both the data collection server 1 and the recognition server 3.
  • the information processing apparatus 100 includes, for example, a CPU (Central Processing Unit) 101, a ROM (Read Only Memory) 102, a RAM (Random Access Memory) 103, a storage unit 104, and a communication I / O. F (interface) 105.
  • the information processing apparatus 100 connects each component with a bus as a data transmission path, for example.
  • the CPU 101 is configured by a microcomputer, for example, and controls each configuration of the information processing apparatus 100.
  • the CPU 101 functions as a task providing unit 11, a notification control unit 15, and a reward granting control unit 17.
  • the CPU 101 functions as a task generation request unit 31, a machine learning unit 33, a recognition engine 35, and an evaluation unit 37.
  • the ROM 102 stores control data such as programs used by the CPU 101 and calculation parameters.
  • the RAM 103 temporarily stores a program executed by the CPU 101, for example.
  • the storage unit 104 stores various data.
  • the storage unit 104 serves as a feature database used for the recognition engine 35 in the recognition server 3.
  • the communication I / F 105 is a communication unit included in the information processing apparatus 100, and communicates with an external apparatus configuring the information processing system according to the present embodiment via a network (or directly).
  • the communication I / F 105 transmits / receives data to / from the client 2 via the network 5 in the data collection server 1 or transmits / receives data to / from the recognition server 3 directly or via the network 5.
  • the communication I / F 105 can function as the task providing unit 11, the content acquisition unit 13, the content transmission unit 19, and the like in the data collection server 1.
  • a computer-readable storage medium storing the computer program is also provided.
  • each server illustrated in FIG. 2 is an example, and each configuration of the information processing system according to the present embodiment is not limited thereto.
  • the machine learning unit 33, the recognition engine 35, and the evaluation unit 37 of the recognition server 3 may be provided in the data collection server 1.
  • this technique can also take the following structures.
  • a provider that provides users with tasks to get content related to specific keywords;
  • An acquisition unit for acquiring content acquired by a user according to a task;
  • a control unit that controls to notify the user that the acquired content is used to generate an intelligent information processing unit that can identify the relevance of the content to the keyword;
  • An information processing system comprising: (2)
  • the information processing system includes: The information processing system according to (1), further including a reward granting control unit that controls the user to be rewarded according to the content acquired by the user acquired by the acquisition unit.
  • the information processing system includes: The learning unit further includes a generation unit that generates a recognition unit as an intelligent information processing unit that automatically recognizes content related to the keyword by learning that the acquired content is related to the keyword.
  • the information processing system according to any one of (6) to (6).
  • the information processing system includes: The learning unit further includes a generation unit that generates a determination unit as an intelligent information processing unit that automatically determines the relevance level of the content related to the keyword by learning that the acquired content is related to the keyword.
  • the information processing system according to any one of (1) to (7).
  • Computer A provider that provides users with tasks to get content related to specific keywords; An acquisition unit for acquiring content acquired by a user according to a task; A control unit that controls to notify the user that the acquired content is used to generate an intelligent information processing unit that can identify the relevance of the content to the keyword;
  • a storage medium storing a program for functioning as a computer.

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • General Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Software Systems (AREA)
  • Game Theory and Decision Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Quality & Reliability (AREA)
  • Development Economics (AREA)
  • Operations Research (AREA)
  • Educational Administration (AREA)
  • Artificial Intelligence (AREA)
  • Data Mining & Analysis (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Mathematical Physics (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Studio Devices (AREA)

Abstract

特定のキーワードに関連するコンテンツを取得してもらうためのタスクをユーザに提供する提供部と、タスクに応じてユーザが取得したコンテンツを取得する取得部と、前記キーワードに対するコンテンツの関連性を特定可能な知的情報処理部の生成に、前記取得したコンテンツを利用することを、前記ユーザに通知するよう制御する制御部と、を備える情報処理システムであり、代替作業を行わせることによって、学習用のデータを収集することが可能な情報処理システム。

Description

情報処理システム、記憶媒体、およびコンテンツ取得方法
　本開示は、情報処理システム、記憶媒体、およびコンテンツ取得方法に関する。
　従来、認識エンジンなどの認識精度を高めるためには、多数の教師データを集めて機械学習を行う必要があった。
　このような認識エンジンに関し、例えば下記特許文献１では、撮像画像からの顔検出（顔認識）を学習し、顔の表情を評価するシステムが開示される。
特開２００８－４２３１９号公報
　しかしながら、認識エンジンなどの精度を高めるために必要な多数の教師データの収集には多くの人手やコストをかかり、精度向上は容易な作業ではなかった。
　そこで、本開示では、代替作業を行わせることによって、学習用のデータを収集することが可能な情報処理システム、記憶媒体、およびコンテンツ取得方法を提案する。
　本開示によれば、特定のキーワードに関連するコンテンツを取得してもらうためのタスクをユーザに提供する提供部と、タスクに応じてユーザが取得したコンテンツを取得する取得部と、前記キーワードに対するコンテンツの関連性を特定可能な知的情報処理部の生成に、前記取得したコンテンツを利用することを、前記ユーザに通知するよう制御する制御部と、備える、情報処理システムを提案する。
　本開示によれば、コンピュータを、特定のキーワードに関連するコンテンツを取得してもらうためのタスクをユーザに提供する提供部と、タスクに応じてユーザが取得したコンテンツを取得する取得部と、前記キーワードに対するコンテンツの関連性を特定可能な知的情報処理部の生成に、前記取得したコンテンツを利用することを、前記ユーザに通知するよう制御する制御部と、として機能させるためのプログラムが記憶された、記憶媒体を提案する。
　本開示によれば、特定のキーワードに関連するコンテンツを取得してもらうためのタスクを、クライアントを介してユーザに提供することと、タスクに応じてユーザが取得したコンテンツを、前記クライアントを介して取得することと、前記キーワードに対するコンテンツの関連性を特定可能な知的情報処理部の生成に、前記取得したコンテンツを利用することを、前記クライアントを介して前記ユーザに通知するよう制御することと、を含む、コンテンツ取得方法を提案する。
　以上説明したように本開示によれば、代替作業を行わせることによって、学習用のデータを収集することが可能となる。
　なお、上記の効果は必ずしも限定的なものではなく、上記の効果とともに、または上記の効果に代えて、本明細書に示されたいずれかの効果、または本明細書から把握され得る他の効果が奏されてもよい。
本開示の一実施形態による情報処理システムの概要を説明する図である。 本実施形態による情報処理システムに含まれるデータ収集サーバおよび認識サーバの内部構成の一例を示すブロック図である。 本実施形態による情報処理システムの動作処理を示すシーケンス図である。 ゲーム内のミッションとして特定のキーワードに関連する写真コンテンツを取得するタスクの一例を説明するための図である。 ゲーム内のミッションとして特定のキーワードに関連する写真コンテンツを選択させるタスクの一例を説明するための図である。 特定のキーワードに関連するキーワードを取得するタスクの一例を説明するための図である。 本実施形態によるデータ収集サーバおよび認識サーバのいずれも実現可能な情報処理装置のハードウェア構成の一例を示すブロック図である。
　以下に添付図面を参照しながら、本開示の好適な実施の形態について詳細に説明する。なお、本明細書及び図面において、実質的に同一の機能構成を有する構成要素については、同一の符号を付することにより重複説明を省略する。
　また、説明は以下の順序で行うものとする。
　１．本開示の一実施形態による情報処理システムの概要
　２．基本構成および動作処理
　　２－１．基本構成
　　　２－１－１．データ収集サーバ
　　　２－１－２．認識サーバ
　　２－２．動作処理
　３．タスク例
　　３－１．第１のタスク例
　　３－２．第２のタスク例
　４．補足
　　４－１．関連度判断エンジン
　　４－２．行動予測エンジン
　　４－３．ハードウェア構成
　５．まとめ
　　＜＜１．本開示の一実施形態による情報処理システムの概要＞＞
　まず、本開示の一実施形態による情報処理システムの概要を図１に示して説明する。図１に示すように、本実施形態による情報処理システムは、学習のために必要なデータ（コンテンツ）を取得するためにクライアント２に対して代替作業（以下、本明細書では「タスク」とも称する）を提供するデータ収集サーバ１と、代替作業により取得されたデータ（以下、本明細書では「コンテンツ」とも称する）を用いて機械学習を行って認識精度を高める認識サーバ３と、を含む。
　データ収集サーバ１は、ユーザＡが利用するクライアント２に対して、認識サーバ３が精度を高めるために行う機械学習に必要なデータを収集するためのタスクを提供する。データを収集するためのタスクは、例えばゲーム内のミッションやミニゲームとして提供されることで、ユーザに楽しませながらコンテンツ収集作業を行わせることができる。クライアント２は、例えばスマートフォン、タブレット端末、ノートＰＣ（パーソナルコンピュータ）等のユーザ端末である。データ収集サーバ１は、直接またはネットワーク５を介してクライアント２と接続し、タスクの提供を行う。
　また、データ収集サーバ１は、クライアント２におけるタスクの実行により取得されたコンテンツを認識サーバ３に送信する。さらに、データ収集サーバ１は、コンテンツに応じてユーザＡに対して報酬を付与する。具体的には、例えばデータ収集サーバ１は、認識サーバ３に送信したコンテンツによる学習への貢献度に応じた報酬を付与する。
　認識サーバ３は、例えば撮像画像から所定の物体を認識する認識エンジン、画像から文字を認識する認識エンジン、または音声データから所定の音声を認識する認識エンジン等の各種認識エンジンを機械学習により構築する機能を有する情報処理装置である。また、認識サーバ３は、データ収集サーバ１から提供されたコンテンツに基づいて行った学習の評価を、コンテンツによる学習への貢献度としてデータ収集サーバ１に返信する。
　また、認識サーバ３は、コンテンツの提供を行うユーザＡとは別のユーザＢ（若しくはユーザＡでもよい）により認識エンジン機能をＡＰＩ（Application　Programming　Interface）経由で利用され得る。
　このように、本実施形態による情報処理システムでは、認識サーバ３で認識エンジンの精度を高めるために行う機械学習で利用するコンテンツを、データ収集サーバ１により代替作業をクライアント２に提示することで取得することができる。
　また、本実施形態では、機械学習に必要な学習データを直接的に収集するのではなく、ゲーム化等した別の作業（代替作業）を提示し、ユーザに代替作業を実行させることで、機械学習に必要な学習データを収集する。これにより、多数のユーザを楽しませながら多量の学習データを取得することができる。また、取得したコンテンツに応じてユーザに対して報酬を与えることで、ユーザが代替作業を行うモチベーションを上げることができる。
　以上、本開示の一実施形態による情報処理システムの概要について説明した。続いて、本実施形態の基本構成および動作処理について図２～図３を参照して順次説明する。
　　＜＜２．基本構成および動作処理＞＞
　　＜２－１．基本構成＞
　図２は、本実施形態による情報処理システムに含まれるデータ収集サーバ１および認識サーバ３の内部構成の一例を示すブロック図である。
　（２－１－１．データ収集サーバ）
　図２に示すように、データ収集サーバ１は、タスク提供部１１、コンテンツ取得部１３、通知制御部１５、報酬付与制御部１７、およびコンテンツ送信部１９を有する。
　タスク提供部１１は、クライアント２に対して、認識サーバ３における機械学習で必要な学習データを取得する作業の代替作業であるタスクを生成し、提供する機能を有する。かかるタスクは、特定のキーワードに関連するコンテンツ（単なる識別子も含む）をユーザに取得（「選択」も含む）してもらうためのタスクである。例えば空の画像を認識するエンジンに必要な学習データを取得する場合には、「空」というキーワードに関連するコンテンツ（空の写真、動画等）をユーザに取得させるタスクが生成される。このようなタスクは、例えばゲーム内のミッションやクエストとして提供され得る。
　コンテンツ取得部１３は、クライアント２から、タスクに応じてユーザが取得したコンテンツを取得する機能を有する受信部である。また、コンテンツ取得部１３は、取得したコンテンツをコンテンツ送信部１９に出力する。
　コンテンツ送信部１９は、コンテンツ取得部１３から出力されたコンテンツを認識サーバ３に送信する。かかるコンテンツは、認識サーバ３において、機械学習の教師データとして用いられる。
　通知制御部１５は、クライアント２に対する各種通知を行う機能を有する。具体的には、例えば通知制御部１５は、取得したコンテンツを認識エンジンの機械学習に用いる旨（認識エンジン用のアルゴリズムの生成に使用する等）を通知する。通知制御部１５は、このような用途通知を、タスク実行前に参加条件として通知してもよいし、当該アプリケーション実行の同意書に含めてもよいし、クライアント２がタスク実行後にコンテンツを送信する際に承諾事項として通知してもよい。さらに、通知制御部１５は、コンテンツの送信後に再度通知してもよいし、エンドロールで再度通知してもよい。
　報酬付与制御部１７は、クライアント２から取得したコンテンツに応じた報酬をユーザに与える機能を有する。タスク（代替作業）を行うユーザ（作業者）にとって、タスクそのものが十分に楽しいものであるように設計されている場合やタスクの実行が社会貢献になる場合は特に報酬は必要無いが、何らかの報酬を与えることでユーザのモチベーションを上げることも可能である。報酬を与える場合、現金やポイントのような現実的に価値があるもので支払うと、結果的に学習データの収集にコストがかかってしまうため、ゲーム内のボーナススコア、アイテム、コイン（仮想通貨）等を報酬とすることが考えられる。なお仮想通貨が現実の価値と結びついている場合は相応のコストが発生する。また、タスク（代替作業）をネットワークゲーム内のミッションやクエストとして提供し、タスク実行後にネットワークゲーム内のキャラクターにお礼を言わせることで、その報酬としてもよい。この場合コストは発生しない。
　報酬は、コンテンツの質（学習への貢献度）、コンテンツの数、またはコンテンツを取得したタイミングに応じて、変更され得る。例えば、コンテンツの質は、認識サーバ３が当該コンテンツを用いた学習結果の評価に基づいて算出し、データ収集サーバ１に送信する「学習への貢献度」によって判断される。報酬付与制御部１７は、学習への貢献度が大きい程多くの報酬を、または所定値を超える場合に所定の報酬を付与するよう制御する。
　また、報酬付与制御部１７は、ユーザから送信されるコンテンツの量、数が多い程多くの報酬を付与するように制御してもよい。
　また、報酬付与制御部１７は、ユーザによるコンテンツの取得タイミング、データ収集サーバ１への送信タイミング（すなわちデータ収集サーバ１における取得タイミング）、または当該コンテンツを認識サーバ３の機械学習に利用したタイミング（すなわち認識サーバ３における取得タイミング）が、認識エンジン作成初期の段階である程、多くの報酬を付与するように制御してもよい。認識エンジン作成初期の段階では、より多くの学習データを早く取得することが求められるためである。一方、既に多くの学習データが収集された段階では、より質の高い、正しい学習データが求められるため、上述した学習への貢献度に応じた報酬付与が行われ得る。
　（２－１－２．認識サーバ）
　次に、認識サーバ３の構成について図２を参照して説明する。図２に示すように、認識サーバ３は、タスク生成依頼部３１、機械学習部３３、認識エンジン３５、および評価部３７を有する。
　タスク生成依頼部３１は、目的とする認識エンジンの情報や、必要な学習データを指定する情報等と共に、データ収集サーバ１に対してタスク生成依頼を行う。なお、図２に示す例では、認識サーバ３から一のデータ収集サーバ１に対してタスク生成依頼を行っているが、本実施形態はこれに限定されず、複数のデータ収集サーバに対してタスク生成依頼を行ってもよい。これにより、同じ学習データを、複数のデータ収集サーバで様々な種類のタスクにより収集することができる。
　機械学習部３３は、認識エンジン３５の精度を向上させるために、データ収集サーバ１から送信された学習データ（教師データ）を用いて機械学習（認識アルゴリズムの生成）を行い、学習結果を認識エンジン３５に反映させる。学習データとは、タスク（代替作業）によりデータ収集サーバ１がクライアント２から取得したコンテンツである。また、機械学習部３３が実行する機械学習のアルゴリズムは特に限定せず、一般的な機械学習の手段に則って行われる。例えば、ニューラルネットワークや遺伝的アルゴリズムが用いられてもよい。
　認識エンジン３５は、例えば物体認識エンジン、文字認識エンジン、または音声認識エンジン等の各種認識エンジン（認識器）であって、特定のキーワードに対するコンテンツの関連性を特定可能な知的情報処理部の一例である。
　評価部３７は、機械学習部３３による学習結果を評価し、学習に用いられたコンテンツの学習への貢献度を算出する。また、評価部３７は、算出した学習への貢献度をデータ収集サーバ１に送信する。
　学習への貢献度は、例えば学習による認識エンジンのパラメータ（特徴量ベクトルとも称す）の変化量に応じて算出されてもよい。一般的に、認識エンジン（認識アルゴリズム）のパラメータの変化量が多い程、学習効果があったと言えるためである。したがって、認識エンジンの作成初期段階ではパラメータの変化量が大きく、結果的に学習への貢献度が大きいものとされる。
　　＜２－２．動作処理＞
　以上、本実施形態による情報処理システムに含まれるデータ収集サーバ１および認識サーバ３の各構成について具体的に説明した。続いて、本実施形態による情報処理システムの動作処理について、図３を参照して説明する。
　図３は、本実施形態による情報処理システムの動作処理を示すシーケンス図である。図３に示すように、まず、ステップＳ１０３において、認識サーバ３のタスク生成依頼部３１は、データ収集サーバ１に対して、認識エンジンの精度向上のために必要なデータを取得するためのタスク（代替作業）の生成依頼を行う。
　次に、ステップＳ１０６において、データ収集サーバ１のタスク提供部１１は、認識サーバ３からのタスク生成依頼に応じて、タスクの生成を行う。具体的なタスクの一例については、図４～図５を参照して後述する。
　一方、ステップＳ１０９において、クライアント２は、本システムへの参加意思の表明をデータ収集サーバ１に通知する。本システムへの参加意思の表明は、例えばデータ収集サーバ１により生成されるタスクがゲーム内のミッションとして提供される場合、当該ゲームのアプリケーションをダウンロード／更新した際にクライアント２から自動的に送信されてもよい。
　次いで、ステップＳ１１２において、データ収集サーバ１は、クライアント２からの参加意思を受信すると、続くステップＳ１１５において、データ収集サーバ１の通知制御部１５により、クライアント２に対して参加条件の通知を行う。かかる参加条件には、例えばタスク実行によりユーザが取得したコンテンツを認識エンジンの精度向上に用いる旨が含まれる。
　次に、ステップＳ１１８において、クライアント２は参加条件の提示を行う。具体的には、例えばクライアント２は、ゲームスタート画面において参加条件と承諾ボタンとを表示する。ユーザは、参加条件を確認し、承諾ボタンをタップする。
　次いで、ステップＳ１２１において、クライアント２は、ユーザが承諾ボタンをタップした場合、参加条件承諾の旨をデータ収集サーバ１に通知する。
　次に、ステップＳ１２４において、データ収集サーバ１のタスク提供部１１は、生成したタスクをクライアント２に提供する。
　そして、ステップＳ１２７において、クライアント２はユーザにタスクを提供し、タスクの実行によりコンテンツを取得する。
　続いて、ステップＳ１３０において、クライアント２は、取得したコンテンツをデータ収集サーバ１に送信する。
　次に、ステップＳ１３３において、データ収集サーバ１は、コンテンツ取得部１３により取得したコンテンツを、コンテンツ送信部１９から認識サーバ３に学習データとして送信する。
　次いで、ステップＳ１３６において、認識サーバ３の機械学習部３３は、データ収集サーバ１から学習データとして送信されたコンテンツを用いて、認識エンジン３５の精度向上のための機械学習を行う。
　続いて、ステップＳ１３９において、認識サーバ３は、評価部３７により算出される、データ収集サーバ１から送信されたコンテンツの学習への貢献度を、データ収集サーバ１に返信する。
　次に、ステップＳ１４２において、データ収集サーバ１の報酬付与制御部１７は、コンテンツの学習への貢献度に応じて報酬を決定する。
　そして、ステップＳ１４５において、データ収集サーバ１の報酬付与制御部１７は、決定した報酬をクライアント２に付与する。
　以上説明したように、本実施形態による情報処理システムでは、認識エンジンの精度向上のために行う機械学習に利用する学習データ（コンテンツ）を、代替作業であるタスクにより収集することができる。具体的には、例えばネットワークゲーム内のミッションとしてタスクを提供することで、多くのユーザにゲームの一環としてタスクを実行させ、より多くのコンテンツを収集することができる。タスク自体が楽しめるものであれば、ユーザに報酬を与えなくとも多くのコンテンツを学習データとして取得することができる。
　なお、図３に示す例では、上記Ｓ１２１～Ｓ１２４に示すように、参加条件承諾の旨をクライアント２から受信してからデータ収集サーバ１がタスクを提供しているが、本実施形態による動作処理はこれに限定されない。例えば、データ収集サーバ１は、タスクの提供と共に参加条件をクライアント２に提示し、ユーザの承諾が得られた場合にクライアント２側でタスクが展開されるようにしてもよい。または、タスク実行後、クライアント２が取得したコンテンツをデータ収集サーバ１に送信する際に参加条件を提示させ、ユーザの承諾が得られた場合にクライアント２からデータ収集サーバ１にコンテンツを送信するようにしてもよい。若しくは、タスク実行前または実行後に、注意事項として、タスク実行によりユーザが取得したコンテンツを認識エンジンの精度向上に用いる旨を提示するだけであってもよい。
　また、上記Ｓ１４２では、データ収集サーバ１の報酬付与制御部１７が、コンテンツの学習への貢献度に応じた報酬を決定する旨を記載したが、本実施形態はこれに限定されず、例えば報酬付与制御部１７は、コンテンツの数やコンテンツの取得時期等に応じて報酬を決定してもよい。
　　＜＜３．タスク例＞＞
　続いて、データ収集サーバ１のタスク提供部１１により提供されるタスクの一例について図４～図５を参照して説明する。
　　＜３－１．第１のタスク例＞
　図４は、ゲーム内のミッションとして特定のキーワードに関連する写真コンテンツを取得するタスクの一例を説明するための図である。図４左に示すミッション画面４０は、クライアント２に表示される画面であって、今日のミッションとして、水の写真を集めることでゲーム内の仮想通貨が報酬として貰えることを示す説明文４０１と、ユーザが取得した画像を表示する表示領域４０３、４０４、４０５を含む。ユーザは、例えばクライアント２に設けられているカメラ機能により身近に在る水の画像としてペットボトル飲料水等を撮像し、表示領域４０３に挿入する。
　かかるミッションは、認識サーバ３の認識エンジン３５がペットボトル飲料水等の水の画像を認識するエンジンである場合に教師データとして必要となる水の画像を取得するためのものである。これにより様々な種類のペットボトル飲料水の撮像画像が教師データとして収集され、認識サーバ３の機械学習に用いられることで認識エンジン３５の精度が向上する。
　この他、例えば「空」の画像を認識するエンジンである場合には空の画像を取得するミッション、「花」の画像を認識するエンジンである場合には花の画像を取得するミッションというように、特定のキーワードに関連するコンテンツをゲーム内の「今日のミッション」とする方法が考え得る。
　また、図４右に示すミッション画面４２は、ゲームキャラクターが好きな写真を撮ることでゲーム内のアイテムや仮想通貨等が報酬として貰えることを示す説明文４２０と、ゲームキャラクター４２１と、ゲームキャラクターのプロフィール４２２を含む。プロフィール４２２にはゲームキャラクター４２１が好きなものとして「美しい花」と示されていることで、ユーザは、例えばクライアント２に設けられているカメラ機能により美しいと思う花を撮像する。
　かかるミッションは、認識サーバ３の認識エンジン３５が美しい花の画像を認識するエンジンである場合に教師データとして必要となる美しい花の画像を取得するためのものである。これにより様々な種類の美しい花の撮像画像が教師データとして収集され、認識サーバ３の機械学習に用いられることで認識エンジン３５の精度が向上する。また、説明文４２０では対象コンテンツの収集を直接的に明示せず、ゲームキャラクター４２１のプロフィール４２２において対象ゲームキャラクターの好きな物として示すことで、ユーザに対象コンテンツの取得を間接的に促すことができる。
　　＜３－２．第２のタスク例＞
　また、機械学習において、教師データ（学習用のコンテンツ）がある程度収集された場合、より品質のよい、正しい教師データが求められる。したがって、この場合、データ収集サーバ１は、教師データのなかでより品質が良い（正しい）ものをユーザに選択してもらうというタスクを提供する。このようなタスクの一例について、図５を参照して説明する。
　図５は、ゲーム内のミッションとして特定のキーワードに関連する写真コンテンツを選択させるタスクの一例を説明するための図である。図５に示すように、ゲーム画面４４において、ボーリングゲームが行われる際に、複数のボーリングのピンそれぞれに花の画像４４１、４４２、４４３を対応付けて表示し、美しい花から倒すミッションとして提供してもよい。この際、美しい花から倒すことでボーナススコアが報酬として与えられることを示す説明文４４５を表示することで、コストを掛けずにユーザのモチベーションを上げることができる。データ収集サーバ１は、かかるボーリングゲーム内でどの画像から順に倒されたかといった情報を学習データとして認識サーバ３に送信する。
　かかるミッションは、例えば認識サーバ３の認識エンジン３５が、花の美しさの度合いを認識するエンジンである場合に、より品質のよい（正しい）教師データをユーザに選択させるためのものである。
　また、図５に示すボーリングゲームの他、例えばシューティングゲームにおいて、美しい花の画像が対応付けられた的から打ち落とさせるミッションであってもよい。
　　＜＜４．補足＞＞
　以上、本実施形態による情報処理システムについて具体的に説明した。上述した実施形態は一例であって、本開示はこれに限定されない。以下、情報処理システムの補足について述べる。
　　＜４－１．関連度判断エンジン＞
　上述した実施形態では、情報処理システムに含まれる認識サーバ３が有する認識エンジン３５は、特定のキーワードに対するコンテンツの関連性を特定可能な知的情報処理部の一例であって、画像、音声等の認識を行う旨を説明した。しかし、本開示による知的情報処理部はこれに限定されず、例えば特定のキーワードに対する他のキーワードの関連度を判断する関連度判断エンジンであってもよい。
　関連度判断エンジンは、例えば文章作成時に、次に入力が予測されるキーワードを候補として提示する関連キーワード提示システムにおいて用いられる。すなわち、関連キーワード提示システムは、関連度判断エンジンを用いて、文章作成時に入力されたキーワードと関連度が高いキーワードを、次に入力が予測されるキーワードとして提示する。
　このような関連度判断エンジンの精度向上のために行われる機械学習に必要な教師データも、データ収集サーバ１のタスク提供部１１が生成したタスク（代替作業）をクライアント２に提供し、ユーザに実行させることで収集される。このようなタスクの一例について、図６を参照して説明する。
　図６は、特定のキーワードに関連するキーワードを取得するタスクの一例を説明するための図である。図６に示すように、例えばキーワードの連想ゲームといったタスクを提供し、特定のキーワード「インフル（インフルエンザ）」が既に入力されたボックス４６３と、空白のボックス４６１、４６２、４６４～４６６を並べ、空白にキーワードを入力させる。これにより、データ収集サーバ１は、ボックス４６３に近いボックスに入力されたキーワード程、特定のキーワードとの関連度が高いといったデータを取得することができる。
　　＜４－２．行動予測エンジン＞
　また、特定のキーワードに対するコンテンツの関連性を特定可能な知的情報処理部の一例として、防犯用の行動予測エンジンも挙げられる。すなわち、特定の犯罪に対する所定の行動パターンの関連性を特定することで、ある行動パターンから犯罪行為を予測することができ、犯罪防止や捜査に利用され得る。
　このような行動予測エンジンの精度向上のために行われる機械学習に必要な教師データも、データ収集サーバ１のタスク提供部１１が生成したタスク（代替作業）をクライアント２に提供し、ユーザに実行させることで収集される。例えば、盗んだクレジットカードを発覚しないように不正使用するといったゲームをタスクとして提供し、ユーザにゲームの仮想空間内で使用させることで、カードの使用頻度、使用金額、使用場所、使用時間等のデータを不正使用の教師データとして取得することができる。
　なお行動予測エンジンとしては、防災用の行動予測エンジンも挙げられる。すなわち、特定の災害に対する所定の行動パターンの関連性を特定することで、災害時に人々がどのような行動パターンを取るかを予測することができ、行方不明者の捜索や救助、避難誘導に利用され得る。
　このような行動予測エンジンの精度向上のために行われる機械学習に必要な教師データも、データ収集サーバ１のタスク提供部１１が生成したタスク（代替作業）をクライアント２に提供し、ユーザに実行させることで収集される。例えば、ＡＲ（Ａｕｇｍｅｎｔｅｄ　Ｒｅａｌｉｔｙ）を利用したゲームにおいて、よりリアルに災害の発生を演出し、ユーザが逃げるといったゲームをタスクとして提供することで、ユーザの属性（年齢、性別、性格等）に応じた行動や心理を災害発生時における行動の教師データとして取得することができる。
　また、以上説明したような防犯、防災用の行動予測エンジンの精度向上のためにユーザのゲームデータが利用されることは、社会貢献の一環となり、報酬は謝意で十分となる。
　＜４－３．ハードウェア構成＞
　続いて、本実施形態による情報処理システムの補足として、データ収集サーバ１および認識サーバ３のハードウェア構成について、図７を参照して説明する。図７には、データ収集サーバ１および認識サーバ３のいずれも実現可能な情報処理装置１００のハードウェア構成の一例を示す。
　図７に示すように、情報処理装置１００は、例えば、ＣＰＵ（Central　Processing　Unit）１０１と、ＲＯＭ（Read　Only　Memory）１０２と、ＲＡＭ（Random　Access　Memory）１０３と、記憶部１０４と、通信Ｉ／Ｆ（インタフェース）１０５とを有する。また、情報処理装置１００は、例えば、データの伝送路としてのバスで各構成要素間を接続する。
　ＣＰＵ１０１は、例えばマイクロコンピュータにより構成され、情報処理装置１００の各構成を制御する。また、ＣＰＵ１０１は、データ収集サーバ１においてはタスク提供部１１、通知制御部１５、および報酬付与制御部１７として機能する。また、ＣＰＵ１０１は、認識サーバ３においてはタスク生成依頼部３１、機械学習部３３、認識エンジン３５、および評価部３７として機能する。
　ＲＯＭ１０２は、ＣＰＵ１０１が使用するプログラムや演算パラメータなどの制御用データなどを記憶する。ＲＡＭ１０３は、例えば、ＣＰＵ１０１により実行されるプログラムなどを一時的に記憶する。
　記憶部１０４は、様々なデータを記憶する。例えば、記憶部１０４は、認識サーバ３においては認識エンジン３５に用いられる特徴量データベースの役目を果たす。
　通信Ｉ／Ｆ１０５は、情報処理装置１００が有する通信手段であり、ネットワークを介して（あるいは直接的に）、本実施形態に係る情報処理システムを構成する外部装置と通信を行う。例えば、通信Ｉ／Ｆ１０５は、データ収集サーバ１においてはネットワーク５を介してクライアント２とデータの送受信を行ったり、認識サーバ３と直接またはネットワーク５を介してデータの送受信を行ったりする。また、具体的には、通信Ｉ／Ｆ１０５は、データ収集サーバ１においてはタスク提供部１１、コンテンツ取得部１３、およびコンテンツ送信部１９等として機能し得る。
　以上、本実施形態による情報処理装置１００のハードウェア構成の一例について説明した。
　　＜＜５．まとめ＞＞
　上述したように、本開示の実施形態による情報処理システムでは、認識サーバ３で認識エンジンの精度を高めるために行う機械学習で利用するコンテンツを、データ収集サーバ１により代替作業（タスク）をクライアント２に提供することで取得することができる。
　以上、添付図面を参照しながら本開示の好適な実施形態について詳細に説明したが、本技術はかかる例に限定されない。本開示の技術分野における通常の知識を有する者であれば、特許請求の範囲に記載された技術的思想の範疇内において、各種の変更例または修正例に想到し得ることは明らかであり、これらについても、当然に本開示の技術的範囲に属するものと了解される。
　例えば、上述したデータ収集サーバ１、認識サーバ３に内蔵されるＣＰＵ、ＲＯＭ、およびＲＡＭ等のハードウェアに、データ収集サーバ１、認識サーバ３の機能を発揮させるためのコンピュータプログラムも作成可能である。また、当該コンピュータプログラムを記憶させたコンピュータ読み取り可能な記憶媒体も提供される。
　また、図２に示す各サーバの構成は一例であって、本実施形態による情報処理システムの各構成はこれに限定されない。例えば、認識サーバ３の機械学習部３３、認識エンジン３５、評価部３７がデータ収集サーバ１に設けられていてもよい。
　また、データ収集サーバ１の全てまたは一部の構成がクライアント２に設けられていてもよい。
　また、本明細書に記載された効果は、あくまで説明的または例示的なものであって限定的ではない。つまり、本開示に係る技術は、上記の効果とともに、または上記の効果に代えて、本明細書の記載から当業者には明らかな他の効果を奏しうる。
　なお、本技術は以下のような構成も取ることができる。
（１）
　特定のキーワードに関連するコンテンツを取得してもらうためのタスクをユーザに提供する提供部と、
　タスクに応じてユーザが取得したコンテンツを取得する取得部と、
　前記キーワードに対するコンテンツの関連性を特定可能な知的情報処理部の生成に、前記取得したコンテンツを利用することを、前記ユーザに通知するよう制御する制御部と、
を備える、情報処理システム。
（２）
　前記情報処理システムは、
　前記取得部により取得された前記ユーザが取得したコンテンツに応じて、前記ユーザに報酬を与えるよう制御する報酬付与制御部をさらに備える、前記（１）に記載の情報処理システム。
（３）
　前記報酬付与制御部は、前記ユーザが取得したコンテンツの質に応じて、前記報酬を変更する、前記（２）に記載の情報処理システム。
（４）
　前記報酬付与制御部は、前記ユーザが取得したコンテンツの数に応じて、前記報酬を変更する、前記（２）または（３）に記載の情報処理システム。
（５）
　前記報酬付与制御部は、前記コンテンツの取得タイミングに応じて、前記報酬を変更する、前記（２）～（４）のいずれか１項に記載の情報処理システム。
（６）
　前記提供部は、前記特定のキーワードに関連するコンテンツを取得する作業の代替作業となるタスクを、ゲーム内のミッションとして提供する、前記（１）～（５）のいずれか１項に記載の情報処理システム。
（７）
　前記情報処理システムは、
　前記取得したコンテンツが、前記キーワードに関連するとして学習することにより、自動的に当該キーワードに関連するコンテンツを認識する知的情報処理部としての認識部を生成する生成部をさらに備える、前記（１）～（６）のいずれか１項に記載の情報処理システム。
（８）
　前記情報処理システムは、
　前記取得したコンテンツが、前記キーワードに関連するとして学習することにより、自動的に当該キーワードに関連するコンテンツの関連度を判断する知的情報処理部としての判断部を生成する生成部をさらに備える、前記（１）～（７）のいずれか１項に記載の情報処理システム。
（９）
　コンピュータを、
　特定のキーワードに関連するコンテンツを取得してもらうためのタスクをユーザに提供する提供部と、
　タスクに応じてユーザが取得したコンテンツを取得する取得部と、
　前記キーワードに対するコンテンツの関連性を特定可能な知的情報処理部の生成に、前記取得したコンテンツを利用することを、前記ユーザに通知するよう制御する制御部と、
として機能させるためのプログラムが記憶された、記憶媒体。
（１０）
　特定のキーワードに関連するコンテンツを取得してもらうためのタスクを、クライアントを介してユーザに提供することと、
　タスクに応じてユーザが取得したコンテンツを、前記クライアントを介して取得することと、
　前記キーワードに対するコンテンツの関連性を特定可能な知的情報処理部の生成に、前記取得したコンテンツを利用することを、前記クライアントを介して前記ユーザに通知するよう制御することと、
を含む、コンテンツ取得方法。
　１　　データ収集サーバ
　１１　　タスク提供部
　１３　　コンテンツ取得部
　１５　　通知制御部
　１７　　報酬付与制御部
　１９　　コンテンツ送信部
　２　　クライアント
　３　　認識サーバ
　３１　　タスク生成依頼部
　３３　　機械学習部
　３５　　認識エンジン
　３７　　評価部
　５　　ネットワーク
　１００　　情報処理装置
　１０１　　ＣＰＵ
　１０２　　ＲＯＭ
　１０３　　ＲＡＭ
　１０４　　記憶部
　１０５　　通信Ｉ／Ｆ

Claims (10)

  1. 　特定のキーワードに関連するコンテンツを取得してもらうためのタスクをユーザに提供する提供部と、
    　タスクに応じてユーザが取得したコンテンツを取得する取得部と、
    　前記キーワードに対するコンテンツの関連性を特定可能な知的情報処理部の生成に、前記取得したコンテンツを利用することを、前記ユーザに通知するよう制御する制御部と、
    を備える、情報処理システム。
  2. 　前記情報処理システムは、
    　前記取得部により取得された前記ユーザが取得したコンテンツに応じて、前記ユーザに報酬を与えるよう制御する報酬付与制御部をさらに備える、請求項１に記載の情報処理システム。
  3. 　前記報酬付与制御部は、前記ユーザが取得したコンテンツの質に応じて、前記報酬を変更する、請求項２に記載の情報処理システム。
  4. 　前記報酬付与制御部は、前記ユーザが取得したコンテンツの数に応じて、前記報酬を変更する、請求項２に記載の情報処理システム。
  5. 　前記報酬付与制御部は、前記コンテンツの取得タイミングに応じて、前記報酬を変更する、請求項２に記載の情報処理システム。
  6. 　前記提供部は、前記特定のキーワードに関連するコンテンツを取得する作業の代替作業となるタスクを、ゲーム内のミッションとして提供する、請求項１に記載の情報処理システム。
  7. 　前記情報処理システムは、
    　前記取得したコンテンツが、前記キーワードに関連するとして学習することにより、自動的に当該キーワードに関連するコンテンツを認識する知的情報処理部としての認識部を生成する生成部をさらに備える、請求項１に記載の情報処理システム。
  8. 　前記情報処理システムは、
    　前記取得したコンテンツが、前記キーワードに関連するとして学習することにより、自動的に当該キーワードに関連するコンテンツの関連度を判断する知的情報処理部としての判断部を生成する生成部をさらに備える、請求項１に記載の情報処理システム。
  9. 　コンピュータを、
    　特定のキーワードに関連するコンテンツを取得してもらうためのタスクをユーザに提供する提供部と、
    　タスクに応じてユーザが取得したコンテンツを取得する取得部と、
    　前記キーワードに対するコンテンツの関連性を特定可能な知的情報処理部の生成に、前記取得したコンテンツを利用することを、前記ユーザに通知するよう制御する制御部と、
    として機能させるためのプログラムが記憶された、記憶媒体。
  10. 　特定のキーワードに関連するコンテンツを取得してもらうためのタスクを、クライアントを介してユーザに提供することと、
    　タスクに応じてユーザが取得したコンテンツを、前記クライアントを介して取得することと、
    　前記キーワードに対するコンテンツの関連性を特定可能な知的情報処理部の生成に、前記取得したコンテンツを利用することを、前記クライアントを介して前記ユーザに通知するよう制御することと、
    を含む、コンテンツ取得方法。
PCT/JP2015/055402 2014-05-16 2015-02-25 情報処理システム、記憶媒体、およびコンテンツ取得方法 WO2015174118A1 (ja)

Priority Applications (2)

Application Number Priority Date Filing Date Title
US15/303,251 US20170039495A1 (en) 2014-05-16 2015-02-25 Information processing system, storage medium, and content acquisition method
EP15792445.7A EP3144873A4 (en) 2014-05-16 2015-02-25 Information-processing system, storage medium, and content acquisition method

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2014-102189 2014-05-16
JP2014102189A JP2015220574A (ja) 2014-05-16 2014-05-16 情報処理システム、記憶媒体、およびコンテンツ取得方法

Publications (1)

Publication Number Publication Date
WO2015174118A1 true WO2015174118A1 (ja) 2015-11-19

Family

ID=54479665

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2015/055402 WO2015174118A1 (ja) 2014-05-16 2015-02-25 情報処理システム、記憶媒体、およびコンテンツ取得方法

Country Status (4)

Country Link
US (1) US20170039495A1 (ja)
EP (1) EP3144873A4 (ja)
JP (1) JP2015220574A (ja)
WO (1) WO2015174118A1 (ja)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2018063689A (ja) * 2017-02-02 2018-04-19 株式会社ＦｉＮＣ 健康管理プログラム及び健康管理サーバ
JP2019003402A (ja) * 2017-06-15 2019-01-10 Kddi株式会社 管理装置、管理方法及びプログラム
WO2021075091A1 (ja) * 2019-10-15 2021-04-22 日本電気株式会社 対価算出装置、制御方法、及びプログラム
WO2022195793A1 (ja) * 2021-03-18 2022-09-22 日本電気株式会社 情報処理装置、データ流通方法、情報処理方法、および、制御プログラム

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10552752B2 (en) * 2015-11-02 2020-02-04 Microsoft Technology Licensing, Llc Predictive controller for applications
WO2018142764A1 (ja) * 2017-02-03 2018-08-09 パナソニックＩｐマネジメント株式会社 学習済みモデル生成方法、学習済みモデル生成装置、および学習済みモデル利用装置
US10282741B2 (en) 2017-09-05 2019-05-07 StormX, Inc. Taskset-participant-configurable batch content transfer systems and methods
CN107995428B (zh) * 2017-12-21 2020-02-07 Oppo广东移动通信有限公司 图像处理方法、装置及存储介质和移动终端
JP7384575B2 (ja) * 2018-08-10 2023-11-21 川崎重工業株式会社 情報処理装置、仲介装置、シミュレートシステム、情報処理方法及びプログラム
CN112423945B (zh) * 2018-08-10 2023-11-24 川崎重工业株式会社 信息处理装置、机器人操作系统以及机器人操作方法
WO2020115862A1 (ja) * 2018-12-06 2020-06-11 本田技研工業株式会社 データ管理装置、データ管理方法、及びプログラム

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003084654A (ja) * 2001-09-12 2003-03-19 Cr Advisors Kk 言語学習システム、サーバ装置及び学習用データベース収集方法並びに記録媒体
JP2009289090A (ja) * 2008-05-30 2009-12-10 Brother Ind Ltd 著作権者情報収集方法、著作権者情報収集装置、および著作権者情報収集プログラム

Family Cites Families (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3625212B1 (ja) * 2003-09-16 2005-03-02 独立行政法人科学技術振興機構 ３次元仮想空間シミュレータ、３次元仮想空間シミュレーションプログラム、およびこれを記録したコンピュータ読み取り可能な記録媒体
US7603343B2 (en) * 2005-02-04 2009-10-13 Microsoft Corporation Quality of web search results using a game
US20080280662A1 (en) * 2007-05-11 2008-11-13 Stan Matwin System for evaluating game play data generated by a digital games based learning game
KR20090034034A (ko) * 2007-10-02 2009-04-07 주식회사 하이닉스반도체 반도체 소자의 제조방법
JP2011090348A (ja) * 2007-12-25 2011-05-06 J Magic Kk 広告管理システム、広告管理サーバ、広告管理方法、プログラム、および閲覧クライアント
US8296305B2 (en) * 2008-12-09 2012-10-23 Yahoo! Inc. Rules and method for improving image search relevance through games
AU2008264197B2 (en) * 2008-12-24 2012-09-13 Canon Kabushiki Kaisha Image selection method
US8285706B2 (en) * 2009-06-10 2012-10-09 Microsoft Corporation Using a human computation game to improve search engine performance
US8571331B2 (en) * 2009-11-30 2013-10-29 Xerox Corporation Content based image selection for automatic photo album generation
US8140518B2 (en) * 2010-01-08 2012-03-20 Yahoo! Inc. System and method for optimizing search results ranking through collaborative gaming
US20130262188A1 (en) * 2012-03-27 2013-10-03 David Philip Leibner Social media brand management
US20140279818A1 (en) * 2013-03-15 2014-09-18 University Of Southern California Game theory model for patrolling an area that accounts for dynamic uncertainty
CA2947936C (en) * 2013-05-04 2023-02-21 Christopher Decharms Mobile security technology

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003084654A (ja) * 2001-09-12 2003-03-19 Cr Advisors Kk 言語学習システム、サーバ装置及び学習用データベース収集方法並びに記録媒体
JP2009289090A (ja) * 2008-05-30 2009-12-10 Brother Ind Ltd 著作権者情報収集方法、著作権者情報収集装置、および著作権者情報収集プログラム

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
KOTA NAKATA ET AL.: "A Devisable Private CrowdSourcing System for Speech Collection", DAI 27 KAI ZENKOKU TAIKAI RONBUNSHU 2013 NENDO ANNUAL CONFERENCE OF JSAI (DAI 27 KAI) RONBUNSHU, THE JAPANESE SOCIETY FOR ARTIFICIAL INTELLIGENCE, 7 June 2013 (2013-06-07), pages 1 - 4, XP055237052 *
See also references of EP3144873A4 *
SHOGO OSAWA ET AL.: "Crowdsourcing ni yoru Shokuji Gazo Ninshiki Model no Jido Kochiku", DAI 5 KAI FORUM ON DATA ENGINEERING AND INFORMATION MANAGEMENT (DAI 11 KAI THE DATABASE SOCIETY OF JAPAN NENJI TAIKAI), THE INSTITUTE OF ELECTRONICS, INFORMATION AND COMMUNICATION ENGINEERS DATA KOGAKU KENKYU SENMON IINKAI THE DATABASE SOCIETY OF JAP, 31 May 2013 (2013-05-31), XP008185408 *
YONGQING SUN ET AL.: "Dynamic Visual Pattern Mining Based on Web Information", IEICE TECHNICAL REPORT, THE INSTITUTE OF ELECTRONICS, INFORMATION AND COMMUNICATION ENGINEERS, vol. 107, no. 115, 21 June 2007 (2007-06-21), pages 13 - 18, XP008184388 *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2018063689A (ja) * 2017-02-02 2018-04-19 株式会社ＦｉＮＣ 健康管理プログラム及び健康管理サーバ
JP2019003402A (ja) * 2017-06-15 2019-01-10 Kddi株式会社 管理装置、管理方法及びプログラム
WO2021075091A1 (ja) * 2019-10-15 2021-04-22 日本電気株式会社 対価算出装置、制御方法、及びプログラム
JPWO2021075091A1 (ja) * 2019-10-15 2021-04-22
JP7393030B2 (ja) 2019-10-15 2023-12-06 日本電気株式会社 対価算出装置、制御方法、及びプログラム
WO2022195793A1 (ja) * 2021-03-18 2022-09-22 日本電気株式会社 情報処理装置、データ流通方法、情報処理方法、および、制御プログラム

Also Published As

Publication number Publication date
JP2015220574A (ja) 2015-12-07
EP3144873A4 (en) 2017-11-29
US20170039495A1 (en) 2017-02-09
EP3144873A1 (en) 2017-03-22

Similar Documents

Publication Publication Date Title
WO2015174118A1 (ja) 情報処理システム、記憶媒体、およびコンテンツ取得方法
Sadowski Too smart: How digital capitalism is extracting data, controlling our lives, and taking over the world
Hacker et al. Matchin: eliciting user preferences with an online game
Didierjean et al. Anticipatory representation of visual basketball scenes by novice and expert players
US9965675B2 (en) Using virtual reality for behavioral analysis
JP6440205B2 (ja) 問題をゲーム化するためのシステムおよび方法
US10518181B2 (en) Managing game sessions in a social network messaging system
US10398975B2 (en) Information sharing system, information-processing device, storage medium, and information sharing method
CN116209506A (zh) 对游戏活动分类以识别滥用行为
WO2015186393A1 (ja) 情報処理装置、情報提示方法、プログラム、およびシステム
US20200001186A1 (en) System and method for determining type of player in online game
EP4139810A1 (en) Messaging system with trend analysis of content
US20210166271A1 (en) Method for providing text-reading based reward-type advertisement service and user terminal for executing same
CN115857704A (zh) 一种基于元宇宙的展览系统、交互方法以及电子设备
KR20230169016A (ko) 전자 장치 및 그의 제어방법
Thornton et al. Matching biological motion at extreme distances
Novotny et al. User based intelligent adaptation of five in a row game for android based on the data from the front camera
CN115222406A (zh) 基于业务服务账号的资源发放方法以及相关设备
Novotny et al. Face-based difficulty adjustment for the game five in a row
US20200160233A1 (en) Tap to reserve
Halverson An “active vision” computational model of visual search for human-computer interaction
JP7361931B2 (ja) 画像出力装置、画像出力方法、画像出力システム及びコンピュータプログラム
US20240152948A1 (en) Systems and methods for user data collection within an augmented reality game
Mottelson Computer-Cognition Interfaces: Sensing and influencing mental processes with computer interaction
CN118197537A (zh) 一种认知康复机器人的训练任务生成方法及装置

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 15792445

Country of ref document: EP

Kind code of ref document: A1

WWE Wipo information: entry into national phase

Ref document number: 15303251

Country of ref document: US

REEP Request for entry into the european phase

Ref document number: 2015792445

Country of ref document: EP

WWE Wipo information: entry into national phase

Ref document number: 2015792445

Country of ref document: EP

NENP Non-entry into the national phase

Ref country code: DE