知財求人 - 知財ポータルサイト「IP Force」
特開2021-177266プログラム、情報処理装置、情報処理方法及び学習モデルの生成方法
(19)【発行国】日本国特許庁(JP)
(12)【公報種別】公開特許公報(A)
(11)【公開番号】特開2021-177266(P2021-177266A)
(43)【公開日】2021年11月11日
(54)【発明の名称】プログラム、情報処理装置、情報処理方法及び学習モデルの生成方法
(51)【国際特許分類】
G06N 20/00 20190101AFI20211015BHJP
G06N 5/04 20060101ALI20211015BHJP
G06T 7/00 20170101ALI20211015BHJP
【ＦＩ】
G06N20/00
G06N5/04
G06T7/00 350B
【審査請求】有
【請求項の数】19
【出願形態】ＯＬ
【全頁数】30
(21)【出願番号】特願2020-74280(P2020-74280)
(22)【出願日】2020年4月17日
(71)【出願人】
【識別番号】518303734
【氏名又は名称】株式会社鈴康
(74)【代理人】
【識別番号】100114557
【弁理士】
【氏名又は名称】河野 英仁
(74)【代理人】
【識別番号】100078868
【弁理士】
【氏名又は名称】河野 登夫
(72)【発明者】
【氏名】鈴木 康介
【テーマコード（参考）】
5L096
【Ｆターム（参考）】
5L096DA05
5L096KA04
(57)【要約】 （修正有）
【課題】ＡＩアルゴリズムに関する知識を有さないユーザであっても、目的の処理内容に適したＡＩアルゴリズムの提案を受けることが可能なプログラム、情報処理装置、情報処理方法及び学習モデルの生成方法を提供する。【解決手段】コンピュータ（情報処理装置）は、人工知能に入力する入力コンテンツと、人工知能に入力コンテンツに基づいて予測させたい出力データとを取得する。そして、コンピュータは、入力コンテンツ及び出力データを入力した場合に人工知能が予測に用いるべきアルゴリズムを出力するように学習した学習モデルに、取得した入力コンテンツ及び出力データを入力し、人工知能が用いるべきアルゴリズムを出力する。
【選択図】図２
【特許請求の範囲】
【請求項1】
人工知能に入力する入力コンテンツと、前記人工知能に前記入力コンテンツに基づいて予測させたい出力データとを取得し、
入力コンテンツ及び出力データを入力した場合に人工知能が予測に用いるべきアルゴリズムを出力するように学習した学習モデルに、取得した前記入力コンテンツ及び出力データを入力して、前記人工知能が用いるべきアルゴリズムを出力する
処理をコンピュータに実行させるプログラム。
入力コンテンツ及び出力データを入力した場合に人工知能が予測に用いるべきアルゴリズムを出力するように学習した学習モデルに、取得した前記入力コンテンツ及び出力データを入力して、前記人工知能が用いるべきアルゴリズムを出力する
処理をコンピュータに実行させるプログラム。
【請求項2】
前記入力コンテンツは画像データであり、
前記出力データは、前記人工知能に前記入力コンテンツに基づいて検出させるべき対象物を特定した画像データであり、
前記学習モデルに前記入力コンテンツ及び出力データを入力して、前記人工知能が前記入力コンテンツに基づいて対象物を検出するために用いるべきアルゴリズムを出力する
処理を前記コンピュータに実行させる請求項１に記載のプログラム。
前記出力データは、前記人工知能に前記入力コンテンツに基づいて検出させるべき対象物を特定した画像データであり、
前記学習モデルに前記入力コンテンツ及び出力データを入力して、前記人工知能が前記入力コンテンツに基づいて対象物を検出するために用いるべきアルゴリズムを出力する
処理を前記コンピュータに実行させる請求項１に記載のプログラム。
【請求項3】
前記入力コンテンツは、複数の画像データであり、
前記出力データは、前記人工知能に前記入力コンテンツに基づいて検出させるべき対象物を特定した複数の画像データである
請求項１又は２に記載のプログラム。
前記出力データは、前記人工知能に前記入力コンテンツに基づいて検出させるべき対象物を特定した複数の画像データである
請求項１又は２に記載のプログラム。
【請求項4】
前記入力コンテンツは画像データであり、
前記出力データは、前記人工知能に前記入力コンテンツに基づいて分類させるべき対象物を含む画像データであり、
前記学習モデルに前記入力コンテンツ及び出力データを入力して、前記人工知能が前記入力コンテンツに基づいて対象物を分類するために用いるべきアルゴリズムを出力する
処理を前記コンピュータに実行させる請求項１から３までのいずれかひとつに記載のプログラム。
前記出力データは、前記人工知能に前記入力コンテンツに基づいて分類させるべき対象物を含む画像データであり、
前記学習モデルに前記入力コンテンツ及び出力データを入力して、前記人工知能が前記入力コンテンツに基づいて対象物を分類するために用いるべきアルゴリズムを出力する
処理を前記コンピュータに実行させる請求項１から３までのいずれかひとつに記載のプログラム。
【請求項5】
前記入力コンテンツは画像データであり、
前記出力データは、前記人工知能に前記入力コンテンツに基づいて実行させるべき内容を含むテキストデータであり、
前記学習モデルに前記入力コンテンツ及び出力データを入力して、前記人工知能が前記出力データに含まれる内容を実行するために用いるべきアルゴリズムを出力する
処理を前記コンピュータに実行させる請求項１から４までのいずれかひとつに記載のプログラム。
前記出力データは、前記人工知能に前記入力コンテンツに基づいて実行させるべき内容を含むテキストデータであり、
前記学習モデルに前記入力コンテンツ及び出力データを入力して、前記人工知能が前記出力データに含まれる内容を実行するために用いるべきアルゴリズムを出力する
処理を前記コンピュータに実行させる請求項１から４までのいずれかひとつに記載のプログラム。
【請求項6】
前記入力コンテンツは、画像データ、時系列データ又はテキストデータであり、
前記出力データは、前記人工知能に前記入力コンテンツに基づいて検出させるべき対象物を特定した画像データ、時系列データ又はテキストデータのジャンルを特定したデータであり、
前記学習モデルに前記入力コンテンツ及び出力データを入力して、前記人工知能が前記入力コンテンツに基づいて検出した対象物のジャンルを特定するために用いるべきアルゴリズムを出力する
処理を前記コンピュータに実行させる請求項１から５までのいずれかひとつに記載のプログラム。
前記出力データは、前記人工知能に前記入力コンテンツに基づいて検出させるべき対象物を特定した画像データ、時系列データ又はテキストデータのジャンルを特定したデータであり、
前記学習モデルに前記入力コンテンツ及び出力データを入力して、前記人工知能が前記入力コンテンツに基づいて検出した対象物のジャンルを特定するために用いるべきアルゴリズムを出力する
処理を前記コンピュータに実行させる請求項１から５までのいずれかひとつに記載のプログラム。
【請求項7】
前記入力コンテンツは、時系列データ又はテキストデータであり、
前記出力データは、前記人工知能に前記入力コンテンツに基づいて生成させる、前記時系列データに続く時系列データ、又は前記テキストデータに続くテキストデータであり、
前記学習モデルに前記入力コンテンツ及び出力データを入力して、前記人工知能が前記入力コンテンツに基づいて時系列データに続く時系列データ、又はテキストデータに続くテキストデータを生成するために用いるべきアルゴリズムを出力する
処理を前記コンピュータに実行させる請求項１から６までのいずれかひとつに記載のプログラム。
前記出力データは、前記人工知能に前記入力コンテンツに基づいて生成させる、前記時系列データに続く時系列データ、又は前記テキストデータに続くテキストデータであり、
前記学習モデルに前記入力コンテンツ及び出力データを入力して、前記人工知能が前記入力コンテンツに基づいて時系列データに続く時系列データ、又はテキストデータに続くテキストデータを生成するために用いるべきアルゴリズムを出力する
処理を前記コンピュータに実行させる請求項１から６までのいずれかひとつに記載のプログラム。
【請求項8】
前記入力コンテンツは画像データであり、
前記出力データは、前記人工知能に前記入力コンテンツに基づいて生成させるべき第２画像データであり、
前記学習モデルに前記入力コンテンツ及び出力データを入力して、前記人工知能が前記入力コンテンツに基づいて第２画像データを生成するために用いるべきアルゴリズムを出力する
処理を前記コンピュータに実行させる請求項１から７までのいずれかひとつに記載のプログラム。
前記出力データは、前記人工知能に前記入力コンテンツに基づいて生成させるべき第２画像データであり、
前記学習モデルに前記入力コンテンツ及び出力データを入力して、前記人工知能が前記入力コンテンツに基づいて第２画像データを生成するために用いるべきアルゴリズムを出力する
処理を前記コンピュータに実行させる請求項１から７までのいずれかひとつに記載のプログラム。
【請求項9】
前記入力コンテンツは画像データ又は時系列データであり、
前記出力データは、前記人工知能に前記入力コンテンツに基づいて検出させるべき、達成すべき目標に関する目標データであり、
前記学習モデルに前記入力コンテンツ及び出力データを入力して、前記人工知能が前記入力コンテンツに基づいて達成すべき目標に関する目標データを検出するために用いるべきアルゴリズムを出力する
処理を前記コンピュータに実行させる請求項１から８までのいずれかひとつに記載のプログラム。
前記出力データは、前記人工知能に前記入力コンテンツに基づいて検出させるべき、達成すべき目標に関する目標データであり、
前記学習モデルに前記入力コンテンツ及び出力データを入力して、前記人工知能が前記入力コンテンツに基づいて達成すべき目標に関する目標データを検出するために用いるべきアルゴリズムを出力する
処理を前記コンピュータに実行させる請求項１から８までのいずれかひとつに記載のプログラム。
【請求項10】
前記学習モデルは、複数種類のアルゴリズムのそれぞれに対応する出力ノードを有する
請求項１から９までのいずれかひとつに記載のプログラム。
請求項１から９までのいずれかひとつに記載のプログラム。
【請求項11】
画像データ及びテキストデータを含む文書データから、前記画像データ及びテキストデータを抽出し、
抽出した前記画像データ及びテキストデータをそれぞれ前記入力コンテンツ及び出力データとして前記学習モデルに入力する
請求項１から１０までのいずれかひとつに記載のプログラム。
抽出した前記画像データ及びテキストデータをそれぞれ前記入力コンテンツ及び出力データとして前記学習モデルに入力する
請求項１から１０までのいずれかひとつに記載のプログラム。
【請求項12】
前記学習モデルから出力されるアルゴリズムに関連付けて、前記アルゴリズムに関するＵＲＬ（Uniform Resource Locator）を出力する
処理を前記コンピュータに実行させる請求項１から１１までのいずれかひとつに記載のプログラム。
処理を前記コンピュータに実行させる請求項１から１１までのいずれかひとつに記載のプログラム。
【請求項13】
前記学習モデルから出力されるアルゴリズムに対応する第２学習モデルをダウンロードする
処理を前記コンピュータに実行させる請求項１から１２までのいずれかひとつに記載のプログラム。
処理を前記コンピュータに実行させる請求項１から１２までのいずれかひとつに記載のプログラム。
【請求項14】
前記学習モデルが前記アルゴリズムを出力した後に、新たな入力コンテンツを取得し、
前記新たな入力コンテンツ及び前記出力データを前記学習モデルに入力して、前記人工知能が用いるべきアルゴリズムを再度出力する
処理を前記コンピュータに実行させる請求項１から１３までのいずれかひとつに記載のプログラム。
前記新たな入力コンテンツ及び前記出力データを前記学習モデルに入力して、前記人工知能が用いるべきアルゴリズムを再度出力する
処理を前記コンピュータに実行させる請求項１から１３までのいずれかひとつに記載のプログラム。
【請求項15】
前記学習モデルが前記アルゴリズムを出力した後に、新たな出力データを取得し、
前記新たな出力データ及び前記入力コンテンツを前記学習モデルに入力して、前記人工知能が用いるべきアルゴリズムを再度出力する
処理を前記コンピュータに実行させる請求項１から１４までのいずれかひとつに記載のプログラム。
前記新たな出力データ及び前記入力コンテンツを前記学習モデルに入力して、前記人工知能が用いるべきアルゴリズムを再度出力する
処理を前記コンピュータに実行させる請求項１から１４までのいずれかひとつに記載のプログラム。
【請求項16】
前記学習モデルが出力した前記アルゴリズムに対する尤度が所定値以下である場合に、前記新たな入力コンテンツ又は前記新たな出力データを取得する
処理を前記コンピュータに実行させる請求項１４又は請求項１５に記載のプログラム。
処理を前記コンピュータに実行させる請求項１４又は請求項１５に記載のプログラム。
【請求項17】
前記学習モデルが出力した前記アルゴリズムに対する評価情報を受け付ける
処理を前記コンピュータに実行させる請求項１から１６までのいずれかひとつに記載のプログラム。
処理を前記コンピュータに実行させる請求項１から１６までのいずれかひとつに記載のプログラム。
【請求項18】
人工知能に入力する入力コンテンツと、前記人工知能に前記入力コンテンツに基づいて予測させたい出力データとを取得する取得部と、
入力コンテンツ及び出力データを入力した場合に人工知能が予測に用いるべきアルゴリズムを出力するように学習した学習モデルに、取得した前記入力コンテンツ及び出力データを入力して、前記人工知能が用いるべきアルゴリズムを出力する出力部と
を備える情報処理装置。
入力コンテンツ及び出力データを入力した場合に人工知能が予測に用いるべきアルゴリズムを出力するように学習した学習モデルに、取得した前記入力コンテンツ及び出力データを入力して、前記人工知能が用いるべきアルゴリズムを出力する出力部と
を備える情報処理装置。
【請求項19】
人工知能に入力する入力コンテンツと、前記人工知能に前記入力コンテンツに基づいて予測させたい出力データとを取得し、
入力コンテンツ及び出力データを入力した場合に人工知能が予測に用いるべきアルゴリズムを出力するように学習した学習モデルに、取得した前記入力コンテンツ及び出力データを入力して、前記人工知能が用いるべきアルゴリズムを出力する
処理をコンピュータが実行する情報処理方法。
入力コンテンツ及び出力データを入力した場合に人工知能が予測に用いるべきアルゴリズムを出力するように学習した学習モデルに、取得した前記入力コンテンツ及び出力データを入力して、前記人工知能が用いるべきアルゴリズムを出力する
処理をコンピュータが実行する情報処理方法。
【請求項20】
人工知能に入力する入力コンテンツと、前記人工知能に前記入力コンテンツに基づいて予測させたい出力データと、前記人工知能が予測に用いるアルゴリズムとを含む訓練データを取得し、
取得した訓練データを用いて、前記入力コンテンツ及び出力データを入力した場合に前記人工知能が予測に用いるべきアルゴリズムを出力する学習モデルを生成する
処理をコンピュータが実行する学習モデルの生成方法。
取得した訓練データを用いて、前記入力コンテンツ及び出力データを入力した場合に前記人工知能が予測に用いるべきアルゴリズムを出力する学習モデルを生成する
処理をコンピュータが実行する学習モデルの生成方法。
【発明の詳細な説明】
【技術分野】
【0001】
本開示は、プログラム、情報処理装置、情報処理方法及び学習モデルの生成方法に関する。
【背景技術】
【0002】
近年、様々な分野で人工知能（ＡＩ：Artificial Intelligence ）を活用して業務の効率化が図られている。しかし、ＡＩを導入する現場毎に扱うデータが異なり、またＡＩのアルゴリズムは日々進化しているので、現場の担当者では、どのようなＡＩアルゴリズムが最適であるかを判断することは難しい。また、データサイエンティスト等の専門家に相談して適切なＡＩアルゴリズムのアドバイスを受ける場合、高い費用が必要となる。そこで、特許文献１では、ＡＩを用いて実現したい処理内容の入力を受け付け、適切なＡＩアルゴリズムを提案するシステムが提案されている。特許文献１に開示されたシステムでは、目的の処理内容をメニューから選択して入力することによって、目的の処理に適したＡＩアルゴリズムの提案を受けることができる。
【先行技術文献】
【特許文献】
【0003】
【特許文献1】特許第６４１９８５９号公報
【発明の概要】
【発明が解決しようとする課題】
【0004】
しかし、特許文献１では、目的の処理内容に沿って適切な情報が入力されなかった場合、適切なＡＩアルゴリズムを提案することができない。従って、ＡＩアルゴリズムに関する知識をある程度有する者が情報の入力を行う必要があり、ＡＩアルゴリズムに関する知識を有さない者にとっては、最適なＡＩアルゴリズムの提案を受けることは難しい。
【0005】
本開示は、このような事情に鑑みてなされたものであり、その目的とするところは、ＡＩアルゴリズムに関する知識を有さないユーザであっても、目的の処理内容に適したＡＩアルゴリズムの提案を受けることが可能なプログラム等を提供することにある。
【課題を解決するための手段】
【0006】
本開示の一態様に係るプログラムは、人工知能に入力する入力コンテンツと、前記人工知能に前記入力コンテンツに基づいて予測させたい出力データとを取得し、入力コンテンツ及び出力データを入力した場合に人工知能が予測に用いるべきアルゴリズムを出力するように学習した学習モデルに、取得した前記入力コンテンツ及び出力データを入力して、前記人工知能が用いるべきアルゴリズムを出力する処理をコンピュータに実行させる。
【発明の効果】
【0007】
本開示にあっては、ＡＩアルゴリズムに関する知識を有さないユーザであっても、目的の処理内容に適したＡＩアルゴリズムの提案を受けることができる。
【図面の簡単な説明】
【0008】
【図1】情報処理装置の構成例を示すブロック図である。
【図2】ＡＩアルゴリズム判別モデルの構成例を示すブロック図である。
【図3】入力コンテンツ用のデータ及び出力データ用のデータの組合せ例を示す模式図である。
【図4】入力コンテンツ用のデータ及び出力データ用のデータの組合せ例を示す模式図である。
【図5】ＡＩアルゴリズムの提案処理手順の一例を示すフローチャートである。
【図6】画面例を示す模式図である。
【図7】画面例を示す模式図である。
【図8】学習装置の構成例を示すブロック図である。
【図9】ＡＩアルゴリズム判別モデルの生成処理手順の一例を示すフローチャートである。
【図10】ＡＩアルゴリズム判別モデルの生成処理手順の他の一例を示すフローチャートである。
【図11】実施形態３のＡＩアルゴリズムの提案処理手順の一例を示すフローチャートである。
【図12】評価受付画面例を示す模式図である。
【図13】訓練データの生成処理手順の一例を示すフローチャートである。
【図14】情報処理システムの構成例を示すブロック図である。
【図15】実施形態５のＡＩアルゴリズムの提案処理手順の一例を示すフローチャートである。
【発明を実施するための形態】
【0009】
以下に、本開示のプログラム、情報処理装置、情報処理方法及び学習モデルの生成方法について、その実施形態を示す図面に基づいて詳述する。
【0010】
（実施形態１）ＡＩ（人工知能）に入力すべき入力コンテンツと、入力コンテンツに基づいてＡＩに実行させたい処理に関する出力データとに基づいて、ＡＩに利用すべきＡＩアルゴリズムを提案する情報処理装置について説明する。図１は情報処理装置の構成例を示すブロック図である。情報処理装置１０は、パーソナルコンピュータ又はサーバコンピュータ等により構成されている。情報処理装置１０は、制御部１１、記憶部１２、通信部１３、入力部１４、表示部１５、読み取り部１６等を含み、これらの各部はバスを介して相互に接続されている。制御部１１は、ＣＰＵ（Central Processing Unit）、ＭＰＵ（Micro-Processing Unit）、ＧＰＵ（Graphics Processing Unit）、ＴＰＵ（Tensor Processing Unit）等の１又は複数のプロセッサを含む。制御部１１は、記憶部１２に記憶してある制御プログラム１２Ｐを適宜実行することにより、情報処理装置１０が行うべき種々の情報処理及び制御処理を行う。
【0011】
記憶部１２は、ＲＡＭ（Random Access Memory）、フラッシュメモリ、ハードディスク、ＳＳＤ（Solid State Drive）等を含む。記憶部１２は、制御部１１が実行する制御プログラム１２Ｐ及び制御プログラム１２Ｐの実行に必要な各種のデータ等を予め記憶している。また記憶部１２は、制御部１１が制御プログラム１２Ｐを実行する際に発生するデータ等を一時的に記憶する。また記憶部１２は、機械学習によって学習させた学習済みモデルであるＡＩアルゴリズム判別モデルＭを記憶している。ＡＩアルゴリズム判別モデルＭは、人工知能ソフトウェアの一部として機能するプログラムモジュールとしての利用が想定される。更に記憶部１２は、画像データ中の文字部分を認識してテキストデータ（文字データ）を生成するためのＯＣＲ（Optical Character Recognition）アプリケーションプログラム１２ＡＰ（以下ではＯＣＲアプリ１２ＡＰという）を記憶する。
【0012】
通信部１３は、有線通信又は無線通信によってインターネット等のネットワークに接続するためのインタフェースであり、ネットワークを介して他の装置との間で情報の送受信を行う。入力部１４は、例えばマウス及びキーボード等を含み、ユーザによる操作入力を受け付け、操作内容に対応した制御信号を制御部１１へ送出する。表示部１５は、液晶ディスプレイ又は有機ＥＬディスプレイ等であり、制御部１１からの指示に従って各種の情報を表示する。入力部１４及び表示部１５は一体として構成されたタッチパネルであってもよい。
【0013】
読み取り部１６は、ＣＤ（Compact Disc）−ＲＯＭ、ＤＶＤ（Digital Versatile Disc）−ＲＯＭ、ＵＳＢ（Universal Serial Bus）メモリ、ＳＤ（Secure Digital）カード等を含む可搬型記憶媒体１ａに記憶された情報を読み取る。記憶部１２に記憶される制御プログラム１２Ｐ及びデータ等は、制御部１１が読み取り部１６を介して可搬型記憶媒体１ａから読み取って記憶部１２に記憶してもよい。また、記憶部１２に記憶される制御プログラム１２Ｐ及びデータ等は、制御部１１が通信部１３を介してネットワーク経由で他の装置からダウンロードして記憶部１２に記憶してもよい。
【0014】
図２はＡＩアルゴリズム判別モデルＭの構成例を示すブロック図である。ＡＩアルゴリズム判別モデルＭは、例えばＣＮＮ（Convolution Neural Network）、ＲＮＮ（Recurrent Neural Network）、ＬＳＴＭ（Long Short-Term Memory）、Ｒ−ＣＮＮ（Regions with Convolution Neural Network ）、Fast Ｒ−ＣＮＮ、Faster Ｒ−ＣＮＮ、Mask Ｒ−ＣＮＮ、ＳＳＤ（Single Shot Multibook Detector）、ＹＯＬＯ（You Only Look Once）等を含む機械学習のアルゴリズムのうちのいくつかを組み合わせて構成されている。ＡＩアルゴリズム判別モデルＭは、作成したいＡＩに入力する入力コンテンツ用のデータと、入力コンテンツが入力された場合にＡＩに実行させたい処理に関する出力データとを入力とし、入力された入力コンテンツ用のデータ及び出力データ用のデータに基づいて、入力コンテンツが入力された場合に出力データに係る処理を実行させるためのＡＩアルゴリズムを判別する演算を行い、演算した結果を出力するように学習した学習済みモデルである。
【0015】
具体的には、ＡＩアルゴリズム判別モデルＭは複数の入力ノードを有し、それぞれの入力ノードには、作成したいＡＩに入力する入力コンテンツ用のデータと、作成したいＡＩに実行させる処理に関する出力データ用のデータとが入力される。なお、入力コンテンツ用のデータとして、画像データ、時系列データ及びテキストデータ等を用いることができ、出力データ用のデータとして、画像データ、時系列データ及びテキストデータ等を用いることができる。なお、出力データ用のデータは、作成したいＡＩに出力させたいデータ（出力データ）であってもよく、作成したいＡＩに実行させたい処理に関するデータであってもよい。また、時系列データは例えば動画データ、音声データ、加速度センサ又は温度センサ等の各種センサによる検知信号（波形データ）等である。
【0016】
図３及び図４は入力コンテンツ用のデータ及び出力データ用のデータの組合せ例を示す模式図である。例えば図３Ａの左側に示すような物体（対象物）の画像（画像データ）を入力した場合に、画像中の物体を検出して、図３Ａの右側に示すように検出した物体にマーカ（例えばバウンディングボックス）を付加した画像（画像データ）を出力するＡＩを作成したい場合、図３Ａの左側に示す画像データを入力コンテンツ用のデータとし、図３Ａの右側に示す画像データを出力データ用のデータとして、ＡＩアルゴリズム判別モデルＭの入力ノードにそれぞれ入力する。また、図３Ｂの左側に示すような物体の画像を入力した場合に、画像中の物体を検出する処理を実行するＡＩを作成したい場合、図３Ｂの左側に示す画像データを入力コンテンツ用のデータとして、図３Ｂの右側に示すように「物体を検出する」のメッセージが記載されたテキストデータを出力データ用のデータとして、ＡＩアルゴリズム判別モデルＭの入力ノードにそれぞれ入力する。
【0017】
また、図３Ｃの左側に示すような物体の画像を入力した場合に、画像中の物体を所定の種別に分類する処理を実行するＡＩを作成したい場合、図３Ｃの左側に示すように複数の画像データを入力コンテンツ用のデータとして、図３Ｃの右側に示すように「果物の種類を分類する」のメッセージが記載されたテキストデータを出力データ用のデータとして、ＡＩアルゴリズム判別モデルＭの入力ノードにそれぞれ入力する。また、図３Ｄの左側に示すような複数の画像データを有する動画データを入力した場合に、画像中の物体の状態（人物の動作状態）を所定の種別に分類する処理を実行するＡＩを作成したい場合、図３Ｄの左側に示す動画データを入力コンテンツ用のデータとして、図３Ｄの右側に示すように「動作の種類を分類する」のメッセージが記載されたテキストデータを出力データ用のデータとして、ＡＩアルゴリズム判別モデルＭの入力ノードにそれぞれ入力する。
【0018】
また、図４Ａの左側に示すように、例えば電子メールの本文のテキストデータを入力した場合に、テキストデータの内容を、例えば問合せメール、スパムメール、クレームメール等の所定の種別又は記載内容に関するジャンル毎に分類する処理を実行するＡＩを作成したい場合、図４Ａの左側に示すような電子メールの本文のテキストデータを入力コンテンツ用のデータとして、図４Ａの右側に示すように「内容の種類を分類する」のメッセージが記載されたテキストデータを出力データ用のデータとして、ＡＩアルゴリズム判別モデルＭの入力ノードにそれぞれ入力する。なお、ここでの出力データ用のデータとして、「問合せメール、スパムメール、クレームメールに分類する」、「問合せメール、スパムメール、クレームメールを抽出する」等のメッセージが記載されたテキストデータを用いてもよい。また、図４Ｂの左側に示すように文章が記載されたテキストデータを入力した場合に、入力されたテキストデータに続く文章を作成する処理を実行するＡＩを作成したい場合、図４Ｂの左側に示すような文章のテキストデータを入力コンテンツ用のデータとして、図４Ｂの右側に示すように「次の文章を予測する」のメッセージが記載されたテキストデータを出力データ用のデータとして、ＡＩアルゴリズム判別モデルＭの入力ノードにそれぞれ入力する。
【0019】
また、図４Ｃの左側に示すように音声データ又は各種センサによる検知データ等の波形データ（時系列データ）を入力した場合に、時系列データに基づいて異常を検出する処理を実行するＡＩを作成したい場合、図４Ｃの左側に示すような時系列データを入力コンテンツ用のデータとして、図４Ｃの右側に示すように「異常を検出する」のメッセージが記載されたテキストデータを出力データ用のデータとして、ＡＩアルゴリズム判別モデルＭの入力ノードにそれぞれ入力する。また、図４Ｄの左側に示すような画像データを入力した場合に、入力された画像データからノイズ成分を除去した画像を生成する処理を実行するＡＩを作成したい場合、図４Ｄの左側に示すような画像データを入力コンテンツ用のデータとして、図４Ｄの右側に示すように「ノイズを除去した画像を生成する」のメッセージが記載されたテキストデータを出力データ用のデータとして、ＡＩアルゴリズム判別モデルＭの入力ノードにそれぞれ入力する。
【0020】
また、図４Ｅの左側に示すように、医科用又は歯科用の医療用画像の画像データを入力した場合に、入力された画像データから、ハレーション又は金属アーチファクト等のノイズ成分Ｈを除去した画像を生成する処理を実行するＡＩを作成したい場合、図４Ｅの左側に示すようにノイズ成分Ｈを含む画像データを入力コンテンツ用のデータとして、図４Ｅの右側に示すようにノイズ成分Ｈが除去された画像データを出力データ用のデータとして、ＡＩアルゴリズム判別モデルＭの入力ノードにそれぞれ入力する。また、図４Ｅの左側に示すようなノイズ成分Ｈを含む複数の画像データを入力コンテンツ用のデータとしてもよく、図４Ｅの右側に示すようにノイズ成分Ｈが除去された複数の画像データを出力データ用のデータとしてもよい。上述したように、ＡＩアルゴリズム判別モデルＭの入力ノードには、作成したいＡＩに入力すべき入力コンテンツ（入力コンテンツ用のデータ）と、ＡＩから出力させたい出力データ又はＡＩに実行させたい処理の内容を記載したテキストデータ等（出力データ用のデータ）とが１セットとして入力される。
【0021】
ＡＩアルゴリズム判別モデルＭは、入力ノードから入力された画像データに対して画像特徴量を抽出する画像特徴量抽出部、入力ノードから入力された時系列データに対してデータ特徴量を抽出するデータ特徴量抽出部、入力ノードから入力されたテキストデータに対してテキスト特徴量を抽出するテキスト特徴量抽出部、それぞれの特徴量抽出部で抽出された特徴量データが入力される全結合層等を有する。よって、ＡＩアルゴリズム判別モデルＭは、入力ノードから画像データが入力された場合、画像特徴量抽出部にて所定のフィルタ処理及び圧縮処理を行って画像の特徴量データを生成し、時系列データが入力された場合、データ特徴量抽出部にて所定のフィルタ処理及び圧縮処理を行って時系列データの特徴量データを生成し、テキストデータが入力された場合、テキスト特徴量抽出部にて所定のフィルタ処理及び圧縮処理を行ってテキストデータの特徴量データを生成する。それぞれの特徴量抽出部にて生成された特徴量データは全結合層へ出力される。全結合層は複数層設けられており、入力された特徴量データに基づいて、各種の関数及び閾値等を用いて各層のノードの出力値を算出し、算出した出力値を順次後の層のノードに入力する。全結合層は、各層のノードの出力値を順次後の層のノードに入力することにより、最終的にＡＩアルゴリズム判別モデルＭの各出力ノードに出力値を与える。これにより、ＡＩアルゴリズム判別モデルＭは、入力ノードから入力された各データに対して所定の演算を行い、演算結果である出力値を各出力ノードから出力する。
【0022】
本実施形態のＡＩアルゴリズム判別モデルＭは複数の出力ノードを有する。各出力ノードは、複数種類のＡＩアルゴリズム（第１アルゴリズム、第２アルゴリズム…）のそれぞれに対応付けられており、それぞれ対応付けられたＡＩアルゴリズムに対する判別確率を出力する。ここでのＡＩアルゴリズムは、例えばＣＮＮ、ＲＮＮ、ＬＳＴＭ、Ｒ−ＣＮＮ、Fast Ｒ−ＣＮＮ、Faster Ｒ−ＣＮＮ、Mask Ｒ−ＣＮＮ，ＳＳＤ、ＹＯＬＯ、ＲｅｓＮｅｔ、Ｓｅｑ２Ｓｅｑ（Sequence to Sequence）、ＳｅｇＮｅｔ、ＦＣＮ（Fully Convolutional Network ）、Ｕ−Ｎｅｔ、ＧＡＮ（Generative Adversarial Network）、ＣｙｃｌｅＧＡＮ、ＳＶＭ（サポートベクターマシン）、ロジスティック回帰、ランダムフォレスト、ナイーブベイズ分類器、クラスタリング、ＤＱＮ（Deep Q Network）、Ｒａｉｎｂｏｗ等とすることができる。各出力ノードからの出力値（判別確率）は、各出力ノードに対応付けられているＡＩアルゴリズムが、入力ノードから入力された入力コンテンツ及び出力データに係るＡＩを実現するために用いるアルゴリズムとして適切である可能性を示す。各出力ノードからの出力値は例えば０〜１の値であり、全ての出力ノードから出力される判別確率の合計が１となる。
【0023】
上述した構成のＡＩアルゴリズム判別モデルＭは、作成したいＡＩに入力すべき入力コンテンツ及びＡＩに実行させたい処理に関する出力データ（出力させたいデータ又は処理内容を記載したテキストデータ等）の入力データセットと、適切なＡＩアルゴリズムを示す情報（正解ラベル）とを含む訓練データを用いて学習する。例えば、図３Ａの左側に示すような画像データを入力コンテンツとし、図３Ａの右側に示すような画像データを出力データとする入力データセットに対しては、Ｒ−ＣＮＮ、ＳＳＤ、ＹＯＬＯ等の物体検出用のＡＩアルゴリズムのいずれかを正解ラベルとした訓練データを用いることができる。なお、物体検出用のＡＩアルゴリズムを正解ラベルとする入力データセットとしては、例えば、Ｘ線撮影、ＣＴ（Computed Tomography）、ＭＲＩ（Magnetic Resonance Imaging）、ＰＥＴ（Positron Emission Tomography）等の撮像装置を用いて撮影して得られた医療用画像を入力コンテンツとし、この医療用画像中の腫瘤又は腫瘍等の病変にマーカが付けられた画像を出力データとする入力データセットを用いることができる。また、建物及び橋梁等の建築物の外壁を撮影した画像を入力コンテンツとし、この画像中の傷、ひび割れ又は亀裂等の劣化箇所にマーカが付けられた画像を出力データとする入力データセット、或いは、電子部品、電化製品、自動車及び工業製品等において不具合の発生を点検したい箇所を撮影した画像を入力コンテンツとし、この画像中の傷又は組立不良等の不具合箇所にマーカが付けられた画像を出力データとする入力データセット等を、物体検出用のＡＩアルゴリズムを正解ラベルとする入力データセットに用いてもよい。また、入力コンテンツ用の画像データ及び出力データ用の画像データはそれぞれ複数あってもよい。
【0024】
また、図３Ｂの左側に示すような画像データを入力コンテンツとし、図３Ｂの右側に示すようにＡＩに実行させたい処理として物体検出処理が記載してあるテキストデータを出力データとする入力データセットに対しても、物体検出用のＡＩアルゴリズムのいずれかを正解ラベルとした訓練データを用いることができる。なお、物体検出用のＡＩアルゴリズムを正解ラベルとする入力データセットとしては、例えば医療用画像を入力コンテンツとし、ＡＩに実行させたい処理として、「腫瘍を検出する」のメッセージが記載してあるテキストデータを出力データとする入力データセット、或いは、建築物の外壁又は各種製品を撮影した画像を入力コンテンツとし、「傷を検出する」、「不具合箇所を検出する」等のメッセージが記載してあるテキストデータを出力データとする入力データセット等を用いてもよい。
【0025】
また、図３Ｃの左側に示すような画像データを入力コンテンツとし、図３Ｃの右側に示すようにＡＩに実行させたい処理として分類処理が記載してあるテキストデータを出力データとする入力データセットに対して、ＶＧＧ１６、ＶＧＧ１９又はＲｅｓＮｅｔ（Residual Network）等のＣＮＮ、ＳＶＭ、クラスタリング、ロジスティック回帰等の物体分類用のＡＩアルゴリズムのいずれかを正解ラベルとした訓練データを用いることができる。なお、物体分類用のＡＩアルゴリズムを正解ラベルとする入力データセットとしては、図３Ｄの左側に示すような画像データ（動画データ）を入力コンテンツとし、図３Ｄの右側に示すようにＡＩに実行させたい処理として分類処理が記載してあるテキストデータを出力データとする入力データセット等を用いてもよい。また、物体分類用のＡＩアルゴリズムを正解ラベルとする入力データセットの出力データ用のデータとしては、入力コンテンツ用の画像データに対して、分類結果を示すマーカを付加した画像データを用いてもよい。
【0026】
また、図４Ａの左側に示すようなメール本文のテキストデータを入力コンテンツとし、図４Ａの右側に示すようにＡＩに実行させたい処理としてテキストデータの内容の分類処理が記載してあるテキストデータを出力データとする入力データセットに対して、ＣＮＮ、ＲＮＮ又はＳｅｑ２Ｓｅｑ等のＡＩアルゴリズムのいずれかを正解ラベルとした訓練データを用いることができる。
【0027】
また、図４Ｂの左側に示すようなテキストデータを入力コンテンツとし、図４Ｂの右側に示すようにＡＩに実行させたい処理として続きの文章を作成（予測）する処理が記載してあるテキストデータを出力データとする入力データセットに対して、ＬＳＴＭ又はＳｅｑ２Ｓｅｑ等のＡＩアルゴリズムのいずれかを正解ラベルとした訓練データを用いることができる。なお、このようなＡＩアルゴリズムを正解ラベルとする入力データセットとしては、図４Ｂの左側に示すようなテキストデータを入力コンテンツとし、ＡＩに実行させたい処理としてテキストで使用されている言語を判別する処理が記載してあるテキストデータを出力データとする入力データセット、或いは、音声データを入力コンテンツとし、ＡＩに実行させたい処理として続きの文章の作成処理又は言語の判別処理が記載してあるテキストデータを出力データとする入力データセット等を用いてもよい。
【0028】
また、図４Ｃの左側に示すような時系列データを入力コンテンツとし、図４Ｃの右側に示すようにＡＩに実行させたい処理として異常を検出する処理が記載してあるテキストデータを出力データとする入力データセットに対して、Ｒ−ＣＮＮ又はＳＳＤ等のＡＩアルゴリズムのいずれかを正解ラベルとした訓練データを用いることができる。また、図４Ｃの左側に示すような時系列データを入力コンテンツとし、ＡＩに実行させたい処理として故障時期を予測する処理が記載してあるテキストデータを出力データとする入力データセットに対して、Ｓｅｑ２Ｓｅｑ又はＲＮＮ等のＡＩアルゴリズムのいずれかを正解ラベルとした訓練データを用いることができる。
【0029】
また、図４Ｄの左側に示すような画像データを入力コンテンツとし、図４Ｄの右側に示すようにＡＩに実行させたい処理としてノイズ成分を除去した画像を生成する処理が記載してあるテキストデータを出力データとする入力データセットに対して、Ｕ−Ｎｅｔ、ＧＡＮ等のＡＩアルゴリズムのいずれかを正解ラベルとした訓練データを用いることができる。また、図４Ｅの左側に示すような画像データを入力コンテンツとし、図４Ｅの右側に示すような画像データを出力データとする入力データセットに対して、Ｕ−Ｎｅｔ、ＧＡＮ等のＡＩアルゴリズムのいずれかを正解ラベルとした訓練データを用いることができる。このように、出力データとしてテキストデータ、又は、入力コンテンツの画像データからノイズ除去処理等の所定処理を行った後の画像データを用いてもよい。また、ここでの入力コンテンツとして、図４Ｅに示す歯科用の画像データのほかに、医科用の画像データを用いてもよい。また、図４Ｄ及び図４Ｅの左側に示すような画像データを入力コンテンツとし、ＡＩに実行させたい処理としてフェイク画像又は類似画像（第２画像データ）を生成する処理が記載してあるテキストデータを出力データとする入力データセットに対しては、ＧＡＮ又はＣｙｃｌｅＧＡＮ等のＡＩアルゴリズムのいずれかを正解ラベルとした訓練データを用いることができる。ここでの出力データにも、テキストデータの代わりに、入力コンテンツの画像データから生成されたフェイク画像データ又は類似画像データを用いてもよい。
【0030】
また、例えばロボットアームの撮影画像又はロボットアームに取り付けられたセンサによる検知データを入力コンテンツとし、ＡＩに実行させたい処理としてロボットアームによってボールをつかむ処理（達成すべき目標）が記載してあるテキストデータ（目標データ）を出力データとする入力データセットに対して、ＤＱＮ又はＲａｉｎｂｏｗ等の強化学習用のＡＩアルゴリズムのいずれかを正解ラベルとした訓練データを用いることができる。また、製品の動作条件が記載してあるテキストデータを入力コンテンツとし、ＡＩに実行させたい処理として製品に搭載したい目的のスペックに関する情報が記載してあるテキストデータ（目標データ）を出力データとする入力データセットに対して、ナイーブベイズ分類器又はＤＱＮ等のＡＩアルゴリズムのいずれかを正解ラベルとした訓練データを用いることができる。
【0031】
ＡＩアルゴリズム判別モデルＭの訓練データに用いる入力データセットは、上述したセットに限定されず、画像データ、時系列データ（音声データ等）及びテキストデータを用いることができる。なお、テキストデータをＡＩアルゴリズム判別モデルＭに入力する場合、テキストデータの代わりに、テキストデータの記載内容を読み上げた音声データを入力してもよい。また、画像データをＡＩアルゴリズム判別モデルＭに入力する代わりに、画像データからＯＣＲアプリ１２ＡＰを用いて生成したテキストデータを入力してもよい。また、例えば論文の電子データのように、画像データ及びテキストデータを含む文書データから、画像データ及びテキストデータをそれぞれ抽出して訓練データ用の入力データセットに用いてもよい。例えば、文書データ中の画像データには、画像の内容に関する説明等を記載したテキストデータが付与されている場合があり、このような画像データ及びテキストデータを対応付けて抽出することにより、画像データと画像の内容を説明するテキストデータとを取得できる。よって、画像データを入力コンテンツとし、画像の内容を説明するテキストデータを出力データとする入力データセットをＡＩアルゴリズム判別モデルＭに入力することにより、画像データに基づいて、画像の内容を説明するテキストデータを生成する処理を実行するＡＩに用いるべきアルゴリズムを特定できる。
【0032】
ＡＩアルゴリズム判別モデルＭは、上述したような訓練データに含まれる入力データセット（入力コンテンツ用のデータ及び出力データ用のデータ）が入力された場合に、訓練データに含まれる正解ラベルが示すＡＩアルゴリズムに対応する出力ノードから１の出力値が出力され、他の出力ノードから０の出力値が出力されるように学習する。学習処理においてＡＩアルゴリズム判別モデルＭは、フィルタ処理及び圧縮処理等における各種関数の係数及び重み付け係数等を最適化するように学習する。これにより、上述したような入力データセットが入力された場合に、入力データセット中の入力コンテンツに基づいて、入力データセット中の出力データに係る処理を実現するためのＡＩアルゴリズムを特定した結果として、それぞれのＡＩアルゴリズムに対する判別確率を出力するように学習した学習済みのＡＩアルゴリズム判別モデルＭが得られる。ＡＩアルゴリズム判別モデルＭの学習は、他の学習装置で行われてもよく、情報処理装置１０で行われてもよい。
【0033】
以下に、本実施形態の情報処理装置１０が、ＡＩを作成する際に用いるべきＡＩアルゴリズムを提案する処理について説明する。図５はＡＩアルゴリズムの提案処理手順の一例を示すフローチャート、図６及び図７は画面例を示す模式図である。以下の処理は、情報処理装置１０の記憶部１２に記憶してある制御プログラム１２Ｐに従って制御部１１によって実行される。以下の処理の一部を専用のハードウェア回路で実現してもよい。
【0034】
本実施形態の情報処理装置１０において、ＡＩアルゴリズムを提案する処理を行う場合、制御部１１は、ユーザが作成したいＡＩに関する情報を受け付けるための受付画面を表示部１５に表示する（Ｓ１１）。図６は受付画面例を示す。図６に示す受付画面は、作成したいＡＩに入力するコンテンツ（入力コンテンツ）を指定するための入力欄１５ａを有する。入力欄１５ａには、例えば記憶部１２に記憶してあるデータのファイル名を選択するためのプルダウンメニューが設定されている。ユーザは、入力部１４を介してプルダウンメニューを操作することにより、任意のデータ（ファイル名）を選択して入力欄１５ａに入力する。また受付画面は、ＡＩに実行させたい処理に関するデータとして、ＡＩから出力させたいデータ（出力データ）を指定するための入力欄１５ｂと、ＡＩに実行させたい処理の内容を入力するための入力欄１５ｃと、入力欄１５ｂ，１５ｃのいずれかを選択するためのラジオボタンとを有する。入力欄１５ｂには入力欄１５ａと同様のプルダウンメニューが設定されている。ユーザは、ＡＩに実行させたい処理に関するデータとして、出力データの指定又は処理内容の入力のいずれかをラジオボタンで選択する。そしてユーザは、出力データの指定を選択した場合、入力部１４を介して入力欄１５ｂのプルダウンメニューを操作することにより、任意のデータ（ファイル名）を入力欄１５ｂに入力する。またユーザは、処理内容の入力を選択した場合、入力部１４を介して入力欄１５ｃに任意の文字（テキストデータ）を入力する。受付画面は、入力欄１５ａ〜１５ｃに入力された内容で、ＡＩアルゴリズムの選択処理の実行を指示するためのＯＫボタンと、受付画面の表示終了を指示するためのキャンセルボタンとを有する。ユーザは、受付画面において、作成したいＡＩに入力するデータ（入力コンテンツ用のデータ）を選択し、ＡＩに実行させたい処理に関するデータを選択又は入力することによって、ＡＩアルゴリズム判別モデルＭに入力すべき入力データセットを指定し、ＯＫボタンを操作することによって、入力した内容のＡＩを実現するために適したＡＩアルゴリズムの選択処理の実行を指示する。
【0035】
制御部１１（取得部）は、入力部１４を介したユーザの操作に従って、入力コンテンツ用のデータ及び出力データ用のデータ（入力データセット）の入力を受け付け、受け付けた内容のＡＩを実現するためのＡＩアルゴリズムの選択処理の実行指示を受け付ける。制御部１１は、受付画面を介して、ＡＩアルゴリズムの選択処理の実行指示を受け付けたか否かを判断しており（Ｓ１２）、受け付けていないと判断した場合（Ｓ１２：ＮＯ）、受付画面を介して入力コンテンツ用のデータ及び出力データ用のデータの入力を継続する。
【0036】
制御部１１は、ＡＩアルゴリズムの選択処理の実行指示を受け付けたと判断した場合（Ｓ１２：ＹＥＳ）、受け付けた入力コンテンツ用のデータの種類を特定する（Ｓ１３）。例えば制御部１１は、受け付けた入力コンテンツ用のデータが、画像データ、テキストデータ、或いは、音声データ又はセンサによる検知データ等の時系列データのいずれであるかを判断する。次に制御部１１は、受け付けた出力データ用のデータの種類を特定する（Ｓ１４）。ここでも制御部１１は、出力データ用のデータが画像データ、テキストデータ、或いは、時系列データのいずれであるかを判断する。
【0037】
入力コンテンツ及び出力データのデータ種類を特定した後、制御部１１は、受け付けた入力コンテンツ用のデータ及び出力データ用のデータ（入力データセット）をＡＩアルゴリズム判別モデルＭに入力する（Ｓ１５）。なお、制御部１１は、受け付けた入力コンテンツ用のデータを、ステップＳ１３で特定した種類に対応する入力ノードから入力し、受け付けた出力データ用のデータを、ステップＳ１４で特定した種類に対応する入力ノードから入力する。そして制御部１１は、ＡＩアルゴリズム判別モデルＭからの出力情報に基づいて、適切なＡＩアルゴリズムを特定する（Ｓ１６）。例えば制御部１１は、ＡＩアルゴリズム判別モデルＭの各出力ノードからの出力値のうちで、最大値の出力ノードを特定し、特定した出力ノードに対応付けられているＡＩアルゴリズムを、適切なＡＩアルゴリズムに特定する。また制御部１１は、最大値の出力ノードを特定し、特定した最大値が所定値（例えば０．７）以上である場合に、特定した出力ノードに対応付けられているＡＩアルゴリズムを、適切なＡＩアルゴリズムに特定してもよい。また制御部１１は、出力値が大きい順に所定数の出力ノードを特定し、又は、出力値が所定値（例えば０．４）以上である１又は複数の出力ノードを特定し、特定した出力ノードに対応付けられているＡＩアルゴリズムを特定してもよい。
【0038】
制御部１１（出力部）は、特定したＡＩアルゴリズムを通知するための通知画面を生成して表示部１５に表示する（Ｓ１７）。図７Ａは通知画面例を示しており、図７Ａに示す通知画面は、図３Ａに示した入力データセットがＡＩアルゴリズム判別モデルＭに入力された場合の通知例を示す。図７Ａに示す通知画面は、図３Ａに示した入力データセットにおける入力コンテンツ用の画像データと、出力データ用の画像データとがそれぞれＡＩの入力コンテンツ及び出力データとなることを示しており、このようなＡＩに適したＡＩアルゴリズムとしてＲ−ＣＮＮ、ＳＤＤ、ＹＯＬＯの提案を表示している。制御部１１は、受付画面を介して受け付けた入力コンテンツ用のデータと出力データ用のデータとをそれぞれ入力コンテンツ及び出力データとするＡＩを図示し、ステップＳ１６で特定したＡＩアルゴリズムの名称を表示することにより、図７Ａに示す画面を生成する。なお、例えば特定したＡＩアルゴリズムがＵ−Ｎｅｔである場合に、「Ｕ−Ｎｅｔをお勧めします。ほかにはＧＡＮをお勧めします。」のような通知メッセージを表示する通知画面を生成してもよい。この場合、各ＡＩアルゴリズムに対応する通知メッセージを記憶部１２に記憶しておき、制御部１１は、特定したＡＩアルゴリズムに対応する通知メッセージを記憶部１２から読み出すことにより、通知メッセージを表示した通知画面を生成できる。また通知画面において、各ＡＩアルゴリズムは、入力部１４を用いて選択できるように構成されており、ユーザは、使用したいＡＩアルゴリズムがある場合、通知画面中のＡＩアルゴリズムを入力部１４にて選択する。
【0039】
制御部１１は、通知画面において、いずれかのＡＩアルゴリズムに対する選択を受け付けたか否かを判断しており（Ｓ１８）、受け付けていないと判断した場合（Ｓ１８：ＮＯ）、受け付けるまで待機する。なお、通知画面は、画面表示の終了を指示するための閉じるボタンを有しており、閉じるボタンが入力部１４を介して操作された場合、制御部１１は、通知画面の表示を終了し、上述した処理を終了する。
【0040】
通知画面において、いずれかのＡＩアルゴリズムに対する選択を受け付けたと判断した場合（Ｓ１８：ＹＥＳ）、制御部１１は、選択されたＡＩアルゴリズムに対して用意されているリンク画面を表示部１５に表示する（Ｓ１９）。図７Ｂはリンク画面例を示しており、リンク画面は、選択されたＡＩアルゴリズムに関連付けて用意されているライブラリ又はフレームワークを提供するＵＲＬ（Uniform Resource Locator）へのリンク、及び選択されたＡＩアルゴリズムを使用して実現されたＡＩの事例を提供するＵＲＬへのリンクが設定されている。具体的には、図７Ｂに示すリンク画面は、Ｒ−ＣＮＮ用のライブラリ又はフレームワークのダウンロードが可能なサイト（図７ＢではＡＡサイト及びＢＢサイト）のＵＲＬと、Ｒ−ＣＮＮの使用事例を公開しているサイト（図７ＢではＣＣサイト及びＤＤサイト）のＵＲＬとを表示しており、各ＵＲＬへのリンクが設定されている。よって、ユーザは、アクセスしたいＵＲＬがある場合、リンク画面中のＵＲＬのリンクを入力部１４にて選択することにより、ＵＲＬへのアクセスの実行を指示する。
【0041】
制御部１１は、リンク画面において、いずれかのＵＲＬへのアクセスの実行指示を受け付けたか否かを判断しており（Ｓ２０）、受け付けていないと判断した場合（Ｓ２０：ＮＯ）、受け付けるまで待機する。なお、リンク画面も閉じるボタンを有しており、閉じるボタンが入力部１４を介して操作された場合、制御部１１は、リンク画面の表示を終了し、上述した処理を終了する。リンク画面において、いずれかのＵＲＬへのアクセスの実行指示を受け付けたと判断した場合（Ｓ２０：ＹＥＳ）、制御部１１は、選択されたＵＲＬに対して通信部１３を介してアクセスし、アクセスしたＵＲＬにおけるウェブサイトからサイト画面（図示せず）を受信して表示部１５に表示する（Ｓ２１）。
【0042】
ＡＩアルゴリズム用のライブラリ又はフレームワークのダウンロードが可能なサイト画面が表示部１５に表示されている場合、ユーザは、サイト画面を介して所望のライブラリ又はフレームワークをダウンロードすることができ、ＡＩを作成する際に用いるライブラリ又はフレームワークを取得できる。制御部１１は、サイト画面に対して、入力部１４を介したユーザからの操作に従って、ユーザが所望するライブラリ又はフレームワーク（第２学習モデル）をウェブサイトから取得し、取得したライブラリ又はフレームワークを記憶部１２に記憶する。また、ＡＩアルゴリズムの使用事例を公開するサイト画面が表示部１５に表示されている場合、ユーザは、サイト画面を介して使用事例を閲覧することができる。制御部１１は、サイト画面に対して、入力部１４を介したユーザからの操作に従って、ユーザが所望するウェブサイトにアクセスし、ウェブサイトから取得したサイト画面を表示部１５に表示する。
【0043】
上述した処理により、ユーザがＡＩを作成したい場合に、作成したいＡＩに入力すべき入力コンテンツ用のデータと、ＡＩに実行させたい処理に関するデータ（具体的には出力データ又は処理内容が記載されたテキストデータ）とを情報処理装置１０に入力することで、作成したいＡＩに適したＡＩアルゴリズムの提案を受けることができる。よって、ＡＩアルゴリズムに関する知識が乏しいユーザであっても、ＡＩに対して入力するコンテンツ及びＡＩに実行させたい処理内容を指定することによって、作成したいＡＩに適したＡＩアルゴリズムの提案を受けることができる。従って、ユーザは、自身が作成したいＡＩに適したＡＩアルゴリズムを知ることができ、提案されたＡＩアルゴリズムを用いてＡＩの作成を試みることによって、所望のＡＩを効率良く実現することが可能となる。
【0044】
（実施形態２）実施形態１の情報処理装置１０で使用したＡＩアルゴリズム判別モデルＭの生成処理について説明する。なお、ＡＩアルゴリズム判別モデルＭの学習は例えば所定の学習装置で行われ、学習装置で学習が行われて生成された学習済みのＡＩアルゴリズム判別モデルＭは、ネットワーク経由又は可搬型記憶媒体１ａ経由で学習装置から情報処理装置１０にダウンロードされて記憶部１２に記憶される。図８は、学習装置の構成例を示すブロック図である。学習装置３０は、パーソナルコンピュータ、サーバコンピュータ等で構成されており、制御部３１、記憶部３２、通信部３３、入力部３４、表示部３５、読み取り部３６等を含み、これらの各部はバスを介して相互に接続されている。学習装置３０の各部３１〜３６は、実施形態１の情報処理装置１０の各部１１〜１６と同様であるので詳細な説明は省略する。なお、学習装置３０の記憶部３２は、制御プログラム３２Ｐ及びＡＩアルゴリズム判別モデルＭに加えて、ＡＩアルゴリズム判別モデルＭの学習に用いる訓練データが記憶してある訓練データＤＢ（データベース）３２ａを記憶する。また学習装置３０の記憶部３２はＯＣＲアプリ１２ＡＰと同様のＯＣＲアプリを記憶していてもよい。
【0045】
訓練データＤＢ３２ａには、ＡＩにおける入力コンテンツ及び出力データ（入力データセット）と、ＡＩに適切なＡＩアルゴリズムを示す情報（正解ラベル）とが対応付けられた訓練データが記憶されている。なお、ＡＩにおける入力コンテンツは、作成対象のＡＩに入力すべき入力コンテンツ用のデータであり、ＡＩにおける出力データは、作成対象のＡＩから出力させたい出力データ、又は作成対象のＡＩに実行させたい処理内容を示したテキストデータである。
【0046】
図９はＡＩアルゴリズム判別モデルＭの生成処理手順の一例を示すフローチャートである。学習装置３０の制御部３１は、訓練データＤＢ３２ａから訓練データを１つ取得する（Ｓ３１）。制御部３１は、読み出した訓練データを用いてＡＩアルゴリズム判別モデルＭの学習処理を行う（Ｓ３２）。ここでは、制御部３１は、訓練データに含まれる入力データセットをＡＩアルゴリズム判別モデルＭに入力した場合に、訓練データに含まれる正解ラベルに対応する出力ノードからの出力値が１に近づき、他の出力ノードからの出力値が０に近づくようにＡＩアルゴリズム判別モデルＭを学習させる。なお、学習処理においてＡＩアルゴリズム判別モデルＭは、実行すべきフィルタ処理及び圧縮処理等の演算に用いる各種の関数の係数、並びに各種の重み付け係数等を最適化するように学習する。
【0047】
制御部３１は、訓練データＤＢ３２ａに記憶してある訓練データにおいて、未処理の訓練データがあるか否かを判断し（Ｓ３３）、未処理の訓練データがあると判断した場合（Ｓ３３：ＹＥＳ）、ステップＳ３１の処理に戻る。そして、制御部３１は、未処理の訓練データを訓練データＤＢ３２ａから読み出し、読み出した訓練データを用いて学習処理を繰り返す。未処理の訓練データがないと判断した場合（Ｓ３３：ＮＯ）、制御部３１は学習処理を終了する。
【0048】
上述した処理により、作成したいＡＩに対する入力コンテンツ及び出力データが入力された場合に、このようなＡＩを作成するために適切なＡＩアルゴリズムの判別結果として、各種のＡＩアルゴリズムに対する判別確率を出力するように学習されたＡＩアルゴリズム判別モデルＭが生成される。なお、既に学習済みのＡＩアルゴリズム判別モデルＭについても、上述した学習処理を行うことによって再学習させることができ、この場合、判別精度がより高いＡＩアルゴリズム判別モデルＭを生成できる。また、訓練データＤＢ３２ａに記憶してある訓練データを用いて、図９に示す学習処理を繰り返し行うことにより、ＡＩアルゴリズム判別モデルＭをより最適化することができる。
【0049】
図１０はＡＩアルゴリズム判別モデルＭの生成処理手順の他の一例を示すフローチャートである。図１０に示す処理は、図９に示す処理においてステップＳ３１の前にステップＳ４１〜Ｓ４５を追加したものである。図９と同じステップについては説明を省略する。なお、図１０に示す生成処理では、学習装置３０の制御部３１は、例えばＡＩに関する論文、新聞、ウェブサイト、雑誌等の各種の記事から訓練データを生成し、訓練データＤＢ３２ａに記憶してある訓練データに加えて、生成した訓練データを用いた学習処理を行う。よって、学習処理を行うユーザは、ＡＩ及びＡＩアルゴリズムに関する論文、新聞、ウェブサイト、雑誌等の各種記事の電子データを用意し、学習装置３０の記憶部３２に記憶させる。そしてユーザは、入力部３４を介してＡＩアルゴリズム判別モデルＭの生成処理（学習処理）の実行を指示する。
【0050】
学習装置３０の制御部３１は、ＡＩアルゴリズム判別モデルＭの生成処理の実行指示を受け付けた場合、記憶部３２に記憶された各種の記事の電子データを読み出す（Ｓ４１）。なお、制御部３１は、ＡＩアルゴリズム判別モデルＭの生成処理の実行指示を受け付けた場合に、例えばネットワーク経由で、ＡＩに関する各種記事の電子データを検索してダウンロードするように構成されていてもよい。制御部３１は、読み出した記事の電子データから、ＡＩアルゴリズム判別モデルＭの学習処理に用いる訓練データ用のデータを抽出する（Ｓ４２）。制御部３１は、記事の電子データに対して言語処理を行い記事内容から、正解ラベルに用いるＡＩアルゴリズム、このＡＩアルゴリズムを用いて実現されたＡＩに対して入力すべき入力コンテンツ用のデータ、ＡＩから出力される出力データ又はＡＩに実行させたい処理に関するデータを抽出する。例えば、正解ラベルに用いるＡＩアルゴリズムを抽出するために用いるキーワードとして、「ＡＡＡのアルゴリズムでは」、「ＡＡＡの学習処理では」、「ＡＡＡを使った予測手法では」等を記憶部３２に記憶しておき、制御部３１は、記事内容から上述したキーワードを抽出する。上述したキーワードを抽出した場合、制御部３１は、「ＡＡＡ」を正解ラベルに用いるＡＩアルゴリズムに用いることができる。
【0051】
また、入力コンテンツ用のデータを抽出するために用いるキーワードとして、「ＢＢＢを入力データとした場合」、「入力データはＢＢＢである」、「図ＢＢＢの画像から認識する」等を記憶部３２に記憶しておき、制御部３１は、記事内容から上述したキーワードを抽出する。上述したキーワードを抽出した場合、制御部３１は、「ＢＢＢ」又は図ＢＢＢの画像を入力コンテンツ用のデータに用いることができる。更に、出力データ用のデータを抽出するために用いるキーワードとして、「出力データはＣＣＣとなる」、「予測の結果はＣＣＣである」、「処理の結果、図ＣＣＣの画像が得られる」等を記憶部３２に記憶しておき、制御部３１は、記事内容から上述したキーワードを抽出する。上述したキーワードを抽出した場合、制御部３１は、「ＣＣＣ」又は図ＣＣＣの画像を出力データ用のデータに用いることができる。
【0052】
また制御部３１は、機械学習によって構築されたニューラルネットワークを用いて、記事の電子データから、正解ラベルに用いるＡＩアルゴリズム、入力コンテンツ用のデータ、出力データ用のデータを抽出してもよい。例えばＣＮＮモデル、ＲＮＮモデル、ＬＳＴＭモデル等で構成され、記事の電子データが入力された場合に、電子データ中の各領域に対して、正解ラベルに用いるＡＩアルゴリズムの記載領域、入力コンテンツ用のデータの記載領域、出力データ用のデータの記載領域、それ以外の領域に分類するように学習された学習モデルを用いてもよい。この場合、制御部３１は、記事の電子データを学習済みの学習モデルに入力し、学習モデルからの出力情報に基づいて、記事の電子データにおいて、正解ラベルに用いるＡＩアルゴリズムの記載領域、入力コンテンツ用のデータの記載領域、出力データ用のデータの記載領域をそれぞれ抽出することができる。なお、入力コンテンツ用のデータ及び出力データ用のデータは、画像データ、時系列データ、テキストデータのいずれであってもよい。
【0053】
制御部３１は、正解ラベルに用いるＡＩアルゴリズムと、このＡＩアルゴリズムを用いて実現されたＡＩに対して入力すべき入力コンテンツ用のデータと、ＡＩから出力される出力データ又はＡＩに実行させたい処理に関するデータとを抽出する。制御部３１は、記事の電子データから、訓練データ用のデータとして、入力コンテンツ用のデータ及び出力データ用のデータ（まとめて入力データセット）と、ＡＩアルゴリズムに関する情報（正解ラベル）とを抽出できたか否かを判断する（Ｓ４３）。抽出できたと判断した場合（Ｓ４３：ＹＥＳ）、制御部３１は、抽出した入力データセットと正解ラベルとを対応付けて１つの訓練データを生成し（Ｓ４４）、記憶部３２又は訓練データＤＢ３２ａに記憶する。訓練データ用のデータを抽出できないと判断した場合（Ｓ４３：ＮＯ）、制御部３１は、ステップＳ４４の処理をスキップする。そして制御部３１は、記憶部３２に記憶してある記事の電子データのうちで、未処理の電子データがあるか否かを判断し（Ｓ４５）、未処理の電子データがあると判断した場合（Ｓ４５：ＹＥＳ）、ステップＳ４１の処理に戻る。そして、制御部３１は、未処理の電子データを記憶部３２から読み出し、読み出した電子データから訓練データ用のデータの抽出処理を繰り返す。未処理の電子データがないと判断した場合（Ｓ４５：ＮＯ）、制御部３１は、図９中のステップＳ３１の処理に移行する。なお、図１０に示す処理において、ステップＳ３１では、制御部３１は、訓練データＤＢ３２ａに記憶してある訓練データに加えて、ステップＳ４４で生成した訓練データのうちから１つの訓練データを取得する。
【0054】
上述した処理により、学習装置３０は、ＡＩアルゴリズム判別モデルＭの学習に用いる訓練データを自動で生成することができる。よって、例えばネットワーク経由で公開されている種々のデータを用いて訓練データを生成することにより、多数の訓練データを用意することができる。このように生成した訓練データを用いて学習処理させることにより、ＡＩアルゴリズム判別モデルＭの精度を高めることが可能となる。
【0055】
上述したような学習処理を行ったＡＩアルゴリズム判別モデルＭを用いることにより、作成したいＡＩに入力する入力コンテンツと、ＡＩから出力させたい出力データ又はＡＩに実行させたい処理内容とに基づいて、適切なＡＩアルゴリズムが判別される。よって、ＡＩアルゴリズムに関する知識が乏しいユーザであっても、自身が作成したいＡＩに適したＡＩアルゴリズムを知ることができ、所望のＡＩを効率良く実現することが可能となる。
【0056】
また、多数の訓練データを用いてＡＩアルゴリズム判別モデルＭを学習させた場合には、入力コンテンツ及び出力データに対してより適切なＡＩアルゴリズムを特定できるＡＩアルゴリズム判別モデルＭを実現できる。なお、ＡＩアルゴリズム判別モデルＭは、例えば作成したいＡＩに入力する入力コンテンツのデータの種類に応じて各別のモデルを生成してもよい。例えば、入力コンテンツ用のデータが画像データである場合のモデル、入力コンテンツ用のデータがテキストデータである場合のモデル、入力コンテンツ用のデータが時系列データである場合のモデル等を各別に生成してもよい。この場合、入力コンテンツ用のデータの種類に応じたＡＩアルゴリズム判別モデルＭを使用することができ、入力コンテンツの種類に応じた高精度のＡＩアルゴリズム判別モデルＭを使用できる。
【0057】
（実施形態３）ＡＩアルゴリズム判別モデルＭを用いて特定されたＡＩアルゴリズムに対する尤度が低い場合に、ＡＩアルゴリズム判別モデルＭに入力するデータ（作成すべきＡＩにおける入力コンテンツ用のデータ及び出力データ用のデータ）を追加で入力する情報処理装置について説明する。本実施形態の情報処理装置は、実施形態１の情報処理装置１０と同様の構成を有するので、構成についての詳細な説明は省略する。
【0058】
図１１は実施形態３のＡＩアルゴリズムの提案処理手順の一例を示すフローチャートである。図１１に示す処理は、図５に示す処理においてステップＳ１６及びステップＳ１７の間にステップＳ５１〜Ｓ５２を追加したものである。図５と同じステップについては説明を省略する。
【0059】
本実施形態の情報処理装置１０において、制御部１１は、図５中のステップＳ１１〜Ｓ１６と同様の処理を行う。これにより、制御部１１は、受付画面を介して受け付けた入力コンテンツ用のデータ及び出力データ用のデータに基づいて、ＡＩアルゴリズム判別モデルＭを用いて適切なＡＩアルゴリズムを特定する。制御部１１は、特定したＡＩアルゴリズムに対する尤度が所定値（例えば０．８）以下であるか否かを判断する（Ｓ５１）。具体的には、制御部１１は、ＡＩアルゴリズム判別モデルＭにおいて、ステップＳ１６で特定したＡＩアルゴリズムに対応付けられている出力ノードからの出力値（判別確率）が所定値以下であるか否かを判断する。特定したＡＩアルゴリズムに対する尤度が所定値以下でないと判断した場合（Ｓ５１：ＮＯ）、制御部１１は、ステップＳ１７の処理に移行し、ステップＳ１７以降の処理を実行する。
【0060】
特定したＡＩアルゴリズムに対する尤度が所定値以下であると判断した場合（Ｓ５１：ＹＥＳ）、制御部１１は、ユーザが作成したいＡＩに関する情報を追加で受け付けるための追加受付画面を表示部１５に表示する（Ｓ５２）。追加受付画面は、図６に示す画面と同様の構成を有しており、ユーザが作成したいＡＩに入力する入力コンテンツと、ＡＩに実行させたい処理に関するデータとの両方又はいずれか一方を指定するための入力欄を有する。なお、追加受付画面は、ステップＳ１１で表示した受付画面を介して入力された入力コンテンツ及び出力データの情報を表示し、更に追加すべき入力コンテンツ及び出力データの入力欄を有する。ユーザは、追加で指定したい入力コンテンツ用のデータ、及び／又は、出力データ用のデータを、入力部１４を介してそれぞれの入力欄に入力する。
【0061】
制御部１１は、追加受付画面において、入力部１４を介したユーザの操作に従って、入力コンテンツ用のデータ及び出力データ用のデータの両方又は一方の入力を受け付ける。また制御部１１は、追加受付画面のＯＫボタンが操作されることにより、受け付けた内容に基づいて、ＡＩアルゴリズムの選択処理の実行指示を受け付ける。制御部１１は、ステップＳ１２の処理に移行し、追加受付画面を介して、ＡＩアルゴリズムの選択処理の実行指示を受け付けたか否かを判断し（Ｓ１２）、受け付けたと判断した場合（Ｓ１２：ＹＥＳ）、追加受付画面を介して受け付けた入力コンテンツ用のデータと、出力データ用のデータとにおいて、データの種類を特定する（Ｓ１３，Ｓ１４）。そして制御部１１は、受け付けた入力コンテンツ用のデータ及び出力データ用のデータをＡＩアルゴリズム判別モデルＭに入力し（Ｓ１５）、ＡＩアルゴリズム判別モデルＭからの出力情報に基づいて、適切なＡＩアルゴリズムを特定する（Ｓ１６）。ここでは制御部１１は、ステップＳ１１で表示した受付画面を介して受け付けた入力コンテンツ用のデータ及び出力データ用のデータと、追加受付画面を介して受け付けた入力コンテンツ用のデータ及び出力データ用のデータとの両方をＡＩアルゴリズム判別モデルＭに入力してもよい。
【0062】
制御部１１は、特定したＡＩアルゴリズムに対する尤度が所定値よりも大きい値であると判断するまで、ステップＳ１２〜Ｓ１６，Ｓ５１〜Ｓ５２の処理を繰り返す。これにより、制御部１１は、追加受付画面を介して受け付けた新たなデータ（入力コンテンツ用のデータ及び／又は出力データ用のデータ）をＡＩアルゴリズム判別モデルＭに入力し、ＡＩアルゴリズム判別モデルＭからの出力情報に基づいて適切なＡＩアルゴリズムを再度特定(再度出力)する。上述したＡＩアルゴリズムの特定処理を繰り返すことにより、ユーザが入力した入力コンテンツ用のデータ及び出力データ用のデータに基づいて、ユーザが作成したいＡＩにより適したＡＩアルゴリズムを特定することができ、ユーザに提案することができる。
【0063】
本実施形態では、上述した各実施形態と同様の効果が得られる。また本実施形態では、特定されたＡＩアルゴリズムに対する尤度が所定値以下である場合、即ち、特定したＡＩアルゴリズムが適切である可能性が低い場合に、ＡＩアルゴリズム判別モデルＭに入力するデータを追加し、更なる判別処理が実行される。よって、ユーザが作成したいＡＩにより適したＡＩアルゴリズムの特定が可能となり、適切なＡＩアルゴリズムの提案が可能となる。本実施形態においても、上述した各実施形態で適宜説明した変形例の適用が可能である。
【0064】
（実施形態４）ＡＩアルゴリズム判別モデルＭを用いて特定したＡＩアルゴリズムに対するユーザの評価を受け付ける情報処理装置について説明する。本実施形態の情報処理装置は、実施形態１の情報処理装置１０と同様の構成を有するので、構成についての詳細な説明は省略する。本実施形態の情報処理装置１０は、図５に示す処理と同様の処理を行う。これにより、図６に示すような受付画面を介して、作成すべきＡＩに入力すべき入力データセットを受け付け、受け付けた入力データセットに対して適切なＡＩアルゴリズムをＡＩアルゴリズム判別モデルＭを用いて特定して、ユーザに提案することができる。
【0065】
本実施形態の情報処理装置１０では、ＡＩアルゴリズム判別モデルＭを用いて特定されてユーザに提案されたＡＩアルゴリズムに対して、ユーザからの評価を受け付ける構成を有する。例えばユーザは、図７Ｂに示すリンク画面を介して、所望のＡＩアルゴリズムのライブラリ又はフレームワークをダウンロードしてＡＩを作成し、作成したＡＩに対して評価を行う。例えば、所望のＡＩアルゴリズムのライブラリ又はフレームワークに対して、作成したいＡＩに対する入力データ（入力コンテンツ）及び出力データを含む訓練データを用いた学習処理を実行して所望のＡＩを作成する。その後、ユーザは、評価用のデータ（作成したＡＩに対する入力データ及び正解の出力データ）を用いて、作成したＡＩを評価する。ここでは、ユーザは、評価用データの入力データを、作成したＡＩに入力し、ＡＩからの出力データが、評価用データの出力データに一致するか否かを判断する。そしてユーザは、評価した結果を、評価受付画面を介して入力する。
【0066】
図１２は評価受付画面例を示す模式図である。制御部１１は、入力部１４を介してユーザから評価受付画面の表示指示を受け付けた場合、評価受付画面を表示部１５に表示する。図１２Ａは、図７Ｂに示すリンク画面で通知された各ウェブサイトに対する評価情報を、例えば５段階（例えば５が最高）で入力できるように構成されており、図１２Ｂは、図７Ａに示す通知画面で通知された各ＡＩアルゴリズムに対する評価情報を５段階で入力できるように構成されている。図１２Ａに示す評価受付画面を介して評価を受け付ける場合、ＡＩアルゴリズムに対するライブラリ又はフレームワークに対する評価情報を受け付けることができ、図１２Ｂに示す評価受付画面を介して評価を受け付ける場合、ＡＩアルゴリズムに対する評価情報を受け付けることができる。このような評価受付画面を介して受け付けた評価情報に基づいて、例えば高い評価を受け付けたＡＩアルゴリズムと、このＡＩアルゴリズムを特定する際にＡＩアルゴリズム判別モデルＭに入力された入力データセットとを対応付けて再学習用の訓練データを生成することができる。よって、ユーザからの評価に基づいて生成された訓練データを用いてＡＩアルゴリズム判別モデルＭを再学習させることにより、ユーザの評価が反映された、より適切なＡＩアルゴリズムを特定できるＡＩアルゴリズム判別モデルＭを生成できる。なお、複数の情報処理装置１０において、それぞれのユーザによる評価情報に基づいて生成された訓練データをまとめて、ＡＩアルゴリズム判別モデルＭに再学習させることもできる。この場合、複数のユーザの評価が反映され、より精度の高いＡＩアルゴリズム判別モデルＭを生成できる。
【0067】
図１３は訓練データの生成処理手順の一例を示すフローチャートである。ユーザは、情報処理装置１０によって提案されたＡＩアルゴリズムを利用した結果の評価を行う場合、入力部１４を介して評価受付画面の表示を指示する。制御部１１は、入力部１４を介して評価受付画面の表示指示を受け付けた場合、図１２Ａ又は図１２Ｂに示すような評価受付画面を表示部１５に表示する（Ｓ６１）。ユーザは、評価受付画面において、評価したいＡＩアルゴリズムに対して５段階での評価情報を入力してＯＫボタンを操作することにより、評価情報の登録を指示する。
【0068】
制御部１１は、ユーザによる評価情報を受け付けたか否かを判断しており（Ｓ６２）、受け付けたと判断した場合（Ｓ６２：ＹＥＳ）、受け付けた評価情報が高評価であるか否かを判断する（Ｓ６３）。例えば制御部１１は、受け付けた評価情報が、５段階評価（５が最高）で５又は４である場合、高評価であると判断し、３以下である場合、低評価であると判断する。制御部１１は、ユーザによる評価情報を受け付けていないと判断した場合（Ｓ６２：ＮＯ）、例えば評価受付画面における閉じるボタンが操作された場合、又は、受け付けた評価情報が高評価でないと判断した場合（Ｓ６３：ＮＯ）、処理を終了する。受け付けた評価情報が高評価であると判断した場合（Ｓ６３：ＹＥＳ）、制御部１１は、高評価を受けた評価対象となったＡＩアルゴリズムに対する入力データセットを読み出す（Ｓ６４）。例えば制御部１１は、図５中のステップＳ１５でＡＩアルゴリズム判別モデルＭに入力された入力コンテンツ用のデータ及び出力データ用のデータ（入力データセット）を読み出す。
【0069】
そして制御部１１は、評価対象であったＡＩアルゴリズムを正解ラベルとして、読み出した入力データセットに正解ラベルを対応付けて訓練データを生成する（Ｓ６５）。制御部１１は、生成した訓練データを、記憶部１２又は記憶部１２に設けられた訓練データＤＢに記憶して（Ｓ６６）、処理を終了する。なお、制御部１１は、評価受付画面を介してＡＩアルゴリズムに対する高評価を受け付ける都度、上述した処理を行って訓練データを生成してもよく、複数の高評価を受け付けた場合に、まとめて各評価情報に基づいて訓練データを生成してもよい。上述した処理により、ＡＩアルゴリズム判別モデルＭを用いて提案されたＡＩアルゴリズムに対してユーザが高評価を行った場合に、高評価されたＡＩアルゴリズムの提案に用いられた入力データセットを用いて訓練データを生成することができる。このような訓練データを用いてＡＩアルゴリズム判別モデルＭを学習又は再学習させることにより、精度の高いＡＩアルゴリズム判別モデルＭを生成できる。
【0070】
本実施形態では、上述した各実施形態と同様の効果が得られる。また本実施形態では、ＡＩアルゴリズム判別モデルＭを用いて提案されたＡＩアルゴリズムに対する評価を受け付けることができる。また、ユーザによって高評価が得られたＡＩアルゴリズムを用いて訓練データを生成することができ、このような訓練データを用いてＡＩアルゴリズム判別モデルＭを再学習させることにより、ユーザの評価を反映させた判別結果が得られるＡＩアルゴリズム判別モデルＭを生成できる。また、本実施形態においても、上述した各実施形態で適宜説明した変形例の適用が可能である。また、本実施形態の構成は実施形態３の情報処理装置１０にも適用可能であり、実施形態３の情報処理装置１０に適用した場合であっても同様の効果が得られる。
【0071】
（実施形態５）受付画面を介してユーザが作成したいＡＩに関する情報（入力データセット）を受け付ける処理を端末装置で行い、ＡＩアルゴリズム判別モデルＭを用いて適切なＡＩアルゴリズムを特定する処理を所定のサーバで行う情報処理システムについて説明する。図１４は情報処理システムの構成例を示すブロック図である。本実施形態の情報処理システムはサーバ４０及び端末装置５０を有し、サーバ４０及び端末装置５０はインターネット等のネットワークＮを介して接続されている。サーバ４０は、サーバコンピュータ又はパーソナルコンピュータを用いて実現されてもよく、１台のサーバ内に設けられた複数の仮想マシンを用いて実現されてもよく、クラウドサーバを用いて実現されてもよい。端末装置５０は、パーソナルコンピュータ、タブレット端末、スマートフォン等を用いて構成される。
【0072】
サーバ４０は、制御部４１、記憶部４２、通信部４３、入力部４４、表示部４５、読み取り部４６等を含み、これらの各部はバスを介して相互に接続されている。サーバ４０の各部４１〜４６は、実施形態１の情報処理装置１０の各部１１〜１６と同様であるので詳細な説明は省略する。なお、サーバ４０の記憶部４２は、制御プログラム４２Ｐ及びＡＩアルゴリズム判別モデル４２Ｍを記憶する。ＡＩアルゴリズム判別モデル４２Ｍは、実施形態１の情報処理装置１０が記憶するＡＩアルゴリズム判別モデルＭと同様の構成を有する。
【0073】
端末装置５０は、制御部５１、記憶部５２、通信部５３、入力部５４、表示部５５等を含み、これらの各部はバスを介して相互に接続されている。端末装置５０の各部５１〜５５は、実施形態１の情報処理装置１０の各部１１〜１５と同様であるので詳細な説明は省略する。なお、端末装置５０の記憶部５２は、制御プログラム５２Ｐ及びＯＣＲアプリ５２ＡＰを記憶する。ＯＣＲアプリ５２ＡＰは、実施形態１の情報処理装置１０が記憶するＯＣＲアプリ１２ＡＰと同様の構成を有する。
【0074】
以下に、本実施形態の情報処理システムにおいて、ＡＩを作成する際に用いるべきＡＩアルゴリズムを提案する処理について説明する。図１５は実施形態５のＡＩアルゴリズムの提案処理手順の一例を示すフローチャートである。以下の処理は、サーバ４０の記憶部４２に記憶してある制御プログラム４２Ｐに従って制御部４１によって実行され、端末装置５０の記憶部５２に記憶してある制御プログラム５２Ｐに従って制御部５１によって実行される。以下の処理の一部を専用のハードウェア回路で実現してもよい。なお、以下の処理のうちで、図５に示した情報処理装置１０による処理と同様の処理については詳細な説明を省略する。
【0075】
本実施形態の情報処理システムにおいて、端末装置５０の制御部５１は、図６に示すような受付画面を表示部１５に表示する（Ｓ７１）。制御部５１は、入力部５４を介したユーザの操作に従って、入力コンテンツ用のデータ及び出力データ用のデータ（入力データセット）の入力を受け付け、受け付けた内容のＡＩを実現するためのＡＩアルゴリズムの選択処理の実行指示を受け付ける。制御部５１は、受付画面を介して、ＡＩアルゴリズムの選択処理の実行指示を受け付けたか否かを判断しており（Ｓ７２）、受け付けていないと判断した場合（Ｓ７２：ＮＯ）、受付画面を介して入力コンテンツ用のデータ及び出力データ用のデータの入力を継続する。
【0076】
制御部５１は、ＡＩアルゴリズムの選択処理の実行指示を受け付けたと判断した場合（Ｓ７２：ＹＥＳ）、受け付けた入力コンテンツ用のデータ及び出力データ用のデータをネットワークＮ経由でサーバ４０へ送信する（Ｓ７３）。サーバ４０の制御部４１は、端末装置５０から入力コンテンツ用のデータ及び出力データ用のデータを受信した場合、受信した入力コンテンツ用のデータの種類を特定し（Ｓ７４）、受信した出力データ用のデータの種類を特定する（Ｓ７５）。そして制御部４１は、端末装置５０から受信した入力コンテンツ用のデータ及び出力データ用のデータ（入力データセット）をＡＩアルゴリズム判別モデル４２Ｍに入力し（Ｓ７６）、ＡＩアルゴリズム判別モデル４２Ｍからの出力情報に基づいて、適切なＡＩアルゴリズムを特定する（Ｓ７７）。制御部４１は、特定したＡＩアルゴリズムを通知するための通知画面を生成してネットワークＮ経由で端末装置５０へ送信する（Ｓ７８）。
【0077】
端末装置５０の制御部５１は、サーバ４０から通知画面を受信した場合、受信した通知画面を表示部５５に表示する（Ｓ７９）。制御部５１は、通知画面にて通知されたＡＩアルゴリズムのいずれかに対する選択を受け付けたか否かを判断しており（Ｓ８０）、受け付けていないと判断した場合（Ｓ８０：ＮＯ）、受け付けるまで待機する。ＡＩアルゴリズムのいずれかに対する選択を受け付けたと判断した場合（Ｓ８０：ＹＥＳ）、制御部５１は、選択されたＡＩアルゴリズムに対して用意されているリンク画面を表示部５５に表示する（Ｓ８１）。なお、リンク画面は、通知画面と共にサーバ４０から取得しておいてもよく、ＡＩアルゴリズムのいずれかに対する選択を受け付けた時点で、制御部５１が、選択されたＡＩアルゴリズムに対するリンク画面をサーバ４０に要求してサーバ４０から取得してもよい。
【0078】
制御部５１は、リンク画面を介して、いずれかのＵＲＬへのアクセスの実行指示を受け付けたか否かを判断し（Ｓ８２）、受け付けていないと判断した場合（Ｓ８２：ＮＯ）、受け付けるまで待機する。いずれかのＵＲＬへのアクセスの実行指示を受け付けたと判断した場合（Ｓ８２：ＹＥＳ）、制御部５１は、選択されたＵＲＬに対して通信部５３を介してアクセスし、アクセスしたＵＲＬにおけるウェブサイトからサイト画面（図示せず）を受信して表示部５５に表示する（Ｓ８３）。本実施形態においても、ユーザは、端末装置５０の表示部５５に表示されたサイト画面を介して、所望のＡＩアルゴリズムに対応するライブラリ又はフレームワークをダウンロードすることができる。またユーザは、所定のＡＩアルゴリズムの使用事例を閲覧することができる。
【0079】
上述した処理により、ユーザがＡＩを作成したい場合に、作成したいＡＩに入力すべき入力コンテンツ用のデータと、ＡＩに実行させたい処理に関するデータ（具体的には出力データ又は処理内容が記載されたテキストデータ）とを端末装置５０に入力することで、作成したいＡＩに適したＡＩアルゴリズムの提案をサーバ４０から受けることができる。よって、ＡＩアルゴリズムに関する知識が乏しいユーザであっても、ＡＩに対して入力するコンテンツ及びＡＩに実行させたい処理内容を指定することによって、作成したいＡＩに適したＡＩアルゴリズムの提案を受けることができる。従って、ユーザは、自身が作成したいＡＩに適したＡＩアルゴリズムを知ることができ、提案されたＡＩアルゴリズムを用いてＡＩの作成を試みることによって、所望のＡＩを効率良く実現することが可能となる。
【0080】
本実施形態では、上述した各実施形態と同様の効果が得られる。また本実施形態では、端末装置５０を介して入力されたデータに基づいて、サーバ４０がＡＩアルゴリズム判別モデルＭを用いて適切なＡＩアルゴリズムの特定処理を行う。よって、サーバ４０によるＡＩアルゴリズム判別モデルＭを用いたＡＩアルゴリズムの提案処理を、複数の端末装置５０から利用することができる。また、サーバ４０でＡＩアルゴリズム判別モデルＭを管理することにより、ＡＩアルゴリズム判別モデルＭの更新処理（再学習処理）を容易に行うことができ、最新のＡＩアルゴリズム判別モデルＭによって特定されたＡＩアルゴリズムの提案が可能となる。本実施形態においても、上述した各実施形態で適宜説明した変形例の適用が可能である。また、本実施形態の構成は実施形態３〜４の情報処理装置１０にも適用可能であり、実施形態３〜４の情報処理装置１０に適用した場合であっても同様の効果が得られる。
【0081】
今回開示された実施の形態はすべての点で例示であって、制限的なものでは無いと考えられるべきである。本開示の範囲は、上記した意味では無く、特許請求の範囲によって示され、特許請求の範囲と均等の意味及び範囲内でのすべての変更が含まれることが意図される。
【符号の説明】
【0082】
１０ 情報処理装置１１ 制御部
１２ 記憶部
１３ 通信部
１４ 入力部
１５ 表示部
３０ 学習装置
３１ 制御部
４０ サーバ
４１ 制御部
４２ 記憶部
５０ 端末装置
５１ 制御部
５２ 記憶部
５４ 入力部
５５ 表示部
【手続補正書】
【提出日】2020年12月25日
【手続補正1】
【補正対象書類名】明細書
【補正対象項目名】０００６
【補正方法】変更
【補正の内容】
【0006】
本開示の一態様に係るプログラムは、人工知能に入力する入力コンテンツと、前記人工知能に前記入力コンテンツに基づいて予測させたい出力データとを取得し、入力コンテンツ及び出力データが入力される入力ノードと、複数種類のアルゴリズムのそれぞれに対応し、それぞれのアルゴリズムを人工知能が予測に用いるべきアルゴリズムとすべき確率を出力する出力ノードとを有し、入力コンテンツ及び出力データを入力した場合にそれぞれのアルゴリズムに対する確率を出力するように学習した学習モデルに、取得した前記入力コンテンツ及び出力データを前記入力ノードを介して入力して、前記出力ノードから出力された確率に基づいて、前記人工知能が用いるべきアルゴリズムを出力する処理をコンピュータに実行させる。
【手続補正2】
【補正対象書類名】特許請求の範囲
【補正対象項目名】全文
【補正方法】変更
【補正の内容】
【特許請求の範囲】
【請求項1】
人工知能に入力する入力コンテンツと、前記人工知能に前記入力コンテンツに基づいて予測させたい出力データとを取得し、
入力コンテンツ及び出力データが入力される入力ノードと、複数種類のアルゴリズムのそれぞれに対応し、それぞれのアルゴリズムを人工知能が予測に用いるべきアルゴリズムとすべき確率を出力する出力ノードとを有し、入力コンテンツ及び出力データを入力した場合にそれぞれのアルゴリズムに対する確率を出力するように学習した学習モデルに、取得した前記入力コンテンツ及び出力データを前記入力ノードを介して入力して、前記出力ノードから出力された確率に基づいて、前記人工知能が用いるべきアルゴリズムを出力する
処理をコンピュータに実行させるプログラム。
入力コンテンツ及び出力データが入力される入力ノードと、複数種類のアルゴリズムのそれぞれに対応し、それぞれのアルゴリズムを人工知能が予測に用いるべきアルゴリズムとすべき確率を出力する出力ノードとを有し、入力コンテンツ及び出力データを入力した場合にそれぞれのアルゴリズムに対する確率を出力するように学習した学習モデルに、取得した前記入力コンテンツ及び出力データを前記入力ノードを介して入力して、前記出力ノードから出力された確率に基づいて、前記人工知能が用いるべきアルゴリズムを出力する
処理をコンピュータに実行させるプログラム。
【請求項2】
前記入力コンテンツは画像データであり、
前記出力データは、前記人工知能に前記入力コンテンツに基づいて検出させるべき対象物を特定した画像データであり、
前記学習モデルに前記入力コンテンツ及び出力データを入力して、前記出力ノードから出力された確率に基づいて、前記人工知能が前記入力コンテンツに基づいて対象物を検出するために用いるべきアルゴリズムを出力する
処理を前記コンピュータに実行させる請求項１に記載のプログラム。
前記出力データは、前記人工知能に前記入力コンテンツに基づいて検出させるべき対象物を特定した画像データであり、
前記学習モデルに前記入力コンテンツ及び出力データを入力して、前記出力ノードから出力された確率に基づいて、前記人工知能が前記入力コンテンツに基づいて対象物を検出するために用いるべきアルゴリズムを出力する
処理を前記コンピュータに実行させる請求項１に記載のプログラム。
【請求項3】
前記入力コンテンツは、複数の画像データであり、
前記出力データは、前記人工知能に前記入力コンテンツに基づいて検出させるべき対象物を特定した複数の画像データである
請求項１又は２に記載のプログラム。
前記出力データは、前記人工知能に前記入力コンテンツに基づいて検出させるべき対象物を特定した複数の画像データである
請求項１又は２に記載のプログラム。
【請求項4】
前記入力コンテンツは画像データであり、
前記出力データは、前記人工知能に前記入力コンテンツに基づいて分類させるべき対象物を含む画像データであり、
前記学習モデルに前記入力コンテンツ及び出力データを入力して、前記出力ノードから出力された確率に基づいて、前記人工知能が前記入力コンテンツに基づいて対象物を分類するために用いるべきアルゴリズムを出力する
処理を前記コンピュータに実行させる請求項１から３までのいずれかひとつに記載のプログラム。
前記出力データは、前記人工知能に前記入力コンテンツに基づいて分類させるべき対象物を含む画像データであり、
前記学習モデルに前記入力コンテンツ及び出力データを入力して、前記出力ノードから出力された確率に基づいて、前記人工知能が前記入力コンテンツに基づいて対象物を分類するために用いるべきアルゴリズムを出力する
処理を前記コンピュータに実行させる請求項１から３までのいずれかひとつに記載のプログラム。
【請求項5】
前記入力コンテンツは画像データであり、
前記出力データは、前記人工知能に前記入力コンテンツに基づいて実行させるべき内容を含むテキストデータであり、
前記学習モデルに前記入力コンテンツ及び出力データを入力して、前記出力ノードから出力された確率に基づいて、前記人工知能が前記出力データに含まれる内容を実行するために用いるべきアルゴリズムを出力する
処理を前記コンピュータに実行させる請求項１から４までのいずれかひとつに記載のプログラム。
前記出力データは、前記人工知能に前記入力コンテンツに基づいて実行させるべき内容を含むテキストデータであり、
前記学習モデルに前記入力コンテンツ及び出力データを入力して、前記出力ノードから出力された確率に基づいて、前記人工知能が前記出力データに含まれる内容を実行するために用いるべきアルゴリズムを出力する
処理を前記コンピュータに実行させる請求項１から４までのいずれかひとつに記載のプログラム。
【請求項6】
前記入力コンテンツは、画像データ、時系列データ又はテキストデータであり、
前記出力データは、前記人工知能に前記入力コンテンツに基づいて検出させるべき対象物を特定した画像データ、時系列データ又はテキストデータのジャンルを特定したデータであり、
前記学習モデルに前記入力コンテンツ及び出力データを入力して、前記出力ノードから出力された確率に基づいて、前記人工知能が前記入力コンテンツに基づいて検出した対象物のジャンルを特定するために用いるべきアルゴリズムを出力する
処理を前記コンピュータに実行させる請求項１から５までのいずれかひとつに記載のプログラム。
前記出力データは、前記人工知能に前記入力コンテンツに基づいて検出させるべき対象物を特定した画像データ、時系列データ又はテキストデータのジャンルを特定したデータであり、
前記学習モデルに前記入力コンテンツ及び出力データを入力して、前記出力ノードから出力された確率に基づいて、前記人工知能が前記入力コンテンツに基づいて検出した対象物のジャンルを特定するために用いるべきアルゴリズムを出力する
処理を前記コンピュータに実行させる請求項１から５までのいずれかひとつに記載のプログラム。
【請求項7】
前記入力コンテンツは、時系列データ又はテキストデータであり、
前記出力データは、前記人工知能に前記入力コンテンツに基づいて生成させる、前記時系列データに続く時系列データ、又は前記テキストデータに続くテキストデータであり、
前記学習モデルに前記入力コンテンツ及び出力データを入力して、前記出力ノードから出力された確率に基づいて、前記人工知能が前記入力コンテンツに基づいて時系列データに続く時系列データ、又はテキストデータに続くテキストデータを生成するために用いるべきアルゴリズムを出力する
処理を前記コンピュータに実行させる請求項１から６までのいずれかひとつに記載のプログラム。
前記出力データは、前記人工知能に前記入力コンテンツに基づいて生成させる、前記時系列データに続く時系列データ、又は前記テキストデータに続くテキストデータであり、
前記学習モデルに前記入力コンテンツ及び出力データを入力して、前記出力ノードから出力された確率に基づいて、前記人工知能が前記入力コンテンツに基づいて時系列データに続く時系列データ、又はテキストデータに続くテキストデータを生成するために用いるべきアルゴリズムを出力する
処理を前記コンピュータに実行させる請求項１から６までのいずれかひとつに記載のプログラム。
【請求項8】
前記入力コンテンツは画像データであり、
前記出力データは、前記人工知能に前記入力コンテンツに基づいて生成させるべき第２画像データであり、
前記学習モデルに前記入力コンテンツ及び出力データを入力して、前記出力ノードから出力された確率に基づいて、前記人工知能が前記入力コンテンツに基づいて第２画像データを生成するために用いるべきアルゴリズムを出力する
処理を前記コンピュータに実行させる請求項１から７までのいずれかひとつに記載のプログラム。
前記出力データは、前記人工知能に前記入力コンテンツに基づいて生成させるべき第２画像データであり、
前記学習モデルに前記入力コンテンツ及び出力データを入力して、前記出力ノードから出力された確率に基づいて、前記人工知能が前記入力コンテンツに基づいて第２画像データを生成するために用いるべきアルゴリズムを出力する
処理を前記コンピュータに実行させる請求項１から７までのいずれかひとつに記載のプログラム。
【請求項9】
前記入力コンテンツは画像データ又は時系列データであり、
前記出力データは、前記人工知能に前記入力コンテンツに基づいて検出させるべき、達成すべき目標に関する目標データであり、
前記学習モデルに前記入力コンテンツ及び出力データを入力して、前記出力ノードから出力された確率に基づいて、前記人工知能が前記入力コンテンツに基づいて達成すべき目標に関する目標データを検出するために用いるべきアルゴリズムを出力する
処理を前記コンピュータに実行させる請求項１から８までのいずれかひとつに記載のプログラム。
前記出力データは、前記人工知能に前記入力コンテンツに基づいて検出させるべき、達成すべき目標に関する目標データであり、
前記学習モデルに前記入力コンテンツ及び出力データを入力して、前記出力ノードから出力された確率に基づいて、前記人工知能が前記入力コンテンツに基づいて達成すべき目標に関する目標データを検出するために用いるべきアルゴリズムを出力する
処理を前記コンピュータに実行させる請求項１から８までのいずれかひとつに記載のプログラム。
【請求項10】
画像データ及びテキストデータを含む文書データから、前記画像データ及びテキストデータを抽出し、
抽出した前記画像データ及びテキストデータをそれぞれ前記入力コンテンツ及び出力データとして前記学習モデルに入力する
請求項１から９までのいずれかひとつに記載のプログラム。
抽出した前記画像データ及びテキストデータをそれぞれ前記入力コンテンツ及び出力データとして前記学習モデルに入力する
請求項１から９までのいずれかひとつに記載のプログラム。
【請求項11】
前記学習モデルから出力されるアルゴリズムに関連付けて、前記アルゴリズムに関するＵＲＬ（Uniform Resource Locator）を出力する
処理を前記コンピュータに実行させる請求項１から１０までのいずれかひとつに記載のプログラム。
処理を前記コンピュータに実行させる請求項１から１０までのいずれかひとつに記載のプログラム。
【請求項12】
前記学習モデルから出力されるアルゴリズムに対応する第２学習モデルをダウンロードする
処理を前記コンピュータに実行させる請求項１から１１までのいずれかひとつに記載のプログラム。
処理を前記コンピュータに実行させる請求項１から１１までのいずれかひとつに記載のプログラム。
【請求項13】
前記学習モデルが前記アルゴリズムを出力した後に、新たな入力コンテンツを取得し、
前記新たな入力コンテンツ及び前記出力データを前記学習モデルに入力して、前記出力ノードから出力された確率に基づいて、前記人工知能が用いるべきアルゴリズムを再度出力する
処理を前記コンピュータに実行させる請求項１から１２までのいずれかひとつに記載のプログラム。
前記新たな入力コンテンツ及び前記出力データを前記学習モデルに入力して、前記出力ノードから出力された確率に基づいて、前記人工知能が用いるべきアルゴリズムを再度出力する
処理を前記コンピュータに実行させる請求項１から１２までのいずれかひとつに記載のプログラム。
【請求項14】
前記学習モデルが前記アルゴリズムを出力した後に、新たな出力データを取得し、
前記新たな出力データ及び前記入力コンテンツを前記学習モデルに入力して、前記出力ノードから出力された確率に基づいて、前記人工知能が用いるべきアルゴリズムを再度出力する
処理を前記コンピュータに実行させる請求項１から１３までのいずれかひとつに記載のプログラム。
前記新たな出力データ及び前記入力コンテンツを前記学習モデルに入力して、前記出力ノードから出力された確率に基づいて、前記人工知能が用いるべきアルゴリズムを再度出力する
処理を前記コンピュータに実行させる請求項１から１３までのいずれかひとつに記載のプログラム。
【請求項15】
前記学習モデルが出力した前記アルゴリズムに対する尤度が所定値以下である場合に、前記新たな入力コンテンツ又は前記新たな出力データを取得する
処理を前記コンピュータに実行させる請求項１３又は請求項１４に記載のプログラム。
処理を前記コンピュータに実行させる請求項１３又は請求項１４に記載のプログラム。
【請求項16】
前記学習モデルが出力した前記アルゴリズムに対する評価情報を受け付ける
処理を前記コンピュータに実行させる請求項１から１５までのいずれかひとつに記載のプログラム。
処理を前記コンピュータに実行させる請求項１から１５までのいずれかひとつに記載のプログラム。
【請求項17】
人工知能に入力する入力コンテンツと、前記人工知能に前記入力コンテンツに基づいて予測させたい出力データとを取得する取得部と、
入力コンテンツ及び出力データが入力される入力ノードと、複数種類のアルゴリズムのそれぞれに対応し、それぞれのアルゴリズムを人工知能が予測に用いるべきアルゴリズムとすべき確率を出力する出力ノードとを有し、入力コンテンツ及び出力データを入力した場合にそれぞれのアルゴリズムに対する確率を出力するように学習した学習モデルに、取得した前記入力コンテンツ及び出力データを前記入力ノードを介して入力して、前記出力ノードから出力された確率に基づいて、前記人工知能が用いるべきアルゴリズムを出力する出力部と
を備える情報処理装置。
入力コンテンツ及び出力データが入力される入力ノードと、複数種類のアルゴリズムのそれぞれに対応し、それぞれのアルゴリズムを人工知能が予測に用いるべきアルゴリズムとすべき確率を出力する出力ノードとを有し、入力コンテンツ及び出力データを入力した場合にそれぞれのアルゴリズムに対する確率を出力するように学習した学習モデルに、取得した前記入力コンテンツ及び出力データを前記入力ノードを介して入力して、前記出力ノードから出力された確率に基づいて、前記人工知能が用いるべきアルゴリズムを出力する出力部と
を備える情報処理装置。
【請求項18】
人工知能に入力する入力コンテンツと、前記人工知能に前記入力コンテンツに基づいて予測させたい出力データとを取得し、
入力コンテンツ及び出力データが入力される入力ノードと、複数種類のアルゴリズムのそれぞれに対応し、それぞれのアルゴリズムを人工知能が予測に用いるべきアルゴリズムとすべき確率を出力する出力ノードとを有し、入力コンテンツ及び出力データを入力した場合にそれぞれのアルゴリズムに対する確率を出力するように学習した学習モデルに、取得した前記入力コンテンツ及び出力データを前記入力ノードを介して入力して、前記出力ノードから出力された確率に基づいて、前記人工知能が用いるべきアルゴリズムを出力する
処理をコンピュータが実行する情報処理方法。
入力コンテンツ及び出力データが入力される入力ノードと、複数種類のアルゴリズムのそれぞれに対応し、それぞれのアルゴリズムを人工知能が予測に用いるべきアルゴリズムとすべき確率を出力する出力ノードとを有し、入力コンテンツ及び出力データを入力した場合にそれぞれのアルゴリズムに対する確率を出力するように学習した学習モデルに、取得した前記入力コンテンツ及び出力データを前記入力ノードを介して入力して、前記出力ノードから出力された確率に基づいて、前記人工知能が用いるべきアルゴリズムを出力する
処理をコンピュータが実行する情報処理方法。
【請求項19】
人工知能に入力する入力コンテンツと、前記人工知能に前記入力コンテンツに基づいて予測させたい出力データと、前記人工知能が予測に用いるアルゴリズムとを含む訓練データを取得し、
取得した訓練データを用いて、入力コンテンツ及び出力データが入力される入力ノードと、複数種類のアルゴリズムのそれぞれに対応し、それぞれのアルゴリズムを人工知能が予測に用いるべきアルゴリズムとすべき確率を出力する出力ノードとを有し、前記入力コンテンツ及び出力データを入力した場合にそれぞれのアルゴリズムに対する確率を出力する学習モデルを生成する
処理をコンピュータが実行する学習モデルの生成方法。
取得した訓練データを用いて、入力コンテンツ及び出力データが入力される入力ノードと、複数種類のアルゴリズムのそれぞれに対応し、それぞれのアルゴリズムを人工知能が予測に用いるべきアルゴリズムとすべき確率を出力する出力ノードとを有し、前記入力コンテンツ及び出力データを入力した場合にそれぞれのアルゴリズムに対する確率を出力する学習モデルを生成する
処理をコンピュータが実行する学習モデルの生成方法。