知財求人 - 知財ポータルサイト「IP Force」
▶ インターデイジタル パテント ホールディングス インコーポレイテッドの特許一覧
特表2025-524470トレーサビリティアウェア人工知能のための方法、アーキテクチャ、装置、及びシステム
(19)【発行国】日本国特許庁(JP)
(12)【公報種別】公表特許公報(A)
(11)【公表番号】
(43)【公表日】2025-07-30
(54)【発明の名称】トレーサビリティアウェア人工知能のための方法、アーキテクチャ、装置、及びシステム
(51)【国際特許分類】
H04W 24/02 20090101AFI20250723BHJP
H04W 8/22 20090101ALI20250723BHJP
H04W 92/18 20090101ALI20250723BHJP
【ＦＩ】
H04W24/02
H04W8/22
H04W92/18
【審査請求】未請求
【予備審査請求】未請求
(21)【出願番号】P 2024575751
(86)(22)【出願日】2023-06-28
(85)【翻訳文提出日】2025-02-07
(86)【国際出願番号】 US2023026493
(87)【国際公開番号】W WO2024006385
(87)【国際公開日】2024-01-04
(31)【優先権主張番号】63/357,688
(32)【優先日】2022-07-01
(33)【優先権主張国・地域又は機関】US
(81)【指定国・地域】
【公序良俗違反の表示】
（特許庁注：以下のものは登録商標）
１．３ＧＰＰ
２．ＪＡＶＡＳＣＲＩＰＴ
３．ＷＣＤＭＡ
(71)【出願人】
【識別番号】510030995
【氏名又は名称】インターデイジタル パテント ホールディングス インコーポレイテッド
(74)【代理人】
【識別番号】110001243
【氏名又は名称】弁理士法人谷・阿部特許事務所
(74)【代理人】
【識別番号】110002848
【氏名又は名称】弁理士法人ＮＩＰ＆ＳＢＰＪ国際特許事務所
(72)【発明者】
【氏名】ワン、チョンガン
(72)【発明者】
【氏名】リー、シュー
(72)【発明者】
【氏名】ファサラ、エファト
(72)【発明者】
【氏名】ガズダ、ロバート
(72)【発明者】
【氏名】ロイ、ミシェル
【テーマコード（参考）】
5K067
【Ｆターム（参考）】
5K067DD11
5K067EE02
5K067EE10
5K067EE16
5K067EE25
(57)【要約】
人工知能（ＡＩ）タスク、及びホストデバイスのトレースを可能にする手順、方法、アーキテクチャ、装置、システム、デバイス、及びコンピュータプログラム製品。デバイスは、少なくとも１つの他のデバイスから、人工知能（ＡＩ）タスクを実行するためにデバイス上にインストールするためのＡＩモデルと、デバイスによって要求されたＡＩモデルのトレース基準に基づくトレース命令を示す情報とを受信し、トレース情報は、ＡＩモデルに関連付けられたＡＩパイプラインの１つ以上のステージをトレースするための情報に対応し、ＡＩモデルをインストールし、インストールされたＡＩモデルの記録を作成し、作成された記録の少なくとも一部を示す情報を含むメッセージを記録デバイスに送信する。
【特許請求の範囲】
【請求項1】
少なくとも１つのプロセッサを備えるデバイスであって、前記少なくとも１つのプロセッサは、
少なくとも１つの他のデバイスから、人工知能（ＡＩ）タスクを実行するために前記デバイス上にインストールするためのＡＩモデルと、前記デバイスによって要求された前記ＡＩモデルのためのトレース基準に基づくトレース命令を示す情報であって、前記トレース情報は、前記ＡＩモデルに関連付けられたＡＩパイプラインの１つ以上のステージをトレースするための情報に対応する、情報と、を受信し、
前記ＡＩモデルをインストールし、
前記インストールされたＡＩモデルの記録を作成し、
前記作成された記録の少なくとも一部を示す情報を含むメッセージを記録デバイスに送信する、
ように構成されている、
デバイス。
【請求項2】
前記少なくとも１つのプロセッサは、前記少なくとも１つの他のデバイスのうちの少なくとも１つに、ＡＩモデルを求める要求であって、前記基準を含む前記要求を示す情報を送信するように構成されている、請求項１に記載のデバイス。
【請求項3】
前記要求は、前記ＡＩモデルの識別子を更に含む、請求項１に記載のデバイス。
【請求項4】
前記少なくとも１つのプロセッサは、前記少なくとも１つの他のデバイスの第１のデバイスから、第２のデバイスを示す情報を受信するように構成されており、
前記少なくとも１つのプロセッサは、前記第２のデバイスから前記ＡＩモデルをダウンロードすることによって、前記ＡＩモデルを受信するように構成されている、請求項１に記載のデバイス。
【請求項5】
前記少なくとも１つのプロセッサは、前記第１のデバイスから、第３のデバイスを示す情報を受信し、
前記トレース命令を求める要求を示す情報を、前記第３のデバイスに送信するように構成されている、請求項４に記載のデバイス。
【請求項6】
前記少なくとも１つのプロセッサは、第１のデバイスから、第３のデバイスを示す情報を受信し、
前記トレース命令を求める要求を示す情報を、前記第３のデバイスに送信するように構成されている、請求項１に記載のデバイス。
【請求項7】
前記少なくとも１つのプロセッサは、前記トレース命令に基づくトレース構成を使用して前記記録を作成するように構成されている、請求項１に記載のデバイス。
【請求項8】
前記少なくとも１つのプロセッサは、前記トレース命令をユーザに提示し、
前記ユーザからの入力を受信し、
前記トレース命令及び前記ユーザからの前記入力に基づいて前記トレース構成を生成するように構成されている、請求項７に記載のデバイス。
【請求項9】
前記入力は、前記メッセージの受信者を示す、請求項８に記載のデバイス。
【請求項10】
前記インストールされたＡＩモデルに関する前記作成された記録は、前記デバイスの識別子、前記インストールされたＡＩモデルの識別子、前記ＡＩモデルを取り出すことができるアドレス、及び完全にトレーニングされたＡＩモデルを前記デバイスにプッシュするために使用することができるアドレス、のうちの少なくとも１つを含む、請求項１に記載のデバイス。
【請求項11】
デバイスによって実行される方法であって、少なくとも１つの他のデバイスから、人工知能（ＡＩ）タスクを実行するために前記デバイス上にインストールするためのＡＩモデルと、前記デバイスによって要求された前記ＡＩモデルのためのトレース基準に基づくトレース命令を示す情報であって、前記トレース情報は、前記ＡＩモデルに関連付けられたＡＩパイプラインの１つ以上のステージをトレースするための情報に対応する、情報と、を受信することと
前記ＡＩモデルをインストールすることと、
前記インストールされたＡＩモデルの記録を作成することと、
前記作成された記録の少なくとも一部を示す情報を含むメッセージを記録デバイスに送信することと、
を含む方法。
【請求項12】
前記少なくとも１つの他のデバイスのうちの少なくとも１つに、ＡＩモデルを求める要求であって、前記基準を含む前記要求を示す情報を送信することを更に含む、請求項１１に記載の方法。
【請求項13】
前記要求は、前記ＡＩモデルの識別子を更に含む、請求項１１に記載の方法。
【請求項14】
前記少なくとも１つの他のデバイスの第１のデバイスから、第２のデバイスを示す情報を受信することを更に含み、前記ＡＩモデルを受信することは、前記第２のデバイスから前記ＡＩモデルをダウンロードすることを含む、
請求項１１に記載の方法。
【請求項15】
前記第１のデバイスから、第３のデバイスを示す情報を受信することと、前記第３のデバイスに、前記トレース命令を求める要求を示す情報を送信することと、
を更に含む、請求項１４に記載の方法。
【請求項16】
第１のデバイスから、第３のデバイスを示す情報を受信することと、前記第３のデバイスに、前記トレース命令を求める要求を示す情報を送信することと、
を更に含む、請求項１１に記載の方法。
【請求項17】
前記トレース命令に基づくトレース構成を使用して前記記録を作成すること、を更に含む、請求項１１に記載の方法。
【請求項18】
前記トレース命令をユーザに提示することと、前記ユーザから入力を受信することと、
前記トレース命令及び前記ユーザからの前記入力に基づいて前記トレース構成を生成することと、
を更に含む、請求項１７に記載の方法。
【請求項19】
前記入力は、前記メッセージの受信者を示す、請求項１８に記載の方法。
【請求項20】
前記インストールされたＡＩモデルに関する前記作成された記録は、前記デバイスの識別子、前記インストールされたＡＩモデルの識別子、前記ＡＩモデルを取り出すことができるアドレス、及び完全にトレーニングされたＡＩモデルを前記デバイスにプッシュするために使用することができるアドレス、のうちの少なくとも１つを含む、請求項１１に記載の方法。
【請求項21】
少なくとも１つのプロセッサを備えるデバイスであって、前記少なくとも１つのプロセッサは、
別のデバイスから、人工知能（ＡＩ）タスクを実行するために前記デバイス上にインストールするためのＡＩモデルと、前記ＡＩモデルのためのトレース命令であって、前記ＡＩモデルに関連付けられたＡＩパイプラインの１つ以上のステージをトレースするための情報に対応するトレース命令を示す情報と、を受信し、
前記ＡＩモデルをインストールし、
前記他のデバイスに、前記デバイスへの前記ＡＩモデルのインストールを示す情報を含むメッセージを送信する、
ように構成されている、
デバイス。
【請求項22】
前記少なくとも１つのプロセッサは、前記他のデバイスに、ＡＩモデルを求める要求と、前記デバイス上で前記ＡＩモデルをトレースするために前記デバイスにおいて利用可能なリソースと、を示す情報を送信するように構成されている、請求項２１に記載のデバイス。
【請求項23】
前記少なくとも１つのプロセッサは、前記トレース命令をユーザに提示し、
前記ユーザからの入力を受信し、
前記トレース命令及び前記ユーザからの前記入力に基づいて、トレース構成を生成する、
ように構成されている、請求項２１に記載のデバイス。
【請求項24】
前記入力は、前記メッセージの受信者を示す、請求項２３に記載のデバイス。
【請求項25】
デバイスによって実行される方法であって、別のデバイスから、人工知能（ＡＩ）タスクを実行するために前記デバイス上にインストールするためのＡＩモデルと、前記ＡＩモデルのためのトレース命令であって、前記ＡＩモデルに関連付けられたＡＩパイプラインの１つ以上のステージをトレースするための情報に対応するトレース命令を示す情報と、を受信することと、
前記ＡＩモデルをインストールすることと、
前記他のデバイスに、前記デバイスへの前記ＡＩモデルのインストールを示す情報を含むメッセージを送信することと、
を含む方法。
【請求項26】
前記他のデバイスに、ＡＩモデルを求める要求と、前記デバイス上で前記ＡＩモデルをトレースするために前記デバイスにおいて利用可能なリソースと、を示す情報を送信すること、を更に含む、請求項２５に記載の方法。
【請求項27】
前記トレース命令をユーザに提示することと、前記ユーザから入力を受信することと、
前記トレース命令及び前記ユーザからの前記入力に基づいて、トレース構成を生成することと、
を更に含む、請求項２５に記載の方法。
【請求項28】
前記入力は、前記メッセージの受信者を示す、請求項２７に記載の方法。
【発明の詳細な説明】
【技術分野】
【0001】
本開示は、概して、例えば、トレーサビリティアウェア人工知能（Artificial Intelligence、ＡＩ）を対象とする方法、アーキテクチャ、装置、システムを含む、通信、ソフトウェア、及び符号化の分野を対象とする。
【発明の概要】
【0002】
第１の態様では、本原理は、少なくとも１つのプロセッサを含むデバイスを対象とし、その少なくとも１つのプロセッサは、少なくとも１つの他のデバイスから、人工知能（ＡＩ）タスクを実行するためにデバイス上にインストールするためのＡＩモデルと、デバイスによって要求されたＡＩモデルのためのトレース基準に基づくトレース命令を示す情報であって、トレース情報は、ＡＩモデルに関連付けられたＡＩパイプラインの１つ以上のステージをトレースするための情報に対応する、情報と、を受信し、ＡＩモデルをインストールし、インストールされたＡＩモデルの記録を作成し、作成された記録の少なくとも一部を示す情報を含むメッセージを記録デバイスに送信するように構成されている。
【0003】
第２の態様では、本原理は、デバイスによって実行される方法を対象とし、その方法は、少なくとも１つの他のデバイスから、人工知能（ＡＩ）タスクを実行するためにデバイス上にインストールするためのＡＩモデルと、デバイスによって要求されたＡＩモデルのためのトレース基準に基づくトレース命令を示す情報であって、トレース情報は、ＡＩモデルに関連付けられたＡＩパイプラインの１つ以上のステージをトレースするための情報に対応する、情報とを受信することと、ＡＩモデルをインストールすることと、インストールされたＡＩモデルの記録を作成することと、作成された記録の少なくとも一部を示す情報を含むメッセージを記録デバイスに送信することと、を含む。
【0004】
第３の態様では、本原理は、少なくとも１つのプロセッサを含むデバイスを対象とし、そのプロセッサは、別のデバイスから、人工知能（ＡＩ）タスクを実行するためにデバイス上にインストールするためのＡＩモデルと、ＡＩモデルのトレース命令であって、ＡＩモデルに関連付けられたＡＩパイプラインの１つ以上のステージをトレースするための情報に対応するトレース命令を示す情報と、を受信し、ＡＩモデルをインストールし、デバイスへのＡＩモデルのインストールを示す情報を含むメッセージを他のデバイスに送信するように構成されている。
【0005】
第４の態様では、本原理は、デバイスによって実行される方法を対象とし、その方法は、別のデバイスから、人工知能（ＡＩ）タスクを実行するためにデバイス上にインストールするためのＡＩモデルと、ＡＩモデルのためのトレース命令であって、ＡＩモデルに関連付けられたＡＩパイプラインの１つ以上のステージをトレースするための情報に対応するトレース命令を示す情報と、を受信することと、ＡＩモデルをインストールすることと、デバイスへのＡＩモデルのインストールを示す情報を含むメッセージを他のデバイスに送信することと、を含む。
【図面の簡単な説明】
【0006】
より詳細な理解は、添付の図面と併せて、例として与えられる以下の詳細な説明から得られ得る。かかる図面の図は、詳細な説明と同様、例に過ぎない。したがって、図及び詳細な説明は限定的であるとみなされるべきではなく、他の同様に効果的な例が可能であり、可能性が高い。更に、図中の類似の参照数字（「参照」）は、類似の要素を示す。
【図1A】例示的な通信システムを示すシステム図である。
【図1C】図１Ａに示される通信システム内で使用され得る、例示的な無線アクセスネットワーク（radio access network、ＲＡＮ）及び例示的なコアネットワーク（core network、ＣＮ）を示すシステム図である。
【図2】ＡＩモデルを使用するＡＩタスクを伴うＡＩエージェントを伴うＡＩホストを示す。
【図3】教師あり学習のための一般的なＡＩパイプラインを示す。
【図4】一般的な連合学習（Federated Learning、ＦＬ）プロセスを示す。
【図5】ワイヤレスネットワークへの深層学習（Deep Learning、ＤＬ）適用の２つの例を示す。
【図6】ワイヤレスネットワークへのＦＬ適用の一例を示す。
【図7】提案されたトレーサビリティアウェアＡＩ管理アーキテクチャの一実施形態を示す。
【図10】トレーサビリティアウェアＡＩホスト（AI Host、ＡＩＨ）登録の方法の一実施形態を示す。
【図11】トレーサビリティアウェアＡＩＨ登録の方法の別の実施形態を示す。
【図12】ＡＩＨ開始型トレーサビリティアウェアＡＩタスク展開の一実施形態を示す。
【図13】ＡＩマネージャ（AI Manager、ＡＩＭ）開始型トレーサビリティアウェアＡＩタスク展開の一実施形態を示す。
【図14】ＡＩＨ開始型トレーサビリティアウェアＦＬタスク展開の一実施形態を示す。
【図15】ＡＩＭ開始型トレーサビリティアウェアＦＬタスク展開の一実施形態を示す。
【図16】一実施形態による、ＡＩモデルプロデューサ（AI Model Producer、ＡＩＭＰ）が、ＡＩモデルをＡＩリポジトリ（AI Repository、ＡＩＲ）に登録するための方法を示す。
【図17】一実施形態による、ＡＩＲ支援型トレーサビリティアウェアモデルの発見及び展開の方法を示す。
【図18】一実施形態による、ＡＩＭ調整型トレーサビリティアウェアＡＩモデルの発見及び展開の方法を示す。
【図19】一実施形態による、ＡＩＭＰ開始型トレーサビリティアウェアモデルの発見及び展開の方法を示す。
【図20】３ＧＰＰセルラーネットワークにおける、トレーサビリティアウェアＡＩタスク及びモデル管理の展開の第１の例を示す。
【図21】３ＧＰＰセルラーネットワークにおける、展開トレーサビリティアウェアＡＩ管理の第２の例を示す。
【図22】３ＧＰＰセルラーネットワークにおける、展開トレーサビリティアウェアＡＩ管理の第３の例を示す。
【図23】トレーサビリティアウェアＡＩモデルの発見及び展開のための例示的なサービスフローを示す。
【図24】ＥＴＳＩセキュアリング人工知能（Secureing Artificial Intelligence、ＳＡＩ）のフレームワークにおける、タスク及びモデル展開を含む、トレーサビリティアウェアＡＩ管理の方法の一例を示す。
【発明を実施するための形態】
【0007】
以下の詳細な説明では、本明細書に開示される実施形態及び／又は実施例の完全な理解を提供するために、多数の具体的な詳細が記載される。しかしながら、このような実施形態及び実施例は、本明細書に記載される具体的な詳細の一部又は全部を伴わずに実践され得るということが理解されるであろう。他の例では、以下の説明を不明瞭にしないように、周知の方法、手順、構成要素及び回路は詳細に説明されていない。更に、本明細書に具体的に説明されていない実施形態及び実施例は、本明細書に明示的、暗黙的及び／又は本質的に（集合的に「提供される」）説明、開示、又は別様に提供される実施形態及び他の実施例の代わりに、又はそれらと組み合わせて実践され得る。本明細書では、装置、システム、デバイスなど及び／又はそれらの任意の要素が、動作、プロセス、アルゴリズム、機能など及び／又はそれらの任意の部分を実行する様々な実施形態が説明及び／又は特許請求されているが、本明細書に説明及び／又は特許請求されている任意の実施形態は、任意の装置、システム、デバイスなど及び／又はそれらの任意の要素が、任意の動作、プロセス、アルゴリズム、機能など及び／又はそれらの任意の部分を実行するように構成されていると仮定することを理解されたい。
【0008】
例示的な通信システム
本明細書で提供される方法、装置、及びシステムは、有線ネットワーク及びワイヤレスネットワークの両方を含む通信によく適している。様々なタイプのワイヤレスデバイス及びインフラストラクチャの概要が、図１Ａ～図１Ｄに関して提供されており、それらの図では、ネットワークの様々な要素が、本明細書で提供される方法、装置、及びシステムを利用し、実行し、それらに従って配置され、及び／又はそれらのために適応及び／又は構成され得る。
本明細書で提供される方法、装置、及びシステムは、有線ネットワーク及びワイヤレスネットワークの両方を含む通信によく適している。様々なタイプのワイヤレスデバイス及びインフラストラクチャの概要が、図１Ａ～図１Ｄに関して提供されており、それらの図では、ネットワークの様々な要素が、本明細書で提供される方法、装置、及びシステムを利用し、実行し、それらに従って配置され、及び／又はそれらのために適応及び／又は構成され得る。
【0009】
図１Ａは、１つ以上の開示された実施形態が実装され得る例示的な通信システム１００を示すシステム図である。通信システム１００は、音声、データ、ビデオ、メッセージ伝達、ブロードキャストなどのコンテンツを複数のワイヤレスユーザに提供する多重アクセスシステムであり得る。通信システム１００は、複数のワイヤレスユーザが、ワイヤレス帯域幅を含むシステムリソースの共有を通じて、このようなコンテンツにアクセスすることを可能にし得る。例えば、通信システム１００は、符号分割多重アクセス（code division multiple access、ＣＤＭＡ）、時分割多重アクセス（time division multiple access、ＴＤＭＡ）、周波数分割多重アクセス（frequency division multiple access、ＦＤＭＡ）、直交ＦＤＭＡ（orthogonal FDMA、ＯＦＤＭＡ）、単一搬送波ＦＤＭＡ（single-carrier FDMA、ＳＣ－ＦＤＭ）、ゼロテール（zero-tail、ＺＴ）ユニークワード（unique-word、ＵＷ）離散フーリエ変換（discreet Fourier transform、ＤＦＴ）拡散ＯＦＤＭ（ZT UW DTS spread OFDM、ＺＴ ＵＷ ＤＴＳ－ｓ ＯＦＤＭ）、ユニークワードＯＦＤＭ（unique word OFDM、ＵＷ－ＯＦＤＭ）、リソースブロックフィルタ型ＯＦＤＭ、フィルタバンク多重搬送波（filter bank multicarrier、ＦＢＭＣ）などの、１つ以上のチャネルアクセス方法を採用し得る。
【0010】
図１Ａに示されるように、通信システム１００は、ワイヤレス送信／受信ユニット（ＷＴＲＵ）１０２ａ、１０２ｂ、１０２ｃ、１０２ｄ、ワイヤレスアクセスネットワーク（ＲＡＮ）１０４／１１３、コアネットワーク（ＣＮ）１０６／１１５、公衆交換電話網（public switched telephone network、ＰＳＴＮ）１０８、インターネット１１０、及び他のネットワーク１１２を含み得るが、開示された実施形態は、任意の数のＷＴＲＵ、基地局、ネットワーク、及び／又はネットワーク要素を企図していることが理解されよう。ＷＴＲＵ１０２ａ、１０２ｂ、１０２ｃ、１０２ｄの各々は、ワイヤレス環境において動作及び／又は通信するように構成された任意のタイプのデバイスであり得る。例として、いずれも「局」及び／又は「ＳＴＡ」と称され得るＷＴＲＵ１０２ａ、１０２ｂ、１０２ｃ、１０２ｄは、ワイヤレス信号を送信及び／又は受信するように構成され得、ユーザ機器（user equipment、ＵＥ）、移動局、固定又は移動加入者ユニット、サブスクリプションベースのユニット、ポケットベル、携帯電話、携帯情報端末（personal digital assistant、ＰＤＡ）、スマートフォン、ラップトップ、ネットブック、パーソナルコンピュータ、ワイヤレスセンサ、ホットスポット又はＭｉ－Ｆｉデバイス、モノのインターネット（Internet of Things、ＩｏＴ）デバイス、時計又は他のウェアラブル、ヘッドマウントディスプレイ（head-mounted display、ＨＭＤ）、車両、ドローン、医療デバイス及びアプリケーション（例えば、遠隔手術）、産業デバイス及びアプリケーション（例えば、産業及び／又は自動処理チェーンの文脈で動作するロボット及び／又は他のワイヤレスデバイス）、家庭用電子デバイス、商業及び／又は産業用ワイヤレスネットワークで動作するデバイスなどを含み（又はそれらであり）得る。ＷＴＲＵ１０２ａ、１０２ｂ、１０２ｃ、及び１０２ｄのいずれも、互換的にＵＥと称され得る。
【0011】
通信システム１００はまた、基地局１１４ａ及び／又は基地局１１４ｂを含み得る。基地局１１４ａ、１１４ｂの各々は、例えば、ＣＮ１０６／１１５、インターネット１１０、及び／又はネットワーク１１２などの１つ以上の通信ネットワークへのアクセスを容易にするために、ＷＴＲＵ１０２ａ、１０２ｂ、１０２ｃ、１０２ｄのうちの少なくとも１つとワイヤレスでインターフェース接続するように構成された任意のタイプのデバイスであり得る。一例として、基地局１１４ａ、１１４ｂは、ベーストランシーバ局（base transceiver station、ＢＴＳ）、ノードＢ（Node-B、ＮＢ）、ｅノードＢ（eNode-B、ｅＮＢ）、ホームノードＢ（Home Node-B、ＨＮＢ）、ホームｅノードＢ（Home eNode-B、ＨｅＮＢ）、ｇノードＢ（gNode-B、ｇＮＢ）、ＮＲノードＢ（NR Node-B、ＮＲ ＮＢ）、サイトコントローラ、アクセスポイント（access point、ＡＰ）、ワイヤレスルータなどのうちのいずれかであり得る。基地局１１４ａ、１１４ｂは、各々単一の要素として描示されているが、基地局１１４ａ、１１４ｂは、任意の数の相互接続された基地局及び／又はネットワーク要素を含み得るということが理解されよう。
【0012】
基地局１１４ａは、基地局コントローラ（base station controller、ＢＳＣ）、無線ネットワークコントローラ（radio network controller、ＲＮＣ）、リレーノードなどの他の基地局及び／又はネットワーク要素（図示せず）も含み得るＲＡＮ１０４／１１３の一部であり得る。基地局１１４ａ及び／又は基地局１１４ｂは、セル（図示せず）と称され得る、１つ以上の搬送波周波数でワイヤレス信号を送信及び／又は受信するように構成され得る。これらの周波数は、認可スペクトル、未認可スペクトル、又は認可スペクトルと未認可スペクトルとの組み合わせであり得る。セルは、相対的に固定され得るか、又は経時的に変化し得る特定の地理的エリアに、ワイヤレスサービスのカバレッジを提供し得る。セルは、セルセクタに更に分けられ得る。例えば、基地局１１４ａと関連付けられたセルは、３つのセクタに分けられ得る。したがって、一実施形態では、基地局１１４ａは、３つのトランシーバ、すなわち、セルのセクタごとに１つのトランシーバを含み得る。一実施形態では、基地局１１４ａは、多入力多出力（multiple-input multiple output、ＭＩＭＯ）技術を採用し得、セルの各々の、又は任意のセクタに対して複数のトランシーバを利用し得る。例えば、ビームフォーミングを使用して、所望の空間方向に信号を送信及び／又は受信し得る。
【0013】
基地局１１４ａ、１１４ｂは、エアインターフェース１１６を介して、ＷＴＲＵ１０２ａ、１０２ｂ、１０２ｃ、１０２ｄのうちの１つ以上と通信し得、このエアインターフェースは、任意の好適なワイヤレス通信リンク（例えば、無線周波数（radio frequency、ＲＦ）、マイクロ波、センチメートル波、マイクロメートル波、赤外線（infrared、ＩＲ）、紫外線（ultraviolet、ＵＶ）、可視光など）であり得る。エアインターフェース１１６は、任意の好適な無線アクセス技術（radio access technology、ＲＡＴ）を使用して確立され得る。
【0014】
より具体的には、上記のように、通信システム１００は、多重アクセスシステムであり得、ＣＤＭＡ、ＴＤＭＡ、ＦＤＭＡ、ＯＦＤＭＡ、ＳＣ－ＦＤＭＡなどの、１つ以上のチャネルアクセス方式を採用し得る。例えば、ＲＡＮ１０４／１１３及びＷＴＲＵ１０２ａ、１０２ｂ、１０２ｃの基地局１１４ａは、広帯域ＣＤＭＡ（wideband CDMA、ＷＣＤＭＡ）を使用してエアインターフェース１１６を確立し得る、ユニバーサル移動体通信システム（Universal Mobile Telecommunications System、ＵＭＴＳ）地上無線アクセス（Terrestrial Radio Access、ＵＴＲＡ）などの無線技術を実装し得る。ＷＣＤＭＡは、高速パケットアクセス（High-Speed Packet Access、ＨＳＰＡ）及び／又は進化型ＨＳＰＡ（ＨＳＰＡ＋）などの通信プロトコルを含み得る。ＨＳＰＡは、高速ダウンリンクパケットアクセス（High-Speed Downlink Packet Access、ＨＳＤＰＡ）及び／又は高速アップリンクパケットアクセス（High-Speed Uplink Packet Access、ＨＳＵＰＡ）を含み得る。
【0015】
一実施形態では、基地局１１４ａ及びＷＴＲＵ１０２ａ、１０２ｂ、１０２ｃは、進化型ＵＭＴＳ地上無線アクセス（Evolved UMTS Terrestrial Radio Access、Ｅ－ＵＴＲＡ）などの無線技術を実装し得、これは、ロングタームエボリューション（Long Term Evolution、ＬＴＥ）及び／又はＬＴＥ－Ａｄｖａｎｃｅｄ（ＬＴＥ－Ａ）及び／又はＬＴＥ－Ａｄｖａｎｃｅｄ Ｐｒｏ（ＬＴＥ－Ａ Ｐｒｏ）を使用してエアインターフェース１１６を確立し得る。
【0016】
一実施形態では、基地局１１４ａ及びＷＴＲＵ１０２ａ、１０２ｂ、１０２ｃは、ＮＲ無線アクセスなどの無線技術を実装し得、この技術は、新しい無線（New Radio、ＮＲ）を使用してエアインターフェース１１６を確立し得る。
【0017】
一実施形態では、基地局１１４ａ及びＷＴＲＵ１０２ａ、１０２ｂ、１０２ｃは、複数の無線アクセス技術を実装し得る。例えば、基地局１１４ａ及びＷＴＲＵ１０２ａ、１０２ｂ、１０２ｃは、例えば、デュアルコネクティビティ（dual connectivity、ＤＣ）原理を使用して、ＬＴＥ無線アクセス及びＮＲ無線アクセスを一緒に実装し得る。したがって、ＷＴＲＵ１０２ａ、１０２ｂ、１０２ｃによって利用されるエアインターフェースは、複数のタイプの無線アクセス技術、及び／又は複数のタイプの基地局（例えば、ｅＮＢ及びｇＮＢ）との間で送られる送信によって特徴付けられ得る。
【0018】
一実施形態では、基地局１１４ａ及びＷＴＲＵ１０２ａ、１０２ｂ、１０２ｃは、ＩＥＥＥ８０２．１１（すなわち、ワイヤレスフィデリティ（Wireless Fidelity、Ｗｉ－Ｆｉ）、ＩＥＥＥ８０２．１６（すなわち、マイクロ波アクセスのための世界的相互運用性（Worldwide Interoperability for Microwave Access、ＷｉＭＡＸ））、ＣＤＭＡ２０００、ＣＤＭＡ２０００ １Ｘ、ＣＤＭＡ２０００ ＥＶ－ＤＯ、暫定規格２０００（Interim Standard 2000、ＩＳ－２０００）、暫定規格９５（ＩＳ－９５）、暫定規格８５６（ＩＳ－８５６）、グローバル移動通信システム（Global System for Mobile communication、ＧＳＭ）、ＧＳＭ進化型高速データレート（Enhanced Data rates for GSM Evolution、ＥＤＧＥ）、ＧＳＭ ＥＤＧＥ（ＧＥＲＡＮ）などの無線技術を実装し得る。
【0019】
図１Ａの基地局１１４ｂは、例えば、ワイヤレスルータ、ホームノードＢ、ホームｅノードＢ、又はアクセスポイントであり得、事業所、家、車両、キャンパス、産業施設、（例えば、ドローンによる使用のための）空中回廊、道路などの局所的領域におけるワイヤレス接続を容易にするために、任意の好適なＲＡＴを利用し得る。一実施形態では、基地局１１４ｂ及びＷＴＲＵ１０２ｃ、１０２ｄは、ワイヤレスローカルエリアネットワーク（wireless local area network、ＷＬＡＮ）を確立するためにＩＥＥＥ８０２．１１などのワイヤレス技術を実装し得る。一実施形態では、基地局１１４ｂ及びＷＴＲＵ１０２ｃ、１０２ｄは、ＩＥＥＥ８０２．１５などのワイヤレス技術を実装して、ワイヤレスパーソナルエリアネットワーク（wireless personal area network、ＷＰＡＮ）を確立し得る。一実施形態では、基地局１１４ｂ及びＷＴＲＵ１０２ｃ、１０２ｄは、スモールセル、ピコセル、又はフェムトセルのうちのいずれかを確立するためにセルラーベースのＲＡＴ（例えば、ＷＣＤＭＡ、ＣＤＭＡ２０００、ＧＳＭ、ＬＴＥ、ＬＴＥ－Ａ、ＬＴＥ－Ａ Ｐｒｏ、ＮＲなど）を利用し得る。図１Ａに示されるように、基地局１１４ｂは、インターネット１１０への直接接続を有し得る。したがって、基地局１１４ｂは、ＣＮ１０６／１１５を介してインターネット１１０にアクセスする必要がない場合がある。
【0020】
ＲＡＮ１０４／１１３は、ＣＮ１０６／１１５と通信し得、これは、音声、データ、アプリケーション、及び／又はボイスオーバインターネットプロトコル（voice over internet protocol、ＶｏＩＰ）サービスを、ＷＴＲＵ１０２ａ、１０２ｂ、１０２ｃ、１０２ｄのうちの１つ以上に提供するように構成された任意のタイプのネットワークであり得る。データは、異なるスループット要件、レイテンシ要件、誤り許容要件、信頼性要件、データスループット要件、モビリティ要件などの様々なサービス品質（quality of service、ＱｏＳ）要件を有し得る。ＣＮ１０６／１１５は、呼制御、支払い請求サービス、移動体ロケーションベースのサービス、プリペイド通話、インターネット接続性、ビデオ配信などを提供し得、かつ／又はユーザ認証などの高レベルセキュリティ機能を実施し得る。図１Ａには示していないが、ＲＡＮ１０４／１１３及び／又はＣＮ１０６／１１５は、ＲＡＮ１０４／１１３と同じＲＡＴ又は異なるＲＡＴを採用する他のＲＡＮと、直接又は間接的に通信し得ることが理解されよう。例えば、ＣＮ１０６／１１５は、ＮＲ無線技術を利用し得るＲＡＮ１０４／１１３に接続されることに加えて、ＧＳＭ、ＵＭＴＳ、ＣＤＭＡ２０００、ＷｉＭＡＸ、Ｅ－ＵＴＲＡ、又はＷｉ－Ｆｉ無線技術のうちのいずれかを採用する別のＲＡＮ（図示せず）とも通信し得る。
【0021】
ＣＮ１０６／１１５はまた、ＷＴＲＵ１０２ａ、１０２ｂ、１０２ｃ、１０２ｄがＰＳＴＮ１０８、インターネット１１０、及び／又は他のネットワーク１１２にアクセスするためのゲートウェイとして機能し得る。ＰＳＴＮ１０８は、従来型電話サービス（plain old telephone service、ＰＯＴＳ）を提供する回線交換電話網を含み得る。インターネット１１０は、相互接続されたコンピュータネットワーク及びデバイスのグローバルシステムを含み得、これらのネットワーク及びデバイスは、伝送制御プロトコル（transmission control protocol、ＴＣＰ）、ユーザデータグラムプロトコル（user datagram protocol、ＵＤＰ）、及び／又はＴＣＰ／ＩＰインターネットプロトコルスイートのインターネットプロトコル（internet protocol、ＩＰ）などの共通通信プロトコルを使用する。ネットワーク１１２は、他のサービスプロバイダによって所有及び／又は運用されている有線通信ネットワーク及び／又はワイヤレス通信ネットワークを含み得る。例えば、ネットワーク１１２は、ＲＡＮ１０４／１１４と同じＲＡＴ又は異なるＲＡＴを採用し得る１つ以上のＲＡＮに接続された別のＣＮを含み得る。
【0022】
通信システム１００におけるＷＴＲＵ１０２ａ、１０２ｂ、１０２ｃ、１０２ｄのうちのいくつか又は全ては、マルチモード機能を含み得る（例えば、ＷＴＲＵ１０２ａ、１０２ｂ、１０２ｃ、１０２ｄは、異なるワイヤレスリンクを介して異なるワイヤレスネットワークと通信するための複数のトランシーバを含み得る）。例えば、図１Ａに示されるＷＴＲＵ１０２ｃは、セルラーベースの無線技術を採用し得る基地局１１４ａ、及びＩＥＥＥ８０２無線技術を採用し得る基地局１１４ｂと通信するように構成され得る。
【0023】
図１Ｂは、例示的なＷＴＲＵ１０２を示すシステム図である。図１Ｂに示されるように、ＷＴＲＵ１０２は、とりわけ、プロセッサ１１８、トランシーバ１２０、送信／受信要素１２２、スピーカ／マイクロフォン１２４、キーパッド１２６、ディスプレイ／タッチパッド１２８、非リムーバブルメモリ１３０、リムーバブルメモリ１３２、電源１３４、全地球測位システム（global positioning system、ＧＰＳ）チップセット１３６、及び／又は他の要素／周辺機器１３８を含み得る。ＷＴＲＵ１０２は、一実施形態との一貫性を維持したまま、前述の要素の任意の部分的組み合わせを含み得るということが理解されよう。
【0024】
プロセッサ１１８は、汎用プロセッサ、専用プロセッサ、従来のプロセッサ、デジタル信号プロセッサ（digital signal processor、ＤＳＰ）、複数のマイクロプロセッサ、ＤＳＰコアと関連付けられた１つ以上のマイクロプロセッサ、コントローラ、マイクロコントローラ、特定用途向け集積回路（Application Specific Integrated Circuit、ＡＳＩＣ）、フィールドプログラマブルゲートアレイ（Field Programmable Gate Array、ＦＰＧＡ）回路、任意の他のタイプの集積回路（integrated circuit、ＩＣ）、状態機械などであり得る。プロセッサ１１８は、信号コーディング、データ処理、電力制御、入力／出力処理、及び／又はＷＴＲＵ１０２がワイヤレス環境で動作することを可能にする任意の他の機能を実施し得る。プロセッサ１１８は、送信／受信要素１２２に結合され得るトランシーバ１２０に結合され得る。図１Ｂは、プロセッサ１１８及びトランシーバ１２０を別個の構成要素として描示しているが、プロセッサ１１８及びトランシーバ１２０は、例えば、電子パッケージ又はチップに統合され得るということが理解されよう。
【0025】
送信／受信要素１２２は、エアインターフェース１１６を介して、基地局（例えば、基地局１１４ａ）に信号を送信するか、又は基地局から信号を受信するように構成され得る。例えば、一実施形態では、送信／受信要素１２２は、ＲＦ信号を送信及び／又は受信するように構成されたアンテナであり得る。一実施形態では、送信／受信要素１２２は、例えば、ＩＲ信号、ＵＶ信号、又は可視光信号を送信及び／又は受信するように構成された放射装置／検出器であり得る。一実施形態では、送信／受信要素１２２は、ＲＦ信号及び光信号の両方を送信及び／又は受信するように構成され得る。送信／受信要素１２２は、ワイヤレス信号の任意の組み合わせを送信及び／又は受信するように構成され得るということが理解されよう。
【0026】
送信／受信要素１２２は、単一の要素として図１Ｂに描示されているが、ＷＴＲＵ１０２は、任意の数の送信／受信要素１２２を含み得る。例えば、ＷＴＲＵ１０２は、ＭＩＭＯ技術を採用し得る。したがって、一実施形態では、ＷＴＲＵ１０２は、エアインターフェース１１６を介してワイヤレス信号を送信及び受信するための２つ以上の送信／受信要素１２２（例えば、複数のアンテナ）を含み得る。
【0027】
トランシーバ１２０は、送信／受信要素１２２によって送信される信号を変調し、送信／受信要素１２２によって受信される信号を復調するように構成され得る。上記のように、ＷＴＲＵ１０２は、マルチモード機能を有し得る。したがって、トランシーバ１２０は、例えば、ＮＲ及びＩＥＥＥ８０２．１１などの複数のＲＡＴを介してＷＴＲＵ１０２が通信することを可能にするための複数のトランシーバを含み得る。
【0028】
ＷＴＲＵ１０２のプロセッサ１１８は、スピーカ／マイクロフォン１２４、キーパッド１２６、及び／又はディスプレイ／タッチパッド１２８（例えば、液晶ディスプレイ（liquid crystal display、ＬＣＤ）ディスプレイユニット若しくは有機発光ダイオード（organic light-emitting diode、ＯＬＥＤ）ディスプレイユニット）に結合され得、これらからユーザが入力したデータを受信し得る。プロセッサ１１８はまた、ユーザデータをスピーカ／マイクロフォン１２４、キーパッド１２６、及び／又はディスプレイ／タッチパッド１２８に出力し得る。加えて、プロセッサ１１８は、非リムーバブルメモリ１３０及び／又はリムーバブルメモリ１３２などの任意のタイプの好適なメモリから情報にアクセスし、かつ当該メモリにデータを記憶し得る。非リムーバブルメモリ１３０は、ランダムアクセスメモリ（random-access memory、ＲＡＭ）、読み取り専用メモリ（read-only memory、ＲＯＭ）、ハードディスク、又は任意の他のタイプのメモリ記憶デバイスを含み得る。リムーバブルメモリ１３２は、加入者識別モジュール（subscriber identity module、ＳＩＭ）カード、メモリスティック、セキュアデジタル（secure digital、ＳＤ）メモリカードなどを含み得る。他の実施形態では、プロセッサ１１８は、サーバ又はホームコンピュータ（図示せず）上など、ＷＴＲＵ１０２上に物理的に位置していないメモリから情報にアクセスして、当該メモリにデータを記憶し得る。
【0029】
プロセッサ１１８は、電源１３４から電力を受け取り得、ＷＴＲＵ１０２における他の構成要素に電力を分配し、かつ／又は制御するように構成され得る。電源１３４は、ＷＴＲＵ１０２に電力を供給するための任意の好適なデバイスであり得る。例えば、電源１３４は、１つ以上の乾電池（例えば、ニッケルカドミウム（nickel-cadmium、ＮｉＣｄ）、ニッケル亜鉛（nickel-zinc、ＮｉＺｎ）、ニッケル金属水素化物（nickel metal hydride、ＮｉＭＨ）、リチウムイオン（lithium-ion、Ｌｉ－ｉｏｎ）など）、太陽電池、燃料電池などを含み得る。
【0030】
プロセッサ１１８はまた、ＧＰＳチップセット１３６に結合され得、これは、ＷＴＲＵ１０２の現在のロケーションに関するロケーション情報（例えば、経度及び緯度）を提供するように構成され得る。ＧＰＳチップセット１３６からの情報に加えて、又はその代わりに、ＷＴＲＵ１０２は、エアインターフェース１１６を介して基地局（例えば、基地局１１４ａ、１１４ｂ）からロケーション情報を受信し、かつ／又は２つ以上の近接基地局から受信される信号のタイミングに基づいて、そのロケーションを判定し得る。ＷＴＲＵ１０２は、一実施形態との一貫性を維持したまま、任意の好適なロケーション判定方法によってロケーション情報を獲得し得るということが理解されよう。
【0031】
プロセッサ１１８は、他の要素／周辺機器１３８に更に結合され得、他の要素／周辺機器は、追加の特徴、機能、及び／又は有線若しくはワイヤレス接続を提供する１つ以上のソフトウェア及び／又はハードウェアモジュール／ユニットを含み得る。例えば、要素／周辺機器１３８には、加速度計、電子コンパス、衛星トランシーバ、（例えば、写真及び／又はビデオ用）デジタルカメラ、ユニバーサルシリアルバス（universal serial bus、ＵＳＢ）ポート、振動デバイス、テレビ用トランシーバ、ハンズフリーヘッドセット、Ｂｌｕｅｔｏｏｔｈ（登録商標）モジュール、周波数変調（frequency modulated、ＦＭ）ラジオユニット、デジタル音楽プレーヤ、メディアプレーヤ、ビデオゲームプレーヤモジュール、インターネットブラウザ、仮想現実及び／又は拡張現実（virtual reality/augmented reality、ＶＲ／ＡＲ）デバイス、アクティビティトラッカなどが含まれ得る。要素／周辺機器１３８は、１つ以上のセンサを含み得、センサは、ジャイロスコープ、加速度計、ホール効果センサ、磁力計、方位センサ、近接センサ、温度センサ、時間センサ、ジオロケーションセンサ、高度計、光センサ、タッチセンサ、磁力計、気圧計、ジェスチャセンサ、生体認証センサ、及び／又は湿度センサのうちの１つ以上であり得る。
【0032】
ＷＴＲＵ１０２は、（例えば、アップリンク（例えば、送信用）及びダウンリンク（例えば、受信用）の両方のための特定のサブフレームと関連付けられた）信号の一部又は全部の送信及び受信が並列及び／又は同時であり得る全二重無線機を含み得る。全二重無線機は、ハードウェア（例えば、チョーク）又はプロセッサ（例えば、別個のプロセッサ（図示せず）又はプロセッサ１１８を介して）を介した信号処理のいずれかを介して自己干渉を低減する、かつ又は実質的に排除するための干渉管理ユニットを含み得る。一実施形態では、ＷＴＲＵ１０２は、（例えば、アップリンク（例えば、送信用）又はダウンリンク（例えば、受信用）のいずれかのための特定のサブフレームと関連付けられた）信号の一部又は全部の送信及び受信のための半二重無線機を含み得る。
【0033】
図１Ｃは、一実施形態による、ＲＡＮ１０４及びＣＮ１０６を示すシステム図である。上記のように、ＲＡＮ１０４は、Ｅ－ＵＴＲＡ無線技術を用いて、エアインターフェース１１６を介してＷＴＲＵ１０２ａ、１０２ｂ、及び１０２ｃと通信し得る。ＲＡＮ１０４はまた、ＣＮ１０６と通信し得る。
【0034】
ＲＡＮ１０４は、ｅノードＢ１６０ａ、１６０ｂ、１６０ｃを含み得るが、ＲＡＮ１０４は、一実施形態との一貫性を維持したまま、任意の数のｅノードＢを含み得るということが理解されよう。ｅノードＢ１６０ａ、１６０ｂ、１６０ｃは各々、エアインターフェース１１６を介してＷＴＲＵ１０２ａ、１０２ｂ、１０２ｃと通信するための１つ以上のトランシーバを含み得る。一実施形態では、ｅノード－Ｂ１６０ａ、１６０ｂ、１６０ｃは、ＭＩＭＯ技術を実装し得る。したがって、ｅノード－Ｂ１６０ａは、例えば、複数のアンテナを使用して、ＷＴＲＵ１０２ａにワイヤレス信号を送信し、ＷＴＲＵ１０２ａからワイヤレス信号を受信し得る。
【0035】
ｅノードＢ１６０ａ、１６０ｂ、及び１６０ｃの各々は、特定のセル（図示せず）に関連付けられ得、無線リソース管理決定、ハンドオーバ決定、アップリンク（uplink、ＵＬ）及び／又はダウンリンク（downlink、ＤＬ）におけるユーザのスケジューリングなどを処理するように構成され得る。図１Ｃに示されるように、ｅノードＢ１６０ａ、１６０ｂ、１６０ｃは、Ｘ２インターフェースを介して互いに通信し得る。
【0036】
図１Ｃに示すＣＮ１０６は、移動管理エンティティ（mobility management entity、ＭＭＥ）１６２、サービングゲートウェイ（serving gateway、ＳＧＷ）１６４、及びパケットデータネットワーク（packet data network、ＰＤＮ）ゲートウェイ（PDN gateway、ＰＧＷ）１６６を含み得る。前述の要素の各々は、ＣＮ１０６の一部として描示されているが、これらの要素のうちのいずれか１つは、ＣＮ事業者以外の法人によって所有及び／又は運用され得るもことが理解されよう。
【0037】
ＭＭＥ１６２は、Ｓ１インターフェースを介して、ＲＡＮ１０４内のｅノード－Ｂ１６０ａ、１６０ｂ、及び１６０ｃの各々に接続され得、制御ノードとして機能し得る。例えば、ＭＭＥ１６２は、ＷＴＲＵ１０２ａ、１０２ｂ、１０２ｃのユーザを認証すること、ベアラのアクティブ化／非アクティブ化、ＷＴＲＵ１０２ａ、１０２ｂ、１０２ｃの初期アタッチ中に特定のサービングゲートウェイを選択すること、などの役割を果たし得る。ＭＭＥ１６２は、ＲＡＮ１０４と、ＧＳＭ及び／又はＷＣＤＭＡなどの他の無線技術を採用する他のＲＡＮ（図示せず）とを切り替えるための制御プレーン機能を提供し得る。
【0038】
ＳＧＷ１６４は、Ｓ１インターフェースを介してＲＡＮ１０４内のｅノードＢ１６０ａ、１６０ｂ、１６０ｃの各々に接続され得る。ＳＧＷ１６４は、概して、ＷＴＲＵ１０２ａ、１０２ｂ、１０２ｃとの間でユーザデータパケットをルーティング及び転送し得る。ＳＧＷ１６４は、ｅノードＢ間ハンドオーバ中のユーザプレーンの固定、ＷＴＲＵ１０２ａ、１０２ｂ、１０２ｃにＤＬデータが利用可能な場合のページングの始動、ＷＴＲＵ１０２ａ、１０２ｂ、１０２ｃのコンテキストの管理及び記憶などの他の機能を実行し得る。
【0039】
ＳＧＷ１６４は、ＰＧＷ１６６に接続され得、ＰＧＷ１６６は、ＷＴＲＵ１０２ａ、１０２ｂ、１０２ｃとＩＰ対応デバイスとの間の通信を容易にするために、インターネット１１０などのパケット交換ネットワークへのアクセスをＷＴＲＵ１０２ａ、１０２ｂ、１０２ｃに提供し得る。
【0040】
ＣＮ１０６は、他のネットワークとの通信を容易にし得る。例えば、ＣＮ１０６は、ＷＴＲＵ１０２ａ、１０２ｂ、１０２ｃと従来の地上回線通信デバイスとの間の通信を容易にするために、ＰＳＴＮ１０８などの回線交換ネットワークへのアクセスをＷＴＲＵ１０２ａ、１０２ｂ、１０２ｃに提供し得る。例えば、ＣＮ１０６は、ＣＮ１０６とＰＳＴＮ１０８との間のインターフェースとして機能するＩＰゲートウェイ（例えば、ＩＰマルチメディアサブシステム（multimedia subsystem、ＩＭＳ）サーバ）を含み得るか、又はこれと通信し得る。加えて、ＣＮ１０６は、ＷＴＲＵ１０２ａ、１０２ｂ、１０２ｃに他のネットワーク１１２へのアクセスを提供し得、他のネットワーク１１２は、他のサービスプロバイダによって所有及び／又は運用される他の有線及び／又はワイヤレスネットワークを含み得る。
【0041】
ＷＴＲＵは、ワイヤレス端末として図１Ａ～図１Ｄに説明されているが、特定の代表的な実施形態では、かかる端末は、通信ネットワークとの（例えば、一時的又は永久的な）有線通信インターフェースを使用し得ることが企図される。
【0042】
代表的な実施形態では、他のネットワーク１１２は、ＷＬＡＮであり得る。
【0043】
インフラストラクチャ基本サービスセット（basic service set、ＢＳＳ）モードのＷＬＡＮは、ＢＳＳ用のアクセスポイント（ＡＰ）と、ＡＰに関連付けられた１つ以上の局（ＳＴＡ）と、を有し得る。ＡＰは、トラフィックをＢＳＳ内及び／又はＢＳＳ外へ搬送する配信システム（distribution system、ＤＳ）又は別のタイプの有線／ワイヤレスネットワークへのアクセス又はインターフェースを有し得る。ＢＳＳ外から生じる、ＳＴＡへのトラフィックは、ＡＰを通って到達し得、ＳＴＡに配信され得る。ＳＴＡからＢＳＳ外の宛先へ生じるトラフィックは、それぞれの宛先に配信されるようにＡＰに送られ得る。ＢＳＳ内のＳＴＡ間のトラフィックは、例えば、ＡＰを通して送られ得、ソースＳＴＡは、ＡＰにトラフィックを送り得、ＡＰは、トラフィックを宛先ＳＴＡに配信し得る。ＢＳＳ内のＳＴＡ間のトラフィックは、ピアツーピアトラフィックとみなされ得る、かつ／又は称され得る。ピアツーピアトラフィックは、ソースＳＴＡと宛先ＳＴＡとの間で（例えば、これらの間で直接）、直接リンクセットアップ（direct link setup、ＤＬＳ）を使用して送られ得る。特定の代表的な実施形態では、ＤＬＳは、８０２．１１ｅ ＤＬＳ又は８０２．１１ｚトンネル化ＤＬＳ（tunneled DLS、ＴＤＬＳ）を使用し得る。独立ＢＳＳ（independent BSS、ＩＢＳＳ）モードを使用するＷＬＡＮは、ＡＰを有しない場合があり、ＩＢＳＳ内又はこれを使用するＳＴＡ（例えば、ＳＴＡの全て）は、互いに直接通信し得る。ＩＢＳＳ通信モードは、本明細書では「アドホック」通信モードと称されることもある。
【0044】
８０２．１１ａｃインフラストラクチャ動作モード又は同様の動作モードを使用する場合、ＡＰは、プライマリチャネルなどの固定チャネル上にビーコンを送信し得る。プライマリチャネルは、固定幅（例えば、２０ＭＨｚ幅の帯域幅）又はシグナリングを介して動的に設定される幅であり得る。プライマリチャネルは、ＢＳＳの動作チャネルであり得、ＡＰとの接続を確立するためにＳＴＡによって使用され得る。特定の代表的な実施形態では、搬送波検知多重アクセス／衝突回避（carrier sense multiple access with collision avoidance、ＣＳＭＡ／ＣＡ）は、例えば、８０２．１１システムにおいて実装され得る。ＣＳＭＡ／ＣＡの場合、ＡＰを含むＳＴＡ（例えば、全てのＳＴＡ）は、プライマリチャネルを検知し得る。プライマリチャネルが特定のＳＴＡによってビジーであると検知／検出及び／又は判定された場合、特定のＳＴＡは、バックオフされ得る。１つのＳＴＡ（例えば、１つの局のみ）は、所与のＢＳＳにおいて、任意の所与の時間に送信され得る。
【0045】
高スループット（high throughput、ＨＴ）ＳＴＡは、例えば、プライマリ２０ＭＨｚチャネルと、隣接又は非隣接の２０ＭＨｚチャネルとを組み合わせて４０ＭＨｚ幅チャネルを形成することにより、通信用に４０ＭＨｚ幅チャネルを使用し得る。
【0046】
超高スループット（very high throughput、ＶＨＴ）ＳＴＡは、２０ＭＨｚ、４０ＭＨｚ、８０ＭＨｚ、及び／又は１６０ＭＨｚ幅のチャネルをサポートし得る。４０ＭＨｚ及び／又は８０ＭＨｚチャネルは、連続する２０ＭＨｚチャネルを組み合わせることによって形成され得る。１６０ＭＨｚチャネルは、８つの連続する２０ＭＨｚチャネルを組み合わせることによって、又は８０＋８０構成と称され得る２つの連続していない８０ＭＨｚチャネルを組み合わせることによって形成され得る。８０＋８０構成の場合、チャネル符号化後、データは、データを２つのストリームに分け得るセグメントパーサを通過し得る。逆高速フーリエ変換（inverse fast fourier transform、ＩＦＦＴ）処理及び時間領域処理は、各ストリームで別々に行われ得る。ストリームは、２つの８０ＭＨｚチャネルにマッピングされ得、データは、送信ＳＴＡによって送信され得る。受信ＳＴＡの受信機では、８０＋８０構成のための前述の動作が逆になり得、結合されたデータが、媒体アクセス制御（medium access control、ＭＡＣ）レイヤ、エンティティなどへ送られ得る。
【0047】
サブ１ＧＨｚの動作モードは、８０２．１１ａｆ及び８０２．１１ａｈによってサポートされる。チャネル動作帯域幅及び搬送波は、８０２．１１ｎ及び８０２．１１ａｃで使用されるものと比較して、８０２．１１ａｆ及び８０２．１１ａｈでは低減される。８０２．１１ａｆは、ＴＶホワイトスペース（TV white space、ＴＶＷＳ）スペクトルにおいて５ＭＨｚ、１０ＭＨｚ、及び２０ＭＨｚの帯域幅をサポートし、８０２．１１ａｈは、非ＴＶＷＳスペクトルを使用して１ＭＨｚ、２ＭＨｚ、４ＭＨｚ、８ＭＨｚ、及び１６ＭＨｚの帯域幅をサポートする。代表的な実施形態によれば、８０２．１１ａｈは、マクロカバレッジ領域におけるＭＴＣデバイスなどのメータ型制御／マシン型通信（meter type control/machine-type communication、ＭＴＣ）をサポートし得る。ＭＴＣデバイスは、特定の能力、例えば、特定の及び／又は限定された帯域幅のためのサポート（例えば、これらのためのみのサポート）を含む、限定された能力を有し得る。ＭＴＣデバイスは、（例えば、非常に長いバッテリ寿命を維持するために）閾値を上回るバッテリ寿命を有するバッテリを含み得る。
【0048】
複数のチャネル、並びに８０２．１１ｎ、８０２．１１ａｃ、８０２．１１ａｆ、及び８０２．１１ａｈなどのチャネル帯域幅をサポートし得るＷＬＡＮシステムは、プライマリチャネルとして指定され得るチャネルを含む。プライマリチャネルは、ＢＳＳにおける全てのＳＴＡによってサポートされる最大共通動作帯域幅に等しい帯域幅を有し得る。プライマリチャネルの帯域幅は、最小帯域幅動作モードをサポートするＢＳＳで動作する全てのＳＴＡの中から、ＳＴＡによって設定され、かつ／又は制限され得る。８０２．１１ａｈの例では、プライマリチャネルは、ＡＰ、及びＢＳＳにおける他のＳＴＡが２ＭＨｚ、４ＭＨｚ、８ＭＨｚ、１６ＭＨｚ、及び／又は他のチャネル帯域幅動作モードをサポートする場合であっても、１ＭＨｚモードをサポートする（例えば、これのみをサポートする）ＳＴＡ（例えば、ＭＴＣ型デバイス）に対して１ＭＨｚ幅であり得る。搬送波検知及び／又はネットワーク割り当てベクトル（network allocation vector、ＮＡＶ）設定は、プライマリチャネルの状態に依存し得る。例えば、ＡＰに送信する（１ＭＨｚ動作モードのみをサポートする）ＳＴＡに起因して、プライマリチャネルがビジーである場合、周波数帯域の大部分がアイドルのままであり、利用可能であり得るとしても、利用可能な周波数帯域全体がビジーとみなされ得る。
【0049】
米国では、８０２．１１ａｈにより使用され得る利用可能な周波数帯域は、９０２ＭＨｚ～９２８ＭＨｚである。韓国では、利用可能な周波数帯域は、９１７．５ＭＨｚ～９２３．５ＭＨｚである。日本では、利用可能な周波数帯域は、９１６．５ＭＨｚ～９２７．５ＭＨｚである。８０２．１１ａｈに利用可能な総帯域幅は、国のコードに応じて６ＭＨｚ～２６ＭＨｚである。
【0050】
図１Ｄは、一実施形態による、ＲＡＮ１１３及びＣＮ１１５を示すシステム図である。上記のように、ＲＡＮ１１３は、エアインターフェース１１６を介して、ＷＴＲＵ１０２ａ、１０２ｂ、１０２ｃと通信するために、ＮＲ無線技術を採用し得る。ＲＡＮ１１３はまた、ＣＮ１１５と通信し得る。
【0051】
ＲＡＮ１１３は、ｇＮＢ１８０ａ、１８０ｂ、１８０ｃを含み得るが、ＲＡＮ１１３は、一実施形態との一貫性を維持したまま、任意の数のｇＮＢを含んでもよいということが理解されよう。ｇＮＢ１８０ａ、１８０ｂ、１８０ｃは各々、エアインターフェース１１６を介してＷＴＲＵ１０２ａ、１０２ｂ、１０２ｃと通信するための１つ以上のトランシーバを含み得る。一実施形態では、ｇＮＢ１８０ａ、１８０ｂ、１８０ｃは、ＭＩＭＯ技術を実装し得る。例えば、ｇＮＢ１８０ａ、１８０ｂは、ビームフォーミングを利用して、ＷＴＲＵ１０２ａ、１０２ｂ、１０２ｃに信号を送信し、及び／又はそこから信号を受信し得る。したがって、ｇＮＢ１８０ａは、例えば、複数のアンテナを使用して、ＷＴＲＵ１０２ａにワイヤレス信号を送信し、かつ／又はＷＴＲＵ１０２ａからワイヤレス信号を受信し得る。一実施形態では、ｇＮＢ１８０ａ、１８０ｂ、１８０ｃは、キャリアアグリゲーション技術を実装し得る。例えば、ｇＮＢ１８０ａは、複数のコンポーネントキャリアをＷＴＲＵ１０２ａに送信し得る（図示せず）。これらのコンポーネントキャリアのサブセットは、未認可スペクトル上にあり得るが、残りのコンポーネントキャリアは、認可スペクトル上にあり得る。一実施形態では、ｇＮＢ１８０ａ、１８０ｂ、１８０ｃは、協調マルチポイント（Coordinated Multi-Point、ＣｏＭＰ）技術を実装し得る。例えば、ＷＴＲＵ１０２ａは、ｇＮＢ１８０ａ及びｇＮＢ１８０ｂ（及び／又はｇＮＢ１８０ｃ）からの協調送信を受信し得る。
【0052】
ＷＴＲＵ１０２ａ、１０２ｂ、１０２ｃは、スケーラブルなニューメロロジと関連付けられた送信を使用して、ｇＮＢ１８０ａ、１８０ｂ、１８０ｃと通信し得る。例えば、ＯＦＤＭシンボル間隔及び／又はＯＦＤＭ副搬送波間隔は、異なる送信、異なるセル、及び／又はワイヤレス送信スペクトルの異なる部分について変わり得る。ＷＴＲＵ１０２ａ、１０２ｂ、１０２ｃは、様々な若しくは拡張可能な長さのサブフレーム又は送信時間間隔（transmission time interval、ＴＴＩ）を使用して（例えば、様々な数のＯＦＤＭシンボル及び／又は持続的に変化する長さの絶対時間を含む）、ｇＮＢ１８０ａ、１８０ｂ、１８０ｃと通信し得る。
【0053】
ｇＮＢ１８０ａ、１８０ｂ、１８０ｃは、スタンドアロン構成及び／又は非スタンドアロン構成でＷＴＲＵ１０２ａ、１０２ｂ、１０２ｃと通信するように構成され得る。スタンドアロン構成では、ＷＴＲＵ１０２ａ、１０２ｂ、１０２ｃは、他のＲＡＮ（例えば、ｅノードＢ１６０ａ、１６０ｂ、１６０ｃなど）にアクセスすることもなく、ｇＮＢ１８０ａ、１８０ｂ、１８０ｃと通信し得る。スタンドアロン構成では、ＷＴＲＵ１０２ａ、１０２ｂ、１０２ｃは、モビリティアンカポイントとしてｇＮＢ１８０ａ、１８０ｂ、１８０ｃのうちの１つ以上を利用し得る。スタンドアロン構成では、ＷＴＲＵ１０２ａ、１０２ｂ、１０２ｃは、未認可帯域における信号を使用して、ｇＮＢ１８０ａ、１８０ｂ、１８０ｃと通信し得る。非スタンドアロン構成では、ＷＴＲＵ１０２ａ、１０２ｂ、１０２ｃは、ｇＮＢ１８０ａ、１８０ｂ、１８０ｃと通信／接続する一方で、ｅノードＢ１６０ａ、１６０ｂ、１６０ｃなどの別のＲＡＮとも通信／接続し得る。例えば、ＷＴＲＵ１０２ａ、１０２ｂ、１０２ｃは、１つ以上のｇＮＢ１８０ａ、１８０ｂ、１８０ｃ及び１つ以上のｅノードＢ１６０ａ、１６０ｂ、１６０ｃと実質的に同時に通信するためのＤＣ原理を実装し得る。非スタンドアロン構成では、ｅノードＢ１６０ａ、１６０ｂ、１６０ｃは、ＷＴＲＵ１０２ａ、１０２ｂ、１０２ｃのモビリティアンカとして機能し得、ｇＮＢ１８０ａ、１８０ｂ、１８０ｃは、ＷＴＲＵ１０２ａ、１０２ｂ、１０２ｃにサービス提供するための追加のカバレッジ及び／又はスループットを提供し得る。
【0054】
ｇＮＢ１８０ａ、１８０ｂ、１８０ｃの各々は、特定のセル（図示せず）に関連付けられ得、無線リソース管理決定、ハンドオーバ決定、ＵＬ及び／又はＤＬにおけるユーザのスケジューリング、ネットワークスライシングのサポート、二重接続、ＮＲとＥ－ＵＴＲＡとの間の連携、ユーザプレーン機能（user plane function、ＵＰＦ）１８４ａ、１８４ｂへのユーザプレーンデータのルーティング、アクセス及び移動管理機能（access and mobility management function、ＡＭＦ）１８２ａ、１８２ｂへの制御プレーン情報のルーティングなどを処理するように構成され得る。図１Ｄに示されるように、ｇＮＢ１８０ａ、１８０ｂ、１８０ｃは、Ｘｎインターフェースを介して互いに通信し得る。
【0055】
図１Ｄに示されるＣＮ１１５は、少なくとも１つのＡＭＦ１８２ａ、１８２ｂ、少なくとも１つのＵＰＦ１８４ａ、１８４ｂ、少なくとも１つのセッション管理機能（session management function、ＳＭＦ）１８３ａ、１８３ｂ、及び少なくとも１つのデータネットワーク（Data Network、ＤＮ）１８５ａ、１８５ｂを含み得る。前述の要素の各々は、ＣＮ１１５の一部として描示されているが、これらの要素のいずれも、ＣＮ事業者以外の法人によって所有及び／又は運用され得ることが理解されよう。
【0056】
ＡＭＦ１８２ａ、１８２ｂは、Ｎ２インターフェースを介してＲＡＮ１１３におけるｇＮＢ１８０ａ、１８０ｂ、１８０ｃのうちの１つ以上に接続され得、制御ノードとして機能し得る。例えば、ＡＭＦ１８２ａ、１８２ｂは、ＷＴＲＵ１０２ａ、１０２ｂ、１０２ｃのユーザを認証すること、ネットワークスライシングのためのサポート（例えば、異なる要件を有する異なるプロトコルデータユニット（protocol data unit、ＰＤＵ）セッションの処理）、特定のＳＭＦ１８３ａ、１８３ｂを選択すること、登録領域の管理、ＮＡＳシグナリングの終了、移動管理などの役割を果たし得る。ネットワークスライシングは、例えば、ＷＴＲＵ１０２ａ、１０２ｂ、１０２ｃで利用されているサービスのタイプに基づいてＷＴＲＵ１０２ａ、１０２ｂ、１０２ｃのＣＮサポートをカスタマイズするために、ＡＭＦ１８２ａ、１８２ｂによって使用され得る。例えば、異なるネットワークスライスは、超高信頼低レイテンシ（ultra-reliable low latency、ＵＲＬＬＣ）アクセスに依拠するサービス、拡張大規模モバイルブロードバンド（enhanced massive mobile broadband、ｅＭＢＢ）アクセスに依拠するサービス、ＭＴＣアクセスのためのサービスなどのような異なる使用事例に対して確立され得る。ＡＭＦ１６２は、ＲＡＮ１１３と、ＬＴＥ、ＬＴＥ－Ａ、ＬＴＥ－Ａ Ｐｒｏ、及び／又はＷｉ－Ｆｉのような非３ＧＰＰアクセス技術など、他の無線技術を用いる他のＲＡＮ（図示せず）とを切り替えるための制御プレーン機能を提供し得る。
【0057】
ＳＭＦ１８３ａ、１８３ｂは、Ｎ１１インターフェースを介して、ＣＮ１１５内のＡＭＦ１８２ａ、１８２ｂに接続され得る。ＳＭＦ１８３ａ、１８３ｂはまた、Ｎ４インターフェースを介して、ＣＮ１１５内のＵＰＦ１８４ａ、１８４ｂに接続され得る。ＳＭＦ１８３ａ、１８３ｂは、ＵＰＦ１８４ａ、１８４ｂを選択及び制御し、ＵＰＦ１８４ａ、１８４ｂを通るトラフィックのルーティングを構成し得る。ＳＭＦ１８３ａ、１８３ｂは、ＵＥのＩＰアドレスを管理し、割り当てること、ＰＤＵセッションを管理すること、ポリシー執行及びＱｏＳを制御すること、ダウンリンクデータ通知を提供することなどの他の機能を実施し得る。ＰＤＵセッションタイプは、ＩＰベース、非ＩＰベース、イーサネットベースなどであり得る。
【0058】
ＵＰＦ１８４ａ、１８４ｂは、Ｎ３インターフェースを介してＲＡＮ１１３内のｇＮＢ１８０ａ、１８０ｂ、１８０ｃのうちの１つ以上に接続され得、これは、例えば、ＷＴＲＵ１０２ａ、１０２ｂ、１０２ｃとＩＰ対応デバイスとの間の通信を容易にするために、ＷＴＲＵ１０２ａ、１０２ｂ、１０２ｃにインターネット１１０などのパケット交換ネットワークへのアクセスを提供し得る。ＵＰＦ１８４、１８４ｂは、パケットをルーティング及び転送すること、ユーザプレーンポリシーを執行すること、多重ホームＰＤＵセッションをサポートすること、ユーザプレーンＱｏＳを処理すること、ダウンリンクパケットをバッファリングすること、モビリティアンカリングを提供することなどの他の機能を実施し得る。
【0059】
ＣＮ１１５は、他のネットワークとの通信を容易にし得る。例えば、ＣＮ１１５は、ＣＮ１１５とＰＳＴＮ１０８との間のインターフェースとして機能するＩＰゲートウェイ（例えば、ＩＰマルチメディアサブシステム（ＩＭＳ）サーバ）を含み得るか、又はこれと通信し得る。加えて、ＣＮ１１５は、ＷＴＲＵ１０２ａ、１０２ｂ、１０２ｃに他のネットワーク１１２へのアクセスを提供し得、他のネットワーク１１２は、他のサービスプロバイダによって所有及び／又は運用される他の有線及び／又はワイヤレスネットワークを含み得る。一実施形態では、ＷＴＲＵ１０２ａ、１０２ｂ、１０２ｃは、ＵＰＦ１８４ａ、１８４ｂとのＮ３インターフェース、及びＵＰＦ１８４ａ、１８４ｂとＤＮ１８５ａ、１８５ｂとの間のＮ６インターフェースを介して、ＵＰＦ１８４ａ、１８４ｂを通じて、ローカルデータネットワーク（ＤＮ）１８５ａ、１８５ｂに接続され得る。
【0060】
図１Ａ～図１Ｄ、及び図１Ａ～図１Ｄの対応する説明を鑑みると、ＷＴＲＵ１０２ａ～ｄ、基地局１１４ａ～ｂ、ｅノードＢ１６０ａ～ｃ、ＭＭＥ１６２、ＳＧＷ１６４、ＰＧＷ１６６、ｇＮＢ１８０ａ～ｃ、ＡＭＦ１８２ａ～ｂ、ＵＰＦ１８４ａ～ｂ、ＳＭＦ１８３ａ～ｂ、ＤＮ１８５ａ～ｂ、及び／又は本明細書に説明される任意の他の要素／デバイスのうちのいずれかに関して本明細書に記載のされる機能のうちの１つ以上又は全ては、１つ以上のエミュレーション要素／デバイス（図示せず）によって実行され得る。エミュレーションデバイスは、本明細書に記載される機能のうちの１つ以上又は全てをエミュレートするように構成された１つ以上のデバイスであり得る。例えば、エミュレーションデバイスを使用して、他のデバイスを試験し、かつ／又は、ネットワーク及び／若しくはＷＴＲＵ機能をシミュレートし得る。
【0061】
エミュレーションデバイスは、ラボ環境及び／又は事業者ネットワーク環境における他のデバイスのうちの１つ以上の試験を実装するように設計され得る。例えば、１つ以上のエミュレーションデバイスは、通信ネットワーク内の他のデバイスを試験するために、有線及び／又はワイヤレス通信ネットワークの一部として完全に又は部分的に実装及び／又は展開されている間、１つ以上又は全ての機能を実施し得る。１つ以上のエミュレーションデバイスは、有線及び／又はワイヤレス通信ネットワークの一部として一時的に実装／展開されている間、１つ以上又は全ての機能を実施し得る。エミュレーションデバイスは、試験を目的として、別のデバイスに直接結合され得、かつ／又は地上波ワイヤレス通信を使用して、試験を実行し得る。
【0062】
１つ以上のエミュレーションデバイスは、有線及び／又はワイヤレス通信ネットワークの一部として実装／展開されていない間、全てを含む１つ以上の機能を実施し得る。例えば、エミュレーションデバイスは、１つ以上の構成要素の試験を実装するために、試験実験室での試験シナリオ、並びに／又は展開されていない（例えば、試験用の）有線及び／若しくはワイヤレス通信ネットワークにおいて利用され得る。１つ以上のエミュレーションデバイスは、試験機器であり得る。ＲＦ回路（例えば、１つ以上のアンテナを含み得る）を介した直接ＲＦ結合及び／又はワイヤレス通信は、データを送信及び／又は受信するために、エミュレーションデバイスによって使用され得る。
【0063】
序論
ブロックチェーン技術
ブロックチェーン技術は、暗号法、ハッシング、マークルツリー、分散型台帳、ピアツーピアネットワーキング、及びコンセンサスプロトコルなどの既存の技法を共同で活用し、それらの上に構築する。ブロックチェーン技術は、非中央集権化、不変性、透明性、及びセキュリティなどの高度な特徴を提供することができるシステム（すなわち、ブロックチェーンシステム）に統合する。ブロックチェーンシステムを使用するかつ／又はブロックチェーンシステムによってサポートされるアプリケーションは、ブロックチェーンアプリケーションと呼ばれる。ブロックチェーンシステムは、参加ブロックチェーンノードで構成されるブロックチェーンネットワークによって支持される。各ブロックチェーンノードは、１つ以上の分散型ブロックチェーン（すなわち、分散型台帳の一形態）をホストし、ブロックチェーンシステムに参加する。例えば、ブロックチェーンノードは、それらの間でブロックチェーントランザクション及びブロックをブロードキャストするために、ピアツーピアネットワークを形成することができる。ブロックチェーンノードはまた、コンセンサスプロトコルを実施して、中央集権化された当事者に依拠することなく分散された信頼に達する。ブロックチェーントランザクションは、例えば、現実世界のトランザクションのデジタル表現、物理的資産のデジタル記録、物理的イベントのデジタル記録、情報システムにおける任意のアクションのデジタル記録、デジタル支払い、及び／又はデジタルスマート契約であり得る。ブロックは、複数のブロックチェーントランザクションをグループ化する。ブロックチェーンは、増加する数のブロックをチェーン化させるデータ構造である。本明細書では、分散型台帳技術の非限定的な例として、ブロックチェーン技術が使用される。したがって、本原理は、任意の特定のブロックチェーン技術だけでなく、許可された分散型台帳（ＥＴＳＩ ＧＲ ＰＤＬ ００３ Ｖ１．１．１（２０２０－１２）；Ｐｅｒｍｉｓｓｉｏｎｅｄ Ｄｉｓｔｒｉｂｕｔｅｄ Ｌｅｄｇｅｒ（ＰＤＬ）；Ａｐｐｌｉｃａｔｉｏｎ Ｓｃｅｎａｒｉｏｓを参照）などの分散型台帳技術にも適用することができる。
ブロックチェーン技術
ブロックチェーン技術は、暗号法、ハッシング、マークルツリー、分散型台帳、ピアツーピアネットワーキング、及びコンセンサスプロトコルなどの既存の技法を共同で活用し、それらの上に構築する。ブロックチェーン技術は、非中央集権化、不変性、透明性、及びセキュリティなどの高度な特徴を提供することができるシステム（すなわち、ブロックチェーンシステム）に統合する。ブロックチェーンシステムを使用するかつ／又はブロックチェーンシステムによってサポートされるアプリケーションは、ブロックチェーンアプリケーションと呼ばれる。ブロックチェーンシステムは、参加ブロックチェーンノードで構成されるブロックチェーンネットワークによって支持される。各ブロックチェーンノードは、１つ以上の分散型ブロックチェーン（すなわち、分散型台帳の一形態）をホストし、ブロックチェーンシステムに参加する。例えば、ブロックチェーンノードは、それらの間でブロックチェーントランザクション及びブロックをブロードキャストするために、ピアツーピアネットワークを形成することができる。ブロックチェーンノードはまた、コンセンサスプロトコルを実施して、中央集権化された当事者に依拠することなく分散された信頼に達する。ブロックチェーントランザクションは、例えば、現実世界のトランザクションのデジタル表現、物理的資産のデジタル記録、物理的イベントのデジタル記録、情報システムにおける任意のアクションのデジタル記録、デジタル支払い、及び／又はデジタルスマート契約であり得る。ブロックは、複数のブロックチェーントランザクションをグループ化する。ブロックチェーンは、増加する数のブロックをチェーン化させるデータ構造である。本明細書では、分散型台帳技術の非限定的な例として、ブロックチェーン技術が使用される。したがって、本原理は、任意の特定のブロックチェーン技術だけでなく、許可された分散型台帳（ＥＴＳＩ ＧＲ ＰＤＬ ００３ Ｖ１．１．１（２０２０－１２）；Ｐｅｒｍｉｓｓｉｏｎｅｄ Ｄｉｓｔｒｉｂｕｔｅｄ Ｌｅｄｇｅｒ（ＰＤＬ）；Ａｐｐｌｉｃａｔｉｏｎ Ｓｃｅｎａｒｉｏｓを参照）などの分散型台帳技術にも適用することができる。
【0064】
ブロックチェーンシステムの一般的なワークフローは、５つのステップを含む。
【0065】
ステップ１：トランザクションを開始する。各ブロックチェーンクライアント又はブロックチェーンユーザは、新しいトランザクションを独立して生成する。各ブロックチェーンユーザは、ユーザ又はアカウント識別子、典型的には、新しいトランザクションに署名するために使用されるユーザの公開鍵のハッシュを有する。次いで、署名された新しいトランザクションは、ブロックチェーンネットワークに送信される。
【0066】
ステップ２：トランザクションをブロードキャスト及び検証する。新しいトランザクションは、最初に少数のブロックチェーンノードによって受信され、ブロックチェーンノードは、トランザクションに含まれるユーザの公開鍵を使用してその完全性を検証する。新しいトランザクションの有効性が成功裏に検証された場合、新しいトランザクションは、ブロックチェーンネットワーク内で中継されブロードキャストされる。最終的に、全てのブロックチェーンノードが、任意の新しく生成された有効なトランザクションのコピーを受信し、有することになる。
【0067】
ステップ３：新しいブロックを構築する。特定の構築ブロックチェーンノード（マイニングノード又はフルブロックチェーンノードと呼ばれる）は、複数の新しく生成された、保留中のトランザクションのグループ化を開始し、新しいブロックを生成する。新しいブロックは、ブロックヘッダ及びブロック本体を含むことになる。ブロックヘッダは、概して、以前に確認されたブロックのハッシュ、及び含まれる全てのトランザクションのハッシュ（例えば、マークルツリー）を含む。コンセンサスプロトコルに応じて、ブロックヘッダは追加情報を含み得る。ブロック本体は、含まれる全てのトランザクションのコンテンツを含む。各構築ブロックチェーンノードは、独立して新しいブロックを作成しようと試みる。
【0068】
ステップ４：コンセンサスプロトコルに基づいて新しいブロックを検証する。ステップ３において、構築ブロックチェーンノードは、独立して新しいブロックを作成しようと試みる。それらは、同じコンセンサスプロトコル（例えば、ビットコインシステムにおけるプルーフオブワーク）を実行し、誰（すなわち、勝者）が既存のブロックチェーンにブロックを挿入することを許可されるかについての合意に達する。コンセンサスプロトコルの勝者は、その新しく生成されたブロックをブロックチェーンネットワークに送信する。この新しいブロックはブロードキャストされ、全ての構築ブロックチェーンノードがそれを受信し、検証する。
【0069】
ステップ５：ブロックチェーンを更新する。新しく生成されたブロックがステップ４において検証された後、以前のブロック（すなわち、以前のブロックチェーンの最後のブロック）のハッシュを含むので、既存のブロックチェーンに成功裏に追加され、それにリンクされる。
【0070】
ＡＩ序論
ＡＩシステムは、深層学習、連合学習、及び強化学習などの少なくとも１つのＡＩ方式に基づいて、ＡＩモデルを学習及び／又は活用する１つ以上のＡＩエージェントを含む。ＡＩエージェントは、通常、ＡＩホスト（ＡＩＨ）と呼ばれる異なる物理ノード又は論理ノード（例えば、デバイス、サーバ、クラウド内の仮想マシン）内に常駐する。各ＡＩエージェントは、通常、例えば、ＡＩアルゴリズム（例えば、深層学習アルゴリズム、連合学習アルゴリズム、強化学習アルゴリズム）に従ってＡＩモデルを学習するためのタスク、又は知識を推論するためにＡＩモデルを使用するためのタスクである、ＡＩタスクをホストし、実行する。深層学習及び強化学習は、通常、１つのＡＩエージェントを使用するが、連合学習は、ＡＩモデルを学習するために協調して働く複数のＡＩエージェントを利用し、そのＡＩモデルは、強化学習のための深層ニューラルネットワークモデル及びポリシーモデルであり得る。連合学習は、深層学習及び強化学習を含むがこれらに限定されない様々なタイプの学習タスクを解決するために使用され得る。ＡＩアルゴリズムは、タグ付けされたトレーニングデータに依拠することによって教師ありであり得るか、又はタグ付けされたデータを使用しない教師なしであり得る。図２は、ＡＩモデルを使用するＡＩタスクを伴うＡＩエージェントを伴うＡＩホストを示す。
ＡＩシステムは、深層学習、連合学習、及び強化学習などの少なくとも１つのＡＩ方式に基づいて、ＡＩモデルを学習及び／又は活用する１つ以上のＡＩエージェントを含む。ＡＩエージェントは、通常、ＡＩホスト（ＡＩＨ）と呼ばれる異なる物理ノード又は論理ノード（例えば、デバイス、サーバ、クラウド内の仮想マシン）内に常駐する。各ＡＩエージェントは、通常、例えば、ＡＩアルゴリズム（例えば、深層学習アルゴリズム、連合学習アルゴリズム、強化学習アルゴリズム）に従ってＡＩモデルを学習するためのタスク、又は知識を推論するためにＡＩモデルを使用するためのタスクである、ＡＩタスクをホストし、実行する。深層学習及び強化学習は、通常、１つのＡＩエージェントを使用するが、連合学習は、ＡＩモデルを学習するために協調して働く複数のＡＩエージェントを利用し、そのＡＩモデルは、強化学習のための深層ニューラルネットワークモデル及びポリシーモデルであり得る。連合学習は、深層学習及び強化学習を含むがこれらに限定されない様々なタイプの学習タスクを解決するために使用され得る。ＡＩアルゴリズムは、タグ付けされたトレーニングデータに依拠することによって教師ありであり得るか、又はタグ付けされたデータを使用しない教師なしであり得る。図２は、ＡＩモデルを使用するＡＩタスクを伴うＡＩエージェントを伴うＡＩホストを示す。
【0071】
本明細書では、ＡＩホスト上のＡＩエージェント上にＡＩタスク（例えば、１つのソフトウェアコード及びデータ）を（再）インストールするプロセスは、「ＡＩタスク展開」と呼ばれ、「ＡＩモデル展開」は、既存のＡＩタスクにＡＩモデルを転送及び／又は（再）インストールするプロセスを指す。ＡＩタスクがＡＩエージェント上で既に展開されている場合には、ＡＩエージェント及びＡＩタスクは、本説明において交換可能に使用され得るということに留意されたい。
【0072】
本明細書では、「モデル」及び「ＡＩモデル」は交換可能に使用され、明示的に述べられない限り、同じものを意味する。同様に、「タスク」及び「ＡＩタスク」は交換可能に使用され、明示的に述べられない限り、同じものを意味する。
【0073】
図３は、教師あり学習のための一般的なＡＩパイプラインを示す。パイプラインは、通常、１）ＡＩアプリケーション又はユーザによるＡＩエージェント／タスクの展開を含むタスク構成、２）データ収集及び任意選択で特徴エンジニアリング／抽出を含むデータ準備、３）ＡＩモデルを学習するためのトレーニング、４）学習済みＡＩモデルを試験及び検証するための検証、５）検証されたＡＩモデルを展開及び転送するためのモデル展開、並びに６）新しいデータを入力（推論のための入力データと呼ばれる）として使用して、将来の知識を推論及び予測するための推論の複数のステージを含む。推論からの結果（例えば、成果）は、ＡＩモデルを再トレーニングするために、トレーニングに戻るためのアクション又はトリガに活用され得る。
【0074】
ＡＩ展開の選択に応じて、ＡＩエージェントは、１）ＡＩモデルの学習を担当する学習のためのＡＩエージェント（AI Agent for Learning、ＡＩＡ４Ｌ）、２）推論及び予測のために学習済みＡＩモデルを使用する推論のためのＡＩエージェント（AI Agent for Inference、ＡＩＡ４Ｉ）、及び３）前者の２つを組み合わせた学習及び推論のためのＡＩエージェント（AI Agent for Learning and Inference、ＡＩＡ４ＬＩ）であり得る。ＡＩモデル転送は、概して、ＡＩＡ４ＬとＡＩＡ４Ｉとの間、又は複数のＡＩＡ４ＬＩどうしの間で行われる。
【0075】
深層学習
深層学習（deep learning、ＤＬ）は、当該技術分野でよく知られているように、深層ニューラルネットワーク（Deep Neural Network、ＤＮＮ）を使用する特殊な教師付き機械学習（machine learning、ＭＬ）である。ＤＮＮは、通常、入力層、複数の隠れ層、及び出力層を含む。各層（特に隠れ層）は、前の層のニューロン及び次の層のニューロンに接続されたいくつかの人工ニューロンを有する。２つの隣接する層内の２つのニューロン間の接続には、前の層内のニューロンが次の層内のニューロンにどの程度影響を及ぼすかを示す重みが割り当てられる。ＤＮＮをトレーニングすることは、繰り返されるフィードフォワード及バックプロパゲーションを含む。
深層学習（deep learning、ＤＬ）は、当該技術分野でよく知られているように、深層ニューラルネットワーク（Deep Neural Network、ＤＮＮ）を使用する特殊な教師付き機械学習（machine learning、ＭＬ）である。ＤＮＮは、通常、入力層、複数の隠れ層、及び出力層を含む。各層（特に隠れ層）は、前の層のニューロン及び次の層のニューロンに接続されたいくつかの人工ニューロンを有する。２つの隣接する層内の２つのニューロン間の接続には、前の層内のニューロンが次の層内のニューロンにどの程度影響を及ぼすかを示す重みが割り当てられる。ＤＮＮをトレーニングすることは、繰り返されるフィードフォワード及バックプロパゲーションを含む。
【0076】
フィードフォワード：入力データは、入力層から出力層へＤＮＮを通過して出力（例えば、スカラー又はベクトル）を生成する。
【0077】
バックプロパゲーション：生成された出力を用いて、所定の損失関数に従って損失を計算する。損失は、次いで、勾配降下を使用して、出力層から入力層までずっと後方にある２つの隣接層間の重みを調整するために使用される。深層学習における学習済みＡＩモデルは、ＤＮＮにおける全てのニューロンを接続する重みのセットである。深層学習システムは、単一のＡＩエージェント（すなわち、ＡＩＡ４ＬＩ）として、又は複数の別個のＡＩエージェント（例えば、１つのＡＩＡ４Ｌ及び複数のＡＩＡ４Ｉ）として展開され得る。
【0078】
ＤＮＮは、入力を出力にマッピングする非線形関数を学習又は近似するための良好な手法を提供することができる。しかしながら、ＤＮＮをトレーニングするために使用されるデータ項目は、良好な性能（例えば、学習精度）を達成するために、相関していないか又は相関が小さいものであるべきである。ＤＮＮは、予測及び分類などの多くの機械学習問題を解決するために使用することができる。異なるタイプのＤＮＮが、異なる用途のために設計されている。例えば、畳み込みニューラルネットワーク（Convolutional Neural Network、ＣＮＮ）は、コンピュータビジョン及び音響モデリングで成功しているが、再帰型ニューラルネットワーク（Recurrent Neural Network、ＲＮＮ）及び長期短期記憶（Long Short-Term Memory、ＬＳＴＭ）は、自然言語処理に良好なツールである。
【0079】
連合学習
連合学習（ＦＬ）は、分散型ＭＬ又は分散型ＡＩのフレームワークである。ＦＬでは、トレーニングデータは、複数の分散型連合学習クライアント（Federated Learning Client、ＦＬＣ）（例えば、モバイルデバイス）においてローカルに維持される。各ＦＬＣは、ローカルトレーニング（例えば、深層学習）を実行し、ローカルモデル更新を生成し、ローカルモデル更新を、連合学習サーバ（Federated Learning Server、ＦＬＳ）に送信する。ＦＬＳは、中心エンティティとして、ＦＬＣからのローカルモデル更新を集約し、グローバルモデル更新を生成し、グローバルモデル更新は、次のトレーニングラウンドのために、参加ＦＬＣに送信される。連合学習の例示的な利点としては、１）トレーニングデータがＦＬＣに留まるので、データプライバシーの保護が改善される、２）中央エンティティにトレーニングデータを収集／送信する必要がないので、通信オーバーヘッドが低減される、３）モデルトレーニングがＦＬＣにおいて分散計算リソースを活用するので、学習速度が改善されることを挙げることができる。しかしながら、ＦＬは、ＦＬＳとＦＬＣとの間でモデル更新を送信する必要があり、これは、集中型機械学習と比較して追加の通信オーバーヘッドを導入する。また、ＦＬは、良好な学習性能を達成するために、全てのＦＬＣにおけるデータが独立同一分布（Independent and Identical Distribution、ＩＩＤ）に従うこと（すなわち、ＩＩＤデータ）を必要とする。加えて、ＦＬは、データポイズニング攻撃及びモデルポイズニング攻撃などの、潜在的なセキュリティ問題及び脅威を継承する。実際に、ＦＬＳは、学習のためのＦＬエージェント（すなわち、ＡＩＡ４Ｌ）をホストし、一方、各ＦＬＣは、学習及び推論の両方のためであり得るＦＬエージェント（すなわち、ＡＩＡ４ＬＩ）を有する。ＦＬＳ及びＦＬＣは両方ともＡＩＨであることに留意されたい。
連合学習（ＦＬ）は、分散型ＭＬ又は分散型ＡＩのフレームワークである。ＦＬでは、トレーニングデータは、複数の分散型連合学習クライアント（Federated Learning Client、ＦＬＣ）（例えば、モバイルデバイス）においてローカルに維持される。各ＦＬＣは、ローカルトレーニング（例えば、深層学習）を実行し、ローカルモデル更新を生成し、ローカルモデル更新を、連合学習サーバ（Federated Learning Server、ＦＬＳ）に送信する。ＦＬＳは、中心エンティティとして、ＦＬＣからのローカルモデル更新を集約し、グローバルモデル更新を生成し、グローバルモデル更新は、次のトレーニングラウンドのために、参加ＦＬＣに送信される。連合学習の例示的な利点としては、１）トレーニングデータがＦＬＣに留まるので、データプライバシーの保護が改善される、２）中央エンティティにトレーニングデータを収集／送信する必要がないので、通信オーバーヘッドが低減される、３）モデルトレーニングがＦＬＣにおいて分散計算リソースを活用するので、学習速度が改善されることを挙げることができる。しかしながら、ＦＬは、ＦＬＳとＦＬＣとの間でモデル更新を送信する必要があり、これは、集中型機械学習と比較して追加の通信オーバーヘッドを導入する。また、ＦＬは、良好な学習性能を達成するために、全てのＦＬＣにおけるデータが独立同一分布（Independent and Identical Distribution、ＩＩＤ）に従うこと（すなわち、ＩＩＤデータ）を必要とする。加えて、ＦＬは、データポイズニング攻撃及びモデルポイズニング攻撃などの、潜在的なセキュリティ問題及び脅威を継承する。実際に、ＦＬＳは、学習のためのＦＬエージェント（すなわち、ＡＩＡ４Ｌ）をホストし、一方、各ＦＬＣは、学習及び推論の両方のためであり得るＦＬエージェント（すなわち、ＡＩＡ４ＬＩ）を有する。ＦＬＳ及びＦＬＣは両方ともＡＩＨであることに留意されたい。
【0080】
図４は、一般的な連合学習プロセスを示し、ここで、例えば、ＦＬＳは５ＧにおけるＮＷＤＡＦであり得、ＦＬＣはＵＥであり得る。ＦＬＳ及びＦＬＣは共同で、ＦＬタスクを実行するために以下のステップをとる。
【0081】
ステップＳ４０１（図示せず）：ＦＬＳは、ＦＬタスクに参加するＦＬＣのセットを選択する。図示の例では、ＦＬＣ１～３が選択される。
【0082】
ステップＳ４０２：ＦＬＳは、選択された各ＦＬＣに対してＦＬタスクを構成する（例えば、既に展開されたＦＬタスクのローカルトレーニングを開始するようにＦＬＣに展開又は命令する）。
【0083】
ステップＳ４０３：ＦＬＳは、初期グローバルモデルを選択された各ＦＬＣに送信する。
【0084】
ステップＳ４０４：各ＦＬＣは、受信した初期グローバルモデル及びそのローカルデータに基づいて、グローバルモデルを独立してトレーニングする。
【0085】
ステップＳ４０５：ステップＳ４０４におけるローカルトレーニングラウンドの後、各ＦＬＣは、ＦＬＳに送信するローカルモデル更新を生成する。
【0086】
ステップＳ４０６：ＦＬＳは、選択されたＦＬＣからローカルモデル更新を受信し、それらを集約し、グローバルモデル更新を生成する。同期ＦＬでは、ＦＬＳは、集約を実行する前に、全ての参加ＦＬＣからローカルモデル更新を受信するまで待機する。非同期ＦＬでは、ＦＬＳは、参加しているＦＬＣのサブセットからローカルモデル更新を受信すると、集約を開始することができる。
【0087】
ステップＳ４０７はステップＳ４０３と同様であるが、ＦＬＳはグローバルモデル更新を選択されたＦＬＣに送信する。ＦＬＳは、トレーニングラウンドどうしの間で、選択されたＦＬＣのセットを変更することができ、例えば、前のセットの１つ以上のＦＬＣを保持することができるということに留意されたい。
【0088】
ステップＳ４０８は、ステップＳ４０４と同様であり、すなわち、選択されたＦＬＣは、受信したグローバルモデル更新に基づいて、グローバルモデルを独立してトレーニングする。
【0089】
ステップＳ４０９（図示せず）はステップＳ４０５と同様であり、ＦＬＣは、ローカルモデル更新をＦＬＳに送信する。次に、ＦＬＳは新しいグローバルモデル更新を生成することができ、ＦＬＳは、それを更なる反復の開始としてＦＬＣに送信することができる。
【0090】
ＡＩ関連３ＧＰＰ規格
３ＧＰＰ ＴＳ ２２．２６１（３ＧＰＰ ＴＳ ２２．２６１ Ｖ１８．５．０（２０２１－１２）；Ｓｅｒｖｉｃｅ ｒｅｑｕｉｒｅｍｅｎｔｓ ｆｏｒ ｔｈｅ ５Ｇ ｓｙｓｔｅｍ；Ｓｔａｇｅ １（Ｒｅｌｅａｓｅ １８））は、以下の３つのタイプのＡＩ動作のためのＡＩモデル転送要件を指定する。１）ＡＩエンドポイントどうしの間でのＡＩ動作の分割、２）５Ｇシステム（５ＧＳ）上でのＡＩモデル／データの分配及び共有、及び３）５ＧＳ上での分散／連合学習（ＦＬ）。
３ＧＰＰ ＴＳ ２２．２６１（３ＧＰＰ ＴＳ ２２．２６１ Ｖ１８．５．０（２０２１－１２）；Ｓｅｒｖｉｃｅ ｒｅｑｕｉｒｅｍｅｎｔｓ ｆｏｒ ｔｈｅ ５Ｇ ｓｙｓｔｅｍ；Ｓｔａｇｅ １（Ｒｅｌｅａｓｅ １８））は、以下の３つのタイプのＡＩ動作のためのＡＩモデル転送要件を指定する。１）ＡＩエンドポイントどうしの間でのＡＩ動作の分割、２）５Ｇシステム（５ＧＳ）上でのＡＩモデル／データの分配及び共有、及び３）５ＧＳ上での分散／連合学習（ＦＬ）。
【0091】
３ＧＰＰ ＴＲ２３．７００－８０（３ＧＰＰ ＴＲ ２３．７００－８０ ｖ０．３．０（２０２２－０５）Ｓｔｕｄｙ ｏｎ ５Ｇ ｓｙｓｔｅｍ ｓｕｐｐｏｒｔ ｆｏｒ ＡＩ－ｂａｓｅｄ ｓｅｒｖｉｃｅｓ（Ｒｅｌｅａｓｅ １８））は、５ＧＳにおけるＡＩベースのサービスのためのインテリジェント伝送サポートを定義することを目的とする。これは、５ＧＳアーキテクチャ拡張及び機能拡張に焦点を当てて、サービスプロバイダが、ＡＩベースのサービスをサポートするためのインテリジェント伝送プラットフォームとして５ＧＳを活用することができるようにするものである。
【0092】
ＴＲ ２３．７００－８０は、以下のようないくつかの主要な目的を有する。ＴＳ ２２．２６１において定義されるアプリケーション層ＡＩ動作をサポートするための可能なアーキテクチャ拡張及び機能拡張を研究する。通常の（非アプリケーションＡＩ）５ＧＳユーザトラフィックをサポートしながら、アプリケーションＡＩ動作トラフィックをサポートするための可能なＱｏＳ、ポリシー強化を研究する。ＡＦ及びＵＥが、ＦＬ動作及びモデル分散／再分散（例えば、ＦＬメンバ選択）を管理して、ＵＥ（すなわち、ＦＬＣ）上で実行されるアプリケーションクライアントとアプリケーションサーバ（すなわち、ＦＬＳ）との間の連合学習動作に基づいて、協調アプリケーションＡＩを容易にするために、５ＧＳがＡＦ及びＵＥに支援を提供するかどうか、及びどのように提供するかを研究する。
【0093】
加えて、３ＧＰＰは、新しいリリース１９研究項目（３ＧＰＰ ＳＡ１ Ｓ１－２２０１８３，「Ｓｔｕｄｙ ｏｎ ＡＩ Ｍｏｄｅｌ Ｔｒａｎｓｆｅｒ Ｐｈａｓｅ２，」３ＧＰＰ ＳＡ ＷＧ１ Ｍｅｅｔｉｎｇ ＃９７－ｅ，Ｆｅｂｒｕａｒｙ １４－２４，２０２２）を最近承認して、直接デバイス接続を伴う分散型ＡＩトレーニング／推論のための使用事例並びに潜在的サービス及び性能要件を研究し、それは、２つの目的、すなわち、デバイス間接続に基づく分散型ＡＩトレーニング／推論と、課金及びセキュリティ側面とを有する。
【0094】
ＥＴＳＩ ＳＡＩ
ＥＴＳＩ ＧＲ ＳＡＩ ００１０（ＥＴＳＩ ＧＲ ＳＡＩ ００１０ Ｖ０．０．１（２０２２－０１）；Ｓｅｃｕｒｉｎｇ Ａｒｔｉｆｉｃｉａｌ Ｉｎｔｅｌｌｉｇｅｎｃｅ（ＳＡＩ）；Ｔｒａｃｅａｂｉｌｉｔｙ ｏｆ ＡＩ Ｍｏｄｅｌｓ）は、ＡＩをセキュアリングする際のＡＩトレーサビリティの役割を研究し、異なるタスク又は様々な産業関連用途にわたってモデルを共有及び再利用することに関連する潜在的な問題を調査することを目的とする。ＡＩトレーサビリティの範囲は、潜在的な脅威の発見、及びそれらの関連する修復を含むが、これらに限定されない。更なるＡＩトレーサビリティは、ＡＩトレーサビリティがどこに適用可能であるかの決定を改善し、ＡＩ作成者の所有権を保護するとともに、モデル検証の起源を保護し、モデルの完全性を保証し、又はその目的を発見することができる。
ＥＴＳＩ ＧＲ ＳＡＩ ００１０（ＥＴＳＩ ＧＲ ＳＡＩ ００１０ Ｖ０．０．１（２０２２－０１）；Ｓｅｃｕｒｉｎｇ Ａｒｔｉｆｉｃｉａｌ Ｉｎｔｅｌｌｉｇｅｎｃｅ（ＳＡＩ）；Ｔｒａｃｅａｂｉｌｉｔｙ ｏｆ ＡＩ Ｍｏｄｅｌｓ）は、ＡＩをセキュアリングする際のＡＩトレーサビリティの役割を研究し、異なるタスク又は様々な産業関連用途にわたってモデルを共有及び再利用することに関連する潜在的な問題を調査することを目的とする。ＡＩトレーサビリティの範囲は、潜在的な脅威の発見、及びそれらの関連する修復を含むが、これらに限定されない。更なるＡＩトレーサビリティは、ＡＩトレーサビリティがどこに適用可能であるかの決定を改善し、ＡＩ作成者の所有権を保護するとともに、モデル検証の起源を保護し、モデルの完全性を保証し、又はその目的を発見することができる。
【0095】
ワイヤレスＡＩ使用事例
ワイヤレスネットワークにおける深層学習（ＤＬ）及びワイヤレスネットワークのための連合学習を含む、２つのワイヤレスＡＩ使用事例が説明される。両方の使用事例において、ＡＩタスク（すなわち、深層学習及び連合学習）及びＡＩモデルをエッジデータネットワーク（又はコアネットワーク）からワイヤレスデバイスに展開する必要がある。ＥＴＳＩ ＧＲ ＳＡＩ ００１０が示すように、展開されたＡＩタスク及びＡＩモデルにトレーサビリティを提供することが重要であり得るが、これは、ＡＩタスク及びＡＩモデルがそれらのライフサイクル中にトレースされることを必要とし、監査可能、説明可能、及び信頼できるＡＩを構築するための基礎として活用され得る。
ワイヤレスネットワークにおける深層学習（ＤＬ）及びワイヤレスネットワークのための連合学習を含む、２つのワイヤレスＡＩ使用事例が説明される。両方の使用事例において、ＡＩタスク（すなわち、深層学習及び連合学習）及びＡＩモデルをエッジデータネットワーク（又はコアネットワーク）からワイヤレスデバイスに展開する必要がある。ＥＴＳＩ ＧＲ ＳＡＩ ００１０が示すように、展開されたＡＩタスク及びＡＩモデルにトレーサビリティを提供することが重要であり得るが、これは、ＡＩタスク及びＡＩモデルがそれらのライフサイクル中にトレースされることを必要とし、監査可能、説明可能、及び信頼できるＡＩを構築するための基礎として活用され得る。
【0096】
図５は、ワイヤレスネットワークへのＤＬ適用の２つの例を示し、ここで、ＵＥは、ＡＩタスクをホストするＤＬエージェントをホストする。ＡＩタスクは、ＤＬモデルを使用するか、ＤＬモデルを学習するか、又はその両方である。各ＵＥにおけるＤＬエージェントは、事前にインストールされているか、又はランタイム展開される。図５では、ＤＬを別のタイプのＡＩアルゴリズムで置き換えることができるということに留意されたい。この使用事例では、基地局及び各ＵＥはＡＩＨである。
【0097】
無線リソース割り当てのためのＤＬ：ＤＬは、ＵＥ－１と基地局との間の無線リソース割り当てを学習するために使用される。例えば、ＤＬエージェント（すなわち、ＤＬＡ４Ｌ）は、基地局と同じ場所に配置されたエッジサーバに展開される。ＤＬエージェントは、無線リソース割り当てポリシーを学習するためのＡＩタスクで構成されている。ＵＥ－１（及び／又は他のＵＥ）及び基地局に関する履歴送信情報に基づいて、ＤＬエージェントは、ＵＥ－１（及び／又はＵＥ－２）に無線リソースを割り当てるためのモデルを学習する。次いで、学習済みモデルが、ＵＥ－１（及び／又はＵＥ－２）に展開される。新しいタイムスロットごとに、ＵＥ－１及び／又はＵＥ－２におけるＤＬエージェント（すなわち、ＤＬＡ４Ｉ）は、モデルを使用して、アップストリーム送信のための新しい無線リソースを決定することができる。そのようなＡＩベースの手法は、ワイヤレスチャネルダイナミクス及びワイヤレスチャネル上の変化するトラフィックをより迅速かつ正確に捕捉し、次いで、無線リソース利用の改善につながる可能性がある。
【0098】
車両間コンテンツ配布のためのＤＬ：３台の車両（すなわち、ＵＥ－３、ＵＥ－４、及びＵＥ－５）が同じ近傍内にあり、コンテンツ（例えば、メディアファイル）を共有するために互いに直接通信することができる。コンテンツをより効率的に配布するために、各車両には、ＤＬエージェント（すなわち、ＤＬＡ４ＬＩ）がインストールされており、例えば、社会的関係及びコンテンツの人気を学習する。
【0099】
図６は、ワイヤレスネットワークへのＦＬ適用の一例を示し、各ＵＥは、グローバルモデルを学習することに協力して参加し、学習済みグローバルモデルを推論のために使用するＦＬエージェントをホストする。各ＵＥにおけるＦＬエージェントは、事前にインストールされているか、又はランタイムで展開される。この場合、各ＵＥ及びエッジサーバはＡＩＨである。
【0100】
スペクトル管理のためのＦＬ：ＦＬは、正確なスペクトル利用モデルを学習するために使用される。各ＵＥ（すなわち、ＵＥ－１、ＵＥ－２、ＵＥ－３、及びＵＥ－４）は、ローカルモデル更新を生成するためにＦＬＣとして働くＦＬエージェント（すなわち、ＦＬＡ４ＬＩ）をホストする。ローカルモデル更新はエッジサーバに送信され、エッジサーバは、グローバルモデル更新を生成するためにＵＥからのローカルモデル更新を集約することを主に担当するＦＬエージェント（すなわち、ＦＬＡ４Ｌ）を有する。グローバルモデル更新は、グローバルモデルが収束するまで次のトレーニングラウンドを継続するためにＵＥに送信される。次いで、収束した最終グローバルモデルは、各ＵＥにおけるＦＬエージェントに送信され、各ＵＥは、そのローカルスペクトルアクセスを管理するために最終グローバルモデルとともにＦＬエージェントを使用する。
【0101】
ワイヤレスネットワークのための前述のＡＩ使用事例では、ＵＥは、典型的には、モデルを学習するか、知識推論のためにモデルを使用するか、又は両方に参加する、ＡＩエージェント（例えば、ＡＩＡ４Ｌ、ＡＩＡ４Ｉ、又はＡＩＡ４ＬＩ）をホストする。ワイヤレスネットワークのための特定のＡＩ方式を展開するためには、ＡＩエージェント（例えば、ソフトウェア）は、最初に、対応するＵＥ、及び／又はエッジサーバなどの他のネットワークノード上にインストールされる必要がある。次いで、ＡＩエージェントは、トレーニングデータの収集を要求し得るＡＩモデルのトレーニングを開始する。ＡＩモデルがトレーニングされた後、ＡＩエージェントは、ＡＩモデルが展開される（例えば、あるＡＩエージェントから別のＡＩエージェントに転送される）前に、試験データ及び検証データに対してＡＩモデルを試験及び検証する必要がある。最後に、展開又は転送されたＡＩモデルを使用して、実データから将来の知識を推論及び予測し、これに基づいてアクションを取ることができる。
【0102】
特に、分散された当事者が存在し、データポイズニング攻撃などのＡＩエージェント及びＡＩモデルに対する潜在的な脅威が発生する可能性があるワイヤレス環境内で、このＡＩシステム全体を信頼できるものにすることが重要であり得る。そのため、１つの手法は、ＡＩシステム全体をトレースして文書化することであり、ＡＩトレーサビリティと呼ばれる。ＡＩトレーサビリティに対するそのような要件は、ＡＩエージェント、ＡＩアプリケーション、又はＡＩユーザに由来し得る。しかしながら、ＡＩシステム全体をトレースすることは、特にネットワーク遅延が重要なパラメータである通信システムにおいて、莫大なオーバーヘッドを導入する場合がある。更に、ＡＩシステムの各ステージをトレースする必要がない場合がある。例えば、連合学習では、トレーニングステージが、より多くの潜在的な脅威又はリスクを伴って、複数の分散ノードによって実行されるので、トレーニングステージをトレースすることは、推論ステージよりも重要であり得る。一般に、効率的で柔軟なＡＩトレーサビリティ方式が、特にワイヤレスＡＩ使用事例に必要とされ得る。本原理によれば、ＡＩトレース情報又はＡＩトレース記録又はＡＩトレース文書は、ＡＩシステム又はＡＩパイプラインをトレースすることから生成される情報である。
【0103】
本原理によるＡＩ管理は、複数のステージ／動作／手順を主に指すが、その例としては、ＡＩＨをリポジトリに登録するためのＡＩホスト登録、ＡＩタスク展開、ＡＩモデル登録、ＡＩモデル発見、及びＡＩモデル転送／展開などが挙げられるが、これらに限定されない。既存のＡＩ管理手順は、トレーサビリティを意識しておらず、その結果、ＡＩ管理が非効率的になり、ＡＩの信頼性が低下し、最終的にＡＩに対するユーザの信頼が低くなる場合がある。例えば、ＡＩユーザは、トレーサビリティをサポートするＡＩモデルを発見する必要がある場合があり、これは、ＡＩユーザに対してより良い透明性及び信頼性を提供することができる。しかしながら、トレーサビリティを意識しないＡＩモデル登録は、ＡＩモデルがトレーサビリティをサポートするか否かを示すことができず、ひいては、ＡＩユーザのニーズを満たすことができない。加えて、ＡＩタスク／モデルが展開されるときにトレーサビリティがサポートされていない場合、ＡＩタスク／モデルは除去され、後でトレーサビリティが要求されるときに再展開される必要があり得る。最悪の場合、トレーサビリティの欠如に起因して、ＡＩモデル／タスクは、多数回（再）展開及び／又は再トレーニングされる必要があり得るが、これは、繰り返されるＡＩ管理手順及び消費されるリソースに関して、余分なオーバーヘッドを導入する。更に、これらのＡＩ管理ステージ／手順の各々は、異なる物理ノード及び／又は論理ノードによって行われてもよい。例えば、無線リソース割り当てのための図５におけるトレーニング及び知識推論は、それぞれ基地局及びＵＥによって行われる。これらの物理ノード及び／又は論理ノードは、一般に、トレーサビリティアウェアＡＩ管理を可能にするために統一された様式で一緒に考慮されるべきである異なるリソース（例えば、計算能力）を有する。
【0104】
上述の考察を前提として、以下の問題が特定される。
【0105】
問題＃１：ＡＩパイプラインを柔軟にトレースすることができるＡＩ管理アーキテクチャをどのように設計するか？
【0106】
現実世界のＡＩシステム（例えば、ＦＬシステム）は、例えば、ＡＩタスクのタイプ、利用可能なトレーニングデータの量、関与するＡＩエージェントの数、及び関与するＡＩエージェントの能力に関して、動的かつ異なる種類のものであり得る。トレーサビリティアウェアＡＩ管理アーキテクチャは、異なるＡＩシステム、異なるＡＩタスク、及び異なるＡＩエージェントに適用可能かつ適応可能であるべきである。そのような柔軟なトレーサビリティアウェアＡＩ管理アーキテクチャはまた、異なるが適切なトレーサビリティ命令を使用して異なるレベルのトレーサビリティをサポートし（例えば、ＡＩパイプライン全体をトレースし、又はパイプラインの１つのステージをトレースし）、必要に応じて適切なＡＩトレース記録を生成することができる、かつ／又はそのように拡張可能であり得る。一例として、そのような柔軟なトレーサビリティアウェアＡＩ管理アーキテクチャは、異なるＡＩシステムのトレーサビリティをそれらの要件に基づいて可能にするために活用することができる共通の方法／インターフェース／手順を提供することができる。
【0107】
柔軟なトレーサビリティアウェアＡＩ管理アーキテクチャを設計するために、以下の問題が考慮される。
【0108】
問題＃２：トレーサビリティアウェアＡＩホスト登録。
【0109】
ＡＩホストがそれ自体をＡＩリポジトリエンティティに登録する場合、ある方法では、ＡＩホストのトレース能力、及びそのトレース能力を他のエンティティにどのように公開するかを表すことができる。
【0110】
問題＃３：トレーサビリティアウェアＡＩタスク展開。
【0111】
ＡＩタスクが展開される場合、ＡＩタスクが構成されたトレース命令に従ってそれ自体を自動的にトレースすることができるように、明示的かつ同時に、ＡＩタスクのためのトレース命令を構成することが重要であり得る。
【0112】
問題＃４：トレーサビリティアウェアＡＩモデル登録。
【0113】
ＡＩモデルがＡＩリポジトリエンティティに登録される場合、ある方法では、適切なトレース命令を構成又はＡＩモデルに関連付けることができる。
【0114】
問題＃５：トレーサビリティアウェアＡＩモデルの発見及び展開。
【0115】
ＡＩホストがＡＩモデルを発見し、インストール／ホストすることを要求する場合、ある方法では、発見されたＡＩモデルのトレース命令が、ＡＩホストのトレース能力に一致することを保証することができる。
【0116】
概要
ここで、以下の用語は次のように定義される。
ここで、以下の用語は次のように定義される。
【0117】
ＡＩモデル：トレーニングデータ内のパターンを正確にモデル化又は捕捉することができる、トレーニングデータからの学習済みモデル（例えば、パラメータのセット）。
【0118】
ＡＩタスク：ＡＩモデルをトレーニングするため、及び／又はトレーニング済みＡＩモデルを使用するためのタスク。ＡＩタスクは、関連情報（例えば、初期ＡＩモデル、トレーニングデータ、及び／又は入力データ）を有するソフトウェアとして、ＡＩホストに展開され得る。
【0119】
ＡＩエージェント：ＡＩタスクを実行することができるエンティティ。ＡＩエージェントは、ＡＩホストによってホストされ、ＡＩホストは、複数のＡＩエージェントをホストすることができる。ＡＩエージェントは、知識を推論するために、ＡＩモデルを生成／トレーニングし、かつ／又はトレーニング済みＡＩモデルを使用することができる。
【0120】
ＡＩホスト：１つ以上のＡＩエージェントをサポートするソフトウェア及びハードウェアの両方を有するエンティティ。
【0121】
ＡＩリポジトリ：ＡＩホスト及び／又はＡＩモデルの登録、ＡＩホスト及び／又はＡＩモデルの発見などを可能にするエンティティ。
【0122】
ＡＩパイプライン：１つ以上のＡＩタスクを実行するためのステージのセット。ＡＩパイプラインは、タスク構成、データ準備、ＡＩモデルを学習するためのトレーニング、学習済みＡＩモデルの試験のための検証及び学習済みＡＩモデルの検証、検証済みＡＩモデルを展開及び転送するためのモデル展開、並びに新しいデータを入力として使用して将来の知識を推論及び予測するための推論のうちの１つ以上（例えば、全て）を含み得る。
【0123】
ＡＩトレースマネージャ：ＡＩパイプラインをトレースすべきかどうか、いつ、どのように、及び／又は何をトレースすべきかを管理するエンティティ。ＡＩトレースマネージャは、ＡＩホスト、ＡＩエージェント、ＡＩタスク、及び／又はＡＩモデルのための／それらからのトレース命令を、生成、構成、更新、除去し得る。
【0124】
トレース命令：ＡＩパイプラインをトレースすべきかどうか、いつ、どのように、及び／又は何をトレースすべきかを記述するための仕様、条件、基準、ポリシー、又はルール。ＡＩエージェント（又はＡＩホスト）は、構成されたトレース命令に従ってトレース記録を生成する。トレース命令は、トレース条件、トレース基準、トレースコマンド、トレースルール、及び／又はトレースポリシーと呼ぶことができる。
【0125】
ＡＩマネージャ：ＡＩタスク、ＡＩエージェント、ＡＩホスト、ＡＩリポジトリ、更にはＡＩトレースマネージャを管理するエンティティ。
【0126】
分散型ストレージシステム（Distributed Storage System、ＤＳＳ）：情報（例えば、ＡＩモデルについての情報、ＡＩホストに関する情報、トレーニングデータ、推測された知識、トレース命令、トレース記録など）を記憶するシステム。ＤＳＳは、分散型データベース、分散型台帳、ブロックチェーンシステムなどであり得る。
【0127】
トレーサビリティアウェアＡＩ管理アーキテクチャ
ＡＩ管理は、ＡＩホスト登録、ＡＩタスク展開、及びＡＩモデル展開などの、ＡＩホスト、ＡＩタスク、及びＡＩモデルを管理するための動作を指す。ＡＩタスク又はＡＩモデルが展開された後にそれらをトレースするために使用される従来のＡＩ管理ソリューションは、展開後トレース手法と呼ばれる。本原理は、ＡＩ管理動作中に同時にＡＩトレーサビリティを可能にするか又は埋め込む、よりプロアクティブな手法を提案する。例えば、展開後トレース手法は、展開されたＡＩタスクがＡＩトレーサビリティをサポートしない場合、失敗する場合がある。更に、例えば、展開後トレース手法が、ＡＩトレーサビリティをサポートするために、展開されたＡＩタスクを修正又は再展開する必要があり得る余分なオーバーヘッドを本原理は回避又は低減することができる。トレーサビリティアウェアＡＩ管理フレームワークは、ＡＩタスク／モデルがトレースされる必要があるもの（すなわちトレース命令）と、ＡＩホストが、それがホストするＡＩタスク／モデルをトレースするために割り当てる又は与えることができるリソース（すなわちトレース能力）とを一緒に考慮することによって、トレーサビリティ有効化とＡＩ管理とを結合するプロアクティブなトレース手法として提案されている。提案されたトレーサビリティアウェアＡＩ管理フレームワークは、特定のＡＩシステム／タスク／モデルに限定されない、必須かつ共通の機能及びインターフェースを提供する（例えば、ＡＩタスクを構成するときにトレース命令を構成する）ことができる。更に、提案されたトレーサビリティアウェアフレームワークは、異なるＡＩホストへの適切なトレース命令を、それらのトレース能力及びそれらがホストするＡＩタスク／モデルの特性に応じて構成することを可能にする。したがって、ＡＩパイプラインに関するより有用なトレース情報を収集することが可能になり得る。
ＡＩ管理は、ＡＩホスト登録、ＡＩタスク展開、及びＡＩモデル展開などの、ＡＩホスト、ＡＩタスク、及びＡＩモデルを管理するための動作を指す。ＡＩタスク又はＡＩモデルが展開された後にそれらをトレースするために使用される従来のＡＩ管理ソリューションは、展開後トレース手法と呼ばれる。本原理は、ＡＩ管理動作中に同時にＡＩトレーサビリティを可能にするか又は埋め込む、よりプロアクティブな手法を提案する。例えば、展開後トレース手法は、展開されたＡＩタスクがＡＩトレーサビリティをサポートしない場合、失敗する場合がある。更に、例えば、展開後トレース手法が、ＡＩトレーサビリティをサポートするために、展開されたＡＩタスクを修正又は再展開する必要があり得る余分なオーバーヘッドを本原理は回避又は低減することができる。トレーサビリティアウェアＡＩ管理フレームワークは、ＡＩタスク／モデルがトレースされる必要があるもの（すなわちトレース命令）と、ＡＩホストが、それがホストするＡＩタスク／モデルをトレースするために割り当てる又は与えることができるリソース（すなわちトレース能力）とを一緒に考慮することによって、トレーサビリティ有効化とＡＩ管理とを結合するプロアクティブなトレース手法として提案されている。提案されたトレーサビリティアウェアＡＩ管理フレームワークは、特定のＡＩシステム／タスク／モデルに限定されない、必須かつ共通の機能及びインターフェースを提供する（例えば、ＡＩタスクを構成するときにトレース命令を構成する）ことができる。更に、提案されたトレーサビリティアウェアフレームワークは、異なるＡＩホストへの適切なトレース命令を、それらのトレース能力及びそれらがホストするＡＩタスク／モデルの特性に応じて構成することを可能にする。したがって、ＡＩパイプラインに関するより有用なトレース情報を収集することが可能になり得る。
【0128】
提案されるトレーサビリティアウェアＡＩ管理は、以下の機能のうちの少なくとも１つを特徴とする。
【0129】
ＡＩトレースマネージャ（AI Trace Manager、ＡＩＴＭ）は、ＡＩタスク／モデルのトレース命令と、ＡＩタスク／モデルをホストするＡＩホスト（ＡＩＨ）のトレース能力（例えば、生成されたＡＩトレース記録を記憶するために利用可能なストレージ）とに基づいて、ＡＩタスク／モデルをトレースするための（例えば、各トレーニングラウンドについてＡＩトレース記録を生成するための）トレース命令を提供及び決定することができる。ＡＩＨは、ＡＩＡ４Ｌ、ＡＩＡ４Ｉ、及び／又はＡＩＡ４ＬＩであり得る、１つ以上のＡＩエージェントをホストし得るということに留意されたい。
【0130】
ＡＩＨは、そのトレース能力をＡＩリポジトリ（ＡＩＲ）に登録することができ、ＡＩリポジトリは、ＡＩマネージャ（ＡＩＭ）などの両方のエンティティに公開され、それらによって発見され得る。ＡＩＨは、ＡＩモデルプロデューサ（ＡＩＭＰ）又はＡＩモデルユーザ（AI Model User、ＡＩＭＵ）であり得る。ＡＩＭＰは、１つ以上のＡＩＡ４Ｌ又はＡＬＡ４ＬＩをホストすることができ、ＡＩＭＵは、１つ以上のＡＩＡ４Ｉをホストすることができる。ＡＩＲは、登録された各ＡＩＨを、分散型台帳システムなどの分散型ストレージシステム（ＤＳＳ）に公開することができる。
【0131】
ＡＩＭは、ＡＩタスクを用いてトレース命令を構成することによって、ＡＩタスクをＡＩＭＰに展開するときに、同時にトレーサビリティを可能にすることができる。トレース命令は、ＡＩＭＰがサポートできるトレース能力に一致する。
【0132】
ＡＩＭは、ＡＩタスクを用いてトレース命令を構成することによって、ＡＩタスクをＡＩＭＵに展開するときに、同時にトレーサビリティを可能にすることができる。トレース命令は、ＡＩＭＵがサポートできるトレース能力に一致する。
【0133】
ＡＩＲはまた、ＡＩＭＰが生成し、ＡＩＲに登録するＡＩモデルのリストを維持することができる。ＡＩＭＰがＡＩモデルを登録するとき、ＡＩＭＰは、ＡＩモデルのためのトレース命令を構成することができる。ＡＩＭＵは、ＡＩＭＵのトレース能力に一致するトレース命令を有する適切なＡＩモデルを発見するために、ＡＩＲにアクセスすることができる。ＡＩＲは、登録された各ＡＩモデルを分散型台帳システムなどのＤＳＳに公開することができる。
【0134】
トレース命令を有するＡＩタスクがＡＩＭＰにインストールされている場合、ＡＩＭＰはＡＩタスクを実行し、その間に、ＡＩタスクで構成されたトレース命令に従ってＡＩトレース記録を生成する。ＡＩトレース記録は、分散型台帳システムなどのＤＳＳに送信される。
【0135】
ＡＩタスクと、トレース命令を有する対応するＡＩモデルとがＡＩＭＵにインストールされた後、ＡＩＭＵは、ＡＩタスクを実行し、その間に、ＡＩタスク／モデルで構成されたトレース命令に従ってＡＩトレース記録を生成する。ＡＩトレース記録は、分散型台帳システムなどの分散型ストレージシステム（ＤＳＳ）に送信される。
【0136】
ＡＩＭは、新しいＡＩモデルを能動的に発見し、それを新しいトレース命令を有するＡＩＭＵにプッシュすることができる。
【0137】
ＡＩＭＰは、部分的にトレーニングされたＡＩモデルを、トレース命令とともにＡＩＲに事前登録するか、又はそれをＡＩＭＵに通知することができる。ＡＩモデルが完全にトレーニングされた後、ＡＩＭＰは、ＡＩモデルをＡＩＲ又はＡＩＭＵに能動的にプッシュすることができる。
【0138】
図７は、いくつかの論理エンティティを含む、提案されたトレーサビリティアウェアＡＩ管理アーキテクチャの実施形態を示し、そのアーキテクチャは、ＡＩマネージャ（ＡＩＭ）、ＡＩトレースマネージャ（ＡＩＴＭ）、ＡＩリポジトリ（ＡＩＲ）、ＡＩモデルプロデューサ（ＡＩＭＰ）、ＡＩモデルユーザ（ＡＩＭＵ）、及び分散型データシステム（Distributed Data System、ＤＤＳ）を含む。このアーキテクチャの顕著な特徴は、これらの論理エンティティ間の協調的対話によって統合されたＡＩパイプライン管理及びトレーサビリティである。言い換えれば、ＡＩトレーサビリティは、提案されたアーキテクチャで、ＡＩタスク及びモデルを管理するプロセスにおいて効率的に有効化され得る。図７のＡＩＭＵ及びＡＩＭＰは、ＡＩＡ４ＬＩエージェントをホスト及びサポートするために組み合わせることができるということに留意されたい。
【0139】
ＡＩタスク：ＡＩタスクは、あるＡＩモデルプロデューサ（ＡＩＭＰ）又はあるＡＩモデルユーザ（ＡＩＭＵ）に、そのＡＩＭＰ又はそのＡＩＭＵにおけるＡＩエージェントの一部としてインストールすることができる。ＡＩＭＰは、学習のためのＡＩエージェント（ＡＩＡ４Ｌ）を有し、これは、１）ＡＩモデルをトレーニング及び生成し、２）インストールされたトレース命令に従ってＡＩトレース記録を生成するために使用される。対照的に、ＡＩＭＵは、推論のためのＡＩエージェント（ＡＩＡ４Ｉ）を有し、これは、１）インストールされたＡＩモデル及び推論のための入力データに基づいて、知識を推論し、２）インストールされたトレース命令に従って、ＡＩトレース記録を生成するために使用される。ＡＩＭＵ及びＡＩＭＰは、ＵＥ又はエッジサーバなどの同じ物理ノード内に併置され得る。ＡＩトレーサビリティ及びＡＩ管理をサポートするために、各ＡＩエージェント（又はＡＩタスクエグゼキュータ）は、新しいアプリケーションプログラミングインターフェース（Application Programming Interface、ＡＰＩ）をサポートすることができる。
【0140】
一例として、単一のＡＰＩとして実装することができる以下の３つのＡＰＩを使用して、ＡＩタスクと通信することができる。単一のＡＰＩとして実装される場合、要求は、以下のＡＰＩ機能のうちのどれがトリガされるかを示すことができる。
【0141】
ＴＲＡＣＥ－ＩＮＳＴＲＵＣＴＩＯＮ－ＣＯＮＦＩＧ－ＡＰＩ（トレース－命令－構成－ＡＰＩ）：このＡＰＩは、ＡＩマネージャ（ＡＩＭ）又はＡＩトレースマネージャ（ＡＩＴＭ）などの他のエンティティが、ＡＩエージェントへの１つ以上のトレース命令を構成することを可能にする。ＡＩエージェントが対応するＡＩタスクを実行すると、ＡＩエージェントはトレース命令に従ってＡＩトレース記録を生成する。
【0142】
ＴＲＡＣＥ－ＲＥＣＯＲＤ－ＭＧＭＴ－ＡＰＩ（トレース－記録－管理－ＡＰＩ）：このＡＰＩは、他のエンティティが、生成されたＡＩトレース記録を取り出す／削除することを可能にするか、又はＡＩエージェントが、生成されたＡＩトレース記録を、このインターフェースを介して、他のエンティティ（例えば、ＤＳＳ又はＡＩＭ）に能動的にプッシュすることを可能にする。
【0143】
ＭＯＤＥＬ－ＭＧＭＴ－ＡＰＩ（モデル－管理－ＡＰＩ）知識を推論するためのＡＩタスク（すなわち、ＡＩＡ４Ｉ）は、他のエンティティ（例えば、ＡＩＭ、ＡＩＨ）が、ＡＩエージェントによって使用されるＡＩモデルを動的に構成／更新／取り出すことを可能にする、この追加的ＡＰＩを有し得る。このＡＰＩは、特にＴＲＡＣＥ－ＩＮＳＴＲＵＣＴＩＯＮ－ＣＯＮＦＩＧ－ＡＰＩが利用可能でないときに、ＡＩモデルと関連するトレース命令との両方を同時に構成することができる。
【0144】
各ＡＰＩは、例えば、以下のＡＰＩ情報（ＡＰＩ－Ｉｎｆｏと呼ばれる）を使用して記述することができる。通信のためのＡＰＩのエンドポイント（例えば、ＵＲＩ、ＦＱＤＮ、ＩＰアドレスなど）、ＡＰＩのトランスポート情報、例えば、プロトコルのタイプ（例えば、ＲＥＳＴ／ＨＴＴＰ、ＣｏＡＰ、Ｔｏｐｉｃ－ｂａｓｅｄ、Ｐｕｂ Ｓｕｂ、ＲＰＣ、ＷｅｂＳｏｃｋｅｔなど）、セキュリティ関連情報（例えば、セキュリティ認証証明、証明書、公開鍵など）、バージョンなど。
【0145】
各ＡＰＩのＡＰＩ－Ｉｎｆｏは、別のエンティティ（例えば、ＡＩマネージャ、ＡＩトレースマネージャ、ＡＩリポジトリなど）と共有され、かつ／又はそれによって構成され得る。
【0146】
ＡＩモデル：ＡＩモデルは、ＡＩＭＰによって生成することができ、ＡＩＭＰは、対応するＡＩアルゴリズム（例えば、ＤＮＮのバックプロパゲーション）に従ってＡＩモデル（例えば、ＤＮＮのパラメータ／重みのセット）をトレーニングするためにＡＩタスクを実行するＡＩエージェントを有する。独立型ＡＩＭＰは、単独でＡＩモデルを生成することができる。複数のＡＩＭＰもまた、ＡＩモデルを協調的にトレーニングすることができ、トレース命令は、この場合には、ＡＩＭによって定義及び作成することができる。例えば、ＦＬ設定では、ＦＬサーバ及びＦＬクライアントは、収束グしたローバルＡＩモデルを生成するために協働する。ＡＩＭＵは、実際のデータ入力に基づいて知識を推論するために生成されたＡＩモデルを使用することができ、複数のＡＩＭＵは、異なるデータ入力で同じＡＩモデルを使用することができる。ＡＩモデルのコンテンツは、それ自体のトレース命令及び要件（Ｔｒａｃｅ－Ｉｎｓｔｒｕｃｔｉｏｎｓ）を含むことができ、どのＡＩタスクがこのＡＩモデルを使用しているかに基づいて、各ＡＩタスクは、それに応じてＡＩトレース記録を生成することができる。ＡＩＭＰにおけるＡＩモデルのステータスは、例えば、完全にトレーニングされている（ＡＩモデルが完全にトレーニングされて検証されており、知識を推論するために展開することができる）か、２）部分的にトレーニングされている（ＡＩＭＰがモデルのトレーニング又は検証を終了しておらず、知識を推論するために展開又は使用することができない）かであり得る。
【0147】
ＡＩトレース命令（ＡＴＩ）：ＡＩトレース命令は、ＡＩタスクからのＡＩプロセス及び結果として生じる情報（例えば、モデル重み、推論結果など）が、トレーサビリティのために、どの条件下でどのように記録されるべきかを記述する。ＡＩトレース命令及びトレース命令は、本開示において交換可能に使用される。
【0148】
ＡＩマネージャ（ＡＩＭ）：ＡＩＭは、ＡＩタスクのリストを維持する。ＡＩＭの主な目的は、ＡＩタスク及びモデルを管理しながらＡＩトレーサビリティを可能にすることである。具体的には、ＡＩＭは、ＡＩトレースマネージャ（ＡＩＴＭ）へのトレース命令の要求及びＡＩＴＭからのトレース命令の受信、ＡＩＲからのＡＩモデルプロデューサ（ＡＩＭＰ）の発見、ＡＩＭＰへのＡＩタスクのインストール、ＡＩＲからのＡＩモデルの発見及びダウンロード、ＡＩリポジトリ（ＡＩＲ）からのＡＩモデルユーザ（ＡＩＭＵ）の発見、並びにＡＩＭＵへのＡＩタスク及びＡＩモデルのインストールを担当する。
【0149】
例として、最初に、ＡＩＭは、１つ以上のＡＩタスクのために、ＡＩトレースマネージャ（ＡＩＴＭ）にトレース命令を要求するか又はそれからトレース命令を受信する。ＡＩＴＭはまた、ＡＩＭからＡＩタスクを能動的に取り出し、次いで、各タスクのための適切なトレース命令を構成し得る。トレース命令は、１つ以上のＡＩタスクに適用することができる。結果として、各トレース命令は、トレース命令が適用され得るＡＩタスクを示す、ＡＩタスクＩＤのリストを含む。１つのＡＩタスクは、複数のトレース命令で適用又は実施することができる。
【0150】
次いで、ＡＩＭは、選択されたＡＩタスクをＡＩＭＰにインストールすることを決定する。ＡＩＭは、選択されたＡＩタスクのためのＡＩＭＰをＡＩＲから発見する。ＡＩＭは、ＡＩタスク自体（すなわち、任意の必要な構成ファイルを有するソフトウェアコード）と、ＡＩＴＭから受信した適用可能なトレース命令とを含むＡＩタスクパッケージを生成する。ＡＩＭは、ＡＩタスクパッケージをＡＩＭＰに送信し、ＡＩＭＰは、ＡＩタスクパッケージを、そのＡＩエージェントにローカルにインストールする。その後、ＡＩＭ及びＡＩＴＭは、そのＴＲＡＣＥ－ＣＯＮＦＩＧ－ＡＰＩ（トレース－構成－ＡＰＩ）を介して、ＡＩタスクへの新しいトレース命令を再構成することができる。
【0151】
ＡＩタスクをＡＩＭＰにインストールするのと同様に、ＡＩＭは、別のＡＩタスクをＡＩＭＵにインストールすることができ、トレース命令は、ＡＩＭＵに送信されるＡＩタスクパッケージに埋め込まれる。ＡＩＭは、ＡＩＲからＡＩＭＵを発見することができる。ＡＩＭＵに送信されるＡＩタスクパッケージは、ＡＩＭが発見してＡＩＲからダウンロードすることができる１つ以上のＡＩモデルを含むことができる。ＡＩタスクパッケージがＡＩモデルを含まない場合、ＡＩＭＵは、ＡＩＲからＡＩモデルを発見し、ダウンロードすることができる。あるいは、ＡＩＭ又はＡＩＲは、そのＭＯＤＥＬ－ＭＧＭＴ－ＡＰＩを介して、ＡＩＭＵでインストールされたＡＩタスクに対してＡＩモデルを構成することができる。
【0152】
ＡＩトレースマネージャ（ＡＩＴＭ）：ＡＩＴＭは、ＡＩ管理の一部としてＡＩトレーサビリティを有効化する。ＡＩＴＭは、管理アプリケーションであってもよく、ＡＩＭの一部として実装されてもよい。ＡＩＴＭは、ＡＩＭ、ＡＩＭＰ、及び／又はＡＩＭＵを介して１つ以上のＡＩタスクのためのトレース命令を構成することを主に担当する。ＡＩＴＭは、ＡＩＭ、ＡＩＭＰ、及び／又はＡＩＭＵからの任意の構成されたトレース命令を更新又は削除することができる。更に、ＡＩＴＭは、分散型ストレージシステム（ＤＳＳ）に記憶されたＡＩトレース記録を管理することができる。
【0153】
ＡＩＴＭは、ＡＩＭからＡＩタスクを発見し、供給されたポリシーに従って、ＡＩタスクのための適用可能なトレース命令を決定することができる。あるいは、ＡＩＭは、ＡＩＴＭにＡＩタスクを要求し、そのトレース命令を取り出すことができる。
【0154】
ＡＩＴＭは、ＡＩＭＰにインストールされたＡＩタスクのための任意の構成されたトレースポリシーを、そのＴＲＡＣＥ－ＭＧＭＴ－ＡＰＩを介して、更新及び除去することができる。
【0155】
ＡＩＴＭは、ＡＩＭＵにインストールされたＡＩタスクのための任意の構成されたトレースポリシーを、そのＴＲＡＣＥ－ＭＧＭＴ－ＡＰＩを介して、更新及び削除することができる。
【0156】
ＡＩＴＭは、ＤＳＳに記憶されたＡＩトレース記録を照会、取り出し、集約、更には修正することができる。
【0157】
ＡＩリポジトリ（ＡＩＲ）：ＡＩＲは、登録されたＡＩモデルのリストを維持する。ＡＩＲはまた、潜在的なＡＩＭＰ及びＡＩＭＵのリストを維持することができる。ＡＩＲは主に以下の動作を担当する。
【0158】
ＡＩＭＰは、それ自体及び／又はそのモデルをＡＩＲに登録することができ、それにより、１）ＡＩＭＰとしてそれを使用することができ、ＡＩモデルをトレーニングするためにＡＩタスクをホストすることができるかどうか、及び／又は２）ＡＩＲに登録されるべきトレーニング済みＡＩモデルを有するかどうかを示す。ＡＩＲへのこの登録中に、ＡＩＭＰは、そのトレース能力（Ｔｒａｃｅ－Ｃａｐａｂｉｌｉｔｙ）も示すことができ、これは、ＡＩＭＰが、ＡＩＭＰにおいてＡＩタスクをトレースするために割り当てることができる利用可能なコンピューティング／ストレージ／通信リソースの量として説明することができる。
【0159】
ＡＩＭＵは、それ自体及び／又はそのモデルをＡＩＲに登録することができ、それにより、１）ＡＩＭＵとしてそれを使用することができ、ＡＩモデルを使用して知識を推論するためにＡＩタスクをホストすることができるかどうか、及び／又は２）それが知識推論のためになんらかのＡＩモデルをインストールしているかどうかを示す。ＡＩＲへのこの登録中に、ＡＩＭＵは、そのトレース能力（Ｔｒａｃｅ－Ｃａｐａｂｉｌｉｔｙ）も示すことができ、これは、ＡＩＭＵが、ＡＩＭＵにおいてＡＩタスクをトレースするために割り当てることができる利用可能なコンピューティング／ストレージ／通信リソースの量として説明することができる。
【0160】
ＡＩＭＵは、ＡＩＭＵにおいてインストールされたＡＩタスク（すなわち、ＡＩエージェント）のために、ＡＩＲからＡＩモデルを能動的に発見し、ダウンロードすることができる。このプロセス中に、ＡＩＲは、ＡＩＭＵでのＡＩタスクのための新しいトレース命令を構成するか、又は既存のトレース命令を更新することができる。
【0161】
ＡＩＲはまた、登録されたＡＩモデルのリスト、登録されたＡＩＭＰのリスト、登録されたＡＩＭＵのリストをＤＳＳに記憶することができる。この場合、ＡＩＭは、ＤＳＳから直接、ＡＩモデル、ＡＭＩＰ、及び／又はＡＩＭＵを発見することができる。ＡＩＭＵは、ＤＳＳから直接、ＡＩモデルを発見してダウンロードすることもできる。
【0162】
ＡＩモデルプロデューサ（ＡＩＭＰ）：ＡＩＭＰは、学習のためのＡＩエージェント（ＡＩＡ４Ｌ）によって処理されるＡＩトレーサビリティをサポートしながら、ＡＩモデルをトレーニング及び生成するためにＡＩタスクをホストすることができる。この目的を達成するために、ＡＩＭＰは、以下のように他のエンティティと対話することができる。
【0163】
ＡＩタスクがインストールされる前に、ＡＩＭＰは、そのトレース能力（Ｔｒａｃｅ－Ｃａｐａｂｉｌｉｔｙ）とともにそれ自体をＡＩＲに登録することができ、その結果、ＡＩＭ（及び／又はＡＩＴＭ）はＡＩＭＰを見つけることができ、ＡＩＭはそのＴｒａｃｅ－Ｃａｐａｂｉｌｉｔｙに一致する適切なＡＩタスクをＡＩＭＰに割り当てることができる（及び／又はＡＩＴＭはトレース命令をＡＩＭＰに割り当てることができる）。
【0164】
ＡＩタスクがインストールされた後、ＡＩＭＰはＡＩタスクを実行して、ＡＩタスクによって指定されたＡＩモデルをトレーニングする。ＡＩＭＰは、ＡＩタスクに関連付けられたトレース命令に従って、モデルをトレーニングしながらＡＩトレース記録を生成することができる。ＡＩＭＰは、生成されたＡＩトレース記録をＤＳＳに記憶することができる。ＡＩＭＰはまた、ＤＳＳ上に記憶されたそれらのＡＩトレース記録を管理（例えば、照会、取り出し、集約、修正、削除）することができる。
【0165】
ＡＩモデルがトレーニングされた後、ＡＩＭＰは、ＡＩモデルをＡＩＲに登録し、ＡＩＭＵがＡＩモデルをダウンロードするのを待ち、かつ／又はＡＩモデルをＡＩＭＵに能動的にプッシュすることができる。生成されたＡＩモデルをどのように処理するかは、ＡＩタスクの一部として説明されている場合がある。
【0166】
ＡＩＭＰがＡＩモデルをトレーニングするためにＡＩタスクを実行するとき又は実行した後、ＡＩＴＭ及び／又はＡＩＭは、ＡＩタスクに関連付けられたトレース命令を更新することができる。
【0167】
ＡＩＭＰは、埋め込みＡＩＴＭを有することができ、これは、ＡＩＭＰにおけるＡＩエージェント及び／又はＡＩＭＰによって提供されるＡＩモデルを使用する他のＡＩエージェントのトレーサビリティを管理する。
【0168】
ＡＩモデルユーザ（ＡＩＭＵ）：ＡＩＭＵは、ＡＩタスクをホストし、これは、ＡＩモデルを使用して知識を推論する。ＡＩＭＵは、そのような知識推論ステージ中に、ＡＩトレーサビリティをサポートすることができる。知識推論中のＡＩトレーサビリティ機能は、推論用ＡＩエージェント（ＡＩＡ４Ｉ）によって処理される。この目的を達成するために、ＡＩＭＵは、以下のように他のエンティティと対話することができる。
【0169】
ＡＩタスクがインストールされる前に、ＡＩＭＵは、そのトレース能力（Ｔｒａｃｅ－Ｃａｐａｂｉｌｉｔｙ）とともにそれ自体をＡＩＲに登録することができ、その結果、ＡＩＭ（及び／又はＡＩＴＭ）はＡＩＭＵを見つけることができ、ＡＩＭはＡＩＭＵのＴｒａｃｅ－Ｃａｐａｂｉｌｉｔｙに一致する適切なＡＩタスクをＡＩＭＵに割り当てることができる（及び／又はＡＩＭはトレース命令をＡＩＭＵに割り当てることができる）。
【0170】
インストールされたＡＩタスクにＡＩモデルが伴っていない場合、又はＡＩモデルが更新される必要がある場合、ＡＩＭＵは、ＡＩＲから新しいＡＩモデルを発見し、ダウンロードすることができる。
【0171】
次いで、ＡＩＭＵは、ＡＩタスクを実行して知識を推論することができる。ＡＩＭＵは、ＡＩタスクに関連付けられたトレース命令に従って、この推論ステージ中にＡＩトレース記録を生成することができる。ＡＩＭＵは、生成されたＡＩトレース記録をＤＳＳに記憶することができる。ＡＩＭＵはまた、ＤＳＳ上に記憶されたそれらのＡＩトレース記録を管理（例えば、照会、取り出し、集約、修正、削除）することができる。
【0172】
ＡＩＭＵがＡＩタスクを実行し、関連付けられたＡＩモデルを使用して知識を推論するとき又は推論した後、ＡＩＴＭ及び／又はＡＩＭは、ＡＩタスクに関連付けられたトレース命令を更新することができる。
【0173】
加えて、ＡＩＭＵは、ＡＩＭＰから直接、ＡＩモデルを発見、ダウンロード、又は受信することができる。
【0174】
分散型ストレージシステム（ＤＳＳ）：ＤＳＳは、ＡＩＭＰ及び／又はＡＩＭＵから送信されたＡＩトレース記録を記憶する。ＤＳＳはまた、ＡＩＲに関するリポジトリ情報（例えば、登録されたＡＩモデルのリスト、登録されたＡＩＭＰのリスト、登録されたＡＩＭＵのリスト）を記憶することができる。更に、ＤＳＳはまた、ＤＳＳ上に記憶されたＡＩトレース記録を管理するためにＡＩＴＭをサポートする。ＤＳＳは、例えば、分散型台帳システム、ブロックチェーンシステム、分散型ファイルシステム、又は分散型データベースであり得るが、これらに限定されない。
【0175】
本原理によれば、論理エンティティ（例えば、ＡＩホスト、ＡＩエージェント、ＡＩタスク、ＡＩＭＵ、ＡＩＭＰ、ＡＩＭ、ＡＩＴＭ、ＡＩＲ、ＤＳＳ、ＡＰＩなど）又は情報オブジェクト（例えば、ＡＩモデル、トレース記録、トレース命令、ＡＩＨ記録、ＡＩモデル記録、トレーニングデータ、入力データ、推論知識、台帳上のトランザクション、台帳上のブロック、台帳上のスマート契約など）のアドレス及び／又は識別子は、エンドポイントと呼ばれることもあり、ユニフォームリソース識別子（Uniform Resource Identifier、ＵＲＩ）、完全修飾ドメイン名（Fully Qualified Domain Name、ＦＱＤＮ）、ＩＰアドレス、ポート番号、及び／又はそれらの組み合わせなどであってもよい。
【0176】
次に、図７の例示的なアーキテクチャに基づいて、本原理による以下の特徴及び対応する手順について説明する。トレーサビリティアウェアＡＩホスト登録、トレーサビリティアウェアＡＩタスク展開、トレーサビリティアウェアＡＩモデル登録、トレーサビリティアウェアＡＩモデル発見及び登録。
【0177】
第１の例として、図７の例示的なアーキテクチャは、図８に示す、将来のワイヤレスシステムにおいて展開することができる。この第１の例では、ＡＩＭ及びＡＩＴＭは、コアネットワーク又はクラウドネットワーク内の単一のネットワーク機能として一緒に（又は別々に）展開され、ＡＩＲ－１はエッジサーバ－１と同じ場所に配置され、ＡＩＲ－２はエッジサーバ－２と同じ場所に配置され、ＡＩＲ－１及びＡＩＲ－２は、両方のＡＩＲ内に維持される任意の情報（例えば、ＡＩＨ記録）を交換するために互いに直接対話することができる。更に、各ＡＩＨはＵＥと同じ場所に配置され、基地局－１の下のＡＩＨはＡＩＲ－１に登録し、基地局－２の下のＡＩＨはＡＩＲ－２に登録する。ＡＩＨ－１及びＡＩＨ－２は、例えば、ＡＩモデル及び／又は推論された知識を交換するために、直接及び／又はＡＩＲ－１／ＡＩＭ／ＡＩＴＭによって支援されて、互いに対話することができる。ＡＩＨ－３及びＡＩＨ－４は、例えば、ＡＩモデル及び／又は推論された知識を交換するために、直接及び／又はＡＩＲ－２／ＡＩＭ／ＡＩＴＭによって支援されて、互いに対話することができる。ＡＩＭは、いかなるＡＩＲも経由することなく、（例えば、ＡＩタスクを各ＡＩＨにインストールするために）各ＡＩＨと直接対話することができる。ＡＩＴＭは、いかなるＡＩＲも経由することなく、（例えば、トレース命令を各ＡＩＨに構成するために）各ＡＩＨと直接対話することができる。
【0178】
第２の例として、図７の例示的なアーキテクチャは、図９に示す、将来のワイヤレスシステムにおいて展開することができる。この第２の例では、ＡＩＲ及びＡＩＴＭは、コアネットワーク又はクラウドネットワーク内の単一のネットワーク機能として一緒に（又は別々に）展開され、ＡＩＭ－１はエッジサーバ－１と同じ場所に配置され、ＡＩＭ－２はエッジサーバ－２と同じ場所に配置され、ＡＩＭ－１及びＡＩＭ－２は、両方のＡＩＭ内に維持される任意の情報（例えば、ＡＩタスク）を交換するために互いに直接対話することができる。各ＡＩＨは、ＵＥと同じ場所に配置される。基地局－１の下のＡＩＨはＡＩＭ－１によって管理され、基地局－２の下のＡＩＨはＡＩＭ－２によって管理される。ＡＩＨ－１及びＡＩＨ－２は、例えば、ＡＩモデル及び／又は推論された知識を交換するために、直接及び／又はＡＩＭ－１によって支援されて、互いに対話することができる。ＡＩＨ－３及びＡＩＨ－４は、例えば、ＡＩモデル及び／又は推論された知識を交換するために、直接及び／又はＡＩＭ－２によって支援されて、互いに対話することができる。各ＡＩＨは、いかなるＡＩＭも経由することなく、（例えば、ＡＩＨをＡＩＲに登録するために）ＡＩＲと直接対話することができる。ＡＩＴＭは、いかなるＡＩＭも経由することなく、（例えば、トレース命令を各ＡＩＨに構成するために）各ＡＩＨと直接対話することができる。
【0179】
トレーサビリティアウェアＡＩホスト登録
ＡＩホスト（ＡＩＨ）は、知識を推論するために、ＡＩモデルをトレーニングするためのＡＩＭＰ又はＡＩモデルを使用するためのＡＩＭＵであり得る。ＡＩＨは、ＡＩＭがＡＩタスクをＡＩＨにインストールされ得る前にＡＩＭによって発見され得るように、それ自体をＡＩＲに登録することができる。そのようなＡＩＨ登録中に、ＡＩＨは、そのＡＩ能力及びトレース能力をＡＩＲに示す。ＡＩＲは、ＡＩＭ及び／又は他のエンティティに公開される、登録されたＡＩＨ記録のリストを維持することができる。ＡＩＨは、ＡＩＲのアドレスで事前に構成されていてもよく、又はＡＩＨがＡＩＲを発見することができるエンティティで事前に構成されていてもよいということに留意されたい。
ＡＩホスト（ＡＩＨ）は、知識を推論するために、ＡＩモデルをトレーニングするためのＡＩＭＰ又はＡＩモデルを使用するためのＡＩＭＵであり得る。ＡＩＨは、ＡＩＭがＡＩタスクをＡＩＨにインストールされ得る前にＡＩＭによって発見され得るように、それ自体をＡＩＲに登録することができる。そのようなＡＩＨ登録中に、ＡＩＨは、そのＡＩ能力及びトレース能力をＡＩＲに示す。ＡＩＲは、ＡＩＭ及び／又は他のエンティティに公開される、登録されたＡＩＨ記録のリストを維持することができる。ＡＩＨは、ＡＩＲのアドレスで事前に構成されていてもよく、又はＡＩＨがＡＩＲを発見することができるエンティティで事前に構成されていてもよいということに留意されたい。
【0180】
図１０は、トレーサビリティアウェアＡＩＨ登録の方法の一実施形態を示す。
【0181】
ステップＳ１００２において、ＡＩＨ１００１は、ＡＩＨ１００１をＡＩＲ１００３に登録するためのメッセージをＡＩＲ１００３に送信し、ＡＩＲ１００３はそのメッセージを受信する。このメッセージは、以下のパラメータうちの１つ以上を含み得る。
【0182】
ＡＩＨ－ＩＤ：ＡＩＨの識別子又はアドレス。ＡＩＨがブロックチェーンノード又はユーザである場合、そのブロックチェーンアドレス（例えば、その公開鍵から生成された一意の識別子）をＡＩＨ－ＩＤとして使用することができる。
【0183】
ＡＩＨ－Ｔｙｐｅ：ＡＩＨがＡＩＭＰ、ＡＩＭＵ、又はその両方であるかどうかを示す。
【0184】
ＡＩ－Ｃａｐａｂｉｌｉｔｙ（ＡＩ－能力）：ＡＩＨがＡＩタスクをホストするために割り当てることができる能力及び入手可能なリソース。このパラメータは、例えば、１）ＡＩタスクを実行するための計算リソースバジェット、２）ＡＩタスクを実行するための記憶リソースバジェット、及び３）データサンプルの数及びデータサンプル内の特徴の数などのトレーニングデータプロパティのうちの１つ以上を含み得る。ＡＩＨが既にＡＩタスクをホストしている場合、ＡＩ能力は、１）ホストされるＡＩタスクの一意の識別子（ＡＩタスクＩＤ）、２）図１２のステップＳ１２０２において定義されるようなホストされるＡＩタスクのタイプ（ＡＩタスクタイプ）、及び３）ＭＯＤＥＬ－ＭＧＭＴ－ＡＰＩのＡＰＩ情報を含む追加情報を示し得るが、これらに限定されない。
【0185】
Ｔｒａｃｅ－Ｃａｐａｂｉｌｉｔｙ（トレース－能力）：ＡＩＨがＡＩタスクをトレースするために割り当てることができる能力及び利用可能なリソース。このパラメータは、１）ＡＩタスクをトレースするための計算リソースバジェット、２）ＡＩタスクをトレースするための記憶リソースバジェット、３）ＡＩＨがＤＳＳ又はＡＩトレース記録を記憶するための他の外部エンティティへのインターフェースを有するかどうか、４）ＡＩＨがＡＩトレース記録をＤＳＳ又は他のエンティティに送信するために使用することができる帯域幅などの通信能力、５）他のエンティティがＡＩトレース記録を取得するためのサポートされた通信モード（例えば、プッシュ又はプル）、６）ＡＩＨがＡＩＭＰである場合に「トレーニングデータ」をトレースする意思があるかどうか、又はＡＩＨがＡＩＭＵである場合に「推論のための入力データ」をトレースする意思があるかどうかを示し得るが、これらに限定されない。ＡＩＨが既にＡＩタスクをホストしている場合、Ｔｒａｃｅ－Ｃａｐａｂｉｌｉｔｙは、例えば、以下のうちの１つ以上を含む、ホストされたＡＩタスクのトレーサビリティに関する追加情報を示すことができる。１）ＴＲＡＣＥ－ＩＮＳＴＲＵＣＴＩＯＮ－ＣＯＮＦＩＧ－ＡＰＩのＡＰＩ－Ｉｎｆｏ、２）ＴＲＡＣＥ－ＲＥＣＯＲＤ－ＭＧＭＴ－ＡＰＩのＡＰＩ－Ｉｎｆｏ、３）ＡＩタスクのＡＩパイプラインのどの部分がトレースされ得るか、４）ホストされたＡＩタスクで構成されたトレース命令、及び５）ホストされたＡＩタスクの期間中に生成されたＡＩトレース記録に関する統計情報（例えば、ＡＩタスクがその期間中にどのくらいの頻度でＡＩトレース記録を生成したか、その期間中に生成されたＡＩトレース記録の数、生成されたＡＩトレース記録がどこに記憶されたかなど）。
【0186】
Ｔｒａｉｎｉｎｇ－Ｄａｔａ－Ｉｎｆｏ（トレーニング－データ－情報）：ＡＩＨがＡＩＭＰであり、ローカルトレーニングデータを有する場合、ＡＩＨは、Ｔｒａｉｎｉｎｇ－Ｄａｔａ－Ｉｎｆｏパラメータを使用して、トレーニングデータに関するメタデータ情報（例えば、トレーニングデータのタイプ、トレーニングデータの量、トレーニングデータの特徴、トレーニングデータが生成又は収集された時間、トレーニングデータを取り出すことができる場所など）を示す。
【0187】
Ｉｎｐｕｔ－Ｄａｔａ－Ｉｎｆｏ（入力－データ－情報）：ＡＩＨがＡＩＭＵであり、知識を推論するためのローカル入力データを有する場合、ＡＩＨは、Ｉｎｐｕｔ－Ｄａｔａ－Ｉｎｆｏパラメータを使用して、入力データに関するメタデータ情報（例えば、入力データのタイプ、入力データの特徴、入力データの鮮度など）を示す。
【0188】
ＡＩＭ－ＩＤ：ＡＩＲを制御及び管理するＡＩＭの識別子又はアドレス。例えば、ＡＩＨがそれ自体を同じ又は異なるＡＩＲに再登録するとき、ＡＩＨは既にＡＩＭ－ＩＤを知っており、現在の登録要求にＡＩＭ－ＩＤを含めることができる。別の例では、ＡＩＨは、ＡＩＭ－ＩＤとともに事前インストール又は提供され得る。
【0189】
ステップＳ１００４：ステップ１からの登録要求が承認された場合（例えば、ＡＩＲ１００３が、ステップＳ１００２から受信した登録要求を検証、認証、及び／又は許可した後）、ＡＩＲは、ＡＩＨのための新しいＡＩＨ－ＩＤを生成することができる。ＡＩＲは、ＡＩＨに、ＡＩＭ及びＡＩＴＭを割り当てることができる。ＡＩＨがＡＩＭＰである場合、ＡＩＲは、そのローカルリポジトリからＡＩＨにＡＩＭＵを推奨することができる。ＡＩＨがＡＩＭＵである場合、ＡＩＲは、そのローカルリポジトリからＡＩＨにＡＭＩＰを推奨することができる。次に、ＡＩＲは、ＡＩＨのためのＡＩＨ記録を作成し、ＡＩＨ記録を例えばそのローカルリポジトリに記憶する。ＡＩＲは、ＡＩＨ記録をＤＳＳ又はＡＩＭに公開することができる。このＡＩＨ記録は、例えば、
－ＡＩＨ－ＩＤ：ステップＳ１００２で受信した、又はステップＳ１００４で生成されたＡＩＨ－ＩＤ。
－ＡＩＨ－Ｔｙｐｅ：ステップＳ１００２で受信したもの。
－ＡＩ－Ｃａｐａｂｉｌｉｔｙ：ステップＳ１００２で受信したもの。
－Ｔｒａｃｅ－Ｃａｐａｂｉｌｉｔｙ：ステップＳ１００２で受信したもの。
－ＡＩＭ－ＩＤ：ステップＳ１００２で受信したもの、又はＡＩＲによってＡＩＨに割り当てられたＡＩＭの識別子及び／若しくはアドレスのうちの１つ以上を含み得る。
－ＡＩＴＭ－ＩＤ：ＡＩＲによってＡＩＨに割り当てられたＡＩＴＭの識別子及び／又はアドレス。
－ＡＩＭＰ－ＩＤ：ＡＩＨがＡＩＭＵである場合にＡＩＲがＡＩＨに推奨するＡＩＭＰの識別子及び／又はアドレス。
－ＡＩＭＵ－ＩＤ：ＡＩＨがＡＩＭＰである場合にＡＩＲがＡＩＨに推奨するＡＩＭＵの識別子及び／又はアドレス。
－ＡＩＨ－ＩＤ：ステップＳ１００２で受信した、又はステップＳ１００４で生成されたＡＩＨ－ＩＤ。
－ＡＩＨ－Ｔｙｐｅ：ステップＳ１００２で受信したもの。
－ＡＩ－Ｃａｐａｂｉｌｉｔｙ：ステップＳ１００２で受信したもの。
－Ｔｒａｃｅ－Ｃａｐａｂｉｌｉｔｙ：ステップＳ１００２で受信したもの。
－ＡＩＭ－ＩＤ：ステップＳ１００２で受信したもの、又はＡＩＲによってＡＩＨに割り当てられたＡＩＭの識別子及び／若しくはアドレスのうちの１つ以上を含み得る。
－ＡＩＴＭ－ＩＤ：ＡＩＲによってＡＩＨに割り当てられたＡＩＴＭの識別子及び／又はアドレス。
－ＡＩＭＰ－ＩＤ：ＡＩＨがＡＩＭＵである場合にＡＩＲがＡＩＨに推奨するＡＩＭＰの識別子及び／又はアドレス。
－ＡＩＭＵ－ＩＤ：ＡＩＨがＡＩＭＰである場合にＡＩＲがＡＩＨに推奨するＡＩＭＵの識別子及び／又はアドレス。
【0190】
ＡＩＲは、作成されたＡＩＨ記録をＤＳＳ（例えば、分散型台帳）に記憶することができる。この目的のために、ＡＩＲは、作成されたＡＩＨ記録全体又はその一部を含むことができるトランザクションＴｘｔ－Ｅｘａｍｐｌｅを作成する。ＡＩＲは、トランザクションをＤＳＳに送信し、ＤＳＳは、コンセンサスプロトコルの後に、トランザクションを台帳構造（例えば、ブロックチェーン、ブロック有向非巡回グラフ、ブロックレス有向非巡回グラフ）に追加する。トランザクションが台帳構造に追加されると、トランザクションは、台帳がブロックベース構造を使用する場合、トランザクションシーケンス番号（すなわち、Ｔｒａｎｓａｃｔｉｏｎ－Ｓｅｑ－Ｎｕｍ）及び／又は関連付けられたブロックシーケンス番号（すなわち、Ｂｌｏｃｋ－Ｓｅｑ－Ｎｕｍ）を有する。Ｔｒａｎｓａｃｔｉｏｎ－Ｓｅｑ－Ｎｕｍ及びＢｌｏｃｋ－Ｓｅｑ－Ｎｕｍは、台帳上に記憶されたトランザクションＴｘｔ－Ｅｘａｍｐｌｅを一意に識別する。ＤＳＳは、Ｔｒａｎｓａｃｔｉｏｎ－Ｓｅｑ－Ｎｕｍ及び／又はＢｌｏｃｋ－Ｓｅｑ－ＮｕｍをＡＩＲに返すことができる。ＡＩＲを含む任意のエンティティは、Ｔｒａｎｓａｃｔｉｏｎ－Ｓｅｑ－Ｎｕｍ及びＢｌｏｃｋ－Ｓｅｑ－Ｎｕｍを使用して、台帳からトランザクションＴｘｔ－Ｅｘａｍｐｌｅを取り出すことができる。ＡＩＲは、ＡＩＨに送信される応答メッセージに、Ｔｒａｎｓａｃｔｉｏｎ－Ｓｅｑ－Ｎｕｍ及びＢｌｏｃｋ－Ｓｅｑ－Ｎｕｍを含めることができる。
【0191】
ステップＳ１００６において、ＡＩＲは、ＡＩＨに応答を送信する。この応答は、例えば、
－ＡＩＨ－ＩＤ：ステップＳ１００４で生成された場合の新しいＡＩＨ－ＩＤ。
－ＡＩＭ－ＩＤ：ステップＳ１００４で生成されたＡＩＨ記録からのもの。
－ＡＩＴＭ－ＩＤ：ステップＳ１００４で生成されたＡＩＨ記録からのもの。
－ＡＩＭＰ－ＩＤ：ステップＳ１００４で生成されたＡＩＨ記録からのもの。
－ＡＩＭＵ－ＩＤ：ステップＳ１００４で生成されたＡＩＨ記録からのもの、のうちの１つ以上を含み得る。
－ＡＩＨ－Ｒｅｃｏｒｄ－ＩＤ（ＡＩＨ－記録－ＩＤ）：ステップＳ１００４で作成されたＡＩＨ記録の識別子及び／又はアドレス。
－ＡＩＨ－ＩＤ：ステップＳ１００４で生成された場合の新しいＡＩＨ－ＩＤ。
－ＡＩＭ－ＩＤ：ステップＳ１００４で生成されたＡＩＨ記録からのもの。
－ＡＩＴＭ－ＩＤ：ステップＳ１００４で生成されたＡＩＨ記録からのもの。
－ＡＩＭＰ－ＩＤ：ステップＳ１００４で生成されたＡＩＨ記録からのもの。
－ＡＩＭＵ－ＩＤ：ステップＳ１００４で生成されたＡＩＨ記録からのもの、のうちの１つ以上を含み得る。
－ＡＩＨ－Ｒｅｃｏｒｄ－ＩＤ（ＡＩＨ－記録－ＩＤ）：ステップＳ１００４で作成されたＡＩＨ記録の識別子及び／又はアドレス。
【0192】
ＡＩＨが変更されたＡＩ能力及び／又はトレース能力を有する場合、ＡＩＨは、図１０の方法を使用して、ＡＩＲをその新しいＡＩ能力及び／又はトレース能力で更新することができるということに留意されたい。同様に、ＡＩＨは、図１０の方法を使用して、それ自体をＡＩＭに登録し、単にＡＩＲをＡＩＭで置き換えることができる。ステップＳ１００２において、ＡＩＨはまた、登録解除インジケータを追加することによって、ＡＩＲのローカルリポジトリからそれ自体を削除するようにＡＩＲに要求することができる。
【0193】
図１１は、本原理によるＤＳＳを介したトレーサビリティアウェアＡＩホスト登録の一実施形態を示す。この場合、ＡＩＨは、その登録情報をＤＳＳ（例えば、分散型台帳）に記憶し、登録時にＤＳＳのトランザクション及びブロックシーケンス番号をＡＩＲに渡す。そのような手法は、図１０に示す方法と比較して、より良好な不変性及び信頼性を提供することができる。
【0194】
ステップＳ１１０２において、ＡＩＨ１１０１は、トランザクションを生成し、トランザクションをＤＳＳ１１０３に送信することができる。トランザクションは、例えば、以下のうちの１つ以上を含み得る。
－ＡＩＨ－ＩＤ：図１０のステップＳ１００２におけるのと同じもの。
－ＡＩＨ－Ｔｙｐｅ：図１０のステップＳ１００２におけるのと同じもの。
－ＡＩ－Ｃａｐａｂｉｌｉｔｙ：図１０のステップＳ１００２におけるのと同じもの。
－Ｔｒａｃｅ－Ｃａｐａｂｉｌｉｔｙ：図１０のステップＳ１００２におけるのと同じもの。
－Ｔｒａｉｎｉｎｇ－Ｄａｔａ－Ｉｎｆｏ：図１０のステップＳ１００２におけるのと同じもの。
－Ｉｎｐｕｔ－Ｄａｔａ－Ｉｎｆｏ：図１０のステップＳ１００２におけるのと同じもの。
－Ｓｍａｒｔ－Ｃｏｎｔｒａｃｔ（スマート－契約）：ＡＩタスクをホストするためのＡＩＨの意向及び契約を示す情報。ＡＩＨは、トランザクションにおいて複数のスマート契約を含むことができる。各スマート契約は、以下のうちの１つ以上を含み得る。
・Ｄｅｓｉｒｅｄ－ＡＩ－Ｔａｓｋ（所望－ＡＩ－タスク）：所望のＡＩタスクのタイプを示す。ＡＩタスクの潜在的なタイプについては、「トレーサビリティアウェアＡＩタスク展開」と題するセクションで説明する。
・Ｒｅｑｕｅｓｔｅｄ－Ｐａｙｍｅｎｔ（要求－支払い）：ＡＩＨが所望のＡＩタスクをホストし、実行する場合に、ＡＩＨが収集したい支払いを示す。所望のＡＩタスクがＡＩモデルをトレーニングするためのものである場合、かつＡＩＨがトレーニングデータを提供する場合、ＡＩＨは追加の又は異なる支払いを要求することができる。
・ＡＩ－Ｔａｓｋ－Ａｄｄｒｅｓｓ（ＡＩ－タスク－アドレス）：ＡＩＨがＡＩタスクをダウンロードすることができるＡＩタスクのアドレス（例えば、ソフトウェアコード）を示す。これは、このスマート契約の入力パラメータである。例えば、このスマート契約がＤＳＳに公開された後、ＡＩＭは、このスマート契約を発見することができる。ＡＩＭがこのスマート契約をトリガしてターゲットＡＩタスクをＡＩＨに展開したい場合、ＡＩＭは、この入力パラメータ「ＡＩ－Ｔａｓｋ－Ａｄｄｒｅｓｓ」を介して、ターゲットＡＩタスクのアドレスを、このスマート契約に提供する必要がある。
・ＡＩ－Ｍｏｄｅｌ－Ｃｏｎｔｒａｃｔ－Ａｄｄｒｅｓｓ（ＡＩ－モデル－契約－アドレス）：ＡＩモデルを使用又は展開するための別のスマート契約のアドレスを示す。これは入力パラメータである。このスマート契約がＡＩＭ（又は他のエンティティ）によってトリガされるとき、ＡＩＭは、このＡＩＨのスマート契約への入力パラメータとして「ＡＩ－Ｍｏｄｅｌ－Ｃｏｎｔｒａｃｔ－Ａｄｄｒｅｓｓ」を提供することができる。結果として、ＡＩＨは、ＡＩモデルを生成するためのＡＩタスクを実行するために、スマート契約を実行することができる。この場合、ＡＩモデルは、「ＡＩ－Ｍｏｄｅｌ－Ｃｏｎｔｒａｃｔ－Ａｄｄｒｅｓｓ」によって示されるように、別のスマート契約への入力パラメータとして自動的に送信され得る。
－ＡＩＨ－ＩＤ：図１０のステップＳ１００２におけるのと同じもの。
－ＡＩＨ－Ｔｙｐｅ：図１０のステップＳ１００２におけるのと同じもの。
－ＡＩ－Ｃａｐａｂｉｌｉｔｙ：図１０のステップＳ１００２におけるのと同じもの。
－Ｔｒａｃｅ－Ｃａｐａｂｉｌｉｔｙ：図１０のステップＳ１００２におけるのと同じもの。
－Ｔｒａｉｎｉｎｇ－Ｄａｔａ－Ｉｎｆｏ：図１０のステップＳ１００２におけるのと同じもの。
－Ｉｎｐｕｔ－Ｄａｔａ－Ｉｎｆｏ：図１０のステップＳ１００２におけるのと同じもの。
－Ｓｍａｒｔ－Ｃｏｎｔｒａｃｔ（スマート－契約）：ＡＩタスクをホストするためのＡＩＨの意向及び契約を示す情報。ＡＩＨは、トランザクションにおいて複数のスマート契約を含むことができる。各スマート契約は、以下のうちの１つ以上を含み得る。
・Ｄｅｓｉｒｅｄ－ＡＩ－Ｔａｓｋ（所望－ＡＩ－タスク）：所望のＡＩタスクのタイプを示す。ＡＩタスクの潜在的なタイプについては、「トレーサビリティアウェアＡＩタスク展開」と題するセクションで説明する。
・Ｒｅｑｕｅｓｔｅｄ－Ｐａｙｍｅｎｔ（要求－支払い）：ＡＩＨが所望のＡＩタスクをホストし、実行する場合に、ＡＩＨが収集したい支払いを示す。所望のＡＩタスクがＡＩモデルをトレーニングするためのものである場合、かつＡＩＨがトレーニングデータを提供する場合、ＡＩＨは追加の又は異なる支払いを要求することができる。
・ＡＩ－Ｔａｓｋ－Ａｄｄｒｅｓｓ（ＡＩ－タスク－アドレス）：ＡＩＨがＡＩタスクをダウンロードすることができるＡＩタスクのアドレス（例えば、ソフトウェアコード）を示す。これは、このスマート契約の入力パラメータである。例えば、このスマート契約がＤＳＳに公開された後、ＡＩＭは、このスマート契約を発見することができる。ＡＩＭがこのスマート契約をトリガしてターゲットＡＩタスクをＡＩＨに展開したい場合、ＡＩＭは、この入力パラメータ「ＡＩ－Ｔａｓｋ－Ａｄｄｒｅｓｓ」を介して、ターゲットＡＩタスクのアドレスを、このスマート契約に提供する必要がある。
・ＡＩ－Ｍｏｄｅｌ－Ｃｏｎｔｒａｃｔ－Ａｄｄｒｅｓｓ（ＡＩ－モデル－契約－アドレス）：ＡＩモデルを使用又は展開するための別のスマート契約のアドレスを示す。これは入力パラメータである。このスマート契約がＡＩＭ（又は他のエンティティ）によってトリガされるとき、ＡＩＭは、このＡＩＨのスマート契約への入力パラメータとして「ＡＩ－Ｍｏｄｅｌ－Ｃｏｎｔｒａｃｔ－Ａｄｄｒｅｓｓ」を提供することができる。結果として、ＡＩＨは、ＡＩモデルを生成するためのＡＩタスクを実行するために、スマート契約を実行することができる。この場合、ＡＩモデルは、「ＡＩ－Ｍｏｄｅｌ－Ｃｏｎｔｒａｃｔ－Ａｄｄｒｅｓｓ」によって示されるように、別のスマート契約への入力パラメータとして自動的に送信され得る。
【0195】
ＤＳＳ１１０３がブロックチェーンなどの分散型台帳機能をサポートする場合、トランザクションは、特定のコンセンサスプロトコル又はメカニズムの後に、分散型台帳に追加される。トランザクションが分散型台帳に追加された後、ＤＳＳ１１０３は、ステップＳ１１０４において、ＡＩＨへの応答を送信する。応答は、例えば、以下を含むことができる。
－Ｔｒａｎｓａｃｔｉｏｎ－Ｓｅｑ－Ｎｕｍ（トランザクション－シーケンス－番号）：分散型台帳に追加されたトランザクションのシーケンス番号。
－Ｂｌｏｃｋ－Ｓｅｑ－Ｎｕｍ（ブロック－シーケンス－番号）：トランザクションが含まれていたブロックのシーケンス番号。
－Ｔｒａｎｓａｃｔｉｏｎ－Ｓｅｑ－Ｎｕｍ（トランザクション－シーケンス－番号）：分散型台帳に追加されたトランザクションのシーケンス番号。
－Ｂｌｏｃｋ－Ｓｅｑ－Ｎｕｍ（ブロック－シーケンス－番号）：トランザクションが含まれていたブロックのシーケンス番号。
【0196】
ＤＳＳが、分散型台帳の進捗の観測からＴｒａｎｓａｃｔｉｏｎ－Ｓｅｑ－Ｎｕｍ及びＢｌｏｃｋ－Ｓｅｑ－Ｎｕｍを依然として取得し得るＡＩＨに、応答を送信しない可能性があるということに留意されたい。
【0197】
ステップＳ１１０６において、ＡＩＨは、それ自体を登録する要求をＡＩＲ１１０５に送信する。この要求は、例えば、以下を含み得る
－ＡＩＨ－ＩＤ：ステップＳ１１０２におけるものと同様のもの。
－ＡＩＨ－Ｔｙｐｅ：ステップＳ１１０２におけるものと同様のもの。
－Ｔｒａｎｓａｃｔｉｏｎ－Ｓｅｑ－Ｎｕｍ：ステップＳ１１０４におけるものと同様のもの。
－Ｂｌｏｃｋ－Ｓｅｑ－Ｎｕｍ：ステップＳ１１０４におけるものと同様のもの。
－ＡＩＨ－ＩＤ：ステップＳ１１０２におけるものと同様のもの。
－ＡＩＨ－Ｔｙｐｅ：ステップＳ１１０２におけるものと同様のもの。
－Ｔｒａｎｓａｃｔｉｏｎ－Ｓｅｑ－Ｎｕｍ：ステップＳ１１０４におけるものと同様のもの。
－Ｂｌｏｃｋ－Ｓｅｑ－Ｎｕｍ：ステップＳ１１０４におけるものと同様のもの。
【0198】
ステップＳ１１０８において、ＡＩＲ１１０５は、ＡＩＨ１１０１に関する追加情報（例えば、ＡＩ能力及びトレース能力など、ステップＳ１１０２に含まれる他のパラメータ）を取り出す要求をＤＳＳ１１０３に送信することができる。この要求は、Ｔｒａｎｓａｃｔｉｏｎ－Ｓｅｑ－Ｎｕｍ及びＢｌｏｃｋ－Ｓｅｑ－Ｎｕｍ、並びに取り出されるべき他のパラメータの名前を含むことができる。
【0199】
ＤＳＳ１１０３は、ステップＳ１１０４において作成された対応するトランザクションを見つけるために識別子（例えば、Ｔｒａｎｓａｃｔｉｏｎ－Ｓｅｑ－Ｎｕｍ及びＢｌｏｃｋ－Ｓｅｑ－Ｎｕｍ）を使用し、このトランザクションから要求された情報を抽出する。ステップＳ１１１０において、ＤＳＳ１１０３は、要求された情報を含む応答をＡＩＲ１１０５に送信する。
【0200】
ステップＳ１１１２において、図１０のステップＳ１００４と同様に、ＡＩＲ１１０５は、ＡＩＨ１１０１用のＡＩＨ記録を作成する。このＡＩＨ記録は、図１０を参照して説明したものよりも簡単であり得、以下のものを含むことができる。
－ＡＩＨ－ＩＤ：ステップＳ１１０６におけるものと同様のもの。
－Ｔｒａｎｓａｃｔｉｏｎ－Ｓｅｑ－Ｎｕｍ：ステップＳ１１０６におけるものと同様のもの。
－Ｂｌｏｃｋ－Ｓｅｑ－Ｎｕｍ：ステップＳ１１０６におけるものと同様のもの。
－ＡＩＭ－ＩＤ：ＡＩＲがＡＩＨに割り当てるＡＩＭの識別子及び／又はアドレス。
－ＡＩＴＭ－ＩＤ：ＡＩＲがＡＩＨに割り当てるＡＩＴＭの識別子及び／又はアドレス。
－ＡＩＭＰ－ＩＤ：ＡＩＨがＡＩＭＵである場合にＡＩＲがＡＩＨに推奨するＡＩＭＰの識別子及び／又はアドレス。この目的のために、ＡＩＲは、他のＡＭＩＰに関する詳細な情報を取り出すためにＤＳＳに連絡し得る。
－ＡＩＭＵ－ＩＤ：ＡＩＨがＡＩＭＰである場合にＡＩＲがＡＩＨに推奨するＡＩＭＵの識別子及び／又はアドレス。この目的のために、ＡＩＲは、他のＡＭＩＵに関する詳細な情報を取り出すためにＤＳＳに連絡し得る。
－ＡＩＨ－ＩＤ：ステップＳ１１０６におけるものと同様のもの。
－Ｔｒａｎｓａｃｔｉｏｎ－Ｓｅｑ－Ｎｕｍ：ステップＳ１１０６におけるものと同様のもの。
－Ｂｌｏｃｋ－Ｓｅｑ－Ｎｕｍ：ステップＳ１１０６におけるものと同様のもの。
－ＡＩＭ－ＩＤ：ＡＩＲがＡＩＨに割り当てるＡＩＭの識別子及び／又はアドレス。
－ＡＩＴＭ－ＩＤ：ＡＩＲがＡＩＨに割り当てるＡＩＴＭの識別子及び／又はアドレス。
－ＡＩＭＰ－ＩＤ：ＡＩＨがＡＩＭＵである場合にＡＩＲがＡＩＨに推奨するＡＩＭＰの識別子及び／又はアドレス。この目的のために、ＡＩＲは、他のＡＭＩＰに関する詳細な情報を取り出すためにＤＳＳに連絡し得る。
－ＡＩＭＵ－ＩＤ：ＡＩＨがＡＩＭＰである場合にＡＩＲがＡＩＨに推奨するＡＩＭＵの識別子及び／又はアドレス。この目的のために、ＡＩＲは、他のＡＭＩＵに関する詳細な情報を取り出すためにＤＳＳに連絡し得る。
【0201】
ステップＳ１１１４において、ＡＩＲ１１０５は、応答をＡＩＨ１１０１に送信する。この応答は、以下を含み得る。
－ＡＩＭ－ＩＤ：ステップＳ１１１２におけるものと同様のもの。
－ＡＩＴＭ－ＩＤ：ステップＳ１１１２におけるものと同様のもの。
－ＡＩＭＰ－ＩＤ：ステップＳ１１１２におけるものと同様のもの。
－ＡＩＭＵ－ＩＤ：ステップＳ１１１２におけるものと同様のもの。
－ＡＩＨ－Ｒｅｃｏｒｄ－ＩＤ：ステップＳ１１１２で作成されたＡＩＨ記録の識別子及び／又はアドレス。
－ＡＩＭ－ＩＤ：ステップＳ１１１２におけるものと同様のもの。
－ＡＩＴＭ－ＩＤ：ステップＳ１１１２におけるものと同様のもの。
－ＡＩＭＰ－ＩＤ：ステップＳ１１１２におけるものと同様のもの。
－ＡＩＭＵ－ＩＤ：ステップＳ１１１２におけるものと同様のもの。
－ＡＩＨ－Ｒｅｃｏｒｄ－ＩＤ：ステップＳ１１１２で作成されたＡＩＨ記録の識別子及び／又はアドレス。
【0202】
ステップＳ１１１６において、ＡＩＭ１１０７（又は別のＡＩＨ）は、１つ以上のターゲットＡＩＨ１１０１を発見するための要求をＡＩＲ１１０５に送信する。要求は、ディスカバリフィルタ（例えば、ターゲットＡＩＨのＡＩＨ－Ｔｙｐｅ及び／又はＡＩＨ－ＩＤのワイルドカード）を含むことができる。
【0203】
ＡＩＲ１１０５は、ディスカバリフィルタを使用して、ＡＩＨ記録を調べ、ターゲットＡＩＨを見つける。発見されたターゲットＡＩＨごとに、ＡＩＲは、ステップＳ１１１８においてＡＩＭ１１０７（又は他のＡＩＨ）に送信する応答に以下の情報を含めることができる。
－Ｔｒａｎｓａｃｔｉｏｎ－Ｓｅｑ－Ｎｕｍ：ターゲットＡＩＨに関する詳細な情報を含むトランザクションのシーケンス番号。
－Ｂｌｏｃｋ－Ｓｅｑ－Ｎｕｍ：ターゲットＡＩＨに関するトランザクションを含むブロックのシーケンス番号。
－ＡＩＨ－ＩＤ：ターゲットＡＩＨの識別子又はアドレス。
－ＡＩＨ－Ｔｙｐｅ：ターゲットＡＩＨのタイプ。
－Ｔｒａｎｓａｃｔｉｏｎ－Ｓｅｑ－Ｎｕｍ：ターゲットＡＩＨに関する詳細な情報を含むトランザクションのシーケンス番号。
－Ｂｌｏｃｋ－Ｓｅｑ－Ｎｕｍ：ターゲットＡＩＨに関するトランザクションを含むブロックのシーケンス番号。
－ＡＩＨ－ＩＤ：ターゲットＡＩＨの識別子又はアドレス。
－ＡＩＨ－Ｔｙｐｅ：ターゲットＡＩＨのタイプ。
【0204】
他の実施形態と同様に、Ｔｒａｎｓａｃｔｉｏｎ－Ｓｅｑ－Ｎｕｍ及びＢｌｏｃｋ－Ｓｅｑ－Ｎｕｍは、台帳識別子を構成することができる情報の例である。
【0205】
ステップＳ１１２０において、ステップＳ１１０８と同様に、ＡＩＭ１１０７（又は別のＡＩＨ）は、発見された各ターゲットＡＩＨに関する追加情報を取り出すための要求をＤＳＳ１１０３に送信する。
【0206】
ステップＳ１１２２において、ステップＳ１１１０と同様に、要求された情報を取り出したＤＳＳ１１０３は、発見されたターゲットＡＩＨに関する追加情報を含む応答をＡＩＭ１１０７（又は別のＡＩＨ）に送信する。
【0207】
トレーサビリティアウェアＡＩタスク展開
トレーサビリティアウェアＡＩタスク展開の４つの実施形態について説明する。図１２は、ＡＩＨ開始型トレーサビリティアウェアＡＩタスク展開を示す。図１３は、ＡＩＭ開始型トレーサビリティアウェアＡＩタスク展開を示す。図１４は、ＡＩＨ開始型トレーサビリティアウェアＦＬタスク展開を示す。図１５は、ＡＩＭ開始型トレーサビリティアウェアＦＬタスク展開を示す。
トレーサビリティアウェアＡＩタスク展開の４つの実施形態について説明する。図１２は、ＡＩＨ開始型トレーサビリティアウェアＡＩタスク展開を示す。図１３は、ＡＩＭ開始型トレーサビリティアウェアＡＩタスク展開を示す。図１４は、ＡＩＨ開始型トレーサビリティアウェアＦＬタスク展開を示す。図１５は、ＡＩＭ開始型トレーサビリティアウェアＦＬタスク展開を示す。
【0208】
ＡＩＨ開始型トレーサビリティアウェアＡＩタスク展開
ＡＩホスト（ＡＩＨ）（ＡＩＭＰ又はＡＩＭＵ）は、ＡＩＭからＡＩタスクを能動的に要求する。ＡＩＨは、まず、要求されたＡＩタスク、そのＡＩ能力、及びそのトレース能力を、ＡＩＭに提示する。次いで、ＡＩＭは、ＡＩＨのＡＩ能力に従って適切なＡＩタスクを承認し、決定する。ＡＩＭはまた、ＡＩＨのトレース能力に従って、ＡＩタスクのためにＡＩＴＭからトレース命令を取得する。これらのトレース命令は、ＡＩＨへのＡＩタスクの展開中にＡＩＨに同時に送信される。ＡＩＭは、ＡＩＨに展開されている各ＡＩタスクについてＡＩタスク記録を作成する。ＡＩＭは、ＡＩタスク記録をローカルに及び／又は他のエンティティ（例えば、ＤＳＳ）に記憶することができる。１）ＡＩＨにはＡＩＭが提供されており、ＡＩＭのアドレスを知っていること、及び２）ＡＩＭにはＡＩＴＭが提供されており、ＡＩＴＭのアドレスを知っていることが仮定される。ＡＩＭ及びＡＩＴＭは、１つの物理ノード又は論理ノードとして一緒に実装され得るということに留意されたい。
ＡＩホスト（ＡＩＨ）（ＡＩＭＰ又はＡＩＭＵ）は、ＡＩＭからＡＩタスクを能動的に要求する。ＡＩＨは、まず、要求されたＡＩタスク、そのＡＩ能力、及びそのトレース能力を、ＡＩＭに提示する。次いで、ＡＩＭは、ＡＩＨのＡＩ能力に従って適切なＡＩタスクを承認し、決定する。ＡＩＭはまた、ＡＩＨのトレース能力に従って、ＡＩタスクのためにＡＩＴＭからトレース命令を取得する。これらのトレース命令は、ＡＩＨへのＡＩタスクの展開中にＡＩＨに同時に送信される。ＡＩＭは、ＡＩＨに展開されている各ＡＩタスクについてＡＩタスク記録を作成する。ＡＩＭは、ＡＩタスク記録をローカルに及び／又は他のエンティティ（例えば、ＤＳＳ）に記憶することができる。１）ＡＩＨにはＡＩＭが提供されており、ＡＩＭのアドレスを知っていること、及び２）ＡＩＭにはＡＩＴＭが提供されており、ＡＩＴＭのアドレスを知っていることが仮定される。ＡＩＭ及びＡＩＴＭは、１つの物理ノード又は論理ノードとして一緒に実装され得るということに留意されたい。
【0209】
図１２は、一実施形態による、ＡＩＨ開始型トレーサビリティアウェアＡＩタスク展開の方法を示す。
【0210】
ステップＳ１２０２において、ＡＩＨ１２０１、例えば、ＡＩモデルユーザ又はＡＩモデルプロデューサは、要求メッセージをＡＩＭ１２０３に送信して、ＡＩＨ１２０１に展開されるべきＡＩタスクを要求する。このメッセージは、以下のうちの１つ以上を含み得る。
－ＡＩ－Ｔａｓｋ－ＩＤ（ＡＩ－タスク－ＩＤ）：展開されるべきＡＩタスクの一意の識別子又はアドレス。このパラメータがメッセージに含まれる場合、更なるパラメータを省略することができる。
－ＡＩＨ－ＩＤ：ＡＩＨ１１０１の識別子又はアドレス。
－ＡＩ－Ｔａｓｋ－Ｔｙｐｅ：ＡＩＨ１１０１が要求するＡＩタスクのタイプ。ＡＩ－Ｔａｓｋ－Ｔｙｐｅは、要求されたタスクがモデルのトレーニング、知識の推論、又はその両方のためのものであるかどうかを示すことができる。ＡＩ－Ｔａｓｋ－Ｔｙｐｅはまた、要求されたＡＩタスクがＤＬタスク、ＦＬタスク、ＲＬタスク、又は他の種類であるかどうかを示すこともできる。ＡＩ－Ｔａｓｋ－Ｔｙｐｅは、要求されたＡＩタスクの目的（例えば、回帰、分類、クラスタリングなど）を示すこともできる。ＡＩ－Ｔａｓｋ－Ｔｙｐｅは、要求ＡＩタスクの適用カテゴリ（例えば、自然言語処理、テキスト処理、画像処理、ビデオ処理など）を示すこともできる。
－ＡＩ－Ｔａｓｋ－Ｓｉｚｅ－Ｔｈｒｅｓｈｏｌｄ（ＡＩ－タスク－サイズ－閾値）：ＡＩＨ１１０１は、それが要求するＡＩタスクのサイズがＡＩ－Ｔａｓｋ－Ｓｉｚｅ－Ｔｈｒｅｓｈｏｌｄ未満であるべきであることを要求する。ＡＩタスクのサイズは、通常、ソフトウェアコードのサイズ及び任意の関連データのサイズに依存する。
－ＡＩ－Ｃａｐａｂｉｌｉｔｙ：ＡＩＨ１１０１がＡＩタスクをホストするために割り当てることができる能力及び入手可能なリソース。このパラメータは、例えば、１）ＡＩタスクを実行するための計算リソースバジェット、２）ＡＩタスクを実行するための記憶リソースバジェット、及び３）データサンプルの数及びデータサンプル中の特徴の数などのトレーニングデータプロパティを示し得るが、これらに限定されない。
－Ｔｒａｃｅ－Ｃａｐａｂｉｌｉｔｙ：ＡＩＨ１１０１がＡＩタスクをトレースするために割り当てることができる能力及び利用可能なリソース。このパラメータは、例えば、１）ＡＩタスクをトレースするための計算リソースバジェット、２）ＡＩタスクをトレースするための記憶リソースバジェット、３）ＡＩＨ１１０１がＤＳＳ又はＡＩトレース記録を記憶するための他の外部エンティティへのインターフェースを有するかどうか、４）ＡＩＨ１１０１がＡＩトレース記録をＤＳＳ又は他のエンティティに送信するために使用することができる帯域幅などの通信能力、５）他のエンティティがＡＩトレース記録を取得するためのサポートされた通信モード（例えば、プッシュ又はプル）、６）ＡＩＨ１１０１が、ＡＩＨ１１０１がＡＩＭＰである場合に「トレーニングデータ」をトレースしたいかどうか、又はＡＩＨ１１０１がＡＩＭＵである場合に「推論のための入力データ」をトレースしたいかどうか、を示し得るが、これらに限定されない。
－ＡＩＴＭ－ＩＤ：ＡＩＴＭ１２０５の識別子又はアドレス。任意選択であるこのパラメータは、特定のＡＩＴＭが知られている場合、それを指定するためにＡＩＨ１１０１によって使用され得る。
－ＡＩ－Ｔａｓｋ－ＩＤ（ＡＩ－タスク－ＩＤ）：展開されるべきＡＩタスクの一意の識別子又はアドレス。このパラメータがメッセージに含まれる場合、更なるパラメータを省略することができる。
－ＡＩＨ－ＩＤ：ＡＩＨ１１０１の識別子又はアドレス。
－ＡＩ－Ｔａｓｋ－Ｔｙｐｅ：ＡＩＨ１１０１が要求するＡＩタスクのタイプ。ＡＩ－Ｔａｓｋ－Ｔｙｐｅは、要求されたタスクがモデルのトレーニング、知識の推論、又はその両方のためのものであるかどうかを示すことができる。ＡＩ－Ｔａｓｋ－Ｔｙｐｅはまた、要求されたＡＩタスクがＤＬタスク、ＦＬタスク、ＲＬタスク、又は他の種類であるかどうかを示すこともできる。ＡＩ－Ｔａｓｋ－Ｔｙｐｅは、要求されたＡＩタスクの目的（例えば、回帰、分類、クラスタリングなど）を示すこともできる。ＡＩ－Ｔａｓｋ－Ｔｙｐｅは、要求ＡＩタスクの適用カテゴリ（例えば、自然言語処理、テキスト処理、画像処理、ビデオ処理など）を示すこともできる。
－ＡＩ－Ｔａｓｋ－Ｓｉｚｅ－Ｔｈｒｅｓｈｏｌｄ（ＡＩ－タスク－サイズ－閾値）：ＡＩＨ１１０１は、それが要求するＡＩタスクのサイズがＡＩ－Ｔａｓｋ－Ｓｉｚｅ－Ｔｈｒｅｓｈｏｌｄ未満であるべきであることを要求する。ＡＩタスクのサイズは、通常、ソフトウェアコードのサイズ及び任意の関連データのサイズに依存する。
－ＡＩ－Ｃａｐａｂｉｌｉｔｙ：ＡＩＨ１１０１がＡＩタスクをホストするために割り当てることができる能力及び入手可能なリソース。このパラメータは、例えば、１）ＡＩタスクを実行するための計算リソースバジェット、２）ＡＩタスクを実行するための記憶リソースバジェット、及び３）データサンプルの数及びデータサンプル中の特徴の数などのトレーニングデータプロパティを示し得るが、これらに限定されない。
－Ｔｒａｃｅ－Ｃａｐａｂｉｌｉｔｙ：ＡＩＨ１１０１がＡＩタスクをトレースするために割り当てることができる能力及び利用可能なリソース。このパラメータは、例えば、１）ＡＩタスクをトレースするための計算リソースバジェット、２）ＡＩタスクをトレースするための記憶リソースバジェット、３）ＡＩＨ１１０１がＤＳＳ又はＡＩトレース記録を記憶するための他の外部エンティティへのインターフェースを有するかどうか、４）ＡＩＨ１１０１がＡＩトレース記録をＤＳＳ又は他のエンティティに送信するために使用することができる帯域幅などの通信能力、５）他のエンティティがＡＩトレース記録を取得するためのサポートされた通信モード（例えば、プッシュ又はプル）、６）ＡＩＨ１１０１が、ＡＩＨ１１０１がＡＩＭＰである場合に「トレーニングデータ」をトレースしたいかどうか、又はＡＩＨ１１０１がＡＩＭＵである場合に「推論のための入力データ」をトレースしたいかどうか、を示し得るが、これらに限定されない。
－ＡＩＴＭ－ＩＤ：ＡＩＴＭ１２０５の識別子又はアドレス。任意選択であるこのパラメータは、特定のＡＩＴＭが知られている場合、それを指定するためにＡＩＨ１１０１によって使用され得る。
【0211】
展開されるＡＩタスクは、ＡＩ－Ｔａｓｋ－ＩＤによって一意に識別され得るということに留意されたい。あるいは、ＡＩＭ１２０３は、ステップＳ１２０２において複数の他のパラメータの組み合わせ（例えば、ＡＩ－Ｔａｓｋ－Ｔｙｐｅ及びＡＩ－Ｔａｓｋ－Ｓｉｚｅ－Ｔｈｒｅｓｈｏｌｄ）を使用して、ＡＩＨのために選択することができる１つ以上のＡＩタスクを識別することができる。
【0212】
ステップＳ１２０４において、ＡＩＭ１２０３は、ＡＩ－Ｔａｓｋ－Ｔｙｐｅ及びＡＩ－Ｃａｐａｂｉｌｉｔｙなど、ステップＳ１２０２において受信されたパラメータに基づいて、ＡＩＨ１１０１のためのＡＩタスクを選択（すなわち、決定）する。ＡＩＭ１２０３は、ＡＩＨ－ＩＤ、ＡＩ－Ｔａｓｋ－Ｔｙｐｅ、ステップＳ１２０２における要求からの他のパラメータ、及び／又はＡＩＭ１２０３における他のローカル情報に基づき得る、選択されたＡＩタスクのための一意の識別子（ＡＩ－Ｔａｓｋ－ＩＤ）を生成する。ＡＩＭ１２０３に記憶された各ＡＩタスクは、ＡＩＭ１２０３が対応するトレース命令を、それを通じて要求することができる関連付けられたＡＩＴＭ１２０５を有し得るということに留意されたい。
【0213】
ステップＳ１２０６において、ＡＩＭ１２０３は、選択されたＡＩタスクのためのトレース命令を要求するメッセージを、ＡＩＴＭ１２０５に送信する。このメッセージには、ステップＳ１２０２と同様に、ＡＩＨ－ＩＤ、Ｔｒａｃｅ－Ｃａｐａｂｉｌｉｔｙ、ＡＩ－Ｔａｓｋ－Ｔｙｐｅが含まれ得る。
【0214】
ＡＩＴＭ１２０５は、メッセージを受信し、ＡＩＨ１２０１が要求されたＡＩタスクをトレースするためのトレース命令を決定する。この決定は、ステップＳ１２０６においてメッセージ内で受信されたＡＩＨ－ＩＤ、Ｔｒａｃｅ－Ｃａｐａｂｉｌｉｔｙ、及びＡＩ－Ｔａｓｋ－Ｔｙｐｅなどのパラメータに基づくことができる。ＡＩＴＭ１２０５は、応答メッセージをＡＩＭ１２０３に送信する。応答メッセージは、ＡＩＨ１２０１のための決定されたトレース命令（すなわち、Ｔｒａｃｅ－Ｉｎｓｔｒｕｃｔｉｏｎｓ）を含む。トレース命令は、１つ以上のトレース命令を含むことができる。各トレース命令（ＴＩ（ｉ））は、例えば、以下のパラメータを含むことができる。
－Ｔｒａｃｅ－Ｉｎｓｔｒｕｃｔｉｏｎ－ＩＤ（トレース－命令－ＩＤ）：ＴＩ（ｉ）の（統計的に又は蓋然的に）一意の識別子。一例として、追加情報とともにＴＩ（ｉ）コンテンツのハッシュを一意の識別子として使用することができる。
－Ｔｒａｃｅ－Ｓｃｏｐｅ（トレース－範囲）：選択されたＡＩタスクのトレース範囲。トレース範囲は、以下のうちの１つ以上であり得る。１）全てのトレーニングラウンド又は選択されたトレーニングラウンドについてのもの、２）知識推論の全ての反復又は知識推論の選択された反復についてのもの、３）トレーニングラウンドにおいて使用されるトレーニングデータ、４）トレーニングラウンドにおけるトレーニングデータと対応するモデル更新（例えば、ＤＮＮモデルの勾配）との間の相関、５）トレーニングラウンドにおいて生成される部分的又は完全なモデル更新、６）トレーニング中のモデル精度の傾向、７）トレーニング中のモデル収束速度、８）試験及び検証のためのトレーニング済みモデル、９）試験及び検証ステージ中の失敗、１０）トレーニング済み最終モデル、１１）トレーニングステージについての他の統計（例えば、使用されたトレーニングデータの分布、ＤＮＮモデルである場合の最終モデルの重み分布など）、１２）知識推論に使用されるモデル、１３）推論のための入力データ、１４）推論された知識、１５）推論のための入力データと推論された知識との間の相関、１６）推論された知識と、推論された知識に基づいても基づかなくてもよいＡＩＭＵがとるアクションとの間の不一致、及び１７）知識推論についての他の統計（例えば、推論のために使用された入力データの分布、推論された知識の分布、知識推論がいつ／どこでトリガされるかに関する時間／ロケーション情報など）。
－Ｔｒａｃｅ－Ｒｅｃｏｒｄ－Ｆｏｒｍａｔ（トレース－記録－フォーマット）：生成されたＡＩトレース記録のためのフォーマット（例えば、簡潔なバイナリオブジェクト表現（Concise Binary Object Representation、ＣＢＯＲ）、ＪａｖａＳｃｒｉｐｔオブジェクト表記法（JavaScript Object Notation、ＪＳＯＮ））及びメタデータを定義する。トレース記録（ＴＲ（ｊ））のメタデータは、以下のパラメータを含むことができるが、これらに限定されない。
・Ｔｒａｃｅ－Ｒｅｃｏｒｄ－Ｃｒｅａｔｏｒ（トレース－記録－作成者）：ＴＲ（ｊ）を作成するＡＩＨの識別子。
・Ｔｒａｃｅ－Ｒｅｃｏｒｄ－Ｃｒｅａｔｉｏｎ－Ｔｉｍｅ（トレース－記録－作成－時間）：ＴＲ（ｊ）が作成される時間。
・Ｔｒａｃｅ－Ｒｅｃｏｒｄ－Ｃｒｅａｔｉｏｎ－Ｌｏｃａｔｉｏｎ（トレース－記録－作成－場所）：ＡＩＨがＴＲ（ｊ）を作成するときのＡＩＨの場所。このパラメータは、ＡＩＨが静止していない場合、瞬時位置を捕捉するのに有用であり得る。
・Ｔｒａｃｅ－Ｒｅｃｏｒｄ－Ｉｄｅｎｔｉｆｉｅｒ（トレース－記録－識別子）：アドレス又はユニフォームリソース識別子（ＵＲＩ）などのＴＲ（ｊ）の識別子であり、それを介してＴＲ（ｊ）にアクセスすることができる。このパラメータは、ＴＲ（ｊ）が、ＴＲ（ｊ）を作成するＡＩＨにおいてローカルに記憶されない場合、ブランクであってもよい。
・Ｔｒａｃｅ－Ｒｅｃｏｒｄ－Ｃｏｎｔｅｎｔ－Ｔｙｐｅ（トレース－記録－コンテンツ－タイプ）：ＴＲ（ｊ）に含まれるコンテンツのタイプであり、トレーニングデータ、ＡＩモデル更新、最終ＡＩモデル、推論のための入力データ、推論された知識、モデルトレーニング統計、知識推論統計などのタイプのうちの１つ又は組み合わせであり得る。
－Ｔｒａｃｅ－Ｒｅｃｏｒｄ－Ｃｒｅａｔｉｏｎ－Ｃｏｎｄｉｔｉｏｎ（トレース－記録－作成－条件）：新しいトレース記録がＡＩＨによって作成される条件を記述する。条件は、１つ以上の以下のパラメータに基づくことができるが、これらに限定されない。
・Ｔｒａｃｅ－Ｒｅｃｏｒｄ－Ｃｒｅａｔｉｏｎ－Ｔｉｍｅ－Ｗｉｎｄｏｗｓ（トレース－記録－作成－時間－ウィンドウ）：ＡＩＨが以下のパラメータに従ってトレース記録を作成する時間ウィンドウ。
・Ｔｒａｃｅ－Ｒｅｃｏｒｄ－Ｃｒｅａｔｉｏｎ－Ｆｒｅｑｕｅｎｃｙ（トレース－記録－作成－頻度）：周期的にトレース記録を作成する頻度。
・ＡＩ－Ｍｏｄｅｌ－Ｔｒａｉｎｉｎｇ－Ａｃｃｕｒａｃｙ－Ｒａｎｇｅ（ＡＩ－モデル－トレーニング－精度－範囲）：トレーニング中のＡＩモデルの瞬時精度（すなわち、損失関数に基づいて計算される）が、ＡＩ－Ｍｏｄｅｌ－Ｔｒａｉｎｉｎｇ－Ａｃｃｕｒａｃｙ－Ｒａｎｇｅによって定義される範囲内にあるとき、新しいトレース記録が作成される。
・ＡＩ－Ｍｏｄｅｌ－Ｔｅｓｔ－Ａｃｃｕｒａｃｙ－Ｒａｎｇｅ（ＡＩ－モデル－試験－精度－範囲）：試験データ下でＡＩモデルの試験された精度が、ＡＩ－Ｍｏｄｅｌ－Ｔｅｓｔ－Ａｃｃｕｒａｃｙ－Ｒａｎｇｅによって定義される範囲内にあるとき、新しいトレース記録が作成される。
・ＡＩ－Ｍｏｄｅｌ－Ｔｅｓｔ－Ｆａｉｌｕｒｅ－Ｔｈｒｅｓｈｏｌｄ（ＡＩ－モデル－試験－不合格－閾値）：試験ステージで発生する不合格の数が、ＡＩ－Ｍｏｄｅｌ－Ｔｅｓｔ－Ｆａｉｌｕｒｅ－Ｔｈｒｅｓｈｏｌｄによって定義されるような閾値を超えるとき、新しいトレース記録が生成される。
・ＡＩ－Ｍｏｄｅｌ－Ａｔｔａｃｋ－Ｄｅｔｅｃｔｉｏｎ（ＡＩ－モデル－攻撃－検出）：バックドア又は他のデータポイズン攻撃が、攻撃検出アルゴリズムに基づいてＡＩＨによって検出されると、新しいトレース記録が生成される。
－Ｔｒａｃｅ－Ｒｅｃｏｒｄ－Ｆｏｒｗａｒｄｉｎｇ－Ａｄｄｒｅｓｓ（トレース－記録－転送－アドレス）：作成されるトレース記録を記憶するための場所及び／又はアドレスを示す。このパラメータは空であってもよいし、単に「ＬＯＣＡＬ」を示してもよい。その結果、このトレース命令を使用するＡＩＨは、任意の作成されたトレース記録をローカルに記憶するだけである。このパラメータは、このトレース命令を使用するＡＩＨが任意の作成されたトレース記録を転送する外部エンティティ（例えば、ＤＳＳ）を指すアドレスを含むことができる。
－Ｔｒａｃｅ－Ｒｅｃｏｒｄ－Ｆｏｒｗａｒｄｉｎｇ－Ｃｏｎｄｉｔｉｏｎ（トレース－記録－転送－条件）：これは、ＡＩＨが、Ｔｒａｃｅ－Ｒｅｃｏｒｄ－Ｓｔｏｒａｇｅ－Ａｄｄｒｅｓｓによって示されるように、作成されたトレース記録を外部エンティティに転送する条件を記述する。条件は、以下のうちの１つ以上に基づき得る。
・Ｔｒａｃｅ－Ｒｅｃｏｒｄ－Ｍａｘｉｍｕｍ－Ｂｕｆｆｅｒ－Ｔｉｍｅ（トレース－記録－最大－バッファリング－時間）：ＡＩＨがトレース記録を外部エンティティに転送する前に、トレース記録をＡＩＨにおいてローカルにバッファリングすることができる最大時間を示す。
・Ｔｒａｃｅ－Ｒｅｃｏｒｄ－Ｆｏｒｗａｒｄｉｎｇ－Ｆｒｅｑｕｅｎｃｙ（トレース－記録－転送－頻度）：ＡＩＨが生成されたトレース記録をどのくらい速く転送するかを示す。例えば、ＡＩＨは、Ｍ個の新しいトレース記録が作成されるたびに、Ｍ個のトレース記録を一緒に外部エンティティに転送することができる。Ｍは、Ｔｒａｃｅ－Ｒｅｃｏｒｄ－Ｆｏｒｗａｒｄｉｎｇ－Ｆｒｅｑｕｅｎｃｙに含まれる。
－Ｔｒａｃｅ－Ｒｅｃｏｒｄ－Ｆｏｒｗａｒｄｉｎｇ－Ｍｅｔａｄａｔａ（トレース－記録－転送－メタデータ）：ＡＩＨがトレース記録を外部エンティティ（例えば、ＤＳＳ）に転送するときに、外部エンティティによって要求されるメタデータを示す。例えば、外部エンティティがブロックチェーン又は分散型台帳システムであるとき、Ｔｒａｃｅ－Ｒｅｃｏｒｄ－Ｆｏｒｗａｒｄｉｎｇ－Ｍｅｔａｄａｔａは、対応するブロックチェーントランザクションフォーマットを示すことができる。ＡＩＨは、トランザクションフォーマットに従って１つ以上のブロックチェーントランザクションにＭ個のトレース記録をカプセル化し、これらのブロックチェーントランザクションを外部ブロックチェーンシステムに送信することができる。
－Ｔｒａｃｅ－Ｒｅｃｏｒｄ－Ｆｏｒｗａｒｄｉｎｇ－Ｃｒｅｄｅｎｔｉａｌｓ（トレース－記録－転送－資格証明）：Ｔｒａｃｅ－Ｒｅｃｏｒｄ－Ｓｔｏｒａｇｅ－Ａｄｄｒｅｓｓによって示されるように、ＡＩＨがトレース記録を外部エンティティに転送するために使用する資格証明を示す。認証証明は、外部エンティティにアクセスするためのトークン又は証明書であり得る。ＡＩＨがトレース記録を外部エンティティに転送するとき、ＡＩＨは、認証証明に基づいてＡＩＨを認証及び認可することができる外部エンティティに、認証証明を提示する。外部エンティティがブロックチェーン又は分散型台帳システムである場合、Ｔｒａｃｅ－Ｒｅｃｏｒｄ－Ｆｏｒｗａｒｄｉｎｇ－Ｃｒｅｄｅｎｔｉａｌｓは、ＡＩＴＭがＡＩＨに割り当てるブロックチェーンアカウント（例えば、ＡＩＨ及び／又はＡＩＴＭの公開鍵から導出される）を含んでもよい。
－Ｔｒａｃｅ－Ｉｎｓｔｒｕｃｔｉｏｎ－ＩＤ（トレース－命令－ＩＤ）：ＴＩ（ｉ）の（統計的に又は蓋然的に）一意の識別子。一例として、追加情報とともにＴＩ（ｉ）コンテンツのハッシュを一意の識別子として使用することができる。
－Ｔｒａｃｅ－Ｓｃｏｐｅ（トレース－範囲）：選択されたＡＩタスクのトレース範囲。トレース範囲は、以下のうちの１つ以上であり得る。１）全てのトレーニングラウンド又は選択されたトレーニングラウンドについてのもの、２）知識推論の全ての反復又は知識推論の選択された反復についてのもの、３）トレーニングラウンドにおいて使用されるトレーニングデータ、４）トレーニングラウンドにおけるトレーニングデータと対応するモデル更新（例えば、ＤＮＮモデルの勾配）との間の相関、５）トレーニングラウンドにおいて生成される部分的又は完全なモデル更新、６）トレーニング中のモデル精度の傾向、７）トレーニング中のモデル収束速度、８）試験及び検証のためのトレーニング済みモデル、９）試験及び検証ステージ中の失敗、１０）トレーニング済み最終モデル、１１）トレーニングステージについての他の統計（例えば、使用されたトレーニングデータの分布、ＤＮＮモデルである場合の最終モデルの重み分布など）、１２）知識推論に使用されるモデル、１３）推論のための入力データ、１４）推論された知識、１５）推論のための入力データと推論された知識との間の相関、１６）推論された知識と、推論された知識に基づいても基づかなくてもよいＡＩＭＵがとるアクションとの間の不一致、及び１７）知識推論についての他の統計（例えば、推論のために使用された入力データの分布、推論された知識の分布、知識推論がいつ／どこでトリガされるかに関する時間／ロケーション情報など）。
－Ｔｒａｃｅ－Ｒｅｃｏｒｄ－Ｆｏｒｍａｔ（トレース－記録－フォーマット）：生成されたＡＩトレース記録のためのフォーマット（例えば、簡潔なバイナリオブジェクト表現（Concise Binary Object Representation、ＣＢＯＲ）、ＪａｖａＳｃｒｉｐｔオブジェクト表記法（JavaScript Object Notation、ＪＳＯＮ））及びメタデータを定義する。トレース記録（ＴＲ（ｊ））のメタデータは、以下のパラメータを含むことができるが、これらに限定されない。
・Ｔｒａｃｅ－Ｒｅｃｏｒｄ－Ｃｒｅａｔｏｒ（トレース－記録－作成者）：ＴＲ（ｊ）を作成するＡＩＨの識別子。
・Ｔｒａｃｅ－Ｒｅｃｏｒｄ－Ｃｒｅａｔｉｏｎ－Ｔｉｍｅ（トレース－記録－作成－時間）：ＴＲ（ｊ）が作成される時間。
・Ｔｒａｃｅ－Ｒｅｃｏｒｄ－Ｃｒｅａｔｉｏｎ－Ｌｏｃａｔｉｏｎ（トレース－記録－作成－場所）：ＡＩＨがＴＲ（ｊ）を作成するときのＡＩＨの場所。このパラメータは、ＡＩＨが静止していない場合、瞬時位置を捕捉するのに有用であり得る。
・Ｔｒａｃｅ－Ｒｅｃｏｒｄ－Ｉｄｅｎｔｉｆｉｅｒ（トレース－記録－識別子）：アドレス又はユニフォームリソース識別子（ＵＲＩ）などのＴＲ（ｊ）の識別子であり、それを介してＴＲ（ｊ）にアクセスすることができる。このパラメータは、ＴＲ（ｊ）が、ＴＲ（ｊ）を作成するＡＩＨにおいてローカルに記憶されない場合、ブランクであってもよい。
・Ｔｒａｃｅ－Ｒｅｃｏｒｄ－Ｃｏｎｔｅｎｔ－Ｔｙｐｅ（トレース－記録－コンテンツ－タイプ）：ＴＲ（ｊ）に含まれるコンテンツのタイプであり、トレーニングデータ、ＡＩモデル更新、最終ＡＩモデル、推論のための入力データ、推論された知識、モデルトレーニング統計、知識推論統計などのタイプのうちの１つ又は組み合わせであり得る。
－Ｔｒａｃｅ－Ｒｅｃｏｒｄ－Ｃｒｅａｔｉｏｎ－Ｃｏｎｄｉｔｉｏｎ（トレース－記録－作成－条件）：新しいトレース記録がＡＩＨによって作成される条件を記述する。条件は、１つ以上の以下のパラメータに基づくことができるが、これらに限定されない。
・Ｔｒａｃｅ－Ｒｅｃｏｒｄ－Ｃｒｅａｔｉｏｎ－Ｔｉｍｅ－Ｗｉｎｄｏｗｓ（トレース－記録－作成－時間－ウィンドウ）：ＡＩＨが以下のパラメータに従ってトレース記録を作成する時間ウィンドウ。
・Ｔｒａｃｅ－Ｒｅｃｏｒｄ－Ｃｒｅａｔｉｏｎ－Ｆｒｅｑｕｅｎｃｙ（トレース－記録－作成－頻度）：周期的にトレース記録を作成する頻度。
・ＡＩ－Ｍｏｄｅｌ－Ｔｒａｉｎｉｎｇ－Ａｃｃｕｒａｃｙ－Ｒａｎｇｅ（ＡＩ－モデル－トレーニング－精度－範囲）：トレーニング中のＡＩモデルの瞬時精度（すなわち、損失関数に基づいて計算される）が、ＡＩ－Ｍｏｄｅｌ－Ｔｒａｉｎｉｎｇ－Ａｃｃｕｒａｃｙ－Ｒａｎｇｅによって定義される範囲内にあるとき、新しいトレース記録が作成される。
・ＡＩ－Ｍｏｄｅｌ－Ｔｅｓｔ－Ａｃｃｕｒａｃｙ－Ｒａｎｇｅ（ＡＩ－モデル－試験－精度－範囲）：試験データ下でＡＩモデルの試験された精度が、ＡＩ－Ｍｏｄｅｌ－Ｔｅｓｔ－Ａｃｃｕｒａｃｙ－Ｒａｎｇｅによって定義される範囲内にあるとき、新しいトレース記録が作成される。
・ＡＩ－Ｍｏｄｅｌ－Ｔｅｓｔ－Ｆａｉｌｕｒｅ－Ｔｈｒｅｓｈｏｌｄ（ＡＩ－モデル－試験－不合格－閾値）：試験ステージで発生する不合格の数が、ＡＩ－Ｍｏｄｅｌ－Ｔｅｓｔ－Ｆａｉｌｕｒｅ－Ｔｈｒｅｓｈｏｌｄによって定義されるような閾値を超えるとき、新しいトレース記録が生成される。
・ＡＩ－Ｍｏｄｅｌ－Ａｔｔａｃｋ－Ｄｅｔｅｃｔｉｏｎ（ＡＩ－モデル－攻撃－検出）：バックドア又は他のデータポイズン攻撃が、攻撃検出アルゴリズムに基づいてＡＩＨによって検出されると、新しいトレース記録が生成される。
－Ｔｒａｃｅ－Ｒｅｃｏｒｄ－Ｆｏｒｗａｒｄｉｎｇ－Ａｄｄｒｅｓｓ（トレース－記録－転送－アドレス）：作成されるトレース記録を記憶するための場所及び／又はアドレスを示す。このパラメータは空であってもよいし、単に「ＬＯＣＡＬ」を示してもよい。その結果、このトレース命令を使用するＡＩＨは、任意の作成されたトレース記録をローカルに記憶するだけである。このパラメータは、このトレース命令を使用するＡＩＨが任意の作成されたトレース記録を転送する外部エンティティ（例えば、ＤＳＳ）を指すアドレスを含むことができる。
－Ｔｒａｃｅ－Ｒｅｃｏｒｄ－Ｆｏｒｗａｒｄｉｎｇ－Ｃｏｎｄｉｔｉｏｎ（トレース－記録－転送－条件）：これは、ＡＩＨが、Ｔｒａｃｅ－Ｒｅｃｏｒｄ－Ｓｔｏｒａｇｅ－Ａｄｄｒｅｓｓによって示されるように、作成されたトレース記録を外部エンティティに転送する条件を記述する。条件は、以下のうちの１つ以上に基づき得る。
・Ｔｒａｃｅ－Ｒｅｃｏｒｄ－Ｍａｘｉｍｕｍ－Ｂｕｆｆｅｒ－Ｔｉｍｅ（トレース－記録－最大－バッファリング－時間）：ＡＩＨがトレース記録を外部エンティティに転送する前に、トレース記録をＡＩＨにおいてローカルにバッファリングすることができる最大時間を示す。
・Ｔｒａｃｅ－Ｒｅｃｏｒｄ－Ｆｏｒｗａｒｄｉｎｇ－Ｆｒｅｑｕｅｎｃｙ（トレース－記録－転送－頻度）：ＡＩＨが生成されたトレース記録をどのくらい速く転送するかを示す。例えば、ＡＩＨは、Ｍ個の新しいトレース記録が作成されるたびに、Ｍ個のトレース記録を一緒に外部エンティティに転送することができる。Ｍは、Ｔｒａｃｅ－Ｒｅｃｏｒｄ－Ｆｏｒｗａｒｄｉｎｇ－Ｆｒｅｑｕｅｎｃｙに含まれる。
－Ｔｒａｃｅ－Ｒｅｃｏｒｄ－Ｆｏｒｗａｒｄｉｎｇ－Ｍｅｔａｄａｔａ（トレース－記録－転送－メタデータ）：ＡＩＨがトレース記録を外部エンティティ（例えば、ＤＳＳ）に転送するときに、外部エンティティによって要求されるメタデータを示す。例えば、外部エンティティがブロックチェーン又は分散型台帳システムであるとき、Ｔｒａｃｅ－Ｒｅｃｏｒｄ－Ｆｏｒｗａｒｄｉｎｇ－Ｍｅｔａｄａｔａは、対応するブロックチェーントランザクションフォーマットを示すことができる。ＡＩＨは、トランザクションフォーマットに従って１つ以上のブロックチェーントランザクションにＭ個のトレース記録をカプセル化し、これらのブロックチェーントランザクションを外部ブロックチェーンシステムに送信することができる。
－Ｔｒａｃｅ－Ｒｅｃｏｒｄ－Ｆｏｒｗａｒｄｉｎｇ－Ｃｒｅｄｅｎｔｉａｌｓ（トレース－記録－転送－資格証明）：Ｔｒａｃｅ－Ｒｅｃｏｒｄ－Ｓｔｏｒａｇｅ－Ａｄｄｒｅｓｓによって示されるように、ＡＩＨがトレース記録を外部エンティティに転送するために使用する資格証明を示す。認証証明は、外部エンティティにアクセスするためのトークン又は証明書であり得る。ＡＩＨがトレース記録を外部エンティティに転送するとき、ＡＩＨは、認証証明に基づいてＡＩＨを認証及び認可することができる外部エンティティに、認証証明を提示する。外部エンティティがブロックチェーン又は分散型台帳システムである場合、Ｔｒａｃｅ－Ｒｅｃｏｒｄ－Ｆｏｒｗａｒｄｉｎｇ－Ｃｒｅｄｅｎｔｉａｌｓは、ＡＩＴＭがＡＩＨに割り当てるブロックチェーンアカウント（例えば、ＡＩＨ及び／又はＡＩＴＭの公開鍵から導出される）を含んでもよい。
【0215】
Ｔｒａｃｅ－Ｓｃｏｐｅ及びＴｒａｃｅ－Ｒｅｃｏｒｄ－Ｃｒｅａｔｉｏｎ－Ｃｏｎｄｉｔｉｏｎはともに、Ｔｒａｃｅ－Ｒｅｃｏｒｄ－Ｆｏｒｍａｔによって定義されるフォーマットに従うＡＩトレース記録がいつ生成されるべきかを決定する。
【0216】
ステップＳ１２０８における応答は、例えば、完全なコンテンツが大きすぎる場合、各トレース命令の完全な内容の代わりにトレース命令識別子のリストを単に含んでもよいことに留意されたい。その結果、ＡＩＭは、別個のステップを使用して、１つ以上のトレース命令識別子をＡＩＴＭに提示し、対応するトレース命令の完全なコンテンツを取り出すことができる。
【0217】
また、ステップＳ１２０６及びＳ１２０８は、ＡＩＭ１２０３がＡＩＨ１２０１のためのトレース命令を決定することができる場合、例えば、ＡＩＴＭ１２０５から受信された以前に提供された又はバッファリングされたトレース命令を活用して、省略され得るということに留意されたい。
【0218】
ステップＳ１２１０において、ＡＩＭ１２０３は、選択されたＡＩタスクをＡＩＨにインストール／展開するために、ＡＩＨ１２０１に応答を送信する。この応答は以下のものを含むことができる。
－ＡＩ－Ｔａｓｋ－Ｃｏｎｔｅｎｔ（ＡＩ－タスク－コンテンツ）：選択されたＡＩタスクのソフトウェアコード。これが含まれる場合、ＡＩ－Ｔａｓｋ－Ｃｏｎｔｅｎｔ－Ａｄｄｒｅｓｓ（ＡＩ－タスク－コンテンツ－アドレス）（以下を参照）は必要とされない場合がある。これが含まれない場合、ＡＩ－Ｔａｓｋ－Ｃｏｎｔｅｎｔ－Ａｄｄｒｅｓｓが代わりに必要とされ得る。
－ＡＩ－Ｔａｓｋ－Ｃｏｎｔｅｎｔ－Ａｄｄｒｅｓｓ：選択されたＡＩタスクのソフトウェアコードをダウンロードすることができるアドレス。これが含まれる場合、ＡＩＨ１２０１は、ＡＩタスクを物理的にインストールすることができる前に、ＡＩタスクのソフトウェアコードをダウンロードするための追加のアクションを実行することができる。
－ＡＩ－Ｔａｓｋ－ＩＤ：選択されたＡＩタスクの一意の識別子。
－Ｔｒａｃｅ－Ｉｎｓｔｒｕｃｔｉｏｎｓ（トレース－命令）：ステップＳ１２０８における応答で受信された（又は他の場所で取得された）もの。
－ＡＩＲ－ＩＤ：ＡＩＨ１２０１が更新されたＡＩモデルを発見することができるＡＩＲの識別子。
－ＡＩ－Ｍｏｄｅｌ－ＩＤ（ＡＩ－モデル－ＩＤ）：既存のＡＩモデルの識別子であり、ＡＩＭ１２０３は、ＡＩＨ１２０１がＡＩタスクを取り出してインストールすることを望む。これは、ＡＩタスクが学習のためのものであるとき、必要とされない場合がある。ＡＩ－Ｍｏｄｅｌ－ＩＤがメッセージに含まれる場合、ＡＩ－Ｍｏｄｅｌ－Ｃｏｎｔｅｎｔ（ＡＩ－モデル－コンテンツ）（下記参照）を省略することができる。
－ＡＩ－Ｍｏｄｅｌ－Ｃｏｎｔｅｎｔ：ＡＩモデルの内容。これは、ＡＩタスクが学習のためのものである場合、必要とされない場合がある。たとえＡＩタスクが知識を推論するためのものであっても、ＡＩＭ１２０３がＡＩＲ－ＩＤ又はＡＩ－Ｍｏｄｅｌ－ＩＤを使用して、ＡＩＨ１２０１にＡＩＲからＡＩモデルを発見して取り出すように命令することができるので、このパラメータは任意選択であり得る。このメッセージにＡＩ－Ｍｏｄｅｌ－Ｃｏｎｔｅｎｔが含まれている場合には、ＡＩ－Ｍｏｄｅｌ－ＩＤは不要である。ＡＩタスクが半教師あり学習タスクである場合、ＡＩ－Ｍｏｄｅｌ－Ｃｏｎｔｅｎｔ又はＡＩ－Ｍｏｄｅｌ－ＩＤが必要である。
－ＡＩ－Ｔａｓｋ－Ｃｏｎｔｅｎｔ（ＡＩ－タスク－コンテンツ）：選択されたＡＩタスクのソフトウェアコード。これが含まれる場合、ＡＩ－Ｔａｓｋ－Ｃｏｎｔｅｎｔ－Ａｄｄｒｅｓｓ（ＡＩ－タスク－コンテンツ－アドレス）（以下を参照）は必要とされない場合がある。これが含まれない場合、ＡＩ－Ｔａｓｋ－Ｃｏｎｔｅｎｔ－Ａｄｄｒｅｓｓが代わりに必要とされ得る。
－ＡＩ－Ｔａｓｋ－Ｃｏｎｔｅｎｔ－Ａｄｄｒｅｓｓ：選択されたＡＩタスクのソフトウェアコードをダウンロードすることができるアドレス。これが含まれる場合、ＡＩＨ１２０１は、ＡＩタスクを物理的にインストールすることができる前に、ＡＩタスクのソフトウェアコードをダウンロードするための追加のアクションを実行することができる。
－ＡＩ－Ｔａｓｋ－ＩＤ：選択されたＡＩタスクの一意の識別子。
－Ｔｒａｃｅ－Ｉｎｓｔｒｕｃｔｉｏｎｓ（トレース－命令）：ステップＳ１２０８における応答で受信された（又は他の場所で取得された）もの。
－ＡＩＲ－ＩＤ：ＡＩＨ１２０１が更新されたＡＩモデルを発見することができるＡＩＲの識別子。
－ＡＩ－Ｍｏｄｅｌ－ＩＤ（ＡＩ－モデル－ＩＤ）：既存のＡＩモデルの識別子であり、ＡＩＭ１２０３は、ＡＩＨ１２０１がＡＩタスクを取り出してインストールすることを望む。これは、ＡＩタスクが学習のためのものであるとき、必要とされない場合がある。ＡＩ－Ｍｏｄｅｌ－ＩＤがメッセージに含まれる場合、ＡＩ－Ｍｏｄｅｌ－Ｃｏｎｔｅｎｔ（ＡＩ－モデル－コンテンツ）（下記参照）を省略することができる。
－ＡＩ－Ｍｏｄｅｌ－Ｃｏｎｔｅｎｔ：ＡＩモデルの内容。これは、ＡＩタスクが学習のためのものである場合、必要とされない場合がある。たとえＡＩタスクが知識を推論するためのものであっても、ＡＩＭ１２０３がＡＩＲ－ＩＤ又はＡＩ－Ｍｏｄｅｌ－ＩＤを使用して、ＡＩＨ１２０１にＡＩＲからＡＩモデルを発見して取り出すように命令することができるので、このパラメータは任意選択であり得る。このメッセージにＡＩ－Ｍｏｄｅｌ－Ｃｏｎｔｅｎｔが含まれている場合には、ＡＩ－Ｍｏｄｅｌ－ＩＤは不要である。ＡＩタスクが半教師あり学習タスクである場合、ＡＩ－Ｍｏｄｅｌ－Ｃｏｎｔｅｎｔ又はＡＩ－Ｍｏｄｅｌ－ＩＤが必要である。
【0219】
インストールされるタスクがＡＩモデルトレーニングタスクである場合、メッセージは更に以下を含み得る。
－Ｔｒａｉｎｉｎｇ－Ｄａｔａ－Ｓｏｕｒｃｅ（トレーニング－データ－ソース）：ＡＩＨ１２０１がトレーニングデータを取り出すべき又はダウンロードすべき場所（例えば、ＵＲＩ、ＦＱＤＮなど）。ＡＩＨ１２０１が、ＡＩＨ登録中に示している場合があるトレーニングデータを既に有している場合、トレーニングデータをダウンロードする必要はない。この場合、これはオプションである。
－Ｍｏｄｅｌ－Ｈａｎｄｌｉｎｇ（モデル－処理）：トレーニング済みＡＩモデルがどのように処理されるか。これは、異なる可能性を示し得る。第１の例として、ＡＩＨは、トレーニングプロセスを完了し、ＡＩモデルを生成すると、そのＡＩモデルをＡＩＭに返す。あるいは、ＡＩＨは、ＡＩモデルの利用可能性をＡＩＭに知らせ、ＡＩＭは、ＡＩＨからＡＩモデルを取り出すことができる。第２の例として、ＡＩＨは、トレーニング済みＡＩモデルをＡＩＲに登録するものとする。この場合、このパラメータは、ＡＩＲのアドレスも含むことができる。
－Ｔｒａｉｎｉｎｇ－Ｄａｔａ－Ｓｏｕｒｃｅ（トレーニング－データ－ソース）：ＡＩＨ１２０１がトレーニングデータを取り出すべき又はダウンロードすべき場所（例えば、ＵＲＩ、ＦＱＤＮなど）。ＡＩＨ１２０１が、ＡＩＨ登録中に示している場合があるトレーニングデータを既に有している場合、トレーニングデータをダウンロードする必要はない。この場合、これはオプションである。
－Ｍｏｄｅｌ－Ｈａｎｄｌｉｎｇ（モデル－処理）：トレーニング済みＡＩモデルがどのように処理されるか。これは、異なる可能性を示し得る。第１の例として、ＡＩＨは、トレーニングプロセスを完了し、ＡＩモデルを生成すると、そのＡＩモデルをＡＩＭに返す。あるいは、ＡＩＨは、ＡＩモデルの利用可能性をＡＩＭに知らせ、ＡＩＭは、ＡＩＨからＡＩモデルを取り出すことができる。第２の例として、ＡＩＨは、トレーニング済みＡＩモデルをＡＩＲに登録するものとする。この場合、このパラメータは、ＡＩＲのアドレスも含むことができる。
【0220】
インストールされるタスクが知識推論タスクである場合、メッセージは更に以下を含を含み得る
－Ｉｎｐｕｔ－Ｄａｔａ－Ｓｏｕｒｃｅ（入力－データ－ソース）：ＡＩＨが入力データを取り出すか又はダウンロードし、入力データから知識を導出することができる場所（例えば、ユニフォームリソースロケータ（ＵＲＬ））。ＡＩＨが、ＡＩＨ登録中に示している場合がある入力データを既に有している場合、入力データをダウンロードする必要はない。この場合、これはオプションである。
－Ｋｎｏｗｌｅｄｇｅ－Ｈａｎｄｌｉｎｇ（知識－処理）：推論された知識がどのように処理されるか。これは、異なる可能性を示し得る。第１の例として、ＡＩＨは、推論プロセスを完了し、知識を生成すると、その知識をＡＩＭに返すことができる。あるいは、ＡＩＨは、知識の利用可能性をＡＩＭに知らせることができ、ＡＩＭは、ＡＩＨから知識を取り出すことができる。また、ＡＩＨは、知識消費者（例えば、知識を使用してそれ自体のモデルをトレーニングするためのＡＩＭＰ）に知識を直接送信することができる。第２の例として、ＡＩＨは、それ自体のためにローカルに知識を維持することができる。
－Ｉｎｐｕｔ－Ｄａｔａ－Ｓｏｕｒｃｅ（入力－データ－ソース）：ＡＩＨが入力データを取り出すか又はダウンロードし、入力データから知識を導出することができる場所（例えば、ユニフォームリソースロケータ（ＵＲＬ））。ＡＩＨが、ＡＩＨ登録中に示している場合がある入力データを既に有している場合、入力データをダウンロードする必要はない。この場合、これはオプションである。
－Ｋｎｏｗｌｅｄｇｅ－Ｈａｎｄｌｉｎｇ（知識－処理）：推論された知識がどのように処理されるか。これは、異なる可能性を示し得る。第１の例として、ＡＩＨは、推論プロセスを完了し、知識を生成すると、その知識をＡＩＭに返すことができる。あるいは、ＡＩＨは、知識の利用可能性をＡＩＭに知らせることができ、ＡＩＭは、ＡＩＨから知識を取り出すことができる。また、ＡＩＨは、知識消費者（例えば、知識を使用してそれ自体のモデルをトレーニングするためのＡＩＭＰ）に知識を直接送信することができる。第２の例として、ＡＩＨは、それ自体のためにローカルに知識を維持することができる。
【0221】
ステップＳ１２１０における応答はまた、ＡＩＨがステップＳ１２１２においてＡＩタスクをインストールした後に、ＡＩＨ１２０１からＡＩＭ１２０３に送信されるべき通知を（すなわち、ステップＳ１２１４において）要請し得る。
【0222】
ステップＳ１２１２において、ＡＩＨ１２０１は、ＡＩタスクをローカルにインストールする。また、ＡＩＨ１２０１は、インストールされたＡＩタスクを用いて受信されたトレース命令（すなわち、Ｔｒａｃｅ－Ｉｎｓｔｒｕｃｔｉｏｎｓ）を構成することができ、その結果、ＡＩタスクは、実行を開始すると、トレース命令に従ってＡＩトレース記録を生成する。ＡＩ－Ｍｏｄｅｌ－Ｃｏｎｔｅｎｔが応答に含まれている場合、ＡＩＨは、対応するＡＩ－Ｍｏｄｅｌ－ＣｏｎｔｅｎｔをＡＩタスクとともにインストールする。ＡＩＲ－ＩＤ又はＡＩ－Ｍｏｄｅｌ－ＩＤがメッセージに含まれる場合、ＡＩＨは、ＡＩＲからＡＩモデルを発見又は取り出すことができ、その後、ＡＩＨは、ＡＩタスクをインストールする。ＡＩＨは、インストールされたＡＩタスクにアクセスすることができる、ＡＩ－Ｔａｓｋ－Ａｄｄｒｅｓｓと呼ばれる１つ以上のアドレスを生成することができる。ＡＩ－Ｔａｓｋ－Ａｄｄｒｅｓｓは以下を含み得る。
－インストールされたＡＩタスクのＴＲＡＣＥ－ＣＯＮＦＩＧ－ＡＰＩのＡＰＩ－Ｉｎｆｏ。
－インストールされたＡＩタスクのＴＲＡＣＥ－ＭＧＭＴ－ＡＰＩのＡＰＩ－Ｉｎｆｏ。
－インストールされたＡＩタスクのＭＯＤＥＬ－ＭＧＭＴ－ＡＰＩのＡＰＩ－Ｉｎｆｏ。
－インストールされたＡＩタスクのＴＲＡＣＥ－ＣＯＮＦＩＧ－ＡＰＩのＡＰＩ－Ｉｎｆｏ。
－インストールされたＡＩタスクのＴＲＡＣＥ－ＭＧＭＴ－ＡＰＩのＡＰＩ－Ｉｎｆｏ。
－インストールされたＡＩタスクのＭＯＤＥＬ－ＭＧＭＴ－ＡＰＩのＡＰＩ－Ｉｎｆｏ。
【0223】
ステップＳ１２１４において、ＡＩＨ１２０１は、ステップＳ１２１０で要求されたＡＩタスクのインストール成功（又はインストール失敗）を示す通知をＡＩＭ１２０３に送信する。ＡＩＨ１２０１は、任意選択で、ＤＳＳ又はＡＩＲに対するこの応答を記憶することができる。この通知は、例えば、以下を含み得る。
－ＡＩＨ－ＩＤ：ステップＳ１２０２におけるものと同様のもの。
－ＡＩ－Ｔａｓｋ－Ａｄｄｒｅｓｓ：ステップＳ１２１２で生成されるもの。
－ＡＩＨ－ＩＤ：ステップＳ１２０２におけるものと同様のもの。
－ＡＩ－Ｔａｓｋ－Ａｄｄｒｅｓｓ：ステップＳ１２１２で生成されるもの。
【0224】
ＡＩＨ１２０１はまた、同じ通知を含むトランザクションを作成し、トランザクションをＤＳＳ（例えば、分散型台帳）に送信し得る。トランザクションは、ＡＩ－Ｔａｓｋ－ＩＤ、ＡＩ－Ｔａｓｋ－Ｃｏｎｔｅｎｔ、及びＡＩ－Ｔａｓｋ－Ｔｙｐｅも含み得る。トランザクションが分散型台帳に追加された後、ＡＩＨは、追加されたトランザクションについての対応するＴｒａｎｓａｃｔｉｏｎ－Ｓｅｑ－Ｎｕｍ及びＢｌｏｃｋ－Ｓｅｑ－Ｎｕｍを知ることになる。次いで、ＡＩＨは、Ｔｒａｎｓａｃｔｉｏｎ－Ｓｅｑ－Ｎｕｍ及びＢｌｏｃｋ－Ｓｅｑ－ＮｕｍをＡＩＭに送信することができる。
【0225】
ステップＳ１２１６において、通知を受信したＡＩＭ１２０３は、ＡＩＨ１２０１にインストールされたＡＩタスクのＡＩタスク記録を作成する。ＡＩＭ１２０３は、ＡＩタスク記録をＤＳＳ又はＡＩＲに公開することができる。例えば、ＡＩＭ１２０３は、ＡＩタスク記録を含むトランザクションを作成することができ、トランザクションをＤＳＳ（例えば、分散型台帳）に送信する。ＡＩタスク記録は、以下を含み得る
－ＡＩＨ－ＩＤ：ステップＳ１２１４におけるものと同様のもの。
－ＡＩ－Ｔａｓｋ－ＩＤ：ステップＳ１２１０におけるものと同様のもの。
－ＡＩ－Ｔａｓｋ－Ａｄｄｒｅｓｓ：ステップＳ１２１４におけるものと同様のもの。
－ＡＩ－Ｔａｓｋ－Ｔｙｐｅ：ステップＳ１２０２におけるものと同様のもの。
－Ｔｒａｃｅ－Ｉｎｓｔｒｕｃｔｉｏｎｓ：ステップＳ１２１０におけるものと同様のもの。
－ＡＩＨ－ＩＤ：ステップＳ１２１４におけるものと同様のもの。
－ＡＩ－Ｔａｓｋ－ＩＤ：ステップＳ１２１０におけるものと同様のもの。
－ＡＩ－Ｔａｓｋ－Ａｄｄｒｅｓｓ：ステップＳ１２１４におけるものと同様のもの。
－ＡＩ－Ｔａｓｋ－Ｔｙｐｅ：ステップＳ１２０２におけるものと同様のもの。
－Ｔｒａｃｅ－Ｉｎｓｔｒｕｃｔｉｏｎｓ：ステップＳ１２１０におけるものと同様のもの。
【0226】
ステップＳ１２１８において、ＡＩＭ１２０３は、通知をＡＩＴＭ１２０５に送信する。この通知は、ステップＳ１２１６で生成されたＡＩタスク記録を含み得る。ＡＩＭ１２０３は、同じ通知をＡＩＲ及び／又はＤＳＳに送ることができる。
【0227】
ＡＩＭ開始型トレーサビリティアウェアＡＩタスク展開
ＡＩタスクを展開するために、ＡＩＭは、ＡＩタスクを決定し、ＡＩＴＭからＡＩタスクのためのトレース命令を要求する。トレース命令及び決定されたＡＩＭＵタスクに従って、ＡＩＭは、ＡＩＲから１つ以上の適切なＡＩＨ（ＡＩＭＰ又はＡＩＭＵ）を発見する。ＡＩＲは、登録された各ＡＩＨのトレース能力を維持することに留意されたい。一般的に言えば、ＡＩＭは、登録された各ＡＩＨのトレース能力をＡＩＴＭからのトレース命令と比較して、トレース命令を満たすことができる適切なＡＩＨを決定する。次に、ＡＩＭは、ＡＩＲから受信した適切なＡＩＨのリストからＡＩＨを選択し、トレース命令を有する決定されたＡＩタスクを選択されたＡＩＨにインストールする。
ＡＩタスクを展開するために、ＡＩＭは、ＡＩタスクを決定し、ＡＩＴＭからＡＩタスクのためのトレース命令を要求する。トレース命令及び決定されたＡＩＭＵタスクに従って、ＡＩＭは、ＡＩＲから１つ以上の適切なＡＩＨ（ＡＩＭＰ又はＡＩＭＵ）を発見する。ＡＩＲは、登録された各ＡＩＨのトレース能力を維持することに留意されたい。一般的に言えば、ＡＩＭは、登録された各ＡＩＨのトレース能力をＡＩＴＭからのトレース命令と比較して、トレース命令を満たすことができる適切なＡＩＨを決定する。次に、ＡＩＭは、ＡＩＲから受信した適切なＡＩＨのリストからＡＩＨを選択し、トレース命令を有する決定されたＡＩタスクを選択されたＡＩＨにインストールする。
【0228】
図１３は、本原理の一実施形態による、ＡＩＭによって開始されるトレーサビリティアウェアＡＩタスク展開の方法を示す。
【0229】
ステップＳ１３０２において、ＡＩＭ１３０３は、ＡＩタスクを展開すると決定する。ＡＩＭ１３０３は、ＡＩタスクのリストを維持することに留意されたい。
【0230】
ＡＩＭ１３０３は、特に、ＡＩＨ情報がＡＩＨ登録プロセス中に分散型台帳に公開されている場合、ＤＳＳ（例えば、分散型台帳）から１つ以上のＡＩＲを検索し得る。検索は、ステップＳ１３０２の前又は後に行われてもよい。ＡＩＭがＡＩＲを検索する場合、ステップＳ１３０４～Ｓ１３１０は省略されてもよい。
【0231】
ステップＳ１３０４において、ＡＩＭ１３０３は、要求メッセージをＡＩＴＭ１３０５に送信して、ＡＩタスクのためのトレース命令を要求する。このメッセージは、以下を含むことができる。
－ＡＩ－Ｔａｓｋ－Ｔｙｐｅ：ＡＩＨが要求するＡＩタスクのタイプ。ＡＩ－Ｔａｓｋ－Ｔｙｐｅは、要求されたタスクがモデルのトレーニング、知識の推論、又はその両方のためのものであるかどうかを示すことができる。ＡＩ－Ｔａｓｋ－Ｔｙｐｅはまた、要求されたＡＩタスクが、ＤＬタスク、ＦＬタスク、ＲＬタスク、又は他の種類であるかどうかを示すことができる。ＡＩ－Ｔａｓｋ－Ｔｙｐｅは、要求されたＡＩタスクの目的（例えば、回帰、分類、クラスタリングなど）を示すこともできる。ＡＩ－Ｔａｓｋ－Ｔｙｐｅはまた、要求ＡＩタスクの適用カテゴリ（例えば、自然言語処理、テキスト処理、画像処理、ビデオ処理など）を示すことができる。
－ＡＩ－Ｔａｓｋ－ＩＤ：選択されたＡＩタスクの、任意選択の一意の識別子。ＡＩ－Ｔａｓｋ－ＩＤは、例えば、ＡＩＴＭ１３０５がそれを理解し、対応するトレース命令を決定するためにそれを使用することができる場合、要求メッセージに含まれ得る。
－ＡＩ－Ｔａｓｋ－Ｔｙｐｅ：ＡＩＨが要求するＡＩタスクのタイプ。ＡＩ－Ｔａｓｋ－Ｔｙｐｅは、要求されたタスクがモデルのトレーニング、知識の推論、又はその両方のためのものであるかどうかを示すことができる。ＡＩ－Ｔａｓｋ－Ｔｙｐｅはまた、要求されたＡＩタスクが、ＤＬタスク、ＦＬタスク、ＲＬタスク、又は他の種類であるかどうかを示すことができる。ＡＩ－Ｔａｓｋ－Ｔｙｐｅは、要求されたＡＩタスクの目的（例えば、回帰、分類、クラスタリングなど）を示すこともできる。ＡＩ－Ｔａｓｋ－Ｔｙｐｅはまた、要求ＡＩタスクの適用カテゴリ（例えば、自然言語処理、テキスト処理、画像処理、ビデオ処理など）を示すことができる。
－ＡＩ－Ｔａｓｋ－ＩＤ：選択されたＡＩタスクの、任意選択の一意の識別子。ＡＩ－Ｔａｓｋ－ＩＤは、例えば、ＡＩＴＭ１３０５がそれを理解し、対応するトレース命令を決定するためにそれを使用することができる場合、要求メッセージに含まれ得る。
【0232】
ＡＩＴＭ１３０５は、ＡＩ－Ｔａｓｋ－Ｔｙｐｅ及び／又はＡＩ－Ｔａｓｋ－ＩＤを使用して、ＡＩタスクのためのトレース命令を決定する。ステップＳ１３０６において、ＡＩＴＭ１３０５は、ＡＩタスクに関連する情報のうちのどのタイプがどのようにトレースされ記録されるべきかを示すＴｒａｃｅ－Ｉｎｓｔｒｕｃｔｉｏｎｓを含む応答をＡＩＭに送信する。これは、図１２のステップＳ１２０８で説明したＴｒａｃｅ－Ｉｎｓｔｒｕｃｔｉｏｎｓと同様である。
【0233】
ステップＳ１３０８において、ＡＩＭ１３０３は、ＡＩタスクが展開される１つ（又は複数）のＡＩＨ１３０１を発見するために、メッセージをＡＩＲ１３０７に送信する。このメッセージは、以下を含み得る。
－ＡＩ－Ｔａｓｋ－ＩＤ：ステップＳ１３０４におけるものと同じもの。
－ＡＩ－Ｔａｓｋ－Ｔｙｐｅ：ステップＳ１３０４におけるものと同じもの。
－Ｔｒａｃｅ－Ｉｎｓｔｒｕｃｔｉｏｎｓ：ステップＳ１３０６におけるものと同じもの。
－Ｏｔｈｅｒ－Ｄｉｓｃｏｖｅｒｙ－Ｃｒｉｔｅｒｉａ（他の－発見－基準）：例えば、ＡＩＨを選択するための評判閾値などの、ＡＩＨを発見するために使用される他の基準を示す。
－ＡＩ－Ｔａｓｋ－ＩＤ：ステップＳ１３０４におけるものと同じもの。
－ＡＩ－Ｔａｓｋ－Ｔｙｐｅ：ステップＳ１３０４におけるものと同じもの。
－Ｔｒａｃｅ－Ｉｎｓｔｒｕｃｔｉｏｎｓ：ステップＳ１３０６におけるものと同じもの。
－Ｏｔｈｅｒ－Ｄｉｓｃｏｖｅｒｙ－Ｃｒｉｔｅｒｉａ（他の－発見－基準）：例えば、ＡＩＨを選択するための評判閾値などの、ＡＩＨを発見するために使用される他の基準を示す。
【0234】
メッセージを受信すると、ＡＩＲ１３０７は、ＡＩ－Ｔａｓｋ－ＩＤ、ＡＩ－Ｔａｓｋ－Ｔｙｐｅ、Ｔｒａｃｅ－Ｉｎｓｔｒｕｃｔｉｏｎｓ、及び／又はＯｔｈｅｒ－Ｄｉｓｃｏｖｅｒｙ－Ｃｒｉｔｅｒｉａに一致する適切なＡＩＨのリストを見つけるために、（例えば、それ自体のローカル）リポジトリを検索する。ステップＳ１３１０において、ＡＩＲ１３０７は、応答をＡＩＨ１３０３に送信する。この応答は、発見された適切なＡＩＨのリストであるＡＩＨ－Ｌｉｓｔを含むことができる。
【0235】
ＡＩＨ情報が、ＡＩＨ登録プロセス中にＤＳＳ（例えば、分散型台帳）に公開されている場合、ＡＩＲ１３０７は、適切なＡＩＨを見つけるために、ＤＳＳからＡＩＨ情報（例えば、ＡＩ－Ｃａｐａｂｉｌｉｔｙ、Ｔｒａｃｅ－Ｃａｐａｂｉｌｉｔｙ）を検索することができる。
【0236】
ステップＳ１３１２において、ＡＩＭ１３０３は、ＡＩＲ１３０７から受信したＡＩＨのリストから１つ（又は複数）のＡＩＨを選択することができる。ＡＩＭ１３０３は、ステップＳ１３０６で受信したＴｒａｃｅ－Ｉｎｓｔｒｕｃｔｉｏｎｓを、ステップＳ１３１４で含まれるＴｒａｃｅ－Ｉｎｓｔｒｕｃｔｉｏｎｓとして単純に使用することができる。あるいは、ＡＩＭ１３０３は、ステップＳ１３０６で受信したトレース命令を修正してもよい。
【0237】
ステップＳ１３１４において、ＡＩＭ１３０３は、選択されたＡＩＨ１３０１に、ＡＩタスクのインストールを要求するメッセージを送信する。このメッセージは、以下を含み得る。
－ＡＩ－Ｔａｓｋ－ＩＤ：ステップＳ１３０４におけるものと同じもの。
－ＡＩ－Ｔａｓｋ－Ｔｙｐｅ：ステップＳ１３０４におけるものと同じもの。
－ＡＩ－Ｔａｓｋ－Ｃｏｎｔｅｎｔ：ＡＩタスクのソフトウェアコード。
－ＡＩ－Ｔａｓｋ－ＩＤ：ＡＩタスクの（少なくとも蓋然的に）一意の識別子。
－Ｔｒａｃｅ－Ｉｎｓｔｒｕｃｔｉｏｎｓ：ステップＳ１３１２からのもの。
－ＡＩ－Ｔａｓｋ－ＩＤ：ステップＳ１３０４におけるものと同じもの。
－ＡＩ－Ｔａｓｋ－Ｔｙｐｅ：ステップＳ１３０４におけるものと同じもの。
－ＡＩ－Ｔａｓｋ－Ｃｏｎｔｅｎｔ：ＡＩタスクのソフトウェアコード。
－ＡＩ－Ｔａｓｋ－ＩＤ：ＡＩタスクの（少なくとも蓋然的に）一意の識別子。
－Ｔｒａｃｅ－Ｉｎｓｔｒｕｃｔｉｏｎｓ：ステップＳ１３１２からのもの。
【0238】
ＡＩ－Ｔａｓｋ－ＴｙｐｅがＡＩモデルトレーニングタスクを示す場合、ステップＳ１３１４におけるメッセージは、以下を含み得る
－Ｔｒａｉｎｉｎｇ－Ｄａｔａ－Ｓｏｕｒｃｅ：ＡＩＨがトレーニングデータを取り出すか又はダウンロードすべき場所（例えば、ユニフォームリソースロケータ（ＵＲＬ））。
－Ｍｏｄｅｌ－Ｈａｎｄｌｉｎｇ：トレーニング済みＡＩモデルがどのように処理されるか。これは、異なる可能性を示し得る。第１の例として、ＡＩＨ１３０１は、トレーニングプロセスを完了し、ＡＩモデルを生成すると、そのＡＩモデルをＡＩＭ１３０３に返す。あるいは、ＡＩＨ１３０１は、ＡＩモデルの利用可能性をＡＩＭ１３０３に知らせ、ＡＩＭ１３０３は、ＡＩＨ１３０１からＡＩモデルを取り出すことができる。第２の例として、ＡＩＨ１３０１は、トレーニング済みＡＩモデルを単独でＡＩＲ１３０７に登録することができる。この場合、Ｍｏｄｅｌ－Ｈａｎｄｌｉｎｇは、ＡＩＲのアドレスも含むことができる。
－Ｔｒａｉｎｉｎｇ－Ｄａｔａ－Ｓｏｕｒｃｅ：ＡＩＨがトレーニングデータを取り出すか又はダウンロードすべき場所（例えば、ユニフォームリソースロケータ（ＵＲＬ））。
－Ｍｏｄｅｌ－Ｈａｎｄｌｉｎｇ：トレーニング済みＡＩモデルがどのように処理されるか。これは、異なる可能性を示し得る。第１の例として、ＡＩＨ１３０１は、トレーニングプロセスを完了し、ＡＩモデルを生成すると、そのＡＩモデルをＡＩＭ１３０３に返す。あるいは、ＡＩＨ１３０１は、ＡＩモデルの利用可能性をＡＩＭ１３０３に知らせ、ＡＩＭ１３０３は、ＡＩＨ１３０１からＡＩモデルを取り出すことができる。第２の例として、ＡＩＨ１３０１は、トレーニング済みＡＩモデルを単独でＡＩＲ１３０７に登録することができる。この場合、Ｍｏｄｅｌ－Ｈａｎｄｌｉｎｇは、ＡＩＲのアドレスも含むことができる。
【0239】
ＡＩ－Ｔａｓｋ－Ｔｙｐｅが知識推論タスクを示す場合、ステップＳ１３１４におけるメッセージは、以下のものを追加的に含むことができる。
－Ｉｎｐｕｔ－Ｄａｔａ－Ｓｏｕｒｃｅ：ＡＩＨが入力データを取り出すか又はダウンロードし、入力データから知識を導出すべき場所（例えば、ユニフォームリソースロケータ（ＵＲＬ））。
－Ｋｎｏｗｌｅｄｇｅ－Ｈａｎｄｌｉｎｇ：推論された知識がどのように処理されるか。これは、異なる可能性を示し得る。第１の例として、ＡＩＨ１３０１は、推論プロセスを完了し、知識を生成すると、その知識をＡＩＭ１３０３に返す。あるいは、ＡＩＨ１３０１は、知識の利用可能性をＡＩＭ１３０３に知らせ、ＡＩＭ１３０３は、ＡＩＨ１３０１から知識を取り出すことができる。また、ＡＩＨ１３０１は、知識消費者（例えば、知識を使用してそれ自体のモデルをトレーニングするためのＡＩＭＰ）に知識を直接送信することができる。第２の例として、ＡＩＨ１３０１は、それ自体のためにローカルに知識を維持することができる。
－Ｉｎｐｕｔ－Ｄａｔａ－Ｓｏｕｒｃｅ：ＡＩＨが入力データを取り出すか又はダウンロードし、入力データから知識を導出すべき場所（例えば、ユニフォームリソースロケータ（ＵＲＬ））。
－Ｋｎｏｗｌｅｄｇｅ－Ｈａｎｄｌｉｎｇ：推論された知識がどのように処理されるか。これは、異なる可能性を示し得る。第１の例として、ＡＩＨ１３０１は、推論プロセスを完了し、知識を生成すると、その知識をＡＩＭ１３０３に返す。あるいは、ＡＩＨ１３０１は、知識の利用可能性をＡＩＭ１３０３に知らせ、ＡＩＭ１３０３は、ＡＩＨ１３０１から知識を取り出すことができる。また、ＡＩＨ１３０１は、知識消費者（例えば、知識を使用してそれ自体のモデルをトレーニングするためのＡＩＭＰ）に知識を直接送信することができる。第２の例として、ＡＩＨ１３０１は、それ自体のためにローカルに知識を維持することができる。
【0240】
ステップＳ１３１６において、ＡＩＨ１３０１は、トレース命令を伴うＡＩタスクをインストールする。このステップは、図１２のステップＳ１２１２と同じであり得る。
【0241】
ステップＳ１３１８において、ＡＩＨ１３０１は、インストールの成功（又は失敗）を示す応答をＡＩＭ１３０３に送信する。このステップは、図１２のステップＳ１２１４と同じであり得る。
【0242】
ＡＩＨ１３０１はまた（又は代替として）、応答を含むトランザクションを作成し、トランザクションをＤＳＳ（例えば、分散型台帳）に送信し得る。トランザクションは、ＡＩ－Ｔａｓｋ－ＩＤ、ＡＩ－Ｔａｓｋ－Ｃｏｎｔｅｎｔ、及びＡＩ－Ｔａｓｋ－Ｔｙｐｅも含み得る。トランザクションが分散型台帳に追加された後、ＡＩＨ１３０１は、対応する台帳識別子を知る。次いで、ＡＩＨ１３０１は、台帳識別子をＡＩＭ１３０５に送信することができる。
【0243】
ステップＳ１３２０において、ＡＩＭ１３０３は、ＡＩＨ１３０１にインストールされたＡＩタスクのためのＡＩタスク記録を作成する。このステップは、図１２のステップＳ１２１６と同じであり得る。
【0244】
ステップＳ１３２２において、ＡＩＭ１３０３は、ＡＩＴＭ１３０７に通知を送信することができる。このステップは、図１２のステップＳ１２１８と同じであり得る。ＡＩＭ１３０３は、ＡＩＲ１３０７及び／又はＤＳＳに通知を送ることができる。例えば、ＡＩＭ１３０３は、この通知を含むトランザクションを作成することができ、トランザクションをＤＳＳ（例えば、分散型台帳）に送信する。
【0245】
ＡＩＨ開始型トレーサビリティアウェアＦＬタスク展開
図１４は、本原理の一実施形態による、ＡＩＨによって開始されるトレーサビリティアウェアＦＬタスク展開の方法を示す。この方法は、図１２に示したものと同様であるが、一般的なＡＩタスクをＦＬタスクに拡張する。
図１４は、本原理の一実施形態による、ＡＩＨによって開始されるトレーサビリティアウェアＦＬタスク展開の方法を示す。この方法は、図１２に示したものと同様であるが、一般的なＡＩタスクをＦＬタスクに拡張する。
【0246】
ステップ１４０２において、ＦＬＳ１４０３は、ＡＩタスク（すなわち、この場合はＦＬタスク）を要求するメッセージをＡＩＭ１４０５に送信する。これは、図１２のステップＳ１２０２と同様である。このメッセージに含まれるＡＩＨ－ＩＤは、ＦＬＳの識別子である。ＦＬＳ１４０３は、それがＡＩＭ１４０５にＦＬＣ１４０１を発見することを要求するかどうか、及びいくつのＦＬＣが必要とされるかをメッセージ中で示し得る。ＦＬＳ１４０３が準備完了のＦＬＣのリストを有する場合であっても、ＦＬＳ１４０３は、ＦＬＣ１４０１を再選択するようにＡＩＭ１４０５に要求することができる。ＦＬＳ１４０３はまた、そのＦＬＣのリスト（例えば、それらの一意の識別子）を、このメッセージに含まれる情報及び／又はＡＩＭ１４０５が各ＦＬＣについてＡＩＲから取り出すことができる追加の情報に基づいて、それらのＦＬＣを認証することができるＡＩＭ１４０５に送ることができる。
【0247】
ステップＳ１４０４において、ＡＩＭ１４０５は、ＦＬＳ１４０３のためのＡＩタスク（すなわち、ＦＬタスク）を決定する。これは、図１２のステップＳ１２０４と同様である。更に、ＡＩＭ１４０５は、例えば、ＡＩＲから適切なＡＩＨを発見し、発見されたＡＩＨをＦＬＣとして割り当てるために、決定されたＡＩタスクのためのＦＬＣを決定することができる。ＡＩＭ１４０５はまた、決定されたＦＬタスクのためのＦＬ集約アルゴリズム（例えば、同期又は非同期）を選択し得る。
【0248】
ステップＳ１４０６において、図１２のステップＳ１２０６と同様に、ＡＩＭ１４０５は、トレース命令を要求するためにＡＩＴＭ１４０７にメッセージを送信する。このメッセージに含まれるＡＩＨ－ＩＤは、ＦＬＳ１４０３の識別子を含む。ＡＩＨ－ＩＤは、ステップＳ１４０４で決定されたＦＬＣの識別子を含むこともできる。
【0249】
ステップＳ１４０８において、ＡＩＴＭ１４０７は、応答をＡＩＭ１４０５に送信する。これは、図１２のステップＳ１２０８と同様である。この応答に含まれるトレース命令は、ＦＬＳ１４０３のみに対するものとすることができ、任意選択で、ステップＳ１４０６において何らかのＦＬＣが示される場合、各ＦＬＣに対するものとすることができる。
【0250】
ステップＳ１４１０において、ＡＩＭ１４０５は、決定されたタスクをインストールするようにＦＬＳに要求を送信する。これは、図１２のステップＳ１２１０と同様である。要求は、ＦＬパラメータ、すなわち、ステップＳ１４０４において決定されたＦＬＣのリスト（例えば、それらの識別子）、及び／又はステップＳ１４０４において選択されたＦＬ集約アルゴリズムを含み得る。
【0251】
ステップＳ１４１２において、ＦＬＳ１４０３は、ＡＩタスク（すなわち、ＦＬタスク）をインストールする。これは、図１２のステップＳ１２１２と同様である。ＡＩタスクのインストールに成功した後、ＦＬＳは、図１２のステップＳ１２１４と同様に、成功（又は失敗）を示す応答をＡＩＭに送信することができる。
【0252】
ステップＳ１４１４において、ＦＬＳ１４０３は、ＡＩタスクのためのＦＬＣを決定し得る。ステップＳ１４１０においてＦＬＣのリストが示される場合であっても、ＦＬＳ１４０３は、リストから何も選択しなくてもよく、いくつかを選択してもよく、又は他のＦＬＣを選択してもよい。
【0253】
ステップＳ１４１６において、ＦＬＳ１４０３は、ステップＳ１４１０で受信したトレース命令に基づいて、各ＦＬＣに対するトレース命令を決定する。
【0254】
ステップＳ１４１８において、ＦＬＳ１４０３は、ＡＩタスクをインストールする要求をＦＬＣ１４０１に送信する。このステップはステップＳ１４１０と同様であり、違いは、この要求がＦＬＳの識別子であるＦＬＳ－ＩＤを含み得ることである。
【0255】
ＦＬＣ１４０１は、ステップＳ１４１２と同様に、ＡＩタスクをインストールし、ステップＳ１４２０において、応答をＦＬＳ１４０３に送信する。この応答には、ＦＬＣの識別子であるＦＬＣ－ＩＤと、図１２のステップＳ１２１４におけるＡＩ－Ｔａｓｋ－Ａｄｄｒｅｓｓと同様のＡＩ－Ｔａｓｋ－Ａｄｄｒｅｓｓとが含まれ得る。
【0256】
ステップＳ１４２２において、図１２のステップＳ１２１４と同様に、ＦＬＳ１４０３は、ＡＩＭ１４０５に応答を送信する。ＦＬＳ１４０３は、ＦＬタスクをインストールすることを要求した全てのＦＬＣから応答を受信するのを待ち、応答を集約し、集約された応答を生成してＡＩＭ１４０５に送信することができる。あるいは、ＦＬＳ１４０３は、例えばステップＳ１４２０において応答を受信すると、ＦＬＣ１４０１に関する個々の応答をＡＩＭ１４０５に送信することができる。応答は、ＡＩＨ－ＩＤ、すなわち、応答に関係するＦＬＳ１４０３及び各ＦＬＣ１４０１の識別子と、ＦＬＳ１４０３にインストールされたＡＩタスク及び各ＦＬＣ１４０１にインストールされたＡＩタスクのアドレスを示すＡＩ－Ｔａｓｋ－Ａｄｄｒｅｓｓとを含むことができる。
【0257】
ステップＳ１４２４において、図１２のステップＳ１２１４と同様に、ＡＩＭ１４０５は、ＦＬＳ１４０３及び全てのＦＬＣ１４０１にインストールされたＡＩタスクのＡＩタスク記録を作成する。あるいは、ＡＩＭ１４０５は、ＦＬＳ１４０３にインストールされたＡＩタスクについて１つのＡＩタスク記録を作成し、各ＦＬＣ１４０１にインストールされたＡＩタスクについて１つのＡＩタスク記録を作成する。
【0258】
ステップＳ１４２６において、ＡＩＭ１４０５は、通知をＡＩＴＭ１４０７に送信する。この通知は、ステップＳ１４２４で作成されたＡＩタスク記録を含み得る。通知はまた又は代替的に、ＡＩＲ及び／又はＤＳＳに送信され得る。
【0259】
ＡＩＭ開始型トレーサビリティアウェアＦＬタスク展開
図１５は、本原理の一実施形態による、ＡＩＭによって開始されるトレーサビリティアウェアＦＬタスク展開の方法を示す。この方法は、図１３に示すものと同様であるが、展開されるＡＩタスクはＦＬタスクである。
図１５は、本原理の一実施形態による、ＡＩＭによって開始されるトレーサビリティアウェアＦＬタスク展開の方法を示す。この方法は、図１３に示すものと同様であるが、展開されるＡＩタスクはＦＬタスクである。
【0260】
ステップＳ１５０２において、図１３のステップＳ１３０２と同様に、ＡＩＭ１３０５は、ＡＩタスク（すなわち、この場合はＦＬタスク）を展開することを決定する。
【0261】
ステップＳ１５０４において、図１３のステップＳ１３０４と同様に、ＡＩＭ１３０５は、決定されたＡＩタスクに対するトレース命令を要求するために、メッセージをＡＩＴＭ１３０７に送信する。
【0262】
ステップＳ１５０６において、図１３のステップＳ１３０６と同様に、ＡＩＴＭ１３０７は、トレース命令を含む応答をＡＩＭ１３０５に送信する。
【0263】
ステップＳ１５０８において、図１３のステップＳ１３０８と同様に、ＡＩＭ１５０５は、ＡＩタスクのためのＡＩＨを発見するために、メッセージをＡＩＲ１５０９に送信する。ＡＩタスクはＦＬタスクであるので、ＡＩＭ１５０５は、ＦＬＳ１５０３とＦＬＣ１５０１の両方を発見することを要求することができる。
【0264】
ステップＳ１５０８において、ＡＩＭがＦＬＣも要求する場合、ＡＩＲ１５０９は、リポジトリ、例えば、そのローカルリポジトリを検索して、複数のＦＬＳ及び複数のＦＬＣを見つける。ステップＳ１５１０において、ＡＩＲ１５０９は、複数のＦＬＳの識別子及び全てのＦＬＣの識別子を示すＡＩＨ－Ｌｉｓｔを含む応答を、ＡＩＭ１５０５に送信する。
【0265】
ステップＳ１５１２において、ＡＩＭ１５０５は、ＡＩタスクのためにＦＬＳ１５０３及び複数のＦＬＣ１５０１を選択する。あるいは、ステップＳ１５１８において、ＡＩＭ１５０５は、ＦＬＳ１５０３のみを選択し、ＦＬＳ１５０３にＦＬＣ１５０１を選択させてもよい。
【0266】
ステップＳ１５１４において、図１４のステップＳ１４１０と同様に、ＡＩＭ１５０５は、ＦＬタスクをＦＬＳ１５０３にインストールするようにＦＬＳ１５０１（又は場合によってはＦＬＳ）に送信する。
【0267】
ＦＬＳ１５０３は、ＦＬタスクをインストールする。ステップＳ１５１６において、図１４のステップＳ１４１２と同様に、ＦＬＳ１５０３は、ＦＬＳ１５０５におけるＦＬタスクのインストールの成功（又は失敗）を示す応答をＡＩＭ１５０５に送信し得る。
【0268】
ステップＳ１５１８において、図１４のステップＳ１４１４と同様に、ＦＬＳ１５０３は、ＦＬＣを再選択し得る。
【0269】
ステップＳ１５２０において、図１４のステップＳ１４１６と同様に、ＦＬＳ１５０３は、各ＦＬＣに対するトレース命令を決定する。
【0270】
ステップＳ１５２２において、図１４のステップＳ１４１８と同様に、ＦＬＳ１５０３は、ＦＬＣ１５０１にメッセージを送信して、ＦＬタスクのインストールを要求する。
【0271】
ＦＬＣ１５０１は、ＦＬタスクをインストールし、ステップＳ１５２４において、図１４のステップＳ１４２０と同様に、応答をＦＬＳ１５０３に送信する。
【0272】
ステップＳ１５２６において、図１４のステップＳ１４２２と同様に、ＦＬＳ１５０３は、ＡＩＭ１５０５に応答を送信する。
【0273】
ステップＳ１５２８において、図１４のステップＳ１４２４と同様に、ＡＩＭ１５０５は、１つ以上のＡＩタスク記録を作成する。
【0274】
ステップＳ１５３０において、図１４のステップＳ１４２６と同様に、ＡＩＭ１５０５は、ＡＩタスク記録をＡＩＴＭ１５０７及びＡＩＲ１５０９に（及び場合によってはＤＳＳにも）送信する。
【0275】
トレーサビリティアウェアＡＩモデル登録
ＡＩＭＰは、その生成された（すなわち、トレーニング済み）ＡＩモデルをＡＩＲに登録することができ、ＡＩＲは、ＡＩＭＵによって発見され、ＡＩＭＵに共有され得る。あるいは、ＡＩＭＰがＡＩモデルを生成すると、ＡＩＭＰは、そのメタデータを含むＡＩモデルをＡＩＭに送信することができ、ＡＩＭは、ＡＩモデルをトレーニングするためにＡＩＭＰにＡＩタスクをインストールしており、結果として、ＡＩＭは、ＡＩモデルをＡＩＲに登録する。
ＡＩＭＰは、その生成された（すなわち、トレーニング済み）ＡＩモデルをＡＩＲに登録することができ、ＡＩＲは、ＡＩＭＵによって発見され、ＡＩＭＵに共有され得る。あるいは、ＡＩＭＰがＡＩモデルを生成すると、ＡＩＭＰは、そのメタデータを含むＡＩモデルをＡＩＭに送信することができ、ＡＩＭは、ＡＩモデルをトレーニングするためにＡＩＭＰにＡＩタスクをインストールしており、結果として、ＡＩＭは、ＡＩモデルをＡＩＲに登録する。
【0276】
ＡＩＭＰ（又はＡＩＭ）がＡＩモデルを登録すると、ＡＩＭＰ（又はＡＩＭ）は、ＡＩモデルに対するトレーサビリティ要件を有することができる。結果として、ＡＩＭＰ（又はＡＩＭ）は、登録されるべきＡＩモデルを用いて必要なトレース命令を構成する。
【0277】
ＡＩＭＰがＡＩモデルをトレーニングするには時間がかかる。しかし、ＡＩＭＰは、完全にトレーニングされる前に、そのＡＩモデルがＡＩＭＵによって発見可能であることを望む場合がある。言い換えれば、ＡＩＭＰによって登録されているＡＩモデルは、完全にトレーニングされていてもよいし、部分的にトレーニングされていてもよい。ＡＩＭＰが部分的にトレーニングされたＡＩモデルを登録すると、それは、モデル事前登録又はモデル事前告知とみなされ得る。
【0278】
図１６は、本原理の一実施形態による、ＡＩＭＰがＡＩモデルをＡＩＲに登録するための方法を示す。
【0279】
ステップＳ１６０２において、ＡＩＭＰ１６０３は、ＡＩモデルを登録するためのメッセージをＡＩＲ１６０１に送信する。
【0280】
ＡＩＭＰ１６０３は、ＡＩＭ（図示せず）がＡＩトレーニングタスクをＡＩＭＰ１６０３にインストールしたときに、ＡＩＲ１６０１のアドレスを知らされている場合があるということに留意されたい。この場合、Ｔｒａｃｅ－Ｉｎｓｔｒｕｃｔｉｏｎｓなどの登録メッセージに含まれる情報は、ＡＩＭによってＡＩＲ１６０１に送信されている場合があり、したがって、登録メッセージから省略することができる。
【0281】
メッセージは、以下を含み得る。
－Ｔｒａｃｅ－Ｉｎｓｔｒｕｃｔｉｏｎｓ：ＡＩＭＵが知識を推論するためにモデルを使用したい場合、ＡＩモデルに対するトレース命令及び要件。例えば、１つのトレース要件は、推論された知識が間違っているか、又はある精度閾値未満であるとき、推論された知識及び推論に関連する入力データを記録することをＡＩＭＵに要求することがある。このパラメータは、図１２のステップ１２０８で説明したＴｒａｃｅ－Ｉｎｓｔｒｕｃｔｉｏｎｓと同様である。
－ＡＩ－Ｍｏｄｅｌ－Ｔｙｐｅ：登録されているＡＩモデルのタイプ。これは、異なるレベル又は粒度でＡＩモデルのタイプを説明することができ、例えば、１）アルゴリズムレベル：ＡＩモデルが線形回帰モデル、分類モデル、ＤＮＮモデルなどである場合、２）適用レベル：ＡＩモデルがワイヤレスチャネル予測、画像分類、パターン認識、自然言語処理、金融市場予測、自律走行などのためのものである場合、があるが、これらに限定されない。ＡＩ－Ｍｏｄｅｌ－Ｔｙｐｅは、ＡＩモデルがＤＮＮモデルである場合、ＤＮＮのレイヤ数及びニューロン数を示すこともできる。
－ＡＩ－Ｍｏｄｅｌ－Ｃｏｎｔｅｎｔ：登録されているＡＩモデルが完全にトレーニングされている場合、完全なＡＩモデル（すなわち、ＤＮＮの全てのパラメータ／重み）及びモデルバージョン。モデルが完全にはトレーニングされていない場合、ＡＩ－Ｍｏｄｅｌ－Ｃｏｎｔｅｎｔは不要である。完全にトレーニングされたＡＩモデルの場合であっても、ＡＩＭＰは、このパラメータをスキップし、モデルコンテンツをＡＩＲにアップロードしないことを決定することができる。代わりに、他のエンティティは、ＡＩ－Ｍｏｄｅｌ－Ａｄｄｒｅｓｓ（ＡＩ－モデル－アドレス）を発見し、別個のステップを使用して、モデルコンテンツをＡＩＭＰから直接取り出すことができる。
－ＡＩ－Ｍｏｄｅｌ－Ｕｓａｇｅ－Ｃｏｎｓｔｒａｉｎｔｓ（ＡＩ－モデル－使用－制約）：登録されたモデルを誰がいつ発見し、使用することができるかなどの制約。一例として、ＡＩ－Ｍｏｄｅｌ－Ｕｓａｇｅ－Ｃｏｎｓｔｒａｉｎｔｓは、閾値よりも高い評判を有するＡＩＭＵのみがこのＡＩモデルを発見して使用できることを示す評判閾値を含むことができる。
－ＡＩ－Ｍｏｄｅｌ－ＩＤ：以前に登録されたＡＩモデルの識別子。ＡＩＭＰは、ＡＩ－Ｍｏｄｅｌ－ＩＤを使用して、ＡＩ－Ｍｏｄｅｌ－Ｃｏｎｔｅｎｔが、ＡＩ－Ｍｏｄｅｌ－ＩＤによって示されるような以前に登録されたＡＩモデルに対する更新であることをＡＩＲに知らせることができる。
－ＡＩ－Ｍｏｄｅｌ－Ａｄｄｒｅｓｓ：ＡＩＭＰで部分的にトレーニングされているか、又はまだトレーニング中であるＡＩモデルのアドレス。このパラメータを用いて、ＡＩＲ又はＡＩＭＵは、ＡＩＭＰからのＡＩモデルのステータス（例えば、完全にトレーニングされた、又は部分的にトレーニングされた）をチェックし、それが完全にトレーニングされた後にＡＩＭＰからそれをダウンロードすることができる。ＡＩ－Ｍｏｄｅｌ－Ｃｏｎｔｅｎｔが登録メッセージに含まれていない場合、ＡＩＭＵ又はＡＩＲは、ＡＩ－Ｍｏｄｅｌ－Ａｄｄｒｅｓｓを使用してＡＩＭＰに来て、後でモデルコンテンツを取り出すことができる。
－ＡＩＭ－ＩＤ：ＡＩＭＰにおけるＡＩモデルトレーニングタスクがＡＩＭによってインストールされている場合、このパラメータは、ＡＩＭの識別子及び／又はアドレスを示す。
－ＡＩＭＰ－ＩＤ：ＡＩモデルが生成されるか又はまだトレーニング中であるＡＩＭＰの識別子及び／又はアドレス。
－Ｔｒａｃｅ－Ｉｎｓｔｒｕｃｔｉｏｎｓ：ＡＩＭＵが知識を推論するためにモデルを使用したい場合、ＡＩモデルに対するトレース命令及び要件。例えば、１つのトレース要件は、推論された知識が間違っているか、又はある精度閾値未満であるとき、推論された知識及び推論に関連する入力データを記録することをＡＩＭＵに要求することがある。このパラメータは、図１２のステップ１２０８で説明したＴｒａｃｅ－Ｉｎｓｔｒｕｃｔｉｏｎｓと同様である。
－ＡＩ－Ｍｏｄｅｌ－Ｔｙｐｅ：登録されているＡＩモデルのタイプ。これは、異なるレベル又は粒度でＡＩモデルのタイプを説明することができ、例えば、１）アルゴリズムレベル：ＡＩモデルが線形回帰モデル、分類モデル、ＤＮＮモデルなどである場合、２）適用レベル：ＡＩモデルがワイヤレスチャネル予測、画像分類、パターン認識、自然言語処理、金融市場予測、自律走行などのためのものである場合、があるが、これらに限定されない。ＡＩ－Ｍｏｄｅｌ－Ｔｙｐｅは、ＡＩモデルがＤＮＮモデルである場合、ＤＮＮのレイヤ数及びニューロン数を示すこともできる。
－ＡＩ－Ｍｏｄｅｌ－Ｃｏｎｔｅｎｔ：登録されているＡＩモデルが完全にトレーニングされている場合、完全なＡＩモデル（すなわち、ＤＮＮの全てのパラメータ／重み）及びモデルバージョン。モデルが完全にはトレーニングされていない場合、ＡＩ－Ｍｏｄｅｌ－Ｃｏｎｔｅｎｔは不要である。完全にトレーニングされたＡＩモデルの場合であっても、ＡＩＭＰは、このパラメータをスキップし、モデルコンテンツをＡＩＲにアップロードしないことを決定することができる。代わりに、他のエンティティは、ＡＩ－Ｍｏｄｅｌ－Ａｄｄｒｅｓｓ（ＡＩ－モデル－アドレス）を発見し、別個のステップを使用して、モデルコンテンツをＡＩＭＰから直接取り出すことができる。
－ＡＩ－Ｍｏｄｅｌ－Ｕｓａｇｅ－Ｃｏｎｓｔｒａｉｎｔｓ（ＡＩ－モデル－使用－制約）：登録されたモデルを誰がいつ発見し、使用することができるかなどの制約。一例として、ＡＩ－Ｍｏｄｅｌ－Ｕｓａｇｅ－Ｃｏｎｓｔｒａｉｎｔｓは、閾値よりも高い評判を有するＡＩＭＵのみがこのＡＩモデルを発見して使用できることを示す評判閾値を含むことができる。
－ＡＩ－Ｍｏｄｅｌ－ＩＤ：以前に登録されたＡＩモデルの識別子。ＡＩＭＰは、ＡＩ－Ｍｏｄｅｌ－ＩＤを使用して、ＡＩ－Ｍｏｄｅｌ－Ｃｏｎｔｅｎｔが、ＡＩ－Ｍｏｄｅｌ－ＩＤによって示されるような以前に登録されたＡＩモデルに対する更新であることをＡＩＲに知らせることができる。
－ＡＩ－Ｍｏｄｅｌ－Ａｄｄｒｅｓｓ：ＡＩＭＰで部分的にトレーニングされているか、又はまだトレーニング中であるＡＩモデルのアドレス。このパラメータを用いて、ＡＩＲ又はＡＩＭＵは、ＡＩＭＰからのＡＩモデルのステータス（例えば、完全にトレーニングされた、又は部分的にトレーニングされた）をチェックし、それが完全にトレーニングされた後にＡＩＭＰからそれをダウンロードすることができる。ＡＩ－Ｍｏｄｅｌ－Ｃｏｎｔｅｎｔが登録メッセージに含まれていない場合、ＡＩＭＵ又はＡＩＲは、ＡＩ－Ｍｏｄｅｌ－Ａｄｄｒｅｓｓを使用してＡＩＭＰに来て、後でモデルコンテンツを取り出すことができる。
－ＡＩＭ－ＩＤ：ＡＩＭＰにおけるＡＩモデルトレーニングタスクがＡＩＭによってインストールされている場合、このパラメータは、ＡＩＭの識別子及び／又はアドレスを示す。
－ＡＩＭＰ－ＩＤ：ＡＩモデルが生成されるか又はまだトレーニング中であるＡＩＭＰの識別子及び／又はアドレス。
【0282】
ステップＳ１６０２は、新しいＡＩモデルがＡＩＭＰ１６０３において生成／トレーニングされたときにトリガされ得る。また、ＡＩＭＰ１６０３は、ステップＳ１６０２を使用して、まだトレーニング中であるＡＩモデルを事前登録又は事前告知することができる。
【0283】
ＡＩ－Ｍｏｄｅｌ－Ｃｏｎｔｅｎｔがメッセージに含まれている場合、ステップＳ１６０４において、ＡＩＲ１６０１は、ＡＩモデルを（例えば、そのローカルの）リポジトリに記憶する。ＡＩ－Ｍｏｄｅｌ－Ｃｏｎｔｅｎｔがメッセージに含まれていない場合、ステップＳ１６０４はスキップされ得る。ステップＳ１６０２において、ＡＩＭＰ１６０３が以前に登録されたＡＩモデルを更新することを要求する場合、ステップＳ１６０２において、ＡＩＲ１６０１は、メッセージに含まれる新しいＡＩ－Ｍｏｄｅｌ－Ｃｏｎｔｅｎｔを使用して、ＡＩモデルの以前のバージョンを置き換え、対応するＡＩモデル記録を削除する。
【0284】
ステップＳ１６０６において、ＡＩＲ１６０１は、ステップＳ１６０２においてメッセージが示したＡＩモデルに対するＡＩモデル記録を作成する。ＡＩＲ１６０１は、ＡＩモデルをＤＳＳ（例えば、分散型台帳）に公開してもよい。例えば、ＡＩＲ１６０１は、ＡＩモデルを含むトランザクションを作成し、トランザクションを分散型台帳に送信してもよい。ＡＩモデル記録は、ＡＩＭＵなどの他のエンティティに発見及び／又は公開され得る以下のものを含み得る。
－ＡＩ－Ｍｏｄｅｌ－ＩＤ：含まれている場合、ステップＳ１６０２のメッセージにおけるものと同じもの。含まれていない場合、これは、ＡＩモデルが初めて登録され、ＡＩＲ１６０１が登録されたＡＩモデルに対してＡＩ－Ｍｏｄｅｌ－ＩＤを作成することを意味する。後で、ＡＩＭＰ１６０３は、登録されたＡＩモデルを更新するために、ＡＩ－Ｍｏｄｅｌ－ＩＤを使用することができる。
－ＡＩ－Ｍｏｄｅｌ－Ｕｓａｇｅ－Ｃｏｎｓｔｒａｉｎｔｓ：含まれている場合、ステップＳ１６０２のメッセージにおけるものと同じもの。含まれていない場合、ＡＩＲ１６０１は、ＡＩモデル使用制約を決定することができる。
－ＡＩ－Ｍｏｄｅｌ－Ａｄｄｒｅｓｓ：含まれている場合、ステップＳ１６０２のメッセージにおけるものと同じもの。含まれていない場合は不要である。
－ＡＩ－Ｍｏｄｅｌ－Ｃｏｎｔｅｎｔ：含まれている場合、ステップＳ１６０２のメッセージにおけるものと同じもの。含まれていない場合は不要である。
－ＡＩ－Ｍｏｄｅｌ－Ｍｏｄｅ（ＡＩ－モデル－モード）：ＡＩモデルが登録されていることを示す。
－Ｔｒａｃｅ－Ｉｎｓｔｒｕｃｔｉｏｎｓ：ステップＳ１６０２のメッセージにおけるものと同じもの。
－ＡＩ－Ｍｏｄｅｌ－ＩＤ：含まれている場合、ステップＳ１６０２のメッセージにおけるものと同じもの。含まれていない場合、これは、ＡＩモデルが初めて登録され、ＡＩＲ１６０１が登録されたＡＩモデルに対してＡＩ－Ｍｏｄｅｌ－ＩＤを作成することを意味する。後で、ＡＩＭＰ１６０３は、登録されたＡＩモデルを更新するために、ＡＩ－Ｍｏｄｅｌ－ＩＤを使用することができる。
－ＡＩ－Ｍｏｄｅｌ－Ｕｓａｇｅ－Ｃｏｎｓｔｒａｉｎｔｓ：含まれている場合、ステップＳ１６０２のメッセージにおけるものと同じもの。含まれていない場合、ＡＩＲ１６０１は、ＡＩモデル使用制約を決定することができる。
－ＡＩ－Ｍｏｄｅｌ－Ａｄｄｒｅｓｓ：含まれている場合、ステップＳ１６０２のメッセージにおけるものと同じもの。含まれていない場合は不要である。
－ＡＩ－Ｍｏｄｅｌ－Ｃｏｎｔｅｎｔ：含まれている場合、ステップＳ１６０２のメッセージにおけるものと同じもの。含まれていない場合は不要である。
－ＡＩ－Ｍｏｄｅｌ－Ｍｏｄｅ（ＡＩ－モデル－モード）：ＡＩモデルが登録されていることを示す。
－Ｔｒａｃｅ－Ｉｎｓｔｒｕｃｔｉｏｎｓ：ステップＳ１６０２のメッセージにおけるものと同じもの。
【0285】
ステップＳ１６０８において、ＡＩＲ１６０１は、応答をＡＩＭＰ１６０３に送信する。応答は、以下を含み得る。
－ＡＩ－Ｍｏｄｅｌ－ＩＤ：ステップＳ１６０２におけるものと同じもの。
－ＡＩ－Ｍｏｄｅｌ－Ｒｅｃｏｒｄ－ＩＤ（ＡＩ－モデル－記録－ＩＤ）：ステップＳ１６０６で作成されたＡＩモデル記録の識別子。
－ＡＩ－Ｍｏｄｅｌ－ＩＤ：ステップＳ１６０２におけるものと同じもの。
－ＡＩ－Ｍｏｄｅｌ－Ｒｅｃｏｒｄ－ＩＤ（ＡＩ－モデル－記録－ＩＤ）：ステップＳ１６０６で作成されたＡＩモデル記録の識別子。
【0286】
ＡＩＭＰ１６０３は、ステップＳ１６０８で応答を受信すると、登録されたＡＩモデルをトレーニング／生成するためのＡＩタスクを、ＡＩＭＰに以前にインストールしたＡＩＭ（図示せず）に応答を転送することができる。
【0287】
ステップＳ１６０２においてＡＩＭ－ＩＤが含まれていた場合、ＡＩＲ１６０１は、ステップＳ１６０８においてＡＩＭＰ１６０３に送信された応答を、ＡＩＭ－ＩＤによって示されるＡＩＭに転送することもできる。応答を受信すると、ＡＩＭは、いつでも、ＡＩＲ１６０１からＡＩモデルを取り出すか、又はＡＩモデルに関する他の情報を調べることができる。
【0288】
ＡＩＭＰ１６０３は、この方法を使用して、そのモデルをＡＩＭ又はＤＳＳに登録する（すなわち、図１６のＡＩＲをＡＩＭ又はＤＳＳで置き換える）こともできるということに留意されたい。
【0289】
ステップＳ１６０８の後、ＡＩＲ１６０１は、ステップＳ１６０６で作成されたＡＩモデル記録を含む通知を、ＡＩＭ又はＡＩＴＭに送信することができる。
【0290】
ＡＩＭＰ１６０３は、ＡＩモデルを生成すると、そのＡＩモデルをＡＩＭに送ることができるということに留意されたい。次いで、ＡＩＭは、ＡＩＭＰの代わりにＡＩＭと対話して、図１６の方法を使用してＡＩモデルをＡＩＲに登録することができる。次いで、ＡＩＭは、ＡＩモデルをＤＳＳ（例えば、分散型台帳）に公開してもよい。例えば、ＡＩＭは、ＡＩモデルを含むトランザクションを作成することができ、トランザクションを分散型台帳に送信する。
【0291】
特に、トレース命令がＡＩＭＰによって純粋に決定される場合、又はＡＩＲがＡＩＴＭを用いてＴｒａｃｅ－Ｉｎｓｔｒｕｃｔｉｏｎｓを検証したい場合、ＡＩＲは、ＡＩＭＰから受信したＴｒａｃｅ－ＩｎｓｔｒｕｃｔｉｏｎｓをＡＩＴＭに転送することができるということに留意されたい。ＡＩＲがＴｒａｃｅ－Ｉｎｓｔｒｕｃｔｉｏｎｓを転送するとき、ＡＩＲは、Ｔｒａｃｅ－Ｉｎｓｔｒｕｃｔｉｏｎｓを対応するＡＩ－Ｍｏｄｅｌ－ＩＤ及びＡＩＭＰ－ＩＤに関連付け、その関連付けをＡＩＴＭに転送することもできる。
【0292】
トレーサビリティアウェアＡＩモデルの発見及び展開
ＡＩＲ支援トレーサビリティアウェアモデルの発見
ＡＩＭＵは、ＡＩモデルをインストールするためのものである。ＡＩＲから、ＡＩＭＵは、そのトレース基準を満たすＡＩモデルを発見する。ＡＩＲは、ＡＩモデルアドレスをＡＩＭＵに送信するか、又はモデルコンテンツ及び関連するトレース命令をＡＩＭＵに送信することができる。ＡＩＭＵがＡＩＲからＡＩモデルアドレスのみを受信する場合、ＡＩＭＵは、ＡＩモデルアドレス（例えば、ＡＩＭＰ）からＡＩモデルコンテンツを取り出すことができる。ＡＩＭＵはまた、ＡＩＴＭからトレース命令を取り出し得る。次いで、ＡＩＭＵは、トレース命令及び任意のユーザ入力を組み込んだＡＩモデルをインストールする。ＡＩＭＵは、インストールされたＡＩモデルに対するＡＩモデル記録を作成する。最後に、ＡＩＭＵは、ＡＩモデル記録を、ＡＩＲ及び／又は他のエンティティ（例えば、ＡＩＭＰ、ＤＳＳ、ＡＩＴＭ）に送信する。
ＡＩＲ支援トレーサビリティアウェアモデルの発見
ＡＩＭＵは、ＡＩモデルをインストールするためのものである。ＡＩＲから、ＡＩＭＵは、そのトレース基準を満たすＡＩモデルを発見する。ＡＩＲは、ＡＩモデルアドレスをＡＩＭＵに送信するか、又はモデルコンテンツ及び関連するトレース命令をＡＩＭＵに送信することができる。ＡＩＭＵがＡＩＲからＡＩモデルアドレスのみを受信する場合、ＡＩＭＵは、ＡＩモデルアドレス（例えば、ＡＩＭＰ）からＡＩモデルコンテンツを取り出すことができる。ＡＩＭＵはまた、ＡＩＴＭからトレース命令を取り出し得る。次いで、ＡＩＭＵは、トレース命令及び任意のユーザ入力を組み込んだＡＩモデルをインストールする。ＡＩＭＵは、インストールされたＡＩモデルに対するＡＩモデル記録を作成する。最後に、ＡＩＭＵは、ＡＩモデル記録を、ＡＩＲ及び／又は他のエンティティ（例えば、ＡＩＭＰ、ＤＳＳ、ＡＩＴＭ）に送信する。
【0293】
図１７は、本原理の一実施形態による、ＡＩＲ支援トレーサビリティアウェアモデルの発見及び展開の方法を示す。
【0294】
ＡＩＭ（図示せず）は、関連付けられたＡＩモデルなしでＡＩタスクをＡＩＭＵ１７０１にインストール済みである。しかしながら、ＡＩＭＵ１７０１は、知識を推論するためにＡＩタスクを実行するためのＡＩモデルを必要とする。
【0295】
ステップＳ１７０２において、ＡＩＭＵ１７０１は、その所望のＡＩモデルを発見するために、メッセージをＡＩＲ１７０３に送信する。ＡＩＭＵ１７０１は、ＡＩタスクがインストールされたときにＡＩタスクとともに既にインストールされているローカルＡＩエージェントを有し、ＡＩＭＵ１７０３のアドレスは、ＡＩＲ１７０１に対して構成され得るということに留意されたい。このメッセージは、以下のうちの１つ以上を含み得る。
－Ｔｒａｃｅ－Ｃｒｉｔｅｒｉａ（トレース－基準）：ＡＩモデルを発見するためのトレース基準。言い換えれば、ＡＩＭＵ１７０１は、「Ｔｒａｃｅ－Ｉｎｓｔｒｕｃｔｉｏｎｓ」がＴｒａｃｅ－Ｃｒｉｔｅｒｉａによって示されるトレース基準を満たすＡＩモデルを必要とする。Ｔｒａｃｅ－Ｃｒｉｔｅｒｉａは、図１２のステップＳ１２０８で説明したように、「Ｔｒａｃｅ－Ｉｎｓｔｒｕｃｔｉｏｎｓ」の一部である同様の情報（例えば、「Ｔｒａｃｅ－Ｓｃｏｐｅ」）を含み得る。
－ＡＩ－Ｍｏｄｅｌ－Ｔｙｐｅ：登録されているＡＩモデルのタイプ。これは、異なるレベル又は粒度でＡＩモデルのタイプを説明し得るものであり、例えば、１）アルゴリズムレベル：ＡＩモデルが線形回帰モデル、分類モデル、ＤＮＮモデルなどである場合、２）適用レベル：ＡＩモデルがワイヤレスチャネル予測、画像分類、パターン認識、自然言語処理、金融市場予測、自律走行などのためのものである場合、であるが、これらに限定されない。ＡＩ－Ｍｏｄｅｌ－Ｔｙｐｅは、ＡＩモデルがＤＮＮモデルである場合、ＤＮＮのレイヤ数及びニューロン数を示すこともできる。
－ＡＩ－Ｍｏｄｅｌ－ＩＤ：以前にダウンロードされたＡＩモデルの識別子。ＡＩＭＵ１７０１は、このパラメータを使用して、ＡＩＲ１７０３からＡＩモデルの新しいバージョンをダウンロードすることができる。
－Ｔｒａｃｅ－Ｃｒｉｔｅｒｉａ（トレース－基準）：ＡＩモデルを発見するためのトレース基準。言い換えれば、ＡＩＭＵ１７０１は、「Ｔｒａｃｅ－Ｉｎｓｔｒｕｃｔｉｏｎｓ」がＴｒａｃｅ－Ｃｒｉｔｅｒｉａによって示されるトレース基準を満たすＡＩモデルを必要とする。Ｔｒａｃｅ－Ｃｒｉｔｅｒｉａは、図１２のステップＳ１２０８で説明したように、「Ｔｒａｃｅ－Ｉｎｓｔｒｕｃｔｉｏｎｓ」の一部である同様の情報（例えば、「Ｔｒａｃｅ－Ｓｃｏｐｅ」）を含み得る。
－ＡＩ－Ｍｏｄｅｌ－Ｔｙｐｅ：登録されているＡＩモデルのタイプ。これは、異なるレベル又は粒度でＡＩモデルのタイプを説明し得るものであり、例えば、１）アルゴリズムレベル：ＡＩモデルが線形回帰モデル、分類モデル、ＤＮＮモデルなどである場合、２）適用レベル：ＡＩモデルがワイヤレスチャネル予測、画像分類、パターン認識、自然言語処理、金融市場予測、自律走行などのためのものである場合、であるが、これらに限定されない。ＡＩ－Ｍｏｄｅｌ－Ｔｙｐｅは、ＡＩモデルがＤＮＮモデルである場合、ＤＮＮのレイヤ数及びニューロン数を示すこともできる。
－ＡＩ－Ｍｏｄｅｌ－ＩＤ：以前にダウンロードされたＡＩモデルの識別子。ＡＩＭＵ１７０１は、このパラメータを使用して、ＡＩＲ１７０３からＡＩモデルの新しいバージョンをダウンロードすることができる。
【0296】
ＡＩＭＵ１７０１は、Ｔｒａｃｅ－Ｃｒｉｔｅｒｉａが二次的な優先度であることをメッセージ内に示すことができ、これは、不一致のＴｒａｃｅ－Ｉｎｓｔｒｕｃｔｉｏｎｓを有するＡＩモデルが依然として発見され、ＡＩＭＵ１７０１にインストールされ得るということを暗示することに留意されたい。
【0297】
ＡＩＲ１７０３は、受信したＴｒａｃｅ－Ｃｒｉｔｅｒｉａを使用して、Ｔｒａｃｅ－Ｃｒｉｔｅｒｉａに一致するＴｒａｃｅ－Ｉｎｓｔｒｕｃｔｉｏｎｓを有する登録されたＡＩモデルを見つけるために、（ローカルに）維持されたＡＩモデル記録をチェックする。例えば、ＡＩＲ１７０３は、Ｔｒａｃｅ－Ｃｒｉｔｅｒｉａに含まれる「Ｔｒａｃｅ－Ｓｃｏｐｅ」が、任意の維持されたＡＩモデルのＴｒａｃｅ－Ｉｎｓｔｒｕｃｔｉｏｎｓの「Ｔｒａｃｅ－Ｓｃｏｐｅ」と一致するかどうかをチェックすることができる。ＡＩ－Ｍｏｄｅｌ－ＩＤがメッセージに含まれている場合、ＡＩＲ１７０３は、単にそれを使用して、登録されている対応するＡＩモデルを見つけることができる。
【0298】
ステップＳ１７０４において、ＡＩＲ１７０３は、応答をＡＩＭＵ１７０１に送信する。応答は、トレース命令を有する完全なＡＩモデルをＡＩＭＵ１７０１に与えることができる。変形例では、応答は、ＡＩＭＵが完全なＡＩモデルをダウンロードするために使用することができるＡＩモデルアドレス情報のみを含む。具体的には、応答は、発見されたＡＩモデルごとに以下の情報を含むことができる。
－ＡＩ－Ｍｏｄｅｌ－ＩＤ：発見されたＡＩモデルの識別子。
－ＡＩ－Ｍｏｄｅｌ－Ｃｏｎｔｅｎｔ：発見されたＡＩモデルのコンテンツ。
－Ｔｒａｃｅ－Ｉｎｓｔｒｕｃｔｉｏｎｓ：ＡＩＭＰ又はＡＩＲによって発見されたＡＩモデルで構成されたトレース命令。
－ＡＩ－Ｍｏｄｅｌ－Ａｄｄｒｅｓｓ：発見されたＡＩモデルのアドレスであり、そこからＡＩモデルのコンテンツを取り出すことができる。この情報が含まれている場合、ＡＩＭＵ１７０１は、ステップＳ１７０６及びＳ１７０８で説明するように、それを使用してＡＩＭＰからＡＩモデルを取り出すことができる。
－ＡＩＴＭ－ＩＤ：ＡＩＴＭの識別子又はアドレスであり、そこからＡＩＭＵ１７０１はＡＩモデルに対するトレース命令を取り出すことができる。この情報がステップＳ１７０２においてメッセージに含まれている場合、ＡＩＭＵ１７０１は、説明されるように、ステップＳ１７１０及びＳ１７１２を実行することができる。この情報は、ステップＳ１７０４の応答にＴｒａｃｅ－Ｉｎｓｔｒｕｃｔｉｏｎｓが含まれている場合には省略することができる。
－Ｎｏｔｉｆｉｃａｔｉｏｎ－Ｔａｒｇｅｔ（通知－ターゲット）：ＡＩＭＵ１７０１がＡＩモデルをインストールした後に通知を送信する（すなわち、ステップ１７２２）１つ以上の通知ターゲット（例えば、ＡＩＲ、ＡＩＴＭなど）のアドレス又は識別子。
－ＡＩ－Ｍｏｄｅｌ－ＩＤ：発見されたＡＩモデルの識別子。
－ＡＩ－Ｍｏｄｅｌ－Ｃｏｎｔｅｎｔ：発見されたＡＩモデルのコンテンツ。
－Ｔｒａｃｅ－Ｉｎｓｔｒｕｃｔｉｏｎｓ：ＡＩＭＰ又はＡＩＲによって発見されたＡＩモデルで構成されたトレース命令。
－ＡＩ－Ｍｏｄｅｌ－Ａｄｄｒｅｓｓ：発見されたＡＩモデルのアドレスであり、そこからＡＩモデルのコンテンツを取り出すことができる。この情報が含まれている場合、ＡＩＭＵ１７０１は、ステップＳ１７０６及びＳ１７０８で説明するように、それを使用してＡＩＭＰからＡＩモデルを取り出すことができる。
－ＡＩＴＭ－ＩＤ：ＡＩＴＭの識別子又はアドレスであり、そこからＡＩＭＵ１７０１はＡＩモデルに対するトレース命令を取り出すことができる。この情報がステップＳ１７０２においてメッセージに含まれている場合、ＡＩＭＵ１７０１は、説明されるように、ステップＳ１７１０及びＳ１７１２を実行することができる。この情報は、ステップＳ１７０４の応答にＴｒａｃｅ－Ｉｎｓｔｒｕｃｔｉｏｎｓが含まれている場合には省略することができる。
－Ｎｏｔｉｆｉｃａｔｉｏｎ－Ｔａｒｇｅｔ（通知－ターゲット）：ＡＩＭＵ１７０１がＡＩモデルをインストールした後に通知を送信する（すなわち、ステップ１７２２）１つ以上の通知ターゲット（例えば、ＡＩＲ、ＡＩＴＭなど）のアドレス又は識別子。
【0299】
ＡＩＲ１７０３は、例えば、Ｔｒａｃｅ－Ｉｎｓｔｒｕｃｔｉｏｎｓを使用せずに検索が行われた場合、又はＴｒａｃｅ－Ｉｎｓｔｒｕｃｔｉｏｎｓに一致するＡＩモデルがない場合、特に、ステップＳ１７０２の発見メッセージにおいて、Ｔｒａｃｅ－Ｃｒｉｔｅｒｉａが二次的優先度であることをＡＩＭＵ１７０１が示した場合、ＡＩＭＵ１７０１のＴｒａｃｅ－Ｉｎｓｔｒｕｃｔｉｏｎｓに一致しないＡＩモデルを見つけることができることに留意されたい。ステップＳ１７０４における応答においてＡＩＭＵが受信するトレース命令は、ステップＳ１７０２における発見メッセージにおいてＡＩＭＵによって要求されるトレース要件を上回る（例えば、ＡＩＭＰによって設定される）追加のトレース要件を含み得るということは注目に値する。
【0300】
ステップＳ１７０４において、ＡＩ－Ｍｏｄｅｌ－Ａｄｄｒｅｓｓが応答に含まれている場合、ステップＳ１７０６において、ＡＩＭＵ１７０１は、ＡＩ－Ｍｏｄｅｌ－Ａｄｄｒｅｓｓによって示されるＡＩモデルを取り出すために、メッセージをＡＩＭＰ１７０５に送信する。このメッセージは、以下を含み得る。
－ＡＩ－Ｍｏｄｅｌ－ＩＤ：ステップＳ１７０４におけるものと同様のもの。
－ＡＩ－Ｍｏｄｅｌ－Ａｄｄｒｅｓｓ：ステップＳ１７０４におけるものと同様のもの。
－ＡＩ－Ｍｏｄｅｌ－Ｐｕｓｈ－Ａｄｄｒｅｓｓ（ＡＩ－モデル－プッシュ－アドレス）：ＡＩＭＰ１７０５が完全にトレーニングされたＡＩモデルのコンテンツをＡＩＭＵ１７０１にプッシュするために使用することができるアドレス。
－ＡＩ－Ｍｏｄｅｌ－ＩＤ：ステップＳ１７０４におけるものと同様のもの。
－ＡＩ－Ｍｏｄｅｌ－Ａｄｄｒｅｓｓ：ステップＳ１７０４におけるものと同様のもの。
－ＡＩ－Ｍｏｄｅｌ－Ｐｕｓｈ－Ａｄｄｒｅｓｓ（ＡＩ－モデル－プッシュ－アドレス）：ＡＩＭＰ１７０５が完全にトレーニングされたＡＩモデルのコンテンツをＡＩＭＵ１７０１にプッシュするために使用することができるアドレス。
【0301】
ＡＩＭＰ１７０５は、ＡＩ－Ｍｏｄｅｌ－ＩＤ及び／又はＡＩ－Ｍｏｄｅｌ－Ａｄｄｒｅｓｓを使用して、ＡＩＭＰ１７０５がローカルに維持するＡＩモデルを一意に識別することができる。
【0302】
ＡＩＭＰ１７０５は、受信したＡＩ－Ｍｏｄｅｌ－Ａｄｄｒｅｓｓを使用して、対応するＡＩモデルを識別し、ステップＳ１７０８において、ＡＩＭＵ１７０１に応答を送信する。ＡＩモデルがここで完全にトレーニングされている場合、応答はＡＩモデルのコンテンツを含む。そうでない場合、応答は、ＡＩモデルが利用可能でなく、まだトレーニング中であるというインジケーションを含み得る。ＡＩモデルが完全にトレーニングされると、ＡＩＭＰ１７０５は、ＡＩモデルのコンテンツをＡＩ－Ｍｏｄｅｌ－Ｐｕｓｈ－Ａｄｄｒｅｓｓにプッシュすることができる。応答は、以下を含み得る。
－ＡＩ－Ｍｏｄｅｌ－ＩＤ：ステップＳ１７０６におけるものと同様のもの。
－ＡＩ－Ｍｏｄｅｌ－Ｃｏｎｔｅｎｔ：ＡＩモデルが完全にトレーニングされている場合のＡＩモデルのコンテンツ。
－Ｔｒａｃｅ－Ｉｎｓｔｒｕｃｔｉｏｎｓ：ＡＩモデルが完全にトレーニングされている場合にＡＩモデルによって必要とされるトレース命令及び要件。
－ＡＩ－Ｍｏｄｅｌ－Ｒｅａｄｙ－Ｔｉｍｅ（ＡＩ－モデル－準備－時間）：ＡＩモデルが完全にトレーニングされるまでの推定時間。
－ＡＩＴＭ－ＩＤ：ＡＩＴＭの識別子又はアドレスであり、そこからＡＩＭＵ１７０１はＡＩモデルからのトレース命令を取り出すことができる。このパラメータが含まれる場合、ＡＩＭＵ１７０１は、以下のステップＳ１７１０及びＳ１７１２を実行することができる。
－ＡＩ－Ｍｏｄｅｌ－ＩＤ：ステップＳ１７０６におけるものと同様のもの。
－ＡＩ－Ｍｏｄｅｌ－Ｃｏｎｔｅｎｔ：ＡＩモデルが完全にトレーニングされている場合のＡＩモデルのコンテンツ。
－Ｔｒａｃｅ－Ｉｎｓｔｒｕｃｔｉｏｎｓ：ＡＩモデルが完全にトレーニングされている場合にＡＩモデルによって必要とされるトレース命令及び要件。
－ＡＩ－Ｍｏｄｅｌ－Ｒｅａｄｙ－Ｔｉｍｅ（ＡＩ－モデル－準備－時間）：ＡＩモデルが完全にトレーニングされるまでの推定時間。
－ＡＩＴＭ－ＩＤ：ＡＩＴＭの識別子又はアドレスであり、そこからＡＩＭＵ１７０１はＡＩモデルからのトレース命令を取り出すことができる。このパラメータが含まれる場合、ＡＩＭＵ１７０１は、以下のステップＳ１７１０及びＳ１７１２を実行することができる。
【0303】
ステップＳ１７１０において、ＡＩＭＵ１７０１は、ＡＩＭＵ１７０１がステップＳ１７０４又はＳ１７０８における応答においてＡＩモデルのコンテンツを取得した場合に、ＡＩモデルに対するトレース命令を取り出すために、要求メッセージをＡＩＴＭ１７０７に送信する。
【0304】
ステップＳ１７１０は、例えば、ＡＩＭＵ１７０１がステップＳ１７０４の応答においてＡＩＲからトレース命令を受信した場合には省略することができることに留意されたい。加えて、ＡＩＭＵ１７０１がＡＩＴＭ１７０７のアドレス又は識別子を知らない場合、ステップＳ１７１０は省略される。
【0305】
要求メッセージは、以下を含み得る。
－ＡＩＭＵ－ＩＤ：ＡＩＭＵ１７０１の識別子。
－ＡＩ－Ｍｏｄｅｌ－ＩＤ：ＡＩモデルの識別子。
－Ｔｒａｃｅ－Ｃｒｉｔｅｒｉａ：ステップＳ１７０２の要求メッセージにおける「Ｔｒａｃｅ－Ｃｒｉｔｅｒｉａ」と同じもの。
－Ｔｒａｃｅ－Ｃａｐａｂｉｌｉｔｙ：図１０のステップＳ１００２で受信した「Ｔｒａｃｅ－Ｃａｐａｂｉｌｉｔｙ」と同じもの。
－ＡＩＭＵ－ＩＤ：ＡＩＭＵ１７０１の識別子。
－ＡＩ－Ｍｏｄｅｌ－ＩＤ：ＡＩモデルの識別子。
－Ｔｒａｃｅ－Ｃｒｉｔｅｒｉａ：ステップＳ１７０２の要求メッセージにおける「Ｔｒａｃｅ－Ｃｒｉｔｅｒｉａ」と同じもの。
－Ｔｒａｃｅ－Ｃａｐａｂｉｌｉｔｙ：図１０のステップＳ１００２で受信した「Ｔｒａｃｅ－Ｃａｐａｂｉｌｉｔｙ」と同じもの。
【0306】
ＡＩＴＭ１７０７は、例えば、ステップＳ１７１０において要求メッセージで受信したＴｒａｃｅ－Ｃｒｉｔｅｒｉａ及びＴｒａｃｅ－Ｃａｐａｂｉｌｉｔｙに基づいて、ＡＩＭＵ１７０１に対するトレース命令を決定する。あるいは、ＡＩＭＵ１７０１には、ＡＩ－Ｍｏｄｅｌ－ＩＤによって示されるＡＩモデルのためのトレース命令が提供されてもよい。ステップＳ１７１２において、ＡＩＴＭ１７０７は、決定されたＴｒａｃｅ－Ｉｎｓｔｒｕｃｔｉｏｎｓを含む応答をＡＩＭＵ１７０１に送信する。
【0307】
ここでも、ＡＩＭＵ１７０１自体が、ステップＳ１７０４又はＳ１７０８における応答において受信したＴｒａｃｅ－Ｉｎｓｔｒｕｃｔｉｏｎｓからトレース命令を決定することができるということに留意されたい。この場合、ステップＳ１７１０及びＳ１７１２は不要である。
【0308】
ステップＳ１７１４において、ＡＩＭＵ１７０１は、ステップＳ１７０４又はステップＳ１７０８で取得されたＡＩモデルをインストールする。
【0309】
ステップＳ１７１６において、ＡＩＭＵ１７０１は、ステップＳ１７１２において受信した、又は既に説明したように別の方法で決定されたＴｒａｃｅ－Ｉｎｓｔｒｕｃｔｉｏｎｓを、入力を求める人に提示することができる。例えば、その人は、トレース命令を受諾するか又は拒否することができ、その人は、ＡＩＭＵがＡＩトレース記録を送信するアドレスを指定することができる。
【0310】
ステップＳ１７１８において、ＡＩＭＵ１７０１は、その人からの入力を受信し得る。ＡＩＭＵ１７０１は、Ｔｒａｃｅ－Ｉｎｓｔｒｕｃｔｉｏｎｓとその人からの入力とを組み合わせることによって、最終的なトレース構成（Ｔｒａｃｅ－Ｃｏｎｆｉｇｕｒａｔｉｏｎ）を生成することができる。ＡＩＭＵ１７０１は、Ｔｒａｃｅ－ＣｏｎｆｉｇｕｒａｔｉｏｎをＡＩモデルに構成する。
【0311】
ステップＳ１７２０において、ＡＩＭＵ１７０１は、インストールされたＡＩモデルのＡＩモデル記録を作成する。ＡＩモデル記録は、以下を含み得る。
－ＡＩＭＵ－ＩＤ：ＡＩＭＵ１７０１の識別子。
－ＡＩ－Ｍｏｄｅｌ－ＩＤ：インストールされたＡＩモデルの識別子。
－ＡＩ－Ｍｏｄｅｌ－Ａｄｄｒｅｓｓ：ステップＳ１７０４におけるものと同様のもの。
－ＡＩ－Ｍｏｄｅｌ－Ｐｕｓｈ－Ａｄｄｒｅｓｓ：ステップＳ１７０６におけるものと同様のもの。
－Ｔｒａｃｅ－Ｃｏｎｆｉｇｕｒａｔｉｏｎ：Ｔｒａｃｅ－Ｉｎｓｔｒｕｃｔｉｏｎｓとその人からの入力とを組み合わせた結果。
－ＡＩＭＵ－ＩＤ：ＡＩＭＵ１７０１の識別子。
－ＡＩ－Ｍｏｄｅｌ－ＩＤ：インストールされたＡＩモデルの識別子。
－ＡＩ－Ｍｏｄｅｌ－Ａｄｄｒｅｓｓ：ステップＳ１７０４におけるものと同様のもの。
－ＡＩ－Ｍｏｄｅｌ－Ｐｕｓｈ－Ａｄｄｒｅｓｓ：ステップＳ１７０６におけるものと同様のもの。
－Ｔｒａｃｅ－Ｃｏｎｆｉｇｕｒａｔｉｏｎ：Ｔｒａｃｅ－Ｉｎｓｔｒｕｃｔｉｏｎｓとその人からの入力とを組み合わせた結果。
【0312】
ステップＳ１７２２において、ＡＩＭＵ１７０１は、ステップＳ１７０４において受信したＮｏｔｉｆｉｃａｔｉｏｎ－Ｔａｒｇｅｔによって決定されるＡＩＲ又はＡＩＴＭに通知を送信する。通知は、ステップＳ１７２０で作成されたＡＩモデル記録全体を含み得るか、又はＡＩモデル記録の識別子を含み得る。任意選択で、ＡＩＭＵ１７０１は、このＡＩモデル記録をＤＳＳに公開することもできる。また、ＡＩモデルがＡＩＭＰ１７０１によって生成され、寄与された場合、ＡＩＭＵ１７０１は、同じ通知をこのＡＩＭＰ１７０５に送信することができる。
【0313】
既存のＡＩモデルを初期モデルとして使用して、ＡＩＭＵがＡＩＭＰ－Ｘによって置換される新しいＡＩモデルをトレーニングする場合、別のＡＩＭＰ－Ｘは、図１７の方法と同様の方法を使用して、既存のＡＩモデルのコンテンツを発見し、取り出すことができるということに留意されたい。
【0314】
ＡＩＭ調整されたトレーサビリティアウェアＡＩモデルの発見及び展開
ＡＩＭＵは、ＡＩＭに依拠して、そのトレース基準を満たすＡＩモデルをＡＩＲにおいて発見する。ＡＩＲは、ＡＩモデルアドレスをＡＩＭＵに返すか、又はモデルコンテンツ及び関連するトレース命令をＡＩＭに返すことができる。ＡＩＭがＡＩＲからＡＩモデルアドレスのみを受信する場合、ＡＩＭは、ＡＩモデルアドレス（例えば、ＡＩＭＰ）からＡＩモデルコンテンツを取り出す。ＡＩＭはまた、ＡＩＴＭからトレース命令を取り出し得る。次いで、ＡＩＭは、モデルコンテンツ及び関連付けられたトレース命令をＡＩＭＵにプッシュする。ＡＩＭＵは、トレース命令及び任意のユーザ入力を組み込むＡＩモデルをインストールする。ＡＩＭは、ＡＩＭＵにインストールされたＡＩモデルのＡＩモデル記録を作成する。最後に、ＡＩＭは、ＡＩモデル記録をＡＩＲ及び／又は他のエンティティ（例えば、ＤＳＳ、ＡＩＭＰ、ＡＩＴＭ）に送信する。
ＡＩＭＵは、ＡＩＭに依拠して、そのトレース基準を満たすＡＩモデルをＡＩＲにおいて発見する。ＡＩＲは、ＡＩモデルアドレスをＡＩＭＵに返すか、又はモデルコンテンツ及び関連するトレース命令をＡＩＭに返すことができる。ＡＩＭがＡＩＲからＡＩモデルアドレスのみを受信する場合、ＡＩＭは、ＡＩモデルアドレス（例えば、ＡＩＭＰ）からＡＩモデルコンテンツを取り出す。ＡＩＭはまた、ＡＩＴＭからトレース命令を取り出し得る。次いで、ＡＩＭは、モデルコンテンツ及び関連付けられたトレース命令をＡＩＭＵにプッシュする。ＡＩＭＵは、トレース命令及び任意のユーザ入力を組み込むＡＩモデルをインストールする。ＡＩＭは、ＡＩＭＵにインストールされたＡＩモデルのＡＩモデル記録を作成する。最後に、ＡＩＭは、ＡＩモデル記録をＡＩＲ及び／又は他のエンティティ（例えば、ＤＳＳ、ＡＩＭＰ、ＡＩＴＭ）に送信する。
【0315】
図１８は、本原理の一実施形態による、ＡＩＭ調整されたトレーサビリティアウェアＡＩモデルの発見及び展開の方法を示す。
【0316】
ステップＳ１８００において、ＡＩＭＵ１８０１は、ＡＩＭ１８０３にメッセージを送信することによって、ＡＩモデルの発見を開始することができる。これは、図１７のステップＳ１７０２と同様である。更に、ＡＩＭＵ１８０１は、このステップにそのＴｒａｃｅ－Ｃａｐａｂｉｌｉｔｙを含めることができる。
【0317】
ＡＩＭ１８０３は、ＡＩタスクをＡＩＭＵ１８０１にインストールしているので、ＡＩＭＵ１８０１がどの種類のＡＩモデルを必要とするかを知っている。ステップＳ１８０２において、ＡＩＭ１８０３は、ＡＩＭＵ１８０１のためのＡＩモデルを発見してダウンロードするためのメッセージをＡＩＲ１８０５に送信する。これは、図１７のステップＳ１７０２と同様である。
【0318】
ステップＳ１８０４において、ＡＩＲ１８０５は、図１７のステップＳ１７０４と同様に、ＡＩモデル情報を含む応答をＡＩＭ１８０３に送信する。
【0319】
ステップＳ１８０６において、ＡＩＭ１８０３は、ＡＩモデルを取り出すためのメッセージをＡＩＭＰ１８０７に送信する。これは、図１７のステップＳ１７０６と同様であるが、メッセージに含まれるＡＩ－Ｍｏｄｅｌ－Ｐｕｓｈ－Ａｄｄｒｅｓｓは、ＡＩＭＰ１８０７からＡＩモデルを受信するためのＡＩＭ１８０３のアドレス、又はＡＩＭＰ１８０７からＡＩモデルを受信するためのＡＩＭＵ１８０１のアドレスを示すことができる。ＡＩ－Ｍｏｄｅｌ－Ｐｕｓｈ－ＡｄｄｒｅｓｓがＡＩＭＵ１８０１のアドレスである場合、ＡＩＭＰ１８０７は、このＡＩ－Ｍｏｄｅｌ－Ｐｕｓｈ－Ａｄｄｒｅｓｓを使用して、ＡＩモデルをＡＩＭＵ１８０１に直接プッシュ又は送信することができる。
【0320】
ステップＳ１８０８において、ＡＩＭＰ１８０７は、要求されたＡＩモデルをＡＩＭ１８０３に送信することができる。このステップは、図１７のステップＳ１７０８と同様である。
【0321】
ステップＳ１８１０において、ＡＩＭは、ＡＩＴＭ１８０９にＴｒａｃｅ－Ｉｎｓｔｒｕｃｔｉｏｎｓを要求する。これは、図１７のステップＳ１７１０と同様である。
【0322】
ステップＳ１８１２において、Ｔｒａｃｅ－Ｉｎｓｔｒｕｃｔｉｏｎｓを取り出した後、ＡＩＴＭ１８０９は、これらをＡＩＭ１８０３に送信する。これは、図１７のステップＳ１７１２と同様である。
【0323】
ステップＳ１８０４及び／又はステップＳ１８１２において受信したトレース命令に基づいて、ＡＩＭ１８０３は、展開されるべきＡＩモデルのための最終的なトレース命令を決定する。ステップＳ１８１４において、ＡＩＭ１８０３は、ＡＩＭＵ１８０１に応答メッセージを送信して、ＡＩモデルを展開するようにＡＩＭＵ１８０１に命令する。このメッセージは、以下を含み得る。
－ＡＩ－Ｍｏｄｅｌ－ＩＤ：ＡＩＭＵ１８０１に送信され、そこで展開されるＡＩモデルの識別子。
－ＡＩ－Ｍｏｄｅｌ－Ｃｏｎｔｅｎｔ：ＡＩＭＵ１８０１に送信され、そこで展開されるＡＩモデルのコンテンツ。
－Ｔｒａｃｅ－Ｉｎｓｔｒｕｃｔｉｏｎｓ：ＡＩＭＵ１８０１に送信され、そこで展開されるＡＩモデルのための最終トレース命令。
－ＡＩ－Ｍｏｄｅｌ－ＩＤ：ＡＩＭＵ１８０１に送信され、そこで展開されるＡＩモデルの識別子。
－ＡＩ－Ｍｏｄｅｌ－Ｃｏｎｔｅｎｔ：ＡＩＭＵ１８０１に送信され、そこで展開されるＡＩモデルのコンテンツ。
－Ｔｒａｃｅ－Ｉｎｓｔｒｕｃｔｉｏｎｓ：ＡＩＭＵ１８０１に送信され、そこで展開されるＡＩモデルのための最終トレース命令。
【0324】
変形例では、ＡＩＭ１８０３は、Ｔｒａｃｅ－ＩｎｓｔｒｕｃｔｉｏｎｓをＡＩＭＵ１８０１に送信しない。代わりに、ＡＩＭＵ１８０３は、ＡＩＭＵ１８０１のために決定又は作成されたトレース命令の識別子をＡＩＭＵ１８０１に知らせることができ、その結果、ＡＩＭ１８０１は、例えば、その識別子及び／又は決定されたトレース命令の任意の識別子を提示することによって、ＡＩＴＭ１８０９からトレース命令を取り出すことができる。
【0325】
ステップＳ１８１６において、ＡＩＭＵ１８０１は、ＡＩモデルをインストールする。これは、図１７のステップＳ１７１４と同様である。
【0326】
ステップＳ１８１８において、ＡＩＭＵ１８０１は、トレーサビリティオプションのためのユーザ入力を要求する。これは、図１７のステップＳ１７１６と同様である。
【0327】
ステップＳ１８２０において、ＡＩＭＵ１８０１は、ユーザ入力を受信し、ユーザ入力を使用して決定された最終トレース構成を使用してＡＩモデルを構成する。これは、図１７のステップＳ１７１８と同様である。
【0328】
ステップＳ１８２２において、ＡＩＭＵ１８０１は、ＡＩモデルの展開を示す通知メッセージをＡＩＭ１８０３に送信する。この通知メッセージは、以下を含み得る。
－ＡＩＭＵ－ＩＤ：ＡＩＭＵ１８０１の識別子。
－Ｔｒａｃｅ－Ｃｏｎｆｉｇｕｒａｔｉｏｎ：ステップＳ１８２０で決定された最終トレース構成。
－ＡＩＭＵ－ＩＤ：ＡＩＭＵ１８０１の識別子。
－Ｔｒａｃｅ－Ｃｏｎｆｉｇｕｒａｔｉｏｎ：ステップＳ１８２０で決定された最終トレース構成。
【0329】
ステップＳ１８２４において、ＡＩＭ１８０３は、ＡＩＭＵ１８０１に展開されたＡＩモデルのＡＩモデル記録を作成する。これは、図１７のステップＳ１７２０と同様である。ＡＩモデル記録は、以下を含み得る。
－ＡＩＭＵ－ＩＤ：ＡＩＭＵ１８０１の識別子。
－ＡＩ－Ｍｏｄｅｌ－ＩＤ：インストールされたＡＩモデルの識別子。
－ＡＩ－Ｍｏｄｅｌ－Ａｄｄｒｅｓｓ：ＡＩＭＰ１８０７からＡＩモデルを取り出すためのアドレス。
－ＡＩ－Ｍｏｄｅｌ－Ｐｕｓｈ－Ａｄｄｒｅｓｓ：ステップＳ１８０６におけるものと同じもの。
－Ｔｒａｃｅ－Ｃｏｎｆｉｇｕｒａｔｉｏｎ：ステップＳ１８２２におけるものと同じもの。
－ＡＩＭ－ＩＤ：ＡＩＭ１８０３の識別子。
－ＡＩＭＵ－ＩＤ：ＡＩＭＵ１８０１の識別子。
－ＡＩ－Ｍｏｄｅｌ－ＩＤ：インストールされたＡＩモデルの識別子。
－ＡＩ－Ｍｏｄｅｌ－Ａｄｄｒｅｓｓ：ＡＩＭＰ１８０７からＡＩモデルを取り出すためのアドレス。
－ＡＩ－Ｍｏｄｅｌ－Ｐｕｓｈ－Ａｄｄｒｅｓｓ：ステップＳ１８０６におけるものと同じもの。
－Ｔｒａｃｅ－Ｃｏｎｆｉｇｕｒａｔｉｏｎ：ステップＳ１８２２におけるものと同じもの。
－ＡＩＭ－ＩＤ：ＡＩＭ１８０３の識別子。
【0330】
ステップＳ１８２６において、ＡＩＭ１８０３は、ステップＳ１８０４においてＡＩＭＵがメッセージで受信したＮｏｔｉｆｉｃａｔｉｏｎ－Ｔａｒｇｅｔによって決定されたＡＩＲ１８０５又はＡＩＴＭ１８０９に通知メッセージを送信する。ＡＩＭ１８０３はまた、事前に構成されたポリシーに基づいて、ＡＩＲ１８０５及び／又はＡＩＴＭ１８０９に通知を送信することを決定し得る。通知は、ステップＳ１８２４で作成したＡＩモデル記録全体を含み得るか、又はこのＡＩモデル記録の識別子を含み得る。任意選択で、ＡＩＭＵ１８０１は、このＡＩモデル記録をＤＳＳに公開することができる。また、ＡＩモデルが、ＡＩＭＰ１８０７によって生成され、寄与された場合、ＡＩＭ１８０３は、通知メッセージをこのＡＩＭＰ１８０７に送信することができる。
【0331】
別のＡＩＭＰ－Ｙは、新しいＡＩモデルをトレーニングするための初期モデルとして既存のＡＩモデルを使用したい場合、ＡＩＭＵの代わりに図１８に示す方法を使用して、既存のＡＩモデルのコンテンツを発見し、取り出すことができるということに留意されたい。
【0332】
ＡＩＭＰ開始型トレーサビリティアウェアＡＩモデルの発見及び展開
ＡＩＭＰは、ＡＩモデルをＡＩＭＵに展開するためのものである。ＡＩＲから、ＡＩＭＰは、そのトレース基準及びＡＩ基準を満たすＡＩＭＵを発見する。ＡＩＲは、そのローカルに維持されたＡＩホスト記録を調べ、そのＡＩ能力及びトレース能力がＡＩＭＰからのＡＩ基準及びトレース基準に一致する１つ以上のＡＩＭＵを見つける。ＡＩＲは、発見されたＡＩＭＵをＡＩＭＰに返す。次に、ＡＩＭＰは、各ＡＩＭＵに連絡して、ＡＩモデルを展開する許可を得る。ＡＩＭＵは、ＡＩＭＰからモデルコンテンツを受け取り、ＡＩＭＰ又はＡＩＴＭからトレース命令を受け取る。次いで、ＡＩＭＵは、トレース命令及び任意のユーザ入力を組み込んだＡＩモデルをインストールする。ＡＩＭＵは、インストールされたＡＩモデルに対するＡＩモデル記録を作成する。最後に、ＡＩＭＵは、ＡＩモデル記録を、ＡＩＲ及び／又は他のエンティティ（例えば、ＡＩＭＰ、ＤＳＳ、ＡＩＴＭ）に送信する。
ＡＩＭＰは、ＡＩモデルをＡＩＭＵに展開するためのものである。ＡＩＲから、ＡＩＭＰは、そのトレース基準及びＡＩ基準を満たすＡＩＭＵを発見する。ＡＩＲは、そのローカルに維持されたＡＩホスト記録を調べ、そのＡＩ能力及びトレース能力がＡＩＭＰからのＡＩ基準及びトレース基準に一致する１つ以上のＡＩＭＵを見つける。ＡＩＲは、発見されたＡＩＭＵをＡＩＭＰに返す。次に、ＡＩＭＰは、各ＡＩＭＵに連絡して、ＡＩモデルを展開する許可を得る。ＡＩＭＵは、ＡＩＭＰからモデルコンテンツを受け取り、ＡＩＭＰ又はＡＩＴＭからトレース命令を受け取る。次いで、ＡＩＭＵは、トレース命令及び任意のユーザ入力を組み込んだＡＩモデルをインストールする。ＡＩＭＵは、インストールされたＡＩモデルに対するＡＩモデル記録を作成する。最後に、ＡＩＭＵは、ＡＩモデル記録を、ＡＩＲ及び／又は他のエンティティ（例えば、ＡＩＭＰ、ＤＳＳ、ＡＩＴＭ）に送信する。
【0333】
図１９は、本原理の一実施形態による、ＡＩＲ支援型トレーサビリティアウェアモデルの発見及び展開の方法を示す。
【0334】
ステップＳ１９０２において、ＡＩＭＰ１９０５は、ＡＩＭＵ１９０１を発見するためにＡＩＲ１９０３にメッセージを送信する。このメッセージは、以下を含み得る。
－ＡＩＭＰ－ＩＤ：ＡＩＭＰの（一意の）識別子。
－Ｔｒａｃｅ－Ｃｒｉｔｅｒｉａ：ＡＩＭＵを発見するためのトレース基準。言い換えれば、ＡＩＭＰは、「Ｔｒａｃｅ－Ｃａｐａｂｉｌｉｔｙ」がＴｒａｃｅ－Ｃｒｉｔｅｒｉａによって示されるトレース基準を満たすＡＩＭＵを発見する。Ｔｒａｃｅ－Ｃｒｉｔｅｒｉａは、図１２のステップＳ１２０８に関して説明した「Ｔｒａｃｅ－Ｃａｐａｂｉｌｉｔｙ」の一部である情報と同様の情報（例えば、「Ｔｒａｃｅ－Ｓｃｏｐｅ」）を含み得る。
－ＡＩ－Ｃｒｉｔｅｒｉａ：ＡＩＭＵを発見するためのＡＩ要件。言い換えれば、ＡＩＭＰは、「ＡＩ能力」がＡＩ－Ｃｒｉｔｅｒｉａによって示されるＡＩ基準を満たすＡＩＭＵを発見する。ＡＩ－Ｃｒｉｔｅｒｉａは、図１０のステップＳ１００２で説明した「ＡＩ－Ｃａｐａｂｉｌｉｔｙ」と同様の情報を含み得る。更に、ＡＩ－Ｃｒｉｔｅｒｉａは、ＡＩＭＰがＡＩＭＵに展開したいＡＩモデルについてのメタデータを含み得る。
－ＡＩＭＰ－ＩＤ：ＡＩＭＰの（一意の）識別子。
－Ｔｒａｃｅ－Ｃｒｉｔｅｒｉａ：ＡＩＭＵを発見するためのトレース基準。言い換えれば、ＡＩＭＰは、「Ｔｒａｃｅ－Ｃａｐａｂｉｌｉｔｙ」がＴｒａｃｅ－Ｃｒｉｔｅｒｉａによって示されるトレース基準を満たすＡＩＭＵを発見する。Ｔｒａｃｅ－Ｃｒｉｔｅｒｉａは、図１２のステップＳ１２０８に関して説明した「Ｔｒａｃｅ－Ｃａｐａｂｉｌｉｔｙ」の一部である情報と同様の情報（例えば、「Ｔｒａｃｅ－Ｓｃｏｐｅ」）を含み得る。
－ＡＩ－Ｃｒｉｔｅｒｉａ：ＡＩＭＵを発見するためのＡＩ要件。言い換えれば、ＡＩＭＰは、「ＡＩ能力」がＡＩ－Ｃｒｉｔｅｒｉａによって示されるＡＩ基準を満たすＡＩＭＵを発見する。ＡＩ－Ｃｒｉｔｅｒｉａは、図１０のステップＳ１００２で説明した「ＡＩ－Ｃａｐａｂｉｌｉｔｙ」と同様の情報を含み得る。更に、ＡＩ－Ｃｒｉｔｅｒｉａは、ＡＩＭＰがＡＩＭＵに展開したいＡＩモデルについてのメタデータを含み得る。
【0335】
ＡＩＲ１９０３は、受信したＴｒａｃｅ－Ｃｒｉｔｅｒｉａ及びＡＩ－Ｃｒｉｔｅｒｉａを使用して、（ローカルに）維持されたＡＩホスト記録をチェックし、Ｔｒａｃｅ－Ｃｒｉｔｅｒｉａに一致するＴｒａｃｅ－Ｉｎｓｔｒｕｃｔｉｏｎｓを有する登録されたＡＩＭＵを見つける。次に、ステップＳ１９０４において、ＡＩＲ１９０３は、ＡＩＭＰ１９０５に応答を送信する。応答メッセージは、発見されたＡＩＭＵごとに、以下を含み得る。
－ＡＩＭＵ－ＩＤ：発見されたＡＩＭＵの識別子であり、ＡＩＭＵのアドレスを含み得る。
－ＡＩ－Ｃａｐａｂｉｌｉｔｙ：発見されたＡＩＭＵのＡＩ能力。
－Ｔｒａｃｅ－Ｃａｐａｂｉｌｉｔｙ：発見されたＡＩＭＵのトレース能力。
－ＡＩＭＵ－ＩＤ：発見されたＡＩＭＵの識別子であり、ＡＩＭＵのアドレスを含み得る。
－ＡＩ－Ｃａｐａｂｉｌｉｔｙ：発見されたＡＩＭＵのＡＩ能力。
－Ｔｒａｃｅ－Ｃａｐａｂｉｌｉｔｙ：発見されたＡＩＭＵのトレース能力。
【0336】
応答を受信したＡＩＭＰ１９０５は、ステップＳ１９０４において、応答に含まれる発見されたＡＩＭＵのリストから少なくとも１つのＡＩＭＵを選択する。
【0337】
ステップＳ１９０６～Ｓ１９２４は、選択されたＡＩＭＵごとに実行される。
【0338】
ステップＳ１９０６において、ＡＩＭＰ１９０５は、ＡＩモデルを展開するために、選択されたＡＩＭＵ１９０１に通知を送信する。この通知メッセージは、以下を含み得る。
－ＡＩＭＵ－ＩＤ：選択されたＡＩＭＵ１９０１の識別子又はアドレス。
－ＡＩ－Ｍｏｄｅｌ－ＩＤ：展開されるＡＩモデルの（一意の）識別子。
－ＡＩ－Ｍｏｄｅｌ－Ｔｙｐｅ：展開されるＡＩモデルのタイプ。
－Ｔｒａｃｅ－Ｃｒｉｔｅｒｉａ：ステップＳ１９０２でメッセージに含まれるＴｒａｃｅ－Ｃｒｉｔｅｒｉａ。
－ＡＩＭＵ－ＩＤ：選択されたＡＩＭＵ１９０１の識別子又はアドレス。
－ＡＩ－Ｍｏｄｅｌ－ＩＤ：展開されるＡＩモデルの（一意の）識別子。
－ＡＩ－Ｍｏｄｅｌ－Ｔｙｐｅ：展開されるＡＩモデルのタイプ。
－Ｔｒａｃｅ－Ｃｒｉｔｅｒｉａ：ステップＳ１９０２でメッセージに含まれるＴｒａｃｅ－Ｃｒｉｔｅｒｉａ。
【0339】
ＡＩＭＵ１９０１は、受諾してもよく又は拒否してもよい通知メッセージを受信する。ＡＩＭＵ１９０１が通知メッセージを受諾する場合、本方法はそのＡＩＭＵ１９０１に対して継続する。
【0340】
ステップＳ１９０８において、ＡＩＭＵ１９０１は、メッセージをＡＩＭＰ１９０５に送信して、ＡＩ－Ｍｏｄｅｌ－ＩＤによって識別されたＡＩモデルを取り出す。このメッセージは、以下を含み得る。
－ＡＩ－Ｍｏｄｅｌ－ＩＤ：ステップＳ１９０６におけるものと同じもの。
－ＡＩ－Ｍｏｄｅｌ－Ｐｕｓｈ－Ａｄｄｒｅｓｓ：ＡＩＭＰ１９０５が完全にトレーニングされたＡＩモデルのコンテンツをＡＩＭＵ１９０１にプッシュするために使用することができるアドレス。
－ＡＩ－Ｍｏｄｅｌ－ＩＤ：ステップＳ１９０６におけるものと同じもの。
－ＡＩ－Ｍｏｄｅｌ－Ｐｕｓｈ－Ａｄｄｒｅｓｓ：ＡＩＭＰ１９０５が完全にトレーニングされたＡＩモデルのコンテンツをＡＩＭＵ１９０１にプッシュするために使用することができるアドレス。
【0341】
ＡＩＭＰ１９０５は、メッセージを受信し、対応するＡＩモデルを識別するためにＡＩ－Ｍｏｄｅｌ－ＩＤを使用する。ステップＳ１９１０において、ＡＩＭＰ１９０５は、応答をＡＩＭＵ１９０１に送信する。
【0342】
ＡＩモデルが完全にトレーニングされている場合、応答はＡＩモデルのコンテンツを含むことができる。そうでない場合、応答は、ＡＩモデルが利用可能でなく、まだトレーニング中であることを示す情報を含むことができる。ＡＩモデルが完全にトレーニングされると、ＡＩＭＰ１９０５はまた又は代替的に、ＡＩモデルのコンテンツをＡＩ－Ｍｏｄｅｌ－Ｐｕｓｈ－Ａｄｄｒｅｓｓにプッシュすることができる。応答は、以下のうちの１つ以上を含み得る。
－ＡＩ－Ｍｏｄｅｌ－Ｃｏｎｔｅｎｔ：ＡＩモデルが完全にトレーニングされている場合のＡＩモデルのコンテンツ。
－Ｔｒａｃｅ－Ｉｎｓｔｒｕｃｔｉｏｎｓ：ＡＩモデルが完全にトレーニングされている場合にＡＩモデルによって必要とされるトレース命令及び要件。ＡＩＭＰ１９０５は、ＡＩＴＭ１９０７からトレース命令を得ることができるということに留意されたい。
－ＡＩ－Ｍｏｄｅｌ－Ｒｅａｄｙ－Ｔｉｍｅ：ＡＩモデルが完全にトレーニングされるまでの推定時間。
－ＡＩＴＭ－ＩＤ：ＡＩＴＭ１９０７の識別子又はアドレスであり、そこからＡＩＭＵ１９０１はＡＩモデルからのトレース命令を取り出すことができる。この情報が応答に含まれる場合、ＡＩＭＵ１９０１は、ステップＳ１９１２及びＳ１９１４を実行することができる。
－ＡＩ－Ｍｏｄｅｌ－Ｃｏｎｔｅｎｔ：ＡＩモデルが完全にトレーニングされている場合のＡＩモデルのコンテンツ。
－Ｔｒａｃｅ－Ｉｎｓｔｒｕｃｔｉｏｎｓ：ＡＩモデルが完全にトレーニングされている場合にＡＩモデルによって必要とされるトレース命令及び要件。ＡＩＭＰ１９０５は、ＡＩＴＭ１９０７からトレース命令を得ることができるということに留意されたい。
－ＡＩ－Ｍｏｄｅｌ－Ｒｅａｄｙ－Ｔｉｍｅ：ＡＩモデルが完全にトレーニングされるまでの推定時間。
－ＡＩＴＭ－ＩＤ：ＡＩＴＭ１９０７の識別子又はアドレスであり、そこからＡＩＭＵ１９０１はＡＩモデルからのトレース命令を取り出すことができる。この情報が応答に含まれる場合、ＡＩＭＵ１９０１は、ステップＳ１９１２及びＳ１９１４を実行することができる。
【0343】
ステップＳ１９１２～Ｓ１９２２は、ステップＳ１７１０～Ｓ１７２０と同様である。
【0344】
ステップＳ１９２４は、図１７のステップＳ１７２２と同様であり、ＡＩＭＵ１９０１がＡＩＭＰ１９０５にも通知する点が追加される。
【0345】
分散型台帳を使用して実装されるＡＩＭＰ開始型トレーサビリティアウェアＡＩモデルの発見及び展開
図１９に示す方法は、以下の例で説明するように、ＤＳＳの一例としてブロックチェーン及び／又は分散型台帳を使用して実装することができる。
図１９に示す方法は、以下の例で説明するように、ＤＳＳの一例としてブロックチェーン及び／又は分散型台帳を使用して実装することができる。
【0346】
図１９の各エンティティ（すなわち、ＡＩＭＵ１９０１、ＡＩＲ１９０３、ＡＩＭＰ１９０５、及びＡＩＴＭ１９０７）は、ブロックチェーンユーザである。各エンティティは、ブロックチェーンアカウントを有する。各エンティティは、ブロックチェーン又は台帳全体をホストする異なる（又は同じ）ブロックチェーンノードに接続される。
【0347】
ＡＩＲ１９０３は、ブロックチェーン上にＡＩホスト記録を公開している場合がある。ＡＩＲ１９０３は、各ＡＩホスト記録のブロックチェーンアドレスと呼ばれる、各ＡＩホスト記録がブロックチェーン内のどこに記憶されているかに関する情報（例えば、ＡＩホスト記録を含むブロック及びトランザクションのシーケンス番号）を維持し得る。
【0348】
ＡＩＲ１９０３（及び／又はＡＩＭＰ１９０５）は、ブロックチェーン上にＡＩモデル記録を公開している場合がある。ＡＩＲ１９０３は、各ＡＩモデル記録のブロックチェーンアドレスと呼ばれる、各ＡＩモデル記録がブロックチェーン内のどこに記憶されているかに関する情報（例えば、ＡＩモデル記録を含むブロック及びトランザクションのシーケンス番号）を維持し得る。
【0349】
ＡＩＴＭ１９０７は、ブロックチェーン上にトレース命令を公開している場合がある。ＡＩＴＭ１９０７は、各トレース命令のブロックチェーンアドレスと呼ばれる、各トレース命令がブロックチェーン内のどこに記憶されているかに関する情報（例えば、トレース命令を含むブロック及びトランザクションのシーケンス番号）を維持し得る。
【0350】
ステップＳ１９０２は変更されない。
【0351】
ステップＳ１９０４において、ＡＩＲ１９０３は、見つかったＡＩＭＵについてのＡＩホスト記録のブロックチェーンアドレスのみを応答に含めることができる。すなわち、この応答には、ＡＩＭＵ－ＩＤ、Ｔｒａｃｅ－Ｃａｐａｂｉｌｉｔｙ、ＡＩ－Ｃａｐａｂｉｌｉｔｙは含まれていない。ＡＩＭＰ１９０５は、ブロックチェーンアドレスを使用して、ＡＩＭＰ１９０５が接続するブロックチェーンノードから対応するＡＩホスト記録を取り出す。
【0352】
ステップＳ１９０６において、ＡＩＭＰ１９０５は、ＡＩモデル記録のブロックチェーンアドレスのみを含むことができる。
【0353】
ステップＳ１９０８において、ＡＩＭＵ１９０１は、ＡＩＭＵが接続することができるブロックチェーンノードからＡＩモデルコンテンツ及び関連付けられたトレース命令を取り出すために、ＡＩモデルのブロックチェーンアドレスを使用する。
【0354】
ステップＳ１９１０において、ＡＩＭＵ１９０１は、ブロックチェーンノードからＡＩモデルを受信する。
【0355】
ステップＳ１９１２は変更されない。
【0356】
ステップＳ１９１４において、応答は、トレース命令のブロックチェーンアドレスのみを含むことができる。次に、ＡＩＭＵ１９０１は、このブロックチェーンアドレスを使用して、ＡＩＭＵ１９０１が接続するブロックチェーンノードからトレース命令を取り出す。
【0357】
ステップＳ１９１６～Ｓ１９２２は変更されない。
【0358】
ステップＳ１９２４において通知を送信する代わりに、又はそれに加えて、ＡＩＭＵ１９０１は、ＡＩＭＵが接続するブロックチェーンノードを介してＡＩモデル記録をブロックチェーンに公開する。代替案では、ステップＳ１９２４は変更されない。
【0359】
実施形態
以下は、本原理が様々な種類のネットワークアーキテクチャにおいてどのように実装され得るかを示す。
以下は、本原理が様々な種類のネットワークアーキテクチャにおいてどのように実装され得るかを示す。
【0360】
３ＧＰＰ ＳＡ２の実施形態
アーキテクチャの実施形態
本明細書で説明されるトレーサビリティアウェアＡＩタスク及びモデル管理のためのエンティティ（例えば、ＡＩＭＵ、ＡＩＲ、ＡＩＭＰ、及びＡＩＴＭ）は、非限定的な例として５Ｇサービスアーキテクチャを使用して、以下のように３ＧＰＰセルラーネットワークにおいて実装され得る。
アーキテクチャの実施形態
本明細書で説明されるトレーサビリティアウェアＡＩタスク及びモデル管理のためのエンティティ（例えば、ＡＩＭＵ、ＡＩＲ、ＡＩＭＰ、及びＡＩＴＭ）は、非限定的な例として５Ｇサービスアーキテクチャを使用して、以下のように３ＧＰＰセルラーネットワークにおいて実装され得る。
【0361】
ＡＩＭＵは、ＵＥ、ネットワークファンクション（Network Function、ＮＦ）、及び／又はアプリケーションファンクション（Application Function、ＡＦ）であり得る。
【0362】
ＡＩＭＰは、ＵＥ、ＮＦ、及び／又はＡＦであり得る。
【0363】
ＡＩＭ及びＡＩＲは、スタンドアロンＮＦ、ＡＦ、５Ｇネットワークリポジトリ機能（Network Repository Function、ＮＲＦ）への拡張、５Ｇネットワークデータ分析機能（Network Data Analytics Function、ＮＷＤＡＦ）への拡張、又は５Ｇ非構造化データ記憶機能（Unstructured Data Storage Function、ＵＤＳＦ）への拡張として展開され得るＡＩ管理及びリポジトリ機能（AI Management and Repository Function、ＡＩＭＲＦ）として１つのデバイス又はノードに統合され得る。
【0364】
ＡＩＴＭは、スタンドアロンＮＦ又は５Ｇポリシー制御機能（Policy Control Function、ＰＣＦ）への拡張として展開され得る、ＡＩトレース管理機能（AI Trace Management Function、ＡＩＴＭＦ）として実装され得る。
【0365】
ＤＳＳは、スタンドアロンＮＦとして展開されるＤＳＳ機能（ＤＳＳＦ）、５Ｇ 統合データリポジトリ（Unified Data Repository、ＵＤＲ）機能への拡張、又は５Ｇ ＵＤＳＦへの拡張として実装され得る。
【0366】
ＡＩＭＵ、ＡＩＭＰ、ＡＩＭＲＦ、ＡＩＴＭＦ、及びＤＳＳＦは、デバイス、エッジデータネットワーク、コアネットワーク、データネットワーク、及び／又はクラウドなど、５Ｇ以上のセルラーネットワークの様々なロケーションに展開され得る。
【0367】
図２０に、３ＧＰＰセルラーネットワークにおけるトレーサビリティアウェアＡＩタスク及びモデル管理の展開の一例を示す。この例では以下の通りである。
－ＵＥ－１は、知識推論のためにＡＩＭＰによって提供されるＡＩモデルを使用する、ＡＩタスクをホストするＡＩＭＵである。ＵＥ－１は、そのＡＩ－Ｃａｐａｂｉｌｉｔｙ及びＴｒａｃｅ－Ｃａｐａｂｉｌｉｔｙを有する。
－ＵＥ－２は、ＡＩモデルを生成するＡＩタスクをホストするＡＩＭＰである。生成されたＡＩモデルは、ＵＥ－１に展開される。ＵＥ－１は、そのＡＩ－Ｃａｐａｂｉｌｉｔｙ及びＴｒａｃｅ－Ｃａｐａｂｉｌｉｔｙを有する。
－ＡＩＭＲＦは、３ＧＰＰネットワーク又はデータネットワークにおいてＮＦ又はＡＦとして展開される。ＵＥ－１は、それ自体のＡＩ－Ｃａｐａｂｉｌｉｔｙ及びＴｒａｃｅ－Ｃａｐａｂｉｌｉｔｙを示すＡＩＭＵとしてＡＩＭＲＦにそれ自体を登録し、一方、ＵＥ－２は、ＡＩＭＰとしてＡＩＭＲＦにそれ自体を登録し、それ自体のＡＩ－Ｃａｐａｂｉｌｉｔｙ及びＴｒａｃｅ－Ｃａｐａｂｉｌｉｔｙも示す。ＡＩＭＲＦは、登録されたＡＩＭＵ及びＡＭＩＰのリストを維持する。あるいは、ＡＩＭＲＦは、登録されたＡＩＭＵ及びＡＩＭＰをＤＳＳＦに公開／記憶する。
－ＡＩＴＭＦは、トレース命令を管理するために、３ＧＰＰネットワーク又はデータネットワークにおいてＮＦ又はＡＦとして展開される。ＡＩＴＭＦは、ＵＥ－１及びＵＥ－２に対する適切なＴｒａｃｅ－Ｉｎｓｔｒｕｃｔｉｏｎｓを決定することができる。ＡＩＴＭＦは、ＤＳＳＦにＴｒａｃｅ－Ｉｎｓｔｒｕｃｔｉｏｎｓを記憶することができ、ＤＳＳＦからＴｒａｃｅ－Ｉｎｓｔｒｕｃｔｉｏｎｓを取り出すこともできる。
－登録されたＡＩＭＵ、登録されたＡＩＭＰ、登録されたＡＩモデル、展開されたＡＩタスク、及び／又はトレース命令に関する情報は、ＤＳＳＦに記憶され、ＤＳＳＦによって維持され得る。
－ＵＥ－１は、知識推論のためにＡＩＭＰによって提供されるＡＩモデルを使用する、ＡＩタスクをホストするＡＩＭＵである。ＵＥ－１は、そのＡＩ－Ｃａｐａｂｉｌｉｔｙ及びＴｒａｃｅ－Ｃａｐａｂｉｌｉｔｙを有する。
－ＵＥ－２は、ＡＩモデルを生成するＡＩタスクをホストするＡＩＭＰである。生成されたＡＩモデルは、ＵＥ－１に展開される。ＵＥ－１は、そのＡＩ－Ｃａｐａｂｉｌｉｔｙ及びＴｒａｃｅ－Ｃａｐａｂｉｌｉｔｙを有する。
－ＡＩＭＲＦは、３ＧＰＰネットワーク又はデータネットワークにおいてＮＦ又はＡＦとして展開される。ＵＥ－１は、それ自体のＡＩ－Ｃａｐａｂｉｌｉｔｙ及びＴｒａｃｅ－Ｃａｐａｂｉｌｉｔｙを示すＡＩＭＵとしてＡＩＭＲＦにそれ自体を登録し、一方、ＵＥ－２は、ＡＩＭＰとしてＡＩＭＲＦにそれ自体を登録し、それ自体のＡＩ－Ｃａｐａｂｉｌｉｔｙ及びＴｒａｃｅ－Ｃａｐａｂｉｌｉｔｙも示す。ＡＩＭＲＦは、登録されたＡＩＭＵ及びＡＭＩＰのリストを維持する。あるいは、ＡＩＭＲＦは、登録されたＡＩＭＵ及びＡＩＭＰをＤＳＳＦに公開／記憶する。
－ＡＩＴＭＦは、トレース命令を管理するために、３ＧＰＰネットワーク又はデータネットワークにおいてＮＦ又はＡＦとして展開される。ＡＩＴＭＦは、ＵＥ－１及びＵＥ－２に対する適切なＴｒａｃｅ－Ｉｎｓｔｒｕｃｔｉｏｎｓを決定することができる。ＡＩＴＭＦは、ＤＳＳＦにＴｒａｃｅ－Ｉｎｓｔｒｕｃｔｉｏｎｓを記憶することができ、ＤＳＳＦからＴｒａｃｅ－Ｉｎｓｔｒｕｃｔｉｏｎｓを取り出すこともできる。
－登録されたＡＩＭＵ、登録されたＡＩＭＰ、登録されたＡＩモデル、展開されたＡＩタスク、及び／又はトレース命令に関する情報は、ＤＳＳＦに記憶され、ＤＳＳＦによって維持され得る。
【0368】
ＡＩＭＲＦは、ＡＩモデルをトレーニングするためにＵＥ－２にＡＩタスクを展開することを担当する。ＡＩＭＲＦは、ＡＩタスクをＵＥ－２に展開するとき、Ｔｒａｃｅ－ＩｎｓｔｒｕｃｔｉｏｎｓをＡＩタスクに割り当てることができる。そのようなトレース命令は、ＡＩＴＭＦから得ることができる。
【0369】
ＵＥ－２がＡＩモデルを生成した後、ＵＥ－２は、ＡＩモデルをＡＩＭＲＦに登録する。ＵＥ－２がそのＡＩモデルを登録するとき、ＵＥ－２は、ＡＩモデルに関連するＴｒａｃｅ－Ｉｎｓｔｒｕｃｔｉｏｎｓを示すことができる。ＡＩＭＲＦは、登録されたＡＩモデルのリストを維持し、登録された各ＡＩモデルは、関連付けられたＴｒａｃｅ－Ｉｎｓｔｒｕｃｔｉｏｎｓを有し得る。
【0370】
ＡＩＭＲＦは、知識推論のためにＡＩモデルを使用するために、ＵＥ－１にＡＩタスクを展開することも担当する。ＡＩＭＲＦがＵＥ－１にＡＩタスクを展開するとき、ＡＩＭＲＦは、Ｔｒａｃｅ－Ｉｎｓｔｒｕｃｔｉｏｎｓを用いてＡＩタスクを構成し得る。このようなＴｒａｃｅ－ＩｎｓｔｒｕｃｔｉｏｎｓはＡＩＴＭＦから入手することができる。
【0371】
ＵＥ－１は、ＡＩＭＲＦからＡＩモデル（例えば、ＵＥ－２によって生成されたＡＩモデル）を発見することができる。ＡＩＭＲＦは、ＵＥ－１のＴｒａｃｅ－Ｃａｐａｂｉｌｉｔｙが発見されたＡＩモデルのＴｒａｃｅ－Ｉｎｓｔｒｕｃｔｉｏｎｓと一致することを保証する。
【0372】
ＡＩＭＲＦは、発見されたＡＩモデルをそのＴｒａｃｅ－ＩｎｓｔｒｕｃｔｉｏｎｓとともにＵＥ－１にプッシュすることができる。また、ＵＥ－１は、別個のステップを使用して、発見されたＡＩモデル及びそのＴｒａｃｅ－ＩｎｓｔｒｕｃｔｉｏｎｓをＡＩＭＲＦから取り出す／プルすることができる。
【0373】
あるいは、ＵＥ－２は、ＡＩＭＲＦからＵＥ－１を見つけ、Ｔｒａｃｅ－Ｉｎｓｔｒｕｃｔｉｏｎｓを有するＡＩモデルをＵＥ－１に能動的にプッシュすることができる。
【0374】
図２１は、３ＧＰＰセルラーネットワークにおける展開トレーサビリティアウェアＡＩ管理の別の例を示す。この例では、ＡＩＭＵは依然としてＵＥであるが、図２０との違いは、ＡＩＭＰが３ＧＰＰネットワーク又はデータネットワーク内のＮＦ又はＡＦであることである。
【0375】
図２２は、３ＧＰＰセルラーネットワークにおける展開トレーサビリティアウェアＡＩ管理の別の例を示す。この例では、ＡＩＭＰは依然としてＵＥであるが、図２０との違いは、ＡＩＭＵが３ＧＰＰネットワーク又はデータネットワーク内のＮＦ又はＡＦであることである。
【0376】
トレーサビリティアウェアＡＩモデルの発見及び展開のためのサービスフロー実施形態
図２３は、図１９の手順に基づく、トレーサビリティアウェアＡＩモデルの発見及び展開のためのサービスフローの一例を示す。図２３のＡＩＭＵ－ＩＤは、限定はしないが、ＵＥのグローバルな一意の一時的識別子（Global Unique Temporary Identifier、ＧＵＴＩ）、ＵＥのサブスクリプション隠蔽識別子（Subscription Concealed Identifier、ＳＵＣＩ）などのＵＥ識別子であることに留意されたい。
図２３は、図１９の手順に基づく、トレーサビリティアウェアＡＩモデルの発見及び展開のためのサービスフローの一例を示す。図２３のＡＩＭＵ－ＩＤは、限定はしないが、ＵＥのグローバルな一意の一時的識別子（Global Unique Temporary Identifier、ＧＵＴＩ）、ＵＥのサブスクリプション隠蔽識別子（Subscription Concealed Identifier、ＳＵＣＩ）などのＵＥ識別子であることに留意されたい。
【0377】
以下のことを仮定する。３ＧＰＰコアネットワーク内のＡＩＭＰは、アップストリーム通信のための効率的な無線リソース割り当てのための新しいＡＩモデルをトレーニングする。ＡＩＭＰは、ＡＩモデルをＡＩＭＵとしてＵＥに展開するためのものである。一方、ＡＩＭＰは、ＡＩモデルがＵＥ及びシステム全体に対して正確であるか又は有用であるかを知りたい。言い換えれば、ＡＩＭＰは、ＡＩモデルが展開され実行されると、ＵＥがＡＩモデルをトレースすることを望む。まず、ＡＩＭＰは、ＡＩＭＰのＴｒａｃｅ－Ｃｒｉｔｅｒｉａに一致するＴｒａｃｅ－Ｃａｐａｂｉｌｉｔｙを有する適切なＵＥをＡＩＭＲＦから見つける。次いで、ＡＩＭＰは、それ自体でトレース命令を決定することができ、又はＡＩＭＰは、ＡＩＴＭＦからトレース命令を取得することができる。最後に、ＡＩＭＰは、対応するトレース命令を有するＡＩモデルをＵＥに展開する。
【0378】
図２３に対して以下の前提条件を仮定することができる。
－ＡＩＭＲＦ、ＡＩＴＭＦ、ＤＳＳＦ、ＡＩＭＰ及びＰＣＦがＮＲＦに登録されている。
－ＡＩＭＰはＡＩＭＲＦ、ＡＩＴＭＦ、及びＰＣＦを見つけている。
－ＵＥは、３ＧＰＰセルラーネットワークに登録されており、ＡＭＦ（図示せず）を介してＡＩＭＲＦなどのコアネットワーク機能と通信することができる。
－ＵＥとＡＩＭＰの両方がＡＩＭＲＦに登録されている。
－ＡＩＭＰはＡＩモデルを生成する。
－ＡＩＭＲＦ、ＡＩＴＭＦ、ＤＳＳＦ、ＡＩＭＰ及びＰＣＦがＮＲＦに登録されている。
－ＡＩＭＰはＡＩＭＲＦ、ＡＩＴＭＦ、及びＰＣＦを見つけている。
－ＵＥは、３ＧＰＰセルラーネットワークに登録されており、ＡＭＦ（図示せず）を介してＡＩＭＲＦなどのコアネットワーク機能と通信することができる。
－ＵＥとＡＩＭＰの両方がＡＩＭＲＦに登録されている。
－ＡＩＭＰはＡＩモデルを生成する。
【0379】
次に、図２３のサービスフローについて説明する。
【0380】
ステップＳ２３０２において、ＡＩＭＰ２３０５は、ＡＩモデルをＡＩＭＵ２３０１に展開するために、ＡＩＭＲＦ２３０３にＡＩＭＵを発見する要求を送信する。
【0381】
ステップＳ２３０４において、ＡＩＭＲＦ２３０３は、ＡＩＭＰ２３０５に適用できるＡＩＭＵ発見ポリシーがあるかどうかをＰＣＦ２３０９に確認するためのメッセージを送信する。
【0382】
ステップＳ２３０６において、ＰＣＦ２３０９は、ＡＩＭＵ発見ポリシーをＡＩＭＲＦ２３０５に送信する。
【0383】
ＡＩＭＲＦ２３０３は、ステップＳ２３０２において受信したＡＩＭＰの要求を許可する。承認された場合、ＡＩＭＲＦ２３０３は、ローカルに保持されているＡＩＨ記録から１つ以上のＡＩＭＵ２３０１を見つける。ステップＳ２３０８において、ＡＩＭＲＦ２３０３は、発見されたＡＩＭＵをＡＩＭＰ２３０５（すなわち、この場合、ＵＥ）に送信する。
【0384】
ステップＳ２３１０において、ＡＩＭＰ２３０５は、ＡＩモデルを展開するための要求メッセージをＵＥ２３０１に送信する。
【0385】
ＵＥ２３０１は、受信した要求を承認する。（そうでなければ、サービスフローは停止する）。ステップＳ２３１２において、ＵＥ２３０１は、ＡＩモデルを取り出す要求をＡＩＭＰ２３０５に送信する。
【0386】
ステップＳ２３１４において、ＡＩＭＰ２３０５は、トレース命令を有するＡＩモデルのコンテンツをＵＥ２３０１に送信する。
【0387】
ステップＳ２３１６において、ＵＥ２３０１は、ＡＩモデルのトレース命令を取り出すための要求をＡＩＴＭＦ２３０９に送信し得る。この場合、ステップＳ２３１８において、ＡＩＴＭＦ２３０９は、要求されたトレース命令をＵＥ２３０１に送信する。
【0388】
ステップＳ２３２０において、ＵＥ２３０１は、ＡＩモデルをインストールする。
【0389】
ステップＳ２３２２において、ＵＥ２３０１は、トレーサビリティオプションのためのユーザ入力を要求する。
【0390】
ステップＳ２３２４において、ＵＥ２３０１は、ユーザ入力を受信し、これを使用してＡＩモデルを構成する。
【0391】
ステップＳ２３２６において、ＵＥ２３０１は、インストールされたＡＩモデルのＡＩモデル記録を作成する。
【0392】
ステップＳ２３２８において、ＵＥ２３０１は、ＡＩモデル記録をＡＩＭＲＦ２３０３、ＡＩＭＰ２３０５、ＡＩＴＭＦ２３０７、及び／又はＤＳＳＦ２３１１に送信する。
【0393】
ＥＴＳＩ ＳＡＩ実施形態
図２４は、以下の論理エンティティを含むＥＴＳＩ ＳＡＩのフレームワークにおいて実装される本原理によるトレーサビリティアウェアＡＩタスク及びモデル展開の方法の一例を示す。
－ＡＩＭＵ：図７のＡＩＭＵと同じもの。
－ＡＩＭＰ：図７のＡＩＭＰと同じもの。
－ＡＩＴＭ：図７のＡＩＴＭと同じもの。
－ＤＳＳ：図７のＤＳＳと同じもの。
－ＡＩＲＭ：図７のＡＩＲとＡＩＭの組み合わせ。
図２４は、以下の論理エンティティを含むＥＴＳＩ ＳＡＩのフレームワークにおいて実装される本原理によるトレーサビリティアウェアＡＩタスク及びモデル展開の方法の一例を示す。
－ＡＩＭＵ：図７のＡＩＭＵと同じもの。
－ＡＩＭＰ：図７のＡＩＭＰと同じもの。
－ＡＩＴＭ：図７のＡＩＴＭと同じもの。
－ＤＳＳ：図７のＤＳＳと同じもの。
－ＡＩＲＭ：図７のＡＩＲとＡＩＭの組み合わせ。
【0394】
ステップ２４０２ａでは、ＡＩＭＵ２４０１は、図１０のステップＳ１００２、Ｓ１００４、及びＳ１００６を使用して、そのＴｒａｃｅ－Ｃａｐａｂｉｌｉｔｙを示すＡＩＲＭ２４０３にそれ自体を登録する。ステップ２４０２ｂにおいて、ＡＩＭＰ２４０５は、図１０のステップＳ１００２、Ｓ１００４、及びＳ１００６を使用して、そのＴｒａｃｅ－Ｃａｐａｂｉｌｉｔｙを示すＡＩＲＭ２４０３にそれ自体を登録する。
【0395】
ステップ２４０４において、ＡＩＲＭ２４０３は、ＤＳＳ２４０９へのＡＩホスト記録（すなわち、ＡＩＭＵ及びＡＩＭＰの登録記録）を生成する。
【0396】
ステップ２４０６において、ＡＩＲＭ２４０３は、例えば、それらのＴｒａｃｅ－Ｃａｐａｂｉｌｉｔｙに基づいて、登録されたＡＩＭＰ２４０５及びＡＩＭＵ２４０１に対するＴｒａｃｅ－ＩｎｓｔｒｕｃｔｉｏｎｓをＡＩＴＭ２４０７に要求する。
【0397】
ステップ２４０８ａにおいて、ＡＩＲＭ２４０３はＡＩＭＵ２４０１にＡＩタスクを展開する。ステップ２４０８ｂにおいて、ＡＩＭＲ２４０３はまた、ＡＩタスクをＡＩＭＰ２４０５に展開する。図１２、図１３、図１４、又は図１５のいずれかからの同じステップを、ステップ２４０８ａ及び２４０８ｂに使用することができる。
【0398】
ステップ２４１０において、ＡＩＭＰ２４０５は、展開されたＡＩタスクを使用して、ＡＩモデルをトレーニング及び生成する。
【0399】
ステップ２４１２において、ＡＩＭＰ２４０５は、そのＴｒａｃｅ－Ｉｎｓｔｒｕｃｔｉｏｎｓを示す生成されたＡＩモデルを登録する。ステップ２４１２については、図１６と同じステップを用いることができる。
【0400】
ステップ２４１４において、場合によってはＡＩＲＭ２４０３を介して、ＡＩＭＰ２４０５は、生成されたＡＩモデルをＡＩＭＵ２４０１に展開する。ＡＩＭＰ２４０５は、ＡＩモデルをＡＩＭＵ２４０１に直接インストールすることができる。あるいは、ＡＩＭＵ２４０１は、ＡＩＲＭ２４０３からＡＩモデルを発見してダウンロードすることができる。図１７、図１８、又は図１９のいずれかからの同じステップをステップ２４１４に使用することができる。
【0401】
ステップ２４１６において、ＡＩＭＵ２４０１は、ＡＩモデルをインストールし、関連するＴｒａｃｅ－Ｉｎｓｔｒｕｃｔｉｏｎｓを構成する。
【0402】
ステップ２４１８において、ＡＩＭＵ２４０１は、インストールされたＡＩモデルのＡＩモデル記録を生成する。ＡＩＭＵ２４０１は、ＡＩモデル記録をＡＩＲＭ２４０３及び／又はＤＳＳ２４０９に送信する。
【0403】
結論
上記では、特徴及び要素が特定の組み合わせにおいて提供されているが、当業者には、各特徴若しくは各要素を単独で使用する、又は他の特徴及び要素との任意の組み合わせにおいて使用することができるということが理解されよう。本開示は、本出願に説明されている特定の実施形態の観点において限定されるべきではなく、これらの実施形態は、様々な態様の例示として、意図されるものである。当業者には明らかなように、本発明の趣旨及び範囲から逸脱することなく、多くの修正及び変形が行われてもよい。本出願の説明において使用されているいかなる要素、動作、又は指示も、そのように明示的に提示されていない限り、本発明にとって重要又は本質的であると解釈されるべきではない。本明細書に列挙したものに加えて、本開示の範囲内の機能的に等価な方法及び装置が、前述の説明から、当業者には明らかであろう。このような修正及び変形は、添付の請求項の範囲に入ることが意図されている。本開示は、添付の請求項が権利を有する均等物の完全な範囲とともに、このような請求項の条項によってのみ限定されるべきである。本開示は、特定の方法又はシステムに限定されないことを理解されたい。
上記では、特徴及び要素が特定の組み合わせにおいて提供されているが、当業者には、各特徴若しくは各要素を単独で使用する、又は他の特徴及び要素との任意の組み合わせにおいて使用することができるということが理解されよう。本開示は、本出願に説明されている特定の実施形態の観点において限定されるべきではなく、これらの実施形態は、様々な態様の例示として、意図されるものである。当業者には明らかなように、本発明の趣旨及び範囲から逸脱することなく、多くの修正及び変形が行われてもよい。本出願の説明において使用されているいかなる要素、動作、又は指示も、そのように明示的に提示されていない限り、本発明にとって重要又は本質的であると解釈されるべきではない。本明細書に列挙したものに加えて、本開示の範囲内の機能的に等価な方法及び装置が、前述の説明から、当業者には明らかであろう。このような修正及び変形は、添付の請求項の範囲に入ることが意図されている。本開示は、添付の請求項が権利を有する均等物の完全な範囲とともに、このような請求項の条項によってのみ限定されるべきである。本開示は、特定の方法又はシステムに限定されないことを理解されたい。
【0404】
前述の実施形態は、簡潔さのために、赤外線対応デバイス（すなわち赤外線放射装置及び受信機）の用語及び構造に関して考察されている。しかしながら、考察されている実施形態は、これらのシステムに限定されるものではなく、他の形態の電磁波、又は音響波などの非電磁波を使用する他のシステムにも適用され得る。
【0405】
本明細書で使用される用語は、特定の実施形態のみを説明する目的のためのものであり、限定することを意図するものではないということも理解されたい。本明細書で使用される場合、「ビデオ」という用語又は「画像」という用語は、スナップショット、単一画像、及び／又は経時的に表示される複数の画像のうちのいずれかを意味し得る。別の例として、本明細書で言及される場合、「ユーザ機器」という用語及びその略語「ＵＥ」、「リモート」という用語、並びに／又は「ヘッドマウントディスプレイ」という用語若しくはその略語「ＨＭＤ」は、（ｉ）ワイヤレス送信及び／若しくは受信ユニット（ＷＴＲＵ）、（ｉｉ）ＷＴＲＵのいくつかの実施形態のうちのいずれか、（ｉｉｉ）とりわけＷＴＲＵのいくつか若しくは全ての構造及び機能を有するように構成されたワイヤレス対応及び／若しくは有線対応（例えば、テザリング可能）デバイス、（ｉｉｉ）ＷＴＲＵの全ての構造及び機能よりも少ない構造及び機能を有するように構成されたワイヤレス対応及び／若しくは有線対応デバイス、又は（ｉｖ）同類のもの、を意味し得るか、又は含み得る。本明細書に列挙された任意のＷＴＲＵを表し得る例示的なＷＴＲＵの詳細は、図１Ａ～図１Ｄに関して本明細書に提供されている。別の例として、本明細書で開示される上記の様々な実施形態及び下記の様々な実施形態は、ヘッドマウントディスプレイを利用するものとして説明されている。当業者であれば、ヘッドマウントディスプレイ以外のデバイスが利用され得、本開示及び様々な開示された実施形態のいくつか又は全てを、過度の実験なしにそれに従って修正することができることを認識するであろう。このような他のデバイスの例は、適応現実体験を提供するための情報をストリーミングするように構成されたドローン又は他のデバイスを含み得る。
【0406】
加えて、本明細書に提供されている方法は、コンピュータ又はプロセッサによって実行されるようにコンピュータ可読媒体に組み込まれたコンピュータプログラム、ソフトウェア、又はファームウェアにおいて実装され得る。コンピュータ可読媒体の例としては、（有線又はワイヤレス接続を介して送信される）電子信号及びコンピュータ可読記憶媒体が挙げられる。コンピュータ可読記憶媒体の例としては、読み取り専用メモリ（ＲＯＭ）、ランダムアクセスメモリ（ＲＡＭ）、レジスタ、キャッシュメモリ、半導体メモリデバイス、内部ハードディスク及びリムーバブルディスクなどの磁気媒体、磁気光学媒体、並びにＣＤ－ＲＯＭディスク及びデジタル多用途ディスク（digital versatile disk、ＤＶＤ）などの光学媒体が挙げられるが、これらに限定されない。ソフトウェアと関連付けられたプロセッサを使用して、ＷＴＲＵ、ＵＥ、端末、基地局、ＲＮＣ、又は任意のホストコンピュータにおいて使用するための無線周波数トランシーバを実装し得る。
【0407】
本発明の範囲から逸脱することなく、上記で提供された方法、装置、及びシステムの変形が可能である。適用され得る多種多様な実施形態を考慮して、示された実施形態は単なる例であり、以下の特許請求の範囲を限定するものと解釈されるべきではないことを理解されたい。例えば、本明細書に提供されている実施形態は、携帯型デバイスを含み、このデバイスは、任意の適切な電圧を提供するバッテリなどの任意の適切な電圧源を含み得るか、又はそのような電圧源を用いて利用され得る。
【0408】
更に、上記の実施形態では、処理プラットフォーム、コンピューティングシステム、コントローラ、及びプロセッサを含む他のデバイスに留意されたい。これらのデバイスは、少なくとも１つの中央処理ユニット（Central Processing Unit、「ＣＰＵ」）及びメモリを含み得る。コンピュータプログラミングの技術分野における当業者の慣例に従い、動作、及び演算又は命令の記号表現への言及は、様々なＣＰＵ及びメモリによって実施され得る。このような動作、及び演算又は命令は、「実行される」、「コンピュータによって実行される」、又は「ＣＰＵによって実行される」と言及される場合がある。
【0409】
当業者には、動作及び記号的に表現された演算又は命令が、ＣＰＵによる電気信号の操作を含むことが理解されよう。電気システムは、電気信号の結果的な変換又は低減を引き起こし得るデータビットを表し、メモリシステムのメモリロケーションにデータビットを維持し、それによって、ＣＰＵの動作及びその他の信号の処理を再構成するか、又は別様に変更する。データビットが維持されるメモリロケーションは、データビットに対応する、又はデータビットを表す特定の電気的特性、磁気的特性、光学的特性、又は有機的特性を有する、物理的ロケーションである。実施形態は、上で言及されるプラットフォーム又はＣＰＵに限定されず、他のプラットフォーム及びＣＰＵが、提供される方法をサポートし得ることを理解されたい。
【0410】
データビットはまた、磁気ディスク、光ディスク、及びＣＰＵによって読み取り可能な任意の他の揮発性（例えば、ランダムアクセスメモリ（ＲＡＭ））又は不揮発性（例えば、読み取り専用メモリ（ＲＯＭ））大容量記憶システムを含むコンピュータ可読媒体上に維持され得る。コンピュータ可読媒体は、処理システム上に排他的に存在するか、又は処理システムに対してローカル又はリモートであり得る複数の相互接続された処理システム間で分散された、協調的又は相互接続されたコンピュータ可読媒体を含み得る。実施形態は、上で言及されるメモリに限定されず、他のプラットフォーム及びメモリが、提供される方法をサポートし得ることを理解されたい。
【0411】
例示的実施形態では、本明細書に記載される動作、プロセスなどのいずれかは、コンピュータ可読媒体に記憶されたコンピュータ可読命令として実装され得る。コンピュータ可読命令は、移動体、ネットワーク要素、及び／又は任意のその他のコンピューティングデバイスのプロセッサによって実行され得る。
【0412】
システムの態様のハードウェア実装とソフトウェア実装との間には、ほとんど区別がない。ハードウェアを使用するかソフトウェアを使用するかは、一般に（常にという訳ではないが、特定の文脈ではハードウェアかソフトウェアかの選択が重要になる場合がある）、コストと効率のトレードオフを表す設計上の選択である。本明細書に説明されているプロセス及び／又はシステム及び／又は他の技術が効果的であり得る様々な達成手段（例えば、ハードウェア、ソフトウェア、及び／又はファームウェア）が存在し得、好ましい達成手段は、プロセス及び／又はシステム及び／又は他の技術が展開される文脈によって変化し得る。例えば、実装者が、速度及び正確性が最重要であると判断した場合、実装者は、主に、ハードウェア及び／又はファームウェアの達成手段を選択し得る。柔軟性が最重要である場合、実装者は、主に、ソフトウェア実装を選択し得る。代わりに、実装者は、ハードウェア、ソフトウェア、及び／又はファームウェアの何らかの組み合わせを選択してもよい。
【0413】
前述の詳細な説明では、ブロック図、フローチャート、及び／又は実施例の使用を通じて、デバイス及び／又はプロセスの様々な実施形態を示した。そのようなブロック図、フローチャート、及び／又は実施例が１つ以上の機能及び／又は動作を含む限り、そのようなブロック図、フローチャート、又は実施例内の各機能及び／又は動作は、広範囲のハードウェア、ソフトウェア、ファームウェア、又は実際のそれらの任意の組み合わせによって個別に及び／又は集合的に実装され得ることが当業者によって理解されよう。一実施形態において、本明細書に説明されている主題のいくつかの部分は、特定用途向け集積回路（ＡＳＩＣ）、フィールドプログラマブルゲートアレイ（ＦＰＧＡ）、デジタル信号プロセッサ（ＤＳＰ）、及び／又は他の集積形式を介して実装され得る。しかしながら、本明細書に開示される実施形態のいくつかの態様は、その全体又は一部が、１つ以上のコンピュータ上で動作する１つ以上のコンピュータプログラムとして（例えば、１つ以上のコンピュータシステム上で動作する１つ以上のプログラムとして）、１つ以上のプロセッサ上で動作する１つ以上のプログラムとして（例えば、１つ以上のマイクロプロセッサ上で動作する１つ以上のプログラムとして）、ファームウェアとして、又はこれらの実際の任意の組み合わせとして、集積回路において等価的に実装され得ることと、回路を設計すること、並びに／又はソフトウェア及び／若しくはファームウェアのコードを書くことが、本開示に照らして、当業者の技術の範囲内であることとが当業者には認識されよう。加えて、本明細書に記載される主題のメカニズムが、様々な形態のプログラム製品として配布され得ること、及び本明細書に記載される主題の例示的実施形態が、配布を実際に行うために使用される特定のタイプの信号伝達媒体にかかわらず適用されることが当業者には理解されよう。信号伝達媒体の例としては、フロッピーディスク、ハードディスクドライブ、ＣＤ、ＤＶＤ、デジタルテープ、コンピュータメモリなどの記録可能型媒体、並びに、デジタル通信媒体及び／又はアナログ通信媒体（例えば、光ファイバケーブル、導波管、有線通信リンク、ワイヤレス通信リンクなど）などの送信型媒体が挙げられるが、これらに限定されない。
【0414】
本明細書に記載される方法でデバイス及び／又はプロセスを説明し、その後、エンジニアリング手法を使用して、このような説明されたデバイス及び／又はプロセスをデータ処理システムに統合することが、当該技術分野において一般的であることが当業者には認識されよう。すなわち、本明細書に記載されるデバイス及び／又はプロセスの少なくとも一部分が、合理的な量の実験を介してデータ処理システムに統合され得る。典型的なデータ処理システムは、一般に、システムユニットハウジング、ビデオ表示デバイス、揮発性及び不揮発性メモリなどのメモリ、マイクロプロセッサ及びデジタル信号プロセッサなどのプロセッサ、オペレーティングシステム、ドライバ、グラフィカルユーザインターフェース、及びアプリケーションプログラムなどの計算エンティティ、タッチパッド若しくはスクリーンなどの１つ以上のインタラクションデバイス、並びに／又はフィードバックループ及び制御モータ（例えば、位置及び／若しくは速度を検知するフィードバック、構成要素及び／若しくは量を移動及び／又は調節する制御モータ）を含む制御システム、のうちの１つ以上を含み得ることが当業者には認識されよう。典型的なデータ処理システムは、データコンピューティング／通信システム及び／又はネットワークコンピューティング／通信システムに典型的に見られるような、任意の好適な市販の構成要素を利用して実装され得る。
【0415】
本明細書に説明される主題は、異なる他の構成要素内に含まれるか、又は異なる他の構成要素と接続される異なる構成要素を示すことがある。このような描示されたアーキテクチャは、単なる例であり、実際には、同じ機能を達成するその他の多くのアーキテクチャが実装され得ることを理解されたい。概念的には、同じ機能を達成するための構成要素の任意の配置は、所望の機能が達成され得るように、効果的に「関連付けられる」。したがって、特定の機能を達成するために組み合わされた本明細書における任意の２つの構成要素は、アーキテクチャ又は介在する構成要素に関係なく、所望の機能が達成されるように、互いに「関連付けられている」とみなされ得る。同様に、このように関連付けられた任意の２つの構成要素は、所望の機能を達成するために、互いに「動作可能に接続されている」、又は「動作可能に結合されている」とみなされ得、このように関連付けることができる任意の２つの構成要素はまた、所望の機能を達成するために、互いに「動作可能に結合可能」であるとみなされ得る。動作可能に結合可能の具体例としては、物理的に嵌合可能かつ／若しくは物理的に対話する構成要素、及び／又はワイヤレスで対話可能かつ／若しくはワイヤレスで対話する構成要素、及び／又は論理的に対話するかつ／若しくは論理的に対話可能な構成要素が挙げられるが、これらに限定されない。
【0416】
本明細書における実質的に任意の複数形及び／又は単数形の用語の使用に関して、当業者は、文脈及び／又は用途に適切であるように、複数形から単数形に、及び／又は単数形から複数形に変換することができる。本明細書では、明瞭にする目的で、様々な単数形／複数形の並べ換えが明示的に記載され得る。
【0417】
全般的に、本明細書、特に、添付の請求項（例えば添付の請求項の本文）において使用されている用語は、概して、「非限定」用語として意図されることが、当業者には理解されよう（例えば、「含んでいる」という用語は、「含んでいるが、これらに限定されない」と解釈するべきであり、「有する」という用語は、「を少なくとも有する」と解釈するべきであり、「含む」という用語は、「含むがこれらに限定されない」と解釈するべきである、などである）。更に、特定の数の導入された請求項の記述が意図される場合、このような意図は、請求項に明示的に記述されており、このような記述がない場合、このような意図は存在しないことが当業者には理解されよう。例えば、１つの項目のみが意図される場合、「単一」という用語又は類似の言葉が使用されてもよい。理解を助けるために、以下の添付の請求項及び／又は本明細書の説明は、請求項の記述を導入するために「少なくとも１つ」及び「１つ以上」という導入句の使用を含み得る。しかしながら、このような句の使用は、「ａ」又は「ａｎ」という不定冠詞による請求項の記述の導入が、かかる導入された請求項の記述を含む任意の特定の請求項を、かかる１つの記述のみを含む実施形態に制限することを意味するものと解釈すべきではなく、たとえ同じ請求項に、「１つ以上」又は「少なくとも１つ」という導入句、及び「ａ」又は「ａｎ」などの不定冠詞が含まれていても同様である（例えば「ａ」及び／又は「ａｎ」は「少なくとも１つ」又は「１つ以上」を意味するものと解釈されるきである）。請求項の記述を導入するために使用される定冠詞の使用にも同じことが当てはまる。加えて、特定の数の導入された請求項の記述が明示的に記述されている場合でも、このような記述は、少なくとも記述された数を意味するものと解釈されるべきであることが当業者には認識されよう（例えば、その他の修飾語なしの「２つの記述」という単純な記述は、少なくとも２つの記述、又は２つ以上の記述を意味する）。更に、「Ａ、Ｂ、及びＣのうちの少なくとも１つなど」に類似する表記が使用される場合、一般に、このような構造は、当業者がその表記を理解するであろう意味として意図される（例えば、「Ａ、Ｂ、及びＣのうちの少なくとも１つを有するシステム」は、Ａのみ、Ｂのみ、Ｃのみ、Ａ及びＢを一緒に、Ａ及びＣを一緒に、Ｂ及びＣを一緒に、並びに／又は、Ａ、Ｂ、及びＣを一緒に、有するシステムなどを含むが、これらに限定されない）。「Ａ、Ｂ、又はＣのうちの少なくとも１つなど」に類似する表記が使用される場合、一般に、このような構造は、当業者がその表記を理解するであろう意味として意図される（例えば、「Ａ、Ｂ、又はＣのうちの少なくとも１つを有するシステム」は、Ａのみ、Ｂのみ、Ｃのみ、Ａ及びＢを一緒に、Ａ及びＣを一緒に、Ｂ及びＣを一緒に、かつ／又はＡ、Ｂ、及びＣを一緒に、有するシステムなどを含むが、これらに限定されない）。明細書、特許請求の範囲、又は図面のいずれにおいても、２つ以上の代替的な用語を提示する実際の任意の離接的な語及び／又は句は、用語の一方、用語のいずれか、又は両方の用語を含む可能性を企図するものと理解されるべきであることが当業者には更に理解されよう。例えば、「Ａ又はＢ」という句は、「Ａ」若しくは「Ｂ」又は「Ａ及びＢ」の可能性を含むものと理解される。更に、本明細書で使用される場合、複数の項目のリスト及び／又は複数の項目のカテゴリのリストが後ろに続く「のいずれか」という用語は、項目及び／又は項目のカテゴリの、「のいずれか」、「の任意の組み合わせ」、「の任意の複数」、及び／又は「の任意の複数の組み合わせ」を、個別に、又は他の項目及び／若しくは他の項目のカテゴリとの組み合わせにおいて含むことが意図される。更に、本明細書で使用される場合、「セット」という用語は、ゼロを含む任意の数の項目を含むことが意図される。追加的に、本明細書で使用される場合、「数」という用語は、ゼロを含む任意の数を含むことが意図される。また、本明細書で使用される場合、「多重」という用語は、「複数」と同義であることが意図される。
【0418】
加えて、本開示の特徴又は態様が、マーカッシュ群の観点から記載されている場合、当業者には、本開示が、それによって、マーカッシュ群の任意の個々の要素又は要素のサブグループの観点からも記載されることが認識されよう。
【0419】
当業者には理解されるように、書面による記載を提供するという観点など、あらゆる目的のために、本明細書に開示される全ての範囲は、その任意の可能な部分範囲及び部分範囲の組み合わせも包含している。任意の列挙された範囲は、同じ範囲が、少なくとも等しい２分の１、３分の１、４分の１、５分の１、１０分の１などに分解されることを十分に説明して可能にするものとして、容易に認識され得る。非限定的実施例として、本明細書に考察されている各範囲は、下位３分の１、中央の３分の１、及び上位３分の１などに容易に分解されてもよい。また、当業者には理解されるように、「まで」、「少なくとも」、「よりも多い」、「よりも少ない」などの全ての言葉は、記述された数を含み、かつ、上で考察されるように、後で部分範囲に分解され得る範囲を指す。最後に、当業者には理解されるように、範囲は、個々の各要素を含む。したがって、例えば、１～３つのセルを有するグループは、１つ、２つ、又は３つのセルを有するグループを指す。同様に、１～５つのセルを有するグループは、１つ、２つ、３つ、４つ、又は５つのセルを有するグループを指し、以下同様である。
【0420】
更に、請求項は、特にそのように記載されない限り、提供された順序又は提供された要素に限定されるものとして読まれるべきではない。加えて、いかなる請求項においても、「ための手段」という用語の使用は、米国特許法第１１２条、第６項、又はミーンズプラスファンクションの請求項形式に訴えることを意図しており、「ための手段」という用語を有しないいかなる請求項も、そのようには意図されていない。
【図1A】
【図1B】
【図1C】
【図1D】
【図2】
【図3】
【図4】
【図5】
【図6】
【図7】
【図8】
【図9】
【図10】
【図11】
【図12】
【図13】
【図14】
【図15】
【図16】
【図17】
【図18】
【図19】
【図20】
【図21】
【図22】
【図23】
【図24】
【国際調査報告】