▶ 株式会社シーズの特許一覧 ▶ 長瀬産業株式会社の特許一覧
(19)【発行国】日本国特許庁(JP)
(12)【公報種別】特許公報(B2)
(11)【特許番号】
(24)【登録日】2024-05-20
(45)【発行日】2024-05-28
(54)【発明の名称】情報処理システム、情報処理方法、及びプログラム
(51)【国際特許分類】
G06Q 10/06 20230101AFI20240521BHJP
G05B 23/02 20060101ALI20240521BHJP
【ＦＩ】
G06Q10/06
G05B23/02 V
【請求項の数】
7
(21)【出願番号】P 2022075156
(22)【出願日】2022-04-28
(65)【公開番号】P2023163925
(43)【公開日】2023-11-10
【審査請求日】2024-01-09
【早期審査対象出願】
(73)【特許権者】
【識別番号】519043143
【氏名又は名称】株式会社シーズ
(73)【特許権者】
【識別番号】000214272
【氏名又は名称】長瀬産業株式会社
(74)【代理人】
【識別番号】100205659
【弁理士】
【氏名又は名称】齋藤 拓也
(74)【代理人】
【識別番号】100154748
【弁理士】
【氏名又は名称】菅沼 和弘
(72)【発明者】
【氏名】伊東 久雄
【審査官】阿部 潤
(56)【参考文献】
【文献】特開２００７－２７９８４０（ＪＰ，Ａ）
【文献】国際公開第２０１９／２２５１２５（ＷＯ，Ａ１）
【文献】特開２０２２－０５１３６７（ＪＰ，Ａ）
【文献】特開２０１８－１０１３１７（ＪＰ，Ａ）
【文献】特開２０１６－１２６５６９（ＪＰ，Ａ）
【文献】特開２００８－２８１２４１（ＪＰ，Ａ）
(58)【調査した分野】(Int.Cl.，ＤＢ名)
Ｇ０６Ｑ １０／００ － ９９／００
Ｇ０５Ｂ ２３／０２
(57)【特許請求の範囲】
【請求項1】
入力データを用いる所定の処理を実行する中央装置と、前記入力データの少なくとも一部を前記中央装置に提供する１以上の第１種周辺装置とを含む情報処理システムにおいて、前記中央装置は、
１以上の知覚表現データを入力データとして取得して、当該入力データを用いる所定の処理を実行して、その処理の実行結果を示す１以上の知覚表現データを出力データとして出力する処理実行手段、
を備え、
１以上の第１種周辺装置の夫々は、
所定の物理量を示す信号を入力すると前記知覚表現データに変換して出力するモデルに対して、実世界の所定の物理量を検出するセンサから出力された、当該所定の物理量を示す信号を入力させ、当該モデルから出力された前記知覚表現データを、前記中央装置の前記入力データの少なくとも一部として出力する変換手段、
を備える、
情報処理システム。
【請求項2】
前記情報処理システムは、所定の制御対象を制御する１以上の第２種周辺装置をさらに含み、前記１以上の第２種周辺装置の夫々は、
前記知覚表現データを入力すると所定の物理量に変換して出力するモデルに対して、前記中央装置から出力された出力データを構成する前記１以上の知覚表現データの少なくとも一部を入力させ、当該モデルから出力された前記所定の物理量を示す信号を、指示信号として前記所定の制御対象に入力させることで、当該所定の制御対象を制御する制御手段、
を備える請求項１に記載の情報処理システム。
【請求項3】
前記１以上の第１種周辺装置の夫々は、前記モデルを更新するための再学習を実行する第１種再学習実行手段、
をさらに備え、
前記１以上の第２種周辺装置の夫々は、
前記モデルを更新するための再学習を実行する第２種再学習実行手段、
をさらに備える、
請求項２に記載の情報処理システム。
【請求項4】
前記第１種周辺装置は、前記変換手段から出力された、前記中央装置の前記入力データの少なくとも一部を、ブロックチェーン又は分散型管理台帳の技術を用いて記憶させる第１種周辺記憶制御手段、
をさらに備え、
前記中央装置は、
前記ブロックチェーン又は分散型管理台帳の技術を用いて記憶されている前記入力データを取得して前記処理実行手段に提供する入力データ取得手段と、
前記処理実行手段から出力された前記出力データを、前記ブロックチェーン又は前記分散型管理台帳の技術を用いて記憶させる中央記憶制御手段、
をさらに備え、
前記第２種周辺装置は、
前記ブロックチェーン又は分散型管理台帳の技術を用いて記憶されている前記出力データを取得して前記制御手段に提供する出力データ取得手段、
をさらに備える、
請求項２又は３に記載の情報処理システム。
【請求項5】
前記第１種周辺装置は、前記所定の物理量を示す信号を取得し、当該信号及び当該所定の物理量の種類に応じて、前記モデルを用いてどのような前記知覚表現データを出力するのかという処理内容を自律的に判断する、
請求項４に記載の情報処理システム。
【請求項6】
入力データを用いる所定の処理を実行する中央装置と、前記入力データの少なくとも一部を前記中央装置に提供する１以上の第１種周辺装置とを含む情報処理システムが実行する情報処理方法において、前記中央装置が実行するステップとして、
１以上の知覚表現データを入力データとして取得して、当該入力データを用いる所定の処理を実行して、その処理の実行結果を示す１以上の知覚表現データを出力データとして出力する処理実行ステップ、
を含む、
１以上の第１種周辺装置の夫々が実行するステップとして、
所定の物理量を示す信号を入力すると前記知覚表現データに変換して出力するモデルに対して、実世界の所定の物理量を検出するセンサから出力された、当該所定の物理量を示す信号を入力させ、当該モデルから出力された前記知覚表現データを、前記中央装置の前記入力データの少なくとも一部として出力する変換ステップ、
を含む、
情報処理方法。
【請求項7】
入力データを用いる所定の処理を実行する中央装置と、前記入力データの少なくとも一部を前記中央装置に提供する１以上の第１種周辺装置とを含む情報処理システムを制御するコンピュータのうち、前記中央装置を制御するコンピュータに、
所定の物理量を示す信号を入力すると前記知覚表現データに変換して出力するモデルに対して、実世界の所定の物理量を検出するセンサから出力された、当該所定の物理量を示す信号を入力させ、当該モデルから出力された前記知覚表現データを、前記中央装置の前記入力データの少なくとも一部として出力する変換ステップ、
を含む制御処理を実行させ、
を含む、
１以上の第１種周辺装置の夫々を制御するコンピュータに、
所定の物理量を示す信号を入力すると前記知覚表現データに変換して出力するモデルに対して、実世界の所定の物理量を検出するセンサから出力された、当該所定の物理量を示す信号を入力させ、当該モデルから出力された前記知覚表現データを、前記中央装置の前記入力データの少なくとも一部として出力する変換ステップ、
を含む制御処理を実行させる、
プログラム。
【発明の詳細な説明】
【技術分野】
【0001】
本発明は、情報処理システム、情報処理方法、及びプログラムに関する。
【背景技術】
【0002】
従来より、構内（例えば工場内）において、各種センサにより測定されたパラメータに基づいて、各種装置を制御することで、パラメータを変化させ、よりよい製品を製造する技術が存在する（例えば、特許文献１参照）。
また、近年、人工知能（Ａｒｔｉｆｉｃｉａｌ Ｉｎｔｅｌｌｉｇｅｎｃｅ、以下、「ＡＩ」と呼ぶ）の技術が発達している。例えば、チャットボット等に用いられる、自然言語処理が可能なＡＩも発達している。
また、近年、人工知能（Ａｒｔｉｆｉｃｉａｌ Ｉｎｔｅｌｌｉｇｅｎｃｅ、以下、「ＡＩ」と呼ぶ）の技術が発達している。例えば、チャットボット等に用いられる、自然言語処理が可能なＡＩも発達している。
【先行技術文献】
【特許文献】
【0003】
【文献】特開２０１３－１１１０７３号公報
【発明の概要】
【発明が解決しようとする課題】
【0004】
構内で使われる各種装置の稼働状況から故障検出・故障予測等においては、従来、各種各様のセンサを中央管理装置内のソフトウェアによって集中検知や判断、警報出力等が行われていた。しかしながら、事故等が発生し、多くのセンサから一度にデータ（異常値）が送信された場合、中央監視装置では順次処理を行うためにユーザ（例えば監視員）への警報出力や非常設備の稼働（例えばスプリンクラーによる消火）などの対処までにかなりの時間を有し、対処が遅れ大災害に繋がることもある。
そこで、対処をより短時間で開始したり、大きな中央集権システムを構築せずとも利用可能なシステムが望まれていた。
そこで、対処をより短時間で開始したり、大きな中央集権システムを構築せずとも利用可能なシステムが望まれていた。
【0005】
本発明は、複数のセンサからのデータをより好適に処理するシステムの提供を目的とする。
【課題を解決するための手段】
【0006】
上記目的を達成するため、本発明の一態様の情報処理システムは、
入力データを用いる所定の処理を実行する中央装置と、前記入力データの少なくとも一部を前記主情報処理装置に提供する１以上の第１種周辺装置とを含む情報処理システムにおいて、
前記中央装置は、
１以上の知覚表現データを入力データとして取得して、当該入力データを用いる所定の処理を実行して、その処理の実行結果を示す１以上の知覚表現データを出力データとして出力する処理実行手段、
を備え、
１以上の第１種周辺装置の夫々は、
所定の物理量を示す信号を入力して、前記知覚表現データに変換して出力するモデルを所定の記憶媒体に記憶させて管理するモデル管理手段と、
実世界の所定の物理量を検出するセンサから出力された、当該所定の物理量を示す信号を取得して前記モデルに入力させ、当該モデルから出力された前記知覚表現データを、前記中央装置の前記入力データの少なくとも一部として出力する変換手段と、
を備える。
入力データを用いる所定の処理を実行する中央装置と、前記入力データの少なくとも一部を前記主情報処理装置に提供する１以上の第１種周辺装置とを含む情報処理システムにおいて、
前記中央装置は、
１以上の知覚表現データを入力データとして取得して、当該入力データを用いる所定の処理を実行して、その処理の実行結果を示す１以上の知覚表現データを出力データとして出力する処理実行手段、
を備え、
１以上の第１種周辺装置の夫々は、
所定の物理量を示す信号を入力して、前記知覚表現データに変換して出力するモデルを所定の記憶媒体に記憶させて管理するモデル管理手段と、
実世界の所定の物理量を検出するセンサから出力された、当該所定の物理量を示す信号を取得して前記モデルに入力させ、当該モデルから出力された前記知覚表現データを、前記中央装置の前記入力データの少なくとも一部として出力する変換手段と、
を備える。
【0007】
本発明の一態様の情報処理方法及びプログラムは、上述の本発明の一態様の情報処理システムに対応する情報処理方法及びプログラムである。
【発明の効果】
【0008】
本発明によれば、複数のセンサからのデータをより好適に処理するシステムを提供することができる。
【図面の簡単な説明】
【0009】
【図1】本発明の一実施形態に係る情報処理システムが適用されるサービスの概要の一例を説明する模式図である。
【発明を実施するための形態】
【0010】
以下、図面を参照して、本発明の実施形態について説明する。
【0011】
図１は、本発明の一実施形態に係る情報処理システムが適用されるサービス（以下、「本サービス」と呼ぶ）の概要の一例を説明する模式図である。
本サービスは、図１に示す情報処理システムが適用されることで、複数のセンサにより測定されたデータの入力に基づいて、制御装置を動作させるという出力を行うためのシステムを提供するものである。
本サービスは、図１に示す情報処理システムが適用されることで、複数のセンサにより測定されたデータの入力に基づいて、制御装置を動作させるという出力を行うためのシステムを提供するものである。
【0012】
図１に示すように、本サービスの情報処理システムは、サーバ１と、入力セル２－１及び２－２、出力セル３－１、確認端末４、ブロックチェーンフルノード５－１乃至５－４（以下、図１に示すように「ＢＣフルノード」と呼ぶ）が含まれて構成されている。
また、詳しくは後述するが、入力セル２－１及び２－２、並びに出力セル３－１には、ブロックチェーンウルトラライトノード（以下、図１に示すように「ＢＣウルトラライトノード」と呼ぶ）が備えられている。
また、詳しくは後述するが、入力セル２－１及び２－２、並びに出力セル３－１には、ブロックチェーンウルトラライトノード（以下、図１に示すように「ＢＣウルトラライトノード」と呼ぶ）が備えられている。
【0013】
サーバ１は、中央ＡＩ６１を備える情報処理装置である。詳しくは後述するが、サーバ１は、入力セル２－１及び２－２におけるセンサの測定結果を知覚表現されたデータに変換したものを入力データとして取得し、入力データに基づいて出力セル３－１における制御指示について知覚表現されたものを出力データとして出力する。
【0014】
入力セル２－１及び２－２は、センサ及び自律分散チップＣＰを備え、センサの測定結果を、自律分散チップＣＰにおいて知覚表現されたデータに変換してブロックチェーンネットワークＢＮＣを用いて管理させる。
【0015】
出力セル３－１は、自律分散チップＣＰ及びアクチュエータ（制御装置の一例）を備え、自律分散チップＣＰにおいてサーバ１により出力された制御指示をブロックチェーンネットワークＢＮＣから取得し、制御指示に基づいて制御装置（アクチュエータ）を制御する。
【0016】
確認端末４は、ブロックチェーンネットワークＢＮＣを用いて管理された情報を確認するための情報処理装置である。設備（工場等）の管理担当者は、確認端末４を用いて、改竄等のされていない入力や出力の経緯を確認することができる。
【0017】
ここで、「知覚表現されたデータ」について説明する。
センサの測定結果の生データは、数値データであって、物理量である。これに対して、そのようなセンサの測定結果を人間は、生データそのものを解釈した結果を、言語等を用いて表現することができる。
具体的には例えば、気温３５度、湿度８０％といった生データを、人間は、暑いと知覚（認識、解釈）し言語化することができる。このように、センサの測定結果の生データではなく、知覚（認識、解釈）された表現を、「知覚表現」と呼ぶ。
なお、「言語」の形態は、知覚表現の形態の一例である。即ち例えば、「暑い」という文字列のデータは、日本語という言語の形態で知覚表現されたデータである。また例えば、情報処理装置において識別子が予め対応付けられている場合、「暑い」に対応する識別子のデータも情報処理装置内で利用可能な知覚表現されたデータの一例である。更に言えば、例えば手で顔を仰ぐ動作の動画データも、ジェスチャの形態で知覚表現されたデータであるということができる。
以下、説明を容易とするため、「知覚表現」は「言語」であるものとして、説明をする。
センサの測定結果の生データは、数値データであって、物理量である。これに対して、そのようなセンサの測定結果を人間は、生データそのものを解釈した結果を、言語等を用いて表現することができる。
具体的には例えば、気温３５度、湿度８０％といった生データを、人間は、暑いと知覚（認識、解釈）し言語化することができる。このように、センサの測定結果の生データではなく、知覚（認識、解釈）された表現を、「知覚表現」と呼ぶ。
なお、「言語」の形態は、知覚表現の形態の一例である。即ち例えば、「暑い」という文字列のデータは、日本語という言語の形態で知覚表現されたデータである。また例えば、情報処理装置において識別子が予め対応付けられている場合、「暑い」に対応する識別子のデータも情報処理装置内で利用可能な知覚表現されたデータの一例である。更に言えば、例えば手で顔を仰ぐ動作の動画データも、ジェスチャの形態で知覚表現されたデータであるということができる。
以下、説明を容易とするため、「知覚表現」は「言語」であるものとして、説明をする。
【0018】
また、上述したように、本サービスにはブロックチェーン技術が用いられている。一般に、ブロックチェーンという単語は、分散型台帳技術や分散型ネットワークを意味し得る。即ち、ブロックチェーンの単語は、ブロックと呼ばれるデータがチェーンのように連結した一連のデータそのものや、それに関する技術及びネットワークを含んだ多義的な単語である。
そこで、以下、ブロックチェーンを管理する分散型ネットワークを「ブロックチェーンネットワーク」と呼び、ブロックがチェーンのように連結した一連のデータである「ブロックチェーン」と区別して呼ぶ。
即ち、「ブロックチェーン」とは、本サービスを利用して管理される１以上のデータ（例えばセンサの測定に基づくデータや、装置の制御の指示のデータ）に関する各種情報（データそのものやメタデータ、ハッシュ値といった健全性の検証に係るデータ等）が含まれた「ブロック」がチェーンのように連結した一連のデータである。
そこで、以下、ブロックチェーンを管理する分散型ネットワークを「ブロックチェーンネットワーク」と呼び、ブロックがチェーンのように連結した一連のデータである「ブロックチェーン」と区別して呼ぶ。
即ち、「ブロックチェーン」とは、本サービスを利用して管理される１以上のデータ（例えばセンサの測定に基づくデータや、装置の制御の指示のデータ）に関する各種情報（データそのものやメタデータ、ハッシュ値といった健全性の検証に係るデータ等）が含まれた「ブロック」がチェーンのように連結した一連のデータである。
【0019】
まず、本サービスにおけるブロックチェーンネットワークＢＣＮにおける各種ノードの機能について説明する。
【0020】
ブロックチェーンネットワークＢＮＣは、複数のノードにより構成され、少なくとも１つのノードはクラウド上に存在する。
図１の例において、４台のＢＣフルノード５－１乃至５－４の夫々が、クラウド上のフルノードとして夫々機能する。ここで、「フルノード」とは、ブロックの生成に係る計算処理機能や、ブロックチェーンのデータそのものの記憶機能といったブロックチェーンにおけるノードとしての全機能を提供する情報処理装置（ノード）である。
ＢＣフルノード５－１乃至５－４は、相互に通信を行うブロックチェーンネットワークＢＣＮを形成している。
図１の例において、４台のＢＣフルノード５－１乃至５－４の夫々が、クラウド上のフルノードとして夫々機能する。ここで、「フルノード」とは、ブロックの生成に係る計算処理機能や、ブロックチェーンのデータそのものの記憶機能といったブロックチェーンにおけるノードとしての全機能を提供する情報処理装置（ノード）である。
ＢＣフルノード５－１乃至５－４は、相互に通信を行うブロックチェーンネットワークＢＣＮを形成している。
【0021】
図１の例において、３台の入力セル２－１及び２－２並びに出力セル３－１に夫々備えられたＢＣウルトラライトノードが夫々機能する。ここで、「ウルトラライトノード」とは、ブロックの生成に係る計算処理機能や、ブロックチェーンのデータそのものの記憶機能を提供せず、ブロックチェーンネットワークＢＮＣとの間でのデータの授受機能といった極めて一部の機能を提供する情報処理装置（ノード）である。ウルトラライトノードは、実現するために必要な計算資源等が少ないため、上述の機能を提供するチップやプログラムの一部又は全部として実装される。しかしながら、別個の情報処理装置として実装されてもよい。
【0022】
なお、図示はしないが、ノードには、ライトノードが含まれていてもよい。ここで、「ライトノード」とは、フルノードとしては機能しないものの、ブロックの生成に係る計算処理機能や、ブロックチェーンのデータそのものの記憶機能の一部を担うノードである。
【0023】
入力セル２－１及び２－２並びに出力セル３－１に備えられたＢＣウルトラライトノードは、専用線を介してクラウドに接続されることで、ＢＣフルノード５－１乃至５－４と通信を行う。
即ち、図１の例では、４台のＢＣフルノード５－１乃至５－４及び３台のＢＣウルトラライトノードの総計７台が、７つのノードの夫々として機能することで、ブロックチェーンネットワークＢＮＣが構成される。
即ち、図１の例では、４台のＢＣフルノード５－１乃至５－４及び３台のＢＣウルトラライトノードの総計７台が、７つのノードの夫々として機能することで、ブロックチェーンネットワークＢＮＣが構成される。
【0024】
ここで、専用線とは、特定の利用者専用の通信回線である。
例えば、専用線における通信は、信頼されていない情報処理装置等も含んで構成されたネットワーク（例えば、インターネット）から隔離される。即ち、専用線で接続された情報処理装置同士の間の通信は、悪意を持った第三者等により盗聴や傍受される可能性が低い。即ち、本サービスは、専用線を介して利用されるため、第三者等により盗聴や傍受される可能性が低い状態で提供される。なお、専用線は、物理的にインターネット等から隔離されているものでなくてもよい。即ち例えば、ＶＰＮ（Ｖｉｒｔｕａｌ Ｐｒｉｖａｔｅ Ｎｅｔｗｏｒｋ）の技術を用いた仮想的な専用線も、上述の専用線として採用され得る。
例えば、専用線における通信は、信頼されていない情報処理装置等も含んで構成されたネットワーク（例えば、インターネット）から隔離される。即ち、専用線で接続された情報処理装置同士の間の通信は、悪意を持った第三者等により盗聴や傍受される可能性が低い。即ち、本サービスは、専用線を介して利用されるため、第三者等により盗聴や傍受される可能性が低い状態で提供される。なお、専用線は、物理的にインターネット等から隔離されているものでなくてもよい。即ち例えば、ＶＰＮ（Ｖｉｒｔｕａｌ Ｐｒｉｖａｔｅ Ｎｅｔｗｏｒｋ）の技術を用いた仮想的な専用線も、上述の専用線として採用され得る。
【0025】
【0026】
ステップＳＴ１１において、入力セル２－１のセンサの測定結果として、「温度上昇」している旨及び「湿度上昇」している旨を示す数値データが取得される。具体的には例えば、温度が経時的に２０度から４０度まで上昇しているという数値データ（デジタル信号）や湿度が経時的に５０％から８０％まで上昇しているという数値データ（デジタル信号）が取得される。
【0027】
ステップＳＴ１２において、入力セル２－１の自律分散チップＣＰが有する言語変換ＡＩは、デジタル信号を言語に変換する。具体的には例えば、温度が経時的に２０度から４０度まで上昇しているという数値データ（デジタル信号）や湿度が経時的に５０％から８０％まで上昇しているという数値データ（デジタル信号）が、「暑い」という言語データに変換される。
【0028】
ステップＳＴ１３において、入力セル２－１の自律分散チップＣＰが有するＢＣウルトラライトノードは、「暑い」という言語データを、ブロックチェーンネットワークＢＣＮを用いて管理させる。具体的には例えば、ＢＣフルノード５－１に対して、「暑い」という言語データを、ブロックチェーン技術におけるトランザクションの一部として送信することで、管理させる。このとき、入力セル２－１の自律分散チップＣＰが有するＢＣウルトラライトノードは、暗号化された言語データを、ブロックチェーンネットワークＢＮＣを用いて管理させる。
【0029】
なお、図示はしないが、入力セル２－２においても、上述のステップＳＴ１１乃至ＳＴ１３の処理が実行される。
具体的には例えば、入力セル２－２のセンサの測定結果として、熱源が多数ある旨を示すデータが取得される。具体的には例えば、熱源が多数ある旨を示すデータとして、赤外線サーモグラフィのデータが取得される。
また例えば、入力セル２－２の自律分散チップＣＰが有する言語変換ＡＩは、熱源が多数ある旨を示すデータを、「人が多い」という言語データに変換する。
また例えば、入力セル２－２の自律分散チップＣＰが有するＢＣウルトラライトノードは、暗号化された「人が多い」という言語データを、ブロックチェーンネットワークＢＮＣを用いて管理させる。
具体的には例えば、入力セル２－２のセンサの測定結果として、熱源が多数ある旨を示すデータが取得される。具体的には例えば、熱源が多数ある旨を示すデータとして、赤外線サーモグラフィのデータが取得される。
また例えば、入力セル２－２の自律分散チップＣＰが有する言語変換ＡＩは、熱源が多数ある旨を示すデータを、「人が多い」という言語データに変換する。
また例えば、入力セル２－２の自律分散チップＣＰが有するＢＣウルトラライトノードは、暗号化された「人が多い」という言語データを、ブロックチェーンネットワークＢＮＣを用いて管理させる。
【0030】
ステップＳＴ１４において、サーバ１は、ブロックチェーンネットワークＢＮＣを用いて管理された暗号化された言語データを復号して取得する。
ステップＳＴ１５において、サーバ１は、取得した言語データに基づいて、制御指示の内容を判断した結果を、ブロックチェーンネットワークＢＮＣを用いて管理させる。
具体的には例えば、サーバ１は、「暑い」及び「人が多い」という言語データを入力データとして自然言語処理を行うＡＩとして教育済みの中央ＡＩ６１を用いて、「全体的に、強めに温度下げる」という制御指示の言語データを出力データとして生成する。サーバ１は、生成された「全体的に、強めに温度下げる」という制御指示を、ブロックチェーンネットワークＢＮＣを用いて管理させる。このとき、サーバ１は、暗号化された制御指示を、ブロックチェーンネットワークＢＮＣを用いて管理させる。
ステップＳＴ１５において、サーバ１は、取得した言語データに基づいて、制御指示の内容を判断した結果を、ブロックチェーンネットワークＢＮＣを用いて管理させる。
具体的には例えば、サーバ１は、「暑い」及び「人が多い」という言語データを入力データとして自然言語処理を行うＡＩとして教育済みの中央ＡＩ６１を用いて、「全体的に、強めに温度下げる」という制御指示の言語データを出力データとして生成する。サーバ１は、生成された「全体的に、強めに温度下げる」という制御指示を、ブロックチェーンネットワークＢＮＣを用いて管理させる。このとき、サーバ１は、暗号化された制御指示を、ブロックチェーンネットワークＢＮＣを用いて管理させる。
【0031】
ステップＳＴ１６において、出力セル３－１の自律分散チップＣＰが有するＢＣウルトラライトノードは、ブロックチェーンネットワークＢＮＣを用いて管理された暗号化された制御指示を取得する。
【0032】
ステップＳＴ１７において、出力セル３－１の自律分散チップＣＰが有するファームウェアは、暗号化された制御指示を復号する。そして、出力セル３－１の自律分散チップＣＰが有する言語変換ＡＩは、制御装置の具体的な制御内容としてデジタル信号に変換する。
具体的には例えば、出力セル３－１の自律分散チップＣＰが有する言語変換ＡＩは、「全体的に強めに温度下げる」という制御指示に基づいて、エアコン冷房の「出力向上」をさせ、「風向き全方向」とする制御装置の動作を行わせるデジタル信号に変換する。即ち例えば、出力セル３－１の自律分散チップＣＰが有する言語変換ＡＩは、エアコン冷房を操作するアクチュエータの動作させるデジタルデータの制御信号（デジタル信号）を出力する。
なお、図示はしないが、出力セル３－１の自律分散チップＣＰが有するＢＣウルトラライトノードは、エアコン冷房の「出力向上」をさせ「風向き全方向」とする制御装置の動作も、ブロックチェーンネットワークＢＮＣを用いて管理させることができる。
具体的には例えば、出力セル３－１の自律分散チップＣＰが有する言語変換ＡＩは、「全体的に強めに温度下げる」という制御指示に基づいて、エアコン冷房の「出力向上」をさせ、「風向き全方向」とする制御装置の動作を行わせるデジタル信号に変換する。即ち例えば、出力セル３－１の自律分散チップＣＰが有する言語変換ＡＩは、エアコン冷房を操作するアクチュエータの動作させるデジタルデータの制御信号（デジタル信号）を出力する。
なお、図示はしないが、出力セル３－１の自律分散チップＣＰが有するＢＣウルトラライトノードは、エアコン冷房の「出力向上」をさせ「風向き全方向」とする制御装置の動作も、ブロックチェーンネットワークＢＮＣを用いて管理させることができる。
【0033】
ステップＳＴ１８において、アクチュエータ（制御装置の一例）は、「出力向上」及び「出力全方位」というエアコン冷房を操作するアクチュエータの動作させるデジタルデータの制御信号（デジタル信号）に応じて駆動する。その結果、アクチュエータ（制御装置の一例）は、中央ＡＩ６１の「全体的に強めに温度下げる」という制御指示に応じた、動作をする。
これにより、「温度上昇」、「湿度上昇」及び「熱源多数」等のセンサの測定結果に基づいて、図示せぬエアコン冷房の「出力向上」及び「出力全方位」の設定がなされて環境が改善する。
これにより、「温度上昇」、「湿度上昇」及び「熱源多数」等のセンサの測定結果に基づいて、図示せぬエアコン冷房の「出力向上」及び「出力全方位」の設定がなされて環境が改善する。
【0034】
ステップＳＴ１９において、確認端末４は、ブロックチェーンネットワークＢＮＣを用いて管理された情報を、設備（工場等）の管理者に提示することができる。即ち、設備（工場等）の管理者は、確認端末４に提示された、センサにより取得された「温度上昇」、「湿度上昇」、「熱源多数」等のセンサの測定結果、「暑い」、「人が多い」等の入力データ（言語データ）、「全体的に強めに温度下げる」という制御指示の出力データ（言語データ）、エアコン冷房の「出力向上」をさせ「風向き全方向」とする制御装置の動作を確認することができる。これらは、ブロックチェーンネットワークＢＮＣを用いて管理されているため、改竄等のされていない入力や出力の経緯として、設備（工場等）の管理者に提示される。
【0035】
上述したような構成及び動作により、本サービスは、以下のような特徴を有する。
第１に、言語で教育済みの既存のＡＩを、中央ＡＩ６１として採用することができる。
即ち、本サービスでは、中央ＡＩ６１として、言語で教育済みの既存のＡＩを、利用可能なため、全体として開発コストや運用コストを削減することができる。
具体的には、新たに設備にこのようなシステムを構築する場合、設備毎に、利用するセンサは異なり、前提となる環境も異なるため、センサの測定結果が取るべき値も異なるため、設備に応じてＡＩを学習等させる必要がある。
しかしながら、「暑い」、「人が多い」等の入力データ（言語データ）、「全体的に強めに温度下げる」という制御指示の出力データ（言語データ）を生成する自然言語処理が可能なＡＩは、多くの目的で用いられるため、様々な開発が進んでいる。そのため、このような自然言語処理が可能なＡＩは、精度が向上するとともにコストが低くなってきているのが現状である。
そのため、本サービスでは、全体として開発コストや運用コストを削減することができる。
第１に、言語で教育済みの既存のＡＩを、中央ＡＩ６１として採用することができる。
即ち、本サービスでは、中央ＡＩ６１として、言語で教育済みの既存のＡＩを、利用可能なため、全体として開発コストや運用コストを削減することができる。
具体的には、新たに設備にこのようなシステムを構築する場合、設備毎に、利用するセンサは異なり、前提となる環境も異なるため、センサの測定結果が取るべき値も異なるため、設備に応じてＡＩを学習等させる必要がある。
しかしながら、「暑い」、「人が多い」等の入力データ（言語データ）、「全体的に強めに温度下げる」という制御指示の出力データ（言語データ）を生成する自然言語処理が可能なＡＩは、多くの目的で用いられるため、様々な開発が進んでいる。そのため、このような自然言語処理が可能なＡＩは、精度が向上するとともにコストが低くなってきているのが現状である。
そのため、本サービスでは、全体として開発コストや運用コストを削減することができる。
【0036】
第２に、エッジ側でＡＩ処理をするため、中央ＡＩ６１を用いた処理の負担が軽減される。
即ち、本サービスでは、入力セル２－１及び２－２（エッジ側）において、センサの測定結果を言語データ（知覚表現の一例）に変換する処理が行われ、出力セル３－１（エッジ側）において、言語データ（制御指示の出力データ）を制御装置の具体的な制御内容としてデジタル信号に変換する処理が行われる。
換言すれば、中央ＡＩ６１は、これらの処理を行う必要がないため、負担が軽減されている。即ち、ＡＩ処理の分散処理が実現されているといえる。また、この分散処理の効果は、エッジ側の入力セルや出力セルの数が増加するほど顕著なものとなる。
即ち、本サービスでは、入力セル２－１及び２－２（エッジ側）において、センサの測定結果を言語データ（知覚表現の一例）に変換する処理が行われ、出力セル３－１（エッジ側）において、言語データ（制御指示の出力データ）を制御装置の具体的な制御内容としてデジタル信号に変換する処理が行われる。
換言すれば、中央ＡＩ６１は、これらの処理を行う必要がないため、負担が軽減されている。即ち、ＡＩ処理の分散処理が実現されているといえる。また、この分散処理の効果は、エッジ側の入力セルや出力セルの数が増加するほど顕著なものとなる。
【0037】
第３に、本サービスでは、ブロックチェーンネットワークＢＮＣを用いてデータを保証するため、安全なＡＩシステムが実現される。
即ち例えば、ブロックチェーンネットワークＢＮＣを用いないシステムにおいては、入力セル２－１に成りすまして「温度低下」という言語データを中央ＡＩ６１に入力することにより、誤った制御指示が出力される可能性がある。
本サービスでは、ブロックチェーンネットワークＢＮＣを用いてデータを保証するため、このような入力セル２－１への成りすましが不可能となり、安全なＡＩシステムが実現される。
即ち例えば、ブロックチェーンネットワークＢＮＣを用いないシステムにおいては、入力セル２－１に成りすまして「温度低下」という言語データを中央ＡＩ６１に入力することにより、誤った制御指示が出力される可能性がある。
本サービスでは、ブロックチェーンネットワークＢＮＣを用いてデータを保証するため、このような入力セル２－１への成りすましが不可能となり、安全なＡＩシステムが実現される。
【0038】
以上、図１を用いて、本サービスの概要を説明した。
以下、図２乃至図４を用いて、本サービスの図１に示すサービスを提供する際に適用される情報処理システムについて説明する。
図２は、図１に示すサービスを提供する際に適用される本発明の一実施形態に係る情報処理システムの構成例を示す図である。
以下、図２乃至図４を用いて、本サービスの図１に示すサービスを提供する際に適用される情報処理システムについて説明する。
図２は、図１に示すサービスを提供する際に適用される本発明の一実施形態に係る情報処理システムの構成例を示す図である。
【0039】
【0040】
サーバ１は、サービス提供者Ｓにより管理される情報処理装置である。サーバ１は、入力セル２－１乃至２－Ｎ（Ｎは１以上の整数値）、出力セル３－１乃至３－Ｍ（ＭはＮとは独立した１以上の整数値）、確認端末４、ＢＣフルノード５－１乃至５－Ｌ（ＬはＮ及びＭとは独立した１以上の整数値）と適宜通信をしながら、本サービスを実現するための各種処理を実行する。
【0041】
入力セル２－１乃至２－Ｎは、１以上のセンサと自律分散チップＣＰとを備える情報処理装置である。また、Ｎ個の入力セル２－１乃至２－Ｎのうち１つを図示して説明するとき、「入力セル２－ｐ」（ｐは１以上Ｎ以下の整数値）を用いる。
【0042】
出力セル３－１乃至３－Ｍは、１以上の制御装置と自律分散チップＣＰとを備える情報処理装置である。また、Ｍ個の出力セル３－１乃至３－Ｍのうち１つを図示して説明するとき、「出力セル３－ｑ」（ｑは１以上Ｍ以下の整数値）を用いる。
【0043】
確認端末４は、施設（工場等）の管理担当者が、ブロックチェーンネットワークＢＮＣを用いて管理された情報を確認するために操作する情報処理装置である。なお、図２において１台の確認端末４が図示されているが、確認端末４の台数は任意である。
【0044】
ＢＣフルノード５－１乃至５－Ｌは、ブロックの生成に係る計算処理機能や、ブロックチェーンのデータそのものの記憶機能といったブロックチェーンにおけるノードとしての全機能を提供する情報処理装置（ノード）である。
図２の例のＢＣフルノード５－１乃至５－Ｌは、クラウドＣ上に存在する。
図２の例のＢＣフルノード５－１乃至５－Ｌは、クラウドＣ上に存在する。
【0045】
【0046】
サーバ１は、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）１１と、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）１２と、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）１３と、バス１４と、入出力インターフェース１５と、入力部１６と、出力部１７と、記憶部１８と、通信部１９と、ドライブ２０とを備えている。
【0047】
ＣＰＵ１１は、ＲＯＭ１２に記録されているプログラム、又は、記憶部１８からＲＡＭ１３にロードされたプログラムに従って各種の処理を実行する。
ＲＡＭ１３には、ＣＰＵ１１が各種の処理を実行する上において必要なデータ等も適宜記憶される。
ＲＡＭ１３には、ＣＰＵ１１が各種の処理を実行する上において必要なデータ等も適宜記憶される。
【0048】
ＣＰＵ１１、ＲＯＭ１２、及びＲＡＭ１３は、バス１４を介して相互に接続されている。このバス１４にはまた、入出力インターフェース１５も接続されている。入出力インターフェース１５には、入力部１６、出力部１７、記憶部１８、通信部１９及びドライブ２０が接続されている。
【0049】
入力部１６は、例えばキーボード等により構成され、各種情報を入力する。
出力部１７は、液晶等のディスプレイやスピーカ等により構成され、各種情報を画像や音声として出力する。
記憶部１８は、ＤＲＡＭ（Ｄｙｎａｍｉｃ Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）等で構成され、各種データを記憶する。
通信部１９は、インターネットを含むネットワークを介して他の装置（例えば図２の入力セル２－１乃至２－Ｎ、出力セル３－１乃至３－Ｍ、確認端末４、ＢＣフルノード５－１乃至５－Ｌ）との間で通信を行う。
出力部１７は、液晶等のディスプレイやスピーカ等により構成され、各種情報を画像や音声として出力する。
記憶部１８は、ＤＲＡＭ（Ｄｙｎａｍｉｃ Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）等で構成され、各種データを記憶する。
通信部１９は、インターネットを含むネットワークを介して他の装置（例えば図２の入力セル２－１乃至２－Ｎ、出力セル３－１乃至３－Ｍ、確認端末４、ＢＣフルノード５－１乃至５－Ｌ）との間で通信を行う。
【0050】
ドライブ２０には、磁気ディスク、光ディスク、光磁気ディスク、或いは半導体メモリ等よりなる、リムーバブルメディア３１が適宜装着される。ドライブ２０によってリムーバブルメディア３１から読み出されたプログラムは、必要に応じて記憶部１８にインストールされる。
また、リムーバブルメディア３１は、記憶部１８に記憶されている各種データも、記憶部１８と同様に記憶することができる。
また、リムーバブルメディア３１は、記憶部１８に記憶されている各種データも、記憶部１８と同様に記憶することができる。
【0051】
なお、図示はしないが、図２の入力セル２－１乃至２－Ｎ、出力セル３－１乃至３－Ｍ、確認端末４、ＢＣフルノード５－１乃至５－Ｌも、図３に示すハードウェア構成と基本的に同様の構成を有することができる。したがって、入力セル２－１乃至２－Ｎ、出力セル３－１乃至３－Ｍ、確認端末４、ＢＣフルノード５－１乃至５－Ｌのハードウェア構成についての説明は省略する。
ただし、入力セル２－１乃至２－Ｎは、図１に示すように、入力部として、センサを備えている。また、入力セル２－１乃至２－Ｎは、ＣＰＵ、ＲＯＭ、ＲＡＭ等の一部又は全部を、自律分散チップＣＰとして有している。
同様に、出力セル３－１乃至３－Ｍは、図１に示すように、出力部として、制御装置（例えばアクチュエータ）を備えている。また、出力セル３－１乃至３－Ｍは、ＣＰＵ、ＲＯＭ、ＲＡＭ等の一部又は全部を、自律分散チップＣＰとして有している。
ただし、入力セル２－１乃至２－Ｎは、図１に示すように、入力部として、センサを備えている。また、入力セル２－１乃至２－Ｎは、ＣＰＵ、ＲＯＭ、ＲＡＭ等の一部又は全部を、自律分散チップＣＰとして有している。
同様に、出力セル３－１乃至３－Ｍは、図１に示すように、出力部として、制御装置（例えばアクチュエータ）を備えている。また、出力セル３－１乃至３－Ｍは、ＣＰＵ、ＲＯＭ、ＲＡＭ等の一部又は全部を、自律分散チップＣＰとして有している。
【0052】
このような図３のサーバ１の各種ハードウェアと各種ソフトウェアとの協働により、各種処理の実行が可能になる。その結果、上述の本サービスを提供することができる。
以下、図２の情報処理システムのうち図３のサーバ１を含む情報処理システムの機能的構成について説明する。
以下、図２の情報処理システムのうち図３のサーバ１を含む情報処理システムの機能的構成について説明する。
【0053】
【0054】
図４に示すように、サーバ１のＣＰＵ１１においては、処理実行部５１が機能する。また、記憶部１８には、中央ＡＩ６１のモデルが記憶されている。
【0055】
入力セル２－ｐにおいては、自律分散チップＣＰとして、モデル管理部７１と、言語変換ＡＩ７２と、再学習実行部７３と、センサ７４が機能する。入力セル２－ｐは、入力部として、センサ７４を有している。また、入力セル２－ｐの記憶部には、言語変換ＡＩモデル７５が記憶されている。
【0056】
出力セル３－ｑにおいては、自律分散チップＣＰとして、モデル管理部８１と、逆言語変換ＡＩ８２と、制御部８３と、再学習実行部８４とが機能する。出力セル３－１は、出力部として、アクチュエータ８５を有している。また、出力セル３－ｑの記憶部には、言語変換ＡＩモデル８５が記憶されている。
【0057】
処理実行部５１は、１以上の入力セル２－ｐから入力言語データを入力データとして取得して、入力データを用いる所定の処理を実行して、その処理の実行結果を示す１以上の出力言語データを出力データとして出力する。
処理実行部５１は、ブロックチェーンネットワークＢＮＣを用いて記憶されている入力データを取得する。
処理実行部５１は、ブロックチェーンネットワークＢＮＣを用いて記憶されている入力データを取得する。
【0058】
モデル管理部７１は、センサ７４の測定結果を示す信号を入力して、言語データに変換して出力する言語変換ＡＩモデル７５を記憶部に記憶させて管理する。
具体的には例えば、モデル管理部７１は、温度や湿度、サーモグラフィといった詮索の測定結果に基づいて、「温度上昇」、「湿度上昇」、「人が多い」等の言語データに変換して出力する。
具体的には例えば、モデル管理部７１は、温度や湿度、サーモグラフィといった詮索の測定結果に基づいて、「温度上昇」、「湿度上昇」、「人が多い」等の言語データに変換して出力する。
【0059】
言語変換ＡＩ７２は、実世界の所定の物理量を検出するセンサ７４から出力された、当該所定の物理量を示す信号を取得して言語変換ＡＩモデル７５に入力させ、当該モデルから出力された言語データを、サーバ１の入力言語データの少なくとも一部として出力する。
【0060】
再学習実行部７３は、モデルを更新するための再学習を実行する。
【0061】
入力セル２－ｐのＢＣウルトラライトノードは、言語変換ＡＩ７２から出力された、入力言語後データの少なくとも一部を、ブロックチェーンネットワークＢＮＣを用いて記憶させる。
【0062】
モデル管理部８１、言語データを入力して、所定の物理量に変換して出力する逆言語変換ＡＩモデル８６を所定の記憶媒体に記憶させて管理する。
【0063】
出力セル３－ｑのＢＣウルトラライトノードは、ブロックチェーンネットワークＢＮＣを用いて記憶されている出力言語データを取得して、逆言語変換ＡＩ８２に提供する。
逆言語変換ＡＩ８２は、サーバ１から出力された出力データを構成する１以上の言語表現データの少なくとも一部を取得して逆言語変換ＡＩモデル８６に入力させ、当該モデルから物理量を示す信号出力させる。
逆言語変換ＡＩ８２は、サーバ１から出力された出力データを構成する１以上の言語表現データの少なくとも一部を取得して逆言語変換ＡＩモデル８６に入力させ、当該モデルから物理量を示す信号出力させる。
【0064】
指示制御部８３は、当該モデルから出力された物理量を示す信号を、指示信号としてアクチュエータ８５に入力させることで、アクチュエータ８５を制御する。
【0065】
再学習実行部８４は、モデルを更新するための再学習を実行する。
【0066】
なお、再学習実行部７３及び再学習実行部８４による再学習の例は、後述する。
このような機能的構成により、本サービスの情報処理システムは、図１等を用いて説明した各処理を実行することができる。
このような機能的構成により、本サービスの情報処理システムは、図１等を用いて説明した各処理を実行することができる。
【0067】
さらに、本実施形態の情報処理システムは、以下に示すように活用することができる。
以下、図５及び図６を用いて、本情報処理システムの適用し、構内に配置された複数の装置の監視に用い例について説明する。
図５は、図１に示すサービスを構内に配置された装置の管理に用いる例を示す図である。
図５の例において、構内には、４つの装置Ａ１乃至Ａ４が配置されている。即ち例えば、装置Ａ１乃至Ａ４は、工場の構内に配置された、製造ラインの各装置である。
以下、図５及び図６を用いて、本情報処理システムの適用し、構内に配置された複数の装置の監視に用い例について説明する。
図５は、図１に示すサービスを構内に配置された装置の管理に用いる例を示す図である。
図５の例において、構内には、４つの装置Ａ１乃至Ａ４が配置されている。即ち例えば、装置Ａ１乃至Ａ４は、工場の構内に配置された、製造ラインの各装置である。
【0068】
そして、装置Ａ１には、入力セル２－１が配置されている。これは、例えば、製造ラインの装置Ａ１に関するある事象を入力セル２－１のセンサで測定している様子を示している。具体的には例えば、センサは、装置Ａ１の所定箇所の温度や、装置Ａ１に入れられる材料の重量等、任意の物理量を測定する。
【0069】
また、装置Ａ２には、入力セル２－２及び２－３が配置されている。これは、２つの入力セル２－２及び２－３のセンサにより、１つの装置Ａ２の２つの物理量を測定している様子を示している。即ち、装置Ａ１では、１つの入力セル２－１のセンサで１つの装置Ａ１の物理量を測定していたが、１つの装置に対して複数の入力セルを配置できる。
【0070】
また、装置Ａ３の内部には、入力セル２－４が配置されている。これは、入力セル２－４は、装置Ａ３に内蔵されており、入力セル２－４のセンサで装置Ａ３の物理量を測定している様子をしめしている。
【0071】
また、装置Ａ４の内部には、入力セル２－５及び２－６が配置されている。これは、２つの入力セル２－５及び２－６は、１つの装置Ａ４に内蔵されており、２つの入力セル２－５及び２－６のセンサで装置Ａ４の物理量を測定している様子を示している。
【0072】
そして、各入力セル２－１乃至２－６は、センサにより測定されたデータを言語データに変換して、エッジサーバＥＤＳに送信する。このようにして、構内の複数の各装置Ａ１乃至Ａ４のデータが収集される。
【0073】
これにより、構内で使われる各種装置（例えば、製造ロボット（ライン）・室温制御・照明制御など）の稼働状況から故障検出・故障予測等が可能となる。更に言えば、図５に示す構内（例えば、工場・病院・マンションなど）の無人監視が可能となる。
上述したように、従来の監視システムでは、事故等が発生し、多くのセンサから一度にデータ（異常値）が送信された場合、中央監視装置では順次処理を行うためにユーザ（例えば監視員）への警報出力や非常設備の稼働（例えばスプリンクラーによる消火）などの対処までにかなりの時間を有することがあった。
上述したように、従来の監視システムでは、事故等が発生し、多くのセンサから一度にデータ（異常値）が送信された場合、中央監視装置では順次処理を行うためにユーザ（例えば監視員）への警報出力や非常設備の稼働（例えばスプリンクラーによる消火）などの対処までにかなりの時間を有することがあった。
【0074】
これに対し、本情報処理システムでは、各入力セルが言語データに変換するため、処理の分散が行われ、全体として高速に対応することができる。
【0075】
更に言えば、中央ＡＩ６１による制御指示を介さずに処理することにより、更に高速に対処をすることもできる。
図６は、図５の構内におけるより高速な対処を行う際の情報処理の流れの例を示す図である。
図６に示す例では、入力セル２－ｐから出力セル３－ｑに対して言語データが提供されている。即ち、入力セル２－ｐからの言語データは、中央ＡＩ６１を介さず、出力セル３－ｑに提供されてもよい。
入力セル２－ｐや出力セル３－ｑは、以下に示す基本ロジックを有すると好適である。
図６は、図５の構内におけるより高速な対処を行う際の情報処理の流れの例を示す図である。
図６に示す例では、入力セル２－ｐから出力セル３－ｑに対して言語データが提供されている。即ち、入力セル２－ｐからの言語データは、中央ＡＩ６１を介さず、出力セル３－ｑに提供されてもよい。
入力セル２－ｐや出力セル３－ｑは、以下に示す基本ロジックを有すると好適である。
【0076】
第１に、入力セル２－ｐや出力セル３－ｑは、「個性確立ロジック」を有すると好適である。
即ち、「個性確立ロジック」とは、入力セル２－ｐや出力セル３－ｑ毎に、センサの測定対象等毎に応じて個別に備えられ、確率されたロジック処理のアルゴリズムである。
即ち例えば、モータなど駆動装置は製造上のバラツキや経年経過での個別劣化がある。具体的には例えば、同一型式のモータであっても、１０００ｒｐｍ（回転毎分）で振動を起し異常過熱を起すモータもあれば、２０００ｒｐｍでも正常回転しているものもある。
それぞれのモータに付けられたそれぞれのセンサにより、様々な要素（物理量）を速成する入力セル２－ｐの夫々は、個別に自分が管理するモータの個性を学習していき、自分がどこまでが正常ラインなのかを自身でリミッタを設定することができる。そして、入力セル２－ｐは、自身で個々に設定したリミッタを超えた際に、「モータ回転数異常」といった言語データを提供することができる。
なお、モータ以外の制御基板の安定稼働温度等についても、同様に個性確立ロジックを適用することができる。
即ち、「個性確立ロジック」とは、入力セル２－ｐや出力セル３－ｑ毎に、センサの測定対象等毎に応じて個別に備えられ、確率されたロジック処理のアルゴリズムである。
即ち例えば、モータなど駆動装置は製造上のバラツキや経年経過での個別劣化がある。具体的には例えば、同一型式のモータであっても、１０００ｒｐｍ（回転毎分）で振動を起し異常過熱を起すモータもあれば、２０００ｒｐｍでも正常回転しているものもある。
それぞれのモータに付けられたそれぞれのセンサにより、様々な要素（物理量）を速成する入力セル２－ｐの夫々は、個別に自分が管理するモータの個性を学習していき、自分がどこまでが正常ラインなのかを自身でリミッタを設定することができる。そして、入力セル２－ｐは、自身で個々に設定したリミッタを超えた際に、「モータ回転数異常」といった言語データを提供することができる。
なお、モータ以外の制御基板の安定稼働温度等についても、同様に個性確立ロジックを適用することができる。
【0077】
第２に、入力セル２－ｐや出力セル３－ｑは、「他者比較学習ロジック」を有すると好適である。
即ち、「他者比較学習ロジック」とは、自身が管理する装置が他の装置に対してどのような個性があるのかを、他のセルとの情報の授受した結果に基づいて把握するアルゴリズムである。具体的には、入力セル２－ｐや出力セル３－ｑは、自身が管理する装置（センサの測定対象や、制御装置を介して制御する対象）は他の装置に対してどのような個性が有るのかを、他のセルとデータを共有することで、把握できる。これにより、共有するデータによって出力情報を補正することができる。
即ち、入力セル２－ｐの言語変換ＡＩモデル７５は、再学習実行部７３により、他の入力セルからの言語データに基づいて、再学習処理を実行する。即ち例えば、図１の例を用いて説明すると、「人が少ない」という言語データを出力した際、他の入力セル２－２を始めとする多数の入力セルは「人が多い」という言語データを出力していたとする。このとき、センサの監視対象となる領域が同一であるにもかかわらず、入力セル２－ｐは「人が少ない」という言語データを出力していたとする。このようなとき、入力セル２－ｐの再学習実行部７３は、より「人が多い」という出力をしやすくなるように、再学習処理を行うことができる。
このように、入力セル２－ｐは、他の入力セル（他者）により出力される言語データに基づいて（比較して）、学習することができるのである。
即ち、「他者比較学習ロジック」とは、自身が管理する装置が他の装置に対してどのような個性があるのかを、他のセルとの情報の授受した結果に基づいて把握するアルゴリズムである。具体的には、入力セル２－ｐや出力セル３－ｑは、自身が管理する装置（センサの測定対象や、制御装置を介して制御する対象）は他の装置に対してどのような個性が有るのかを、他のセルとデータを共有することで、把握できる。これにより、共有するデータによって出力情報を補正することができる。
即ち、入力セル２－ｐの言語変換ＡＩモデル７５は、再学習実行部７３により、他の入力セルからの言語データに基づいて、再学習処理を実行する。即ち例えば、図１の例を用いて説明すると、「人が少ない」という言語データを出力した際、他の入力セル２－２を始めとする多数の入力セルは「人が多い」という言語データを出力していたとする。このとき、センサの監視対象となる領域が同一であるにもかかわらず、入力セル２－ｐは「人が少ない」という言語データを出力していたとする。このようなとき、入力セル２－ｐの再学習実行部７３は、より「人が多い」という出力をしやすくなるように、再学習処理を行うことができる。
このように、入力セル２－ｐは、他の入力セル（他者）により出力される言語データに基づいて（比較して）、学習することができるのである。
【0078】
第３に、入力セル２－ｐや出力セル３－ｑは、「意識・意思伝達ロジック」を有すると好適である。
「意識・意思伝達ロジック」とは、入力セル２－ｐの言語変換ＡＩが、通常のセンサ出力のデジタルデータに加えて人間の言葉による意識や意思といった言葉を同時に出力するロジックアルゴリズムである。
具体的には例えば、入力セル２－ｐの言語変換ＡＩ７２は、「少し暑いです」、「かなりの振動を感じます」、「危険な状況です」等の言語データを出力する。この言語データにより、既存の言語入力ＡＩである中央ＡＩ６１に直接把握させることで、中央ＡＩ６１による思考・判断を仰ぐことができる。
即ち、緊急を要する場合、図６のエッジサーバＥＤＳは、構外のサーバ１（図６に図示せぬ、図４等のサーバ１）へ通知すると同時に、郊外のサーバ１による上位の判断結果を待たずに対処処理を行うことができる。
「意識・意思伝達ロジック」とは、入力セル２－ｐの言語変換ＡＩが、通常のセンサ出力のデジタルデータに加えて人間の言葉による意識や意思といった言葉を同時に出力するロジックアルゴリズムである。
具体的には例えば、入力セル２－ｐの言語変換ＡＩ７２は、「少し暑いです」、「かなりの振動を感じます」、「危険な状況です」等の言語データを出力する。この言語データにより、既存の言語入力ＡＩである中央ＡＩ６１に直接把握させることで、中央ＡＩ６１による思考・判断を仰ぐことができる。
即ち、緊急を要する場合、図６のエッジサーバＥＤＳは、構外のサーバ１（図６に図示せぬ、図４等のサーバ１）へ通知すると同時に、郊外のサーバ１による上位の判断結果を待たずに対処処理を行うことができる。
【0079】
第４に、入力セル２－ｐや出力セル３－ｑは、「自己対処ロジック」を有すると好適である。
本情報処理システムは中央監視装置の判断を仰ぐまでもない場合、例えば、明確な異常が検知された場合には、エッジサーバＥＤＳや図示せぬサーバ１の応答を待たずに、対処をすることができる。具体的には例えば、入力セル２－ｐが、「温度上昇」ではなく、「火災発生」と言語データを出力した場合、その言語データは、出力セル３－ｑに提供され、警報を鳴動させたり、局部的なスプリンクラの起動をすることができる。
即ち、本情報処理システムは、中央ＡＩ６１を人間でいう脳に見立てた場合、脳での判断を待たずに対処する反射ともいえる対応が可能となるのである。
これにより、高速な対処を行う際の情報処理が実現される。
本情報処理システムは中央監視装置の判断を仰ぐまでもない場合、例えば、明確な異常が検知された場合には、エッジサーバＥＤＳや図示せぬサーバ１の応答を待たずに、対処をすることができる。具体的には例えば、入力セル２－ｐが、「温度上昇」ではなく、「火災発生」と言語データを出力した場合、その言語データは、出力セル３－ｑに提供され、警報を鳴動させたり、局部的なスプリンクラの起動をすることができる。
即ち、本情報処理システムは、中央ＡＩ６１を人間でいう脳に見立てた場合、脳での判断を待たずに対処する反射ともいえる対応が可能となるのである。
これにより、高速な対処を行う際の情報処理が実現される。
【0080】
第５に、入力セル２－ｐや出力セル３－ｑは、「倫理ロジック」を有すると好適である。
即ち、倫理路ロジックにより、エッジサーバＥＤＳや構外の図示せぬサーバ１は、トータル的な予測や判断を行い制御指示のための出力言語データを出力するとともに、各セルに教育を行うことができる。
即ち、入力セル２－ｐの言語変換ＡＩモデル７５は、再学習実行部７３により、中央ＡＩ６１からの出力言語データ等に基づいて、再学習処理を実行する。このような学習により、入力セル２－ｐは、「温度上昇」ではなく、「火災発生」といった、より上位の言語データの出力が可能となる。これにより、入力セル２－ｐでの処理段階に応じて、入力セル２－ｐが個別に判断して対処を瞬間的に行えるので大事故を未然に防ぐことができようになる。
即ち、これにより、高速な対処を行う際の情報処理が実現される。
即ち、倫理路ロジックにより、エッジサーバＥＤＳや構外の図示せぬサーバ１は、トータル的な予測や判断を行い制御指示のための出力言語データを出力するとともに、各セルに教育を行うことができる。
即ち、入力セル２－ｐの言語変換ＡＩモデル７５は、再学習実行部７３により、中央ＡＩ６１からの出力言語データ等に基づいて、再学習処理を実行する。このような学習により、入力セル２－ｐは、「温度上昇」ではなく、「火災発生」といった、より上位の言語データの出力が可能となる。これにより、入力セル２－ｐでの処理段階に応じて、入力セル２－ｐが個別に判断して対処を瞬間的に行えるので大事故を未然に防ぐことができようになる。
即ち、これにより、高速な対処を行う際の情報処理が実現される。
【0081】
このように、本情報処理システムの入力セル２－ｐや出力セル３－ｑは、アイデンティティの概念をＩＴで実現するものであり、「自律分散型ＡＩブロックチェーンセル」とも呼べるものとなっているのである。
【0082】
さらに、本情報処理システムの入力セル２－ｐや出力セル３－ｑは、「自律分散型ＡＩブロックチェーンセル」として、自律的に処理内容を判断したり、中央ＡＩ６１から処理内容の指示の請求をすることができる。
図７は、図４の機能的構成の入力セルにおいて、自律的に処理内容を確立させる流れの例を示す図である。
図７は、図４の機能的構成の入力セルにおいて、自律的に処理内容を確立させる流れの例を示す図である。
【0083】
ステップＳＴ２１に示すように、図７に示す入力セル２－１は、第１のセンサからの温度の情報、第２のセンサからの湿度の情報を取得している。
このとき、入力セル２－１の自律分散型チップは、センサから取得される情報に基づいて、当該入力セル２－１の「使命」を自律的に認識する。
ここで、使命とは、その入力セル２－１がなすべき処理内容のことをいい、温度の情報及び湿度の情報からどのような言語データを出力する処理を行うべきか、という具体的処理内容のことをいう。
即ち例えば、入力セル２－１は、データ形式に基づいて、取得されたデータが温度及び湿度の情報である旨を識別し、その使命が温度（湿度）環境を判定することであると判断する。
入力セル２－２においても同様に、センサから熱感（サーモグラフィのデータ等）が取得された結果、入力セル２－２は、その使命が熱源の密度（図１の例においては特に人の密度）を判定することであると判断する。
このように、入力セル２－１及び２－２は、自身の使命を自律的に認識することができる。
このとき、入力セル２－１の自律分散型チップは、センサから取得される情報に基づいて、当該入力セル２－１の「使命」を自律的に認識する。
ここで、使命とは、その入力セル２－１がなすべき処理内容のことをいい、温度の情報及び湿度の情報からどのような言語データを出力する処理を行うべきか、という具体的処理内容のことをいう。
即ち例えば、入力セル２－１は、データ形式に基づいて、取得されたデータが温度及び湿度の情報である旨を識別し、その使命が温度（湿度）環境を判定することであると判断する。
入力セル２－２においても同様に、センサから熱感（サーモグラフィのデータ等）が取得された結果、入力セル２－２は、その使命が熱源の密度（図１の例においては特に人の密度）を判定することであると判断する。
このように、入力セル２－１及び２－２は、自身の使命を自律的に認識することができる。
【0084】
ステップＳＴ２２に示すように、入力セル２－１及び２－２は、セル自身の使命を中央ＡＩ６１に送信する。
【0085】
ステップＳＴ２３に示すように、中央ＡＩ６１は、各セルから送信されてきた使命を統合判断して、各セルの使命が妥当かを判断することができる。
中央ＡＩ６１は、各セルが自律的に認識した使命が妥当か否かを判断する。そして、中央セルＡＩ６１は、各セルが自律的に認識した使命が妥当でない場合、（正しい）使命の情報を送信する。
ここで補足すると、中央ＡＩ６１は、上述の説明における入力言語データから出力言語データを出力するための判断処理以外にも各種判断処理を行うことができるものである。具体的には例えば、設備の全体像と、入力セル２－ｐの配置予定情報等が予め記憶されており、入力セルからの情報と統合判断するといった処理を行うことができる。
中央ＡＩ６１は、各セルが自律的に認識した使命が妥当か否かを判断する。そして、中央セルＡＩ６１は、各セルが自律的に認識した使命が妥当でない場合、（正しい）使命の情報を送信する。
ここで補足すると、中央ＡＩ６１は、上述の説明における入力言語データから出力言語データを出力するための判断処理以外にも各種判断処理を行うことができるものである。具体的には例えば、設備の全体像と、入力セル２－ｐの配置予定情報等が予め記憶されており、入力セルからの情報と統合判断するといった処理を行うことができる。
【0086】
ステップＳＴ２４に示すように、自律的に認識した使命と、中央セルＡＩ６１から送信されてきた（正しい）使命の情報と、を比較して、セル自身の使命を最終決定する。
そして、入力セル２－１及び２－２は、最終決定された使命に基づいて、以後の処理を実行する。
そして、入力セル２－１及び２－２は、最終決定された使命に基づいて、以後の処理を実行する。
【0087】
上述をまとめると、入力セル２－１及び２－２は、センサからの情報に基づいて、自身使命を認識することができる。
これにより、入力セル２－１及び２－２の個性が確立され、そのセンサ専用のセルとして動作をする。
また、センサと接続詞、センサからの情報が取得された際に、入力セル２－１及び２－２は使命を認識するため、入力セル２－１及び２－２の生産時には、個別に設定などを行わなくてもよいニュートラルな状態で出荷することができる。これにより、入力セル２－１及び２－２の生産時のコスト削減をすることができる。
これにより、入力セル２－１及び２－２の個性が確立され、そのセンサ専用のセルとして動作をする。
また、センサと接続詞、センサからの情報が取得された際に、入力セル２－１及び２－２は使命を認識するため、入力セル２－１及び２－２の生産時には、個別に設定などを行わなくてもよいニュートラルな状態で出荷することができる。これにより、入力セル２－１及び２－２の生産時のコスト削減をすることができる。
【0088】
以上、本発明の一実施形態について説明したが、本発明は、上述の実施形態に限定されるものではなく、本発明の目的を達成できる範囲での変形、改良等は本発明に含まれるものとみなす。
【0089】
上述の実施形態では、入力セル２－ｐは、センサの測定値から言語データを生成するものとしたが、特にこれに限定されない。
即ち例えば、対人間用の「言語」から対機械用の「言語」に入れ替える機能を有し、センサは人間の言語による「温度上昇」を、情報処理装置において識別子が予め対応付けられている場合、「暑い」に対応する識別子への変換をするものであってもよい。
これにより、本情報処理システムに、人間の目などによるチェックの結果も入力言語データとして採用可能となる。
即ち例えば、対人間用の「言語」から対機械用の「言語」に入れ替える機能を有し、センサは人間の言語による「温度上昇」を、情報処理装置において識別子が予め対応付けられている場合、「暑い」に対応する識別子への変換をするものであってもよい。
これにより、本情報処理システムに、人間の目などによるチェックの結果も入力言語データとして採用可能となる。
【0090】
また例えば、センサはマイクやカメラであってもよい。即ち例えば、言語変換ＡＩ７２は、マイクにより取得された音声から人物を特定して言語データとして出力したり、その人物の感情を特定して言語データとしてもよい。また例えば、言語変換ＡＩ７２は、カメラにより取得された動画内の人間のジェスチャを言語データに変換してもよい。
【0091】
上述のように、「自律分散型ＡＩブロックチェーンセル」はセンサの機能により、温度・湿度・圧力・振動・高度・音圧・輝度・超音波・電圧・電流などのセンサ及びブロックチェーンに関する処理を実行可能な情報処理装置の単位である。なお、情報処理装置としたが、パーソナルコンピュータやサーバ装置に限定されず、電子部品であるチップとして実現することができる。これにより、従来の各種デバイスに容易に組み込むことが可能となる。
【0092】
【0093】
また、図４に示す機能ブロック図は、例示に過ぎず、特に限定されない。即ち、上述した一連の処理を全体として実行できる機能が図２の情報処理システムに備えられていれば足り、この機能を実現するためにどのような機能ブロック及びデータベースを用いるのかは、特に図４の例に限定されない。
【0094】
また、機能ブロックの存在場所も、図５に限定されず、任意でよい。
例えばサーバ１側に配置された機能ブロックの少なくとも一部を、他の情報処理装置が備える構成としてもよい。
例えばサーバ１側に配置された機能ブロックの少なくとも一部を、他の情報処理装置が備える構成としてもよい。
【0095】
また、上述した一連の処理は、ハードウェアにより実行させることもできるし、ソフトウェアにより実行させることもできる。
また、１つの機能ブロックは、ハードウェア単体で構成してもよいし、ソフトウェア単体で構成してもよいし、それらの組み合わせで構成してもよい。
また、１つの機能ブロックは、ハードウェア単体で構成してもよいし、ソフトウェア単体で構成してもよいし、それらの組み合わせで構成してもよい。
【0096】
一連の処理をソフトウェアにより実行させる場合には、そのソフトウェアを構成するプログラムが、コンピュータ等にネットワークや記録媒体からインストールされる。
コンピュータは、専用のハードウェアに組み込まれているコンピュータであってもよい。
また、コンピュータは、各種のプログラムをインストールすることで、各種の機能を実行することが可能なコンピュータ、例えばサーバの他汎用のスマートフォンやパーソナルコンピュータであってもよい。
コンピュータは、専用のハードウェアに組み込まれているコンピュータであってもよい。
また、コンピュータは、各種のプログラムをインストールすることで、各種の機能を実行することが可能なコンピュータ、例えばサーバの他汎用のスマートフォンやパーソナルコンピュータであってもよい。
【0097】
このようなプログラムを含む記録媒体は、ユーザにプログラムを提供するために装置本体とは別に配布される図示せぬリムーバブルメディアにより構成されるだけでなく、装置本体に予め組み込まれた状態でユーザに提供される記録媒体等で構成される。
【0098】
なお、本明細書において、記録媒体に記録されるプログラムを記述するステップは、その順序に沿って時系列的に行われる処理はもちろん、必ずしも時系列的に処理されなくとも、並列的あるいは個別に実行される処理をも含むものである。
【0099】
以上をまとめると、本発明が適用される情報処理装置は、次のような構成を有していれば足り、各種各様な実施の形態を取ることができる。
【0100】
入力データを用いる所定の処理を実行する中央装置（サーバ１）と、前記入力データの少なくとも一部を前記主情報処理装置に提供する１以上の第１種周辺装置（入力セル２）とを含む情報処理システムにおいて、
前記中央装置は、
１以上の知覚表現データ（図４の入力言語データ）を入力データとして取得して、当該入力データを用いる所定の処理を実行して、その処理の実行結果を示す１以上の知覚表現データを出力データとして出力する処理実行手段（処理実行部５１）、
を備え、
１以上の第１種周辺装置の夫々は、
所定の物理量を示す信号（例えば、温度のデータに対応する信号）を入力して、前記知覚表現データ（例えば、明細書における温度上昇）に変換して出力するモデル（例えば、言語変換ＡＩモデル８６）を所定の記憶媒体に記憶させて管理するモデル管理手段（モデル管理部７１）と、
実世界の所定の物理量を検出するセンサ（例えば、図４のセンサ７４）から出力された、当該所定の物理量（例えば温度）を示す信号を取得して前記モデルに入力させ、当該モデルから出力された前記知覚表現データ（例えば、温度上昇）を、前記中央装置の前記入力データの少なくとも一部として出力する変換手段（言語変換ＡＩ７３）と、
を備えれば足りる。
前記中央装置は、
１以上の知覚表現データ（図４の入力言語データ）を入力データとして取得して、当該入力データを用いる所定の処理を実行して、その処理の実行結果を示す１以上の知覚表現データを出力データとして出力する処理実行手段（処理実行部５１）、
を備え、
１以上の第１種周辺装置の夫々は、
所定の物理量を示す信号（例えば、温度のデータに対応する信号）を入力して、前記知覚表現データ（例えば、明細書における温度上昇）に変換して出力するモデル（例えば、言語変換ＡＩモデル８６）を所定の記憶媒体に記憶させて管理するモデル管理手段（モデル管理部７１）と、
実世界の所定の物理量を検出するセンサ（例えば、図４のセンサ７４）から出力された、当該所定の物理量（例えば温度）を示す信号を取得して前記モデルに入力させ、当該モデルから出力された前記知覚表現データ（例えば、温度上昇）を、前記中央装置の前記入力データの少なくとも一部として出力する変換手段（言語変換ＡＩ７３）と、
を備えれば足りる。
【0101】
前記情報処理システムは、所定の制御対象を制御する１以上の第２種周辺装（出力セル３）置をさらに含み、
前記１以上の第２種周辺装置の夫々は、
前記知覚表現データを入力して、所定の物理量に変換して出力するモデルを所定の記憶媒体に記憶させて管理するモデル管理手段（モデル管理部８１）と、
前記中央装置から出力された出力データを構成する前記１以上の知覚表現データの少なくとも一部を取得して前記モデルに入力させ、当該モデルから出力された前記所定の物理量を示す信号を、指示信号として前記所定の制御対象に入力させることで、当該所定の制御対象を制御する制御手段（逆言語変換ＡＩ８２及び指示制御部８３）と、
を備える、ことができる。
前記１以上の第２種周辺装置の夫々は、
前記知覚表現データを入力して、所定の物理量に変換して出力するモデルを所定の記憶媒体に記憶させて管理するモデル管理手段（モデル管理部８１）と、
前記中央装置から出力された出力データを構成する前記１以上の知覚表現データの少なくとも一部を取得して前記モデルに入力させ、当該モデルから出力された前記所定の物理量を示す信号を、指示信号として前記所定の制御対象に入力させることで、当該所定の制御対象を制御する制御手段（逆言語変換ＡＩ８２及び指示制御部８３）と、
を備える、ことができる。
【0102】
前記１以上の第１種周辺装置の夫々は、
前記モデルを更新するための再学習を実行する第１種再学習実行手段（例えば図４の再学習実行部７３）、
をさらに備え、
前記１以上の第２種周辺装置の夫々は、
前記モデルを更新するための再学習を実行する第２種再学習実行手段（例えば図４の再学習実行部８４）、
をさらに備える、ことができる。
前記モデルを更新するための再学習を実行する第１種再学習実行手段（例えば図４の再学習実行部７３）、
をさらに備え、
前記１以上の第２種周辺装置の夫々は、
前記モデルを更新するための再学習を実行する第２種再学習実行手段（例えば図４の再学習実行部８４）、
をさらに備える、ことができる。
【0103】
前記第１種周辺装置は、
前記変換手段から出力された、前記第１情報処理装置の前記入力データの少なくとも一部を、ブロックチェーン又は分散型管理台帳の技術を用いて記憶させる第１種周辺記憶制御手段（例えば図１のＢＣウルトラライトノード）、
をさらに備え、
前記中央装置は、
前記ブロックチェーン又は分散型管理台帳の技術を用いて記憶されている前記入力データを取得して前記処理実行手段に提供する入力データ取得手段（例えば図４の処理実行部５１）と、
前記処理実行手段から出力された前記出力データを、前記ブロックチェーン又は前記分散型管理台帳の技術を用いて記憶させる中央記憶制御手段（例えば図１のＢＣウルトラライトノード）、
をさらに備え、
前記第２種周辺装置は、
前記ブロックチェーン又は分散型管理台帳の技術を用いて記憶されている前記出力データを取得して前記制御手段に提供する出力データ取得手段、
をさらに備える、
請求項２又は３に記載の情報処理システム。
前記変換手段から出力された、前記第１情報処理装置の前記入力データの少なくとも一部を、ブロックチェーン又は分散型管理台帳の技術を用いて記憶させる第１種周辺記憶制御手段（例えば図１のＢＣウルトラライトノード）、
をさらに備え、
前記中央装置は、
前記ブロックチェーン又は分散型管理台帳の技術を用いて記憶されている前記入力データを取得して前記処理実行手段に提供する入力データ取得手段（例えば図４の処理実行部５１）と、
前記処理実行手段から出力された前記出力データを、前記ブロックチェーン又は前記分散型管理台帳の技術を用いて記憶させる中央記憶制御手段（例えば図１のＢＣウルトラライトノード）、
をさらに備え、
前記第２種周辺装置は、
前記ブロックチェーン又は分散型管理台帳の技術を用いて記憶されている前記出力データを取得して前記制御手段に提供する出力データ取得手段、
をさらに備える、
請求項２又は３に記載の情報処理システム。
【符号の説明】
【0104】
１１・・・サーバ、２・・・入力セル、３・・・出力セル、４・・・確認端末、５・・・ブロックチェーンフルノード、１１・・・ＣＰＵ、２０・・・ドライブ、３１・・・リムーバブルメディア、５１・・・処理実行部、６１・・・中央ＡＩ、７１・・・モデル管理部、７２・・・言語変換ＡＩ、７３・・・再学習実行部、７４・・・センサ、
７５・・・言語変換ＡＩモデル、８１・・・モデル管理部、８２・・・逆言語変換ＡＩ、８３・・・制御部、８４・・・再学習実行部、８５・・・アクチュエータ、８６・・・逆言語変換ＡＩモデル
７５・・・言語変換ＡＩモデル、８１・・・モデル管理部、８２・・・逆言語変換ＡＩ、８３・・・制御部、８４・・・再学習実行部、８５・・・アクチュエータ、８６・・・逆言語変換ＡＩモデル
【図1】
【図2】
【図3】
【図4】
【図5】
【図6】
【図7】