WO2022208953A1 - 情報処理システム及び仮想人材 - Google Patents

情報処理システム及び仮想人材 Download PDF

Info

Publication number
WO2022208953A1
WO2022208953A1 PCT/JP2021/037517 JP2021037517W WO2022208953A1 WO 2022208953 A1 WO2022208953 A1 WO 2022208953A1 JP 2021037517 W JP2021037517 W JP 2021037517W WO 2022208953 A1 WO2022208953 A1 WO 2022208953A1
Authority
WO
WIPO (PCT)
Prior art keywords
information
human resource
virtual human
virtual
dispatch
Prior art date
Application number
PCT/JP2021/037517
Other languages
English (en)
French (fr)
Inventor
義行 小代
基樹 永田
Original Assignee
株式会社pluszero
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 株式会社pluszero filed Critical 株式会社pluszero
Publication of WO2022208953A1 publication Critical patent/WO2022208953A1/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
    • G06Q10/10—Office automation; Time management
    • 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

Definitions

  • the present invention relates to information processing systems and virtual human resources.
  • Patent Document 1 technology for voice assistants implemented as a voice interface for smartphones and the like
  • Patent Document 2 a robot technology capable of voice communication
  • the present invention has been made in view of this situation, and aims to provide virtual human resources who can communicate with a high degree of mutual understanding or perform efficient PDCA.
  • an information processing system that generates a virtual human resource to be dispatched from a dispatch source to a dispatch destination. It comprises acquisition means for acquiring data including at least personalized summary logic as dispatch source information, and virtual personnel generating means for generating virtual personnel using the dispatch source information.
  • an information processing system is an information processing system that generates a virtual human resource to be dispatched from a dispatch source to a dispatch destination. and a virtual manpower generation means for generating a virtual manpower using the dispatcher information.
  • an information processing system is an information processing system that generates a virtual human resource to be dispatched from a dispatch source to a dispatch destination.
  • an information processing system is an information processing system that generates a virtual human resource to be dispatched from a dispatch source to a dispatch destination.
  • the first aspect of human inner information including feelings and values, the second aspect of human inner intellectual activity and information, including knowledge and thoughts, and the human individual or organization to which the human belongs. It is generated based on one or more viewpoints of the objective including KGI and KPI as units, or the third viewpoint regarding the goal and its internal relationship.
  • the single or multiple internal models hold internal human information including psychology, emotions, and values as a model generated based on the first viewpoint, and organize the relationships of the information.
  • a first model modeled in a "meaning normalized format” or a format convertible to it, and a model generated based on the second viewpoint, including knowledge and thinking including a second model that holds intellectual activities and information, organizes the relationships between the intellectual activities and information, and is modeled in a "meaning normalized format” or a format convertible thereto;
  • the purpose or goal including KGI and KPI, which are units of human individuals and organizations to which the human belongs, and their internal relationships are organized, and the meaning is normalized format” or a format convertible thereto.
  • a virtual human resource of one aspect of the present invention is a virtual human resource dispatched from a dispatch source to a dispatch destination, and includes personalization summarization logic out of information provided by the dispatch source. is generated using the data including at least as the dispatcher information, and using the plurality of internal models to instruct the task in the form of a human-readable message, the human and A task execution means is provided for executing a predetermined task while interacting.
  • a virtual human resource is a virtual human resource dispatched from a dispatching source to a dispatch destination, and includes information provided by the dispatching source in a "meaning-normalized format" or Data expressed in a convertible format is generated using the dispatcher information, and the plurality of internal models are used to instruct the task in the form of a human-readable message. and task execution means for executing a predetermined task while interacting with the person.
  • a virtual human resource is a virtual human resource dispatched from a dispatching source to a dispatch destination, and includes information provided by the dispatching source in a "meaning-normalized format" or data represented in a convertible format, wherein the data comprising at least personalization summary logic is generated using as dispatcher information, human readable using the plurality of internal models;
  • a task execution means is provided for executing a predetermined task while interacting with the person by instructing the task in the form of a message.
  • a virtual human resource of one aspect of the present invention is a virtual human resource dispatched from a dispatch source to a dispatch destination, wherein, among information provided by the dispatch source, data including at least a plurality of internal models is Each of the single or multiple internal models is generated using dispatch source information, and each of the single or multiple internal models is based on a first viewpoint, knowledge, and thinking regarding human internal information including psychology, emotions, and values.
  • a second perspective on the inner intellectual activities and information of humans including; It is generated based on one or more of the viewpoints, and is accompanied by self-recognition and partner recognition using models generated based on the first viewpoint and the second viewpoint, and based on the third viewpoint
  • Use the generated model to set a plan, execute a given task while interacting with a human to achieve the plan, evaluate the results of the execution, and make improvements based on the results of the evaluation task execution means;
  • the plurality of internal models hold human internal information including psychology, emotions, and values as models generated based on the first viewpoint, and the relationships between the information are organized and " Including the first model modeled in the "meaning normalized format” or a format convertible to it, and as a model generated based on the second viewpoint, human internal intellectual activities including knowledge, thinking and A second model that holds information, organizes the intellectual activities and relationships of information, and is modeled in a "meaning normalized format” or a format convertible thereto, based on the third aspect
  • objectives or goals including KGI and KPI that are units of human individuals and organizations to which the human belongs and their internal relationships are organized, and the "meaning normalized format” or it Includes a third model modeled in a convertible format.
  • FIG. 1 is a diagram showing an overview of this service to which an embodiment of an information processing system of the present invention is applied;
  • FIG. 2 is a diagram showing a more detailed description of the service shown in FIG. 1;
  • FIG. 3 is a division diagram of the diagram showing a more detailed description of the service shown in FIG. 2;
  • FIG. 3 is a division diagram of the diagram showing a more detailed description of the service shown in FIG. 2;
  • FIG. 3 is a division diagram of the diagram showing a more detailed description of the service shown in FIG. 2;
  • FIG. FIG. 2 is a table for explaining the target business to which the virtual human resources of this service of FIG. 1 are applied;
  • FIG. 5 is a division diagram of a table for explaining the target work to which the virtual human resource of this service shown in FIG.
  • FIG. 5 is a division diagram of a table for explaining the target work to which the virtual human resource of this service shown in FIG. 4 is applied;
  • 1 is a diagram showing an example of a configuration according to an embodiment of an information processing system to which the service of FIG. 1 is applied, that is, an information processing system of the present invention;
  • FIG. 7 is a block diagram showing a hardware configuration of a server in the information processing system of FIG. 6;
  • FIG. 8 is a diagram showing an example of the functional configuration of the server of the information processing system of FIG. 7, which functions during virtual human resource generation and update processing;
  • FIG. 8 is a diagram showing an example of the functional configuration of the server of the information processing system of FIG. 7 that functions during the staff dispatching process;
  • FIG. 2 is a diagram explaining an overview of tasks executed by a virtual human resource of the present service of FIG. 1;
  • FIG. 11 is a division diagram of a diagram for explaining an overview of tasks executed by the virtual personnel of the present service shown in FIG. 10;
  • FIG. 11 is a division diagram of a diagram for explaining an overview of tasks executed by the virtual personnel of the present service shown in FIG. 10;
  • FIG. 11 is a division diagram of a diagram for explaining an overview of tasks executed by the virtual personnel of the present service shown in FIG. 10; 1. It is a figure explaining the outline
  • FIG. 11 is a division diagram of a diagram for explaining an overview of tasks executed by the virtual personnel of the present service shown in FIG. 10;
  • FIG. 4 is a diagram showing the correspondence relationship between each step of the overall processing and each figure; 4 is a flowchart for explaining the flow of overall processing executed by a server;
  • FIG. 15 is a flow chart illustrating an example of details of preparatory processing for personnel dispatch in step S1 of the overall processing of FIG. 14;
  • FIG. 16 is a flowchart illustrating an example of details of a virtual personnel management process for a temporary staffing agency in step S11 of the preparatory process for personnel dispatching in FIG. 15;
  • FIG. FIG. 17 is a flowchart illustrating an example of details of management processing of basic elements in step S111 of the virtual personnel management processing for the temporary staffing agency in FIG. 16;
  • FIG. 17 is a flowchart illustrating an example of details of registration processing of the task execution means in step S112 of the virtual personnel management processing for the temporary staffing agency in FIG. 16;
  • FIG. 16 is a flow chart illustrating an example of the details of information registration processing for a staffing agency in step S12 of the preliminary preparation processing for staffing of FIG. 15;
  • FIG. FIG. 15 is a flow chart illustrating an example of details of processing for registering desired personnel dispatch destinations in step S2 of the overall processing of FIG. 14;
  • FIG. 15 is a flowchart illustrating an example of details of an initial learning process in step S3 of the overall process of FIG. 14;
  • FIG. 22 is a flowchart illustrating an example of details of the learning process in step S32 of the initial learning process of FIG. 21;
  • FIG. 23 is a flowchart illustrating an example of details of internal model generation processing in step S321 of the learning processing of FIG. 22;
  • FIG. FIG. 24 is a flowchart illustrating an example of the details of psychology/emotion/value generation processing in step S3211 of the internal model generation processing of FIG. 23;
  • FIG. 24 is a flowchart illustrating an example of details of knowledge/thinking generation processing in step S3212 of the internal model generation processing of FIG. 23;
  • FIG. FIG. 26 is a flowchart illustrating an example of details of reading processing of various logic data in step S32123 of the knowledge/thinking generation processing of FIG. 25;
  • FIG. 24 is a flowchart illustrating an example of details of goal generation processing in step S3213 of the internal model generation processing of FIG. 23;
  • FIG. FIG. 23 is a flow chart illustrating an example of details of a data reading process in step S322 of the learning process of FIG. 22;
  • FIG. FIG. 29 is a flowchart illustrating an example of details of read processing of integrated curriculum data PDC in step S3222 of the data read processing of FIG. 28;
  • FIG. FIG. 23 is a flowchart illustrating an example of details of an internal model update process in step S323 of the learning process of FIG. 22;
  • FIG. 31 is a flowchart illustrating an example of details of recognition formation processing in step S3232 of the internal model update processing of FIG. 30;
  • FIG. 15 is a flow chart illustrating an example of a human resources generation process in step S4 of the overall process of FIG. 14;
  • FIG. FIG. 15 is a flow chart illustrating an example of a job start preparation process in step S5 of the overall process of FIG. 14;
  • FIG. FIG. 15 is a flowchart illustrating an example of a staffing process in step S6 of the overall process of FIG. 14;
  • FIG. FIG. 35 is a flow chart illustrating an example of a task execution process in step S61 of the staffing process of FIG. 34;
  • FIG. FIG. 36 is a flowchart illustrating an example of objective interpretation processing in S614 of the task execution processing in FIG. 35;
  • FIG. 36 is a flowchart illustrating an example of subjective interpretation processing in S615 of the task execution processing in FIG. 35;
  • FIG. FIG. 36 is a flowchart illustrating an example of utterance content examination/generation processing in S616 of the task execution processing of FIG. 35;
  • FIG. 36 is a flowchart illustrating an example of speech/task instruction processing in S617 of the task execution processing of FIG. 35; It is a figure explaining the outline
  • (1) A diagram for explaining a normalized expression of all definition information.
  • FIG. 42 is a division diagram of a diagram for explaining (1) normalized expression of all definition information shown in FIG. 41;
  • FIG. 42 is a division diagram of a diagram for explaining (1) normalized expression of all definition information shown in FIG. 41; (2) It is a figure explaining sensor-based semantic decomposition. (3) It is a figure explaining context correspondence.
  • FIG. 45 is a division diagram of the diagram for explaining (3) context correspondence shown in FIG. 44; It is a figure explaining the application example of the context correspondence with respect to resolution of word sense ambiguity.
  • FIG. 2 illustrates an example application of context awareness to symbol grounding;
  • FIG. 4 is a diagram illustrating an example of application of context awareness to axiom extraction;
  • FIG. 10 is a diagram illustrating an example of application of context correspondence to grouping of concepts/axioms;
  • FIG. 10 is a diagram illustrating an example of application of context awareness to missing element estimation; (4) It is a figure explaining recognition formation from episodic memory.
  • FIG. 52 is a division diagram of the diagram for explaining (4) recognition formation from episodic memory shown in FIG. 51;
  • FIG. 52 is a division diagram of the diagram for explaining (4) recognition formation from episodic memory shown in FIG. 51;
  • FIG. 52 is a division diagram of the diagram for explaining (4) recognition formation from episodic memory shown in FIG. 51;
  • FIG. 10 is a diagram illustrating a specific example of data expressed in a "meaning-normalized format" or a format convertible thereto, that is, N4;
  • FIG. 54 is a division diagram of a diagram for explaining a specific example of data expressed in a "meaning-normalized format” or a format convertible thereto, that is, N4 shown in FIG. 53;
  • FIG. 54 is a division diagram of a diagram for explaining a specific example of data expressed in a "meaning-normalized format” or a format convertible thereto, that is, N4 shown in FIG. 53;
  • FIG. 4 is a diagram for explaining a configuration example of a “distributed & dynamically generated type” PSF data PDP;
  • FIG. 10 is a diagram for explaining the configuration of a “one-pole concentration & existing type” PSF data PDP;
  • FIG. 4 is a diagram illustrating an outline of processing steps for a personalized summary;
  • FIG. 58 is a split diagram of the diagram for explaining the outline of the processing steps of the personalized summary shown in FIG. 57; It is a figure explaining the effect of a personalized summary.
  • FIG. 10 is a diagram for explaining the comprehension level and the automation level of communication realized by personalized summaries in a virtual human resource O; It is a figure explaining the outline
  • FIG. 62 is a division diagram of a diagram for explaining the outline of the internal model shown in FIG. 61;
  • FIG. 62 is a division diagram of a diagram for explaining the outline of the internal model shown in FIG. 61;
  • FIG. 64 is a division diagram of a diagram explaining the purpose of the internal model shown in FIG. 63;
  • FIG. 1 is a diagram showing an outline of a service to which an embodiment of an information processing system of the present invention is applied (hereinafter referred to as “this service”). That is, this service is based on information provided by the dispatch destination C (hereinafter referred to as “dispatch destination information”) and information provided by the temporary staffing agency P (hereinafter referred to as "dispatch source information").
  • This is a service for dispatching a generated virtual human resource O from a human resource dispatching agency P to a dispatch destination C.
  • the dispatch destination C activates the dispatch destination information registration function CF by operating a dispatch destination terminal (for example, dispatch destination terminal 2 in FIG. 6, which will be described later), and registers the dispatch destination information.
  • the registration destination is not particularly limited, but for convenience of explanation below, it is assumed to be a server (for example, server 1 in FIG. 6) managed by the provider of this service.
  • the dispatch destination information includes, for example, desired personnel information CI1, usage form CI2, personnel recruitment information/manual CI3, and the like. A detailed description of the dispatch destination information will be given later as a description of the dispatch destination information registration function CF.
  • the dispatch destination C receives the dispatch of the virtual human resource O generated based on the dispatch destination information provided by itself and dispatch source information provided by the staff dispatch source P, which will be described later. That is, the dispatch destination C is a business operator or an individual who performs business activities in order to achieve a predetermined purpose. accept.
  • the staffing agency P operates a staffing agency's virtual staffing management function PA and a staffing agency's information registration function PF by operating a dispatching agency terminal (for example, a dispatching agency terminal 3 in FIG. 6, which will be described later).
  • the temporary staffing agency P registers the information of the temporary staffing agency by operating the information registration function PF for the temporary staffing agency.
  • the registration destination is not particularly limited, but for convenience of explanation below, it is assumed to be a server (for example, server 1 in FIG. 6) managed by the provider of this service.
  • the dispatcher information includes an internal model PM, language resource data PD, logic PL, and the like. A detailed explanation of the dispatch agency information will be given later as an explanation of the information registration function PF for the dispatch agency.
  • a temporary staffing agency P dispatches a virtual human resource O, which is generated based on the dispatching destination information provided by the dispatching destination C and the dispatching agency information provided by itself, to the dispatching destination C.
  • a virtual human resource generally refers to an information system that interacts with humans using language as an interface and contributes to the achievement of a specific purpose.
  • the virtual human resource O dispatched to the dispatch destination C by this service means at least the following among the virtual human resources generally referred to above.
  • the virtual human resource O dispatched from the temporary staffing agency P to the dispatch destination C is obtained by using the data including at least the personalized summary logic among the information provided from the temporary staffing agency P as the dispatching agency information. It is generated. Also, the virtual human resource O uses a plurality of internal models to be described later and instructs tasks in the form of human-readable messages, thereby performing predetermined tasks while interacting with humans.
  • the personalized summary logic which will be detailed later, refers to an information system that can change the content according to the other party. There have been examples of paraphrasing based on parallel corpora and research examples of dictionaries aimed at simplifying the Japanese language, but the vocabulary to be paraphrased is fixed, and learning itself is batch processing-like. There is, so to speak, close to translation. On the other hand, a virtual human resource O applying personalized summarization logic can flexibly change the available vocabulary in real time to match the other party.
  • the virtual human resource O dispatched from the temporary staffing agency P to the dispatch destination C is represented in the information provided by the temporary staffing agency P in a "meaning-normalized format" or a format convertible thereto. This data is generated by using it as dispatch source information.
  • the virtual human resource O uses a plurality of internal models to be described later and instructs tasks in the form of human-readable messages, thereby performing predetermined tasks while interacting with humans.
  • the "format in which the meaning is normalized" refers to a highly machine-readable expression form of the meaning, including natural language and programming language, in which the same meaning has the same form.
  • the virtual human resource O dispatched from the temporary staffing agency P to the dispatch destination C is represented in the information provided by the temporary staffing agency P in a "meaning-normalized format" or a format convertible thereto. data that includes at least personalized summary logic is used as dispatcher information and generated.
  • the virtual human resource O uses a plurality of internal models to be described later and instructs tasks in the form of human-readable messages, thereby performing predetermined tasks while interacting with humans.
  • the virtual human resource O dispatched from the temporary staffing agency P to the dispatch destination C has data including at least a single or a plurality of internal models, which will be described later, out of the information provided by the temporary staffing agency P. It is generated by being used as information.
  • Each of the plurality of internal models includes a first viewpoint regarding human internal information including psychology, emotions, and values, a second viewpoint regarding human internal intellectual activities and information including knowledge and thinking, and , objectives including KGIs and KPIs that are units of human individuals or organizations to which the human belongs, or a third perspective regarding goals and their internal relationships.
  • the virtual human resource O establishes a plan using the model generated based on the third viewpoint while performing self-recognition and partner recognition using the models generated based on the first viewpoint and the second viewpoint. Then, in order to achieve the plan, a predetermined task is executed while interacting with humans, the results of the execution are evaluated, and improvements are made based on the evaluation results.
  • the single or multiple internal models hold human internal information including psychology, emotions, and values as a model generated based on the first viewpoint, and the relationship of the information is It includes a first model (for example, a psychology-feeling-values internal model PM1 described later) organized and modeled in a "meaning-normalized format" or a format convertible thereto.
  • the plurality of internal models hold human internal intellectual activities and information, including knowledge and thinking, as models generated based on the second viewpoint, and organize the relationships between the intellectual activities and information. and includes a second model (for example, a knowledge/thinking internal model PM2 described later) modeled in a "meaning normalized format" or a format convertible thereto.
  • the single or multiple internal models are models generated based on the third aspect, and include purposes or goals including KGI and KPI in units of human individuals and organizations to which the human belongs and internal relationships thereof It includes a third model (for example, a purpose/goal internal model PM3 to be described later) modeled in a "meaning-normalized format" or a format convertible thereto.
  • the virtual human resource O dispatched to the dispatch destination C by this service will be compared with the conventional technology.
  • voice assistants such as Siri (registered trademark) and robots such as Pepper (registered trademark) that can communicate by voice.
  • Pepper registered trademark
  • the definitional commonalities between virtual human resources O and conventional voice assistants and robots are as follows.
  • the virtual human resource O and conventional voice assistants and robots have "skills” as management units for what to do in response to the utterances of the other party.
  • the virtual human resources O and conventional voice assistants and robots executable functions in “skills” are called “intents”, and arguments in intents are called “slots”. They are common in that they ultimately have an "interface" that activates an external function.
  • the difference in definitions between virtual human resources O and conventional voice assistants and robots is as follows. That is, in the virtual human resource O, the "skill” differs from the conventional technology in the Ifthen rule logic PL4 of FIG. 2, particularly in terms of the accuracy of context recognition and estimation included in the "condition" part of Ifthen. However, ifthen rule logic PL4 is not skill, and ifthen rule logic PL4 includes executable tasks other than skills, such as inference.
  • voice assistants are different in that the activated external functions such as web applications are called “skill services”. In robots, “skills” are called “agents”, and executable external functions are called “events”.
  • the processing of the virtual human resource O follows a flow of input ⁇ process ⁇ output. Of these, the most important input element is "understanding of the speaker's words.” As this "understanding of the speaker's words", the differences between the virtual human resource O and the conventional voice assist and robot are as follows. That is, the virtual human resources O are generated based on context estimation logic (for example, the context estimation logic PL3 in FIG. 2 to be described later) or personalized summary logic (for example, the personalized summary logic PL1 in FIG. 2 to be described later). Understand the speaker's words by ruminating in their own words and asking the speaker to confirm, or clarifying unclear points and listening again if they do not understand, deepening mutual understanding with the speaker. can do.
  • context estimation logic for example, the context estimation logic PL3 in FIG. 2 to be described later
  • personalized summary logic for example, the personalized summary logic PL1 in FIG. 2 to be described later
  • voice assistants and robots estimate the speaker's words based on the degree of similarity to registered utterance samples. That is, the voice assistant or robot estimates the words of the speaker by searching for utterance samples registered in a set of "skills" prepared in advance for words similar to the words of the speaker.
  • the important elements of the process are "target estimation” and “skill registration method”.
  • the common points between the virtual human resource O and the conventional voice assist and robot are as follows.
  • the virtual human resource O, the conventional voice assistant, and the robot all have in common that they estimate the target skill and the intent within the skill from the registered skill group.
  • a voice assistant one or more The correct intent is deduced from the intents. This corresponds to which skill (for example, Ifthen rule logic PL4 in FIG. 2 to be described later) is called in the virtual human resource O, and both are common in this respect.
  • the differences between the virtual human resource O and the conventional voice assist and robot are as follows. That is, since the virtual human resource O is generated based on the internal model PM, it is possible to set multi-layered objectives. In other words, in conventional voice assistants and robots, actions are determined by considering only the speaker's intention, whereas virtual human resource O can, for example, take into account the KGI/KPI of the dispatch destination C and the speaker's psychological/emotional ⁇ Able to act for multi-layered objectives including improvement of sense of values.
  • the common points between the virtual human resource O and the conventional voice assist and robot are as follows. That is, virtual human resources O, conventional voice assistants, and robots all have in common that skills are manually registered by companies that provide skills.
  • the virtual human resource O includes curriculum data (for example, curriculum data PDC in FIG. 2 to be described later), internal model PM, personalized summary logic (for example, personalized summary logic PL1 in FIG. 2 to be described later), recognition formation logic (for example, 2) and context estimation logic (for example, context estimation logic PL3 of FIG. 2 to be described later), skills can be automatically generated from these data.
  • curriculum data for example, curriculum data PDC in FIG. 2 to be described later
  • personalized summary logic for example, personalized summary logic PL1 in FIG. 2 to be described later
  • recognition formation logic for example, 2
  • context estimation logic for example, context estimation logic PL3 of FIG. 2 to be described later
  • skills can be automatically generated from these data.
  • skills may be generated based on the internal model PM so as to be able to finely respond to the character of the other person.
  • voice assistants skills are not automatically generated, and manually registered skills are set as skill services for the interface.
  • skills are not automatically generated, and manually registered skills are set as events to be activated for agents and intents
  • Important points for the elements of output are “utterance content”, “maintenance of continuation state”, “execution of task”, and “appearance”.
  • the “utterance content” the common points between the virtual human resource O and the conventional voice assist and robot are as follows. That is, the virtual human resource O, the conventional voice assistant, and the robot all have in common that the content of the utterance is output as the content implemented by the skill service.
  • the differences between the virtual human resource O and the conventional voice assist and robot are as follows. That is, the virtual human resource O is generated based on context estimation logic (for example, the context estimation logic PL3 in FIG. 2 described later) and personalized summary logic (for example, the personalized summary logic PL1 in FIG. 2 described later). You can change the contents of the vocabulary according to the situation and speak. Specifically, for example, if the other party is in the fifth grade of elementary school, the virtual human resource O can convert the content of the utterance so that even a fifth grader in elementary school can understand it and output it. Thereby, mutual understanding with the speaker can be deepened.
  • conventional voice assistants and robots can only output the same content as utterance content to all people. That is, voice assistants and robots do not have diverse personalities, unlike virtual human resources O, and all individuals can only take the same response.
  • the differences between the virtual human resource O and the conventional voice assist and robot are as follows. That is, since the virtual human resource O is generated based on the internal model PM, it is possible to keep the context as a whole while constantly grasping the state independently of the unit of skill. As a result, for example, when the same response is always required for a specific partner, such as a tutor, the continuous state can be maintained, and mutual understanding with the partner can be further deepened.
  • skills are implemented as stateful skills. For example, when applying for membership of a credit card, the conventional voice assistant retains information such as context in the skills related to the membership application procedure, but the information is not retained the next day.
  • skills are implemented by synthesizing interfaces between consecutive intents to create scenarios.
  • the common points between the virtual human resource O and the conventional voice assist and robot are as follows. That is, the virtual human resource O, the conventional voice assistant, and the robot all have in common that tasks are executed based on skills.
  • the differences between the virtual human resource O and the conventional voice assist and robot are as follows. That is, since the virtual human resource O is generated based on the personalized summary logic (for example, the personalized summary logic PL1 in FIG. 2, which will be described later), it accepts task instructions in human-readable messages such as voice, and also receives task instructions from external APIs. At the time of activation, the task instruction and the API can be linked. That is, in the virtual human resource O, a task instruction is first given by a human-readable message, and the API is executed based on the content of the instruction.
  • the personalized summary logic for example, the personalized summary logic PL1 in FIG. 2, which will be described later
  • the differences between the virtual human resource O and the robot are as follows. That is, since the virtual human resource O is generated based on the individuality-specific avatar (for example, the individuality-specific avatar generation logic PL5 in FIG. 2, which will be described later), the virtual human resource O can respond with an appearance that matches the individuality. As a result, mutual understanding with the other party can be further deepened.
  • voice assistants other than conventional robots are only implemented in hardware such as smartphones and home electric appliances and perform operation support by voice, and do not have avatars.
  • conventional robots merely adopt uniform appearances as robots.
  • the degree of understanding when a person understands things is classified into levels, it can generally be divided into the following six stages (0) to (5). That is, the comprehension level can be self-checked as follows: (0) not knowing (zero input), (1) knowing (fragmentary input), (2) readable (whole input, feeling understood) (3) Speakable (subjective output, acceptable even if the quality of the content is poor). Then, as things that require objectivity, there are six stages: (4) to be communicated (objective output, even if it is limited to a certain range), and (5) to be taught (developmental output, including related external knowledge). divided into Taking these six stages as an analogy, the conventional technology can output levels (2) to (3), but cannot "transmit” (4). On the other hand, the virtual human resource O of this service can output levels (4) to (5). Thus, it can be seen that the degree of understanding of the virtual human resource O of this service with respect to the conventional technology is remarkably high.
  • the automation level is as follows: (0) 100% human-based, without a chatbot, and operator response; (1) 90% human-based, options presented by the system (2) 80% human beings capable of replying to fixed speech, and (2) the operator confirming the reply. Then, as the bot is the main subject, (3) 70% is human, the bot responds including a certain amount of notation fluctuation, and the operator responds when the bot cannot interpret, (4) 50% (5) 0% are human, and bots handle all interactions in all genres.
  • the conventional intent-slot type technology is capable of automation at levels (1) to (3), whereas the virtual human resource O of this service is at level (4). Automation is possible.
  • the virtual human resource O can handle all exchanges related to a certain genre by the bot.
  • This service is roughly divided into a function for generating or updating the virtual human resource O and a function of the virtual human resource O itself.
  • the function for generating or updating the virtual human resource O can be exerted at any place in the information processing system to which the present invention is applied. ).
  • the function for generating or updating the virtual human resource O includes an information registration function CF for the dispatch destination, a virtual human resource management function PA for the temporary staffing agency, an information registration function PF for the temporary staffing agency, and a virtual human resource generation function IF. contains.
  • the dispatch destination information registration function CF is a function for receiving registration of dispatch destination information. Specifically, for example, the dispatch destination information registration function CF accepts registration of desired personnel information CI1, usage pattern CI2, personnel recruitment information/manual CI3, and the like. By providing the dispatch destination information registered in this way to the virtual human resource generation function IF, a virtual human resource O that is close to the ideal image of the dispatch destination C is generated.
  • the virtual human resource management function PA for the temporary staffing agency is a function that manages various kinds of information necessary for generating a virtual human resource O.
  • FIG. Specifically, for example, the virtual human resource management function PA for the temporary staffing agency manages each template of the internal model PM, the language resource data PD, and the logic PL required to generate the virtual human resource O.
  • FIG. also, the robot registration function RR included in the virtual personnel management function PA for the temporary staffing agency performs initial setting as to what kind of request to issue for each action based on the interface specification of the actuator of the hardware of the robot.
  • the virtual human resource O can absorb the differences between various robots in the world, and can cooperate with various robots.
  • the external API registration function AR included in the virtual personnel management function PA for the temporary staffing agency performs initial setting and management of executable external APIs according to task instructions.
  • the virtual human resource O can execute tasks using various APIs in the world.
  • the dispatch destination C can easily utilize the external APIs simply by selecting an arbitrary external API.
  • the staffing agency information registration function PF is a function for receiving registration of dispatching agency information. Specifically, for example, the information registration function PF for the temporary staffing agency receives registration of the internal model PM, the language resource data PD, the logic PL, and the like. By providing the dispatch source information registered in this way to the virtual human resource generation function IF, a virtual human resource O meeting the request of the dispatch destination C is generated.
  • the virtual manpower generation function IF generates or updates the virtual manpower O based on the dispatch destination information and the manpower dispatch source information. Specifically, the virtual human resource generation function IF generates or updates the virtual human resource O in consideration of the basic part I1 of the virtual human resource and the dependent element I2 of the dispatch destination/social environment. At this time, the virtual human resource generation function IF uses the virtual human resource O in the form of, for example, a virtual human resource OM that executes tasks in the form of a mail and chatbot, a virtual human resource OC that executes tasks in the form of a telephone, and a virtual human resource OC in the form of a video chat.
  • a virtual human resource OA that performs tasks and a virtual human resource OR that processes tasks in the form of robots can be created or updated.
  • the virtual human resources O is generated or updated. Then, the virtual human resource O generated or updated in this manner is dispatched to the dispatch destination C.
  • the function of the virtual human resource O itself is exerted in an information processing device (including a robot) operated or managed by the dispatch destination C. 2).
  • the functions of the virtual human resource O itself include a task execution environment setting function T1 for the dispatch destination, a task execution function T2 for the dispatch destination, and a virtual human resource training function T3 for the dispatch destination.
  • the dispatch destination-oriented task execution environment setting function T1 accepts registration of information necessary for the virtual human resource O to execute a task at the dispatch destination C.
  • the dispatch destination task execution function T2 is a function used when the virtual human resource O executes a task. Details will be described later with reference to FIG. 10, but when the virtual human resource O executes a task, based on the registered internal model PM, objective interpretation SA, subjective interpretation SB, utterance content review/generation SC, utterance - Each process of the task instruction SD is executed so as to be repeated.
  • the dispatch destination-oriented virtual human resource training function T3 is a function used when training virtual human resource O. Although details will be described later with reference to FIG. 9, the virtual human resource training function T3 for the dispatch destination provides information necessary for making the virtual human resource O additionally learn and the know-how of the virtual human resources O dispatched to the dispatch destination C. Accepts registration of various information necessary for sharing.
  • the virtual human resource O can be transferred to the dispatch destination C can perform tasks and perform additional learning.
  • FIG. 2 is a diagram showing a more detailed description of the service shown in FIG. 3A to 3C are partitioned diagrams of the diagram showing a more detailed description of the service shown in FIG.
  • the dispatch destination information registration function CF receives, as the dispatch destination information, registration of the image of the human resources that the dispatch destination C seeks in order to carry out the work in its own company, and the information necessary for the work instruction and skill transfer to the personnel.
  • conventional real staffing even if the dispatch destination clearly presents the ideal image that the company seeks, It was difficult to obtain human resources close to the ideal image. Therefore, according to this service, by providing the dispatch destination information registered by the dispatch destination C to the virtual human resource generation function IF, a virtual human resource O that is close to the ideal image of the dispatch destination C is generated. As a result, the dispatch destination C can obtain human resources close to the company's ideal image.
  • the dispatch destination information registration function CF specifically accepts the registration of desired personnel information CI1, usage form CI2, personnel recruitment information/manual CI3, and the like.
  • Desired personnel information CI1 is information about personnel that dispatch destination C seeks.
  • the desired personnel information CI1 includes an ideal person image (fictitious person image) CI11 and a real person CI12, and at least one of these pieces of information is provided to the virtual personnel generation function IF.
  • the image of the ideal person at the dispatch destination C is A close virtual human resource O is generated.
  • a virtual human resource O is generated as a virtual human resource O that is similar to the real human resource. In this way, by providing the desired human resource information CI1 to the virtual human resource generation function IF, the virtual human resource O closer to the wishes of the dispatch destination C is generated. The gap between the ideal and reality of human resources will be reduced.
  • the desired personnel information CI1 is provided by the dispatch destination C to the virtual personnel generation function IF, but the provision of the desired personnel information CI1 is not necessarily essential. That is, even if the desired personnel information CI1 is not provided by the dispatch destination C, predetermined desired personnel information CI1 is automatically registered in the virtual personnel generation function IF.
  • the utilization pattern CI2 is information about the form of the virtual human resource O when various tasks are executed at the dispatch destination C.
  • the usage form CI2 includes mail & chatbot CI21, telephone CI22, video chat CI23, and robot CI24 as information on forms, and at least one or more of these information is provided to the virtual human resource generation function IF. be.
  • a virtual human resource OA is generated that executes tasks in the mail & chatbot form.
  • a virtual human resource OC is generated that executes a task in the form of a telephone call.
  • a virtual human resource OA is generated that executes the task in the form of video chat.
  • the virtual human resource OA may be output as an avatar, but this is not necessarily the case.
  • the robot CI24 is selected as the usage form CI2, a virtual human resource OR that executes tasks in the form of a robot is generated.
  • the form of use is restricted, or cross-cutting services such as use in a plurality of forms of use are not provided. That is, for example, there has not existed a service in which the personality of Pepper, which is an example of a robot, is provided to other devices. Therefore, according to this service, which has a high degree of freedom as described above, the virtual human resource O is provided with a cross-sectional service such as use in multiple usage forms, so that various tasks that could not be applied with the conventional technology can be performed. Can be included in the scope of the task. As a result, the dispatch destination C can easily receive the provision of the virtual human resource O that matches the needs of the business and the desired usage form, so that the virtual human resource O can be applied to a wide range of business.
  • the virtual human resource O can execute the task while maintaining the same personality under the environment of all the selected usage modes. , a consistent service provision to the dispatch destination C is realized.
  • virtual human resources OM who execute tasks in the form of mail and chatbots
  • virtual human resources OC who execute tasks in the form of telephones
  • virtual human resources OA who execute tasks in the form of video chats
  • tasks in the form of robots Each of the virtual human resources OR is just an example of a text-only medium, a voice-only medium, a medium that combines voice and video, and a medium that has physicality such as sight and hearing, and can be applied to similar media as appropriate. It shall be possible.
  • the usage form CI2 is provided to the virtual human resource generation function IF, but the provision of the usage form CI2 is not necessarily essential. That is, even if the usage pattern CI2 is not provided by the dispatch destination C, the predetermined usage pattern CI2 is automatically registered in the virtual human resource generation function IF.
  • Recruitment information/manual CI3 is recruitment information that expresses the specific contents of the work of dispatch destination C, and information related to a manual summarizing standardized procedures for the execution of work.
  • Recruitment information/manual CI3 includes company/organization purpose CI31, occupation/work details CI32, and training/development information CI33, and at least one or more of these information is provided to the virtual human resource generation function IF. be done.
  • the recruiting information/manual CI3 is provided to the virtual human resource generation function IF, so that it is possible to generate a virtual human resource O who has a high adaptability rate to the work of the dispatch destination C. . Since the dispatch destination C can easily receive the provision of the virtual human resources O suitable for the business of the dispatch destination C, the dispatch destination C can expect further improvement in work efficiency.
  • the information registration function CF for the dispatch destination efficiently captures document information that exists at the dispatch destination C, such as texts, diagrams, formulas, and various other formats, and performs OCR (Optical Character Recognition). ) or the like.
  • OCR Optical Character Recognition
  • the following description assumes that the recruitment information/manual CI3 is provided to the virtual human resource generation function IF, but the provision of the recruitment information/manual CI3 is not necessarily essential. That is, even if recruitment information/manual CI3 is not provided, a predetermined virtual human resource O is automatically generated.
  • the staffing agency information registration function PF accepts in advance registration of information necessary for generating the virtual human resource O as dispatching agency information.
  • the method of gathering human resource candidates using advertisements etc. is the mainstream, and it is difficult to say that human resources are gathered efficiently. Therefore, according to this service, by providing the dispatch source information to the virtual human resource generation function IF, an arbitrary virtual human resource O that meets the wishes of the dispatch destination C can be generated.
  • predetermined information is automatically registered, so a virtual human resource O of a certain level or higher is generated. become.
  • the information registration function PF for staffing agencies accepts registration of internal model PM, language resource data PD, logic PL, and the like.
  • the internal model PM stores, for example, the psychology/feelings/values internal model PM1, the knowledge/thought internal model PM2, the purpose/goal internal model PM3, etc. in a format in which the meaning is normalized. . Also, based on the co-occurrence, causal relationship, etc. between the internal models that are stored, appropriate mutual changes are implemented between the internal models to ensure overall consistency. That is, for example, by adopting such a psychology/feelings/values internal model PM1 as the internal model PM, a virtual human resource O capable of responding in consideration of human feelings is generated. Further, for example, by adopting the purpose/goal internal model PM3 as the internal model PM, a virtual human resource O suitable for the purpose of the company is generated. By combining and optimizing each of the plurality of internal models PM in this manner, a virtual human resource O capable of taking purposeful actions is generated.
  • the psychology/emotion/values internal model PM1 is modeled after internal information such as psychology/emotions/values is held and the relationship between each of the internal information is organized. .
  • the knowledge/thinking internal model PM2 is a model in which internal intellectual activities and information such as knowledge/thinking are held, and the relationships between the internal intellectual activities and information are organized and modeled. .
  • the knowledge/thinking internal model PM2 is a visualized white box type knowledge model and thinking model. , will have intelligence that can be explained in all aspects, not partial. That is, according to this service, knowledge and thinking are linked, and a virtual human resource O having intelligence with continuity and growth potential that utilizes both recognition and experience is generated. According to such a virtual human resource O who grows intellectually and dynamically, efficient dialogue and action are promoted, so the performance level of the virtual human resource O as a whole and the quality of collaboration with the surroundings will improve.
  • Objectives/goals internal model PM3 holds objectives/goals such as KGIs and KPIs for individuals and organizational units, and is modeled after organizing the relationships between KGIs and KPIs for individuals and organizational units. It is.
  • Prior art voice assistants and robots are often optimized for specific tasks only, not for multi-layered objectives with hierarchical relationships, such as company KGI and KPIs. .
  • this service by modeling and managing the relationship between the purpose and goal of the dispatch destination C and the virtual human resource O, purposeful dialogue and behavior of the virtual human resource O are promoted. As a result, it is possible to improve the performance level of the entire work of the dispatch destination C.
  • virtual human resource O takes in the KPI tree of dispatch destination C, goal-oriented behavior by virtual human resource O is realized.
  • the language resource data PD is the curriculum data PDC, PSF data PDP, etc. held in a format in which the meaning is normalized.
  • the curriculum data PDC is the data of the content to be learned, in which the information necessary for the training of the virtual human resource O is ordered and the priority has been evaluated. Specifically, for example, files in formats such as moving images, still images, texts, etc., and files in which input information from various sensors such as visual and auditory sensors are dropped are assumed.
  • the virtual human resource O since the document information existing at the dispatch destination C can be easily obtained by technology such as OCR, the virtual human resource O can easily learn based on books, business documents, academic papers, etc. will be able to
  • the virtual human resource O applies a format in which the meaning is normalized (such as N4, AMR) by stepping into knowledge and wisdom among data, information, knowledge, and wisdom. So, after grasping the value of knowledge and wisdom, you can make use of it in your own learning. As a result, the virtual human resource O can achieve a higher learning effect. In this way, by enhancing the strategic nature of the curriculum data PDC, the virtual human resource O's learning efficiency increases, and as a result, the virtual human resource O's ability to perform tasks can be enhanced.
  • the PSF data PDP is a machine-readable semantic database in a simple form such as a key-value format with a high resolution of semantic expression. That is, the PSF data PDP is a collection of knowledge including so-called case frames, ontology information, and the like. In the virtual human resource O of this service, the PSF data PDP is positioned as external knowledge, and the case of "concentration & existing type" prepared in advance like a dictionary, and the intelligence that generates the PSD data PDP from scratch. A case of “distribution & dynamic generation type” positioned as a standard is adopted. That is, there are cases in which a semantic database is prepared in advance and referenced externally, and there are cases in which the semantic database is positioned as intelligence itself.
  • the recognition logic uses the most effective algorithm that can be used according to the number of samples when forming the PSF data PDP.
  • the "distribution & dynamic generation type” case is prepared step by step from scratch, just like raising an infant.
  • the "unipolar concentration & existing type" PSF data is similar to case frame information and ontology information, but most of it is static and does not have dynamic updateability, and the internal information itself is Since it is written directly in natural language, machine readability is not necessarily high.
  • the "distributed & dynamically generated type” PSF data in the prior art has a strong aspect of the conventional cognitive linguistics approach, and there are almost no examples of successfully generating a knowledge database with such an approach.
  • the existence of PSF data PDP or the ability to create PSF data PDP increases the resolution of semantic expression and reduces the lack of meaning in the process of interpreting natural language. be able to.
  • the virtual human resource O can make an accurate judgment of the situation. As a result, efficient dialogue and action of the virtual human resource O are promoted, and the performance level of the entire work and the quality of collaboration with surroundings are improved.
  • the PSF data PDP has a high resolution of semantic expression, and the abstract relationship of semantics is arranged internally. It is a database that summarizes the knowledge and the relationship between knowledge with high Further details of the PSF data PDP will be described later.
  • a context is a summary of peripheral information for a recognition target as data expressed in a "meaning-normalized format" or a format convertible to it. will be described later.
  • the logic PL includes core functions for forming the virtual human resource O in units of algorithms with the word logic at the end of the word. That is, the logic PL includes personalization summary logic PL1, recognition formation logic PL2, context estimation logic PL3, Ifthen rule logic PL4, individuality avatar generation logic PL5, privacy preserving data mining logic PL6, and the like.
  • the various logics described above are customized according to the information about the personality of the virtual human resource O, and the utilization level increases according to the dynamic growth of the PSF data PDP.
  • Logic PL is converted into data as strategy patterns, and can be easily replaced, rearranged, and freely selected. Furthermore, the logic PL itself can be easily added, and grows by daily refinement as the virtual human resource O is generated.
  • the personalized summary logic PL1 is, as described above, logic used when the virtual human resource O understands things and converses with the other party. By using this personalized summarization logic PL1, the virtual human resource O will be able to concisely paraphrase sentences in accordance with the available vocabulary. It should be noted that when such processing by the personalized summary logic PL1 is realized, data with a high resolution of semantic expression such as the PSF data PDP and internally arranged semantic abstract relationships are also required. becomes.
  • the virtual human resource O can predict the available vocabulary of the other party and express the information he or she wants to convey in a way that the other party can understand. , the smoothness of the conversation will be dramatically improved.
  • the recognition formation logic PL2 determines how the virtual human resource O recognizes things from his/her own experience and knowledge by combining cognitive bias and statistical processing. Details of the recognition formation logic PL2 will be described later with reference to FIG. Incidentally, when such a recognition formation logic PL2 is applied to the virtual human resource O, a unique linking is performed according to the personality IBP, which will be described later. Knowledge of cognitive linguistics may be fully incorporated into the recognition formation logic PL2.
  • the recognition formation logic PL2 in this service can be used regardless of whether the amount of data is large or small.
  • the recognition formation logic PL2 incorporates a process of dynamically becoming smarter based on data, it also has the advantage of being easily applied industrially.
  • the virtual human resource O can accumulate experience in the field, so he gradually increases the number of samples and grows to be able to make correct statistical judgments. Since the reusability of knowledge is enhanced in such a virtual human resource O, there is an effect of improving efficiency, especially when it is required to deal with an unknown field. Details of the dynamically smartening process are also described in FIG. In this way, since the virtual human resource O can expand his/her knowledge without difficulty, efficient dialogue and behavior at the dispatch destination C are promoted, and the overall work execution level can be improved. In addition, the virtual human resource O can improve the quality of collaboration with surroundings.
  • the context estimation logic PL3 estimates the context for all the information related to the virtual human resource O performing his/her work. That is, the context estimation logic PL3 thoroughly estimates and verifies the context for all information handled by the virtual human resource O, centering on the PSF data PDP.
  • the Ifthen rule logic PL4 is logic that serves as a basis for judging what kind of utterances or actions virtual human resources O will make in each work scene. Specifically, the Ifthen rule logic PL4 takes the form of [If condition then action to be performed], and is a set of rules that perform an action when the condition is met. At this time, since the context often enters the "condition" part of [If condition then action to be performed], the quality of context recognition determines the quality of Ifthen. Also, when the Ifthen rule logic PL4 is applied to the virtual human resource O, individual ties are made according to personality IBP, which will be described later, and appropriate prioritization is carried out. Therefore, even if the same set of Ifthen rule logic PL4 is applied to a plurality of virtual personnel O, if the application order of each rule is different, the actions of the plurality of virtual personnel O will be different.
  • Conventional technology also implements a mechanism that recognizes the situation and executes appropriate processing. is aggregated to the accuracy of That is, in this service, since the accuracy of context recognition and estimation is improved, the suitability of the action selected by the virtual human resource O in each scene is improved as compared with the conventional technology. That is, since the virtual human resource O can respond appropriately in various situations of task execution, efficient dialogue and behavior at the dispatch destination C are promoted, and as a result, the dispatch destination C as a whole You will be able to improve the performance level of your work. Also, it is possible to improve the quality of collaboration between the virtual human resource O and the surroundings.
  • the individuality-specific avatar generation logic PL5 generates the specific appearance, voice, etc. of virtual human resource O as an avatar. That is, the individual avatar generation logic PL5 generates avatars.
  • the individuality avatar generation logic PL5 can generate an avatar that matches the individuality, and for example, can be easily designated from the outside, so that the avatar can be generated by fixedly designating an animation character or the like. can.
  • the privacy protection data mining logic PL6 protects the privacy of the virtual human resources O, thereby preserving corporate secrets, while allowing the virtual human resources O to share know-how with each other. In addition, it is defined as privacy-preserving data mining logic PL6, including the anonymization technology required for privacy protection. Since the information provided by the dispatch destination C when the virtual human resource O is generated includes highly confidential information, it is necessary to protect it. On the other hand, however, it is also necessary for a plurality of virtual human resources O dispatched to the same dispatch destination C to share know-how and further improve their ability to perform their duties. That is, according to this service, it is possible to promote the formation of organizational knowledge in the entire business while protecting the confidential information of the dispatch destination C.
  • the virtual manpower generating function IF generates or updates the virtual manpower O based on the dispatch destination information and the manpower dispatching agency information.
  • management of information about candidates for human resources is very complicated, and the hiring process including interviews takes time and costs.
  • the flow of generating a learning model based on data is the mainstream, and there is no concept of dispatching, for example, a voice assistant or a robot in the conventional technology.
  • dispatching for example, a voice assistant or a robot in the conventional technology.
  • the idea of generating a virtual human resource O by combining information provided by the dispatch destination C and the temporary staffing agency P did not exist. According to this service, a virtual human resource O that meets the needs of the dispatch destination C is generated and dispatched.
  • the virtual human resource generation function IF can generate a virtual human resource O more suited to the needs of the dispatch destination C as the amount of dispatch destination information provided is increased. However, the virtual human resource generation function IF automatically generates a virtual human resource O based on predetermined conditions. That is, the virtual human resource generation function IF can generate a virtual human resource O that matches the dispatch destination information conditions as much as possible according to the setting conditions including whether information is provided or not.
  • the virtual human resource generation function IF considers the basic part I1 of the virtual human resource, which is the part that creates the so-called human resource, and the dispatch destination/social environment dependent element I2 that depends on the information on the dispatch destination and the social environment.
  • the basic part I1 of the virtual human resource includes the personality IBP, the knowledge/experience IBI, and the thinking IBC as the mental aspects of the virtual human resource O, and the physicality IBB as the physical aspect of the virtual human resource O.
  • the personality IBP provides the virtual human resource O with a function that allows the virtual human resource O to behave like a human resource having a personality including temperament and character.
  • Personality IBP includes temperament IBP1 and character IBP2.
  • the temperament IBP1 gives the virtual person O the ability to behave like a person who has mental tendencies that the person is born with.
  • mental models for setting the mental tendencies of human resources such as methods that focus on the tendencies of actions of dopamine, serotonin, testosterone, estrogen, etc., which are substances that are physiologically secreted in the brain. It is managed comprehensively by performing ensemble processing while incorporating the model of In this way, since the mental tendencies of human resources are linked to the tendencies of the actions of the above-mentioned brain substances, if the dispatch destination C requests virtual human resources O with what kind of mental tendencies, But it can be dealt with.
  • the virtual human resource O in this service contributes to society by expressing his heart. That is, by managing the function that enables the behavior of a person having the temperament of the virtual human resource O in the temperament IBP1, the virtual human resource O can express the individuality in the following points, for example. . Specifically, exploratory behavior, excitement, seeking experiences and adventures, resistance to boredom, lack of inhibition, enthusiasm, lack of self-reflection, increased energy and motivation, physical and intellectual exploration, and cognitive flexibility.
  • Personality IBP2 gives virtual human resource O the ability to behave like a human being who possesses mental and behavioral characteristics acquired through experience and knowledge, while being influenced by innate temperament.
  • mental models such as the five axes of cooperativeness, extroversion, openness, conscientiousness, and neuroticism. Individuality is expressed by performing ensemble processing while incorporating.
  • the personality IBP is generated mainly based on the desired personnel information CI1 provided by the dispatch destination C, but is not particularly limited to this. Even if the desired personnel information CI1 is not provided from the dispatch destination C, a personality may be generated based on preset information. As a result, for example, even if the dispatch destination C cannot clearly set the conditions regarding the mental tendency and character of the desired human resource, it is possible to behave like a human resource who has a certain level of mental tendency and character. A virtual human resource O having will be generated.
  • the knowledge/experience IBI information on the knowledge/experience of the virtual human resource O is generated.
  • the knowledge/experience IBI includes learning history/knowledge IBI1 and skill/experience IBI2.
  • the learning history/knowledge IBI1 provides the virtual human resource O with information describing learning history and knowledge.
  • the learning history/knowledge IBI1 generates a virtual human resource O having information describing appropriate learning history and knowledge based on the desired human resource information CI1, the curriculum data PDC, and the PSF data PDP.
  • the skill/experience IBI2 provides the virtual human resource O with information on skills and experience.
  • the skills/experience IBI2 generates a virtual human resource O having appropriate skills and experience information based on the desired human resource information CI1, recruitment information/manual CI3, curriculum data PDC, PSF data PDP, and the like.
  • the skill/experience IBI2 adjusts information on skills and experience.
  • a virtual human resource O having work skills and experience similar to those sought by the dispatch destination C can be easily generated.
  • efficient dialogue and action of the virtual human resource O are promoted, so that the overall work execution level rises, and the quality of collaboration between the virtual human resource O and the surroundings also improves.
  • the knowledge/experience IBI mainly expands and strengthens the level of skills and experience from time to time through daily refinement, but is not limited to this.
  • the skill and experience level of the virtual human resource O may be changed according to the service plan selected by the dispatch destination C and the like.
  • the thinking IBC gives the virtual human resource O functions related to thinking.
  • the thinking IBC includes thinking/reasoning pattern IBC1 and reading comprehension/expressive ability IBC2.
  • the thinking/inference pattern IBC1 gives the virtual human resource O a thought/inference pattern. That is, the thinking/inference pattern IBC1 generates the thinking/inference pattern of the virtual human resource O based on the recognition formation logic PL2, the Ifthen rule logic PL4, and the like.
  • the thinking/inference pattern IBC1 may be adjusted so that the individuality of the thinking/inference pattern can be expressed based on the information summarized in the temperament IBP1 and personality IBP2.
  • the reading comprehension/expressive ability IBC2 gives the virtual human resource O a function that enables the behavior of a human resource having reading comprehension and expressive power.
  • the reading comprehension/expressive ability IBC2 is roughly divided into a function that enables the behavior of a person with reading comprehension and a function that permits the behavior of a person with expressive ability.
  • the ability to act like a literate person produces the literate ability of the virtual talent O based on the personalization summary logic PL1 and the context estimation logic PL3.
  • the function capable of acting like an expressive human resource generates the expressible function of the virtual human resource O based on the personalization summary logic PL1, the context estimation logic PL3, and the Ifthen rule logic PL4.
  • reading comprehension is based on the information summarized by the two functions of temperament IBP1 and personality IBP2. , and is adjusted so that individuality of expressiveness can be felt.
  • the physicality IBB gives the virtual human resource O physicality.
  • Physical IBB includes hardware form/performance IBB1 and appearance (avatar) IBB2.
  • the hardware form/performance IBB1 is roughly divided into a function that generates the form of the hardware and a function that generates the performance of the hardware.
  • the function that generates the hardware form prepares an interface for connection based on the usage form CI2. Specifically, for example, the function that generates the form of the hardware, through the interface for the connection that is generated, a specific email address in the case of email, a specific account in the case of chatbots, a specific number in the case of phone , or a specific number + contact name, a specific account for video chat, or an access point for a robot to connect to in the interface.
  • the connection interface for the virtual human resource O is generated by such a function
  • the dispatch destination C sets specific access information for each virtual human resource O in the task execution environment setting function T1 for the dispatch source.
  • the function to generate the hardware performance is based on the registered usage pattern CI2, based on the specification information such as the performance and capacity of the hardware on which each usage pattern operates, and based on the virtual human resources corresponding to each operating environment. produces O.
  • the hardware referred to here is, for example, the part that governs human long-term memory, short-term memory, working memory, transmission between brain nerve cells, and thinking. corresponds to
  • the appearance generation function IBB2 gives the virtual human resource O an appearance (avatar).
  • Appearance generation function IBB2 is a logic for generating individual avatars based on information summarized by the two functions of temperament IBP1 and personality IBP2 in a case where an avatar-requiring form of use, such as video chat, is selected. Generate an avatar by applying PL5. Specifically, for example, there are a pattern of automatically generating the appearance of a fictitious person according to personality, age, etc., a pattern of copying the appearance of an existing person, and a pattern of copying an existing character.
  • the physical IBB is generated mainly based on the form of use CI2 provided by the dispatch destination C, it is not particularly limited to this. Even if the usage form CI2 is not provided by the dispatch destination C, a predetermined level of physicality may be generated based on preset information. As a result, for example, even if the dispatch destination C cannot clearly set the conditions for the mental tendency and character of the desired human resource, a virtual human resource O having a certain level of mental tendency and character is generated. become.
  • the virtual human resource O in this service contributes to society by expressing his heart through an avatar. That is, by providing an avatar in this service, the mental side of the virtual human resource O can be easily conveyed to the other party of the conversation, and smooth communication can be realized.
  • the dependent element I2 of the dispatch destination/social environment includes the workplace environment/required skills IEW and the social environment/culture IBS as environmental aspects of the virtual human resource O.
  • the work environment/required skills IEW provides the virtual human resource O with information on the work environment of the dispatch destination C and the skills required by the dispatch destination C.
  • FIG. The work environment/required skills IEW includes an objective/goal IEW1 and a training curriculum IEW2.
  • the purpose/goal IEW1 integrates the internal knowledge/thinking model PM2 and the internal purpose/goal model PM3 to obtain the dispatch destination C's MVV (Mission, Vision Values), KGI (Key Goal Indicator), , KPI (Key Performance Indicator), etc.
  • MVV Mobility, Vision Values
  • KGI Key Goal Indicator
  • KPI Key Performance Indicator
  • the training curriculum IEW2 is centered on the recruitment information/manual CI3, and integrates the curriculum data PDC provided by the temporary staffing agency P so that the content to be learned by the virtual human resource O is centered on the work of the dispatch destination C. integrated in the form of
  • the work environment/required skills IEW is generated mainly based on the recruitment information/manual CI3 provided by the dispatch destination C, but is not particularly limited to this. Even if recruitment information/manual CI3 is not provided by dispatch destination C, virtual human resources O may be generated based on preset information. As a result, for example, even if the dispatch destination C cannot clearly set conditions for the workplace environment and required skills, a virtual human resource O having a certain or more mental tendency and character is generated.
  • the social environment/culture IBS provides the virtual human resource O with information on the social environment and culture.
  • Social Environment/Culture IBS includes Language/Common Knowledge IBS1 and Common Values/Culture IBS2.
  • the language/common knowledge IBS1 utilizes the curriculum data PDC provided by the temporary staffing agency P to provide the language/common knowledge that the virtual human resource O should have from the mental aspect of the virtual human resource O and the dispatch destination C Integrate mainly with the knowledge/thinking internal model PM2 in a form optimized for the business.
  • Common values/culture IBS2 utilizes curriculum data PDC provided by temporary staffing agency P to share common values/culture that virtual human resource O should have from the mental aspect of virtual human resource O and the dispatch destination.
  • curriculum data PDC provided by temporary staffing agency P to share common values/culture that virtual human resource O should have from the mental aspect of virtual human resource O and the dispatch destination.
  • the psychology, emotions, and sense of values internal model PM1 is centrally integrated.
  • FIG. 4 is a table for explaining the target business to which the virtual human resources of this service of FIG. 1 are applied.
  • 5A and 5B are division diagrams of a table for explaining the target business to which the virtual human resources of this service shown in FIG. 4 are applied.
  • a virtual human resource OM who can perform tasks in the form of mail and chatbot
  • a virtual human resource OC who can perform tasks in the form of a telephone
  • a virtual human resource OA who can perform tasks in the form of video chat
  • ⁇ indicates applicable target work for each usage form of virtual human resources OR who can perform duties in
  • ⁇ indicates more suitable target work among them. That is, for example, a virtual human resource OM that performs duties in the form of an email and chatbot is particularly suitable for consulting as a job of saving people, sales as a job of selling goods, and after-sales follow-up.
  • a virtual human resource OC who can perform duties in the form of a telephone is particularly suitable for consulting as a job to save people, and after-sales follow-up as a job to sell goods.
  • virtual human resources OA who can perform their duties in the form of video chat, are recruiting and introduction as work to find people, consultation as work to save people, education as work to develop people, procurement, purchase, and purchase as work to obtain things.
  • As a business that sells things it is particularly suitable for sales, sales, advertising / publicity, after-sales follow-up, etc.
  • the virtual human resources OR who can perform their duties in the form of robots actually have a physical body, they are capable of providing nursing care as work to save people, bodyguards as work to protect people, and childcare, education, and material work as work to nurture people. It is particularly suitable for business that makes sense to exist, such as selling as a business that sells.
  • FIG. 6 is a diagram showing an example of a configuration according to an embodiment of an information processing system to which the service of FIG. 1 is applied, that is, an information processing system of the present invention.
  • the information processing system shown in FIG. 6 is configured such that the server 1, dispatch destination terminal 2, and dispatch source terminal 3 communicate with each other via a predetermined network N such as the Internet.
  • the server 1 is managed by a service provider (not shown) of this service.
  • the dispatch destination terminal 2 is operated by the dispatch destination C and provides dispatch destination information to the server 1 .
  • the dispatch source terminal 3 is operated by the staff dispatch source P and provides dispatch source information to the server 1 .
  • FIG. 7 is a block diagram showing a hardware configuration of a server in the information processing system of FIG. 6.
  • FIG. 7 is a block diagram showing a hardware configuration of a server in the information processing system of FIG. 6.
  • the server 1 includes a CPU (Central Processing Unit) 11, a ROM (Read Only Memory) 12, a RAM (Random Access Memory) 13, a bus 14, an input/output interface 15, an input section 16, and an output section 17. , a storage unit 18 , a communication unit 19 and a drive 20 .
  • CPU Central Processing Unit
  • ROM Read Only Memory
  • RAM Random Access Memory
  • the CPU 11 executes various processes according to programs recorded in the ROM 12 or programs loaded from the storage unit 18 to the RAM 13 .
  • the RAM 13 also stores data necessary for the CPU 11 to execute various processes.
  • the CPU 11, ROM 12 and RAM 13 are interconnected via a bus 14.
  • An input/output interface 15 is also connected to this bus 14 .
  • An input unit 16 , an output unit 17 , a storage unit 18 , a communication unit 19 and a drive 20 are connected to the input/output interface 15 .
  • the input unit 16 is configured by, for example, a keyboard or the like, and various information is input.
  • the output unit 17 includes a display such as a liquid crystal display, a speaker, and the like.
  • the storage unit 18 is composed of a DRAM (Dynamic Random Access Memory) or the like, and stores various data.
  • the communication unit 19 communicates with other devices via a network N including the Internet.
  • a removable medium 21 such as a magnetic disk, an optical disk, a magneto-optical disk, or a semiconductor memory is mounted in the drive 20 as appropriate.
  • a program read from the removable medium 21 by the drive 20 is installed in the storage unit 18 as necessary.
  • the removable medium 21 can also store various data stored in the storage unit 18 in the same manner as the storage unit 18 .
  • the dispatch destination terminal 2 and the dispatch source terminal 3 of the information processing system in FIG. 6 basically have the same hardware configuration as that shown in FIG. Their description is omitted.
  • virtual human resource generation update processing Processing for generating or updating the virtual human resource O (hereinafter referred to as “virtual human resource generation update processing”) through cooperation between various hardware such as the server 1 and various software, and processing by the virtual human resource O Processing (hereinafter referred to as “staffing processing”) can be executed.
  • the virtual human resource generation and update processing refers to a series of processes from receiving registration of dispatch destination information and dispatch source information to generating virtual human resource O in the server 1 and updating it.
  • the staff dispatching process refers to a series of processes in which the virtual human resource O performs environment settings necessary for executing the task at the dispatch destination C, executes the task, and undergoes training such as additional learning.
  • the server 1 has a functional configuration as shown in FIG. 8 in executing the virtual human resource generation update process. Therefore, the functional configuration for executing the virtual human resource generation update process executed in the server 1 etc. according to the present embodiment will be described below with reference to FIG. 8 .
  • FIG. 8 is a diagram showing an example of the functional configuration of the server of the information processing system of FIG. 7, which functions during the virtual human resource generation and update process.
  • a virtual human resource DB 61 is provided in one area of the storage unit 18 of the server 1 shown in FIG.
  • the virtual human resource DB 61 stores various types of information regarding the virtual human resource O itself.
  • the CPU 11 of the server 1 has a dispatch destination information acquisition unit 51, a human resource dispatch source information acquisition unit 52, a virtual human resource generation and update unit 53, and a virtual human resource dispatch unit 54. works.
  • the dispatch destination information acquisition unit 51 is composed of a desired personnel information acquisition unit 511 , a utilization pattern information acquisition unit 512 , and a recruitment information/manual information acquisition unit 513 .
  • the desired personnel information acquisition unit 511 acquires information (for example, the ideal person image CI11 in FIG. 1, the real person CI12, etc.) regarding the personnel sought by the dispatch destination C from the dispatch destination information.
  • the usage pattern information acquisition unit 512 acquires information about the form of the virtual human resource O when executing various tasks at the dispatch destination C (for example, the mail & chatbot CI 21, the telephone CI 22, the video chat CI 23 in FIG. 1, among the dispatch destination information). , robot CI 24).
  • Recruitment information/manual information acquisition unit 513 obtains, from among the dispatch destination information, recruitment information that expresses the specific contents of the work of dispatch destination C, and information related to a manual summarizing standardized procedures for executing work. (For example, the purpose CI 31 of the company/organization, job type/job details CI 32, and training/development information CI 33 in FIG. 1) are acquired.
  • the staffing agency information acquisition unit 52 is composed of a model acquisition unit 521 , a data acquisition unit 522 and a logic acquisition unit 523 .
  • the model acquisition unit 521 holds internal information such as psychology, emotions, and sense of values that are usually invisible among the dispatcher information, and modeled after sorting out the relationships of the information. , internal intellectual activities such as knowledge and thoughts that are normally invisible, information that is organized and modeled after the relationship of the information is organized, and KGI and KPI for individuals and organizational units Objectives/goals and their internal relationships are arranged and modeled (for example, the internal model PM in FIG. 1) is acquired.
  • the data acquisition unit 522 obtains, among dispatch source information, information necessary for nurturing virtual human resources O that is ordered and priority-evaluated to learn content data, high-resolution semantic expression, and machine-readable semantic data.
  • a database (for example, language resource data PD in FIG. 1) is acquired.
  • the logic acquisition unit 523 acquires the logic used when the virtual human resource O understands things, talks with the other party, and how things are recognized from his/her own experience and knowledge, among the dispatch source information. , the logic for estimating the context for all the information related to the virtual human resource O performing the work, and what kind of utterances or actions the virtual human resource O performs for each work scene.
  • Logic that serves as a basis for judging whether to do something, logic that generates the specific appearance and voice of virtual human resources O, management of corporate secrets of dispatch destination C, and mutual sharing of know-how between virtual human resources Logic and the like (specifically, various logic PLs in FIG. 1, for example) are acquired.
  • the virtual human resource generation/update unit 53 generates or updates the virtual human resource O based on the acquired dispatch destination information and dispatch source information. Then, the virtual human resource generation/update unit 53 stores the information about the generated or updated virtual human resource O in the virtual human resource DB 61 .
  • the virtual personnel dispatching unit 54 executes processing for dispatching the generated or updated virtual personnel O to the dispatch destination C.
  • the staffing agency information acquisition unit 52 obtains When data including at least the personalized summary logic PL1 is acquired as the dispatcher information, the virtual human resource generation/update unit 53 generates the virtual human resource O using the acquired dispatcher information. That is, the virtual human resource generating/updating unit 53 uses the personalized summary logic to generate the virtual human resource O capable of paraphrasing according to the other party's situation (level of understanding, available vocabulary, etc.). As a result, a virtual human resource O capable of realizing communication with a high degree of mutual understanding with the partner at the dispatch destination C is generated.
  • personalized summary logic refers to an information system that can rephrase the content according to the other party.
  • the personalization summary logic will be described in more detail below, using "eat” as an example.
  • the act of "eating" is divided into three elements that make up the meaning (hereafter, these elements are called "key values") according to the state change of the "subject" and "object”. do.
  • the act of ⁇ eating'' is defined as (1) the ⁇ subject'' moves the ⁇ object'' into the mouth, and 2) the ⁇ subject'' puts the ⁇ object'' into the mouth.
  • the staffing agency information acquisition unit 52 acquires, as dispatching agency information, data expressed in a "meaning-normalized format" or a format convertible thereto from among the information provided by the staffing agency P. .
  • the virtual human resource generation/update unit 53 generates a virtual human resource O using the acquired dispatch source information.
  • meaning normalized format refers to a highly machine-readable expression form of meaning, including natural language and programming language, in which if the meaning is the same, it will be in the same form. Specifically, there are AMR and N4. Details of N4 will be described later with reference to FIG.
  • the virtual human resource generating/updating unit 53 uses the data expressed in the "meaning normalized format” or a format convertible to it to create virtual human resources capable of exchanging based on "visualized” intelligence. produces O. As a result, a virtual human resource O capable of realizing communication with a high degree of mutual understanding with the partner at the dispatch destination C is generated.
  • the staffing agency information acquisition unit 52 uses data expressed in a "meaning-normalized format” or a format convertible to the "meaning-normalized format” out of the information provided by the staffing agency P, and performs personalized summarization logic. Acquire at least the included data as dispatch source information.
  • the virtual human resource generation/update unit 53 generates a virtual human resource O using the acquired dispatch source information. As a result, a virtual human resource O is generated that is capable of paraphrasing according to the other person's situation (level of understanding, available vocabulary, etc.) and that is capable of exchanging information based on "visualized” intelligence. As a result, communication with a higher degree of mutual understanding is realized between the virtual human resource O and the other party.
  • the generated virtual human resource O can exchange information with a high-resolution semantic expression.
  • the level of understanding when understanding the words of the other party, if the level of understanding is low, the resolution can be further increased and the level of understanding can be raised by rephrasing into words that can be analyzed by oneself.
  • the words when outputting words to the other party, the words can be selected according to the other party. As a result, the level of two-way communication can be improved, and mutual understanding with the other party can be deepened.
  • the virtual human resource O uses the psychology/feelings/values internal model PM1 and the knowledge/thoughts internal model PM2 to constantly estimate the psychology/feelings/values and knowledge/thoughts of the conversation partner and can decide to act in a way that changes for the better. Furthermore, it is possible to estimate one's own psychology, feelings, values, knowledge, and thoughts in the same way, and to decide actions in such a way that the estimation results change in a positive direction, as a result, mutual understanding with the other party. can be deeper.
  • each of the plurality of internal models includes a first viewpoint regarding human internal information including psychology, emotions, and values, and a second viewpoint regarding human internal intellectual activities and information including knowledge and thinking. Generated based on one or more of the following two perspectives, objectives including KGI and KPI that are units of the human individual or the organization to which the human belongs, or the third perspective regarding the goal and its internal relationship .
  • the plurality of internal models hold human internal information including psychology, emotions, and sense of values as models generated based on the first viewpoint, and the relationships of the information are organized. It includes a first model (e.g. psycho-emotional-values internal model PM1) modeled in a "meaning normalized format” or a format convertible thereto.
  • a first model e.g. psycho-emotional-values internal model PM1
  • the plurality of internal models hold human internal intellectual activities and information including knowledge and thinking as models generated based on the second viewpoint, and the relationship between the intellectual activities and the information. is arranged to include a second model (for example, knowledge/thought internal model PM2) modeled in a "meaning normalized format” or a format convertible thereto.
  • the plurality of internal models are models generated based on the third viewpoint, including purposes or goals including KGI and KPI in units of human individuals and organizations to which the human belongs, and their internal relationships is arranged to include a third model (eg, the objective/goal internal model PM3) modeled in a "semantic normalized format" or a format convertible thereto.
  • a third model eg, the objective/goal internal model PM3 modeled in a "semantic normalized format" or a format convertible thereto.
  • the virtual human resource generation/update unit 53 generates the virtual human resource O based on the internal models of the first to third viewpoints.
  • a virtual human resource O capable of setting a wide range of objectives can be generated by estimating not only emotions but also the other person's sense of values, objectives/goals of the organization to which the person belongs, and knowledge/thought patterns.
  • a virtual human resource O capable of responding with continuity and stability is generated.
  • the PDCA cycle which will be described later, can be efficiently executed.
  • virtual human resources O who can clarify and deepen their goals through mutual understanding. It is possible to generate a virtual human resource O that can be transformed.
  • a virtual human resource O it is possible to generate a virtual human resource O as follows. That is, the virtual human resource O can autonomously recognize the purpose by talking about information useful for mutual understanding, and can obtain what information should be collected in order to achieve the purpose.
  • the virtual human resource O can collect information useful for mutual understanding through communication, and use this information to perform actions to achieve the purpose.
  • Virtual human resource O checks whether or not the purpose has been achieved by this action, and if the purpose has not been achieved, collects what information is necessary for analysis of the result, and provides information useful for mutual understanding. Can be collected through communication.
  • the virtual human resource O can use the collected information to perform further actions to achieve the purpose, and repeat these actions to achieve the purpose.
  • FIG. 9 is a diagram showing an example of the functional configuration of the server of the information processing system of FIG. 7 that functions during the staffing process.
  • the environment setting unit 81, the training unit 82, and the task execution unit 83 function in the virtual personnel O in the storage unit 18.
  • the environment setting unit 81 receives environment settings necessary for the virtual human resource O to execute the task at the dispatch destination C.
  • registration of an API registration of a crowdsourcing-type site that can process tasks, registration of ordering candidate vendors that can process tasks, and registration of specialized staff; Register the message to be generated and the link information of the action to be started at that time.
  • the training unit 82 accepts registration of information necessary for allowing the virtual human resources O to additionally learn, and registration of various information necessary for sharing know-how between the virtual human resources O dispatched to the dispatch destination C.
  • the training unit 82 is composed of a knowledge category-based training unit 821 and an inter-personnel information sharing unit 822 .
  • the knowledge-category-based training unit 821 performs additional learning for increasing the understanding level of the virtual human resource O for each knowledge category based on the intelligence of the virtual human resource O visualized through the internal model PM.
  • the virtual human resource O can be additionally trained. As a result, the function of the virtual human resource O can be improved.
  • the inter-personnel information sharing unit 822 controls sharing of know-how between the virtual human resources O dispatched to the dispatch destination C.
  • the inter-personnel information sharing unit 822 can control whether or not to share know-how and knowledge between the virtual human resources O in consideration of privacy issues and securing diversity of human resources working on the work.
  • the task execution unit 83 controls execution of tasks of the virtual human resource O.
  • FIG. The task execution unit 83 is composed of an objective interpretation unit 831 , a subjective interpretation unit 832 , an utterance content review/generation unit 833 , and an utterance/task instruction unit 834 .
  • a detailed description of the function of each block of the task execution unit 83 will be given in the description relating to FIG.
  • FIG. 10 is a diagram for explaining an overview of tasks executed by the virtual human resources of the present service in FIG.
  • FIGS. 11A and 11C are division diagrams for explaining the overview of the tasks executed by the virtual personnel of the present service shown in FIG. 10.
  • FIG. 10 is a diagram for explaining an overview of tasks executed by the virtual human resources of the present service in FIG.
  • FIGS. 11A and 11C are division diagrams for explaining the overview of the tasks executed by the virtual personnel of the present service shown in FIG. 10.
  • FIG. 10 is a diagram for explaining an overview of tasks executed by the virtual human resources of the present service in FIG.
  • FIGS. 11A and 11C are division diagrams for explaining the overview of the tasks executed by the virtual personnel of the present service shown in FIG. 10.
  • FIG. 10 is a diagram for explaining an overview of tasks executed by the virtual human resources of the present service in FIG.
  • FIGS. 11A and 11C are division diagrams for explaining the overview of the tasks executed by the virtual personnel of the present service shown in FIG. 10.
  • Execution of the task of the virtual human resource O in the task execution unit 83 is achieved by repeatedly executing a PDCA cycle (Plan-Do-Check-Action cycle) as shown in FIG. That is, in the execution of the task of the virtual human resource O, first, information useful for mutual understanding between the other party and the virtual human resource O is acquired through conversation between the two, so that the purpose is autonomously recognized and the purpose is realized. Information such as what information is necessary to achieve is obtained (Plan). Such information is collected through communication, and actions are taken to achieve the purpose (Do). Then, as a result of checking whether the purpose was achieved by such actions (Check), if the purpose was not achieved, the information necessary for analyzing the result is acquired through communication, and the purpose is achieved An operation to do so is further performed (Action).
  • a PDCA cycle Plan-Do-Check-Action cycle
  • the purpose is autonomously recognized.
  • the purpose that is autonomously recognized is based on the psychology/emotion/values internal model PM1, the knowledge/thinking internal model PM2, and the purpose/goal internal model PM3, as shown in (1) to (5) below. It is set in multiple layers.
  • Virtual human resource O recognizes actions in line with the speaker's intentions as goals based on the internal knowledge/thinking model PM2. That is, the virtual human resource O constantly estimates the knowledge and thoughts of the other party and himself, and by acquiring the estimated information, the virtual human resource O can, for example, enhance the knowledge of the other party, You will be able to talk and act according to a wide range of purposes, such as the purpose of strengthening a specific thought pattern.
  • virtual human resource O Based on the purpose/goal internal model PM3, virtual human resource O recognizes actions in line with the KGI/KPI of dispatch destination C, etc. as the purpose. As a result, the virtual human resource O can aim at the KGI of the dispatch destination C or take conversations and actions in line with the purpose of strengthening a specific KPI.
  • Virtual human resource O recognizes for the purpose of mutual understanding/agreement with the other party based on the knowledge/thinking internal model PM2. As a result, the virtual human resource O can take conversations and actions in line with the purpose of increasing common understanding and agreement with the other party.
  • Virtual human resource O recognizes for the purpose of improving his/her psychology/emotions/values based on the psychology/emotions/values internal model PM1. That is, the virtual human resource O constantly estimates the psychology, emotions, and values of the other party and himself, acquires the estimated information, and has the purpose of making the other party's emotions into a specific state, and the other party's specific values. You will be able to have conversations and take actions in line with a wide range of purposes, such as strengthening.
  • Virtual human resource O recognizes behavior based on the three principles of physiology and robots as a goal, based on the psychology, emotions, and values internal model PM1. As a result, the virtual human resource O can have conversations and actions based on the three principles of robots and the like.
  • the objective interpretation unit 831, the subjective interpretation unit 832, the utterance content examination/generation unit 833, and the utterance/task instruction unit 834 each function.
  • a grammatical/semantic analysis section 851 and a contextual meaning estimation section 852 function.
  • the grammatical/semantic analysis unit 851 performs morphological analysis, syntactic analysis, and semantic analysis on the words of the conversation partner. That is, based on the format in which the meaning is normalized, analysis is performed based on a machine-readable semantic database expressed in a format in which the meaning is normalized or in a format convertible thereto. It is possible to analyze in an expression format with few omissions. As a result, the intellectual ability of the virtual human resource O is improved, and the discrepancies in interpretation of meaning can be reduced. This makes it possible to solve the problems in the prior art.
  • the contextual meaning estimation unit 852 Based on the results of the grammar/semantic analysis unit 851, the contextual meaning estimation unit 852 performs discourse structure and context estimation (6W2H), further anaphora resolution, ellipsis estimation, metaphors, etc. based on the results of the grammar/semantics analysis unit 851.
  • the contextual meaning estimation unit 852 utilizes the result of the grammar/semantic analysis unit 851 with a low meaning missing rate, and uses the context estimation logic acquired by the logic acquisition unit 523 of the staffing agency information acquisition unit 52. Analysis based on context is performed by utilizing PL3. As a result, the discrepancies in interpretation of the meaning are reduced, and the intellectual ability of the virtual human resource O is improved. This also makes it possible to solve the problem of recognizing context.
  • a contextual meaning evaluation unit 853 and a state update unit 854 function.
  • the contextual meaning evaluation unit 853 actively evaluates the meaning based on the results of the grammatical/semantic analysis unit 851 and the contextual meaning estimation unit 852 of the objective interpretation unit 831, and evaluates the meaning at the time of evaluation. tentatively confirm the interpretation of When tentatively determining such an interpretation of meaning, the purpose/goal internal model PM3, the psychology/feelings/values internal model PM1, and the knowledge/thinking internal model PM2, which are always estimated by optimizing the internal models PM, are used. is utilized. It is important for the virtual human resource O to search for the other party's intention and confirm the other party's intention, even if it is tentative.
  • the contextual meaning estimation unit 852 can obtain a high-quality analysis result based on the context
  • the contextual meaning evaluation unit 853 can evaluate the meaning more practically based on the result. become. In other words, it is possible to evaluate the context by utilizing the purpose/goal, the psychology/feelings/values of the other party and self, and the content of knowledge/thinking. The intellectual ability of the virtual human resource O is improved.
  • the state update unit 854 estimates the state of foundation centered on common understanding and consensus building through dialogue and exchange with the other party, based on the estimation result of the internal model PM, and deepens the level of mutual recognition and self-awareness. Update the state of virtual human resource O in the direction. Also, the state update unit 854 updates the internal model PM and the PSF data PDP for unknown information. In other words, the state update unit 854 is a machine-readable semantic database with high resolution of purpose/goal such as the internal model PM, psychology/feelings/values of the other party and self, knowledge/thinking, and semantic expression such as the PSF. to be updated.
  • an utterance continuation control unit 855 and a utterance content generation unit 856 function.
  • the utterance continuation control unit 855 always monitors the utterance timing when the utterance is started and the utterance end timing when the utterance is finished in the dialogue between the other party and the self, and utilizes them to determine the next action of the self. This facilitates mutual speech.
  • the utterance content generation unit 856 generates utterance content using the estimation result of the internal model PM.
  • the speech content generation unit 856 reflects the personality of the generated virtual human resource O in order to realize an answer based on the individuality of the virtual human resource O, selects an expression, and adjusts the speech content.
  • an intent slot type chatbot or the like is used to estimate the intention of the other party, present information that seems likely, and execute actions. was only generated.
  • the virtual human resource O can estimate the intention of the other person and promote the improvement of the KPI of the entire organization. It is possible to increase common understanding parts and agreement parts in order to promote infrastructure. As a result, the virtual human resource O can realize smoother communication than before.
  • the utterance/task instruction unit 834 generates an utterance/task instruction, which is a human-readable message for instructing a task, and performs utterance, API execution, and operation based on the message.
  • the voice assistant finishes its role by executing the skill set in the intent slot type. No interface is provided in the form of human readable messages when invoking external functions. Therefore, according to the present invention, an utterance/task instruction, which is a human-readable message for instructing a task, is generated. API can be executed efficiently.
  • an utterance unit 857 and a task instruction unit 858 function.
  • the utterance unit 857 selects the medium to be used in order to optimize the medium through which the content generated by the utterance content generation unit 856 is to be output. In order to improve it, the output tension is adjusted and various productions are performed to give an impression in the desired direction.
  • the virtual human resource O can improve the efficiency of communication to the other party.
  • the task instruction unit 858 performs speech, API execution, and action based on the message that instructs the task.
  • the task instruction unit 858 includes an actuator activation unit 881, an external API activation unit 882, an in-house registered API (simple type) activation unit 883, an in-house registered API (registered RPA type) activation unit 884, and an expert staff type activation unit. 885, a crowdsourced launcher 886, an auction launcher 887, and the like.
  • the actuator activating unit 881 instructs the actuator of the robot based on the task instruction in a manner linked in advance by the robot registration function RR of the virtual personnel management function PA for the temporary staffing agency.
  • appropriate instructions that the difference from the conventional method is that the actuator moves according to the message generated by the utterance/task instruction SD described in human-readable natural language.
  • the message generated by the utterance/task instruction SD is associated with the function activated by the actuator of each robot.
  • the virtual human resource (OR) and the content of the conversation can be linked in a natural way.
  • the external API activation unit 882 targets APIs registered in advance by the external API registration function AR in the virtual personnel management function PA for the temporary staffing agency, in order to activate an appropriate external API according to the task instruction.
  • the external API selected in the speech/task instruction unit 834 is activated from among the APIs selected as executable in the dispatch destination task execution environment setting function T1). Also, if an appropriate action such as an external API is not selected for the task, a task instruction prompting the selection is regenerated, and the environment setting unit 81 (dispatch destination An external API is activated as a correct action in the task execution environment setting function T1). In this way, the virtual human resource O can easily use the external API in conjunction with the utterance/task instruction to perform the work.
  • An in-house registered API (simple type) activation unit 883 selects from in-house APIs registered in the environment setting unit 81 (task execution environment setting function T1 for dispatch destination) in order to activate an appropriate in-house registered API according to a task instruction. , activates the API selected in the speech/task instruction section 834 .
  • Such an API is defined as an in-house registered API (simple type).
  • a task instruction prompting the selection is regenerated, and the environment setting unit 81 (dispatch In-house registration API (simple type) is activated as a correct action in the destination task execution environment setting function T1).
  • the virtual human resource O can easily use the in-house registered API (simple type) in conjunction with the utterance/task instruction to carry out the work.
  • the self-registered API (registered RPA type) activation unit 884 activates the environment setting unit 81 (task execution environment setting function T1 for the dispatch destination) in order to activate an execution file recording an appropriate automation process by RPA according to the task instruction as an API.
  • the company's registered API (registered RPA type) selected in the utterance/task instruction unit 834 from among the registered company's APIs is activated.
  • an appropriate action such as an in-house registered API is not selected for the task
  • a task instruction prompting the selection is regenerated, and the environment setting unit 81 (dispatch In-house registration API (registered RPA type) is activated as a correct action in the destination task execution environment setting function T1).
  • the virtual human resource O can easily use the in-house registered API (registered RPA type) in conjunction with the utterance/task instruction to carry out the work.
  • the expert staff type activation unit 885 transmits the task to the expert staff registered in the expert staff registration function of the task execution environment setting function T1 for the dispatch destination in order to have the appropriate expert staff execute the task according to the task instruction. do. If an appropriate action such as processing by a specialized staff type is not selected for the task, the task instruction prompting the selection is regenerated, and the environment setting unit 81 (task execution environment setting function T1 for dispatch destination) corrects the action. A task request is sent to the expert staff as an action. In other words, the difference from the conventional method is that the task is requested to the expert staff according to the message generated by the utterance/task instruction function described by human-readable natural language processing. It is assumed that the professional staff activation unit 885 transmits the first task request to the administrator. In this way, the virtual human resource O can perform the task by easily requesting the task from the registered professional staff in conjunction with the utterance/task instruction.
  • the crowdsourcing type activation unit 886 sends the task to the crowdsourcing destination registered in the environment setting unit 81 (task execution environment setting function T1 for dispatch destination) in order to have an appropriate crowd worker execute the task according to the task instruction. to send. That is, compared with the conventional method, the difference is that a task can be requested to a crowdsourcing type site according to a human-readable message generated by an utterance/task instruction function. Also, if an appropriate action such as crowdsourcing type processing is not selected for the task, a task instruction prompting the selection is regenerated, and the environment setting unit 81 ( A task request is sent to the crowdsourcing destination as a correct action in the dispatch destination task execution environment setting function T1). In this way, the virtual human resource O can perform the task by requesting the task from the crowdsourcing type site that is easily registered in conjunction with the utterance/task instruction.
  • the auction type activation unit 887 sends an auction to the ordering candidate traders registered in the environment setting unit 81 (task execution environment setting function for dispatch destination T1). Submit a bid request.
  • the major difference is that a task can be requested to an auction site according to a human-readable message generated by an utterance/task instruction function.
  • a task instruction prompting selection is regenerated, and the environment setting unit 81 (dispatch A request to bid for an auction is sent to the ordering candidate trader as a correct action in the destination task execution environment setting function T1).
  • the virtual human resource O checks the reaction of the other party after ruminating on the speaker in line with the intention. By doing so, you can check whether you understood the intention of the speaker.
  • the virtual human resource O asks the speaker a question about the degree of satisfaction, for example, "Is this correct?" You can check if it is
  • the KGI/KPI of the dispatch destination C etc. is positive, for example, in (A) the virtual human resource O, the change in KGI/KPI is always predicted in the purpose/goal internal model PM3. Therefore, as the self-recognition of the virtual human resource O, it may be confirmed whether or not the KGI/KPI of the dispatch destination C or the like is positive. In addition, (B) it may be confirmed whether the KGI/KPI of the dispatch destination C or the like is positive by checking the speaker's response to the question for confirming the details of the change in the KPI.
  • the virtual human resource O dispatched from the temporary staffing agency P to the dispatch destination C uses, among the information provided by the temporary staffing agency P, data including at least the personalized summary logic PL1 as the dispatching agency information. It is used and generated.
  • the task execution unit 83 of the virtual human resource O uses a plurality of internal models to issue task instructions in the form of human-readable messages, thereby executing a predetermined task while interacting with the human. That is, the virtual human resource O, who can paraphrase according to the other person's situation (level of understanding, available vocabulary, etc.), uses the internal model PM to give task instructions in the form of human-readable messages. .
  • the virtual human resource O can achieve communication with a partner at the dispatch destination C with a high degree of mutual understanding.
  • the virtual human resource O dispatched from the temporary staffing agency P to the dispatch destination C is represented in the information provided by the temporary staffing agency P in a "meaning-normalized format" or a format convertible thereto. This data is generated using the data obtained as dispatch source information.
  • the task execution unit 83 of the virtual human resource O uses the plurality of internal models to instruct the task in the form of a human-readable message, thereby executing a predetermined task while interacting with the human. .
  • the virtual human resource O who is capable of executing interaction based on intelligence "visualized” in every aspect, uses the internal model PM to give task instructions in the form of human-readable messages.
  • the virtual human resource O can achieve communication with a partner at the dispatch destination C with a high degree of mutual understanding.
  • the virtual human resource O dispatched from the temporary staffing agency P to the dispatch destination C is represented in the information provided by the temporary staffing agency P in a "meaning-normalized format" or a format convertible thereto.
  • the data that contains at least the personalized summary logic PL1 is generated by using the data that contains at least the personalized summary logic PL1 as dispatch source information.
  • the predetermined task is executed while interacting with the person.
  • such a virtual human resource O can paraphrase according to the other person's situation (level of understanding, available vocabulary, etc.), and can exchange based on "visualized” intelligence. It is possible to achieve communication with a high degree of mutual understanding with the other party.
  • data including at least a plurality of internal models is used as dispatching agency information.
  • a plurality of such internal models are generated, each of which is a first aspect of a person's inner information including psychology, emotions, and values, a person's inner intelligence including knowledge and thoughts. to one or more of the second aspect of activities and information, and the third aspect of goals and their internal relationships, including KGIs and KPIs for human individuals or organizations to which they belong; generated based on.
  • the task execution part 83 of the virtual human resource O is generated based on the third viewpoint while performing self-recognition and partner recognition using models generated based on the first viewpoint and the second viewpoint.
  • a plan is set using the model, a predetermined task is executed while interacting with a human to achieve the plan, the result of the execution is evaluated, and improvements are made based on the evaluation result.
  • the plurality of internal models hold human internal information including psychology, emotions, and sense of values as models generated based on the first viewpoint, and the relationships of the information are organized and " a first model (e.g. psycho-emotional-values internal model PM1) modeled in a semantic normalized format or a format convertible thereto.
  • the plurality of internal models hold human internal intellectual activities and information, including knowledge and thoughts, as models generated based on the second viewpoint, and the relationships between the intellectual activities and information are organized. and includes a second model (for example, knowledge-thinking internal model PM2) modeled in a "meaning-normalized format" or a format convertible thereto.
  • the plurality of internal models are models generated based on the third viewpoint, and organize purposes or goals including KGI and KPI in units of human individuals and organizations to which the human belongs and their internal relationships. and includes a third model (for example, the knowledge-thinking internal model PM2) modeled in a "meaning-normalized format" or a format convertible thereto.
  • the virtual human resource O who can estimate the values of the other party, the purpose and goals of the organization to which he belongs, and the knowledge and thinking pattern, can set a wide range of objectives in multiple layers, so it is possible to effectively implement measures against the frame problem.
  • the virtual human resource O can efficiently execute the PDCA cycle.
  • virtual human resource O can set a wide range of objectives by estimating not only emotions but also the other person's sense of values, the objectives and goals of the organization to which he belongs, knowledge and thinking patterns. Further, by holding the internal model as described above, the virtual human resource O can respond with continuity and stability. As a result, the virtual human resource O can efficiently execute the PDCA cycle.
  • Virtual human resource O who has all of the above functions, will be able to clarify and deepen the purpose through mutual understanding. That is, even if the purpose is not clear, the virtual human resource O can clarify the purpose while deepening mutual understanding.
  • the virtual human resource O can autonomously recognize the purpose by conversing information useful for mutual understanding, and can obtain what information should be collected in order to achieve the purpose.
  • the virtual human resource O can collect this necessary information through smooth communication using conversation and perform actions to achieve the purpose using this information.
  • the virtual human resource O checks whether or not the purpose has been achieved by this operation, and if the purpose has not been achieved, collects what information is necessary for analysis of the result, and mutually understands this necessary information.
  • Useful information can be collected through smooth communication using conversation.
  • the virtual human resource O uses the collected information to further perform actions to achieve the purpose, and by repeating these actions, the purpose can be achieved.
  • FIG. 12 is a diagram for explaining various sensors included in the virtual human resources of the service shown in FIG. 1 and an overview of the information input flow for the virtual human resources.
  • Living things live in a world (hereinafter referred to as the "Umwelt") constrained by their own sensors (perceptions). In other words, it is said that all living things (including virtual personalities) can understand the world only through their own senses (sensors).
  • sensors In the environment of the human world, humans have special senses such as hearing (sound sensor), vision (color sensor, shape change sensor, amount change sensor, position sensor), olfactory sense (smell, odor, scent sensor), taste (taste sensor).
  • Sensors ascidity, saltiness, sweetness, bitterness, umami
  • skin sensations tacile sensation, pain sensation, temperature sensation
  • proprioception pressure sensations, position sensations, muscle/kinesthetic sensations
  • visceral sensations such as hunger/ Equipped with satiety, urge to urinate/defecate, etc.
  • the virtual human O has auditory (sound sensor), visual (color sensor, shape change sensor, amount change sensor, position sensor), olfactory (smell, odor, scent sensor), tactile senses.
  • Temperature, pressure, and position senses are used to communicate and act.
  • the virtual human resource O has its own sensors (perception), such as auditory sensors (eg, microphones), visual sensors (eg, cameras), and other sensors (eg, odor/odor/aroma sensors, tactile sensors, temperature sensations, etc.). It performs tasks based on the information acquired by sensors, pressure sensors, position sensors).
  • sensors such as auditory sensors (eg, microphones), visual sensors (eg, cameras), and other sensors (eg, odor/odor/aroma sensors, tactile sensors, temperature sensations, etc.). It performs tasks based on the information acquired by sensors, pressure sensors, position sensors).
  • a virtual human resource OM executing a task in the form of an email and chatbot executes the task based on text information acquired by a text file reader TR.
  • the virtual human resource OC who executes the task in the form of a telephone recognizes the voice stream data VD acquired by the moving image file reader MR or the auditory sensor SY (for example, microphone) possessed by the virtual human resource OC to the information output by voice recognition. perform tasks based on
  • the virtual human resource OA who executes tasks in the form of video chat, performs optical character recognition (OCR) on image stream data MD obtained from a moving image file reader MR, an image file reader FR, and a visual sensor SE (for example, a camera).
  • OCR optical character recognition
  • the virtual human resource OR which processes tasks in the form of a robot, receives stream data OD acquired from other sensors SO (for example, smell/odor/aroma sensor, tactile sensor, temperature sensor, pressure sensor, position sensor). Other information recognition (for example, Braille recognition/character shape recognition) processing is performed, and the task is executed based on the information output.
  • the virtual human resource O can perform various tasks according to the mode of use based on its own sensors (perception).
  • FIG. 13 is a diagram showing the correspondence relationship between each step of the overall processing and each figure. Correspondence between each step of the overall process and FIGS. 14 to 36 is as shown in FIG.
  • FIG. 14 is a flowchart explaining the flow of overall processing executed by the server 1.
  • step S1 of FIG. 14 the staffing agency information acquisition unit 52 of FIG. Such processing of step S1 is hereinafter referred to as "preparatory processing for personnel dispatch”.
  • FIG. 15 is a flow chart for explaining an example of the details of the preparatory process for dispatching personnel in step S1 of the overall process of FIG.
  • step S11 of FIG. Such processing of step S11 is hereinafter referred to as "virtual personnel management processing for personnel dispatching agency".
  • FIG. 16 is a flowchart for explaining an example of the details of the virtual personnel management process for the temporary staffing agency in step S11 of the personnel dispatch preliminary preparation process of FIG.
  • step S111 of FIG. 16 the staffing agency information acquiring unit 52 manages the basic elements for generating the virtual human resources O. Such processing of step S111 is hereinafter referred to as "basic element management processing".
  • FIG. 17 is a flowchart for explaining an example of details of the basic element management process in step S111 of the virtual personnel management process for the temporary staffing agency in FIG.
  • step S1111 of FIG. 17 the temporary staffing agency information acquiring unit 52 registers the latest internal model PM among the basic elements for generating the virtual human resource O.
  • step S1112 in FIG. 17 the temporary staffing agency information acquiring unit 52 registers the latest language resource data PD among the basic elements for generating the virtual human resource O.
  • step S1113 of FIG. 17 the staffing agency information acquiring unit 52 registers the latest logic PL among the basic elements for generating the virtual human resources O.
  • FIG. In this way, the management processing of the basic elements for generating the virtual human resource O in the temporary staffing agency information acquisition unit 52 is completed. Accordingly, the process proceeds from step S111 of FIG. 15 to step S112.
  • step S112 of FIG. 16 the staffing agency information acquiring unit 52 registers the task executing means for the virtual human resource O to execute the task.
  • registration process of task execution means Such a process of step S112 is hereinafter referred to as "registration process of task execution means".
  • FIG. 18 is a flowchart for explaining an example of details of the management processing of the basic elements in step S111 of the virtual personnel management processing for the temporary staffing agency in FIG. 16 will be described.
  • FIG. 18 is a flowchart for explaining an example of details of the management processing of the basic elements in step S111 of the virtual personnel management processing for the temporary staffing agency in FIG.
  • step S1121 of FIG. 18 the temporary staffing agency information acquiring unit 52 performs initial setting as to what kind of request the robot issues for each action when the robot executes a task as the virtual human resource O.
  • step S1121 in FIG. 18 the temporary staffing agency information acquiring unit 52 registers an executable external API in accordance with the task instruction.
  • step S12 of FIG. 15 the temporary staffing agency information acquisition unit 52 accepts registration of the dispatching agency information.
  • Such a process of step S12 is hereinafter referred to as "information registration process for staffing agency".
  • FIG. 19 is a flowchart for explaining an example of the details of the information registration process for the temporary staffing agency in step S12 of the preparatory process for temporary staffing in FIG.
  • step S121 of FIG. 19 the model acquisition unit 521 of the staffing agency information acquisition unit 52 receives registration of the internal model PM.
  • step S122 of FIG. 19 the data acquisition unit 522 of the temporary staffing agency information acquisition unit 52 receives registration of the language resource data PD.
  • step S123 of FIG. 19 the logic acquisition unit 523 of the staffing agency information acquisition unit 52 accepts registration of the logic PL.
  • step S2 of FIG. 14 the dispatch destination information acquisition unit 51 of FIG. 8 accepts registration of dispatch destination information.
  • registration process of request for temporary staffing is hereinafter referred to as "registration process of request for temporary staffing".
  • FIG. 20 is a flow chart for explaining an example of the details of the process of registering a desired staffing destination in step S2 of the overall process of FIG. 14.
  • step S21 of FIG. 20 the dispatch destination information acquisition unit 51 presents the dispatch destination C with a personnel menu.
  • step S22 of FIG. 20 the desired personnel information acquisition unit 511 receives input of desired personnel information.
  • step S23 of FIG. 20 the recruitment information/manual information acquisition unit 513 receives input of workplace information.
  • step S24 of FIG. 20 the recruitment information/manual information acquisition unit 513 receives input of training/development information.
  • step S25 of FIG. 20 the usage pattern information acquisition unit 512 receives an input of the usage pattern. In this way, the processing for registering a request for temporary staffing for accepting the registration of the dispatched destination information is completed. Accordingly, the process proceeds from step S2 in FIG. 14 to step S3.
  • step S3 of FIG. 14 the virtual human resource generation update unit 53 of FIG. Such processing of step S3 is hereinafter referred to as "initial learning processing".
  • FIG. 21 is a flowchart for explaining an example of the details of the initial learning process in step S3 of the overall process of FIG.
  • step S31 of FIG. 21 the virtual human resource generation/update unit 53 receives an instruction to start learning from the temporary staffing agency information acquisition unit 52 .
  • step S32 of FIG. 21 the virtual human resource generation/update unit 53 appropriately processes the input information for the virtual human resource O to generate a learning model. Such processing of step S32 is hereinafter referred to as "learning processing".
  • FIG. 22 is a flowchart illustrating an example of details of the learning process in step S32 of the initial learning process of FIG.
  • step S321 of FIG. 22 the virtual human resource generation/update unit 53 generates the internal model PM of the virtual human resource O based on the internal model PM acquired in step S121.
  • Such processing of step S321 is hereinafter referred to as “initial internal model generation processing”. It is also assumed that such an internal model initial generation process is executed only when the virtual human resource O is generated for the first time.
  • FIG. 23 is a flowchart illustrating an example of the details of the internal model initial generation process in step S321 of the learning process of FIG.
  • step S3211 of FIG. 23 the virtual human resource generation/update unit 53 generates the psychology/feelings/values internal model PM1 of the virtual human resource O.
  • Such processing of step S3211 is hereinafter referred to as "psychology/emotion/values internal model generation processing".
  • FIG. 24 is a flowchart for explaining an example of details of the psychology/feelings/values internal model generation process in step S3211 of the internal model generation process of FIG. 23.
  • step S32111 of FIG. 24 the virtual human resource generation/update unit 53 reads the initial model of the psychology/emotion/values internal model PM1 among the internal models PM acquired by the model acquisition unit 521 in step S121.
  • step S32112 in FIG. 24 the virtual human resource generation/update unit 53 reads the desired human resource information acquired by the desired human resource information acquisition unit 511 in step S2. In this way, the process of generating the psychology/feelings/values internal model PM1 of the virtual human resource O ends. As a result, the process advances from step 3211 in FIG. 22 to step S3212.
  • step S3212 of FIG. 23 the virtual human resource generation/update unit 53 generates the knowledge/thinking internal model PM2 of the virtual human resource O.
  • Such processing of step S3212 is hereinafter referred to as "knowledge/thought internal model generation processing".
  • FIG. 25 is a flowchart for explaining an example of the details of the knowledge/thought internal model generation processing in step S3212 of the internal model generation processing of FIG. 23.
  • step S32121 of FIG. 25 the virtual human resource generation/update unit 53 reads the initial model of the knowledge/thinking internal model PM2 among the internal models PM acquired by the model acquisition unit 521 in step S121.
  • step S32122 in FIG. 25 the virtual human resource generation/update unit 53 reads the PSF data PDP out of the language resource data PD acquired by the data acquisition unit 522 at step S122.
  • the latest data registered in step S1112 is used, making it possible to utilize frame information in a state of high resolution of semantic expression.
  • step S32123 of FIG. 25 the virtual human resource generation/update unit 53 reads the logic PL acquired by the logic acquisition unit 523 in step S123. Such processing of step S32123 is hereinafter referred to as "various logic data reading processing".
  • FIG. 26 is a flowchart for explaining an example of details of reading processing of various logic data in step S32123 of the knowledge/thinking generation processing of FIG. 25.
  • step S321231 of FIG. 26 the virtual human resource generation/update unit 53 reads the personalized summary logic PL1.
  • step S321232 of FIG. 26 the virtual human resource generation/update unit 53 reads the recognition formation logic PL2.
  • step S321233 of FIG. 26 the virtual human resource generation update unit 53 reads the context estimation logic PL3.
  • step S321234 of FIG. 26 the virtual human resource generation/update unit 53 reads the Ifthen rule logic PL4.
  • step S321235 of FIG. 26 the virtual human resource generation/update unit 53 reads other logic. In this way, the knowledge/thinking internal model generation process ends when the reading process of various logic data ends. Accordingly, the process advances from step 3212 in FIG. 23 to step S3213.
  • step S3213 of FIG. 23 the virtual human resource generation/update unit 53 generates the purpose/goal internal model PM3 of the virtual human resource O.
  • Such processing of step S3213 is hereinafter referred to as "purpose/goal internal model generation processing”.
  • FIG. 27 is a flowchart illustrating an example of the details of the purpose/goal internal model generation processing in step S3213 of the internal model generation processing of FIG.
  • step S32131 of FIG. 27 the virtual human resource generation/update unit 53 reads the purpose/goal internal model PM3 among the internal models PM acquired by the model acquisition unit 521 in step S121 as an initial model.
  • step S32132 of FIG. 27 the virtual human resource generation/update unit 53 reads the workplace information acquired by the recruitment information/manual information acquisition unit 513 in steps S24 and S25. In this way, the process of generating the purpose/goal internal model of the virtual human resource O ends. As a result, the process advances from step S321 to step S322 in FIG.
  • step S322 of FIG. 22 the virtual human resource generation/update unit 53 reads the language resource data PD.
  • data reading processing Such processing of step S322 is hereinafter referred to as "data reading processing”.
  • FIG. 28 is a flowchart illustrating an example of the details of the data reading process in step S322 of the learning process of FIG.
  • step S3221 of FIG. 28 the virtual human resource generation/update unit 53 extracts the curriculum data PDC from the language resource data PD acquired by the data acquisition unit 522 and the training/cultivation information acquired by the recruitment information/manual information acquisition unit 513. Integrate CI33.
  • step S3222 in FIG. 28 the virtual human resource generation/update unit 53 reads the post-integration curriculum data PDC. Such a process of step S3222 is hereinafter referred to as "reading process of curriculum data after integration".
  • FIG. 29 is a flowchart illustrating an example of the details of reading processing of integrated curriculum data PDC in step S3222 of the data reading processing of FIG.
  • step S32221 in FIG. 29 the virtual human resource generation/update unit 53 performs personalized summarization. That is, the virtual human resource generation/update unit 53 incorporates the above-described integrated curriculum data PDC into the knowledge/thought internal model PM2 of the virtual human resource O by using the personalized summary.
  • step S32222 of FIG. 28 the virtual human resource generation/update unit 53 estimates the context.
  • step S32223 of FIG. 29 the virtual human resource generation/update unit 53 performs learning processing of the virtual human resource O by applying logic other than the personalized summary logic PL1 and the context estimation logic P3 as needed. In this way, the read processing of the integrated curriculum data PDC ends, and the data read processing ends. Accordingly, the process proceeds from step S322 in FIG. 22 to step S323.
  • step S323 of FIG. 22 the virtual human resource generation update unit 53 updates the internal model PM.
  • Such processing of step S323 is hereinafter referred to as “internal model update processing”.
  • FIG. 30 is a flowchart illustrating an example of the details of the internal model updating process in step S323 of the learning process in FIG.
  • step S3231 of FIG. 30 the virtual human resource generation update unit 53 executes necessary processing by applying the Ifthen rule logic PL4 each time the virtual human resource O learns.
  • step S3232 of FIG. 30 the virtual human resource generation/update unit 53 performs recognition formation of the virtual human resource O. As shown in FIG. Such processing of step S3232 is hereinafter referred to as "recognition formation processing".
  • FIG. 31 is a flowchart for explaining an example of the details of the recognition formation process in step S3232 of the internal model update process of FIG.
  • step S32321 of FIG. 31 the virtual human resource generation/update unit 53 takes in an unknown word.
  • step S32322 in FIG. 31 the virtual human resource generation/update unit 53 integrates and abolishes multiple pieces of information that contribute to recognition formation. Thus, when the recognition formation process ends, the learning process ends. Accordingly, the process proceeds from step S32 in FIG. 21 to step S33.
  • step S33 of FIG. 21 when the virtual human resource generation/update unit 53 determines that the processing of all the curriculums has ended, the initial learning processing ends. On the other hand, if the virtual human resource generation/update unit 53 does not determine that the processing of all the curriculums has been completed, the processing returns to step S32, and the subsequent processing is repeated. When the initial learning process ends in this way, the process proceeds from step S3 to step S4 in FIG.
  • step S4 of FIG. 14 the virtual human resource generation/update unit 53 generates the virtual human resource O.
  • personnel generation processing Such processing of step S4 is hereinafter referred to as "personnel generation processing".
  • FIG. 32 is a flowchart for explaining an example of the human resources generation process in step S4 of the overall process of FIG.
  • step S41 of FIG. 32 the virtual human resource generation/update unit 53 integrates the intelligence model and the avatar. That is, the virtual human resource generation/update unit 53 fuses the internal model PM of the virtual human resource O created by learning with the avatar.
  • step S42 of FIG. 32 the virtual human resource generation/update unit 53 utilizes privacy protection data mining technology.
  • step S43 of FIG. 32 the virtual human resource generation/update unit 53 generates the virtual human resource O. As shown in FIG. That is, the virtual human resource generation/update unit 53 generates the virtual human resource O desired by the dispatch destination C. FIG. When the human resources generation process ends in this way, the process advances from step S4 to step S5 in FIG.
  • step S5 of FIG. 14 the environment setting unit 81 of FIG. 9 prepares to start work.
  • Such processing of step S5 is hereinafter referred to as "business start preparation processing”.
  • FIG. 33 is a flowchart for explaining an example of the job start preparation process in step S5 of the overall process of FIG. 14 will be described.
  • FIG. 33 is a flowchart for explaining an example of the job start preparation process in step S5 of the overall process of FIG.
  • step S51 of FIG. 33 the environment setting unit 81 sets an access point for using the virtual human resource O for each usage form.
  • the environment setting unit 81 performs various settings related to speech/task instructions. In this way, the work start preparation process for the virtual human resource O to start work ends. As a result, the process proceeds from step S5 to step S6 in FIG.
  • step S6 of FIG. 14 the virtual human resource O is dispatched to the dispatch destination C.
  • Such processing of step S6 is hereinafter referred to as "staffing processing”.
  • FIG. 34 is a flowchart for explaining an example of the staffing process in step S6 of the overall process of FIG.
  • step S61 in FIG. 34 the task execution unit 83 in FIG. 9 executes the task.
  • Such processing of step S61 is hereinafter referred to as "task execution processing”.
  • FIG. 35 is a flow chart for explaining an example of the task execution process in step S61 of the personnel dispatching process of FIG.
  • step S611 of FIG. 35 the virtual staffing unit 54 of FIG. 8 receives access on the premise of task execution.
  • the task execution unit 83 of FIG. 9 starts task execution.
  • step S613 of FIG. 35 the task execution unit 83 receives the dispatch destination C's speech.
  • step S614 in FIG. 35 the objective interpretation unit 831 in FIG. 9 objectively interprets the utterance content received in step S613. Such processing of step S614 is hereinafter referred to as "objective interpretation processing".
  • FIG. 36 is a flowchart for explaining an example of the objective interpretation process of S614 of the task execution process of FIG. 35.
  • step S6141 of FIG. 36 the objective interpretation unit 831 performs grammatical/semantic interpretation.
  • step S6142 of FIG. 36 the objective interpretation unit 831 performs semantic interpretation in context. In this way, the objective interpretation processing of the utterance content of the dispatch destination C is completed. As a result, the process advances from step S614 to step S615 in FIG.
  • step S615 in FIG. 35 the subjective interpretation unit 832 subjectively interprets the utterance content received at step S613. Such processing of step S615 is hereinafter referred to as "subjective interpretation processing”.
  • FIG. 37 is a flowchart illustrating an example of the subjective interpretation process of S615 of the task execution process of FIG. 35.
  • step S6151 of FIG. 37 the subjective interpretation unit 832 performs semantic evaluation in context.
  • step S6152 in FIG. 37 the subjective interpretation unit 832 updates the state. In this way, the subjective interpretation processing of the utterance content of the dispatch destination C ends. As a result, the process advances from step S615 to step S616 in FIG.
  • step S616 of FIG. 35 the utterance content review/generation unit 833 of FIG. 9 reviews the content of the utterance received in step S613, and generates utterance/task candidates based on the review.
  • Such processing of step S616 is hereinafter referred to as "utterance content examination/generation processing".
  • FIG. 38 is a flowchart for explaining an example of the utterance content examination/generation process of S616 of the task execution process of FIG. 35.
  • step S6161 in FIG. 38 the utterance content examination/generation unit 833 performs continuation control of the utterance.
  • step S6162 in FIG. 38 the utterance content examination/generation unit 833 generates the utterance content. In this way, the utterance content examination/generation process is completed. As a result, the process advances from step S616 to step S617 in FIG.
  • step S617 of FIG. 35 the speech/task instruction unit 834 of FIG. 9 instructs speech and tasks based on the contents of the speech generated in step S616.
  • Such processing of step S617 is hereinafter referred to as "utterance/task instruction processing".
  • FIG. 39 is a flowchart illustrating an example of the utterance/task instruction processing of S617 of the task execution processing of FIG. 35.
  • step S6171 in FIG. 39 the speech/task instruction unit 834 executes speech control.
  • step S6172 in FIG. 39 the speech/task instruction unit 834 instructs a task.
  • the utterance/task instruction process ends.
  • the process advances from step S617 to step S618 in FIG.
  • step S618 of FIG. 35 when the task execution unit 83 determines that the acceptance of the speech by the dispatch destination C has ended, the task execution process ends. On the other hand, if task execution unit 83 does not determine that reception of speech by dispatch destination C has ended, the process returns to step S613, and the subsequent processes are repeated. When the task execution process ends in this way, the process advances from step S61 to step S62 in FIG.
  • step S62 of FIG. 34 the knowledge category-based training unit 821 of FIG. As a result, the ability of the virtual human resource O is improved in the same way as a human being.
  • a virtual human resource O is dispatched as a tutor to a second-year high school boy (end user) at the request of a tutor management company (an example of a dispatch destination C).
  • a virtual human resource O who is dispatched as a tutor to a tutoring company, has the task of teaching a boy, who is an end user, the "formula for the distance between a point and a straight line" in mathematics. It is assumed that the boy is not good at mathematics, is shy and is not good at talking to people.
  • a "preparatory process for staffing" for generating virtual staffing O is executed (step S1 in FIG. 14).
  • the staffing agency information acquiring unit 52 registers the latest internal model PM, the latest language resource data PD, and the latest logic PL as basic elements for generating the virtual human resource O (step S1111 to S1113).
  • the staffing agency information acquisition unit 52 registers an external API that can draw a graph and display it on the screen. (Step S1122 in FIG. 18).
  • the model acquisition unit 521 of the staffing agency information acquisition unit 52 receives registration of the internal model PM as the dispatching agency information (step S121 in FIG. 19).
  • what is expected of a tutor is whether they are “gentle” or “strict”, gender, whether they have the same or similar test experience, and whether they are “good at improving a child who is good at it” or “a child who is not good at it”.
  • There are many requests such as "Are you good at supporting Therefore, by adopting an appropriate option in the internal model PM that matches such a request, the temperament and character inside the virtual human resource O are automatically reflected.
  • the data acquisition unit 522 of the staffing agency information acquisition unit 52 accepts registration of the language resource data PD (step S122 in FIG. 19). That is, the data acquisition unit 522 is registered with curriculum data PDC created to cover the entire range of mathematics and knowledge necessary for educational activities. Such curriculum data PDC is prepared as basic information by decomposing learning items in the range of "mathematics" into elements down to the smallest units and sorting out their dependencies.
  • the logic acquisition unit 523 of the staffing agency information acquisition unit 52 receives the registration of the logic PL (step S123 in FIG. 19). That is, for example, in the Ifthen rule logic PL4, for each basic element of the range of mathematics, how it becomes possible is registered. Specifically, the basic elements of the scope of mathematics are mainly divided into calculation system, memorization system, and reading comprehension system. Therefore, in the Ifthen rule logic PL4, in the case of the calculation system, it repeats like a drill. Also, information that shows the contents of the content is registered, such as the tricks to memorize the puns that exist for each item, and in the case of reading comprehension, first practice only by extracting and writing down what is required.
  • step S2 in FIG. 14 a ⁇ registration process for desired personnel dispatch information'' for generating virtual personnel O is executed.
  • the dispatch destination information acquisition unit 51 provides a personnel menu to the home tutor operating company, which is the dispatch destination C (step S21 in FIG. 20). That is, the tutor management company operates the dispatch destination terminal 2 to operate the dispatch destination information registration function CF.
  • the desired personnel information acquisition unit 511 receives input of desired personnel information CI1 (step S22 in FIG. 20).
  • desired personnel information CI1 step S22 in FIG. 20.
  • the tutor management company said that the type of tutor they want to dispatch is "gentle", the gender is “female”, and information such as the expected level of academic ability is “leave it to me”. is registered in the desired personnel information acquiring unit 511 as the desired personnel information CI1.
  • the rate plan of the dispatch price of the virtual human resource O is updated, and an appropriate rate is presented for each requested content. It is assumed that these fee information are registered in advance in the information registration function PF for the temporary staffing agency.
  • the recruitment information/manual information acquisition unit 513 accepts input of workplace information (step S23 in FIG. 20). That is, the tutor operating company registers in the recruiting information/manual information acquisition unit 513 as a purpose CI 31 of the company/organization, as a result of interviews with the boy and his mother, to provide guidance with the goal of "avoiding red points in mathematics.” .
  • the recruitment information/manual information acquisition unit 513 accepts input of training/training information (step S24 in FIG. 20). That is, the tutor operating company sends its own instruction manual for instructors, independently developed mathematics instruction materials and problem collections, and content of video lessons to the recruiting information/manual information acquisition unit 513 as the training/development information CI 33. sign up.
  • the usage pattern information acquisition unit 512 receives the input of the usage pattern (step S25 in FIG. 20).
  • the tutor management company has a “virtual human resource OM who performs tasks in the form of an email and chatbot” where you can easily ask questions at any time, and a “virtual human resource OA who performs tasks in the form of a video chat” who can teach you firmly. are registered in the usage pattern information acquisition unit 512 as the mail & chatbot CI 21 and the video chat CI 23, respectively. In this way, the processing for registering a request for temporary staffing for accepting the registration of the dispatched destination information is completed.
  • the "initial learning process" for the virtual human resource O is executed in the virtual human resource generation update unit 53 (step S3 in FIG. 14).
  • the virtual human resource generation update unit 53 receives an instruction to start learning from the temporary staffing agency information acquisition unit 52 (step S31 in FIG. 21). That is, the temporary staffing agency P instructs the virtual human resource O acting as a home tutor to start learning via the dispatching agency terminal 3 .
  • the virtual human resource generation/update unit 53 generates the internal model PM of the virtual human resource O based on the initial model of the internal model PM whose registration was accepted in step S121 in the preparatory process for dispatching personnel (step S321 in FIG. 22). .
  • the virtual human resource generation/update unit 53 reads the initial model of the psychology/feelings/values internal model PM1 among the internal models PM whose registration is accepted in step S121 (step S32111 in FIG. 24). In addition, the virtual human resource generation/update unit 53 reads the desired human resource information CI1 registered in the desired human resource information acquisition unit 511 (step S32112 in FIG. 24).
  • the virtual human resource generation/updating unit 53 selects the knowledge/thought An initial model of the internal model PM2 is read (step S32121 in FIG. 25). That is, the virtual human resource generation/update unit 53 predicts the contents of the course completed by the second year high school student, who is the end user, and generates the initial model of the knowledge/thinking internal model PM2 while estimating the boy's knowledge. do. However, since it is before guidance (before the virtual human resource O starts work), the degree of understanding of all knowledge is left unconfirmed as meta information, and is updated as needed during the guidance action.
  • the virtual human resource generation/update unit 53 reads the PSF data PDP out of the language resource data PD registered in step S122 (step S32122 in FIG. 25).
  • the virtual human resource generation/update unit 53 reads the logic PL whose registration was accepted in step S123 (step S32123 in FIG. 25).
  • the virtual human resource generation update unit 53 reads the personalized summary logic PL1 (step S321231 in FIG. 26). That is, since the boy who is the end user is a second-year high school student, the virtual human resource generation/update unit 53 determines whether the boy's knowledge/thinking internal model PM2, which the virtual human resource O internally holds to estimate the boy's state, can be used. A guideline for vocabulary is set for second-year high school students.
  • the virtual human resource generation update unit 53 reads the recognition formation logic PL2 (step S321232 in FIG. 26).
  • the recognition formation logic PL2 avoids the use of bias systems as much as possible, and moves with a thought pattern that always confirms by itself and accumulates facts. set. In this way, even if the boy says that he understands, the virtual human resource O is generated in such a way that he does not trust the boy first, asks a question, and looks at the result to judge whether he really understands based on the facts. .
  • the virtual human resource generation update unit 53 reads the context estimation logic PL3 (step S321233 in FIG. 26).
  • the virtual human resource O teaches mathematics as a tutor, it is extremely important to correctly estimate the context. This is because decisions such as "which formula can be used" are highly context dependent. Therefore, when the virtual human resource O recognizes that he or she does not grasp the context correctly, he/she continues to confirm the content of the context by asking additional questions until the missing part in the context becomes clear. In this way, when teaching mathematics, it is possible to set not only a specific level such as the "formula for the distance between a point and a straight line", but also a context that summarizes the common terms of each, so it is possible to use formulas that can be used. , other rules, hints, etc. can be easily specified.
  • the virtual human resource generation/update unit 53 reads the Ifthen rule logic PL4 (step S321234 in FIG. 26).
  • the Ifthen rule logic is important in delivering value in teaching mathematics.
  • the Ifthen rule logic PL4 takes the form of [If condition then action to be performed], and is a set of rules that perform an action when the condition is met.
  • the juvenile's knowledge/thinking internal model PM2, psychology/feelings/values internal model PM1 estimated by the virtual human resource O, and the state of the context are registered. is registered what the virtual human resource O can do to improve the boy's academic ability.
  • the processing in this step is just processing for generating an initial value, and the Ifthen rule logic PL4 itself is dynamically optimized according to changes in the boy's state through instructional actions.
  • the virtual human resource generation update unit 53 reads other logic (step S321235 in FIG. 26). That is, in forming the virtual human resource O, dynamic optimization is necessary in addition to the logic PL described above, and such logic can be registered at any time as specific contents of the Ifthen rule logic PL4. can. In other words, depending on how a plurality of Ifthen rule logics PL4 are combined to proceed with inference, results, conclusions, selected actions, etc. are completely different, so management of other logics is also extremely important.
  • the virtual human resource generation/updating unit 53 next selects the purpose/goal internal model PM3 from among the internal models PM whose registration has been accepted in step S121. is read (step S32131 in FIG. 27).
  • the virtual human resource generation/update unit 53 reads the purpose CI 31 of the company/organization registered in step S24 (step S32132 in FIG. 27). That is, when it is confirmed that guidance is given with the goal of “avoiding red points in mathematics” as workplace information in the read purpose CI 31 of the company/organization, the virtual human resource generation/update unit 53 outputs, for example, “I did it.
  • the initial value of the boy's purpose/goal internal model PM3 is set with a focus on increasing "what he can do” instead of increasing "what he can do.” In this way, the initial generation processing of the internal model of the virtual human resource O ends.
  • the virtual human resource generation/update unit 53 integrates the curriculum data PDC acquired in step S122 and the training/development information CI33 acquired in step S24. That is, the virtual human resource generation and update unit 53 uses the curriculum data PDC prepared by the temporary staffing agency P, the instruction manual for its own instructor prepared by the private tutor management company, and the independently developed mathematics instruction materials and problem collections. Integrate with the content of video lessons.
  • the virtual human resource generation/update unit 53 reads the integrated curriculum data PDC. That is, the virtual human resource generation/update unit 53 incorporates the data generated by integrating the curriculum data PDC and the training/development information CI33 into the knowledge/thinking internal model PM2 of the virtual human resource O using the personalized summary logic PL1. In other words, aside from the curriculum data PDC facilitated by the temporary staffing agency P, the content prepared by the tutor operating company is not provided by the temporary staffing agency P, so the difficulty of automatic reading increases. The level of understanding of the virtual human resource O can be raised by using the personalization summary logic PL1 for data generated from such content.
  • the personalization summary logic PL1 to the data generated by integrating the curriculum data PDC and the training/development information CI33, it can be used based on the setting situation of the boy's grade and the information that he is not good at mathematics.
  • the virtual human resource O can be made to understand with the possible vocabulary set to the junior high school level. As a result, the virtual human resource O becomes able to give a more detailed explanation to the boy.
  • the virtual human resource generation/update unit 53 estimates the context (step S32222 in FIG. 28). That is, as mentioned above, context estimation is a very important factor for identifying available formulas, other rules, hints, and the like. Specifically, by reading the data generated by integrating the curriculum data PDC and the training/development information CI33, the context of each information is correctly recognized and set. You will be able to give correct guidance.
  • the virtual human resource generation update unit 53 updates the internal model PM (step S323 in FIG. 22). That is, the virtual human resource generation/update unit 53 executes necessary processing by applying the Ifthen rule logic PL4 each time it learns what the virtual human resource O is (step S3231 in FIG. 30).
  • the virtual human resource generation/update unit 53 takes in unknown words (step S32321 in FIG. 31). That is, the virtual human resource generation/update unit 53 determines whether the learning target is the same as a known one or an unknown one in the process of the virtual human resource O learning. If the learning target is determined to be unknown, the learning target is held as new knowledge in the knowledge/thought internal model PM2. Also, even if the learning target is once determined to be unknown, if it turns out to be the same as the known one in the subsequent learning process, the knowledge will be integrated into the knowledge/thinking internal model PM2. be done.
  • the virtual human resource generation/update unit 53 integrates and abolishes multiple pieces of information. In other words, the virtual human resource generation/update unit 53 integrates and abolishes information that is handled redundantly as needed while updating statistical information as meta information. Specifically, in the case of the virtual human resource O as a private tutor who teaches mathematics, there is almost no chance of encountering mutually contradictory information, but there is a possibility of, for example, a mistake in the description of the teaching material. Therefore, the virtual human resource generation/update unit 53 aggregates and updates the statistical information while checking consistency with existing knowledge. Thus, the initial learning process for the virtual human resource O ends.
  • a "human resource creation process” is executed for the virtual human resource O (step S4 in FIG. 14).
  • the virtual human resource generation/update unit 53 integrates the intelligence model and the avatar. That is, the virtual human resource generation/update unit 53 prepares to generate a “gentle” and “female” avatar according to the boy's wishes (step S41 in FIG. 32).
  • the virtual human resource generation update unit 53 can also apply privacy-preserving data mining. That is, the virtual human resource generation/update unit 53 applies the privacy protection data mining logic PL6 to protect privacy so that the information that the virtual human resource O has learned from the boy is not leaked to the outside (step S42 in FIG. 32). By applying the privacy-preserving data mining logic PL6, the virtual human resource O can share and analyze teaching know-how with other virtual human resources while protecting the student's privacy. In this way, the virtual human resource generation/update unit 53 generates a tutor as the virtual human resource O desired by the boy (step S43 in FIG. 32). In this way, the human resource generation process for the virtual human resource O ends.
  • a "job start preparation process" for executing the task is executed (step S5 in FIG. 14).
  • the environment setting unit 81 sets an access point for using the virtual human resource O for each usage form. That is, the environment setting unit 81 sets a URL for starting a video chat for the boy to access the virtual human resource O as a tutor and an e-mail address for exchanging with the virtual human resource O (step in FIG. 33). S51).
  • the environment setting unit 81 performs various settings related to speech/task instructions. That is, the environment setting unit 81 selects “API capable of drawing a graph and displaying it on the screen” as an available API. Further, the environment setting unit 81 sets the contact information of a real human resource (specialist staff) who supports when the virtual human resource O as a private tutor cannot respond. For example, the professional staff is set at a ratio of one to ten virtual human resources O, and executes task instructions sent from the virtual human resource O at any time (step S52 in FIG. 33). In this way, the job start preparation process for the virtual human resource O ends.
  • a real human resource specialist staff
  • the professional staff is set at a ratio of one to ten virtual human resources O, and executes task instructions sent from the virtual human resource O at any time (step S52 in FIG. 33). In this way, the job start preparation process for the virtual human resource O ends.
  • a "staffing process" is executed (step S6 in FIG. 14).
  • the virtual staffing department 54 accepts end-user access. That is, the boy accesses the provided URL and tries to start a lesson with virtual human resource O's private tutor (step S611 in FIG. 35).
  • the task execution unit 83 starts task execution.
  • the virtual human resource O starts working as a private tutor (step S612 in FIG. 35).
  • the task execution unit 83 first receives the sharing of the boy's situation, such as what he wants to do today or has not decided to do (step S613 in FIG. 35).
  • the objective interpretation unit 831 objectively interprets the contents of the boy's speech received. That is, the grammatical/semantic analysis unit 851 of the objective interpretation unit 831 performs grammatical/semantic interpretation of the boy's words (step S6141 in FIG. 36).
  • the contextual meaning estimation unit 852 of the objective interpretation unit 831 performs contextual interpretation of the boy's words (step S6142 in FIG. 36).
  • the subjective interpretation unit 832 subjectively interprets the content of the received utterance of the boy. That is, the contextual meaning evaluation unit 853 of the subjective interpretation unit 832 evaluates the contextual meaning of the boy's words (step S6151 in FIG. 37).
  • a state updater 854 of the subjective interpretation unit 832 updates the state.
  • virtual human resource O finds that he is not good at mathematics but is good at Japanese language and social studies in the course of teaching boys, the available vocabulary for mathematics will be adjusted based on middle 3rd grade as the standard, and other The explanatory vocabulary is adjusted to the level of second year high school students to optimize the elapsed time until understanding of the whole (step S6152 in FIG. 37).
  • the utterance content examination/generation unit 833 controls continuation of utterance. That is, the utterance continuation control unit 855 of the utterance content examination/generation unit 833 estimates the intention of the boy, such as whether the boy is continuing to speak or whether he is expecting a reply from the virtual human resource O (Fig. 38). step S6161).
  • the utterance content generation unit 856 of the utterance content examination/generation unit 833 generates the utterance content (step S6162 in FIG. 38). That is, the utterance content generation unit 856 clarifies the utterances and task instructions that the virtual human resource O should make to the boy according to the boy's estimated intention. For example, the following are candidates for utterances and task instructions.
  • the utterance content generation unit 856 asks the boy whether or not there is something he wants to do in class, confirms the contents, confirms whether he understands what he said, asks questions to confirm whether he understands, Generate utterances such as explanations to help you understand what you don't understand, introduction of information that can be used to understand what you don't understand, confirmation of the end of the class, and confirmation of whether there is a problem with the response of the virtual human resources. do.
  • the speech/task instruction unit 834 controls speech. That is, the utterance unit 857 of the utterance/task instruction unit 834 makes an appropriate utterance based on the content of the generated utterance and the Ifthen rule logic PL4 (step S6171 in FIG. 39).
  • a task instruction section 858 of the utterance/task instruction section 834 instructs a task. That is, the task instruction unit 858 instructs an appropriate task according to the Ifthen rule logic PL4. That is, the task instruction unit 858 requests support from the specialized staff. Alternatively, the utterance/task instruction unit 834 executes the pre-registered “API for drawing a graph and displaying it on the screen” and displays it on the screen (step S6172 in FIG. 39).
  • the task execution unit 83 terminates the task execution process. That is, the task execution unit 83 determines whether or not the task has ended, based on the boy's intention to end the lesson and the progress of the specified time for the lesson. For example, there is a case where the user takes a rest due to poor physical condition, and in such a case, the task execution unit 83 may terminate the task even if the time does not necessarily elapse (step S618 in FIG. 35).
  • the knowledge category-specific training section 821 of the training section 82 performs a training process for the virtual human resource O.
  • the inter-personnel information sharing unit 822 of the training unit 82 protects the privacy of the students by applying the privacy protection data mining logic PL6 as necessary, and provides an effective teaching method based on the Ifthen rule logic It can be shared in PL4 format.
  • the training unit by knowledge category 821 prepares additional curriculum data PDC for the field to be strengthened according to the understanding status of each knowledge field.
  • the knowledge category-specific training unit 821 may perform additional learning for the virtual human resource O when the range of knowledge changes or the tendency of questions changes due to changes in the teaching guidelines. In this way, the virtual human resource O can improve its abilities in the same way as humans by receiving training.
  • the virtual human resource O sets the Ifthen rule logic PL4 to "1 You can register new content such as "If you forget to check it, check it three times at one-week intervals". In addition, the information "what should be taught in such a case” is refined in the daily educational activities of the virtual human resource O.
  • ifthen Logical support is provided by the expansion of rule logic PL4 and the expansion of external APIs as executable actions. Specifically, in the form of "if you don't know the square root” then "displaying the content of the net to see", concrete measures that lead to the improvement of the boy's academic ability are provided other than the speech act of the virtual human resource O. be done.
  • FIG. 40 is a diagram for explaining an outline of basic technology required to realize virtual human resources. That is, the virtual human resource O is generated based on the personalized summary, data expressed in a "meaning-normalized format" or a format convertible thereto (for example, N4), the PSF data PDP, and the internal model PM. .
  • the personalized summary is an information system that can change the contents according to the other party, and the above-described personalized summary logic PL means the processing for realizing it.
  • the PSF data PDP will be described with reference to FIGS. 41 to 52.
  • FIG. Although the details will be described later, the PSF data PDP provides (1) normalized representation of all definition information, (2) sensor-based semantic decomposition, (3) context correspondence, and (4) episodic memory for existing ontology. It is composed by combining techniques such as recognition formation of
  • FIG. 41 is a diagram illustrating (1) normalized expression of all definition information.
  • FIGS. 42A and 42B are division diagrams for explaining (1) normalized expression of all definition information shown in FIG.
  • FIG. 41 shows a configuration example of (1) normalized expression R1 of all definition information.
  • Fig. 41 (1)
  • a configuration example of the normalized expression R1 of all definition information includes information to be defined (hereinafter referred to as "definition information") as individuals, states/attributes, concepts/categories, predicates/modifying expressions. etc. are included. Conventionally, in most cases, the definition information such as individuals, states/attributes, concepts/categories, predicates/modifying expressions, etc. is described in natural language.
  • the definition information is represented by N4, as shown in FIG.
  • Definitions are generated by expressing data in a "semantic normalized format" or a format convertible thereto.
  • a machine-readable semantic database is generated in an information processing system such as the virtual human resource O, so that the resolution of the semantic expression is improved.
  • an individual is defined by data expressed in a "meaning-normalized format” or a format convertible to it, such as nouns that can identify the individual, adjectives of state/attribute, and verbs of state. expressed.
  • Each of these multiple individuals is classified into concepts/categories.
  • data expressed in a "meaning-normalized format” or a format convertible to it such as including nouns that can identify the concept/category and one or more individuals belonging to the concept/category. expressed in the definition.
  • a plurality of these concepts/categories are grouped as necessary and classified into abstract concepts/categories.
  • this abstract concept/category is also expressed in a "meaning-normalized format” or a format that can be converted into it, such as including a noun that can identify the abstract concept/category and one or more concepts/categories that belong to it. defined by the data obtained.
  • Actions/thoughts are also defined by data expressed in a "meaning-normalized format” or a convertible format, such as verbs that can specify the actions/thoughts. This action/thought is appropriately associated with one or more individuals.
  • FIG. 43 is a diagram illustrating (2) sensor-based semantic decomposition.
  • FIG. 43 shows a configuration example of (2) sensor-based semantic decomposition R2.
  • Human beings perceive things based not only on language, but also on the basis of their own various perceptions. Therefore, (2) sensor-based semantic decomposition R2 in FIG. 43 is applied so that an information processing system such as the virtual human resource O can perform recognition based on sensors corresponding to various human perceptions.
  • an information processing system such as the virtual human resource O has a direct recognition system capable of directly recognizing based on its own special senses. , indirect recognition that can be recognized from the direct recognition, and abstract recognition that can be recognized from the indirect recognition.
  • FIG. 44 is a diagram illustrating (3) context correspondence.
  • FIG. 45 is a division diagram for explaining (3) context correspondence shown in FIG.
  • the context refers to a set of data expressed in a "meaning-normalized format" or a format convertible to the peripheral information for the recognition target.
  • the range of peripheral information to be normalized includes, for example, words, phrases, discourse (clause units), sentence units, multiple sentence units, all surrounding observable ranges, past An arbitrary range is set, such as all ranges including experience.
  • the peripheral information itself may be expressed in any format, such as a format in which details are listed within a set range, or a format in which details are tabulated in advance in arbitrary units.
  • the peripheral information in the range set in this way is put together as data expressed in a "meaning-normalized format” or a format convertible to the "meaning-normalized format", thereby forming a predetermined context.
  • the items arranged for each context in this way are referred to as "context correspondence”.
  • FIG. 46 is a diagram illustrating an example of application of context correspondence to word sense ambiguity resolution. That is, even if the definition of the headword in the dictionary corresponding to the recognition target word includes multiple word meaning sentences, the meaning of the recognition target word is inferred according to the context. be able to. This makes it possible to eliminate ambiguity such as which word-meaning sentence corresponds to the word to be recognized. Specifically, for example, it is assumed that the sentence "Melos was in despair and was only staring at the big red sunset. There is no choice but to run.” Here, if there is only the word "run", there are a plurality of semantic sentences for the word, such as those shown in the 1st to 10th sentences.
  • the recognition target "run” corresponds to the meaning of the ninth semantic sentence based on the context according to the sentence. In this way, ambiguity such as which word-meaning sentence corresponds to the word to be recognized can be resolved.
  • FIG. 47 is a diagram illustrating an example of application of context awareness to symbol grounding. That is, the meaning of the word to be recognized is selected from a set of concepts (such as Wordnet synsets) in the ontology (for example, PSF data PDP) corresponding to the word to be recognized.
  • a concept eg, the concept enclosed by the dashed line in the lower right of FIG. 47
  • FIG. 48 is a diagram illustrating an example of application of context correspondence to axiom extraction. That is, from a collection of information representing individual events such as episode memories, the information is aggregated while being divided for each element within the context. This makes it possible to extract an axiom of what kind of event occurs with what probability.
  • the episodic memory means that the information processed by the information processing system such as the virtual human resource O is accumulated as data expressed in a "meaning normalized format" or a format convertible to it. It is a thing. Specifically, for example, it is assumed that four patterns of episode memories are input as shown in FIG. Based on such four patterns of episode memory, information is aggregated while being divided for each element in the context.
  • FIG. 49 is a diagram illustrating an example of application of context correspondence to grouping of concepts and axioms. That is, when a plurality of contexts are cross-aggregated, it is possible to find one or more semantic elements that determine the applicability of frequently used concepts and axioms depending on one or more semantic elements. In addition, by labeling and reusing the one or more semantic elements, concepts and axioms can be grouped. Specifically, for example, by accumulating episodic memories as described in the example of FIG. 48, a plurality of contexts are cross-aggregated. Thus, for example, as shown in FIG.
  • FIG. 50 is a diagram illustrating an application example of context correspondence to missing element estimation. That is, by extracting the axioms described in the example of FIG. 48, the axioms applicable to the context are accumulated. By utilizing such axioms, missing elements can be estimated.
  • FIG. 49 by grouping concepts and axioms, it is possible to utilize the grouped concepts and axioms through the unit of grouping estimated from the context. As a result, it is possible to expect an improvement in the accuracy of estimating missing elements. Specifically, for example, as shown in FIG.
  • the axioms can be directly searched for assuming that the part "XX" in “XX throws a ball” is a missing element, or in the unit of "baseball".
  • FIG. 51 is a diagram illustrating (4) formation of recognition from episodic memory.
  • 52A to 52C are divided diagrams for explaining (4) recognition formation from episodic memory shown in FIG. 51.
  • FIG. FIG. 51 shows a configuration example of (4) Recognition formation R3 from episodic memory.
  • the episodic memory is information processed by an information processing system such as the virtual human resource O, and is stored as data expressed in a "meaning normalized format" or a format convertible to it. is. Then, by generating context from such episodic memory (by context correspondence), the meaning of the information held in episodic memory can be aggregated in various units (by cognition formation logic). .
  • concepts and axioms are generated as information representing the "recognition state" in the PSF data PDP.
  • recognition formation from episodic memory becomes feasible.
  • the recognition formation logic PL2 when the meaning of each piece of information held in the episodic memory is aggregated, conventional statistical processing is used as appropriate. Bias (a heuristic method that produces bias) can also be applied. As a result, the information processing system of the virtual human resource O or the like can always create a state in which input information is recognized in some way.
  • FIG. 53 is a diagram for explaining a specific example of data expressed in a "meaning-normalized format” or a format convertible thereto, that is, N4 (Neo non-loss normalized network).
  • FIGS. 54A and 54B are division diagrams for explaining a specific example of data expressed in the “meaning normalized format” shown in FIG. 53 or a format convertible thereto, that is, N4.
  • FIG. 53 shows a specific example R4 of N4, which is data expressed in a "meaning-normalized format” or a format convertible thereto.
  • the normalization of the meaning means that if the meaning is the same from a certain point of view, the storage format of the information related to that point of view has a clear common part in the stored content.
  • N4 is layered as shown in its specific example R4, and the information corresponding to each is held in a simple level machine-readable form such as a key value format. be.
  • the PSF data PDP represented by such N4 (its specific example R4) has a configuration as shown in FIGS. 55 and 56, for example.
  • FIG. 55 is a diagram for explaining a configuration example of the above-described "distributed & dynamically generated type" PSF data PDP.
  • FIG. 55 shows a configuration example of the "distributed & dynamically generated” PSF data PDPR5.
  • the “distributed & dynamically generated type” PSF data PDP (its configuration example R5) provides (1) normalized expression of all definition information (Fig. 41 (1) normalized expression of all definition information) for the existing ontology. R1 configuration example), (2) sensor-based semantic decomposition (see FIG. 43 (2) sensor-based semantic decomposition R2 configuration example), (3) context correspondence (see FIGS. 44 to 50), and (4 ) is constructed by combining recognition formation from episodic memory (see FIG. 51).
  • ontology case frame information (synset unit (eg, Framenet)/headword unit (eg, KNP)) + class relationship (eg, Wordnet) + related axiom (eg, SUMO) + class instance relationship (eg, YAGO).
  • FIG. 56 is a diagram for explaining the configuration of the above-described "one-pole concentration & existing type" PSF data PDP.
  • the PSF data PDP of "unipolar concentration & existing type” is based on the existing ontology: (1) normalized expression of all definition information (see (1) configuration example of normalized expression R1 of all definition information in FIG. 41) , (2) sensor-based semantic decomposition (see FIG. 43(2) configuration example of sensor-based semantic decomposition R2), and (3) context correspondence (see FIGS. 44 to 50).
  • FIG. 57 is a diagram for explaining an overview of the personalized summary processing steps.
  • FIG. 58 is a division diagram of the diagram for explaining the overview of the personalized summary processing steps shown in FIG.
  • FIG. 57 shows an example of a personalized summary of a sentence such as "Don't eat building blocks" as a target sentence.
  • Step 1 the text of interest is normalized. That is, the target sentence is data expressed in a "meaning-normalized format” or a format convertible thereto (FIG. 53 "meaning-normalized format” or data expressed in a format convertible thereto).
  • the definition is expressed in the specific example of N4 (see R4).
  • PSF data PDP i.e., a machine-readable semantic database with high resolution of semantic expression
  • the target sentence expressed in such a "meaning normalized format” such as N4 or a format convertible to it.
  • FIG. 55 “distributed & dynamically generated type” PSF data PDPR5 configuration example
  • the target sentence has a high-resolution machine-readable semantic expression.
  • Step 3 the available vocabulary of the communication partner for the information processing system such as the virtual human resource O is grasped.
  • the available vocabulary of the other party can be predicted using demographic information such as age and gender, activity information such as grade, major subject, occupation, etc., or can be specified as a prerequisite. Specifically, for example, when the other party is an infant, it is as shown in FIG.
  • Step 4 based on the target sentence that has a high-resolution, machine-readable semantic expression in Step 2 and the result of Step 3, a sentence that minimizes the lack of meaning is generated.
  • a sentence that minimizes the lack of meaning is generated.
  • the partner is an infant, it is as shown in FIG.
  • a "personalized summary” is generated by performing the processing of Steps 1 to 4 on the target text.
  • the target text For example, in the example of FIG. 57, by performing the processing of Steps 1 to 4 on the target text "Don't eat building blocks", it is possible to say "No" to "Put this" in your "mouth”.
  • a "personalized summary” is generated.
  • FIG. 59 is a diagram explaining the effect of the personalized summary.
  • the personalized summary has the following two effects in the mutual communication between the information processing system such as the virtual human resource O and the other party.
  • One effect is that the information processing system of the virtual human resources O or the like "improves their own understanding when they are listening”.
  • Another effect of the information processing system such as the virtual human resource O is "improvement of the understanding of the other party when one speaks”. Due to the effects of these two aspects, a deep mutual understanding is realized between the information processing system such as the virtual human resource O and the other party.
  • ⁇ improvement of one's own understanding when oneself is a listener'' means that when an information processing system such as virtual human resource O analyzes the words spoken by the other party, there are many unknown words and unclear parts, It is possible to improve one's own understanding by paraphrasing the words spoken by the other party using the vocabulary one understands.
  • "improving the understanding of the other party when oneself speaks” means that the information processing system such as virtual human resource O creates vocabulary that can be used by the other party based on information such as demographic information, learning history, and educational background of the other party. To improve the understanding of the other party by explaining the content to be conveyed using only the words that the other party knows by guessing or limiting the vocabulary to be used to only simple vocabulary. That is, deep mutual understanding is realized by executing each process as shown in FIG. be.
  • FIG. 60 is a diagram for explaining the comprehension level and the automation level of communication realized by the personalized summary in the information processing system of the virtual human resource O and the like.
  • the first point of view is the "understanding level".
  • the realization level of the information processing system such as the virtual human resource O falls within the range of 4 to 5 among the comprehension levels 0 to 5 shown in FIG. However, at level 5, it is limited to a specific range.
  • the general artificial intelligence level is 5.
  • the second point is the "automation level of communication".
  • the realization level of the information processing system such as the virtual human resource O is 4 out of the comprehension level 0 to 5 shown in FIG.
  • the general artificial intelligence level is 5.
  • FIG. 61 is a diagram explaining an overview of the internal model. 62A and 62B are divided diagrams for explaining the outline of the internal model shown in FIG. 61.
  • FIG. The internal model PM is expressed in a "meaning normalized format" such as N4 or a format convertible to it, and is stored in a machine-readable semantic database with high-resolution semantic representation such as PSF data PDP. A series of modeled data sets that have been modeled.
  • the internal model PM is, for example, a model of three pieces of information such as the psychology/emotion/values internal model PM1, the knowledge/thought internal model PM2, and the purpose/goal internal model PM3 as described above in a format in which the meaning is normalized. and retain it.
  • the psycho-emotional-values internal model PM1 is human internal information including psychology, emotions, and values, which have characteristics that are used to behave as if they have a personality according to the context. is.
  • the knowledge/thinking internal model PM2 is a human internal intellectual activity and information including knowledge and thinking, and is characterized in that the level of comprehension is managed for each piece of knowledge.
  • Purpose/goal internal model PM3 is a purpose or goal that includes KGI and KPI that are units of human individuals and organizations to which the person belongs. be. Since each such internal model is implemented as a PSF data PDP, (1) a normalized representation of all definition information (see FIG. 41), (2) sensor-based semantic decomposition (see FIG. 43), and ( 3) context correspondence (see FIGS. 44 to 50); and (4) recognition from episodic memory (see FIG. 51). In addition, addition and update of information shall conform to the flow of (4) Recognition formation from episode memory.
  • FIG. 63 is a diagram explaining the purpose of the internal model.
  • FIG. 64 is a split diagram of a diagram explaining the purpose of the internal model shown in FIG.
  • the internal model PM has two main purposes. That is, the first purpose is to "realize deep mutual understanding" between the information processing system such as the virtual human resource O and the other party. In order to realize this, the information processing system of the virtual human resource O and the like constantly performs self-recognition and partner recognition using the internal model PM, and raises the level of mutual communication. The second purpose is "realization of efficient PDCA". In order to realize this, the information processing system such as the virtual human resource O uses the internal model PM to effectively implement countermeasures against the frame problem while maintaining multi-layered objectives, and to complete the overall improvement cycle. rotate smoothly.
  • the series of processes described above can be executed by hardware or by software.
  • the functional configurations of FIGS. 8 and 9 are merely examples and are not particularly limited. That is, it is sufficient that the information processing system and the virtual human resources have a function capable of executing the above-described series of processes as a whole. is not limited to the example of Also, the locations of the functional blocks and the database are not particularly limited to those shown in FIGS. 8 and 9, and may be arbitrary. For example, at least part of the functional blocks and databases required for executing various processes may be transferred to the dispatch destination terminal 2, the dispatch source terminal 3, and the like. Conversely, the functions of the dispatch destination terminal 2 and the dispatch source terminal 3 may be transferred to the server 1 or the like. Also, one functional block may be composed of hardware alone, software alone, or a combination thereof.
  • a program constituting the software is installed in a computer or the like from a network or a recording medium.
  • the computer may be a computer built into dedicated hardware. Further, the computer may be a computer capable of executing various functions by installing various programs, such as a server, a general-purpose smart phone, or a personal computer.
  • a recording medium containing such a program may be a removable device (not shown) that is distributed separately from the main body of the device in order to provide the program to users (providers of this service, dispatch destinations, and personnel dispatching agencies). It is composed not only of a medium, but also of a recording medium or the like that is provided to a user or the like in a state of being incorporated in the main body of the apparatus in advance.
  • the steps of writing a program recorded on a recording medium are not necessarily processed chronologically according to the order, but may be executed in parallel or individually. It also includes the processing to be executed.
  • the term "system” means an overall device composed of a plurality of devices, a plurality of means, or the like.
  • the information processing system and the virtual human resources to which the present invention is applied need only have the following configuration, and can take various embodiments. That is, the information processing system to which the present invention is applied is An information processing system that generates virtual personnel (for example, virtual personnel O in FIG. 1) dispatched from a dispatch source (for example, personnel dispatch source P in FIG. 1) to a dispatch destination (for example, dispatch destination C in FIG. 1). in Acquisition means (for example, logic acquisition unit 523 in FIG. 8) for acquiring, as dispatcher information, data including at least personalized summary logic (for example, personalized summary logic PL1 in FIG. 2) from the information provided by the dispatcher When, a virtual human resource generation means (for example, the virtual human resource generation update unit 53 in FIG.
  • a virtual human resource (eg, virtual human resource O in FIG. 1) dispatched from a dispatch source (eg, human resource dispatch source P in FIG. 1) to a dispatch destination (eg, dispatch destination C in FIG. 1) in the processing system
  • a dispatch source eg, human resource dispatch source P in FIG. 1
  • a dispatch destination eg, dispatch destination C in FIG. 1
  • data represented in a "meaning-normalized format" or a format convertible to it for example, psychology/emotion/values internal model PM1 in FIG. 2
  • Acquisition means for acquiring information for example, the model acquisition unit 521 in FIG. 8
  • a virtual human resource generation means for example, the virtual human resource generation update unit 53 in FIG. 8) that generates a virtual human resource using the dispatch source information; Prepare.
  • the virtual human resource generation means since the virtual human resource generation means generates the virtual human resource O based on the data expressed in the "meaning normalized format” or a format convertible to it, the interaction based on the "visualized” intelligence is possible. A possible virtual human resource is generated. As a result, the virtual human resource can achieve communication with a high degree of mutual understanding with the partner at the dispatch destination.
  • a virtual human resource dispatched from a dispatch source for example, a dispatch source P in FIG. 1 to a dispatch destination (for example, a dispatch destination C in FIG. 1)
  • the data expressed in a "meaning normalized format" or a format convertible thereto, and personalization summary logic is at least Acquisition means for acquiring the data including as dispatch source information; a virtual human resource generation means (for example, the virtual human resource generation update unit 53 in FIG. 8) that generates a virtual human resource using the dispatch source information; Prepare.
  • the virtual human resource can achieve communication with a higher degree of mutual understanding with the partner at the dispatch destination.
  • Acquisition means for acquiring, as dispatching agency information, data including at least a plurality of internal models (eg, internal model PM in FIG. 2) from information provided by the dispatching agency (eg, staffing agency P in FIG. 1)
  • a virtual human resource generation means for example, the virtual human resource generation update unit 53 in FIG.
  • Each of the plurality of internal models includes a first viewpoint regarding human internal information including psychology, emotions, and values, a second viewpoint regarding human internal intellectual activities and information including knowledge and thinking, and , goals including KGIs and KPIs that are units of human individuals or organizations to which the humans belong, or third perspectives regarding goals and their internal relationships.
  • the plurality of internal models are As a model generated based on the first point of view, human internal information including psychology, emotions, and values is held, and the relationship of the information is organized in a "meaning normalized format" or including a first model modeled in a convertible format (e.g., psycho-emotional-values internal model PM1 in FIG. 2); As a model generated based on the second point of view, human internal intellectual activities and information including knowledge and thoughts are held, and the relationships between the intellectual activities and information are organized and "meaning is normalized. format” or a second model modeled in a format convertible to it (for example, the knowledge/thinking internal model PM2 in FIG.
  • a virtual human resource (eg, virtual human resource O in FIG. 1) dispatched from a dispatch source (eg, human resource dispatch source P in FIG. 1) to a dispatch destination (eg, dispatch destination C in FIG. 1)
  • a dispatch source eg, human resource dispatch source P in FIG. 1
  • a dispatch destination eg, dispatch destination C in FIG. 1
  • data containing at least personalized summary logic for example, personalized summary logic PL1 in FIG. 2 is generated using as dispatcher information
  • the task is instructed in the form of a human-readable message to execute a predetermined task while interacting with the human.
  • a task execution means (for example, the task execution unit 83 in FIG. 9) is provided.
  • a virtual human resource who can paraphrase according to the other person's situation uses multiple internal models to give task instructions in the form of human-readable messages. .
  • the virtual human resource O can realize communication with a high degree of mutual understanding with the partner at the dispatch destination.
  • a virtual human resource (eg, virtual human resource O in FIG. 1) dispatched from a dispatch source (eg, human resource dispatch source P in FIG. 1) to a dispatch destination (eg, dispatch destination C in FIG. 1)
  • a dispatch source eg, human resource dispatch source P in FIG. 1
  • a dispatch destination eg, dispatch destination C in FIG. 1
  • data expressed in a "meaning normalized format" or a format convertible thereto is used as the dispatcher information and generated
  • the task is instructed in the form of a human-readable message to execute a predetermined task while interacting with the human.
  • a task execution means (for example, the task execution unit 83 in FIG. 9) is provided.
  • a virtual human being capable of all-encompassing “visualized” intelligence-based interactions uses multiple internal models to provide task instructions in the form of human-readable messages.
  • communication with a high degree of mutual understanding can be realized between the virtual human resource O and the partner at the dispatch destination.
  • a virtual human resource (eg, virtual human resource O in FIG. 1) dispatched from (eg, human resource dispatch source P in FIG. 1) to a dispatch destination (eg, dispatch destination C in FIG. 1)
  • the data expressed in a "meaning normalized format" or a format convertible thereto
  • personalization summary logic (for example, personalization summary logic PL1 in FIG. 2) is at least
  • the data containing is generated by using it as dispatch source information
  • the task is instructed in the form of a human-readable message to execute a predetermined task while interacting with the human.
  • a task execution means (for example, the task execution unit 83 in FIG. 9) is provided.
  • such a virtual human resource can paraphrase according to the other person's situation (level of understanding, available vocabulary, etc.), and can exchange based on "visualized” intelligence, so it is possible to interact with the other person at the dispatch destination. Communication with a high degree of mutual understanding can be realized between
  • a virtual human resource (eg, virtual human resource O in FIG. 1) dispatched from (eg, human resource dispatch source P in FIG. 1) to a dispatch destination (eg, dispatch destination C in FIG. 1)
  • Data including at least a plurality of internal models (for example, the internal model PM in FIG. 2) among the information provided by the dispatcher is generated using the dispatcher information
  • Each of the plurality of internal models (for example, the internal model PM in FIG. 2) is a first viewpoint, knowledge, and thoughts on human internal information including psychology, emotions, and values.
  • a second aspect relating to social activities and information is generated based on
  • a plan is set using the model generated based on the third viewpoint while performing self-recognition and partner recognition using the models generated based on the first and second viewpoints (for example, FIG. 10 Plan), execute a predetermined task while interacting with a human to achieve the plan (e.g., Do in FIG. 10), evaluate the result of the execution (e.g., Check in FIG. 10), and A task executing means (for example, the task executing section 83 in FIG. 9) for performing improvement (for example, Action in FIG. 10) based on the result of the evaluation is provided.
  • the plurality of internal models are As a model generated based on the first point of view, human internal information including psychology, emotions, and values is held, and the relationship of the information is organized in a "meaning normalized format" or including a first model modeled in a convertible format (e.g., psycho-emotional-values internal model PM1 in FIG. 2); As a model generated based on the second point of view, human internal intellectual activities and information including knowledge and thoughts are held, and the relationships between the intellectual activities and information are organized and "meaning is normalized. format” or a second model modeled in a format convertible to it (for example, the knowledge/thinking internal model PM2 in FIG.

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Human Resources & Organizations (AREA)
  • Tourism & Hospitality (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Primary Health Care (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

相互理解が高いコミュニケーション、又は効率的なＰＤＣＡの実行可能な仮想人材を提供することを課題とする。　派遣元Ｐから提供される情報のうち、「意味を正規化したフォーマット」又はそれに変換可能なフォーマットで表されたデータであって、パーソナライズ要約ロジック及び「意味を正規化したフォーマット」又はそれに変換可能なフォーマットで表されたデータ及び複数の内部モデルＰＭを少なくとも含むデータが派遣元情報として取得される。このような派遣元情報を用いて仮想人材Ｏが生成される。これにより、上記課題を解決する。

Description

情報処理システム及び仮想人材
　本発明は、情報処理システム及び仮想人材に関する。
　従来より、スマートフォン等の音声インターフェースとして実装される音声アシスタントの技術（例えば特許文献１参照）が提案されている。また、音声でのやり取りが可能なロボットの技術（例えば特許文献２参照）が提案されている。これらの技術を組み合わせることで、コミュニケーションとしてタスクを実行可能な仮想人材の生成は可能である。
特開２０１６－４２７０号公報 特開２０１８－１２６２０９号公報
　しかしながら、相互理解が高いコミュニケーションと効率的なＰＤＣＡの実行のうち少なくとも一方を実現可能な仮想人材が要求されているが、上述の特許文献１及び２に記載の技術を含む従来技術のみでは、かかる要求に応えることができない状況であった。
　本発明はこのような状況に鑑みてなされたものであり、相互理解が高いコミュニケーション、又は効率的なＰＤＣＡの実行可能な仮想人材を提供することを目的とする。
　上記目的を達成するため、本発明の一態様の情報処理システムは、派遣元から派遣先に対して派遣される仮想人材を生成する情報処理システムにおいて、前記派遣元から提供される情報のうち、パーソナライズ要約ロジックを少なくとも含むデータを、派遣元情報として取得する取得手段と、前記派遣元情報を用いて仮想人材を生成する仮想人材生成手段と、を備える。
　また、本発明の一態様の情報処理システムは、派遣元から派遣先に対して派遣される仮想人材を生成する情報処理システムにおいて、前記派遣元から提供される情報のうち、「意味を正規化したフォーマット」又はそれに変換可能なフォーマットで表されたデータを、派遣元情報として取得する取得手段と、前記派遣元情報を用いて仮想人材を生成する仮想人材生成手段と、を備える。
　また、本発明の一態様の情報処理システムは、派遣元から派遣先に対して派遣される仮想人材を生成する情報処理システムにおいて、前記派遣元から提供される情報のうち、「意味を正規化したフォーマット」又はそれに変換可能なフォーマットで表されたデータであって、パーソナライズ要約ロジックを少なくとも含むデータを、派遣元情報として取得する取得手段と、前記派遣元情報を用いて仮想人材を生成する仮想人材生成手段と、を備える。
　また、本発明の一態様の情報処理システムは、派遣元から派遣先に対して派遣される仮想人材を生成する情報処理システムにおいて、前記派遣元から提供される情報のうち、単一又は複数の内部モデルを少なくとも含むデータを、派遣元情報として取得する取得手段と、前記派遣元情報を用いて仮想人材を生成する仮想人材生成手段と、を備え、前記複数の内部モデルの夫々は、心理、感情、及び価値観を含む人間の内的な情報に関する第１観点、知識及び思考を含む人間の内的な知的活動及び情報に関する第２観点、並びに、人間の個人若しくは当該人間が属する組織を単位とするＫＧＩ及びＫＰＩを含む目的、又はゴールとその内部的な関係性に関する第３観点のうち１以上の観点に基づいて生成されている。
　さらに、前記単一又は複数の内部モデルは、前記第１観点に基づいて生成されたモデルとして、心理、感情、価値観を含む人間の内的な情報を保持し、当該情報の関係性が整理されて「意味を正規化したフォーマット」又はそれに変換可能なフォーマットでモデル化された第１モデルを含み、前記第２観点に基づいて生成されたモデルとして、知識、思考を含む人間の内的な知的活動及び情報を保持し、当該知的活動及び情報の関係性が整理されて、「意味を正規化したフォーマット」又はそれに変換可能なフォーマットでモデル化された第２モデルを含み、前記第３観点に基づいて生成されたモデルとして、人間の個人や当該人間が属する組織を単位とするＫＧＩ及びＫＰＩを含む目的又はゴールとその内部的な関係性が整理されて、「意味を正規化したフォーマット」又はそれに変換可能なフォーマットでモデル化された第３モデルを含む。
　また、上記目的を達成するため、本発明の一態様の仮想人材は、派遣元から派遣先に対して派遣される仮想人材であって、前記派遣元から提供される情報のうち、パーソナライズ要約ロジックを少なくとも含むデータが、派遣元情報として用いられて生成されたものであり、前記複数の内部モデルを用いて、人間が読解可能なメッセージの形態で前記タスクの指示を行うことで、前記人間と対話をしながら所定のタスクを実行するタスク実行手段を備える。
　また、本発明の一態様の仮想人材は、派遣元から派遣先に対して派遣される仮想人材であって、前記派遣元から提供される情報のうち、「意味を正規化したフォーマット」又はそれに変換可能なフォーマットで表されたデータが、派遣元情報として用いられて生成されたものであり、前記複数の内部モデルを用いて、人間が読解可能なメッセージの形態で前記タスクの指示を行うことで、前記人間と対話をしながら所定のタスクを実行するタスク実行手段を備える。
　また、本発明の一態様の仮想人材は、派遣元から派遣先に対して派遣される仮想人材であって、前記派遣元から提供される情報のうち、「意味を正規化したフォーマット」又はそれに変換可能なフォーマットで表されたデータであって、パーソナライズ要約ロジックを少なくとも含むデータが、派遣元情報として用いられて生成されたものであり、前記複数の内部モデルを用いて、人間が読解可能なメッセージの形態で前記タスクの指示を行うことで、前記人間と対話をしながら所定のタスクを実行するタスク実行手段を備える。
　また、本発明の一態様の仮想人材は、派遣元から派遣先に対して派遣される仮想人材であって、前記派遣元から提供される情報のうち、複数の内部モデルを少なくとも含むデータが、派遣元情報として用いられて生成されたものであり、前記単一又は複数の内部モデルの夫々は、心理、感情、及び価値観を含む人間の内的な情報に関する第１観点、知識及び思考を含む人間の内的な知的活動及び情報に関する第２観点、並びに、人間の個人若しくは当該人間が属する組織を単位とするＫＧＩ及びＫＰＩを含む目的、又はゴールとその内部的な関係性に関する第３観点のうち１以上の観点に基づいて生成されており、前記第１観点及び前記第２観点に基づいて生成されたモデルを用いた自己認識及び相手認識を伴いながら、前記第３観点に基づいて生成されたモデルを用いて計画を設定し、当該計画を達成するために人間と対話をしながら所定のタスクを実行し、その実行の結果を評価し、その評価の結果に基づいて改善を行うタスク実行手段、を備える。
　さらに、前記複数の内部モデルは、前記第１観点に基づいて生成されたモデルとして、心理、感情、価値観を含む人間の内的な情報を保持し、当該情報の関係性が整理されて「意味を正規化したフォーマット」又はそれに変換可能なフォーマットでモデル化された第１モデル含み、前記第２観点に基づいて生成されたモデルとして、知識、思考を含む人間の内的な知的活動及び情報を保持し、当該知的活動及び情報の関係性が整理されて、「意味を正規化したフォーマット」又はそれに変換可能なフォーマットでモデル化された第２モデルを含み、前記第３観点に基づいて生成されたモデルとして、人間の個人や当該人間が属する組織を単位とするＫＧＩ及びＫＰＩを含む目的又はゴールとその内部的な関係性が整理されて、「意味を正規化したフォーマット」又はそれに変換可能なフォーマットでモデル化された第３モデルを含む。
　本発明によれば、相互理解が高いコミュニケーション、又は効率的なＰＤＣＡの実行可能な仮想人材を提供することができる。
本発明の情報処理システムの一実施形態の適用対象となる本サービスの概要を示す図である。 図１に示す本サービスについてのより詳細な説明を示す図である。 図２に示す本サービスについてのより詳細な説明を示す図の分割図である。 図２に示す本サービスについてのより詳細な説明を示す図の分割図である。 図２に示す本サービスについてのより詳細な説明を示す図の分割図である。 図１の本サービスの仮想人材が適用される対象業務について説明する表である。 図４に示す本サービスの仮想人材が適用される対象業務について説明する表の分割図である。 図４に示す本サービスの仮想人材が適用される対象業務について説明する表の分割図である。 図１の本サービスが適用される情報処理システム、即ち、本発明の情報処理システムの一実施形態に係る構成の一例を示す図である。 図６の情報処理システムのうち、サーバのハードウェア構成を示すブロック図である。 図７の情報処理システムのサーバの機能的構成のうち、仮想人材生成更新処理の際に機能する機能的構成の一例を示す図である。 図７の情報処理システムのサーバの機能的構成のうち、人材派遣処理の際に機能する機能的構成の一例を示す図である。 図１の本サービスの仮想人材が実行するタスクの概要について説明する図である。 図１０に示す本サービスの仮想人材が実行するタスクの概要について説明する図の分割図である。 図１０に示す本サービスの仮想人材が実行するタスクの概要について説明する図の分割図である。 図１０に示す本サービスの仮想人材が実行するタスクの概要について説明する図の分割図である。 図１の本サービスの仮想人材が備える各種センサと、仮想人材に対する情報入力フローの概要について説明する図である。 全体処理の各ステップと各図との対応関係を示した図である。 サーバが実行する全体処理の流れを説明するフローチャートである。 図１４の全体処理のステップＳ１の人材派遣の事前準備処理の詳細の一例を説明するフローチャートである。 図１５の人材派遣の事前準備処理のステップＳ１１の人材派遣元向け仮想人材管理処理の詳細の一例を説明するフローチャートである。 図１６の人材派遣元向け仮想人材管理処理のステップＳ１１１の基本的要素の管理処理の詳細の一例を説明するフローチャートである。 図１６の人材派遣元向け仮想人材管理処理のステップＳ１１２のタスク実行手段の登録処理の詳細の一例を説明するフローチャートである。 図１５の人材派遣の事前準備処理のステップＳ１２の人材派遣元向け情報登録処理の詳細の一例を説明するフローチャートである。 図１４の全体処理のステップＳ２の人材派遣先の希望の登録処理の詳細の一例を説明するフローチャートである。 図１４の全体処理のステップＳ３の初期学習処理の詳細の一例を説明するフローチャートである。 図２１の初期学習処理のステップＳ３２の学習処理の詳細の一例を説明するフローチャートである。 図２２の学習処理のステップＳ３２１の内部モデルの生成処理の詳細の一例を説明するフローチャートである。 図２３の内部モデルの生成処理のステップＳ３２１１の心理・感情・価値観の生成処理の詳細の一例を説明するフローチャートである。 図２３の内部モデルの生成処理のステップＳ３２１２の知識・思考の生成処理の詳細の一例を説明するフローチャートである。 図２５の知識・思考の生成処理のステップＳ３２１２３の各種ロジックデータの読込処理の詳細の一例を説明するフローチャートである。 図２３の内部モデルの生成処理のステップＳ３２１３のゴール生成処理の詳細の一例を説明するフローチャートである。 図２２の学習処理のステップＳ３２２のデータの読込処理の詳細の一例を説明するフローチャートである。 図２８のデータの読込処理のステップＳ３２２２の統合後のカリキュラムデータＰＤＣの読込処理の詳細の一例を説明するフローチャートである。 図２２の学習処理のステップＳ３２３の内部モデルの更新処理の詳細の一例を説明するフローチャートである。 図３０の内部モデルの更新処理のステップＳ３２３２の認識形成処理の詳細の一例を説明するフローチャートである。 図１４の全体処理のステップＳ４の人材生成処理の一例を説明するフローチャートである。 図１４の全体処理のステップＳ５の業務開始準備処理の一例を説明するフローチャートである。 図１４の全体処理のステップＳ６の人材派遣処理の一例を説明するフローチャートである。 図３４の人材派遣処理のステップＳ６１のタスクの実行処理の一例を説明するフローチャートである。 図３５のタスクの実行処理のＳ６１４の客観的解釈処理の一例を説明するフローチャートである。 図３５のタスクの実行処理のＳ６１５の主観的解釈処理の一例を説明するフローチャートである。 図３５のタスクの実行処理のＳ６１６の発話内容検討・生成処理の一例を説明するフローチャートである。 図３５のタスクの実行処理のＳ６１７の発話・タスク指示処理の一例を説明するフローチャートである。 仮想人材を実現するために必要な基盤技術の概要について説明する図である。 （１）全定義情報の正規化表現について説明する図である。 図４１に示す（１）全定義情報の正規化表現について説明する図の分割図である。 図４１に示す（１）全定義情報の正規化表現について説明する図の分割図である。 （２）センサベースの意味分解について説明する図である。 （３）コンテキスト対応について説明する図である。 図４４に示す（３）コンテキスト対応について説明する図の分割図である。 語義曖昧性の解消に対するコンテキスト対応の適用例を説明する図である。 シンボルグラウンディングに対するコンテキスト対応の適用例を説明する図である。 公理の抽出に対するコンテキスト対応の適用例を説明する図である。 概念・公理のグループ化に対するコンテキスト対応の適用例を説明する図である。 欠落要素の推定に対するコンテキスト対応の適用例を説明する図である。 （４）エピソード記憶からの認識形成について説明する図である。 図５１に示す（４）エピソード記憶からの認識形成について説明する図の分割図である。 図５１に示す（４）エピソード記憶からの認識形成について説明する図の分割図である。 図５１に示す（４）エピソード記憶からの認識形成について説明する図の分割図である。 「意味を正規化したフォーマット」又はそれに変換可能なフォーマットで表されたデータの具体例、即ちＮ４について説明する図である。 図５３に示す「意味を正規化したフォーマット」又はそれに変換可能なフォーマットで表されたデータの具体例、即ちＮ４について説明する図の分割図である。 図５３に示す「意味を正規化したフォーマット」又はそれに変換可能なフォーマットで表されたデータの具体例、即ちＮ４について説明する図の分割図である。 「分散＆動的生成型」のＰＳＦデータＰＤＰの構成例について説明する図である。 「一極集中＆既設型」のＰＳＦデータＰＤＰの構成について説明する図である。 パーソナライズ要約の処理工程の概要を説明する図である。 図５７に示すパーソナライズ要約の処理工程の概要を説明する図の分割図である。 パーソナライズ要約の効果について説明する図である。 仮想人材Ｏにおいてパーソナライズ要約が実現する理解度レベルとコミュニケーションの自動化レベルについて説明する図である。 内部モデルの概要について説明する図である。 図６１に示す内部モデルの概要について説明する図の分割図である。 図６１に示す内部モデルの概要について説明する図の分割図である。 内部モデルの目的について説明する図である。 図６３に示す内部モデルの目的について説明する図の分割図である。
　図１は、本発明の情報処理システムの一実施形態の適用対象となるサービス（以下、「本サービス」と呼ぶ）の概要を示す図である。
　即ち、本サービスは、派遣先Ｃから提供される情報（以下、「派遣先情報」と呼ぶ）と人材派遣元Ｐから提供される情報（以下、「派遣元情報」と呼ぶ）とに基づいて生成された仮想人材Ｏを、人材派遣元Ｐから派遣先Ｃに派遣するサービスである。
　派遣先Ｃは、派遣先端末（例えば後述の図６の派遣先端末２）を操作することによって、派遣先向け情報登録機能ＣＦを機能させ、派遣先情報を登録する。登録先は、特に限定されないが、以下説明の便宜上、本サービスの提供者が管理するサーバ（例えば図６のサーバ１）であるものとする。
　ここで、派遣先情報には、例えば希望人材情報ＣＩ１、利用形態ＣＩ２、人材の募集情報／マニュアルＣＩ３等が含まれる。なお、派遣先情報の詳細な説明については、派遣先向け情報登録機能ＣＦの説明として後述する。
　派遣先Ｃは、自身が提供する派遣先情報と人材派遣元Ｐにより提供される後述の派遣元情報とに基づいて生成される仮想人材Ｏの派遣を受け付ける。
　即ち、派遣先Ｃは、所定の目的を達成するために業務等の行為を行う事業者や個人等であって、この事業等の行為を支援してもらうため各種タスクを実行する仮想人材Ｏを受け付ける。
　人材派遣元Ｐは、派遣元端末（例えば後述の図６の派遣元端末３）を操作することによって、人材派遣元向け仮想人材管理機能ＰＡと人材派遣元向け情報登録機能ＰＦとを機能させる。
　例えば、人材派遣元Ｐは、人材派遣元向け情報登録機能ＰＦを機能させることで、派遣元情報を登録する。登録先は、特に限定されないが、以下説明の便宜上、本サービスの提供者が管理するサーバ（例えば図６のサーバ１）であるものとする。
　ここで、派遣元情報には、内部モデルＰＭ、言語資源データＰＤ、ロジックＰＬ等が含まれる。なお、派遣元情報の詳細な説明については、人材派遣元向け情報登録機能ＰＦの説明として後述する。
　人材派遣元Ｐは、派遣先Ｃにより提供される派遣先情報と自身が提供する派遣元情報とに基づいて生成される仮想人材Ｏを、派遣先Ｃに派遣する。
　ここで、一般的にいう仮想人材とは、言葉をインターフェースとして人間とやり取りし、特定の目的の達成に寄与する情報システムのことをいう。
　本サービスにより派遣先Ｃに派遣される仮想人材Ｏとは、上述の一般的にいう仮想人材のうち、少なくとも次のようなものをいう。
　即ち、人材派遣元Ｐから派遣先Ｃに対して派遣される仮想人材Ｏは、人材派遣元Ｐから提供される情報のうち、パーソナライズ要約ロジックを少なくとも含むデータが、派遣元情報として用いられることにより生成されたものである。また、仮想人材Ｏは、後述する複数の内部モデルを用いて、人間が読解可能なメッセージの形態でタスクの指示を行うことで、人間と対話をしながら所定のタスクを実行するものである。
　ここで、パーソナライズ要約ロジックとは、詳細は後述するが、相手に応じて内容を言い換えうる情報システムのことをいう。従来より、パラレルコーパスに基づいた言い換えや、日本語平易化に向けた辞書等の研究事例等は存在するが、これらは言い換え対象の語彙が固定的であり、また、学習自体もバッチ処理的であり、いわば翻訳に近い。これに対して、パーソナライズ要約ロジックを適用する仮想人材Ｏは、利用可能な語彙をリアルタイムで相手に合わせて柔軟に変更することができる。
　また、人材派遣元Ｐから派遣先Ｃに対して派遣される仮想人材Ｏは、人材派遣元Ｐから提供される情報のうち、「意味を正規化したフォーマット」又はそれに変換可能なフォーマットで表されたデータが、派遣元情報として用いられることにより生成されたものである。また、仮想人材Ｏは、後述する複数の内部モデルを用いて、人間が読解可能なメッセージの形態でタスクの指示を行うことで、人間と対話をしながら所定のタスクを実行するものである。
　ここで、「意味を正規化したフォーマット」とは、詳細は後述するが、自然言語やプログラミング言語を含む、同じ意味なら同じ形式になる機械可読性の高い意味の表現形式のことをいう。
　また、人材派遣元Ｐから派遣先Ｃに対して派遣される仮想人材Ｏは、人材派遣元Ｐから提供される情報のうち、「意味を正規化したフォーマット」又はそれに変換可能なフォーマットで表されたデータであって、パーソナライズ要約ロジックを少なくとも含むデータが、派遣元情報として用いられて生成されたものである。また、仮想人材Ｏは、後述する複数の内部モデルを用いて、人間が読解可能なメッセージの形態でタスクの指示を行うことで、人間と対話をしながら所定のタスクを実行するものである。
　また、人材派遣元Ｐから派遣先Ｃに対して派遣される仮想人材Ｏは、人材派遣元Ｐから提供される情報のうち、後述する単一又は複数の内部モデルを少なくとも含むデータが、派遣元情報として用いられることにより生成されたものである。前記複数の内部モデルの夫々は、心理、感情、及び価値観を含む人間の内的な情報に関する第１観点、知識及び思考を含む人間の内的な知的活動及び情報に関する第２観点、並びに、人間の個人若しくは当該人間が属する組織を単位とするＫＧＩ及びＫＰＩを含む目的、又はゴールとその内部的な関係性に関する第３観点のうち１以上の観点に基づいて生成されている。仮想人材Ｏは、前記第１観点及び前記第２観点に基づいて生成されたモデルを用いた自己認識及び相手認識を伴いながら、前記第３観点に基づいて生成されたモデルを用いて計画を設定し、当該計画を達成するために人間と対話をしながら所定のタスクを実行し、その実行の結果を評価し、その評価の結果に基づいて改善を行うものである。
　ここで、前記単一又は複数の内部モデルは、前記第１観点に基づいて生成されたモデルとして、心理、感情、価値観を含む人間の内的な情報を保持し、当該情報の関係性が整理されて「意味を正規化したフォーマット」又はそれに変換可能なフォーマットでモデル化された第１モデル（例えば、後述する心理・感情・価値観内部モデルＰＭ１）を含む。
　前記複数の内部モデルは、前記第２観点に基づいて生成されたモデルとして、知識、思考を含む人間の内的な知的活動及び情報を保持し、当該知的活動及び情報の関係性が整理されて、「意味を正規化したフォーマット」又はそれに変換可能なフォーマットでモデル化された第２モデル（例えば、後述する知識・思考内部モデルＰＭ２）を含む。
　前記単一又は複数の内部モデルは、前記第３観点に基づいて生成されたモデルとして、人間の個人や当該人間が属する組織を単位とするＫＧＩ及びＫＰＩを含む目的又はゴールとその内部的な関係性が整理されて、「意味を正規化したフォーマット」又はそれに変換可能なフォーマットでモデル化された第３モデル（例えば、後述する目的・ゴール内部モデルＰＭ３）を含む。
　ここで、本サービスにより派遣先Ｃに派遣される仮想人材Ｏと、従来技術とを比較する。従来技術としては、Ｓｉｒｉ（登録商標）等の音声アシスタントと、音声でのやり取りができるＰｅｐｐｅｒ（登録商標）等のロボットとが存在する。
　全体として、仮想人材Ｏと、従来の音声アシスタント及びロボットとの用語の定義上の共通点は次の通りになる。
　即ち、仮想人材Ｏ、及び従来の音声アシスタント及びロボットには、相手の発話に応じて何をするかの管理単位として「スキル」が存在する。また、仮想人材Ｏ、及び従来の音声アシスタント及びロボットの夫々においては、「スキル」内の実行可能な機能は「インテント」、さらに、インテント内の引数は「スロット」と呼ばれ、さらに、最終的に外部の機能を起動する「インターフェース」を有する点で共通する。
　これに対して、仮想人材Ｏと、従来の音声アシスタント及びロボットとの用語の定義上の差異点は次の通りになる。
　即ち、仮想人材Ｏにおいて、「スキル」は、図２のＩｆｔｈｅｎルールロジックＰＬ４として、特に、Ｉｆｔｈｅｎの「条件」の部分に入るコンテキストの認識や推定の精度により従来技術と相違する。但し、ＩｆｔｈｅｎルールロジックＰＬ４＝スキルではなく、ＩｆｔｈｅｎルールロジックＰＬ４には、スキル以外の推論等の実行可能なタスクも含まれるものとする。
　これに対して音声アシスタントは、Ｗｅｂアプリケーション等、起動される外部機能を「スキルサービス」と呼ぶ点が相違する。
　また、ロボットにおいては、「スキル」は、「エージェント」と呼ばれ、実行可能な外部機能は「イベント」と呼ばれる点が相違する。
　仮想人材Ｏの処理は、入力→プロセス→出力といった流れになる。
　このうち、入力の要素として重要な点は、「話者の言葉の理解」である。
　この「話者の言葉の理解」として、仮想人材Ｏと、従来の音声アシスト及びロボットとの差異点は次の通りになる。
　即ち、仮想人材Ｏは、コンテキスト推定ロジック（例えば、後述する図２のコンテキスト推定ロジックＰＬ３）やパーソナライズ要約ロジック（例えば、後述する図２のパーソナライズ要約ロジックＰＬ１）等に基づいて生成されるため、わかった事を自身の言葉で反芻して話者に確認してもらったり、わからなければ不明点を明確にして聞き直したりして、話者との相互理解を深めることで話者の言葉を理解することができる。
　これに対して、音声アシスタントやロボットは、登録されている発話のサンプルに対する類似度により、話者の言葉を推定する。即ち、音声アシスタントやロボットは、予め用意された「スキル」のセットに登録された発話のサンプルから話者の言葉に類似するものを探すことにより、話者の言葉を推定する。
　次に、プロセスの要素として重要な点は、「目的の推定」、及び「スキルの登録方法」である。
　この「目的の推定」として、仮想人材Ｏと、従来の音声アシスト及びロボットとの共通点は次の通りになる。
　即ち、仮想人材Ｏ、従来の音声アシスタント及びロボットは、登録済のスキル群の中から対象のスキルと、そのスキル内のインテントを推定するという点で共通する。
　具体的には例えば、音声アシスタントの場合、「天気予報を知りたい」というスキルに、「どの場所の」、「いつの」といったどのようなスロットが認識されたかによって、スキル内の１つ又は複数のインテントの中から正しいインテントが推定される。これは仮想人材Ｏにおける、どのスキル（例えば、後述する図２のＩｆｔｈｅｎルールロジックＰＬ４）を呼び出すかに相当するものであり、この点において両者は共通する。
　これに対して、「目的の推定」として、仮想人材Ｏと、従来の音声アシスト及びロボットとの差異点は次の通りになる。
　即ち、仮想人材Ｏは、内部モデルＰＭに基づいて生成されるため、多層的な目的を設定することができる。つまり、従来の音声アシスタントやロボットにおいては、話者の意図のみが考慮されて行動が決定されるのに対し、仮想人材Ｏは、例えば派遣先ＣのＫＧＩ／ＫＰＩや、話者の心理・感情・価値観等の向上を含む多層的な目的に対して行動することができる。
　また、「スキルの登録方法」として、仮想人材Ｏと、従来の音声アシスト及びロボットとの共通点は次の通りになる。
　即ち、仮想人材Ｏ、従来の音声アシスタント及びロボットにおいて、スキルの登録は、スキルを提供する企業により手動登録により行われる点において共通する。
　これに対して、「スキルの登録方法」として、仮想人材Ｏと、従来の音声アシスト及びロボットとの差異点は次の通りになる。
　即ち、仮想人材Ｏは、カリキュラムデータ（例えば、後述する図２のカリキュラムデータＰＤＣ）や内部モデルＰＭ、パーソナライズ要約ロジック（例えば、後述する図２のパーソナライズ要約ロジックＰＬ１）、認識形成ロジック（例えば、後述する図２の認識形成ロジックＰＬ２）、コンテキスト推定ロジック（例えば、後述する図２のコンテキスト推定ロジックＰＬ３）に基づいて生成されるため、これらのデータからスキルを自動生成することができる。具体的には例えば、協調性の高い仮想人材Ｏを生成する場合においては、内部モデルＰＭに基づいて、相手の性格に合った対応をきめ細やかにできるようにスキルが生成されてもよい。
　これに対して、従来の音声アシスタントにおいては、スキルは自動生成されず、手動登録されたスキルがインターフェースに対してスキルサービスとして設定される。
　また、従来のロボットにおいても、スキルは自動生成されず、手動登録されたスキルがエージェントとインテントに対して、起動されるイベントとして設定される。
　出力の要素として重要な点は、「発話内容」、「継続状態の保持」、「タスクの実行」、及び「外見」である。
　「発話内容」として、仮想人材Ｏと、従来の音声アシスト及びロボットとの共通点は次の通りになる。
　即ち、仮想人材Ｏ、従来の音声アシスタント及びロボットにおいて、発話内容は、スキルサービスで実装された内容を出力されるという点において共通する。
　これに対して、「発話内容」として、仮想人材Ｏと、従来の音声アシスト及びロボットとの差異点は次の通りになる。
　即ち、仮想人材Ｏは、コンテキスト推定ロジック（例えば、後述する図２のコンテキスト推定ロジックＰＬ３）や、パーソナライズ要約ロジック（例えば、後述する図２のパーソナライズ要約ロジックＰＬ１）に基づいて生成されるため、相手に合わせた語彙での内容に変更して発話することができる。具体的には例えば、相手が小学校５年生であれば、仮想人材Ｏは、発話内容を小学校５年生でもわかるように変換して出力することができる。これにより、話者との相互理解を深めることができる。
　これに対して、従来の音声アシスタントやロボットは、全ての人に同じ内容を発話内容として出力することしかできない。即ち、音声アシスタントやロボットは、仮想人材Ｏと異なり、多様な個性を持たず、全ての個体が同一の対応を取ることしかできない。
　また「継続状態の保持」として、仮想人材Ｏと、従来の音声アシスト及びロボットとの差異点は次の通りになる。
　即ち、仮想人材Ｏは、内部モデルＰＭに基づいて生成されるため、スキルという単位とは独立して、常時状態を把握しながら、全体としてコンテキストを保持することができる。これにより例えば、家庭教師のような、特定の相手に対して常に同じ対応が必要な場合に、継続状態を保持できることから、相手との相互理解をより深めることができる。
　これに対して、従来の音声アシスタントにおいて、スキルはステートフルなスキルとして実装される。例えば、クレジットカードの入会申込を行う場合、従来の音声アシスタントにおいては、入会の申込手続に関するスキルにおいてはコンテキスト等の情報は保持されるが、その翌日にはその情報は保持されない。
　また従来のロボットにおいては、スキルは、連なるインテント同士でインターフェースを合わせてシナリオ化して実装される。
　また「タスクの実行」として、仮想人材Ｏと、従来の音声アシスト及びロボットとの共通点は次の通りになる。
　即ち、仮想人材Ｏ、従来の音声アシスタント及びロボットにおいては、スキルを基本としたタスクの実行がなされるという点において共通する。
　これに対して、「タスクの実行」として、仮想人材Ｏと、従来の音声アシスト及びロボットとの差異点は次の通りになる。
　即ち、仮想人材Ｏは、パーソナライズ要約ロジック（例えば、後述する図２のパーソナライズ要約ロジックＰＬ１）に基づいて生成されるため、音声等、人間が可読なメッセージでのタスク指示を受け付け、そして外部ＡＰＩの起動時は、タスク指示とＡＰＩとを紐付けることができる。即ち、仮想人材Ｏにおいては、まず一旦人間が可読なメッセージでのタスク指示がなされ、その指示内容に基づいてＡＰＩが実行される。つまり、人間がわかる言葉が経由されているため、特定のタスクを人間が実行しても、仮想人材Ｏが実行しても良く、場合に応じたフレキシブルな対応ができるようになる。
　これに対して、従来の音声アシスタントやロボットにおいては、スキルサービスで記述されたＡＰＩや、イベント指定で指定したイベントがすぐに実行される。つまり、従来の音声アシスタントやロボットにおいては、人間がわかる言葉が経由されていないため、ＡＰＩのインターフェースや情報を見ても、どのような処理が行われているか人間が理解することはできない。
　次に、「外見」として、仮想人材Ｏと、ロボットとの差異点は次の通りになる。
　即ち、仮想人材Ｏは、個性別アバター（例えば、後述する図２の個性別アバター生成ロジックＰＬ５）に基づいて生成されるため、個性に合わせた外見で受け答えをすることができる。これにより、相手との相互理解をより深めることができるようになる。
　これに対して、従来のロボットを除く音声アシスタントは、スマートフォンや家電製品等のハードウェアに実装されて音声による操作支援を行っているだけで、アバターを有することはない。また、従来のロボットは、ロボットとして画一的な外見が採用されているにすぎない。
　次に、以上のような本サービスにより派遣先Ｃに派遣される仮想人材Ｏ、及び従来技術の音声アシスタントやロボットの、夫々の理解度レベル及び自動化レベルを比較する。
　人が物事を理解する際の理解度をレベル分けする場合、一般に以下の（０）乃至（５）の６段階に分けることができる。即ち、理解度のレベルは、セルフチェック可能なものとして、（０）知らない（ゼロＩｎｐｕｔ）、（１）知っている（断片的Ｉｎｐｕｔ）、（２）読める（全体的Ｉｎｐｕｔ、わかった気になる）、（３）話せる（主観的Ｏｕｔｐｕｔ、内容の質が悪くても許容）に分けられる。そして、客観性が必要なものとして、（４）伝えられる（客観的Ｏｕｔｐｕｔ、決められた範囲のみでも許容）、（５）教えられる（発展的Ｏｕｔｐｕｔ、連関する外部知識を含む）の、６段階に分けられる。
　この６段階で例えると、従来技術は、（２）から（３）のレベルの出力は可能であるが、（４）の「伝えること」ができない。
　これに対して本サービスの仮想人材Ｏは、（４）から（５）のレベルの出力が可能である。このように、従来技術に対する本サービスの仮想人材Ｏの理解度レベルが格段に高いことがわかる。
　次に、人がコミュニケーションをとる際の自動化レベルをレベル分けする場合、一般に以下の（０）乃至（５）の６段階に分けることができる。即ち、自動化レベルは、まず人が主体のものとして（０）１００％が人であって、チャットボット無しでオペレータが対応するもの、（１）９０％が人であって、システム側が提示した選択肢をユーザーが選ぶだけのもの、（２）８０％が人であって定型的な発話への返答が可能なもの、あるいは、オペレータが返答を確認するものに分けられる。そして、ボットが主体のものとして、（３）７０％が人であって、ある程度の表記揺れも含めてボットが対応し、ボットが解釈不能な場合にオペレータが対応するもの、（４）５０％が人であって、あるジャンルに関するやりとりは全てボットが対応するもの、（５）０％が人であって、あらゆるジャンルのやりとりを全てボットが対応する、の６段階に分けられる。
　この６段階で例えると、従来のインテントスロット型の技術は、（１）から（３）のレベルの自動化は可能であるのに対し、本サービスの仮想人材Ｏは、（４）のレベルの自動化は可能である。つまり、仮想人材Ｏは、あるジャンルに関するやりとりは全てボットが対応することが可能である。
　図１に戻り、次に、本サービスの概要について、機能の観点から説明する。
　本サービスは、仮想人材Ｏを生成又は更新するための機能と、仮想人材Ｏ自体の機能とに大別される。
　仮想人材Ｏを生成又は更新するための機能は、本発明が適用される情報処理システムの任意の場所で発揮可能とされているが、以下説明の便宜上、サーバ（例えば後述の図６のサーバ１）において発揮されるものとする。
　仮想人材Ｏを生成又は更新するための機能は、派遣先向け情報登録機能ＣＦと、人材派遣元向け仮想人材管理機能ＰＡと、人材派遣元向け情報登録機能ＰＦと、仮想人材生成機能ＩＦとを含んでいる。
　派遣先向け情報登録機能ＣＦは、派遣先情報の登録を受け付ける機能である。具体的には例えば、派遣先向け情報登録機能ＣＦは、希望人材情報ＣＩ１、利用形態ＣＩ２、人材の募集情報／マニュアルＣＩ３等の登録を受け付ける。
　このようにして登録された派遣先情報が仮想人材生成機能ＩＦに対して提供されることにより、派遣先Ｃの理想のイメージに近い仮想人材Ｏが生成されるようになる。
　人材派遣元向け仮想人材管理機能ＰＡは、仮想人材Ｏを生成するために必要な各種情報を管理する機能である。
　具体的には例えば、人材派遣元向け仮想人材管理機能ＰＡは、仮想人材Ｏを生成するために必要な内部モデルＰＭ、言語資源データＰＤ、及びロジックＰＬの夫々のテンプレートを管理する。
　また人材派遣元向け仮想人材管理機能ＰＡに含まれるロボット登録機能ＲＲは、ロボットのハードウェアが持つアクチュエータのインターフェース仕様を踏まえ、アクション毎にどのような要求を出すかについて初期設定を行う。これにより、仮想人材Ｏは、世の中の様々なロボットの違いを吸収することができ、様々なロボットと連携することができるようになる。
　さらにまた、人材派遣元向け仮想人材管理機能ＰＡに含まれる外部ＡＰＩ登録機能ＡＲは、タスク指示に合わせて実行可能な外部ＡＰＩの初期設定と管理を行う。これにより、仮想人材Ｏは、世の中の様々なＡＰＩを利用してタスクを実行することができる。また、人材派遣元Ｐにより一括で外部ＡＰＩが登録されることにより、派遣先Ｃは任意の外部ＡＰＩを選択するだけで、容易に外部ＡＰＩを活用することができる。
　人材派遣元向け情報登録機能ＰＦは、派遣元情報の登録を受け付ける機能である。具体的には例えば、人材派遣元向け情報登録機能ＰＦは、内部モデルＰＭ、言語資源データＰＤ、ロジックＰＬ等の登録を受け付ける。
　このようにして登録された派遣元情報が、仮想人材生成機能ＩＦに対して提供されることにより、派遣先Ｃの希望に合った仮想人材Ｏが生成されるようになる。
　仮想人材生成機能ＩＦは、派遣先情報と、人材派遣元情報とに基づいて、仮想人材Ｏを生成又は更新する。
　具体的には、仮想人材生成機能ＩＦは、仮想人材の基本的部分Ｉ１、及び派遣先・社会環境の依存要素Ｉ２の夫々の側面を考慮して、仮想人材Ｏを生成又は更新する。このとき、仮想人材生成機能ＩＦは、仮想人材Ｏの形態として例えば、メール＆チャットボットの形態でタスクを実行する仮想人材ＯＭ、電話の形態でタスクを実行する仮想人材ＯＣ、ビデオチャットの形態でタスクを実行する仮想人材ＯＡ、及びロボットの形態でタスクを処理する仮想人材ＯＲを生成又は更新することができる。
　即ち、このような派遣先向け情報登録機能ＣＦ、人材派遣元向け仮想人材管理機能ＰＡ、人材派遣元向け情報登録機能ＰＦ、仮想人材生成機能ＩＦの夫々の機能が発揮されることにより、仮想人材Ｏが生成又は更新される。そして、このようにして生成又は更新された当該仮想人材Ｏが、派遣先Ｃに派遣されるようになる。
　仮想人材Ｏ自体の機能は、派遣先Ｃにより操作又は管理される情報処理装置（ロボット含む）において発揮されることになるが、以下説明の便宜上、派遣先端末（後述の図６の派遣先端末２）において発揮されるものとする。
　仮想人材Ｏ自体の機能は、派遣先向けタスク実行環境設定機能Ｔ１と、派遣先向けタスク実行機能Ｔ２と、派遣先向け仮想人材トレーニング機能Ｔ３とを含んでいる。
　派遣先向けタスク実行環境設定機能Ｔ１は、仮想人材Ｏが派遣先Ｃにおいてタスクを実行する際に必要な情報の登録を受け付ける。
　派遣先向けタスク実行機能Ｔ２は、仮想人材Ｏがタスクを実行する際に利用される機能である。詳細は図１０を用いて後述するが、仮想人材Ｏがタスクを実行する際には、登録された内部モデルＰＭに基づき、客観的解釈ＳＡ、主観的解釈ＳＢ、発話内容検討・生成ＳＣ、発話・タスク指示ＳＤの夫々の処理が繰り返されるように実行される。
　派遣先向け仮想人材トレーニング機能Ｔ３は、仮想人材Ｏをトレーニングする際に利用される機能である。詳細は図９を用いて後述するが、派遣先向け仮想人材トレーニング機能Ｔ３は、仮想人材Ｏに追加学習させるために必要な情報や、派遣先Ｃに派遣されている仮想人材Ｏ同士のノウハウを共有させるために必要な各種情報の登録を受け付ける。
　即ち、このような派遣先向けタスク実行環境設定機能Ｔ１、派遣先向けタスク実行機能Ｔ２、派遣先向け仮想人材トレーニング機能Ｔ３の夫々の機能が発揮されることにより、仮想人材Ｏは、派遣先Ｃにおいてタスクの実行、及び追加学習を行うことができるようになる。
　以上、図１を参照して、本サービスの概要について、機能の観点から説明した。
　さらに以下、図２を参照して、仮想人材Ｏを生成又は更新するための機能のうち、派遣先向け情報登録機能ＣＦと、人材派遣元向け情報登録機能ＰＦと、仮想人材生成機能ＩＦの夫々について、詳細に説明する。
　図２は、図１に示す本サービスについてのより詳細な説明を示す図である。
　図３Ａ乃至図３Ｃは、図２に示す本サービスについてのより詳細な説明を示す図の分割図である。
　派遣先向け情報登録機能ＣＦは、派遣先情報として、派遣先Ｃが自社での業務遂行のために求める人材像や、人材への業務指示やスキルトランスファーのために必要な情報の登録を受け付ける。
　生身の人間を派遣する従来の人材派遣システム（以下、「従来のリアルな人材派遣」と呼ぶ）においては、派遣先は、仮に自社が求める理想のイメージを明確に提示した場合であっても、理想のイメージに近い人間を人材として得ることは困難であった。
　そこでこのような本サービスによれば、派遣先Ｃにより登録された派遣先情報が仮想人材生成機能ＩＦに対して提供されることにより、派遣先Ｃの理想のイメージに近い仮想人材Ｏが生成されるようになるため、派遣先Ｃは、自社の理想のイメージに近い人材を得ることができるようになる。
　派遣先向け情報登録機能ＣＦは、具体的には、希望人材情報ＣＩ１、利用形態ＣＩ２、人材の募集情報／マニュアルＣＩ３等の登録を受け付ける。
　希望人材情報ＣＩ１は、派遣先Ｃが求める人材に関する情報である。
　希望人材情報ＣＩ１には、理想の人物像（架空の人物像）ＣＩ１１と、実在の人物ＣＩ１２が含まれ、これらの情報のうち少なくとも一方が、仮想人材生成機能ＩＦへ提供される。
　例えば、理想の人物像（架空の人物像）ＣＩ１１として、理想の人物像（架空の人物像）に関する情報が仮想人材生成機能ＩＦへ提供された場合、派遣先Ｃの理想の人物像のイメージに近い仮想人材Ｏが生成される。
　また例えば、実在の人物ＣＩ１２として、実在の人物に関する情報が仮想人材生成機能ＩＦへ提供された場合、実在の人物に類似した仮想人材が、仮想人材Ｏとして生成される。
　このように、希望人材情報ＣＩ１が仮想人材生成機能ＩＦに対して提供されることにより、派遣先Ｃの希望により近い仮想人材Ｏが生成されるため、派遣先Ｃが従来感じていたような、人材に対する理想と現実のギャップが縮小されるようになる。
　なお説明の便宜上、希望人材情報ＣＩ１が、派遣先Ｃにより仮想人材生成機能ＩＦに対して提供されることを前提として、以下説明するが、希望人材情報ＣＩ１の提供は必ずしも必須ではない。即ち、希望人材情報ＣＩ１が、派遣先Ｃから提供されていない場合でも、所定の希望人材情報ＣＩ１が自動的に仮想人材生成機能ＩＦに登録されるものとする。
　利用形態ＣＩ２は、派遣先Ｃにおいて各種タスクが実行される際の、仮想人材Ｏの形態に関する情報である。
　利用形態ＣＩ２には、形態に関する情報として、メール＆チャットボットＣＩ２１と、電話ＣＩ２２と、ビデオチャットＣＩ２３と、ロボットＣＩ２４が含まれ、これらの情報のうち少なくとも１以上が仮想人材生成機能ＩＦへ提供される。
　例えば、利用形態ＣＩ２として、メール＆チャットボットＣＩ２１が選択された場合、メール＆チャットボットの形態でタスクを実行する仮想人材ＯＡが生成される。また例えば、利用形態ＣＩ２として電話ＣＩ２２が選択された場合、電話の形態でタスクを実行する仮想人材ＯＣが生成される。
　また例えば、利用形態ＣＩ２としてビデオチャットＣＩ２３が選択された場合、ビデオチャットの形態でタスクを実行する仮想人材ＯＡが生成される。なおこのとき、仮想人材ＯＡは、アバターとして出力されてもよいが、必ずしもこの限りではない。
　さらに例えば、利用形態ＣＩ２としてロボットＣＩ２４が選択された場合、ロボットの形態でタスクを実行する仮想人材ＯＲが生成される。
　従来技術においては、利用形態は制限されているか、若しくは、複数の利用形態での利用といった横断的なサービスは提供されていなかった。即ち例えば、ロボットの一例であるＰｅｐｐｅｒの人格が他のデバイスに提供されるようなサービスはこれまで存在していない。
　そこで上述のような自由度が高い本サービスによれば、仮想人材Ｏは、複数の利用形態での利用といった横断的なサービスが提供されるため、従来技術では適用出来なかったような各種業務をタスクの対象範囲に入れることができる。
　これにより、派遣先Ｃは、業務のニーズや希望する利用形態に適合した仮想人材Ｏの提供を容易に受けることができるため、仮想人材Ｏを幅広い業務に適用することができるようになり、結果として実質的な生産性の向上を達成することができるようになる。
　また、換言すると、複数の利用形態が利用形態ＣＩ２として選択された場合、仮想人材Ｏは、選択された全ての利用形態の環境下で、同一の人格を保ちながらタスクを実行することができるため、派遣先Ｃに対する一貫性のあるサービスの提供が実現されるようになる。
　なお、メール＆チャットボットの形態でタスクを実行する仮想人材ＯＭ、電話の形態でタスクを実行する仮想人材ＯＣ、ビデオチャットの形態でタスクを実行する仮想人材ＯＡ、ロボットの形態でタスクを実行する仮想人材ＯＲの夫々は、テキストのみの媒体、音声のみの媒体、音声と動画を組み合わせた媒体、視覚と聴覚等の身体性を持った媒体のあくまで一例であり、適宜、類似する媒体に適用させることができるものとする。
　また、説明の便宜上、利用形態ＣＩ２が、仮想人材生成機能ＩＦに対して提供されることを前提として以下説明するが、利用形態ＣＩ２の提供は必ずしも必須ではない。即ち、利用形態ＣＩ２が、派遣先Ｃより提供されていない場合でも、所定の利用形態ＣＩ２が自動的に仮想人材生成機能ＩＦに登録されるものとする。
　募集情報／マニュアルＣＩ３は、派遣先Ｃの業務の具体的な内容を表した募集情報、また、業務遂行のために標準化された手順等をまとめたマニュアルに関する情報である。
　募集情報／マニュアルＣＩ３には、会社・組織の目的ＣＩ３１と、職種・業務詳細ＣＩ３２と、研修・育成情報ＣＩ３３とが含まれ、これらの情報のうち少なくとも１以上が、仮想人材生成機能ＩＦへ提供される。
　従来のリアルな人材派遣においては、例えば人材の候補に対して派遣先Ｃの募集情報やマニュアルが提示されたとしても、提示された内容に適合する人材を探し出すことすら困難であった。
　また、従来技術においても、募集情報やマニュアルに記載の情報のみではデータ量が少なく、ディープラーニング等の学習方法を適用することは困難であった。そのため、派遣先Ｃの業務内容を考慮したサービスを提供できていたとは言えなかった。
　そこで本サービスによれば、募集情報／マニュアルＣＩ３が仮想人材生成機能ＩＦに対して提供されることにより、派遣先Ｃの業務への適合率が高い仮想人材Ｏを生成することができるようになる。派遣先Ｃは、自社の業務に適合した仮想人材Ｏの提供を容易に受けることができるようになるため、派遣先Ｃは、更なる業務効率の向上を見込むことができるようになる。
　またこのとき、派遣先向け情報登録機能ＣＦは、派遣先Ｃに存在する、例えばテキスト、図表、数式等の様々な形式が混在したような文書情報を効率的に取り込むため、ＯＣＲ（Ｏｐｔｉｃａｌ　Ｃｈａｒａｃｔｅｒ　Ｒｅｃｏｇｎｉｔｉｏｎ）等の機能を備えていてもよい。これにより仮想人材Ｏは、文書情報を容易に取得することができるようになるため、派遣先Ｃに存在する情報に基づいて容易に学習をすることができるようになる。
　なお説明の便宜上、募集情報／マニュアルＣＩ３が、仮想人材生成機能ＩＦに対して提供されることを前提として以下説明するが、募集情報／マニュアルＣＩ３の提供は必ずしも必須ではない。即ち、募集情報／マニュアルＣＩ３が提供されていない場合でも、所定の仮想人材Ｏが自動的に生成されるものとする。
　人材派遣元向け情報登録機能ＰＦは、派遣元情報として、仮想人材Ｏが生成される上で必要な情報の登録を事前に受け付ける。
　従来のリアルな人材派遣では、広告宣伝等を用いて人材の候補者を集める手法が主流であり、効率的に人材を集められているとは言い難かった。
　そこでこのような本サービスによれば、派遣元情報が、仮想人材生成機能ＩＦに対して提供されることにより、派遣先Ｃの希望に合致した任意の仮想人材Ｏが生成されるようになる。また、派遣先情報の一部が明確ではない（派遣先Ｃの希望が登録されていない）場合でも、所定の情報が自動的に登録されため、一定のレベル以上の仮想人材Ｏが生成されるようになる。
　人材派遣元向け情報登録機能ＰＦは、具体的には、内部モデルＰＭ、言語資源データＰＤ、ロジックＰＬ等の登録を受け付ける。
　内部モデルＰＭは、例えば、心理・感情・価値観内部モデルＰＭ１、知識・思考内部モデルＰＭ２、目的・ゴール内部モデルＰＭ３等の情報を、意味の正規化が行われたフォーマットでモデル化して保持する。また、保持された内部モデル間の共起性や因果関係等に基づいて、各内部モデル間で適切な相互変化が実装され、全体の整合性が取られる。
　即ち例えば、このような心理・感情・価値観内部モデルＰＭ１が内部モデルＰＭとして採用されることにより、人の気持ちに配慮した対応が可能な仮想人材Ｏが生成されるようになる。また例えば、目的・ゴール内部モデルＰＭ３が内部モデルＰＭとして採用されることにより、会社の目的に適合した仮想人材Ｏが生成されるようになる。
　そしてこのように、複数の内部モデルＰＭの夫々が組み合わされて最適化されることで、合目的的な行動を取ることが可能な仮想人材Ｏが生成されるようになる。
　従来技術の音声アシスタントやロボットにおいては、本サービスのような心理・感情・価値観、知識・嗜好、目的・ゴールが包括的に取り込まれ、サービス化されている例はなく、心や感情がないと表現されることがある。
　一方で本サービスによれば、心理・感情・価値観内部モデルＰＭ１、知識・思考内部モデルＰＭ２、目的・ゴール内部モデルＰＭ３等が組み合わされて最適化されるため、発話や行動が、心理・感情・価値観、知識・嗜好、目的・ゴール等に与える影響を把握することができるようになる。即ち、特定の心理・感情・価値観、知識・嗜好、目的・ゴールに対する仮想人材Ｏの発話や行動が最適化されるようになる。
　また殆どの音声アシスタントやロボットは、特定のタスクにのみ最適化されており、そのタスクから逸脱した状況に陥ると行動ができなくなることが多い。これは、世のなかで起こり得るすべての事象から、今行うべき分析・判断に必要な情報のみを枠（フレーム）で囲うように、選び出すことがＡＩには非常に難しいという問題というフレーム問題の対策を効果的に行えていないことに起因する。
　一方で本サービスにおいては、複数の内部モデルが組み合わされて採用されることにより、仮想人材Ｏの発話、行動を左右する目的等の動機付けが、階層的に設定されるようになる。その結果、仮に特定の階層で目的範囲から逸脱した場合でも、次の階層で行動の動機付けがなされるため、仮想人材Ｏが機能停止せず、フレーム問題への対策を効果的に行えるようになる。
　心理・感情・価値観内部モデルＰＭ１は、心理・感情・価値観等の内的な情報が保持され、当該内的な情報の夫々の関係性が整理された上でモデル化されたものである。
　従来技術においては、心理・感情・価値観に関する実装は殆どないと言われる。
　一方で本サービスにおいては、心理・感情・価値観に配慮した対話、行動が促進されることにより、仮想人材Ｏの全体の業務の遂行レベル、さらには、周囲とのコラボレーションの質が向上するようになる。結果として、心理面、倫理面で心のある仮想人材Ｏが生成されるようになる。
　また、心理・感情・価値観内部モデルＰＭ１は、人間が生得的に備えている気質、本能、生理的な部分についてもシミュレートする。
　さらに、心理・感情・価値観内部モデルＰＭ１は、ロボット三原則等の仮想人材Ｏの生成時に順守すべき共通的な価値基準についても組み込むことができる。
　知識・思考内部モデルＰＭ２は、知識・思考等の内的な知的活動、情報が保持され、当該内的な知的活動、情報の関係性が整理された上でモデル化されたものである。
　従来技術においては、その内部の判断基準は可視化されておらず、例えばディープラーニング等に関しても、基本的にはいわゆるブラックボックスである。
　一方で本サービスにおいては、知識・思考内部モデルＰＭ２は、可視化されたホワイトボックス型の知識モデル、思考モデルであり、このような知識・思考内部モデルＰＭ２が採用されることにより、仮想人材Ｏは、部分的ではなく、あらゆる側面で説明可能な知能を有することになる。
　即ち、本サービスによれば、知識・思考が紐づき、認識と経験の両面が生かされた継続性、成長性のある知性を有する仮想人材Ｏが生成されるようになる。このような、知的に動的に成長する仮想人材Ｏによれば、効率的な対話、行動が促進されるため、仮想人材Ｏの全体のタスクの実行レベル、さらには周囲とのコラボレーションの質が向上するようになる。
　目的・ゴール内部モデルＰＭ３は、個人や組織単位でのＫＧＩやＫＰＩ等の目的・ゴールが保持され、その個人や組織単位でのＫＧＩやＫＰＩ等の関係性が整理された上でモデル化されたものである。
　従来技術の音声アシスタントやロボットは、特定のタスクのみに最適化されることが多く、例えば、会社のＫＧＩやＫＰＩ等の、階層関係をもつ多層的な目的に対して最適化されることはない。
　これに対して本サービスにおいては、派遣先Ｃの目的・ゴールと仮想人材Ｏとの関係性がモデル化されて管理されることにより、仮想人材Ｏの合目的的な対話、行動が促進され、結果として派遣先Ｃの全体の業務の遂行レベルを向上させることができる。
　換言すると、本サービスによれば、仮想人材Ｏが、派遣先ＣのＫＰＩツリーを取り込むため、仮想人材Ｏによる目的志向の行動が実現されるようになる。
　言語資源データＰＤは、カリキュラムデータＰＤＣ、及びＰＳＦデータＰＤＰ等が、意味の正規化がおこなわれたフォーマットで保持されるものである。
　カリキュラムデータＰＤＣは、仮想人材Ｏの育成に必要な情報が順序付けられ、優先度評価がなされた学習すべき内容のデータである。具体的には例えば、動画、静止画、テキスト等の形式のファイルや、視覚、聴覚等の各種センサからの入力情報がファイルに落としこまれたものが想定される。また、本サービスにおいては、ＯＣＲ等の技術により派遣先Ｃに存在する文書情報が容易に取得されるため、仮想人材Ｏは、書籍、ビジネス文書、学術論文等に基づいて容易に学習を行うことができるようになる。
　従来技術においては、データ、情報、知識、知恵のうち、データ及び情報に基づいて学習が行われ、特定のタスクに対して最適化されることが殆どである。
　一方で本サービスにおいては、仮想人材Ｏは、データ、情報、知識、知恵のうち、知識や知恵にも踏み込み、（Ｎ４、ＡＭＲのような）意味の正規化が行われたフォーマットを適用することで、知識や知恵が持つ価値をとらえた上で、自身の学習に生かすことができる。結果として、仮想人材Ｏは、より高い学習効果を上げることができる。
　このように、カリキュラムデータＰＤＣの戦略性を高めることにより、仮想人材Ｏの学習効率が上がり、結果として、仮想人材Ｏの業務遂行能力を高めることができるようになる。
　ＰＳＦデータＰＤＰは、意味表現の解像度の高い、キーバリュー形式のような簡易な形でマシンリーダブルな意味データベースである。即ち、ＰＳＦデータＰＤＰは、いわゆる格フレームやオントロジー情報等を含んだ知識の集合体である。
　本サービスの仮想人材Ｏにおいては、ＰＳＦデータＰＤＰを外部知識的に位置づけて、辞書のように予め用意される「一極集中＆既設型」のケースと、ＰＳＤデータＰＤＰをゼロから生成される知能的に位置づけた「分散＆動的生成型」のケースが採用される。即ち、意味データベースを事前に用意して外部参照するケースと、意味データベースを知能そのものとして位置付けるケースが存在する。なお「一極集中＆既設型」のケースにおいては、そのＰＳＦデータＰＤＰの形成時には、認識ロジックは、サンプル数に応じて利用可能な最も効果のあるアルゴリズムが活用される。一方で、「分散＆動的生成型」のケースは、あたかも幼児を育てるようにゼロから段階的に整備される。
　従来技術においては、「一極集中＆既設型」のＰＳＦデータは、格フレーム情報やオントロジー情報に類似するが、その殆どが静的で動的更新性がなく、また、その内部情報自体は、自然言語で直接記述されるため、マシンリーダブル性が必ずしも高くない。
　また従来技術において「分散＆動的生成型」のＰＳＦデータは、従来の認知言語学的アプローチ的な側面が強く、このようなアプローチで知識データベースの生成が成功した例は殆ど見当たらない。
　これに対して本サービスによれば、ＰＳＦデータＰＤＰが存在すること、あるいはＰＳＦデータＰＤＰを作り出せることにより、意味表現の解像度が上がり、自然言語を解釈する過程の中での意味の欠落を低減させることができる。
　即ち、従来認識されなかったことについて認識されることが多くなるため、仮想人材Ｏは、的確な状況判断ができるようになる。その結果として、仮想人材Ｏの、効率的な対話、行動が促進され、全体の業務の遂行レベル、さらには周囲とのコラボレーションの質が向上するようになる。
　以上説明したように、ＰＳＦデータＰＤＰとは、意味表現の解像度が高く、内部的には、意味の抽象関係が整理されているものであって、コンテキスト毎に整理されている意味の表現の解像度が高い知識と知識の関係性をまとめたデータベースである。なお、ＰＳＦデータＰＤＰの更なる詳細については後述する。
　コンテキストとは、認識対象に対しての周辺情報を、「意味を正規化したフォーマット」又はそれに変換可能なフォーマットで表されたデータでまとめたものであるが、これについての詳細は図４４を用いて後述する。
　ロジックＰＬには、仮想人材Ｏを形成する上で核となる機能が、語尾にロジックという言葉がつけられたアルゴリズムの単位で含まれる。即ち、ロジックＰＬには、パーソナライズ要約ロジックＰＬ１、認識形成ロジックＰＬ２、コンテキスト推定ロジックＰＬ３、ＩｆｔｈｅｎルールロジックＰＬ４、個性別アバター生成ロジックＰＬ５、プライバシ保護データマイニングロジックＰＬ６等が含まれる。
　上述した各種ロジックは、仮想人材Ｏの個性に関する情報に合わせてカスタマイズされ、また、ＰＳＦデータＰＤＰの動的成長に合わせて活用レベルが上昇する。
　またロジックＰＬは、ストラテジーパターンとしてデータ化され、容易に入替、組替、自由選択が可能である。さらに、ロジックＰＬ自体は、容易に追加可能であり、仮想人材Ｏが生成されていく上で、日々の洗練により成長する。
　従来技術において、例えば機械学習が採用される場合、一般的にはビッグデータから学習モデルの形成がなされる。仮に、当該機械学習が教師あり学習である場合、その教師データに最適化はされているものの、一方で、ロジックとしてはいわゆるブラックボックスであり、容易にロジックの交換、追加等が可能な仕組みではない。また例えば、転移学習等により特定の学習結果から応用的に新たなロジックを作り出すことはできても、それ自体も新たな特定のタスクへの最適化をしているだけであり、依然ブラックボックスのままであり、容易にロジックの交換、追加ができるわけではない。
　また、従来技術において、ルールベース系が採用される場合、ロジック自体が静的に実装されていることが多く、容易に交換、追加できないことが殆どである。
　これに対し本サービスにおいては、仮想人材Ｏの知能を司る静的な部分はデータであるが、動的な思考の部分はロジックによって実現される。これにより、仮想人材Ｏは、より柔軟な思考を行うことができるようになる。
　パーソナライズ要約ロジックＰＬ１は、上述したように、仮想人材Ｏが、物事を理解したり、相手と会話する際に利用されるロジックである。このパーソナライズ要約ロジックＰＬ１が利用されることにより、仮想人材Ｏは、利用可能な語彙に合わせて文章を簡潔に言い換えることができるようになる。
　なお、このようなパーソナライズ要約ロジックＰＬ１による処理が実現される際には、ＰＳＦデータＰＤＰのような意味表現の解像度が高く、内部的には意味の抽象関係が整理されているデータが併せて必要となる。
　従来技術においては、相手の理解度を推定しながら、相手に合わせて物事を言い換えることは実現されていない。そもそも、機械学習、特にディープラーニングによる教師あり学習の仕組みは、過去の膨大のデータに基づいて、最もそれらしいものを出力するといったものである。つまり、比喩的に表現すると、従来技術の音声アシスタントやロボットは、全ての問題や解答を用意することが現実的には難しいので「問題や解答をひたすら丸覚えした学習者」に近い状態になりやすい方法といえる。
　一方でこのような、ＰＳＦデータＰＤＰやパーソナライズ要約ロジックＰＬ１に基づいて生成された仮想人材Ｏは、意味表現の解像度が高いことにより、説明可能な状態で「本質的な要点を理解して応用できる学習者」に近い状態である。
　換言すると、従来技術の音声アシスタントやロボットと、本サービスにおける仮想人材Ｏとの違いは、リアルな世界での「問題や解答をひたすら丸覚えした学習者」と「本質的な要点を理解して応用できる学習者」の違いに近いと言える。
　具体的には、本サービスの仮想人材Ｏは、物事を理解する際に、自身がわかる言葉で言い換えた上で物事を理解できるようになるため、表層的な理解ではなく無く、後述する既存の知識レベルの体系と相関が取れる形での深い理解を実現させることができる。
　またパーソナライズ要約ロジックＰＬ１と内部モデルＰＭが併せて活用されることにより、仮想人材Ｏは、相手側の利用可能語彙を予測し、相手に分かる形で自分の伝えたい情報を表現できるようになるため、会話の円滑度合いが劇的に向上するようになる。
　認識形成ロジックＰＬ２は、認知バイアスと統計処理との組み合わせにより、仮想人材Ｏが、自身の経験や知識から物事をどのように認識するかについて判断する。認識形成ロジックＰＬ２の詳細については、図５１を用いて後述する。
　なお、このような認識形成ロジックＰＬ２が仮想人材Ｏへ適用される際には、後述するパーソナリティＩＢＰに応じた個性的な紐付けが行われる。
　また、認識形成ロジックＰＬ２には、認知言語学の知見が全面的に取り入れられてもよい。
　従来技術のサービスの提供においては、いわゆるビッグデータと呼ばれるように、一定以上のデータ量が要求される。そのため例えば転移学習のように、他の分野、タスクで学習した学習モデルを、従来技術の音声アシスタントやロボットに再利用しようとする動きは多い。しかしながら、全体としてデータ量が少ない分野においては、なおも成果を出せず、産業適用に失敗している。
　これに対して本サービスにおける認識形成ロジックＰＬ２は、データ量の多い少ないに関わらず利用できる。また、認識形成ロジックＰＬ２には、データに基づいて動的に賢くなるプロセスが組み込まれているため、産業上適用されやすいという利点もある。
　つまり、本サービスにおいては、データ量が少ない場合でも、それなりの結論を出して、思考停止に陥ることを防ぐことができる。その上で、仮想人材Ｏは、現場での経験を積むことができるので、徐々にサンプル数を増やし、正しい統計的な判断ができるように成長する。このような仮想人材Ｏにおいては知識の再利用性が高まるため、特に未知の分野への対応を求められる場合において、効率向上の効果がある。動的に賢くなるプロセスの詳細についても、図５１において説明する。
　このように、仮想人材Ｏは、知識を無理なく拡充することができるため、派遣先Ｃにおける効率的な対話、行動が促進され、全体の業務の遂行レベルを向上させることができるようになる。また、仮想人材Ｏは、周囲とのコラボレーションの質を向上させることができるようになる。
　コンテキスト推定ロジックＰＬ３は、仮想人材Ｏが業務を遂行する上で関わる全ての情報に対し、コンテキストを推定する。即ち、コンテキスト推定ロジックＰＬ３は、ＰＳＦデータＰＤＰを中心に、仮想人材Ｏで扱われる全ての情報に対して、コンテキストの推定・検証を徹底する。
　従来技術においては、話し相手の意図が極めて限定された状況下で、インテントスロット型のチャットボット等により相手の意図が推測され、その推測に基づきそれらしい情報提示やアクションが実行されるに過ぎなかった。
　一方で本サービスにおいては、全ての情報に対してコンテキストの推定がなされることにより、仮想人材Ｏの相手の意図を予測する力がより向上するようになる。即ち、本サービスによれば、言葉がどのような意味で使われているかといった語義曖昧性の解消や、問題を解く際に適用可能な理論の特定精度を向上させることができる。結果として、仮想人材Ｏの、会話における誤解の低減や、思考の質の向上を見込むことができるようになる。コンテキストを利用した効果についての詳細は、図４４乃至図５０を用いて後述する。
　ＩｆｔｈｅｎルールロジックＰＬ４は、仮想人材Ｏが、各業務の場面毎に、どのような発話、あるいはどのような行動をするか、判断する際の拠り所となるロジックである。
　具体的には、ＩｆｔｈｅｎルールロジックＰＬ４は、［Ｉｆ　条件　ｔｈｅｎ　実施するアクション］という形式をとり、条件に適合した際にアクションを実施するというルールの集合体である。なおこのとき、コンテキストが［Ｉｆ　条件　ｔｈｅｎ　実施するアクション］の「条件」の部分に入ることが多いため、コンテキスト認識の質がＩｆｔｈｅｎの質を左右する。
　また、ＩｆｔｈｅｎルールロジックＰＬ４が仮想人材Ｏへ適用される際には、後述するパーソナリティＩＢＰに応じた個性的な紐付けが行われ、かつ、適切な優先順位付けが行われる。そのため、同一のＩｆｔｈｅｎルールロジックＰＬ４のセットが複数の仮想人材Ｏに適用された場合でも、各ルールの適用順序が異なる場合は、複数の仮想人材Ｏの夫々のアクションは異なるようになる。
　従来技術においても、状況を認識して適切な処理を実行する仕組みは実装されているが、従来技術と、本サービスとの相違点は、Ｉｆｔｈｅｎの「条件」の部分に入るコンテキストの認識や推定の精度に集約される。
　即ち、本サービスにおいては、コンテキストの認識や推定の精度が向上することより、仮想人材Ｏが各場面で選択したアクションの適合度が、従来技術と比較して向上することになる。
　即ち、仮想人材Ｏは、タスクの実行の様々な場面で適切な応対を行うことができるようになるため、派遣先Ｃにおける効率的な対話、行動が促進され、結果として派遣先Ｃの全体の業務の遂行レベルを向上させることができるようになる。また、仮想人材Ｏと周囲とのコラボレーションの質を向上させることができるようになる。
　個性別アバター生成ロジックＰＬ５は、仮想人材Ｏの具体的な外見、声等をアバターとして生成する。即ち、個性別アバター生成ロジックＰＬ５は、アバターを生成する。個性別アバター生成ロジックＰＬ５は、個性に合わせたアバターを生成することができるし、例えば外部から容易に指定され得るため、アニメのキャラクター等を固定的に指定することでそのアバターを生成することができる。
　従来技術においては、そもそもアバターを伴うサービスが提供されることは殆どない。例えば、人格を有する従来技術は存在するが、これらは、派遣先の希望に合わせて、そのアバターが差し替えられるようなことはない。
　一方で本サービスにおいては、様々な業務ニーズに応じた外見を持つアバターを生成できる仕組みを有することにより、どのような環境下でも仮想人材Ｏの感情状態が周囲に伝わりやすくなり、結果として、派遣先Ｃにおける効率的な対話、行動が促進され、結果として、派遣先Ｃの全体の業務の遂行レベルを向上させることができるようになる、また、仮想人材Ｏと周囲とのコラボレーションの質を向上させることができるようになる。
　プライバシ保護データマイニングロジックＰＬ６は、仮想人材Ｏのプライバシを守ることを通じて企業機密の保全を図りながら、一方で、仮想人材Ｏ同士のノウハウの相互共有を行う。また、プライバシー保護のために必要な匿名化の技術等も含んだ形で、プライバシ保護データマイニングロジックＰＬ６と定義する。
　仮想人材Ｏが生成される際に派遣先Ｃから提供される情報は、機密性の高いものが含まれるため、保護する必要がある。しかしながらその一方で、同じ派遣先Ｃに派遣されている複数の仮想人材Ｏの間では、ノウハウを共有させながら夫々の業務遂行力をより向上させていく必要もある。
　即ち、本サービスによれば、派遣先Ｃの機密情報を保護しながら、業務全体での組織知の形成を促進することができる。
　仮想人材生成機能ＩＦは、派遣先情報と、人材派遣元情報とに基づき、仮想人材Ｏを生成又は更新する。
　従来のリアルな人材派遣システムにおいては、人材の候補者に関する情報の管理は非常に煩雑であり、面談等を含む採用プロセスには時間やコストがかかっていた。
　また、従来技術においても、データに基づいて学習モデルを生成するという流れが主流であり、そもそも、従来技術の例えば音声アシスタントやロボットを派遣するという概念は無い。したがって当然ながら、派遣先Ｃや人材派遣元Ｐから提供される情報を融合して、仮想人材Ｏを生成するという発想は存在しなかった。
　本サービスによれば、派遣先Ｃのニーズに適合した仮想人材Ｏが生成されて派遣されるため、派遣先Ｃは、人材の候補者に関する情報管理や、面談等の煩雑なプロセスを要することなく、容易に人材を確保することができるようになる。
　なお、仮想人材生成機能ＩＦは、提供される派遣先情報が多いほど、より派遣先Ｃのニーズに適合した仮想人材Ｏを生成することができるが、派遣先Ｃから派遣先情報が提供されない場合でも、仮想人材生成機能ＩＦは、所定の条件に基づき自動的に仮想人材Ｏを生成する。即ち、仮想人材生成機能ＩＦは、情報の提供の有無を含めた設定状況に応じて、派遣先情報条件に可能な限り適合した仮想人材Ｏを生成することができる。
　仮想人材生成機能ＩＦにおいては、いわゆる人を作る部分である仮想人材の基本的部分Ｉ１と、派遣先の情報や社会環境に依存する派遣先・社会環境の依存要素Ｉ２とが考慮される。
　仮想人材の基本的部分Ｉ１には、仮想人材Ｏの精神的側面として、パーソナリティＩＢＰと、知識・経験ＩＢＩと、思考ＩＢＣ、また仮想人材Ｏの身体的側面として、身体性ＩＢＢが含まれる。
　パーソナリティＩＢＰは、気質や性格を含むパーソナリティを有する人材が行うふるまいをできる機能を仮想人材Ｏに付与する。
　パーソナリティＩＢＰには、気質ＩＢＰ１、及び性格ＩＢＰ２が含まれる。
　気質ＩＢＰ１は、人材が生まれつき持っているような心的傾向を有する人材が行うふるまいをできる機能を仮想人材Ｏに付与する。人材の心的傾向の設定に関しては、生理的に脳内で分泌される物質であるドーパミン、セロトニン、テストステロン、エストロゲン等の作用の傾向に着目した手法等数々の心的モデルが存在するが、複数のモデルを取込ながらアンサンブル処理をすることによって統合的に管理される。
　このように、人材の心的傾向は、上述の脳内物質の作用の傾向に紐付けられて管理されるため、派遣先Ｃからどのような心的傾向の仮想人材Ｏの希望があった場合でも、対応することが可能になる。
　機能的で心が無いと言われている従来技術に対し、本サービスにおける仮想人材Ｏは、心を表現する形で社会に貢献する。
　即ち、このような気質ＩＢＰ１において仮想人材Ｏの気質を有する人材が行うふるまいをできる機能が管理されることにより、仮想人材Ｏは例えば以下のような点で個性を表現することが出来るようになる。
　具体的には、探索行動、興奮、経験や冒険の追求、退屈への耐性、抑制の欠落、熱意、自分を省みる気持ちの欠落、エネルギーやモチベーションの増加、物理的及び知的探求、認知の柔軟性、好奇心、アイディアの創造、言語的な独創性、非言語的な独創性の向上、社交性、不安の感受性、外向性、「親しい友人がいない」傾向、前向きな気分へのなりやすさ、信仰心の篤さ、調和の重視度、秩序ある行動への傾向、誠実さ、物事を具体的に考える傾向、自制心、注意深さ、新規探究心、図や数字を使った創造力、細部に目が行き届く傾向、集中力、関心の対象の幅、感情の抑制、感情の氾濫、社会的な優位性や攻撃性、社会的感受性の低さ、空間や数字に対する鋭敏な感覚、流暢性をはじめとする言語的スキルの高さ、共感しやすさ、面倒見の良さ、社会への愛着をはじめとする社会性に関係する能力を活用したいという意欲、文脈に即して考える力、想像力、精神的な柔軟性等が想定される。
　このような個性の表現がなされた結果として、例えば、仮想人材Ｏの感情豊かに感じられる応対や効率的な対話や行動が促進されるため、全体の業務の遂行レベルの向上につなげることができる。また、仮想人材Ｏと周囲とのコラボレーションの質も向上するようになる。
　性格ＩＢＰ２は、先天的な気質の影響を受けつつも、後天的に経験や知識を通して形成される心的、行動等の特徴を有する人材が行うふるまいをできる機能を、仮想人材Ｏに付与する。人材の性格の整理においては、従来より協調性、外向性、開放性、誠実性、神経症的傾向の５つの軸等数々の心的モデルが存在するが、最終的には複数のモデルを取込ながらアンサンブル処理をすることによって個性が表現される。
　即ち、このような性格ＩＢＰ２において仮想人材Ｏの個性が感じられる応対が表現されることにより、派遣先Ｃに対する仮想人材Ｏの感情豊かに感じられる応対や効率的な対話や行動が促進されるため、派遣先Ｃの全体の業務の遂行レベルを向上させることができる。また、仮想人材Ｏと周囲とのコラボレーションの質も向上させることができるようになる。
　なお、パーソナリティＩＢＰは、主として派遣先Ｃから提供される希望人材情報ＣＩ１に基づいて生成されるが、特にこれに限定されない。派遣先Ｃから希望人材情報ＣＩ１が提供されない場合でも予め設定された情報に基づき、パーソナリティが生成されてもよい。これにより例えば、派遣先Ｃが、希望する人材の心的傾向や性格について条件を明確に設定することができなかった場合でも、一定以上の心的傾向や性格を有する人材が行うふるまいをできる機能を持つ仮想人材Ｏが生成されるようになる。
　知識・経験ＩＢＩでは、仮想人材Ｏの知識・経験に関する情報が生成される。
　知識・経験ＩＢＩには、学習歴・知見ＩＢＩ１、及びスキル・経験ＩＢＩ２が含まれる。
　学習歴・知見ＩＢＩ１は、学習歴や知見を記述した情報を、仮想人材Ｏに付与する。
　学習歴・知見ＩＢＩ１は、希望人材情報ＣＩ１、カリキュラムデータＰＤＣ、及びＰＳＦデータＰＤＰに基づいて、適切な学習歴や知見を記述した情報を備えた仮想人材Ｏを生成する。
　従来のリアルな人材派遣においては、タスクによっては、派遣先Ｃが理想とする学習歴・知見を持つ人材を探すことは困難であった。
　そこで本サービスにおいては、派遣先Ｃが求める人材に近い学習歴・知見を持つ仮想人材Ｏが容易に生成されるようになる。その結果として例えば、派遣先Ｃにおける仮想人材Ｏの効率的な対話や行動が促進されるため、派遣先Ｃの全体の業務の遂行レベルを向上させることができる。また、仮想人材Ｏと周囲とのコラボレーションの質も向上させることができるようになる。
　スキル・経験ＩＢＩ２は、スキルや経験に関する情報を、仮想人材Ｏに付与する。
　スキル・経験ＩＢＩ２は、希望人材情報ＣＩ１、募集情報／マニュアルＣＩ３、カリキュラムデータＰＤＣ、及びＰＳＦデータＰＤＰ等に基づいて、適切なスキルや経験に関する情報を有する仮想人材Ｏを生成する。
　なお、スキル・経験ＩＢＩ２は、スキルや経験に関する情報の調整を行う。
　従来のリアルな人材派遣においては、派遣先Ｃが理想とする業務スキル・経験を持つ人材を探すことは困難であった。
　そこでスキル・経験ＩＢＩ２を含む本サービスによれば、派遣先Ｃが求める人材に近い業務スキルや経験を持つ仮想人材Ｏが容易に生成されるようになる。その結果として例えば、仮想人材Ｏの効率的な対話や行動が促進されるため、全体の業務の遂行レベルが上がり、また、仮想人材Ｏと周囲とのコラボレーションの質も向上するようになる。
　なお、知識・経験ＩＢＩは、主として、日々の洗練によりそのスキルや経験のレベルを随時拡充・強化されるが、これに限定されない。即ち、仮想人材Ｏのスキルや経験のレベルは、派遣先Ｃにより選択されたサービスプラン等に応じて変更されてもよいものとする。
　思考ＩＢＣは、思考に関する機能を、仮想人材Ｏに付与する。
　思考ＩＢＣには、思考・推論パターンＩＢＣ１、及び読解力／表現力ＩＢＣ２が含まれる。
　思考・推論パターンＩＢＣ１は、思考や推論パターンを仮想人材Ｏに付与する。
　即ち、思考・推論パターンＩＢＣ１は、認識形成ロジックＰＬ２、ＩｆｔｈｅｎルールロジックＰＬ４等に基づいて、仮想人材Ｏの思考・推論パターンを生成する。
　なお、思考・推論パターンＩＢＣ１においては、気質ＩＢＰ１及び性格ＩＢＰ２においてまとめられた情報に基づいて、思考・推論パターンの個性が発現できるように調整されてもよい。
　従来のリアルな人材派遣においては、派遣先Ｃが理想とする思考・推論パターンを持つ人材を探すことは困難であった。
　そこで本サービスにおいては、複数のロジックが組み合わされてまとめられることにより、仮想人材Ｏの思考・推論パターンが柔軟に拡張されやすくなる。結果として例えば、派遣先Ｃにおける仮想人材Ｏの成長が促進されることで、派遣先Ｃ全体の業務の遂行レベルを向上させることができる。また、仮想人材Ｏと周囲とのコラボレーションの質を向上させることができるようになる。
　読解力／表現力ＩＢＣ２は、読解力や表現力を有する人材が行うふるまいをできる機能を仮想人材Ｏに付与する。
　読解力／表現力ＩＢＣ２は、読解力を有する人材が行うふるまいをできる機能と、表現力を有する人材が行うふるまいをできる機能に大別される。
　読解力を有する人材が行うふるまいをできる機能は、パーソナライズ要約ロジックＰＬ１、及びコンテキスト推定ロジックＰＬ３に基づいて、仮想人材Ｏの読解できる機能を生成する。
　また、表現力を有する人材が行うふるまいをできる機能は、パーソナライズ要約ロジックＰＬ１、コンテキスト推定ロジックＰＬ３、及びＩｆｔｈｅｎルールロジックＰＬ４に基づいて、仮想人材Ｏの表現できる機能を生成する。
　また読解力を有する人材が行うふるまいをできる機能、及び表現力を有する人材が行うふるまいをできる機能の夫々においては、気質ＩＢＰ１及び性格ＩＢＰ２の２つの機能でまとめられた情報に基づいて夫々読解力、及び表現力の個性が感じられるように調整される。
　従来のリアルな人材派遣においては、派遣先Ｃが理想とする読解力や表現力を持つ人材を探すことは困難であった。
　一方で本サービスにおいては、複数のロジックが組み合わされてまとめられることにより、仮想人材Ｏの読解力や表現力を有する人材が行うふるまいをできる機能が柔軟に拡張されやすくなる。結果として例えば、派遣先Ｃにおける仮想人材Ｏの読解力や表現力を有する人材が行うふるまいをできる機能が改善されることで、派遣先Ｃの全体の業務の遂行レベルが上がり、また、仮想人材Ｏと周囲とのコラボレーションの質を向上させることができるようになる。
　なお思考ＩＢＣは、主として、日々の洗練によりそのレベルが随時拡充・強化されるが、これに限定されない。即ち、仮想人材Ｏの思考に関する機能のレベルは、派遣先Ｃにより選択されたサービスプラン等に応じて変更されてもよいものとする。
　身体性ＩＢＢは、身体性を仮想人材Ｏに付与する。
　身体性ＩＢＢには、ハードウェア形態・性能ＩＢＢ１、及び外見（アバタ―）ＩＢＢ２が含まれる。
　ハードウェア形態・性能ＩＢＢ１は、ハードウェアの形態を生成する機能と、ハードウェアの性能を生成する機能とに大別される。
　ハードウェアの形態を生成する機能は、利用形態ＣＩ２に基づいて、接続用のインターフェースを用意する。具体的には例えば、ハードウェアの形態を生成する機能は、生成される接続用のインターフェースを通して、メールの場合は特定のメールアドレス、チャットボットの場合は特定のアカウント、電話の場合は特定の番号、あるいは特定の番号＋担当者名、ビデオチャットの場合は特定のアカウント、ロボットの場合は接続先のアクセスポイントを、インターフェースに対して設定する。このような機能により仮想人材Ｏの接続用インターフェースが生成されると、派遣先Ｃは、派遣元向けタスク実行環境設定機能Ｔ１において、仮想人材Ｏ毎に具体的なアクセス情報を設定する。
　従来技術は、ＡＰＩとして提供されることが殆どであり、一部の音声アシスタント除き、人間的なインターフェースが前面に提供されることはなかった。
　一部の音声アシスタントでは、人間的なインターフェースが幾つかの機器で実装されているが、提供される人格は画一的であり、１つのブランド名で提供されている。つまり、本サービスにおける仮想人材Ｏのように、派遣先Ｃの希望に基づいてカスタマイズされ、精神的側面や身体的側面が異なる人格が、メール＆チャットボット、電話、ビデオチャット、ロボット等を横断する形で一貫して提供されることは、従来技術にはなかった。
　また、このような本サービスにおいては、希望する利用形態で仮想人材Ｏを活用するためのアクセスポイントが生成されることによって派遣先Ｃは、容易に仮想人材Ｏを業務に適用することができるようになる。
　ハードウェアの性能を生成する機能は、登録された利用形態ＣＩ２に基づいて、夫々の利用形態が動作するハードウェアの性能や容量等の仕様情報に基づいて、夫々の動作環境に応じた仮想人材Ｏを生成する。
　なおここでいうハードウェアとは、例えば、人間で言う長期記憶、短期記憶、ワーキングメモリや脳神経細胞間の伝達、思考を司る部分が対象であり、仮想人材Ｏにおける記憶媒体、ネットワーク、各種演算装置が相当する。
　従来技術においても、エッジコンピューティングということで、軽量なハードウェアの上で学習モデルを実行できるような試みはなされている。
　本サービスにおいても同様に、エッジコンピューティングで行われているようなハードウェアの性能に基づいて仮想人材Ｏを生成する機能が発揮されることにより、ハードウェアの制約に応じて、仮想人材Ｏがチューニングされ、結果として、限られた環境の中でも仮想人材Ｏが動作するようになる。
　具体的には例えば、記憶媒体の容量の大小によって、仮想人材Ｏのワーキングメモリの大小が決定され、仮想人材Ｏの連続した思考への対応能力の高低が調整される。但し、調整できる範囲は限界があるため、仮想人材Ｏの提供時の各ハードウェアの推奨仕様は明示されてもよい。
　外見生成機能ＩＢＢ２は、仮想人材Ｏに外見（アバター）を付与する。
　外見生成機能ＩＢＢ２は、例えばビデオチャットのような、アバターが必要な利用形態が選択されているケースにおいて、気質ＩＢＰ１、及び性格ＩＢＰ２の２つの機能でまとめられた情報に基づき、個性別アバター生成ロジックＰＬ５を適用することでアバターを生成する。具体的には例えば、パーソナリティや年齢等に応じて架空の人物の外見を自動生成するパターンや、既存の人物の外見をコピーするパターンや、既存のキャラクターをコピーするパターンが挙げられる。
　なお身体性ＩＢＢは、主として派遣先Ｃから提供される利用形態ＣＩ２に基づいて生成されるが、特にこれに限定されない。派遣先Ｃから利用形態ＣＩ２が提供されない場合でも予め設定された情報に基づき、所定のレベルの身体性が生成されてもよい。これにより例えば、派遣先Ｃが、希望する人材の心的傾向や性格について条件を明確に設定することができなかった場合でも、一定以上の心的傾向や性格を有する仮想人材Ｏが生成されるようになる。
　機能的で心が無いと言われている従来技術に対して、本サービスにおける仮想人材Ｏは、アバターを通じて心を表現する形で社会に貢献する。即ち、本サービスにおいてアバターが提供されることにより、仮想人材Ｏの精神的側面が会話の相手に伝わりやすくなり、円滑なコミュニケーションが実現される。
　派遣先・社会環境の依存要素Ｉ２には、仮想人材Ｏの環境的側面として、職場環境／要求スキルＩＥＷ、社会環境／文化ＩＢＳが含まれる。
　職場環境／要求スキルＩＥＷは、派遣先Ｃの職場環境や、派遣先Ｃからの要求されるスキルに関する情報を仮想人材Ｏに付与する。
　職場環境／要求スキルＩＥＷには、目的・ゴールＩＥＷ１、及び研修カリキュラムＩＥＷ２が含まれる。
　目的・ゴールＩＥＷ１は、知識・思考内部モデルＰＭ２と、目的・ゴール内部モデルＰＭ３とを統合的に活用することによって、派遣先ＣのＭＶＶ（Ｍｉｓｓｉｏｎ、Ｖｉｓｉｏｎ　Ｖａｌｕｅｓ）や、ＫＧＩ（Ｋｅｙ　Ｇｏａｌ　Ｉｎｄｉｃａｔｏｒ）や、ＫＰＩ（Ｋｅｙ　Ｐｅｒｆｏｒｍａｎｃｅ　Ｉｎｄｉｃａｔｏｒ）等を踏まえる。
　従来技術においては、特定のタスクに対して最適化された学習モデルが生成されることが殆どであり、会社の一連のＭＶＶやＫＧＩ、ＫＰＩが総体的に捉えられて、処理に反映されるようなことはなかった。
　一方で本サービスにおいては、仮想人材Ｏが思考・行動を決定する上で常にＭＶＶやＫＧＩ、ＫＰＩを踏まえたうえで処理されるため、仮想人材Ｏは、合目的的な方向での業務活動を行うことができる。
　研修カリキュラムＩＥＷ２は、募集情報／マニュアルＣＩ３を軸にしつつ、そのうえで、人材派遣元Ｐにより提供されるカリキュラムデータＰＤＣを統合して、仮想人材Ｏが学習すべき内容を、派遣先Ｃの業務を中心とした形で統合する。
　従来技術においては、特定のタスクに対してビッグデータを用いて最適化された学習モデルが生成されるため、マニュアルのようなデータ量では、そもそも学習モデルを生成することが困難であった。
　一方で本サービスにおいては、募集情報／マニュアルＣＩ３の情報が、パーソナライズ要約ロジックＰＬ１等が適用されることによって読み込まれるため、効果的に情報が活用されるようになる。そのため、派遣先Ｃの業務が尊重・重視された形で人材派遣元Ｐのノウハウが融合されることになり、結果的に、より派遣先Ｃの現場のニーズに適合し、かつ一般的なノウハウに関する情報が付与された仮想人材Ｏが生成されるようになる。マニュアルが具体的にどのように読み込まれるかの詳細は、図５７を用いて後述する。
　職場環境／要求スキルＩＥＷは、主として派遣先Ｃから提供される募集情報／マニュアルＣＩ３に基づいて生成されるが、特にこれに限定されない。派遣先Ｃから募集情報／マニュアルＣＩ３が提供されない場合でも、予め設定された情報に基づき、仮想人材Ｏが生成されてもよい。これにより例えば、派遣先Ｃが、職場環境や要求スキルについて条件を明確に設定することができなかった場合でも、一定以上の心的傾向や性格を有する仮想人材Ｏが生成されるようになる。
　社会環境／文化ＩＢＳは、社会環境や、文化に関する情報を仮想人材Ｏに付与する。
　社会環境／文化ＩＢＳには、言語／共通的知識ＩＢＳ１、及び共通的価値観・文化ＩＢＳ２が含まれる。
　言語／共通的知識ＩＢＳ１は、人材派遣元Ｐにより提供されるカリキュラムデータＰＤＣを活用して、仮想人材Ｏが備えるべき言語／共通的知識を、仮想人材Ｏの精神的側面や、派遣先Ｃの業務に最適化する形で、知識・思考内部モデルＰＭ２を中心に統合する。
　従来のリアルな人材派遣においては、派遣先Ｃにとって理想的な言語や共通的知識を持つ人材を容易に探すことは困難であった。
　一方で本サービスにおいては、より派遣先Ｃの現場のニーズに適合した、かつ社会環境／文化を考慮した一般的なノウハウも持った仮想人材Ｏが生成されるようになる。
　共通的価値観・文化ＩＢＳ２は、人材派遣元Ｐにより提供されるカリキュラムデータＰＤＣを活用して、仮想人材Ｏが備えるべき共通的価値観・文化を、仮想人材Ｏの精神的側面や、派遣先Ｃの業務に最適化する形で、心理・感情・価値観内部モデルＰＭ１を中心に統合する。
　従来のリアルな人材派遣においては、派遣先Ｃにとって理想的な共通的価値観・文化を持つ人材を容易に探すことは困難であった。
　一方で本サービスにおいては、より派遣先Ｃの現場のニーズに合い、かつ社会環境や文化を考慮した一般的なノウハウに関する情報も持った仮想人材Ｏが生成されるようになる。
　以上、図２を参照して、仮想人材Ｏを生成又は更新するための機能のうち、派遣先向け情報登録機能ＣＦと、人材派遣元向け情報登録機能ＰＦと、仮想人材生成機能ＩＦとの夫々について説明した。
　このような各種機能の発揮により生成された仮想人材Ｏは、派遣先Ｃに派遣され、各利用形態において業務を遂行することができるようになる。
　次に、図４を参照して、派遣先Ｃにおいて、仮想人材Ｏが遂行可能な業務の一例について説明する。
　図４は、図１の本サービスの仮想人材が適用される対象業務について説明する表である。
　図５Ａ及び図５Ｂは、図４に示す本サービスの仮想人材が適用される対象業務について説明する表の分割図である。
　図４において、メール＆チャットボットの形態で職務を遂行する仮想人材ＯＭ、電話の形態で職務を遂行可能な仮想人材ＯＣ、ビデオチャットの形態で職務を遂行可能な仮想人材ＯＡ、及びロボットの形態で職務を遂行可能な仮想人材ＯＲの夫々の利用形態が、適用可能な対象業務を〇で示し、さらにそのうち、より適正のある対象業務を◎で示している。
　即ち例えば、メール＆チャットボットの形態で職務を遂行する仮想人材ＯＭは、人を救う業務として相談、物を売る業務として営業、アフターフォロー等に対して特に適正がある。
　電話の形態で職務を遂行可能な仮想人材ＯＣは、人を救う業務として相談、物を売る業務としてアフターフォロー等に対して特に適正がある。
　また、ビデオチャットの形態で職務を遂行可能な仮想人材ＯＡは、人を見つける業務として、募集、紹介、人を救う業務として相談、人を育てる業務とし教育、物を得る業務として調達、購入、物を売る業務として、営業、販売、広告・宣伝、アフターフォロー等に対して、特に適正がある。
　さらにまた、ロボットの形態で職務を遂行可能な仮想人材ＯＲは、実際に身体が存在することから、人を救う業務として介護、人を守る業務として警護、人を育てる業務として育児、教育、物を売る業務として販売といったような、存在することに意味がある業務に対して特に適正がある。
　次に、図６を用いて、本サービスが適用される情報処理システム、即ち、本発明の情報処理システムの一実施形態に係るサーバを含む情報処理システムの構成について説明する。
　図６は、図１の本サービスが適用される情報処理システム、即ち、本発明の情報処理システムの一実施形態に係る構成の一例を示す図である。
　図６に示す情報処理システムは、サーバ１と、派遣先端末２と、派遣元端末３とをインターネット等の所定のネットワークＮを介して相互に通信するように構成される。
　サーバ１は、本サービスの図示せぬサービス提供者により管理される。
　派遣先端末２は、派遣先Ｃにより操作され、サーバ１に対して、派遣先情報を提供する。
　派遣元端末３は、人材派遣元Ｐにより操作され、サーバ１に対して派遣元情報を提供する。
　次に、図７を用いて上述した情報処理システムを構成するサーバ１のハードウェア構成の一例について説明する。
　図７は、図６の情報処理システムのうち、サーバのハードウェア構成を示すブロック図である。
　サーバ１は、ＣＰＵ（Ｃｅｎｔｒａｌ　Ｐｒｏｃｅｓｓｉｎｇ　Ｕｎｉｔ）１１と、ＲＯＭ（Ｒｅａｄ　Ｏｎｌｙ　Ｍｅｍｏｒｙ）１２と、ＲＡＭ（Ｒａｎｄｏｍ　Ａｃｃｅｓｓ　Ｍｅｍｏｒｙ）１３と、バス１４と、入出力インターフェース１５と、入力部１６と、出力部１７と、記憶部１８と、通信部１９と、ドライブ２０とを備えている。
　ＣＰＵ１１は、ＲＯＭ１２に記録されているプログラム、又は、記憶部１８からＲＡＭ１３にロードされたプログラムに従って各種の処理を実行する。
　ＲＡＭ１３には、ＣＰＵ１１が各種の処理を実行する上において必要なデータ等も適宜記憶される。
　ＣＰＵ１１、ＲＯＭ１２及びＲＡＭ１３は、バス１４を介して相互に接続されている。このバス１４にはまた、入出力インターフェース１５も接続されている。入出力インターフェース１５には、入力部１６、出力部１７、記憶部１８、通信部１９及びドライブ２０が接続されている。
　入力部１６は、例えばキーボード等により構成され、各種情報が入力される。
　出力部１７は、液晶等のディスプレイやスピーカ等により構成される。
　記憶部１８は、ＤＲＡＭ（Ｄｙｎａｍｉｃ　Ｒａｎｄｏｍ　Ａｃｃｅｓｓ　Ｍｅｍｏｒｙ）等で構成され、各種データを記憶する。
　通信部１９は、インターネットを含むネットワークＮを介して他の装置との間で通信を行う。
　ドライブ２０には、磁気ディスク、光ディスク、光磁気ディスク、あるいは半導体メモリ等よりなる、リムーバブルメディア２１が適宜装着される。ドライブ２０によってリムーバブルメディア２１から読み出されたプログラムは、必要に応じて記憶部１８にインストールされる。
　また、リムーバブルメディア２１は、記憶部１８に記憶されている各種データも、記憶部１８と同様に記憶することができる。
　なお、図示はしないが、図６の情報処理システムの派遣先端末２と、派遣元端末３とは、図７に示すハードウェア構成と基本的に同様の構成を有しているため、ここではそれらの説明は省略する。
　このようなサーバ１等の各種ハードウェアと各種ソフトウェアとの協働により、仮想人材Ｏを生成又は更新するための処理（以下、「仮想人材生成更新処理」と呼ぶ）と、仮想人材Ｏによるの処理（以下、「人材派遣処理」と呼ぶ）の実行が可能になる。
　仮想人材生成更新処理とは、派遣先情報、派遣元情報の登録を受け付け、サーバ１において仮想人材Ｏが生成されて更新までの一連の処理をいう。
　また、人材派遣処理とは、仮想人材Ｏが、派遣先Ｃでタスクを実行するために必要な環境設定、タスクの実行、そして追加学習等のトレーニングを受けるまでの一連の処理をいう。
　サーバ１は、仮想人材生成更新処理を実行するにあたり、図８に示すような機能的構成を有する。
　そこで、以下、図８を参照して、本実施形態に係るサーバ１等において実行される仮想人材生成更新処理を実行するための機能的構成について説明する。
　図８は、図７の情報処理システムのサーバの機能的構成のうち、仮想人材生成更新処理の際に機能する機能的構成の一例を示す図である。
　図８に示したサーバ１の記憶部１８の一領域には、仮想人材ＤＢ６１が設けられている。また、仮想人材ＤＢ６１には、仮想人材Ｏ自体に関する各種情報が記憶される。
　仮想人材生成更新処理が実行される際には、サーバ１のＣＰＵ１１において、派遣先情報取得部５１と、人材派遣元情報取得部５２と、仮想人材生成更新部５３と、仮想人材派遣部５４とが機能する。
　派遣先情報取得部５１は、希望人材情報取得部５１１、利用形態情報取得部５１２、募集情報／マニュアル情報取得部５１３により構成される。
　希望人材情報取得部５１１は、派遣先情報のうち、派遣先Ｃが求める人材に関する情報（例えば、図１の理想の人物像ＣＩ１１、実在の人物ＣＩ１２等）を取得する。
　利用形態情報取得部５１２は、派遣先情報のうち、派遣先Ｃにおいて各種タスクを実行する際の仮想人材Ｏの形態に関する情報（例えば、図１のメール＆チャットボットＣＩ２１、電話ＣＩ２２、ビデオチャットＣＩ２３、ロボットＣＩ２４）を取得する。
　募集情報／マニュアル情報取得部５１３は、派遣先情報のうち、派遣先Ｃの業務の具体的な内容を表した募集情報、また、業務遂行のために標準化された手順等をまとめたマニュアルに関する情報（例えば、図１の会社・組織の目的ＣＩ３１、職種・業務詳細ＣＩ３２、研修・育成情報ＣＩ３３）を取得する。
　人材派遣元情報取得部５２は、モデル取得部５２１、データ取得部５２２、ロジック取得部５２３により構成される。
　モデル取得部５２１は、派遣元情報のうち、心理・感情・価値観等の通常目に見えない内的な情報を保持し、当該情報の関係性が整理された上でモデル化されたものや、知識・思考等の通常目に見えない内的な知的活動、情報を保持し、当該情報の関係性が整理された上でモデル化されたものや、個人や組織単位でのＫＧＩやＫＰＩ等の目的・ゴールとその内部的な関係性が整理されて、モデル化されたもの（例えば、図１の内部モデルＰＭ）を取得する。
　データ取得部５２２は、派遣元情報のうち、仮想人材Ｏの育成に必要な情報が順序付けられ、優先度評価がなされた学習すべき内容のデータや、意味表現の解像度の高い、マシンリーダブルな意味データベース（例えば、図１の言語資源データＰＤ）を取得する。
　ロジック取得部５２３は、派遣元情報のうち、仮想人材Ｏが、物事を理解したり、相手と会話する際に利用されるロジックや、自身の経験や知識から物事をどのように認識するかについてのロジックや、仮想人材Ｏが業務を遂行する上で関わる全ての情報に対し、コンテキストを推定するロジックや、仮想人材Ｏが、各業務の場面毎に、どのような発話、あるいはどのような行動をするか、判断する際の拠り所となるロジックや、仮想人材Ｏの具体的な外見、声等を生成するロジックや、派遣先Ｃの企業機密の管理や、仮想人材同士のノウハウの相互共有に関するロジック等（具体的には例えば、図１の各種ロジックＰＬ）を取得する。
　仮想人材生成更新部５３は、取得した派遣先情報と、派遣元情報とに基づき、仮想人材Ｏを生成又は更新する。
　そして、仮想人材生成更新部５３は、生成又は更新した仮想人材Ｏに関する情報を、仮想人材ＤＢ６１に格納することにより記憶させる。
　仮想人材派遣部５４は、生成又は更新された仮想人材Ｏを派遣先Ｃに派遣する処理を実行する。
　以上をまとめると、人材派遣元Ｐから派遣先Ｃに対して派遣される仮想人材Ｏを生成する情報処理システムにおいて、人材派遣元情報取得部５２が、人材派遣元Ｐから提供される情報のうちパーソナライズ要約ロジックＰＬ１を少なくとも含むデータを派遣元情報として取得すると、仮想人材生成更新部５３は、取得した派遣元情報を用いて仮想人材Ｏを生成する。
　即ち、仮想人材生成更新部５３は、パーソナライズ要約ロジックを用いることで、相手の状況（理解度・利用可能語彙等）に応じた言い換えをすることが可能な仮想人材Ｏを生成する。その結果として、派遣先Ｃにおける相手との間において、相互理解度が高いコミュニケーションが実現可能な仮想人材Ｏが生成される。
　ここで上述したように、パーソナライズ要約ロジックとは、相手に応じて内容を言い換えうる情報システムのことをいう。以下具体的に、「食べる」を例にして、パーソナライズ要約ロジックについてより具体的に説明する。
　例えば、幼児に、「積み木を食べてはだめ」ということを伝える場合を想定する。
　幼児は、利用可能語彙が少ない為、「積み木」という言葉も、「食べる」という言葉も理解することができない。そのため、幼児に対して「積み木を食べてはだめ」と伝えても理解することはできない。
　そのためまず、「食べる」という行為を、「主体者」、「対象物」の状態変化に応じて、意味を構成する３つの要素（以下、このような要素を「キーバリュー」と呼ぶ）に分割する。つまり、「食べる」という行為を、（１）「主体者」が、「対象物」を、「口に動かす」、（２）「主体者」が、「対象物」を、「口に入れる」、（３）「主体者」が、「対象物」を、「体の中で消化する」、の３つの要素に落とし込む。そしてこの３つの要素の中で幼児に伝えたいことを、最も意味の欠落が少ない状態で表現できるような言葉の組み合わせを決定する。その結果として、「積み木」を「食べ」てはだめではなく、「これ」を「口に入れ」てはだめ、といったように言い換えることができる。
　以上のように、仮想人材Ｏの生成又は更新にパーソナライズ要約ロジックが採用されることにより、相手に伝えたい内容がキーバリューに分割されて意味の解像度が上がるため、相手の状況（理解度・利用可能語彙等）に応じて、内容を言い換えることができるような仮想人材Ｏが生成されるようになる。キーバリューについての詳細は、図５７を用いて後述する。
　また、人材派遣元情報取得部５２は、人材派遣元Ｐから提供される情報のうち、「意味を正規化したフォーマット」又はそれに変換可能なフォーマットで表されたデータを、派遣元情報として取得する。仮想人材生成更新部５３は、取得した派遣元情報を用いて仮想人材Ｏを生成する。
　ここで上述したように、「意味を正規化したフォーマット」とは、自然言語やプログラミング言語を含む、同じ意味なら同じ形式になる機械可読性の高い意味の表現形式のことをいう。具体的には、ＡＭＲやＮ４がある。Ｎ４についての詳細は、図５３を用いて後述する。
　即ち、仮想人材生成更新部５３は、「意味を正規化したフォーマット」又はそれに変換可能なフォーマットで表されたデータを用いることで、“可視化”された知能をベースとしたやり取りが可能な仮想人材Ｏを生成する。その結果として、派遣先Ｃにおける相手との間において、相互理解度が高いコミュニケーションが実現可能な仮想人材Ｏが生成される。
　また、人材派遣元情報取得部５２は、人材派遣元Ｐから提供される情報のうち、「意味を正規化したフォーマット」又はそれに変換可能なフォーマットで表されたデータであって、パーソナライズ要約ロジックを少なくとも含むデータを派遣元情報として取得する。仮想人材生成更新部５３は、取得した派遣元情報を用いて仮想人材Ｏを生成する。
　これにより、相手の状況（理解度・利用可能語彙等）に応じた言い換えをすることが可能であると共に、”可視化”された知能をベースとしたやり取りが可能な仮想人材Ｏが生成される。その結果として、仮想人材Ｏと相手との間において、より相互理解度が高いコミュニケーションが実現されるようになる。
　なお、パーソナライズ要約ロジックＰＬ１とＰＳＦデータＰＤＰを併用することによって、生成された仮想人材Ｏは、意味表現の解像度が高い状態で情報をやり取りできるようになる。その効果として、話し相手の言葉を理解する際に理解度が低ければ解像度をより高めて自らが解析可能な言葉に言い換えて理解度レベルを上げることができる。一方、話し相手に向けて言葉を出力する際は、相手に合わせて言葉を選択することができるので、結果として双方向のコミュニケーションのレベルが向上し、相手との相互理解をより深めることができる。
　また、パーソナライズ要約ロジックＰＬ１とＰＳＦデータＰＤＰとＮ４のような「意味を正規化したフォーマット」又はそれに変換可能なフォーマットで表されたデータの三つを組み合わせて用いることによって、構成性原理に基づいて簡単には理解できない字面で表される意味と話者の真の意図が異なるような皮肉、反語や比喩表現や建前等についても、認識できる機能を持つことによって、結果として相手との相互理解をより深めることができる。
　また、個性別アバター生成ロジックＰＬ５を用いることにより、仮想人材Ｏがタスク指示部８５８を通して音声出力をしている際に、出力される内容に合わせてアバターの表情を変化させることにより、あたかも仮想人材Ｏが感情を持っているかのような印象を相手に与えることがでる。さらには、相手の話を言葉として聞いているような形で音声入力を受け付けている際にも、あたかも仮想人材Ｏが本当に共感して傾聴しているかのようにアバターの表情を変化させることができ、結果として相手との相互理解をより深めることができる。
　また、仮想人材Ｏは、心理・感情・価値観内部モデルＰＭ１、知識・思考内部モデルＰＭ２を用いることによって、話し相手の心理・感情・価値観、知識・思考を常に推定して、少しでも推定結果が良い方向に変化するように行動を決定することができる。さらには、自己についても同様に心理・感情・価値観、知識・思考を推定して、少しでも推定結果が良い方向に変化するように行動を決定することができ、結果として相手との相互理解をより深めることができる。
　さらにまた、人材派遣元情報取得部５２が、人材派遣元Ｐから提供される情報のうち、複数の内部モデルを少なくとも含むデータを派遣元情報として取得すると、仮想人材生成更新部５３は、取得した派遣元情報を用いて仮想人材Ｏを生成する。なおこのとき、前記複数の内部モデルの夫々は、心理、感情、及び価値観を含む人間の内的な情報に関する第１観点、知識及び思考を含む人間の内的な知的活動及び情報に関する第２観点、並びに、人間の個人若しくは当該人間が属する組織を単位とするＫＧＩ及びＫＰＩを含む目的、又はゴールとその内部的な関係性に関する第３観点のうち１以上の観点に基づいて生成される。
　ここで、前記複数の内部モデルは、前記第１観点に基づいて生成されたモデルとして、心理、感情、価値観を含む人間の内的な情報を保持し、当該情報の関係性が整理されて「意味を正規化したフォーマット」又はそれに変換可能なフォーマットでモデル化された第１モデル（例えば心理・感情・価値観内部モデルＰＭ１）を含む。
　また、前記複数の内部モデルは、前記第２観点に基づいて生成されたモデルとして、知識、思考を含む人間の内的な知的活動及び情報を保持し、当該知的活動及び情報の関係性が整理されて、「意味を正規化したフォーマット」又はそれに変換可能なフォーマットでモデル化された第２モデル（例えば知識・思考内部モデルＰＭ２）を含む。
　また、前記複数の内部モデルは、前記第３観点に基づいて生成されたモデルとして、人間の個人や当該人間が属する組織を単位とするＫＧＩ及びＫＰＩを含む目的又はゴールとその内部的な関係性が整理されて、「意味を正規化したフォーマット」又はそれに変換可能なフォーマットでモデル化された第３モデル（例えば目的・ゴール内部モデルＰＭ３）を含む。
　このように、仮想人材生成更新部５３は、このような第１乃至第３観点の内部モデルに基づいて仮想人材Ｏを生成する。これにより、感情だけでなく、相手の価値観、所属組織の目的・ゴール、知識・思考パターンを推定することにより幅広い目的を設定可能な仮想人材Ｏが生成されるようになる。また、上述のような内部モデルが保持されることにより、継続性、安定性のある対応が可能な仮想人材Ｏが生成されるようになる。その結果として、後述するＰＤＣＡサイクルが効率的に実行されるようになる。
　このような上述の機能を全て兼ね備えることで、相互理解を通じて、目的の明確化・深い理解が可能になる仮想人材Ｏ、即ち、目的が明確でなくても、相互理解を深めながら、目的を明確化できる仮想人材Ｏの生成が可能になる。
　換言すると、次のような仮想人材Ｏの生成が可能になる。
　即ち、仮想人材Ｏは、相互理解に役立つ情報について会話することで目的を自律的に認識し、目的を達成するために集めるべき情報は何かを取得することができる。
　仮想人材Ｏは、この相互理解に役立つ情報をコミュニケーションを通じて収集し、この情報を用いて目的を達成するための動作を行うことができる。
　仮想人材Ｏは、この動作によって目的が達成できたかどうかのチェックを実施し、目的が達成できていなかった場合、結果の分析に必要な情報が何かを収集し、この相互理解に役立つ情報をコミュニケーションを通じて収集することができる。
　仮想人材Ｏは、収集した情報を用いてさらに目的を達成するための動作を行いこれらの動作を繰り返すことで目的を達成することができる。
　以上、図８を用いて、図７の情報処理システムのサーバの機能的構成のうち、仮想人材生成更新処理の際に機能する機能的構成について説明した。
　次に、図９、図１０を用いて、図１の本サービスの仮想人材Ｏが実行する人材派遣処理の機能的構成及び概要について説明する。
　図９は、図７の情報処理システムのサーバの機能的構成のうち、人材派遣処理の際に機能する機能的構成の一例を示す図である。
　人材派遣処理が実行される際には、記憶部１８の仮想人材Ｏにおいて、環境設定部８１と、トレーニング部８２と、タスク実行部８３とが機能する。
　環境設定部８１は、仮想人材Ｏが派遣先Ｃにおいてタスクを実行するために必要な環境設定を受け付ける。
　即ち例えば、環境設定部８１は、仮想人材Ｏを利用形態毎に利用するためのアクセスポイントの設定、仮想人材Ｏが実行可能な実行許可ＡＰＩの選択、自社ＡＰＩの登録、自社で用意又は選択されたＡＰＩの登録、タスクを処理してもらえるクラウドソーシング型のサイトの登録、タスクを処理してもらえる発注候補業者の登録、専門スタッフの登録、後述するタスク実行部８３の発話・タスク指示部８３４で生成されるメッセージと、その際に起動すべきアクションの紐付け情報を登録する。
　トレーニング部８２は、仮想人材Ｏに追加学習させるために必要な情報や、派遣先Ｃに派遣されている仮想人材Ｏ同士のノウハウを共有させるために必要な各種情報の登録を受け付ける。
　トレーニング部８２は、知識カテゴリ別トレーニング部８２１、人材間情報共有部８２２により構成される。
　知識カテゴリ別トレーニング部８２１は、内部モデルＰＭを通して可視化された仮想人材Ｏの知能に基づき、知識カテゴリ毎に仮想人材Ｏの理解度レベルを上げるための追加学習を行う。
　本発明においては、仮想人材Ｏの知識カテゴリ別の理解度レベルの状況が可視化されていることにより、追加で仮想人材Ｏのトレーニングを行うことができる。これにより、仮想人材Ｏの機能を改善させることができるようになる。
　人材間情報共有部８２２は、派遣先Ｃに派遣された仮想人材Ｏ同士でのノウハウの共有を制御する。
　即ち、人材間情報共有部８２２は、プライバシの問題や、業務に取り組む人材の多様性の確保を考慮して、仮想人材Ｏ同士でノウハウや知識を共有するかしないかを制御することができる。
　タスク実行部８３は、仮想人材Ｏのタスクの実行を制御する。
　タスク実行部８３は、客観的解釈部８３１、主観的解釈部８３２、発話内容検討・生成部８３３、発話・タスク指示部８３４により構成される。
　なお、タスク実行部８３の各ブロックの機能の詳細の説明については、図１０に関する説明の中で併せて述べる。
　図１０は、図１の本サービスの仮想人材が実行するタスクの概要について説明する図である。
　図１１Ａ及び図１１Ｃは、図１０に示す本サービスの仮想人材が実行するタスクの概要について説明する図の分割図である。
　タスク実行部８３における仮想人材Ｏのタスクの実行は、図１０に示すようなＰＤＣＡサイクル（Ｐｌａｎ－Ｄｏ－Ｃｈｅｃｋ－Ａｃｔｉｏｎサイクル）が繰り返し実行されることで達成される。
　即ち、仮想人材Ｏのタスクの実行においては、まず、相手と仮想人材Ｏ自身との相互理解に役立つ情報が両者の間での会話により取得されることで、目的が自律的に認識され、目的を達成するために必要な情報は何であるかといった情報が取得される（Ｐｌａｎ）。
　そして、このような情報がコミュニケーションを通じて収集され、目的を達成するための動作が行われる（Ｄｏ）。
　そして、このような動作によって目的が達成できたかどうかのチェックがなされた結果（Ｃｈｅｃｋ）、目的が達成できていなかった場合には、結果の分析に必要な情報がコミュニケーションを通じて取得され、目的を達成するための動作がさらに行われる（Ａｃｔｉｏｎ）。
　このようなＰＤＣＡサイクルにおいては、心理・感情・価値観内部モデルＰＭ１及び知識・思考内部モデルＰＭ２と、目的・ゴール内部モデルＰＭ３とが組み合わされて適用される。
　以下、ＰＤＣＡサイクルに対するこのような内部モデルＰＭの適用例について、より詳細に説明する。
　まず「Ｐｌａｎ」として、仮想人材Ｏのタスクの実行の際には、目的の認識が自律的に行われる。ここで自立的に認識される目的は、心理・感情・価値観内部モデルＰＭ１、知識・思考内部モデルＰＭ２、及び目的・ゴール内部モデルＰＭ３に基づき、以下の（１）乃至（５）のように多層的に設定される。
　（１）仮想人材Ｏは、知識・思考内部モデルＰＭ２に基づき、話者の意図に沿った行動を目的として認識する。即ち、仮想人材Ｏにおいては、常に相手や自己の知識・思考が推定され、その推定された情報が取得されることで、仮想人材Ｏは、例えば、相手の知識を強化するという目的や、相手の特定の思考パターンを強化するという目的等、幅広い目的に沿った会話・行動を取ることができるようになる。
　（２）仮想人材Ｏは、目的・ゴール内部モデルＰＭ３に基づき、派遣先Ｃ等のＫＧＩ／ＫＰＩに沿った行動を目的として認識する。これにより仮想人材Ｏは、派遣先ＣのＫＧＩを目指したり、特定のＫＰＩを強化するという目的に沿った会話・行動を取ることができるようになる。
　（３）仮想人材Ｏは、知識・思考内部モデルＰＭ２に基づき、相手との相互理解／合意を目的として認識する。これにより仮想人材Ｏは、相手との共通理解部分や合意部分を増やすという目的に沿った会話・行動をとることができるようになる。
　（４）仮想人材Ｏは、心理・感情・価値観内部モデルＰＭ１に基づき、心理・感情・価値観の向上を目的として認識する。即ち、仮想人材Ｏは、常に相手や自己の心理・感情・価値観を推定し、推定された情報を取得し、相手の感情を特定の状態にするという目的や、相手の特定の価値観を強化するという目的等、幅広い目的に沿った会話・行動をとることができるようになる。
　（５）仮想人材Ｏは、心理・感情・価値観内部モデルＰＭ１に基づき、生理＆ロボット三原則に基づく行動を目的として認識する。これにより、仮想人材Ｏは、ロボット三原則等に基づく会話や行動をとることができるようになる。
　このように、内部モデルＰＭが適用されることで、多層的に目的が構成され、結果としてフレーム問題への対策を効果的に行うことができるようになる。
　そしてこのような目的を達成するための動作として「Ｄｏ」が行われる。
　目的を達成するための動作（Ｄｏ）の際には、タスク実行部８３において、客観的解釈部８３１、主観的解釈部８３２、発話内容検討・生成部８３３、発話・タスク指示部８３４の夫々が機能を発揮する。
　客観的解釈部８３１においては、文法・意味解析部８５１と、文脈での意味推定部８５２とが機能する。
　文法・意味解析部８５１は、対話をする相手の言葉について、形態素解析、構文解析、意味解析を行う。即ち、意味の正規化が行われたフォーマットをベースにして、意味を正規化したフォーマット又はそれに変換可能なフォーマットで表された、マシンリーダブルな意味データベースを基に解析が行われることにより、意味の欠落が少ない表現形式での解析が可能となる。
　その結果として、仮想人材Ｏの知的能力が向上し、意味の解釈の齟齬を低減することができるようになる。
　これにより、従来技術における課題を解決することができるようになる。即ち、本発明によれば、従来から存在する、ディープラーニング等のＥｎｄ　ｔｏ　Ｅｎｄ型におけるブラックボックス化、かつ、意味の欠落の割合が大きいという課題、また様々なツールをつなぎ合わせるパイプライン型における、統一化されたフォーマットや意味の解像度の高い意味データベースが不在で質が低い、といった課題を解決することができるようになる。
　文脈での意味推定部８５２は、対話をしている相手の言葉について、文法・意味解析部８５１における結果を踏まえながら、談話構造やコンテキスト推定（６Ｗ２Ｈ）、さらには照応解決、省略部推定、比喩・反語、皮肉等の構成性原理が効かないものの解釈、焦点、視点、さらには、文字情報以外のマルチモーダルの情報を用いて文脈単位での意味の推定を行う。
　即ち、文脈での意味推定部８５２は、意味の欠落率が低い文法・意味解析部８５１の結果を活用し、かつ、人材派遣元情報取得部５２のロジック取得部５２３により取得されたコンテキスト推定ロジックＰＬ３を活用することにより、文脈を踏まえた解析を行う。
　結果として、意味の解釈の齟齬が少なくなり、仮想人材Ｏの知的能力が向上する。
　またこれにより、コンテキストを認識するということに対して、課題を解決することができるようになる。
　主観的解釈部８３２においては、文脈での意味評価部８５３と、状態更新部８５４とが機能する。
　文脈での意味評価部８５３は、客観的解釈部８３１の文法・意味解析部８５１、及び文脈での意味推定部８５２における結果に基づいて、積極的に意味の評価を行い、評価時点での意味の解釈を仮確定する。このような意味の解釈を仮確定させる際には、内部モデルＰＭの最適化により常に推定されている目的・ゴール内部モデルＰＭ３や、心理・感情・価値観内部モデルＰＭ１、知識・思考内部モデルＰＭ２が活用される。
　仮想人材Ｏが業務を遂行する上で、相手の意図を探り、そして、相手の意図を確認することは重要であり、たとえ仮でも、相手の意図を確定させることによってその後のアクションの決定につなげることで、ＰＤＣＡサイクルが効率的に回るようになる。その結果として、仮想人材Ｏのタスク実行能力の向上が見込めるようになる。
　また、文脈での意味推定部８５２によりコンテキストを踏まえた良質な解析結果を得られるため、その結果を踏まえて、文脈での意味評価部８５３は、より実践的な意味の評価を行うことができるようになる。つまり、目的・ゴールや、相手や自己の心理・感情・価値観、知識・思考の内容を活用してコンテキストの評価をすることができるため、その結果として、意味の解釈の齟齬が少なくなり、仮想人材Ｏの知的能力が向上する。
　状態更新部８５４は、相手との対話・交流を通して、内部モデルＰＭの推定結果を踏まえながら、共通理解、合意形成を中心とした基盤化の状況を推定し、相手認識、自己認識のレベルを深める方向で仮想人材Ｏの状態を更新する。また、状態更新部８５４は、未知の情報を対象にして内部モデルＰＭの更新やＰＳＦデータＰＤＰの更新を行う。即ち、状態更新部８５４は、内部モデルＰＭのような目的・ゴールや、相手や自己の心理・感情・価値観、知識・思考、ＰＳＦのような意味表現の解像度の高い、マシンリーダブルな意味データベースを更新対象とする。そのため、参照専用で更新されることを想定していない従来の手法と比較して、常に共通理解や合意の状態等の基盤化の状況認識をし、かつ、未知情報等を処理して自己成長をしながら、仮想人材Ｏの知的能力を向上させることができるようになる。
　発話内容検討・生成部８３３においては、発話継続制御部８５５と、発話内容生成部８５６とが機能する。
　発話継続制御部８５５は、相手と自己の対話の中で発話が開始された発話タイミングと、発話が終了した終了タイミングとを常にモニタリングし、自己の次のアクションの決定に活用する。これにより、相互の発話が円滑になる。
　発話内容生成部８５６は、内部モデルＰＭの推定結果を用いながら、発話内容を生成する。また、相手の意図の推定やＫＰＩ向上の促進に関わらず、常に基盤化促進のために共通理解部分や合意部分を増やしたり、また、会話の円滑化を進めて情報交換のレベルを向上させるために相槌、反芻を行う。
　さらに、発話内容生成部８５６は、生成された仮想人材Ｏの個性を踏まえた受け答えを実現するために、パーソナリティ反映を行い、その上で表現選択をして、発話内容を調整する。
　従来技術においては、話し相手の意図が極めて限定された状況下で、インテントスロット型のチャットボット等で、相手の意図を推定し、それらしい情報提示やアクションを実行するということを目的として発話内容の生成が行われるのみであった。
　そこでこのような本発明によれば、内部モデルＰＭの推定結果が用いられるため、仮想人材Ｏは、相手の意図を推定したり、組織全体のＫＰＩ向上を促進したりすることができ、また、基盤化推進のために共通理解部分や合意部分を増やしたりすることができる。結果として、仮想人材Ｏは、従来よりも円滑なコミュニケーションを実現することができる。
　発話・タスク指示部８３４は、人間が可読なタスクを指示するメッセージである、発話・タスク指示を生成し、そのメッセージを踏まえて、発話、ＡＰＩ実行、動作を行う。
　従来技術において、音声アシスタントはインテントスロット型で設定されたスキルを実行して役割を終える。外部機能を起動するときも人間が可読なメッセージのような形のインターフェースは提供されていない。
　そこでこのような本発明によれば、人間が可読なタスクを指示するメッセージである、発話・タスク指示が生成され、発話・タスク指示の内容に基づいて、アクチュエータ起動や、外部ＡＰＩや、自社登録ＡＰＩの実行を効率よく行うことができるようになる。
　より具体的には、発話・タスク指示部８３４においては、発話部８５７と、タスク指示部８５８とが機能する。
　発話部８５７は、発話内容生成部８５６で生成された内容を、どのようなメディアを通じて出力するかを最適化するために利用媒体選択を行い、その上で、相手に対しての伝達のレベルを向上させるために、出力テンション調整や各種演出を行い、望む方向での印象付けを行う。このようにして伝え方を工夫することによって、仮想人材Ｏは、相手への伝達効率を上げることができる。
　タスク指示部８５８は、タスクを指示するメッセージを踏まえて、発話、ＡＰＩ実行、動作を行う。
　タスク指示部８５８においては、具体的には、アクチュエータ起動部８８１、外部ＡＰＩ起動部８８２、自社登録ＡＰＩ（単純型）起動部８８３、自社登録ＡＰＩ（登録ＲＰＡ型）起動部８８４、専門スタッフ型起動部８８５、クラウドソーシング型起動部８８６、オークション型起動部８８７等が含まれる。
　アクチュエータ起動部８８１は、ロボットに特定の行動を起こさせるために、タスク指示に基づき、予め人材派遣元向け仮想人材管理機能ＰＡのロボット登録機能ＲＲにより紐付けられた方法で、ロボットのアクチュエータに対して適切な指示を行う。
　即ち、従来の手法と比較して、人間が可読な自然言語で記述された発話・タスク指示ＳＤで生成されるメッセージに応じてアクチュエータが動く点が相違する。
　このように、アクチュエータ起動部８８１において、発話・タスク指示ＳＤで生成されるメッセージと、各ロボットのアクチュエータが起動する機能とが紐付けられることにより、ロボット（例えば、ロボットの形態でタスクを処理する仮想人材ＯＲ）と、会話内容とを自然な形で連動させることができるようになる。
　外部ＡＰＩ起動部８８２は、タスク指示に従って適切な外部ＡＰＩを起動するために、予め人材派遣元向け仮想人材管理機能ＰＡにおける外部ＡＰＩ登録機能ＡＲにより登録されたＡＰＩを対象とし、環境設定部８１（派遣先向けタスク実行環境設定機能Ｔ１）において実行可能として選択されたＡＰＩの中から、発話・タスク指示部８３４において選択されている外部ＡＰＩを起動する。
　また、タスクに対して外部ＡＰＩ等の適切なアクションが選択されていない場合は、選択を促すタスク指示が再生成され、後述する専門スタッフ型起動部８８５を介して、環境設定部８１（派遣先向けタスク実行環境設定機能Ｔ１）において正しいアクションとして外部ＡＰＩが起動される。
　このようにして、仮想人材Ｏは、発話・タスク指示と連動して外部ＡＰＩを容易に利用して、業務を遂行することができるようになる。
　自社登録ＡＰＩ（単純型）起動部８８３は、タスク指示に従って適切な自社登録ＡＰＩを起動するために、環境設定部８１（派遣先向けタスク実行環境設定機能Ｔ１）において登録された自社ＡＰＩの中から、発話・タスク指示部８３４において選択されているＡＰＩを起動する。このようなＡＰＩを自社登録ＡＰＩ（単純型）と定義する。
　また、タスクに対して自社登録ＡＰＩ等の適切なアクションが選択されていない場合は、選択を促すタスク指示が再生成され、後述する専門スタッフ型起動部８８５を介して、環境設定部８１（派遣先向けタスク実行環境設定機能Ｔ１）において正しいアクションとして自社登録ＡＰＩ（単純型）が起動される。
　このようにして、仮想人材Ｏは、発話・タスク指示と連動して自社登録ＡＰＩ（単純型）を容易に利用して業務を遂行することができるようになる。
　自社登録ＡＰＩ（登録ＲＰＡ型）起動部８８４は、タスク指示に従って適切なＲＰＡによる自動化処理を記録した実行ファイルをＡＰＩとして起動するために、環境設定部８１（派遣先向けタスク実行環境設定機能Ｔ１）において登録された自社ＡＰＩの中から、発話・タスク指示部８３４において選択されている自社登録ＡＰＩ（登録ＲＰＡ型）を起動する。
　また、タスクに対して自社登録ＡＰＩ等の適切なアクションが選択されていない場合は、選択を促すタスク指示が再生成され、後述する専門スタッフ型起動部８８５を介して、環境設定部８１（派遣先向けタスク実行環境設定機能Ｔ１）において正しいアクションとして自社登録ＡＰＩ（登録ＲＰＡ型）が起動される。
　このようにして、仮想人材Ｏは、発話・タスク指示と連動して自社登録ＡＰＩ（登録ＲＰＡ型）を容易に利用して業務を遂行することができるようになる。
　専門スタッフ型起動部８８５は、タスク指示に従って適切な専門スタッフにタスクを実行してもらうために、派遣先向けタスク実行環境設定機能Ｔ１の専門スタッフの登録機能において登録された専門スタッフにタスクを送信する。
　タスクに対して専門スタッフ型での処理等の適切なアクションが選択されていない場合は、選択を促すタスク指示が再生成され、環境設定部８１（派遣先向けタスク実行環境設定機能Ｔ１）において正しいアクションとして専門スタッフにタスク依頼が送信される。
　即ち、従来の手法と比較して、人間が可読な、自然言語処理で記述された発話・タスク指示機能で生成されるメッセージに応じて専門スタッフにタスクを依頼する点が相違する。
　なお、専門スタッフ型起動部８８５は、初回のタスク依頼については、管理者に送信するものとする。
　このようにして、仮想人材Ｏは、発話・タスク指示と連動して容易に登録された専門スタッフにタスクを依頼することにより、業務を遂行することができるようになる。
　クラウドソーシング型起動部８８６は、タスク指示に従って適切なクラウドワーカーにタスクを実行してもらうために、環境設定部８１（派遣先向けタスク実行環境設定機能Ｔ１）において登録されたクラウドソーシング先に、タスクを送信する。
　即ち、従来の手法と比較して、人間が可読な、発話・タスク指示機能で生成されるメッセージに応じてクラウドソーシング型のサイトにタスクを依頼できる点が相違する。
　また、タスクに対してクラウドソーシング型での処理等の適切なアクションが選択されていない場合は、選択を促すタスク指示が再生成され、専門スタッフ型起動部８８５を介して、環境設定部８１（派遣先向けタスク実行環境設定機能Ｔ１）において正しいアクションとしてクラウドソーシング先にタスク依頼が送信される。
　このようにして、仮想人材Ｏは、発話・タスク指示と連動して容易に登録されたクラウドソーシング型のサイトにタスクを依頼することにより、業務を遂行することができるようになる。
　オークション型起動部８８７は、タスク指示に従って適切なクラウドワーカーにタスクを実行してもらうために、環境設定部８１（派遣先向けタスク実行環境設定機能Ｔ１）において登録された発注候補業者に、オークションの応札依頼を送信する。
　即ち、従来の手法と比較して、人間が可読な、発話・タスク指示機能で生成されるメッセージに応じてオークション型のサイトにタスクを依頼できることが大きな違いである。
　また、タスクに対してオークション型での処理等の適切なアクションが選択されていない場合は、選択を促すタスク指示が再生成され、専門スタッフ型起動部８８５を介して、環境設定部８１（派遣先向けタスク実行環境設定機能Ｔ１）において正しいアクションとして発注候補業者にオークションの応札依頼が送信される。
　次に、「Ｃｈｅｃｋ」として、「Ｐｌａｎ」で設定された目的が達成できたかどうかのチェックがなされる。
　（１）話者の意図に沿った行動がとれたかどうかについては、例えば、（Ａ）仮想人材Ｏが、話者に対して意図内容に即した反芻を行った後の相手の反応を確認することで、話者の意図を汲めたかどうかを確認する。また、（Ｂ）仮想人材Ｏが、意図に従って実施した行動に対して、例えば「これで合っていますか？」と満足度に関する質問を話者に対してすることで、話者の意図を汲めたかどうかを確認してもよい。
　また、（２）派遣先Ｃ等のＫＧＩ／ＫＰＩがプラスに向かっているかについては、例えば、（Ａ）仮想人材Ｏにおいては、常に目的・ゴール内部モデルＰＭ３においてＫＧＩ／ＫＰＩの変化が予測されるため、仮想人材Ｏの自己認識として、派遣先Ｃ等のＫＧＩ／ＫＰＩがプラスに向かっているかどうかを確認してもよい。また（Ｂ）ＫＰＩの変化の内容を確認するための質問に対する話者の反応を見ることで、派遣先Ｃ等のＫＧＩ／ＫＰＩがプラスに向かっているかを確認してもよい。
　さらに、（３）相手と相互理解／合意ができたかどうかについては、例えば、（Ａ）仮想人材Ｏにおいて、タスクを実行する前後の共通理解と合意の推定結果の差分が増えたかどうかを確認してもよい。また、（Ｂ）話者に対して共通理解と合意の内容を確認するための質問、例えば「これでよいですか？」と質問して話者の反応を見ることで、話者との相互理解／合意が増えたかどうかを確認してもよい。
　さらに、（４）心理・感情・価値観の向上、生理＆ロボット三原則に基づく行動ができたかどうかについては、例えば、（Ａ）仮想人材Ｏの自己認識として、タスクを実行する前後で、心理・感情・価値観を推定した結果の差分が増えたかどうかを確認してもよい。また、（Ｂ）心理・感情・価値観を確認するための質問に対する話者の反応を見ることで、心理・感情・価値観が向上されたかどうかを確認してもよい。また、話者の心理面は外見に出る為、（Ｃ）マルチモーダル処理における視覚・聴覚等の情報に基づいて、心理・感情・価値観が向上されたかどうかを確認してもよい。
　このようなチェックがなされた結果、Ａｃｔｉｏｎが実行される。
　「Ａｃｔｉｏｎ」は、上述のサイクルで更新された内部モデルＰＭに基づき、ＩｆｔｈｅｎルールロジックＰＬ４が適用されることにより実行される。
　以上のような、相互理解のレベルが高いコミュニケーションを通じた効率的なＰＤＣＡプロセスが繰り返されることにより、仮想人材Ｏのタスクの実行が達成されるようになる。
　以上、図９、図１０を用いて、図１の本サービスの仮想人材Ｏが実行する人材派遣処理の概要及び機能的構成について説明した。
　以上をまとめると、人材派遣元Ｐから派遣先Ｃに対して派遣される仮想人材Ｏは、人材派遣元Ｐから提供される情報のうち、パーソナライズ要約ロジックＰＬ１を少なくとも含むデータが、派遣元情報として用いられて生成されたものである。
　仮想人材Ｏのタスク実行部８３は、複数の内部モデルを用いて、人間が読解可能なメッセージの形態でタスクの指示を行うことで、前記人間と対話をしながら所定のタスクを実行する。
　即ち、相手の状況（理解度・利用可能語彙等）に応じた言い換えをすることが可能な仮想人材Ｏは、内部モデルＰＭを用いて、人間が読解可能なメッセージの形態でタスクの指示を行う。その結果として、仮想人材Ｏは、派遣先Ｃにおける相手と、相互理解度が高いコミュニケーションを実現することができる。
　また、人材派遣元Ｐから派遣先Ｃに対して派遣される仮想人材Ｏは、人材派遣元Ｐから提供される情報のうち、「意味を正規化したフォーマット」又はそれに変換可能なフォーマットで表されたデータが、派遣元情報として用いられて生成されたものである。
　仮想人材Ｏのタスク実行部８３は、前記複数の内部モデルを用いて、人間が読解可能なメッセージの形態で前記タスクの指示を行うことで、前記人間と対話をしながら所定のタスクを実行する。
　即ち、あらゆる面で“可視化”された知能をベースとしたやり取りを実行可能な仮想人材Ｏは、内部モデルＰＭを用いて、人間が読解可能なメッセージの形態でタスクの指示を行う。その結果として、仮想人材Ｏは、派遣先Ｃにおける相手と、相互理解度が高いコミュニケーションを実現することができる。
　また、人材派遣元Ｐから派遣先Ｃに対して派遣される仮想人材Ｏは、人材派遣元Ｐから提供される情報のうち、「意味を正規化したフォーマット」又はそれに変換可能なフォーマットで表されたデータであって、パーソナライズ要約ロジックＰＬ１を少なくとも含むデータが、派遣元情報として用いられて生成されたものであり、仮想人材Ｏのタスク実行部８３は、複数の内部モデルを用いて、人間が読解可能なメッセージの形態で前記タスクの指示を行うことで、前記人間と対話をしながら所定のタスクを実行する。
　即ち、このような仮想人材Ｏは、相手の状況（理解度・利用可能語彙等）に応じた言い換えができ、また、”可視化”された知能をベースとしたやり取りができるため、派遣先Ｃにおける相手と、相互理解度が高いコミュニケーションを実現することができる。
　また、人材派遣元Ｐから派遣先Ｃに対して派遣される仮想人材Ｏは、人材派遣元Ｐから提供される情報のうち、複数の内部モデルを少なくとも含むデータが、派遣元情報として用いられて生成されたものであり、このような複数の内部モデルの夫々は、心理、感情、及び価値観を含む人間の内的な情報に関する第１観点、知識及び思考を含む人間の内的な知的活動及び情報に関する第２観点、並びに、人間の個人若しくは当該人間が属する組織を単位とするＫＧＩ及びＫＰＩを含む目的、又はゴールとその内部的な関係性に関する第３観点のうち１以上の観点に基づいて生成されている。
　そしてさらに、仮想人材Ｏのタスク実行部８３は、前記第１観点及び前記第２観点に基づいて生成されたモデルを用いた自己認識及び相手認識を伴いながら、前記第３観点に基づいて生成されたモデルを用いて計画を設定し、当該計画を達成するために人間と対話をしながら所定のタスクを実行し、その実行の結果を評価し、その評価の結果に基づいて改善を行う。
　また、前記複数の内部モデルは、前記第１観点に基づいて生成されたモデルとして、心理、感情、価値観を含む人間の内的な情報を保持し、当該情報の関係性が整理されて「意味を正規化したフォーマット」又はそれに変換可能なフォーマットでモデル化された第１モデル（例えば心理・感情・価値観内部モデルＰＭ１）を含む。
　前記複数の内部モデルは、前記第２観点に基づいて生成されたモデルとして、知識、思考を含む人間の内的な知的活動及び情報を保持し、当該知的活動及び情報の関係性が整理されて、「意味を正規化したフォーマット」又はそれに変換可能なフォーマットでモデル化された第２モデル（例えば知識・思考内部モデルＰＭ２）を含む。
　前記複数の内部モデルは、前記第３観点に基づいて生成されたモデルとして、人間の個人や当該人間が属する組織を単位とするＫＧＩ及びＫＰＩを含む目的又はゴールとその内部的な関係性が整理されて、「意味を正規化したフォーマット」又はそれに変換可能なフォーマットでモデル化された第３モデル（例えば知識・思考内部モデルＰＭ２）を含む。
　即ち、相手の価値観、所属組織の目的・ゴール、知識・思考パターンを推定可能な仮想人材Ｏは、幅広い目的が多層的に設定できるため、フレーム問題への対策を効果的に実施可能であると共に、相手に対して継続性、安定性のある対応ができるため、高いレベルの対応が可能になる。その結果として、仮想人材Ｏは、ＰＤＣＡサイクルを効率的に実行できるようになる。
　換言すると、仮想人材Ｏは、感情だけでなく、相手の価値観、所属組織の目的・ゴール、知識・思考パターンを推定することにより幅広い目的を設定可能になる。また、上述のような内部モデルが保持されることにより、仮想人材Ｏは、継続性、安定性のある対応が可能になる。その結果として、仮想人材Ｏは、ＰＤＣＡサイクルを効率的に実行できるようになる。
　このような上述の機能を全て兼ね備えた仮想人材Ｏは、相互理解を通じて、目的の明確化・深い理解が可能になる。即ち、仮想人材Ｏは、目的が明確で無くても、相互理解を深めながら、目的を明確化できる。
　換言すると、仮想人材Ｏは、相互理解に役立つ情報を会話することで目的を自律的に認識し、目的を達成するために集めるべき情報は何かを取得することができる。
　仮想人材Ｏは、この必要な情報を相互理解に役立つ情報を会話を用いた円滑なコミュニケーションを通じて収集し、この情報を用いて目的を達成するための動作を行うことができる。
　仮想人材Ｏは、この動作によって目的が達成できたかどうかのチェックを実施し、目的が達成できていなかった場合、結果の分析に必要な情報が何かを収集し、この必要な情報を相互理解に役立つ情報を会話を用いた円滑なコミュニケーションを通じて収集することができる。
　仮想人材Ｏは、収集した情報を用いてさらに目的を達成するための動作を行いこれらの動作を繰り返すことで目的を達成することができる。
　次に図１２を用いて、仮想人材Ｏが備えるセンサ（知覚）と、仮想人材Ｏに対するマルチモーダブルな情報入力のフローについて説明する。
　図１２は、図１の本サービスの仮想人材が備える各種センサと、仮想人材に対する情報入力フローの概要について説明する図である。
　生物（仮想人格含む）は、自身の備えるセンサ（知覚）で制約される世界（以下、「環世界」と呼ぶ）で生きている。即ち、全ての生物（仮想人格含む）は、自身の備える知覚（センサ）によってのみ世界を理解することができると言われている。
　人間にとっての環世界において、人間は、特殊感覚として、聴覚（音センサ）、視覚（色センサ、形変化センサ、量変化センサ、位置センサ）、嗅覚（匂い・臭い・香りセンサ）、味覚（味センサ（酸味、塩味、甘味、苦味、旨味））、体性感覚として、皮膚感覚（触覚、痛覚、温度感覚）、固有感覚（圧覚、位置感覚、筋肉／運動感覚）、内臓感覚として、空腹／満腹感、尿／便意等を備える。
　一方で、仮想人格にとっての環世界において、仮想人材Ｏは、聴覚（音センサ）、視覚（色センサ、形変化センサ、量変化センサ、位置センサ）、嗅覚（匂い・臭い・香りセンサ）、触覚、温度感覚、圧覚、位置感覚に基づいて、会話や行動を取ることができる。即ち、仮想人材Ｏは、自身の備えるセンサ（知覚）、例えば、聴覚センサ（例えば、マイク）、視覚センサ（例えば、カメラ）、その他センサ（例えば、匂い・臭い・香りセンサ、触覚センサ、温度感覚センサ、圧覚センサ、位置感覚センサ）によって取得された情報に基づいて、タスクを実行する。
　具体的には例えば、図１２に示すように、メール＆チャットボットの形態でタスクを実行する仮想人材ＯＭは、テキストファイルリーダＴＲにより取得されたテキスト情報に基づいてタスクを実行する。
　また、電話の形態でタスクを実行する仮想人材ＯＣは、動画ファイルリーダＭＲや、自身の有する聴覚センサＳＹ（例えば、マイク）により取得された音声ストリームデータＶＤを音声認識させることにより出力した情報に基づいてタスクを実行する。
　また、ビデオチャットの形態でタスクを実行する仮想人材ＯＡは、動画ファイルリーダＭＲや、画像ファイルリーダＦＲ、視覚センサＳＥ（例えば、カメラ）から取得された画像ストリームデータＭＤを光学的文字認識（ＯＣＲ）処理することにより出力した情報に基づいてタスクを実行する。
　そして、ロボットの形態でタスクを処理する仮想人材ＯＲは、その他センサＳＯ（例えば、匂い・臭い・香りセンサ、触覚センサ、温度感覚センサ、圧覚センサ、位置感覚センサ）から取得されたストリームデータＯＤをその他情報認識（例えば、点字認識・文字形状認識）処理させることより出力した情報に基づいてタスクを実行する。
　このように、仮想人材Ｏは、自身の有するセンサ（知覚）に基づき、利用形態に応じて様々なタスクを実行することができる。
　以上、仮想人材Ｏが備えるセンサ（知覚）と、仮想人材Ｏに対するマルチモーダルな情報入力のフローについて説明した。
　次に、図１３乃至図３９を参照して、図８及び図９の機能的構成を有するサーバ１が実行する仮想人材生成更新処理及び人材派遣処理（以下、これらの処理を合わせて「全体処理」と呼ぶ）の流れについて、より詳細に説明する。
　図１３は、全体処理の各ステップと各図との対応関係を示した図である。
　全体処理の各ステップと図１４乃至３６との対応関係は、図１３の通りである。
　図１４は、サーバ１が実行する全体処理の流れを説明するフローチャートである。
　図１４のステップＳ１において、図８の人材派遣元情報取得部５２は、仮想人材Ｏを生成するための事前準備を行う。このようなステップＳ１の処理を、以下、「人材派遣の事前準備処理」と呼ぶ。
　図１５において、図１４の全体処理のステップＳ１の人材派遣の事前準備処理の詳細の一例を説明する。
　図１５は、図１４の全体処理のステップＳ１の人材派遣の事前準備処理の詳細の一例を説明するフローチャートである。
　図１５のステップＳ１１において、人材派遣元情報取得部５２は、仮想人材Ｏを生成するための各種情報を管理する。このようなステップＳ１１の処理を、以下、「人材派遣元向け仮想人材管理処理」と呼ぶ。
　次に、図１６において、図１５の人材派遣の事前準備処理のステップＳ１１の人材派遣元向け仮想人材管理処理の詳細の一例を説明する。
　図１６は、図１５の人材派遣の事前準備処理のステップＳ１１の人材派遣元向け仮想人材管理処理の詳細の一例を説明するフローチャートである。
　図１６のステップＳ１１１において、人材派遣元情報取得部５２は、仮想人材Ｏを生成するための基本的要素の管理を行う。このようなステップＳ１１１の処理を、以下、「基本的要素の管理処理」と呼ぶ。
　次に、図１７において、図１６の人材派遣元向け仮想人材管理処理のステップＳ１１１の基本的要素の管理処理の詳細の一例を説明する。
　図１７は、図１６の人材派遣元向け仮想人材管理処理のステップＳ１１１の基本的要素の管理処理の詳細の一例を説明するフローチャートである。
　図１７のステップＳ１１１１において、人材派遣元情報取得部５２は、仮想人材Ｏを生成するための基本的要素のうち、最新の内部モデルＰＭを登録する。
　図１７のステップＳ１１１２において、人材派遣元情報取得部５２は、仮想人材Ｏを生成するための基本的要素のうち、最新の言語資源データＰＤを登録する。
　図１７のステップＳ１１１３において、人材派遣元情報取得部５２は、仮想人材Ｏを生成するための基本的要素のうち、最新のロジックＰＬを登録する。
　このようにして、人材派遣元情報取得部５２における、仮想人材Ｏを生成するための基本要素の管理処理が終了する。
　これにより、処理は、図１５のステップＳ１１１からステップＳ１１２に進む。
　図１６のステップＳ１１２において、人材派遣元情報取得部５２は、仮想人材Ｏがタスクを実行するための、タスク実行手段の登録を行う。このようなステップＳ１１２の処理を、以下、「タスク実行手段の登録処理」と呼ぶ。
　次に、図１８において、図１６の人材派遣元向け仮想人材管理処理のステップＳ１１１の基本的要素の管理処理の詳細の一例を説明する。
　図１８は、図１６の人材派遣元向け仮想人材管理処理のステップＳ１１１の基本的要素の管理処理の詳細の一例を説明するフローチャートである。
　図１８のステップＳ１１２１において、人材派遣元情報取得部５２は、仮想人材Ｏとしてロボットがタスクを実行する場合に、当該ロボットがアクション毎にどのような要求を出すかについての初期設定を行う。
　図１８のステップＳ１１２１において、人材派遣元情報取得部５２は、タスク指示に合わせて実行可能な外部ＡＰＩの登録を行う。
　このようにして、人材派遣元情報取得部５２による基本要素の管理処理、及びタスク実行手段の登録処理が終了することにより、人材派遣元向け仮想人材管理処理が終了する。
　これにより、処理は、図１５のステップＳ１１からステップＳ１２に進む。
　図１５のステップＳ１２において、人材派遣元情報取得部５２は、派遣元情報の登録を受け付ける。このようなステップＳ１２の処理を、以下、「人材派遣元向け情報登録処理」と呼ぶ。
　次に、図１９において、図１５の人材派遣の事前準備処理のステップＳ１２の人材派遣元向け情報登録処理の詳細の一例を説明する。
　図１９は、図１５の人材派遣の事前準備処理のステップＳ１２の人材派遣元向け情報登録処理の詳細の一例を説明するフローチャートである。
　図１９のステップＳ１２１において、人材派遣元情報取得部５２のモデル取得部５２１は、内部モデルＰＭの登録を受け付ける。
　図１９のステップＳ１２２において、人材派遣元情報取得部５２のデータ取得部５２２は、言語資源データＰＤの登録を受け付ける。
　図１９のステップＳ１２３において、人材派遣元情報取得部５２のロジック取得部５２３は、ロジックＰＬの登録を受け付ける。
　このようにして、派遣元情報の登録を受け付けるための人材派遣元向け情報登録処理が終了することにより、人材派遣の事前準備処理が終了する。
　これにより、処理は、図１３のステップＳ１からステップＳ２に進む。
　図１４のステップＳ２において、図８の派遣先情報取得部５１は、派遣先情報の登録を受け付ける。このようなステップＳ２の処理を、以下、「人材派遣の希望の登録処理」と呼ぶ。
　次に、図２０において、図１４の全体処理のステップＳ２の人材派遣先の希望の登録処理の詳細の一例を説明する。
　図２０は、図１４の全体処理のステップＳ２の人材派遣先の希望の登録処理の詳細の一例を説明するフローチャートである。
　図２０のステップＳ２１において、派遣先情報取得部５１は、派遣先Ｃに対して、人材メニューを提示する。
　図２０のステップＳ２２において、希望人材情報取得部５１１は、希望人材情報の入力を受け付ける。
　図２０のステップＳ２３において、募集情報／マニュアル情報取得部５１３は、職場情報の入力を受け付ける。
　図２０のステップＳ２４において、募集情報／マニュアル情報取得部５１３は、研修・育成情報の入力を受け付ける。
　図２０のステップＳ２５において、利用形態情報取得部５１２は、利用形態の入力を受け付ける。
　このようにして、派遣先情報の登録を受け付けるための人材派遣の希望の登録処理が終了する。
　これにより、処理は、図１４のステップＳ２からステップＳ３に進む。
　図１４のステップＳ３において、図８の仮想人材生成更新部５３は、仮想人材Ｏについて、初期学習する。このようなステップＳ３の処理を、以下、「初期学習処理」と呼ぶ。
　次に、図２１において、図１４の全体処理のステップＳ３の初期学習処理の詳細の一例を説明する。
　図２１は、図１４の全体処理のステップＳ３の初期学習処理の詳細の一例を説明するフローチャートである。
　図２１のステップＳ３１において、仮想人材生成更新部５３は、人材派遣元情報取得部５２より、学習開始の指示を受け付ける。
　図２１のステップＳ３２において、仮想人材生成更新部５３は、仮想人材Ｏについて、入力情報を適宜処理して、学習モデルを生成する。このようなステップＳ３２の処理を、以下、「学習処理」と呼ぶ。
　次に、図２２において、図２１の初期学習処理のステップＳ３２の学習処理の詳細の一例を説明する。
　図２２は、図２１の初期学習処理のステップＳ３２の学習処理の詳細の一例を説明するフローチャートである。
　図２２のステップＳ３２１において、仮想人材生成更新部５３は、ステップＳ１２１において取得を受け付けた内部モデルＰＭに基づいて、仮想人材Ｏの内部モデルＰＭを生成する。このようなステップＳ３２１の処理を、以下、「内部モデルの初回生成処理」と呼ぶ。また、このような内部モデルの初回生成処理は、仮想人材Ｏの初回の生成時にのみ実行されるものとする。
　次に、図２３において、図２２の学習処理のステップＳ３２１の内部モデルの初回生成処理の詳細の一例を説明する。
　図２３は、図２２の学習処理のステップＳ３２１の内部モデルの初回生成処理の詳細の一例を説明するフローチャートである。
　図２３のステップＳ３２１１において、仮想人材生成更新部５３は、仮想人材Ｏの、心理・感情・価値観内部モデルＰＭ１を生成する。このようなステップＳ３２１１の処理を、以下、「心理・感情・価値観内部モデル生成処理」と呼ぶ。
　次に、図２４において、図２３の内部モデルの生成処理のステップＳ３２１１の心理・感情・価値観内部モデル生成処理の詳細の一例を説明する。
　図２４は、図２３の内部モデルの生成処理のステップＳ３２１１の心理・感情・価値観内部モデル生成処理の詳細の一例を説明するフローチャートである。
　図２４のステップＳ３２１１１において、仮想人材生成更新部５３は、ステップＳ１２１の、モデル取得部５２１において取得された内部モデルＰＭのうち、心理・感情・価値観内部モデルＰＭ１の初期モデルを読み込む。
　図２４のステップＳ３２１１２において、仮想人材生成更新部５３は、ステップＳ２の、希望人材情報取得部５１１において取得された希望人材情報を読み込む。
　このようにして、仮想人材Ｏの、心理・感情・価値観内部モデルＰＭ１の生成処理が終了する。
　これにより、処理は、図２２のステップ３２１１からステップＳ３２１２に進む。
　図２３のステップＳ３２１２において、仮想人材生成更新部５３は、仮想人材Ｏの、知識・思考内部モデルＰＭ２を生成する。このようなステップＳ３２１２の処理を、以下、「知識・思考内部モデル生成処理」と呼ぶ。
　次に、図２５において、図２３の内部モデルの生成処理のステップＳ３２１２の知識・思考内部モデル生成処理の詳細の一例を説明する。
　図２５は、図２３の内部モデルの生成処理のステップＳ３２１２の知識・思考内部モデル生成処理の詳細の一例を説明するフローチャートである。
　図２５のステップＳ３２１２１において、仮想人材生成更新部５３は、ステップＳ１２１の、モデル取得部５２１において取得された内部モデルＰＭのうち、知識・思考内部モデルＰＭ２の初期モデルを読み込む。
　図２５のステップＳ３２１２２において、仮想人材生成更新部５３は、ステップＳ１２２の、データ取得部５２２において取得された言語資源データＰＤのうち、ＰＳＦデータＰＤＰを読み込む。ＰＳＦデータＰＤＰは、ステップＳ１１１２にて登録される最新のデータを利用し、意味表現の解像度が高い状態でのフレーム情報を活用可能とする。
　図２５のステップＳ３２１２３において、仮想人材生成更新部５３は、ステップＳ１２３の、ロジック取得部５２３において取得されたロジックＰＬを読み込む。このようなステップＳ３２１２３の処理を、以下、「各種ロジックデータの読込処理」と呼ぶ。
　次に、図２６において、図２５の知識・思考の生成処理のステップＳ３２１２３の各種ロジックデータの読込処理の詳細の一例を説明する。
　図２６は、図２５の知識・思考の生成処理のステップＳ３２１２３の各種ロジックデータの読込処理の詳細の一例を説明するフローチャートである。
　図２６のステップＳ３２１２３１において、仮想人材生成更新部５３は、パーソナライズ要約ロジックＰＬ１を読み込む。
　図２６のステップＳ３２１２３２において、仮想人材生成更新部５３は、認識形成ロジックＰＬ２を読み込む。
　図２６のステップＳ３２１２３３において、仮想人材生成更新部５３は、コンテキスト推定ロジックＰＬ３を読み込む。
　図２６のステップＳ３２１２３４において、仮想人材生成更新部５３は、ＩｆｔｈｅｎルールロジックＰＬ４を読み込む。
　図２６のステップＳ３２１２３５において、仮想人材生成更新部５３は、その他ロジックを読み込む。
　このようにして、各種ロジックデータの読込処理が終了することにより、知識・思考内部モデル生成処理が終了する。
　これにより、処理は、図２３のステップ３２１２からステップＳ３２１３に進む。
　図２３のステップＳ３２１３において、仮想人材生成更新部５３は、仮想人材Ｏの、目的・ゴール内部モデルＰＭ３を生成する。このようなステップＳ３２１３の処理を、以下、「目的・ゴール内部モデル生成処理」と呼ぶ。
　次に、図２７において、図２３の内部モデルの生成処理のステップＳ３２１３の目的・ゴール内部モデル生成処理の詳細の一例を説明する。
　図２７は、図２３の内部モデルの生成処理のステップＳ３２１３の目的・ゴール内部モデル生成処理の詳細の一例を説明するフローチャートである。
　図２７のステップＳ３２１３１において、仮想人材生成更新部５３は、ステップＳ１２１の、モデル取得部５２１において取得された内部モデルＰＭのうち、目的・ゴール内部モデルＰＭ３を、初期モデルとして読み込む。
　図２７のステップＳ３２１３２において、仮想人材生成更新部５３は、ステップＳ２４及びＳ２５の、募集情報／マニュアル情報取得部５１３において取得された職場情報を読み込む。
　このようにして、仮想人材Ｏの、目的・ゴール内部モデルの生成処理が終了する。
　これにより、処理は、図２２のステップＳ３２１からステップＳ３２２に進む。
　図２２のステップＳ３２２において、仮想人材生成更新部５３は、言語資源データＰＤの読込を行う。このようなステップＳ３２２の処理を、以下、「データの読込処理」と呼ぶ。
　次に図２８において、図２２の学習処理のステップＳ３２２のデータの読込処理の詳細の一例を説明する。
　図２８は、図２２の学習処理のステップＳ３２２のデータの読込処理の詳細の一例を説明するフローチャートである。
　図２８のステップＳ３２２１において、仮想人材生成更新部５３は、データ取得部５２２において取得された言語資源データＰＤのうちカリキュラムデータＰＤＣと、募集情報／マニュアル情報取得部５１３において取得された研修・育成情報ＣＩ３３を統合する。
　図２８のステップＳ３２２２において、仮想人材生成更新部５３は、統合後のカリキュラムデータＰＤＣの読み込みを行う。このようなステップＳ３２２２の処理を、以下、「統合後のカリキュラムデータ読込処理」と呼ぶ。
　次に、図２９において、図２８のデータの読込処理のステップＳ３２２２の統合後のカリキュラムデータＰＤＣの読込処理の詳細の一例を説明する。
　図２９は、図２８のデータの読込処理のステップＳ３２２２の統合後のカリキュラムデータＰＤＣの読込処理の詳細の一例を説明するフローチャートである。
　図２９のステップＳ３２２２１において、仮想人材生成更新部５３は、パーソナライズ要約を実施する。
　即ち、仮想人材生成更新部５３は、上述した統合後のカリキュラムデータＰＤＣを、パーソナライズ要約を用いることにより、仮想人材Ｏの知識・思考内部モデルＰＭ２に取り込む。
　図２８のステップＳ３２２２２において、仮想人材生成更新部５３は、コンテキストを推定する。
　図２９のステップＳ３２２２３において、仮想人材生成更新部５３は、パーソナライズ要約ロジックＰＬ１、及びコンテキスト推定ロジックＰ３以外のロジックを随時適用することにより、仮想人材Ｏの学習処理を行う。
　このようにして、統合後のカリキュラムデータＰＤＣの読込処理が終了することにより、データの読込処理が終了する。
　これにより、処理は、図２２のステップＳ３２２からステップＳ３２３に進む。
　図２２のステップＳ３２３において、仮想人材生成更新部５３は、内部モデルＰＭの更新を行う。このようなステップＳ３２３の処理を、以下、「内部モデルの更新処理」と呼ぶ。
　次に、図３０において、図２２の学習処理のステップＳ３２３の内部モデルの更新処理の詳細の一例を説明する。
　図３０は、図２２の学習処理のステップＳ３２３の内部モデルの更新処理の詳細の一例を説明するフローチャートである。
　図３０のステップＳ３２３１において、仮想人材生成更新部５３は、仮想人材Ｏが学習する都度、ＩｆｔｈｅｎルールロジックＰＬ４を適用することにより、必要な処理を実行する。
　図３０のステップＳ３２３２において、仮想人材生成更新部５３は、仮想人材Ｏの認識形成を行う。このようなステップＳ３２３２の処理を、以下、「認識形成処理」と呼ぶ。
　次に、図３１において、図３０の内部モデルの更新処理のステップＳ３２３２の認識形成処理の詳細の一例を説明する。
　図３１は、図３０の内部モデルの更新処理のステップＳ３２３２の認識形成処理の詳細の一例を説明するフローチャートである。
　図３１のステップＳ３２３２１において、仮想人材生成更新部５３は、未知語を取り込む。
　図３１のステップＳ３２３２２において、仮想人材生成更新部５３は、認識形成に寄与する複数情報を統廃合する。
　このようにして、認識形成処理が終了すると、学習処理が終了する。
　これにより、処理は、図２１のステップＳ３２からステップＳ３３に進む。
　図２１のステップＳ３３において、仮想人材生成更新部５３において、全てのカリキュラムの処理が終了したと判断された場合には、初期学習処理は終了する。
　一方で、仮想人材生成更新部５３において、全てのカリキュラムの処理が終了したと判断されなかった場合には、処理はステップＳ３２に戻され、以後の処理が繰り返される。
　このようにして、初期学習処理が終了することにより、処理は、図１４のステップＳ３からステップＳ４に進む。
　図１４のステップＳ４において、仮想人材生成更新部５３は、仮想人材Ｏを生成する。このようなステップＳ４の処理を、以下、「人材生成処理」と呼ぶ。
　次に、図３２において、図１４の全体処理のステップＳ４の人材生成処理の一例を説明する。
　図３２は、図１４の全体処理のステップＳ４の人材生成処理の一例を説明するフローチャートである。
　図３２のステップＳ４１において、仮想人材生成更新部５３は、知能モデルとアバターを統合する。即ち、仮想人材生成更新部５３は、学習によって作られた仮想人材Ｏの内部モデルＰＭと、アバターとを融合する。
　図３２のステップＳ４２において、仮想人材生成更新部５３は、プライバシ保護データマイニング技術を活用する。
　図３２のステップＳ４３において、仮想人材生成更新部５３は、仮想人材Ｏを生成する。即ち、仮想人材生成更新部５３は、派遣先Ｃが希望する仮想人材Ｏを生成する。
　このようにして、人材生成処理が終了することで、処理は、図１３のステップＳ４からステップＳ５に進む。
　図１４のステップＳ５において、図９の環境設定部８１は、業務開始の準備を行う。このようなステップＳ５の処理を、以下、「業務開始準備処理」と呼ぶ。
　次に、図３３において、図１４の全体処理のステップＳ５の業務開始準備処理の一例を説明する。
　図３３は、図１４の全体処理のステップＳ５の業務開始準備処理の一例を説明するフローチャートである。
　図３３のステップＳ５１において、環境設定部８１は、仮想人材Ｏを利用形態毎に利用するためのアクセスポイントを設定する。
　図３３のステップＳ５２において、環境設定部８１は、発話・タスク指示に関する各種設定を行う。
　このようにして、仮想人材Ｏが業務を開始するための、業務開始準備処理が終了する。これにより、処理は、図１４のステップＳ５からステップＳ６に進む。
　図１４のステップＳ６において、仮想人材Ｏが、派遣先Ｃに派遣される。このようなステップＳ６の処理を、以下、「人材派遣処理」と呼ぶ。
　次に、図３４において、図１４の全体処理のステップＳ６の人材派遣処理の一例を説明する。
　図３４は、図１４の全体処理のステップＳ６の人材派遣処理の一例を説明するフローチャートである。
　図３４のステップＳ６１において、図９のタスク実行部８３は、タスクを実行する。このようなステップＳ６１の処理を、以下、「タスクの実行処理」と呼ぶ。
　次に、図３５において、図３４の人材派遣処理のステップＳ６１のタスクの実行処理の一例を説明する。
　図３５は、図３４の人材派遣処理のステップＳ６１のタスクの実行処理の一例を説明するフローチャートである。
　図３５のステップＳ６１１において、図８の仮想人材派遣部５４は、タスク実行を前提とするアクセスを受け付ける。
　図３５のステップＳ６１２において、図９のタスク実行部８３は、タスク実行を開始する。
　図３５のステップＳ６１３において、タスク実行部８３は、派遣先Ｃによる発話を受け付ける。
　図３５のステップＳ６１４において、図９の客観的解釈部８３１は、ステップＳ６１３において受け付けられた発話内容について、客観的解釈を行う。このようなステップＳ６１４の処理を、以下、「客観的解釈処理」と呼ぶ。
　次に、図３６において、図３５のタスクの実行処理のＳ６１４の客観的解釈処理の一例を説明する。
　図３６は、図３５のタスクの実行処理のＳ６１４の客観的解釈処理の一例を説明するフローチャートである。
　図３６のステップＳ６１４１において、客観的解釈部８３１は、文法・意味解釈を行う。
　図３６のステップＳ６１４２において、客観的解釈部８３１は、文脈での意味解釈を行う。
　このようにして、派遣先Ｃの発話内容の客観的解釈処理が終了する。
　これにより、処理は、図３５のステップＳ６１４からステップＳ６１５に進む。
　図３５のステップＳ６１５において、主観的解釈部８３２は、ステップＳ６１３において受け付けられた発話内容について、主観的解釈を行う。このようなステップＳ６１５の処理を、以下、「主観的解釈処理」と呼ぶ。
　次に、図３７において、図３５のタスクの実行処理のＳ６１５の主観的解釈処理の一例を説明する。
　図３７は、図３５のタスクの実行処理のＳ６１５の主観的解釈処理の一例を説明するフローチャートである。
　図３７のステップＳ６１５１において、主観的解釈部８３２は、文脈での意味評価を行う。
　図３７のステップＳ６１５２において、主観的解釈部８３２は、状態更新を行う。
　このようにして、派遣先Ｃの発話内容の主観的解釈処理が終了する。
　これにより、処理は、図３５のステップＳ６１５からステップＳ６１６に進む。
　図３５のステップＳ６１６において、図９の発話内容検討・生成部８３３は、ステップＳ６１３において受け付けられた発話内容について、内容の検討、及び検討に基づく発話・タスクの候補を生成する。このようなステップＳ６１６の処理を、以下、「発話内容検討・生成処理」と呼ぶ。
　次に、図３８において、図３５のタスクの実行処理のＳ６１６の発話内容検討・生成処理の一例を説明する。
　図３８は、図３５のタスクの実行処理のＳ６１６の発話内容検討・生成処理の一例を説明するフローチャートである。
　図３８のステップＳ６１６１において、発話内容検討・生成部８３３は、発話の継続制御を行う。
　図３８のステップＳ６１６２において、発話内容検討・生成部８３３は、発話内容を生成する。
　このようにして、発話内容検討・生成処理が終了する。
　これにより、処理は、図３４のステップＳ６１６からステップＳ６１７に進む。
　図３５のステップＳ６１７において、図９の発話・タスク指示部８３４は、ステップＳ６１６において生成された発話内容に基づいて、発話及びタスクの指示を行う。このようなステップＳ６１７の処理を、以下、「発話・タスク指示処理」と呼ぶ。
　次に、図３９において、図３５のタスクの実行処理のＳ６１７の発話・タスク指示処理の一例を説明する。
　図３９は、図３５のタスクの実行処理のＳ６１７の発話・タスク指示処理の一例を説明するフローチャートである。
　図３９のステップＳ６１７１において、発話・タスク指示部８３４は、発話の制御を実行する。
　図３９のステップＳ６１７２において、発話・タスク指示部８３４は、タスクを指示する。
　このようにして、発話・タスク指示処理が終了する。
　これにより、処理は、図３５のステップＳ６１７からステップＳ６１８に進む。
　図３５のステップＳ６１８において、タスク実行部８３において、派遣先Ｃによる発話の受付が終了したと判断された場合には、タスクの実行処理は終了する。
　一方で、タスク実行部８３において、派遣先Ｃによる発話の受付が終了したと判断されなかった場合には、処理はステップＳ６１３に戻され、以後の処理が繰り返される。
　このようにして、タスクの実行処理が終了することにより、処理は、図３４のステップＳ６１からステップＳ６２に進む。
　図３４のステップＳ６２において、図１０の知識カテゴリ別トレーニング部８２１は、仮想人材Ｏのトレーニング処理を行う。
　この結果として、仮想人材Ｏの能力が人間と同じように向上するようになる。
　以上、図１３乃至図３９を用いて、全体処理の流れについて説明した。
　次に、上述した全体処理の流れを、具体例を使って説明する。
　ここでは、家庭教師運営会社（派遣先Ｃの一例）からの依頼で、高校２年生の少年（エンドユーザ）に、家庭教師として仮想人材Ｏを派遣する例を想定する。
　家庭教師として家庭教師運営会社に派遣される仮想人材Ｏは、数学の“点と直線の距離の公式”をエンドユーザたる少年に教えることをタスクとする。少年は数学が苦手であり、かつ、人見知りで人と話すことが得意では無いことを前提とする。
　はじめに、人材派遣元情報取得部５２において、仮想人材Ｏを生成するための「人材派遣の事前準備処理」が実行される（図１４のステップＳ１）。
　人材派遣元情報取得部５２は、仮想人材Ｏを生成するための基本的要素として、最新の内部モデルＰＭと、最新の言語資源データＰＤと、最新のロジックＰＬとを登録する（図１７のステップＳ１１１１乃至Ｓ１１１３）。
　人材派遣元情報取得部５２は、グラフを描画して画面上で表示することができる外部ＡＰＩの登録を行う。（図１８のステップＳ１１２２）。
　人材派遣元情報取得部５２のモデル取得部５２１は、派遣元情報として、内部モデルＰＭの登録を受け付ける（図１９のステップＳ１２１）。一般的に、家庭教師に求められるものとして、“優しい”か“厳しい”か、性別、同じ、若しくは似たような受験経験の有無、“得意な子を伸ばすのが得意”か“苦手な子のサポートが得意”かといった要望が多い。そこで、このような要望に合致した適切な内部モデルＰＭ内の選択肢が採用されることで、自動的に仮想人材Ｏの内部の気質や性格に反映されるようになる。
　人材派遣元情報取得部５２のデータ取得部５２２は、言語資源データＰＤの登録を受け付ける（図１９のステップＳ１２２）。即ち、データ取得部５２２には、数学の全ての範囲を包含し、また、教育行為に必要な知識をカバーして作成されたカリキュラムデータＰＤＣが登録される。このようなカリキュラムデータＰＤＣは、“数学”の範囲の学習項目を最小単位まで要素分解して、それらの依存関係を整理したものを基礎的な情報として用意する。
　人材派遣元情報取得部５２のロジック取得部５２３は、ロジックＰＬの登録を受け付ける（図１９のステップＳ１２３）。
　即ち例えば、ＩｆｔｈｅｎルールロジックＰＬ４には、数学の範囲の基本要素毎に、どうすればできるようになるかが登録されている。具体的には、数学の範囲の基本要素は、主に計算系と暗記系と読解系とに分けられる。したがって、ＩｆｔｈｅｎルールロジックＰＬ４には、計算系の場合は、ドリル的に繰り返す、暗記系の場合は、覚えている部分と覚えていない部分を切り分けて覚えていない部分を相手に応じた適切な周期で確認する、また項目毎に存在する語呂合わせ等の覚えるコツ、そして読解系の場合は、まず求められていることを抜き出して書き出すことだけを練習する、といった内容を示す情報が登録されている。
　次に、派遣先情報取得部５１において、仮想人材Ｏを生成するための、「人材派遣情報の希望の登録処理」が実行される（図１４のステップＳ２）。
　派遣先情報取得部５１は、派遣先Ｃたる家庭教師運営会社に対して、人材メニューを提供する（図２０のステップＳ２１）。即ち、家庭教師運営会社は、派遣先端末２を操作することによって、派遣先向け情報登録機能ＣＦを機能させる。
　希望人材情報取得部５１１は、希望人材情報ＣＩ１の入力を受け付ける（図２０のステップＳ２２）。即ち、家庭教師運営会社は、少年からヒアリングした結果として、派遣して欲しい家庭教師のタイプとして、“優しい”、性別は“女性”、想定する学力のレベル等の情報は“お任せ”という情報を、希望人材情報ＣＩ１として希望人材情報取得部５１１に登録する。
　このような派遣先情報の入力により、仮想人材Ｏの派遣価格の料金プランが更新され、求められる内容毎に適切な料金が提示されるようになる。なおこれらの料金情報は、人材派遣元向け情報登録機能ＰＦにおいて事前に登録されているものとする。
　募集情報／マニュアル情報取得部５１３は、職場情報の入力を受け付ける（図２０のステップＳ２３）。即ち、家庭教師運営会社は、少年と母親からヒアリングした結果として、“数学の赤点回避”を目標として指導することを、会社・組織の目的ＣＩ３１として募集情報／マニュアル情報取得部５１３に登録する。
　募集情報／マニュアル情報取得部５１３は、研修・育成情報の入力を受け付ける（図２０のステップＳ２４）。即ち、家庭教師運営会社は、自社の講師向けの指導マニュアル、及び独自で開発した数学の指導教材や問題集、動画授業のコンテンツを、研修・育成情報ＣＩ３３として募集情報／マニュアル情報取得部５１３に登録する。
　利用形態情報取得部５１２は、利用形態の入力を受け付ける（図２０のステップＳ２５）。即ち、家庭教師運営会社は、いつでも気軽に質問できる「メール＆チャットボットの形態でタスクを実行する仮想人材ＯＭ」と、しっかりと教えてもらえる「ビデオチャットの形態でタスクを実行する仮想人材ＯＡ」を、夫々メール＆チャットボットＣＩ２１、ビデオチャットＣＩ２３として利用形態情報取得部５１２に登録する。
　このようにして、派遣先情報の登録を受け付けるための人材派遣の希望の登録処理が終了する。
　次に、仮想人材生成更新部５３において、仮想人材Ｏに対する「初期学習処理」が実行される（図１４のステップＳ３）。
　仮想人材生成更新部５３は、人材派遣元情報取得部５２より、学習開始の指示を受け付ける（図２１のステップＳ３１）。即ち、人材派遣元Ｐは、派遣元端末３を介し、家庭教師としての仮想人材Ｏに学習開始の指示を行う。
　仮想人材生成更新部５３は、人材派遣の事前準備処理において、ステップＳ１２１において登録を受け付けた内部モデルＰＭの初期モデルに基づいて、仮想人材Ｏの内部モデルＰＭを生成する（図２２のステップＳ３２１）。
　まず、仮想人材生成更新部５３は、ステップＳ１２１において登録を受け付けた内部モデルＰＭのうち、心理・感情・価値観内部モデルＰＭ１の初期モデルを読み込む（図２４のステップＳ３２１１１）。
　また、仮想人材生成更新部５３は、希望人材情報取得部５１１において登録された希望人材情報ＣＩ１を読み込む（図２４のステップＳ３２１１２）。
　このようにして仮想人材Ｏの心理・感情・価値観内部モデルＰＭ１が生成されると、次に、仮想人材生成更新部５３は、ステップＳ１２１において登録を受け付けた内部モデルＰＭのうち、知識・思考内部モデルＰＭ２の初期モデルを読み込む（図２５のステップＳ３２１２１）。
　即ち、仮想人材生成更新部５３は、エンドユーザたる高校２年生の対象時期における履修済みの内容を予測した上で、少年の知識部分を推定しながら、知識・思考内部モデルＰＭ２の初期モデルを生成する。しかし、指導前（仮想人材Ｏの業務開始前）であるため、全ての知識の理解度はメタ情報として未確認のままとし、随時、指導行為の中で更新していく形とする。
　仮想人材生成更新部５３は、ステップＳ１２２において登録を受け付けた言語資源データＰＤのうち、ＰＳＦデータＰＤＰを読み込む（図２５のステップＳ３２１２２）。
　仮想人材生成更新部５３は、ステップＳ１２３において登録を受け付けたロジックＰＬを読み込む（図２５のステップＳ３２１２３）。
　具体的には、仮想人材生成更新部５３は、パーソナライズ要約ロジックＰＬ１を読み込む（図２６のステップＳ３２１２３１）。即ち、エンドユーザたる少年が高校２年生であるため、仮想人材生成更新部５３は、仮想人材Ｏが内部的に少年の状態を推定するために保持する少年の知識・思考内部モデルＰＭ２の利用可能語彙の目安を、高校２年生として設定する。
　仮想人材生成更新部５３は、認識形成ロジックＰＬ２を読み込む（図２６のステップＳ３２１２３２）。即ち、仮想人材Ｏは、家庭教師としては少年の「わかった」という言葉の信頼度を疑ってかからなければいけない。そのため、仮想人材Ｏの知識・思考内部モデルＰＭ２の生成においては、認識形成ロジックＰＬ２としては、バイアス系の活用は極力避け、必ず自身で確かめて事実を積み上げていくような思考パターンで動くように設定する。
　このようにして、仮想人材Ｏは、少年が分かったと言っても、まずは信用せずに、問題を出して、その結果を見て事実ベースで、本当に分かっているかを判断するように生成される。
　仮想人材生成更新部５３は、コンテキスト推定ロジックＰＬ３を読み込む（図２６のステップＳ３２１２３３）。仮想人材Ｏが家庭教師として数学の指導をする上で、正しくコンテキスト推定することが極めて重要である。なぜならば、「どの公式を用いることができるか」等の判断は、コンテキストに高度に依存するからである。そのため、仮想人材Ｏは、コンテキストを正しくつかめていないと自己認識した際は、コンテキストの中で欠落している部分が明確になるまで、追加で質問をすることによってコンテキストの内容を確認し続ける。
　このように、数学の指導の際には、“点と直線の距離の公式”等の具体的なレベルだけでなく、夫々の共通項をまとめたコンテキストを設定することができるため、利用できる公式、その他ルール、ヒント等が容易に特定できるようになる。
　仮想人材生成更新部５３は、ＩｆｔｈｅｎルールロジックＰＬ４を読み込む（図２６のステップＳ３２１２３４）。数学の指導で価値を出す上で、Ｉｆｔｈｅｎルールロジックは重要である。具体的には、ＩｆｔｈｅｎルールロジックＰＬ４は、［Ｉｆ　条件　ｔｈｅｎ　実施するアクション］という形式をとり、条件に適合した際にアクションを実施するというルールの集合体である。Ｉｆｔｈｅｎの「条件」の部分には、仮想人材Ｏが推定する少年の知識・思考内部モデルＰＭ２や、心理・感情・価値観内部モデルＰＭ１や、コンテキストの状態が登録され、そして「実施するアクション」の部分には、仮想人材Ｏが少年の学力向上のために出来ることが登録される。
　なおこのステップにおける処理は、あくまでも初期値生成のための処理であり、ＩｆｔｈｅｎルールロジックＰＬ４自体は、指導行為を通した少年の状態変化に応じて、動的に最適化される。
　仮想人材生成更新部５３は、その他ロジックを読み込む（図２６のステップＳ３２１２３５）。即ち、仮想人材Ｏを形成する上で、動的な最適化は、上述のロジックＰＬ以外にも必要であり、このようなロジックは、ＩｆｔｈｅｎルールロジックＰＬ４の具体的な内容として随時登録することができる。つまり、複数のＩｆｔｈｅｎルールロジックＰＬ４をどのように組み合わせて推論を進めるかによって、結果・結論、選択される行動等は全く異なってくるため、その他のロジックの管理も極めて重要である。
　このようにして仮想人材Ｏの知識・思考内部モデルＰＭ２が生成されると、次に、仮想人材生成更新部５３は、ステップＳ１２１において登録を受け付けた内部モデルＰＭのうち、目的・ゴール内部モデルＰＭ３の初期モデルを読み込む（図２７のステップＳ３２１３１）。
　仮想人材生成更新部５３は、ステップＳ２４において登録された会社・組織の目的ＣＩ３１を読み込む（図２７のステップＳ３２１３２）。
　即ち、読み込まれた会社・組織の目的ＣＩ３１のうち、職場情報として、“数学の赤点回避”を目標として指導することが確認されると、仮想人材生成更新部５３は、例えば、“やったこと”を増やすのではなく、“できること”を増やすことを中心に、少年の目的・ゴール内部モデルＰＭ３の初期値を設定する。
　このようにして、仮想人材Ｏの内部モデルの初回生成処理が終了する。
　仮想人材生成更新部５３は、ステップＳ１２２において取得されたカリキュラムデータＰＤＣと、ステップＳ２４において取得された研修・育成情報ＣＩ３３とを統合する。即ち、仮想人材生成更新部５３は、人材派遣元Ｐが用意したカリキュラムデータＰＤＣと、家庭教師運営会社が用意した自社の講師向けの指導マニュアル、及び独自で開発した数学の指導教材や問題集、動画授業のコンテンツ等とを統合する。
　仮想人材生成更新部５３は、統合後のカリキュラムデータＰＤＣの読み込みを行う。即ち、仮想人材生成更新部５３は、カリキュラムデータＰＤＣと研修・育成情報ＣＩ３３との統合により生成されたデータを、パーソナライズ要約ロジックＰＬ１を用いて、仮想人材Ｏの知識・思考内部モデルＰＭ２に取り込む。
　つまり、人材派遣元Ｐが容易するカリキュラムデータＰＤＣはともかく、家庭教師運営会社が用意したコンテンツは、人材派遣元Ｐにより提供される訳ではないので自動読解の難易度が上がる。このようなコンテンツから生成されたデータをパーソナライズ要約ロジックＰＬ１を用いることにより、仮想人材Ｏの理解のレベルを上げることができる。
　以上を換言すると、カリキュラムデータＰＤＣと研修・育成情報ＣＩ３３との統合により生成されたデータをパーソナライズ要約ロジックＰＬ１することにより、少年の学年の設定状況、及び、数学が苦手であるという情報に基づき利用可能語彙が中学生レベルに設定された形での理解を仮想人材Ｏにさせることができる。結果として、仮想人材Ｏは、少年に対して、よりかみ砕いた説明ができるようになる。
　仮想人材生成更新部５３は、コンテキストを推定する（図２８のステップＳ３２２２２）。即ち、上述したように、コンテキストの推定は、利用できる公式、その他ルール、ヒント等の特定のために極めて重要な要素である。具体的には、カリキュラムデータＰＤＣと研修・育成情報ＣＩ３３との統合により生成されたデータが読み込まれることで、各情報のコンテキストが正しく認識されて設定されることで、仮想人材Ｏは、少年に対して正しい指導ができるようになる。
　仮想人材生成更新部５３は、内部モデルＰＭの更新を行う（図２２のステップＳ３２３）。
　即ち、仮想人材生成更新部５３は、仮想人材Ｏが何かを学ぶ都度、ＩｆｔｈｅｎルールロジックＰＬ４を適用することにより、必要な処理を実行する（図３０のステップＳ３２３１）。
　仮想人材生成更新部５３は、未知語の取り込みを行う（図３１のステップＳ３２３２１）。即ち、仮想人材生成更新部５３は、仮想人材Ｏが学習する過程の中で、学習対象が既知のものと同一であるか、あるいは、未知のものであるかを判定する。
　学習対象が未知のものであると判定された場合、当該学習対象は、新たな知識として、知識・思考内部モデルＰＭ２に保持される。また、学習対象が、一旦は未知のものと判定された場合でも、その後の学習プロセスの中で、既知のものと同一であったことが判明すれば、知識は知識・思考内部モデルＰＭ２に統合される。
　仮想人材生成更新部５３は、複数情報を統廃合する。即ち、仮想人材生成更新部５３は、重複して扱われる情報に関しては、メタ情報としての統計情報を更新しながら、随時統廃合を行う。具体的には、数学を指導する家庭教師としての仮想人材Ｏの場合においては、相互矛盾するような情報に直面することはほぼ無いが、例えば教材の記述ミス等の可能性もある。そこで、仮想人材生成更新部５３は、ここで既存の知識との整合性のチェックをしながら、統計情報を集計して更新する。
　このようにして、仮想人材Ｏに対する初期学習処理が終了する。
　さらに、人材派遣元Ｐにおいて、仮想人材Ｏに対する「人材生成処理」が実行される（図１４のステップＳ４）。
　仮想人材生成更新部５３は、知能モデルとアバターを統合する。即ち、仮想人材生成更新部５３は、少年の希望に合わせて、“優しい”、“女性”のアバターを生成する準備を行う（図３２のステップＳ４１）。
　仮想人材生成更新部５３は、プライバシ保護データマイニングを適用することもできる。即ち、仮想人材生成更新部５３は、仮想人材Ｏが少年から知り得た情報を外部に漏らさないよう、プライバシを保護するプライバシ保護データマイニングロジックＰＬ６を適用する（図３２のステップＳ４２）。プライバシ保護データマイニングロジックＰＬ６を適用することによって、仮想人材Ｏが、生徒のプライバシーを保護したまま、指導ノウハウを他の仮想人材と共有して分析することができるようになる。
　このようにして、仮想人材生成更新部５３は、少年が希望する仮想人材Ｏとしての家庭教師を生成する（図３２のステップＳ４３）。
　このようにして、仮想人材Ｏに対する人材生成処理が終了する。
　さらに、派遣先Ｃにおいて、タスクを実行するための「業務開始準備処理」が実行される（図１４のステップＳ５）。
　環境設定部８１は、仮想人材Ｏを利用形態毎に利用するためのアクセスポイントを設定する。即ち、環境設定部８１は、少年が家庭教師としての仮想人材Ｏにアクセスするための、ビデオチャット起動のためのＵＲＬと、仮想人材Ｏとやり取りするためのメールアドレスを設定する（図３３のステップＳ５１）。
　環境設定部８１は、発話・タスク指示に関する各種設定を行う。即ち、環境設定部８１は、利用可能なＡＰＩとして、“グラフを描画して画面上で表示できるＡＰＩ”を選択する。また、環境設定部８１は、家庭教師としての仮想人材Ｏが対応できないときに、サポートするリアルな人材（専門スタッフ）の連絡先を設定する。例えば、専門スタッフは、１０人の仮想人材Ｏに対して１人の割合で設定され、随時、仮想人材Ｏから送信されるタスク指示を実行する（図３３のステップＳ５２）。
　このようにして、仮想人材Ｏに対する業務開始準備処理が終了する。
　さらに、派遣先Ｃにおいて、「人材派遣処理」が実行される（図１４のステップＳ６）。
　仮想人材派遣部５４は、エンドユーザのアクセスを受け付ける。即ち、少年は、提供されたＵＲＬにアクセスして、仮想人材Ｏの家庭教師との授業開始を試みる（図３５のステップＳ６１１）。
　タスク実行部８３は、タスク実行を開始する。即ち、仮想人材Ｏは、家庭教師としての対応を開始する（図３５のステップＳ６１２）。
　タスク実行部８３は、少年の発する、今日は何をしたいか、あるいは、することを決めていない等の状況の共有を最初に受け付ける（図３５のステップＳ６１３）。
　客観的解釈部８３１は、受け付けた少年の発話内容について、客観的解釈を行う。
　即ち、客観的解釈部８３１の、文法・意味解析部８５１は、少年の言葉の、文法・意味解釈を行う（図３６のステップＳ６１４１）。
　客観的解釈部８３１の、文脈での意味推定部８５２は、少年の言葉の、文脈での意味解釈を行う（図３６のステップＳ６１４２）。
　次に、主観的解釈部８３２は、受け付けた少年の発話内容について、主観的解釈を行う。
　即ち、主観的解釈部８３２の、文脈での意味評価部８５３は、少年の言葉の、文脈での意味評価を行う（図３７のステップＳ６１５１）。
　主観的解釈部８３２の、状態更新部８５４は、状態の更新を行う。
　即ち、仮想人材Ｏは、少年への指導の中で、数学は苦手だが、国語や社会が得意なことが判明した場合、数学についての利用可能語彙は中３を標準にして調整し、その他の説明語彙は高校２年生のレベルに調整して全体の理解までの経過時間を最適化する（図３７のステップＳ６１５２）。
　発話内容検討・生成部８３３は、発話の継続制御を行う。
　即ち、発話内容検討・生成部８３３の、発話継続制御部８５５は、少年が話し続けているのか、仮想人材Ｏによる返答を期待している状態かどうかといった、少年の意図を推定する（図３８のステップＳ６１６１）。
　発話内容検討・生成部８３３の、発話内容生成部８５６は、発話内容を生成する（図３８のステップＳ６１６２）。
　即ち、発話内容生成部８５６は、推定した少年の意図に応じて、仮想人材Ｏが、少年に対して行うべき発話やタスク指示を明らかにする。
　例えば以下は、発話やタスク指示の候補である。即ち、発話内容生成部８５６は、少年に対して、授業でやりたいことの有無、内容の確認、話したことが分かったかどうかの確認、分かっているかどうかを確認するための質問、特定できた分かっていない部分を分かってもらうための説明、特定できた分かっていない部分を分かるのに使える情報の紹介、授業の終了の確認、仮想人材の対応に問題があるかどうかの確認といった発話内容を生成する。
　発話・タスク指示部８３４は、発話の制御を実行する。
　即ち、発話・タスク指示部８３４の、発話部８５７は、生成された発話内容と、ＩｆｔｈｅｎルールロジックＰＬ４とに基づき、適切な発話を行う（図３９のステップＳ６１７１）。
　発話・タスク指示部８３４の、タスク指示部８５８は、タスクを指示する。
　即ち、タスク指示部８５８は、ＩｆｔｈｅｎルールロジックＰＬ４に従って、適切なタスクの指示を行う。
　即ち、タスク指示部８５８は、専門スタッフへのサポート依頼を行う。又は、発話・タスク指示部８３４は、事前に登録してある“グラフを描画して画面上で表示できるＡＰＩ”を実行して画面に表示する（図３９のステップＳ６１７２）。
　タスク実行部８３は、タスクの実行処理を終了する。
　即ち、タスク実行部８３は、少年の授業の終了意思と、授業の規定時間の経過状況を踏まえて、タスクの終了かどうかを判断する。例えば、体調不良で休む場合のケースもあるので、その場合は、タスク実行部８３は、必ずしも時間が経過せずとも、終了することはある（図３５のステップＳ６１８）。
　トレーニング部８２の、知識カテゴリ別トレーニング部８２１は、仮想人材Ｏに対し、トレーニング処理を行う。
　即ち、家庭教師運営会社は、各家庭に派遣されている仮想人材Ｏをトレーニングすることができる。
　また、トレーニング部８２の、人材間情報共有部８２２は、必要に応じてプライバシ保護データマイニングロジックＰＬ６を適用することにより、生徒のプライバシを保護した上で、効果のある指導方法を、ＩｆｔｈｅｎルールロジックＰＬ４の形式で共有することができる。
　また、仮想人材Ｏの知識・思考内部モデルＰＭ２は可視化されたモデルであるため、知識カテゴリ別トレーニング部８２１は、各知識分野の理解状況に応じて、強化したい分野について、追加のカリキュラムデータＰＤＣを用いて追加学習してもよい。
　さらにまた、知識カテゴリ別トレーニング部８２１は、指導要領の変化によって、範囲が変わった際や、問題の傾向等が変わった際に、仮想人材Ｏの追加学習をしてもよい。
　このように、仮想人材Ｏは、トレーニングを受けることによって、人間と同じようにその能力を向上させることができる。
　以上、家庭教師運営会社（派遣先Ｃの一例）からの依頼で、高校２年生の少年（エンドユーザ）に、家庭教師として仮想人材Ｏを派遣する例について説明した。
　上述のように、仮想人材Ｏのタスクの実行の際に実行されるＰＤＣＡサイクルにおいては、常に相手や自己の内部モデルが推定される。
　即ち、仮想人材Ｏは、少年の心理・感情・価値観の内部モデルを日々の指導の中で洗練させて推定精度を上げていき、また、同時に少年の学ぶ意欲が高まるように、自分自身の心理・感情・価値観内部モデルＰＭ１を調整して、接し方を洗練させることができる。具体的には例えば、“少年は何をやって良いか分からないときに思考停止に陥り、手が止まってしまうことが多い”ので、仮想人材Ｏは、この事実を少年の心理・感情・価値観の内部モデルとして保持して、継続的に指導する中で、常に配慮して指導をすることができる。
　また、仮想人材Ｏは、日々の学習を通じて、少年の知識・思考の内部モデルの状態の把握レベルを向上させて、さらに、忘れていないかどうかも考慮しながら、動的に少年の知識・思考の内部モデルを時系列に沿って把握する。
　具体的には例えば、少年は忘れても１週間置きに３回復習したら、覚えられるようになることが殆どであると学習した場合には、仮想人材Ｏは、ＩｆｔｈｅｎルールロジックＰＬ４として、“１回忘れたら１週間間隔で３回確認する”といった内容を新たに登録することができる。
　また、“こういうケースのときにこう教えれば良い”という情報は、仮想人材Ｏによる日々の教育行為の中で洗練されていくと同時に、人材派遣元向け仮想人材管理機能ＰＡにおいて登録された、ＩｆｔｈｅｎルールロジックＰＬ４の拡充と、実行可能なアクションとしての外部ＡＰＩの拡充とで後方支援が行われる。具体的には、Ｉｆ“平方根が分からないとき”ｔｈｅｎ“見るべきネットのコンテンツの表示”のような形で、少年の学力向上につながる具体的な手段が、仮想人材Ｏの発話行為以外でも提供される。
　以上説明したように、仮想人材を実現するために必要な基盤技術としては、図４０に示す各種技術が存在する。
　図４０は、仮想人材を実現するために必要な基盤技術の概要について説明する図である。
　即ち、仮想人材Ｏは、パーソナライズ要約、「意味を正規化したフォーマット」又はそれに変換可能なフォーマットで表されたデータ（例えば、Ｎ４）、ＰＳＦデータＰＤＰ、及び内部モデルＰＭを基盤技術として生成される。
　ここでパーソナライズ要約とは、相手に応じて内容を言い換えうる情報システムのことであり、上述して説明したパーソナライズ要約ロジックＰＬとは、それを実現する処理のことをいう。
　このような４つの基盤技術は、仮想人材Ｏの実現にのみに適用されるものではなく、仮想人材Ｏ以外の各種各様な分野に対して適用可能な技術である。
　そこで以下、図４１乃至５４を参照して、これらの４つの基盤技術、即ち、パーソナライズ要約、「意味を正規化したフォーマット」又はそれに変換可能なフォーマットで表されたデータとしてのＮ４、ＰＳＦデータＰＤＰ、及び内部モデルＰＭの夫々の詳細と具体的な適用例について、その順番に夫々説明する。
　なお、以下では、これらの４つの基盤技術は、仮想人材Ｏ等の情報処理システムに適用されるものとして説明していく。
　まず、図４１乃至図５２を参照して、ＰＳＦデータＰＤＰについて説明する。
　詳細は後述するが、ＰＳＦデータＰＤＰは、既存のオントロジーに対して、（１）全定義情報の正規化表現、（２）センサベースの意味分解、（３）コンテキスト対応、（４）エピソード記憶からの認識形成といった技術が組み合わされることによって構成される。
　図４１は、（１）全定義情報の正規化表現について説明する図である。
　図４２Ａ及び図４２Ｂは、図４１に示す（１）全定義情報の正規化表現について説明する図の分割図である。
　図４１には、（１）全定義情報の正規化表現Ｒ１の構成例が示されている。
　図４１（１）全定義情報の正規化表現Ｒ１の構成例には、定義がなされる情報（以下、「定義情報」と呼ぶ）として、個体、状態・属性、概念・カテゴリ、述語・修飾表現等が含まれている。
　従来において、このような個体、状態・属性、概念・カテゴリ、述語・修飾表現等の定義情報は、定義が自然言語で記述される手法が採用されていることが殆どである。即ち例えば従来の辞書であれば、見出し語に対して、複数の語義文が言葉で書かれているような手法である。そのため、このような従来の手法で生成された定義情報を仮に従来の仮想人材がたとえ用いたとしても、従来の仮想人材は、与えられた文章の真の意味を理解することは困難であった。
　そこで、仮想人材Ｏ等の情報処理システムに対して適用可能なＰＳＦデータＰＤＰにおいて、図４１（１）全定義情報の正規化表現Ｒ１の構成例に示されるように、定義情報は、Ｎ４のような「意味を正規化したフォーマット」又はそれに変換可能なフォーマットで表されたデータで定義が表現されることによって生成されている。これにより、例えば仮想人材Ｏ等の情報処理システムは、マシンリーダブルな意味データベースが生成されるようになるため、意味表現の解像度が向上するようになる。
　具体的には例えば、個体は、その個体を特定可能な名詞、状態・属性という形容詞、状態という動詞といった、「意味を正規化したフォーマット」又はそれに変換可能なフォーマットで表されたデータによる定義で表現されている。
　これらの複数の個体の夫々は、概念・カテゴリに分類される。即ち、この概念・カテゴリについても、その概念・カテゴリを特定可能な名詞、そこに属する１以上の個体を含めるといった、「意味を正規化したフォーマット」又はそれに変換可能なフォーマットで表されたデータによる定義で表現されている。
　さらに、これらの概念・カテゴリは、必要に応じて複数個まとめられて、抽象概念・カテゴリに分類される。即ち、この抽象概念・カテゴリについても、その抽象概念・カテゴリを特定可能な名詞、そこに属する１以上の概念・カテゴリを含めるといった、「意味を正規化したフォーマット」又はそれに変換可能なフォーマットで表されたデータによる定義で表現されている。
　また、動作・思考についても、その動作・思考を特定可能な動詞といった、「意味を正規化したフォーマット」又はそれに変換可能なフォーマットで表されたデータによる定義で表現されている。
　そして、この動作・思考は、１以上の個体と適宜対応付けられている。
　図４３は、（２）センサベースの意味分解について説明する図である。
　図４３には、（２）センサベースの意味分解Ｒ２の構成例が示されている。
　人間は、物事を、言語だけでなく、自身が備える様々な知覚に基づいて認識する。そこで、仮想人材Ｏ等の情報処理システムは、人間が備える様々な知覚に対応するセンサに基づいて認識することができるよう、図４３の（２）センサベースの意味分解Ｒ２が適用される。
　具体的には例えば、図４３の（２）センサベースの意味分解Ｒ２に示されるように、仮想人材Ｏ等の情報処理システムは、自身の特殊感覚に基づいて直接認識することが可能な直接認識、この直接認識から認識することが可能な間接認識、及び間接認識から認識することが可能な抽象認識といったような、センサベースで認識可能なものを単位として物事を認識する。
　即ち、ＰＳＦデータＰＤＰにおいては、人間の感覚に対応するセンサにより直接認識できるものや、それらから間接的認識できるもの、さらに、そこから抽象化して認識できるもの等が認識の基本単位とされる。これにより、例えば従来の辞書の語義文やＷｏｒｄｎｅｔ等のクラス間関係を規定したもの、Ｆｒａｍｅｎｅｔ等の格フレーム情報をまとめたものよりも、きめ細やかな単位で意味を捉えることができるようになる。
　図４４は、（３）コンテキスト対応について説明する図である。
　図４５は、図４４に示す（３）コンテキスト対応について説明する図の分割図である。
　ここでコンテキストとは、認識対象に対しての周辺情報を「意味を正規化したフォーマット」又はそれに変換可能なフォーマットで表されたデータでまとめられたものをいう。
　図４４に示されるように、正規化の対象となる周辺情報の範囲としては、例えば、単語、句、談話（節単位）、文単位、複数の文単位、周囲で観測できる範囲全て、過去の経験を含めた範囲全て等、任意の範囲が設定される。
　ここで、周辺情報自体は、設定された範囲の中で、詳細がリスト化された形式や、予め任意の単位で集計された形式等、任意の形式で表現されていてもよい。
　そしてこのように設定された範囲の周辺情報が、「意味を正規化したフォーマット」又はそれに変換可能なフォーマットで表されたデータでまとめられることで、所定のコンテキストになる。なお、以下、このようにコンテキスト毎に整理されたものを、「コンテキスト対応」と呼ぶ。
　このようなコンテキスト対応を活用することで、例えば、言葉がどのような意味で使われているかといった語義曖昧性の解消や、問題を解く際に適用可能な理論の特定精度を向上させることができるようになる。
　次に、図４６乃至図５０を参照して、上述のようなコンテキスト対応の適用例について説明する。
　図４６は、語義曖昧性の解消に対するコンテキスト対応の適用例を説明する図である。
　即ち、認識対象の単語に対応する辞書の見出し語の定義の中に、複数の語義文がある場合でも、コンテキストに応じて、認識対象の単語がどのような意味で使われているかについて推測することができる。これにより認識対象の単語が、どの語義文の意味に相当するのか、といったような曖昧性を解消することができる。
　具体的には例えば、「メロスは張り裂ける思いで、赤く大きい夕陽ばかりを見つめていた。走るより他は無い。」という文章が入力されていると想定する。
　ここで、「走る」という単語だけならば、当該単語に対して、１乃至１０番目に夫々示されたような複数の語義文がある。このような場合でも、上記文章に応じたコンテキストに基づいて、認識対象の「走る」は、９番目の語義文の意味に相当すると推測できるようになる。
　このようにして、認識対象の単語が、どの語義文の意味に相当するのか、といったような曖昧性が解消されるようになる。
　図４７は、シンボルグラウンディングに対するコンテキスト対応の適用例を説明する図である。
　即ち、認識対象の単語に対応するオントロジー（例えば、ＰＳＦデータＰＤＰ）内にある複数の概念（例えば、Ｗｏｒｄｎｅｔのシンセットのようなもの）の集合の中から、認識対象の単語の意味に相当する概念（例えば図４７の右下の破線で囲まれた概念）を特定することができる。
　具体的には例えば、「メロスは張り裂ける思いで、赤く大きい夕陽ばかりを見つめていた。走るより他は無い。」という文章が入力されていると想定する。しかしながら従来において、このような文章のみからでは、認識対象の「走る」の概念を特定することはできない。
　このような場合でも、上記文章に応じたコンテキストに基づいて、例えば図４７の右下の矢印や線で結ばれた各概念の集合の中から、例えば図４７の右下の破線で囲まれた概念を、認識対象の「走る」の意味に相当する概念として特定することができるようになる。
　図４８は、公理の抽出に対するコンテキスト対応の適用例を説明する図である。
　即ち、エピソード記憶等の個々のイベントを表す情報の集まりから、コンテキスト内の要素毎に情報が分割されながら集計される。これにより、どのようなイベントがどのくらいの確率で発生するかという公理を抽出することができる。
　なおここで、エピソード記憶とは、上述したように、仮想人材Ｏ等の情報処理システムが処理した情報を、「意味を正規化したフォーマット」又はそれに変換可能なフォーマットで表されたデータで蓄積したものである。
　具体的には例えば、図４８に示されたようなエピソード記憶が４パターン入力される場合を想定する。
　このような４パターンのエピソード記憶に基づき、コンテキスト内の要素毎に情報が分割されながら集計される。すると、例えば、４／４の確率で「投手はボールを投げる」、３／４の確率で「捕手はボールを受ける」、１／４の確率で、「捕手はボールを落とす」、４／４の割合で「捕手はボールに何かする」、４／４の確率で「投手がボールを投げたら、捕手はボールに何かする」といった公理を抽出することができるようになる。
　図４９は、概念・公理のグループ化に対するコンテキスト対応の適用例を説明する図である。
　即ち、複数のコンテキストが横断的に集計された場合に、１以上の意味要素に依存して頻用の概念や公理の適用可否が決まるような、１以上の意味要素を見つけることができる。
　また、当該１以上の意味要素にラベル付けして再利用することで、概念や公理をグループ化することができるようになる。
　具体的には例えば、図４８の例で説明したようなエピソード記憶が蓄積されていくことで、複数のコンテキストが横断的に集計されるようになる。
　これにより例えば、図４９に示されるように、投手や捕手等のような概念や、投手はボールを投げる等の公理は、「野球」という意味要素に関するものであるということが発見される。またこのような、「野球」という意味要素にラベル付けして再利用することで、投手や捕手等のような概念や、投手はボールを投げる等の公理をグループ化することができるようになる。
　図５０は、欠落要素の推定に対するコンテキスト対応の適用例を説明する図である。
　即ち、図４８の例で説明したような公理が抽出されることで、コンテキストに対して適用可能な公理が蓄積されるようになる。このような公理を活用することにより、欠落要素を推定することができるようになる。
　また、図４９の例で説明したように、概念や公理がグループ化されることにより、コンテキストから推定されるグループ化の単位を通してグループ化された概念、公理を活用することができる。これにより、欠落要素の推定の精度向上を見込むことができる。
　具体的には例えば、図５０に示されるように、「〇〇がボールを投げる」における「〇〇」の部分が欠落要素であるとして、公理を直接検索することや、「野球」という単位でグループ化された概念や公理を抽出し、抽出された公理や概念を活用することで欠落要素の「〇〇」を推定することができるようになる。
　図５１は、（４）エピソード記憶からの認識形成について説明する図である。
　図５２Ａ乃至図５２Ｃは、図５１に示す（４）エピソード記憶からの認識形成について説明する図の分割図である。
　図５１には、（４）エピソード記憶からの認識形成Ｒ３の構成例が示されている。
　上述して説明したように、エピソード記憶とは、仮想人材Ｏ等の情報処理システムが処理した情報を、「意味を正規化したフォーマット」又はそれに変換可能なフォーマットで表されたデータで蓄積したものである。
　そして、このようなエピソード記憶からコンテキストが生成されることによって（コンテキスト対応による）、エピソード記憶に保持されている情報が有する意味が、様々な単位で集計されるようになる（認識形成ロジックによる）。その結果として、ＰＳＦデータＰＤＰの中に、概念や公理が、「認識状態」を表す情報として生成されるようになる。即ち、エピソード記憶からの認識形成が実現可能になる。
　ここで、認識形成ロジックＰＬ２において、エピソード記憶に保持されている情報の夫々の有する意味が集計される際には、従来の統計処理も適宜用いられるものの、特にサンプル数が少ない場合等には中心的にバイアス（バイアスを生むようなヒューリスティクス的な手法）も適用可能になる。これにより、仮想人材Ｏ等の情報処理システムは、入力された情報に対して、常に、何らかの認識をした状態を作り出すことができるようになる。
　図５３は、「意味を正規化したフォーマット」又はそれに変換可能なフォーマットで表されたデータの具体例、即ちＮ４（Ｎｅｏ　ｎｏｎ―ｌｏｓｓ　ｎｏｒｍａｌｉｚｅｄ　ｎｅｔｗｏｒｋ）について説明する図である。
　図５４Ａ及び図５４Ｂは、図５３に示す「意味を正規化したフォーマット」又はそれに変換可能なフォーマットで表されたデータの具体例、即ちＮ４について説明する図の分割図である。
　図５３には、「意味を正規化したフォーマット」又はそれに変換可能なフォーマットで表されたデータであるＮ４の具体例Ｒ４が示されている。
　ここで、意味の正規化とは、ある観点で同じ意味として捉えられるならば、当該観点に関する情報の保持形式が、保持内容に明確な共通部分がある形になっている状態にすることである。
　具体的には例えば、Ｎ４は、その具体例Ｒ４に示されるようにレイヤー分けがなされた状態で、それぞれに対応する情報が、ｋｅｙ　ｖａｌｕｅ形式のような簡易なレベルのマシンリーダブルな形で保持される。
　このようなＮ４（その具体例Ｒ４）によって表現されたＰＳＦデータＰＤＰは、例えば図５５及び図５６のような構成を有する。
　図５５は、上述した「分散＆動的生成型」のＰＳＦデータＰＤＰの構成例について説明する図である。
　図５５には、「分散＆動的生成型」のＰＳＦデータＰＤＰＲ５の構成例が示されている。「分散＆動的生成型」のＰＳＦデータＰＤＰ（その構成例Ｒ５）は、既存のオントロジーに対して、（１）全定義情報の正規化表現（図４１（１）全定義情報の正規化表現Ｒ１の構成例参照）、（２）センサベースの意味分解（図４３（２）センサベースの意味分解Ｒ２の構成例参照）、（３）コンテキスト対応（図４４乃至図５０参照）、及び（４）エピソード記憶からの認識形成（図５１参照）が組み合わされることによって構成される。
　なお、オントロジーとは、例えば次のようなものである。
　即ち、オントロジー＝格フレーム情報（シンセット単位（例えばＦｒａｍｅｎｅｔ）・見出し語単位（例えば、ＫＮＰ））＋クラス関係（例えば、Ｗｏｒｄｎｅｔ）＋関連する公理（例えば、ＳＵＭＯ）＋クラス・インスタンス関係（例えば、ＹＡＧＯ）である。
　図５６は、上述した「一極集中＆既設型」のＰＳＦデータＰＤＰの構成について説明する図である。
　「一極集中＆既設型」のＰＳＦデータＰＤＰは、既存のオントロジーに対して、（１）全定義情報の正規化表現（図４１（１）全定義情報の正規化表現Ｒ１の構成例参照）、（２）センサベースの意味分解（図４３（２）センサベースの意味分解Ｒ２の構成例参照）、及び（３）コンテキスト対応（図４４乃至図５０参照）が組み合わされることによって構成される。
　次に、図５７乃至５２を参照して、パーソナライズ要約について説明する。
　図５７は、パーソナライズ要約の処理工程の概要を説明する図である。
　図５８は、図５７に示すパーソナライズ要約の処理工程の概要を説明する図の分割図である。
　図５７には、対象の文章として、「積み木を食べてはいけない」のような文をパーソナライズ要約する例が示されている。
　Ｓｔｅｐ１において、対象の文章の正規化がなされる。
　即ち、対象の文章が、「意味を正規化したフォーマット」又はそれに変換可能なフォーマットで表されたデータ（図５３「意味を正規化したフォーマット」又はそれに変換可能なフォーマットで表されたデータであるＮ４の具体例Ｒ４参照）で定義が表現される。
　Ｓｔｅｐ２において、このようなＮ４のような「意味を正規化したフォーマット」又はそれに変換可能なフォーマットで表現された対象文章に対し、ＰＳＦデータＰＤＰ、即ち意味表現の解像度の高い、マシンリーダブルな意味データベース（図５５「分散＆動的生成型」のＰＳＦデータＰＤＰＲ５の構成例参照）の活用がなされる。その結果、図５７の「食べる」の例に示されるように、対象文章は、解像度の高いマシンリーダブルな意味表現のものとなる。
　Ｓｔｅｐ３において、仮想人材Ｏ等の情報処理システムにとってのコミュニケーションの相手の利用可能語彙が把握される。
　ここで、相手の利用可能語彙は、年齢や性別等のデモグラフィックな情報や、学年や専攻科目や職業等のアクティビティー情報等を用いて予測されたり、前提条件として指定されることができる。
　具体的には例えば、相手が幼児である場合については、図５７に示される通りである。
　Ｓｔｅｐ４において、Ｓｔｅｐ２により解像度の高いマシンリーダブルな意味表現となった対象の文章、及び、Ｓｔｅｐ３の結果に基づいて、意味の欠落が最小となる文章が生成される。
　具体的には例えば、相手が幼児である場合には、図５７に示される通りである。
　このようにして、対象の文章に対してＳｔｅｐ１乃至４の処理が施されることにより、「パーソナライズされた要約文」が生成される。
　例えば図５７の例では、「積み木を食べてはいけない」という対象の文章に対してＳｔｅｐ１乃至４の処理が施されることにより、「これ」を「口」に「入れる」の「ダメ」といった「パーソナライズされた要約文」が生成される。
　図５９は、パーソナライズ要約の効果について説明する図である。
　パーソナライズ要約は、仮想人材Ｏ等の情報処理システムと相手との間の相互のコミュニケーションにおいて、次のような２つの面の効果が存在する。１つの面の効果は、仮想人材Ｏ等の情報処理システムの「自らが聞き役の際の自らの理解度向上」である。別の面の効果は、仮想人材Ｏ等の情報処理システムの「自らが話す際の相手の理解度向上」である。これら２つの面の効果により、仮想人材Ｏ等の情報処理システムと相手との間で深い相互理解が実現される。
　即ち、「自らが聞き役の際の自らの理解度向上」とは、仮想人材Ｏ等の情報処理システムが、相手が話している言葉を解析した際に未知語や不明な部分が多い際に、自らが理解している語彙を利用して相手が話している言葉を言い換えることによって、自らの理解度を高めることができることである。
　また、「自らが話す際の相手の理解度向上」とは、仮想人材Ｏ等の情報処理システムが、相手のデモグラフィックの情報や学習歴、学歴等の情報に基づいて相手が利用できる語彙を推測したり、そもそもの利用語彙を簡易な語彙だけに限定したりすることによって、伝えたい内容を相手が知っている言葉だけで説明することによって、相手の理解度を高めることができることである。
　即ち、パーソナライズ要約を用いた会話主体（仮想人材Ｏ等の情報処理システム）と相手との間で、図５９に示されているような各処理が実行されることにより、深い相互理解が実現される。
　また、このようなパーソナライズ要約の効果は、仮想人材Ｏ等の情報処理システムにおいて二つの観点で捉えることができる。
　図６０は、仮想人材Ｏ等の情報処理システムにおいてパーソナライズ要約が実現する理解度レベルとコミュニケーションの自動化レベルについて説明する図である。
　即ち、第１の観点は、「理解度レベル」である。仮想人材Ｏ等の情報処理システムの実現レベルは、図６０に示す理解度レベル０乃至５のうち４から５の範囲になる。ただし、レベル５のときは特定の範囲に限定される。なお、汎用人工知能のレベルは５となる。
　第２の観点は、「コミュニケーションの自動化レベル」である。仮想人材Ｏ等の情報処理システムの実現レベルは、図６０に示す理解度レベル０乃至５のうち４になる。なお、汎用人工知能のレベルは５となる。
　図６１は、内部モデルの概要について説明する図である。
　図６２Ａ及び図６２Ｂは、図６１に示す内部モデルの概要について説明する図の分割図である。
　内部モデルＰＭとは、Ｎ４のような「意味を正規化したフォーマット」又はそれに変換可能なフォーマットで表現され、かつ、ＰＳＦデータＰＤＰのような意味表現の解像度の高い、マシンリーダブルな意味データベースに格納された、一連のモデル化されたデータ群のことである。
　内部モデルＰＭは、例えば上述したような、心理・感情・価値観内部モデルＰＭ１、知識・思考内部モデルＰＭ２、目的・ゴール内部モデルＰＭ３の３情報を、意味の正規化が行われたフォーマットでモデル化して保持する。
　心理・感情・価値観内部モデルＰＭ１は、心理、感情、価値観を含む人間の内的な情報で、これらはコンテキストに合わせてパーソナリティを持っているかのように振る舞うことに用いられる特徴を有するものである。
　知識・思考内部モデルＰＭ２は、知識、思考を含む人間の内的な知的活動及び情報で、これらは知識毎に理解度レベルの管理をされることに特徴を有する。
　目的・ゴール内部モデルＰＭ３は、人間の個人や当該人間が属する組織を単位とするＫＧＩ及びＫＰＩを含む目的又はゴールで、これらは、優先順位付けされたり、予実管理されたりという特徴を有するものである。
　このような内部モデルの夫々は、ＰＳＦデータＰＤＰとして実装されるため、（１）全定義情報の正規化表現（図４１参照）、（２）センサベースの意味分解（図４３参照）、及び（３）コンテキスト対応（図４４乃至図５０参照）、（４）エピソード記憶からの認識（図５１参照）の特徴を有する。
　また、情報の追加・更新は、（４）エピソード記憶からの認識形成のフローに準じるものとする。
　図６３は、内部モデルの目的について説明する図である。
　図６４は、図６３に示す内部モデルの目的について説明する図の分割図である。
　内部モデルＰＭには、大きく二つの目的がある。
　即ち、第１の目的は、仮想人材Ｏ等の情報処理システムと相手との間で「深い相互理解の実現」である。その実現のために、仮想人材Ｏ等の情報処理システムは、内部モデルＰＭを用いて自己認識、相手認識を常に実施し、相互のコミュニケーションのレベルを上げていく。
　また、第２の目的は、「効率的なＰＤＣＡの実現」である。その実現のために、仮想人材Ｏ等の情報処理システムは、内部モデルＰＭを用いて、多層的な目的を保持しながら、フレーム問題への対策を効果的に実行して、全体の改善サイクルを円滑に回していく。
　以上、本発明の実施形態について説明したが、本発明は前述した実施形態に限定されるものではなく、本発明の目的を達成できる範囲での変形、改良は本発明に含まれるものとする。
　上述した一連の処理は、ハードウェアにより実行させることもできるし、ソフトウェアにより実行させることもできる。
　換言すると、図８及び図９の機能的構成は例示に過ぎず、特に限定されない。
　即ち、上述した一連の処理を全体として実行できる機能が情報処理システム及び仮想人材に備えられていれば足り、この機能を実現するためにどのような機能ブロックを用いるのかは特に図８及び図９の例に限定されない。また、機能ブロック及びデータベースの存在場所も図８及び図９に特に限定されず、任意でよい。例えば、各種処理の実行に必要となる機能ブロック及びデータベースの少なくとも一部を、派遣先端末２や派遣元端末３等に移譲させてもよい。逆に派遣先端末２や派遣元端末３の機能をサーバ１等に移譲させてもよい。
　また、１つの機能ブロックは、ハードウェア単体で構成してもよいし、ソフトウェア単体で構成してもよいし、それらの組み合わせで構成してもよい。
　また例えば、一連の処理をソフトウェアにより実行させる場合には、そのソフトウェアを構成するプログラムが、コンピュータ等にネットワークや記録媒体からインストールされる。
　コンピュータは、専用のハードウェアに組み込まれているコンピュータであってもよい。
　また、コンピュータは、各種のプログラムをインストールすることで、各種の機能を実行することが可能なコンピュータ、例えばサーバの他汎用のスマートフォンやパーソナルコンピュータであってもよい。
　また例えば、このようなプログラムを含む記録媒体は、利用者（本サービスの提供者や、派遣先、人材派遣元）等にプログラムを提供するために装置本体とは別に配布される図示せぬリムーバブルメディアにより構成されるだけでなく、装置本体に予め組み込まれた状態で利用者等に提供される記録媒体等で構成される。
　なお、本明細書において、記録媒体に記録されるプログラムを記述するステップは、その順序に沿って時系列的に行われる処理はもちろん、必ずしも時系列的に処理されなくとも、並列的あるいは個別に実行される処理をも含むものである。
　また、本明細書において、システムの用語は、複数の装置や複数の手段等より構成される全体的な装置を意味するものとする。
　以上を換言すると、本発明が適用される情報処理システム及び仮想人材は、次のような構成を取れば足り、各種各様な実施形態を取ることが出来る。
　即ち、本発明が適用される情報処理システムは、
　派遣元（例えば、図１の人材派遣元Ｐ）から派遣先（例えば、図１の派遣先Ｃ）に対して派遣される仮想人材（例えば、図１の仮想人材Ｏ）を生成する情報処理システムにおいて、
　前記派遣元から提供される情報のうち、パーソナライズ要約ロジック（例えば、図２のパーソナライズ要約ロジックＰＬ１）を少なくとも含むデータを、派遣元情報として取得する取得手段（例えば、図８のロジック取得部５２３）と、
　前記派遣元情報を用いて仮想人材を生成する仮想人材生成手段（例えば、図８の仮想人材生成更新部５３）と、
　を備える。
　即ち、仮想人材生成手段は、パーソナライズ要約ロジックを少なくとも含むデータに基づいて仮想人材を生成するため、相手の状況（理解度・利用可能語彙等）に応じた言い換えをすることが可能な仮想人材が生成される。その結果として、仮想人材と派遣先における相手との間において、相互理解度が高いコミュニケーションが実現されるようになる。
　また、派遣元（例えば、図１の人材派遣元Ｐ）から派遣先（例えば、図１の派遣先Ｃ）に対して派遣される仮想人材（例えば、図１の仮想人材Ｏ）を生成する情報処理システムにおいて、
　前記派遣元から提供される情報のうち、「意味を正規化したフォーマット」又はそれに変換可能なフォーマットで表されたデータ（例えば、図２の心理・感情・価値観内部モデルＰＭ１）を、派遣元情報として取得する取得手段（例えば、図８のモデル取得部５２１）と、
　前記派遣元情報を用いて仮想人材を生成する仮想人材生成手段（例えば、図８の仮想人材生成更新部５３）と、
　を備える。
　即ち、仮想人材生成手段は、「意味を正規化したフォーマット」又はそれに変換可能なフォーマットで表されたデータに基づいて仮想人材Ｏを生成するため、“可視化”された知能をベースとしたやり取りが可能な仮想人材が生成される。その結果として、仮想人材は、派遣先における相手との間において、相互理解度が高いコミュニケーションが実現されるようになる。
　さらに、派遣元（例えば、図１の人材派遣元Ｐ）から派遣先（例えば、図１の派遣先Ｃ）に対して派遣される仮想人材を生成する情報処理システムにおいて、
　前記派遣元から提供される情報のうち、「意味を正規化したフォーマット」又はそれに変換可能なフォーマットで表されたデータであって、パーソナライズ要約ロジック（例えば、図２のパーソナライズ要約ロジックＰＬ１）を少なくとも含むデータを、派遣元情報として取得する取得手段と、
　前記派遣元情報を用いて仮想人材を生成する仮想人材生成手段（例えば、図８の仮想人材生成更新部５３）と、
　を備える。
　これにより、相手の状況（理解度・利用可能語彙等）に応じた言い換えをすることが可能であると共に、“可視化”された知能をベースとしたやり取りが可能な仮想人材が生成される。その結果として、仮想人材は、派遣先における相手との間において、より相互理解度が高いコミュニケーションが実現されるようになる。
　また、派遣元から派遣先に対して派遣される仮想人材を生成する情報処理システムにおいて、
　前記派遣元（例えば、図１の人材派遣元Ｐ）から提供される情報のうち、複数の内部モデルを少なくとも含むデータ（例えば、図２の内部モデルＰＭ）を、派遣元情報として取得する取得手段と、
　前記派遣元情報を用いて仮想人材を生成する仮想人材生成手段（例えば、図８の仮想人材生成更新部５３）と、
　を備え、
　前記複数の内部モデルの夫々は、心理、感情、及び価値観を含む人間の内的な情報に関する第１観点、知識及び思考を含む人間の内的な知的活動及び情報に関する第２観点、並びに、人間の個人若しくは当該人間が属する組織を単位とするＫＧＩ及びＫＰＩを含む目的、又はゴールとその内部的な関係性に関する第３観点のうち１以上の観点に基づいて生成されている。
　また、前記複数の内部モデル（例えば、図２の内部モデルＰＭ）は、
　前記第１観点に基づいて生成されたモデルとして、心理、感情、価値観を含む人間の内的な情報を保持し、当該情報の関係性が整理されて「意味を正規化したフォーマット」又はそれに変換可能なフォーマットでモデル化された第１モデル（例えば、図２の心理・感情・価値観内部モデルＰＭ１）を含み、
　前記第２観点に基づいて生成されたモデルとして、知識、思考を含む人間の内的な知的活動及び情報を保持し、当該知的活動及び情報の関係性が整理されて、「意味を正規化したフォーマット」又はそれに変換可能なフォーマットでモデル化された第２モデル（例えば、図２の知識・思考内部モデルＰＭ２）を含み、
　前記第３観点に基づいて生成されたモデルとして、人間の個人や当該人間が属する組織を単位とするＫＧＩ及びＫＰＩを含む目的又はゴールとその内部的な関係性が整理されて、「意味を正規化したフォーマット」又はそれに変換可能なフォーマットでモデル化された第３モデル（例えば、図２の目的・ゴール内部モデルＰＭ３）を含む。
　即ちこのように、仮想人材生成手段が、心理・感情・価値観内部モデル、知識・思考内部モデル、目的・ゴール内部モデルＰＭ３といった複数の内部モデルに基づいて仮想人材Ｏを生成するため、感情だけでなく、相手の価値観、所属組織の目的・ゴール、知識・思考パターンを推定することにより幅広い目的を設定可能な仮想人材が生成されるようになる。また、上述のような内部モデルが保持されることにより、継続性、安定性のある対応が可能な仮想人材が生成されるようになる。その結果として、ＰＤＣＡサイクルが効率的に実行されるようになる。
　また、派遣元（例えば、図１の人材派遣元Ｐ）から派遣先（例えば、図１の派遣先Ｃ）に対して派遣される仮想人材（例えば、図１の仮想人材Ｏ）であって、
　前記派遣元から提供される情報のうち、パーソナライズ要約ロジック（例えば、図２のパーソナライズ要約ロジックＰＬ１）を少なくとも含むデータが、派遣元情報として用いられて生成されたものであり、
　前記複数の内部モデル（例えば、図２の内部モデルＰＭ）を用いて、人間が読解可能なメッセージの形態で前記タスクの指示を行うことで、前記人間と対話をしながら所定のタスクを実行するタスク実行手段（例えば、図９のタスク実行部８３）を備える。
　即ち、相手の状況（理解度・利用可能語彙等）に応じた言い換えをすることが可能な仮想人材は、複数の内部モデルを用いて、人間が読解可能なメッセージの形態でタスクの指示を行う。その結果として、仮想人材Ｏは、派遣先における相手との間で、相互理解度が高いコミュニケーションを実現することができる。
　また、派遣元（例えば、図１の人材派遣元Ｐ）から派遣先（例えば、図１の派遣先Ｃ）に対して派遣される仮想人材（例えば、図１の仮想人材Ｏ）であって、
　前記派遣元から提供される情報のうち、「意味を正規化したフォーマット」又はそれに変換可能なフォーマットで表されたデータが、派遣元情報として用いられて生成されたものであり、
　前記複数の内部モデル（例えば、図２の内部モデルＰＭ）を用いて、人間が読解可能なメッセージの形態で前記タスクの指示を行うことで、前記人間と対話をしながら所定のタスクを実行するタスク実行手段（例えば、図９のタスク実行部８３）を備える。
　即ち、あらゆる面で“可視化”された知能をベースとしたやり取りを実行可能な仮想人材は、複数の内部モデルを用いて、人間が読解可能なメッセージの形態でタスクの指示を行う。その結果として、仮想人材Ｏ、派遣先における相手との間で、相互理解度が高いコミュニケーションを実現することができる。
　また、（例えば、図１の人材派遣元Ｐ）から派遣先（例えば、図１の派遣先Ｃ）に対して派遣される仮想人材（例えば、図１の仮想人材Ｏ）であって、
　前記派遣元から提供される情報のうち、「意味を正規化したフォーマット」又はそれに変換可能なフォーマットで表されたデータであって、パーソナライズ要約ロジック（例えば、図２のパーソナライズ要約ロジックＰＬ１）を少なくとも含むデータが、派遣元情報として用いられて生成されたものであり、
　前記複数の内部モデル（例えば、図２の内部モデルＰＭ）を用いて、人間が読解可能なメッセージの形態で前記タスクの指示を行うことで、前記人間と対話をしながら所定のタスクを実行するタスク実行手段（例えば、図９のタスク実行部８３）を備える。
　即ち、このような仮想人材は、相手の状況（理解度・利用可能語彙等）に応じた言い換えができ、また、“可視化”された知能をベースとしたやり取りができるため、派遣先における相手との間で、相互理解度が高いコミュニケーションを実現することができる。
　また、（例えば、図１の人材派遣元Ｐ）から派遣先（例えば、図１の派遣先Ｃ）に対して派遣される仮想人材（例えば、図１の仮想人材Ｏ）であって、
　前記派遣元から提供される情報のうち、複数の内部モデルを少なくとも含むデータ（例えば、図２の内部モデルＰＭ）が、派遣元情報として用いられて生成されたものであり、
　前記複数の内部モデル（例えば、図２の内部モデルＰＭ）の夫々は、心理、感情、及び価値観を含む人間の内的な情報に関する第１観点、知識及び思考を含む人間の内的な知的活動及び情報に関する第２観点、並びに、人間の個人若しくは当該人間が属する組織を単位とするＫＧＩ及びＫＰＩを含む目的、又はゴールとその内部的な関係性に関する第３観点のうち１以上の観点に基づいて生成されており、
　前記第１観点及び前記第２観点に基づいて生成されたモデルを用いた自己認識及び相手認識を伴いながら、前記第３観点に基づいて生成されたモデルを用いて計画を設定（例えば、図１０のＰｌａｎ）し、当該計画を達成するために人間と対話をしながら所定のタスクを実行（例えば、図１０のＤｏ）し、その実行の結果を評価（例えば、図１０のＣｈｅｃｋ）し、その評価の結果に基づいて改善を行う（例えば、図１０のＡｃｔｉｏｎ）タスク実行手段（例えば、図９のタスク実行部８３）を備える。
　また、前記複数の内部モデル（例えば、図２の内部モデルＰＭ）は、
　前記第１観点に基づいて生成されたモデルとして、心理、感情、価値観を含む人間の内的な情報を保持し、当該情報の関係性が整理されて「意味を正規化したフォーマット」又はそれに変換可能なフォーマットでモデル化された第１モデル（例えば、図２の心理・感情・価値観内部モデルＰＭ１）を含み、
　前記第２観点に基づいて生成されたモデルとして、知識、思考を含む人間の内的な知的活動及び情報を保持し、当該知的活動及び情報の関係性が整理されて、「意味を正規化したフォーマット」又はそれに変換可能なフォーマットでモデル化された第２モデル（例えば、図２の知識・思考内部モデルＰＭ２）を含み、
　前記第３観点に基づいて生成されたモデルとして、人間の個人や当該人間が属する組織を単位とするＫＧＩ及びＫＰＩを含む目的又はゴールとその内部的な関係性が整理されて、「意味を正規化したフォーマット」又はそれに変換可能なフォーマットでモデル化された第３モデル（例えば、図２の目的・ゴール内部モデルＰＭ３）を含む。
　即ち、相手の価値観、所属組織の目的・ゴール、知識・思考パターンを推定可能な仮想人材は、幅広い目的が多層的に設定できるため、フレーム問題を回避可能であると共に、派遣先における相手に対して継続性、安定性のある対応ができるため、高いレベルの対応が可能になる。その結果として、仮想人材は、ＰＤＣＡサイクルを効率的に実行できるようになる。
　１・・・サーバ、２・・・派遣先端末、３・・・派遣元端末、５１・・・派遣先情報取得部、５２・・・人材派遣元情報取得部、５３・・・仮想人材生成更新部、５４・・・仮想人材派遣部、６１・・・仮想人材ＤＢ、８１・・・環境設定部、８２・・・トレーニング部、８３・・・タスク実行部、５１１・・・希望人材情報取得部、５１２・・・利用形態情報取得部、５１３・・・募集情報／マニュアル情報取得部、５２１・・・モデル取得部、５２２・・・データ取得部、５２３・・・ロジック取得部、８２１・・・知識カテゴリ別トレーニング部、８２２・・・人材間情報共有部、８３１・・・客観的解釈部、８３２・・・主観的解釈部、８３３・・・生成部、８３４・・・タスク指示部、８５１・・・意味解析部、８５２・・・意味推定部、８５３・・・意味評価部、８５４・・・状態更新部、８５５・・・発話継続制御部、８５６・・・発話内容生成部、８５７・・・発話部、８５８・・・タスク指示部、８６２・・・状態更新部、８８１・・・アクチュエータ起動部、８８２・・・外部ＡＰＩ起動部８８２、８８３・・・自社登録ＡＰＩ（単純型）起動部、８８４・・・自社登録ＡＰＩ（登録ＲＰＡ型）起動部、８８５・・・専門スタッフ型起動部、８８６・・・クラウドソーシング型起動部・・・８８７オークション型起動部

Claims (10)

  1. 　派遣元から派遣先に対して派遣される仮想人材を生成する情報処理システムにおいて、
    　前記派遣元から提供される情報のうち、パーソナライズ要約ロジックを少なくとも含むデータを、派遣元情報として取得する取得手段と、
    　前記派遣元情報を用いて仮想人材を生成する仮想人材生成手段と、
    　を備える情報処理システム。
  2. 　派遣元から派遣先に対して派遣される仮想人材を生成する情報処理システムにおいて、
    　前記派遣元から提供される情報のうち、「意味を正規化したフォーマット」又はそれに変換可能なフォーマットで表されたデータを、派遣元情報として取得する取得手段と、
    　前記派遣元情報を用いて仮想人材を生成する仮想人材生成手段と、
    　を備える情報処理システム。
  3. 　派遣元から派遣先に対して派遣される仮想人材を生成する情報処理システムにおいて、
    　前記派遣元から提供される情報のうち、「意味を正規化したフォーマット」又はそれに変換可能なフォーマットで表されたデータであって、パーソナライズ要約ロジックを少なくとも含むデータを、派遣元情報として取得する取得手段と、
    　前記派遣元情報を用いて仮想人材を生成する仮想人材生成手段と、
    　を備える情報処理システム。
  4. 　派遣元から派遣先に対して派遣される仮想人材を生成する情報処理システムにおいて、
    　前記派遣元から提供される情報のうち、単一または複数の内部モデルを少なくとも含むデータを、派遣元情報として取得する取得手段と、
    　前記派遣元情報を用いて仮想人材を生成する仮想人材生成手段と、
    　を備え、
    　前記複数の内部モデルの夫々は、心理、感情、及び価値観を含む人間の内的な情報に関する第１観点、知識及び思考を含む人間の内的な知的活動及び情報に関する第２観点、並びに、人間の個人若しくは当該人間が属する組織を単位とするＫＧＩ及びＫＰＩを含む目的、又はゴールとその内部的な関係性に関する第３観点のうち１以上の観点に基づいて生成されている、
    　情報処理システム。
  5. 　前記単一または複数の内部モデルは、
    　前記第１観点に基づいて生成されたモデルとして、心理、感情、価値観を含む人間の内的な情報を保持し、当該情報の関係性が整理されて「意味を正規化したフォーマット」又はそれに変換可能なフォーマットでモデル化された第１モデルを含み、
    　前記第２観点に基づいて生成されたモデルとして、知識、思考を含む人間の内的な知的活動及び情報を保持し、当該知的活動及び情報の関係性が整理されて、「意味を正規化したフォーマット」又はそれに変換可能なフォーマットでモデル化された第２モデルを含み、
    　前記第３観点に基づいて生成されたモデルとして、人間の個人や当該人間が属する組織を単位とするＫＧＩ及びＫＰＩを含む目的又はゴールとその内部的な関係性が整理されて、「意味を正規化したフォーマット」又はそれに変換可能なフォーマットでモデル化された第３モデルを含む、
    　請求項４に記載の情報処理システム。
  6. 　派遣元から派遣先に対して派遣される仮想人材であって、
    　前記派遣元から提供される情報のうち、パーソナライズ要約ロジックを少なくとも含むデータが、派遣元情報として用いられて生成されたものであり、
    　前記複数の内部モデルを用いて、人間が読解可能なメッセージの形態で前記タスクの指示を行うことで、前記人間と対話をしながら所定のタスクを実行するタスク実行手段を備える、
    　仮想人材。
  7. 　派遣元から派遣先に対して派遣される仮想人材であって、
    　前記派遣元から提供される情報のうち、「意味を正規化したフォーマット」又はそれに変換可能なフォーマットで表されたデータが、派遣元情報として用いられて生成されたものであり、
    　前記複数の内部モデルを用いて、人間が読解可能なメッセージの形態で前記タスクの指示を行うことで、前記人間と対話をしながら所定のタスクを実行するタスク実行手段を備える、
    　仮想人材。
  8. 　派遣元から派遣先に対して派遣される仮想人材であって、
    　前記派遣元から提供される情報のうち、「意味を正規化したフォーマット」又はそれに変換可能なフォーマットで表されたデータであって、パーソナライズ要約ロジックを少なくとも含むデータが、派遣元情報として用いられて生成されたものであり、
    　前記複数の内部モデルを用いて、人間が読解可能なメッセージの形態で前記タスクの指示を行うことで、前記人間と対話をしながら所定のタスクを実行するタスク実行手段を備える、
    　仮想人材。
  9. 　派遣元から派遣先に対して派遣される仮想人材であって、
    　前記派遣元から提供される情報のうち、単一または複数の内部モデルを少なくとも含むデータが、派遣元情報として用いられて生成されたものであり、
    　前記複数の内部モデルの夫々は、心理、感情、及び価値観を含む人間の内的な情報に関する第１観点、知識及び思考を含む人間の内的な知的活動及び情報に関する第２観点、並びに、人間の個人若しくは当該人間が属する組織を単位とするＫＧＩ及びＫＰＩを含む目的、又はゴールとその内部的な関係性に関する第３観点のうち１以上の観点に基づいて生成されており、
    　前記第１観点及び前記第２観点に基づいて生成されたモデルを用いた自己認識及び相手認識を伴いながら、前記第３観点に基づいて生成されたモデルを用いて計画を設定し、当該計画を達成するために人間と対話をしながら所定のタスクを実行し、その実行の結果を評価し、その評価の結果に基づいて改善を行うタスク実行手段、
    　を備える仮想人材。
  10. 　前記単一または複数の内部モデルは、
    　前記第１観点に基づいて生成されたモデルとして、心理、感情、価値観を含む人間の内的な情報を保持し、当該情報の関係性が整理されて「意味を正規化したフォーマット」又はそれに変換可能なフォーマットでモデル化された第１モデルを含み、
    　前記第２観点に基づいて生成されたモデルとして、知識、思考を含む人間の内的な知的活動及び情報を保持し、当該知的活動及び情報の関係性が整理されて、「意味を正規化したフォーマット」又はそれに変換可能なフォーマットでモデル化された第２モデルを含み、
    　前記第３観点に基づいて生成されたモデルとして、人間の個人や当該人間が属する組織を単位とするＫＧＩ及びＫＰＩを含む目的又はゴールとその内部的な関係性が整理されて、「意味を正規化したフォーマット」又はそれに変換可能なフォーマットでモデル化された第３モデルを含む、
    　請求項９に記載の仮想人材。
PCT/JP2021/037517 2021-03-29 2021-10-11 情報処理システム及び仮想人材 WO2022208953A1 (ja)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2021055158A JP6951004B1 (ja) 2021-03-29 2021-03-29 情報処理システム及び仮想人材
JP2021-055158 2021-03-29

Publications (1)

Publication Number Publication Date
WO2022208953A1 true WO2022208953A1 (ja) 2022-10-06

Family

ID=78114150

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2021/037517 WO2022208953A1 (ja) 2021-03-29 2021-10-11 情報処理システム及び仮想人材

Country Status (2)

Country Link
JP (5) JP6951004B1 (ja)
WO (1) WO2022208953A1 (ja)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117541685A (zh) * 2023-11-08 2024-02-09 另一个我(北京)虚拟科技开发有限公司 一种用于个性化服务需求的虚拟映射人体模型构建方法、系统、及个性化服务平台

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2018072876A (ja) * 2016-10-24 2018-05-10 富士ゼロックス株式会社 感情推定システム、感情推定モデル生成システム

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2018072876A (ja) * 2016-10-24 2018-05-10 富士ゼロックス株式会社 感情推定システム、感情推定モデル生成システム

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
ANONYMOUS: "Pepper's general sale has finally started! Evolving the "emotional function" that expresses one's own emotions and expanding overseas", WEB DESIGNING, vol. 169, 1 August 2015 (2015-08-01), pages 133 - 133, XP055972389 *
HIRONAKA TOMOHIKO, RYUHO IDE, MITSUHIKO SHIMOMURA, HINANE OOHORA, IORI KURATA, MOTOKI NAGATA, RYOTA MORI: "Semantic representation N3: Non-loss normalized network", THE 26TH ANNUAL CONFERENCE OF THE ASSOCIATION FOR NATURAL LANGUAGE PROCESSING; MARCH 16-19, 2020, ASSOCIATION FOR NATURAL LANGUAGE PROCESSING, JP, 1 March 2020 (2020-03-01) - 19 March 2020 (2020-03-19), JP, pages 1491 - 1494, XP055972396 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117541685A (zh) * 2023-11-08 2024-02-09 另一个我(北京)虚拟科技开发有限公司 一种用于个性化服务需求的虚拟映射人体模型构建方法、系统、及个性化服务平台

Also Published As

Publication number Publication date
JP2022152397A (ja) 2022-10-12
JP2022153238A (ja) 2022-10-12
JP2022153239A (ja) 2022-10-12
JP2022153241A (ja) 2022-10-12
JP2022153240A (ja) 2022-10-12
JP6951004B1 (ja) 2021-10-20

Similar Documents

Publication Publication Date Title
Neumann et al. Chatbots as a tool to scale mentoring processes: Individually supporting self-study in higher education
Meshram et al. Conversational AI: chatbots
Andrew Supervising doctorates at a distance: three trans‐Tasman stories
Sriwisathiyakun et al. Enhancing digital literacy with an intelligent conversational agent for senior citizens in Thailand
Maria et al. Chatbots as cognitive, educational, advisory & coaching systems
Ribino The role of politeness in human–machine interactions: a systematic literature review and future perspectives
Boell et al. What is ‘Information’beyond a definition?
Juškevičienė et al. On recommending Web 2.0 tools to personalise learning
Nagao Artificial intelligence accelerates human learning: Discussion data analytics
Lee et al. Human intelligence-based Metaverse for co-learning of students and smart machines
Kesarwani et al. Student Chatbot System: A Review on Educational Chatbot
Zhai et al. Evaluating the AI dialogue System's intercultural, humorous, and empathetic dimensions in English language learning: A case study
WO2022208953A1 (ja) 情報処理システム及び仮想人材
KR102299563B1 (ko) 가상 조교 로봇을 이용한 비대면 수업 제공 방법 및 장치
Baten et al. Upskilling together: How peer-interaction influences speaking-skills development online
Rennemo et al. Existential learning: dialogues and places to be (come) in entrepreneurial Ba practice
US20220366896A1 (en) Intelligent training and education bot
KR20200109704A (ko) 논문심사 스케줄별 논문지도 콘텐츠를 제공하는 논문 컨설팅 서비스 제공 시스템
Zhang et al. Pedagogical agents in K-12 education: a scoping review
Krullaars et al. Exploring initial interactions: High school students and generative ai chatbots for relationship development
Roomkham et al. Restarting the conversation about conversational search: exploring new possibilities for multimodal and collaborative systems with people with intellectual disability
Fuchs et al. Psychological Flexibility in Human Leadership-Facing the Challenges and Needs of the 21st Century Working Social Spaces
Osherenko Social interaction, globalization and computer-aided analysis: A practical guide to developing social simulation
Makoye An investigation of challenges facing students with visual impairment in accessing E-learning: A case of Tabora municipality
Tanwar et al. AI Based Chatbot for Healthcare using Machine Learning

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: 21935109

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 21935109

Country of ref document: EP

Kind code of ref document: A1