特開 2023-153723 ニューラル・ネットワークを使用した会話型応答の生成

(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】P2023153723

(43)【公開日】2023-10-18

(54)【発明の名称】ニューラル・ネットワークを使用した会話型応答の生成

(51)【国際特許分類】

   G06F 16/90 20190101AFI20231011BHJP

【ＦＩ】

G06F16/90 100

【審査請求】未請求

【請求項の数】20

【出願形態】ＯＬ

【外国語出願】

(21)【出願番号】P 2022078532

(22)【出願日】2022-05-12

(31)【優先権主張番号】17/713,470

(32)【優先日】2022-04-05

(33)【優先権主張国・地域又は機関】US

【公序良俗違反の表示】

（特許庁注：以下のものは登録商標）

１．ＴＥＮＳＯＲＦＬＯＷ

２．ＢＬＵＥＴＯＯＴＨ

(71)【出願人】

【識別番号】501450960

【氏名又は名称】エヌビディア コーポレーション

(74)【代理人】

【識別番号】110000855

【氏名又は名称】弁理士法人浅村特許事務所

(72)【発明者】

【氏名】プメンデュ ムクハージー

(72)【発明者】

【氏名】ブラッド ゲトセレヴィチ

(72)【発明者】

【氏名】ライアン レアリー

【テーマコード（参考）】

5B175

【Ｆターム（参考）】

5B175EA01

(57)【要約】

【課題】入力クエリに対する回答を決定して会話型応答を提供する、システム及び方法を提供すること。
【解決手段】回答は、情報のコーパスから回答を抽出するように訓練された第１のニューラル・ネットワークを使用して決定されてもよい。回答及び入力クエリは、会話型応答を生成するために回答と組み合わされた入力クエリの構築を生成するための第２の訓練済みニューラル・ネットワークに提供されてもよい。
【選択図】図２

【特許請求の範囲】

【請求項1】

対話環境に対するクエリを受信するステップと、
第１の訓練済みニューラル・ネットワークを使用して、前記クエリに対する回答を決定するステップと、
前記回答及び前記クエリを第２の訓練済みニューラル・ネットワークに提供するステップと、
前記第２の訓練済みニューラル・ネットワークを使用して、前記クエリに対する応答を生成するステップであって、前記応答が、前記クエリ及び前記回答の会話型再構築に対応する、ステップと、
前記クエリに応答して、前記応答を提供するステップと
を含む、コンピュータ実装方法。

【請求項2】

前記第１の訓練済みニューラル・ネットワークが抽出型質問回答モデルである、請求項１に記載のコンピュータ実装方法。

【請求項3】

前記第２の訓練済みニューラル・ネットワークがタスク固有の生成型モデルである、請求項１に記載のコンピュータ実装方法。

【請求項4】

前記生成型モデルの出力が、前記クエリに少なくとも部分的に基づいて制限される、請求項３に記載のコンピュータ実装方法。

【請求項5】

前記クエリが、ユーザ提供の聴覚入力又はユーザ提供のテキスト入力のうちの少なくとも一方である、請求項１に記載のコンピュータ実装方法。

【請求項6】

前記第１の訓練済みネットワーク及び前記第２の訓練済みネットワークが、順次的パイプライン内に配置される、請求項１に記載のコンピュータ実装方法。

【請求項7】

前記クエリの１つ又は複数の構成要素を決定するステップと、
前記１つ又は複数の構成要素のうちの少なくとも１つの構成要素を再配置して、前記会話型再構築を生成するステップと
をさらに含む、請求項１に記載のコンピュータ実装方法。

【請求項8】

前記第１の訓練済みニューラル・ネットワークを使用して、前記対話環境に関連する情報に対応する提供されたコンテキストを受信するステップ
をさらに含む、請求項１に記載のコンピュータ実装方法。

【請求項9】

前記対話環境に対する第２のクエリを受信するステップと、
前記第１の訓練済みニューラル・ネットワークを使用して、前記提供されたコンテキスト内に第２の回答がないと判断するステップと、
前記第２の回答に関するエラーを示す情報伝達型応答を生成するステップと
をさらに含む、請求項８に記載のコンピュータ実装方法。

【請求項10】

情報のコーパスを使用して、入力クエリに対する回答を決定するステップと、
少なくとも前記入力クエリを使用して、前記入力クエリの再構築を決定するステップと、
前記入力クエリの前記再構築及び前記回答に少なくとも部分的に基づいて、前記入力クエリに対する応答を生成するステップであって、前記応答が、前記入力クエリの少なくとも１つの構成要素が再配置された会話型フォーマットで前記回答を提示する、ステップと
を含む、方法。

【請求項11】

前記回答が、訓練済み抽出型質問回答モデルを使用して決定される、請求項１０に記載の方法。

【請求項12】

前記入力クエリの前記再構築が、生成型モデルを使用して決定される、請求項１０に記載の方法。

【請求項13】

入力クエリを受信するステップと、
前記入力クエリ及び情報の前記コーパスを第１の機械学習システムに提供するステップと
をさらに含む、請求項１０に記載の方法。

【請求項14】

前記入力クエリの前記再構築が、前記入力クエリに少なくとも部分的に基づいて制限される、請求項１０に記載の方法。

【請求項15】

前記応答を聴覚出力又はテキスト出力の少なくとも一方として提供するステップ
をさらに含む、請求項１０に記載の方法。

【請求項16】

対話環境に関連するクエリを受信することと、
第１の訓練済みニューラル・ネットワークを使用して、前記クエリに対する回答を決定することであって、前記回答が、対話環境情報のセットから抽出される、回答を決定することと、
第２の訓練済みニューラル・ネットワークを使用して、前記クエリの１つ又は複数の構成要素を決定することと、
前記第２の訓練済みニューラル・ネットワークを使用して、クエリ再構築を決定することであって、前記クエリ再構築が、前記１つ又は複数の構成要素の少なくとも一部の文の位置を変更する、クエリ再構築を決定することと、
前記回答を前記クエリ再構築と組み合わせて応答を形成することと、
前記クエリに応答して、前記応答を提供することと
を行うための１つ又は複数の処理ユニットを備える、プロセッサ。

【請求項17】

前記第１の訓練済みニューラル・ネットワークが抽出型質問回答モデルである、請求項１６に記載のプロセッサ。

【請求項18】

前記１つ又は複数の処理ユニットがさらに、
第２のクエリを受信し、
前記第１の訓練済みネットワークを使用して、第２の回答が対話環境情報の前記セット内にないと判断し、
前記第２のクエリに応答して、前記第２のクエリに対する応答が不可能であることを示すメッセージを提供する、請求項１６に記載のプロセッサ。

【請求項19】

前記１つ又は複数の処理ユニットがさらに、前記回答を前記第２の訓練済みニューラル・ネットワークに提供する、請求項１６に記載のプロセッサ。

【請求項20】

前記第２の訓練済みニューラル・ネットワークが生成型モデルである、請求項１６に記載のプロセッサ。

【発明の詳細な説明】

【技術分野】

【0001】

対話環境は、声入力などのユーザ入力を受信し、次いで、入力に対する応答を提供するために意図を推測する、会話型人工知能システムを含み得る。

【背景技術】

【0002】

システムは、入力に対する応答がテキスト・ブロックから抽出される抽出型質問回答モデル、又は入力に基づいて回答が明確化される生成型モデルを含んでもよい。多くの場合、これらのシステムからの応答は、一言の回答を提供するなど、会話型ではない。さらに、生成型システムがデータ・ソース内に見つからない情報を追加する可能性があるので、応答は、信頼性が低い可能性がある。これらのモデル又はハードコードの会話型応答を微調整しようと試みることは、時間がかかり、リソースを大量に消費するため、これらのモデルの適用性が制限される。

【0003】

図面を参照しながら、本開示による様々な実施例を説明する。

【図面の簡単な説明】

【0004】

【図1】少なくとも一実施例による、クエリ応答生成のためのパイプラインの実例を示す図である。

【図2】少なくとも一実施例による、クエリ応答生成のための実例環境を示す図である。

【図3A】少なくとも一実施例による、クエリ応答生成のための実例環境を示す図である。

【図3B】少なくとも一実施例による、クエリ応答生成のための実例環境を示す図である。

【図4】少なくとも一実施例による、クエリ応答生成のための実例プロセス・フローを示す図である。

【図5】少なくとも一実施例による、クエリ応答生成のためのプロセスの実例フロー・チャートである。

【図6】少なくとも一実施例による、クエリ応答生成のためのプロセスの実例フロー・チャートである。

【図7】少なくとも一実施例による、実例データ・センタ・システムを示す図である。

【図8】少なくとも一実施例による、コンピュータ・システムを示す図である。

【図9】少なくとも一実施例による、コンピュータ・システムを示す図である。

【図10】１つ又は複数の実施例による、グラフィックス・プロセッサの少なくとも一部分を示す図である。

【図11】１つ又は複数の実施例による、グラフィックス・プロセッサの少なくとも一部分を示す図である。

【発明を実施するための形態】

【0005】

様々な実施例による手法は、対話環境において明確な会話型応答を提供するためのシステム及び方法を提供する。少なくとも一実施例では、パイプラインは、抽出型質問回答（ＥＱＡ：ｅｘｔｒａｃｔｉｖｅ ｑｕｅｓｔｉｏｎ ａｎｓｗｅｒｉｎｇ）モデルを利用して、入力クエリに対する回答を取得する。次いで、この回答は、会話型応答を開発するためにゼロショット生成型モデルに渡されてもよい。ゼロショット生成型モデルは、ＥＱＡからの回答と最初の入力クエリとの両方を入力として取る回答拡張器（ＡＥ：ａｎｓｗｅｒ ｅｘｔｅｎｄｅｒ）と呼ばれる場合がある。次いで、ＡＥは、入力クエリに対する会話型応答を提供するための回答が挿入され得るように、入力クエリをどのように言い換えるかを決定してもよい。

【0006】

本開示の様々な実施例は、１つ又は複数の会話型人工知能（ＡＩ：ａｒｔｉｆｉｃｉａｌ ｉｎｔｅｌｌｉｇｅｎｃｅ）システムが、既存の手法と比較した場合により軽量で、訓練しやすく、展開しやすいシステムを提供しながら、入力された質問に人間が応答する方法により類似した会話応答を提供することを可能にすることができる。たとえば、実施例は、ユーザ体験が低下し、ユーザが将来サービスを利用する可能性が低くなる原因となり得る、非会話型応答（たとえば、１つの単語若しくは句の応答）又は誤った応答を提供する既存の手法の問題を克服することができる。図１に示す会話型ＡＩパイプライン１００は、入力クエリに対する応答を生成するために、順次的に配置された２つの訓練済みモデルの組合せを含む。少なくとも一実施例では、始動前の広範なタスク又はドメイン固有の訓練などの既存のシステムにおける不足に対処しながら各ネットワークの利点を得るために、順次的パイプライン内で２つ以上の異なるニューラル・ネットワーク・アーキテクチャが利用されてもよい。たとえば、システム及び方法は、応答を生成するための生成型ＡＥモデルと結合された、最初の入力クエリから回答を得るためのＥＱＡモデルを利用してもよい。これらの２つのモデルを組み合わせることにより、ＥＱＡモデルと生成型モデルとの両方の欠陥に対処して制限することができる。

【0007】

システム及び方法は、ＥＱＡモデルに関連する問題を克服することができ、提供されたコンテキスト・セットから回答（たとえば、単語のスパン）が得られる。これらのモデルは、入力が与えられた場合に適切なスパンを識別するように訓練され得るが、結果は、会話型様式ではなく、コンテキスト・セットの形式で提供される。たとえば、コンテキスト・セットに一連の文が含まれ、特定の句が回答に関連付けられている場合、ＥＱＡモデルは句のみを出力することになり、それにより、ユーザに十分な対話を提供できない可能性がある。規則ベースのモデルは、会話型応答を形成しようとして出力を取得し得るが、これらの規則は、一般に、システムごとにハードコード化されており、全体としてユース・ケースが非常に限られている場合がある。生成型モデルに関しては、これらのモデルが所与のデータ・ソースから逸脱する又は他の方法で外れる可能性があるので、提供された回答は信頼性が低い可能性があり、余剰の又は追加の情報を伴う回答につながる可能性がある。この余剰の情報は、モデルの重みに基づいて持続する事前訓練に由来してもよい。生成型システムは、チャット・ボットなどの対話環境でスタンドアロンの応答として使用される場合、正確な回答を提供するために、ドメイン固有のデータセットに対する大幅な微調整を必要とする。その結果、特定のドメイン用に大規模なデータ・セットが作成又は取得され、処理され、次いで、間違った回答若しくは信頼性の低い回答を削減又は他の方法で排除するよう試みるために、利用前に微調整／調整を訓練するために利用される。

【0008】

システム及び方法は、チャット・ボットなどの会話型ＡＩシステムの結果を改善することができる。実施例は、入力された質問を利用して自然に聞こえる又は会話のように聞こえる回答を生成するために、ＥＱＡとＡＥとを組み合わせるパイプラインを含む。一実例として、ユーザは、質問を含む入力を、情報セットを含む訓練済みＥＱＡモデルに提供してもよい。入力には、クエリとコンテキストとの両方が含まれてもよい。たとえば、提供されたコンテキストに基づいて、質問に応答する情報が回答として抽出されてもよい。次いで、この回答は、最初の入力クエリとともにＡＥに提供されてもよく、その結果、最初の入力クエリは、再構築され、回答と組み合わされて、会話型応答を提供する。しかしながら、回答がＥＱＡモデルに関連する情報に含まれていない場合、クエリに対する回答が利用できないことをユーザに示すなどの代替応答が提供されてもよい。少なくとも一実施例では、代替応答はまた、再構築すること又は他の方法で代替入力を提供することをユーザに要求してもよい。ＡＥは、入力された質問が自然な応答のように聞こえるように再構築され得るように、入力された質問を再配置するように訓練されたタスク固有のモデルであってもよい。このシステムは、回答における改善を実現するとともに、実際の回答が不明又は不明確な場合に間違った回答を提供し得る生成型モデルよりも高い信頼性を実現できる、会話型ＡＩシステムの開発を可能にする。さらに、ＥＱＡ及びＡＥモデルの展開は、極めて多くのパラメータを使用する他のモデルと比較した場合、リソースをあまり消費しない可能性がある。

【0009】

図示の例では、訓練済みモデルは、ＥＱＡ及びＡＥモデルを含んでもよく、ＥＱＡモデルはゼロショット・モデルに対応し、ＡＥは生成型モデルに対応する。様々な実施例は、例として、クエリが、クエリとコンテキストとの両方を含み得る入力を、会話型ＡＩシステムに関連付けられたインターフェースに送出することを可能にする。会話型ＡＩシステムが例としてのみ説明され得ること、並びに、システム及び方法が、情報が求められる他の機械学習又はＡＩの状況で利用され得ることを認識すべきである。

【0010】

この実例では、入力１０２は、システム、たとえば会話型ＡＩシステムによって、インターフェースで受信される。入力１０２は、クエリ及びコンテキストを含んでもよい。たとえば、クエリは、入力１０２において求められる質問又はデータに対応してもよい。コンテキストは、クエリが表される形式又は表現であってもよい。一実例として、「車の色は何色か？」などの句に対応する入力は、クエリ（たとえば、車の色）及びコンテキスト（たとえば、入力の構造）を含む。以下で説明するように、コンテキストは、入力を言い換えるか又は他の方法で再配置して、クエリに応答して決定された回答を挿入するために利用されてもよい。

【0011】

様々な実施例では、入力１０２は、キオスク又は声アシスタントを含み得る会話型ＡＩシステムにユーザによって提供される聴覚入力であってもよい。少なくとも一実施例では、入力１０２は、チャット・ボットを含むユーザ・デバイスを動作させているユーザによって提供される入力などのテキスト入力であり、インターフェースによってユーザは入力を入力することが可能になる。入力１０２は、他の選択肢の中でもとりわけ、聴覚入力又はテキスト入力を評価して入力から１つ又は複数の特徴を抽出する１つ又は複数の自然言語処理（ＮＬＰ：ｎａｔｕｒａｌ ｌａｎｇｕａｇｅ ｐｒｏｃｅｓｓｉｎｇ）システムなどを介して、１つ又は複数の処理ステップ又は前処理ステップを経てもよい。さらに、実施例では、入力プロセッサは、前処理（たとえば、トークン化、句読点の削除、ストップ・ワードの削除、ステミング、レンマ化など）、特徴抽出などのためのテキスト処理システムを含んでもよい。１つ又は複数の訓練済み機械学習システムが会話型ＡＩパイプライン１００にさらに組み込まれ得るが、本議論を明確にするためにここでは削除されていることを認識すべきである。

【0012】

クエリは、入力１０２から抽出され、ＥＱＡモデル１０４に提供され、ＥＱＡモデル１０４は、回答１０６を決定してもよい。ＥＱＡモデル１０４は、入力シーケンスの１つ又は複数の部分を抽出して、そのようなシーケンスに関連する自然言語の質問に回答するために利用される、訓練済みニューラル・ネットワークであってもよい。一実例として、「私は車を何色に塗装できるか」などの入力の場合、車の可能な色を識別するために、非構造化テキストが評価されてもよく、次いで、ユーザにそれらの色が提示されてもよい。たとえば、提供されたコンテキストが「車の色は白、黒、赤、黄、及びグレーである」などのテキスト・ブロックを含む場合、クエリに対する回答は「白、黒、赤、黄、及びグレー」になる。追加として、ＥＱＡが意図／スロット評価でも利用され得ることを認識すべきである。様々な実施例では、ＥＱＡモデルは、ＮＶＩＤＩＡ ＣｏｒｐｏｒａｔｉｏｎのＮｅＭｏなどの訓練済みニューラル・ネットワーク・システムであってもよい。

【0013】

少なくとも一実施例では、ＥＱＡモデル１０４は、情報ブロック又は提供されたコンテキストの使用を通じて、ある一定の状況又はタスク用に特化されてもよい。たとえば、一般化されたＥＱＡモデルは、所与のテキスト・ブロックについて、入力に基づいて情報を抽出するように訓練されてもよい。しかしながら、第１のチャット・ボットについては第１のテキスト・ブロック、第２のチャット・ボットについては第２のテキスト・ブロックなど、所与のシナリオについて、様々なテキスト・ブロックが利用されてもよい。このようにして、モデルがテキスト・ブロック又は他のタイプの提供されたコンテキストから入力の関連部分を抽出できる限り、モデルは、変化（ｔｕｒｎ）させられるか又は他の方法で様々なシナリオに適合されてもよい。

【0014】

ＥＱＡモデル１０４は、入力を評価して、提供されたコンテキストから回答１０６を識別してもよい。しかしながら、その回答１０６は会話型ではなく、入力に対応する単語又は句のシーケンス又はスパンである可能性がある。たとえば、「車は何色か？」という入力は、黄色い車の場合、「黄」という回答を返す可能性がある。この回答は正しく、ユーザに情報を提供するが、会話型ではなく、不快なユーザ体験を提供する可能性がある。したがって、本開示の実施例はさらに、回答１０６を会話型応答１１０に再構築するために、ＡＥモデル１０８を図示のパイプラインに組み込んでもよい。ＡＥモデル１０８はさらに、回答１０６を会話型応答１１０に再構築するときに、最初の入力１０２を受信してもよい。たとえば、ＡＥモデル１０８は、入力１０２を評価し、クエリがどのように提示されたかに関連する１つ又は複数の特徴を抽出し、次いで、応答１１０を生成してもよい。

【0015】

様々な実施例では、ＡＥモデル１０８は、生成型モデルであり、この生成型モデルは、ゼロショット・モデルであってもよい。ＡＥモデル１０８は、新しい情報が追加されるのではなく（たとえば、追加の回答が提供されるのではなく）、ＡＥモデル１０８に提供された情報のみを使用して応答１１０を生成するように訓練されてもよい。たとえば、生成型モデルは、文を作成し得るが、回答１０６を拡張又は他の方法で修正するための追加情報は追加しない。少なくとも一実施例では、ＡＥモデル１０８は、トピックに依存しないが、タスク固有であってもよい。すなわち、ＡＥモデル１０８に提供された回答１０６に関係なく、会話型応答１１０が生成されることになる。たとえば、文又は句を生成するために、モデルを英語などの特定の言語で訓練して、意味論的な規則及び品詞を識別してもよい。少なくとも一実施例では、ＡＥモデル１０８は、回答がどのように書き換えられ得るかを説明するために特定のデータ・セットで事前訓練されたＢＥＲＴモデルであってもよい。したがって、ＡＥモデル１０８は、入力のセットが与えられた場合に回答を書き換えるか又は他の方法で再構築するだけであるように、且つ、回答に対して新しい情報を生成することも他の方法で追加することもないように訓練される必要がある場合がある。したがって、このモデルは、回答１０６及び／又は入力１０２に基づいて応答１１０を生成するために、図示された順次的パイプラインに追加されてもよい。

【0016】

本開示の様々な実施例は、各モデルによって個別にもたらされる欠点又は他の欠陥を軽減しながらＥＱＡモデル１０４及びＡＥモデル１０８の利点を活用するために、図示のパイプライン１００を提供することができる。たとえば、上記のように、情報のコーパスから回答を提供するには様々なＥＱＡモデルで十分であり得るが、回答は通常、非会話型である。さらに、これらの非会話型回答を再構築するためにハードコード化又は他の方法で規則ベースのモデルを生成しようと試みることは、多くの場合困難であり、不十分な結果となるか、又は、モデルが展開される様々な状況について生成される個々の規則に起因して、実行不可能になる場合がある。ＡＥモデルなどの生成型モデルは、事前訓練中に学習した情報を追加することにより、回答がデータ・ソース又は提供されたコンテキストから逸脱する可能性があるので、信頼性の低い回答を提供する場合がある。結果として、生成型モデルから生成された回答は会話型であり得るが、正確性には疑問の余地がある。本開示の実施例は、ＥＱＡモデルとＡＥモデルとの両方を組み合わせることによって、正確性が高く既存の方法よりも低レンテンシの会話型応答を提供し得る会話型ＡＩシステムを提供する。さらに、様々な実施例は、オンプレミスで実行できるより軽量のモデルを提供し、それにより、そのようなシステムを展開できるエリアをより多く提供することができる。

【0017】

図２に示すように、環境２００は、１つ又は複数の会話型ＡＩとともに利用されてもよい。環境２００がより多くの又はより少ない構成要素を含み得ること、及び環境２００の様々な構成要素は単一のシステムに組み込まれ得るが、便宜上また明確にするために別個のモジュールとして示される場合があることを認識すべきである。この実例では、入力２０２は、１つ又は複数のネットワーク２０６を介して会話型システム２０４に送信される。ネットワーク２０６は、ユーザ・デバイス、サーバ構成要素、スイッチなどの１つ又は複数の中間システムを含む有線ネットワーク又は無線ネットワークであってもよい。さらに、データの少なくとも一部の送信がネットワーク２０６を利用せずにデバイス上でローカルで実行され得るように、会話型システム２０４の１つ又は複数の機能が、ユーザ・デバイス上に事前ロード又は他の方法で記憶され得ることを認識すべきである。

【0018】

環境２００は、１つ又は複数の処理ユニットを含んでもよく、１つ又は複数の処理ユニットは、ローカルにホストされても、１つ又は複数の分散システムの一部であってもよい。この実例では、入力２０２は、ローカル・クライアントにおいて提供されてもよく、ローカル・クライアントは、音入力などのユーザ入力を受信するように構成された１つ又は複数の電子デバイスを含んでもよく、オンシステム・メモリを介して、又は１つ若しくは複数のリモート・サーバへの１つ若しくは複数のネットワーク接続を介して、アーキテクチャ２００の追加部分に通信可能に結合される。入力２０２は、他の選択肢の中でもとりわけ、質問（たとえば、クエリ）又はコマンドの形式であり得る１つ又は複数の句を含むユーザ発話などの音声入力であってもよい。音声入力は例として提供されており、様々な実施例が、他の選択肢の中でもとりわけ、テキスト入力、画像入力、又は対話要素の選択をさらに含み得ることを認識すべきである。たとえば、ユーザはチャット・ボックスに質問をタイプ入力してもよい。別の実例では、ユーザは、評価及び抽出されたテキストを含む画像をアップロードしてもよい。さらなる実例では、ユーザは、一連の選択肢のうちの１つを選択してもよい。入力が、テキスト入力に付随する聴覚入力などの入力の組合せを含み得ることを認識すべきである。この実例では、ローカル・クライアントは、ローカル・クライアント上に記憶された且つ／又はローカル・クライアントによって実行される１つ又は複数のソフトウェア・プログラムを介して会話型システム２０４へのアクセスを提供してもよい。例として、ローカル・クライアントは、個人がエリアをナビゲートするのを支援するか、又は質問若しくはクエリに回答するために置かれたキオスクを含んでもよく、キオスクは、ユーザに対話環境の機能へのアクセスを提供するように構成されたソフトウェア命令を含んでもよい。別の実施例では、ローカル・クライアントは、接続されたインターフェース（たとえば、アプリ、ウェブサイトなど）を実行するユーザ・デバイスである。

【0019】

動作に際して、ユーザは、入力２０２をローカル・クライアントに提供し、ローカル・クライアントは、１つ又は複数の入力プロセッサ２０８をさらに含んでもよい。例として、入力プロセッサ２０８は、１つ又は複数の前処理ステップ、並びに自動音声認識、テキスト対音声処理、自然言語理解などを介した音声、画像、及び／又はテキスト入力の評価を実行してもよい。さらに、これらの機能のうちの１つ又は複数がローカル・クライアント上で実行され得るか、又はローカル・クライアントが、オーディオ・ストリームの一部を送信するなどの処理のために入力プロセッサ２０８に入力を送信し得ることを認識すべきである。送信のサイズを縮小するために、送信の前又は後に、たとえば単語のステミング又は圧縮などの様々な処理ステップが実行され得ることを認識すべきである。

【0020】

入力プロセッサ２０８は、他の選択肢の中でもとりわけ、聴覚入力を評価して入力から１つ又は複数の特徴を抽出する１つ又は複数のＮＬＰシステムを含んでもよい。さらに、実施例では、入力プロセッサ２０８は、前処理（たとえば、トークン化、句読点の削除、ストップ・ワードの削除、ステミング、レンマ化など）、特徴抽出などのためのテキスト処理システムを含んでもよい。さらに、様々な実施例は、自動音声認識（ＡＳＲ：ａｕｔｏｍａｔｉｃ ｓｐｅｅｃｈ ｒｅｃｏｇｎｉｔｉｏｎ）、テキスト対音声処理などをさらに含んでもよい。これらのシステムのそのような例の１つは、ＮＶＩＤＩＡ ＣｏｒｐｏｒａｔｉｏｎのＲｉｖａなど、１つ又は複数のマルチモーダル会話型ＡＩサービスに関連付けられてもよい。入力プロセッサ２０８が、１つ又は複数の訓練済み機械学習システムを利用し得ること、及び会話型システム２０４の他の構成要素にさらに組み込まれ得ることを認識すべきである。

【0021】

この実例は、様々なＥＱＡシステム及びＡＥシステムとともに利用されるシステムなどの異なる機械学習システムを開発、訓練、及び始動するために利用され得る機械学習／ＮＬＰシステム２１０を含む。この実例では、システム２１０は、モデル・データ・ストア２１２及び訓練データ・ストア２１４を含む。より多くのデータ・ストアが利用されてもよいこと、及び個々のタイプのモデル又は訓練データのセットが異なるデータ・ストアに由来し得ることを認識すべきである。モデル・データ・ストア２１２は、ＮＬＰシステム、ＥＱＡモデル、ＡＥモデルなどの様々な実施例で利用され得る異なるタイプの機械学習モデルを含んでもよい。様々な実施例では、以前に訓練されたモデルは、モデル・データ・ストア２１２内に格納され、様々な会話型システムで呼出しが受信されたときに始動されてもよい。

【0022】

様々な実施例では、様々な機械学習システムを訓練及び／又は微調整するために、訓練データが利用されてもよい。訓練データは、データの異なる部分若しくはセットが異なる目的で抽出又はグループ化され得る、ＭＳＭＡＲＣＯなどの様々なデータ・セットに由来してもよい。たとえば、タスク固有のモデルを微調整又は他の方法で作成するために、異なるデータ・セットが利用されてもよい。対照的に、タスクに依存しないモデルも生成されてもよい。たとえば、１つ又は複数のＥＱＡモデルは、情報のコーパスからスパンを抽出するように訓練されてもよく、一方、１つ又は複数のＡＥモデルは、一般に、回答を評価及び再構築するように訓練されてもよい。モデル生成器２１６は、様々なＥＱＡモデルに情報のコーパスを提供することなどによって、使用のために異なるモデルを始動するか又は他の方法で準備してもよい。

【0023】

展開システム２１８は、ＥＱＡモデル２２０、ＡＥモデル２２２、及び出力生成器２２４を含む。ＥＱＡモデル２２０は、展開２１８の１つ又は複数のプロパティ、たとえば、展開２１８に関連するアプリケーションに少なくとも部分的に基づいて選択されてもよい。たとえば、特性の特定のセットを伴うチャット・ボットの場合、提供されたコンテキストがそのチャット・ボットに関連する情報に対応するというＥＱＡモデル２２０が選択されてもよい。しかしながら、上記のように、少なくとも一実施例では、ＡＥモデル２２２は、トピックに依存しないものであってもよく、結果として、様々な異なるＥＱＡモデルとともに、単一のＡＥモデル２２２が利用されてもよい。出力生成器２２４は、ＡＥモデル２２２から生成された応答を受信し、次いで、たとえば、テキスト出力、聴覚出力、又はそれらの組合せとして、情報をユーザにどのように提示するかを決定してもよい。このようにして、会話型システム２０４は、様々な異なるシナリオをサポートするために、機械学習システムの異なる構成を展開してもよい。

【0024】

本明細書に記載のように、様々な実施例は、ＥＱＡモデルなどの１つ又は複数の訓練済み機械学習システムを使用して、提供されたコンテキスト（たとえば、テキストのコーパス、データ・ソースなど）内の情報の識別を可能にする。しかしながら、このようなモデルは、会話型ではない回答を提供することが多く、したがって、ユーザが会話をしているように感じたいと望み得る又は他の方法で情報を自然な様式で受信することを望み得る、チャット・ボット又はデジタル・アシスタントなどの特定の状況においては、使用が制限される場合がある。図３Ａに示すように、対話環境３００は、情報セット３０２を含む。この情報セット３０２は、ユーザ・クエリに応答する回答が情報セット３０２内で識別されるという点で、提供されたコンテキストに対応してもよい。この実例は、情報セット３０２を、自然言語フォーマットでのフリー・テキスト、この場合は、一連の文として提供する。リスト（たとえば、色は白、黒、赤、黄、及びグレーである）、キーと値とのペア（たとえば、色：白、黒、赤、黄、グレー）など、様々な非構造化メモリ・スキーマが使用されてもよいことを認識すべきである。情報が様々な異なるフォーマットで提供されてもよいことを認識すべきである。

【0025】

入力３０４は、環境３００に提供される例示的なクエリを示しており、この場合、例示的なクエリは質問である。入力３０４が、テキスト入力（たとえば、ユーザがタイプ入力した）、聴覚入力（たとえば、声の対話）などであり得ることを認識すべきである。上記のように、聴覚入力の場合、１つ又は複数のＮＬＰシステムが、音声をテキストに変換してもよい。さらに、他の入力の場合、クエリを示す情報を抽出するために、１つ又は複数の機械学習システムが利用されてもよい。入力３０４が、環境３００によって評価されるプロセスを説明するための実例として提供されていること、及び、実施例では、環境を利用するユーザが、情報セット３０２及び／又は入力３０４を見ることはできないことを認識すべきである。すなわち、環境３００は、異なるユーザインターフェースがユーザに示されている間に、バックグラウンドで実行してもよい。この実例では、入力３０４は質問に対応し、質問は１つ又は複数の分類器によって識別されてもよい。さらに、様々な実施例では、質問が情報ベースの質問であるかどうかを判定するために、質問がさらに分析されてもよい。

【0026】

少なくとも一実施例では、回答３０６は、たとえばＥＱＡモデルを使用して、情報セット３０２から抽出される。たとえば、ＥＱＡモデルは、情報セット３０２の一部を評価して特定の単語又は特徴を識別し、次いで回答３０６を返すように訓練されてもよい。しかしながら、上記のように、ユーザがより自然な対話を望んでいる可能性があるので、回答を提供するだけでは不十分である場合がある。図示のように、節（ｐａｓｓａｇｅ）コンテキスト３０８は、回答が得られた情報セット３０２の部分に対応してもよい。この場合、回答を含む文が示されており、回答３０６は破線の境界ボックスによって識別されている。本開示の実施例は、会話型応答を生成するために、入力とともにこのコンテキストを利用する。

【0027】

図３Ｂに示すように、対話環境３２０は、情報セット３０２、入力３０４、回答３０６、及び節コンテキスト３０８を含む。図３Ａに関して述べたように、情報セット３０２は、所与の環境３２０に対して特別に選択されてもよく、入力３０４は、ユーザによって提供されてもよく、回答３０６は、１つ又は複数のＥＱＡモデルを介して決定されてもよく、節コンテキスト３０８は、回答３０６が識別された情報セット３０２内の文又はスパンに対応してもよい。しかしながら、この実例では、たとえばＡＥモデルを使用して、入力３０４及びコンテキスト３０８に少なくとも部分的に基づいて、応答３２２が生成されてもよい。次いで、この応答３２２は、１つ又は複数の形式（たとえば、テキスト、聴覚など）でユーザに提供されて、単に回答を提供するよりもより会話型である改善された応答を提供することができる。

【0028】

クエリに対する応答を提供するためのプロセス・フロー５００を図４に示す。少なくとも一実施例では、様々なソフトウェアモジュールを利用して、図示のフローの様々なステップを実行することができ、１つ又は複数の構成要素は、ローカル・クライアント上でローカルにホストされてもよく、又はリモート・サーバなどの１つ又は複数のネットワークを介して、若しくは分散コンピューティング環境の一部としてアクセス可能であってもよい。この実例では、入力４０２は、発話、テキスト入力、画像入力、選択、又はそれらの組合せであり得るユーザ・クエリに対応するフローを開始する。たとえば、ユーザは、環境に「車は何色か？」と質問してもよい。この発話は、ユーザが、車の画像又はレンダリングを表示する環境と対話している場合、又はユーザが車に関する情報を受け取り、現在、車に関する決定を下すのに有用であり得る追加情報を求めている場合に対応するものであり得る。入力は、たとえばマイクロフォンを介して１つ又は複数のローカル・クライアントによって受信されてもよく、ローカル・クライアント上で、又は１つ若しくは複数のリモート・システムを使用してさらに処理されてもよい。

【0029】

様々な実施例は、ＥＱＡモデル４０４を利用して、入力クエリに関連する回答を決定する。ＥＱＡモデル４０４は、ここでは、この実例では「何色？」として示されている、入力の意図又は所望の出力を決定し、入力４０２を受信する対話環境に関連する情報のコーパスに対応し得るコンテキスト４０６から情報を抽出する、訓練済みニューラル・ネットワークであってもよい。抽出された情報は、入力４０２に回答することになる回答４０８として提供され得るが、図示のように、会話型ではなく、この場合は単一の単語である。

【0030】

様々な実施例では、ＡＥモデル４１０は、ユーザに回答４０８を提示するための会話応答４１２をどのように言い換えるか又は他の方法で生成するかを決定するために、入力４０２及び／又はコンテキスト４０６とともに回答４０８を受信してもよい。たとえば、ＡＥモデル４１０は、応答４１２を生成するために、句内の単語を再配置すること、回答のコンテキストを再配置すること、又は他の方法で応答を生成することなどによって、入力４０２を言い表す又は他の方法で使用してもよい。したがって、実施例は、入力４０２を会話型応答４１２に再構築するために、ＡＥモデル４１０を追加することによって、ＥＱＡモデル４０４によって取得された回答を改善することができる。

【0031】

図５は、ユーザの意図を決定して対話環境内でアクションを実行するため実例プロセス５００を示す。本明細書で提示する上記のプロセス及び他のプロセスについて、同様の順番で、若しくは代替的な順番で、又は少なくとも一部が並行して実行される追加の、より少ない、又は代替的なステップが、別段の記載のない限り様々な実施例の範囲内で存在してもよいことが理解されるべきである。この実例では、対話環境でクエリが受信される５０２。クエリは、とりわけ、聴覚入力又はテキスト入力などの入力であってもよい。少なくとも一実施例では、クエリは、対話環境に関連する情報を求めるクエリ又は要求を含む。

【0032】

上記のようにＥＱＡであり得る第１の訓練済みニューラル・ネットワークは、クエリに対する回答を決定してもよい５０４。回答は、対話環境に関連する情報のコーパスから抽出されてもよい。たとえば、プロバイダは、情報から評価及び抽出され得る情報を含んでもよく、この情報は、自然言語、リスト、ペアなどであってもよい。少なくとも一実施例では、回答は、情報のコーパスのスパン又はセクションを含む。回答及びクエリは、第２の訓練済みニューラル・ネットワークに提供されてもよい５０６。第２の訓練済みニューラル・ネットワークは、クエリを再構築し且つ／又は回答のコンテキストから情報をユーザにどのように会話型の方法で提示するかを決定する、上記のＡＥモデルなどの生成型モデルであってもよい。第２の訓練済みニューラル・ネットワークは、クエリに対する応答を生成してもよい５０８。応答が会話型であるように、応答は、入力クエリに基づき得る追加の単語又は句を伴う回答を含んでもよい。次いで、この応答は、ユーザに提供されてもよい５１０。このように、チャット・ボット又はデジタル・アシスタントなどの対話環境とのユーザ対話は、クエリに回答する１つの単語又は句よりも、より会話型である且つ／又は自然言語の応答に近い可能性がある。

【0033】

図６は、入力クエリに対する応答を生成するための実例プロセス６００を示す。この実例では、対話環境に対する入力が受信される６０２。入力は、質問（たとえば「車の色は何色か？」）などのクエリを含んでもよい。少なくとも一実施例では、入力は、要求（たとえば、「一般的なインフルエンザの症状を教えてほしい」）であってもよい。クエリは、環境コンテキストとともに、ＥＱＡモデルなどの第１の訓練済みニューラル・ネットワークに提供されてもよい６０４。環境コンテキストは、対話環境の使用中に回答され得る情報など、対話環境に関連する情報のコーパスを含んでもよい。この情報は、クエリに対する回答が環境コンテキスト内にあるかどうかを判定するために６０６、ＥＱＡモデルによって処理されてもよい。回答が環境コンテキスト内にない場合、そのクエリに対する応答を提供できないことをユーザに伝達するために、情報伝達型（ｉｎｆｏｒｍａｔｉｖｅ）応答が生成されてもよい６０８。このように、ＥＱＡモデルは、訓練段階中に学習する情報など、信頼性の低い情報を提供することはなく、それによりシステムの正確性が向上する。

【0034】

回答がコンテキスト内にある場合、回答は、環境コンテキストから抽出されてもよい６１０。少なくとも一実施例では、回答は、単語又は句を含むスパンに対応してもよい。回答自体が抽出されてもよく、又は、回答を含む文又はスパン全体が抽出されてもよい。回答は、入力クエリとともに、ＡＥモデルなどの第２の訓練済みニューラル・ネットワークに提供されてもよい６１２。ＡＥモデルは、入力の再構築を決定する６１４、生成型モデルであってもよく、再構築は、会話型応答を提供するために、単語の順序を変更する又は他の方法で入力の一部を再配置してもよい。少なくとも一実施例では、第２の訓練済みニューラル・ネットワークは、クエリ応答を生成するために、回答を構築と組み合わせてもよい６１６。結果として、ユーザは自分の入力に対する会話型の返答を受信することができ、これにより、対話環境でのユーザ体験が向上する可能性がある。

【0035】

データ・センタ
図７は、少なくとも一実施例が使用されてもよい例示的なデータ・センタ７００を示す。少なくとも一実施例では、データ・センタ７００は、データ・センタ・インフラストラクチャ層７１０、フレームワーク層７２０、ソフトウェア層７３０、及びアプリケーション層７４０を含む。

【0036】

図７に示すように、少なくとも一実施例では、データ・センタ・インフラストラクチャ層７１０は、リソース・オーケストレータ７１２と、グループ化済みコンピューティング・リソース７１４と、ノード・コンピューティング・リソース（「ノードＣ．Ｒ．」）７１６（１）～７１６（Ｎ）とを含んでもよく、ここで「Ｎ」は任意の正の整数を表す。少なくとも一実施例では、ノードＣ．Ｒ．７１６（１）～７１６（Ｎ）は、任意の数の中央処理装置（「ＣＰＵ」）又は（アクセラレータ、フィールド・プログラマブル・ゲート・アレイ（ＦＰＧＡ）、グラフィックス・プロセッサなどを含む）他のプロセッサ、メモリ・デバイス（たとえば、ダイナミック読取り専用メモリ）、ストレージ・デバイス（たとえば、半導体ドライブ又はディスク・ドライブ）、ネットワーク入力／出力（「ＮＷ Ｉ／Ｏ」：ｎｅｔｗｏｒｋ ｉｎｐｕｔ／ｏｕｔｐｕｔ）デバイス、ネットワーク・スイッチ、仮想機械（「ＶＭ」：ｖｉｒｔｕａｌ ｍａｃｈｉｎｅ）、電源モジュール、及び冷却モジュールを含んでもよいが、これらに限定されない。少なくとも一実施例では、ノードＣ．Ｒ．７１６（１）～７１６（Ｎ）のうち１つ又は複数のノードＣ．Ｒ．は、上述したコンピューティング・リソースのうちの１つ又は複数を有するサーバであってもよい。

【0037】

少なくとも一実施例では、グループ化済みコンピューティング・リソース７１４は、１つ若しくは複数のラック（図示せず）内に収容されたノードＣ．Ｒ．の別々のグループ、又は様々なグラフィカル・ロケーション（同じく図示せず）においてデータ・センタに収容された多数のラックを含んでもよい。グループ化済みコンピューティング・リソース７１４内のノードＣ．Ｒ．の別々のグループは、１つ若しくは複数のワークロードをサポートするように構成又は配分されてもよいグループ化済みのコンピュート・リソース、ネットワーク・リソース、メモリ・リソース、又はストレージ・リソースを含んでもよい。少なくとも一実施例では、ＣＰＵ又はプロセッサを含むいくつかのノードＣ．Ｒ．は、１つ又は複数のラック内でグループ化されて、１つ又は複数のワークロードをサポートするためのコンピュート・リソースが提供されてもよい。少なくとも一実施例では、１つ又は複数のラックはまた、任意の数の電源モジュール、冷却モジュール、及びネットワーク・スイッチを任意の組合せで含んでもよい。

【0038】

少なくとも一実施例では、リソース・オーケストレータ７１２は、１つ又は複数のノードＣ．Ｒ．７１６（１）～７１６（Ｎ）及び／若しくはグループ化済みコンピューティング・リソース７１４を構成してもよく、又は他のやり方で制御してもよい。少なくとも一実施例では、リソース・オーケストレータ７１２は、データ・センタ７００用のソフトウェア設計インフラストラクチャ（「ＳＤＩ」：ｓｏｆｔｗａｒｅ ｄｅｓｉｇｎ ｉｎｆｒａｓｔｒｕｃｔｕｒｅ）管理エンティティを含んでもよい。少なくとも一実施例では、リソース・オーケストレータは、ハードウェア、ソフトウェア、又はこれらの何らかの組合せを含んでもよい。

【0039】

図７に示す少なくとも一実施例では、フレームワーク層７２０は、ジョブ・スケジューラ７２２、構成マネージャ７２４、リソース・マネージャ７２６、及び分配ファイル・システム７２８を含む。少なくとも一実施例では、フレームワーク層７２０は、ソフトウェア層７３０のソフトウェア７３２、及び／又はアプリケーション層７４０の１つ若しくは複数のアプリケーション７４２をサポートするためのフレームワークを含んでもよい。少なくとも一実施例では、ソフトウェア７３２又はアプリケーション７４２はそれぞれ、アマゾン・ウェブ・サービス、グーグル・クラウド、及びマイクロソフト・アジュールによって提供されるものなど、ウェブ・ベースのサービス・ソフトウェア又はアプリケーションを含んでもよい。少なくとも一実施例では、フレームワーク層７２０は、大規模なデータ処理（たとえば「ビック・データ」）のために分配ファイル・システム７２８を使用することができるＡｐａｃｈｅ Ｓｐａｒｋ（商標）（以下「Ｓｐａｒｋ」）など、無料でオープン・ソースのソフトウェア・ウェブ・アプリケーション・フレームワークの一種であってもよいが、これに限定されない。少なくとも一実施例では、ジョブ・スケジューラ７２２は、データ・センタ７００の様々な層によってサポートされるワークロードのスケジューリングを容易にするために、Ｓｐａｒｋドライバを含んでもよい。少なくとも一実施例では、構成マネージャ７２４は、ソフトウェア層７３０、並びに大規模なデータ処理をサポートするためのＳｐａｒｋ及び分配ファイル・システム７２８を含むフレームワーク層７２０などの異なる層を構成することが可能であってもよい。少なくとも一実施例では、リソース・マネージャ７２６は、分配ファイル・システム７２８及びジョブ・スケジューラ７２２をサポートするようにマッピング若しくは配分されたクラスタ化済み又はグループ化済みのコンピューティング・リソースを管理することが可能であってもよい。少なくとも一実施例では、クラスタ化済み又はグループ化済みのコンピューティング・リソースは、データ・センタ・インフラストラクチャ層７１０にあるグループ化済みコンピューティング・リソース７１４を含んでもよい。少なくとも一実施例では、リソース・マネージャ７２６は、リソース・オーケストレータ７１２と連携して、これらのマッピング又は配分されたコンピューティング・リソースを管理してもよい。

【0040】

少なくとも一実施例では、ソフトウェア層７３０に含まれるソフトウェア７３２は、ノードＣ．Ｒ．７１６（１）～７１６（Ｎ）、グループ化済みコンピューティング・リソース７１４、及び／又はフレームワーク層７２０の分配ファイル・システム７２８のうちの少なくとも一部分によって使用されるソフトウェアを含んでもよい。１つ又は複数のタイプのソフトウェアは、インターネット・ウェブ・ページ検索ソフトウェア、電子メール・ウイルス・スキャン・ソフトウェア、データベース・ソフトウェア、及びストリーミング・ビデオ・コンテンツ・ソフトウェアを含んでもよいが、これらに限定されない。

【0041】

少なくとも一実施例では、アプリケーション層７４０に含まれるアプリケーション７４２は、ノードＣ．Ｒ．７１６（１）～７１６（Ｎ）、グループ化済みコンピューティング・リソース７１４、及び／又はフレームワーク層７２０の分配ファイル・システム７２８のうちの少なくとも一部分によって使用される１つ若しくは複数のタイプのアプリケーションを含んでもよい。１つ若しくは複数のタイプのアプリケーションは、任意の数のゲノム学アプリケーション、認識コンピュート、並びに訓練若しくは推論のソフトウェア、機械学習フレームワーク・ソフトウェア（たとえば、ＰｙＴｏｒｃｈ、ＴｅｎｓｏｒＦｌｏｗ、Ｃａｆｆｅなど）を含む機械学習アプリケーション、又は１つ若しくは複数の実施例と併せて使用される他の機械学習アプリケーションを含んでもよいが、これらに限定されない。

【0042】

少なくとも一実施例では、構成マネージャ７２４、リソース・マネージャ７２６、及びリソース・オーケストレータ７１２のうちのいずれかは、任意の技術的に実行可能なやり方で取得された任意の量及びタイプのデータに基づき、任意の数及びタイプの自己修正措置を実装してもよい。少なくとも一実施例では、自己修正措置は、データ・センタ７００のデータ・センタ演算子が、不良の恐れのある構成を決定しないようにし、十分に利用されていない且つ／又は性能の低いデータ・センタの部分をなくせるようにしてもよい。

【0043】

少なくとも一実施例では、データ・センタ７００は、１つ若しくは複数の機械学習モデルを訓練し、又は本明細書に記載の１つ若しくは複数の実施例による１つ若しくは複数の機械学習モデルを使用して情報を予測若しくは推論するためのツール、サービス、ソフトウェア、又は他のリソースを含んでもよい。たとえば、少なくとも一実施例では、機械学習モデルは、データ・センタ７００に関して上述したソフトウェア及びコンピューティング・リソースを使用して、ニューラル・ネットワーク・アーキテクチャに従って重みパラメータを計算することによって、訓練されてもよい。少なくとも一実施例では、１つ又は複数のニューラル・ネットワークに対応する訓練済み機械学習モデルは、本明細書に記載の１つ又は複数の技法によって計算された重みパラメータを使用することにより、データ・センタ７００に関して上述したリソースを使用して、情報を推論又は予測するために使用されてもよい。

【0044】

少なくとも一実施例では、データ・センタは、上述したリソースを使用して訓練及び／又は推論を実行するために、ＣＰＵ、特定用途向け集積回路（ＡＳＩＣ）、ＧＰＵ、ＦＰＧＡ、又は他のハードウェアを使用してもよい。さらに、上述した１つ又は複数のソフトウェア及び／又はハードウェアのリソースは、画像認識、音声認識、又は他の人工知能サービスなどの情報の訓練又は推論の実行を、ユーザが行えるようにするためのサービスとして構成されてもよい。

【0045】

こうした構成要素を使用して、対話環境内でコマンドを実行することができる。

【0046】

コンピュータ・システム
図８は、例示的なコンピュータ・システムを示すブロック図であり、このコンピュータ・システムは、少なくとも一実施例による、命令を実行するための実行ユニットを含んでもよいプロセッサとともに形成された、相互接続されたデバイス及び構成要素、システム・オン・チップ（ＳｏＣ）、又はこれら８００の何らかの組合せを有するシステムであってもよい。少なくとも一実施例では、コンピュータ・システム８００は、本明細書に記載の実施例などにおいて本開示に従ってデータを処理するためのアルゴリズムを実行する論理を含む実行ユニットを使用するための、プロセッサ８０２などの構成要素を、限定することなく含んでもよい。少なくとも一実施例では、コンピュータ・システム８００は、カリフォルニア州サンタクララのインテルコーポレーションから入手可能なＰＥＮＴＩＵＭ（登録商標）プロセッサ・ファミリー、ＸｅｏｎＴＭ、Ｉｔａｎｉｕｍ（登録商標）、ＸＳｃａｌｅＴＭ及び／又はＳｔｒｏｎｇＡＲＭＴＭ、Ｉｎｔｅｌ（登録商標）Ｃｏｒｅ（商標）、又はＩｎｔｅｌ（登録商標）Ｎｅｒｖａｎａ（商標）マイクロプロセッサなどのプロセッサを含んでもよいが、（他のマイクロプロセッサ、エンジニアリング・ワークステーション、セット・トップ・ボックスなどを有するＰＣを含め）他のシステムが使用されてもよい。少なくとも一実施例では、コンピュータ・システム８００は、ワシントン州、レドモンドのマイクロソフトコーポレーションから入手可能なＷＩＮＤＯＷＳ（登録商標）のオペレーティング・システムのあるバージョンを実行してもよいが、他のオペレーティング・システム（たとえば、ＵＮＩＸ（登録商標）及びＬｉｎｕｘ（登録商標））、組み込みソフトウェア、及び／又はグラフィカル・ユーザ・インターフェースが使用されてもよい。

【0047】

実施例は、携帯型デバイス及び組み込みアプリケーションなど、他のデバイスで使用されてもよい。携帯型デバイスのいくつかの例は、セルラー・フォン、インターネット・プロトコル・デバイス、デジタル・カメラ、パーソナル・デジタル・アシスタント（「ＰＤＡ」：ｐｅｒｓｏｎａｌ ｄｉｇｉｔａｌ ａｓｓｉｓｔａｎｔｓ）、及び携帯型ＰＣを含む。少なくとも一実施例では、組み込みアプリケーションは、マイクロコントローラ、デジタル信号プロセッサ（「ＤＳＰ」：ｄｉｇｉｔａｌ ｓｉｇｎａｌ ｐｒｏｃｅｓｓｏｒ）、システム・オン・チップ、ネットワーク・コンピュータ（「ＮｅｔＰＣ」：ｎｅｔｗｏｒｋ ｃｏｍｐｕｔｅｒｓ）、エッジ・コンピューティング・デバイス、セット・トップ・ボックス、ネットワーク・ハブ、広域ネットワーク（「ＷＡＮ」：ｗｉｄｅ ａｒｅａ ｎｅｔｗｏｒｋ）スイッチ、又は少なくとも一実施例による１つ又は複数の命令を実行することができる任意の他のシステムを含んでもよい。

【0048】

少なくとも一実施例では、コンピュータ・システム８００は、限定することなくプロセッサ８０２を含んでもよく、このプロセッサ８０２は限定することなく、本明細書に記載の技法による機械学習モデルの訓練及び／又は推論を実行するための１つ又は複数の実行ユニット８０８を含んでもよい。少なくとも一実施例では、コンピュータ・システム８００は、シングル・プロセッサのデスクトップ又はサーバ・システムであるが、別の実施例では、コンピュータ・システム８００はマルチプロセッサ・システムであってもよい。少なくとも一実施例では、プロセッサ８０２は、限定することなく、複合命令セット・コンピュータ（「ＣＩＳＣ」：ｃｏｍｐｌｅｘ ｉｎｓｔｒｕｃｔｉｏｎ ｓｅｔ ｃｏｍｐｕｔｅｒ）マイクロプロセッサ、縮小命令セット・コンピューティング（「ＲＩＳＣ」）マイクロプロセッサ、超長命令語（「ＶＬＩＷ」）マイクロプロセッサ、命令セットの組合せを実装するプロセッサ、又は任意の他のプロセッサ・デバイス、たとえばデジタル信号プロセッサなどを含んでもよい。少なくとも一実施例では、プロセッサ８０２は、プロセッサ・バス８１０に結合されてもよく、このプロセッサ・バスは、プロセッサ８０２とコンピュータ・システム８００内の他の構成要素との間でデータ信号を送信してもよい。

【0049】

少なくとも一実施例では、プロセッサ８０２は、限定することなく、レベル１（「Ｌ１」）の内部キャッシュ・メモリ（「キャッシュ」）８０４を含んでもよい。少なくとも一実施例では、プロセッサ８０２は、単一の内部キャッシュ又は複数レベルの内部キャッシュを有してもよい。少なくとも一実施例では、キャッシュ・メモリは、プロセッサ８０２の外部にあってもよい。他の実施例は、特定の実装形態及び必要性に応じて、内部キャッシュと外部キャッシュの両方の組合せも含んでよい。少なくとも一実施例では、レジスタ・ファイル８０６は、整数レジスタ、浮動小数点レジスタ、状態レジスタ、及び命令ポインタ・レジスタを限定することなく含む様々レジスタに、異なるタイプのデータを記憶してもよい。

【0050】

少なくとも一実施例では、整数及び浮動小数点の演算を実行するための論理を限定することなく含む実行ユニット８０８も、プロセッサ８０２にある。少なくとも一実施例では、プロセッサ８０２は、ある一定のマクロ命令のためのマイクロコードを記憶するマイクロコード（「ｕコード」）読取り専用メモリ（「ＲＯＭ」：ｒｅａｄ ｏｎｌｙ ｍｅｍｏｒｙ）も含んでよい。少なくとも一実施例では、実行ユニット８０８は、パック命令セット８０９に対処する論理を含んでもよい。少なくとも一実施例では、パック命令セット８０９を、命令を実行する関連回路とともに汎用プロセッサの命令セットに含めることにより、多くのマルチメディア・アプリケーションによって使用される演算を、汎用プロセッサ８０２のパック・データを使用して実行することができる。１つ又は複数の実施例では、プロセッサのデータ・バスの全幅を使用してパック・データの演算を実行することによって、多くのマルチメディア・アプリケーションを加速し、より効率的に実行することができ、これにより、１度に１つのデータ要素に対して１つ又は複数の演算を実行するためにプロセッサのデータ・バス間でより小さい単位のデータを転送する必要をなくすことができる。

【0051】

少なくとも一実施例では、実行ユニット８０８はまた、マイクロコントローラ、組み込みプロセッサ、グラフィックス・デバイス、ＤＳＰ、及び他のタイプの論理回路において使用されてもよい。少なくとも一実施例では、コンピュータ・システム８００は、限定することなくメモリ８２０を含んでもよい。少なくとも一実施例では、メモリ８２０は、ダイナミック・ランダム・アクセス・メモリ（「ＤＲＡＭ」）デバイス、スタティック・ランダム・アクセス・メモリ（「ＳＲＡＭ」）デバイス、フラッシュ・メモリ・デバイス、又は他のメモリ・デバイスとして実装されてもよい。少なくとも一実施例では、メモリ８２０は、プロセッサ８０２によって実行されてもよいデータ信号によって表される命令８１９、及び／又はデータ８２１を記憶してもよい。

【0052】

少なくとも一実施例では、システム論理チップが、プロセッサ・バス８１０及びメモリ８２０に結合されてもよい。少なくとも一実施例では、システム論理チップは、限定することなく、メモリ・コントローラ・ハブ（「ＭＣＨ」：ｍｅｍｏｒｙ ｃｏｎｔｒｏｌｌｅｒ ｈｕｂ）８１６を含んでもよく、プロセッサ８０２は、プロセッサ・バス８１０を介してＭＣＨ８１６と通信してもよい。少なくとも一実施例では、ＭＣＨ８１６は、命令及びデータを記憶するため、及びグラフィックス・コマンド、データ、及びテクスチャを記憶するために、高帯域幅メモリ経路８１８をメモリ８２０に提供してもよい。少なくとも一実施例では、ＭＣＨ８１６は、プロセッサ８０２と、メモリ８２０と、コンピュータ・システム８００の他の構成要素との間でデータ信号を導き、プロセッサ・バス８１０と、メモリ８２０と、システムＩ／Ｏインターフェース８２２との間でデータ信号をブリッジしてもよい。少なくとも一実施例では、システム論理チップは、グラフィックス・コントローラに結合するためのグラフィックス・ポートを提供してもよい。少なくとも一実施例では、ＭＣＨ８１６は、高帯域幅メモリ経路８１８を介してメモリ８２０に結合されてもよく、グラフィックス／ビデオカード８１２は、アクセラレーテッド・グラフィックス・ポート（「ＡＧＰ」：Ａｃｃｅｌｅｒａｔｅｄ Ｇｒａｐｈｉｃｓ Ｐｏｒｔ）相互接続８１４を介してＭＣＨ８１６に結合されてもよい。

【0053】

少なくとも一実施例では、コンピュータ・システム８００は、ＭＣＨ８１６をＩ／Ｏコントローラ・ハブ（「ＩＣＨ」：Ｉ／Ｏ ｃｏｎｔｒｏｌｌｅｒ ｈｕｂ）８３０に結合するためのプロプライエタリ・ハブ・インターフェース・バスであるシステムＩ／Ｏ８２２を使用してもよい。少なくとも一実施例では、ＩＣＨ８３０は、ローカルのＩ／Ｏバスを介していくつかのＩ／Ｏデバイスに直接接続を提供してもよい。少なくとも一実施例では、ローカルＩ／Ｏバスは、周辺装置をメモリ８２０、チップセット、及びプロセッサ８０２に接続するための高速Ｉ／Ｏバスを、限定することなく含んでもよい。例としては、オーディオ・コントローラ８２９、ファームウェア・ハブ（「フラッシュＢＩＯＳ」）８２８、ワイヤレス・トランシーバ８２６、データ・ストレージ８２４、ユーザ入力及びキーボードのインターフェース８２５を含むレガシーＩ／Ｏコントローラ８２３、ユニバーサル・シリアル・バス（「ＵＳＢ」：Ｕｎｉｖｅｒｓａｌ Ｓｅｒｉａｌ Ｂｕｓ）などのシリアル拡張ポート８２７、及びネットワーク・コントローラ８３４が、限定することなく含まれてもよい。データ・ストレージ８２４は、ハード・ディスク・ドライブ、フロッピー（登録商標）・ディスク・ドライブ、ＣＤ－ＲＯＭデバイス、フラッシュ・メモリ・デバイス、又は他の大容量ストレージ・デバイスを備えてもよい。

【0054】

少なくとも一実施例では、図８は、相互接続されたハードウェア・デバイス又は「チップ」を含むシステムを示すが、一方他の実施例では、図８は例示的なシステム・オン・チップ（「ＳｏＣ」）を示してもよい。少なくとも一実施例では、デバイスは、プロプライエタリ相互接続、標準相互接続（たとえば、ＰＣＩｅ）、又はこれらの何らかの組合せで相互接続されてもよい。少なくとも一実施例では、コンピュータ・システム８００の１つ又は複数の構成要素は、コンピュート・エクスプレス・リンク（ＣＸＬ：ｃｏｍｐｕｔｅ ｅｘｐｒｅｓｓ ｌｉｎｋ）相互接続を使用して相互接続されてもよい。

【0055】

こうした構成要素を使用して、対話環境内でコマンドを実行することができる。

【0056】

図９は、少なくとも一実施例による、プロセッサ９１０を利用するための電子デバイス９００を示すブロック図である。少なくとも一実施例では、電子デバイス９００は、たとえば限定することなく、ノートブック、タワー・サーバ、ラック・サーバ、ブレード・サーバ、ラップトップ、デスクトップ、タブレット、モバイル・デバイス、電話、組み込みコンピュータ、又は任意の他の好適な電子デバイスであってもよい。

【0057】

少なくとも一実施例では、システム９００は、任意の好適な数又は種類の構成要素、周辺装置、モジュール、若しくはデバイスに通信可能に結合されたプロセッサ９１０を、限定することなく含んでもよい。少なくとも一実施例では、プロセッサ９１０は、Ｉ°Ｃバス、システム・マネージメント・バス（「ＳＭＢｕｓ」：Ｓｙｓｔｅｍ Ｍａｎａｇｅｍｅｎｔ Ｂｕｓ）、ロー・ピン・カウント（ＬＰＣ：Ｌｏｗ Ｐｉｎ Ｃｏｕｎｔ）バス、シリアル・ペリフェラル・インターフェース（「ＳＰＩ」：Ｓｅｒｉａｌ Ｐｅｒｉｐｈｅｒａｌ Ｉｎｔｅｒｆａｃｅ）、ハイ・デフィニション・オーディオ（「ＨＤＡ」：Ｈｉｇｈ Ｄｅｆｉｎｉｔｉｏｎ Ａｕｄｉｏ）バス、シリアル・アドバンス・テクノロジー・アタッチメント（「ＳＡＴＡ」：Ｓｅｒｉａｌ Ａｄｖａｎｃｅ Ｔｅｃｈｎｏｌｏｇｙ Ａｔｔａｃｈｍｅｎｔ）バス、ユニバーサル・シリアル・バス（「ＵＳＢ」）（バージョン１、２、３）、又はユニバーサル非同期レシーバ／トランスミッタ（「ＵＡＲＴ」：Ｕｎｉｖｅｒｓａｌ Ａｓｙｎｃｈｒｏｎｏｕｓ Ｒｅｃｅｉｖｅｒ／Ｔｒａｎｓｍｉｔｔｅｒ）バスなどのバス若しくはインターフェースを使用して結合される。少なくとも一実施例では、図９は、相互接続されたハードウェア・デバイス又は「チップ」を含むシステムを示すが、一方他の実施例では、図９は例示的なシステム・オン・チップ（「ＳｏＣ」）を示してもよい。少なくとも一実施例では、図９に示すデバイスは、プロプライエタリ相互接続、標準相互接続（たとえば、ＰＣＩｅ）、又はこれらの何らかの組合せで相互接続されてもよい。少なくとも一実施例では、図９の１つ又は複数の構成要素は、コンピュート・エクスプレス・リンク（ＣＸＬ）相互接続を使用して相互接続されてもよい。

【0058】

少なくとも一実施例では、図９は、ディスプレイ９２４、タッチ画面９２５、タッチ・パッド９３０、近距離無線通信ユニット（「ＮＦＣ」：Ｎｅａｒ Ｆｉｅｌｄ Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ ｕｎｉｔ）９４５、センサ・ハブ９４０、熱センサ９４６、エクスプレス・チップセット（「ＥＣ」：Ｅｘｐｒｅｓｓ Ｃｈｉｐｓｅｔ）９３５、トラステッド・プラットフォーム・モジュール（「ＴＰＭ」：Ｔｒｕｓｔｅｄ Ｐｌａｔｆｏｒｍ Ｍｏｄｕｌｅ）９３８、ＢＩＯＳ／ファームウェア／フラッシュ・メモリ（「ＢＩＯＳ、ＦＷフラッシュ」：ＢＩＯＳ／ｆｉｒｍｗａｒｅ／ｆｌａｓｈ ｍｅｍｏｒｙ）９２２、ＤＳＰ９６０、ソリッド・ステート・ディスク（「ＳＳＤ」：Ｓｏｌｉｄ Ｓｔａｔｅ Ｄｉｓｋ）若しくはハード・ディスク・ドライブ（「ＨＤＤ」：Ｈａｒｄ Ｄｉｓｋ Ｄｒｉｖｅ）などのドライブ９２０、ワイヤレス・ローカル・エリア・ネットワーク・ユニット（「ＷＬＡＮ」：ｗｉｒｅｌｅｓｓ ｌｏｃａｌ ａｒｅａ ｎｅｔｗｏｒｋ ｕｎｉｔ）９５０、Ｂｌｕｅｔｏｏｔｈユニット９５２、ワイヤレス広域ネットワーク・ユニット（「ＷＷＡＮ」：Ｗｉｒｅｌｅｓｓ Ｗｉｄｅ Ａｒｅａ Ｎｅｔｗｏｒｋ ｕｎｉｔ）９５６、全地球測位システム（ＧＰＳ：Ｇｌｏｂａｌ Ｐｏｓｉｔｉｏｎｉｎｇ Ｓｙｓｔｅｍ）ユニット９５５、ＵＳＢ３．０カメラなどのカメラ（「ＵＳＢ３．０カメラ」）９５４、及び／又は、たとえばＬＰＤＤＲ３規格に実装された低電力ダブル・データ・レート（「ＬＰＤＤＲ」：Ｌｏｗ Ｐｏｗｅｒ Ｄｏｕｂｌｅ Ｄａｔａ Ｒａｔｅ）メモリ・ユニット（「ＬＰＤＤＲ３」）９１５を含んでもよい。これらの構成要素は、それぞれ任意の好適なやり方で実装されてもよい。

【0059】

少なくとも一実施例では、上述した構成要素を介して、他の構成要素がプロセッサ９１０に通信可能に結合されてもよい。少なくとも一実施例では、加速度計９４１、周囲光センサ（「ＡＬＳ」：Ａｍｂｉｅｎｔ Ｌｉｇｈｔ Ｓｅｎｓｏｒ）９４２、コンパス９４３、及びジャイロスコープ９４４が、センサ・ハブ９４０に通信可能に結合されてもよい。少なくとも一実施例では、熱センサ９３９、ファン９３７、キーボード９４６、及びタッチ・パッド９３０が、ＥＣ９３５に通信可能に結合されてもよい。少なくとも一実施例では、スピーカ９６３、ヘッドフォン９６４、及びマイクロフォン（「ｍｉｃ」）９６５が、オーディオ・ユニット（オーディオ・コーデック及びクラスｄアンプ）９６２に通信可能に結合されてもよく、このオーディオ・ユニットが、ＤＳＰ９６０に通信可能に結合されてもよい。少なくとも一実施例では、オーディオ・ユニット９６４は、たとえば限定することなく、オーディオ・コーダ／デコーダ（「コーデック」）及びクラスＤアンプリファイアを含んでもよい。少なくとも一実施例では、ＳＩＭカード（「ＳＩＭ」）９５７は、ＷＷＡＮユニット９５６に通信可能に結合されてもよい。少なくとも一実施例では、ＷＬＡＮユニット９５０及びＢｌｕｅｔｏｏｔｈユニット９５２などの構成要素、並びにＷＷＡＮ９５６は、次世代フォーム・ファクタ（「ＮＧＦＦ」：Ｎｅｘｔ Ｇｅｎｅｒａｔｉｏｎ Ｆｏｒｍ Ｆａｃｔｏｒ）に実装されてもよい。

【0060】

こうした構成要素を使用して、対話環境内でコマンドを実行することができる。

【0061】

図１０は、少なくとも一実施例による処理システムのブロック図である。少なくとも一実施例では、システム１０００は、１つ又は複数のプロセッサ１００２、及び１つ又は複数のグラフィックス・プロセッサ１００８を含み、単一プロセッサのデスクトップ・システム、マルチプロセッサのワークステーション・システム、又は多数の一括で若しくは別々に管理されるプロセッサ１００２若しくはプロセッサ・コア１００７を有するサーバ・システム若しくはデータ・センタであってもよい。少なくとも一実施例では、システム１０００は、モバイル・デバイス、携帯型デバイス、又は組み込みデバイスで使用するためのシステム・オン・チップ（ＳｏＣ）集積回路内に組み込まれた処理プラットフォームである。

【0062】

少なくとも一実施例では、システム１０００は、サーバ・ベースのゲーミング・プラットフォーム、クラウド・コンピューティング・ホスト・プラットフォーム、仮想化コンピューティング・プラットフォーム、ゲーム及びメディアのコンソールを含むゲーム・コンソール、携帯型ゲーム・コンソール、ハンドヘルド・ゲーム・コンソール、若しくはオンライン・ゲーム・コンソールを含んでもよく、又はそれらに組み込まれてもよい。少なくとも一実施例では、システム１０００は、モバイル・フォン、スマート・フォン、タブレット・コンピューティング・デバイス、又はモバイル・インターネット・デバイスである。少なくとも一実施例では、処理システム１０００はまた、スマート・ウォッチ・ウェアラブル・デバイス、スマート・アイウェア・デバイス、拡張現実デバイス、エッジデバイス、モノのインターネット（「ＩｏＴ：Ｉｎｔｅｒｎｅｔ ｏｆ Ｔｈｉｎｇｓ」）デバイス、若しくは仮想現実デバイスなどのウェアラブル・デバイスを含んでもよく、それらに結合されてもよく、又はそれらのなかに一体化されてもよい。少なくとも一実施例では、処理システム１０００は、１つ又は複数のプロセッサ１００２と、１つ又は複数のグラフィックス・プロセッサ１００８によって生成されるグラフィカル・インターフェースとを有するテレビ又はセット・トップ・ボックス・デバイスである。

【0063】

少なくとも一実施例では、１つ又は複数のプロセッサ１００２はそれぞれ、実行されたときにシステム及びユーザ・ソフトウェアのための動作を実行する命令を処理するための１つ又は複数のプロセッサ・コア１００７を含む。少なくとも一実施例では、１つ又は複数のプロセッサ・コア１００７のそれぞれは、特定の命令セット１００９を処理するように構成される。少なくとも一実施例では、命令セット１００９は、複合命令セット・コンピューティング（ＣＩＳＣ）、縮小命令セット・コンピューティング（ＲＩＳＣ）、又は超長命令語（ＶＬＩＷ）を介したコンピューティングを容易にしてもよい。少なくとも一実施例では、プロセッサ・コア１００７はそれぞれ、異なる命令セット１００９を処理してもよく、この命令セットは、他の命令セットのエミュレーションを容易にする命令を含んでもよい。少なくとも一実施例では、プロセッサ・コア１００７はまた、デジタル信号プロセッサ（ＤＳＰ）などの他の処理デバイスを含んでもよい。

【0064】

少なくとも一実施例では、プロセッサ１００２はキャッシュ・メモリ１００４を含む。少なくとも一実施例では、プロセッサ１００２は、単一の内部キャッシュ又は複数レベルの内部キャッシュを有してもよい。少なくとも一実施例では、キャッシュ・メモリは、プロセッサ１００２の様々な構成要素間で共有される。少なくとも一実施例では、プロセッサ１００２はまた、外部キャッシュ（たとえば、レベル３（Ｌ３）キャッシュ又はラスト・レベル・キャッシュ（ＬＬＣ））（図示せず）を使用し、このキャッシュは、知られているキャッシュ・コヒーレンス技法を使用して、プロセッサ・コア１００７間で共有されてもよい。少なくとも一実施例では、さらにレジスタ・ファイル１００６がプロセッサ１００２に含まれ、このレジスタ・ファイルは、異なるタイプのデータを記憶するための異なるタイプのレジスタ（たとえば、整数レジスタ、浮動小数点レジスタ、状態レジスタ、及び命令ポインタ・レジスタ）を含んでもよい。少なくとも一実施例では、レジスタ・ファイル１００６は、汎用レジスタ又は他のレジスタを含んでもよい。

【0065】

少なくとも一実施例では、１つ又は複数のプロセッサ１００２は、１つ又は複数のインターフェース・バス１０１０に結合されて、アドレス、データ、又は制御信号などの通信信号を、プロセッサ１００２とシステム１０００内の他の構成要素との間で送信する。少なくとも一実施例では、インターフェース・バス１０１０は、一実施例では、ダイレクト・メディア・インターフェース（ＤＭＩ）バスのバージョンなどのプロセッサ・バスとすることができる。少なくとも一実施例では、インターフェース１０１０は、ＤＭＩバスに限定されず、１つ又は複数のペリフェラル・コンポーネント・インターコネクト・バス（たとえば、ＰＣＩ、ＰＣＩエクスプレス）、メモリ・バス、又は他のタイプのインターフェース・バスを含んでもよい。少なくとも一実施例では、プロセッサ１００２は、統合メモリ・コントローラ１０１６、及びプラットフォーム・コントローラ・ハブ１０３０を含む。少なくとも一実施例では、メモリ・コントローラ１０１６は、メモリ・デバイスとシステム１０００の他の構成要素との間の通信を容易にし、一方でプラットフォーム・コントローラ・ハブ（ＰＣＨ）１０３０は、ローカルＩ／Ｏバスを介してＩ／Ｏデバイスへの接続を提供する。

【0066】

少なくとも一実施例では、メモリ・デバイス１０２０は、ダイナミック・ランダム・アクセス・メモリ（ＤＲＡＭ）デバイス、スタティック・ランダム・アクセス・メモリ（ＳＲＡＭ）デバイス、フラッシュ・メモリ・デバイス、相変化メモリ・デバイス、又はプロセス・メモリとしての役割を果たすのに好適な性能を有する何らかの他のメモリ・デバイスとすることができる。少なくとも一実施例では、メモリ・デバイス１０２０は、システム１０００のためのシステム・メモリとして動作して、１つ又は複数のプロセッサ１００２がアプリケーション若しくはプロセスを実行するときに使用するためのデータ１０２２及び命令１０２１を記憶することができる。少なくとも一実施例では、メモリ・コントローラ１０１６はまた、任意選択の外部グラフィックス・プロセッサ１０１２と結合しており、このグラフィックス・プロセッサは、プロセッサ１００２内の１つ又は複数のグラフィックス・プロセッサ１００８と通信して、グラフィックス及びメディアの動作を実行してもよい。少なくとも一実施例では、ディスプレイ・デバイス１０１１は、プロセッサ１００２に接続することができる。少なくとも一実施例では、ディスプレイ・デバイス１０１１は、モバイル電子デバイス又はラップトップ・デバイスのような内部ディスプレイ・デバイス、又はディスプレイ・インターフェース（たとえば、ディスプレイ・ポートなど）を介して取り付けられる外部ディスプレイ・デバイスのうちの１つ又は複数を含むことができる。少なくとも一実施例では、ディスプレイ・デバイス１０１１は、仮想現実（ＶＲ）アプリケーション又は拡張現実（ＡＲ）アプリケーションで使用するための立体ディスプレイ・デバイスなどの頭部装着型ディスプレイ（ＨＭＤ）を含むことができる。

【0067】

少なくとも一実施例では、プラットフォーム・コントローラ・ハブ１０３０は、周辺装置が高速Ｉ／Ｏバスを介してメモリ・デバイス１０２０及びプロセッサ１００２に接続できるようにする。少なくとも一実施例では、Ｉ／Ｏ周辺装置は、オーディオ・コントローラ１０４６、ネットワーク・コントローラ１０３４、ファームウェア・インターフェース１０２８、ワイヤレス・トランシーバ１０２６、タッチ・センサ１０２５、データ・ストレージ・デバイス１０２４（たとえば、ハード・ディスク・ドライブ、フラッシュ・メモリなど）を含むが、これらに限定されない。少なくとも一実施例では、データ・ストレージ・デバイス１０２４は、ストレージ・インターフェース（たとえば、ＳＡＴＡ）を介して、又はペリフェラル・コンポーネント・インターコネクト・バス（たとえば、ＰＣＩ、ＰＣＩエクスプレス）などのペリフェラル・バスを介して、接続することができる。少なくとも一実施例では、タッチ・センサ１０２５は、タッチ画面センサ、圧力センサ、又は指紋センサを含むことができる。少なくとも一実施例では、ワイヤレス・トランシーバ１０２６は、ＷｉＦｉトランシーバ、Ｂｌｕｅｔｏｏｔｈトランシーバ、又は３Ｇ、４Ｇ、若しくはＬｏｎｇ Ｔｅｒｍ Ｅｖｏｌｕｔｉｏｎ（ＬＴＥ）トランシーバなどのモバイル・ネットワーク・トランシーバとすることができる。少なくとも一実施例では、ファームウェア・インターフェース１０２８は、システム・ファームウェアとの通信を可能にし、たとえば、ユニファイド・エクステンシブル・ファームウェア・インターフェース（ＵＥＦＩ）とすることができる。少なくとも一実施例では、ネットワーク・コントローラ１０３４は、有線ネットワークへのネットワーク接続を可能にすることができる。少なくとも一実施例では、高性能ネットワーク・コントローラ（図示せず）は、インターフェース・バス１０１０と結合する。少なくとも一実施例では、オーディオ・コントローラ１０４６は、多チャネル・ハイ・デフィニション・オーディオ・コントローラである。少なくとも一実施例では、システム１０００は、レガシー（たとえば、パーソナル・システム２（ＰＳ／２））デバイスをシステムに結合するための任意選択のレガシーＩ／Ｏコントローラ１０４０を含む。少なくとも一実施例では、プラットフォーム・コントローラ・ハブ１０３０は、キーボードとマウス１０４３の組合せ、カメラ１０４４、又は他のＵＳＢ入力デバイスなど、１つ又は複数のユニバーサル・シリアル・バス（ＵＳＢ）コントローラ１０４２の接続入力デバイスにも接続することができる。

【0068】

少なくとも一実施例では、メモリ・コントローラ１０１６及びプラットフォーム・コントローラ・ハブ１０３０のインスタンスは、外部グラフィックス・プロセッサ１０１２などの個別の外部グラフィックス・プロセッサに一体化されてもよい。少なくとも一実施例では、プラットフォーム・コントローラ・ハブ１０３０及び／又はメモリ・コントローラ１０１６は、１つ又は複数のプロセッサ１００２の外部にあってもよい。たとえば、少なくとも一実施例では、システム１０００は、外部のメモリ・コントローラ１０１６及びプラットフォーム・コントローラ・ハブ１０３０を含むことができ、これらは、プロセッサ１００２と通信するシステム・チップセット内のメモリ・コントローラ・ハブ及び周辺装置コントローラ・ハブとして構成されてもよい。

【0069】

こうした構成要素を使用して、対話環境内でコマンドを実行することができる。

【0070】

図１１は、少なくとも一実施例による、１つ又は複数のプロセッサ・コア１１０２Ａ～１１０２Ｎ、統合メモリ・コントローラ１１１４、及び統合グラフィックス・プロセッサ１１０８を有するプロセッサ１１００のブロック図である。少なくとも一実施例では、プロセッサ１１００は、破線の四角によって表される追加コア１１０２Ｎを含むそれ以下の数の追加コアを含むことができる。少なくとも一実施例では、プロセッサ・コア１１０２Ａ～１１０２Ｎのそれぞれは、１つ又は複数の内部キャッシュ・ユニット１１０４Ａ～１１０４Ｎを含む。少なくとも一実施例では、各プロセッサ・コアはまた、１つ又は複数の共有キャッシュ・ユニット１１０６にアクセスできる。

【0071】

少なくとも一実施例では、内部キャッシュ・ユニット１１０４Ａ～１１０４Ｎ、及び共有キャッシュ・ユニット１１０６は、プロセッサ１１００内のキャッシュ・メモリ階層を表す。少なくとも一実施例では、キャッシュ・メモリ・ユニット１１０４Ａ～１１０４Ｎは、各プロセッサ・コア内の命令及びデータのキャッシュの少なくとも１つのレベル、並びにレベル２（Ｌ２）、レベル３（Ｌ３）、レベル４（Ｌ４）などの共有中間レベル・キャッシュの１つ又は複数のレベル、又はキャッシュの他のレベルを含んでもよく、ここで外部メモリの前の最高レベルのキャッシュは、ＬＬＣとして分類される。少なくとも一実施例では、キャッシュ・コヒーレンス論理は、様々なキャッシュ・ユニット１１０６及び１１０４Ａ～１１０４Ｎ間でコヒーレンスを維持する。

【0072】

少なくとも一実施例では、プロセッサ１１００はまた、１つ又は複数のバス・コントローラ・ユニット１１１６とシステム・エージェント・コア１１１０のセットを含んでもよい。少なくとも一実施例では、１つ又は複数のバス・コントローラ・ユニット１１１６は、１つ又は複数のＰＣＩ若しくはＰＣＩエクスプレス・バスなどのペリフェラル・バスのセットを管理する。少なくとも一実施例では、システム・エージェント・コア１１１０は、様々なプロセッサ構成要素のための管理機能を提供する。少なくとも一実施例では、システム・エージェント・コア１１１０は、様々な外部メモリ・デバイス（図示せず）へのアクセスを管理するための１つ又は複数の統合メモリ・コントローラ１１１４を含む。

【0073】

少なくとも一実施例では、プロセッサ・コア１１０２Ａ～１１０２Ｎの１つ又は複数は、同時マルチスレッディングのサポートを含む。少なくとも一実施例では、システム・エージェント・コア１１１０は、マルチスレッドの処理中にコア１１０２Ａ～１１０２Ｎを調整し動作させるための構成要素を含む。少なくとも一実施例では、システム・エージェント・コア１１１０はさらに、電力制御ユニット（ＰＣＵ）を含んでもよく、このユニットは、プロセッサ・コア１１０２Ａ～１１０２Ｎ及びグラフィックス・プロセッサ１１０８の１つ又は複数の電力状態を調整するための論理及び構成要素を含む。

【0074】

少なくとも一実施例では、プロセッサ１１００はさらに、グラフィックス処理動作を実行するためのグラフィックス・プロセッサ１１０８を含む。少なくとも一実施例では、グラフィックス・プロセッサ１１０８は、共有キャッシュ・ユニット１１０６と、１つ又は複数の統合メモリ・コントローラ１１１４を含むシステム・エージェント・コア１１１０とに結合する。少なくとも一実施例では、システム・エージェント・コア１１１０はまた、１つ又は複数の結合されたディスプレイに対してグラフィックス・プロセッサの出力を行わせるためのディスプレイ・コントローラ１１１１を含む。少なくとも一実施例では、ディスプレイ・コントローラ１１１１はまた、少なくとも１つの相互接続を介してグラフィックス・プロセッサ１１０８に結合された別個のモジュールであってもよく、又はグラフィックス・プロセッサ１１０８内に一体化されていてもよい。

【0075】

少なくとも一実施例では、プロセッサ１１００の内部構成要素を結合するために、リング・ベースの相互接続ユニット１１１２が使用される。少なくとも一実施例では、ポイントツーポイント相互接続、スイッチ相互接続、又は他の技法などの代替的な相互接続ユニットが使用されてもよい。少なくとも一実施例では、グラフィックス・プロセッサ１１０８は、Ｉ／Ｏリンク１１１３を介してリング相互接続１１１２と結合する。

【0076】

少なくとも一実施例では、Ｉ／Ｏリンク１１１３は、様々なプロセッサ構成要素と、ｅＤＲＡＭモジュールなどの高性能組み込みメモリ・モジュール１１１８との間の通信を容易にするオン・パッケージＩ／Ｏ相互接続を含む多様なＩ／Ｏ相互接続のうちの少なくとも１つを表す。少なくとも一実施例では、プロセッサ・コア１１０２Ａ～１１０２Ｎのそれぞれ及びグラフィックス・プロセッサ１１０８は、共有ラスト・レベル・キャッシュとして組み込みメモリ・モジュール１１１８を使用する。

【0077】

少なくとも一実施例では、プロセッサ・コア１１０２Ａ～１１０２Ｎは、共通の命令セット・アーキテクチャを実行する同種のコアである。少なくとも一実施例では、プロセッサ・コア１１０２Ａ～１１０２Ｎは、命令セット・アーキテクチャ（ＩＳＡ）の観点から見れば異種であり、ここでプロセッサ・コア１１０２Ａ～１１０２Ｎのうちの１つ又は複数は、共通の命令セットを実行するが、プロセッサ・コア１１０２Ａ～１１０２Ｎのうちの１つ又は複数の他のコアは、共通の命令セットのサブセット、又は異なる命令セットを実行する。少なくとも一実施例では、プロセッサ・コア１１０２Ａ～１１０２Ｎは、マイクロ・アーキテクチャの観点から見れば異種であり、ここで電力消費量が相対的に高い１つ又は複数のコアは、電力消費量がより低い１つ又は複数のコアと結合する。少なくとも一実施例では、プロセッサ１１００は、１つ又は複数のチップ上に、又はＳｏＣ集積回路として実装することができる。

【0078】

こうした構成要素を使用して、対話環境内でコマンドを実行することができる。

【0079】

他の変形形態は、本開示の範囲内にある。したがって、開示した技法は、様々な修正及び代替的な構成が可能であるが、それらのうち一定の例示的な実施例が図面に示され、上で詳細に説明されてきた。しかし、特定の１つ又は複数の開示された形に本開示を限定する意図はなく、その反対に、特許請求の範囲に定義される開示の趣旨及び範囲に入るすべての修正形態、代替的な構成、及び等価物を網羅することを意図している。

【0080】

開示される実施例を説明する文脈において（特に、以下の特許請求の範囲の文脈において）「ａ」及び「ａｎ」及び「ｔｈｅ」という用語、並びに同様の指示語を使用することは、本明細書に別段の記載のない限り、又は文脈によって明らかに否定されない限り、単数と複数の両方を網羅すると解釈されるべきであり、用語の定義であると解釈されるべきではない。「備える（ｃｏｍｐｒｉｓｉｎｇ）」、「有する（ｈａｖｉｎｇ）」、「含む（ｉｎｃｌｕｄｉｎｇ）」、「収容する（ｃｏｎｔａｉｎｉｎｇ）」という用語は、別段の記載のない限り、オープンエンドの用語（「含むが、これに限定されない」を意味する）と解釈される。「接続される」という用語は、修飾されずに物理的接続を指している場合には、何か介在するものがあったとしても、部分的に又は完全に中に収容される、取り付けられる、又は互いに接合されるものとして解釈される。本明細書において値の範囲を詳述することは、本明細書において別段の記載がない限り、またそれぞれ別々の値が、本明細書に個々に詳述されているかのように明細書に組み込まれていない限り、範囲内に含まれるそれぞれ別々の値を個々に参照する簡潔な方法として機能することを単に意図しているにすぎない。「セット」（たとえば、「アイテムのセット」）又は「サブセット」という用語の使用は、文脈によって別段の記載がない、又は否定されていない限り、１つ又は複数の部材を備える空ではない集合として解釈されるべきである。さらに、文脈によって別段の記載がない、又は否定されていない限り、対応するセットの「サブセット」という用語は、対応するセットの厳密なサブセットを必ずしも指すのではなく、サブセットと対応するセットは等しくてもよい。

【0081】

「Ａ、Ｂ、及びＣのうちの少なくとも１つ」又は「Ａ、Ｂ、及びＣのうちの少なくとも１つ」という形の言い回しなどの結合語は、別段の具体的な記載のない限り、又は文脈によって明確に否定されていない限り、項目、用語などが、ＡかＢかＣである、又はＡとＢとＣのセットのいずれかの空でないサブセットであることを提示するために一般に使用される文脈で理解される。たとえば、３つの部材を有するセットの説明的な例では、「Ａ、Ｂ、及びＣのうちの少なくとも１つ」並びに「Ａ、Ｂ、及びＣのうちの少なくとも１つ」という結合句は、次のセットのうちのいずれかを指す：｛Ａ｝、｛Ｂ｝、｛Ｃ｝、｛Ａ、Ｂ｝、｛Ａ、Ｃ｝、｛Ｂ、Ｃ｝、｛Ａ、Ｂ、Ｃ｝。したがって、こうした結合語は、ある一定の実施例が、少なくとも１つのＡ、少なくとも１つのＢ、及び少なくとも１つのＣのそれぞれの存在を必要とすることを全体的に暗示するものではない。さらに、別段の記載のない、又は文脈によって否定されていない限り、「複数」という用語は、複数である状態を示す（たとえば、「複数の項目（ａ ｐｌｕｒａｌｉｔｙ ｏｆ ｉｔｅｍｓ）」は複数の項目（ｍｕｌｔｉｐｌｅ ｉｔｅｍｓ）を示す）。複数とは、少なくとも２つの項目であるが、明示的に、又は文脈によって示されている場合にはそれより多くてもよい。さらに、別段の記載のない、又は文脈からそうでないことが明らかでない限り、「～に基づく」という言い回しは、「少なくとも部分的に～に基づく」を意味し、「～だけに基づく」を意味しない。

【0082】

本明細書に記載のプロセスの動作は、本明細書に別段の記載のない、又は文脈によって明確に否定されない限り、任意の好適な順序で実行することができる。少なくとも一実施例では、本明細書に記載のプロセス（又はその変形及び／又は組合せ）などのプロセスは、実行可能命令で構成された１つ又は複数のコンピュータ・システムの制御下で実行され、１つ又は複数のプロセッサ上で、ハードウェアによって、又はそれらの組合せによって集合的に実行されるコード（たとえば、実行可能な命令、１つ若しくは複数のコンピュータ・プログラム、又は１つ若しくは複数のアプリケーション）として実装される。少なくとも一実施例では、コードは、たとえば１つ又は複数のプロセッサによって実行可能な複数の命令を備えるコンピュータ・プログラムの形で、コンピュータ読取り可能ストレージ媒体に記憶される。少なくとも一実施例では、コンピュータ読取り可能ストレージ媒体は、一時的な信号（たとえば、伝播する一時的な電気若しくは電磁送信）を除外するが、一時的な信号のトランシーバ内の非一時的なデータ・ストレージ回路（たとえば、バッファ、キャッシュ、及びキュー）を含む非一時的なコンピュータ読取り可能ストレージ媒体である。少なくとも一実施例では、コード（たとえば、実行可能コード又はソース・コード）は、１つ又は複数の非一時的なコンピュータ読取り可能ストレージ媒体のセットに記憶され、このストレージ媒体には、コンピュータ・システムの１つ又は複数のプロセッサによって実行されたときに（すなわち、実行された結果として）、コンピュータ・システムに本明細書に記載の動作を実行させる実行可能命令が記憶されている（又は、実行可能命令を記憶するための他のメモリを有する）。非一時的なコンピュータ読取り可能ストレージ媒体のセットは、少なくとも一実施例では、複数の非一時的なコンピュータ読取り可能ストレージ媒体を備え、複数の非一時的なコンピュータ読取り可能ストレージ媒体の個々の非一時的なストレージ媒体のうちの１つ又は複数には、すべてのコードがないが、複数の非一時的なコンピュータ読取り可能ストレージ媒体は、集合的にすべてのコードを記憶している。少なくとも一実施例では、実行可能命令は、異なる命令が異なるプロセッサによって実行されるように実行され、たとえば、非一時的なコンピュータ読取り可能ストレージ媒体は命令を記憶し、メインの中央処理装置（「ＣＰＵ」）は一部の命令を実行し、グラフィックス・プロセッシング・ユニット（「ＧＰＵ」）及び／又はデータ・プロセッシング・ユニット（「ＤＰＵ」）は他の命令を実行する。少なくとも一実施例では、コンピュータ・システムの異なる構成要素は、別々のプロセッサを有し、異なるプロセッサは、命令の異なるサブセットを実行する。

【0083】

したがって、少なくとも一実施例では、コンピュータ・システムは、本明細書に記載のプロセスの動作を単独で又は集合的に実行する１つ又は複数のサービスを実装するように構成され、こうしたコンピュータ・システムは、動作の実行を可能にする適用可能なハードウェア及び／又はソフトウェアで構成される。さらに、本開示の少なくとも一実施例を実装するコンピュータ・システムは、単一のデバイスであり、別の実施例では、異なるやり方で動作する複数のデバイスを備える分散型のコンピュータ・システムであり、それにより単一のデバイスがすべての動作を実行しないように分散型のコンピュータ・システムが本明細書に記載の動作を実行する。

【0084】

本明細書に提供されるあらゆる例、又は例示的な言葉（たとえば、「など」）の使用は、本開示の実施例をより明らかにすることだけを意図しており、別段の主張のない限り、本開示の範囲に制限を加えるものではない。本明細書のいかなる言葉も、特許請求されていない任意の要素を、本開示の実践に不可欠なものとして示すと解釈されるべきではない。

【0085】

本明細書に引用される出版物、特許出願、及び特許を含むすべての参考文献は、各参考文献が参照により組み込まれることがあたかも個別に明確に示され、その全体が本明細書に記載されたかのように、それと同程度まで参照により本明細書に組み込まれる。

【0086】

明細書及び特許請求の範囲において、「結合される」及び「接続される」という用語が、その派生語とともに使用されてもよい。これらの用語は、互いに同義語として意図されていない場合があることを理解すべきである。むしろ、特定の例では、「接続される」又は「結合される」は、２つ以上の要素が物理的又は電気的に互いに直接又は間接的に接触していることを示すために使用されてもよい。また「結合される」は、２つ以上の要素が直接互いに接触していないが、なお互いに連動又は相互作用することを意味してもよい。

【0087】

別段の具体的な記載のない限り、明細書全体を通して「処理する」、「コンピューティング」、「計算する」、又は「判定する」などの用語は、コンピューティング・システムのレジスタ及び／又はメモリ内の、電子的などの物理的な量として表されるデータをコンピューティング・システムのメモリ、レジスタ、又は他のそのような情報ストレージ・デバイス、送信デバイス、若しくはディスプレイ・デバイス内の物理的な量として同様に表される他のデータになるよう操作及び／又は変換するコンピュータ若しくはコンピューティング・システム、又は同様の電子コンピューティング・デバイスの行為及び／又はプロセスを指す。

【0088】

同様に、「プロセッサ」という用語は、レジスタ及び／又はメモリからの電子データを処理し、その電子データを、レジスタ及び／又はメモリに記憶することができる他の電子データに変換する任意のデバイス、又はデバイスの一部分を指してもよい。非限定的な例として、「プロセッサ」は、ＣＰＵ、ＧＰＵ、又はＤＰＵなどの汎用処理が可能な任意のプロセッサであってもよい。非限定的な例として、「プロセッサ」は、任意のマイクロコントローラ、又はＤＳＰ、画像信号プロセッサ（「ＩＳＰ：ｉｍａｇｅ ｓｉｇｎａｌ ｐｒｏｃｅｓｓｏｒ」）、算術論理装置（「ＡＬＵ：ａｒｉｔｈｍｅｔｉｃ ｌｏｇｉｃ ｕｎｉｔ」）、視覚処理装置（「ＶＰＵ：ｖｉｓｉｏｎ ｐｒｏｃｅｓｓｉｎｇ ｕｎｉｔ」）、ツリー・トラバーサル・ユニット（「ＴＴＵ：ｔｒｅｅ ｔｒａｖｅｒｓａｌ ｕｎｉｔ」）、レイ・トレーシング・コア、テンソル・トレーシング・コア、テンソル処理装置（「ＴＰＵ：ｔｅｎｓｏｒ ｐｒｏｃｅｓｓｉｎｇ ｕｎｉｔ」）、組み込み制御ユニット（「ＥＣＵ：ｅｍｂｅｄｄｅｄ ｃｏｎｔｒｏｌ ｕｎｉｔ」）などの専用処理装置であってもよい。非限定的な例として、「プロセッサ」は、ＰＶＡ：ｐｒｏｇｒａｍｍａｂｌｅ ｖｉｓｉｏｎ ａｃｃｅｌｅｒａｔｏｒ（プログラマブル・ビジョン・アクセラレータ）、ＤＬＡ：ｄｅｅｐ ｌｅａｒｎｉｎｇ ａｃｃｅｌｅｒａｔｏｒ（深層学習アクセラレータ）などのハードウェア・アクセラレータであってもよい。非限定的な例として、「プロセッサ」はまた、１つ又は複数の仮想マシンを実行する基礎となるハードウェア構成要素上でホストされる、ＣＰＵ、ＧＰＵなどの１つ又は複数の仮想インスタンスを含んでもよい。「コンピューティング・プラットフォーム」は、１つ又は複数のプロセッサを備えてもよい。本明細書で使用する「ソフトウェア」プロセスは、たとえば、タスク、スレッド、及び知的エージェントなど、経時的にワークを実行するソフトウェア及び／又はハードウェアのエンティティを含んでもよい。また、各プロセスは、命令を直列で又は並列で連続的に又は断続的に実行するための複数のプロセスを指してもよい。「システム」及び「方法」という用語は、１つ又は複数の方法をシステムが具体化することができ、方法がシステムと考えられてもよい場合に限り、本明細書において交換可能に使用される。

【0089】

本明細書では、アナログ・データ又はデジタル・データを得る、取得する、受信する、又はそれらをサブシステム、コンピュータ・システム、又はコンピュータ実装機械に入力することに言及することができる。アナログ・データ又はデジタル・データを得る、取得する、受信する、又は入力することは、関数呼出し、又はアプリケーション・プログラミング・インターフェースへの呼出しのパラメータとしてデータを受信するなど、様々なやり方で実現することができる。いくつかの実装形態では、アナログ・データ又はデジタル・データを得る、取得する、受信する、又は入力するプロセスは、直列又は並列のインターフェースを介してデータを転送することによって実現することができる。別の実装形態では、アナログ・データ又はデジタル・データを得る、取得する、受信する、又は入力するプロセスは、提供するエンティティから取得するエンティティにコンピュータ・ネットワークを介してデータを転送することによって実現することができる。また、アナログ・データ又はデジタル・データを提供する、出力する、送信する、送る、又は提示することにも言及することができる。様々な例では、アナログ・データ又はデジタル・データを提供する、出力する、送信する、送る、又は提示するプロセスは、関数呼出しの入力又は出力のパラメータ、アプリケーション・プログラミング・インターフェース若しくはプロセス間通信機構のパラメータとしてデータを転送することによって実現することができる。

【0090】

上の議論は、説明した技法の例示的な実装形態について述べているが、記載した機能を実装するために他のアーキテクチャが使用されてもよく、この他のアーキテクチャは、本開示の範囲内にあることが意図される。さらに、議論を目的として、役割の具体的な分配が定義されているが、様々な機能及び役割は、状況に応じて異なるやり方で分配及び分割されてもよい。

【0091】

さらに、主題は、構造的特徴及び／又は方法論的動作に特有の言語で説明されてきたが、添付の特許請求の範囲で特許請求される主題は、説明した特有の特徴又は動作に必ずしも限定されないことが理解されるべきである。むしろ、特有の特徴及び動作は、特許請求の範囲を実装する例示的な形として開示されている。

【図1】

【図2】

【図3A】

【図3B】

【図4】

【図5】

【図6】

【図7】

【図8】

【図9】

【図10】

【図11】

【外国語明細書】