特許ウォッチ

公開番号2025142014
公報種別公開特許公報(A)
公開日2025-09-29
出願番号2025117668,2024020763
出願日2025-07-12,2014-08-27
発明の名称支援システム
出願人株式会社フューチャーアイ
代理人
主分類G06N 20/00 20190101AFI20250919BHJP(計算;計数)
要約【課題】提供されるサービスのパーソナライズ化によりユーザにマッチするサービスの提供を可能にする。
【解決手段】ユーザが、一般的な対話を行うための対話モデルにより対話しているときに(S235～S246、S247でNO、S249でNO)、対話内容に応じて前記タスク処理モデルに交代して対話し(S247でNO、S248)、タスク処理モデルが有する特定分野に特化した知識を利用できるようにする。また、対話モデルによる個別のユーザとの対話を通して、前記対話モデルを当該個別のユーザに適した対話モデルにパーソナライズ化する(S245でYES、S246)。
【選択図】図20
特許請求の範囲【請求項１】
ユーザが自己向上のために繰り返し行うプラクティスを人工知能を利用して支援する支援システムであって、
前記プラクティスを行う複数のユーザのデータを収集するデータ収集手段と、
前記データ収集手段により収集された複数ユーザ分のデータに基づいて機械学習を行うことにより生成された一般的モデルを記憶する記憶手段と、
前記記憶手段に記憶された一般的モデルと前記データ収集手段により収集されたユーザ１人分の個別データとに基づいて、当該個別ユーザにパーソナライズ化されたパーソナライズモデルを生成するパーソナライズモデル生成手段と、
前記パーソナライズモデル生成手段により生成されたパーソナライズモデルを用いて、当該個別ユーザが繰り返しプラクティスを行う際の実行すべきプラクティス内容を特定するプラクティス内容特定手段と、
前記プラクティス内容特定手段により特定されたプラクティス内容を前記個別ユーザが行うためのサービスを提供するサービス提供手段と、を備え、
前記一般的モデルは、前記繰り返し行うプラクティスを効率化するために生成された複数のユーザに共通して当てはまるモデルであり、
前記パーソナライズモデルは、前記個別ユーザが前記繰り返し行うプラクティスを効率化するために生成された当該個別ユーザ専用のモデルである、支援システム。
続きを表示（約 330 文字）【請求項２】
前記一般的モデルは、ユーザ毎に差異のある要素を定数として生成されたモデルであり、
前記パーソナライズモデル生成手段は、
前記個別ユーザから送られてくる情報に基づいて、前記一般的モデル中の定数部分に当てはまる当該個別ユーザの実際の値を導出するための値導出手段と、
該値導出手段により導出された実際の値を前記一般的モデル中の定数部分に代入して前記パーソナライズモデルを生成するための代入手段と、を含む、請求項１に記載の支援システム。
【請求項３】
前記データ収集手段は、前記プラクティスをユーザに提供する専門業者から送られてくる複数のユーザのデータを収集する、請求項１または２に記載の支援システム。

発明の詳細な説明【技術分野】
【０００１】
本発明は、ユーザが自己向上のために繰り返し行うプラクティスを人工知能を利用して支援する支援システムに関する。
続きを表示（約 2,000 文字）【背景技術】
【０００２】
人工知能による機械学習を行なうために複数の情報源のそれぞれから学習データを作成するものがあった（例えば、特許文献１）。
【先行技術文献】
【特許文献】
【０００３】
特開２０１１－２３２９９７号公報
【発明の概要】
【発明が解決しようとする課題】
【０００４】
しかし、機械学習のための学習データは膨大な量必要であり、この膨大な学習データを作成するためには、情報源から必要な情報を大量に収集しなければならず、機械学習を実用化するためには、この情報収集に要する労力とコストを抑えることが必要不可欠である。
【０００５】
また、例えば、不特定多数の大衆から大量の情報を収集して膨大な学習データにより機械学習を行なってモデル化された一般的なモデルは、不特定多数の大衆全体についての平均的なモデルとなってしまう傾向があり、その一般的モデルを用いて各々個人差のある各ユーザにサービスを提供した場合には、その平均から外れているユーザにはマッチしないサービスとなってしまう虞が生じる。
【０００６】
本発明は、かかる実情に鑑み考え出されたものであり、その目的は、機械学習の結果の一般的なモデルを用いたサービスがユーザにマッチしない場合が生じる不都合を解決することである。
【発明の概要】
課題を解決するための手段の具体例およびその効果
【０００７】
次に、課題を解決するための各種手段と実施の形態との対応関係の一例を以下に括弧書で示す。
【０００８】
本発明は、ユーザが自己向上のために繰り返し行うプラクティス（例えば、暗記学習、筋トレ等）を人工知能を利用して支援する支援システム（例えば、図９と図１０等）であって、
前記プラクティスを行う複数のユーザのデータを収集するデータ収集手段（例えば、Ｓ１８２、Ｓ２１１等）と、
前記データ収集手段により収集された複数ユーザ分のデータに基づいて機械学習（例えば、強化学習、回帰等）を行うことにより生成された一般的モデル（例えば、暗記学習モデルTi=T0・i、筋トレモデルFi=F0+(i-1)/a等）を記憶する記憶手段（例えば、人工知能ＤＢ１７等）と、
前記記憶手段に記憶された一般的モデルと前記データ収集手段により収集されたユーザ１人分の個別データとに基づいて、当該個別ユーザにパーソナライズ化されたパーソナライズモデルを生成するパーソナライズモデル生成手段（例えば、Ｓ１９１とＳ２０４、Ｓ２２３とＳ２２８等）と、
前記パーソナライズモデル生成手段により生成されたパーソナライズモデルを用いて、当該個別ユーザが繰り返しプラクティスを行う際の実行すべきプラクティス内容を特定するプラクティス内容特定手段（例えば、Ｓ２０４、Ｓ２２８等）と、
前記プラクティス内容特定手段により特定されたプラクティス内容を前記個別ユーザが行うためのサービス（例えば、最も効率的な復習計画に基づいた学習事項の提供、最も効率的な筋トレ計画に基づいた筋トレメニューの提供等）を提供するサービス提供手段（例えば、Ｓ２０６、Ｓ２２９等）と、を備え、
前記一般的モデルは、前記繰り返し行うプラクティスを効率化するために生成された複数のユーザに共通して当てはまるモデル（例えば、図１５の暗記学習モデルTi=T0・i、筋トレモデルFi=F0+（i-1)/a等）であり、
前記パーソナライズモデルは、前記個別ユーザが前記繰り返し行うプラクティスを効率化するために生成された当該個別ユーザ専用のモデルである（例えば、Ｓ２０４、Ｓ２２８等）。
【０００９】
このような構成によれば、機械学習の結果の一般的モデルを用いたサービスがユーザにマッチしない場合が生じる不都合を解決することができる。
【００１０】
好ましくは、前記一般的モデルは、ユーザ毎に差異のある要素（例えば、暗記力や筋トレ用の初期負荷や負荷増加係数などの個人の能力差、嗜好等）を定数（例えばT0,F0,a等）として生成されたモデルであり（例えば、Ｓ１８９、Ｓ２１４、図１５等）、
前記パーソナライズモデル生成手段は、
前記個別ユーザから送られてくる情報に基づいて、前記一般的モデル中の定数部分に当てはまる当該個別ユーザの実際の値（例えばTK,FK,az,CT等）を導出するための値導出手段（例えば、Ｓ１９１、Ｓ２２３等）と、
該値導出手段により導出された実際の値を前記一般的モデル中の定数部分に代入して前記パーソナライズモデルを生成するための代入手段（例えば、Ｓ２０４、２２８等）と、を含む。
（【００１１】以降は省略されています）

関連特許