WO2025225129A1 - 情報処理システム - Google Patents

情報処理システム

Info

Publication number
WO2025225129A1
WO2025225129A1 PCT/JP2025/004595 JP2025004595W WO2025225129A1 WO 2025225129 A1 WO2025225129 A1 WO 2025225129A1 JP 2025004595 W JP2025004595 W JP 2025004595W WO 2025225129 A1 WO2025225129 A1 WO 2025225129A1
Authority
WO
WIPO (PCT)
Prior art keywords
unit
solution
information
user
algorithm
Prior art date
Legal status (The legal status 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 status listed.)
Pending
Application number
PCT/JP2025/004595
Other languages
English (en)
French (fr)
Inventor
和也 高橋
英樹 荒井
拓郎 村瀬
壽史 若野
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Sony Semiconductor Solutions Corp
Original Assignee
Sony Semiconductor Solutions Corp
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 Sony Semiconductor Solutions Corp filed Critical Sony Semiconductor Solutions Corp
Publication of WO2025225129A1 publication Critical patent/WO2025225129A1/ja
Pending legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/0475—Generative networks
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/10—Interfaces, programming languages or software development kits, e.g. for simulating neural networks

Definitions

  • This technology relates to the technical field of information processing systems that provide solutions to user problems.
  • LLM Large Language Model
  • answer information to the question is generated by performing data search processing according to the content of the question and sentence generation processing according to the search results.
  • various other tasks can be performed to generate response information according to the content of the input prompt, such as tasks to create a computer program that realizes the processing specified by the prompt, or tasks to generate images or music that satisfy the conditions specified by the prompt.
  • This technology was developed in light of these problems, and aims to present a physically and mathematically guaranteed solution.
  • the information processing system of the present technology includes a reception unit that receives input of a problem from a user, a first acquisition unit that acquires from a database a solution to the problem received by the reception unit and an algorithm for realizing the solution, a second acquisition unit that acquires from the database a predictive model suitable for the solution acquired by the first acquisition unit, and a solution acquisition processing unit that obtains a solution to the problem using the algorithm to which execution conditions for the algorithm acquired by the first acquisition unit are applied and the predictive model acquired by the second acquisition unit.
  • the reception unit is, for example, a function that interacts with the user as an AI agent.
  • the "solution" acquired by the first acquisition unit is a method for solving a problem.
  • the "algorithm" acquired by the first acquisition unit is a method for realizing a solution.
  • “single-objective optimization,””multi-objectiveoptimization,” and “reinforcement learning,” which are used to find an optimal solution for "parameter P1 in process A,” are considered to be types of algorithms.
  • a solution obtained based on interaction with a large language model may not be a physically or mathematically guaranteed solution.
  • a solution is obtained by selecting a solution method or algorithm obtained from a database and then executing the algorithm.
  • FIG. 1 is a diagram showing a schematic configuration of an information processing system according to an embodiment of the present invention.
  • FIG. 1 is a block diagram showing the configuration of a computer device.
  • FIG. 2 is a functional block diagram of the server device.
  • FIG. 10 is a diagram illustrating an example of information stored in a database.
  • FIG. 10 is a diagram illustrating an example of other information stored in a database.
  • FIG. 2 is a block diagram illustrating the functional configuration of a server device and a data flow.
  • FIG. 2 is a functional block diagram of a user terminal.
  • 11 is a flowchart showing an example of processing executed by a CPU of the server device together with FIG. 9 and FIG. 10.
  • 9 is a flowchart continuing from FIG. 8 .
  • 10 is a flowchart continuing from FIG. 9 .
  • FIG. 10 is a diagram illustrating a schematic configuration of an information processing system according to a second embodiment.
  • FIG. 10 is a block diagram illustrating a functional configuration and a data flow of a server device according to a second embodiment.
  • FIG. 10 is a diagram illustrating a schematic configuration of an information processing system according to a third embodiment.
  • FIG. 11 is a block diagram illustrating a functional configuration of a server device and a data flow according to a third embodiment.
  • FIG. 2 is a block diagram illustrating an example of a functional configuration of a server device.
  • FIG. 1 is a diagram showing an example of a fishbone diagram, which is one aspect of a causal relationship diagram.
  • FIG. 10 is a diagram showing another example of a fishbone diagram.
  • FIG. 1 is a diagram showing an example of a fishbone diagram, which is one aspect of a causal relationship diagram.
  • FIG. 10 is a diagram illustrating an example of graph data.
  • FIG. 10 is a diagram showing an example of graph data in which all parent factors appear as nodes.
  • FIG. 10 is a diagram showing a search range.
  • FIG. 10 is a diagram illustrating an example of a first prompt.
  • FIG. 10 is a diagram illustrating an example of a second prompt.
  • 26 is a flowchart illustrating an example of processing executed by a CPU of the server device together with FIG. 25. This is a flowchart continuing from Figure 24.
  • 10 is a flowchart showing a processing flow according to a first modified example.
  • 10 is a flowchart showing a processing flow according to a second modified example.
  • FIG. 10 is a diagram showing an example of a fishbone diagram according to a modified example.
  • FIG. 10 is a diagram showing another example of a fishbone diagram according to a modified example.
  • the information processing system 1A includes a server device 2A and a user terminal 3.
  • the information processing system 1A may include multiple user terminals 3.
  • the server device 2A and the user terminal 3 are connected to a communications network NW, such as the Internet, so that they can communicate with each other.
  • NW such as the Internet
  • Information processing system 1A is a system that generates and presents answers to questions entered by users on user terminal 3.
  • issue SJ the problem that the user wants to solve
  • solution AS the solution corresponding to issue SJ, which is expressed by an answer or the like presented by information processing system 1A, will be referred to as "solution AS.”
  • the server device 2A understands the input assignment SJ by communicating with the user terminal 3.
  • the assignment SJ may be understood by analyzing the acquired question.
  • the server device 2A acquires or generates a solution AS corresponding to the assignment SJ, and generates it as an answer to the assignment SJ.
  • the server device 2A acquires information for obtaining the solution AS from a database DB under the management of the server device 2A.
  • the database DB stores past problems SJ and their corresponding solutions AS, as well as the solution method MS, algorithm AR, and prediction model PM used to obtain the solutions AS, all linked together.
  • the server device 2A generates or acquires the solution AS using the information acquired from the database DB, and generates a reply sentence for presenting the solution AS.
  • the server device 2A performs processing to display the reply sentence on the display unit or the like of the user terminal 3.
  • the server device 2A appropriately executes, for example, a process for generating a web page, a process for generating a file, etc.
  • the various processes executed by the server device 2A to present an answer to the user will be referred to as an "answer generation process.”
  • the user terminal 3 performs processes to accept input of the assignment SJ by the user, to send the input assignment SJ to the server device 2A, and to receive or display answers, files, etc. from the server device 2A.
  • the server device 2A may accept input from the user as appropriate during the answer generation process. For example, the server device 2A may execute a process to confirm with the user whether the information in the database DB acquired to generate the answer is appropriate.
  • the server device 2A uses generative AI (Artificial Intelligence), specifically a Large Language Model (LLM), to set a task SJ based on a question, obtain a solution AS, and then generate an answer. More specifically, the server device 2A uses a large language model that interacts with the user in a chat format.
  • generative AI Artificial Intelligence
  • LLM Large Language Model
  • the server device 2A can suitably perform the process of analyzing the input character string (prompt) using natural language processing (NLP) technology to identify the task SJ, and the process of generating an answer sentence using natural language processing technology after obtaining a solution AS for the task SJ.
  • NLP natural language processing
  • AI agent used by the server device 2A to interact with the user.
  • Hardware configuration examples for each device 2 shows a specific example of the hardware configuration of the server device 2A, the user terminal 3, and the database DB.
  • the server device 2A, the user terminal 3, and the database DB are not to be distinguished from one another, they will be referred to as a "computer device Com.”
  • the computer device Com includes a CPU (Central Processing Unit) 11, a ROM (Read Only Memory) 12, and a RAM (Random Access Memory) 13.
  • the computer device Com may also include a processor other than the CPU 11, such as a GPU (Graphics Processing Unit).
  • the CPU 11 executes various processes according to programs stored in the ROM 12 or programs loaded into the RAM 13.
  • the RAM 13 also stores data necessary for the CPU 11 to execute various processes as appropriate.
  • the CPU 11, ROM 12, and RAM 13 are interconnected via a bus 14.
  • An input/output interface (I/F) 15 is also connected to the bus 14.
  • An input unit 16 including operators and operation devices is connected to the input/output interface 15.
  • the input unit 16 may be various operators and operation devices such as a keyboard, a mouse, keys, a dial, a touch panel, a touch pad, or a remote controller.
  • the input unit 16 detects a user operation, and the CPU 11 interprets a signal corresponding to the input operation.
  • the input/output interface 15 is also connected, either integrally or separately, to a display unit 17 such as an LCD (Liquid Crystal Display) or an organic EL (Electro-Luminescence) panel, and an audio output unit 18 such as a speaker.
  • the display unit 17 is used to display various types of information, and is configured, for example, by a display device provided in the housing of the computer device, or a separate display device connected to the computer device.
  • the display unit 17 displays images for various image processing, moving images to be processed, etc. on the display screen based on instructions from the CPU 11.
  • the display unit 17 also displays various operation menus, icons, messages, etc., i.e., a GUI (Graphical User Interface), based on instructions from the CPU 11.
  • GUI Graphic User Interface
  • the display unit 17 of the user terminal 3 displays a GUI for a browser application or a dedicated application for receiving the problem solving service provided by the server device 2A.
  • the input unit 16 detects input operations on the GUI, and depending on the operation content interpreted by the CPU 11, processes such as displaying the input characters in a specified input field and sending the input content to the server device 2A are realized.
  • the input/output interface 15 may also be connected to a storage unit 19 configured with a hard disk drive (HDD) or solid-state memory, or a communication unit 20 configured with a modem or the like.
  • a storage unit 19 configured with a hard disk drive (HDD) or solid-state memory
  • a communication unit 20 configured with a modem or the like.
  • the server device 2A and the database DB are provided as separate computer devices Com.
  • the database DB may also be provided as the storage unit 19 of the server device 2A.
  • the communication unit 20 performs communication processing via transmission paths such as the Internet, and communication with various devices via wired/wireless communication, bus communication, etc.
  • a drive 21 is also connected to the input/output interface 15 as needed, and a removable recording medium 22 such as a magnetic disk, optical disk, magneto-optical disk, or semiconductor memory is appropriately installed.
  • the computer device Com can use the drive 21 to read data files such as programs used for various processes from the removable recording medium 22.
  • the read data files are stored in the memory unit 19, and the images and sounds contained in the data files are output on the display unit 17 and the audio output unit 18.
  • the computer programs and the like read from the removable recording medium 22 are installed in the memory unit 19 as necessary.
  • software for the processing of this embodiment can be installed via network communication by the communication unit 20 or via the removable recording medium 22.
  • the software may be stored in advance in the ROM 12, the storage unit 19, or the like.
  • the CPU 11 performs processing operations based on various programs, thereby executing information processing and communication processing required for the server device 2A, the user terminal 3, or the database DB.
  • the server device 2A, the user terminal 3, or the database DB may not necessarily be configured by a single computer device Com as shown in Fig. 2, but may be configured by a system of multiple computer devices Com.
  • the multiple computer devices Com may be systemized using a LAN (Local Area Network) or the like, or may be located in a remote location using a VPN (Virtual Private Network) or the like using the Internet.
  • the multiple computer devices Com may include a computer device Com as a server group (cloud) available through a cloud computing service.
  • FIG. 3 illustrates various functions that are realized as an AI agent by the CPU 11 serving as a processor of the server device 2A executing a program.
  • the CPU 11 of the server device 2A functions as a presentation processing unit F21, a reception unit F22, a first acquisition unit F23, a second acquisition unit F24, a solution acquisition processing unit F25, and a summary unit F26.
  • the presentation processing unit F21 performs processing to present various types of information to the user, for example, processing to present a web page containing various types of information.
  • the presentation processing unit F21 performs processes such as presenting a confirmation page or the like on the display unit 17 of the user terminal 3 when the user is asked to confirm in the process of obtaining the solution AS for the assignment SJ, and presenting the solution AS, a summary based on the solution AS, or report information on the display unit 17 of the user terminal 3.
  • the presentation of information by the presentation processing unit F21 does not necessarily have to be in the form of a web page or the like displayed on the display unit 17 of the user terminal 3.
  • the presentation processing unit F21 may present to the user a document file compiling the solution AS, summary, report, etc., a file generated by spreadsheet software, or a file for presentation.
  • the reception unit F22 receives input of the task SJ by the user using the user terminal 3.
  • the input of the task SJ may be received in the form of a question.
  • the CPU 11 of the server device 2A may identify the task SJ by analyzing the question received by the reception unit F22 using natural language processing technology.
  • the first acquisition unit F23 acquires a solution MS and an algorithm AR from the database DB to obtain a solution AS for a task SJ set by the user or a task SJ identified by analyzing the question text.
  • a “solution MS” is a method for solving problem SJ. For example, if problem SJ is to improve the characteristics of a product that is produced through multiple processes such as process A and process B, types of solution MS would be to "change parameter P1 in process A,” “change parameter P2 in process B,” or "change the processing order of each process.”
  • Algorithm AR is a method for realizing solution method MS. For example, “executing a calculation flow using a specific formula” used to find the optimal solution for "parameter P1 in process A,” “single-objective optimization,” “multi-objective optimization,” and “reinforcement learning” are considered types of algorithm AR. Other examples of algorithm AR include “dynamic programming,” “heuristic methods,” and “simulated annealing.”
  • the first acquisition unit F23 uses the results of determining the similarity between the problem SJ to be solved and past problems SJ.
  • Figure 4 is an example of information stored in the database DB.
  • the database DB stores previously solved problems SJ, as well as the solution methods MS, algorithms AR, and prediction models PM used to solve the problems as response results at that time.
  • the database DB stores multiple records. A record is stored when a solution AS for a task SJ is generated or obtained, and one record is provided for each combination of task SJ and solution AS.
  • each record is composed of a "record ID,” which is an ID (identification) that can identify a single record, and is linked to the "task SJ,” the “solution method MS used,” the “algorithm AR used,” the “prediction model PM used,” the “execution conditions,” and the “solution AS.”
  • one record links the "solution MS,” “algorithm AR,” and “prediction model PM” used to solve “problem SJ,” and further links the "execution conditions” of the algorithm AR with the resulting "solution AS.”
  • a record for a task SJ for which a solution AS can be obtained without using a prediction model PM does not need to be linked to a prediction model PM.
  • a record for a task SJ for which a solution AS can be obtained simply by solving a specific mathematical formula does not need to be linked to a solution MS.
  • the prediction model PM itself may be stored in the database DB, or information on the location where the prediction model PM is stored (such as a URL (Uniform Resource Locator)) may be stored as link information.
  • a URL Uniform Resource Locator
  • the first acquisition unit F23 searches the database DB for records that are similar to the identified task SJ based on the identified task SJ, and acquires information about the solution MS and algorithm AR associated with the record.
  • the solution MS and algorithm AR acquired by the first acquisition unit F23 are presented to the user by the presentation processing unit F21.
  • the second acquisition unit F24 acquires from the database DB the prediction model PM used in the algorithm AR used to obtain a solution AS for the task SJ set by the user or the task SJ identified by analyzing the question sentence.
  • the second acquisition unit F24 acquires, from the database DB, the prediction model PM linked to the record identified by the first acquisition unit F23.
  • the prediction model PM acquired by the second acquisition unit F24 is presented to the user by the presentation processing unit F21.
  • the prediction model PM is used when executing the algorithm AR.
  • the prediction model PM is a model that outputs predicted values as output data based on input data. It is desirable that the prediction model PM is a model that calculates predicted values by performing physically or mathematically guaranteed calculations, such as a surrogate model.
  • the solution acquisition processing unit F25 obtains a final solution AS corresponding to the task SJ using the solution method MS and algorithm AR selected by the first acquisition unit F23, and the prediction model PM selected by the second acquisition unit F24.
  • the solution acquisition processing unit F25 uses a "single-objective optimization" algorithm AR to realize a certain solution method MS.
  • a specific prediction model PM is used in this algorithm AR
  • the solution acquisition processing unit F25 generates multiple types of input data for the prediction model PM and inputs each input data into the prediction model PM to obtain multiple corresponding prediction values.
  • the multiple input data input to the prediction model PM are data assigned within a range according to the execution conditions.
  • the prediction model PM returns predicted values that are physically or mathematically guaranteed by itself, unless the input data is physically or mathematically inconsistent.
  • the input data of the prediction model PM is assigned within an appropriate range according to the execution conditions, thereby eliminating physically or mathematically inconsistent input data, corrupted input data, etc. Therefore, the predicted values output from the prediction model PM are more physically or mathematically guaranteed.
  • the solution acquisition processing unit F25 selects the predicted value that is most suitable for solving the problem SJ from the predicted values output from the prediction model PM, for example, the predicted value that has the most improved performance, and generates a solution AS.
  • the solution AS generated by the solution acquisition processing unit F25 may be the selected predicted value itself, or may be a numerical value obtained as a result of further calculation using the selected predicted value.
  • the solution AS generated by the solution acquisition processing unit F25 is presented to the user by the presentation processing unit F21.
  • the solution acquisition processing unit F25 may generate an execution file that sequentially performs the process of repeatedly inputting input data to the prediction model PM and acquiring output data, and then selecting the optimal output data for solving the problem from the multiple output data.
  • the execution file includes execution conditions.
  • the solution acquisition processing unit F25 uses information stored in the database DB when determining the execution conditions.
  • An example of the information stored in the database DB is shown in FIG.
  • the database DB stores algorithms AR and corresponding default setting files and execution programs in association with each other.
  • the setting files and execution programs stored in the database DB are considered to be template information, so to speak.
  • the solution acquisition processing unit F25 acquires the setting file and execution program for the determined algorithm AR from the database DB. Then, in order to adapt them to the current assignment SJ, the solution acquisition processing unit F25 determines execution conditions based on the determined solution method MS and algorithm AR, and modifies the setting file of the template based on the execution conditions. The solution acquisition processing unit F25 may also modify the execution program based on the execution conditions.
  • the execution conditions based on the solution method MS and algorithm AR include, for example, various parameters, constraints, items and functions to be optimized, etc. when “single-objective optimization” or “multi-objective optimization” is selected as the algorithm AR. Furthermore, when “reinforcement learning” is selected as the algorithm AR to be used, the execution conditions include parameters and reward functions.
  • the solution acquisition processing unit F25 creates an executable file to run the executable program based on the configuration file.
  • the execution file generated by the solution acquisition processing unit F25 may be presented to the user by the presentation processing unit F21.
  • the presentation processing unit F21 may present the execution file to the user in order to allow the user to confirm the execution contents, such as the prediction model PM, conditions, and input data range.
  • the user can confirm whether the range of input data for the prediction model PM is appropriate, or whether other execution conditions are appropriate.
  • Information indicating the results of checking the executable file is transmitted from the user terminal 3 and accepted by the acceptance unit F22 of the server device 2A.
  • the solution acquisition processing unit F25 modifies the executable file as appropriate based on the user's evaluation information and executes the executable file. Note that the modified executable file may be provided to the user again to obtain a user evaluation. In other words, the generation of the executable file and the user's evaluation of it may be repeated multiple times.
  • the summarization unit F26 generates a summary that summarizes the solution AS obtained by the solution acquisition processing unit F25.
  • This processing is realized, for example, using natural language processing technology with a large-scale language model as the base model.
  • the solution AS generated by the solution acquisition processing unit F25 and the summary generated by the summarization unit F26 are presented to the user by the presentation processing unit F21 as appropriate.
  • FIG. 6 shows an example of the functions and information flow of the CPU 11 of the server device 2A.
  • Each of the units further included in the presentation processing unit F21, the reception unit F22, the first acquisition unit F23, the second acquisition unit F24, the solution acquisition processing unit F25, and the summarization unit F26 can be replaced with a process that realizes the function.
  • the assignment information identification unit F26a included in the summarization unit F26 can be replaced with the assignment information identification process executed by the summarization unit F26.
  • the input sentence entered by the user is accepted by the input sentence acceptance section F22a of the acceptance section F22.
  • the input sentence reception unit F22a passes the input sentence to the assignment information identification unit F26a of the summary unit F26.
  • the assignment information identification unit F26a identifies an assignment SJ from the input sentence and provides the assignment SJ to the first acquisition unit F23 and the second acquisition unit F24.
  • the assignment information identification unit F26a may also acquire similar past response information from the database DB based on the identified assignment, and provide this information together with the assignment SJ information to the first acquisition unit F23 and the second acquisition unit F24.
  • the first acquisition unit F23 acquires a solution MS using the solution acquisition unit F23a and an algorithm AR using the algorithm acquisition unit F23b based on the provided task SJ.
  • the acquired solution MS and algorithm AR are provided to the solution acquisition processing unit F25.
  • the second acquisition unit F24 acquires a prediction model PM using the prediction model acquisition unit F24a based on the provided assignment SJ.
  • the acquired prediction model PM is provided to the solution acquisition processing unit F25.
  • the solution acquisition processing unit F25 performs an acquisition process using the template acquisition unit F25a based on the provided algorithm AR, i.e., the process of acquiring configuration files and executable program templates from the database DB.
  • the solution acquisition processing unit F25 executes the execution condition setting process using the execution condition setting unit F25b based on the provided solution MS and algorithm AR.
  • the solution acquisition processing unit F25 generates an executable file using the algorithm execution unit F25c and executes the executable file based on the provided prediction model PM and the set execution conditions.
  • results obtained by executing the executable file are provided to an information presentation unit F21a of the presentation processing unit F21 and presented to the user.
  • the result information obtained by the solution acquisition processing unit F25 may be summarized by a presentation information summarization unit F26b of the summarization unit F26, as shown by the dashed line in Figure 6, and then presented to the user by the information presentation unit F21a.
  • the CPU 11 of the user terminal 3 functions as a UI processing unit F31, a receiving processing unit F32, and a transmitting processing unit F33.
  • the UI processing unit F31 receives, for example, a service provided by the processing of the server device 2A, in this example a problem-solving service, and performs UI processing to issue appropriate instructions to the server device 2A.
  • the UI processing unit F31 performs processing to display software for receiving the problem-solving service on the display unit 17 of the user terminal 3.
  • the screen displayed on the display unit 17 includes, for example, a chat field that displays the response history with the AI agent, an input field for posing questions to the AI agent, a send button, etc.
  • the UI processing unit F31 also executes processing according to the detection result of an operation on an operator such as the send button. For example, if it detects that the send button has been pressed while a string of characters has been entered in an input field, the UI processing unit F31 displays the string of characters displayed in the input field in the chat field as the latest comment, and transmits the string of characters to the server device 2A.
  • the receiving processing unit F32 receives text information and files as response information from the server device 2A.
  • the received text information is displayed in the chat box by the UI processing unit F31.
  • the transmission processing unit F33 transmits a character string indicating the content of the comment entered by the user to the server device 2A.
  • the processes of the reception processing unit F32 and the transmission processing unit F33 are realized by the CPU 11 of the user terminal 3 controlling the communication unit 20.
  • step S101 the CPU 11 of the server device 2A accepts an input sentence entered by the user via the user terminal 3.
  • step S102 the CPU 11 of the server device 2A performs an analysis process on the input sentence to understand the content of the sentence. This process is performed using, for example, natural language processing technology.
  • step S103 the CPU 11 of the server device 2A determines whether the content of the input statement presents a problem SJ, i.e., whether it requests the solution of the problem.
  • step S103 If it is determined that the content of the input statement does not request problem solving (step S103: No), the CPU 11 of the server device 2A proceeds to step S104 and performs the appropriate response process.
  • the response process differs depending on the analyzed content of the input statement.
  • the CPU 11 of the server device 2A will use natural language processing technology to generate an explanation of the term and present it to the user.
  • step S103 If it is determined that the content of the input statement is a request for problem solving (step S103: Yes), the CPU 11 of the server device 2A proceeds to step S105 and acquires the solution MS and algorithm AR for solving the problem SJ from the database DB. In this acquisition process, the CPU 11 of the server device 2A searches past information for similar problems SJ and acquires the solution MS and algorithm AR used to solve the corresponding problem SJ.
  • the solution MS and the algorithm AR acquired by the CPU 11 of the server device 2A may be one or more. Furthermore, if a similar task SJ is not found, the CPU 11 of the server device 2A may not acquire the solution MS and the algorithm AR. In this case, the CPU 11 of the server device 2A may notify the user that a similar task SJ is not found.
  • step S106 the CPU 11 of the server device 2A presents the solution MS and algorithm AR obtained from the database DB to the user.
  • the contents of the solution MS and algorithm AR are notified to the user, and a user interface is presented on the user terminal 3 for the user to express their opinion on whether the obtained solution MS and algorithm AR are appropriate.
  • the CPU 11 of the server device 2A may display a message such as "May I proceed using the searched solution and algorithm?" on the display unit 17 of the user terminal 3, and accept input of "Yes” or "No" from the user.
  • step S107 the CPU 11 of the server device 2A performs processing to accept these user ratings. This processing can be said to be processing to receive user rating information.
  • step S108 the CPU 11 of the server device 2A determines whether the user evaluation is a positive evaluation. If the user evaluation is a negative evaluation (step S108: No determination), the CPU 11 of the server device 2A returns to step S105 and again obtains the solution MS and algorithm AR from the database DB.
  • the CPU 11 of the server device 2A may execute a process to have the user select an inappropriate solution MS or algorithm AR from the multiple solutions MS and algorithms AR presented to the user, and after eliminating the inappropriate solution MS or algorithm AR, proceed to the process of step S109.
  • step S108 If the CPU 11 of the server device 2A determines that the user evaluation is a positive evaluation (step S108: Yes judgment), it proceeds to step S109 and selects a solution MS and algorithm AR to be used to obtain a solution AS from one or more extracted solutions MS and algorithms AR.
  • the CPU 11 of the server device 2A then proceeds to the processing shown in Figure 9.
  • step S110 the CPU 11 of the server device 2A determines whether the solution method MS to be used uses the prediction model PM. If the solution method MS and algorithm AR obtained in step S109 are not linked to the prediction model PM, the CPU 11 of the server device 2A determines "No" in step S110.
  • step S110 No determination
  • the CPU 11 of the server device 2A bypasses the processing of step S111 and proceeds to step S112.
  • step S110 Yes determination
  • the CPU 11 of the server device 2A retrieves the prediction model PM linked to the solution method MS and algorithm AR from the database DB in step S111.
  • step S112 the CPU 11 of the server device 2A sets the execution conditions for the algorithm AR.
  • the execution conditions may include the range of possible values for the input data entered into the prediction model PM, as well as other conditions. Other conditions may include, for example, the range of possible values for the parameters that can be set for the prediction model PM and algorithm AR to be used.
  • step S113 the CPU 11 of the server device 2A generates an executable file.
  • this executable file includes a program that executes one or more times the process of inputting a predetermined range of input data into the selected prediction model PM and obtaining output from the prediction model PM.
  • the executable file may also include a process for selecting the data that is optimal for solving the problem from one or more pieces of output data obtained from the prediction model PM.
  • step S114 the CPU 11 of the server device 2A presents the executable file to the user.
  • the CPU 11 of the server device 2A may present the user with information on the possible range of input data to the prediction model PM and execution conditions.
  • step S115 the CPU 11 of the server device 2A accepts the user's rating for the executable file. This process can be described as receiving user rating information.
  • step S116 the CPU 11 of the server device 2A determines whether the user evaluation regarding the executable file is positive. If the user evaluation is negative (step S116: No), the CPU 11 of the server device 2A returns to step S112 and resets the execution conditions again.
  • step S116 Yes determination
  • the CPU 11 of the server device 2A proceeds to step S117 and executes the created executable file.
  • the CPU 11 of the server device 2A then proceeds to the processing shown in Figure 10.
  • step S118 the CPU 11 of the server device 2A presents the execution results of the algorithm AR to the user.
  • the information presented to the user is information before the solution AS is obtained, such as the output results of one or more prediction models PM depending on the amount of input data.
  • the CPU 11 of the server device 2A may also present the final solution AS in step S118.
  • step S119 the CPU 11 of the server device 2A performs processing to accept user evaluations of the presented execution results. This processing can be said to be processing to receive information about user evaluations.
  • step S120 the CPU 11 of the server device 2A determines whether the user evaluation regarding the execution result is a positive evaluation. If the user evaluation is a negative evaluation (step S120: No determination), the CPU 11 of the server device 2A returns to step S112 in FIG. 9 and starts over again from setting the execution conditions.
  • step S120 Yes judgment
  • the CPU 11 of the server device 2A proceeds to step S121, where it generates a solution AS from the obtained execution results and presents it to the user.
  • step S122 the CPU 11 of the server device 2A generates a report summarizing the details of the generated solution AS.
  • the report may be generated by using the summary section F26 function to generate a summary to be displayed in the chat box, or it may be generated as a document file, spreadsheet file, presentation file, or the like.
  • the CPU 11 of the server device 2A presents the report in step S123, and ends the series of processes shown in Figures 8, 9, and 10. Note that the CPU 11 of the server device 2A may return to the process of step S101 after step S123.
  • the first application example is an example of solving a problem SJ related to the design of pixels in an image sensor. Specifically, this is an example of a case where a user inputs a sentence such as, "For a new image sensor equipped with pixels that employ design type AA, please tell me a method for improving the saturation signal amount by 20% or more while relaxing the design margin for the dark signal characteristics of the image.”
  • This input sentence is accepted by the input sentence acceptance unit F22a shown in FIG. 6, and the assignment SJ is identified by the assignment information identification unit F26a.
  • the assignment information identification unit F26a or the first acquisition unit F23 searches the database DB based on the identified assignment and identifies, for example, the following information D1, D2, and D3 as available information.
  • Information D1 Design materials and result information regarding the saturated signal amount in design type AA.
  • information D1 is information different from past response information, and is result information that indicates performance changes when parameters are changed in product design documents, simulations, or actual equipment.
  • Information D1 may be stored in the database DB, or may be stored in a device separate from the database DB.
  • the solution acquisition unit F23a identifies the solution MS used for each of the acquired information D1, D2, and D3, and acquires information about the solution MS.
  • Solution MS information associated with information D1 Optimization of the size of the photomask that affects the implantation area in the ion implantation process
  • Solution MS information associated with information D2 Optimization of the impurity concentration in the ion implantation process to improve the saturation signal amount by 20%
  • Solution MS information associated with information D3 Optimization of the impurity concentration in the ion implantation process to improve the saturation signal amount by 20%
  • the algorithm acquisition unit F23b identifies the algorithm AR used for each of the acquired information D1, D2, and D3, and acquires information about the algorithm AR.
  • An example of an acquired algorithm AR is shown below.
  • the information presentation unit F21a presents the information acquired by the solution acquisition unit F23a and the algorithm acquisition unit F23b to the user in the following form, for example:
  • the saturated signal level was improved by optimizing the photomask.
  • the saturated signal level was improved by optimizing the impurity concentration in the ion implantation process. Furthermore, in the past information for design types AA and AB, optimization was performed using reinforcement learning. Furthermore, in the past information for design type AC, optimization was performed using single-objective optimization.”
  • the information presentation unit F21a performs processing to request the user to input an evaluation by presenting the following sentence:
  • the user can give a positive or negative evaluation of the proposed method by entering "Yes” or "No” in response to this statement.
  • the CPU 11 of the server device 2A will decide to use the solution method MS, "optimization of impurity concentration in the ion implantation process," and the algorithm AR, "reinforcement learning.” With this decision, the server device 2A will have decided to obtain the solution AS by referring to the information D2 described above.
  • the prediction model acquisition unit F24a acquires a prediction model PM based on the previous information D2.
  • the acquired prediction model PM is referred to as prediction model PM1.
  • the template acquisition unit F25a acquires the algorithm AR used to solve the current problem SJ, i.e., the configuration file and execution program template for performing reinforcement learning, from the database DB.
  • the execution condition setting unit F25b sets the execution conditions.
  • the execution conditions set here include, for example, information such as parameters to be adjusted, reward functions, desired performance information, and design margins, and are set so that these fall within appropriate physical or mathematical ranges.
  • the parameter to be adjusted is, for example, the impurity concentration itself, or a parameter that affects the impurity concentration.
  • the reward function is the reward function used in information D2.
  • the performance information to be achieved is the value obtained by multiplying the design value of the saturation signal amount by 1.2, i.e., the value indicating a 20% improvement in the saturation signal amount.
  • the design margin is, for example, a parameter indicating the design margin of the dark signal characteristics of the image.
  • the algorithm execution unit F25c generates an executable file taking into account the execution conditions.
  • the information presentation unit F21a then presents the executable file and the following text, requesting the user to enter an evaluation.
  • the user can enter “Yes” or “No” in response to this prompt to give a positive or negative evaluation of the execution conditions, etc.
  • the algorithm execution unit F25c of the server device 2A executes the created executable file and obtains the results.
  • the user can also change the constraints, such as parameters.
  • the user can enter the following input sentence:
  • the execution condition setting unit F25b reconsiders the execution conditions and presents them to the user again.
  • the information presentation unit F21a performs processing to compile the execution results of the algorithm execution unit F25c into text, images, or files and present them to the user. Note that the presentation of result information by the algorithm execution unit F25c may be performed by presenting a summary obtained through summary processing performed by the presentation information summary unit F26b.
  • the file that the information presentation unit F21a presents to the user may be, for example, a file that describes various data for each input of input data to the prediction model PM that is repeatedly executed and each acquisition of output data, such as a file that describes information such as the design margins and reward functions for the saturation signal amount and dark signal characteristics in correspondence with each other.
  • the second application example is an example of solving problem SJ related to the design of a micro-channel chip in which a micro-channel structure is formed on a substrate by microfabrication. Specifically, this is an example of a case in which a user inputs the following sentence: "For the design of micro-channel chip type BB, please propose a design plan that maximizes the flow rate in section CD under manufacturable conditions.”
  • the assignment information identification unit F26a or the first acquisition unit F23 searches the database DB based on the identified assignment and identifies, for example, the following information D4 and D5 as available information.
  • Information D4 Design materials and result information regarding the conditions for manufacturing in design type BB.
  • information D4 is information different from past response information, and is result information that indicates performance changes when parameters are changed in product design documents, simulations, or actual equipment.
  • Information D4 may be stored in database DB, or in a database separate from database DB.
  • the solution acquisition unit F23a identifies the solution MS used for each piece of acquired information D4 and D5, and acquires information about the solution MS.
  • solution MSs For example, the following two solution MSs are obtained. Note that although they are called solution MSs, the information about the solution MSs linked to information D4 can be rephrased as information about the conditions under which manufacturing is possible.
  • Solution MS information associated with information D4 Set the conditions so that the cross-sectional area is X2 or more and the length of each side is Y2 or more.
  • Solution MS information associated with information D5 Adjust the cross-sectional area using information D5 and general information.
  • the algorithm acquisition unit F23b identifies the algorithm AR used for each of the acquired information D4 and D5, and acquires information about the algorithm AR.
  • information D4 is information about manufacturable conditions, and since no algorithm AR exists for it, an example of the algorithm AR acquired for information D5 is shown here.
  • Algorithm AR information linked to information D5 Analyzing the trade-off between flow rate and pressure loss using multi-objective optimization.
  • the information presentation unit F21a presents the information acquired by the solution acquisition unit F23a and the algorithm acquisition unit F23b to the user in the following form, for example:
  • the cross-sectional area must be at least X2, and the length of each side must be at least Y2.
  • the cross-sectional area was adjusted using information D5 and general information.
  • the trade-off between flow velocity and pressure loss was analyzed using multi-objective optimization.
  • the information presentation unit F21a performs processing to request the user to input an evaluation by presenting the following sentence:
  • the user can give a positive or negative evaluation of the proposed method by entering "Yes” or "No” in response to this statement.
  • the CPU 11 of the server device 2A will decide to use the solution method MS of "adjusting the cross-sectional area within the constraints" and the algorithm AR of "multi-objective optimization.” With this decision, the server device 2A will have decided to obtain the solution AS by referring to the information D4 and information D5 mentioned above.
  • the prediction model acquisition unit F24a acquires a prediction model PM based on the previous information D5.
  • the acquired prediction model PM is referred to as prediction model PM2.
  • the template acquisition unit F25a acquires the algorithm AR used to solve the current problem SJ, i.e., the configuration file and execution program template for performing multi-objective optimization, from the database DB.
  • the execution condition setting unit F25b sets the execution conditions.
  • the execution conditions set here include information such as parameters to be adjusted, optimization indices, and design margins, and are set so that these fall within appropriate physical or mathematical ranges.
  • the parameters to be adjusted are, for example, the cross-sectional area itself or parameters that affect the cross-sectional area.
  • the optimization indices are the flow velocity and pressure loss.
  • the design margin is, for example, a parameter indicating the cross-sectional area or the length of each side.
  • the algorithm execution unit F25c generates an executable file taking into account the execution conditions.
  • the information presentation unit F21a then presents the executable file and the following text, requesting the user to enter an evaluation.
  • the user can enter “Yes” or “No” in response to this prompt to give a positive or negative evaluation of the execution conditions, etc.
  • the algorithm execution unit F25c of the server device 2A executes the created executable file and obtains the results.
  • the execution condition setting unit F25b will reconsider the execution conditions based on the analysis results of the entered sentence and present them to the user again.
  • the information presentation unit F21a performs processing to present the execution results of the algorithm execution unit F25c to the user in the form of text, an image, or a file.
  • the image may be, for example, a graph image showing the relationship between pressure loss on the X axis and flow velocity on the Y axis.
  • the presentation of the result information by the algorithm execution unit F25c may be performed by presenting a summary obtained by performing a summary process by the presentation information summarization unit F26b.
  • the third application example is an example of solving a problem SJ related to the design of pixels in an image sensor. Specifically, this is an example of a case where a user inputs a sentence such as, "For a new image sensor equipped with pixels that employ design type CC, please tell me the conditions that maximize the yield based on prototype data DD.”
  • This input sentence is accepted by the input sentence acceptance unit F22a shown in FIG. 6, and the assignment SJ is identified by the assignment information identification unit F26a.
  • the assignment information identification unit F26a or the first acquisition unit F23 searches the database DB based on the identified assignment and identifies, for example, the following information D6 as available information.
  • the solution acquisition unit F23a identifies the solution MS used in the acquired information D6 and acquires information about the solution MS. However, in this example, there is no solution MS used in information D6. Therefore, the solution acquisition unit F23a cannot identify the solution MS used in information D6 and cannot acquire the information. That is, in step S105 of FIG. 8, the CPU 11 of the server device 2A may acquire only the algorithm AR without acquiring the solution MS. Similarly, in step S106, the CPU 11 of the server device 2A may present only the algorithm AR without presenting the solution MS.
  • the algorithm acquisition unit F23b identifies the algorithm AR used in the acquired information D6 and acquires information about the algorithm AR.
  • An example of an acquired algorithm AR is shown below.
  • Algorithm AR information linked to information D6 Using formula (1) for calculating yield, we find the variables that maximize yield.
  • the information presentation unit F21a presents the information acquired by the solution acquisition unit F23a and the algorithm acquisition unit F23b to the user in the following form, for example:
  • the information presentation unit F21a performs processing to request the user to input an evaluation by presenting the following sentence:
  • the user can give a positive or negative evaluation of the proposed method by entering "Yes” or "No” in response to this statement.
  • the CPU 11 of the server device 2A decides to use the algorithm AR "executing a calculation flow using specific formula (1).” With this decision, the server device 2A has decided to obtain the solution AS by referring to the information D6 described above.
  • the prediction model acquisition unit F24a acquires the prediction model PM based on the previous information D6. However, in this example, experimental data is used, so there is no need to use the prediction model PM. Therefore, the prediction model acquisition unit F24a does not acquire the prediction model PM. In other words, the CPU 11 of the server device 2A judges "No" in step S110 of FIG. 9.
  • the template acquisition unit F25a acquires from the database DB the algorithm AR used to solve the current problem SJ, i.e., a program template for "executing a calculation flow using a specific formula (1).” This program reads the prototype data DD and calculates the yield.
  • the execution condition setting unit F25b sets the execution conditions.
  • the execution conditions set here include, for example, information about the data to be read and the formula to be applied.
  • the data to be read is prototype data DD.
  • the formula to be applied is formula (1).
  • the algorithm execution unit F25c generates an executable file taking into account the execution conditions.
  • the information presentation unit F21a then presents the executable file and the following text, requesting the user to enter an evaluation.
  • the user can enter “Yes” or “No” in response to this prompt to give a positive or negative evaluation of the execution conditions, etc.
  • the algorithm execution unit F25c of the server device 2A executes the created executable file and obtains the results.
  • the execution condition setting unit F25b will reconsider the execution conditions based on the analysis results of the entered sentence and present them to the user again.
  • the information presentation unit F21a performs processing to present the execution results of the algorithm execution unit F25c to the user in the form of text, an image, or a file. Examples of images that can be used include bar graph images showing the yield for each of the conditions ZZ1, ZZ2, and ZZ3.
  • the presentation of the result information by the algorithm execution unit F25c may be performed by presenting a summary obtained by performing a summary process by the presentation information summarization unit F26b.
  • condition ZZ3 The condition that maximizes yield is condition ZZ3.
  • the information processing system 1B in the second embodiment is an example in which the function of the solution acquisition processing unit F25 is executed by a device different from the server device 2.
  • FIG. 11 An example configuration of information processing system 1B is shown in Figure 11.
  • Information processing system 1B includes a server device 2B, a user terminal 3, a database DB managed by server device 2B, and an application server device 4.
  • FIG. 12 is a diagram showing an example of the functions and information flow of the CPU 11 of the server device 2B and the application server device 4.
  • the server device 2B functions as the presentation processing unit F21, the reception unit F22, the first acquisition unit F23, the solution acquisition processing unit F25, and the summarization unit F26 described above when the CPU 11 executes the programs.
  • server device 2B functions as a solution acquisition processing unit F25B when the CPU 11 executes a program.
  • the solution acquisition processing unit F25B realizes the functions of the prediction model acquisition unit F24a provided in the second acquisition unit F24 of the server device 2A, the functions of the template acquisition unit F25a provided in the solution acquisition processing unit F25 of the server device 2A, the functions of the execution condition setting unit F25b, and the functions of the algorithm execution unit F25c.
  • the application server device 4 has the functions of a prediction model acquisition unit F24a, a template acquisition unit F25a, an execution condition setting unit F25b, and an algorithm execution unit F25c.
  • the application server device 4 identifies the prediction model PM to be used in the algorithm AR, obtains a template based on the solution MS and problem SJ, sets execution conditions, and then executes the algorithm AR.
  • the application server device 4 also provides the execution results of the algorithm AR to the server device 2B.
  • the solution acquisition processing unit F25B of the server device 2B only needs to generate input data for the application server device 4, thereby reducing the processing burden on the server device 2B.
  • the information processing system 1B may use an algorithm execution tool installed in the server device 2B to realize the functions of a prediction model acquisition unit F24a, a template acquisition unit F25a, an execution condition setting unit F25b, and an algorithm execution unit F25c. That is, the solution acquisition processing unit F25B of the server device 2B may include the functions of the application server device 4.
  • the application server device 4 and the algorithm execution tool may be prepared by the company that manages the information processing system 1C, or may be provided by, for example, an EDA (Electronic Design Automation) vendor.
  • EDA Electronic Design Automation
  • the third embodiment is an example in which the server device 2 is configured by a plurality of devices.
  • the information processing system 1C includes multiple server devices 2C1 and 2C2, a database DB managed by the server device 2C2, and a user terminal 3.
  • Server device 2C1, server device 2C2, and user terminal 3 are connected to each other via communication network NW so that they can communicate with each other.
  • the server device 2C1 is an information processing device that sends and receives information to and from the user terminal 3. Users use the user terminal 3 to send various requests to the server device 2C1, thereby enjoying the services provided by the information processing system 1C.
  • Server device 2C1 transmits a request to server device 2C2 as appropriate in response to a user request received via user terminal 3. In other words, server device 2C1 fulfills the user request by utilizing server device 2C2.
  • server device 2C1 and server device 2C2 are shown in Figure 14.
  • the server device 2C1 is an information processing device that has the functions of a reception unit F22 that receives text input by the user, a summary unit F26 that summarizes the received text and information to be presented to the user, and a presentation processing unit F21 that presents information to the user.
  • Server device 2C2 is an information processing device that performs appropriate processing in response to requests received from server device 2C1. As shown in FIG. 14, server device 2C2 is an information processing device that has the functions of a first acquisition unit F23 that acquires information on the solution method MS and algorithm AR from a database DB, a second acquisition unit F24 that acquires information on the prediction model PM, and a solution acquisition processing unit F25 that acquires a solution AS for the task SJ based on that information.
  • FIG. 13 shows an example in which the database DB is provided externally to the server device 2C2
  • the database DB may also be provided internally to the server device 2C2, as shown in FIG. 14.
  • Server device 2C1 analyzes the input text from the user, and if it is able to identify the problem SJ, it requests server device 2C2 to generate a solution AS to solve the problem SJ.
  • Server device 2C2 receives a request to generate a solution AS, performs each process, and outputs the resulting solution AS to server device 2C1.
  • the presentation processing unit F21 receives solution AS information and report information from the server device 2C2.
  • the information presentation unit F21a of the presentation processing unit F21 may summarize the information to be presented to the user using the function of the presentation information summary unit F26b of the summary unit F26 as appropriate.
  • the process of the reception unit F22 is executed by the first processor provided in the server-side device of the information processing system 1C, that is, the CPU 11 of the server device 2C1.
  • the processing as the first acquisition unit F23 is executed by a second processor provided in the server-side device of the information processing system 1C, that is, the CPU 11 of the server device 2C2.
  • the processes of the reception unit F22 and the first acquisition unit F23 may be executed by different processors, thereby distributing the load.
  • the processing as the second acquisition unit F24 is executed by a second processor provided in the server-side device of the information processing system 1C, that is, the CPU 11 of the server device 2C2.
  • the processes of the reception unit F22 and the second acquisition unit F24 may be executed by different processors, thereby distributing the load.
  • the processing as the solution acquisition processing unit F25 is executed by the second processor provided in the server-side device of the information processing system 1C, that is, the CPU 11 of the server device 2C2.
  • the processes of the reception unit F22 and the solution acquisition processing unit F25 may be executed by different processors, thereby distributing the load.
  • each function may be realized using three or more server devices 2.
  • a server device 2 having the function of the first acquisition unit F23, a server device 2 having the function of the second acquisition unit F24, and a server device 2 having the function of the solution acquisition processing unit F25 may each be provided as separate information processing devices.
  • the database DB may be, for example, a graph database represented by information and distance information between each piece of information.
  • each piece of information is represented as a "node (ND)," and the connections between pieces of information are represented as “edges (ED).”
  • the distance DT of each piece of information can be expressed as the number of edges ED included when connecting the nodes ND via the shortest distance. In other words, the distance DT between two pieces of information connected by one edge ED is set to "1".
  • the database DB stores causal relationship diagrams that are presented to the user as appropriate in response to input of a problem-solving prompt.
  • Causal relationship diagrams can include various types of diagrams that are expressed by connecting information with lines, such as fishbone diagrams (CE diagrams) and mind maps.
  • a fishbone diagram will be used as an example.
  • the database DB construction function may be provided, for example, by the server device 2A (2B, 2C) in the information processing system 1 (1A, 1B, 1C) described above, or by the database DB calculation unit.
  • the server devices 2A, 2B, and 2C will be referred to as the "server device 2" without distinction.
  • Figure 15 shows an example in which the server device 2 has a database DB construction function.
  • the CPU 11 of the server device 2 functions as a presentation processing unit F21, a reception unit F22, a first acquisition unit F23, a second acquisition unit F24, a solution acquisition processing unit F25, a summary unit F26, and also as an information management unit F27.
  • the information management unit F27 performs a process of adding new information to the database DB and reconstructing it. Note that the information management unit F27 may also have the function of acquiring information from the database DB, as described above. In other words, the information management unit F27 may have the function of executing various processes related to the information stored in the database DB.
  • the information management unit F27 retrieves one fishbone diagram from multiple fishbone diagrams stored in the database DB.
  • the retrieved fishbone diagram is presented to the user by the presentation processing unit F21.
  • FIG. 16 An example of a fishbone diagram presented to the user is shown in Figure 16.
  • the fishbone diagram shown in Figure 16 has a task SJ called "Occurrence of a network failure" placed on it, and multiple parent factors are placed on the spine connected to the task SJ.
  • the parent factors in the fishbone diagram shown in Figure 16 are "people,” “machines,” “methods,” “materials,” and “measurements.”
  • the child factors of the parent factor "people” are “misconfiguration,” “lack of training,” “operational errors,” “misconfiguration of permissions,” and “lack of communication.”
  • the user decides and provides feedback on whether or not they would like the fishbone diagram used to present a solution AS for task SJ, i.e., whether or not they would like to use the presented fishbone diagram to solve task SJ.
  • the information management unit F27 retrieves a different fishbone diagram from the database DB. The retrieved fishbone diagram is then re-presented by the presentation processing unit F21.
  • the reacquired fishbone diagram differs from the originally acquired fishbone diagram in the areas indicated by the thick dashed rectangle.
  • GUI Graphic User Interface
  • DHCP Dynamic Host Configuration Protocol
  • IP address misconfiguration is connected as a grandchild factor to the child factor "Network service failure.”
  • the fishbone diagram shown in Figure 16 is intended to resolve a network failure on a server using Company A's OS (Operating System), for example.
  • the fishbone diagram shown in Figure 17 is designed to resolve network failures on a server using an open source OS.
  • the fishbone diagram selected will vary depending on the user's individual situation and conditions. Multiple types of fishbone diagrams can be stored in the database DB for the same type of task SJ.
  • this intention information is sent to the server device 2.
  • the server device 2 receives the intention information via the reception unit F22, and the information management unit F27 generates the information to be presented to the user next.
  • the information management unit F27 functions as a search processing unit F27a and a graph data generation unit F27b that generates information based on graph theory (hereinafter referred to as "graph data GD").
  • the graph data generation unit F27b generates graph data GD having nodes ND and distances DT based on the fishbone diagram selected by the user.
  • the graph data generation unit F27b first inputs a fishbone diagram as an image and performs processing to output text information. This processing is performed, for example, using an AI model that extracts text information from images.
  • Network failure occurs ⁇ node1: people, node2: configuration errors, lack of training, operational errors, permission settings errors, lack of communication ⁇ , ⁇ node1:machine, node2:network device, hardware failure, network card, server failure, driver failure ⁇ , ⁇ node1:method, node2:CLI configuration error, ⁇ network service failure, node3:IP address misconfiguration ⁇ , routing configuration error, DNS configuration error, packet filter misconfiguration ⁇ , ⁇ node1:material, node2:faulty cable, faulty wiring, incorrect cable, improper hardware, incorrect server settings ⁇ , ⁇ node1: measurement, node2: poor log acquisition, monitoring tool, incomplete server log, faulty measuring equipment, inaccurate data ⁇
  • the text information generated in this way includes information on the nodes ND and the distances DT between the nodes ND.
  • the graph data generation unit F27b generates graph data GD using the text information. An example of the generated graph data GD is shown in FIG.
  • the graph data GD is data based on the fishbone diagram shown in Figure 17, in which child and grandchild factors are arranged according to the distance DT, starting from a parent factor called "Method.”
  • the graph data generation unit F27b further links information (such as the aforementioned information D1 and information D2) to each child factor and grandchild factor in the graph data GD.
  • the search processing unit F27a extracts information that has a high affinity with each factor from the information stored in the database DB.
  • the graph data generation unit F27b links the information extracted by the search processing unit F27a to each factor.
  • this information is referred to as "materials.”
  • each of documents A to M is linked to one of the child or grandchild factors.
  • the graph data GD generated in this way will have different data amounts for each child factor and grandchild factor.
  • the data amount is expressed, for example, in bytes.
  • Graph data GD is stored in the database DB as appropriate.
  • FIG. 19 only shows graph data GD for one parent factor, "Method,” for the issue SJ, "Occurrence of a network failure," in reality, for the issue SJ, "Occurrence of a network failure," graph data GD for the parent factor, "People,” graph data GD for the parent factor, “Machine,” graph data GD for the parent factor, “Materials,” graph data GD for the parent factor, “Measurement,” and so forth are stored in the database DB.
  • one graph data GD may be stored for one task SJ.
  • the task SJ may also be treated as one node ND, and graph data GD in which each parent factor is linked to the node ND as the task SJ by an edge ED may be stored in the database DB (see Figure 20). Note that Figure 20 does not show how materials are linked.
  • the aforementioned first acquisition unit F23 obtains the solution MS and algorithm AR using the graph data GD stored in the database DB.
  • the first acquisition unit F23 may also have a function for determining a search range in the graph data GD.
  • the first acquisition unit F23 may set the range surrounded by the dashed dotted line shown in FIG. 20 as the search range for the solution MS or algorithm AR.
  • the first acquisition unit F23 acquires the solution MS and algorithm AR using natural language processing technology with a large-scale language model.
  • the large-scale language model has a predetermined context length that it can handle.
  • search range shown in Figure 20 is excerpted and shown in Figure 21, with parent factors A1-A2, child factors B1-B6, and grandchild factors C1-C2 shown to distinguish each node ND.
  • the first acquisition unit F23 determines the prompt to be input into the large-scale language model to obtain the solution MS and algorithm AR based on the context length for each element.
  • prompts are created by grouping factors so that the context length of each element is 100k or less.
  • child factor B1 (30k), child factor B2 (15k), child factor B3 (20k), grandchild factor C1 (15k), and grandchild factor C2 (20k) form the first group G1.
  • child factor B4 (10k), child factor B5 (40k), and child factor B6 (50k) are grouped into the second group G2.
  • the first group G1 and the second group G2 are indicated by dashed double-dashed lines in Figure 21.
  • the prompt for obtaining the solution MS with the first group G1 as the search range is called the first prompt PP1.
  • FIG. 22 An example of the first prompt PP1 is shown in Figure 22.
  • the "context linked to child factor B1" in Figure 22 refers to image information, text information, etc. about the material linked to child factor B1.
  • "text information” can include not only sentence information but also information expressed in tables, graphs, etc.
  • the prompt for obtaining the solution MS with the second group G2 as the search range is referred to as the second prompt PP2.
  • An example of the second prompt PP2 is shown in Figure 23.
  • the first acquisition unit F23 can appropriately acquire the solution MS.
  • the solutions MS and algorithms AR obtained for each group are temporarily stored in memory, etc., as appropriate.
  • the algorithm acquisition unit F23b of the first acquisition unit F23 may acquire the algorithm AR for each solution MS
  • the prediction model acquisition unit F24a may acquire the prediction model PM for each solution MS.
  • the information on the solution method MS, algorithm AR, and prediction model PM obtained for each group in this way is presented to the user by the information presentation unit F21a.
  • FIG. 24 An example of the process executed by the CPU 11 of the server device 2 in this embodiment is shown in Figures 24 and 25.
  • the connection between the processes in both figures is indicated by a connector C4. Note that the same steps as those shown in FIG. 8 are denoted by the same step numbers and the description thereof will be omitted where appropriate.
  • step S101 the CPU 11 of the server device 2 accepts an input sentence entered by the user using the user terminal 3.
  • step S102 the CPU 11 of the server device 2 performs an analysis process on the input sentence to understand the content of the sentence. This process is performed using, for example, natural language processing technology.
  • step S103 the CPU 11 of the server device 2 determines whether the content of the input sentence presents task SJ.
  • step S103 If it is determined that the content of the input statement does not request problem solving (step S103: No), the CPU 11 of the server device 2A proceeds to step S104 and performs the appropriate response process.
  • the response process differs depending on the analyzed content of the input statement.
  • step S103 If it is determined that the content of the input statement is a request for problem solving (step S103: Yes), the CPU 11 of the server device 2 proceeds to step S201 and obtains a causal relationship diagram (e.g., a fishbone diagram) related to the problem SJ from the database DB.
  • a causal relationship diagram e.g., a fishbone diagram
  • the CPU 11 of the server device 2A searches for similar problems SJ from past information and obtains the fishbone diagram used to solve the corresponding problem SJ.
  • step S202 the CPU 11 of the server device 2 presents the user with a fishbone diagram as a causal relationship diagram.
  • step S203 the CPU 11 of the server device 2 performs a process of accepting a user's evaluation of the presented fishbone diagram.
  • This process can be said to be a process of receiving user evaluation information indicating whether the fishbone diagram is appropriate for solving the problem SJ.
  • step S108 the CPU 11 of the server device 2 determines whether the user evaluation is a positive evaluation. If the user evaluation is a negative evaluation (step S204: No determination), the CPU 11 of the server device 2 returns to step S201 and retrieves an unpresented fishbone diagram from the database DB.
  • step S204 Yes judgment
  • the CPU 11 of the server device 2 proceeds to step S205 and generates graph data GD for the fishbone diagram for which the user's positive evaluation has been obtained.
  • the fishbone diagram to be processed is converted into text to obtain text information, and the graph data GD is then generated based on the text information.
  • the data stored in the database DB is also linked to each node ND in the graph data GD.
  • the CPU 11 of the server device 2 then proceeds to step S206 in FIG. 25 and determines the search range.
  • the search range is determined based on the context length for each document.
  • step S207 the CPU 11 of the server device 2 creates a prompt to be input to the AI agent based on the search range.
  • step S208 the CPU 11 of the server device 2 obtains answer information by inputting the created prompt into the AI agent.
  • step S209 the CPU 11 of the server device 2 performs processing to store the acquired response information in the RAM 13, storage unit 19, etc.
  • step S210 the CPU 11 of the server device 2 determines whether a comprehensive search for answer information using the graph data GD has been performed. If there are any nodes ND or materials that make up the graph data GD that have not been used to generate an answer, the CPU 11 of the server device 2 determines "No" in step S210.
  • step S210 If it is determined that a comprehensive search has not been completed (step S210: No), the CPU 11 of the server device 2 proceeds to step S206 and sets the search range so that it does not overlap. As a result, different prompts are generated and different answer information is obtained.
  • step S210 the CPU 11 of the server device 2 proceeds to step S211 and generates a single piece of aggregated answer information using one or more pieces of answer information stored in the RAM 13 or the memory unit 19.
  • step S212 the CPU 11 of the server device 2 performs processing to present the aggregated response information to the user.
  • step S212 the CPU 11 of the server device 2 may execute further processing.
  • the CPU 11 of the server device 2 performs processing to obtain evaluation information on whether the presented answer information is appropriate.
  • the CPU 11 of the server device 2 proceeds to the process of step S105 in FIG. 8, and executes the process of acquiring the solution MS and the algorithm AR. That is, after completing the processing of Figures 24 and 25, the CPU 11 of the server device 2 may further execute a series of processes from step S105 of Figure 8 to step S123 of Figure 10 if the answer information presented to the user is valid.
  • the first variation is an example in which, in step S101 of Figure 24, if an image representing a causal relationship diagram is input when an input sentence is accepted, the process branches to execute the processes from step S205 onwards.
  • step S102 the CPU 11 of the server device 2 analyzes the user input received in step S101.
  • the CPU 11 of the server device 2 performs branching processing in steps S221 and S103 depending on the analysis results.
  • step S221 the CPU 11 of the server device 2 determines whether the information entered by the user is a causal relationship diagram such as a fishbone diagram. If it is determined that the information is not a causal relationship diagram (step S221: No), the CPU 11 of the server device 2 proceeds to step S103.
  • a causal relationship diagram such as a fishbone diagram
  • step S221 Yes
  • the CPU 11 of the server device 2 proceeds to step S205 and generates graph data GD using the input causal relationship diagram.
  • the CPU 11 of the server device 2 Before or after the process of step S205, the CPU 11 of the server device 2 preferably performs a process of storing the causal relationship diagram input by the user in the database DB. This allows the CPU 11 of the server device 2 to acquire and present the newly added causal relationship diagram the next time the processes of steps S201 and S202 are performed.
  • the user may be prompted by the CPU 11 of the server device 2 to input a causal relationship diagram as necessary. For example, if the user determines that the causal relationship diagram presented by the CPU 11 of the server device 2 is inappropriate and there are no causal relationship diagrams available to present to the user, the CPU 11 of the server device 2 may perform processing to prompt the user to create and input a causal relationship diagram.
  • the second variation is an example in which the user specifies the search range instead of the CPU 11 of the server device 2 executing the process of determining the search range in step S206 of FIG. 25.
  • FIG. 27 An example of the processing flow for this modified example is shown in Figure 27. Note that the series of processes shown in Figure 27 are executed following the processes in Figure 24 or Figure 26. Of the processes, the following will mainly explain those that differ from Figure 25.
  • step S205 After performing the graph data GD generation process in step S205, the CPU 11 of the server device 2 proceeds to the process of step S241.
  • step S241 the CPU 11 of the server device 2 performs processing to present the generated graph data GD to the user.
  • step S242 the CPU 11 of the server device 2 accepts a user operation specifying a search range.
  • This process is, for example, a process of identifying and acquiring child factors and grandchild factors selected by the user.
  • step S243 the CPU 11 of the server device 2 determines whether the total context length of the materials included in the search range specified by the user falls within a predetermined range.
  • step S243: No If it is determined that the total context length is not within the specified range and there is a problem (step S243: No), the CPU 11 of the server device 2 returns to the processing of step S242 and accepts the user's search range specification operation again.
  • step S243 Yes determination
  • the CPU 11 of the server device 2 proceeds to processing in step S207.
  • the CPU 11 of the server device 2 creates a prompt based on the search range specified in step S207.
  • step S208 the CPU 11 of the server device 2 obtains answer information by inputting the created prompt into the AI agent.
  • step S209 the CPU 11 of the server device 2 performs processing to store the acquired response information in the RAM 13, storage unit 19, etc.
  • step S210 the CPU 11 of the server device 2 determines whether a comprehensive search for answer information using the graph data GD has been performed.
  • step S210 the user may be prompted to select whether or not to specify a different search range. If the user indicates an intention to specify a different search range, the CPU 11 of the server device 2 returns to step S242, accepts the operation to specify a new search range, and executes the series of processes that follow from step S243.
  • the user may specify the search range by giving a general instruction. For example, if the user inputs a sentence indicating that they wish to conduct a "detailed" study, the CPU 11 of the server device 2 will set the search range to include not only child factors and grandchild factors in the graph data GD, but also great-grandchild factors and factors at deeper levels, in other words, factors that are farther away.
  • the CPU 11 of the server device 2 will set the search range to include only child factors or grandchild factors in the graph data GD; in other words, excluding factors that are far away.
  • FIG. 28 is an example of a fishbone diagram for a fault in a pipe through which a fluid flows.
  • the fishbone diagram includes four parent factors: "Materials,” “Design,” “Assembly,” and “Operation.”
  • the fishbone diagram shown in Figure 28 includes great-grandchild factors, which are even lower-level concepts than grandchild factors.
  • the child factors of the parent factor "design” are "stress concentration” and "state transition estimation.”
  • the child factors of the child factor “stress concentration” are "manufacturing variations in piping” and “estimated values at the time of design.”
  • CAE Computer Aided Engineering
  • 1D CAE refers to one-dimensional models and methods that can evaluate the design process from upstream to downstream, and is primarily used for functional design.
  • 3D CAE refers to three-dimensional models and methods that are used to perform more detailed analysis once the design has progressed to a certain extent, and are capable of reproducing realistic behavior.
  • causal relationship diagrams such as fishbone diagrams may include not only parent, child, and grandchild factors, but also great-grandchild factors and factors below them, as a hierarchy of factors.
  • Figure 29 is an example of a fishbone diagram for an error in an app (application).
  • the fishbone diagram includes three parent factors: "Environment,” “Design,” and “Operation.”
  • the causal relationship diagram may be a fishbone diagram that includes three or fewer parent factors.
  • a causal relationship diagram such as a fishbone diagram may be created using a large-scale language model. That is, when the user evaluates a fishbone diagram presented to the user negatively, the CPU 11 of the server device 2 may execute a process of creating a new fishbone diagram in the large-scale language model or a process of improving the fishbone diagram presented to the user into the large-scale language model.
  • the fourth application example is an example in which the database DB used in the first application example described above is constructed as a graph database.
  • the CPU 11 of the server device 2 which implements the database DB construction function, accepts input of the task SJ and obtains, for example, a fishbone diagram as a causal relationship diagram.
  • the CPU 11 of the server device 2 generates graph data GD based on the fishbone diagram.
  • the CPU 11 of the server device 2 generates a prompt based on the search range appropriately set in the graph data GD. If multiple search ranges are set, a prompt is generated for each search range.
  • the generated prompt includes, for example, the aforementioned information D1, information D2, and information D3. Note that information D1, D2, and D3 correspond to materials A and B shown in Figure 19, respectively.
  • the CPU 11 of the server device 2 obtains answer information by inputting the generated prompt into the AI agent.
  • the answer information obtained here includes information on the solution MS linked to information D1, which is the information described above for “optimizing the size of the photomask, which affects the implantation area in the ion implantation process," information on the solution MS linked to information D2, which is the information described above for “optimizing the impurity concentration in the ion implantation process to improve the saturation signal amount by 20%, and information on the solution MS linked to information D3, which is the information described above for "optimizing the impurity concentration in the ion implantation process to improve the saturation signal amount by 20%.”
  • one solution MS may be obtained by inputting one prompt, or three solution MSs may be obtained by inputting one prompt.
  • the answer information obtained by entering the prompts includes not only information about the solution method MS, but also information about the algorithm AR as appropriate.
  • one or more solutions MS and algorithms AR are obtained as answer information.
  • the CPU 11 of the server device 2 generates a single answer information that aggregates all of the information based on these solutions MS and algorithms AR.
  • this one piece of answer information would be, "In the past information for design type AA, efforts were made to improve the amount of saturated signal by optimizing the photomask. In the past information for design types AB and AC, efforts were made to improve the amount of saturated signal by optimizing the impurity concentration in the ion implantation process. In the past information for design types AA and AB, optimization was performed using reinforcement learning. In the past information for design type AC, optimization was performed using single-objective optimization.”
  • the CPU 11 of the server device 2 presents this aggregated response information to the user, along with information such as, "Based on the above information, we will use reinforcement learning to optimize the impurity concentration in the ion implantation process and present the results of our investigation. Is it OK to proceed?"
  • the database DB can be used as the database DB used in the above-mentioned application examples 1, 2, and 3.
  • the information processing system 1 (1A, 1B, 1C) includes a reception unit F22 that receives input of a problem SJ from a user, a first acquisition unit F23 that acquires, from a database DB, a solution MS for solving the problem SJ received by the reception unit F22 and an algorithm AR for realizing the solution MS, a second acquisition unit F24 that acquires, from the database DB, a prediction model PM (PM1, PM2) suitable for the solution MS acquired by the first acquisition unit F23, and a solution acquisition processing unit F25 (F25B) that obtains a solution AS for the problem SJ using the algorithm AR to which the execution conditions for the algorithm AR acquired by the first acquisition unit F23 are applied and the prediction model PM acquired by the second acquisition unit F24.
  • a reception unit F22 that receives input of a problem SJ from a user
  • a first acquisition unit F23 that acquires, from a database DB
  • a solution MS for solving the problem SJ received by the reception unit F22 and an algorithm AR for realizing the
  • the reception unit F22 is, for example, a function that interacts with the user as an AI agent.
  • the "solution MS" acquired by the first acquisition unit F23 is a method for solving the problem SJ.
  • the "algorithm AR" acquired by the first acquisition unit F23 is a technique for realizing the solution MS.
  • the solution AS obtained based on interaction with a large-scale language model may not be a physically or mathematically guaranteed solution AS. However, with this configuration, even when a large-scale language model is used, the solution MS and algorithm AR obtained from the database DB are selected, and then the algorithm AR is executed to obtain the solution AS.
  • the presented algorithm AR is based on past performance and is physically and mathematically guaranteed. Furthermore, the solution AS obtained by executing the algorithm AR can also be physically or mathematically guaranteed. Furthermore, the user can achieve his or her objective by directly applying the solution AS obtained using the information processing system to the real environment.
  • the solution acquisition processing unit F25 may obtain the solution AS using an algorithm AR to which execution conditions are applied without using the prediction model PM.
  • Some solutions MS do not require the prediction model PM.
  • the second acquisition unit F24 does not acquire the prediction model PM, thereby reducing the processing burden on the information processing system 1.
  • the solution acquisition processing unit F25 executes an algorithm AR that does not require the use of the prediction model PM, thereby reducing the processing burden on the information processing system 1 and obtaining an appropriate solution AS.
  • the solution MS and algorithm AR may be obtained from a database DB in which past tasks SJ and the response results for past tasks SJ are linked and stored.
  • a solution MS and an algorithm AR based on past correspondence results, the obtained solution AS is physically or mathematically guaranteed.
  • the prediction model PM (PM1, PM2) may be obtained from a database DB in which past tasks SJ and response results for past tasks SJ are linked and stored.
  • the prediction model PM may include at least one of a physical prediction model, a chemical reaction model, and an inference model based on experimental data.
  • the data output from the prediction model PM is physically or mathematically guaranteed, and therefore the solution AS obtained by the solution acquisition processing unit F25 (F25B) can also be physically or mathematically guaranteed.
  • the algorithm AR may include either an optimization algorithm that performs single-objective optimization or multi-objective optimization, or a reinforcement learning algorithm.
  • the information processing system 1 (1A, 1B, 1C) may be provided with a summarization unit F26 that summarizes the results acquired by the first acquisition unit F23 and the results acquired by the second acquisition unit F24 using artificial intelligence or a base model.
  • a summarization unit F26 that summarizes the results acquired by the first acquisition unit F23 and the results acquired by the second acquisition unit F24 using artificial intelligence or a base model.
  • the summarization unit F26 by summarizing the acquired information using a large-scale language model by the summarization unit F26, it is possible to present the information in a form that is easy for the user to understand.
  • a large-scale language model functions as the reception unit F22 and the summarization unit F26, and the large-scale language model is configured to respond in a chat format, information can be provided to the user through natural dialogue in a chat format. This allows the user to obtain information without performing any special operations, improving convenience.
  • the information processing system 1 (1A, 1B, 1C) includes a presentation processing unit F21 that performs a process of presenting information acquired by the first acquisition unit F23 to the user (step S106) and a process of presenting information acquired by the second acquisition unit F24 to the user (step S114), and the reception unit F22 receives a user's evaluation of the information presented by the presentation processing unit F21 (steps S107, S115) and may use the user's evaluation to perform at least one of a process of selecting a portion of the information acquired by the first acquisition unit F23 or a process of selecting a portion of the information acquired by the second acquisition unit F24.
  • the user's evaluation may be performed, for example, by having the user select the solution method MS, algorithm AR, or the like that is deemed optimal from multiple options presented by the information processing system 1, or by having the user select whether or not to allow the use of the solution method MS, algorithm AR, or the like selected by the information processing system 1.
  • the information processing system 1 By accepting the user's evaluation of the solution method MS, algorithm AR, or prediction model PM (PM1, PM2) presented by the information processing system 1, the information processing system 1 itself does not need to perform the process of selecting the optimal option from multiple options.
  • the processing load on the information processing system 1 can be significantly reduced.
  • the solution acquisition processing unit F25 in the information processing system 1 (1A, 1B, 1C) may obtain the solution AS by generating an executable file of the algorithm AR and executing the executable file.
  • the execution file of the algorithm AR is written so that the algorithm AR is executed when the execution conditions are satisfied. Therefore, by executing the execution file, the solution acquisition processing unit F25 can obtain an optimal solution from among multiple solutions AS obtained by using, for example, the acquired solution method MS, algorithm AR, and prediction model PM (PM1, PM2) and by setting parameters and the like within appropriate ranges.
  • the information processing system 1 (1A, 1B, 1C) is provided with a presentation processing unit F21 that presents an executable file or execution conditions for the executable file to a user, and the reception unit F22 receives the user's evaluation of the executable file or execution conditions presented by the presentation processing unit F21, and may use the user's evaluation to cause the solution acquisition processing unit F25 (F25B) to generate an executable file.
  • This makes it possible to prevent a solution AS obtained using conditions that the user does not intend from being presented as the optimal solution.
  • the solution acquisition processing unit F25B uses a software tool (algorithm execution tool) to obtain the solution AS
  • the software tool may be a tool that executes the algorithm AR using the prediction model PM (PM1, PM2).
  • the software tool may be a cloud application provided by another server device or the like. This reduces the processing load on the information processing device (server device 2).
  • the information processing device can obtain the solution AS simply by generating input data for the software tool, eliminating the need to generate an executable file for the algorithm AR.
  • the information processing system 1 (1A, 1B, 1C) may be provided with a presentation processing unit F21 that performs presentation processing on the solution AS obtained by the solution acquisition processing unit F25 (F25B).
  • a presentation processing unit F21 that performs presentation processing on the solution AS obtained by the solution acquisition processing unit F25 (F25B).
  • the solution AS can be presented to the user through natural dialogue in a chat format. This allows the user to obtain the solution AS in a natural way through dialogue, thereby improving convenience.
  • the information processing system 1C is provided with multiple processors including a first processor, and processing by the reception unit F22 may be executed by the first processor (e.g., CPU 11 of server device 2C1), and processing by the first acquisition unit F23 may be executed by a processor other than the first processor (e.g., CPU 11 of server device 2C2). That is, the information processing system 1 may include a plurality of information processing devices (server devices 2C1, 2C2). The process by the reception unit F22 and the process by the first acquisition unit F23 may be executed by different information processing devices. This eliminates the need to increase the performance of each information processing device excessively, thereby enabling cost reduction.
  • the information processing system 1C is provided with multiple processors including a first processor, and processing by the reception unit F22 may be executed by the first processor (e.g., CPU 11 of server device 2C1), and processing by the second acquisition unit F24 may be executed by a processor other than the first processor (e.g., CPU 11 of server device 2C2). That is, the information processing system 1 may include a plurality of information processing devices (server devices 2C1, 2C2). The process by the reception unit F22 and the process by the second acquisition unit F24 may be executed by different information processing devices. This eliminates the need to increase the performance of each information processing device excessively, thereby enabling cost reduction.
  • the information processing system 1C is provided with multiple processors including a first processor, and processing by the reception unit F22 may be executed by the first processor (e.g., CPU 11 of server device 2C1), and processing by the solution acquisition processing unit F25 (F25B) may be executed by a processor other than the first processor (e.g., CPU 11 of server device 2C2). That is, the information processing system 1 may include a plurality of information processing devices (server devices 2C1, 2C2). The processing by the reception unit F22 and the processing by the solution acquisition processing unit F25 may be executed by different information processing devices. This eliminates the need to increase the performance of each information processing device excessively, thereby enabling cost reduction.
  • the information processing method of this technology involves a processing device performing the following steps: accepting input of a problem SJ from a user; retrieving from a database DB a solution MS for solving the accepted problem SJ and an algorithm AR for realizing the solution MS; retrieving from the database DB a prediction model PM (PM1, PM2) suitable for the acquired solution MS; and obtaining a solution AS for the problem SJ using the algorithm AR to which the execution conditions for the acquired algorithm AR are applied and the acquired prediction model PM.
  • the storage medium of this technology stores a computer-readable program that includes the following steps: accepting input of a problem SJ by a user; retrieving from a database DB a solution MS for solving the accepted problem SJ and an algorithm AR for realizing the solution MS; retrieving from the database DB a prediction model PM (PM1, PM2) suitable for the acquired solution MS; and obtaining a solution AS for the problem SJ using the algorithm AR to which the execution conditions for the acquired algorithm AR are applied and the acquired prediction model PM.
  • Such information processing methods or storage media can also achieve the various functions and effects described above.
  • the information stored in the database DB may be updated through interaction with the user.
  • the information processing system 1 (1A, 1B, 1C) may include a reception unit F22 that receives input of a problem SJ from a user, a causal relationship diagram acquisition unit (information management unit F27) that acquires a causal relationship diagram (e.g., a fishbone diagram) to be used to solve the problem SJ received by the reception unit F22 from a database DB, a graph data generation unit F27b that generates graph data GD having a graph structure consisting of nodes ND and edges ED based on the causal relationship diagram, a prompt generation unit (first acquisition unit F23) that sets one or more search ranges to obtain answer information based on the graph data GD and generates a prompt for each search range, a solution acquisition unit F23a that obtains a solution MS for each prompt, and a presentation processing unit F21 that presents the solution MS.
  • a causal relationship diagram acquisition unit that acquires a causal relationship diagram (e.g., a
  • the graph data GD stored in the database is configured by linking materials to each node ND.
  • Such graph data GD is configured to include distance information.
  • the graph data GD can be presented with a visual representation of the distance information, it is easy for users to understand and can be used as a suitable GUI.
  • Multiple search ranges can be set. By setting the search ranges so that all nodes ND in the graph data GD are included in one of the search ranges together with the documents, it becomes possible to comprehensively examine each factor included in the causal relationship diagram, and to provide the user with useful information (solution methods MS and algorithms AR).
  • materials such as case studies and solutions that were stored as independent information in the database DB are linked to parent factors, child factors, etc. and organized as systematic data during the process of generating the graph data GD.
  • this graph data GD is reconstructed using new materials that have been added since the previous generation of the graph data GD. This allows the graph data GD presented to the user in response to the user's input of the problem SJ to always be the latest. In other words, once a new solution MS is developed to solve the problem SJ and the materials for the solution are stored in the database DB, the graph data GD can be reconstructed as appropriate, making it possible to present various information to the user, including the latest solution MS.
  • the solution acquisition unit F23a in the information processing system 1 (1A, 1B, 1C) may obtain the solution MS using artificial intelligence or a base model.
  • artificial intelligence and a circuit board model it is possible to efficiently link the data stored individually in the database DB and the factors as each node ND in the causal relationship diagram according to the degree of affinity, and then obtain and present the appropriate solution MS and algorithm AR according to the results of this linking.
  • the search range is set to include at least some of the nodes ND in the graph data GD, and the prompt generation unit (first acquisition unit F23) may set the search range based on the context length related to the node ND.
  • the prompt generation unit first acquisition unit F23
  • the search range can be determined taking into account the context length that the artificial intelligence or the circuit board model can handle, thereby increasing the certainty of obtaining the solution MS or the algorithm AR.
  • each of all nodes ND included in the graph data GD may be included in at least one search range. This allows the information processing system 1 (1A, 1B, 1C) to obtain a comprehensive answer using all the nodes ND included in the graph data GD.
  • the reception unit F22 accepts input of a causal relationship diagram by a user
  • the causal relationship diagram acquisition unit may acquire the causal relationship diagram input by the user instead of acquiring the causal relationship diagram from the database DB.
  • This makes it possible to search for and present solutions MS and algorithms AR using causal relationship diagrams that are not stored in the database DB.
  • the causal relationship diagrams provided by the user in the database DB, they can be selected as information to be presented in response to the user's input of a task SJ from the next time onward. This increases the likelihood that an appropriate causal relationship diagram can be presented in response to the user's input of a task SJ.
  • This Technology can also be configured as follows. (1) a reception unit that receives input of a task by a user; a first acquisition unit that acquires, from a database, a solution for solving the problem accepted by the acceptance unit and an algorithm for realizing the solution; a second acquisition unit that acquires, from a database, a prediction model that is suitable for the solution acquired by the first acquisition unit; a solution acquisition processing unit that acquires a solution to the problem using the algorithm to which execution conditions for the algorithm acquired by the first acquisition unit are applied and the prediction model acquired by the second acquisition unit.
  • the second acquisition unit does not acquire the prediction model
  • the information processing system according to (1) above wherein the solution acquisition processing unit obtains the solution by using the algorithm to which the execution condition is applied without using the prediction model.
  • the solution and the algorithm are obtained from a database in which past problems and the results of responses to the past problems are linked and stored.
  • the prediction model is acquired from a database in which past problems and the results of responses to the past problems are linked and stored.
  • the information processing system includes at least one of a physical prediction model, a chemical reaction model, and an inference model based on experimental data.
  • the algorithm includes an optimization algorithm for single-objective optimization or multi-objective optimization, and a reinforcement learning algorithm.
  • the information processing system further comprising a summarizing unit that summarizes the results obtained by the first acquisition unit and the results obtained by the second acquisition unit using artificial intelligence or a base model.
  • a presentation processing unit that performs a process of presenting the information acquired by the first acquisition unit to a user and a process of presenting the information acquired by the second acquisition unit to a user;
  • the reception unit receives a user's evaluation of the information presented by the presentation processing unit, and executes at least one of a process of selecting a portion of the information acquired by the first acquisition unit and a process of selecting a portion of the information acquired by the second acquisition unit using the user's evaluation.
  • (10) a presentation processing unit that presents the executable file or the execution conditions for the executable file to a user;
  • the information processing system described in (9) above wherein the reception unit receives a user's evaluation of the executable file or the execution conditions presented by the presentation processing unit, and causes the solution acquisition processing unit to generate the executable file using the user's evaluation.
  • the solution acquisition processing unit uses a software tool to obtain the solution;
  • the information processing system according to any one of (1) to (10), wherein the software tool is a tool that executes the algorithm using the predictive model.
  • (12) The information processing system according to any one of (1) to (11) above, further comprising a presentation processing unit that performs presentation processing on the solution obtained by the solution acquisition processing unit.
  • a reception unit that receives input of a task by a user; a causal relationship diagram acquisition unit that acquires, from a database, a causal relationship diagram to be used for solving the problem accepted by the acceptance unit; a graph data generation unit that generates graph data having a graph structure consisting of nodes and edges based on the causal relationship diagram; a prompt generation unit that sets one or more search ranges for obtaining answer information based on the graph data and generates a prompt for each of the search ranges; a solution acquisition unit that acquires a solution for each prompt; a presentation processing unit that presents the solution.
  • the solution acquisition unit acquires the solution using artificial intelligence or a base model.
  • the search range is set to include at least some of the nodes in the graph data;
  • the receiving unit receives an input of the causal relationship diagram from a user;

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Computing Systems (AREA)
  • Software Systems (AREA)
  • Artificial Intelligence (AREA)
  • Biomedical Technology (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Biophysics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

情報処理システムは、ユーザによる課題の入力を受け付ける受付部と、前記受付部が受け付けた前記課題を解決する解法、及び、前記解法を実現するためのアルゴリズムをデータベースから取得する第一取得部と、前記第一取得部によって取得された前記解法に適した予測モデルをデータベースから取得する第二取得部と、前記第一取得部によって取得された前記アルゴリズムについての実行条件を適用した前記アルゴリズム及び前記第二取得部によって取得された前記予測モデルを用いて前記課題に対する解を得る解取得処理部と、を備える。

Description

情報処理システム
　本技術は、ユーザの課題に対する解を得る情報処理システムの技術分野に関する。
　ＡＩ（Artificial Intelligence：人工知能）に関する技術の進歩は著しく、大規模言語モデル（ＬＬＭ：Large Language Model）なるＡＩモデルが登場してきている。
　大規模言語モデルは、例えばＧＰＴ（Generative Pre-trained Transformers）やＢＥＲＴ（Bidirectional Encoder Representations from Transformers）等として知られるように、入力された文字列（プロンプト）の内容に応じた応答情報を生成するものであって、様々な自然言語処理タスクを実行可能なＡＩモデルである。
　例えば、プロンプトとして質問文が大規模言語モデルに入力された場合には、質問内容に応じたデータ検索処理や検索結果に応じた文章の生成処理等を行うことで、質問に対する回答情報を生成する。また、このような質問に対する回答情報の生成タスク以外にも、例えば、プロンプトにより指定された処理を実現するコンピュータプログラムを作成するタスクや、プロンプトにより指定された条件を満たす画像や音楽の生成するタスク等、入力されたプロンプトの内容に応じた応答情報を生成する様々なタスクを実行可能とされる。
　下記非特許文献１においては、物理的なシミュレーションを実行するために大規模言語モデルを活用している。
Ruibo Liu、他７名、「Mind's Eye: Grounded Language Model Reasoning through Simulation」、（Submitted on 11 Oct 2022（v1））、［令和６年４月９日検索］、インターネット＜URL:https://doi.org/10.48550/arXiv.2210.05359＞
　大規模言語モデルは、それまで生成した文章に続く確率の高い単語を選択する処理を繰り返すことにより質問文に対する回答文を生成するものである。従って、大規模言語モデルによって示された回答は、物理的に或いは数学的な保証が担保されたものではなく、誤りを含む可能性のあるものである。
　従って、専門的な質問に対して得られた回答は、専門的な知見に基づいて精査する必要があり、改善の余地があると言える。
　本技術はこのような問題に鑑みて為されたものであり、物理的に或いは数学的に保証された解を提示することを目的とする。
　本技術の情報処理システムは、ユーザによる課題の入力を受け付ける受付部と、前記受付部が受け付けた前記課題を解決する解法、及び、前記解法を実現するためのアルゴリズムをデータベースから取得する第一取得部と、前記第一取得部によって取得された前記解法に適した予測モデルをデータベースから取得する第二取得部と、前記第一取得部によって取得された前記アルゴリズムについての実行条件を適用した前記アルゴリズム及び前記第二取得部によって取得された前記予測モデルを用いて前記課題に対する解を得る解取得処理部と、を備えたものである。
　受付部は、例えば、ＡＩエージェントとしてユーザとのやりとりを行う機能である。
　また、第一取得部によって取得される「解法」は、課題を解決する方法である。例えば、工程Ａ、工程Ｂなど複数の工程を経て生産される製品についての特性を向上させる課題であれば、「工程ＡにおけるパラメータＰ１の変更」や、「工程ＢにおけるパラメータＰ２の変更」や、「各工程の処理順の変更」などが解法の一種とされる。
　更に、第一取得部によって取得される「アルゴリズム」は、解法を実現するための手法である。例えば、「工程ＡにおけるパラメータＰ１」の最適解を求めるために用いられる「単目的最適化」や「多目的最適化」や「強化学習」などがアルゴリズムの一種とされる。
　例えば、大規模言語モデルとの応答に基づいて得られた解は、物理的に或いは数学的に保証された解ではない場合がある。
　しかし、本構成によれば、大規模言語モデルを用いる場合であっても、データベースから取得した解法やアルゴリズムを選択した上でアルゴリズムが実行されて解が得られる。
本実施の形態における情報処理システムの概略構成を示す図である。 コンピュータ装置の構成を示すブロック図である。 サーバ装置の機能ブロック図である。 データベースに記憶される情報の一例を示す図である。 データベースに記憶される別の情報の一例を示す図である。 サーバ装置の機能構成とデータの流れを説明するためのブロック図である。 ユーザ端末の機能ブロック図である。 図９及び図１０と共にサーバ装置のＣＰＵが実行する処理の一例を示すフローチャートである。 図８に続くフローチャートである。 図９に続くフローチャートである。 第二の実施の形態における情報処理システムの概略構成を示す図である。 第二の実施の形態におけるサーバ装置の機能構成とデータの流れを説明するためのブロック図である。 第三の実施の形態における情報処理システムの概略構成を示す図である。 第三の実施の形態におけるサーバ装置の機能構成とデータの流れを説明するためのブロック図である。 サーバ装置の機能構成の一例を示すブロック図である。 因果関係図の一態様であるフィッシュボーン図の一例を示す図である。 フィッシュボーン図の別の例を示す図である。 情報管理部の機能を細分化して示すブロック図である。 グラフデータの一例を示す図である。 グラフデータの一例であり全ての親要因がノードとして出現する例を示す図である。 検索範囲を示す図である。 第一プロンプトの一例を示す図である。 第二プロンプトの一例を示す図である。 図２５と共にサーバ装置のＣＰＵが実行する処理の一例を示すフローチャートである。 図２４に続くフローチャートである。 一つ目の変形例に係る処理の流れを示すフローチャートである。 二つ目の変形例に係る処理の流れを示すフローチャートである。 変形例に係るフィッシュボーン図の例を示す図である。 変形例に係るフィッシュボーン図の別の例を示す図である。
　以下、添付図面を参照し、本技術に係る情報処理装置の実施の形態を次の順序で説明する。
＜１．情報処理システムの構成＞
＜２．各装置のハードウェア構成例＞
＜３．各装置の機能構成例＞
＜３－１．サーバ装置＞
＜３－２．ユーザ端末＞
＜４．処理の流れ＞
＜５．具体的な適用例＞
＜５－１．適用例１＞
＜５－２．適用例２＞
＜５－３．適用例３＞
＜６．第二の実施の形態＞
＜７．第三の実施の形態＞
＜８．変形例＞
＜９．データベースの生成方法＞
＜１０．変形例＞
＜１１．適用例４＞
＜１２．まとめ＞
＜１３．本技術＞
＜１．情報処理システムの構成＞
　本技術の情報処理システム１の第一の実施の形態である情報処理システム１Ａについて添付図を参照して説明する。
　情報処理システム１Ａは、図１に示す通り、サーバ装置２Ａと、ユーザ端末３を備えている。情報処理システム１Ａにおいては、ユーザ端末３が複数設けられていてもよい。
　サーバ装置２Ａとユーザ端末３は、例えばインターネット等とされた通信ネットワークＮＷに接続されることにより相互通信可能とされている。
　情報処理システム１Ａは、ユーザがユーザ端末３に対して入力した質問文に対する回答文を生成して提示するシステムである。以下の説明においては、質問文によって表現されるものでありユーザが解決したい問題を「課題ＳＪ」と記載する。また、情報処理システム１Ａから提示される回答文等によって表現されるものであり課題ＳＪに対応する解決案を「解ＡＳ」と記載する。
　サーバ装置２Ａは、ユーザ端末３と通信を行うことにより入力された課題ＳＪを把握する。課題ＳＪの把握は、取得した質問文を解析することにより実現されてもよい。サーバ装置２Ａは、課題ＳＪに対応する解ＡＳを取得或いは生成し、課題ＳＪに対する回答文として生成する。サーバ装置２Ａは、解ＡＳを得るための情報をサーバ装置２Ａの管理下にあるデータベースＤＢから取得する。
　データベースＤＢには、過去の課題ＳＪと対応する解ＡＳ、そして、解ＡＳを得るために使用された解法ＭＳとアルゴリズムＡＲと予測モデルＰＭが紐付けられて記憶されている。
　サーバ装置２Ａは、データベースＤＢから取得した情報を用いて解ＡＳを生成或いは取得し、解ＡＳを提示するための回答文を生成する。サーバ装置２Ａは、回答文をユーザ端末３の表示部等において表示させる処理を行う。
　このために、サーバ装置２Ａは、例えば、ウェブページを生成する処理や、ファイルを生成する処理などが適宜実行される。以下の説明においては、サーバ装置２Ａがユーザに回答を提示するために実行する種々の処理を包含して「回答生成処理」と記載する。
　ユーザ端末３では、ユーザによる課題ＳＪの入力を受け付ける処理や、入力された課題ＳＪをサーバ装置２Ａに送信する処理や、サーバ装置２Ａから回答文やファイル等を受信する処理または表示する処理が行われる。
　サーバ装置２Ａは、回答生成処理の過程において適宜ユーザからの入力を受け付けてもよい。例えば、サーバ装置２Ａは、回答を生成するために取得したデータベースＤＢの情報が適切であるか否かをユーザに確認する処理を実行してもよい。
　サーバ装置２Ａは、質問文に基づいて課題ＳＪを設定し解ＡＳを得た後に回答文を生成する処理を行うために、生成ＡＩ（Artificial Intelligence：人工知能）、具体的には、大規模言語モデル（ＬＬＭ：Large Language Model）を用いる。より具体的には、サーバ装置２Ａは、チャット形式でユーザと対話を行う大規模言語モデルを利用する。
　サーバ装置２Ａは、大規模言語モデルを用いることで、入力された文字列（プロンプト）を自然言語処理（ＮＬＰ：Natural Language Processing）技術を用いて解析し課題ＳＪを特定する処理、及び、課題ＳＪに対する解ＡＳを得た後に自然言語処理技術を用いて回答文を生成する処理を好適に行うことができる。
　なお、以降の説明においては、サーバ装置２Ａがユーザとのやりとりを行うために用いる大規模言語モデルを「ＡＩエージェント」と記載することもある。
＜２．各装置のハードウェア構成例＞
　サーバ装置２Ａ、ユーザ端末３及びデータベースＤＢの具体的なハードウェア構成例を図２に示す。なお、サーバ装置２Ａ、ユーザ端末３及びデータベースＤＢを区別せずに指すときは「コンピュータ装置Ｃｏｍ」と記載する。
　図示のようにコンピュータ装置Ｃｏｍは、ＣＰＵ（Central Processing Unit）１１、ＲＯＭ(Read Only Memory)１２、及びＲＡＭ(Random Access Memory)１３を備えている。また、コンピュータ装置Ｃｏｍは、ＣＰＵ１１以外のプロセッサとして例えばＧＰＵ（Graphics Processing Unit）等を備えていてもよい。
　ＣＰＵ１１は、ＲＯＭ１２に記憶されているプログラム、または、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で必要なデータなども適宜記憶される。
　サーバ装置２Ａ、ユーザ端末３及びデータベースＤＢのＣＰＵ１１がプログラムを実行することにより実現する各機能については、改めて後述する。
　ＣＰＵ１１、ＲＯＭ１２、及びＲＡＭ１３は、バス１４を介して相互に接続されている。バス１４には、入出力インタフェース（Ｉ／Ｆ）１５も接続されている。
　入出力インタフェース１５には、操作子や操作デバイスよりなる入力部１６が接続される。例えば、入力部１６としては、キーボード、マウス、キー、ダイヤル、タッチパネル、タッチパッド、リモートコントローラ等の各種の操作子や操作デバイスが想定される。
　入力部１６によりユーザの操作が検知され、入力された操作に応じた信号はＣＰＵ１１によって解釈される。
　また入出力インタフェース１５には、ＬＣＤ（Liquid Crystal Display）或いは有機ＥＬ（Electro-Luminescence）パネルなどよりなる表示部１７や、スピーカなどよりなる音声出力部１８が一体または別体として接続される。
　表示部１７は各種の情報表示に用いられ、例えばコンピュータ装置の筐体に設けられるディスプレイデバイスや、コンピュータ装置に接続される別体のディスプレイデバイス等により構成される。
　表示部１７は、ＣＰＵ１１の指示に基づいて表示画面上に各種の画像処理のための画像や処理対象の動画等の表示を実行する。また表示部１７はＣＰＵ１１の指示に基づいて、各種操作メニュー、アイコン、メッセージ等、即ちＧＵＩ（Graphical User Interface）としての表示を行う。
　例えば、ユーザ端末３の表示部１７には、サーバ装置２Ａが提供する課題解決サービスを受けるためのブラウザアプリケーションや専用のアプリケーションについてのＧＵＩが表示される。
　ユーザ端末３においては、ＧＵＩに対する入力操作を入力部１６が検知し、ＣＰＵ１１によって解釈された操作内容に応じて、入力された文字を所定の入力欄に表示させる処理や、入力内容をサーバ装置２Ａに送信する処理などが実現される。
　入出力インタフェース１５には、ＨＤＤ（Hard Disc Drive）や固体メモリなどより構成される記憶部１９や、モデムなどより構成される通信部２０が接続される場合もある。
　なお、情報処理システム１Ａにおいては、サーバ装置２ＡとデータベースＤＢが別のコンピュータ装置Ｃｏｍとして設けられている例を示した。これに限らず、データベースＤＢは、サーバ装置２Ａの記憶部１９として設けられていてもよい。
　通信部２０は、インターネット等の伝送路を介しての通信処理や、各種機器との有線／無線通信、バス通信などによる通信を行う。
　入出力インタフェース１５にはまた、必要に応じてドライブ２１が接続され、磁気ディスク、光ディスク、光磁気ディスク、或いは半導体メモリなどのリムーバブル記録媒体２２が適宜装着される。
　コンピュータ装置Ｃｏｍは、ドライブ２１により、リムーバブル記録媒体２２から各処理に用いられるプログラム等のデータファイルなどを読み出すことができる。読み出されたデータファイルは記憶部１９に記憶されたり、データファイルに含まれる画像や音声が表示部１７や音声出力部１８で出力されたりする。またリムーバブル記録媒体２２から読み出されたコンピュータプログラム等は必要に応じて記憶部１９にインストールされる。
　上記のようなハードウェア構成を有するコンピュータ装置Ｃｏｍでは、例えば本実施形態の処理のためのソフトウェアを、通信部２０によるネットワーク通信やリムーバブル記録媒体２２を介してインストールすることができる。或いは、当該ソフトウェアは予めＲＯＭ１２や記憶部１９等に記憶されていてもよい。
　ＣＰＵ１１が各種のプログラムに基づいて処理動作を行うことで、サーバ装置２Ａやユーザ端末３或いはデータベースＤＢとしての必要な情報処理や通信処理が実行される。
　なお、サーバ装置２Ａ、ユーザ端末３或いはデータベースＤＢは、図２のようなコンピュータ装置Ｃｏｍが単一で構成されることに限らず、複数のコンピュータ装置Ｃｏｍがシステム化されて構成されてもよい。複数のコンピュータ装置Ｃｏｍは、ＬＡＮ（Local Area Network）等によりシステム化されていてもよいし、インターネット等を利用したＶＰＮ（Virtual Private Network）等により遠隔地に配置されたものでもよい。複数のコンピュータ装置Ｃｏｍには、クラウドコンピューティングサービスによって利用可能なサーバ群（クラウド）としてのコンピュータ装置Ｃｏｍが含まれてもよい。
＜３．各装置の機能構成例＞
＜３－１．サーバ装置＞
　サーバ装置２ＡのプロセッサとしてのＣＰＵ１１がプログラムを実行することによりＡＩエージェントとして実現する各種機能について図３に例示する。
　サーバ装置２ＡのＣＰＵ１１は、提示処理部Ｆ２１、受付部Ｆ２２、第一取得部Ｆ２３、第二取得部Ｆ２４、解取得処理部Ｆ２５、要約部Ｆ２６として機能する。
　提示処理部Ｆ２１は、ユーザに各種の情報を提示する処理、例えば、各種の情報が載ったウェブページを提示する処理を行う。
　提示処理部Ｆ２１は、例えば、課題ＳＪに対する解ＡＳを得る過程においてユーザに確認をする場合に確認のためのページ等をユーザ端末３の表示部１７に提示させる処理や、解ＡＳや解ＡＳに基づく要約文、或いは、レポート情報をユーザ端末３の表示部１７に提示する処理などを行う。
　なお、提示処理部Ｆ２１による情報の提示は、必ずしもウェブページなどユーザ端末３の表示部１７に表示させる態様でなくてもよい。例えば、提示処理部Ｆ２１は、解ＡＳや要約やレポート等をまとめた文書ファイルや表計算ソフトによって生成されたファイル、または、プレゼンテーション用のファイルなどをユーザに提示してもよい。
　受付部Ｆ２２は、ユーザによるユーザ端末３を用いた課題ＳＪの入力を受け付ける。課題ＳＪの入力の受け付けは、質問文という形で受け付けてもよい。即ち、サーバ装置２ＡのＣＰＵ１１は、受付部Ｆ２２によって受け付けた質問文に対して自然言語処理技術を用いた解析を行うことにより課題ＳＪを特定してもよい。
　第一取得部Ｆ２３は、ユーザによって設定された課題ＳＪ、或いは、質問文の解析により特定された課題ＳＪに対する解ＡＳを得るために解法ＭＳ及びアルゴリズムＡＲをデータベースＤＢから取得する。
　ここで、解法ＭＳ及びアルゴリズムＡＲについて説明する。
　「解法ＭＳ」とは、課題ＳＪを解決する方法である。例えば、工程Ａ、工程Ｂなど複数の工程を経て生産される製品についての特性を向上させる課題ＳＪであれば、「工程ＡにおけるパラメータＰ１の変更」や、「工程ＢにおけるパラメータＰ２の変更」や、「各工程の処理順の変更」などが解法ＭＳの一種とされる。
　「アルゴリズムＡＲ」とは、解法ＭＳを実現するための手法である。例えば、「工程ＡにおけるパラメータＰ１」の最適解を求めるために用いられる「特定の数式を用いた計算フローの実行」や「単目的最適化」や「多目的最適化」や「強化学習」などがアルゴリズムＡＲの一種とされる。他にも、アルゴリズムＡＲの一種として、「動的計画法」や「ヒューリスティック法」や「シミュレーテッドアニーリング」などを挙げることができる。
　第一取得部Ｆ２３は、データベースＤＢから解法ＭＳやアルゴリズムＡＲを取得する際に、解決したい課題ＳＪと、過去の課題ＳＪの類似性の判定結果を用いる。
　図４はデータベースＤＢに記憶される情報の一例である。データベースＤＢには、過去に解決された課題ＳＪと、その当時の応答結果として課題解決に用いられた解法ＭＳとアルゴリズムＡＲと予測モデルＰＭ等が適宜記憶されている。
　データベースＤＢには、複数のレコードが記憶されている。レコードは、課題ＳＪに対する解ＡＳを生成或いは取得できた場合に記憶されるものであり、課題ＳＪと解ＡＳの組み合わせごとに設けられている。
　具体的に各レコードは、一つのレコードを特定可能なＩＤ（Identification）とされた「レコードＩＤ」に対して、「課題ＳＪ」と、「使用された解法ＭＳ」と、「使用されたアルゴリズムＡＲ」と、「使用された予測モデルＰＭ」と、「実行条件」と、「解ＡＳ」とが紐付けられて構成されている。
　即ち、一つのレコードは、「課題ＳＪ」を解決するために使用された「解法ＭＳ」と「アルゴリズムＡＲ」と「予測モデルＰＭ」が紐付けられ、更に、アルゴリズムＡＲの「実行条件」とその結果得られた「解ＡＳ」が紐付けられている。
　なお、データベースＤＢに記憶される一つのレコードに対しては、全ての情報が記憶されている必要は無い。例えば、予測モデルＰＭを用いずに解ＡＳを得られる課題ＳＪについてのレコードについては、予測モデルＰＭが紐付けられていなくてもよい。また、特定の数式を解くだけで解ＡＳが得られ課題ＳＪについてのレコードについては、解法ＭＳが紐付けられていなくてもよい。
　また、データベースＤＢに記憶される情報のうち、例えば予測モデルＰＭなどは、予測モデルＰＭそのものがデータベースＤＢに記憶されていてもよいし、予測モデルＰＭが記憶されている場所（ＵＲＬ（Uniform Resource Locator）等）の情報がリンク情報として記憶されていてもよい。
　第一取得部Ｆ２３は、特定した課題ＳＪに基づいてデータベースＤＢの中から課題ＳＪが類似しているレコードを検索し、当該レコードに紐付く解法ＭＳやアルゴリズムＡＲの情報を取得する。第一取得部Ｆ２３によって取得された解法ＭＳ及びアルゴリズムＡＲは、提示処理部Ｆ２１によってユーザに提示される。
　第二取得部Ｆ２４は、ユーザによって設定された課題ＳＪ、或いは、質問文の解析により特定された課題ＳＪに対する解ＡＳを得るために用いられるアルゴリズムＡＲで利用される予測モデルＰＭをデータベースＤＢから取得する。
　具体的には、第二取得部Ｆ２４は、第一取得部Ｆ２３によって特定されたレコードに紐付く予測モデルＰＭをデータベースＤＢから取得する。第二取得部Ｆ２４によって取得された予測モデルＰＭは、提示処理部Ｆ２１によってユーザに提示される。
　ここで、予測モデルＰＭはアルゴリズムＡＲの実行時に利用されるものである。予測モデルＰＭは、入力されたデータに基づいて予測値を出力データとして出力するモデルである。予測モデルＰＭは、サロゲートモデルなど物理的に或いは数学的に保証された演算を行うことで予測値を算出するモデルであることが望ましい。
　解取得処理部Ｆ２５は、第一取得部Ｆ２３によって選択された解法ＭＳ及びアルゴリズムＡＲ、そして、第二取得部Ｆ２４によって選択された予測モデルＰＭを用いて、課題ＳＪに対応する最終的な解ＡＳを得る。
　具体的に、解取得処理部Ｆ２５は、ある解法ＭＳを実現するために「単目的最適化」のアルゴリズムＡＲを用いる。そして、当該アルゴリズムＡＲにおいて特定の予測モデルＰＭを用いる場合には、解取得処理部Ｆ２５は、予測モデルＰＭに対する入力データを複数種類生成し、各入力データを予測モデルＰＭに入力することにより対応する予測値を複数得る。予測モデルＰＭに入力される複数の入力データは、実行条件に応じた範囲で振られたデータとされる。
　予測モデルＰＭは、それ自体でも物理的に或いは数学的に保証された予測値を返すものであるが、入力データが物理的に或いは数学的に矛盾したものである場合にはこの限りではない。
　本構成では、予測モデルＰＭの入力データが実行条件に応じた適切な範囲で振られたデータとされることで、物理的に或いは数学的に矛盾した入力データ、破綻した入力データなどが排除される。従って、予測モデルＰＭから出力される予測値は、物理的に或いは数学的に、より一層保証されたものとなる。
　解取得処理部Ｆ２５は、予測モデルＰＭから出力された予測値から最も課題ＳＪの解決に適したもの、例えば、最も性能の改善が図られた予測値を選択し、解ＡＳを生成する。解取得処理部Ｆ２５が生成する解ＡＳは、選択された予測値そのものであってもよいし、選択された予測値を用いて更に演算を行った結果得られた数値などであってもよい。
　解取得処理部Ｆ２５が生成した解ＡＳは、提示処理部Ｆ２１によってユーザに提示される。
　解取得処理部Ｆ２５は、予測モデルＰＭに対する入力データの入力と出力データの取得を繰り返す処理、そして、出力された複数の出力データから課題解決に最適なものを選択する処理を順次行う実行ファイルを生成してもよい。実行ファイルには、実行条件が含まれている。
　解取得処理部Ｆ２５は、実行条件を決定する際にデータベースＤＢに記憶された情報を用いる。データベースＤＢに記憶される情報の一例を図５に示す。
　データベースＤＢには、アルゴリズムＡＲと、それに対応するデフォルトの設定ファイルと実行プログラムが紐付けて記憶されている。データベースＤＢに記憶された設定ファイルや実行プログラムは、謂わばテンプレートの情報とされる。
　解取得処理部Ｆ２５は、決定されたアルゴリズムＡＲについての設定ファイルや実行プログラムをデータベースＤＢから取得する。そして、今回の課題ＳＪに適応させるために、解取得処理部Ｆ２５は、決定した解法ＭＳやアルゴリズムＡＲに基づいて実行条件を決定し、当該実行条件に基づいてテンプレートの設定ファイルに変更を加える。
　なお、解取得処理部Ｆ２５は、実行条件に基づいて実行プログラムに変更を加えてもよい。
　ここで、解法ＭＳやアルゴリズムＡＲに基づく実行条件とは、例えば、アルゴリズムＡＲとして「単目的最適化」や「多目的最適化」が選択されている場合には、各種のパラメータや制約条件や最適化対象の項目や関数などが含まれる。そして、使用するアルゴリズムＡＲとして「強化学習」が選択されている場合には、パラメータや報酬関数が実行条件に含まれる。
　解取得処理部Ｆ２５は、設定ファイルに基づいて実行プログラムを実行するように実行ファイルを作成する。
　解取得処理部Ｆ２５が生成した実行ファイルは、提示処理部Ｆ２１によってユーザに提示されてもよい。提示処理部Ｆ２１によるユーザへの実行ファイルの提示は、予測モデルＰＭや条件や入力データの範囲などの実行内容をユーザに確認させるためになされてもよい。
　ユーザは、解取得処理部Ｆ２５が生成した実行ファイルであって、提示処理部Ｆ２１によって提示された実行ファイルの内容を確認することで、予測モデルＰＭに対する入力データの範囲が適切であるか、或いは、それ以外の実行条件が適切であるかを確認することができる。
　なお、実行ファイルについての確認結果を示す情報、謂わば、実行ファイルについてのユーザの評価情報は、ユーザ端末３から送信され、サーバ装置２Ａの受付部Ｆ２２によって受け付けられる。
　解取得処理部Ｆ２５は、ユーザの評価情報に基づいて適宜実行ファイルを修正し、実行ファイルを実行する。なお、修正後の実行ファイルは、再度ユーザに供されることによりユーザの評価を得てもよい。即ち、実行ファイルの生成とそれに対するユーザの評価は、複数回繰り返されてもよい。
　要約部Ｆ２６は、解取得処理部Ｆ２５によって得られた解ＡＳを要約した要約文を生成する。この処理は、例えば、基盤モデルとしての大規模言語モデルによる自然言語処理技術を用いて実現される。
　解取得処理部Ｆ２５によって生成された解ＡＳや要約部Ｆ２６によって生成された要約文は、提示処理部Ｆ２１によってユーザに適宜提示される。
　サーバ装置２ＡのＣＰＵ１１が備える各機能及び情報の流れの一例を図６に示す。
　なお、提示処理部Ｆ２１、受付部Ｆ２２、第一取得部Ｆ２３、第二取得部Ｆ２４、解取得処理部Ｆ２５、要約部Ｆ２６が更に備える各部は、機能を実現する処理と置き換えることが可能である。例えば、要約部Ｆ２６が備える課題情報特定部Ｆ２６ａは、要約部Ｆ２６が実行する課題情報特定処理と置き換えることが可能である。
　ユーザによって入力された入力文は、受付部Ｆ２２の入力文受付部Ｆ２２ａで受け付けられる。
　入力文受付部Ｆ２２ａは、入力文が課題ＳＪの解決を依頼するものである場合に、当該入力文を要約部Ｆ２６の課題情報特定部Ｆ２６ａに受け渡す。
　課題情報特定部Ｆ２６ａは、入力文から課題ＳＪを特定し、第一取得部Ｆ２３と第二取得部Ｆ２４に当該課題ＳＪをそれぞれ提供する。なお、課題情報特定部Ｆ２６ａは、特定した課題に基づいて過去の類似した応答情報をデータベースＤＢから取得し、課題ＳＪの情報と合わせて第一取得部Ｆ２３及び第二取得部Ｆ２４に提供してもよい。
　第一取得部Ｆ２３は、提供された課題ＳＪに基づいて、解法取得部Ｆ２３ａによる解法ＭＳの取得と、アルゴリズム取得部Ｆ２３ｂによるアルゴリズムＡＲの取得を行う。
　取得された解法ＭＳ及びアルゴリズムＡＲは、解取得処理部Ｆ２５に提供される。
　また、第二取得部Ｆ２４は、提供された課題ＳＪに基づいて、予測モデル取得部Ｆ２４ａによる予測モデルＰＭの取得を行う。
　取得された予測モデルＰＭは、解取得処理部Ｆ２５に提供される。
　解取得処理部Ｆ２５は、提供されたアルゴリズムＡＲに基づいてテンプレート取得部Ｆ２５ａによる取得処理、即ち、データベースＤＢから設定ファイルや実行プログラムのテンプレートを取得する処理を行う。
　また、解取得処理部Ｆ２５は、提供された解法ＭＳとアルゴリズムＡＲに基づいて実行条件設定部Ｆ２５ｂによる実行条件設定処理を実行する。
　更に、解取得処理部Ｆ２５は、提供された予測モデルＰＭと設定された実行条件に基づいて、アルゴリズム実行部Ｆ２５ｃによる実行ファイルの生成及び実行ファイルの実行を行う。
　実行ファイルの実行により得られた各種の結果は、提示処理部Ｆ２１の情報提示部Ｆ２１ａに提供されることにより、ユーザに提示される。また、解取得処理部Ｆ２５によって得られた結果情報は、図６に破線で示すように、一旦要約部Ｆ２６の提示情報要約部Ｆ２６ｂによって要約された後に情報提示部Ｆ２１ａによってユーザに提示されてもよい。
＜３－２．ユーザ端末＞
　続いて、ユーザ端末３のプロセッサとしてのＣＰＵ１１がプログラムを実行することにより実現する各種機能について図７に例示する。
　ユーザ端末３のＣＰＵ１１は、ＵＩ処理部Ｆ３１、受信処理部Ｆ３２、送信処理部Ｆ３３として機能する。
　ＵＩ処理部Ｆ３１は、例えば、サーバ装置２Ａの処理によって提供されるサービス、本例であれば課題解決サービスを享受し、サーバ装置２Ａに対して適切な指示をするためのＵＩ処理を行う。
　具体的に、ＵＩ処理部Ｆ３１は、課題解決サービスを享受するためのソフトウェアをユーザ端末３の表示部１７に表示させる処理を行う。表示部１７に表示される画面は、例えば、ＡＩエージェントとの応答履歴が表示されるチャット欄と、ＡＩエージェントに対して質問等を投げかけるための入力欄と、送信ボタン等を含んで構成されている。
　また、ＵＩ処理部Ｆ３１は、送信ボタン等の操作子に対する操作の検出結果に応じて対応する処理を実行する。例えば、入力欄に文字列が入力された状態で送信ボタンが押下されたことが検出された場合には、ＵＩ処理部Ｆ３１は、入力欄に表示された文字列をチャット欄に最新の発言内容として表示させると共に、当該文字列をサーバ装置２Ａに送信する。
　受信処理部Ｆ３２は、サーバ装置２Ａからの応答情報としての文字情報やファイルを受信する。受信した文字情報は、ＵＩ処理部Ｆ３１によってチャット欄に表示される。
　送信処理部Ｆ３３は、ユーザによって入力された発言内容を示す文字列をサーバ装置２Ａに送信する。
　受信処理部Ｆ３２及び送信処理部Ｆ３３の処理は、ユーザ端末３のＣＰＵ１１が通信部２０を制御することにより実現される。
＜４．処理の流れ＞
　サーバ装置２ＡのＣＰＵ１１が実行する各種の処理の流れについて、図８、図９及び図１０を参照して説明する。なお、各図間の処理の繋がりはコネクタＣ１、Ｃ２、Ｃ３を用いて表す。
　サーバ装置２ＡのＣＰＵ１１は、ステップＳ１０１において、ユーザ端末３を介してユーザに入力された入力文を受け付ける。
　サーバ装置２ＡのＣＰＵ１１は、ステップＳ１０２において、入力文についての解析処理を行い文章の内容を把握する。この処理は、例えば、自然言語処理技術を用いて行われる。
　サーバ装置２ＡのＣＰＵ１１は、ステップＳ１０３において、入力文の内容が課題ＳＪを提示するものであるか、即ち、課題解決を依頼するものであるか否かを判定する。
　入力文の内容が課題解決を依頼する内容でないと判定した場合（ステップＳ１０３：Ｎｏ判定）は、サーバ装置２ＡのＣＰＵ１１はステップＳ１０４へと進み、それぞれ対応処理を行う。対応処理は、入力文の解析内容によって異なる。
　例えば、用語の意味を問う内容である場合には、サーバ装置２ＡのＣＰＵ１１は、自然言語処理技術を用いて用語の説明文を生成し、ユーザに提示する。
　入力文の内容が課題解決を依頼する内容であると判定した場合（ステップＳ１０３：Ｙｅｓ判定）は、サーバ装置２ＡのＣＰＵ１１はステップＳ１０５へと進み、課題ＳＪを解決するための解法ＭＳ及びアルゴリズムＡＲをデータベースＤＢから取得する。この取得処理では、サーバ装置２ＡのＣＰＵ１１は、過去の情報から類似した課題ＳＪを検索し、該当した課題ＳＪを解決するために用いられた解法ＭＳ及びアルゴリズムＡＲを取得する。
　なお、サーバ装置２ＡのＣＰＵ１１によって取得される解法ＭＳ及びアルゴリズムＡＲは、一つであってもよいし複数であってもよい。
　また、サーバ装置２ＡのＣＰＵ１１は、類似した課題ＳＪが見つからなかった場合には、解法ＭＳ及びアルゴリズムＡＲの取得を行わなくてもよい。また、その際には、サーバ装置２ＡのＣＰＵ１１は、類似した課題ＳＪが見つからない旨をユーザに通知してもよい。
　ここでは、類似した課題が見つかったものとして説明を進める。
　サーバ装置２ＡのＣＰＵ１１は、ステップＳ１０６において、データベースＤＢから取得した解法ＭＳ及びアルゴリズムＡＲをユーザに提示する。この提示処理では、解法ＭＳとアルゴリズムＡＲの内容をユーザに通知すると共に、取得した解法ＭＳやアルゴリズムＡＲが適切であるか否かについてのユーザの意見を表明するためのユーザインタフェースをユーザ端末３に提示させる。
　例えば、サーバ装置２ＡのＣＰＵ１１は、ユーザ端末３の表示部１７に「検索された解法とアルゴリズムを用いて進めてもよいですか？」といった文章を提示させ、ユーザからの「Ｙｅｓ」或いは「Ｎｏ」の入力を受け付ける。
　サーバ装置２ＡのＣＰＵ１１は、ステップＳ１０７において、これらのユーザ評価を受け付ける処理を行う。この処理は、ユーザ評価の情報を受信する処理と換言することができる。
　サーバ装置２ＡのＣＰＵ１１は、ステップＳ１０８において、ユーザ評価が肯定評価であるか否かを判定する。ユーザ評価が否定評価である場合（ステップＳ１０８：Ｎｏ判定）には、サーバ装置２ＡのＣＰＵ１１はステップＳ１０５へと戻り、再度解法ＭＳ及びアルゴリズムＡＲをデータベースＤＢから取得する。
　なお、ステップＳ１０８において否定評価であると判定した場合には、ユーザに提示した複数の解法ＭＳやアルゴリズムＡＲのうち、適切でない解法ＭＳやアルゴリズムＡＲをユーザに選択してもらう処理をサーバ装置２ＡのＣＰＵ１１は実行し、適切でない解法ＭＳやアルゴリズムＡＲを排除した上でステップＳ１０９の処理へと進んでもよい。
　サーバ装置２ＡのＣＰＵ１１は、ユーザ評価が肯定評価であると判定した場合（ステップＳ１０８：Ｙｅｓ判定）に、ステップＳ１０９へと進み、１または複数の抽出された解法ＭＳ及びアルゴリズムＡＲの中から解ＡＳを得るために使用する解法ＭＳ及びアルゴリズムＡＲを選択する。
　続いて、サーバ装置２ＡのＣＰＵ１１は、図９の処理へと進む。
　サーバ装置２ＡのＣＰＵ１１は、ステップＳ１１０において、使用する解法ＭＳは予測モデルＰＭを使用するものであるか否かを判定する。サーバ装置２ＡのＣＰＵ１１は、ステップＳ１０９で取得した解法ＭＳ及びアルゴリズムＡＲに予測モデルＰＭが紐付いていない場合に、ステップＳ１１０において「Ｎｏ判定」とする。
　使用する解法ＭＳが予測モデルＰＭの不要な解法ＭＳであると判定した場合（ステップＳ１１０：Ｎｏ判定）には、サーバ装置２ＡのＣＰＵ１１はステップＳ１１１の処理を回避してステップＳ１１２へと進む。
　一方、使用する解法ＭＳが予測モデルＰＭを使用する解法ＭＳであると判定した場合（ステップＳ１１０：Ｙｅｓ判定）には、サーバ装置２ＡのＣＰＵ１１は、ステップＳ１１１において、解法ＭＳやアルゴリズムＡＲに紐付く予測モデルＰＭをデータベースＤＢから取得する。
　サーバ装置２ＡのＣＰＵ１１はステップＳ１１２において、アルゴリズムＡＲの実行条件を設定する。実行条件は、予測モデルＰＭに入力される入力データが採り得る範囲や、それ以外の条件が含まれ得る。それ以外の条件とは、例えば、使用する予測モデルＰＭやアルゴリズムＡＲに対して設定可能なパラメータの採り得る範囲等が含まれる。
　サーバ装置２ＡのＣＰＵ１１は、ステップＳ１１３において、実行ファイルを生成する。この実行ファイルは、前述したように、選択された予測モデルＰＭに対して所定の範囲の入力データを入力し、予測モデルＰＭからの出力を取得する処理を１または複数回実行するプログラムを含むものである。また、実行ファイルには、予測モデルＰＭから得られた１または複数の出力データから課題解決に最適となるデータを選択する処理が含まれていてもよい。
　サーバ装置２ＡのＣＰＵ１１は、ステップＳ１１４において、ユーザに実行ファイルを提示する。なお、サーバ装置２ＡのＣＰＵ１１は、実行ファイルをユーザに提示する代わりに予測モデルＰＭへの入力データの採り得る範囲の情報や実行条件をユーザに提示してもよい。
　サーバ装置２ＡのＣＰＵ１１は、ステップＳ１１５において、実行ファイルについてのユーザの評価を受け付ける。この処理は、ユーザ評価の情報を受信する処理と換言することができる。
　サーバ装置２ＡのＣＰＵ１１は、ステップＳ１１６において、実行ファイルに関するユーザ評価が肯定評価であるか否かを判定する。ユーザ評価が否定評価である場合（ステップＳ１１６：Ｎｏ判定）には、サーバ装置２ＡのＣＰＵ１１はステップＳ１１２へと戻り、再度実行条件の設定をやり直す。
　一方、実行ファイルに関するユーザ評価が肯定評価であると判定した場合（ステップＳ１１６：Ｙｅｓ判定）に、サーバ装置２ＡのＣＰＵ１１はステップＳ１１７へと進み、作成した実行ファイルを実行する。
　続いて、サーバ装置２ＡのＣＰＵ１１は、図１０の処理へと進む。
　サーバ装置２ＡのＣＰＵ１１は、ステップＳ１１８において、アルゴリズムＡＲの実行結果をユーザに提示する。なお、ここでユーザに提示する情報は、解ＡＳを得る前の情報であり、例えば、入力データの数に応じた１または複数の予測モデルＰＭの出力結果である。但し、サーバ装置２ＡのＣＰＵ１１は、ステップＳ１１８において最終的な解ＡＳを提示してもよい。
　サーバ装置２ＡのＣＰＵ１１は、ステップＳ１１９において、提示された実行結果に対するユーザ評価を受け付ける処理を行う。この処理は、ユーザ評価の情報を受信する処理と換言することができる。
　サーバ装置２ＡのＣＰＵ１１は、ステップＳ１２０において、実行結果に関するユーザ評価が肯定評価であるか否かを判定する。ユーザ評価が否定評価である場合（ステップＳ１２０：Ｎｏ判定）には、サーバ装置２ＡのＣＰＵ１１は図９のステップＳ１１２へと戻り、再度実行条件の設定からやり直す。
　一方、実行ファイルに関するユーザ評価が肯定評価であると判定した場合（ステップＳ１２０：Ｙｅｓ判定）に、サーバ装置２ＡのＣＰＵ１１はステップＳ１２１へと進み、得られた実行結果から解ＡＳを生成してユーザに提示する。
　サーバ装置２ＡのＣＰＵ１１は、ステップＳ１２２で、生成した解ＡＳの詳細をまとめたレポートを生成する。レポートの生成は、要約部Ｆ２６としての機能を利用してチャット欄に表示させるための要約文を生成するものとしてもよいし、文書ファイルや表計算ファイルやプレゼンテーションファイルなどを生成するものとしてもよい。
　サーバ装置２ＡのＣＰＵ１１は、ステップＳ１２３でレポートの提示を行い、図８、図９及び図１０に示す一連の処理を終える。なお、サーバ装置２ＡのＣＰＵ１１は、ステップＳ１２３の後に再度ステップＳ１０１の処理へと戻ってもよい。
　なお、図８、図９及び図１０に示す各処理は、前述した回答生成処理といえる。
＜５．具体的な適用例＞
　ユーザによる課題ＳＪの入力と、それに応じたサーバ装置２Ａによる各種情報の提示の例を幾つか示す。
＜５－１．適用例１＞
　第一の適用例は、イメージセンサが備える画素の設計に関する課題ＳＪを解決する例である。具体的には、ユーザによって「設計タイプＡＡを採用した画素を搭載した新規のイメージセンサについて、画像の暗信号特性の設計マージンを緩和しつつ飽和信号量を２０％以上改善する手法を教えて」という文章が入力された場合の例である。
　この入力文は、図６に示す入力文受付部Ｆ２２ａによって受け付けられ、課題情報特定部Ｆ２６ａによって課題ＳＪが特定される。
　課題情報特定部Ｆ２６ａ或いは第一取得部Ｆ２３は、特定された課題に基づいて、データベースＤＢを検索し、例えば以下の情報Ｄ１、Ｄ２、Ｄ３を利用可能な情報として特定する。
　情報Ｄ１：設計タイプＡＡにおける飽和信号量についての設計資料と結果情報
　情報Ｄ２：設計タイプＡＡと画素サイズが類似している設計タイプＡＢの検討資料と改善結果が紐付けられたレコードＩＤ＝ｉｄ１の情報
　情報Ｄ３：設計タイプＡＡと製造フローが類似している設計タイプＡＣの検討資料と改善結果が紐付けられたレコードＩＤ＝ｉｄ２の情報
　ここで、情報Ｄ１は、過去の応答情報とは異なる情報であり、製品の設計資料やシミュレーション或いは実機でのパラメータ変更時の性能変化を示す結果情報である。情報Ｄ１は、データベースＤＢに記憶されていてもよいし、データベースＤＢとは別の装置に記憶されていてもよい。
　課題情報特定部Ｆ２６ａや提示処理部Ｆ２１によって取得されたこれらの検索結果は、提示処理部Ｆ２１によって適宜ユーザに提示されてもよい。
　解法取得部Ｆ２３ａは、取得された情報Ｄ１、Ｄ２、Ｄ３ごとに用いられた解法ＭＳを特定し、解法ＭＳについての情報を取得する。
　例えば、以下の三つの解法ＭＳを取得する。
　情報Ｄ１に紐付く解法ＭＳの情報：イオン注入工程における注入面積に影響するフォトマスクの大きさの最適化
　情報Ｄ２に紐付く解法ＭＳの情報：飽和信号量を２０％改善のためにイオン注入工程における不純物濃度を最適化
　情報Ｄ３に紐付く解法ＭＳの情報：飽和信号量を２０％改善のためにイオン注入工程における不純物濃度を最適化
　アルゴリズム取得部Ｆ２３ｂは、取得された情報Ｄ１、Ｄ２、Ｄ３ごとに用いられたアルゴリズムＡＲを特定し、アルゴリズムＡＲについての情報を取得する。取得したアルゴリズムＡＲの一例を示す。
　情報Ｄ１に紐付くアルゴリズムＡＲの情報：強化学習を用いて飽和信号量の最大化を図っている
　情報Ｄ２に紐付くアルゴリズムＡＲの情報：強化学習を用いて飽和信号量の最大化を図っている
　情報Ｄ３に紐付くアルゴリズムＡＲの情報：単目的最適化を用いて飽和信号量の最大化を図っている
　情報提示部Ｆ２１ａは、解法取得部Ｆ２３ａ及びアルゴリズム取得部Ｆ２３ｂによって取得された情報を、例えば以下のような形でユーザに提示する。
　「設計タイプＡＡの過去情報では、フォトマスクの最適化を図ることにより飽和信号量の改善を図っています。そして、設計タイプＡＢ及び設計タイプＡＣの過去情報では、イオン注入工程における不純物濃度の最適化を図ることにより飽和信号量の改善を図っています。なお、設計タイプＡＡ及び設計タイプＡＢの過去情報では、強化学習を用いて最適化しています。また、設計タイプＡＣの過去情報では、単目的最適化を用いて最適化しています。」
　そして、情報提示部Ｆ２１ａは、以下の文章を提示させることにより、ユーザの評価入力を求める処理を行う。
　「以上の情報に基づいて、イオン注入工程における不純物濃度について強化学習を用いることにより最適化を図り、検討結果を提示します。このまま進めてよいですか？」
　ユーザは、この提示文に対して「Ｙｅｓ」または「Ｎｏ」を入力することにより、提案手法についての肯定評価または否定評価を行う。
　これに対して、例えば、ユーザが「Ｙｅｓ」と入力した場合には、サーバ装置２ＡのＣＰＵ１１は、「イオン注入工程における不純物濃度の最適化」という解法ＭＳと、「強化学習」というアルゴリズムＡＲを用いることを決定する。この決定により、サーバ装置２Ａは、先の情報Ｄ２を参考にして解ＡＳを得ることを決定したこととなる。
　次に、予測モデル取得部Ｆ２４ａは、先の情報Ｄ２に基づいて予測モデルＰＭを取得する。ここで取得した予測モデルＰＭを予測モデルＰＭ１とする。
　次に、テンプレート取得部Ｆ２５ａは、今回の課題ＳＪの解決に用いられるアルゴリズムＡＲ、即ち、強化学習を行うための設定ファイルや実行プログラムのテンプレートをデータベースＤＢから取得する。
　続いて、実行条件設定部Ｆ２５ｂは、実行条件を設定する。ここで設定する実行条件は、例えば、調整するパラメータや報酬関数や実現したい性能情報や設計マージン等の情報を含んでおり、これらが物理的或いは数学的に適切な範囲に収まるように設定される。
　本例における調整するパラメータは、例えば、不純物濃度自体、或いは不純物濃度に影響を及ぼすパラメータとされている。また、報酬関数は、情報Ｄ２において使用された報酬関数とされる。そして、実現したい性能情報は、飽和信号量の設計値に１．２を乗算した値、即ち、飽和信号量が２０％改善されることを示す値とされる。更に、設計マージンは、例えば画像の暗信号特性の設計マージンを示すパラメータとされる。
　アルゴリズム実行部Ｆ２５ｃは、実行条件を加味して実行ファイルを生成する。
　そして、情報提示部Ｆ２１ａは、実行ファイルと以下の文章を提示させることにより、ユーザの評価入力を求める処理を行う。
　「この実行条件で設計を進めますがよろしいですか？」
　ユーザは、この提示文に対して「Ｙｅｓ」または「Ｎｏ」を入力することにより、実行条件等についての肯定評価または否定評価を行う。
　これに対して、例えば、ユーザが「Ｙｅｓ」と入力した場合には、サーバ装置２Ａのアルゴリズム実行部Ｆ２５ｃは、作成した実行ファイルの実行を行い、その結果を得る。
　一方、前述の提示文章に対して、ユーザは「Ｎｏ」を入力する代わりにパラメータ等の制約条件を変更することも可能である。例えば、ユーザは以下のような入力文を入力可能である。
　「暗信号特性の設計マージンを５０％緩和してください」
　このような入力がなされた場合には、実行条件設定部Ｆ２５ｂは実行条件を再検討し再度ユーザに提示する。
　情報提示部Ｆ２１ａは、アルゴリズム実行部Ｆ２５ｃによる実行結果を文章や画像、或いはファイルにまとめてユーザに提示する処理を行う。なお、アルゴリズム実行部Ｆ２５ｃによる結果情報の提示は、提示情報要約部Ｆ２６ｂによる要約処理が施されることにより得られた要約文の提示によりなされてもよい。
　例えば、ユーザに以下の要約文としての文章が提示されてもよい。
　「最適化を実行した結果、イオン注入工程における不純物濃度をＸ１％とすることで、飽和信号量を３０％改善することができます。このときの暗信号特性の設計マージンはＹ１％です。」
　また、情報提示部Ｆ２１ａがユーザに提示するファイルは、例えば、繰り返し実行される予測モデルＰＭへの入力データの入力と出力データの取得ごとの各種データが記載されたファイル、一例を挙げると、飽和信号量と暗信号特性の設計マージンと報酬関数の情報等が対応付けられて記載されたファイルなどである。
＜５－２．適用例２＞
　第二の適用例は、微細加工によるマイクロ流路構造が基板上に形成されたマイクロ流路チップの設計に関する課題ＳＪを解決する例である。具体的には、ユーザによって「マイクロ流路チップの設計タイプＢＢの設計において、製造可能な条件で、区間ＣＤの流速を最大化する設計案を提示して」という文章が入力された場合の例である。
　課題情報特定部Ｆ２６ａ或いは第一取得部Ｆ２３は、特定された課題に基づいて、データベースＤＢを検索し、例えば以下の情報Ｄ４、Ｄ５を利用可能な情報として特定する。
　情報Ｄ４：設計タイプＢＢにおける製造可能な条件についての設計資料と結果情報
　情報Ｄ５：設計タイプＢＢと同一構造の古い設計タイプＢＣの検討資料と改善結果が紐付けられたレコードＩＤ＝ｉｄ３の情報
　ここで、情報Ｄ４は、過去の応答情報とは異なる情報であり、製品の設計資料やシミュレーション或いは実機でのパラメータ変更時の性能変化を示す結果情報である。情報Ｄ４は、データベースＤＢに記憶されていてもよいし、データベースＤＢとは別のデータベースに記憶されていてもよい。
　課題情報特定部Ｆ２６ａや提示処理部Ｆ２１によって取得されたこれらの検索結果は、提示処理部Ｆ２１によって適宜ユーザに提示されてもよい。
　解法取得部Ｆ２３ａは、取得された情報Ｄ４、Ｄ５ごとに用いられた解法ＭＳを特定し、解法ＭＳについての情報を取得する。
　例えば、以下の二つの解法ＭＳを取得する。なお、解法ＭＳとしているが、情報Ｄ４に紐付く解法ＭＳの情報は、製造可能な条件についての情報と換言できる。
　情報Ｄ４に紐付く解法ＭＳの情報：断面積はＸ２以上、且つ、各辺の長さはＹ２以上となるように条件を設定
　情報Ｄ５に紐付く解法ＭＳの情報：情報Ｄ５の情報及び一般的な情報を用いて断面積を調整
　アルゴリズム取得部Ｆ２３ｂは、取得された情報Ｄ４、Ｄ５ごとに用いられたアルゴリズムＡＲを特定し、アルゴリズムＡＲについての情報を取得する。なお、情報Ｄ４は、製造可能な条件についての情報であり、アルゴリズムＡＲが存在しないため、ここでは情報Ｄ５について取得したアルゴリズムＡＲの一例を示す。
　情報Ｄ５に紐付くアルゴリズムＡＲの情報：多目的最適化を用いて流速と圧力損失のトレードオフを解析している
　情報提示部Ｆ２１ａは、解法取得部Ｆ２３ａ及びアルゴリズム取得部Ｆ２３ｂによって取得された情報を、例えば以下のような形でユーザに提示する。
　「設計タイプＢＢの過去情報によると、断面積がＸ２以上、且つ、各辺の長さはＹ２以上である必要があります。そして、設計タイプＢＣの過去情報では、情報Ｄ５及び一般的な情報を用いて断面積を調整しています。なお、設計タイプＢＣの過去情報では、多目的最適化を用いて流速と圧力損失のトレードオフを解析しています。」
　そして、情報提示部Ｆ２１ａは、以下の文章を提示させることにより、ユーザの評価入力を求める処理を行う。
　「以上の情報に基づいて、多目的最適化を用いることにより制約の範囲内で断面積の調整を図り、検討結果を提示します。このまま進めてよいですか？」
　ユーザは、この提示文に対して「Ｙｅｓ」または「Ｎｏ」を入力することにより、提案手法についての肯定評価または否定評価を行う。
　これに対して、例えば、ユーザが「Ｙｅｓ」と入力した場合には、サーバ装置２ＡのＣＰＵ１１は、「制約の範囲内での断面積の調整」という解法ＭＳと、「多目的最適化」というアルゴリズムＡＲを用いることを決定する。この決定により、サーバ装置２Ａは、先の情報Ｄ４及び情報Ｄ５を参考にして解ＡＳを得ることを決定したこととなる。
　次に、予測モデル取得部Ｆ２４ａは、先の情報Ｄ５に基づいて予測モデルＰＭを取得する。ここで取得した予測モデルＰＭを予測モデルＰＭ２とする。
　次に、テンプレート取得部Ｆ２５ａは、今回の課題ＳＪの解決に用いられるアルゴリズムＡＲ、即ち、多目的最適化を行うための設定ファイルや実行プログラムのテンプレートをデータベースＤＢから取得する。
　続いて、実行条件設定部Ｆ２５ｂは、実行条件を設定する。ここで設定する実行条件は、例えば、調整するパラメータや最適化指標、設計マージン等の情報を含んでおり、これらが物理的或いは数学的に適切な範囲に収まるように設定される。
　本例における調整するパラメータは、例えば、断面積自体、或いは断面積に影響を及ぼすパラメータとされている。また、最適化指標は、流速及び圧力損失とされている。そして、設計マージンは、例えば断面積や各辺の長さを示すパラメータとされる。
　アルゴリズム実行部Ｆ２５ｃは、実行条件を加味して実行ファイルを生成する。
　そして、情報提示部Ｆ２１ａは、実行ファイルと以下の文章を提示させることにより、ユーザの評価入力を求める処理を行う。
　「この実行条件で設計を進めますがよろしいですか？」
　ユーザは、この提示文に対して「Ｙｅｓ」または「Ｎｏ」を入力することにより、実行条件等についての肯定評価または否定評価を行う。
　これに対して、例えば、ユーザが「Ｙｅｓ」と入力した場合には、サーバ装置２Ａのアルゴリズム実行部Ｆ２５ｃは、作成した実行ファイルの実行を行い、その結果を得る。
　一方、前述の提示文章に対して、ユーザは「Ｎｏ」を入力する代わりにパラメータ等の制約条件を変更することも可能である。この場合には、実行条件設定部Ｆ２５ｂは入力された文章を解析結果に基づいて実行条件を再検討し再度ユーザに提示する。
　情報提示部Ｆ２１ａは、アルゴリズム実行部Ｆ２５ｃによる実行結果を文章や画像、或いはファイルにまとめてユーザに提示する処理を行う。画像としては、例えば、圧力損失をＸ軸とし流速をＹ軸としてその関係性を表したグラフ画像などが考えられる。
　なお、アルゴリズム実行部Ｆ２５ｃによる結果情報の提示は、提示情報要約部Ｆ２６ｂによる要約処理が施されることにより得られた要約文の提示によりなされてもよい。
　例えば、ユーザに以下の要約文としての文章が提示されてもよい。
　「最適化を実行した結果、流速が最大となるときの各辺の長さはＹ３です。そのときの圧力損失はＺ２です。」
＜５－３．適用例３＞
　第三の適用例は、イメージセンサが備える画素の設計に関する課題ＳＪを解決する例である。具体的には、ユーザによって「設計タイプＣＣを採用した画素を搭載した新規のイメージセンサについて、試作データＤＤを元に歩留まりが最大となる条件を教えて」という文章が入力された場合の例である。
　この入力文は、図６に示す入力文受付部Ｆ２２ａによって受け付けられ、課題情報特定部Ｆ２６ａによって課題ＳＪが特定される。
　課題情報特定部Ｆ２６ａ或いは第一取得部Ｆ２３は、特定された課題に基づいて、データベースＤＢを検索し、例えば以下の情報Ｄ６を利用可能な情報として特定する。
　情報Ｄ６：設計タイプＣＣにおける試作データＤＥを元に歩留まりが最大となる条件を検討した資料
　課題情報特定部Ｆ２６ａや提示処理部Ｆ２１によって取得されたこれらの検索結果は、提示処理部Ｆ２１によって適宜ユーザに提示されてもよい。
　解法取得部Ｆ２３ａは、取得された情報Ｄ６に用いられた解法ＭＳを特定し、解法ＭＳについての情報を取得する。但し、本例においては、情報Ｄ６で用いられた解法ＭＳは存在しない。そのため、解法取得部Ｆ２３ａは、情報Ｄ６に用いられた解法ＭＳを特定できず情報を取得できない。即ち、図８のステップＳ１０５では、サーバ装置２ＡのＣＰＵ１１は、解法ＭＳを取得せずにアルゴリズムＡＲのみを取得する場合がある。同様に、ステップＳ１０６において、サーバ装置２ＡのＣＰＵ１１は、解法ＭＳを提示せずアルゴリズムＡＲのみを提示する場合がある。
　アルゴリズム取得部Ｆ２３ｂは、取得された情報Ｄ６に用いられたアルゴリズムＡＲを特定し、アルゴリズムＡＲについての情報を取得する。取得したアルゴリズムＡＲの一例を示す。
　情報Ｄ６に紐付くアルゴリズムＡＲの情報：歩留まりを算出する数式（１）を用い、歩留まりが最大となる変数を求めている
　情報提示部Ｆ２１ａは、解法取得部Ｆ２３ａ及びアルゴリズム取得部Ｆ２３ｂによって取得された情報を、例えば以下のような形でユーザに提示する。
　「提示できる解法はありません。設計タイプＣＣでは、歩留まりを算出する数式（１）を用いることにより、歩留まりが最大となる条件を求めています。」
　そして、情報提示部Ｆ２１ａは、以下の文章を提示させることにより、ユーザの評価入力を求める処理を行う。
　「以上の情報に基づいて、数式（１）を試作データＤＤに適応させ、歩留まりが最大となる条件を算出します。このまま進めてよいですか？」
　ユーザは、この提示文に対して「Ｙｅｓ」または「Ｎｏ」を入力することにより、提案手法についての肯定評価または否定評価を行う。
　これに対して、例えば、ユーザが「Ｙｅｓ」と入力した場合には、サーバ装置２ＡのＣＰＵ１１は、「特定の数式（１）を用いた計算フローの実行」というアルゴリズムＡＲを用いることを決定する。この決定により、サーバ装置２Ａは、先の情報Ｄ６を参考にして解ＡＳを得ることを決定したこととなる。
　次に、予測モデル取得部Ｆ２４ａは、先の情報Ｄ６に基づいて予測モデルＰＭを取得する。但し、本例においては実験データを利用するため、予測モデルＰＭを使用する必要がない。従って、予測モデル取得部Ｆ２４ａは予測モデルＰＭの取得を行わない。即ち、サーバ装置２ＡのＣＰＵ１１は、図９のステップＳ１１０で「Ｎｏ判定」とする。
　次に、テンプレート取得部Ｆ２５ａは、今回の課題ＳＪの解決に用いられるアルゴリズムＡＲ、即ち、「特定の数式（１）を用いた計算フローの実行」を行うためのプログラムのテンプレートをデータベースＤＢから取得する。このプログラムは、試作データＤＤを読み込み歩留まりを算出するプログラムである。
　続いて、実行条件設定部Ｆ２５ｂは、実行条件を設定する。ここで設定する実行条件は、例えば、読み込み対象のデータと、適用する数式の情報を含んでいる。
　本例における読み込み対象のデータは、試作データＤＤである。また、適用する数式は数式（１）である。
　アルゴリズム実行部Ｆ２５ｃは、実行条件を加味して実行ファイルを生成する。
　そして、情報提示部Ｆ２１ａは、実行ファイルと以下の文章を提示させることにより、ユーザの評価入力を求める処理を行う。
　「この実行条件で設計を進めますがよろしいですか？」
　ユーザは、この提示文に対して「Ｙｅｓ」または「Ｎｏ」を入力することにより、実行条件等についての肯定評価または否定評価を行う。
　これに対して、例えば、ユーザが「Ｙｅｓ」と入力した場合には、サーバ装置２Ａのアルゴリズム実行部Ｆ２５ｃは、作成した実行ファイルの実行を行い、その結果を得る。
　一方、前述の提示文章に対して、ユーザは「Ｎｏ」を入力する代わりに数式や読み込み対象の試作データを変更することも可能である。この場合には、実行条件設定部Ｆ２５ｂは入力された文章を解析結果に基づいて実行条件を再検討し再度ユーザに提示する。
　情報提示部Ｆ２１ａは、アルゴリズム実行部Ｆ２５ｃによる実行結果を文章や画像、或いはファイルにまとめてユーザに提示する処理を行う。画像としては、例えば、条件ＺＺ１、ＺＺ２、ＺＺ３ごとの歩留まりを示した棒グラフ画像などが考えられる。
　なお、アルゴリズム実行部Ｆ２５ｃによる結果情報の提示は、提示情報要約部Ｆ２６ｂによる要約処理が施されることにより得られた要約文の提示によりなされてもよい。
　例えば、ユーザに以下の要約文としての文章が提示されてもよい。
　「歩留まりが最大となる条件は条件ＺＺ３です。」
＜６．第二の実施の形態＞
　第二の実施の形態における情報処理システム１Ｂは、解取得処理部Ｆ２５としての機能をサーバ装置２とは異なる装置で実行する例である。
　情報処理システム１Ｂの構成例について図１１に示す。
　情報処理システム１Ｂは、サーバ装置２Ｂとユーザ端末３とサーバ装置２Ｂが管理するデータベースＤＢに加えて、アプリケーションサーバ装置４を備えている。
　図１２は、サーバ装置２ＢのＣＰＵ１１及びアプリケーションサーバ装置４が備える機能及び情報の流れの一例を示した図である。
　サーバ装置２Ｂは、ＣＰＵ１１がプログラムを実行することにより前述の提示処理部Ｆ２１、受付部Ｆ２２、第一取得部Ｆ２３、解取得処理部Ｆ２５、及び要約部Ｆ２６として機能する。
　また、サーバ装置２Ｂは、ＣＰＵ１１がプログラムを実行することにより解取得処理部Ｆ２５Ｂとして機能する。
　解取得処理部Ｆ２５Ｂは、アプリケーションサーバ装置４が提供する機能を用いることにより、サーバ装置２Ａの第二取得部Ｆ２４が備えていた予測モデル取得部Ｆ２４ａとしての機能と、サーバ装置２Ａの解取得処理部Ｆ２５が備えていたテンプレート取得部Ｆ２５ａとしての機能と、実行条件設定部Ｆ２５ｂとしての機能と、アルゴリズム実行部Ｆ２５ｃとしての機能を実現する。
　具体的に、アプリケーションサーバ装置４は、予測モデル取得部Ｆ２４ａとしての機能と、テンプレート取得部Ｆ２５ａとしての機能と、実行条件設定部Ｆ２５ｂとしての機能と、アルゴリズム実行部Ｆ２５ｃとしての機能を有する。
　即ち、アプリケーションサーバ装置４は、課題ＳＪと解法ＭＳとアルゴリズムＡＲが入力されると、アルゴリズムＡＲで利用する予測モデルＰＭを特定し、解法ＭＳや課題ＳＪに基づいてテンプレートを取得し、実行条件を設定した上でアルゴリズムＡＲを実行する。また、アプリケーションサーバ装置４は、アルゴリズムＡＲの実行結果をサーバ装置２Ｂに提供する。
　従って、サーバ装置２Ｂの解取得処理部Ｆ２５Ｂは、アプリケーションサーバ装置４に対する入力データを生成するだけでよく、サーバ装置２Ｂの処理負担の軽減が図られる。
　なお、情報処理システム１Ｂは、アプリケーションサーバ装置４を備える代わりに、サーバ装置２Ｂにインストールされたアルゴリズム実行ツールを用いて、予測モデル取得部Ｆ２４ａとしての機能と、テンプレート取得部Ｆ２５ａとしての機能と、実行条件設定部Ｆ２５ｂとしての機能と、アルゴリズム実行部Ｆ２５ｃとしての機能を実現してもよい。
　即ち、サーバ装置２Ｂの解取得処理部Ｆ２５Ｂは、アプリケーションサーバ装置４が備える機能を内包していてもよい。
　アプリケーションサーバ装置４やアルゴリズム実行ツールは、情報処理システム１Ｃを管理する自社で用意してもよいし、例えば、ＥＤＡ（Electronic Design Automation）ベンダーによって提供されているものを利用してもよい。
＜７．第三の実施の形態＞
　第三の実施の形態は、サーバ装置２が複数の装置によって構成されている例である。
　一例を図１３に示す。
　情報処理システム１Ｃは、複数のサーバ装置２Ｃ１及びサーバ装置２Ｃ２と、サーバ装置２Ｃ２が管理するデータベースＤＢと、ユーザ端末３を備えている。
　サーバ装置２Ｃ１、サーバ装置２Ｃ２及びユーザ端末３は、通信ネットワークＮＷを介して相互通信可能に接続されている。
　サーバ装置２Ｃ１は、ユーザ端末３との情報の送受信を行う情報処理装置である。ユーザは、ユーザ端末３を利用してサーバ装置２Ｃ１に対して各種の要求を送信することで、情報処理システム１Ｃが提供するサービスを享受する。
　サーバ装置２Ｃ１は、ユーザ端末３を介して受信したユーザの要求に応じて適宜サーバ装置２Ｃ２へと依頼を送信する。即ち、サーバ装置２Ｃ１は、サーバ装置２Ｃ２を利用することにより、ユーザの要求を実現する。
　具体的に、サーバ装置２Ｃ１とサーバ装置２Ｃ２が備える機能と情報の流れについて図１４に示す。
　例えば、サーバ装置２Ｃ１は、ユーザから入力された文章を受け付ける受付部Ｆ２２と、受け付けた文章を要約する処理やユーザに提示する情報を要約する処理を行う要約部Ｆ２６と、ユーザに情報提示を行う提示処理部Ｆ２１の機能を有する情報処理装置である。
　サーバ装置２Ｃ２は、サーバ装置２Ｃ１から受信した要求に応じて適宜処理を行う情報処理装置である。サーバ装置２Ｃ２は、図１４に示すように、解法ＭＳ及びアルゴリズムＡＲの情報をデータベースＤＢから取得する第一取得部Ｆ２３と、予測モデルＰＭについての情報を取得する第二取得部Ｆ２４と、それらの情報に基づいて課題ＳＪに対する解ＡＳを取得する解取得処理部Ｆ２５の機能を有する情報処理装置である。
　なお、図１３ではデータベースＤＢがサーバ装置２Ｃ２の外部に設けられている例を示したが、図１４に示すようにデータベースＤＢがサーバ装置２Ｃ２の内部に設けられていてもよい。
　サーバ装置２Ｃ１は、ユーザからの入力文を解析し、課題ＳＪが特定できた場合には、課題ＳＪを解決するための解ＡＳの生成をサーバ装置２Ｃ２に依頼する。
　サーバ装置２Ｃ２は、解ＡＳの生成依頼を受けて各処理を行い、得られた解ＡＳをサーバ装置２Ｃ１に出力する。
　サーバ装置２Ｃ１は、提示処理部Ｆ２１がサーバ装置２Ｃ２から解ＡＳの情報やレポートの情報を受信する。提示処理部Ｆ２１の情報提示部Ｆ２１ａは、適宜要約部Ｆ２６の提示情報要約部Ｆ２６ｂの機能を用いてユーザに提示する情報を要約してもよい。
　即ち、受付部Ｆ２２としての処理は、情報処理システム１Ｃのサーバ側の装置が備える第一プロセッサ、即ち、サーバ装置２Ｃ１のＣＰＵ１１が実行する。
　また、第一取得部Ｆ２３としての処理は、情報処理システム１Ｃのサーバ側の装置が備える第二プロセッサ、即ち、サーバ装置２Ｃ２のＣＰＵ１１が実行する。
　このように、受付部Ｆ２２と第一取得部Ｆ２３の処理は、異なるプロセッサによって実行されることにより負荷分散がなされてもよい。
　また、第二取得部Ｆ２４としての処理は、情報処理システム１Ｃのサーバ側の装置が備える第二プロセッサ、即ち、サーバ装置２Ｃ２のＣＰＵ１１が実行する。
　このように、受付部Ｆ２２と第二取得部Ｆ２４の処理は、異なるプロセッサによって実行されることにより負荷分散がなされてもよい。
　更に、解取得処理部Ｆ２５としての処理は、情報処理システム１Ｃのサーバ側の装置が備える第二プロセッサ、即ち、サーバ装置２Ｃ２のＣＰＵ１１が実行する。
　このように、受付部Ｆ２２と解取得処理部Ｆ２５の処理は、異なるプロセッサによって実行されることにより負荷分散がなされてもよい。
＜８．変形例＞
　第三の実施の形態においては、二つのサーバ装置２Ｃ１、２Ｃ２を用いて提示処理部Ｆ２１、受付部Ｆ２２、第一取得部Ｆ２３、第二取得部Ｆ２４、解取得処理部Ｆ２５及び要約部Ｆ２６としての機能を実現する構成を説明した。
　これに限らず、三つ以上のサーバ装置２を用いて各機能を実現してもよい。例えば、第一取得部Ｆ２３としての機能を備えるサーバ装置２と、第二取得部Ｆ２４としての機能を備えるサーバ装置２と、解取得処理部Ｆ２５としての機能を備えるサーバ装置２がそれぞれ別の情報処理装置として設けられていてもよい。
＜９．データベースの生成方法＞
　前述したデータベースＤＢは、例えば、情報と各情報間の距離情報とによって表現されるグラフデータベースとされていてもよい。グラフデータベースにおいては、各情報が「ノードＮＤ」とされ、情報同士の繋がりが「エッジＥＤ」として表現される。
　各情報の距離ＤＴは、ノードＮＤ同士を最短距離で結んだ場合に含まれるエッジＥＤの数と換言できる。即ち、一つのエッジＥＤによって接続される二つの情報の距離ＤＴは、「１」とされる。
　ここでは、グラフデータベースとされたデータベースＤＢの構築手法について述べる。
　先ず、データベースＤＢには、課題解決の依頼文（プロンプト）の入力に応じて適宜ユーザに提示する因果関係図が記憶されている。因果関係図とは、例えば、フィッシュボーン図（ＣＥ図）やマインドマップ図など、情報同士を線で結ぶことで表現される各種の図が含まれ得る。
　なお、以下の説明では、フィッシュボーン図を例に挙げる。
　データベースＤＢの構築機能は、例えば、前述した情報処理システム１（１Ａ、１Ｂ、１Ｃ）におけるサーバ装置２Ａ（２Ｂ、２Ｃ）が備えていてもよいし、データベースＤＢの演算部が備えていてもよい。なお、以下の説明では、サーバ装置２Ａ、２Ｂ、２Ｃを区別せずに「サーバ装置２」と記載する。
　図１５にサーバ装置２がデータベースＤＢの構築機能を有した例を示す。
　サーバ装置２のＣＰＵ１１は、提示処理部Ｆ２１、受付部Ｆ２２、第一取得部Ｆ２３、第二取得部Ｆ２４、解取得処理部Ｆ２５、要約部Ｆ２６に加えて、情報管理部Ｆ２７として機能する。
　情報管理部Ｆ２７は、データベースＤＢに新たな情報を加えて再構築する処理を行う。なお、情報管理部Ｆ２７は、前述したようにデータベースＤＢから情報を取得する機能を備えていてもよい。即ち、情報管理部Ｆ２７は、データベースＤＢに記憶された情報に係る種々の処理を実行する機能を有していてもよい。
　例えば、情報管理部Ｆ２７は、ユーザの「ネットワーク障害発生の原因を分析して教えて」というプロンプトに応じて、データベースＤＢに記憶されている複数のフィッシュボーン図から一つのフィッシュボーン図を取得する。取得したフィッシュボーン図は、提示処理部Ｆ２１によってユーザに提示される。
　ユーザに提示されたフィッシュボーン図の一例を図１６に示す。図１６に示すフィッシュボーン図は、「ネットワーク障害の発生」という課題ＳＪが配置され、課題ＳＪに接続された背骨に対して、複数の親要因が配置されている。
　図１６に示すフィッシュボーン図における親要因は、「人」、「機械」、「方法」、「材料」、「測定」とされている。
　また、「人」という親要因に対する子要因は、「設定ミス」、「トレーニング不足」、「運用ミス」、「権限設定ミス」、「コミュニケーション不足」とされている。
　なお、図１６に示す例では子要因に接続される孫要因が存在しない例であるが、孫要因が子要因に接続されていてもよい。
　提示されたフィッシュボーン図に対して、ユーザは、当該フィッシュボーン図を用いて課題ＳＪに対する解ＡＳを提示してもらうか否か、即ち、課題ＳＪの解決に提示されたフィッシュボーン図を用いるか否かを決定しフィードバックする。
　情報管理部Ｆ２７は、提示したフィッシュボーン図がユーザによって不採用とされた場合に、異なるフィッシュボーン図をデータベースＤＢから取得する。取得したフィッシュボーン図は、提示処理部Ｆ２１によって再度提示される。
　再取得したフィッシュボーン図の一例を図１７に示す。
　図示するように、再取得されたフィッシュボーン図は、太い破線の矩形で示した部分が最初に取得したフィッシュボーン図と異なる。
　例えば、図１６に示すフィッシュボーン図では、「方法」という親要因に対して接続される子要因は、それぞれ「ＧＵＩ（Graphical User Interface）設定ミス」、「ＤＨＣＰ（Dynamic Host Configuration Protocol）設定ミス」、「ファイアウォール」、「プロトコル設定誤り」、「ネットワーク共有設定不良」とされている。
　一方、図１７に示すフィッシュボーン図では、同じ「方法」という親要因に対して接続される子要因は、それぞれ「ＣＬＩ（Command Line Interface）設定ミス」、「ネットワークサービス不良」、「ルーティング設定誤り」、「ＤＮＳ（Domain Name System）設定ミス」、「パケットフィルタ誤設定」とされている。
　また、図１７に示すフィッシュボーン図では、子要因である「ネットワークサービス不良」に対して「ＩＰアドレス誤設定」が孫要因として接続されている。
　図１６に示すフィッシュボーン図は、例えば、Ａ社のＯＳ（Operating System）を使用したサーバにおけるネットワーク障害を解決するためのものである。
　一方、図１７に示すフィッシュボーン図は、オープンソースのＯＳを使用したサーバにおけるネットワーク障害を解決するためのものである。
　このように、ユーザの個々の状況や条件に応じて選択されるフィッシュボーン図は異なる。データベースＤＢには、同種の課題ＳＪに対して複数種類のフィッシュボーン図が記憶され得る。
　提示されたフィッシュボーン図を採用する意思をユーザが示すと、その意思情報はサーバ装置２へと送信される。
　サーバ装置２は、受付部Ｆ２２によって当該意思情報を受け取り、情報管理部Ｆ２７によって次にユーザに提示する情報の生成処理が行われる。
　ここで、情報管理部Ｆ２７が備える各機能について図１８に示す。情報管理部Ｆ２７は、検索処理部Ｆ２７ａとしての機能と、グラフ理論に基づく情報（以下「グラフデータＧＤ」と記載）を生成するグラフデータ生成部Ｆ２７ｂとしての機能を有する。
　グラフデータ生成部Ｆ２７ｂは、ユーザによって選択されたフィッシュボーン図に基づいてノードＮＤと距離ＤＴを有するグラフデータＧＤを生成する。
　そのために、グラフデータ生成部Ｆ２７ｂは、先ず、画像としてのフィッシュボーン図を入力としてテキスト情報を出力する処理を行う。この処理は、例えば、画像からテキスト情報を抽出するＡＩモデルを用いて行われる。
　図１７に示すフィッシュボーン図を入力として出力されるテキスト情報の一例を以下に示す。
「ネットワーク障害の発生」＝
{node1:人,node2:設定ミス,トレーニング不足,運用ミス,権限設定ミス,コミュニケーション不足},
{node1:機械,node2:ネットワーク機器,ハードウェア故障,ネットワークカード,サーバ不具合,ドライバ不具合},
{node1:方法,node2:ＣＬＩ設定ミス,{ネットワークサービス不良,node3:ＩＰアドレス誤設定},ルーティング設定誤り,ＤＮＳ設定ミス,パケットフィルタ誤設定},
{node1:材料,node2:ケーブル不良,配線不良,不正なケーブル,不適切なハードウェア,サーバ設定不良},
{node1:測定,node2:ログ取得不良,モニタリングツール,サーバログ不備,測定機器不良,不正確なデータ}
　このようにして生成されたテキスト情報は、ノードＮＤとノードＮＤ同士の距離ＤＴの情報を含む。グラフデータ生成部Ｆ２７ｂは、テキスト情報を用いてグラフデータＧＤを生成する。
　生成したグラフデータＧＤの一例を図１９に示す。
　グラフデータＧＤは、図１７に示すフィッシュボーン図に基づいて、「方法」という親要因を起点として子要因や孫要因を距離ＤＴに応じて配置したデータである。
　グラフデータ生成部Ｆ２７ｂは更に、グラフデータＧＤにおける子要因や孫要因それぞれに情報（前述した情報Ｄ１や情報Ｄ２等）を紐付ける。
　例えば、子要因や孫要因に紐付ける情報は、データベースＤＢに記憶されている。検索処理部Ｆ２７ａは、データベースＤＢに記憶された情報から、各要因と親和性の高い情報を抽出する。グラフデータ生成部Ｆ２７ｂは、検索処理部Ｆ２７ａによって抽出された情報を各要因に紐付ける。
　ここでは、これらの情報を「資料」と記載する。
　例えば、子要因「ＣＬＩ設定ミス」に対しては、ＣＬＩ設定ミスが起きたときの事例集やその対策案や解決案等をまとめた資料が紐付けられる。
　図１９に示す例においては、資料Ａから資料Ｍのそれぞれがいずれかの子要因或いは孫要因に紐付けられている。
　このようにして生成されたグラフデータＧＤは、子要因や孫要因ごとにデータ量が異なるものとなる。データ量は、例えば、バイト数で表される。
　グラフデータＧＤは、適宜データベースＤＢに記憶される。
　なお、図１９は、「ネットワーク障害の発生」という課題ＳＪに対する一つの親要因「方法」についてのグラフデータＧＤのみを示したものであるが、実際には、「ネットワーク障害の発生」という課題ＳＪについて、親要因「人」についてのグラフデータＧＤや、親要因「機械」についてのグラフデータＧＤや、親要因「材料」についてのグラフデータＧＤや、親要因「測定」についてのグラフデータＧＤなどがデータベースＤＢに記憶される。
　また、親要因ごとにグラフデータＧＤが生成される代わりに、一つの課題ＳＪに対して一つのグラフデータＧＤが記憶されてもよい。具体的には、課題ＳＪも一つのノードＮＤとされ、課題ＳＪとしてのノードＮＤに対してそれぞれの親要因がエッジＥＤで連結されたグラフデータＧＤがデータベースＤＢに記憶されてもよい（図２０参照）。なお、図２０においては、資料の紐付態様の図示は省略している。
　前述した第一取得部Ｆ２３は、データベースＤＢに記憶されたグラフデータＧＤを用いて解法ＭＳやアルゴリズムＡＲを得る。
　なお、第一取得部Ｆ２３は、グラフデータＧＤにおける検索範囲を決定する機能を有していてもよい。例えば、第一取得部Ｆ２３は、図２０に示す一点鎖線で囲む範囲を解法ＭＳやアルゴリズムＡＲの検索範囲としてもよい。
　ここで、第一取得部Ｆ２３による解法ＭＳやアルゴリズムＡＲの取得について、具体例を説明する。
　第一取得部Ｆ２３は、大規模言語モデルによる自然言語処理技術を用いて解法ＭＳやアルゴリズムＡＲの取得を行う。このとき、当該大規模言語モデルは、扱うことのできるコンテキスト長が決められている。
　例えば、図２０に示す検索範囲を抜粋して図２１に示し、それぞれのノードＮＤを区別できるように、親要因Ａ１～Ａ２、子要因Ｂ１－Ｂ６、孫要因Ｃ１－Ｃ２として示す。
　また、図２１においては、各要素に紐付けられた資料のコンテキスト長を合算して「要素のコンテキスト長」とし括弧書きで示す。例えば、子要因Ｂ１に資料Ｂ１－１，Ｂ１－２が紐付けられ、資料Ｂ１－１のコンテキスト長が１０ｋ（＝１０×１０００）とされ、資料Ｂ１－２のコンテキスト長が２０ｋとされている場合に、子要因Ｂ１のコンテキスト長を３０ｋ（＝１０ｋ＋２０ｋ）とする。
　第一取得部Ｆ２３は、要素ごとのコンテキスト長に基づいて解法ＭＳやアルゴリズムＡＲを得るために大規模言語モデルへ入力するプロンプトを決定する。
　例えば大規模言語モデルが扱うことのできるコンテキスト長が１００ｋである場合に、各要素のコンテキスト長が１００ｋ以下に収まるように要因をグループ化してプロンプトを作成する。
　図２１に示す例では、子要因Ｂ１（３０ｋ）、子要因Ｂ２（１５ｋ）、子要因Ｂ３（２０ｋ）、孫要因Ｃ１（１５ｋ）、孫要因Ｃ２（２０ｋ）を第一グループＧ１とする。第一グループＧ１における総コンテキスト長は、１００ｋ（＝３０ｋ＋１５ｋ＋２０ｋ＋１５ｋ＋２０ｋ）である。
　また、子要因Ｂ４（１０ｋ）、子要因Ｂ５（４０ｋ）、子要因Ｂ６（５０ｋ）を第二グループＧ２とする。第二グループＧ２における総コンテキスト長は、１００ｋ（＝１０ｋ＋４０ｋ＋５０ｋ）である。
　第一グループＧ１及び第二グループＧ２は、図２１において二点鎖線で示す。
　第一グループＧ１を検索範囲として解法ＭＳを得るためのプロンプトを第一プロンプトＰＰ１とする。
　第一プロンプトＰＰ１の例を図２２に示す。なお、図２２における「子要因Ｂ１に紐付くコンテキスト」とは、子要因Ｂ１に紐付く資料についての画像情報やテキスト情報などを指す。また、「テキスト情報」には文章情報だけでなく表やグラフなどによって表現される情報も含み得る。
　また、第二グループＧ２を検索範囲として解法ＭＳを得るためのプロンプトを第二プロンプトＰＰ２とする。第二プロンプトＰＰ２の例を図２３に示す。
　図２１、図２２及び図２３から理解されるように、解法ＭＳやアルゴリズムＡＲを得るために参照する資料のコンテキスト長を所定の長さ（本例では１００ｋ）に抑えることにより、第一取得部Ｆ２３による解法ＭＳの取得が適切に行われる。
　なお、第一グループＧ１や第二グループＧ２などのグループ毎に得られた解法ＭＳやアルゴリズムＡＲは、適宜メモリ等に一時記憶される。
　なお、コンテキスト長に応じて作成された全てのグループについて解法ＭＳのみを得た後に、第一取得部Ｆ２３のアルゴリズム取得部Ｆ２３ｂが解法ＭＳごとのアルゴリズムＡＲを取得し、予測モデル取得部Ｆ２４ａが解法ＭＳごとの予測モデルＰＭを取得する構成としてもよい。
　このようにして得られたグループごとの解法ＭＳとアルゴリズムＡＲと予測モデルＰＭの情報は、情報提示部Ｆ２１ａによってユーザに提示される。
　本実施の形態においてサーバ装置２のＣＰＵ１１が実行する処理の一例を図２４及び図２５に示す。両図間の処理の繋がりは、コネクタＣ４で示す。
　なお、図８に示す処理と同様の処理については、同じステップ番号を付し適宜説明を省略する。
　サーバ装置２のＣＰＵ１１は、ステップＳ１０１でユーザがユーザ端末３を用いて入力した入力文を受け付ける。
　サーバ装置２のＣＰＵ１１は、ステップＳ１０２において、入力文についての解析処理を行い文章の内容を把握する。この処理は、例えば、自然言語処理技術を用いて行われる。
　サーバ装置２のＣＰＵ１１は、ステップＳ１０３において、入力文の内容が課題ＳＪを提示するものであるか否かを判定する。
　入力文の内容が課題解決を依頼する内容でないと判定した場合（ステップＳ１０３：Ｎｏ判定）は、サーバ装置２ＡのＣＰＵ１１はステップＳ１０４へと進み、それぞれ対応処理を行う。対応処理は、入力文の解析内容によって異なる。
　入力文の内容が課題解決を依頼する内容であると判定した場合（ステップＳ１０３：Ｙｅｓ判定）は、サーバ装置２のＣＰＵ１１はステップＳ２０１へと進み、課題ＳＪに関連する因果関係図（例えばフィッシュボーン図）をデータベースＤＢから取得する。この取得処理では、サーバ装置２ＡのＣＰＵ１１は、過去の情報から類似した課題ＳＪを検索し、該当した課題ＳＪを解決するために用いられたフィッシュボーン図を取得する。
　サーバ装置２のＣＰＵ１１は、ステップＳ２０２において、因果関係図としてのフィッシュボーン図をユーザに提示する。
　サーバ装置２のＣＰＵ１１は、ステップＳ２０３において、提示したフィッシュボーン図に対するユーザの評価を受け付けるしょりを行う。この処理は、フィッシュボーン図が課題ＳＪの解決に適切であるか否かを示すユーザ評価の情報を受信する処理と換言することができる。
　サーバ装置２のＣＰＵ１１は、ステップＳ１０８において、ユーザ評価が肯定評価であるか否かを判定する。ユーザ評価が否定評価である場合（ステップＳ２０４：Ｎｏ判定）には、サーバ装置２のＣＰＵ１１はステップＳ２０１へと戻り、未提示のフィッシュボーン図をデータベースＤＢから取得する。
　一方、ユーザ評価が肯定評価であると判定した場合（ステップＳ２０４：Ｙｅｓ判定）に、サーバ装置２のＣＰＵ１１はステップＳ２０５へと進み、ユーザの肯定評価が得られたフィッシュボーン図についてのグラフデータＧＤを生成する。
　グラフデータＧＤの生成処理では、処理対象のフィッシュボーン図をテキスト化しテキスト情報を得る処理を行う。そして、テキスト情報に基づいてグラフデータＧＤを生成する。
　なおこの処理では、データベースＤＢに記憶された資料をグラフデータＧＤの各ノードＮＤに紐付ける処理も実行される。
　続いて、サーバ装置２のＣＰＵ１１は、図２５のステップＳ２０６へと進み、検索範囲の決定を行う。この処理では、前述したように、資料ごとのコンテキスト長に応じて検索範囲を決定する。
　サーバ装置２のＣＰＵ１１は、ステップＳ２０７において、検索範囲に基づいてＡＩエージェントに入力するプロンプトを作成する。
　サーバ装置２のＣＰＵ１１は、ステップＳ２０８において、作成したプロンプトをＡＩエージェントに入力することにより回答情報を得る。
　サーバ装置２のＣＰＵ１１は、ステップＳ２０９において、獲得した回答情報をＲＡＭ１３や記憶部１９等に記憶する処理を行う。
　サーバ装置２のＣＰＵ１１は、ステップＳ２１０において、グラフデータＧＤを用いた回答情報の検索を網羅的に行ったか否かを判定する。グラフデータＧＤを構成する各ノードＮＤや資料のうち、回答生成に用いていないノードＮＤや資料がある場合には、サーバ装置２のＣＰＵ１１はステップＳ２１０で「Ｎｏ」と判定する。
　網羅的な検索が完了していないと判定した場合（ステップＳ２１０：Ｎｏ判定）には、サーバ装置２のＣＰＵ１１はステップＳ２０６へと進み、検索範囲を被らないように設定する。これにより、異なるプロンプトが生成され異なる回答情報が得られる。
　一方、網羅的な検索が完了したと判定した場合（ステップＳ２１０：Ｙｅｓ判定）には、サーバ装置２のＣＰＵ１１はステップＳ２１１へと進み、ＲＡＭ１３や記憶部１９に記憶された１または複数の回答情報を用いて集約された一つの回答情報を生成する。
　サーバ装置２のＣＰＵ１１は、ステップＳ２１２において、集約された回答情報をユーザに提示する処理を行う。
　なお、図２５に示すステップＳ２１２の処理の後に、サーバ装置２のＣＰＵ１１は、更なる処理を実行してもよい。
　例えば、サーバ装置２のＣＰＵ１１は、提示した回答情報が妥当であるか否かの評価情報を得る処理を行う。
　そして、肯定評価が得られた場合には、サーバ装置２のＣＰＵ１１は、図８のステップＳ１０５の処理へと移行し、解法ＭＳやアルゴリズムＡＲを取得する処理を実行する。
　即ち、サーバ装置２のＣＰＵ１１は、図２４及び図２５の処理を終えた後に、ユーザに提示した回答情報が妥当であれば、図８のステップＳ１０５から図１０のステップＳ１２３まで続く一連の処理を更に実行してもよい。
＜１０．変形例＞
　ここでは幾つかの変形例について説明する。
　一つ目の変形例は、図２４のステップＳ１０１において、入力文受け付け時に因果関係図としての画像が入力された場合に分岐してステップＳ２０５以降の各処理を実行する例である。
　具体的には、ユーザが作成した因果関係図としての画像を入力として受け取り、図２４のステップＳ２０５から続く一連の処理を実行する。本変形例に係る処理の流れの一例を図２６に示す。
　サーバ装置２のＣＰＵ１１は、ステップＳ１０１で受け付けたユーザ入力をステップＳ１０２で解析する。
　サーバ装置２のＣＰＵ１１は、解析した結果に応じた分岐処理をステップＳ２２１及びステップＳ１０３で行う。
　具体的に、サーバ装置２のＣＰＵ１１は、ステップＳ２２１において、ユーザによって入力された情報がフィッシュボーン図などの因果関係図であるか否かを判定する。因果関係図でないと判定した場合（ステップＳ２２１：Ｎｏ判定）には、サーバ装置２のＣＰＵ１１はステップＳ１０３へと進む。
　一方、因果関係図であると判定した場合（ステップＳ２２１：Ｙｅｓ判定）には、サーバ装置２のＣＰＵ１１はステップＳ２０５へと進み、入力された因果関係図を用いたグラフデータＧＤの生成を行う。
　なお、ステップＳ２０５の処理の前後において、サーバ装置２のＣＰＵ１１はユーザによって入力された因果関係図をデータベースＤＢに記憶する処理を行うことが望ましい。
　これにより、サーバ装置２のＣＰＵ１１は、ステップＳ２０１及びステップＳ２０２の両処理を次回行う場合において新たに加えられた因果関係図の取得や提示を行うことが可能となる。
　なお、ユーザによる因果関係図の入力は、必要に応じてサーバ装置２のＣＰＵ１１が促すことにより成されてもよい。例えば、サーバ装置２のＣＰＵ１１が提示した因果関係図に対してユーザが妥当でないと判断し、且つ、ユーザに提示可能な因果関係図が無くなった場合などに、サーバ装置２のＣＰＵ１１は、ユーザに対して因果関係図を作成して入力するように促す処理がなされてもよい。
　二つ目の変形例は、サーバ装置２のＣＰＵ１１が図２５のステップＳ２０６において検索範囲の決定を行う処理を実行する代わりに、ユーザが検索範囲を指定する例である。
　本変形例に係る処理の流れの一例を図２７に示す。なお、図２７に示す一連の処理は、図２４または図２６の各処理に続いて実行される処理である。各処理のうち、主に図２５と異なる処理について説明する。
　サーバ装置２のＣＰＵ１１は、グラフデータＧＤの生成処理をステップＳ２０５で行った後に、ステップＳ２４１の処理へと進む。
　サーバ装置２のＣＰＵ１１は、ステップＳ２４１において、生成したグラフデータＧＤをユーザに提示する処理を行う。
　続いて、サーバ装置２のＣＰＵ１１は、ステップＳ２４２において、検索範囲を指定するユーザ操作を受け付ける。この処理は、例えば、ユーザが選択した子要因や孫要因を特定して取得する処理である。
　サーバ装置２のＣＰＵ１１は、ステップＳ２４３において、ユーザが指定した検索範囲に含まれる資料のコンテキスト長の合計が所定の範囲に収まっているか否かを判定する。
　コンテキスト長の合計が所定範囲に収まっておらず問題ありと判定した場合（ステップＳ２４３：Ｎｏ判定）には、サーバ装置２のＣＰＵ１１はステップＳ２４２の処理へと戻り、ユーザによる検索範囲の指定操作を再度受け付ける。
　一方、コンテキスト長の合計が所定範囲に収まっており問題ないと判定した場合（ステップＳ２４３：Ｙｅｓ判定）には、サーバ装置２のＣＰＵ１１はステップＳ２０７の処理へと進む。
　サーバ装置２のＣＰＵ１１は、ステップＳ２０７において指定された検索範囲に基づいてプロンプトを作成する。
　更に、サーバ装置２のＣＰＵ１１は、ステップＳ２０８において、作成したプロンプトをＡＩエージェントに入力することにより回答情報を得る。
　サーバ装置２のＣＰＵ１１は、ステップＳ２０９において、獲得した回答情報をＲＡＭ１３や記憶部１９等に記憶する処理を行う。
　サーバ装置２のＣＰＵ１１は、ステップＳ２１０において、グラフデータＧＤを用いた回答情報の検索を網羅的に行ったか否かを判定する。
　なお、ステップＳ２１０の代わりに、異なる検索範囲を指定するか否かをユーザに選択させてもよい。異なる検索範囲を指定する意思をユーザが示した場合には、サーバ装置２のＣＰＵ１１は再度ステップＳ２４２へと戻り新たな検索範囲の指定操作を受け付け、ステップＳ２４３から続く一連の処理を実行する。
　これにより、ユーザは、必要と考える最低限の範囲を用いて検索回数を少なくして回答情報を得ることができる。また、ユーザが得る回答情報の情報量が少なくなるため、回答情報の精査や検討に係る時間をユーザは節約することができる。
　なお、ユーザによる検索範囲の指定は、ユーザによる大まかな指示によってなされてもよい。例えば、「詳細」な検討を望んでいることを示す文章がユーザによって入力された場合には、サーバ装置２のＣＰＵ１１は、グラフデータＧＤにおける子要因や孫要因だけでなく曾孫要因やそれよりも深い層の要因、換言すれば距離が遠い要因も含めて検索範囲を設定する。
　一方、「簡易的」な検討や「端的」な検討を望んでいることを示す文章がユーザによって入力された場合には、サーバ装置２のＣＰＵ１１は、グラフデータＧＤにおける子要因のみ或いは孫要因まで、換言すれば距離が遠い要因は排除して検索範囲を設定する。
　続いて、フィッシュボーン図について前述した以外の例を幾つか挙げる。
　図２８は、流体が流れる配管の故障についてのフィッシュボーン図の一例である。
　課題ＳＪに接続された背骨に対して、四つの親要因が配置されている。具体的には、「材料」、「設計」、「組み立て」、「運用」の四つの親要因がフィッシュボーン図に含まれている。
　図２８に示すフィッシュボーン図は、孫要因の更に下位概念である曾孫要因が含まれている。
　具体的に、「設計」という親要因に対する子要因は、「応力集中」、「状態遷移の見積もり」とされている。
　「応力集中」という子要因に対する孫要因は、「配管の製造ばらつき」と「設計時の試算値」とされている。
　更に、「設計時の試算値」という孫要因に対する曾孫要因は、「１Ｄ　ＣＡＥ」、「３Ｄ　ＣＡＥ」とされている。
　ここで、「ＣＡＥ」とは「Computer Aided Engineering」の略である。「１Ｄ　ＣＡＥ」は、設計の上流から下流までを評価可能な一次元モデルや手法であり、主に機能の設計に用いられるものである。また、「３Ｄ　ＣＡＥ」は、設計がある程度進んだ段階でより詳細な解析を行う際に用いられる三次元モデルや手法であり、現実的な挙動を再現するものである。
　このように、フィッシュボーン図などの因果関係図は、各要因の階層として、親要因や子要因や孫要因だけでなく曾孫要因やその下位の要因が含まれていてもよい。
　図２９は、アプリ（アプリケーション）上のエラーについてのフィッシュボーン図の一例である。
　課題ＳＪに接続された背骨に対して、三つの親要因が配置されている。具体的には、「環境」、「設計」、「運用」の三つの親要因がフィッシュボーン図に含まれている。このように、因果関係図は、三つ或いはそれ以下の数の親要因を含むフィッシュボーン図であってもよい。
　なお、フィッシュボーン図などの因果関係図は、大規模言語モデルを用いて作成してもよい。即ち、サーバ装置２のＣＰＵ１１は、ユーザに提示したフィッシュボーン図に対するユーザ評価が否定評価である場合に、フィッシュボーン図を大規模言語モデルに新規に作成させる処理や、ユーザに提示したフィッシュボーン図を大規模言語モデルに改良させる処理を実行してもよい。
＜１１．適用例４＞
　第四の適用例は、前述した第一の適用例について用いられるデータベースＤＢがグラフデータベースとして構築されている例である。
　ユーザは、課題ＳＪとして、「設計タイプＡＡを採用した画素を搭載した新規のイメージセンサについて、画像の暗信号特性の設計マージンを緩和しつつ飽和信号量を２０％以上改善する手法を教えて」という文章を入力する。
　データベースＤＢの構築機能を実現するサーバ装置２のＣＰＵ１１は、課題ＳＪの入力を受け付け、因果関係図として例えばフィッシュボーン図を取得する。
　更にサーバ装置２のＣＰＵ１１は、ユーザの肯定評価が得られた場合に、フィッシュボーン図に基づいてグラフデータＧＤを生成する。
　更に、サーバ装置２のＣＰＵ１１は、グラフデータＧＤにおいて適切に設定された検索範囲に基づいて、プロンプトを生成する。検索範囲が複数設定される場合には、検索範囲の数だけプロンプトが生成される。
　生成されたプロンプトには、例えば、前述した情報Ｄ１や情報Ｄ２や情報Ｄ３などの情報が含まれている。なお、情報Ｄ１、Ｄ２、Ｄ３は、それぞれが図１９に示した資料Ａや資料Ｂなどに相当する。
　サーバ装置２のＣＰＵ１１は、生成されたプロンプトをＡＩエージェントに入力することにより回答情報を得る。
　ここで得られた回答情報には、情報Ｄ１に紐付く解法ＭＳの情報であり前述した「イオン注入工程における注入面積に影響するフォトマスクの大きさの最適化」の情報と、情報Ｄ２に紐付く解法ＭＳの情報であり前述した「飽和信号量を２０％改善のためにイオン注入工程における不純物濃度を最適化」の情報と、情報Ｄ３に紐付く解法ＭＳの情報であり前述した「飽和信号量を２０％改善のためにイオン注入工程における不純物濃度を最適化
」が含まれている。
　これらの三つの解法ＭＳの取得においては、一つのプロンプトの入力によって一つの解法ＭＳが得られてもよいし、一つのプロンプトの入力によって三つの解法ＭＳが得られてもよい。
　また、プロンプトの入力により得られた回答情報には、解法ＭＳの情報だけでなく、適宜アルゴリズムＡＲの情報も含まれる。
　生成した全てのプロンプトを入力することにより、回答情報として１または複数の解法ＭＳやアルゴリズムＡＲが得られる。サーバ装置２のＣＰＵ１１は、これらの解法ＭＳやアルゴリズムＡＲに基づいて、全ての情報が集約された一つの回答情報を生成する。
　この一つの回答情報は、前述した例に置き換えると、「設計タイプＡＡの過去情報では、フォトマスクの最適化を図ることにより飽和信号量の改善を図っています。そして、設計タイプＡＢ及び設計タイプＡＣの過去情報では、イオン注入工程における不純物濃度の最適化を図ることにより飽和信号量の改善を図っています。なお、設計タイプＡＡ及び設計タイプＡＢの過去情報では、強化学習を用いて最適化しています。また、設計タイプＡＣの過去情報では、単目的最適化を用いて最適化しています。」という情報である。
　サーバ装置２のＣＰＵ１１は、この集約された回答情報と、例えば「以上の情報に基づいて、イオン注入工程における不純物濃度について強化学習を用いることにより最適化を図り、検討結果を提示します。このまま進めてよいですか？」などの情報と共に、ユーザに提示する。
　このように、データベースＤＢとしてグラフデータベースが構築される場合に、当該データベースＤＢは、前述した適用例１、適用例２、適用例３において用いるデータベースＤＢとして利用可能である。
＜１２．まとめ＞
　前述した各例において説明したように、情報処理システム１（１Ａ、１Ｂ、１Ｃ）は、ユーザによる課題ＳＪの入力を受け付ける受付部Ｆ２２と、受付部Ｆ２２が受け付けた課題ＳＪを解決する解法ＭＳ、及び、解法ＭＳを実現するためのアルゴリズムＡＲをデータベースＤＢから取得する第一取得部Ｆ２３と、第一取得部Ｆ２３によって取得された解法ＭＳに適した予測モデルＰＭ（ＰＭ１、ＰＭ２）をデータベースＤＢから取得する第二取得部Ｆ２４と、第一取得部Ｆ２３によって取得されたアルゴリズムＡＲについての実行条件を適用したアルゴリズムＡＲ及び第二取得部Ｆ２４によって取得された予測モデルＰＭを用いて課題ＳＪに対する解ＡＳを得る解取得処理部Ｆ２５（Ｆ２５Ｂ）と、を備えている。
　受付部Ｆ２２は、例えば、ＡＩエージェントとしてユーザとのやりとりを行う機能である。
　また、第一取得部Ｆ２３によって取得される「解法ＭＳ」は、課題ＳＪを解決する方法である。そして、第一取得部Ｆ２３によって取得される「アルゴリズムＡＲ」は、解法ＭＳを実現するための手法である。
　大規模言語モデルとの応答に基づいて得られた解ＡＳは、物理的に或いは数学的に保証された解ＡＳではない場合がある。
　しかし、本構成によれば、大規模言語モデルを用いる場合であっても、データベースＤＢから取得した解法ＭＳやアルゴリズムＡＲを選択した上でアルゴリズムＡＲが実行されて解ＡＳが得られる。
　従って、データベースＤＢが過去の実績に基づいて課題ＳＪや解法ＭＳやアルゴリズムＡＲや予測モデルＰＭが対応付けられて記憶されることにより、提示されたアルゴリズムＡＲは実績に即し且つ物理的にも数学的にも保証されたものとなる。そして、アルゴリズムＡＲを実行することにより得られた解ＡＳについても物理的に或いは数学的に保証されたものとすることができる。
　また、ユーザは、当該情報処理システムを用いて得られた解ＡＳをそのまま実環境に適用することで目的を果たすことが可能とされる。
　図９等を参照して説明したように、情報処理システム１（１Ａ、１Ｂ、１Ｃ）においては、第一取得部Ｆ２３が取得した解法ＭＳが予測モデルＰＭ（ＰＭ１、ＰＭ２）を用いないものである場合に、第二取得部Ｆ２４は予測モデルＰＭの取得を行わず、解取得処理部Ｆ２５（Ｆ２５Ｂ）は予測モデルＰＭを用いずに実行条件を適用したアルゴリズムＡＲを用いて解ＡＳを得てもよい。
　解法ＭＳには、予測モデルＰＭが不要なものもある。このような場合に、第二取得部Ｆ２４が予測モデルＰＭの取得を行わないことで、情報処理システム１の処理負担を軽減することができる。また、解取得処理部Ｆ２５が予測モデルＰＭを用いる必要の無いアルゴリズムＡＲを実行することで、情報処理システム１の処理負担を軽減しつつ適切な解ＡＳを得ることができる。
　図４等を参照して説明したように、情報処理システム１（１Ａ、１Ｂ、１Ｃ）において、解法ＭＳ及びアルゴリズムＡＲは、過去の課題ＳＪと過去の課題ＳＪに対する対応結果が紐付けられて記憶されたデータベースＤＢから取得されてもよい。
　過去の対応結果に基づいて解法ＭＳやアルゴリズムＡＲが抽出されることにより、得られた解ＡＳが物理的に或いは数学的に保証されたものとなる。
　図４等を参照して説明したように、情報処理システム１（１Ａ、１Ｂ、１Ｃ）において、予測モデルＰＭ（ＰＭ１、ＰＭ２）は、過去の課題ＳＪと過去の課題ＳＪに対する対応結果が紐付けられて記憶されたデータベースＤＢから取得されてもよい。
　過去の対応結果に基づいて予測モデルＰＭが抽出されることにより、物理的に或いは数学的に保証された解ＡＳを得ることが可能となる。
　図４等を参照して説明したように、情報処理システム１（１Ａ、１Ｂ、１Ｃ）において、予測モデルＰＭ（ＰＭ１、ＰＭ２）には、少なくとも、物理予測モデルと化学反応モデルと実験データに基づく推論モデルの何れかが含まれてもよい。
　これにより、予測モデルＰＭから出力されるデータは物理的に或いは数学的に保証されたものとなる。従って、解取得処理部Ｆ２５（Ｆ２５Ｂ）によって得られる解ＡＳについても物理的に或いは数学的に保証されたものとすることができる。
　図４等を参照して説明したように、情報処理システム１（１Ａ、１Ｂ、１Ｃ）において、アルゴリズムＡＲには、単目的最適化または多目的最適化を行う最適化アルゴリズム、及び、強化学習のアルゴリズムの何れかが含まれてもよい。
　このような複数のアルゴリズムＡＲの中から課題ＳＪの解決に適したアルゴリズムＡＲが選択されることで、情報処理システム１の処理負担を軽減しつつ解ＡＳを得ることが可能となる。
　図３等を参照して説明したように、情報処理システム１（１Ａ、１Ｂ、１Ｃ）においては、人工知能または基盤モデルを用いて第一取得部Ｆ２３の取得結果と第二取得部Ｆ２４の取得結果を要約する要約部Ｆ２６を備えていてもよい。
　例えば、取得した情報について大規模言語モデルを用いた要約部Ｆ２６による要約が行われることにより、ユーザが理解しやすい形での情報提示を実現することが可能となる。
　例えば、受付部Ｆ２２としての機能と要約部Ｆ２６としての機能を大規模言語モデルが担い、且つ、その大規模言語モデルがチャット形式の応答をするモデルとされることで、チャット形式での自然な対話を通してユーザに情報提供等を行うことができる。これにより、ユーザは、特殊な操作を行うこと無く情報を得ることができ、利便性の向上が図られる。
　図３及び図４等を参照して説明したように、情報処理システム１（１Ａ、１Ｂ、１Ｃ）においては、第一取得部Ｆ２３によって取得された情報をユーザに提示する処理（ステップＳ１０６）と、第二取得部Ｆ２４によって取得された情報をユーザに提示する処理（ステップＳ１１４）と、を行う提示処理部Ｆ２１を備え、受付部Ｆ２２は、提示処理部Ｆ２１によって提示された情報に対するユーザの評価を受け付け（ステップＳ１０７、Ｓ１１５）、ユーザの評価を用いて第一取得部Ｆ２３によって取得された情報の一部を選択する処理または第二取得部Ｆ２４によって取得された情報の一部を選択する処理の少なくとも一方を実行させてもよい。
　ユーザの評価とは、例えば、情報処理システム１により提示された複数の選択肢から最適と思われるものを選択させることにより為されてもよいし、情報処理システム１によって選択された解法ＭＳやアルゴリズムＡＲ等を用いることを許可するか否かをユーザに選択させることにより為されてもよい。情報処理システム１により提示された解法ＭＳやアルゴリズムＡＲ或いは予測モデルＰＭ（ＰＭ１、ＰＭ２）に対するユーザの評価を受け付けることで、情報処理システム１自身が複数の選択肢から最適な選択肢を選択する処理を実行しなくて済む。例えば、複数の解法ＭＳと複数のアルゴリズムＡＲと複数の予測モデルＰＭから成る膨大な組み合わせを情報処理システム１が網羅的に選択し、それぞれの組み合わせにおいてアルゴリズムＡＲを実行することにより解ＡＳを得て、それらの解ＡＳ同士を比較することにより最終的に適切な組み合わせや解ＡＳを提示する場合と比較して、情報処理システム１における処理負担を大幅に軽減することができる。
　図３等を参照して説明したように、情報処理システム１（１Ａ、１Ｂ、１Ｃ）における解取得処理部Ｆ２５（Ｆ２５Ｂ）は、アルゴリズムＡＲの実行ファイルを生成し実行ファイルを実行することで解ＡＳを得てもよい。
　アルゴリズムＡＲの実行ファイルは、実行条件を満たした上で当該アルゴリズムＡＲが実行されるように記載されたものである。従って、解取得処理部Ｆ２５は、実行ファイルを実行することにより、例えば、取得された解法ＭＳとアルゴリズムＡＲと予測モデルＰＭ（ＰＭ１、ＰＭ２）を用い、且つ、パラメータなどが適切な範囲で振られることで得られた複数の解ＡＳの中から最適解を得ることが可能となる。
　図３等を参照して説明したように、情報処理システム１（１Ａ、１Ｂ、１Ｃ）においては、実行ファイルまたは実行ファイルについての実行条件をユーザに提示する提示処理部Ｆ２１を備え、受付部Ｆ２２は、提示処理部Ｆ２１によって提示された実行ファイルまたは実行条件に対するユーザの評価を受け付け、ユーザの評価を用いて解取得処理部Ｆ２５（Ｆ２５Ｂ）による実行ファイルの生成を実行させてもよい。
　これにより、ユーザが意図しない条件を用いて得られた解ＡＳが最適解として提示されてしまうことを防止することができる。
　図１１及び図１２等を参照して説明したように、情報処理システム１Ｂにおいては、解取得処理部Ｆ２５Ｂは、解ＡＳを得るためにソフトウェアツール（アルゴリズム実行ツール）を用い、ソフトウェアツールは、予測モデルＰＭ（ＰＭ１、ＰＭ２）を利用してアルゴリズムＡＲを実行するツールとされてもよい。
　例えば、ソフトウェアツールは、別のサーバ装置などによって提供されるクラウドアプリケーションであってもよい。
　これにより、情報処理装置（サーバ装置２）における処理負担の軽減を図ることが可能となる。また、情報処理装置においては、ソフトウェアツールに対する入力データを生成するのみで解ＡＳを得ることが可能となり、アルゴリズムＡＲの実行ファイルを生成する必要がなくなる。
　図３等を参照して説明したように、情報処理システム１（１Ａ、１Ｂ、１Ｃ）においては、解取得処理部Ｆ２５（Ｆ２５Ｂ）によって得られた解ＡＳについての提示処理を行う提示処理部Ｆ２１を備えていてもよい。
　これにより、ユーザは、提示された解ＡＳに基づいて実際の工程の改良などに反映させることが可能となる。また、提示処理部Ｆ２１としての機能を大規模言語モデルが担う場合には、チャット形式の自然な対話を通して解ＡＳをユーザに提示することが可能となる。これにより、ユーザは対話を通して自然な形で解ＡＳを得ることが可能となり、利便性の向上を図ることができる。
　図１３及び図１４等を参照して説明したように、情報処理システム１Ｃにおいては、第一プロセッサを含む複数のプロセッサを備え、受付部Ｆ２２による処理は第一プロセッサ（例えばサーバ装置２Ｃ１のＣＰＵ１１）によって実行され、第一取得部Ｆ２３による処理は第一プロセッサ以外のプロセッサ（例えばサーバ装置２Ｃ２のＣＰＵ１１）によって実行されてもよい。
　即ち、情報処理システム１は複数の情報処理装置（サーバ装置２Ｃ１、２Ｃ２）を含んでいてもよい。そして、受付部Ｆ２２による処理と第一取得部Ｆ２３による処理が異なる情報処理装置において実行されてもよい。
　これにより、個々の情報処理装置の性能を過度に高くする必要がなくなり、コスト削減を図ることができる。
　図１３及び図１４等を参照して説明したように、情報処理システム１Ｃにおいては、第一プロセッサを含む複数のプロセッサを備え、受付部Ｆ２２による処理は第一プロセッサ（例えばサーバ装置２Ｃ１のＣＰＵ１１）によって実行され、第二取得部Ｆ２４による処理は第一プロセッサ以外のプロセッサ（例えばサーバ装置２Ｃ２のＣＰＵ１１）によって実行されてもよい。
　即ち、情報処理システム１は複数の情報処理装置（サーバ装置２Ｃ１、２Ｃ２）を含んでいてもよい。そして、受付部Ｆ２２による処理と第二取得部Ｆ２４による処理が異なる情報処理装置において実行されてもよい。
　これにより、個々の情報処理装置の性能を過度に高くする必要がなくなり、コスト削減を図ることができる。
　図１３及び図１４等を参照して説明したように、情報処理システム１Ｃにおいては、第一プロセッサを含む複数のプロセッサを備え、受付部Ｆ２２による処理は第一プロセッサ（例えばサーバ装置２Ｃ１のＣＰＵ１１）によって実行され、解取得処理部Ｆ２５（Ｆ２５Ｂ）による処理は第一プロセッサ以外のプロセッサ（例えばサーバ装置２Ｃ２のＣＰＵ１１）によって実行されてもよい。
　即ち、情報処理システム１は複数の情報処理装置（サーバ装置２Ｃ１、２Ｃ２）を含んでいてもよい。そして、受付部Ｆ２２による処理と解取得処理部Ｆ２５による処理が異なる情報処理装置において実行されてもよい。
　これにより、個々の情報処理装置の性能を過度に高くする必要がなくなり、コスト削減を図ることができる。
　本技術の情報処理方法は、ユーザによる課題ＳＪの入力を受け付ける処理と、受け付けた課題ＳＪを解決する解法ＭＳ、及び、解法ＭＳを実現するためのアルゴリズムＡＲをデータベースＤＢから取得する処理と、取得された解法ＭＳに適した予測モデルＰＭ（ＰＭ１、ＰＭ２）をデータベースＤＢから取得する処理と、取得されたアルゴリズムＡＲについての実行条件を適用したアルゴリズムＡＲ及び取得された予測モデルＰＭを用いて課題ＳＪに対する解ＡＳを得る処理と、を演算処理装置が実行するものである。
　また、本技術の記憶媒体は、ユーザによる課題ＳＪの入力を受け付ける処理と、受け付けた課題ＳＪを解決する解法ＭＳ、及び、解法ＭＳを実現するためのアルゴリズムＡＲをデータベースＤＢから取得する処理と、取得された解法ＭＳに適した予測モデルＰＭ（ＰＭ１、ＰＭ２）をデータベースＤＢから取得する処理と、取得されたアルゴリズムＡＲについての実行条件を適用したアルゴリズムＡＲ及び取得された予測モデルＰＭを用いて課題ＳＪに対する解ＡＳを得る処理と、を備えるプログラムが記憶され、コンピュータ装置が読み取り可能なものである。
　このような情報処理方法または記憶媒体によっても前述した各種の作用及び効果を得ることができる。
　データベースの生成方法において説明したように、データベースＤＢに記憶される情報であって解法ＭＳやアルゴリズムＡＲの情報は、ユーザとのやりとりの中で更新されていってもよい。
　例えば、情報処理システム１（１Ａ、１Ｂ、１Ｃ）は、ユーザによる課題ＳＪの入力を受け付ける受付部Ｆ２２と、受付部Ｆ２２が受け付けた課題ＳＪの解決に用いる因果関係図（例えばフィッシュボーン図）をデータベースＤＢから取得する因果関係図取得部（情報管理部Ｆ２７）と、因果関係図に基づいてノードＮＤとエッジＥＤから成るグラフ構造を有したグラフデータＧＤを生成するグラフデータ生成部Ｆ２７ｂと、グラフデータＧＤに基づいて回答情報を得るための１または複数の検索範囲を設定し、検索範囲ごとにプロンプトを生成するプロンプト生成部（第一取得部Ｆ２３）と、プロンプトごとに解法ＭＳを得る解法取得部Ｆ２３ａと、解法ＭＳを提示する提示処理部Ｆ２１と、を備えていてもよい。
　データベースに記憶されたグラフデータＧＤは、それぞれのノードＮＤに資料が紐付けられて構成されている。このようなグラフデータＧＤは、距離情報を含んで構成されている。そして、距離情報が視覚的に表現されたグラフデータＧＤを提示することができるためユーザにとって理解しやすく、好適なＧＵＩとして活用することができる。
　検索範囲は、複数設定することができる。グラフデータＧＤにおける全てのノードＮＤが資料と共にいずれかの検索範囲に含まれるように設定することで、因果関係図に含まれる各要因を網羅的に検討することが可能となり、ユーザにとって有益な情報（解法ＭＳやアルゴリズムＡＲ）を提供することができる。
　また、データベースＤＢにおいて独立した情報として記憶されていた事例集や解決案などの資料は、グラフデータＧＤの生成過程で親要因や子要因などに紐付けられて体系的なデータとしてまとめられることになる。そして、これらのグラフデータＧＤは、ユーザからの課題ＳＪの入力があった場合に前回のグラフデータＧＤの生成時の後に追加された新たな資料を用いて再構築される。
　これにより、ユーザの課題ＳＪの入力に応じてユーザに提示されるグラフデータＧＤは、常に最新のものとすることができる。即ち、課題ＳＪの解決に新たな解法ＭＳが開発され、その資料がデータベースＤＢに記憶された後であれば、グラフデータＧＤの再構築が適宜行われ、最新の解法ＭＳを含んでユーザに各種の情報提示を行うことが可能となる。
　また、情報処理システム１（１Ａ、１Ｂ、１Ｃ）においては、ＡＩエージェントに対するプロンプトの入力と得られた情報をキャッシュとして保持することで、一定期間の間、或いは新たな資料がデータベースに追加されるまでは、同様の課題ＳＪに対してトークン消費を抑えて解法ＭＳやアルゴリズムＡＲの提示を行うことができる。
　情報処理システム１（１Ａ、１Ｂ、１Ｃ）における解法取得部Ｆ２３ａは、人工知能または基盤モデルを用いて解法ＭＳを得てもよい。
　人工知能や基板モデルを用いることにより、データベースＤＢに個々に記憶された資料や因果関係図の各ノードＮＤとしての要因を親和性の高さに応じて紐付ける処理を効率よく行うことができる。そして、これらの紐付結果に応じて適切な解法ＭＳやアルゴリズムＡＲを取得し提示することができる。
　情報処理システム１（１Ａ、１Ｂ、１Ｃ）において、検索範囲は、グラフデータＧＤにおける少なくとも一部のノードＮＤを含むように設定され、プロンプト生成部（第一取得部Ｆ２３）は、ノードＮＤに係るコンテキスト長に基づいて検索範囲を設定してもよい。
　特に、情報処理システム１（１Ａ、１Ｂ、１Ｃ）が人工知能や基板モデルにプロンプトを入力して解法ＭＳやアルゴリズムＡＲを得る場合に、人工知能や基板モデルが取り扱い可能となるコンテキスト長を考慮して検索範囲を定めることにより、解法ＭＳやアルゴリズムＡＲを取得できる確実性を高めることができる。
　情報処理システム１（１Ａ、１Ｂ、１Ｃ）において、グラフデータＧＤに含まれる全てのノードＮＤのそれぞれは、少なくとも何れか一つの検索範囲に含まれてもよい。
　これにより、情報処理システム１（１Ａ、１Ｂ、１Ｃ）は、グラフデータＧＤに含まれる全てのノードＮＤを用いて網羅的な回答を得ることができる。
　情報処理システム１（１Ａ、１Ｂ、１Ｃ）において、受付部Ｆ２２はユーザによる因果関係図の入力を受け付け、因果関係図取得部（情報管理部Ｆ２７）はデータベースＤＢから因果関係図を取得する代わりにユーザによって入力された因果関係図を取得してもよい。
　これにより、データベースＤＢに記憶されていない因果関係図を用いて解法ＭＳやアルゴリズムＡＲの検索や提示を行うことが可能となる。また、ユーザから提供された因果関係図は、データベースＤＢに記憶しておくことにより次回以降のユーザの課題ＳＪの入力に対して提示する情報として選択することが可能となる。従って、ユーザの課題ＳＪの入力に対して適切な因果関係図を提示できる可能性を高めることができる。
　なお、本明細書に記載された効果はあくまでも例示であって限定されるものではなく、また他の効果があってもよい。
　また、上述した各例はいかように組み合わせてもよく、各種の組み合わせを用いた場合であっても上述した種々の作用効果を得ることが可能である。
＜１３．本技術＞
　本技術は以下のような構成を採ることも可能である。
（１）
　ユーザによる課題の入力を受け付ける受付部と、
　前記受付部が受け付けた前記課題を解決する解法、及び、前記解法を実現するためのアルゴリズムをデータベースから取得する第一取得部と、
　前記第一取得部によって取得された前記解法に適した予測モデルをデータベースから取得する第二取得部と、
　前記第一取得部によって取得された前記アルゴリズムについての実行条件を適用した前記アルゴリズム及び前記第二取得部によって取得された前記予測モデルを用いて前記課題に対する解を得る解取得処理部と、を備えた
　情報処理システム。
（２）
　前記第一取得部が取得した前記解法が前記予測モデルを用いないものである場合に、
　前記第二取得部は前記予測モデルの取得を行わず、
　前記解取得処理部は前記予測モデルを用いずに前記実行条件を適用した前記アルゴリズムを用いて前記解を得る
　上記（１）に記載の情報処理システム。
（３）
　前記解法及び前記アルゴリズムは、過去の課題と前記過去の課題に対する対応結果が紐付けられて記憶されたデータベースから取得される
　上記（１）から上記（２）の何れかに記載の情報処理システム。
（４）
　前記予測モデルは、過去の課題と前記過去の課題に対する対応結果が紐付けられて記憶されたデータベースから取得される
　上記（１）から上記（３）の何れかに記載の情報処理システム。
（５）
　前記予測モデルには、少なくとも、物理予測モデルと化学反応モデルと実験データに基づく推論モデルの何れかが含まれる
　上記（１）から上記（４）の何れかに記載の情報処理システム。
（６）
　前記アルゴリズムには、単目的最適化または多目的最適化を行う最適化アルゴリズム、及び、強化学習のアルゴリズムの何れかが含まれる
　上記（１）から上記（５）の何れかに記載の情報処理システム。
（７）
　人工知能または基盤モデルを用いて前記第一取得部の取得結果と前記第二取得部の取得結果を要約する要約部を備えた
　上記（１）から上記（６）の何れかに記載の情報処理システム。
（８）
　前記第一取得部によって取得された情報をユーザに提示する処理と、前記第二取得部によって取得された情報をユーザに提示する処理と、を行う提示処理部を備え、
　前記受付部は、前記提示処理部によって提示された情報に対するユーザの評価を受け付け、ユーザの前記評価を用いて前記第一取得部によって取得された情報の一部を選択する処理と前記第二取得部によって取得された情報の一部を選択する処理の少なくとも一方を実行させる
　上記（１）から上記（７）の何れかに記載の情報処理システム。
（９）
　前記解取得処理部は、前記アルゴリズムの実行ファイルを生成し前記実行ファイルを実行することで前記解を得る
　上記（１）から上記（８）の何れかに記載の情報処理システム。
（１０）
　前記実行ファイルまたは前記実行ファイルについての前記実行条件をユーザに提示する提示処理部を備え、
　前記受付部は、前記提示処理部によって提示された実行ファイルまたは前記実行条件に対するユーザの評価を受け付け、ユーザの前記評価を用いて前記解取得処理部による前記実行ファイルの生成を実行させる
　上記（９）に記載の情報処理システム。
（１１）
　前記解取得処理部は、前記解を得るためにソフトウェアツールを用い、
　前記ソフトウェアツールは、前記予測モデルを利用して前記アルゴリズムを実行するツールとされた
　上記（１）から上記（１０）の何れかに記載の情報処理システム。
（１２）
　前記解取得処理部によって得られた前記解についての提示処理を行う提示処理部を備えた
　上記（１）から上記（１１）の何れかに記載の情報処理システム。
（１３）
　第一プロセッサを含む複数のプロセッサを備え、
　前記受付部による処理は前記第一プロセッサによって実行され、
　前記第一取得部による処理は前記第一プロセッサ以外のプロセッサによって実行される
　上記（１）から上記（１２）の何れかに記載の情報処理システム。
（１４）
　第一プロセッサを含む複数のプロセッサを備え、
　前記受付部による処理は前記第一プロセッサによって実行され、
　前記第二取得部による処理は前記第一プロセッサ以外のプロセッサによって実行される
　上記（１）から上記（１３）の何れかに記載の情報処理システム。
（１５）
　第一プロセッサを含む複数のプロセッサを備え、
　前記受付部による処理は前記第一プロセッサによって実行され、
　前記解取得処理部による処理は前記第一プロセッサ以外のプロセッサによって実行される
　上記（１）から上記（１４）の何れかに記載の情報処理システム。
（１６）
　ユーザによる課題の入力を受け付ける受付部と、
　前記受付部が受け付けた前記課題の解決に用いる因果関係図をデータベースから取得する因果関係図取得部と、
　前記因果関係図に基づいてノードとエッジから成るグラフ構造を有したグラフデータを生成するグラフデータ生成部と、
　前記グラフデータに基づいて回答情報を得るための１または複数の検索範囲を設定し、前記検索範囲ごとにプロンプトを生成するプロンプト生成部と、
　前記プロンプトごとに解法を得る解法取得部と、
　前記解法を提示する提示処理部と、を備えた
　情報処理システム。
（１７）
　前記解法取得部は、人工知能または基盤モデルを用いて前記解法を得る
　上記（１６）に記載の情報処理システム。
（１８）
　前記検索範囲は、前記グラフデータにおける少なくとも一部の前記ノードを含むように設定され、
　前記プロンプト生成部は、前記ノードに係るコンテキスト長に基づいて前記検索範囲を設定する
　上記（１６）から上記（１７）の何れかに記載の情報処理システム。
（１９）
　前記グラフデータに含まれる全ての前記ノードのそれぞれは、少なくとも何れか一つの前記検索範囲に含まれる
　上記（１８）に記載の情報処理システム。
（２０）
　前記受付部は、ユーザによる前記因果関係図の入力を受け付け、
　前記因果関係図取得部は、前記データベースから前記因果関係図を取得する代わりにユーザによって入力された前記因果関係図を取得する
　上記（１６）から上記（１９）の何れかに記載の情報処理システム。
１、１Ａ、１Ｂ、１Ｃ　情報処理システム
１１　ＣＰＵ
ＡＲ　アルゴリズム
ＡＳ　解
ＤＢ　データベース
Ｆ２１　提示処理部
Ｆ２２　受付部
Ｆ２３　第一取得部
Ｆ２４　第二取得部
Ｆ２５、Ｆ２５Ｂ　解取得処理部
Ｆ２６　要約部
ＭＳ　解法
ＰＭ、ＰＭ１、ＰＭ２　予測モデル
ＳＪ　課題

Claims (20)

  1. 　ユーザによる課題の入力を受け付ける受付部と、
    　前記受付部が受け付けた前記課題を解決する解法、及び、前記解法を実現するためのアルゴリズムをデータベースから取得する第一取得部と、
    　前記第一取得部によって取得された前記解法に適した予測モデルをデータベースから取得する第二取得部と、
    　前記第一取得部によって取得された前記アルゴリズムについての実行条件を適用した前記アルゴリズム及び前記第二取得部によって取得された前記予測モデルを用いて前記課題に対する解を得る解取得処理部と、を備えた
    　情報処理システム。
  2. 　前記第一取得部が取得した前記解法が前記予測モデルを用いないものである場合に、
    　前記第二取得部は前記予測モデルの取得を行わず、
    　前記解取得処理部は前記予測モデルを用いずに前記実行条件を適用した前記アルゴリズムを用いて前記解を得る
    　請求項１に記載の情報処理システム。
  3. 　前記解法及び前記アルゴリズムは、過去の課題と前記過去の課題に対する対応結果が紐付けられて記憶されたデータベースから取得される
    　請求項１に記載の情報処理システム。
  4. 　前記予測モデルは、過去の課題と前記過去の課題に対する対応結果が紐付けられて記憶されたデータベースから取得される
    　請求項１に記載の情報処理システム。
  5. 　前記予測モデルには、少なくとも、物理予測モデルと化学反応モデルと実験データに基づく推論モデルの何れかが含まれる
    　請求項１に記載の情報処理システム。
  6. 　前記アルゴリズムには、単目的最適化または多目的最適化を行う最適化アルゴリズム、及び、強化学習のアルゴリズムの何れかが含まれる
    　請求項１に記載の情報処理システム。
  7. 　人工知能または基盤モデルを用いて前記第一取得部の取得結果と前記第二取得部の取得結果を要約する要約部を備えた
    　請求項１に記載の情報処理システム。
  8. 　前記第一取得部によって取得された情報をユーザに提示する処理と、前記第二取得部によって取得された情報をユーザに提示する処理と、を行う提示処理部を備え、
    　前記受付部は、前記提示処理部によって提示された情報に対するユーザの評価を受け付け、ユーザの前記評価を用いて前記第一取得部によって取得された情報の一部を選択する処理と前記第二取得部によって取得された情報の一部を選択する処理の少なくとも一方を実行させる
    　請求項１に記載の情報処理システム。
  9. 　前記解取得処理部は、前記アルゴリズムの実行ファイルを生成し前記実行ファイルを実行することで前記解を得る
    　請求項１に記載の情報処理システム。
  10. 　前記実行ファイルまたは前記実行ファイルについての前記実行条件をユーザに提示する提示処理部を備え、
    　前記受付部は、前記提示処理部によって提示された実行ファイルまたは前記実行条件に対するユーザの評価を受け付け、ユーザの前記評価を用いて前記解取得処理部による前記実行ファイルの生成を実行させる
    　請求項９に記載の情報処理システム。
  11. 　前記解取得処理部は、前記解を得るためにソフトウェアツールを用い、
    　前記ソフトウェアツールは、前記予測モデルを利用して前記アルゴリズムを実行するツールとされた
    　請求項１に記載の情報処理システム。
  12. 　前記解取得処理部によって得られた前記解についての提示処理を行う提示処理部を備えた
    　請求項１に記載の情報処理システム。
  13. 　第一プロセッサを含む複数のプロセッサを備え、
    　前記受付部による処理は前記第一プロセッサによって実行され、
    　前記第一取得部による処理は前記第一プロセッサ以外のプロセッサによって実行される
    　請求項１に記載の情報処理システム。
  14. 　第一プロセッサを含む複数のプロセッサを備え、
    　前記受付部による処理は前記第一プロセッサによって実行され、
    　前記第二取得部による処理は前記第一プロセッサ以外のプロセッサによって実行される
    　請求項１に記載の情報処理システム。
  15. 　第一プロセッサを含む複数のプロセッサを備え、
    　前記受付部による処理は前記第一プロセッサによって実行され、
    　前記解取得処理部による処理は前記第一プロセッサ以外のプロセッサによって実行される
    　請求項１に記載の情報処理システム。
  16. 　ユーザによる課題の入力を受け付ける受付部と、
    　前記受付部が受け付けた前記課題の解決に用いる因果関係図をデータベースから取得する因果関係図取得部と、
    　前記因果関係図に基づいてノードとエッジから成るグラフ構造を有したグラフデータを生成するグラフデータ生成部と、
    　前記グラフデータに基づいて回答情報を得るための１または複数の検索範囲を設定し、前記検索範囲ごとにプロンプトを生成するプロンプト生成部と、
    　前記プロンプトごとに解法を得る解法取得部と、
    　前記解法を提示する提示処理部と、を備えた
    　情報処理システム。
  17. 　前記解法取得部は、人工知能または基盤モデルを用いて前記解法を得る
    　請求項１６に記載の情報処理システム。
  18. 　前記検索範囲は、前記グラフデータにおける少なくとも一部の前記ノードを含むように設定され、
    　前記プロンプト生成部は、前記ノードに係るコンテキスト長に基づいて前記検索範囲を設定する
    　請求項１６に記載の情報処理システム。
  19. 　前記グラフデータに含まれる全ての前記ノードのそれぞれは、少なくとも何れか一つの前記検索範囲に含まれる
    　請求項１８に記載の情報処理システム。
  20. 　前記受付部は、ユーザによる前記因果関係図の入力を受け付け、
    　前記因果関係図取得部は、前記データベースから前記因果関係図を取得する代わりにユーザによって入力された前記因果関係図を取得する
    　請求項１６に記載の情報処理システム。
PCT/JP2025/004595 2024-04-23 2025-02-12 情報処理システム Pending WO2025225129A1 (ja)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2024069757 2024-04-23
JP2024-069757 2024-04-23

Publications (1)

Publication Number Publication Date
WO2025225129A1 true WO2025225129A1 (ja) 2025-10-30

Family

ID=97489892

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2025/004595 Pending WO2025225129A1 (ja) 2024-04-23 2025-02-12 情報処理システム

Country Status (1)

Country Link
WO (1) WO2025225129A1 (ja)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20220090681A (ko) * 2020-12-22 2022-06-30 (주)코에버정보기술 인공지능 기반의 피쉬본 다이어그램 관리 시스템 및 그 방법
KR102465711B1 (ko) * 2022-05-26 2022-11-11 주식회사 씨지인사이드 소셜 데이터 분석을 이용한 법률안의 국회 본회의 통과가능성 동적 예측 서비스 제공 시스템

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20220090681A (ko) * 2020-12-22 2022-06-30 (주)코에버정보기술 인공지능 기반의 피쉬본 다이어그램 관리 시스템 및 그 방법
KR102465711B1 (ko) * 2022-05-26 2022-11-11 주식회사 씨지인사이드 소셜 데이터 분석을 이용한 법률안의 국회 본회의 통과가능성 동적 예측 서비스 제공 시스템

Similar Documents

Publication Publication Date Title
Sahu et al. Revisiting software reliability
US10762113B2 (en) Conversational knowledge graph powered virtual assistant for application performance management
Khan et al. Group decision support using fuzzy cognitive maps for causal reasoning
US20210311751A1 (en) Machine-learning models applied to interaction data for determining interaction goals and facilitating experience-based modifications to interface elements in online environments
Singh et al. Reliability analysis of repairable network system of three computer labs connected with a server under 2-out-of-3 G configuration
KR20220027924A (ko) 웹 트래픽 데이터를 처리 및 관리하는 시스템, 장치 및 방법
Gharbi et al. Operational level-based policies in production rate control of unreliable manufacturing systems with set-ups
JP2022083983A (ja) コンピュータシステム、コンピュータプログラム及びコンピュータ実装方法（時系列データから導出されるデータ品質ベースの信頼度計算）
CN116670692A (zh) 用于测试套件生成的强化学习
WO2022119929A1 (en) Systems and methods for administrating a federated learning network
Jurkiewicz TopoHub: A repository of reference Gabriel graph and real-world topologies for networking research
CN118210909B (zh) 灾害应急辅助决策方法、装置、计算机设备、存储介质
Sun et al. Dynamise: dynamic signed network embedding for link prediction
Zhang et al. Comparing the use of Bayesian networks and neural networks in response time modeling for service-oriented systems
KR20200080947A (ko) 인공 신경망의 파라미터 셋을 결정하는 방법
CN103874998A (zh) 生成预测数据结构
CN117743784A (zh) 一种基于数字孪生的石英玻璃通孔刻蚀预测方法及其装置
WO2025225129A1 (ja) 情報処理システム
CN119106750A (zh) 基于大模型的任务处理方法及装置、设备和介质
CN115328724B (zh) 一种基于大数据平台的监测方法和系统
US20190188325A1 (en) Determining connection suggestions
Silva et al. GUI inspection from source code analysis
Zhang et al. Research on the dynamic spread of information in social networks based on relationship strength theory and feedback mechanism
Yu et al. A Multi-objective optimization algorithm based on dynamic user-preference information
Yiltas-Kaplan Traffic Optimization with Software-Defined Network Controller on a New User Interface

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: 25794305

Country of ref document: EP

Kind code of ref document: A1