特開 2025-33003 情報提供装置、情報提供方法及び情報提供プログラム

(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】P2025033003

(43)【公開日】2025-03-12

(54)【発明の名称】情報提供装置、情報提供方法及び情報提供プログラム

(51)【国際特許分類】

   G06Q 50/10 20120101AFI20250305BHJP

   G06Q 20/16 20120101ALI20250305BHJP

   G06Q 20/14 20120101ALI20250305BHJP

【ＦＩ】

G06Q50/10

G06Q20/16

G06Q20/14 300

【審査請求】未請求

【請求項の数】8

【出願形態】ＯＬ

(21)【出願番号】P 2024145243

(22)【出願日】2024-08-27

(31)【優先権主張番号】P 2023138115

(32)【優先日】2023-08-28

(33)【優先権主張国・地域又は機関】JP

(71)【出願人】

【識別番号】591280485

【氏名又は名称】ソフトバンクグループ株式会社

(74)【代理人】

【識別番号】110002147

【氏名又は名称】弁理士法人酒井国際特許事務所

(72)【発明者】

【氏名】孫 正義

【テーマコード（参考）】

5L020

5L050

【Ｆターム（参考）】

5L020AA32

5L020AA36

5L050CC12

(57)【要約】

【課題】提供元に対して適切な報酬を支給すること。
【解決手段】実施形態に係る情報提供装置は、信頼性に関する条件を満たした提供元から提供されるデータソースを収集する収集部と、収集したデータソースの信頼度を判定する判定部と、収集したデータソースを学習して生成された言語モデルであって、ユーザによって入力されたプロンプトに対する回答を生成する言語モデルを生成する生成部と、データソースに関係する回答をユーザへ提供した場合に、当該データソースの提供元に対して信頼度に応じて報酬を支給する支給部とを有する。
【選択図】図２

【特許請求の範囲】

【請求項1】

信頼性に関する条件を満たした提供元から提供されるデータソースを収集する収集部と、
収集した前記データソースの信頼度を判定する判定部と、
収集した前記データソースを学習して生成された言語モデルであって、ユーザによって入力されたプロンプトに対する回答を生成する言語モデルを生成する生成部と、
前記データソースに関係する前記回答をユーザへ提供した場合に、当該データソースの前記提供元に対して前記信頼度に応じて報酬を支給する支給部と
を有する情報提供装置。

【請求項2】

前記判定部は、
前記提供元の情報に基づいて前記信頼度を判定する
請求項１に記載の情報提供装置。

【請求項3】

前記判定部は、
前記提供元の属性情報と、前記データソースの種別とに基づいて前記信頼度を判定する
請求項２に記載の情報提供装置。

【請求項4】

前記判定部は、
前記提供元から過去に提供された前記データソースの前記信頼度に基づいて、今回提供された前記データソースの前記信頼度を判定する
請求項１に記載の情報提供装置。

【請求項5】

前記支給部は、
前記信頼度が高い程、前記報酬を多く支給する
請求項１に記載の情報提供装置。

【請求項6】

前記支給部は、
過去に前記ユーザへ提供した複数の前記データソースの前記信頼度に基づいて支給する前記報酬を決定する
請求項１に記載の情報提供装置。

【請求項7】

情報提供装置によって実行される情報提供方法であって、
信頼性に関する条件を満たした提供元から提供されるデータソースを収集する収集工程と、
収集した前記データソースの信頼度を判定する判定工程と、
収集した前記データソースを学習して生成された言語モデルであって、ユーザによって入力されたプロンプトに対する回答を生成する言語モデルを生成する生成工程と、
前記データソースに関係する前記回答をユーザへ提供した場合に、当該データソースの前記提供元に対して前記信頼度に応じて報酬を支給する支給工程と
を含む情報提供方法。

【請求項8】

信頼性に関する条件を満たした提供元から提供されるデータソースを収集する収集ステップと、
収集した前記データソースの信頼度を判定する判定ステップと、
収集した前記データソースを学習して生成された言語モデルであって、ユーザによって入力されたプロンプトに対する回答を生成する言語モデルを生成する生成ステップと、
前記データソースに関係する前記回答をユーザへ提供した場合に、当該データソースの前記提供元に対して前記信頼度に応じて報酬を支給する支給ステップと
をコンピュータに実行させる情報提供プログラム。

【発明の詳細な説明】

【技術分野】

【0001】

開示の実施形態は、情報提供装置、情報提供方法及び情報提供プログラムに関する。

【背景技術】

【0002】

従来、ユーザによって入力された質問文に対する回答文を、生成モデルを用いて生成するシステムが知られている（例えば、特許文献１を参照）。

【先行技術文献】

【特許文献】

【0003】

【特許文献1】特表２０２２－５０３８３８号公報

【発明の概要】

【発明が解決しようとする課題】

【0004】

従来の技術では、情報を提供してくれる提供元に対して適切な報酬を支給する点で改善の余地があった。

【0005】

本発明は、上記に鑑みてなされたものであって、提供元に対して適切な報酬を支給することを目的とする。

【課題を解決するための手段】

【0006】

実施形態の一態様に係る情報提供装置は、信頼性に関する条件を満たした提供元から提供されるデータソースを収集する収集部と、収集した前記データソースの信頼度を判定する判定部と、収集した前記データソースを学習して生成された言語モデルであって、ユーザによって入力されたプロンプトに対する回答を生成する言語モデルを生成する生成部と、前記データソースに関係する前記回答をユーザへ提供した場合に、当該データソースの前記提供元に対して前記信頼度に応じて報酬を支給する支給部と、を有する。

【発明の効果】

【0007】

実施形態の一態様によれば、提供元に対して適切な報酬を支給することができる。

【図面の簡単な説明】

【0008】

【図1】図１は、実施形態に係る情報提供装置の概要を説明する図である。

【図2】図２は、実施形態に係る情報提供装置の構成例を示す機能ブロック図である。

【図3】図３は、データ量の変化を説明する図である。

【図4】図４は、信頼性の判定処理の流れを説明するフローチャートである。

【図5】図５は、事前訓練処理の流れを説明するフローチャートである。

【図6】図６は、情報提供処理の流れを説明するフローチャートである。

【図7】図７は、情報提供装置として機能するコンピュータハードウェア構成の一例を概略的に示す図である。

【発明を実施するための形態】

【0009】

以下、実施形態を通じて本発明を説明するが、以下の実施形態は特許請求の範囲に係る発明を限定するものではない。また、実施形態の中で説明されている特徴の組み合わせの全てが発明の解決手段に必須であるとは限らない。

【0010】

図１を用いて、実施形態に係る情報提供装置の処理の流れを説明する。図１は、実施形態に係る情報提供装置の概要を説明する図である。図１では、実施形態に係る情報提供装置１０を含む情報提供システム１の構成を示している。

【0011】

図１に示すように、情報提供システム１は、情報提供装置１０と、データソース提供元２０と、回答提供先３０とを含む。データソース提供元２０の実体は、情報を配信するためのサーバ２０－１や、ユーザが所持するユーザ端末２０－２、自動運転機能を有する車両２０－３等である。サーバ２０－１は、例えば新聞社、通信社、放送事業者、出版社、ネットニュース提供事業者等が管理するサーバである。サーバ２０－１は、インターネット上でＷｅｂサイト又はＳＮＳ（Social Networking Service）を介して情報を配信する。

【0012】

回答提供先３０は、情報提供装置１０が有する言語モデルを用いた、ユーザの質問に対する回答の提供先である。回答提供先３０の実体は、ユーザ端末３０－１や、自動運転機能を有する車両３０－２等である。

【0013】

図１に示すように、情報提供装置１０は、データソース提供元２０から提供元に関する情報を取得する（ステップＳ１）。提供元に関する情報は、提供先の属性情報（事業内容や事業規模、従業員数、会員登録者数）や、事業を展開している地域等の情報である。

【0014】

つづいて、情報提供装置１０は、提供元に関する情報に基づいて、提供先が信頼性に関する条件を満たすか否かを判定する（ステップＳ２）。例えば、情報提供装置１０は、事業内容がニュース配信である提供元（新聞社、通信社、放送事業者、出版社、ネットニュース提供事業者）については、信頼性に関する条件を満たすと判定する。つまり、情報提供装置１０は、ニュース配信を事業内容とする提供元から提供されるニュース記事のデータソースについては信頼度が高いため、信頼性に関する条件を満たすと判定する。また、情報提供装置１０は、事業規模が一定以上の提供元については信頼性に関する条件を満たすと判定する。事業規模とは、例えば、ニュース配信の配信数（新聞社なら発行部数、通信社なら配信したユーザ数、放送事業者なら視聴率、出版社なら発行部数、ネットニュース提供事業者なら配信数または登録ユーザ数等）である。つまり、情報提供装置１０は、ニュース記事が一定以上のユーザに配信されている提供元については、信頼性に関する条件を満たすと判定する。

【0015】

また、情報提供装置１０は、データソース提供元２０がユーザ端末２０－２や車両２０－３等の機器である場合、機器の製造元が信頼性に関する条件を満たすか否かを判定する。例えば、情報提供装置１０は、売上高が一定以上の製造元について信頼性に関する条件を満たすと判定する。

【0016】

つづいて、情報提供装置１０は、信頼性に関する条件を満たしたデータソース提供元２０に対して通信接続を許可し、データソース提供元２０からデータソースを収集する（ステップＳ３）。なお、情報提供装置１０とデータソース提供元２０とは、ＶＰＮ（Virtual Private Network）によって通信接続される。

【0017】

データソースは、データソース提供元２０のサーバ２０－１によって配信されるテキスト、音声、画像等の形式のデータである。また、データソースは、ユーザ端末２０－２によって提供されるユーザの投稿内容（テキスト、音声、画像等）である。データソースは、車両２０－３によって提供される過去の移動経路や、移動している際の道路や歩道の混雑状況、目的地までに要した移動時間、目的地まで移動した際の車両２０－３の挙動（アクセル、ブレーキ、ステアリング等）等である。

【0018】

情報提供装置１０は、収集したデータソースの信頼度を判定する（ステップＳ４）。例えば、情報提供装置１０は、提供元の情報に基づいて信頼度を判定する。具体的には、情報提供装置１０は、提供元の属性情報と、データソースの種別とに基づいて信頼度を判定する。例えば、情報提供装置１０は、経済関連のニュースを主に発信している提供元から経済関連のデータソースが提供される場合には、信頼度が高いと判定し、経済関連以外のデータソースが提供される場合には、信頼度が低いと判定する。なお、信頼度は、高／低の２値に限定されず、１から１０の１０段落のスコアで表現されてもよい。また、情報提供装置１０は、事業規模が一定以上の提供元から提供されるデータソースについては信頼度が高いと判定してもよい。事業規模とは、例えば、ニュース配信の配信数（新聞社なら発行部数、通信社なら配信したユーザ数、放送事業者なら視聴率、出版社なら発行部数、ネットニュース提供事業者なら配信数または登録ユーザ数等）である。また、情報提供装置１０は、提供元から過去に提供されたデータソースの信頼度に基づいて、今回提供されたデータソースの信頼度を判定してもよい。具体的には、情報提供装置１０は、提供元から過去に提供されたデータソースの信頼度がすべて高い場合には、今回提供されたデータソースの信頼度を高いと判定する。また、情報提供装置１０は、提供元から過去に提供されたデータソースのうち、特定の分野のデータソースの信頼度がすべて高い場合には、今回提供されたデータソースが特定の分野である場合には、信頼度を高いと判定する。

【0019】

情報提供装置１０は、取得したデータソースを基に、モデルの学習を行う。モデルは、言語モデルである。言語モデルとしては、例えばOpenAI社のChatGPTが知られている（参考文献：https://openai.com/blog/chatgpt）。言語モデルは、ニューラルネットワークを利用したＧＡＮ（Generative Adversarial Networks）、ＶＡＥ（Variational Autoencoder）等の生成モデルであってもよい。

【0020】

本実施形態では、言語モデルは、ユーザによって入力された問い合わせのテキスト（以下、プロンプト）に対する回答のテキストを生成する。また、モデルは、データソースを用いて事前に学習される。モデルの学習は、既知の機械学習の手法によって行われてもよい。

【0021】

これにより、モデルは、データソースに基づいた回答を生成することができるようになる。例えば、モデルは、プロンプトに「電気自動車」というキーワードが含まれる場合、当該キーワードに関連するニュース記事に基づいた回答を生成することができる。言い換えると、学習により、ニュース記事の内容がモデルによる回答の生成に影響を与えるようになる。

【0022】

ステップＳ１において、情報提供装置１０は、継続的にデータソースを取得する。このため、情報提供装置１０が取得したデータソースの量は、時間の経過に従って増加していく。

【0023】

情報提供装置１０は、学習に使用するデータソースが互いに異なる２つのモデルを有する。２つのモデルは、標準モデル及び先進モデルである。

【0024】

情報提供装置１０は、データソースを基に２つの言語モデルを学習する（ステップＳ５）。具体的には、情報提供装置１０は、過去のデータソースを基に標準モデルを学習する。また、情報提供装置１０は、現在のデータソースを基に先進モデルを学習する。

【0025】

ここで、過去のデータソースは、モデルの学習が行われるタイミングの一定期間だけ過去の時点までに取得されたデータソースである。例えば、一定期間を２年間とすると、「2023/6/22 16:05」に学習が行われる場合、過去のデータソースは、データソースの取得開始時点から、「2021/6/22 16:05」までに取得されたデータソースである。

【0026】

一方、現在のデータソースは、モデルの学習が行われるタイミングまでに取得されたデータソースである。例えば、「2023/6/22 16:05」に学習が行われる場合、現在のデータソースは、データソースの取得開始時点から、「2023/6/22 16:05」までに取得されたデータソースである。

【0027】

つまり、情報提供装置１０は、所定期間だけ遡った時点までに取得した過去のデータソースを学習した標準モデルと、所定期間を含む現在までに取得した過去のデータソースを学習した先進モデルとを生成する。

【0028】

モデルの学習が行われるタイミングは、１秒ごとであってもよいし、さらに短い時間ごと（例えば、１ナノ秒ごと）であってもよい。

【0029】

また、情報提供装置１０は、先進モデルを学習する際に、所定期間において取得したデータソースについては、ステップＳ４で判定した信頼度が所定の条件を満たすデータソースを用いて学習する。具体的には、情報提供装置１０は、信頼度が高いデータソースを用いて先進モデルを学習する。これにより、学習量を減らしつつ、信頼度が高い先進モデルを学習することができる。

【0030】

ここで、情報提供装置１０は、ユーザから言語モデルへの入力となるプロンプトを受け付ける（ステップＳ６）。そして、情報提供装置１０は、ユーザのプランに応じたモデルを用いてプロンプトに対する回答を生成する（ステップＳ７）。

【0031】

なお、ユーザからのプロンプトは、回答提供先３０を介して情報提供装置１０に送信される。また、情報提供装置１０は、回答を回答提供先３０に送信する。

【0032】

情報提供装置１０は、サービスとして回答を提供する。サービスには、上位のプレミアムプランと下位のフリーミアムプランがあるものとする。プレミアムプランは、ある期間（例えば、年間又は月間）ごとに一定の料金がかかるサブスクリプション、又は利用料に応じて料金が決まる従量制のプランである。また、フリーミアムプランは、無料のプランである。フリーミアムプランは、プレミアムプランより料金が少額のプラン（例えば、ベーシックプラン）に置き換えられてもよい。

【0033】

情報提供装置１０は、使用するモデルの学習に用いられるデータの違いによって、プランごとのサービス品質の差別化を実現する。すなわち、ユーザがプレミアムプランに加入している場合、情報提供装置１０は、先進モデルを使って回答を生成する。一方、ユーザがフリーミアムプランに加入している場合、情報提供装置１０は、標準モデルを使って回答を生成する。

【0034】

情報提供装置１０は、生成した回答をユーザに提供する（ステップＳ８）。情報提供装置１０は、チャット形式のユーザインタフェースを介してプロンプトの受け付け及び回答の提供を行ってもよい。また、情報提供装置１０は、回答提供先３０が車両３０－２である場合、例えば、車両３０－２に搭載されたディスプレイ（例えば、ナビゲーション装置等）に回答を表示させる。あるいは、情報提供装置１０は、プロンプトが目的地までの自動運転依頼であった場合、車両３０－２の制御装置を制御して、自動運転を行う。

【0035】

また、情報提供装置１０は、ユーザがプレミアムプランに加入している場合、最新のデータソースを基に先進モデルを更新し、さらに回答を生成してもよい。このように更新した先進モデルをリアルタイムモデルと呼ぶ。情報提供装置１０は、リアルタイムモデルを使って生成した追加の回答を提供してもよい。

【0036】

情報提供装置１０は、回答を生成し、生成した回答を提供するまでの期間にも、データソースを継続的に取得して言語モデルの更新を行う。情報提供装置１０は、リアルタイムモデルを用いることで、この期間に発生した差分を反映させた回答を生成することができる。

【0037】

つづいて、情報提供装置１０は、データソースに関係する回答をユーザへ提供した場合に、当該データソースのデータソース提供元２０に対して報酬を支給する（ステップＳ９）。例えば、情報提供装置１０は、データソースに関係する回答を行った回数（またはユーザ数）に応じて支給する報酬の内容を決定する。また、情報提供装置１０は、標準モデルによる提供と、先進モデルによる提供とで報酬を異ならせてもよい。例えば、情報提供装置１０は、データソースに関係する回答を先進モデルを介して提供した場合の報酬を、標準モデルを介して提供した場合の報酬よりも多くする。

【0038】

また、情報提供装置１０は、ステップＳ４で判定した信頼度に応じた報酬を支給する。例えば、情報提供装置１０は、信頼度が高い程、報酬を多く支給する。また、情報提供装置１０は、過去にユーザへ提供した複数のデータソースの信頼度に基づいて支給する報酬を決定してもよい。具体的には、情報提供装置１０は、過去の所定期間内に提供したデータソースにおいて、信頼度が高いデータソースが多い程、報酬を多く支給する。このように、実施形態に係る情報提供装置１０によれば、提供元に対して信頼度に応じた報酬を提供することで、提供元に対して適切な報酬を支給することができる。

【0039】

このように、情報提供装置１０は、信頼性に関する条件を満たしたデータソース提供元２０のみからデータソースを収集することで、言語モデルの学習に信頼度低いデータソースが混ざることを回避できるため、提供される情報の信頼度を高めることができる。

【0040】

また、情報提供システム１において、情報提供装置１０と、データソース提供元２０（サーバ２０－１、ユーザ端末２０－２および車両２０－３）とは、製造メーカが同じ半導体チップが組み込まれる。この半導体チップは、それぞれ自身が機械学習やディープラーニングを行ってもよい。

【0041】

また、情報提供装置１０やデータソース提供元２０で使用される半導体チップは、それぞれの筐体にあった大きさのチップが使用される。例えば、情報提供装置１０のチップサイズをＸＬサイズと仮定した場合、サーバ２０－１や車両２０－３にはＬサイズを使用し、ユーザ端末２０－２にはＳもしくはＭサイズを使用する。また、ユーザ端末２０－２よりもさらに筐体サイズが小さいデータソース提供元２０については、ＳＳサイズを使用し、ＳｏＣ（System on a chip）の中に入れてワンチップ化する。なお、ＸＬサイズは、半導体チップの数が２００タイル、Ｌサイズが５０タイル、Ｍサイズが２０タイル、Ｓサイズが１０タイル、ＳＳサイズが２タイルであるが、各サイズのタイル数は一例であり、上記に限定されるものではない。もし、ユーザ端末２０－２にカメラやマイクといった付属品を付けたい場合は、ＳｏＣの中の半導体チップの近くの空いているスペースに半導体チップとは別の付属品専用のチップを設定しても良い。

【0042】

このように、情報提供装置１０およびデータソース提供元２０において製造メーカが同じ半導体チップを使用することで、情報提供装置１０およびデータソース提供元２０の間で閉じた系を確立できるため、情報提供装置１０およびデータソース提供元２０の間をセキュアな状態に保つことができる。つまり、情報提供装置１０およびデータソース提供元２０の間において、ハッキングや、ウィルス感染、ディープフェイクを高精度に回避できるとともに、情報提供装置１０およびデータソース提供元２０の間におけるプライバシーを確保することができる。

【0043】

図２を用いて、情報提供装置１０の構成を説明する。図２は、実施形態に係る情報提供装置の構成例を示す機能ブロック図である。

【0044】

図２に示すように、情報提供装置１０は、通信部１１と、記憶部１２と、制御部１３と、を備える。

【0045】

通信部１１は、ネットワークを介して、データソース提供元２０又は回答提供先３０との間で情報の送受信を行う。

【0046】

記憶部１２は、例えばＲＡＭ（Random Access Memory）、フラッシュメモリ（Flash Memory）等の半導体メモリ素子、又はＨＤＤ（Hard Disk Drive）、ＳＳＤ（Solid State Drive）、光ディスク等の記憶装置によって実現される。記憶部１２には、各種プログラム及び各種データ等が記憶される。記憶部１２は、ユーザ情報１２１、標準モデル情報１２２、先進モデル情報１２３、及びリアルタイムモデル情報１２４を有する。

【0047】

ユーザ情報１２１は、ユーザごとの加入しているプランの情報である。例えば、ユーザ情報１２１は、ユーザのＩＤとプレミアムプラン又はフリーミアムプランを対応付けた情報である。

【0048】

標準モデル情報１２２、先進モデル情報１２３、及びリアルタイムモデル情報１２４は、それぞれ標準モデル、先進モデル及びリアルタイムモデルを構築するためのパラメータ等の情報である。モデルを構築するためのパラメータは、例えばニューラルネットワークの重み及びバイアス等である。モデルの学習においては、これらのパラメータが更新される。

【0049】

制御部１３は、コントローラであり、例えばＣＰＵ（Central Processing Unit）、ＲＯＭ（Read Only Memory）、ＲＡＭ、入出力ポート等を有するマイクロコンピュータや各種の回路を含む。また、制御部１３は、例えば、ＡＳＩＣ（Application Specific Integrated Circuit）やＦＰＧＡ（Field Programmable Gate Array）等の集積回路等のハードウェアで構成されてもよい。制御部１３は、取得部３１、判定部３２、収集部３３、生成部３４、提供部３５および支給部３６を有する。

【0050】

取得部３１は、データソース提供元２０から提供元に関する情報を取得する。提供元に関する情報は、提供先の属性情報（事業内容や事業規模、従業員数、会員登録者数）や、事業を展開している地域等の情報である。

【0051】

判定部３２は、提供元に関する情報に基づいて、提供先が信頼性に関する条件を満たすか否かを判定する。例えば、判定部３２は、事業内容がニュース配信である提供元（新聞社、通信社、放送事業者、出版社、ネットニュース提供事業者）については、信頼性に関する条件を満たすと判定する。つまり、判定部３２は、ニュース配信を事業内容とする提供元から提供されるニュース記事のデータソースについては信頼度が高いため、信頼性に関する条件を満たすと判定する。また、判定部３２は、事業規模が一定以上の提供元については信頼性に関する条件を満たすと判定する。事業規模とは、例えば、ニュース配信の配信数（新聞社なら発行部数、通信社なら配信したユーザ数、放送事業者なら視聴率、出版社なら発行部数、ネットニュース提供事業者なら配信数または登録ユーザ数等）である。つまり、判定部３２は、ニュース記事が一定以上のユーザに配信されている提供元については、信頼性に関する条件を満たすと判定する。

【0052】

また、判定部３２は、データソース提供元２０がユーザ端末２０－２や車両２０－３等の機器である場合、機器の製造元が信頼性に関する条件を満たすか否かを判定する。例えば、判定部３２は、売上高が一定以上の製造元について信頼性に関する条件を満たすと判定する。

【0053】

また、判定部３２は、収集したデータソースの信頼度を判定する。例えば、判定部３２は、提供元の情報に基づいて信頼度を判定する。具体的には、判定部３２は、提供元の属性情報と、データソースの種別とに基づいて信頼度を判定する。例えば、判定部３２は、経済関連のニュースを主に発信している提供元から経済関連のデータソースが提供される場合には、信頼度が高いと判定し、経済関連以外のデータソースが提供される場合には、信頼度が低いと判定する。なお、信頼度は、高／低の２値に限定されず、１から１０の１０段落のスコアで表現されてもよい。また、判定部３２、事業規模が一定以上の提供元から提供されるデータソースについては信頼度が高いと判定してもよい。事業規模とは、例えば、ニュース配信の配信数（新聞社なら発行部数、通信社なら配信したユーザ数、放送事業者なら視聴率、出版社なら発行部数、ネットニュース提供事業者なら配信数または登録ユーザ数等）である。また、判定部３２は、提供元から過去に提供されたデータソースの信頼度に基づいて、今回提供されたデータソースの信頼度を判定してもよい。具体的には、判定部３２は、提供元から過去に提供されたデータソースの信頼度がすべて高い場合には、今回提供されたデータソースの信頼度を高いと判定する。また、判定部３２は、提供元から過去に提供されたデータソースのうち、特定の分野のデータソースの信頼度がすべて高い場合には、今回提供されたデータソースが特定の分野である場合には、信頼度を高いと判定する。

【0054】

収集部３３は、判定部３２によって信頼性に関する条件を満たすと判定されたデータソース提供元２０からデータソースを収集する。収集部３３は、収集したデータソースを記憶部１２に蓄積する。また、収集部３３は、他の処理部の動作に非同期で継続的にデータソースを収集する。すなわち、収集部３３は、モデルの訓練、回答の生成及び提供といった処理に非同期でデータソースを収集し続ける。

【0055】

収集部３３によって記憶部１２に蓄積されるデータ量は、図３に示すように時間の経過に従って変化する。図３は、データ量の変化を説明する図である。

【0056】

図３の横軸は時間（時刻）である。また、図３の縦軸はデータ量である。現在の時間ｔ_２におけるデータ量はｖ_２である。また、時間ｔ_２より期間Ｔだけ過去の時間ｔ_１におけるデータ量はｖ_１である。また、ｖ_１はｖ_２より小さい。

【0057】

また、時間ｔ_２に先進モデルの学習が行われ、学習済みの先進モデルを使って回答が生成された時間をｔ_２＋Δｔとする。収集部３３はデータを収集し続けるため、Δｔの期間にデータ量がΔｖだけ増加する。

【0058】

生成部３４は、言語モデルを生成する。具体的には、生成部３４は、標準モデルおよび先進モデルを生成する。具体的には、生成部３４は、データソースを基に２つの言語モデルを学習する。具体的には、生成部３４は、過去のデータソースを基に標準モデルを学習する。また、生成部３４は、現在のデータソースを基に先進モデルを学習する。

【0059】

また、生成部３４は、学習によりモデルのパラメータを更新する。生成部３４は、学習のタイミングごとに、モデルを生成し直してもよいし、前回の学習との差分のデータソースをモデルに反映させるようにしてもよい。

【0060】

また、生成部３４は、提供元から収集したデータソースの信頼度を判定し、信頼度に基づいて言語モデルの学習に用いるか否かを判定する。例えば、生成部３４は、データソースの内容を解析（テキスト解析、音声解析、画像解析）して、データソースの内容が虚偽である可能性がある場合には、当該データソースを言語モデルの学習に用いることを禁止する。

【0061】

また、生成部３４は、先進モデルを学習する際に、所定期間において取得したデータソースについては、ステップＳ４で判定した信頼度が所定の条件を満たすデータソースを用いて学習する。具体的には、生成部３４は、信頼度が高いデータソースを用いて先進モデルを学習する。

【0062】

提供部３５は、生成した言語モデルを用いて、ユーザから受け付けたプロンプトに対する回答を生成して提供する。

【0063】

提供部３５は、ユーザ情報１２１を参照し、ユーザのプランを判定する。提供部３５は、ユーザがプレミアムプランに加入しているかフリーミアムプランに加入しているかを判定する。

【0064】

提供部３５は、言語モデルにプロンプトを入力し、回答を生成する。提供部３５は、ユーザによって入力されたプロンプトに対する回答を、学習に用いられたデータソースの量が互いに異なる複数の言語モデルのいずれかを用いて生成する。例えば、提供部３５は、標準モデル及び先進モデルのいずれかを用いて回答を生成する。

【0065】

提供部３５は、言語モデルによって生成された回答を、回答の生成に用いられた言語モデルの学習に用いられたデータソースの提供元を示す情報とともにユーザに提供する。例えば、提供部３５は、ユーザ端末に情報提供画面を表示させる。例えば、提供部３５は、チャット形式のユーザインタフェースを介してプロンプトの受け付け及び回答の提供を行ってもよい。また、提供部３５は、回答提供先３０が車両３０－２である場合、例えば、車両３０－２に搭載されたディスプレイ（例えば、ナビゲーション装置等）に回答を表示させる。あるいは、提供部３５は、プロンプトが目的地までの自動運転依頼であった場合、車両３０－２の制御装置を制御して、自動運転を行う。

【0066】

支給部３６は、データソースに関係する回答をユーザへ提供した場合に、当該データソースのデータソース提供元２０に対して報酬を支給する。例えば、支給部３６は、データソースに関係する回答を行った回数（またはユーザ数）に応じて支給する報酬の内容を決定する。また、支給部３６は、標準モデルによる提供と、先進モデルによる提供とで報酬を異ならせてもよい。例えば、支給部３６は、データソースに関係する回答を先進モデルを介して提供した場合の報酬を、標準モデルを介して提供した場合の報酬よりも多くする。

【0067】

また、支給部３６は、ステップＳ４で判定した信頼度に応じた報酬を支給する。例えば、支給部３６は、信頼度が高い程、報酬を多く支給する。また、支給部３６は、過去にユーザへ提供した複数のデータソースの信頼度に基づいて支給する報酬を決定してもよい。具体的には、支給部３６は、過去の所定期間内に提供したデータソースにおいて、信頼度が高いデータソースが多い程、報酬を多く支給する。

【0068】

図４を用いて、信頼性の判定処理の流れを説明する。図４は、信頼性の判定処理の流れを説明するフローチャートである。

【0069】

図４に示すように、情報提供装置１０は、データソース提供元２０から提供元に関する情報を取得する（ステップＳ１０１）。

【0070】

つづいて、情報提供装置１０は、提供元に関する情報に基づいて、信頼性に関する条件を満たすか否かを判定する（ステップＳ１０２）。

【0071】

情報提供装置１０は、信頼性に関する条件を満たす場合（ステップＳ１０２：Ｙｅｓ）、データソースの提供元として採用し（ステップＳ１０３）、処理を終了する。一方、情報提供装置１０は、信頼性に関する条件を満たさない場合（ステップＳ１０２：Ｎｏ）、提供元として採用せずに、処理を終了する。

【0072】

図５を用いて、事前訓練処理の流れを説明する。図５は、事前訓練処理の流れを説明するフローチャートである。

【0073】

図５に示すように、情報提供装置１０は、継続的にデータソースを取得する（ステップＳ２０１）。次に、情報提供装置１０は、モデル生成タイミングであるか否かを判定する（ステップＳ２０２）。

【0074】

情報提供装置１０は、モデル生成タイミングでない場合（ステップＳ２０２：Ｎｏ）、ステップＳ２０１に戻り、引き続きデータソースを取得する。一方、情報提供装置１０は、モデル生成タイミングである場合（ステップＳ２０２：Ｙｅｓ）、ステップＳ２０３に進む。

【0075】

情報提供装置１０は、一定期間だけ過去のデータソースを用いて標準モデルを訓練する（ステップＳ２０３）。また、情報提供装置１０は、現在までのデータソースを用いて先進モデルを訓練する（ステップＳ２０４）。例えば、情報提供装置１０は、現在までのデータソースを用いて先進モデルを訓練し、２年前までのデータソースを用いて標準モデルを訓練する。

【0076】

図６を用いて、情報提供処理の流れを説明する。図６は、情報提供処理の流れを説明するフローチャートである。情報提供装置１０は、事前訓練処理と情報提供処理を並列で実行することができる。

【0077】

図６に示すように、情報提供装置１０は、継続的にデータソースを取得する（ステップＳ３０１）。情報提供装置１０は、ユーザからの問い合わせがあるか否かを判定する（ステップＳ３０２）。

【0078】

情報提供装置１０は、ユーザからの問い合わせがなかった場合（ステップＳ３０２：Ｎｏ）、ステップＳ３０１に戻り、引き続きデータソースを取得する。一方、情報提供装置１０は、ユーザからの問い合わせがあった場合（ステップＳ３０２：Ｙｅｓ）、ユーザのプランを判定する（ステップＳ３０３）。

【0079】

情報提供装置１０は、ユーザのプランがフリーミアムプランである場合（ステップＳ３０３：フリーミアム）、ステップＳ３０４に進む。一方、情報提供装置１０は、ユーザのプランがプレミアムプランである場合（ステップＳ３０３：プレミアム）、ステップＳ３０６に進む。

【0080】

ステップＳ３０４では、情報提供装置１０は、標準モデルに問い合わせ内容を入力し、回答を生成する。そして、情報提供装置１０は、生成した回答をユーザに提供する（ステップＳ３０５）。そして、情報提供装置１０は、回答に関係したデータソースの提供元に対して報酬を支給し（ステップＳ３１１）、処理を終了する。

【0081】

ステップＳ３０６では、情報提供装置１０は、先進モデルに問い合わせ内容を入力し、回答を生成する。そして、情報提供装置１０は、生成した回答をユーザに提供する（ステップＳ３０７）。

【0082】

さらに、情報提供装置１０は、最新のデータソースを用いて先進モデルを更新する（ステップＳ３０８）。情報提供装置１０は、更新した先進モデル（リアルタイムモデル）に問い合わせ内容を入力し、回答を生成する（ステップＳ３０９）。情報提供装置１０は、生成した回答をユーザに提供する（ステップＳ３１０）。

【0083】

本実施形態によれば、一般的に優良企業として認識されている企業とパートナーを組み、そのような企業をデータソースの提供元とすることで、言語モデルを用いて回答を提供するサービスの信頼性を高めることができる。

【0084】

さらに、本実施形態によれば、個人の無料会員向けにフリーミアムプランによる一般的な回答を提供し、個人の有料会員、企業、政府等の公的機関向けにプレミアムプランによる高精度の回答を提供することができる。

【0085】

図７は、情報提供装置として機能するコンピュータハードウェア構成の一例を概略的に示す図である。コンピュータ１２００にインストールされたプログラムは、コンピュータ１２００を、本実施形態に係る装置の１又は複数の「部」として機能させ、又はコンピュータ１２００に、本実施形態に係る装置に関連付けられるオペレーション又は当該１又は複数の「部」を実行させることができ、及び／又はコンピュータ１２００に、本実施形態に係るプロセス又は当該プロセスの段階を実行させることができる。そのようなプログラムは、コンピュータ１２００に、本明細書に記載のフローチャート及びブロック図のブロックのうちのいくつか又は全てに関連付けられた特定のオペレーションを実行させるべく、ＣＰＵ１２１２によって実行されてよい。

【0086】

本実施形態によるコンピュータ１２００は、ＣＰＵ１２１２、ＲＡＭ１２１４、及びグラフィックコントローラ１２１６を含み、それらはホストコントローラ１２１０によって相互に接続されている。コンピュータ１２００はまた、通信インタフェース１２２２、記憶装置１２２４、ＤＶＤドライブ、及びＩＣカードドライブのような入出力ユニットを含み、それらは入出力コントローラ１２２０を介してホストコントローラ１２１０に接続されている。ＤＶＤドライブは、ＤＶＤ－ＲＯＭドライブ及びＤＶＤ－ＲＡＭドライブ等であってよい。記憶装置１２２４は、ハードディスクドライブ及びソリッドステートドライブ等であってよい。コンピュータ１２００はまた、ＲＯＭ１２３０及びキーボードのような入出力ユニットを含み、それらは入出力チップ１２４０を介して入出力コントローラ１２２０に接続されている。

【0087】

ＣＰＵ１２１２は、ＲＯＭ１２３０及びＲＡＭ１２１４内に格納されたプログラムに従い動作し、それにより各ユニットを制御する。グラフィックコントローラ１２１６は、ＲＡＭ１２１４内に提供されるフレームバッファ等又はそれ自体の中に、ＣＰＵ１２１２によって生成されるイメージデータを取得し、イメージデータがディスプレイデバイス１２１８上に表示されるようにする。

【0088】

通信インタフェース１２２２は、ネットワークを介して他の電子デバイスと通信する。記憶装置１２２４は、コンピュータ１２００内のＣＰＵ１２１２によって使用されるプログラム及びデータを格納する。ＤＶＤドライブは、プログラム又はデータをＤＶＤ－ＲＯＭ等から読み取り、記憶装置１２２４に提供する。ＩＣカードドライブは、プログラム及びデータをＩＣカードから読み取り、及び／又はプログラム及びデータをＩＣカードに書き込む。

【0089】

ＲＯＭ１２３０はその中に、アクティブ化時にコンピュータ１２００によって実行されるブートプログラム等、及び／又はコンピュータ１２００のハードウェアに依存するプログラムを格納する。入出力チップ１２４０はまた、様々な入出力ユニットをＵＳＢポート、パラレルポート、シリアルポート、キーボードポート、マウスポート等を介して、入出力コントローラ１２２０に接続してよい。

【0090】

プログラムは、ＤＶＤ－ＲＯＭ又はＩＣカードのようなコンピュータ可読記憶媒体によって提供される。プログラムは、コンピュータ可読記憶媒体から読み取られ、コンピュータ可読記憶媒体の例でもある記憶装置１２２４、ＲＡＭ１２１４、又はＲＯＭ１２３０にインストールされ、ＣＰＵ１２１２によって実行される。これらのプログラム内に記述される情報処理は、コンピュータ１２００に読み取られ、プログラムと、上記様々なタイプのハードウェアリソースとの間の連携をもたらす。装置又は方法が、コンピュータ１２００の使用に従い情報のオペレーション又は処理を実現することによって構成されてよい。

【0091】

例えば、通信がコンピュータ１２００及び外部デバイス間で実行される場合、ＣＰＵ１２１２は、ＲＡＭ１２１４にロードされた通信プログラムを実行し、通信プログラムに記述された処理に基づいて、通信インタフェース１２２２に対し、通信処理を命令してよい。通信インタフェース１２２２は、ＣＰＵ１２１２の制御の下、ＲＡＭ１２１４、記憶装置１２２４、ＤＶＤ－ＲＯＭ、又はＩＣカードのような記録媒体内に提供される送信バッファ領域に格納された送信データを読み取り、読み取られた送信データをネットワークに送信し、又はネットワークから受信した受信データを記録媒体上に提供される受信バッファ領域等に書き込む。

【0092】

また、ＣＰＵ１２１２は、記憶装置１２２４、ＤＶＤドライブ（ＤＶＤ－ＲＯＭ）、ＩＣカード等のような外部記録媒体に格納されたファイル又はデータベースの全部又は必要な部分がＲＡＭ１２１４に読み取られるようにし、ＲＡＭ１２１４上のデータに対し様々なタイプの処理を実行してよい。ＣＰＵ１２１２は次に、処理されたデータを外部記録媒体にライトバックしてよい。

【0093】

様々なタイプのプログラム、データ、テーブル、及びデータベースのような様々なタイプの情報が記録媒体に格納され、情報処理を受けてよい。ＣＰＵ１２１２は、ＲＡＭ１２１４から読み取られたデータに対し、本開示の随所に記載され、プログラムの命令シーケンスによって指定される様々なタイプのオペレーション、情報処理、条件判断、条件分岐、無条件分岐、情報の検索／置換等を含む、様々なタイプの処理を実行してよく、結果をＲＡＭ１２１４に対しライトバックする。また、ＣＰＵ１２１２は、記録媒体内のファイル、データベース等における情報を検索してよい。例えば、各々が第２の属性の属性値に関連付けられた第１の属性の属性値を有する複数のエントリが記録媒体内に格納される場合、ＣＰＵ１２１２は、当該複数のエントリの中から、第１の属性の属性値が指定されている条件に一致するエントリを検索し、当該エントリ内に格納された第２の属性の属性値を読み取り、それによりあらかじめ定められた条件を満たす第１の属性に関連付けられた第２の属性の属性値を取得してよい。

【0094】

上記したプログラム又はソフトウエアモジュールは、コンピュータ１２００上又はコンピュータ１２００近傍のコンピュータ可読記憶媒体に格納されてよい。また、専用通信ネットワーク又はインターネットに接続されたサーバシステム内に提供されるハードディスク又はＲＡＭのような記録媒体が、コンピュータ可読記憶媒体として使用可能であり、それによりプログラムを、ネットワークを介してコンピュータ１２００に提供する。

【0095】

本実施形態におけるフローチャート及びブロック図におけるブロックは、オペレーションが実行されるプロセスの段階又はオペレーションを実行する役割を持つ装置の「部」を表してよい。特定の段階及び「部」が、専用回路、コンピュータ可読記憶媒体上に格納されるコンピュータ可読命令と共に供給されるプログラマブル回路、及び／又はコンピュータ可読記憶媒体上に格納されるコンピュータ可読命令と共に供給されるプロセッサによって実装されてよい。専用回路は、デジタル及び／又はアナログハードウェア回路を含んでよく、集積回路（ＩＣ）及び／又はディスクリート回路を含んでよい。プログラマブル回路は、例えば、フィールドプログラマブルゲートアレイ（ＦＰＧＡ）、及びプログラマブルロジックアレイ（ＰＬＡ）等のような、論理積、論理和、排他的論理和、否定論理積、否定論理和、及び他の論理演算、フリップフロップ、レジスタ、並びにメモリエレメントを含む、再構成可能なハードウェア回路を含んでよい。

【0096】

コンピュータ可読記憶媒体は、適切なデバイスによって実行される命令を格納可能な任意の有形なデバイスを含んでよく、その結果、そこに格納される命令を有するコンピュータ可読記憶媒体は、フローチャート又はブロック図で指定されたオペレーションを実行するための手段を作成すべく実行され得る命令を含む、製品を備えることになる。コンピュータ可読記憶媒体の例としては、電子記憶媒体、磁気記憶媒体、光記憶媒体、電磁記憶媒体、半導体記憶媒体等が含まれてよい。コンピュータ可読記憶媒体のより具体的な例としては、フロッピー（登録商標）ディスク、ディスケット、ハードディスク、ランダムアクセスメモリ（ＲＡＭ）、リードオンリメモリ（ＲＯＭ）、消去可能プログラマブルリードオンリメモリ（ＥＰＲＯＭ又はフラッシュメモリ）、電気的消去可能プログラマブルリードオンリメモリ（ＥＥＰＲＯＭ）、静的ランダムアクセスメモリ（ＳＲＡＭ）、コンパクトディスクリードオンリメモリ（ＣＤ－ＲＯＭ）、デジタル多用途ディスク（ＤＶＤ）、ブルーレイ（登録商標）ディスク、メモリスティック、集積回路カード等が含まれてよい。

【0097】

コンピュータ可読命令は、アセンブラ命令、命令セットアーキテクチャ（ＩＳＡ）命令、マシン命令、マシン依存命令、マイクロコード、ファームウェア命令、状態設定データ、又はＳｍａｌｌｔａｌｋ（登録商標）、ＪＡＶＡ（登録商標）、Ｃ＋＋等のようなオブジェクト指向プログラミング言語、及び「Ｃ」プログラミング言語又は同様のプログラミング言語のような従来の手続型プログラミング言語を含む、１又は複数のプログラミング言語の任意の組み合わせで記述されたソースコード又はオブジェクトコードのいずれかを含んでもよい。

【0098】

コンピュータ可読命令は、汎用コンピュータ、特殊目的のコンピュータ、若しくは他のプログラム可能なデータ処理装置のプロセッサ、又はプログラマブル回路が、フローチャート又はブロック図で指定されたオペレーションを実行するための手段を生成するために当該コンピュータ可読命令を実行すべく、ローカルに又はローカルエリアネットワーク（ＬＡＮ）、インターネット等のようなワイドエリアネットワーク（ＷＡＮ）を介して、汎用コンピュータ、特殊目的のコンピュータ、若しくは他のプログラム可能なデータ処理装置のプロセッサ、又はプログラマブル回路に提供されてよい。プロセッサの例としては、コンピュータプロセッサ、処理ユニット、マイクロプロセッサ、デジタル信号プロセッサ、コントローラ、マイクロコントローラ等を含む。

【0099】

以上、実施形態を用いて本発明を説明したが、本発明の技術的範囲は上記実施形態に記載の範囲には限定されない。上記実施形態に、多様な変更又は改良を加えることが可能であることが当業者に明らかである。そのような変更又は改良を加えた形態も本発明の技術的範囲に含まれ得ることが、特許請求の範囲の記載から明らかである。

【0100】

特許請求の範囲、明細書、及び図面中において示した装置、システム、プログラム、及び方法における動作、手順、ステップ、及び段階等の各処理の実行順序は、特段「より前に」、「先立って」等と明示しておらず、また、前の処理の出力を後の処理で用いるのでない限り、任意の順序で実現しうることに留意すべきである。特許請求の範囲、明細書、及び図面中の動作フローに関して、便宜上「まず、」、「次に、」等を用いて説明したとしても、この順で実施することが必須であることを意味するものではない。

【符号の説明】

【0101】

１０ 情報提供装置
１１ 通信部
１２ 記憶部
１３ 制御部
３１ 取得部
３２ 判定部
３３ 収集部
３４ 生成部
３５ 提供部
３６ 支給部
１２１ ユーザ情報
１２２ 標準モデル情報
１２３ 先進モデル情報
１２４ リアルタイムモデル情報

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】