ホーム > 特許ランキング > ＳＢ Ｃ＆Ｓ株式会社
(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】P2022191637
(43)【公開日】2022-12-28
(54)【発明の名称】ＡＩプラットフォームシステム
(51)【国際特許分類】
G06N 20/00 20190101AFI20221221BHJP
【ＦＩ】
G06N20/00
【審査請求】未請求
【請求項の数】6
【出願形態】ＯＬ
(21)【出願番号】P 2021099973
(22)【出願日】2021-06-16
(71)【出願人】
【識別番号】514097082
【氏名又は名称】ＳＢ Ｃ＆Ｓ株式会社
(74)【代理人】
【識別番号】100087398
【弁理士】
【氏名又は名称】水野 勝文
(74)【代理人】
【識別番号】100128783
【弁理士】
【氏名又は名称】井出 真
(74)【代理人】
【識別番号】100128473
【弁理士】
【氏名又は名称】須澤 洋
(74)【代理人】
【識別番号】100160886
【弁理士】
【氏名又は名称】久松 洋輔
(72)【発明者】
【氏名】渡邉 敬介
(72)【発明者】
【氏名】山本 俊二
(72)【発明者】
【氏名】山下 利夫
(72)【発明者】
【氏名】山本 則行
(57)【要約】
【課題】専門的な知識がないユーザが、それぞれのニーズに合ったＡＩモデルを作って試せる環境を実現する。
【解決手段】本システムは、業種、用途及び利用シーンを含むＡＩ選択タグ情報と、ＡＩモデル別に互いに異なる複数のハイパーパラメータを含むハイパーパラメータ群で構成されたプリセット情報とを記憶する。ＡＩ利用ユーザが選択した業種、用途及び利用シーンを用いて該当するＡＩモデルを学習対象ＡＩモデルとして複数抽出する。学習処理は、ハイパーパラメータの数だけ学習処理を実行して、ハイパーパラメータ別学習済みＡＩモデルを複数生成する第１学習処理を行い、第１学習処理を複数の学習対象ＡＩモデル全てに対して実行する。複数生成されたハイパーパラメータ別学習済みＡＩモデルの中から学習済みＡＩモデルを抽出し、抽出された学習済みＡＩモデルそれぞれの学習時精度を、複数の学習対象ＡＩモデルそれぞれの学習結果として提供する。
【選択図】図１
【解決手段】本システムは、業種、用途及び利用シーンを含むＡＩ選択タグ情報と、ＡＩモデル別に互いに異なる複数のハイパーパラメータを含むハイパーパラメータ群で構成されたプリセット情報とを記憶する。ＡＩ利用ユーザが選択した業種、用途及び利用シーンを用いて該当するＡＩモデルを学習対象ＡＩモデルとして複数抽出する。学習処理は、ハイパーパラメータの数だけ学習処理を実行して、ハイパーパラメータ別学習済みＡＩモデルを複数生成する第１学習処理を行い、第１学習処理を複数の学習対象ＡＩモデル全てに対して実行する。複数生成されたハイパーパラメータ別学習済みＡＩモデルの中から学習済みＡＩモデルを抽出し、抽出された学習済みＡＩモデルそれぞれの学習時精度を、複数の学習対象ＡＩモデルそれぞれの学習結果として提供する。
【選択図】図１
【特許請求の範囲】
【請求項1】
ＡＩ利用ユーザがそれぞれのニーズに合ったＡＩモデルを作って試せるプラットフォームを提供するＡＩプラットフォームシステムであって、
業種、用途及び利用シーンを含み、ＡＩベンダーが提供するＡＩモデルそれぞれに関連付けられるＡＩ選択タグ情報を記憶する第１記憶部と、
ＡＩベンダーから提供されるＡＩモデルの学習用プリセット情報であって、ＡＩモデル毎に生成され、互いに異なる複数のハイパーパラメータを含むハイパーパラメータ群で構成されたハイパーパラメータプリセット情報を記憶する第２記憶部と、
ＡＩ利用ユーザがユーザ端末を通じて業種、用途及び利用シーンを選択可能に制御し、選択された業種、用途及び利用シーンを用いて前記ＡＩ選択タグ情報を検索し、該当するＡＩモデルを学習対象ＡＩモデルとして複数抽出するＡＩモデル提案部と、
ＡＩ利用ユーザが指定した学習用データを用い、前記学習対象ＡＩモデルの学習処理を実行して学習済みＡＩモデルを生成する学習処理部と、
ＡＩ利用ユーザが指定した推論用データを用い、学習済みＡＩモデルの推論処理を実行して推論結果を生成する推論処理部と、を有し、
前記学習処理部は、
前記学習対象ＡＩモデルに紐付く前記ハイパーパラメータ群の各ハイパーパラメータを学習パラメータとして設定し、前記ハイパーパラメータの数だけ学習処理を実行して、ハイパーパラメータ別学習済みＡＩモデルを複数生成する第１学習処理を行うとともに、前記第１学習処理を、複数抽出された前記学習対象ＡＩモデル全てに対して実行し、
前記ＡＩモデル提案部は、複数の前記学習対象ＡＩモデル毎に、前記第１学習処理に伴って生成される学習時精度に基づいて複数生成されたハイパーパラメータ別学習済みＡＩモデルの中から学習済みＡＩモデルを抽出し、抽出された学習済みＡＩモデルそれぞれの学習時精度を、複数の前記学習対象ＡＩモデルそれぞれの学習結果としてＡＩ利用ユーザに提供することを特徴とするＡＩプラットフォームシステム。
業種、用途及び利用シーンを含み、ＡＩベンダーが提供するＡＩモデルそれぞれに関連付けられるＡＩ選択タグ情報を記憶する第１記憶部と、
ＡＩベンダーから提供されるＡＩモデルの学習用プリセット情報であって、ＡＩモデル毎に生成され、互いに異なる複数のハイパーパラメータを含むハイパーパラメータ群で構成されたハイパーパラメータプリセット情報を記憶する第２記憶部と、
ＡＩ利用ユーザがユーザ端末を通じて業種、用途及び利用シーンを選択可能に制御し、選択された業種、用途及び利用シーンを用いて前記ＡＩ選択タグ情報を検索し、該当するＡＩモデルを学習対象ＡＩモデルとして複数抽出するＡＩモデル提案部と、
ＡＩ利用ユーザが指定した学習用データを用い、前記学習対象ＡＩモデルの学習処理を実行して学習済みＡＩモデルを生成する学習処理部と、
ＡＩ利用ユーザが指定した推論用データを用い、学習済みＡＩモデルの推論処理を実行して推論結果を生成する推論処理部と、を有し、
前記学習処理部は、
前記学習対象ＡＩモデルに紐付く前記ハイパーパラメータ群の各ハイパーパラメータを学習パラメータとして設定し、前記ハイパーパラメータの数だけ学習処理を実行して、ハイパーパラメータ別学習済みＡＩモデルを複数生成する第１学習処理を行うとともに、前記第１学習処理を、複数抽出された前記学習対象ＡＩモデル全てに対して実行し、
前記ＡＩモデル提案部は、複数の前記学習対象ＡＩモデル毎に、前記第１学習処理に伴って生成される学習時精度に基づいて複数生成されたハイパーパラメータ別学習済みＡＩモデルの中から学習済みＡＩモデルを抽出し、抽出された学習済みＡＩモデルそれぞれの学習時精度を、複数の前記学習対象ＡＩモデルそれぞれの学習結果としてＡＩ利用ユーザに提供することを特徴とするＡＩプラットフォームシステム。
【請求項2】
前記ＡＩモデル提案部は、前記ＡＩ選択タグ情報に基づいて、業種、用途及び利用シーンの各選択エリアを含む選択画面を前記ユーザ端末に表示させるとともに、前記選択画面を通じた業種、用途及び利用シーンの各選択情報に基づいて抽出される複数の前記学習対象ＡＩモデルに適用する学習用データを、ＡＩ利用ユーザから受け付けるアップロード画面を前記ユーザ端末に提供し、
前記学習処理部は、前記アップロード画面を通じて指定された学習用データを用い、前記選択画面を通じて抽出された複数の前記学習対象ＡＩモデルに対する学習処理を実行することを特徴とする請求項１に記載のＡＩプラットフォームシステム。
前記学習処理部は、前記アップロード画面を通じて指定された学習用データを用い、前記選択画面を通じて抽出された複数の前記学習対象ＡＩモデルに対する学習処理を実行することを特徴とする請求項１に記載のＡＩプラットフォームシステム。
【請求項3】
前記ＡＩモデル提案部は、複数の前記学習対象ＡＩモデルそれぞれの学習結果を、学習時精度が高い順に順位付けした学習結果画面を生成して前記ユーザ端末に提供することを特徴とする請求項１又は２に記載のＡＩプラットフォームシステム。
【請求項4】
ＡＩアルゴリズムの特性に基づく機能分類情報が、ＡＩベンダーから提供される各ＡＩモデルに関連付けられており、
前記ＡＩモデル提案部は、前記機能分類情報に基づく機能選択画面を前記ユーザ端末に提供するとともに、前記機能選択画面で選択された機能分類に紐付くＡＩモデルを前記学習対象ＡＩモデルとして抽出することを特徴とする請求項１から３のいずれか１つに記載のＡＩプラットフォームシステム。
前記ＡＩモデル提案部は、前記機能分類情報に基づく機能選択画面を前記ユーザ端末に提供するとともに、前記機能選択画面で選択された機能分類に紐付くＡＩモデルを前記学習対象ＡＩモデルとして抽出することを特徴とする請求項１から３のいずれか１つに記載のＡＩプラットフォームシステム。
【請求項5】
ＡＩ利用ユーザからの学習用データに対するアノテーション依頼を受け付け、アノテーションを実施するサポート事業者に、前記アノテーション依頼を提供する外部サービス連携部をさらに備え、
前記外部サービス連携部は、ＡＩ利用ユーザから受け付けた学習用データをサポート事業者に提供するとともに、アノテーションが実施されたアノテーション済み学習用データをサポート事業者から受け付けて、ユーザ別に割り当てられる学習用データ格納領域に保存することを特徴とする請求項１から４のいずれか１つに記載のＡＩプラットフォームシステム。
前記外部サービス連携部は、ＡＩ利用ユーザから受け付けた学習用データをサポート事業者に提供するとともに、アノテーションが実施されたアノテーション済み学習用データをサポート事業者から受け付けて、ユーザ別に割り当てられる学習用データ格納領域に保存することを特徴とする請求項１から４のいずれか１つに記載のＡＩプラットフォームシステム。
【請求項6】
ＡＩ利用ユーザがそれぞれのニーズに合ったＡＩモデルを作って試せるプラットフォームを提供するコンピュータ装置によって実行されるプログラムであって、前記コンピュータ装置に、
業種、用途及び利用シーンを含み、ＡＩベンダーが提供するＡＩモデルそれぞれに関連付けられるＡＩ選択タグ情報を記憶する第１機能と、
ＡＩベンダーから提供されるＡＩモデルの学習用プリセット情報であって、ＡＩモデル毎に生成され、互いに異なる複数のハイパーパラメータを含むハイパーパラメータ群で構成されたハイパーパラメータプリセット情報を記憶する第２機能と、
ＡＩ利用ユーザがユーザ端末を通じて業種、用途及び利用シーンを選択可能に制御し、選択された業種、用途及び利用シーンを用いて前記ＡＩ選択タグ情報を検索し、該当するＡＩモデルを学習対象ＡＩモデルとして複数抽出する第３機能と、
ＡＩ利用ユーザが指定した学習用データを用い、前記学習対象ＡＩモデルの学習処理を実行して学習済みＡＩモデルを生成する第４機能と、
ＡＩ利用ユーザが指定した推論用データを用い、学習済みＡＩモデルの推論処理を実行して推論結果を生成する第５機能と、を実現させ、
前記第４機能は、
前記学習対象ＡＩモデルに紐付く前記ハイパーパラメータ群の各ハイパーパラメータを学習パラメータとして設定し、前記ハイパーパラメータの数だけ学習処理を実行して、ハイパーパラメータ別学習済みＡＩモデルを複数生成する第１学習処理を行うとともに、前記第１学習処理を、複数抽出された前記学習対象ＡＩモデル全てに対して実行し、
前記第３機能は、複数の前記学習対象ＡＩモデル毎に、前記第１学習処理に伴って生成される学習時精度に基づいて複数生成されたハイパーパラメータ別学習済みＡＩモデルの中から学習済みＡＩモデルを抽出し、抽出された学習済みＡＩモデルそれぞれの学習時精度を、複数の前記学習対象ＡＩモデルそれぞれの学習結果としてＡＩ利用ユーザに提供することを特徴とするプログラム。
業種、用途及び利用シーンを含み、ＡＩベンダーが提供するＡＩモデルそれぞれに関連付けられるＡＩ選択タグ情報を記憶する第１機能と、
ＡＩベンダーから提供されるＡＩモデルの学習用プリセット情報であって、ＡＩモデル毎に生成され、互いに異なる複数のハイパーパラメータを含むハイパーパラメータ群で構成されたハイパーパラメータプリセット情報を記憶する第２機能と、
ＡＩ利用ユーザがユーザ端末を通じて業種、用途及び利用シーンを選択可能に制御し、選択された業種、用途及び利用シーンを用いて前記ＡＩ選択タグ情報を検索し、該当するＡＩモデルを学習対象ＡＩモデルとして複数抽出する第３機能と、
ＡＩ利用ユーザが指定した学習用データを用い、前記学習対象ＡＩモデルの学習処理を実行して学習済みＡＩモデルを生成する第４機能と、
ＡＩ利用ユーザが指定した推論用データを用い、学習済みＡＩモデルの推論処理を実行して推論結果を生成する第５機能と、を実現させ、
前記第４機能は、
前記学習対象ＡＩモデルに紐付く前記ハイパーパラメータ群の各ハイパーパラメータを学習パラメータとして設定し、前記ハイパーパラメータの数だけ学習処理を実行して、ハイパーパラメータ別学習済みＡＩモデルを複数生成する第１学習処理を行うとともに、前記第１学習処理を、複数抽出された前記学習対象ＡＩモデル全てに対して実行し、
前記第３機能は、複数の前記学習対象ＡＩモデル毎に、前記第１学習処理に伴って生成される学習時精度に基づいて複数生成されたハイパーパラメータ別学習済みＡＩモデルの中から学習済みＡＩモデルを抽出し、抽出された学習済みＡＩモデルそれぞれの学習時精度を、複数の前記学習対象ＡＩモデルそれぞれの学習結果としてＡＩ利用ユーザに提供することを特徴とするプログラム。
【発明の詳細な説明】
【技術分野】
【0001】
本発明は、ＡＩモデルの利用・サービス技術に関する。
【背景技術】
【0002】
近年、ＡＩモデルの活用・導入が盛んに行われている。ＡＩモデルは、ＡＩエンジンが、所定のＡＩアルゴリズムで学習することで生成することができる。しかしながら、特許文献１に記載のように、器となるＡＩエンジン（機械学習、ディープラーニングなどを行うためのモジュール）にどのようなＡＩアルゴリズムを適用して学習させるのかは、専門的な知識を必要とする。
【0003】
特許文献１は、ユーザがＡＩエンジン及びアルゴリズムを選択し、チューニングパラメータであるハイパーパラメータを複数パターン適用してＡＩモデルを生成している。これにより、専門知識を持たないユーザであっても精度の高いハイパーパラメータが適用されたＡＩモデルを利用することができる。また、同じデータ分析手法に属する複数のＡＩエンジン及びアルゴリズムの間で比較することも提案している。
【先行技術文献】
【特許文献】
【0004】
【特許文献1】特開２０２０－５２５１４号公報
【特許文献2】特許第６７０３２６４号
【発明の概要】
【発明が解決しようとする課題】
【0005】
しかしながら、特許文献１は、前提として、ユーザがＡＩエンジン及びアルゴリズムを選択することが難しい課題がある。ＡＩエンジン及びアルゴリズムの組み合わせは無数に存在し、かつ近年のＡＩ関連技術の急速な発展に伴い、日々新しいアルゴリズムが登場している。このため、ＡＩエンジン及びアルゴリズムの特性を把握し、ユーザがＡＩエンジン及びアルゴリズムの組み合わせを選択することは、容易ではない。
【0006】
したがって、選択したＡＩエンジン及びアルゴリズムの組み合わせに対し、単に、精度が高くなるハイパーパラメータを模索する仕組みがあっても（例えば、特許文献１，２）、ＡＩモデルの導入を容易に行うことができないのが実情である。また、特許文献１では、同じデータ分析手法に属する複数のＡＩエンジン及びアルゴリズムの間で比較することも提案しているが、これも同様に、比較のために選択するＡＩエンジン及びアルゴリズムの選定自体も容易ではない。
【0007】
従来の仕組みでは、「ＡＩの選定」という入口の部分で、全く知識を持ち合わせていないユーザを含め、ハードルが高く、ＡＩモデルの導入・活用が進みにくい要因となっていた。
【0008】
また、上述したように、特許文献１は、同じデータ分析手法に属する複数のＡＩエンジン及びアルゴリズムの間で比較することも提案している。しかしながら、当該特許文献１の仕組みは、ＡＩエンジン及びアルゴリズムの組み合わせを選択してＡＩモデルを作成し、再度ＡＩエンジン及びアルゴリズムの組み合わせを選択してＡＩモデルを作成する必要があり、ユーザは、比較のために、一つ一つ個別にそれぞれのＡＩモデルを生成しなければならず、非常に手間が掛かる。
【0009】
ＡＩモデルの導入・活用を促進するためには、ＡＩモデルを「試しに作ってみる」という観点でのプラットフォーム環境が極めて重要であるが、従来は、システムエンジニア等のある一定の技術知識を有するユーザが、専門知識がなくてもＡＩモデルを作ることができたり、最適なチューニングパラメータを模索したりすることができる仕組みに留まっていた。
【0010】
特に、ＡＩ関連技術の急速な発展と共に、ＡＩモデルを利用するユーザのニーズも多種多様となっており、学習用データもＡＩモデルに適用する推論用データも、短いタイムスパンで変化することがある。データが変化してしまえば、一度生成したＡＩモデルをそのまま使い続けることができないため、ＡＩモデルを再評価して新たなＡＩモデルを生成する必要がある。しかしながら、従来は、現在使っているＡＩモデルの再評価し、新たなＡＩモデルを生成する環境を一元的に管理する仕組みがなかったため、ユーザによる管理負担が多かった。
【0011】
そこで、本発明は、専門的な知識がないユーザが、それぞれのニーズに合ったＡＩモデルを作って試せる環境を実現するＡＩプラットフォームシステムを提供することを目的とする。
【課題を解決するための手段】
【0012】
（１）本発明は、ＡＩ利用ユーザがそれぞれのニーズに合ったＡＩモデルを作って試せるプラットフォームを提供するＡＩプラットフォームシステムである。本システムは、業種、用途及び利用シーンを含み、ＡＩベンダーが提供するＡＩモデルそれぞれに関連付けられるＡＩ選択タグ情報を記憶する第１記憶部と、ＡＩベンダーから提供されるＡＩモデルの学習用プリセット情報であって、ＡＩモデル毎に生成され、互いに異なる複数のハイパーパラメータを含むハイパーパラメータ群で構成されたハイパーパラメータプリセット情報を記憶する第２記憶部と、を有する。
【0013】
また、ＡＩ利用ユーザがユーザ端末を通じて業種、用途及び利用シーンを選択可能に制御し、選択された業種、用途及び利用シーンを用いてＡＩ選択タグ情報を検索し、該当するＡＩモデルを学習対象ＡＩモデルとして複数抽出するＡＩモデル提案部と、ＡＩ利用ユーザが指定した学習用データを用い、学習対象ＡＩモデルの学習処理を実行して学習済みＡＩモデルを生成する学習処理部と、ＡＩ利用ユーザが指定した推論用データを用い、学習済みＡＩモデルの推論処理を実行して推論結果を生成する推論処理部と、を有する。
【0014】
そして、上記学習処理部は、学習対象ＡＩモデルに紐付くハイパーパラメータ群の各ハイパーパラメータを学習パラメータとして設定し、ハイパーパラメータの数だけ学習処理を実行して、ハイパーパラメータ別学習済みＡＩモデルを複数生成する第１学習処理を行うとともに、第１学習処理を、複数抽出された学習対象ＡＩモデル全てに対して実行する。ＡＩモデル提案部は、複数の学習対象ＡＩモデル毎に、第１学習処理に伴って生成される学習時精度に基づいて複数生成されたハイパーパラメータ別学習済みＡＩモデルの中から学習済みＡＩモデルを抽出し、抽出された学習済みＡＩモデルそれぞれの学習時精度を、複数の学習対象ＡＩモデルそれぞれの学習結果としてＡＩ利用ユーザに提供する。
【0015】
（２）上記（１）において、上記ＡＩモデル提案部は、ＡＩ選択タグ情報に基づいて、業種、用途及び利用シーンの各選択エリアを含む選択画面をユーザ端末に表示させるとともに、選択画面を通じた業種、用途及び利用シーンの各選択情報に基づいて抽出される複数の学習対象ＡＩモデルに適用する学習用データを、ＡＩ利用ユーザから受け付けるアップロード画面をユーザ端末に提供することができる。そして、上記学習処理部は、アップロード画面を通じて指定された学習用データを用い、選択画面を通じて抽出された複数の学習対象ＡＩモデルに対する学習処理を実行するように構成することができる。
【0016】
（３）上記（１）又は（２）において、上記ＡＩモデル提案部は、複数の学習対象ＡＩモデルそれぞれの学習結果を、学習時精度が高い順に順位付けした学習結果画面を生成してユーザ端末に提供するように構成することができる。
【0017】
（４）上記（１）から（３）において、ＡＩアルゴリズムの特性に基づく機能分類情報が、ＡＩベンダーから提供される各ＡＩモデルに関連付けられるように構成することができる。このとき、ＡＩモデル提案部は、機能分類情報に基づく機能選択画面をユーザ端末に提供することができ、機能選択画面で選択された機能分類に紐付くＡＩモデルを学習対象ＡＩモデルとして抽出するように構成することができる。
【0018】
（５）上記（１）から（４）において、ＡＩ利用ユーザからの学習用データに対するアノテーション依頼を受け付け、アノテーションを実施するサポート事業者に、アノテーション依頼を提供する外部サービス連携部をさらに備えるように構成することができる。外部サービス連携部は、ＡＩ利用ユーザから受け付けた学習用データをサポート事業者に提供するとともに、アノテーションが実施されたアノテーション済み学習用データをサポート事業者から受け付けて、ユーザ別に割り当てられる学習用データ格納領域に保存するように構成することができる。
【0019】
（６）本発明のプログラムは、ＡＩ利用ユーザがそれぞれのニーズに合ったＡＩモデルを作って試せるプラットフォームを提供するコンピュータ装置によって実行されるプログラムであり、コンピュータ装置に以下の機能を実現させる。
【0020】
業種、用途及び利用シーンを含み、ＡＩベンダーが提供するＡＩモデルそれぞれに関連付けられるＡＩ選択タグ情報を記憶する第１機能、ＡＩベンダーから提供されるＡＩモデルの学習用プリセット情報であって、ＡＩモデル毎に生成され、互いに異なる複数のハイパーパラメータを含むハイパーパラメータ群で構成されたハイパーパラメータプリセット情報を記憶する第２機能、ＡＩ利用ユーザがユーザ端末を通じて業種、用途及び利用シーンを選択可能に制御し、選択された業種、用途及び利用シーンを用いてＡＩ選択タグ情報を検索し、該当するＡＩモデルを学習対象ＡＩモデルとして複数抽出する第３機能、ＡＩ利用ユーザが指定した学習用データを用い、学習対象ＡＩモデルの学習処理を実行して学習済みＡＩモデルを生成する第４機能、及びＡＩ利用ユーザが指定した推論用データを用い、学習済みＡＩモデルの推論処理を実行して推論結果を生成する第５機能。
【0021】
そして、上記第４機能は、学習対象ＡＩモデルに紐付くハイパーパラメータ群の各ハイパーパラメータを学習パラメータとして設定し、ハイパーパラメータの数だけ学習処理を実行して、ハイパーパラメータ別学習済みＡＩモデルを複数生成する第１学習処理を行うとともに、第１学習処理を複数抽出された前記学習対象ＡＩモデル全てに対して実行し、上記第３機能は、複数の学習対象ＡＩモデル毎に、第１学習処理に伴って生成される学習時精度に基づいて複数生成されたハイパーパラメータ別学習済みＡＩモデルの中から学習済みＡＩモデルを抽出し、抽出された学習済みＡＩモデルそれぞれの学習時精度を、複数の学習対象ＡＩモデルそれぞれの学習結果としてＡＩ利用ユーザに提供する。
【発明の効果】
【0022】
本発明は、業種、ロール、利用シーンからＡＩ利用ユーザに適合するＡＩモデルを抽出するので、ＡＩ利用ユーザが専門的知識を持たなくても、自身にマッチングするＡＩモデルが自動的に提示される。
【0023】
そして、１つの学習対象ＡＩモデルに対して、一度にハイパーパラメータが互いに異なる学習済みＡＩモデル（ハイパーパラメータ別学習済みＡＩモデル）を複数生成し、その中から学習時精度に基づいて学習済みＡＩモデルを抽出する。これをＡＩ利用ユーザに提示される複数の学習対象ＡＩモデルそれぞれで行い、複数の学習対象ＡＩモデルの一括した学習結果を提供する。これにより、ハイパーパラメータの探索等に掛かる時間及びコストを低減させ、複数のＡＩモデルを競争させる環境を実現することができる。
【0024】
本発明によれば、ＡＩ利用ユーザが専門的知識を持たなくても、自身にマッチングするＡＩモデルが自動的に提示され、さらに、複数のＡＩモデルを競争させて様々なニーズに適合するＡＩモデルを提案し易くすることができる。したがって、専門的な知識がないユーザが、それぞれのニーズに合ったＡＩモデルを作って試せる環境を実現することができる。
【図面の簡単な説明】
【0025】
【図1】第１実施形態のＡＩプラットフォームシステムのネットワーク構成図である。
【図2】第１実施形態のＡＩプラットフォーム装置の構成ブロック図である。
【図3】第１実施形態のＡＩモデル提案画面の一例である。
【図4】第１実施形態のＡＩ選択タグ情報の一例を示す図である。
【図5】ＡＩ選択タグ情報の「業種」の一例を示す図である。
【図6】ＡＩ選択タグ情報の「ロール（用途カテゴリ）」の一例を示す図である。
【図7】ＡＩ選択タグ情報のＡＩアルゴリズム属性情報の一例を示す図である。
【図8】第１実施形態のＡＩ選択タグ情報を用いた、提案ＵＩ「業種／ロールの設定からはじめる」の画面例を示す図である。
【図9】第１実施形態の学習用データの登録画面の一例を示す図である。
【図10】第１実施形態の作成中のＡＩモデルを表示する画面の一例を示す図である。
【図11】第１実施形態の作成したＡＩモデルの学習結果を表示する画面の一例である。
【図12】ＡＩモデルの学習結果の詳細（Ｄｅｔａｉｌ）画面の一例を示す図である。
【図13】第１実施形態の提案ＵＩ「使いたい機能選定からはじめる」の画面例を示す図である。
【図14】第１実施形態のＵＩ「ＡＩモデルを使ってみよう（推論）」における推論用データの指定画面の一例を示す図である。
【図15】第１実施形態の推論中の状態を表示する画面の一例である。
【図16】第１実施形態の推論結果を表示する画面の一例を示す図である。
【図17】推論結果の詳細（Ｄｅｔａｉｌ）画面の一例を示す図である。
【図18】時系列関連ＡＩモデルの推論結果を表示した画面の一例である。
【図19】第１実施形態のＰｒｏｊｅｃｔ管理画面の一例を示す図である。
【図20】第１実施形態のＰｒｏｊｅｃｔ管理画面における各Ｐｒｏｊｅｃｔで利用するＡＩモデルを表示した画面の一例である。
【図21】第１実施形態のＤａｔａ管理画面の一例を示す図である。
【図22】第１実施形態のＡＩモデル管理画面の一例を示す図である。
【図23】ＡＩモデル管理画面においてＡＩモデルをダウンロードする際に表示される画面例である。
【図24】ＡＩモデル管理画面において作成中のＡＩモデルの表示例を示す図である。
【図25】第１実施形態のオプションサービス管理画面の一例を示す図である。
【図26】第１実施形態の複数のＡＩモデルを「競争」させる仕組みを説明するための図である。
【図27】第１実施形態の連携インターフェース機能を説明するための図である。
【図28】第１実施形態のシステムフローを示す図である。
【図29】第１実施形態のシステムフローを示す図である。
【図30】第１実施形態のシステムフローを示す図である。
【発明を実施するための最良の形態】
【0026】
（第１実施形態）
図１から図３０は、第１実施形態を説明するための図である。図１は、ＡＩプラットフォーム装置（以下、管理装置という）１００が提供するＡＩプラットフォームシステムのネットワーク構成図である。
図１から図３０は、第１実施形態を説明するための図である。図１は、ＡＩプラットフォーム装置（以下、管理装置という）１００が提供するＡＩプラットフォームシステムのネットワーク構成図である。
【0027】
本システムは、管理装置１００を中心に、ＡＩ利用ユーザ（ユーザ端末３００）、ＡＩベンダー（ベンダー端末５００）、及びサポート事業者（サポート事業者端末６００）がそれぞれ接続するプラットフォーム環境を実現する。
【0028】
管理装置１００によって提供されるプラットフォームは、「探す」、「作れる」、「試せる」各環境を含み、「探す」環境としてＡＩ情報ポータルサイトを、「作れる」、「試せる」環境としてＡＩ開発プラットフォームを形成し、ＡＩを導入しようとするユーザ（ＡＩを利用しようとするユーザ、以下、ＡＩ利用ユーザという）に、総合的なＡＩプラットフォームを提供する。なお、「探す」環境のＡＩ情報ポータルサイトとしての機能については、公知の情報ポータルサイトの技術を適用することができるので、詳細な説明は省略し、以下、「作れる」、「試せる」環境のＡＩ開発プラットフォームを中心に説明する。
【0029】
ここで、本実施形態で使用する用語について説明する。機械学習エンジンを一例に説明すると、機械学習エンジンは、決定木、ランダムフォレスト、ニューラルネットワーク、ロジスティック回帰、ナイーブベイズ分類器、サポートベクターマシンなどの各種アルゴリズムがその用途に応じて適用される。つまり、ＡＩモデルとは、例えば、「ニューラルネットワークに基づく機械学習エンジン」のように、ＡＩエンジンとアルゴリズムの組み合わせである。機械学習以外にもニューラルネットワークの階層を深くした深層学習などのＡＩモデルやその他の公知のＡＩモデルも本システムの対象であり、本実施形態で例示するＡＩモデルに限定されない。
【0030】
次に、学習済みＡＩモデル（Learned AI model）は、学習前ＡＩモデルに学習データを適用して学習させた結果、例えば、データのパターンやデータ内のオブジェクト識別、分類、分析等を行うことができるプログラムモジュールである。学習済みＡＩモデルは、主に、プログラム部分と学習パラメータ（ハイパーパラメータ）とを含む。
【0031】
ＡＩモデルは、上述のようにＡＩエンジンとアルゴリズムの組み合わせが存在し、様々な特性を持ち合わせる。例えば、識別系では、音声認識、画像認識、動画認識、言語解析があり、予測系では、数値予測、マッチング、意図予測、ニーズ予測などがある。そして、識別及び予測を組み合わせたＡＩモデルが構築され、物体検出、文字認識、顔認識、自動運転などの各種特性を有するＡＩモデルが提供される。
【0032】
ＡＩモデルは、１つのＡＩモデルに複数のアルゴリズムが適用された態様を含むことができる。また、識別系又は予測系の各単体のモデル以外にも、識別系と予測系それぞれ単体のモデルを連結して組み合わせた複合モデルの態様を含むことができる。複合モデルは、識別系が２つ以上含まれていたり、予測系が２以上含まれていたりしてもよく、単体のモデルが複数連結されたモデル群であればよい。なお、複合モデルは、アルゴリズム単位で捉えることができる。つまり、複数のＡＩモデルを連結したモデル群以外にも、複数のアルゴリズムで構成された１つのＡＩモデルも、複合モデルとして捉えることができる。
【0033】
＜システム構成＞
図２は、管理装置１００の構成ブロック図である。管理装置１００は、通信装置１１０、制御装置１２０，１３０，１４０及び記憶装置１５０，１６０，１７０を含んで構成されている。通信装置１１０は、管理装置１００に接続するユーザ端末３００、ベンダー端末５００及びサポート事業者端末６００との間の接続制御及びデータ通信制御を行う。
図２は、管理装置１００の構成ブロック図である。管理装置１００は、通信装置１１０、制御装置１２０，１３０，１４０及び記憶装置１５０，１６０，１７０を含んで構成されている。通信装置１１０は、管理装置１００に接続するユーザ端末３００、ベンダー端末５００及びサポート事業者端末６００との間の接続制御及びデータ通信制御を行う。
【0034】
制御装置１２０は、主に、ＡＩベンダーによって提供されるＡＩモデルの登録管理、学習処理のためのプリセット情報の管理、学習処理及び推論（予測）処理を行う。ＡＩ登録部１２１は、ベンダー端末５００との間で、ベンダー登録及びＡＩモデル登録の処理を行う。ＡＩ登録部１２１は、不図示のベンター登録画面を通じて入力されたベンダー情報を所定の記憶領域に格納すると共に、ベンター端末５００からアップロードされたＡＩモデルを、登録ＡＩモデル１５１に格納する。このとき、ベンター端末５００からアップロードされるＡＩモデルは、学習前ＡＩモデル及び学習済みＡＩモデルの双方又いずれか一方を含む。また、ＡＩモデルのプログラムモジュールのデータ容量が大きい場合は、ベンター端末５００からネットワークを通じたアップロードではなく、ＡＩモデルが記憶された電子媒体（ＨＤＤやフラッシュメモリなど）を管理装置１００の運営事業者に物理的に送付し、運営事業者が管理装置１００に登録（格納）するように構成することもできる。
【0035】
本実施形態のＡＩ登録部１２１は、選択タグ生成部１２２を含む。選択タグ生成部１２２は、ＡＩ選択タグ情報１５４の生成、登録、管理を行う。ＡＩ選択タグ情報１５４の詳細については、後述する。なお、選択タグ生成部１２２は、ＡＩ登録部１２１とは個別の処理部として構成してもよい。
【0036】
プリセット情報管理部１２３は、登録されたＡＩモデルのハイパーパラメータの生成、登録、管理を行う。ハイパーパラメータは、ＡＩエンジンに適用されるアルゴリズムのチューニングパラメータであり、複数のパラメータ項目と各項目の設定値を含む。ハイパーパラメータは、ＡＩベンダーがパラメータ項目と各項目の設定値を提供したり、ＡＩベンダーから提供されるパラメータ項目に基づいて、管理装置１００の運営事業者が各項目の設定値を生成したりすることができる。そして、本実施形態では、後述するように、登録された学習前ＡＩモデルに対し、複数の異なるハイパーパラメータ情報を予め生成し、ハイパーパラメータプリセット情報１５２に記憶する。
【0037】
学習処理部１２４は、プリセットされたハイパーパラメータを適用し、学習用データ１６２を用いて学習前ＡＩモデルに学習処理を実行させる。推論処理部１２５は、推論用データ１６３を適用し、学習済みＡＩモデルによる推論処理を実行させる。学習処理部１２４及び推論処理部１２５は、学習実行処理における学習時精度（学習時正解率）及び推論実行処理における推論時精度（類論時正解率）を計算する、分析機能を備えることができる。計算された精度情報は、それぞれ学習時精度情報１６４及び推論時精度情報１６５として記憶装置１６０に記憶される。なお、学習処理、推論処理、学習時精度の算出処理、推論時精度の算出処理は、任意（公知）の手法を適用することができる。
【0038】
制御装置１３０は、主に、ユーザ管理機能を提供する。ユーザ登録部１３１は、ユーザ端末３００に所定のユーザ登録画面を提供し、ＡＩ利用ユーザのユーザ情報を受け付けて登録する。ユーザ情報１６１は、ユーザが所属する会社名、部署名、業種、会社規模、連絡先などが含まれる。また、ユーザ登録部１３１は、ユーザＩＤ及びパスワードなどのユーザ認証情報を発行してユーザ情報１６１に格納する。ユーザ登録部１３１は、所定のログイン画面におけるユーザＩＤ及びパスワードを用いたユーザ認証機能を備えることができる。
【0039】
画面制御部１３２は、画面情報１７１に基づいて、ユーザ端末３００、ベンダー端末５００及びサポート事業者端末６００に表示される画面を提供すると共に、各画面の制御を行う。また、各処理部と連携し、各処理部の機能に応じた画面を各端末３００，５００，６００に提供する。
【0040】
アップロードデータ管理部１３３は、ＡＩ利用ユーザが用意した学習用データ１６２及び推論用データ１６３を受け付け、ユーザ別に記憶装置１６０に記憶する。
【0041】
ＡＩモデル提案部１３４は、登録されたＡＩモデルに関連付けられるＡＩ選択タグ情報１５４を用いて、１つ又は複数のＡＩモデルを抽出する。また、ＡＩモデル提案部１３４は、レコメンド制御部１３５を有することができる。レコメンド機能は、主に、ＡＩ利用ユーザ全体の各ＡＩモデルの利用頻度や、ユーザ間の協調フィルタリング、コンテンツベースフィルタリングなどの各種情報を用いて、複数のＡＩモデルの中から上位のＡＩモデル、マッチング率が高いＡＩモデル、関連性が高いＡＩモデルなどを抽出する処理を行う。
【0042】
ＡＩモデル提供部１３６は、ＡＩ利用ユーザが用意した学習用データによる学習済みＡＩモデル又はＡＩベンダー側で学習処理が実行された学習済みＡＩモデルを、ユーザに提供する処理を行う。ネットワークを通じて、ユーザ端末３００やＡＩ利用ユーザ側のＡＩ搭載用機器にダウンロードさせたり、ＨＤＤやフラッシュメモリ等の電子媒体に提供対象の学習済みＡＩモデルを記録させて物理的に送付したりすることができる。後者の場合、ＡＩモデル提供部１３６は、ＡＩ利用ユーザによって選択された学習済みＡＩモデルを所定の電子媒体に記憶させる出力機能を備えることができる。なお、ネットワークを通じたダウンロード及び電子媒体への出力機能では、ＡＩ利用ユーザ側のＡＩ搭載用機器において実行可能な形式で出力するエクスポート機能を備えるように構成することができる。
【0043】
ユーザ別ＡＩ管理部１３７は、マイページ等のユーザ専用の管理画面を通じた各種管理機能を提供する。詳細については後述するが、例えば、図１９から図２５に示す各管理画面で、本プラットフォーム上で作成した又は／及び使用したＡＩモデル、アップロードした学習用データ、推論用データ、アノテーション依頼、商品・サービス購入などの管理を行うことができる。これらの管理画面を通じて入力等された情報や各種履歴（ダウンロード履歴や購入履歴、サービス利用履歴などのログ情報）は、ユーザ別ＡＩ管理情報１６６として記憶装置１６０に蓄積される。
【0044】
制御装置１４０は、主に、サポート事業者が提供するサービスを、ＡＩ利用ユーザを紹介し、サポート事業者とＡＩ利用ユーザとの間を仲介する機能を提供する。外部サービス連携部１４１は、一例として、アノテーションサービスを仲介する機能を提供する。アノテーションは、学習用データに教師データを付与する処理であり、必要に応じてセグメンテーション処理を含む。例えば、外部サービス提供部１４１は、見積機能、発注機能などを提供することができ、外部サービス連携情報１７２は、例えば、サポート事業者が提示する料金情報、見積書、発注書、領収書などの各種情報を保持することができる。
【0045】
商取引仲介制御部１４２は、ＡＩベンダーが提供するＡＩモデルやサービス、サポート事業者が提供するサービスを、ＥＣサイトのように購入できる機能を提供する。つまり、各商品・サービスを表示する購入ページをＡＩ利用ユーザに提供し、ＡＩ利用ユーザの購入操作に基づいて、決済を含めた商取引機能を提供する。商取引仲介情報１７３は、商品・サービスに関する情報、料金情報、見積書などの各種情報を含む情報である。商取引仲介制御部１４２は、ＡＩ利用ユーザが、ＡＩベンダーやサポート事業者から、商品・サービスを直接購入することができる商取引プラットフォームを提供する。なお、サービスには、ＡＩ関連の教育などのセミナーや講義を含むことができる。
【0046】
また、外部サービス連携部１４１及び商取引仲介制御部１４２は、本実施形態のＡＩプラットフォーム上で発生する商取引全般を管理することができる。例えば、本プラットフォームを利用するＡＩ利用ユーザ、ＡＩベンダー及びサポート事業者それぞれへの利用料、ＡＩ利用ユーザが実際にＡＩモデルを作る際に発生する料金、学習済みＡＩモデルの使用料金、学習済みＡＩモデルの購入料金などに対し、制御装置１４０が決済機能を提供することもできる。なお、本プラットフォーム上の無料／有料の設定は任意である。
【0047】
＜画面及び各機能の説明＞
ＡＩ利用ユーザのユーザ登録が完了すると、制御装置１３０は、ユーザ別の管理画面（マイページ）を生成し、ＡＩ利用ユーザは、本システムへのログイン後に表示される自身の管理画面から、「作れる」／「試せる」ＡＩ開発プラットフォームを利用することができる。
ＡＩ利用ユーザのユーザ登録が完了すると、制御装置１３０は、ユーザ別の管理画面（マイページ）を生成し、ＡＩ利用ユーザは、本システムへのログイン後に表示される自身の管理画面から、「作れる」／「試せる」ＡＩ開発プラットフォームを利用することができる。
【0048】
図３は、ユーザ端末３００に提供されるＡＩモデル提案画面の一例を示す図である。ＡＩモデル提案画面は、「ＡＩモデルを作ってみよう（学習）」と「ＡＩモデルを使ってみよう（推論）」の２つのユーザインターフェース（以下、ＵＩと称する）を含む。
【0049】
ＵＩ「ＡＩモデルを作ってみよう（学習）」は、本システムによって提案された又はＡＩ利用ユーザが選定した学習前ＡＩモデルに対し、学習用データを適用して学習処理を実行し、学習済みＡＩモデルを作成することができる。学習用データは、ＡＩ利用ユーザが用意し、本システムにアップロードする。
【0050】
ＵＩ「ＡＩモデルを使ってみよう（推論）」は、本システムによって提案された又はＡＩ利用ユーザが選定した学習済みＡＩモデルに対し、推論用データを適用して推論処理を実行し、推論結果を得ることができる。推論用データは、ＡＩ利用ユーザが用意し、本システムにアップロードする。
【0051】
そして、本実施形態のＡＩモデル提案部１３４は、ＡＩ選択タグ情報１５４を利用した提案ＵＩ「業種／ロールの設定からはじめる」と、提案ＵＩ「使いたい機能選定からはじめる」を提供する。
【0052】
図４は、ＡＩ選択タグ情報１５４の一例である。ＡＩ選択タグ情報１５４は、ＡＩベンダーによって登録された各ＡＩモデルに関連付けられる情報であり、ＡＩモデル名、ＡＩアルゴリズム属性情報、業種、サブ業種、用途カテゴリ（ロール）を含んで構成されている。ＡＩモデルに対するＡＩ選択タグ情報１５４の紐付けは、ＡＩベンターがＡＩモデルを登録する際に、ＡＩ選択タグ情報１５４の各項目を入力、選択したり、本システムの運営事業者が、登録されたＡＩモデルに対してＡＩ選択タグ情報１５４の各項目を入力、選択したりすることで、行うことができる。
【0053】
図５は、業種の一例を示す図であり、例示として１０の業種が設定されている。そして、各業種には、業種サブ分類が設定されている。図５の例では、業種サブ分類「電機、自動車、食品、繊維、化粧品、製薬」は、業種「製造業」に分類されることが規定されている。ＡＩ利用ユーザは、業種サブ分類を参考に、「業種」を選択することができる。
【0054】
図６は、用途カテゴリの一例を示す図である。用途カテゴリは、「ロール」に対応する情報であり、経営／管理、ＡＩ主管／先端、サービス／製品開発、研究、生産/品質管理、営業／マーケティング、ＣＳ、物流管理、セキュリティ、情報システム、人事／総務などを含む。用途カテゴリは、ＡＩ利用ユーザが、どのような用途（役割）をＡＩモデルに求めているのかを選択するための情報であり、例えば、ＡＩ利用ユーザ自身が属する部署や業務、ＡＩモデルと活用する事業内容やプロジェクトなどを参考に、選択することができる。
【0055】
図７は、ＡＩアルゴリズム属性情報の一例を示す図である。ＡＩアルゴリズム属性情報は、利用シーン、カテゴリ、アルゴリズム種別、モデル構成を含む。利用シーンは、例えば、ＡＩモデルがどのような利用シーンで使用されることを得意としているかを表す情報であり、物体検出を行うＡＩモデルであれば、利用シーンとして、人物の移動検知、入店・客数カウントなどの情報が紐付けられる。このとき、アルゴリズム種別として「Object Detection（物体検出）」が登録され、そのモデル構成として「Single」が登録される。
【0056】
モデル構成は、「Single」の他に、単体のＡＩモデルを複数連結させた態様や複数のアルゴリズムが適用されたＡＩモデルのモデル構成を表す「MIX」がある。例えば、図７の例において、顔／指紋認証（印鑑）を利用シーンとして活用できるＡＩモデルは、「Object Detection」と「Image Classification」の２つのＡＩアルゴリズムを含んでおり、モデル構成が「MIX」である。また、利用シーン「コールセンタ対応レコメンド」のＡＩモデルは、３つのＡＩアルゴリズムを含んでおり、モデル構成が「MIX」となる。
【0057】
本システムに登録されるＡＩモデルは、ＡＩ選択タグ情報１５４が関連付けられ、ＡＩ利用ユーザが、業種、ロール（用途カテゴリ）、利用シーンの各タグを選択することで、自ずとＡＩ利用ユーザに適したＡＩモデルが自動的に選定される仕組みを備えている。
【0058】
なお、選定されるＡＩモデルは、１つ又は複数であるが、特に、本システムでは、「ＡＩモデルを作ってみよう」において、ＡＩ利用ユーザが学習用データを用いてＡＩモデルを作る場合、本プラットフォームに登録された複数のＡＩモデルを競争させ、ＡＩ利用ユーザのニーズに最適なＡＩモデルを提示する環境を提供する。
【0059】
ＡＩ利用ユーザのニーズは多岐に渡り、ＡＩモデルに求める評価基準も異なる。つまり、ＡＩモデルを導入し、解決したい問題や改善・向上したい目的が異なれば、それぞれに異なる評価基準が存在する。このため、ＡＩモデルを１つに絞り込んだり、一つ一つ作成して後から見比べたりする従来の仕組みでは、ＡＩ利用ユーザがＡＩモデルに求める「方向性」に対して複数のＡＩモデルを「競争」させることができず、最適なＡＩモデルを提示する環境の実現が難しかった。
【0060】
そこで、ＡＩモデルが自動的に選定機能において、ＡＩモデルが複数提示されるように、登録された各ＡＩモデルにＡＩ選択タグ情報１５４を関連付け、複数のＡＩモデルがＡＩ利用ユーザに提示されるように、ＡＩ選択タグ情報１５４を構築することが好ましい。
【0061】
そして、複数のＡＩモデルを対象とした学習処理を行いつつ、各ＡＩモデルに対して複数の異なるプリセットされたハイパーパラメータを適用して、ＡＩモデル毎に最適化された学習済みＡＩモデルそれぞれを、一括して比較・提示する「競争させる仕組み」を提供することで、ＡＩ利用ユーザがＡＩモデルに求める「方向性」に対し、最適なＡＩモデルを提示する環境を実現する。
【0062】
図８は、提案ＵＩ「業種／ロールの設定からはじめる」の画面例を示す図である。Ｓｅｃｔｉｏｎ１の「あなたの業種」は、図５に示した業種（業種サブ分類を含む）に対応している。Ｓｅｃｔｉｏｎ２の「あなたの業種」は、図６に示した用途カテゴリ（ロール）に対応している。Ｓｅｃｔｉｏｎ３の「利用シーン」は、図７に示したＡＩアルゴリズム属性情報の利用シーンに対応している。Ｓｅｃｔｉｏｎ４は、Ｓｅｃｔｉｏｎ１から３を経て選定されたＡＩモデルが表示される領域である。
【0063】
まず、ＡＩモデル提案部１３４は、Ｓｅｃｔｉｏｎ１「業種」を選択可能に表示する。ＡＩ利用ユーザは、少なくとも１つの業種を選択し、確定ボタンを押す。Ｓｅｃｔｉｏｎ１の確定ボタンの押下をトリガーに、ＡＩモデル提案部１３４は、Ｓｅｃｔｉｏｎ２の表示領域をアクティブにして、「用途カテゴリ」を選択可能に表示する。ＡＩ利用ユーザは、少なくとも１つの用途カテゴリを選択し、確定ボタンを押す。Ｓｅｃｔｉｏｎ２の確定ボタンの押下をトリガーに、ＡＩモデル提案部１３４は、Ｓｅｃｔｉｏｎ３の表示領域をアクティブにして、「利用シーン」を選択可能に表示する。ＡＩ利用ユーザは、少なくとも１つの利用シーンを選択し、確定ボタンを押す。Ｓｅｃｔｉｏｎ３の確定ボタンの押下をトリガーに、ＡＩモデル提案部１３４は、Ｓｅｃｔｉｏｎ１，２，３それぞれで選択された、少なくとも１つの業種、用途カテゴリ、利用シーンの３つを選定条件として用いて、ＡＩ選択タグ情報１５４を検索する。そして、３つの選定条件に該当するＡＩモデルを抽出し、Ｓｅｃｔｉｏｎ４の表示領域をアクティブにして、抽出したＡＩモデルを表示する。
【0064】
なお、Ｓｅｃｔｉｏｎ２，３の各表示領域の制御は、例えば、前のＳｅｃｔｉｏｎで選択された内容を選定条件として、次のＳｅｃｔｉｏｎの表示内容を絞り込むように構成してもよい。例えば、ＡＩモデル提案部１３４は、Ｓｅｃｔｉｏｎ２に表示される「用途カテゴリ」は、Ｓｅｃｔｉｏｎ１の確定ボタンの押下をトリガーに、Ｓｅｃｔｉｏｎ１で選択された「業種」を検索条件としてＡＩ選択タグ情報１５４を検索し、該当するＡＩモデルに紐付く用途カテゴリのみ抽出して表示するように制御することができる。Ｓｅｃｔｉｏｎ３についても同様であり、Ｓｅｃｔｉｏｎ２の確定ボタンの押下をトリガーに、Ｓｅｃｔｉｏｎ１で抽出された業種であり、かつＳｅｃｔｉｏｎ２で選択された用途カテゴリに紐付くＡＩモデルをＡＩ選択タグ情報１５４から検索し、該当するＡＩモデルに紐付く利用シーンのみ抽出してＳｅｃｔｉｏｎ３に選択可能に表示するように制御することもできる。
【0065】
本実施形態では、ＡＩ利用ユーザが選択する３つの選定条件（業種、用途カテゴリ、利用シーン）を用いてＡＩ選択タグ情報１５４を検索し、その検索結果として該当する複数のＡＩモデルを提示する。
【0066】
図９は、学習用データの登録画面を示す図である。ＡＩ利用ユーザは、ＡＩモデルを作成するにあたり、学習用データを本システムにアップロードする。アップロードデータ管理部１３３は、図９に示す画面を通じて学習用データを受け付け、記憶装置１６０に格納する。このとき、ＡＩ利用ユーザは、アップロードした学習用データに対するアノテーション依頼を行うことができる。例えば、アノテーション依頼ボタンを押すと、アノテーションを行うサポート事業者リストや料金に関する情報をユーザ端末３００に表示し、ＡＩ利用ユーザが、サポート事業者にアノテーション依頼を行うことができる。この場合、上述したように、見積、発注、決済等の商取引における各段階に応じたＡＩ利用ユーザ及びサポート事業者間のやり取りを行うための機能を備えるように構成してもよい。
【0067】
また、図９の学習用データの登録画面は、学習処理を行うために学習用データを指定することを目的としているので、ＡＩ利用ユーザ（ユーザ端末３００）からアップロードする以外に、本システム内（記憶装置１６０）に既に格納されている学習用データを指定することもできる。例えば、図２１に示すＤａｔａ管理画面で学習用データを予めアップロードして登録することができる。なお、学習用データには、ＡＩ利用ユーザが予めアップロードして格納した学習用データと、アノテーション依頼を通じてアノテーションが施された学習用データと、が含まれる。
【0068】
図１０は、作成中のＡＩモデルを表示する画面である。学習処理部１２４は、図９で学習用データが指定されると、学習処理を実行する。学習処理の実行状況は、図１０で確認することができる。例えば、ＡＩモデル作成に要する時間を表示したり、作成完了までの残り時間を表示したりすることができる。学習処理の実行状況は、学習処理部１２４から提供される。また、モデル作成を中止したりすることもできる。モデル作成の中止が選択された場合、学習処理部１２４は、学習処理を中止する。
【0069】
図１１は、作成したＡＩモデルの学習結果を表示する画面の一例である。学習処理部１２４は、学習処理において学習時精度情報を生成する。ＡＩモデル提案部１３４は、図１１に示すように、学習した各ＡＩモデルの学習時精度情報を表示する。ＡＩ利用ユーザは、学習済みＡＩモデルを選択することができ、選択された学習済みＡＩモデルの情報（学習時予測結果のグラフ、予測精度等）を表示することができる。また、学習で検証したモデルの総数（異なるハイパーパラメータのプリセット数）なども表示される。
【0070】
また、図１１の画面は、「Ｓｕｍｍａｒｙ」と「Ｄｅｔａｉｌ」とをタブで切り替えて表示することができる。図１２は、「Ｄｅｔａｉｌ」が表示された態様を示す図であり、選択された学習済みＡＩモデルの詳細情報（学習結果表項目とその結果）が表示される。詳細情報は、elapsed、last_epoch、last_val_acc、last_val_loss、last_acc、last_loss、batch_size、learning_rate、patience、epochsなどの各種評価項目を含む。
【0071】
なお、学習時精度や、学習結果は、ＡＩエンジン及びアルゴリズムに応じた任意の情報であり、公知の技術を適用することができる。なお、同じ画像処理を行うＡＩモデルであれば、画像処理に関する統一された評価項目及び学習結果を提供したり、同じ画像処理を行うＡＩモデルであっても、他のＡＩモデルと異なる評価項目を提供したりすることができる。一例として、後述する機能分類マスタ情報のカテゴリ別に、カテゴリ間で異なる評価項目及び学習結果を提供し、カテゴリ内に属する各ＡＩモデルは、カテゴリによって統一された評価項目及び学習結果を提供することができる。
【0072】
図１３は、ＵＩ「ＡＩモデルを作ってみよう（学習）」における提案ＵＩ「使いたい機能選定からはじめる」の画面例を示す図である。ＡＩモデルのアルゴリズムは、機能で分類することができる。例えば、図７のＡＩアルゴリズム属性情報は、アルゴリズム種別に対して「カテゴリ」を含むように構成することができ、この「カテゴリ」が機能分類を表す。例えば、予め機能分類マスタ情報を設定し、ＡＩ選択タグ情報１５４において各ＡＩモデルに関連付けるように制御することができる。
【0073】
機能分類マスタ情報は、例えば、ＣＶ（画像認識（Computer Vision））、ＮＰＬ（自然言語処理（Natural Language Processing））、ＡＳＲ（音声認識（Automatic Speech Recognition）、時系列処理などのカテゴリ区分を含むことができる。また、機能分類「ＣＶ」に属する各ＡＩモデルは、画像認識をベースとした物体検出や画像分類、姿勢推定などの各アルゴリズムを有するので、例えば、機能分類「ＣＶ」に属するＡＩモデルを各アルゴリズム種別でさらにカテゴライズすることができる。図１３の例では、機能分類「ＣＶ」において、「Semantic-Segmentation」、「Image Classification」、「Object Detection」、「Image Generation」、「Pose Estimation」の各アルゴリズム別に選択可能に構成することができる。他の機能分類についても同様である。
【0074】
ＡＩモデル提案部１３４は、機能分類マスタ情報及びＡＩ選択タグ情報１５４に基づいて、図１３に示す機能別選択画面を提供し、選択された機能に属する複数のＡＩモデルを選定する。
【0075】
そして、図１３において機能が選択されると、提案ＵＩ「業種／ロールの設定からはじめる」と同様に、図９の学習用データの指定画面、図１０の作成中のＡＩモデルを表示する画面、図１１及び図１２の学習結果表示画面の順に、各画面が提供され、対応する各処理が実行される。
【0076】
次に、ＵＩ「ＡＩモデルを使ってみよう（推論）」について説明する。ＵＩ「ＡＩモデルを使ってみよう（推論）」も、提案ＵＩ「業種／ロールの設定からはじめる」又は提案ＵＩ「使いたい機能選定からはじめる」から、推論に使用するＡＩモデルを選定することができるが、このとき選定されるＡＩモデルは、１つとするように制御することができる。
【0077】
この場合、提案ＵＩ「業種／ロールの設定からはじめる」又は提案ＵＩ「使いたい機能選定からはじめる」のインターフェースから選定された複数のＡＩモデルに対し、ＡＩ利用ユーザが複数のＡＩモデルの中から任意に１つのＡＩモデルを選べるように制御したり、ＡＩモデル提案部１３４が１つのＡＩモデルを自動的に選定するように制御したりすることができる。
【0078】
ＡＩ利用ユーザによる選択及び自動的に選定において、例えば、ＡＩ利用ユーザの利用頻度に基づくランキング、協調フィルタリング、コンテンツベースフィルタリングなどを適用することができ、利用頻度や他のＡＩ利用ユーザの選択履歴等を参考情報として提示したり、利用頻度が一番高いＡＩモデルや嗜好類似度が最も高い他のＡＩ利用ユーザが選択したＡＩモデルを、自動的に選定したりするように構成することができる。
【0079】
なお、ＵＩ「ＡＩモデルを使ってみよう（推論）」においても、複数の学習済みＡＩモデルに、１つの推論用データを適用して、各学習済みＡＩモデルの複数の推論結果を得るように構成することもできる。
【0080】
図１４は、ＵＩ「ＡＩモデルを使ってみよう（推論）」における推論用データの指定画面を示す図である。図９に示した学習用データの登録画面と同様であり、ＡＩ利用ユーザは、ＡＩモデルを使った推論を行うために、推論用データを本システムにアップロードする。なお、複数の異なる推論用データを指定し、学習済みＡＩモデルに推論処理を実行することもできる。
【0081】
図１５は、推論中の状態を表示する画面である。推論処理部１２５は、推論用データが指定されると、選定された学習済みＡＩモデルを用いた推論処理を実行する。推論用データが複数指定されている場合は、各推論用データの数だけ推論処理を行う。推論処理部１２５は、推論処理の実行状況（残り時間）を出力し、図１５の例に示すように画面で確認することができるようにする。
【0082】
図１６は、推論結果を表示する画面であり、指定された推論用データ毎に、精度情報（確信度など）が表示される。図１６の例は、「Ｓｕｍｍａｒｙ」画面であり、指定された推論用データ別の精度情報がリスト表示される。図１７は、推論結果を表示する画面においてタブ切り替えで表示可能な「Ｄｅｔａｉｌ」画面であり、１つの推論用データに対する詳細な推論結果が「Ｄｅｔａｉｌ」画面に表示される。「Ｄｅｔａｉｌ」画面は、例えば、画像データ内に認識された各オブジェクトを分析結果として表示したり、推論用データの画像を表示し、画像内に認識した各オブジェクトを枠（分析結果の分類色を使ったオブジェクト毎に異なる色の枠）で囲って表示したりすることができる。
【0083】
図１８は、アルゴリズム種別が時系列である又は時系列を含むＡＩモデルの推論結果を表示する画面である。時系列に入力された推論用データ順に、予測結果が表示される。なお、予測結果１と予測結果２が表示された態様を示しているが、これは、ＡＩモデルのアルゴリズムの特性に応じて任意である。
【0084】
【0085】
図１９の画面左欄には、Ｐｒｏｊｅｃｔ管理、Ｄａｔａ管理、ＡＩ管理、オプションサービスの各メニューが表示されている。Ｐｒｏｊｅｃｔ管理とは、どのような目的でどのようなＡＩモデルを利用するのかを整理するための管理画面であり、プロジェクト名やプロジェクトの概要（説明）を入力することができ、使用するＡＩモデルを紐付けることができる。
【0086】
図２０は、各プロジェクトで使用するＡＩモデルの一覧画面である。ＡＩモデル名、アルゴリズム、データ名（学習用データ名）、関連プロジェクト名、ＡＩモデルのＤａｔａ容量などが表示される。
【0087】
図２１は、Ｄａｔａ管理画面の一例を示す図である。Ｄａｔａ管理画面は、学習用データ及び推論用データのアップロード、削除、ダウンロードの各機能を提供する。また、上述した「ＡＩモデルを作ってみよう」のＵＩから指定した学習用データ、「ＡＩモデルを使ってみよう」のＵＩから指定した推論用データも、このＤａｔａ管理画面で管理することができる。
【0088】
図２１の例において、データ名、データの説明（概要）と共に、データの詳細として、推論用、学習用のどちらのデータであるか、登録した学習用データ及び推論用データがどのようなＡＩモデル（カテゴリ名やアルゴリズム種別）に適用されるものであるか、を選択、入力することができる。また、アノテーション依頼をしてサポート事業者から納品された学習用データ（又は推論用データ）であるかについてもログとして管理することができる。
【0089】
なお、Ｄａｔａ管理画面は、本システム上でのＡＩモデルの学習処理及び推論処理で使用されるデータであるか否かを問わず、例えば、アノテーション依頼を目的としたデータ管理環境として利用することができる。本システム以外で動作するＡＩモデル（本システムで作成または購入したＡＩモデル、又は本システムとは関係なくＡＩ利用ユーザが用意したＡＩモデルの如何を問わず）用の学習用データ及び推論用データをダウンロードして使用することができる。
【0090】
また、本システムでは、ＡＩ利用ユーザに対し、所定量の記憶領域を割り当て、学習用データ、推論用データ、ＡＩモデルを管理装置１００側で保存できるようにしている。図２１の例では、ストレージ使用率が表示されており、必要に応じて削除したり、ダウンロードするなどして、ストレージ容量を超えないように管理する。なお、Ｄａｔａ管理とＡＩモデル管理の各記憶領域の容量は、個別に設定したり、一括した合計で設定したりすることができる。
【0091】
図２２は、ＡＩ管理画面である。図２２の例では、本システムで作成したＡＩモデル及び使用したＡＩモデルが表示されている。ＡＩモデル名、アルゴリズム、作成日、作成したユーザ名、データ名、関連プロジェクトなどの各種情報を入力することができる。また、ＡＩモデル毎に、推論用のモデル、学習用のモデルであることをチェックすることができ、ステータスも表示される。ステータスは、学習中（利用不可）、モデルの利用可能などの状態が表示される。
【0092】
図２３は、図２２に示したＡＩモデル管理画面において、ＡＩモデルをダウンロードして購入する際の購入画面例を示している。図２２のダウンロードボタンが押下されると、図２３の「ダウンロード有効残数」が表示される。有効残数は、ダウンロード可能な数の上限数である。「追加で購入する」を選択することで、購入（ダウンロード）することができる。また、１つ又は複数のＡＩモデルを指定して購入することもできる。
【0093】
図２４は、図２２に示したＡＩモデル管理において、作成中のモデルを表示したものである。「ＡＩモデルを作ってみよう」のＵＩで作成しているＡＩモデルの学習状況を管理することができ、図２４に示すように、ＡＩモデル名、完了／作成中のステータス、作成開始時間、残り時間（残り時間バーを含む）などが含まれる。
【0094】
また、学習済みのＡＩモデルに対しては、「学習結果を確認する」ボタンを押下することで、図１１又は／及び図１２に示した学習結果を表示させることができる。さらに、作成中（学習中）のＡＩモデルに対しては、「モデル作成を停止」ボタンが選択できるように制御され、ＡＩモデル管理画面からモデル作成の停止を行うことができる。
【0095】
図２５は、オプションサービス管理画面である。図２５の例は、ＥＣサイトの商品・サービス購入ページの態様で例示している。上述したように、ＡＩベンダーやサポート事業者は、本プラットフォームを通じて、商品・サービスをＡＩ利用ユーザに購入してもらうことができる。ＡＩベンダーやサポート事業者が提供する、ＡＩパッケージモデル、アノテーションサービス、教育サービスなどが表示されると共に、一番人気！などのおすすめ商品等を表示することもできる。また、購入履歴もユーザ別に管理することができ、オプションサービス管理画面で閲覧可能に制御することもできる。
【0096】
＜最適なＡＩモデルを提示する機能の説明＞
本実施形態では、最適なＡＩモデルを提示する機能を備えている。本機能は、２つの要素で構成されており、１つ目は、上述したＡＩ選択タグ情報１５４を用いた業種、ロール、利用シーンからＡＩ利用ユーザに適合するＡＩモデルを抽出することである。これにより、ＡＩ利用ユーザが専門的知識を持たなくても、自身にマッチングするＡＩモデルが自動的に提示される。
本実施形態では、最適なＡＩモデルを提示する機能を備えている。本機能は、２つの要素で構成されており、１つ目は、上述したＡＩ選択タグ情報１５４を用いた業種、ロール、利用シーンからＡＩ利用ユーザに適合するＡＩモデルを抽出することである。これにより、ＡＩ利用ユーザが専門的知識を持たなくても、自身にマッチングするＡＩモデルが自動的に提示される。
【0097】
２つ目は、ＡＩ利用ユーザがＡＩモデルに求める「方向性」に対し、複数のＡＩモデルを「競争」させる仕組みである。図２６は、複数のＡＩモデルを「競争」させる仕組みを説明するための図である。図２６に示すように、登録された学習前ＡＩモデルに、複数の異なるハイパーパラメータ群を予め用意し、ハイパーパラメータプリセット情報１５２として保持する。例えば、機械学習やディープラーニングでは、バッチサイズ、イテレーション数、エポック数などのハイパーパラメータが知られている。
【0098】
バッチサイズは、データセットを複数のサブセットに分けた際の各サブセットに含まれるデータの数であり、例えば、８０件のデータセットを１０件ずつサブセットに分けると、バッチサイズは１０となる。イテレーション数は、データセット内の各データが少なくとも１回は学習に用いられるのに必要な学習の回数であり、バッチサイズが決まることで、自動的に決まる。８０件のデータセットでバッチサイズが１０だと、イテレーション数は８となり、学習を８回繰り返すことになる。また、エポック数は、データセットをバッチサイズに従ってサブセットに分け、データセット内の各データが少なくとも１回は学習することを１サイクルとし、この１サイクルを何回実行するかを規定したのである。
【0099】
本実施形態では、複数の異なるハイパーパラメータ群として、バッチサイズ、イテレーション数、エポック数などがそれぞれ異なるハイパーパラメータ１～Ｎを予め用意し、１つの学習前ＡＩモデル１に、ハイパーパラメータ１を適用して学習させた学習モデル１－１（プリセット１－１）、ハイパーパラメータ２を適用して学習させた学習モデル１－２（プリセット１－２）、・・・・・ハイパーパラメータＮを適用して学習させた学習モデル１－Ｎ（プリセット１－Ｎ）をそれぞれ生成する。
【0100】
これを、ＡＩ選択タグ情報１５４を用いた業種、ロール、利用シーンによって選定された複数の各ＡＩモデルに適用し、１つのＡＩモデルに対して複数の異なる学習済みＡＩモデルを生成する。
【0101】
ここで、従来の仕組みと大きく相違する点について説明する。従来は、特許文献２に記載のように、最適なハイパーパラメータを「探索」するものであり、少しずつハイパーパラメータを変化させて性能が一番高い学習パラメータを模索している。しかしながら、このような従来の手法は、１つのＡＩモデルの最適化であり、自動化しても時間及びコストが掛かる。
【0102】
一方で、本システムは、ＡＩ利用ユーザがＡＩモデルに求める「方向性」に対し、複数のＡＩモデルを「競争」させる仕組みを提供するものであり、プリセットされた複数の異なるハイパーパラメータそれぞれを無条件に適用しつつ、かつ異なる複数のＡＩモデルそれぞれが、図２６に示すように、プリセットされた複数の異なるハイパーパラメータの数だけ学習処理が行われる。つまり、１つのＡＩモデルに対して、一度に異なる学習パラメータの学習済みＡＩモデルを複数生成し、その中から性能が良い学習済みＡＩモデルを抽出する。そして、複数のＡＩモデルにおいて、性能が良い学習済みＡＩモデルを一括した学習結果を提供する。
【0103】
本実施形態では、多岐に渡るＡＩ利用ユーザのニーズに対し、１つのＡＩモデルを最適化するのではなく、ＡＩモデルに求める評価基準を広く網羅する複数のＡＩモデルを「競争」環境を提供することで、ＡＩ利用ユーザがＡＩモデルに求める「方向性」に対する多くの選択肢を用意することができる。これにより、ハイパーパラメータの探索等に掛かる時間及びコストを低減させ、ＡＩ利用ユーザの様々なニーズに対し、複数のＡＩモデルを競争させる環境を提供することができる。
【0104】
したがって、ＡＩ利用ユーザが専門的知識を持たなくても、自身にマッチングするＡＩモデルが自動的に提示され、さらに、複数のＡＩモデルを競争させて様々なニーズに適合するＡＩモデルを提案し易くすることができるので、専門的な知識がないユーザが、それぞれのニーズに合ったＡＩモデルを作って試せる環境を実現することができる。
【0105】
＜連携インターフェース機能の説明＞
図２７は、連携インターフェース機能を説明するための図である。連携インターフェース機能は、異なるＡＩモデルを連結した連結ＡＩモデルを構築するためのサポート機能である。上述の複合モデルの態様に適用することができる。
図２７は、連携インターフェース機能を説明するための図である。連携インターフェース機能は、異なるＡＩモデルを連結した連結ＡＩモデルを構築するためのサポート機能である。上述の複合モデルの態様に適用することができる。
【0106】
例えば、図３０に示すように、物体検知のＡＩモデルと、物体識別のＡＩモデルが、個別に提供（登録）されている場合、各ＡＩモデルは、アウトプットデータ及びインプットデータの形式がそれぞれ異なるため、単に連結することができない。そこで、制御装置１２０は、連携インターフェース制御部１２６を備え、連結上流のＡＩモデルのアウトプットデータを、連結下流のＡＩモデルのインプットデータに変換するインタフェースモジュールを提供する。これにより、任意の組み合わせでの連結ＡＩモデルを作成することができる。
【0107】
連携情報として、記憶装置１５０は、ＡＩベンダーから提供されたＡＩモデルのインプットデータ及びアウトプットデータの各データ形式に関する情報（インターフェース情報）を、モデル連携情報１５５として保持する。
【0108】
連携インターフェース制御部１２６は、モデル連携情報１５５を参照し、連結する２つ以上のＡＩモデル間の上流から下流における連結順序に応じて、各ＡＩモデル間のインタフェースモジュールを提供する。インタフェースモジュールは、予め生成してモデル連携情報１５５に格納しておいたり、連結ＡＩモデルを生成するタイミングでその都度連携インターフェース制御部１２６が生成したりするように制御することができる。
【0109】
＜本システムの処理フローの説明＞
図２８から図３０は、本システムの処理フローを示す図である。図２８に示すように、ＡＩベンダーは、ベンダー端末５００を通じてベンダー登録を行う（Ｓ５０１）。管理装置１００は、ベンダー登録の受け付け処理及ぶ登録処理を行う（Ｓ１０１）。ＡＩベンダーは、登録後に、学習前ＡＩモデル及び／又は学習済みＡＩモデルを、管理装置１００にアップデートして登録を行う（Ｓ５０２）。
図２８から図３０は、本システムの処理フローを示す図である。図２８に示すように、ＡＩベンダーは、ベンダー端末５００を通じてベンダー登録を行う（Ｓ５０１）。管理装置１００は、ベンダー登録の受け付け処理及ぶ登録処理を行う（Ｓ１０１）。ＡＩベンダーは、登録後に、学習前ＡＩモデル及び／又は学習済みＡＩモデルを、管理装置１００にアップデートして登録を行う（Ｓ５０２）。
【0110】
管理装置１００は、ＡＩベンダーによるＡＩモデルの登録に伴い、ＡＩモデルのプログラムモジュールを記憶装置１５０に格納する（Ｓ１０２）。ＡＩベンダーが登録するＡＩモデルは、学習済みＡＩモデルや学習前ＡＩモデルである。
【0111】
管理装置１００は、格納した（登録した）ＡＩモデルのハイパーパラメータプリセット情報１５２を生成し、当該ＡＩモデルと関連付けて保存する（Ｓ１０３）。このとき、上述したように、１つのＡＩモデルに複数の異なるハイパーパラメータ群がセッティングされる。つまり、セッティングされた互いに異なるハイパーパラメータの数だけ学習処理を繰り返し実行し、ハイパーパラメータの数に相応する複数の学習済みＡＩモデルを生成するための、ハイパーパラメータプリセット情報１５２が格納される。なお、上述のように、ハイパーパラメータ群を構成する各ハイパーパラメータは、本システムの運営事業者又はＡＩベンダーが生成して提供することができる。
【0112】
一方、管理装置１００は、登録されているＡＩモデルに対するＡＩ選択タグ情報１５４の生成及び登録処理を行う（Ｓ１０４）。本システムに登録される全てのＡＩモデルは、ＡＩ選択タグ情報１５４によって、図４等に示したＡＩアルゴリズム属性情報、業種、サブ業種、用途カテゴリ（ロール）などでカテゴライズされる。
【0113】
次に、ＡＩ利用ユーザは、本システムのユーザ登録を行う（Ｓ３０１，Ｓ１０５）。ＡＩ利用ユーザは、ユーザ端末３００から本システムにサインインし、管理装置１００は、ユーザ認証を行う（Ｓ３０２，Ｓ１０６）。
【0114】
管理装置１００は、ユーザ認証後、例えば、図３に示すユーザ専用ページをユーザ端末３００に表示させる（Ｓ１０７）。まず、学習処理を行うＵＩ「ＡＩモデルを作ってみよう（学習）」について説明する。図２８に示すように、ＵＩ「ＡＩモデルを作ってみよう（学習）」において提案ＵＩ「業種／ロールの設定からはじめる」が選択されると（Ｓ３０３，Ｓ３０４，Ｓ３０５）、管理装置１００は、図８の画面を通じたＡＩ提案処理を行う（Ｓ１０８）。
【0115】
管理装置１００は、ＡＩ利用ユーザによって選択された業種、用途カテゴリ、利用シーンに基づいて、ＡＩ選択タグ情報１５４を参照し、該当する複数のＡＩモデル（学習対象ＡＩモデル）を選定する（Ｓ３０５，Ｓ１０８，Ｓ１０９）。管理装置１００は、ＡＩ利用ユーザからアップロードされる学習用データを受け付ける（Ｓ３０６，図９参照）。
【0116】
ＡＩ利用ユーザは、アップロードする学習用データに対し、サポート事業者が提供するアノテーションサービスを利用することができる。例えば、図９の画面例において、「アノテーション依頼」ボタンを押下することで、依頼することができる。管理装置１００は、学習用データの受付処理において、アノテーション依頼の有無を判別し（Ｓ１１０）、アノテーション依頼がなければ、ステップＳ１１３に進み、受け付けた学習用データをユーザ別に格納する。
【0117】
ステップＳ１１０において、アノテーション依頼ありと判別された場合、管理装置１００は、アノテーション依頼処理を行う（Ｓ１１１）。アノテーション依頼処理は、サポート事業者への見積依頼、ＡＩ利用ユーザに対してサポート事業者から受領した見積を提示、ＡＩ利用ユーザによる発注を仲介する処理である（Ｓ３０７，Ｓ１１１，Ｓ６０１）。ＡＩ利用ユーザからの発注を受け付けると、管理装置１００は、アップロードされた学習用データをサポート事業者に提供し、サポート事業者がアノテーションを実施する（Ｓ１１２，Ｓ６０２）。サポート事業者は、アノテーション済みの学習用データ（例えば、教師ラベルが付与された学習用データ）を管理装置１００に送信する。管理装置１００は、アノテーション済み学習用データを記憶装置１６０に格納する（Ｓ１１３）。なお、アノテーション依頼は、学習用データのアップロード後、管理画面において任意のタイミングで行うことができる（図２１等参照）。
【0118】
図２９は、図２８に続く処理フローである。ＵＩ「ＡＩモデルを作ってみよう（学習）」において、ＡＩ選択タグ情報１５４に基づいて複数のＡＩモデル（学習前ＡＩモデル）が選定され、学習用データ（アノテーション済学習用データを含む）が用意されると、管理装置１００が、学習処理を実行する。
【0119】
管理装置１００は、選定された複数のＡＩモデル毎に学習処理を実行する（Ｓ１５１）。管理装置１００が、学習対象のＡＩモデルに紐付くプリセットされたハイパーパラメータ群の中から、１つのハイパーパラメータを設定し（Ｓ１５２）、学習用データを適用した学習処理を行う（Ｓ１５３）。管理装置１００が、学習処理に伴う学習時精度情報を生成し（Ｓ１５４）、学習済みＡＩモデルと学習時精度情報とを格納する（Ｓ１５５）。
【0120】
管理装置１００は、全てのハイパーパラメータで学習処理を実施したか否かを確認し（Ｓ１５６）、次のハイパーパラメータを設定し、ステップＳ１５２からステップＳ１５５を、プリセットされたハイパーパラメータの数だけ繰り返し実行する。そして、ステップＳ１５２からステップＳ１５７までの処理を、選定された複数のＡＩモデル全てに対して実行する。つまり、１つのＡＩモデルの学習処理が終わった後、ステップＳ１５８において、選定された他のＡＩモデルに対する学習処理が残っているか否かを確認し、次のＡＩモデルを学習対象として設定して（Ｓ１５９）、Ｓ１５２からステップＳ１５７までの処理を繰り返し実行する。
【0121】
管理装置１００は、１つのＡＩモデルに対して生成された互いに異なるハイパーパラメータ別の複数の学習済みＡＩモデルにおいて、学習時精度が一番高いＡＩモデルを抽出する。これを選定されたＡＩモデル（学習対象ＡＩモデル）それぞれに対して行い、最適ＡＩモデル群として抽出（する（Ｓ１６０，図２６）。
【0122】
そして、管理装置１００は、選定された各ＡＩモデルそれぞれから抽出された学習時精度が一番高いＡＩモデル群を含む学習結果（学習時精度情報を含む）を、ユーザ端末３００に提供する（Ｓ１６１，図１１等）。このとき、図１１に示すように、学習時精度が高い順にランキング形式で順位付けを行ったり、学習時精度をグラフ化して表示したりすることができる（図１１，図１２）。
【0123】
ＡＩ利用ユーザは、学習結果に含まれる学習済みＡＩモデルを選択し、推論処理を実行することができる。ＡＩ利用ユーザは、選択した学習済みＡＩモデルに適用する推論用データをアップロードし（又は、予めアップロードしたあった推論用データを指定し）、推論処理の実行要求を管理装置１００に送信する（Ｓ３１０，Ｓ３１１）。
【0124】
管理装置１００は推論処理実行要求を受け付けると、選択された学習済みＡＩモデルに指定された推論用データを適用した推論処理を実行し、推論時精度情報を生成する（Ｓ１６２）。生成した推論時精度情報は、推論結果としてＡＩ利用ユーザに提供する（Ｓ１６３）。
【0125】
管理装置１００は、例えば、図１１等のダウンロードボタンを選択したり、図２３に示した管理画面でのダウンロード操作に応じて、ＡＩモデルのダウンロード要求を受け付け、該当する学習済みＡＩモデル（推論ＡＩモデル）を提供する（Ｓ３１２，Ｓ１６４）。
【0126】
図３０は、ＵＩ「ＡＩモデルを使ってみよう（推論）」における推論処理の流れを示す図であり、図２８のステップＳ３０３からの分岐処理を示している。図３０の示すように、ＵＩ「ＡＩモデルを使ってみよう（推論）」において提案ＵＩ「使いたい機能選定からはじめる」が選択されると（Ｓ３０３ａ，Ｓ３０５１）、管理装置１００は、図１３の画面を通じたＡＩ提案処理を行う（Ｓ１０８１）。
【0127】
管理装置１００は、ＡＩ利用ユーザによって選択された機能に基づいて、ＡＩ選択タグ情報１５４を参照し、該当する複数の学習済みＡＩモデルを選定する（Ｓ３０５１，Ｓ１０８１）。選定した１つ又は複数の学習済みＡＩモデルは、ＡＩモデル提案結果としてユーザ端末３００に提供する（Ｓ１０９１）。このとき、提案される学習済みＡＩモデルが複数ある場合、ＡＩ利用ユーザは、提供されたＡＩモデル提案結果の中から１つ又は複数の学習済みＡＩモデルを選択することができる（Ｓ３０５２）。管理装置１００は、ＡＩ利用ユーザによる選択情報を受け付け、推論処理を行う学習済みＡＩモデルを決定する（１０９２）。
【0128】
次に、管理装置１００は、ＡＩ利用ユーザからアップロードされる推論用データを受け付ける（Ｓ３１１０，図１４参照）。
【0129】
管理装置１００は、受け付けた推論用データを用いて選択された学習済みＡＩモデルによる推論処理を行い（図１５参照）、推論時精度情報１６５を生成する（Ｓ１６２０）。管理装置１００は、推論処理の結果として、推論時精度情報１６５をユーザ端末３００に提供する（Ｓ１６３０，図１６～図１８参照）。
【0130】
管理装置１００は、例えば、図２３に示した管理画面において、ＡＩモデルのダウンロード要求を受け付けると、該当する学習済みＡＩモデル（推論ＡＩモデル）を提供する（Ｓ３１２０，Ｓ１６４０）。
【0131】
なお、図３０の例は、提案ＵＩ「使いたい機能選定からはじめる」を一例に説明したが、図２８で示した提案ＵＩ「業種／ロールの設定からはじめる」による学習済みＡＩモデルの選定処理を適用することができる。逆に、図２８の例において、提案ＵＩ「使いたい機能選定からはじめる」によるＵＩ「ＡＩモデルを作ってみよう（学習）」を実行することもできる。
【0132】
＜本システムによって実現されるＡＩプラットフォームについて＞
本実施形態のＡＩプラットフォームシステムは、ＡＩ利用ユーザの利便性（みんなが使える）ことに特化したシステムであり、エンジニアではない、ＡＩを活用したい現場の人が、それぞれのニーズに合ったＡＩモデルを作って試せる環境を実現することができる。
本実施形態のＡＩプラットフォームシステムは、ＡＩ利用ユーザの利便性（みんなが使える）ことに特化したシステムであり、エンジニアではない、ＡＩを活用したい現場の人が、それぞれのニーズに合ったＡＩモデルを作って試せる環境を実現することができる。
【0133】
（Ａ）ＡＩ選択タグ情報１５４に基づいて、ＡＩ利用ユーザの業種・職種等から、最良なＡＩモデル（学習前ＡＩモデル及び学習済みＡＩモデル）を自動選択することができる。これにより、エンジニアでなくても、またＡＩに関する知識をあまり持ち合わせていなくても、ＡＩ利用ユーザ自身の現場・事業等のニーズに合ったＡＩモデルを選定することができる。
【0134】
（Ｂ）１つのＡＩカテゴリ（画像処理、物体検知など機能分類１つ１つ）に対し、多種多様なデータに対応すべく、複数のＡＩモデルが登録できるようにし、ＡＩ選択タグ情報１５４で管理する。言い換えれば、ＡＩ利用ユーザに提案されるＡＩモデルは、ＡＩ選択タグ情報１５４に基づいて複数抽出されるように制御し、複数のＡＩモデルを競争させて提供する環境が形成される。
【0135】
（Ｃ）そして、複数のＡＩモデルを競争させる実環境として、互いに異なるハイパーパラメータ群を予めプリセットしておき、１つのＡＩモデルの学習処理において、ハイパーパラメータの数だけ複数の学習済みＡＩモデルを生成する。これにより、ハイパーパラメータ（学習パラメータ）の探索等に掛かる時間及びコストを低減させ、ＡＩモデルの最適化を探求するのではなく、気軽にＡＩモデルを作れる環境を形成することができる。
【0136】
（Ｄ）本プラットフォームは、ＡＩモデルを作って、試して、実用化するまでの全行程をサポートすることができる。例えば、ＡＩ教育紹介→データ前処理（アノテーション）対応→データ登録→ＡＩモデル選定（職種や機能から選択）→学習結果から最適なＡＩモデルの選択→学習済ＡＩモデル（推論用ＡＩモデル）のダウンロード（ユーザ側の実装環境への適用を含む）といったステップを、本プラットフォームで一元的に管理し、運用することができる。なお、本プラットフォームは、ユーザ側の実装環境を構築するベンターを紹介したりする機能も備えるように構成し、実際の現場・事業での活用を含む全体的なサポートを提供することができる。
【0137】
（Ｅ）特に、上記（Ｄ）においては、従来、ＡＩを導入する際には、ＡＩを理解し、データを準備し、ＡＩ活用構想の立ち上げからその利用シーンに応じたシステム開発を行う開発会社選定するなど、ＡＩ導入までに、時間を含む多大なコストを支払っていたが、本プラットフォームを利用することにより、時間やコストを掛ける必要がなく、ＡＩ導入に対するユーザの利便性が向上させることができる。
【0138】
以上、本発明の実施形態について説明したが、管理装置１００を構成する各制御装置及び各記憶装置は、１つ又は複数のコンピュータ装置で実現することができ、また、複数のコンピュータ装置に各処理部を任意に分散させて構築することもできる、
【0139】
また、ユーザ端末３００，ベンダー端末５００、サポート事業者端末６００は、デスクトップ型コンピュータやタブレット型コンピュータであり、ＩＰ（Internet protocol）網又は移動通信回線網（Mobile communication network）を通じたデータ通信機能及び演算機能（ＣＰＵ等）を備えている。また、ディスプレイ装置（又はタッチパネル方式の表示装置）及びキーボード等の入力手段、ＨＤＤやＳＳＤ（ソリッドステートドライブ）などの補助記憶装置を備えることができる。管理装置１００と各端末３００，５００，６００との間の接続態様は、無線通信及び有線通信のいずれかであればよいが、学習用データや推論用データ、ＡＩモデルのプログラムモジュールなどを管理装置１００との間でアップロード及びダウンロードするので、安定した通信環境が構築されていることが望ましい。
【0140】
また、管理装置１００の各機能は、プログラムによって実現可能であり、各機能を実現するために予め用意されたコンピュータプログラムが補助記憶装置に格納され、ＣＰＵ等の制御部が補助記憶装置に格納されたプログラムを主記憶装置に読み出し、主記憶装置に読み出された該プログラムを制御部が実行することで、各部の機能を動作させることができる。
【0141】
また、上記プログラムは、コンピュータ読取可能な記録媒体に記録された状態で、コンピュータに提供することも可能である。コンピュータ読取可能な記録媒体としては、ＣＤ－ＲＯＭ等の光ディスク、ＤＶＤ－ＲＯＭ等の相変化型光ディスク、ＭＯ（Magnet Optical）やＭＤ(Mini Disk)などの光磁気ディスク、フロッピー（登録商標）ディスクやリムーバブルハードディスクなどの磁気ディスク、コンパクトフラッシュ（登録商標）、スマートメディア、SDメモリカード、メモリスティック等のメモリカードが挙げられる。また、本発明の目的のために特別に設計されて構成された集積回路（ICチップ等）等のハードウェア装置も記録媒体として含まれる。
【符号の説明】
【0142】
１００ ＡＩプラットフォーム装置（管理装置）
１１０ 通信装置
１２０ 制御装置
１２１ ＡＩ登録部
１２２ 選択タグ生成部
１２３ プリセット情報管理部
１２４ 学習処理部
１２５ 推論処理部
１２６ 連携インターフェース制御部
１３０ 制御装置
１３１ ユーザ登録部
１３２ 画面制御部
１３３ アップロード管理部
１３４ ＡＩ提案部
１３５ レコメンド制御部
１３６ ＡＩモデル提供部
１３７ ユーザ別ＡＩ管理部
１４０ 制御装置
１４１ 外部サービス連携部
１４２ 商取引仲介制御部
１５０ 記憶装置
１５１ 登録ＡＩモデルＤＢ
１５２ ハイパーパラメータプリセット情報
１５３ 学習済みＡＩモデル
１５４ ＡＩ選択タグ情報
１５５ モデル連携情報
１６０ 記憶装置
１６１ ユーザ情報
１６２ 学習用データ
１６３ 推論用データ
１６４ 学習時精度情報
１６５ 推論時精度情報
１６６ ユーザ別ＡＩ管理情報
１７０ 記憶装置
１７１ 画面情報
１７２ 外部サービス連携情報
１７３ 商取引仲介情報
３００ ユーザ端末
５００ ベンダー端末
６００ サポート事業者端末
１１０ 通信装置
１２０ 制御装置
１２１ ＡＩ登録部
１２２ 選択タグ生成部
１２３ プリセット情報管理部
１２４ 学習処理部
１２５ 推論処理部
１２６ 連携インターフェース制御部
１３０ 制御装置
１３１ ユーザ登録部
１３２ 画面制御部
１３３ アップロード管理部
１３４ ＡＩ提案部
１３５ レコメンド制御部
１３６ ＡＩモデル提供部
１３７ ユーザ別ＡＩ管理部
１４０ 制御装置
１４１ 外部サービス連携部
１４２ 商取引仲介制御部
１５０ 記憶装置
１５１ 登録ＡＩモデルＤＢ
１５２ ハイパーパラメータプリセット情報
１５３ 学習済みＡＩモデル
１５４ ＡＩ選択タグ情報
１５５ モデル連携情報
１６０ 記憶装置
１６１ ユーザ情報
１６２ 学習用データ
１６３ 推論用データ
１６４ 学習時精度情報
１６５ 推論時精度情報
１６６ ユーザ別ＡＩ管理情報
１７０ 記憶装置
１７１ 画面情報
１７２ 外部サービス連携情報
１７３ 商取引仲介情報
３００ ユーザ端末
５００ ベンダー端末
６００ サポート事業者端末
【図1】
【図2】
【図3】
【図4】
【図5】
【図6】
【図7】
【図8】
【図9】
【図10】
【図11】
【図12】
【図13】
【図14】
【図15】
【図16】
【図17】
【図18】
【図19】
【図20】
【図21】
【図22】
【図23】
【図24】
【図25】
【図26】
【図27】
【図28】
【図29】
【図30】