特許 7521870 環境コンテキストへの能動的適応を通じて情報空間のセグメントを識別する技術

(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】2024-07-16

(45)【発行日】2024-07-24

(54)【発明の名称】環境コンテキストへの能動的適応を通じて情報空間のセグメントを識別する技術

(51)【国際特許分類】

   G06F 16/90 20190101AFI20240717BHJP

【ＦＩ】

G06F16/90 100

【請求項の数】 10

(21)【出願番号】P 2022505347

(86)(22)【出願日】2020-07-21

(65)【公表番号】

(43)【公表日】2022-10-07

(86)【国際出願番号】 IB2020056825

(87)【国際公開番号】W WO2021024064

(87)【国際公開日】2021-02-11

【審査請求日】2022-12-23

(31)【優先権主張番号】16/533,964

(32)【優先日】2019-08-07

(33)【優先権主張国・地域又は機関】US

(73)【特許権者】

【識別番号】390009531

【氏名又は名称】インターナショナル・ビジネス・マシーンズ・コーポレーション

【氏名又は名称原語表記】ＩＮＴＥＲＮＡＴＩＯＮＡＬ ＢＵＳＩＮＥＳＳ ＭＡＣＨＩＮＥＳ ＣＯＲＰＯＲＡＴＩＯＮ

【住所又は居所原語表記】Ｎｅｗ Ｏｒｃｈａｒｄ Ｒｏａｄ， Ａｒｍｏｎｋ， Ｎｅｗ Ｙｏｒｋ １０５０４， Ｕｎｉｔｅｄ Ｓｔａｔｅｓ ｏｆ Ａｍｅｒｉｃａ

(74)【代理人】

【識別番号】100112690

【弁理士】

【氏名又は名称】太佐 種一

(72)【発明者】

【氏名】シドルキン，オレグ

(72)【発明者】

【氏名】バティン，セルゲイ

(72)【発明者】

【氏名】ボルダッシュ，マイケル

【審査官】三橋 竜太郎

(56)【参考文献】

【文献】特表２０１１－５０８３４０（ＪＰ，Ａ）

【文献】米国特許出願公開第２０１４／０１７３１９９（ＵＳ，Ａ１）

【文献】特表２０１４－５００５４２（ＪＰ，Ａ）

【文献】中国特許出願公開第１０９３５８８２１（ＣＮ，Ａ）

(58)【調査した分野】(Int.Cl.，ＤＢ名)

Ｇ０６Ｆ １６／００－１６／９５８

(57)【特許請求の範囲】

【請求項1】

人工知能システムによって、第１のユーザ要求を受信することと、
異種ストレージ媒体から第１の情報のセグメントを検索することであって、前記第１の情報のセグメントが、前記異種ストレージ媒体の上位層に位置し、かつ、複数の情報のセグメントと前記複数の情報のセグメントの間の関係性のリンクを含む情報グラフの一部である、検索することと、
前記第１の情報のセグメントが、前記第１のユーザ要求を解決しないとの判定に応じて、
前記第１の情報のセグメントを、前記異種ストレージ媒体の相対的下位層に沈下させることと、
前記第１の情報のセグメントと第２の情報のセグメントとの間の第１の関係性のリンクの第１の強度に基づいて、前記異種ストレージ媒体の前記相対的下位層から前記第２の情報のセグメントを検索することを決定することと、
前記第２の情報のセグメントが、前記第１のユーザ要求を解決するとの判定に応答して、前記第２の情報のセグメントを、前記異種ストレージ媒体の前記上位層に浮上させることと
を含む、方法。

【請求項2】

前記関係性のリンクは、現在のコンテキスト、ユーザ・プロファイルまたはこれらの両方に少なくとも部分的に基づいて決定される強度を有する、請求項１に記載の方法。

【請求項3】

前記異種ストレージ媒体の前記上位層は、前記異種ストレージ媒体の前記相対的下位層よりも相対的に低いアクセス・コストを有する、請求項１または２に記載の方法。

【請求項4】

前記異種ストレージ媒体の前記相対的下位層に格納された情報のセグメントは、前記異種ストレージ媒体の前記上位層に格納された情報のセグメントと比較し、相対的に低い信頼度に関連付けられる、請求項１～３のいずれか１項に記載の方法。

【請求項5】

前記第１の情報のセグメントは、前記第１のユーザ要求の第１のコンテキストに基づいて識別され、前記第１のコンテキストは、前記第１のユーザ要求を行った第１のユーザと、前記第１のユーザの１以上の以前の要求とを示す、請求項１～４のいずれか１項に記載の方法。

【請求項6】

前記第１のユーザの前記１以上の以前の要求に基づいて前記第１のユーザの第１のプロファイルを生成することであって、前記第１のプロファイルは、前記第１の情報のセグメントにおける１以上のエンティティおよび前記１以上のエンティティ間の関係性のランク付けを特定する、生成すること
をさらに含む、請求項５に記載の方法。

【請求項7】

人工知能システムによって、第１のユーザ要求を受信することと、
異種ストレージ媒体から第１の情報のセグメントを検索することであって、前記第１の情報のセグメントが、前記異種ストレージ媒体の上位層に位置する、検索することと、
前記第１の情報のセグメントが、前記第１のユーザ要求を解決しないとの判定に応じて、前記第１の情報のセグメントを、前記異種ストレージ媒体の相対的下位層に沈下させることと、
前記異種ストレージ媒体の前記相対的下位層から第２の情報のセグメントを検索することと、
前記第２の情報のセグメントが、前記第１のユーザ要求を解決するとの判定に応答して、前記第２の情報のセグメントを、前記異種ストレージ媒体の前記上位層に浮上させることと
を含む方法であり、前記第１の情報のセグメントは、前記第１のユーザ要求の第１のコンテキストに基づいて識別され、前記第１のコンテキストは、前記第１のユーザ要求を行った第１のユーザと、前記第１のユーザの１以上の以前の要求とを示し、前記方法は、
前記第１のユーザの前記１以上の以前の要求に基づいて前記第１のユーザの第１のプロファイルを生成することであって、前記第１のプロファイルは、前記第１の情報のセグメントにおける１以上のエンティティおよび前記１以上のエンティティ間の関係性のランク付けを特定する、生成することと、
前記人工知能システムに関し、前記第１のプロファイルの品質を示す１以上のパフォーマンス・インジケータを決定することと、
前記第１のプロファイルの前記品質が閾値を上回ると判定したことに応答して、前記第１のプロファイルを使用して、前記人工知能システムの新しいユーザについての要求に回答することと
をさらに含む、方法。

【請求項8】

人工知能システムによって、第１のユーザ要求を受信することと、
異種ストレージ媒体から第１の情報のセグメントを検索することであって、前記第１の情報のセグメントが、前記異種ストレージ媒体の上位層に位置する、検索することと、
前記第１の情報のセグメントが、前記第１のユーザ要求を解決しないとの判定に応じて、前記第１の情報のセグメントを、前記異種ストレージ媒体の相対的下位層に沈下させることと、
前記異種ストレージ媒体の前記相対的下位層から第２の情報のセグメントを検索することと、
前記第２の情報のセグメントが、前記第１のユーザ要求を解決するとの判定に応答して、前記第２の情報のセグメントを、前記異種ストレージ媒体の前記上位層に浮上させることと
を含む方法であり、前記方法は、さらに、
前記人工知能システムによって第２のユーザ要求を受信することであって、前記第２のユーザ要求は、前記第２のユーザ要求に回答するコストの限界を特定する、受信することと、
前記異種ストレージ媒体の前記上位層に位置するデータを用いて前記第２のユーザ要求に適切に回答できないと判定することと、
特定された前記コストの限界に基づいて、前記異種ストレージ媒体の前記相対的下位層を探索することと、
を含む、方法。

【請求項9】

請求項１～８のいずれか１項に記載の方法の全てのステップを実行するように適応された手段を含むシステム。

【請求項10】

コンピュータ・プログラムであって、前記コンピュータ・プログラムが、コンピュータ・システム上で実行されるとき、請求項１～８のいずれか１項に記載の方法のすべてのステップを実行するための命令を含むコンピュータ・プログラム。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、情報空間に関し、より詳細には、情報空間の関連セグメントを識別するために能動適応を利用することに関する。

【背景技術】

【0002】

現代のコンピューティング・システム（特に、情報検索システムまたは人工知能システム）は、正確に機能するために、格納された大量のデータを必要とする。加えて、このデータは、システムが任意の所与の時点に関連情報を識別し、検索することを可能にするように格納されていなければならない。より大きなデータストアを維持することにより、任意の所与の入力に対して正確、適切、または満足できるデータが返される確率が改善される。しかしながら、データストアがますます増大するに伴い、ストレージ・コストが顕著になってくる。すなわち、金銭的コストが増大するとともに、ますます大きくなるストアを探索するために必要な処理コストも増大する。さらに、この大量のデータを維持することが可能なストレージのソリューションは、しばしば、アクセスするのに遅く、システムに追加のレイテンシを導入する。

【発明の概要】

【0003】

本発明は、請求項１に記載の方法、請求項９および請求項１０に記載された、対応するシステムおよびコンピュータ・プログラムを提供する。

【図面の簡単な説明】

【0004】

【図1】本明細書に開示される一実施形態による、情報空間の関連情報セグメントを能動的に識別するためのワークフローを示す。

【図2A】本明細書に開示される一実施形態による、効率を改善するために関連情報のセグメントを浮上および沈下させるための技術を説明する。

【図2B】本明細書に開示される一実施形態による、効率を改善するために関連情報のセグメントを浮上および沈下させるための技術を説明する。

【図3】本明細書に開示される一実施形態による、環境コンテキストに基づく能動的適応を用いて関連情報のセグメントを識別するように構成された人工知能システムを示すブロック図である。

【図4】本明細書に開示される一実施形態による、関連情報のセグメントを能動的に識別するための方法を示すフロー図である。

【図5】本明細書に開示される一実施形態による、能動的に適応する情報システムにおけるユーザ・コンテキストをプロファイリングするための方法を示すフロー図である。

【図6】本明細書に開示される一実施形態による、関連情報のセグメントを識別する方法を示すフロー図である。

【発明を実施するための形態】

【0005】

本開示の実施形態は、効率的かつ費用効果的な方法で関連データをより良く識別するために、情報空間の情報を能動的に浮上および沈下させるための技術を提供する。実施形態においては、情報分析検索システムは、関連情報を照会され得る膨大な（そして成長し続ける）情報空間を維持する。例えば、人工知能（Artificial Intelligence，ＡＩ）アプリケーションは、所与の要求または入力に対する関連データを識別し、適切な応答を生成するために、このようなシステムに依拠し得る。本開示のいくつかの実施形態においては、情報空間は、これらの要素間の関係によってリンクされた、要素またはエンティティのグラフとして維持される。

【0006】

一実施形態においては、システムが情報空間と相互作用するとき、（例えば、関係性の重みまたは適切さを増加または減少させることによって）エンティティ間の関係性を作成、除去または修正することができる。いくつかの実施形態においては、情報空間のセグメントおよびブランチは、環境コンテキストの定量的観察およびユーザからの定性的フィードバックに基づいてさらにアノテーション付けされる。加えて、一実施形態においては、動作中に新たなデータが学習されて取り入れられるにつれて、情報空間は絶えず成長している。例えば、一実施形態においては、ユーザからの入力および要求を情報空間に追加することができ、その結果、それは、将来の要求に対してより良好に応答するために、検索され、その後、依拠することができるようになる。このようにして、システムは、動的かつ知的である。所与の入力（例えば、ユーザからの要求）に対し、情報システムは、応答を生成するために関連データを識別し、検索するべきである。

【0007】

しかしながら、実施形態においては、情報空間は、有意なストレージ上の懸念を提示し得る。典型的には、ストレージのソリューションは、価格、容量および速度において大きく変化する可能性がある。例えば、シリアライズされたストレージは、デシリアライズされたストレージよりも高速であるが、コスト増加（または縮小されたサイズ）となる可能性がある。同様に、ランダム・アクセス・メモリ（ＲＡＭ）またはキャッシュは、ディスク・ベースのストレージよりも相対的に速くすることができるが、容量を減少させ、価格を増大させる可能性がある。さらに、リモート・ストレージのソリューション（例えば、クラウドのような）は、有意な容量および拡張の容易さを提供することができるが、有意に増加したレイテンシを有する。本開示の実施形態においては、グラフとして表される、連続的な情報空間が、多数の層を含む異種ストレージ・ソリューションに格納され、ここで、各層は、様々な利点および欠点と関連している。一実施形態においては、相対的に上位層は、（例えば、データを探索および検索するための）使用に対するレイテンシなど、低減されたアクセス・コストに関連付けられ、一方、相対的に下位層は、利用するための追加の時間またはコストを含む。

【0008】

一実施形態においては、正確で信頼性のある応答を提供するために、システムは、使用中に情報空間のセグメントを浮上（surface）および沈下（sink）させるための適応（adaptation）を利用し、所与の質問に対する最も関連する情報が、異種ストレージ・ソリューションの相対的に上位層で見出される可能性が高くなるようにする。いくつかの実施形態においては、情報空間のセグメントが、特定の入力に基づいて識別され、利用される場合、そのデータは、ストレージ・システムの相対的に上位層に浮上される。同様に、データが使用される頻度が少ない場合には、それは、システムの下位層に漸進的に沈下される。これにより、計算効率を向上させるために、所定のコンテキストに対する関連データを異種ストレージ・システムにおいて積極的に移動させる。すなわち、所与のコンテキストが次に発生すると、情報空間の関連データが、それにアクセスするためのコストを低減する、システムの相対的に上位層に配置されることになる。実施形態においては、コンテキストは、現在の入力、以前の入力／要求、現在のユーザ、時刻などの任意の数のシステム・ファクタを含むことができる。

【0009】

一実施形態においては、各要求または入力は、情報空間を探索することによって、回答される（または、そうでなければ満たされる）べき質問または問い合わせである。例えば、ユーザは、情報を要求したり、実行すべきタスクや動作等を指示したりすることができる。一実施形態においては、システムは、（要求が未だ解決されていない場合に）下位層に進む前に、まずストレージ・システムの相対的上位層を利用して、要求に応答するためにストレージ・システムに問い合わせる。いくつかの実施形態においては、システムは、現在の”最良の”応答に関連する信頼レベルに基づいて、より下位の（したがって、より費用のかかる）ストレージ層に継続するかどうかを決定する。例えば、システムは、最上位の層のデータを識別し、それを評価して、要求を適切に満たす信頼度を決定することができる。信頼度が所定の閾値以上である場合には、データを使用して応答を返すことができる。しかしながら、信頼度が閾値未満である場合には、システムは、満足な応答が発見されるまで、ストレージの次の最下位の層を探索することができる。

【0010】

いくつかの実施形態においては、要求は、要求のコストまたは重要性をさらに特定してもよい。一実施形態においては、コストの限界（または低い重要性）は、ストレージ・システムがシステム内の深すぎる探索をしないように制限することができる。同様に、より高いコスト限界（またはより高い重要性）は、より高い信頼性の応答が生成されるまで、システム内のより遠く／より深い探索を継続するようにシステムに指示することができる。一実施形態においては、要求に応答するための関連データを識別するために、システムは、エンティティ間の関係性の強度および各エンティティが存在する層の組み合わせを利用する。例えば、システムは、第１の関連エンティティ（例えば、ストレージグラフ内のノード）を識別し、予め定義された最小の重みで（例えば、グラフにおけるエッジを介して）第１のノードに接続されている他のエンティティ（例えば、ノード）を識別することができる。次いで、システムは、識別された各要素のデータを、関係性の強度もしくは要素が格納された層またはこれらの両方に基づいて、検索し、評価することができる。

【0011】

このような実施形態においては、例えば、システムは、最初に、より強い接続を有するデータを評価することができるが、（接続が強い場合でも）ストレージ・システムの下位層に格納されている要素を評価することを延期することができる。いくつかの実施形態においては、システムは、接続の強度および検索のコスト（例えば、それが存在する層）に基づいて、下位層のデータを検索するかどうかを総体的に決定する。別の実施形態においては、システムは、最上位層を最初に探索し、適切なデータを識別することなく上位層が尽くされた場合にのみ次の下位層に進む。このようにして、システムは、満足な応答を返すことができるまで、グラフを反復的に横断することができる（順次より遠隔のノードに到達する、もしくは順次ストレージのより下位層に到達する、またはこれらの両方である）。

【0012】

一実施形態においては、個々のユーザ・コンテキストをプロファイルしてもよい。すなわち、最もよいパフォーマンスのプロファイル（例えば、最も効率的もしくは正確またはこれらの両方であるもの）を識別するために、統計（応答を生成するための時間もしくはコストまたはこれらの両方、応答の精度もしくは信頼性またはこれらの両方など）をユーザ毎に収集してもよい。これらは、システムの全体的なパフォーマンスを向上させるために、より低いパフォーマンスのプロファイルに連続的に併合してもよい。いくつかの実施形態においては、学習曲線を低減させ、人工知能システムが新しいユーザ・コンテキストに適応するのに必要な時間を短縮するために、システムの新しいユーザを訓練または案内するために、最も良いパフォーマンスのプロファイルがまた使用される。

【0013】

例えば、一実施形態においては、ユーザの挙動は、システムによって生成された次のステップの推奨による影響を受ける可能性がある。すなわち、システムは、以前にプロファイルされた上位成績者に部分的に基づいて、関連データを識別し、もしくは要求に応答し、またはこれらの両方をすることができ、これにより、効率を向上させ、新しいユーザについての応答時間およびコストを低減することができる。一実施形態においては、プロファイルは、エンティティもしくはエンティティ間の対応する関係性またはこれらの両方の順位付けから構成される。これらの順位付けは、よって、システム全体の効率を向上させるために、容易に併合可能であり、移転可能である。一実施形態においては、これらの順位付けは、ユーザがシステムを利用するときに学習される。例えば、いくつかの実施形態においては、人工知能システムは、ユーザの次の要求に基づいて関係性を推定することができ、あるいは、ユーザは、応答の質を具体的に指示することができる。

【0014】

図１は、本明細書に開示される一実施形態による、情報空間において関連情報セグメントを能動的に識別するためのワークフロー１００を示す。図示されるように、質問応答システム１０５（例えば、人工知能システム）は、１以上のユーザから要求１２０を受信し、対応する応答１２５を生成する。いくつかの実施形態においては、要求１２０および応答１２５は、自然言語であり、会話体である。いくつかの実施形態においては、要求１２０および応答１２５は、あたかもユーザが質問応答システム１０５と会話をしているかのように、順に、受信され、返される。例えば、第１の要求１２０は、”去年送信した上位５つのメーリングを見せて”を含んでもよく、対応する応答１２５は、”これが、去年からの上位５つのメーリングです”およびそれに続くメーリングのリストを含んでもよい。

【0015】

いくつかの実施形態においては、システムは、所与のユーザからの以前の要求１２０および応答１２５の一部または全てを、ユーザからの現在の要求１２０のコンテキストとして維持し、コンテキストを使用して、次の応答１２５を生成する。上記の例で続けると、一定時間後に、ユーザは、”これらのメーリングの平均的な開封率はいくらですか？”と要求を行う可能性がある。質問応答システム１０５が、このコンテキストを維持していた場合、適切な応答１２５を生成することができる（例えば、”５つのメーリングの去年からの平均開封率はＸ％です”など）。別の実施形態においては、質問応答システム１０５が、ユーザがどのメーリングを参照しているかを確信的に決定することができない場合、応答１２５は、さらなる情報（例えば、"どのメーリングを参照していますか？”）を要求することができる。

【0016】

図示の実施形態においては、質問応答システム１０５は、応答１２５を生成するために、グラフ１１５として編成された情報空間を利用する。図示されるように、グラフ１１５は、接続またはエッジによってリンクされた複数のエンティティまたは要素１１０Ａ～１１０Ｈを含む。いくつかの実施形態においては、任意の所与の要素１１０間の接続は、関係性の性質に依存して双方向性または単方向性であってよい。他の実施形態においては、全ての接続は双方向である。一実施形態において、グラフ１１５内の任意の２つの要素１１０の間の距離は、第１の要素１１０から第２の要素１１０に到達するために横断される必要があるエッジまたはリンクの数に基づいて定義される。いくつかの実施形態においては、各エッジは、対応する重みまたは強度を有してもよく、対応する要素１１０間の関係性の強度を示す。図示されるように、グラフ１１５は、関連するデータが任意の要素１１０に位置する可能性のある連続的な情報空間を表す。

【0017】

いくつかの実施形態においては、質問応答システム１０５は、ユーザと対話すると、情報空間が成長する（例えば、新しい要素１１０が作成され、接続されるか、新たなデータが既存の要素１１０に追加されるか、もしくは接続が作成、除去または修正されるか、またはこれらの組み合わせである）。一実施形態においては、グラフ１１５は、複数の層を有した異種ストレージ・システムに格納され、ここでは、各層は、対応する（例えば、層内に維持されたデータにアクセスするのに必要とされる計算リソースまたは時間に関した）アクセス・コストに関連付けられる。所与の要素１１０は、任意のストレージ層にあってよく、同一の層または異なる層に存在してもよい、他の要素１１０への接続（例えばポインタ）を有していてもよい。一実施形態においては、質問応答システム１０５が使用されるにつれ、グラフ１１５内の要素１１０が、所与のコンテキストに対するそれらの関連性に基づいて連続的に移行される。

【0018】

例えば、要素１１０Ｇが要求１２０に応答するために使用される場合、要素１１０Ｇは、それが存在する層から、相対的に上位層に移動されてもよい。すなわち、要求１２０を満たすために使用されるデータは、それが以前に配置された場所よりも相対的に上位層に格納され得る。これのようにして、質問応答システム１０５は、同一（または類似）のコンテキストが発生した場合に、より効率的に、かつ、増大した確率で、このデータを識別し、検索することができる。同様に、一実施形態においては、上位の層がフルになる（または、システムが、所与の要素１１０が所与のコンテキストに対し有用でないと判定した場合）と、質問応答システム１０５は、同様のコンテキストを有する後続の要求１２０に応答するために使用される可能性を低減するために（そして、より高い層において、より関連するデータのための空きを作るために）、要素１１０を相対的に下位層に沈下させることができる。

【0019】

図２Ａおよび図２Ｂは、本明細書に開示される一実施形態による、関連情報セグメントを浮上および沈下させて、効率を改善する技術を説明する。図２Ａの説明される実施形態においては、情報空間は、一連の層２０５Ａ～２０５Ｄに分割される。各層は、それぞれのアクセス・コストを有する。本明細書で使用されるように、第２層２０５に対するアクセス・コストと比較して第１層２０５に対するアクセス・コストが低い場合、第１層２０５は、第２層２０５よりも”相対的に上位”とみなされる。アクセス・コストは、例えば、層２０５に格納されたデータにアクセスするのにかかるレイテンシ、データにアクセスするために必要な計算リソース、データへのアクセスの金銭的コストなどを含んでもよい。同様に、第１層２０５に対するアクセス・コストが第２層２０５のアクセス・コストよりも高い場合には、第１層２０５は第２層２０５よりも”相対的に下位”にある。

【0020】

実施形態においては、ストレージ・システムは、揮発性ストレージ（例えば、キャッシュまたはＲＡＭ）もしくは不揮発性ストレージ（例えば、ハード・ディスク）またはこれらの両方を含む任意の数およびタイプの機構を含むことができる。さらに、データは、各層２０５内に任意の数の方法で格納することができる。例えば、１つの層２０５においてデータがシリアライズされてもよく、他の層２０５でデシリアライズされてもよい。図２Ａに示すように、情報空間２００Ａの要素１１０は、以前の要求に応答して、これらの情報がどれほど有用であるかまたは関連するかに少なくとも部分的に基づいて、層２０５Ａ～２０５Ｄにわたって分散される。例えば、要素１１０Ａ，１１０Ｂは、最上位の層２０５Ａに位置し、人工知能システムにとってアクセス性が高くなる。これにより、（例えば、システムが下位の層２０５に進む前に層２０５Ａの少なくともいくつかを探索する可能性があるので）、将来の要求についてアクセス・コストを低減することができるとともに、類似のコンテキストを有する要求に対して検索される確率を向上させることができる。

【0021】

実施形態においては、各層２０５は、任意のサイズであってよい。すなわち、より下位の層２０５は、（ストレージが、金銭的に相対的に高くないため）より大きく、より多くの要素１１０を格納することができる傾向があるが、いくつかの実施形態においては、１以上の相対的に上位の層２０５が、下位の層２０５よりも高い容量を有していてもよい。例えば、ハード・ディスク・ストレージが、ストレージの単位当たりの金銭的コストに関して相対的安価であるが、システムは、システムの動作およびレイテンシを改善するために、より高い層２０５において、有意な量の高速な（しかし、ストレージの単位当たりの金銭的コストの観点からより高価な）ストレージを利用してもよい。各層２０５の特定のサイズは、したがって、様々な実施形態において変化する可能性がある。

【0022】

図２Ａは、第１の時点における情報空間２００Ａを示し、図２Ｂは、第２の時点における情報空間２００Ｂを示す。図示のように、情報空間２００Ｂにおいては、要素１１０Ａが最上位の層２０５Ａから相対的に下位層２０５Ｂに移動され、要素１１０Ｃが相対的に下位層２０５Ｂから最上位層２０５Ａに移動されている。とりわけ、要素１１０の間の接続および関係は変更されない（例えば、重みが変化していない）。一実施形態においては、それが最近のユーザ要求に応答する際に関連するかまたは有用であることを判明したため、システムが、要素１１０Ｃを最上位層２０５Ａに移動した可能性がある。同様に、要素１１０Ａは、有用ではないため、あるいは層２０５Ａがフルであるため、層２０５へ移動される可能性もある。

【0023】

図３は、本明細書に開示される一実施形態による、環境コンテキストに基づいて能動的適応を使用して関連情報セグメントを識別するように構成された人工知能システム３０５を示すブロック図である。物理コンピューティング・システムとして示されているが、実施形態においては、人工知能システム３０５は、ハードウェアまたはソフトウェア（例えば、仮想コンピューティング・システムとして）を用いて実装されてもよく、任意の数のデバイスにわたって分散されてもよい。図示の実施形態においては、人工知能システム３０５は、プロセッサ３０１と、メモリ３１５と、ストレージ３２０と、ネットワーク・インタフェース３２５とを含む。図示の実施形態においては、プロセッサ３１０は、メモリ３１５に格納されたプログラミング命令を読み出し、実行し、また、ストレージ３２０に存在するアプリケーション・データを格納および読み出す。プロセッサ３１０は、概して、単一のＣＰＵ、複数のＣＰＵ、複数の処理コアを有する単一のＣＰＵなどを代表する。メモリ３１５は、一般に、ランダム・アクセス・メモリを表すように含まれる。ストレージ３２０は、ディスク・ドライブ、フラッシュ・ベースのストレージ・デバイスなどの任意の組み合わせであってよく、固定ディスク・ドライブ、リムーバブル・メモリカード、キャッシュ、光ストレージ、ネットワーク・アタッチ・ストレージ（ＮＡＳ）、またはストレージ・エリア・ネットワーク（ＳＡＮ）などの固定もしくはリムーバブルまたはこれらの両方のストレージ・デバイスを含んでもよい。一実施形態においては、ストレージ３２０は、各層が異なるタイプのストレージもしくは異なるコストのアクセスを有するストレージまたはこれらの両方に対応する、複数の層の異種システムである。人工知能システム３０５は、ネットワーク・インタフェース３２５を介して、１以上の他の装置およびコンポーネントと通信可能に結合されてもよい。

【0024】

図示する実施形態においては、ストレージ３２０は、データ３５５（例えば、情報グラフに配置された要素１１０）、および、１以上のプロファイル３６０を含む。一実施形態においては、各プロファイル３６０は、所与のユーザもしくはコンテキストまたはこれらの両方の関連性または重要性に関して、データ３５５に反映された要素１１０もしくは関係性またはこれらの両方の順位付けを指定する。一実施形態においては、プロファイル３６０は、パフォーマンス・インジケータ（典型的または平均的な応答のレイテンシまたはコスト、典型的な応答に関連付けられた信頼度、応答の質に関するユーザ・フィードバックなど）に基づいて、プロファイルの品質を決定するためにスコア付けまたは評価される。高品質に関連したプロファイルは、次いで、以下詳細に説明するように、他のユーザに対する応答を生成するために使用することができる。

【0025】

図示のように、メモリ３１５は、人工知能アプリケーション３３０を含み、人工知能アプリケーション３３０は、コンテキスト・コンポーネント３３５と、識別コンポーネント３４０と、評価コンポーネント３４５と、プロファイル・コンポーネント３５０とを含む。メモリ３１５に常駐するソフトウェアとして示されているが、実施形態においては、人工知能アプリケーション３３０の機能は、ハードウェア、ソフトウェアまたはハードウェアとソフトウェアとの組み合わせを用いて実装することができる。さらに、概念上明確にするために、別個の構成要素として例示されているが、実施形態においては、コンテキスト・コンポーネント３３５、識別コンポーネント３４０、評価コンポーネント３４５およびプロファイル・コンポーネント３５０の動作は、結合されてもよく、任意の数のコンポーネントにわたって分散されてもよい。人工知能アプリケーション３３０は、概して、ユーザ要求を受信し、関連データ３５５を識別し、対応する応答を生成する。いくつかの実施形態においては、人工知能アプリケーション３３０は、所与のコンテキストに対するそれらの関連性または有用性に基づいて、能動的に浮上（例えば、相対的に上位のストレージ層へ移動すること）および沈下（例えば、相対的に下位のストレージ層へ移動すること）させることなどによって、データ３５５のストレージをさらに管理する。

【0026】

一実施形態においては、コンテキスト・コンポーネント３３５は、要求ごとに、対応するコンテキストを決定する。一実施形態においては、コンテキストは、現在の要求と、同一ユーザからの１以上の以前の要求とを含む。いくつかの実施形態においては、コンテキストは、追加的に、人工知能アプリケーション３３０によってユーザに返された１以上の以前の応答を含む。一実施形態においては、コンテキストは、ユーザの標示もしくは対応するプロファイル３６０またはこれらの両方をさらに含んでもよい。実施形態においては、コンテキスト・コンポーネント３３５は、ユーザに対するより良い応答を生成するために、ユーザが人工知能アプリケーション３３０と対話するとき、このコンテキストを収集し、維持することができる。任意の所与の要求に対して、コンテキスト・コンポーネント３３５は、対応するコンテキストを、識別コンポーネント３４０に提供することができる。

【0027】

図示された実施形態においては、識別コンポーネント３４０は、所与のコンテキストに基づいて、情報空間（例えば、データ３５５）を探索し、関連データまたは情報セグメントを識別する。一実施形態においては、識別コンポーネント３４０は、ユーザの意図を決定するために、自然言語処理（ＮＬＰ）を用いて、要求を構文解析し、意図を解決できる関連情報についてデータ３５５を探索する。実施形態においては、識別コンポーネント３４０は、現在のコンテキストもしくはユーザのプロファイル３６０またはこれらの両方に少なくとも部分的に基づいて探索する。例えば、コンテキストを使用して、識別コンポーネント３４０は、より多くの関連するデータを識別することができる（あるいは関連するデータをより迅速に識別することができる）。同様に、プロファイル３６０が、ユーザの人工知能アプリケーション３３０との履歴的な対話を反映するので、識別コンポーネント３４０は、プロファイル３６０を使用して、ユーザが望むものである可能性が高いデータを識別することができる。

【0028】

一実施形態においては、関連データを検索するために、識別コンポーネント３４０は、最初に、ストレージ３２０の最上位の層を探索し、要求に応答するのに有用な要素またはエンティティを識別する。識別コンポーネント３４０は、次いで、（例えば、グラフ構造内の接続に基づいて）元々識別された各要素に対する関連要素を反復的に識別することができる。一実施形態においては、識別コンポーネント３４０は、先に進む前に、このデータを評価コンポーネント３４５に渡す。いくつかの実施形態においては、評価コンポーネント３４０の応答に基づいて、識別コンポーネント３４０は、十分な回答が生成されるまで、同様に（グラフ内の接続に従って）追加の要素を識別し続けることができる。

【0029】

いくつかの実施形態においては、識別コンポーネント３４０は、上位層の全ての関連データが尽きるまで、その上位層から要素を検索し、その後、より下位層に進む。別の実施形態においては、識別コンポーネント３４０は、所定の要素を検索するかどうかを決定するために、層同一性および関係強度を用いる。例えば、このような実施形態においては、所定の要素に対する高い接続強度を有するが、下位層で見いだされた要素は、第２の要素がより低い関係性強度または重みを有する場合であっても、上位層におけるこの第２の要素を支持して、バイパスされる可能性がある。同様に、一実施形態においては、接続が十分に強い場合、識別コンポーネント３４０は、このデータを、それがストレージ・デバイス３２０の下位層に存在する場合であっても、検索することができる。一実施形態においては、要素間の関係性強度は、現在のコンテキストもしくは現在のプロファイル３６０またはこれらの両方に少なくとも部分的に基づいて決定される。

【0030】

図示の実施形態においては、評価コンポーネント３４５は、データを使用して要求に回答できるかを決定するために、検索されたデータ要素を評価する。十分に高い信頼度で応答を生成することができる場合、評価コンポーネント３４５は、識別コンポーネント３４０に探索を終了させるように指示することができ、応答が生成されて返され得る。検索されたデータがまだ不十分である場合、評価コンポーネント３４５は、識別コンポーネント３４０に探索を継続するように指示してもよい。いくつかの実施形態においては、評価コンポーネント３４５は、さらに、その関連性に基づいて、ストレージ３２０においてデータを浮上および沈下させる。例えば、与えられた情報セグメントが応答の信頼性を有意に増加させる場合、評価コンポーネント３４５は、この情報セグメントを相対的に上位層に移動させることができる。これに対して、所与のデータ要素が信頼性を低下させる場合、評価コンポーネント３４５は、ストレージ３２０においてそれを下位層に沈下させることができる。これにより、将来的に同様のコンテキストにおいて検索される可能性が低減される。

【0031】

一実施形態においては、プロファイル・コンポーネント３５０は、各ユーザのプロファイルを構築し、維持する。一実施形態においては、各プロファイル３５０は、要素もしくは要素間の関係性またはこれらの両方の順位付けを含む。各プロファイルは、ユーザ対話を監視することによって構築される。例えば、２つの要素の両方が、ユーザが嗜好する回答を生成するために使用された場合、プロファイル・コンポーネント３５０は、要素が組み合わされた場合に有益であることを示すようにユーザ・プロファイルを更新することができる（例えば、使用者に対する応答を生成する場合、それらの間の関係性の重みが増加されるべきである）。いくつかの実施形態においては、上記で議論したように、プロファイル・コンポーネント３５０は、プロファイル３６０の品質を決定するために、各プロファイル３６０について、パフォーマンス・インジケータをさらに決定する。

【0032】

例えば、プロファイル・コンポーネント３５０は、ユーザに対する回答を生成するためにどれだけ多くのリソースが消費されるか、どれくらい回答が正確または回答に自信があるか、ユーザが回答をどれくらい評価したかなどを決定してもよい。プロファイル・コンポーネント３５０は、次いで、システムの効率を高めるために、また（例えば、高品質のプロファイルに部分的に基づいて関連する可能性があるデータを選択することによって）新しいユーザを案内するために、より高いパフォーマンスのプロファイル３６０を、より低いパフォーマンスのプロファイルに連続的に併合（merge）することができる。このようにして、一実施形態においては、人工知能アプリケーション３３０は、関連データ３５５を探索するとき、もしくは、他のユーザのためにデータ３５５を浮上および沈下させるとき、またはこれらの両方のときに、より高いパフォーマンスのプロファイル３６０で指定された順位付けを使用することができる。

【0033】

図４は、本明細書に開示される一実施形態による、関連情報セグメントを能動的に識別するための方法４００を示すフロー図である。方法４００は、ブロック４０５で開始し、ここでは、人工知能アプリケーション３３０が、ユーザからの要求を受信する。一実施形態においては、要求は、自然言語テキスト（またはテキストに変換可能なオーディオ）を含む。ブロック４１０において、人工知能アプリケーション３３０は、受信した要求の現在のコンテキストを決定する。実施形態においては、これは、要求するユーザの同一性（または要求するユーザのプロファイル）、１以上の以前の要求もしくは応答またはこれらの組み合わせなどを含んでもよい。方法４００は、次いで、ブロック４１５に進み、ここでは、人工知能アプリケーション３３０が、決定されたコンテキストに基づいて、ストレージ・システムの最上位層を探索する。例えば、人工知能アプリケーション３３０は、ＮＬＰを使用しても意図を決定してもよく、グラフベースの情報空間を探索し、応答に関連する可能性のあるデータ要素を識別してもよい。

【0034】

図示された実施形態においては、人工知能アプリケーション３３０は、最初に、ストレージの最上位の層を探索する。すなわち、最上位層は、アクセス・コストが最も低い（例えば、迅速に探索され得る）ため、人工知能アプリケーション３３０は、ユーザに応答するのにかかるレイテンシおよび計算リソースを削減するために、その探索をこの層に制限する。方法４００は、次いで、ブロック４２０に進み、ここでは、人工知能アプリケーション３３０は、検索されたデータに基づいて、応答を生成し、この生成された応答における信頼度を計算する。一実施形態においては、信頼度は、データが見出された層に基づいたり、ユーザの決定された意図に応答がどの程度よく適合するかに基づいたりなどすることができる。ブロック４２５において、人工知能アプリケーション３３０は、応答が適切であるか（例えば、応答が所定の閾値の信頼性を満たすか否か）否かを判定する。もしそうであれば、方法４００は、ブロック４４０に進み、これについては以下でより詳細に説明する。そうでなければ、方法４００は、ブロック４３０に進む。

【0035】

ブロック４３０において、応答がまだ十分でなかった場合、人工知能アプリケーション３３０は、以前に識別され、検索されたものに関連するデータ要素を識別する。一実施形態においては、人工知能アプリケーション３３０は、グラフ構造において定義された関係性に部分的に基づいて、および、部分的に要求のコンテキスト（例えば、ユーザのプロファイル、以前の要求など）に基づいてそのようにしてもよい。実施形態においては、識別された要素は、ストレージ・システムの任意の層に配置され得る。すなわち、以前に識別された要素は、システム内の任意の数の層に格納された任意の数の他の要素へのポインタを含んでもよい。

【0036】

次いで、方法４００は、ブロック４３５に続き、ここでは、人工知能アプリケーション３３０が、これらの新しく識別された要素のうちの１以上を、評価されるものとして選択する。一実施形態においては、人工知能アプリケーション３３０は、関係性強度とセグメントが存在するストレージ層とに基づいて、所与の情報セグメント（例えば、データ内の要素）を検索して、評価するかどうかを決定する。このような実施形態においては、より高い関係強度は、要素を検索するより高い確率に相関し、より下位のストレージ層は、要素を検索するより低い確率に相関する。このようにして、人工知能アプリケーション３３０は、（その関係性強度に基づいて、および、さらに、より関連するデータが維持されるストレージの相対的に上位の層に存在するという事実に基づいて）より関連する可能性があるデータを識別し、選択することができる。方法４００は、次いで、ブロック４２０に戻る。このようにして、人工知能アプリケーション３３０は、必要なリソースを最小限に抑えつつ適切な回答を生成するために、データを反復的に検索し、評価し、情報空間により深く、また、より下位の層に到達する。

【0037】

ブロック４４０に戻ると、一度十分に適切な回答が生成されると、人工知能アプリケーション３３０は、生成された応答をユーザに返す。方法４００は、次いで、ブロック４４５に進み、ここでは、人工知能アプリケーション３３０が、生成された応答に基づいて、データ要素を浮上させ、もしくは沈下させまたはこれらの両方をさせることにより、ストレージ・システムを管理する。例えば、一実施形態においては、人工知能アプリケーション３３０は、特に有用であったかまたは関連していたデータを浮上（例えば、相対的に上位層に移動）させ、有用ではない、または応答の信頼度を低下させたデータ要素を沈下（例えば、相対的に下位層に移動）させる。いくつかの実施形態においては、人工知能アプリケーション３３０は、そのモデルおよび（例えば、データを浮上および沈下するための）動作を改善するために、ユーザからのフィードバックを受信し、利用することができる。このようにして、人工知能アプリケーション３３０は、将来の動作中、関連するデータをより良く識別することができる。

【0038】

図５は、本明細書に開示される一実施形態による、能動的に適応する情報システムにおけるユーザ・コンテキストをプロファイリングするための方法５００を示すフロー図である。方法５００は、ブロック５０５で開始し、ここでは、人工知能アプリケーション３３０が、ユーザが人工知能システムと対話する（例えば、要求を送信し、応答を受信する）のを監視する。ブロック５１０においては、人工知能アプリケーション３３０は、各ユーザについて、観察されたユーザ対話に基づいて、エンティティ（例えば、要素１１０）もしくはエンティティ間の関係性またはこれらの両方の順位付けを決定する。情報空間は、次に、ユーザ毎にプロファイルを生成し、これらの順位付けを指定する。このようにして、人工知能アプリケーション３３０は、ユーザに対する後続の応答を生成する場合に、順位付けされたエンティティおよび関係性の形態で、以前のユーザ対話を依拠することができる。

【0039】

方法５００は、次いで、ブロック５２０に進み、ここでは、人工知能アプリケーション３３０が、最も良いパフォーマンスのプロファイルを識別する。実施形態においては、人工知能アプリケーション３３０は、応答の平均レイテンシ、応答を生成する平均計算コスト、平均精度または信頼度などの様々な重要パフォーマンス・インジケータ（ＫＰＩ）を用いて最良のプロファイルを定義することができる。これらのＫＰＩを用いて、次いで、各プロファイルの品質を判定する。ブロック５２５においては、人工知能アプリケーション３３０は、識別された最良のプロファイルに基づいて、１以上のユーザに対する後続の応答を生成する。例えば、一実施形態においては、人工知能アプリケーション３３０は、各々に示された順位付けを集約または平均化することによって、最良のプロファイルを他のユーザ（例えば、新しいユーザ、または低く順位付けされたプロファイルを有するユーザ）のプロファイルと併合する。このようにして、最良のパフォーマンスのプロファイルに部分的に基づいて、これらのユーザに対して応答が生成される。

【0040】

図６は、本明細書に開示される一実施形態による、関連情報セグメントを識別するための方法６００を示すフロー図である。方法６００は、ブロック６０５で開始し、ここでは、人工知能アプリケーション３３０が、第１のユーザ要求を受信する。方法６００は、次いで、ブロック６１０に続き、ここでは、人工知能アプリケーション３３０が、異種ストレージ媒体から、第１の情報のセグメントを検索し、ここで、第１の情報のセグメントは、異種ストレージ媒体の上位層に位置している。さらに、ブロック６１５において、人工知能アプリケーション３３０は、第１の情報セグメントが第１のユーザ要求を解決しないと判定する。この決定に基づいて、方法６００は、ブロック６２０に進み、ここでは、人工知能アプリケーション３３０が、第１の情報のセグメントを、異種ストレージ媒体の相対的に下位層に沈下させる。さらに、ブロック６２５において、人工知能アプリケーション３３０は、異種ストレージ媒体の相対的に下位層から第２の情報のセグメントを検索する。方法６００は、次いで、ブロック６３０に進み、ここでは、第２の情報のセグメントが第１のユーザ要求を解決したと判定した場合、人工知能アプリケーション３３０が、第２の情報セグメントを、異種ストレージ媒体の上位層に浮上させる。

【0041】

本開示の種々の実施形態について説明されているが、説明を目的としており、開示される実施形態を網羅または限定することを意図するものではない。多数の変更例および変形例が、説明する実施形態の範囲および精神を逸脱することなく、当業者にとって明白となるであろう。本明細書で使用される用語は、実施形態の原理、実際の応用、または、市場において見られる技術を超えた技術向上を最も良く説明し、または、他の当業者が本明細書に開示の実施形態を理解することができるように選ばれたものである。

【0042】

上記においては、本開示において提示された実施形態に対して参照がなされている。しかしながら、本開示の範囲は、特定の実施形態に限定されるものではない。代わりに、異なる実施形態に関連するか否かにかかわらず、上記の特徴および要素の任意の組み合わせが、企図された実施形態を実装および実践するために企図される。さらに、本明細書に開示された実施形態は、他の可能な解決策を超えて、または従来技術を超えて利点を達成し得るが、所与の実施形態によって特定の利点が達成されるか否かは、本開示の範囲を限定するものではない。従って、上記の側面、特徴、実施形態および利点は、単に例示的なものであり、請求項において明示的に記載されている場合を除き、付加された請求項の要素または制限であるとは考えない。同様に、”本発明”に対する参照は、本明細書に開示される本発明の主題の一般化として解釈されるべきではなく、請求項において明示的に記載されている場合を除いて、付加する請求項の要素または制限であるとみなされるべきではない。

【0043】

本開示の側面は、全体的にハードウェアの実施形態、全体的にソフトウェアの実施形態（ファームウェア、常駐ソフトウェア、マイクロコードなどを含む。）、またはソフトウェアおよびハードウェアの側面を組み合わせた実施形態の形態をとってもよく、これらはすべて、本明細書において一般的に”回路”、”モジュール”または”システム”と参照される。

【0044】

本発明は、システム、方法もしくはコンピュータ・プログラム製品またはこれらの組み合わせであってよい。コンピュータ・プログラム製品は、プロセッサに本発明の側面を実行させるためのコンピュータ可読プログラム命令をその上に有するコンピュータ可読ストレージ媒体を含んでもよい。

【0045】

コンピュータ可読ストレージ媒体は、命令実行デバイスによって使用するための命令を保持し格納する有形のデバイスであってよい。コンピュータ可読ストレージ媒体は、例えば、これに限定されるものではないが、電子的ストレージ・デバイス、磁気ストレージ・デバイス、光学ストレージ・デバイス、電磁気ストレージ・デバイス、半導体ストレージ・デバイスまたは上記の任意の適切な組み合わせであってよい。コンピュータ可読ストレージ媒体のより具体的な例示の列挙としては、ポータブル・コンピュータ・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・オンリー・メモリ（ＲＯＭ）、消去可能プログラマブル・リード・オンリー・メモリ（ＥＰＲＯＭまたはフラッシュメモリ）、スタティック・ランダム・アクセス・メモリ（ＳＲＡＭ）、ポータブル・コンパクト・ディスク・リード・オンリー・メモリ（ＣＤ－ＲＯＭ）、デジタル・バーサタイル・ディスク（ＤＶＤ）、メモリースティック、フロッピー（登録商標）ディスク、パンチカードまたは記録された命令を有する溝内の隆起構造のような機械的エンコードされたデバイス、および上記の任意の適切な組み合わせが含まれる。コンピュータ可読ストレージ媒体は、本明細書で使用されるように、電波、自由伝搬する電磁波、導波路または他の伝送媒体を伝搬する電磁波（たとえば、ファイバ光ケーブルを通過する光パルス）または、ワイヤを通して伝送される電気信号のような、それ自体が一時的な信号として解釈されるものではない。

【0046】

本明細書で説明されるコンピュータ可読プログラム命令は、コンピュータ可読ストレージ媒体からそれぞれのコンピュータ／処理デバイスに、または、例えばインターネット、ローカル・エリア・ネットワーク、ワイド・エリア・ネットワークもしくは無線ネットワークまたはこれらの組み合わせといったネットワークを介して外部コンピュータまたは外部ストレージ・デバイスにダウンロードすることができる。ネットワークは、銅伝送ケーブル、光伝送ファイバ、無線伝送、ルータ、ファイアウォール、スイッチ、ゲートウェイ・コンピュータもしくはエッジサーバまたはこれらの組み合わせを含んでもよい。各コンピュータ／処理デバイスにおけるネットワーク・アダプタ・カードまたはネットワーク・インタフェースは、ネットワークからコンピュータ可読プログラム命令を受信し、コンピュータ可読プログラム命令を、それぞれのコンピューティング／処理デバイス内のコンピュータ可読ストレージ媒体に格納するために転送する。

【0047】

本発明の動作を実行するためのコンピュータ可読プログラム命令は、アセンブラ命令、命令セットアーキテクチャ（ＩＳＡ）命令、機械語命令、機械依存命令、マイクロコード、ファームウェア命令、状態設定データまたは、１以上のプログラミング言語の任意の組み合わせで書かれたソース・コードあるいはオブジェクト・コードであってよく、１以上のプログラミング言語は、Ｓｍａｌｌｔａｌｋ（登録商標）、Ｃ＋＋またはこれらに類するもなどのオブジェクト指向言語、Ｃプログラミング言語または類似のプログラミング言語などの従来型の手続型言語を含む。コンピュータ可読プログラム命令は、全体としてユーザのコンピュータ上で、部分的にユーザのコンピュータ上で、スタンド・アローンのソフトウェア・パッケージとして、部分的にユーザのコンピュータ上でかつ部分的に遠隔のコンピュータ上で、または、完全に遠隔のコンピュータまたはサーバ上で、実行されてもよい。後者のシナリオでは、遠隔のコンピュータは、ユーザのコンピュータに、ローカル・エリア・ネットワーク（ＬＡＮ）またはワイド・エリア・ネットワーク（ＷＡＮ）を含む任意のタイプのネットワークを通じて接続されてもよく、あるいは接続は、（例えば、インターネット・サービス・プロバイダを用いてインターネットを通じて）外部コンピュータになされてもよい。いくつかの実施形態においては、電気的回路は、本発明の側面を実行するために、コンピュータ可読プログラム命令の状態情報を利用して、電気的回路を個別化することによって、コンピュータ可読プログラム命令を実行してもよく、この電気的回路は、例えば、プログラマブル・ロジック回路、フィールド・プログラマブル・ゲート・アレイ（ＦＰＧＡ）、またはプログラマブル・ロジック・アレイ（ＰＬＡ）を含む。

【0048】

本発明の側面は、本明細書において、本発明の実施形態に従った方法、装置（システム）およびコンピュータ・プログラム製品のフローチャート図もしくはブロック図またはその両方を参照しながら、説明される。フローチャート図もしくはブロック図またはその両方の各ブロック、および、フローチャート図もしくはブロック図またはその両方における複数のブロックの組み合わせは、コンピュータ可読プログラム命令によって実装されてもよいことが理解されよう。

【0049】

これらのコンピュータ可読プログラム命令は、汎用コンピュータ、特定目的コンピュータのプロセッサまたは他のプログラマブル・データ処理装置に提供され、コンピュータのプロセッサまたは他のプログラマブル・データ処理装置を介して実行される命令が、フローチャート図もしくはブロックまたはその両方のブロックまたは複数のブロックにおいて特定される機能／作用を実装するための手段を作成するように、マシンを生成する。これらのコンピュータ可読プログラム命令は、また、コンピュータ、プログラマブル・データ処理装置もしくは他のデバイスまたはこれらの組み合わせに特定のやり方で機能するよう指示できるコンピュータ可読ストレージ媒体に格納され、それに格納された命令を有するコンピュータ可読ストレージ媒体に、フローチャートもしくはブロックまたはその両方のブロックまたは複数のブロックで特定される機能／作用の側面を実装する命令を含む製品が含まれるようにする。

【0050】

コンピュータ可読プログラム命令は、また、コンピュータ、他のプログラマブル・データ処理装置、または他のデバイスにロードされ、コンピュータ、他のプログラマブル・データ処理装置または他のデバイス上で一連の動作ステップを実行させて、コンピュータ、他のプログラマブル・データ処理装置または他のデバイス上で実行される命令が、フローチャートもしくはブロックまたはその両方のブロックまたは複数のブロックで特定される機能／作用の側面を実装するように、コンピュータ実装処理を生成することもできる。

【0051】

図面におけるフローチャートおよびブロック図は、本発明の種々の実施形態に従ったシステム、方法およびコンピュータ・プログラム製品の可能な実装のアーキテクチャ、機能性および動作を示す。この点に関して、フローチャートまたはブロック図の各ブロックは、特定の論理機能を実装するための１以上の実行可能な命令を含む、モジュール、セグメントまたは命令の部分を表す可能性がある。いくつかの代替の実装では、ブロックにおいて言及された機能は、図面に示された順序から外れて生じる可能性がある。例えば、連続して示される２つのブロックは、実際には、実質的に同時に、あるいは、複数のブロックは、関与する機能性に応じて逆の順序で実行されてもよい。ブロック図もしくはフローチャート図またはその両方の各ブロックおよびブロック図もしくはフローチャート図またはその両方の複数のブロックの組み合わせが、特定の機能または作用を実行し、または、特別な目的のハードウェアおよびコンピュータ命令の組み合わせを実施する、特定目的ハードウェアベースのシステムによって実装されてもよいことに留意されたい。

【0052】

本発明の実施形態は、クラウド・コンピューティング・インフラストラクチャを介してエンド・ユーザに提供されてもよい。クラウド・コンピューティングは、概して、ネットワークを介したサービスとして、スケーラブルな計算リソースを提供することを参照する。より正式には、クラウド・コンピューティングは、コンピューティング・リソースとその基礎となる技術アーキテクチャ（例えば、サーバ、ストレージ、ネットワーク）との間の抽象化を提供するコンピューティング能力として定義され、これにより、最小限の管理努力またはサービス・プロバイダとのやり取りで、迅速にプロビジョニングおよびリリースすることができる、構成可能なコンピューティング・リソースの共用プールへの便利かつオンデマンドなネットワーク・アクセスが可能となる。ひいては、クラウド・コンピューティングは、ユーザが、計算リソースを提供するために使用される基礎の物理的なシステム（またはそれらのシステムの位置）とはかかわりなく、”クラウド”における仮想計算リソース（例えば、ストレージ、データ、アプリケーションおよび完全に仮想化されたコンピューティング・システムでさえ）へアクセスすることを可能とする。

【0053】

典型的には、クラウド・コンピューティング・リソースは、ユーザが実際に使用するコンピューティング・リソース（例えば、ユーザによって消費されるストレージ・スペースの量またはユーザによってインスタンス化された仮想化システムの数）だけに課金される、ペイ・パー・ユース・ベースでユーザに提供される。ユーザは、インターネットを横断して、任意の時点で、かつ、どこからでも、クラウド内に存在するリソースの任意のものにアクセスすることができる。本発明の文脈において、ユーザは、アプリケーション（例えば、人工知能アプリケーション３３０）またはクラウドで利用可能な関連するデータにアクセスすることができる。例えば、人工知能アプリケーション３３０は、クラウドにおけるコンピューティング・システム上で実行することができ、異種のストレージ・システムを管理することができる。このようなケースにおいては、人工知能アプリケーション３３０は、要求を受信し、応答を生成し、クラウド内に位置する種々のストレージ層にデータ要素を格納することができる。このようにすることにより、ユーザは、クラウドに接続されるネットワーク（例えば、インターネット）に取り付けられた任意のコンピューティング・システムからこの情報にアクセスすることができる。

【図1】

【図2A】

【図2B】

【図3】

【図4】

【図5】

【図6】