知財求人 - 知財ポータルサイト「IP Force」
特開2024-147222サービス支援方法、サービス支援システム、およびプログラム
(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】P2024147222
(43)【公開日】2024-10-16
(54)【発明の名称】サービス支援方法、サービス支援システム、およびプログラム
(51)【国際特許分類】
G06Q 50/10 20120101AFI20241008BHJP
【ＦＩ】
G06Q50/10
【審査請求】未請求
【請求項の数】9
【出願形態】ＯＬ
(21)【出願番号】P 2023060094
(22)【出願日】2023-04-03
(71)【出願人】
【識別番号】000003193
【氏名又は名称】ＴＯＰＰＡＮホールディングス株式会社
(74)【代理人】
【識別番号】100149548
【弁理士】
【氏名又は名称】松沼 泰史
(74)【代理人】
【識別番号】100139686
【弁理士】
【氏名又は名称】鈴木 史朗
(74)【代理人】
【識別番号】100169764
【弁理士】
【氏名又は名称】清水 雄一郎
(74)【代理人】
【識別番号】100147267
【弁理士】
【氏名又は名称】大槻 真紀子
(72)【発明者】
【氏名】森 知佳子
【テーマコード（参考）】
5L049
5L050
【Ｆターム（参考）】
5L049CC12
5L050CC12
(57)【要約】
【課題】機械学習モデルの作成、販売、演算などのサービスを容易に提供することを支援する。
【解決手段】本開示の一態様は、機械学習モデルに関するサービスを提供する処理を支援するサービス支援方法であって、第１の利用者の操作に応じて学習データおよび機械学習モデルのアルゴリズムを選択し、選択された学習データおよびアルゴリズムに基づいて機械学習モデルを作成するステップと、作成された機械学習モデルに販売価格を設定して公開し、機械学習モデルに対応したＡＰＩ（Ａｐｐｌｉｃａｔｉｏｎ Ｐｒｏｇｒａｍｍｉｎｇ Ｉｎｔｅｒｆａｃｅ）の利用権限を第２の利用者に付与して第２の利用者に対応した端末装置に課金情報を送信する販売部と、機械学習モデルに対応したＡＰＩを生成し、ＡＰＩを利用して機械学習モデルに対する要求を受け付け、要求に基づいて機械学習モデルを用いた演算を行うステップと、を含む、サービス支援方法、である。
【選択図】図１
【解決手段】本開示の一態様は、機械学習モデルに関するサービスを提供する処理を支援するサービス支援方法であって、第１の利用者の操作に応じて学習データおよび機械学習モデルのアルゴリズムを選択し、選択された学習データおよびアルゴリズムに基づいて機械学習モデルを作成するステップと、作成された機械学習モデルに販売価格を設定して公開し、機械学習モデルに対応したＡＰＩ（Ａｐｐｌｉｃａｔｉｏｎ Ｐｒｏｇｒａｍｍｉｎｇ Ｉｎｔｅｒｆａｃｅ）の利用権限を第２の利用者に付与して第２の利用者に対応した端末装置に課金情報を送信する販売部と、機械学習モデルに対応したＡＰＩを生成し、ＡＰＩを利用して機械学習モデルに対する要求を受け付け、要求に基づいて機械学習モデルを用いた演算を行うステップと、を含む、サービス支援方法、である。
【選択図】図１
【特許請求の範囲】
【請求項1】
機械学習モデルに関するサービスを提供する処理を支援するサービス支援方法であって、
第１の利用者の操作に応じて学習データおよび機械学習モデルのアルゴリズムを選択し、選択された学習データおよびアルゴリズムに基づいて機械学習モデルを作成するステップと、
作成された前記機械学習モデルに販売価格を設定して公開し、前記機械学習モデルに対応したＡＰＩ（Ａｐｐｌｉｃａｔｉｏｎ Ｐｒｏｇｒａｍｍｉｎｇ Ｉｎｔｅｒｆａｃｅ）の利用権限を第２の利用者に付与して前記第２の利用者に対応した端末装置に課金情報を送信する販売部と、
前記機械学習モデルに対応したＡＰＩを生成し、前記ＡＰＩを利用して前記機械学習モデルに対する要求を受け付け、前記要求に基づいて前記機械学習モデルを用いた演算を行うステップと、
を含む、サービス支援方法。
第１の利用者の操作に応じて学習データおよび機械学習モデルのアルゴリズムを選択し、選択された学習データおよびアルゴリズムに基づいて機械学習モデルを作成するステップと、
作成された前記機械学習モデルに販売価格を設定して公開し、前記機械学習モデルに対応したＡＰＩ（Ａｐｐｌｉｃａｔｉｏｎ Ｐｒｏｇｒａｍｍｉｎｇ Ｉｎｔｅｒｆａｃｅ）の利用権限を第２の利用者に付与して前記第２の利用者に対応した端末装置に課金情報を送信する販売部と、
前記機械学習モデルに対応したＡＰＩを生成し、前記ＡＰＩを利用して前記機械学習モデルに対する要求を受け付け、前記要求に基づいて前記機械学習モデルを用いた演算を行うステップと、
を含む、サービス支援方法。
【請求項2】
前記第１の利用者に対応した端末装置から取得した学習データについて前記機械学習モデルのアルゴリズムを選択し、選択された前記学習データのラベルおよび前記機械学習モデルのアルゴリズムを前記第１の利用者に対応した端末装置に送信する、請求項１に記載のサービス支援方法。
【請求項3】
前記機械学習モデルおよび前記第１の利用者に対応した第１のＡＰＩ、前記機械学習モデルおよび前記第２の利用者に対応した第２のＡＰＩを生成する、請求項１に記載のサービス支援方法。
【請求項4】
前記機械学習モデルの販売時に、前記第２の利用者に対応した端末装置からの要求に基づいてＡＰＩを生成し、
前記機械学習モデルの販売時に、前記ＡＰＩを介して受け付けた前記第２の利用者に対応した端末装置からの要求に基づいて前記機械学習モデルの評価用データを受け付け、
受け付けられた前記評価用データを用いて前記機械学習モデルの評価を行い、
前記評価用データを前記機械学習モデルの再学習のためのデータとして前記機械学習モデルを再学習させる、請求項１に記載のサービス支援方法。
前記機械学習モデルの販売時に、前記ＡＰＩを介して受け付けた前記第２の利用者に対応した端末装置からの要求に基づいて前記機械学習モデルの評価用データを受け付け、
受け付けられた前記評価用データを用いて前記機械学習モデルの評価を行い、
前記評価用データを前記機械学習モデルの再学習のためのデータとして前記機械学習モデルを再学習させる、請求項１に記載のサービス支援方法。
【請求項5】
前記機械学習モデルの評価用データを受け付けた場合に前記評価用データを前記機械学習モデルに入力し、前記機械学習モデルの出力結果に基づいて精度を演算する、請求項４に記載のサービス支援方法。
【請求項6】
前記ＡＰＩごとに前記第１の利用者に対応した端末装置からの要求または前記第２の利用者に対応した端末装置からの要求に基づいて、再学習された前記機械学習モデルを利用するか否かを設定し、
前記ＡＰＩに再学習された前記機械学習モデルを利用すると設定されている場合、利用者から分析対象データを取得したことに応じて再学習された前記機械学習モデルに前記分析対象データを入力して分析結果を取得し、
前記ＡＰＩに再学習された前記機械学習モデルを利用しないと設定されている場合、利用者から分析対象データを取得したことに応じて再学習されていない前記機械学習モデルに前記分析対象データを入力して分析結果を取得する、
請求項１に記載のサービス支援方法。
前記ＡＰＩに再学習された前記機械学習モデルを利用すると設定されている場合、利用者から分析対象データを取得したことに応じて再学習された前記機械学習モデルに前記分析対象データを入力して分析結果を取得し、
前記ＡＰＩに再学習された前記機械学習モデルを利用しないと設定されている場合、利用者から分析対象データを取得したことに応じて再学習されていない前記機械学習モデルに前記分析対象データを入力して分析結果を取得する、
請求項１に記載のサービス支援方法。
【請求項7】
前記ＡＰＩごとに前記第１の利用者に対応した端末装置からの要求または前記第２の利用者に対応した端末装置からの要求に基づいて、前記ＡＰＩごとに前記機械学習モデルの評価用データを用いて前記機械学習モデルの再学習を行うか否かを設定し、
前記機械学習モデルの評価用データを用いて前記機械学習モデルの再学習を行うと設定されている場合、前記機械学習モデルの評価後、前記機械学習モデルの評価結果を用いて前記機械学習モデルの再学習を行う、
請求項１に記載のサービス支援方法。
前記機械学習モデルの評価用データを用いて前記機械学習モデルの再学習を行うと設定されている場合、前記機械学習モデルの評価後、前記機械学習モデルの評価結果を用いて前記機械学習モデルの再学習を行う、
請求項１に記載のサービス支援方法。
【請求項8】
機械学習モデルに関するサービスを提供する処理を支援するサービス支援システムであって、
第１の利用者の操作に応じて学習データおよび機械学習モデルのアルゴリズムを選択し、選択された学習データおよびアルゴリズムに基づいて機械学習モデルを作成する機能と、
作成された前記機械学習モデルに販売価格を設定して公開し、前記機械学習モデルに対応したＡＰＩ（Ａｐｐｌｉｃａｔｉｏｎ Ｐｒｏｇｒａｍｍｉｎｇ Ｉｎｔｅｒｆａｃｅ）の利用権限を第２の利用者に付与して前記第２の利用者に対応した端末装置に課金情報を送信する機能と、
前記機械学習モデルに対応したＡＰＩを生成し、前記ＡＰＩを利用して前記機械学習モデルに対する要求を受け付け、前記要求に基づいて前記機械学習モデルを用いた演算を行う機能と、
を有する、サービス支援システム。
第１の利用者の操作に応じて学習データおよび機械学習モデルのアルゴリズムを選択し、選択された学習データおよびアルゴリズムに基づいて機械学習モデルを作成する機能と、
作成された前記機械学習モデルに販売価格を設定して公開し、前記機械学習モデルに対応したＡＰＩ（Ａｐｐｌｉｃａｔｉｏｎ Ｐｒｏｇｒａｍｍｉｎｇ Ｉｎｔｅｒｆａｃｅ）の利用権限を第２の利用者に付与して前記第２の利用者に対応した端末装置に課金情報を送信する機能と、
前記機械学習モデルに対応したＡＰＩを生成し、前記ＡＰＩを利用して前記機械学習モデルに対する要求を受け付け、前記要求に基づいて前記機械学習モデルを用いた演算を行う機能と、
を有する、サービス支援システム。
【請求項9】
機械学習モデルに関するサービスを提供する処理を支援するサービス支援装置のコンピュータに、
第１の利用者の操作に応じて学習データおよび機械学習モデルのアルゴリズムを選択し、選択された学習データおよびアルゴリズムに基づいて機械学習モデルを作成するステップと、
作成された前記機械学習モデルに販売価格を設定して公開し、前記機械学習モデルに対応したＡＰＩ（Ａｐｐｌｉｃａｔｉｏｎ Ｐｒｏｇｒａｍｍｉｎｇ Ｉｎｔｅｒｆａｃｅ）の利用権限を第２の利用者に付与して前記第２の利用者に対応した端末装置に課金情報を送信するステップと、
前記機械学習モデルに対応したＡＰＩを生成し、前記ＡＰＩを利用して前記機械学習モデルに対する要求を受け付け、前記要求に基づいて前記機械学習モデルを用いた演算を行うステップと、
を実行させる、プログラム。
第１の利用者の操作に応じて学習データおよび機械学習モデルのアルゴリズムを選択し、選択された学習データおよびアルゴリズムに基づいて機械学習モデルを作成するステップと、
作成された前記機械学習モデルに販売価格を設定して公開し、前記機械学習モデルに対応したＡＰＩ（Ａｐｐｌｉｃａｔｉｏｎ Ｐｒｏｇｒａｍｍｉｎｇ Ｉｎｔｅｒｆａｃｅ）の利用権限を第２の利用者に付与して前記第２の利用者に対応した端末装置に課金情報を送信するステップと、
前記機械学習モデルに対応したＡＰＩを生成し、前記ＡＰＩを利用して前記機械学習モデルに対する要求を受け付け、前記要求に基づいて前記機械学習モデルを用いた演算を行うステップと、
を実行させる、プログラム。
【発明の詳細な説明】
【技術分野】
【0001】
本発明は、サービス支援方法、サービス支援システム、およびプログラムに関する。
【背景技術】
【0002】
従来、機械学習モデルを構築、利用、および管理するサービスが知られている。例えば、機械学習モデルにより大量のデータを分析することで予測または分類を行うサービスが知られている。機械学習モデルを利用することで、人間がデータを分析するよりも効率よくかつ自動的に各種の業務を推進することができる。
【0003】
例えば、特許文献１には、学習済みモデルの購入希望者が、任意の開発者により生成された学習済みモデルを購入可能な場を提供するための情報処理システムが記載されている。特許文献１に記載の学習済みモデルの提供を管理する情報処理システムは、第１者により生成された第１学習済みモデルを販売可能に公開し、第１学習済みモデルが第２者によって再学習されて生成された第２学習済みモデルを販売可能に公開し、第２学習済みモデルが購入されたことに応じて、第１者及び第２者へ報酬を付与している。
【先行技術文献】
【特許文献】
【0004】
【特許文献1】特開２０２２－８２４７８号公報
【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に記載された情報処理システムは、利用者によって機械学習モデルを生成することや、利用者によって機械学習モデルに再学習をさせるときに、機械学習技術についての専門的な知識が必要となる。また、機械学習モデルを販売するためには機械学習モデルを評価する必要があるが、特許文献１に記載された情報処理システムでは、機械学習モデルを評価するための販売者の負担が大きくなる可能性がある。
【0006】
さらに、機械学習モデルを再学習したときのバージョン管理など、情報処理システムにおける機械学習モデルを管理するための販売者の負担が大きくなる可能性がある。さらに、機械学習モデルにおける各種のアルゴリズムや多様な学習データに応じて学習済みの機械学習モデルが無数に存在する場合、学習済みの機械学習モデルを評価または比較することや、学習済みの機械学習モデルのバージョン等を管理することは更に困難となる。
【0007】
さらに、機械学習モデルを購入する判断材料となるパラメータは機械学習モデルにおける予測または分類の精度であるが、ある利用者にとって高い精度で予測または分類をすることができても、他の利用者にとって高い精度で予測または分類をすることができるとは限らない。
【0008】
本開示は、このような事情に鑑みてなされたもので、機械学習モデルの作成、販売、演算などのサービスを容易に提供することを支援することができるサービス支援方法、サービス支援システム、およびプログラムを提供することを目的としている。
【課題を解決するための手段】
【0009】
本開示は上述した課題を解決するためになされたもので、本開示の一態様は、機械学習モデルに関するサービスを提供する処理を支援するサービス支援方法であって、第１の利用者の操作に応じて学習データおよび機械学習モデルのアルゴリズムを選択し、選択された学習データおよびアルゴリズムに基づいて機械学習モデルを作成するステップと、作成された前記機械学習モデルに販売価格を設定して公開し、前記機械学習モデルに対応したＡＰＩ（Ａｐｐｌｉｃａｔｉｏｎ Ｐｒｏｇｒａｍｍｉｎｇ Ｉｎｔｅｒｆａｃｅ）の利用権限を第２の利用者に付与して前記第２の利用者に対応した端末装置に課金情報を送信する販売部と、前記機械学習モデルに対応したＡＰＩを生成し、前記ＡＰＩを利用して前記機械学習モデルに対する要求を受け付け、前記要求に基づいて前記機械学習モデルを用いた演算を行うステップと、を含む、サービス支援方法、である。
【0010】
本開示の他の態様は、機械学習モデルに関するサービスを提供する処理を支援するサービス支援システムであって、第１の利用者の操作に応じて学習データおよび機械学習モデルのアルゴリズムを選択し、選択された学習データおよびアルゴリズムに基づいて機械学習モデルを作成する機能と、作成された前記機械学習モデルに販売価格を設定して公開し、前記機械学習モデルに対応したＡＰＩ（Ａｐｐｌｉｃａｔｉｏｎ Ｐｒｏｇｒａｍｍｉｎｇ Ｉｎｔｅｒｆａｃｅ）の利用権限を第２の利用者に付与して前記第２の利用者に対応した端末装置に課金情報を送信する機能と、前記機械学習モデルに対応したＡＰＩを生成し、前記ＡＰＩを利用して前記機械学習モデルに対する要求を受け付け、前記要求に基づいて前記機械学習モデルを用いた演算を行う機能と、を有する、サービス支援システム、である。
【0011】
本開示の他の態様は、機械学習モデルに関するサービスを提供する処理を支援するサービス支援装置のコンピュータに、第１の利用者の操作に応じて学習データおよび機械学習モデルのアルゴリズムを選択し、選択された学習データおよびアルゴリズムに基づいて機械学習モデルを作成するステップと、作成された前記機械学習モデルに販売価格を設定して公開し、前記機械学習モデルに対応したＡＰＩ（Ａｐｐｌｉｃａｔｉｏｎ Ｐｒｏｇｒａｍｍｉｎｇ Ｉｎｔｅｒｆａｃｅ）の利用権限を第２の利用者に付与して前記第２の利用者に対応した端末装置に課金情報を送信するステップと、前記機械学習モデルに対応したＡＰＩを生成し、前記ＡＰＩを利用して前記機械学習モデルに対する要求を受け付け、前記要求に基づいて前記機械学習モデルを用いた演算を行うステップと、を実行させる、プログラム、である。
【発明の効果】
【0012】
本発明の一態様によれば、機械学習モデルの作成、販売、演算などのサービスを容易に提供することを支援することができる。
【図面の簡単な説明】
【0013】
【図1】実施の形態におけるサービス支援システムの一構成例を示すブロック図である。
【図2】実施の形態におけるＡＰＩの一例を示す図であり、（Ａ）は機械学習モデルの作成時に生成されるＡＰＩ、（Ｂ）は機械学習モデルの学習時に生成されるＡＰＩ、（Ｃ）は機械学習モデルの判定時に生成されるＡＰＩである。
【図3】実施の形態におけるサービス支援システムの機能を選択する処理の一例を示すフローチャートである。
【図4】実施の形態における機械学習モデルの一覧から機械学習モデルを選択する処理の一例を示すフローチャートである。
【図5】実施の形態における機械学習モデルを利用した評価処理の一例を示すフローチャートである。
【図6】実施の形態における機械学習モデルを利用した購入する処理の一例を示すフローチャートである。
【図7】実施の形態における機械学習モデルを作成する処理の一例を示すフローチャートである。
【図8】実施の形態における機械学習モデルを生成する処理の一例を示すフローチャートである。
【図9】（Ａ）は学習データにより絞り込んだ機械学習モデルの一覧画面の一例を示す図であり、（Ｂ）は機械学習モデルを選択したときの画面の一例を示す図である。
【発明を実施するための形態】
【0014】
以下、本発明を適用したサービス支援方法、サービス支援システム、およびプログラムを、図面を参照して説明する。
【0015】
＜サービス支援システム１の構成＞
図１は、実施の形態におけるサービス支援システム１の一構成例を示すブロック図である。サービス支援システム１は、機械学習モデルに関するサービスを提供する処理を支援するためのシステムである。機械学習モデルに関するサービスは、例えば、利用者による機械学習モデルの作成、機械学習モデルを利用した演算、および機械学習モデルの販売することなどが含まれる。サービス支援システム１は、機械学習モデルに関するサービスを提供するためのＡＩ（Artificial Intelligence）プラットフォーム１０を利用者に利用させる。
図１は、実施の形態におけるサービス支援システム１の一構成例を示すブロック図である。サービス支援システム１は、機械学習モデルに関するサービスを提供する処理を支援するためのシステムである。機械学習モデルに関するサービスは、例えば、利用者による機械学習モデルの作成、機械学習モデルを利用した演算、および機械学習モデルの販売することなどが含まれる。サービス支援システム１は、機械学習モデルに関するサービスを提供するためのＡＩ（Artificial Intelligence）プラットフォーム１０を利用者に利用させる。
【0016】
実施の形態における機械学習モデルは、分析対象データを入力し、分析結果を出力するモデルである。機械学習モデルにおける分析は、分析対象データの正解ラベルおよび確信度を出力する処理や、分析対象データを分類する処理などである。機械学習モデルは、学習データにより学習処理を行うことより作成された機械学習モデルであってよく、学習処理を行うことなく作成された機械学習モデルであってもよい。
【0017】
サービス支援システム１は、例えば、複数の利用者端末装置１００Ａ、１００Ｂ、・・・と、ＡＩプラットフォーム１０とを備える。なお、複数の利用者端末装置を総称する場合には単に「利用者端末装置１００」と記載する。ＡＩサービスプラットフォームは、例えば、サービス支援装置２００と、機械学習モデル記憶装置３００とを備える。利用者端末装置１００、サービス支援装置２００、および機械学習モデル記憶装置３００は、インターネット等のネットワークに接続するためのＮＩＣ（Network Interface Card）または無線通信モジュールなどの通信インターフェースを有する（不図示）。ネットワークは、例えばインターネット等の汎用ネットワーク、およびローカル５ＧまたはWi-Fi（登録商標）などのプライベートなネットワークを含んでよい。
【0018】
利用者端末装置１００は、ＡＩプラットフォーム１０の利用者により操作されるスマートフォン、タブレット、パーソナルコンピューターなどの情報処理装置である。利用者端末装置１００Ａ、１００Ｂ、・・・は、例えば、ＡＩサービスアプリケーション１１０Ａ、１１０Ｂ、・・・がインストールされる。なお、複数のＡＩサービスアプリケーションを総称する場合には単に「ＡＩサービスアプリケーション１１０」と記載する。利用者端末装置１００は、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）にプログラムとしてのＡＩサービスアプリケーション１１０を実行させることによって後述する各種の処理を行う。
【0019】
サービス支援装置２００は、機械学習モデルに関するサービスを提供する処理を支援する処理を行う情報処理装置である。サービス支援装置２００は、例えば、利用者端末装置１００から送信された要求に応じて各種の処理を行い、利用者端末装置１００に応答を送信するサーバ装置等の情報処理装置である。サービス支援装置２００は、例えば、利用者管理部２１０と、作成部２２０と、販売部２３０と、演算部２４０と、学習処理部２５０と、分析処理部２６０とを備える。さらに、サービス支援装置２００は、学習機ＡＰＩ（Ａｐｐｌｉｃａｔｉｏｎ Ｐｒｏｇｒａｍｍｉｎｇ Ｉｎｔｅｒｆａｃｅ）２０２および判定機ＡＰＩ２０４を備える。利用者管理部２１０、作成部２２０、販売部２３０、演算部２４０、学習処理部２５０、分析処理部２６０、学習機ＡＰＩ２０２、および判定機ＡＰＩ２０４は、サービス支援装置２００におけるＣＰＵがプログラムを実行させることによって実現する機能部である。なお、実施の形態においては利用者管理部２１０と、作成部２２０と、販売部２３０と、演算部２４０と、学習処理部２５０と、分析処理部２６０がサービス支援装置２００に備えた一例を示したが、これに限定されず、これらの機能がシステムに備えられていればよい。
【0020】
利用者管理部２１０は、利用者情報を管理する。学習処理部２５０は、第１の利用者の操作に応じて学習データおよび機械学習モデルのアルゴリズムを選択し、選択された学習データおよびアルゴリズムに基づいて機械学習モデルを作成する。販売部２３０は、作成部２２０により作成された機械学習モデルに販売価格を設定して公開し、機械学習モデルに対応したＡＰＩ（Ａｐｐｌｉｃａｔｉｏｎ Ｐｒｏｇｒａｍｍｉｎｇ Ｉｎｔｅｒｆａｃｅ）の利用権限を第２の利用者に付与して第２の利用者に対応した利用者端末装置１００に課金情報を送信する。作成部２２０は、機械学習モデルに対応したＡＰＩを生成する。分析処理部２６０は、ＡＰＩを利用して機械学習モデルに対する要求を受け付け、要求に基づいて機械学習モデルを用いた演算を行う。作成部２２０は、機械学習モデルおよび第１の利用者に対応した第１のＡＰＩ、機械学習モデルおよび第２の利用者に対応した第２のＡＰＩを生成してよい。学習処理部２５０は、利用者端末装置１００から受信した要求に応じて機械学習モデルを学習させる。分析処理部２６０は、利用者端末装置１００から受信した要求および分析対象データに応じて機械学習モデルに分析対象データを入力し、機械学習モデルに分析を行わせる。
【0021】
学習機ＡＰＩ２０２は、利用者が機械学習モデルを学習機として利用するためのＡＰＩである。学習機ＡＰＩ２０２は、利用者端末装置１００に対して学習機として利用される機械学習モデルに対応して作成される。判定機ＡＰＩ２０４は、利用者が機械学習モデルを判定機として利用するためのＡＰＩである。判定機ＡＰＩ２０４は、利用者端末装置１００に対して判定機として利用される機械学習モデルに対応して作成される。
【0022】
機械学習モデル記憶装置３００は、例えば、ＨＤＤ（Ｈａｒｄ Ｄｉｓｋ Ｄｒｉｖｅ）、ＳＳＤ（Ｓｏｌｉｄ Ｓｔａｔｅ Ｄｒｉｖｅ）、フラッシュメモリ、ＥＥＰＲＯＭ（Ｅｌｅｃｔｒｉｃａｌｌｙ Ｅｒａｓａｂｌｅ Ｐｒｏｇｒａｍｍａｂｌｅ Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ ｒｅａｄ／ｗｒｉｔｅ Ｍｅｍｏｒｙ）、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）、又はこれらの記憶媒体の任意の組み合わせによって構成される。機械学習モデル記憶装置３００は、サービス支援装置２００がサービスを支援するための各種の情報を記憶する。機械学習モデル記憶装置３００には、例えば、機械学習モデル３１０と、学習データ３２０と、利用者情報３３０とが記憶される。機械学習モデル３１０は、機械学習モデルを構築するためのパラメータ等の情報である。機械学習モデル記憶装置３００には、機械学習モデル３１０に対応させて、機械学習モデル３１０のラベル情報、アルゴリズム情報、学習データ、再学習データ、評価用データ、および精度情報が記憶される。なお、学習データ３２０の一部は機械学習モデル３１０の学習処理に用いた学習データまたは再学習データであってよい。利用者情報３３０は、利用者に関する利用者端末装置１００の情報、ＡＰＩの利用権限を示す情報などである。
【0023】
機械学習モデル記憶装置３００は、機械学習モデル３１０ごとに機械学習モデル３１０の学習データおよび学習結果を含む学習履歴を保存してよい。機械学習モデル記憶装置３００は、機械学習モデル３１０の評価用データおよび精度を含む評価履歴を保存してよい。これにより販売部２３０は、機械学習モデル３１０の購入時に、機械学習モデル３１０の学習履歴に関する情報および評価履歴に関する情報を利用者端末装置１００に送信することができる。
【0024】
図２は、実施の形態におけるＡＰＩの一例を示す図であり、（Ａ）は機械学習モデル３１０の作成時に生成されるＡＰＩ、（Ｂ）は機械学習モデル３１０の学習時に生成されるＡＰＩ、（Ｃ）は機械学習モデル３１０の判定時に生成されるＡＰＩである。作成部２２０は、図２（Ａ）に示すように、機械学習モデル３１０の作成時にＡＰＩを介して利用者端末装置１００から第１の利用者の操作に応じた要求を受け付けて機械学習モデル３１０を作成することができる。
【0025】
作成部２２０は、図２（Ｂ）に示すように、各種の機械学習モデル３１０に対応して学習機ＡＰＩ２０２を生成する。各種の機械学習モデル３１０は、例えば、学習なしの機械学習モデル、再学習ありの学習済み機械学習モデル、再学習なしの学習済み機械学習モデルであってよい。演算部２４０は、ＡＰＩごとに第１の利用者に対応した利用者端末装置１００からの要求または第２の利用者に対応した利用者端末装置１００からの要求に基づいて再学習された機械学習モデル３１０を利用するか否かを設定してよい。演算部２４０は、利用者に対応したＡＰＩに再学習された機械学習モデル３１０を利用すると設定されている場合、利用者から分析対象データを取得したことに応じて再学習された機械学習モデル３１０に分析対象データを入力して分析結果を取得する。演算部２４０は、利用者に対応したＡＰＩに再学習された機械学習モデル３１０を利用しないと設定されている場合、利用者から分析対象データを取得したことに応じて再学習されていない機械学習モデル３１０に分析対象データを入力して分析結果を取得する。
【0026】
演算部２４０は、利用者に対応したＡＰＩごとに機械学習モデル３１０の評価用データを用いて機械学習モデル３１０の再学習を行うか否かを設定してよい。利用者に対応したＡＰＩごとに機械学習モデル３１０の評価用データを用いて機械学習モデル３１０の再学習を行うか否かの設定は、例えば、機械学習モデル３１０の作成時に第１の利用者の操作に基づいて行われてよく、機械学習モデル３１０の購入後に第２の利用者の操作に基づいて行われてよい。演算部２４０は、機械学習モデル３１０の評価用データを用いて機械学習モデル３１０の再学習を行うことが設定されている場合、機械学習モデル３１０を評価した後に、機械学習モデル３１０の評価結果を用いて機械学習モデル３１０の再学習を行う。
【0027】
作成部２２０は、機械学習モデル３１０の販売時に、第２の利用者に対応した利用者端末装置１００からの要求に基づいてＡＰＩを生成してよい。演算部２４０は、機械学習モデル３１０の販売時に、ＡＰＩを介して受け付けた第２の利用者に対応した利用者端末装置１００からの要求に基づいて機械学習モデル３１０の評価用データを受け付け、分析処理部２６０は、演算部２４０により受け付けられた評価用データを用いて機械学習モデル３１０の評価を行い、学習処理部２５０は、評価用データを機械学習モデル３１０の再学習のためのデータとして機械学習モデル３１０を再学習させてよい。分析処理部２６０は、機械学習モデル３１０の評価用データを取得した場合に、評価用データを機械学習モデル３１０に入力し、機械学習モデル３１０の出力結果に基づいて精度を演算する。
【0028】
演算部２４０は、ＡＰＩごとに第１の利用者に対応した利用者端末装置１００からの要求または第２の利用者に対応した利用者端末装置１００からの要求に基づいて再学習された機械学習モデル３１０を利用するか否かを設定してよい。再学習された機械学習モデル３１０を利用するか否かを設定は、例えば、機械学習モデル３１０の作成時に第１の利用者の操作に基づいて行われてよく、機械学習モデル３１０の購入後に第２の利用者の操作に基づいて行われてよい。演算部２４０は、ＡＰＩに再学習された機械学習モデルを利用すると設定されている場合、利用者から分析対象データを取得したことに応じて再学習された機械学習モデル３１０に分析対象データを入力して分析結果を取得し、ＡＰＩに再学習された機械学習モデル３１０を利用しないと設定されている場合、利用者から分析対象データを取得したことに応じて再学習されていない機械学習モデル３１０に分析対象データを入力して分析結果を取得する。
【0029】
演算部２４０は、ＡＰＩごとに機械学習モデル３１０の評価用データを用いて機械学習モデルの再学習を行うか否かを設定してよい。演算部２４０は、機械学習モデル３１０の評価用データを用いて機械学習モデル３１０の再学習を行うと設定されている場合、機械学習モデル３１０の評価後、機械学習モデル３１０の評価結果を用いて機械学習モデル３１０の再学習を行う。
【0030】
＜サービス支援システム１の動作手順＞
以下、上述したサービス支援システム１の動作手順について説明する。
（開始時処理）
図３は、実施の形態におけるサービス支援システム１の機能を選択する処理の一例を示すフローチャートである。利用者端末装置１００は、利用者の操作を受け付けたことに応じて利用者を登録する要求を行い（ステップＳ１００）、利用者管理部２１０は、利用者の登録処理を行う（ステップＳ２００）。利用者の登録処理は、例えば、利用者端末装置１００から送信された利用者に関する情報を機械学習モデル記憶装置３００に記憶させる処理である。次に利用者端末装置１００は、ＡＩプラットフォーム１０にサインインし（ステップＳ１０１）、演算部２４０は、利用者のアカウント認証処理を行う（ステップＳ２０１）。演算部２４０は、アカウント認証が成功したことに応じて、利用者端末装置１００からの要求に対する機械学習モデル３１０に関する機能の選択処理を行う（ステップＳ１０２）。演算部２４０は、利用者端末装置１００の機能を選択する処理によって、利用者端末装置１００の処理を、機械学習モデル３１０の一覧を表示する処理（ステップＳ１０３）、機械学習モデル３１０を作成する処理（ステップＳ１０４）、機械学習モデル３１０を参照する処理（ステップＳ１０５）の何れかに分岐させる。
以下、上述したサービス支援システム１の動作手順について説明する。
（開始時処理）
図３は、実施の形態におけるサービス支援システム１の機能を選択する処理の一例を示すフローチャートである。利用者端末装置１００は、利用者の操作を受け付けたことに応じて利用者を登録する要求を行い（ステップＳ１００）、利用者管理部２１０は、利用者の登録処理を行う（ステップＳ２００）。利用者の登録処理は、例えば、利用者端末装置１００から送信された利用者に関する情報を機械学習モデル記憶装置３００に記憶させる処理である。次に利用者端末装置１００は、ＡＩプラットフォーム１０にサインインし（ステップＳ１０１）、演算部２４０は、利用者のアカウント認証処理を行う（ステップＳ２０１）。演算部２４０は、アカウント認証が成功したことに応じて、利用者端末装置１００からの要求に対する機械学習モデル３１０に関する機能の選択処理を行う（ステップＳ１０２）。演算部２４０は、利用者端末装置１００の機能を選択する処理によって、利用者端末装置１００の処理を、機械学習モデル３１０の一覧を表示する処理（ステップＳ１０３）、機械学習モデル３１０を作成する処理（ステップＳ１０４）、機械学習モデル３１０を参照する処理（ステップＳ１０５）の何れかに分岐させる。
【0031】
図４は、実施の形態における機械学習モデル３１０の一覧から機械学習モデル３１０を選択する処理（ステップＳ１０３）の一例を示すフローチャートである。
利用者端末装置１００は機械学習モデル３１０の絞り込みを要求し（ステップＳ１１０）、演算部２４０は、要求に応じてどのような機械学習モデル３１０を参照するかを絞り込む（ステップＳ２１０）。次に利用者端末装置１００はどの機械学習モデル３１０を選択する要求を行い、演算部２４０は、要求に応じて機械学習モデル記憶装置３００を参照する処理を行う（ステップＳ２１１）。次に利用者端末装置１００は機械学習モデル３１０を評価する処理（ステップＳ１１３）、機械学習モデル３１０を購入する処理（ステップＳ１１４）、機械学習モデル３１０を再学習させる処理（ステップＳ１１５）の何れかに分岐させる（ステップＳ１１２）。
利用者端末装置１００は機械学習モデル３１０の絞り込みを要求し（ステップＳ１１０）、演算部２４０は、要求に応じてどのような機械学習モデル３１０を参照するかを絞り込む（ステップＳ２１０）。次に利用者端末装置１００はどの機械学習モデル３１０を選択する要求を行い、演算部２４０は、要求に応じて機械学習モデル記憶装置３００を参照する処理を行う（ステップＳ２１１）。次に利用者端末装置１００は機械学習モデル３１０を評価する処理（ステップＳ１１３）、機械学習モデル３１０を購入する処理（ステップＳ１１４）、機械学習モデル３１０を再学習させる処理（ステップＳ１１５）の何れかに分岐させる（ステップＳ１１２）。
【0032】
（機械学習モデルによる評価処理）
図５は、実施の形態における機械学習モデル３１０を利用した評価処理の一例を示すフローチャートである。
まず利用者端末装置１００は、例えば利用者の操作に応じて判定機ＡＰＩ２０４を介して評価用データを入力する（ステップＳ１３１）。評価用データは、機械学習モデル３１０の学習に用いていないデータである。演算部２４０は、評価用データを受信し、機械学習モデル記憶装置３００に保存する（ステップＳ２３１）。演算部２４０は、利用者端末装置１００から提供された評価用データが評価可能なデータなのかを判定し（ステップＳ２３２）、利用者端末装置１００は、評価用データが評価可能なデータであり適切である場合（ステップＳ１３２：ＹＥＳ）、機械学習モデル３１０を用いて分析処理部２６０および判定機ＡＰＩ２０４で処理し（ステップＳ２３３）、判定結果を表示する（ステップＳ１３３）。利用者端末装置１００は、評価用データが適切ではない場合（ステップＳ１３２：ＮＯ）、ステップＳ１３１に戻す。利用者端末装置１００は、判定結果を保存する場合（ステップＳ１３４:ＹＥＳ）、演算部２４０に要求し（ステップＳ１３５）、保存結果を機械学習モデル記憶装置３００に保存させる（ステップＳ２３４）。利用者端末装置１００は、判定結果を保存しない場合（ステップＳ１３４:ＮＯ）、ステップＳ１３１に処理を戻す。次に利用者端末装置１００は、利用者の操作に基づいて判定した機械学習モデル３１０についてレビュー等の評価を受け付け（ステップＳ１３６）、演算部２４０は、評価を受信して機械学習モデル記憶装置３００に保存する（ステップＳ２３５）。
図５は、実施の形態における機械学習モデル３１０を利用した評価処理の一例を示すフローチャートである。
まず利用者端末装置１００は、例えば利用者の操作に応じて判定機ＡＰＩ２０４を介して評価用データを入力する（ステップＳ１３１）。評価用データは、機械学習モデル３１０の学習に用いていないデータである。演算部２４０は、評価用データを受信し、機械学習モデル記憶装置３００に保存する（ステップＳ２３１）。演算部２４０は、利用者端末装置１００から提供された評価用データが評価可能なデータなのかを判定し（ステップＳ２３２）、利用者端末装置１００は、評価用データが評価可能なデータであり適切である場合（ステップＳ１３２：ＹＥＳ）、機械学習モデル３１０を用いて分析処理部２６０および判定機ＡＰＩ２０４で処理し（ステップＳ２３３）、判定結果を表示する（ステップＳ１３３）。利用者端末装置１００は、評価用データが適切ではない場合（ステップＳ１３２：ＮＯ）、ステップＳ１３１に戻す。利用者端末装置１００は、判定結果を保存する場合（ステップＳ１３４:ＹＥＳ）、演算部２４０に要求し（ステップＳ１３５）、保存結果を機械学習モデル記憶装置３００に保存させる（ステップＳ２３４）。利用者端末装置１００は、判定結果を保存しない場合（ステップＳ１３４:ＮＯ）、ステップＳ１３１に処理を戻す。次に利用者端末装置１００は、利用者の操作に基づいて判定した機械学習モデル３１０についてレビュー等の評価を受け付け（ステップＳ１３６）、演算部２４０は、評価を受信して機械学習モデル記憶装置３００に保存する（ステップＳ２３５）。
【0033】
（機械学習モデル３１０の購入処理）
図６は、実施の形態における機械学習モデルを購入する処理の一例を示すフローチャートである。機械学習モデル３１０を購入する処理は、図４において機械学習モデル３１０の購入（ステップＳ１１４）が選択されたことに応じて開始される。
まず利用者端末装置１００は、利用者の機械学習モデル３１０の購入意思（決済）を確認する（ステップＳ１４１）。利用者端末装置１００は、利用者の操作に基づいて購入意思がある場合（ステップＳ１４１：ＹＥＳ）、決済情報をサービス支援装置２００に送信する。利用者に購入意思がない場合には待機する（ステップＳ１４１：ＮＯ）。利用者端末装置１００は購入意思を受け付けたことに応じて決済情報を送信し（ステップＳ１４２）、販売部２３０は決済手続を含む決済処理を行う（ステップＳ２４１）。演算部２４０は、機械学習モデル３１０に対応して生成されたＡＰＩの利用権限を利用者に付与し（ステップＳ２４２）、利用者端末装置１００にＡＰＩを表示させる（ステップＳ１４３）。販売部２３０は、決済処理をしたことにより利用者端末装置１００に課金情報を送信する。これにより利用者端末装置１００は、機械学習モデル３１０の購入に対して課金されたことを利用者に提示し、機械学習モデル３１０に対応した学習機ＡＰＩ２０２および判定機ＡＰＩ２０４を表示させることができる。
図６は、実施の形態における機械学習モデルを購入する処理の一例を示すフローチャートである。機械学習モデル３１０を購入する処理は、図４において機械学習モデル３１０の購入（ステップＳ１１４）が選択されたことに応じて開始される。
まず利用者端末装置１００は、利用者の機械学習モデル３１０の購入意思（決済）を確認する（ステップＳ１４１）。利用者端末装置１００は、利用者の操作に基づいて購入意思がある場合（ステップＳ１４１：ＹＥＳ）、決済情報をサービス支援装置２００に送信する。利用者に購入意思がない場合には待機する（ステップＳ１４１：ＮＯ）。利用者端末装置１００は購入意思を受け付けたことに応じて決済情報を送信し（ステップＳ１４２）、販売部２３０は決済手続を含む決済処理を行う（ステップＳ２４１）。演算部２４０は、機械学習モデル３１０に対応して生成されたＡＰＩの利用権限を利用者に付与し（ステップＳ２４２）、利用者端末装置１００にＡＰＩを表示させる（ステップＳ１４３）。販売部２３０は、決済処理をしたことにより利用者端末装置１００に課金情報を送信する。これにより利用者端末装置１００は、機械学習モデル３１０の購入に対して課金されたことを利用者に提示し、機械学習モデル３１０に対応した学習機ＡＰＩ２０２および判定機ＡＰＩ２０４を表示させることができる。
【0034】
（機械学習モデルの作成処理）
図７は、機械学習モデル３１０を作成する処理の一例を示すフローチャートである。機械学習モデル３１０に再学習させる処理は、図４において機械学習モデル３１０の再学習（ステップＳ１１５）が選択されたことに応じて開始される。
データを絞り込む操作を利用者端末装置１００により受け付け（ステップＳ１２１）、演算部２４０は、機械学習モデル３１０でどのようなデータを学習するかを絞り込む（ステップＳ２２１）。演算部２４０は、例えば学習データのデータ形式や分類を絞り込む。次に学習処理部２５０は、利用者端末装置１００からの学習要求に応じ（ステップＳ１２２）、学習機ＡＰＩ２０２に要求を出力して機械学習モデル３１０を学習させ、機械学習モデル３１０の結果を評価する（ステップＳ２２２）。演算部２４０は、機械学習モデル３１０を販売するか否かを判定し（ステップＳ１２３）、販売しない場合にはステップＳ１２１に処理を戻す（ステップＳ１２３：ＮＯ）。演算部２４０は、機械学習モデル３１０を販売する場合には（ステップＳ１２３：ＹＥＳ）、利用者端末装置１００の操作に応じて販売設定を行い（ステップＳ１２４）、機械学習モデル３１０を公開し、販売処理を行う（ステップＳ２２３）。なお、学習処理部２５０は、利用者端末装置１００から送信された学習データにより機械学習モデル３１０を学習させる。学習処理部２５０は、利用者端末装置１００から取得した学習データのラベルおよび機械学習モデル３１０のアルゴリズムを選択し、選択された学習データのラベルおよび機械学習モデル３１０のアルゴリズムを利用者端末装置１００に送信してよい。なお、機械学習モデル３１０の公開処理は、例えば、利用者端末装置１００からの要求に応じて機械学習モデル３１０に関する情報を送信する処理である。機械学習モデル３１０の販売処理は、機械学習モデル３１０に対応して生成された学習機ＡＰＩ２０２または判定機ＡＰＩ２０４の利用権限を利用者に付与し、利用者に対応した利用者端末装置１００に課金情報を送信する処理である。
図７は、機械学習モデル３１０を作成する処理の一例を示すフローチャートである。機械学習モデル３１０に再学習させる処理は、図４において機械学習モデル３１０の再学習（ステップＳ１１５）が選択されたことに応じて開始される。
データを絞り込む操作を利用者端末装置１００により受け付け（ステップＳ１２１）、演算部２４０は、機械学習モデル３１０でどのようなデータを学習するかを絞り込む（ステップＳ２２１）。演算部２４０は、例えば学習データのデータ形式や分類を絞り込む。次に学習処理部２５０は、利用者端末装置１００からの学習要求に応じ（ステップＳ１２２）、学習機ＡＰＩ２０２に要求を出力して機械学習モデル３１０を学習させ、機械学習モデル３１０の結果を評価する（ステップＳ２２２）。演算部２４０は、機械学習モデル３１０を販売するか否かを判定し（ステップＳ１２３）、販売しない場合にはステップＳ１２１に処理を戻す（ステップＳ１２３：ＮＯ）。演算部２４０は、機械学習モデル３１０を販売する場合には（ステップＳ１２３：ＹＥＳ）、利用者端末装置１００の操作に応じて販売設定を行い（ステップＳ１２４）、機械学習モデル３１０を公開し、販売処理を行う（ステップＳ２２３）。なお、学習処理部２５０は、利用者端末装置１００から送信された学習データにより機械学習モデル３１０を学習させる。学習処理部２５０は、利用者端末装置１００から取得した学習データのラベルおよび機械学習モデル３１０のアルゴリズムを選択し、選択された学習データのラベルおよび機械学習モデル３１０のアルゴリズムを利用者端末装置１００に送信してよい。なお、機械学習モデル３１０の公開処理は、例えば、利用者端末装置１００からの要求に応じて機械学習モデル３１０に関する情報を送信する処理である。機械学習モデル３１０の販売処理は、機械学習モデル３１０に対応して生成された学習機ＡＰＩ２０２または判定機ＡＰＩ２０４の利用権限を利用者に付与し、利用者に対応した利用者端末装置１００に課金情報を送信する処理である。
【0035】
演算部２４０は、評価用データを機械学習モデル３１０の再学習のためのデータとして利用するかを選択可能にする設定項目、および再学習後における機械学習モデル３１０の精度の基準値を設定してよい。演算部２４０は、機械学習モデル３１０に対応して生成された学習機ＡＰＩ２０２および判定機ＡＰＩ２０４に販売価格を設定して公開し、公開後に機械学習モデル３１０の評価用データを機械学習モデル３１０の再学習のためのデータとして利用するかを選択する設定項目を設定してよい。
【0036】
（機械学習モデル３１０の学習処理および再学習処理）
図８は、実施の形態における機械学習モデル３１０の学習処理および再学習処理の一例を示すフローチャートである。機械学習モデル３１０の学習処理および再学習処理は、例えば、図６に示したように利用者端末装置１００によって学習（ステップＳ１２２）が指示された場合に行われる。
まず利用者端末装置１００は、利用者の操作に基づいて選択された機械学習モデル３１０の学習データを入力し、入力したデータをサービス支援装置２００にアップロードする（ステップＳ１５１）。演算部２４０は、利用者端末装置１００からアップロードされた学習データを機械学習モデル記憶装置３００に保存する（ステップＳ２５１）。演算部２４０は、利用者端末装置１００から受信した学習データが機械学習モデル３１０の学習させることが可能か否かを判定することで、学習データが適切か否かを判定する（ステップＳ１５２、ステップＳ２５２）。演算部２４０は、学習データが適切ではない場合には待機し、学習データが適切である場合にはステップＳ１５３においてアルゴリズムを選択する（ステップＳ１５３、ステップＳ２５３）。演算部２４０は、利用者端末装置１００の操作により入力されたアルゴリズムを選択する（ステップＳ１５４）。演算部２４０は、利用者端末装置１００に推奨されるアルゴリズムを選択する（ステップＳ１５５）。
図８は、実施の形態における機械学習モデル３１０の学習処理および再学習処理の一例を示すフローチャートである。機械学習モデル３１０の学習処理および再学習処理は、例えば、図６に示したように利用者端末装置１００によって学習（ステップＳ１２２）が指示された場合に行われる。
まず利用者端末装置１００は、利用者の操作に基づいて選択された機械学習モデル３１０の学習データを入力し、入力したデータをサービス支援装置２００にアップロードする（ステップＳ１５１）。演算部２４０は、利用者端末装置１００からアップロードされた学習データを機械学習モデル記憶装置３００に保存する（ステップＳ２５１）。演算部２４０は、利用者端末装置１００から受信した学習データが機械学習モデル３１０の学習させることが可能か否かを判定することで、学習データが適切か否かを判定する（ステップＳ１５２、ステップＳ２５２）。演算部２４０は、学習データが適切ではない場合には待機し、学習データが適切である場合にはステップＳ１５３においてアルゴリズムを選択する（ステップＳ１５３、ステップＳ２５３）。演算部２４０は、利用者端末装置１００の操作により入力されたアルゴリズムを選択する（ステップＳ１５４）。演算部２４０は、利用者端末装置１００に推奨されるアルゴリズムを選択する（ステップＳ１５５）。
【0037】
作成部２２０および学習処理部２５０は、学習を実行することにより機械学習モデル３１０を生成する（ステップＳ１５６、Ｓ２５４）。作成部２２０は、生成した機械学習モデル３１０に固定（対応）したＡＰＩを生成する。作成部２２０は、生成するＡＰＩのパラメータとして、１つの機械学習モデル３１０に対して紐づく固定値、および可変値を設定する。ＡＰＩの可変値は、例えば、機械学習モデル３１０に再学習および評価が行われた場合に再学習および評価に同期した機械学習モデル３１０を使用するか、再学習および評価に同期しない機械学習モデル３１０を使用するかを示す。ＡＰＩの可変値は、例えば機械学習モデル３１０についてのデータの参照先を可変にするかを示す。
【0038】
演算部２４０は、機械学習モデル３１０の学習処理後、機械学習モデル３１０の保存処理を行い（ステップＳ２５５）、利用者端末装置１００に機械学習モデル３１０のデータを表示させる（ステップＳ１５７）。機械学習モデル３１０の学習結果を利用者が見て、演算部２４０は、利用者端末装置１００からの要求に応じて機械学習モデル３１０を保存するか否かが選択される（ステップＳ１５８）。機械学習モデル３１０を保存する場合（ステップＳ１５８：ＹＥＳ）、演算部２４０は、機械学習モデル３１０のデータを保存する（ステップＳ１５９）。機械学習モデル３１０を保存しない場合（ステップＳ１５８：ＮＯ）、ステップＳ１５１に処理を戻す。演算部２４０は、利用者端末装置１００から受け付けた機械学習モデル３１０のついてのレビュー等の評価を受け付け（ステップＳ１６０）、評価を機械学習モデル記憶装置３００に保存する（ステップＳ２５７）。演算部２４０は、利用者端末装置１００から機械学習モデル３１０についての公開設定を受け付け（ステップＳ１６１）、機械学習モデル３１０の公開設定を行う。演算部２４０は、利用者端末装置１００から再学習をする要求を受け付けた場合（ステップＳ２５８、ステップＳ１６２：ＹＥＳ）、学習を実行する（ステップＳ１５６、ステップＳ２５４）。演算部２４０は、利用者端末装置１００から再学習をする要求を受けない場合（ステップＳ２５８、ステップＳ１６２：ＮＯ）、処理を終了する。
【0039】
上述したサービス支援システム１における処理手順は、例えば下記の通りである。
（機械学習モデル３１０の評価）
機械学習モデル３１０の評価は、下記の図およびステップの記載順に行われる。
図３、サインイン処理および認証処理（ステップＳ１０１、Ｓ２０１）
図３、選択処理（ステップＳ１０２）
図３、モデル一覧処理（ステップＳ１０３）
図４、データの絞り込み処理および絞り込み処理（ステップＳ１１０、Ｓ２１０）
図４、モデル選択処理およびモデル参照処理（ステップＳ１１１、Ｓ２１１）
図４、選択処理および評価処理（ステップＳ１１２、Ｓ１１３）
図５、データ入力処理および保存処理（ステップＳ１３１、Ｓ２３１）
図５、適切かの判定処理（ステップＳＳ１３２、Ｓ２３２）
図５、データ表示処理およびＡＩ処理（ステップＳ１３３、Ｓ２３３）
図５、保存判定処理（ステップＳ１３４）
図５、データ保存処理（ステップＳ１３５、Ｓ２３４）
図５、ユーザ評価処理および保存処理（ステップＳ１３６、Ｓ２３６）
（機械学習モデル３１０の評価）
機械学習モデル３１０の評価は、下記の図およびステップの記載順に行われる。
図３、サインイン処理および認証処理（ステップＳ１０１、Ｓ２０１）
図３、選択処理（ステップＳ１０２）
図３、モデル一覧処理（ステップＳ１０３）
図４、データの絞り込み処理および絞り込み処理（ステップＳ１１０、Ｓ２１０）
図４、モデル選択処理およびモデル参照処理（ステップＳ１１１、Ｓ２１１）
図４、選択処理および評価処理（ステップＳ１１２、Ｓ１１３）
図５、データ入力処理および保存処理（ステップＳ１３１、Ｓ２３１）
図５、適切かの判定処理（ステップＳＳ１３２、Ｓ２３２）
図５、データ表示処理およびＡＩ処理（ステップＳ１３３、Ｓ２３３）
図５、保存判定処理（ステップＳ１３４）
図５、データ保存処理（ステップＳ１３５、Ｓ２３４）
図５、ユーザ評価処理および保存処理（ステップＳ１３６、Ｓ２３６）
【0040】
（機械学習モデル３１０の購入）
機械学習モデル３１０の購入は、下記の図およびステップの記載順に行われる。
図３、サインイン処理および認証処理（ステップＳ１０１、Ｓ２０１）
図３、選択処理（ステップＳ１０２）
図３、モデル一覧処理（ステップＳ１０３）
図４、データの絞り込み処理および絞り込み処理（ステップＳ１１０、Ｓ２１０）
図４、モデル選択処理およびモデル参照処理（ステップＳ１１１、Ｓ２１１）
図４、選択処理および購入処理（ステップＳ１１２、Ｓ１１４）
図６、決済確認処理（ステップＳ１４１）
図５、決済手続きおよび決済処理（ステップＳ１４２、Ｓ２４１）
図５、ＡＰＩ処理およびＡＰＩ発行処理（ステップＳ１４３、Ｓ２４２）
機械学習モデル３１０の購入は、下記の図およびステップの記載順に行われる。
図３、サインイン処理および認証処理（ステップＳ１０１、Ｓ２０１）
図３、選択処理（ステップＳ１０２）
図３、モデル一覧処理（ステップＳ１０３）
図４、データの絞り込み処理および絞り込み処理（ステップＳ１１０、Ｓ２１０）
図４、モデル選択処理およびモデル参照処理（ステップＳ１１１、Ｓ２１１）
図４、選択処理および購入処理（ステップＳ１１２、Ｓ１１４）
図６、決済確認処理（ステップＳ１４１）
図５、決済手続きおよび決済処理（ステップＳ１４２、Ｓ２４１）
図５、ＡＰＩ処理およびＡＰＩ発行処理（ステップＳ１４３、Ｓ２４２）
【0041】
（機械学習モデル３１０の再学習）
機械学習モデル３１０の再学習は、下記の図およびステップの記載順に行われる。
図３、サインイン処理および認証処理（ステップＳ１０１、Ｓ２０１）
図３、選択処理（ステップＳ１０２）
図３、モデル一覧処理（ステップＳ１０３）
図４、データの絞り込み処理および絞り込み処理（ステップＳ１１０、Ｓ２１０）
図４、モデル選択処理およびモデル参照処理（ステップＳ１１１、Ｓ２１１）
図４、選択処理および再学習処理（ステップＳ１１２、Ｓ１１５）
図７、データ絞込み処理および絞り込み処理（ステップＳ１２１、Ｓ２２１）
図７、学習処理および評価処理（ステップＳ１２２、Ｓ２２２）
図８、データ入力処理および保存処理（ステップＳ１５１、Ｓ２５１）
図８、適切かの判定処理、判定処理、およびアルゴリズム選択処理（ステップＳ１５２、Ｓ２５２、Ｓ２５３）
図８、選択処理（ステップＳ１５３）
図８、アルゴリズム入力、およびアルゴリズム推奨処理（ステップＳ１５４、Ｓ１５５）
図８、学習実行処理、およびＡＩ処理（ステップＳ１５６、Ｓ２５４）
図８、データ表示処理および保存処理（ステップＳ１５７、Ｓ２５５）
図８、保存選択判定処理（ステップＳ１５８）
図８、データ保存処理および保存処理（ステップＳ１５９、Ｓ２５６）
図８、ユーザ評価処理および保存処理（ステップＳ１６０、Ｓ２５７）
図８、公開設定処理（ステップＳ１６１）
図８、再学習判定処理および判定処理（ステップＳ１６２、Ｓ２５８）
図７、販売判定処理（ステップＳ１２３）
図７、販売設定処理および公開・販売処理（ステップＳ１２４、Ｓ２２３）
機械学習モデル３１０の再学習は、下記の図およびステップの記載順に行われる。
図３、サインイン処理および認証処理（ステップＳ１０１、Ｓ２０１）
図３、選択処理（ステップＳ１０２）
図３、モデル一覧処理（ステップＳ１０３）
図４、データの絞り込み処理および絞り込み処理（ステップＳ１１０、Ｓ２１０）
図４、モデル選択処理およびモデル参照処理（ステップＳ１１１、Ｓ２１１）
図４、選択処理および再学習処理（ステップＳ１１２、Ｓ１１５）
図７、データ絞込み処理および絞り込み処理（ステップＳ１２１、Ｓ２２１）
図７、学習処理および評価処理（ステップＳ１２２、Ｓ２２２）
図８、データ入力処理および保存処理（ステップＳ１５１、Ｓ２５１）
図８、適切かの判定処理、判定処理、およびアルゴリズム選択処理（ステップＳ１５２、Ｓ２５２、Ｓ２５３）
図８、選択処理（ステップＳ１５３）
図８、アルゴリズム入力、およびアルゴリズム推奨処理（ステップＳ１５４、Ｓ１５５）
図８、学習実行処理、およびＡＩ処理（ステップＳ１５６、Ｓ２５４）
図８、データ表示処理および保存処理（ステップＳ１５７、Ｓ２５５）
図８、保存選択判定処理（ステップＳ１５８）
図８、データ保存処理および保存処理（ステップＳ１５９、Ｓ２５６）
図８、ユーザ評価処理および保存処理（ステップＳ１６０、Ｓ２５７）
図８、公開設定処理（ステップＳ１６１）
図８、再学習判定処理および判定処理（ステップＳ１６２、Ｓ２５８）
図７、販売判定処理（ステップＳ１２３）
図７、販売設定処理および公開・販売処理（ステップＳ１２４、Ｓ２２３）
【0042】
（機械学習モデル３１０の作成）
機械学習モデル３１０の作成は、下記の図およびステップの記載順に行われる。
図３、サインイン処理および認証処理（ステップＳ１０１、Ｓ２０１）
図３、選択処理（ステップＳ１０２）
図３、モデル作成処理（ステップＳ１０４）
図７、データの絞り込み処理および絞り込み処理（ステップＳ１２１、Ｓ２２１）
図７、学習処理および評価処理（ステップＳ１２２、Ｓ２２２）
図８、データ入力処理および保存処理（ステップＳ１５１、Ｓ２５１）
図８、適切かの判定処理、判定処理、およびアルゴリズム選択処理（ステップＳ１５２、Ｓ２５２、Ｓ２５３）
図８、選択処理（ステップＳ１５３）
図８、アルゴリズム入力、およびアルゴリズム推奨処理（ステップＳ１５４、Ｓ１５５）
図８、学習実行処理、およびＡＩ処理（ステップＳ１５６、Ｓ２５４）
図８、データ表示処理および保存処理（ステップＳ１５７、Ｓ２５５）
図８、保存選択判定処理（ステップＳ１５８）
図８、データ保存処理および保存処理（ステップＳ１５９、Ｓ２５６）
図８、ユーザ評価処理および保存処理（ステップＳ１６０、Ｓ２５７）
図８、公開設定処理（ステップＳ１６１）
図８、再学習判定処理および判定処理（ステップＳ１６２、Ｓ２５８）
図７、販売判定処理（ステップＳ１２３）
図７、販売設定処理および公開・販売処理（ステップＳ１２４、Ｓ２２３）
機械学習モデル３１０の作成は、下記の図およびステップの記載順に行われる。
図３、サインイン処理および認証処理（ステップＳ１０１、Ｓ２０１）
図３、選択処理（ステップＳ１０２）
図３、モデル作成処理（ステップＳ１０４）
図７、データの絞り込み処理および絞り込み処理（ステップＳ１２１、Ｓ２２１）
図７、学習処理および評価処理（ステップＳ１２２、Ｓ２２２）
図８、データ入力処理および保存処理（ステップＳ１５１、Ｓ２５１）
図８、適切かの判定処理、判定処理、およびアルゴリズム選択処理（ステップＳ１５２、Ｓ２５２、Ｓ２５３）
図８、選択処理（ステップＳ１５３）
図８、アルゴリズム入力、およびアルゴリズム推奨処理（ステップＳ１５４、Ｓ１５５）
図８、学習実行処理、およびＡＩ処理（ステップＳ１５６、Ｓ２５４）
図８、データ表示処理および保存処理（ステップＳ１５７、Ｓ２５５）
図８、保存選択判定処理（ステップＳ１５８）
図８、データ保存処理および保存処理（ステップＳ１５９、Ｓ２５６）
図８、ユーザ評価処理および保存処理（ステップＳ１６０、Ｓ２５７）
図８、公開設定処理（ステップＳ１６１）
図８、再学習判定処理および判定処理（ステップＳ１６２、Ｓ２５８）
図７、販売判定処理（ステップＳ１２３）
図７、販売設定処理および公開・販売処理（ステップＳ１２４、Ｓ２２３）
【0043】
（機械学習モデル３１０の参照）
機械学習モデル３１０の参照は、下記の図およびステップの記載順に行われる。
図３、サインイン処理および認証処理（ステップＳ１０１、Ｓ２０１）
図３、選択処理（ステップＳ１０２）
図３、モデル参照処理（ステップＳ１０５）
機械学習モデル３１０の参照は、下記の図およびステップの記載順に行われる。
図３、サインイン処理および認証処理（ステップＳ１０１、Ｓ２０１）
図３、選択処理（ステップＳ１０２）
図３、モデル参照処理（ステップＳ１０５）
【0044】
図９（Ａ）は機械学習モデル３１０の一覧画面の一例を示す図であり、図９（Ｂ）は機械学習モデル３１０を選択したときの画面の一例を示す図である。演算部２４０は、図９（Ａ）に示すように、利用者端末装置１００からの要求に応じて機械学習モデル３１０の一覧を表示させる。演算部２４０は、例えば、機械学習モデル３１０のモデル名、精度、および利用者評価を含む機械学習モデル３１０の一覧情報を利用者端末装置１００に送信する。これにより利用者端末装置１００は、図９（Ａ）に示す一覧画面を表示させることができる。利用者端末装置１００が機械学習モデル３１０を選択した場合、演算部２４０は、選択された機械学習モデル３１０についての学習データ、アルゴリズム、作成した利用者の名称、精度、利用者評価、日付、再学習回数などの情報を利用者端末装置１００に送信する。これにより利用者端末装置１００は、図９（Ｂ）に示すように、選択された機械学習モデル３１０に関する情報の画面を表示させることができる。機械学習モデル３１０に関する情報は、例えば、利用者ごとの精度、利用者評価、日付、および再学習回数を含む。
【0045】
（実施の形態の効果）
以上のように、実施の形態のサービス支援システム１によれば、機械学習モデル３１０に関するサービスを提供する処理を支援するサービス支援装置２００によるサービス支援方法であって、第１の利用者の操作に応じて学習データおよび機械学習モデル３１０のアルゴリズムを選択し、選択された学習データおよびアルゴリズムに基づいて機械学習モデル３１０を作成するステップと、作成された機械学習モデル３１０に販売価格を設定して公開し、機械学習モデル３１０に対応したＡＰＩの利用権限を第２の利用者に付与して第２の利用者に対応した利用者端末装置１００に課金情報を送信するステップと、機械学習モデル３１０に対応したＡＰＩを生成し、ＡＰＩを利用して機械学習モデル３１０に対する要求を受け付け、要求に基づいて機械学習モデル３１０を用いた演算を行うステップを含む、サービス支援方法を実現することができる。このサービス支援システム１によれば、機械学習モデル３１０の作成、販売、演算などのサービスを容易に提供することを支援することができる。
以上のように、実施の形態のサービス支援システム１によれば、機械学習モデル３１０に関するサービスを提供する処理を支援するサービス支援装置２００によるサービス支援方法であって、第１の利用者の操作に応じて学習データおよび機械学習モデル３１０のアルゴリズムを選択し、選択された学習データおよびアルゴリズムに基づいて機械学習モデル３１０を作成するステップと、作成された機械学習モデル３１０に販売価格を設定して公開し、機械学習モデル３１０に対応したＡＰＩの利用権限を第２の利用者に付与して第２の利用者に対応した利用者端末装置１００に課金情報を送信するステップと、機械学習モデル３１０に対応したＡＰＩを生成し、ＡＰＩを利用して機械学習モデル３１０に対する要求を受け付け、要求に基づいて機械学習モデル３１０を用いた演算を行うステップを含む、サービス支援方法を実現することができる。このサービス支援システム１によれば、機械学習モデル３１０の作成、販売、演算などのサービスを容易に提供することを支援することができる。
【0046】
また、サービス支援システム１によれば、機械学習モデル３１０を生成することや再学習することについて機械学習についての専門的知識が必要となり、機械学習モデル３１０を販売するためには機械学習モデル３１０を評価する必要があるが、販売者の負担を少なくすることができる。さらに、サービス支援システム１によれば、機械学習モデル３１０の作成者にとっても、機械学習モデル３１０における各種のアルゴリズムや多様な学習データに応じて学習済みの機械学習モデルが無数に存在するが、学習済みの機械学習モデル３１０を評価または比較することや、学習済みの機械学習モデル３１０を管理する手間を軽減することができる。
【0047】
さらにサービス支援システム１によれば、機械学習モデル３１０の購入する判断材料となるパラメータは機械学習モデル３１０における予測または分類の精度であるが、ＡＰＩを介して機械学習モデル３１０の評価を行うことができる。
【0048】
サービス支援システム１によれば、第１の利用者に対応した利用者端末装置１００から取得した学習データについて機械学習モデル３１０のアルゴリズムを選択し、選択された学習データのラベルおよび機械学習モデル３１０のアルゴリズムを第１の利用者に対応した利用者端末装置１００に送信することができる。これによりサービス支援システム１によれば、機械学習モデル３１０の作成者の負担を抑制することができる。
【0049】
サービス支援システム１によれば、機械学習モデル３１０および第１の利用者に対応した第１のＡＰＩ、機械学習モデル３１０および第２の利用者に対応した第２のＡＰＩを生成することにより、機械学習モデル３１０についての専門知識がなくてもＡＰＩを操作することにより機械学習モデル３１０に関する各種の操作を行わせることができる。
【0050】
サービス支援システム１によれば、機械学習モデル３１０の販売時に、第２の利用者に対応した利用者端末装置１００からの要求に基づいてＡＰＩを生成し、機械学習モデル３１０の販売時に、ＡＰＩを介して受け付けた第２の利用者に対応した利用者端末装置１００からの要求に基づいて機械学習モデル３１０の販売時に機械学習モデル３１０の評価用データを用いて機械学習モデル３１０の評価を行い、評価用データを機械学習モデル３１０の再学習のためのデータとして機械学習モデル３１０を再学習させることができる。サービス支援システム１によれば、機械学習モデル３１０の購入者の負担を抑制することができる。
【0051】
サービス支援システム１によれば、機械学習モデル３１０の評価用データを取得した場合に評価用データを機械学習モデル３１０に入力し、機械学習モデル３１０の出力結果に基づいて精度を演算することができる。これによりサービス支援システム１によれば、機械学習モデル３１０の購入者の負担を抑制することができる。
【0052】
サービス支援システム１によれば、ＡＰＩごとに第１の利用者に対応した利用者端末装置１００からの要求または第２の利用者に対応した利用者端末装置１００からの要求に基づいて再学習された機械学習モデル３１０を利用するか否かを設定し、ＡＰＩに再学習された機械学習モデル３１０を利用すると設定されている場合、利用者から分析対象データを取得したことに応じて再学習された機械学習モデル３１０に分析対象データを入力して分析結果を取得し、ＡＰＩに再学習された機械学習モデル３１０を利用しないと設定されている場合、利用者から分析対象データを取得したことに応じて再学習されていない機械学習モデル３１０に分析対象データを入力して分析結果を取得することができる。これによりサービス支援システム１によれば、機械学習モデル３１０に再学習の可否を設定して、機械学習モデル３１０ごとにＡＰＩを提供することができる。
【0053】
サービス支援システム１によれば、ＡＰＩごとに機械学習モデル３１０の評価用データを用いて機械学習モデル３１０の再学習を行うか否かを設定し、機械学習モデル３１０の評価用データを用いて機械学習モデル３１０の再学習を行うと設定されている場合、機械学習モデル３１０の評価後、機械学習モデル３１０の評価結果を用いて機械学習モデル３１０の再学習を行うことができる。これによりサービス支援システム１によれば、機械学習モデル３１０に評価用データを用いた再学習の可否を設定して、機械学習モデル３１０ごとにＡＰＩを提供することができる。
【0054】
なお、各実施の形態および変形例について説明したが、一例であってこれらに限られず、例えば、各実施の形態や各変形例のうちのいずれか、または各実施の形態の一部や各変形例の一部を、他の１または複数の実施の形態や他の１または複数の変形例と組み合わせて本発明の一態様を実現させてもよい。
【符号の説明】
【0055】
１…サービス支援システム、１０…ＡＩプラットフォーム、１００、１００Ａ、１００Ｂ…利用者端末装置、１１０、１１０Ａ、１１０Ｂ…ＡＩサービスアプリケーション、２００…サービス支援装置
２０２…学習機ＡＰＩ、２０４…判定機ＡＰＩ、２１０…利用者管理部、２２０…作成部、２３０…販売部、２４０…演算部、２５０…学習処理部、２６０…分析処理部、３００…機械学習モデル記憶装置、３１０…機械学習モデル、３２０…学習データ、３３０…利用者情報
２０２…学習機ＡＰＩ、２０４…判定機ＡＰＩ、２１０…利用者管理部、２２０…作成部、２３０…販売部、２４０…演算部、２５０…学習処理部、２６０…分析処理部、３００…機械学習モデル記憶装置、３１０…機械学習モデル、３２０…学習データ、３３０…利用者情報
【図1】
【図2】
【図3】
【図4】
【図5】
【図6】
【図7】
【図8】
【図9】