JP2018503208A - 知的パーソナルエージェントプラットフォームおよびそれを使用するためのシステムおよび方法 - Google Patents
知的パーソナルエージェントプラットフォームおよびそれを使用するためのシステムおよび方法 Download PDFInfo
- Publication number
- JP2018503208A JP2018503208A JP2017553047A JP2017553047A JP2018503208A JP 2018503208 A JP2018503208 A JP 2018503208A JP 2017553047 A JP2017553047 A JP 2017553047A JP 2017553047 A JP2017553047 A JP 2017553047A JP 2018503208 A JP2018503208 A JP 2018503208A
- Authority
- JP
- Japan
- Prior art keywords
- data
- user
- agent
- intelligent personal
- condition
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F7/00—Methods or arrangements for processing data by operating upon the order or content of the data handled
- G06F7/02—Comparing digital values
- G06F7/023—Comparing digital values adaptive, e.g. self learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/04—Inference or reasoning models
- G06N5/043—Distributed expert systems; Blackboards
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/02—Knowledge representation; Symbolic representation
- G06N5/022—Knowledge engineering; Knowledge acquisition
- G06N5/025—Extracting rules from data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06398—Performance of employee with respect to a job function
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/50—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for simulation or modelling of medical disorders
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Software Systems (AREA)
- Medical Informatics (AREA)
- Computing Systems (AREA)
- Evolutionary Computation (AREA)
- Mathematical Physics (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Public Health (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Strategic Management (AREA)
- Computational Linguistics (AREA)
- Primary Health Care (AREA)
- Quality & Reliability (AREA)
- Epidemiology (AREA)
- Pathology (AREA)
- Databases & Information Systems (AREA)
- Game Theory and Decision Science (AREA)
- Biomedical Technology (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- General Health & Medical Sciences (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本発明は、日常活動を監視および検出し、目標または計画の順守を監視し、インコンテキストな個人化されたアドバイス、コーチング、およびサポートをユーザに提供するために、センサデータおよび他の入力を使用する知的パーソナルエージェントプラットフォームを対象とする。プラットフォームは、リアルタイム挙動データを収集するウェアラブルおよび環境センサを、クラウドベースまたはローカルサーバ上で起動する1つまたはそれを上回るソフトウェアベースの知的パーソナルエージェントと統合し、データを監視および分析し、ある措置を講じるための要求等の応答を提供する。
Description
(関連出願の相互参照)
本願は、2014年12月23日に出願された仮出願第62/096,453号の利益を主張するものである。上記出願の各々の全体は、参照により本明細書中に援用される。
本願は、2014年12月23日に出願された仮出願第62/096,453号の利益を主張するものである。上記出願の各々の全体は、参照により本明細書中に援用される。
本発明は、ユーザに関する種々の情報が、自律的または要求に応じて、多種多様な方法でユーザを補助するために収集、処理、および使用され得る、知的パーソナルエージェントプラットフォームおよびそれを使用するためのシステムおよび方法に関する。より具体的には、本発明は、収集されたユーザについてのデータを分析し、応答措置が講じられるべきかどうかを判定し、そのように判定される場合、そのような応答措置を講じ、ユーザについて学習し、収集されたデータのより調整された分析を提供するために、知的パーソナルエージェントプラットフォーム内の1つまたはそれを上回るソフトウェアベースの知的パーソナルエージェントを利用するシステムに関する。
ある人物についての情報を収集するための方法およびシステムが、その人物についての種々の側面を追跡するために使用されることができる。例えば、患者の血圧が、血圧監視装置を使用して追跡されることができる、またはある人物の心拍数が、その人物が運動している間に監視されることができる。しかしながら、そのような単純なシステムは、必ずしも、監視されているデータを分析せず、そのデータに基づいて特定の措置が要求されるかどうかを判定しない。さらに、そのようなシステムは、ユーザの他の側面もしくは属性を集合的に監視しない、またはユーザの他の側面もしくは属性の監視から受信されるデータを一体的に分析せず、次いで、そのような分析に応答して特定の措置が要求されるかどうか、またはどの具体的措置が講じられるべきかを判定しない。またさらに、そのようなシステムは、並行して、連続的に、リアルタイムで、または必要に応じて、機械、センサ(物理的センサ、仮想センサ、およびユーザから遠隔に位置するセンサを含む)、および他の人々等の種々の異なるソースからのデータを収集および監視する能力を有していない。また、そのようなシステムは、そのような機械、センサ、もしくは他の人々に応答情報を提供する、またはそのような機械、センサ、もしくは他の人々によってある措置が講じられることを要求する能力も有していない。そのようなシステムはまた、ユーザが、どの情報もしくはデータが監視もしくは収集されるかを選択する、またはそのような情報もしくはデータを監視および収集する目的(例えば、目標または計画)を確立することを可能にせず、次いで、システムが、そのような情報もしくはデータに応答してどの応答措置が必要とされるかを判定し、所望される目的を達成することを可能にしない。そのようなシステムはまた、所与のユーザに関するそのようなデータに応答して、予測を行う、または講じられる措置を調節するために、収集されたデータから学習する能力が欠如している。故に、例えば、機械、センサ、他の人々、環境等を含む種々のソースからのデータを収集および監視し、結果を提供する、または応答してある措置を講じることを目的としてそのようなデータを分析、学習、および予測する能力を有するシステムの必要性があり、そのような措置は、機械、センサ、または他の人物から要求され得る。
概して、本発明は、ユーザに関する種々の情報が、自律的または要求に応じて、多種多様な方法でユーザを補助するために収集、処理、および使用され得る、知的パーソナルエージェントプラットフォームおよびそれを使用するためのシステムおよび方法に関する。より具体的には、本発明は、収集されたユーザについての情報を分析し、応答措置が講じられるべきかどうかを判定し、そのように判定される場合、そのような応答措置を講じ、ユーザについて学習し、収集されたデータのより調整された分析を提供するために、知的パーソナルエージェントプラットフォーム内の1つまたはそれを上回るソフトウェアベースの知的パーソナルエージェントを利用するシステムに関する。
いくつかの実施形態では、本発明は、日常活動を監視および検出し、計画および目標の順守を監視し、応答を提供するために、センサデータおよび他の入力を収集し、そのようなデータを種々のサービスまたはソフトウェアモジュールを有する知的パーソナルエージェントプラットフォームに伝達するシステムであり、応答は、ユーザにフィードバックを提供すること、またはそのような他の人物、機械、もしくは別の知的エージェントにある措置を講じる(例えば、ユーザへのインコテキストな個人化されたアドバイス、コーチング、サポート、他のエージェント、機械、もしくは人々への情報を提供する)ように命令することを含む、別の人物、機械、もしくは別の知的エージェントと相互作用すること、または予測を行うことに及び得る。本システムは、リアルタイムデータを収集するウェアラブルおよび環境センサを、クラウドベースまたはローカルサーバ上で起動する1つまたはそれを上回るソフトウェアベースの知的パーソナルエージェントと統合し、データを監視および分析し、ある措置を講じるための要求または予測を行うこと等の応答を提供する。ユーザは、ユーザに利用可能な通信デバイスおよび通信ネットワーク(例えば、モバイルデバイス、スマートTV、ウェアラブルディスプレイ、自動車内ヘッドアップディスプレイ、タッチインターフェース、および発話される自然言語)に応じて、種々のインターフェースを介する場合はその都度、そのパーソナルエージェントと相互作用することができる。
別の実施形態では、本発明は、ユーザについてのデータを収集および監視し、分析されたデータに基づいてある措置を講じるためのシステムを提供し、そのようなシステムは、少なくとも1人のユーザ、および随意に、別の人物、知的エージェント、または機械と、ユーザに関連するパラメータについてのデータを収集するための少なくとも1つのセンサと、少なくとも1つのセンサからのデータならびに知的パーソナルエージェントプラットフォームの外部の他の人物、知的エージェント、機械、またはデータベースから受信されたデータを分析するための知的パーソナルエージェントプラットフォームと、ユーザ、および随意に、別の人物、知的エージェント、または機械と、少なくとも1つのセンサおよびデータベースと、知的パーソナルエージェントプラットフォームとの間のデータ通信を促進するための通信ネットワークとを含む。
別の実施形態では、本発明は、ユーザと関連付けられるデータのセットを収集するための第1のモジュールと、少なくとも1つのルールと関連付けられる少なくとも1つの条件を有するソフトウェアモデルを含む、ソフトウェアベースの知的パーソナルエージェントを起動し、少なくとも1つの条件が満たされるかどうかを判定するために、データを少なくとも1つの条件と比較し、いったん少なくとも1つの条件が満たされると、少なくとも1つのルールに基づいて応答を提供するための第2のモジュールを備える、ユーザについての情報を収集および使用するためのシステムを提供する。
別の実施形態では、本発明は、ユーザと関連付けられる少なくとも1つのソースからデータを収集するステップと、少なくとも1つのルールと関連付けられる少なくとも1つの条件を有するソフトウェアモデルを含む、ソフトウェアベースの知的パーソナルエージェントを実行するステップと、少なくとも1つの条件が満たされるかどうかを判定するために、データを少なくとも1つの条件と比較するステップと、いったん少なくとも1つの条件が満たされると、少なくとも1つのルールに基づいて応答を提供するステップとを含む、ユーザについての情報を収集および使用するための方法を提供する。いくつかの実施形態では、ソフトウェアモデルは、既存のテンプレートに基づいて生成される。いくつかの実施形態では、ソフトウェアモデルは、最初に、収集されたデータに基づいて作成される。
別の実施形態では、本発明は、収集されたデータを生産するために、少なくとも1つのソースからデータを収集するステップと、カテゴリ化され、少なくとも1つのソースと関連付けられる処理されたデータを作成するために、収集されたデータを処理するステップと、少なくとも1つのルールと関連付けられる少なくとも1つの事前判定された条件を含むソフトウェアモデルを含む、パーソナルソフトウェアエージェントに処理されたデータを提供するステップと、条件が満たされるかどうかを判定するために、処理されたデータを少なくとも1つの事前判定された条件と比較するステップと、いったん少なくとも1つの事前判定された条件が満たされると、少なくとも1つのルールに基づいてある措置を講じるステップとを含む、ユーザについての情報を収集および使用するための方法を提供する。
別の実施形態では、本発明は、コンピュータメモリデバイス上に記憶される、ユーザと関連付けられる少なくとも1つのソースからデータを収集し、少なくとも1つのルールと関連付けられる少なくとも1つの条件を有するソフトウェアモデルを含む、ソフトウェアベースの知的パーソナルエージェントを実行し、少なくとも1つの条件が満たされるかどうかを判定するために、データを少なくとも1つの条件と比較し、いったん少なくとも1つの条件が満たされると、少なくとも1つのルールに基づいて応答を提供するための命令を備える、該コンピュータメモリデバイスを提供する。
本発明は、本システムおよび方法が、医療、保険、ソーシャルネットワーキング、軍事、緊急応答、患者監視、ウェルネス、自動車、計画、スケジューリング、ナビゲーション、診断、アドバイス付与、サポート等の多くの異なるドメインにおける人々のチームのサポート等、多くの異なるドメインまたは用途において使用され得る点で、事実上無制限の使用法を有する。
本発明は、付随の図面を参照して以下により完全に説明される。本発明は、特定の実施形態と併せて説明されるが、本発明は、多種多様な用途に適用され得、本発明の精神および範囲内の代替、修正、および均等物を網羅することが意図されることを理解されたい。故に、以下の説明は、いくつかの実施形態が(例えば、用語「好ましくは」、「例えば」、または「一実施形態では」の使用によって)説明されるが、本発明は本説明に具体的に列挙され得ない他の実施形態も包含するため、本説明は、本発明の実施形態のみに限定するものとして、またはそれを記載するものとして見なされるべきではないという点で、例示的である。さらに、本説明全体を通した用語「発明」、「本発明」、「実施形態」、および類似する用語の使用は、広く使用され、本発明が、説明されている任意の特定の側面を要求する、もしくはそれに限定される、またはそのような説明が、本発明がなされ得るまたは使用され得る唯一の様式であると意味することは意図されない。
概して、本発明は、ユーザに関する種々の情報が、自律的または要求に応じて、多種多様な方法でユーザを補助するために収集、処理、および使用され得る、知的パーソナルエージェントプラットフォームおよびそれを使用するためのシステムおよび方法に関する。より具体的には、本発明は、収集されたユーザについてのデータを分析し、応答措置が講じられるべきかどうかを判定し、そのように判定される場合、そのような応答措置を講じ、ユーザについて学習し、収集されたデータのより調整された分析を提供するために、知的パーソナルエージェントプラットフォーム内の1つまたはそれを上回るソフトウェアベースの知的パーソナルエージェントを利用するシステムに関する。
いくつかの実施形態では、本発明は、挙動および日常活動を監視および検出し、計画および目標の順守を監視し、応答が要求されるかどうかを判定し、例えば、インコンテキストな個人化されたアドバイス、コーチング、およびサポートをユーザに提供する、ある人物、機械、または知的エージェントにある措置を講じさせる、または予測を行う等の措置を講じることを含む、多種多様な可能な応答を含み得る、そのような応答を講じるために、一実施形態では、本システムの特定のユーザに関連するセンサデータおよび他の入力を収集し、そのようなデータを1つまたはそれを上回る知的パーソナルエージェントおよび種々のサービスまたはソフトウェアモジュールを有する知的パーソナルエージェントプラットフォームに伝達するシステムを対象とする。故に、本システムは、応答は必要ではないと判定し得、その場合では、応答は実際には無応答であることを理解されたい。そうでなければ、応答は、ユーザにフィードバックを提供すること、またはそのような他の人物、機械、もしくは別の知的エージェントにある措置を講じるように命令することを含む、別の人物、機械、もしくは別の知的エージェントと相互作用することに及び得る。例えば、本システムとのユーザの相互作用は、ユーザの日常活動を監視し、ユーザによって、またはそのために確立された任意の計画もしくは目標のユーザの順守を監視し、その目標を達成する際にサポートを受け取るために、ユーザが収集されたデータを利用することを可能にする。続いて、本システムの種々の実施形態が、種々のハードウェアおよびソフトウェアコンポーネントを含む図と関連して説明される。加えて、本システムの種々の用途が、説明される。
図1は、本発明のシステムの一実施形態による、収集される、または知的パーソナルエージェントプラットフォームにダイレクトされ得る種々のデータのソースを含むシステムのコンポーネントを例証する、図である。具体的には、図1は、1つまたはそれを上回る知的パーソナルエージェント145を有する知的パーソナルエージェントプラットフォーム100(「プラットフォーム」と称される)と、人物、機械、および知的エージェント200と、センサ300と、プラットフォーム100の外部である、またはいくつかの実施形態では、物理的にその遠隔であるが、データがプラットフォーム100によって取得され得る、1つまたはそれを上回る種々のデータベース103の一般的表現とを含む、全体的システムの表現である。図1は、ヒト−ヒト相互作用、ヒト−エージェント相互作用、および機械−エージェント相互作用、ならびにプラットフォーム100を用いたセンサ300とデータベース103との間の相互作用を促進するための、人物、機械、および知的エージェント200間の相互ならびにプラットフォーム100との相互作用を例証する。知的エージェントは、他の人々およびエージェントと通信、関連、協働、および連携し得、他の人々およびエージェントの興味、意図、または必要性を考慮するという点で、「ソーシャル」であることを理解されたい。また、人物200のうちの1人またはそれを上回る人は、全体的システムのユーザであり得ることも理解されたい。
一般的動作では、センサ300、人物、エージェント、または機械200、およびデータベース103(これは、集合的に、外部リソースと称され得る)は、プラットフォーム100に提供される、またはそれによって要求される、リアルタイムデータを含むデータを収集する。プラットフォーム、具体的には、プラットフォーム100内の1つまたはそれを上回る知的パーソナルエージェント145は、データを監視および分析し、応答を提供するために、これらのリソースから取得されたデータを利用する。応答は、知的パーソナルエージェント145によって開始される、または講じられる任意の応答であり得、いかなる措置も講じない決定、または直接ある措置を講じる、もしくは人物、エージェント、もしくは機械200、もしくは他の内部もしくは外部ソフトウェアモジュールもしくはハードウェアデバイスもしくは機械もしくは人物等の別個のリソースによってある措置が講じられることを要求する決定を含み得ることを理解されたい。プラットフォームは、外部リソースとの任意のタイプの通信を用いて、クラウドベースまたはローカルサーバ上で動作され得ることを理解されたい。ユーザは、ユーザに利用可能な通信デバイスおよび通信ネットワーク(例えば、モバイルデバイス、スマートTV、陸上移動無線等の無線、ウェアラブルディスプレイ、自動車内ヘッドアップディスプレイ、タッチインターフェース、および発話される自然言語)に応じて、種々のインターフェースを介する場合はその都度、その知的パーソナルエージェントと相互作用することができる。例えば、ユーザは、そのそれぞれの知的パーソナルエージェントに要求を行うことができ、外部リソースによって提供された必要なデータを分析した後、それぞれの知的パーソナルエージェントは、応答を提供する。しかしながら、知的パーソナルエージェント145の構成に応じて、応答は、ユーザからの具体的要求を伴わずに提供され得ることを理解されたい。例えば、知的パーソナルエージェント145は、ユーザについてのあるデータを受信すると、応答を提供するように構成され得、応答は、ユーザに具体的にダイレクトされ得る、またはセンサ、人物、またはデバイスもしくは機械を含む外部エンティティにダイレクトされ得る。続いて、図1に示されるシステムの具体的コンポーネントがそれぞれ、説明される。
人物、機械、および知的パーソナルエージェント200は、所与のユーザまたは複数のユーザに特有なデータを含むデータをプラットフォーム100に提供する、1人またはそれを上回る人物、1つまたはそれを上回る機械、および1つまたはそれを上回る知的エージェントである。人物、機械、および知的エージェント200は、プラットフォーム100の外部にあるが、例えば、本システムの所与のユーザに特有または特定のデータを含むデータ入力をプラットフォームに提供することによって、プラットフォーム100およびプラットフォーム100内で起動する知的パーソナルエージェント145と相互作用する。しかしながら、プラットフォーム100の外部の人物、知的エージェント、および機械200はまた、破線102によって示されるようなプラットフォーム100の外側で相互に相互作用することも可能である。再び、1人またはそれを上回る人物200は、そのために知的パーソナルエージェント145が構成された本システムのユーザであり得る、または人物200は、単純に、全体的システムの一部であり、本システムにデータを提供するが、ユーザではない人物であり得ることを理解されたい。故に、本明細書において人物200の本システムとの相互作用を説明するとき、そのような相互作用は、必ずしも、知的パーソナルエージェント145を有していない、または使用しない人物等の本システムのユーザではない人物、ならびに本システムのユーザであり、ユーザの利益のために1つまたはそれを上回る知的パーソナルエージェント145を有する、または使用する人物との相互作用として解釈され得ることを理解されたい。
センサ300は、入力またはデータをプラットフォーム100に提供する。センサ300は、基本的にデータを収集する任意のデバイスであり得る。例えば、センサ300は、物理的センサ、仮想センサ、および人的サービス(例えば、ヒトからのフィードバック)またはSiri、Google Now、Amazon Echo等のコンピュータサービスであり得る。いくつかの実施形態では、本システムは、ウェアラブルセンサおよび複数のセンサを環境内に統合する(例えば、音響、音声、振動センサ、自動車または輸送センサ、化学センサ、電流、電位、磁気、および無線センサ、流量および流速センサ、電離放射線および亜原子粒子センサ、ナビゲーション器具センサ、位置、角度、変位、距離、速度、および加速度センサ、光学、光、撮像、および光子センサ、圧力センサ、力、密度、およびレベルセンサ、感熱、熱、および温度センサ、ならびに近接および存在センサ)。測定デバイス等のいくつかのデバイスは、1つを上回るセンサを有し得ることを理解されたい。例えば、体重、BMI、または体脂肪を計算するために使用される、圧力センサを有する無線体重計は、室温を与えるための温度センサまたは時間を識別するためのクロックセンサを有し得る。さらに、センサは、サーモスタット、ドアロック、またはFitbitもしくはWithings等のウェルネストラッカのようなモノのインターネットデバイス(IoT)を含み得る。
1つまたはそれを上回るデータベースを含み得るデータベース103もまた、入力またはデータをプラットフォーム100に提供し、本発明のシステムによって使用され得るデータへのアクセスを提供または可能にする任意のデータベースを含む。データベース103もまた、プラットフォーム100の外部にあり、いくつかの実施形態では、本発明のシステムとは別個に、そのユーザに、ユーザについてのデータを収集し、その情報をサードパーティまたは商業的エンティティによって維持されるデータベース内に記憶するセンサを提供する、サードパーティまたは商業的エンティティによって維持されるデータベースであり得る。本発明のシステムは、次いで、それらのサードパーティまたは商業的エンティティデータベース内に記憶されたデータにアクセスし、それを利用する。そのようなサードパーティまたは商業的エンティティデータベースもしくはサービスの実施例は、Withingsサービスデータベース、Fitbitサービスデータベース、Foursquareサービスデータベース、Twitterデータベース、Yelpデータベース、Google Calendarデータベース、およびFacebookデータベース等である。
プラットフォーム100は、例えば、人物、エージェント、もしくは機械200、センサ300、またはデータベース103、またはこれらの全てからデータを収集することによって、任意のデータを収集または受信する能力を提供する。データは、収集され、リアルタイムで処理される(例えば、ストリーミングデータ)、またはこれが収集された後に周期的に処理され得る(例えば、バッチデータ)。データの処理は、データをカテゴリ化し、これを本システムの所与のユーザと関連付ける、または別様に、知的パーソナルエージェント145による使用のためにデータを準備するためのその処理を含む。処理されたデータは、次いで、プラットフォーム100内の1つまたはそれを上回る知的パーソナルエージェント145によって使用される。各知的パーソナルエージェント145は、少なくとも1つまたはそれを上回るルールならびに「and」および「or」によって連結される1つまたはそれを上回る条件を有する所与のソフトウェアモデルを適用し、応答が生産されるべきかどうか、およびどの応答が生産されるべきかを判定する。例えば、知的パーソナルエージェント145は、プラットフォーム100の内外の種々のリソースからのこれに利用可能なデータに基づいて、そのルールまたは複数のルールに対する条件または複数の条件が満たされたかどうかを判定するであろう。いったんそのような条件が満たされると、知的パーソナルエージェント145は、ルールまたは複数のルールを適用し、どの応答が講じられるべきかを判定するであろう。条件は、使用されているモデルに応じて、ユーザによって事前判定および設定される、またはユーザに対して設定される条件であり得ることを理解されたい。さらに、条件は、ユーザによって経時的に変更される条件であり得る、またはユーザのデータの分析に応じて経時的に変更され得る。知的パーソナルエージェント145は、プラットフォーム100の内側の他の知的パーソナルエージェント145と相互作用し得、それらは、プラットフォーム100の外側の人々、他の機械、および他の知的エージェント200と相互作用し得ることを理解されたい。ユーザ(例えば、人物200のうちの1人)は、そのユーザに特有な1つまたはそれを上回る知的パーソナルエージェント145を通してプラットフォームと相互作用する。所与のユーザは、1つを上回る知的パーソナルエージェント145を有し得ることを理解されたい。
プラットフォーム100は、ネットワーク化コンピュータおよびデータサーバ(これは、物理的機械または仮想機械であり得る)等の種々のコンピューティングハードウェアおよびソフトウェアコンポーネント、ならびにスマートフォンおよびタブレット、スマートTV、およびスマートウォッチ等のモバイルコンピューティングデバイス上で動作されることができる。例えば、一実施形態では、プラットフォーム100は、1つまたはそれを上回るクラウドベースの仮想サーバ(例えば、Amazon Web ServicesクラウドプラットフォームまたはMicrosoft Azureプラットフォームを通して利用可能なもの等)上で起動する。センサ300は、センサデータをモバイル電話310(以下にさらに説明される)上のセンサ(例えば、GPS、加速度計、ジャイロスコープセンサ)からプラットフォームに(以下にさらに説明されるセンササービス110を介して)直接送信する、センサクライアントアプリケーション320(以下にさらに説明される)を起動しているユーザのスマートフォンであり得る。ユーザは、センサデータを、ユーザのスマートフォン上で起動する別のセンサクライアント320を介して、プラットフォーム100の外側のサードパーティデータデータベース103に送信する、ウェアラブルセンサデバイス(例えば、リスト装着活動追跡デバイス)を装着し得る。この場合では、センサデバイス110は、リスト装着活動追跡デバイスから直接ではなく、サードパーティデータベース103から活動追跡デバイスセンサデータを読み出し得る。本明細書に説明されるシステムのコンポーネントはそれぞれ、概して、モジュールと称され得、物理的センサ等のハードウェアの一部として、またはソフトウェア命令のセットもしくはソフトウェアアプリケーション等のソフトウェアとして具現化され得ることを理解されたい。さらに、システムコンポーネントまたはモジュールは、プロセッサ、処理回路、メモリ、およびコンピューティングデバイスを動作させるためのソフトウェア命令を含む、1つまたはそれを上回るコンピューティングデバイスを有する、コンピュータネットワークを通して接続され得ることを理解されたい。
知的パーソナルエージェント145は、人工の非人的ソフトウェアコンポーネントであり、プラットフォーム100の内外のヒトまたは他の知的エージェントは、これが独立した挙動エンティティであるかのようにそれと相互作用することができる。いくつかの実施形態では、知的パーソナルエージェント145は、ソフトウェアモデルであり、例えば、任意の人物、システム、機械、措置、活動、またはプロセスを含む、事実上任意のもののソフトウェアモデルであり得、ソフトウェアモデルは、上記に説明されるように、1つまたはそれを上回るルールおよび1つまたはそれを上回る条件を含む。所与のモデルが、モデルとして使用され得る種々のテンプレートを保持する、ドメインテンプレートデータベース180から選択され得る(以下にさらに説明される)、またはモデルは、学習サービス130によって所与のユーザについてのデータに基づいて作成され得る(以下にさらに説明される)ことを理解されたい。概して、知的パーソナルエージェント145は、外部リソースからデータまたは処理されたデータを取得し、1つまたはそれを上回るルールを適用し、1つまたはそれを上回る条件が満たされたかどうかを判定し、次いで、1つまたはそれを上回るルールによって規定されるような応答を提供する。
知的パーソナルエージェント145は、プラットフォーム100内で開発および実行されることができる。人工知能の分野では、知的パーソナルエージェントは、センサを通して観察し、アクチュエータを使用して環境に作用し、目標の達成に向けてその活動を命令する、自律的エンティティであるソフトウェアエージェントである(すなわち、これは、合理的であり、その目標を達成するために知識を使用する)。故に、知的パーソナルエージェント145は、データを処理し、結果もしくは要求を生産するために使用されることができる、またはそれは、ある措置が講じられるようにし、これは、例えば、ある人物、システム、機械、もしくは他の知的エージェントを含む別のエンティティが、具体的措置を講じるかどうかを命令する、引き起こす、もしくは要求することを含み得る。故に、知的パーソナルエージェント145は、種々のエンティティと通信することができる。知的パーソナルエージェントはまた、学習し得、推論および行動するヒト挙動のモデルを含み得る。プラットフォーム100では、知的パーソナルエージェント145は、例えば、Ejenta, Incから利用可能である、Brahms Agent Languageの使用を通して開発されることができる。
より具体的には、知的パーソナルエージェント145は、いくつかの属性および能力とともに開発されることができる。知的パーソナルエージェント145は、人々、他の知的エージェント、システム、および機械と通信する能力を有する。ユーザは、ウェブインターフェース、モバイルデバイス(電話、タブレット、ウォッチ)、スマートTV、陸上移動無線等の無線、タッチスクリーンディスプレイ、ヘッドアップディスプレイ、ならびに発話される自然言語、テキストメッセージ、およびチャットプラットフォームを含む、種々のユーザインターフェース機構を介して、そのそれぞれのパーソナル知的パーソナルエージェントと相互作用することができる。知的パーソナルエージェント145は、アプリケーションプログラミングインターフェース(API)または他の通信プロトコルおよび規格を介して、他のエージェント、ならびにデバイス、機械、サービス、および他のシステムと通信することができる。知的パーソナルエージェント145との通信は、双方向的(人物からエージェント、エージェントから人物、またはエージェントからエージェント)または多元的(多くの人々から多くのエージェント、多くのエージェントから多くの人々、または多くのエージェントから多くのエージェント)であり得る。
さらに、知的パーソナルエージェント145は、捕捉されたセンサデータを使用してヒトおよびシステムを監視することができる(例えば、生理学的メトリック、移動、場所、近接性、バイタルサイン、ソーシャル相互作用、カレンダ、スケジュール、システムテレメトリを監視する)。知的パーソナルエージェント145は、ユーザ、人物、エージェント、および機械200、センサ300、ならびにプラットフォーム100内の他のエージェント145等の任意の入力からデータを受信することによってデータを分析し、監視されているユーザ、システム、および環境についての高レベル情報を計算するために分析アルゴリズムを起動することができる。分析は、過去のセンサデータまたはリアルタイムで収集されている現在のデータに対して実施され得ることを理解されたい。分析は、過去に発生したデータの精査もしくは再生、現在もしくは過去のデータから挙動を予測するための挙動のシミュレーション、より高いレベルの活動および挙動パターンの検出、推測、および学習(例えば、ある人物が現在飲食をしているかどうかを検出し、その人物が昼食を摂っていると推測し、通常いつ彼らが昼食を摂るかを学習または予測する)、または観察されたセンサおよび挙動データならびにそのデータに適用された機械学習アルゴリズムに基づく、ユーザもしくはシステムのエージェントのモデルの個人化もしくは更新(例えば、ユーザの場所および活動を学習し、ユーザの現在の場所、活動、および時間を考慮して、ユーザの活動および場所のスケジュールを予測する)を含み得る。
加えて、知的パーソナルエージェント145は、知的パーソナルエージェント145によって実施された分析から、または外部データベース103等のデータベースから導出される知識を含み得る、知的パーソナルエージェント145が有する知識に基づいて、ユーザに質問を行う、またはユーザからの質問に回答し得る。特に、知的パーソナルエージェント145は、エージェントおよび人々の役割および組織、活動、センサデータ、場所、計画、またはスケジュールおよびカレンダについての情報を含む、状況および文脈情報に基づいて、活動中にユーザおよび他のエージェントにアドバイス、フィードバック、アラート、警告、リマインダ、または命令を提供することができる。そのようなものは、知的パーソナルエージェント145によって成され得る応答の実施例である。
知的パーソナルエージェント145はまた、成され得る応答のさらなる実施例として、現実世界で措置を講じ得る(例えば、輸送サービスを通してユーザのために輸送を注文する、または電化製品をオンもしくはオフにする)、またはソフトウェア内で仮想的に措置を講じ得る(例えば、別のユーザに電子メールまたはテキストメッセージを送信する)。知的パーソナルエージェント145は、タスクを自動化し得る、または特定の活動における参加者のためのプロキシとしての役割を果たし得る。知的パーソナルエージェント145は、ユーザによって入力される目標または目的に基づいて、活動の計画および/またはスケジュールを自動的に作成し得る。知的パーソナルエージェント145は、いかにユーザ(またはシステム)が計画またはスケジュールに準拠している、それを順守している、またはそれから逸脱しているかを判定することができる。知的パーソナルエージェント145は、他の人々、システム、またはエージェントと連携することができる(例えば、全ての参加者がそのスケジュール上で利用可能な時間に会議をスケジューリングし、全ての参加者に会議のために必要とされる関連情報を送信する)。知的パーソナルエージェント145によって実施されることが可能なタスクの全ては、ユーザ、別の知的エージェントによって命令された場合、または、知的パーソナルエージェント145に提供される計画に従うことによって、行われ得ることを理解されたい。
非知的エージェント、すなわち、目標指向ではなく、推論能力を有していない「アクター」もまた、プラットフォーム100内で使用され得ることを理解されたい。非知的エージェントまたはアクターは、事前規定された条件で動作する。例えば、非知的エージェントは、プラットフォーム100の1つのコンポーネントからメッセージを受信し、必要に応じてそのメッセージを翻訳し、これを知的エージェント等の別のコンポーネントに送信するために使用され得る。非知的エージェントは、Java(登録商標)またはAKKA等のアクターコンピュータ言語を用いて開発されることができる。
図2は、本発明のシステムの一実施形態による、知的パーソナルエージェントプラットフォームの外部の種々のコンポーネント間のデータフローを例証する、図である。知的パーソナルエージェントプラットフォーム100は、1つまたはそれを上回るセンサ300を含む、プラットフォーム100の外部の種々のコンポーネント、ならびに1またはそれを上回る人物、知的エージェント、および機械200にデータを送受信する。センサ300は、センサから送信され、処理のためにプラットフォーム100によって受信される、センサデータ350を生成する。人物、知的エージェント、または機械200は、プラットフォーム100によって入力として受信される出力を生成し、また、人物、知的エージェント、または機械200への入力としてプラットフォーム100から出力を受信する。プラットフォーム100への、およびそれからの通信は、「通信行為」と称されるメッセージを通して処理される。これらのメッセージは、メッセージの送信者および受信者ならびにメッセージの件名およびデータを含む。通信行為は、HTTPまたはRabbitMQ等の種々のプロトコルを使用して、XMLまたはJSON等の種々のフォーマットを介して送信されることができる。
図1と関連して留意されるように、センサ300は、物理的センサであり得る。物理的センサは、事象の変化または量の変化等の任意のパラメータの変化を検出し得、電気または光学信号等の変化に関連する対応する出力を提供する、任意のハードウェアデバイスであり得る。物理的センサは、定常または移動性であってもよく、測定されているパラメータの変化を検出するために要求されるような任意の場所に位置し得る。物理的センサは、(i)ユーザによって装着されるデバイス内に埋設される(例えば、活動トラッカ、スマートウォッチ、スマートクローズ、スマートパッチおよびタトゥー、スマートコンタクトレンズ)、(ii)ユーザによって運搬または使用されるデバイス内に埋設される(例えば、モバイル電話、タブレット、血圧監視装置)、(iii)人体内に含有されるデバイス(例えば、スマート摂取可能錠剤、皮膚または身体内に埋込されるセンサ)、(iv)環境内に埋設されるデバイス(例えば、空気質センサ、バイオケミカルセンサ、自動車内センサ、家屋内センサ、屋外センサ、道路センサ、交通信号)、および(v)ユーザが相互作用し得る日用品(例えば、家具、電化製品、玩具、体重計、サーモスタット、ドアロック、煙感知器、バッテリ、家庭用器具)内に埋設され得る。
センサ300はまた、仮想またはソフトウェアベースのセンサであってもよく、例えば、いくつかの測定値がともに処理される、または1つのメトリックからの測定値もしくはプロセスパラメータが別のメトリックを計算する、もしくは着目量を推定するために使用されるソフトウェアを含んでもよい。これらのセンサは、(i)新しいメトリックを計算するために使用される複数のセンサデータメトリック(例えば、配向が、重力および地磁気センサからの測度を使用することによって計算され得る)および(ii)物理的センサを補完するために、または物理的センサが利用可能ではないときに(例えば、近接センサが利用可能ではないとき、カレンダデータを使用して誰が近接しているかを判定するために)使用されるソフトウェアもしくはサードパーティサービス(例えば、カレンダ、Twitter、Facebookのようなソーシャルネットワーク)からのデータを含み得る。
いくつかの実施形態では、人物、知的エージェント、または機械200は、プラットフォーム100と種々の入力および出力400、500、600、700、800を交換することができる。例えば、人物、知的エージェント、または機械200は、プラットフォーム100に要求400を行い、プラットフォーム100からの質問400に応答することができる。同様に、プラットフォーム100は、人物、知的エージェント、または機械200に要求400を行うことができ、人物、知的エージェント、または機械200からの質問400に応答することができる。
人物、知的エージェント、または機械200は、プラットフォーム100の内側で起動する知的パーソナルエージェント145にコマンドもしくは命令500を発行し、ある措置を実施するように知的パーソナルエージェント145に要求することができる、またはプラットフォーム100の内側の知的パーソナルエージェント145は、それ自体がある措置を自動的に講じ得る(例えば、ユーザは、光をオンにするように知的パーソナルエージェントに命令することができる、または知的パーソナルエージェント145は、命令を伴わずに自動的に光をオンにし得る)。措置は、現実世界で実施される、または仮想世界で実施され得る(例えば、ソフトウェア内で実行される)。プラットフォームの内側の知的パーソナルエージェント145もまた、ある措置を実施するように人物、知的エージェント、または機械200に命令し得る。
人物、知的エージェント、または機械200は、プラットフォームの内側で起動する知的パーソナルエージェント145に、ユーザ特有データ、目的、または目標600を提供し得、逆もまた同様である。人物、知的エージェント、または機械200はまた、プラットフォーム100の内側で起動する知的パーソナルエージェント145に、リマインダ、アラート、アドバイス(例えば、提案または推奨)、およびコーチング(例えば、活動を実施する、または目標を達成するための命令のセット)700を提供し得、逆もまた同様である。さらに、プラットフォーム100の内側で起動する知的パーソナルエージェント145は、プラットフォーム100の外側の人物、知的エージェント、または機械200に分析を提供することができる。
プラットフォーム100内の知的パーソナルエージェント145もまた、プラットフォーム100内に含まれる種々のデータベース900、910、920、930とデータ入力および出力を交換し得ることを理解されたい。ユーザデータデータベース900内に維持されるユーザデータは、アカウント情報、個人情報、連絡方法、ならびにユーザと関連付けられるセンサ、デバイス、人物、およびサードパーティアカウントについての識別情報等、ユーザを記述するデータを含む。サードパーティアカウントは、Skype、Google、またはTwitter等の他のサードパーティサービスにおいてユーザが有し得るアカウントを含む。しかしながら、ユーザデータデータベース900は、ユーザのサードパーティアカウントについてのアカウント情報のみを記憶し、そのサードパーティサービスの使用を通して生成されたユーザのデータは、依然として、そのサードパーティに記憶されることを理解されたい。例えば、ユーザが、Skype通話をかけるようにそのエージェントに指示する、またはその人物もしくは別の人物のGoogle Calendar上に約束を追加することが可能であるように所望する場合、それらのアカウントについての情報は、ユーザデータデータベース900内に記憶される。しかしながら、ユーザのSkype連絡先リストおよび電話番号ならびにGoogle Calendarデータは、それぞれのサードパーティによって動作または制御される、プラットフォーム100の外部のデータベース103内に記憶される。具体的には、これらのサードパーティアカウントについての十分な情報が、それらのアカウントに関するユーザの資格情報の受信を可能にする、またはプラットフォーム100が、それらのサードパーティサービスと関連して、ユーザの代わりにアクセスする、もしくは措置を講じることを可能にする承認トークンをプラットフォーム100に与える、OAUTHのようなプロトコルの使用を可能にするために記憶される。ユーザの計画についてのデータが、ユーザ計画データベース910内に維持される。ユーザ計画データは、ユーザまたはグループプロジェクトもしくはミッション等のユーザのグループ(例えば、その目標がその患者集団における再入院を低減させることである医療提供者)に対して定義された目的もしくは目標を達成する(例えば、食物とともに1日あたり1回特定の薬を服用する、ある日付までに減量する)ために必要なタイミング、期日、または期限、およびリソースを伴うタスクもしくは措置のリストを含む。ユーザのスケジュールについてのデータが、ユーザスケジュールデータベース920内に維持される。ユーザのスケジュールは、可能なタスク、事象、もしくは措置が起こると意図される時間のリスト、またはそのような事象が起こる(例えば、昼食とともに毎日午後12時に薬を服用する)ことが意図される時間的順序における事象のシーケンスを含有する。スケジュールは、ユーザによってまたはプラットフォーム100内の知的パーソナルエージェント145によって作成または修正されることができる。ユーザに関連する種々の項目の場所についてのデータが、場所データベース930内に維持される。場所データは、名前を用いて標識化され得る、屋内または屋外の論理的もしくは概念的場所(緯度および経度座標、地理的記述、またはセンサデバイスへの近接、またはWi−Fiアクセスポイントもしくは携帯電話中継塔)を記述する。プラットフォーム100内の知的パーソナルエージェント145は、知的パーソナルエージェント145が実施しているいかなるタスクも実施することを目的として、これらのデータベース900、910、920、930のうちの任意の1つまたはそれを上回るものからのデータを利用し得る。
図3は、本発明のシステムの一実施形態による、知的パーソナルエージェントプラットフォームの種々のコンポーネントおよびデータフローを例証する、ブロック図である。プラットフォーム100内には、センササービス110、分析サービス120、学習サービス130、エージェントサービス140(その中に知的パーソナルエージェント145が常駐し、知的パーソナルエージェント145を起動する)、相互作用サービス150、およびユーザ相互作用アプリケーション160を含む、種々の機能またはサービスを実施するいくつかのコンポーネントが存在する。加えて、プラットフォーム100内の付加的コンポーネントが、センサデータ記憶データベース170と、ドメインテンプレートデータベース180とを含む。再び、エージェントサービス140は、プラットフォーム100内の知的パーソナルエージェント145(図3に図示せず)を起動するサービスであり、以下に図5と関連してより詳細に説明される。
これらのサービスはそれぞれ、必要に応じて相互に通信し得ることを理解されたい。概して、センササービス110は、センサデータをプラットフォーム100および種々の他のサービスに通信し、相互作用サービス150は、ユーザからのデータ(例えば、ユーザ設定、選好、ユーザデータ、他のユーザへの/からの通信)をプラットフォーム100および種々の他のサービスに通信し、エージェントサービスは、ユーザ、人物、知的エージェント、または機械についての推測された知識および措置、ならびに活動およびコンテキストを種々のサービスに通信し、分析サービス120は、データの1つまたはそれを上回るストリームの分析から導出される情報を通信する。サービスはそれぞれ、相互に直接、または他のサービスのうちの1つを介して通信することができる。
センササービス110は、1つまたはそれを上回るセンサ300ならびに外部データベース103からセンサデータ350を受信し、ストリーミングセンサデータを含む、センサデータを効率的に記憶するためのデータベースである、センサデータ記憶データベース170内にこのデータを記憶するソフトウェアを含む。センサデバイス110はまた、分析サービス120および相互作用サービス150と通信し、必要に応じてセンサデータをこれらのサービスに提供し得ることを理解されたい。
分析サービス120は、センサデータ記憶データベース170ならびに外部データベース103から、分析されることが必要なセンサデータを受信するソフトウェアを含む。分析サービス120は、センサデータまたはデータベース103からのデータのタイプ毎に異なる分析タスクを可能にし、ユーザ(またはデータアナリスト)が、複数のセンサデータストリームおよびデータベース103からのデータを同時に分析することを可能にする。例えば、センサデータ融合、履歴分析、記述統計、相関、特徴集約、傾向分析、および機械学習を含む、任意の数の分析が実施され得ることを理解されたい。言い換えると、任意の解析的分析アルゴリズムが、必要に応じてプログラムされる、または使用されることができる。分析サービス120によって実施される分析の結果は、センサデータ記憶データベース170内に記憶される。分析サービス120はまた、センサデータに対する分析の生成を促進するために、センササービス110から直接データを受信し、また、知的パーソナルエージェントからの情報に基づいて分析の生成を促進するために、エージェントサービス140からデータを受信し得ることを理解されたい。
学習サービス130は、エージェントサービス140、分析サービス120、およびセンサデータ記憶データベース170から入力を取得し、特徴(センサを介して、分析サービスを介して、または他の入力を介して、プラットフォーム100内の1つまたはそれを上回る知的パーソナルエージェント145によって観察されている測度またはパラメータ)によって説明されるようなユーザの個々の挙動について学習するサービスである。学習サービスは、ドメインテンプレートデータベース180内のユーザのドメインテンプレートを、ユーザについてのより個別化された、または具体的知識を用いて増強または更新する。ユーザのドメインテンプレートは、所与のドメインまたは用途においてサポートされるユーザ役割毎に、ドメイン特有ルール、活動、措置、通信、属性、信念、または条件を記述し、知的パーソナルエージェント145によって使用されるモデルの動作に関する基準を形成する、コンピュータモデルである。例えば、患者監視のドメインでは、ユーザは、介護者に対して患者の役割であり得る。この状況では、ドメインテンプレートは、患者監視ドメインにおける患者に適用される、それらのルール等であろう。知的パーソナルエージェント145は、以下により詳細に説明されるように、これらのユーザ役割のうちの1つまたはそれを上回るものを実施し、そのような役割毎にルール、活動、通信等を継承し得る。学習サービス130は、ルールの信念および条件を変更することによって、所与のユーザのドメインテンプレートからドメイン特有ルールを変更することが可能であり、過去の実施例に基づいて、より個別化された、または具体的ルールを生成し、それによって、そのドメインにおいてそのユーザによって使用される、知的パーソナルエージェント145のためのより個別に特殊化されたモデルを提供する。また、以下にさらに説明されるように、学習サービス130はまた、ドメインテンプレートデータベース180内のテンプレートに基づくモデル等の既存のモデルを使用するのではなく、次いで、それぞれの知的パーソナルエージェント145によって使用される所与のユーザまたは複数のユーザに関するモデルを作成するために使用され得ることが理解されるべきであり、そのように作成されたモデルは、テンプレートとして後で使用するために、ドメインテンプレートデータベース180内に記憶され得ることに留意されたい。故に、学習サービス130は、エージェントサービス140、分析サービス120、センサデータ記憶データベース170、およびドメインテンプレートデータベース180と通信する。
留意されるように、学習サービス130は、具体的実施例からデータを取り込み、これらの実施例からユーザの挙動を一般化することが可能であることを理解されたい。これらの一般化は、例えば、エージェントサービス140による将来の使用のために、センサデータ記憶データベース170に記憶される過去の活動挙動についてのデータであり得る。このデータが、1つまたはそれを上回る所与の知的パーソナルエージェント145に直ちに関連する場合、これはまた、即時の使用のためにエージェントサービス140内のそれらの知的パーソナルエージェント145に直接通信されることができる。このように、知的パーソナルエージェント145は、これをセンサデータ記憶データベース170から読み出す必要はない。故に、学習サービス130は、センサデータ記憶データベース170ならびにエージェントサービス140に情報を送信し、それらから情報を受信し得ることを理解されたい。
相互作用サービス150は、ユーザとプラットフォーム100との間の相互作用を管理するサービスである。相互作用サービス150は、ユーザ相互作用アプリケーション160と通信し、これは、例えば、GUI(グラフィカルユーザインターフェース)、タッチディスプレイ、キーボート、マウス、ジェスチャ、または音声相互作用を介して、ユーザがこれと相互作用し、入力を入力し、出力を受信することを可能にする、デバイス(例えば、電話、タブレット、陸上移動無線等の無線、コンピュータ、ウォッチ、TV、自動車)上で起動するアプリケーションである。相互作用サービス150は、センササービス110、センサデータ記憶データベース170、ならびに図2と関連して上記に説明されるように、プラットフォーム100の外部の種々のデータベース900、910、920、930のうちの任意の1つまたはそれを上回るものから通信およびデータを受信することができる。相互作用サービス150はまた、エージェントサービス140と通信する。相互作用サービス150は、プラットフォーム内外のこれらの種々のコンポーネントと通信し、必要に応じてこれらのコンポーネント間でデータを伝達する。
相互作用サービス150とエージェントサービス140との間の相互作用に関して、エージェントサービス140がプラットフォーム100内の知的パーソナルエージェント145を実行すると、知的パーソナルエージェント145は、プラットフォーム100の外部の人物、知的エージェント、もしくは機械200、またはデータベース103等、本システムの種々の外部コンポーネントから(ユーザ相互作用アプリケーション160を介して)データを要求し得ることを理解されたい。同様に、知的パーソナルエージェント145は、そのタスクを実施するために、種々のデータベース900、910、920、930、センササービス110、またはセンサデータ記憶データベース170等、プラットフォーム100内の種々の内部コンポーネントからデータを要求し得る。エージェントサービス140は、ユーザから直接データを受信し得る、またはユーザデータデータベース900内に以前に記憶されたユーザについてのデータを受信し得る。エージェントサービス140は、相互作用サービス150を介してユーザに質問を行い得、相互作用サービス150を通してユーザからこれらの質問の回答を受信する、またはユーザは、相互作用サービス150を介して、エージェントサービス140内の知的パーソナルエージェント145に質問を行い得る。
留意されるように、ユーザ相互作用アプリケーション160は、図2と関連して上記に説明されるように、人物、知的エージェント、または機械200とプラットフォーム100との間で、種々のタイプの入力および出力400、500、600、700、800のそれぞれと通信する。ユーザ相互作用アプリケーション160は、それらの入力をプラットフォーム100内の種々のコンポーネントに伝達することを目的として、相互作用サービス150と通信し、種々の外部人物、知的エージェント、または機械200からの入力を相互作用サービス150に伝達する。加えて、ユーザ相互作用アプリケーション160は、相互作用サービス150と通信し、プラットフォーム100内の種々のコンポーネントからの出力を、種々の外部人物、知的エージェント、または機械200に伝達する。
ドメインテンプレートデータベース180は、審議し、措置を実施し、他のエージェント、人々、またはシステムと通信するために、知的パーソナルエージェント145によって使用され得るプログラミング言語で書き込まれる、ドメイン特有概念のセットを含む。ドメインテンプレートは、活動、措置、計画、アーチファクトタイプおよびアーチファクト、場所タイプおよび場所、ならびに役割等の種々のドメイン概念についての知識を含むことができる。一実施形態では、ドメインテンプレートは、Brahms Agent Languageで書き込まれる。故に、ドメインテンプレートデータベース180は、図3の学習サービス130と関連して上記に説明されるように、新しいまたは変更されたドメインテンプレートを記憶することを目的として、エージェントサービス140にデータを送信し、学習サービス130にデータを送信し、それからデータを受信する。
特に、ドメインテンプレートデータベース180は、ユーザがプラットフォームを使用している異なるドメインまたは用途のための知的パーソナルエージェントモデルのセットを記憶する。ドメインテンプレートデータベース180は、全ドメインにおいて使用されるエージェント言語で書き込まれる一般的モデルファイルのセットから成り、具体的ドメイン(遠隔患者監視または第1応答者サポート)毎に、ドメインテンプレートデータベース180は、エージェント言語で書き込まれるドメイン特有ファイルのセットを有する。一般的テンプレートは、全ての知的パーソナルエージェントによって使用される一般的ルールおよび知識を有する。ドメイン特有テンプレートは、知的パーソナルエージェントに関するドメイン特有ルールおよび知識を有する。全ての知的パーソナルエージェント145は、一般的テンプレートから継承するが、ドメイン特有ドメインにダイレクトされる知的パーソナルエージェント145は、ドメイン特有知的パーソナルエージェントがサポートするドメインからのドメイン特有テンプレートのみを継承する。しかしながら、特定のユーザのために作成されるモデルは、同様に他のユーザによる使用のために、テンプレートとしてドメインテンプレートデータベース180に追加され得ることを理解されたい。
各テンプレートは、グループ(すなわち、役割または一般化されたエージェントテンプレート)、クラス(すなわち、一般的オブジェクトテンプレート)、具体的エージェントおよびオブジェクト、ドメイン概念、地理クラス(地理的領域のタイプ)、ならびに具体的エリアオブジェクト等に関する異なるカテゴリにおけるいくつかのファイルから成ることができる。ドメインテンプレートは、エージェントドメイン言語における特定のドメインに関する知識をモデル化することに基づいて作成され、これは、例えば、具体的エージェント言語を使用してドメインテンプレートをプログラムする人物(ドメインモデラー)によって作成される。
図4は、本発明の一実施形態による、知的パーソナルエージェントプラットフォームにおいて使用するための例示的センサのハードウェアおよびソフトウェアコンポーネントならびに対応するデータフローを例証する、ブロック図である。センサ300は、センサハードウェア310およびセンサクライアント320を含む、いくつかのコンポーネントを含む。センサハードウェア310は、複数の物理的センサを含む物理的ハードウェアまたはハードウェアプラットフォーム(例えば、加速度計、ジャイロスコープ、近接センサ、心拍数センサ、GPS、およびBluetooth(登録商標) Low Energyセンサを有する、例えば、モバイル電話)である。センサハードウェア310は、センサクライアント320に伝達されるセンサデータ311を収集する。センサクライアント320は、センサを統合するためのソフトウェアであり、センサハードウェア310とプラットフォーム100内のセンササービス110との間のインターフェースとしての役割を果たし、センサハードウェア310からのデータ311が、センササービス110と互換性があり、それによって受信されることを可能にする。故に、一実施形態では、センサクライアント320は、モバイル電話、コンピュータ、クラウドサーバ、ローカルサーバ、または他のハードウェアデバイス等の外部センサ300上で起動することができる。センサクライアント320は、ネイティブセンサアプリケーションプログラミングインターフェース(API)321を含み、これは、センサプロバイダによって開発される、または別個に開発され得るアプリケーションインターフェースであり、センサハードウェア310からセンサデータ311を捕捉する方法を提供する。センサハードウェア310から捕捉されたセンサデータ311は、センサクライアント320内でネイティブAPI321から第2のAPI322に伝達される。この第2のAPI322は、センサハードウェア310からのデータに関してクエリを行うために、センサのネイティブAPI321を使用するプログラムである。第2のAPI322によってネイティブAPI321から読み出されたセンサデータ350は、センサ300からプラットフォーム100内のセンササービス110に伝達される。
図5は、本発明の一実施形態による、知的パーソナルエージェントプラットフォーム100において使用されるエージェントサービスおよびエージェントサービスのコンポーネント間のデータフローを例証する、ブロック図である。プラットフォーム100内のエージェントサービス140は、エージェントマネージャ141、1つもしくはそれを上回る知的パーソナルエージェント145、または、本システムのユーザ毎の1つもしくはそれを上回る知的パーソナルエージェント145、および知的パーソナルエージェント145のうちの1つもしくはそれを上回るものに対応する1つもしくはそれを上回るアシスタントエージェント142を含む、いくつかのコンポーネントを含む。
エージェントマネージャ141は、プラットフォーム100内の知的パーソナルエージェント145を作成および削除するエージェントである。エージェントは、ユーザデータデータベース900内に記憶されるデータに基づいて作成される。各ユーザは、所与のドメインまたは用途内でユーザがどのタイプの役割を果たしているかを規定する。例えば、遠隔患者監視ドメインにおけるユーザは、患者、医療提供者、または介護者の役割を果たすことができる。ユーザデータデータベース900内に記憶されるユーザの役割に基づいて、エージェントマネージャ141は、エージェントサービス140内にエージェントのタイプのインスタンスを作成する。例えば、ユーザが患者の役割を果たす場合、エージェントマネージャ141は、患者エージェントのインスタンスを作成する。上記に留意されるように、この場合では、患者エージェントである知的パーソナルエージェントは、患者監視ドメイン、具体的には、患者のモデルに関するドメインテンプレートデータベース180内に常駐するドメインテンプレートのセットから取得されるであろう。
知的パーソナルエージェント145は、これがサービス提供するエンティティまたはユーザについての知識を有し、知的パーソナルエージェント145が使用されているドメインまたは具体的用途、その入力、およびその出力に応じて、ユーザにサービス提供する方法を独立して決定する。知的パーソナルエージェント145は、エージェントが果たす具体的役割に基づいて、これが講じる必要のある措置について審議するために、使用するユーザについての知識を有する。言い換えると、エージェントマネージャ141がエージェントを作成するとき、これは、特定のドメインテンプレートを使用し、生成されるエージェントタイプに関する知識を取得する。例えば、患者エージェントは、遠隔患者監視ドメインテンプレートにおける患者役割のモデル化からこの知識を継承する。エージェントマネージャは、エージェントサービスにおけるインスタンスとして、エージェント、オブジェクト、領域、および概念のインスタンスを作成する。いくつかの実施形態では、知的パーソナルエージェント145は、知的パーソナルエージェント145が一般的ドメインテンプレートを使用しているかどうか、またはそのドメイン特有テンプレートが1人を上回るユーザのために使用され得るかどうかに応じて、1人を上回るユーザにサービス提供し得ることを理解されたい。
知的パーソナルエージェント145は、具体的タスクを実施するために、これが補助を求め得る1つまたはそれを上回るアシスタントエージェント142を有することができる。アシスタントエージェント142は、独立して具体的タスクを実施し得る知的パーソナルエージェントである。留意されるように、知的パーソナルエージェント145は、全体的高レベルタスクを実施するために、複数のアシスタントエージェントを使用することができる。例えば、1つのタイプのアシスタントエージェントは、活動アシスタントエージェントであり得る。これらは、昼食を摂る間に自身の薬を服用する等の特定の活動を行いながら、ユーザがユーザの計画通りのことを行っているかを監視する等、特定の活動に関するエージェントタスク補助を提供するエージェントである。別のアシスタントエージェントは、監視アシスタントエージェントであり得る。これらは、特定のユーザデータ(例えば、特定の着信センサデータ)を監視し、重要なことが監視時または監視中に起きた場合に他のエージェント(例えば、知的パーソナルエージェント145)に通知するエージェントである。例えば、心拍数監視アシスタントエージェントは、ユーザに関する心拍数センサデータを監視し、そのアシスタントエージェントにおいて記述されるルールに基づいて、心拍数が問題となるときにアラートを発する。別のアシスタントエージェントは、プロキシエージェントであり得る。これらは、他のエージェントのモデルおよびシミュレーションを提供するエージェントである。例えば、ユーザプロキシエージェントは、常時、ユーザの挙動をシミュレートし、ユーザの活動を予測するエージェントである。他のエージェントは、任意の時点でユーザの現在の活動に関してこのエージェントに問い合わせることができる。別の実施例では、アシスタントエージェントは、1つのタイプのエージェント(例えば、顧客エージェント)からサービス要求を受信し、それらの要求を別のタイプのエージェント(例えば、サービスプロバイダエージェント)に伝送または割り当てることに関与する、ディスパッチエージェントであり得る。アシスタントエージェントは、所与のドメインテンプレートにおいて特定のエージェントとして規定される場合、知的パーソナルエージェントの作成と類似する様式において、エージェントマネージャ141によって作成される、またはエージェントサービス140においてすでに起動しているエージェントによって作成されることができる。
図6は、本発明の一実施形態による、知的パーソナルエージェントプラットフォームにおいて使用される学習サービスおよび学習サービスのコンポーネント間のデータフローを例証する、ブロック図である。具体的には、学習サービス130は、ユーザプロキシエージェント131と、ユーザモデル132と、学習アルゴリズム133とを含む。
一実施形態では、パーソナル知的パーソナルエージェント145は、学習サービス130内の特定の学習アルゴリズム133を呼び出すことによって、ユーザの挙動を学習することができる(例えば、Johnが過去1ヶ月で最も頻繁に訪れた場所を学習する)。学習アルゴリズム133は、分析サービス120からデータを要求する、またはセンサデータ記憶装置170からデータ(例えば、Johnの過去1ヶ月間の集約されたGPS座標)を読み出し得る。学習アルゴリズム133はまた、過去のユーザの挙動をシミュレートする、または将来の挙動を予測するために、プロキシエージェント131を使用し得る。ユーザプロキシエージェント131は、図5と関連して上記に説明されるようなアシスタントエージェント142のタイプであり、ドメインテンプレート180またはユーザモデル132において規定されるルールに基づいて、ユーザの挙動をシミュレートおよび予測するソフトウェアエージェントである(例えば、プロキシエージェント131は、Johnが、就業時間中に特定の場所にいるとき、就業している、または睡眠時間中に特定の場所にいるとき、自宅にいると推測する等のルールを適用する)。学習アルゴリズム133は、次いで、ユーザモデル132を学習されたユーザ挙動を用いて更新する(例えば、これは、JohnのユーザモデルをJohnが先月に最も頻繁に訪れた場所を用いて更新する)。ユーザモデルは、特定のユーザに関して学習されるユーザ特徴(例えば、ユーザの活動、健康、場所、またはユーザに関して観察もしくは推測されている他の測定値)を記憶するデータベースを含む。ユーザモデルはまた、将来の挙動を予測するために使用され得るモデル(予測モデル)を含むことができる。一実施形態では、予測モデルは、(例えば、Brahms言語における)ルールのセットとして書き込まれることができる。別の実施形態では、予測モデルは、ベイズ推測モデルまたは隠れマルコフモデル等の確率モデルとして書き込まれることができる。
いくつかの場合では、学習アルゴリズム133は、ドメインテンプレート180をユーザの集団に関する学習されたユーザ挙動を用いて更新することができる(例えば、San Franciscoの特定の病院におけるCHF患者、または医師、または全てのCHF患者等の特定のユーザ役割に関するルールを更新する)。ユーザモデル132およびドメインテンプレートモデル180を連続的または周期的に更新することによって、より正確なモデルが、ユーザ、ドメインにおけるユーザの役割、およびユーザの集団に対して経時的に作成される。留意されるように、知的パーソナルエージェント145によって使用されるドメインテンプレートは、推論および行動するために使用する知的パーソナルエージェント145に関する知識を規定する。故に、ドメインテンプレートが、更新されたユーザ活動モデル132によって経時的に修正されるにつれて、知的パーソナルエージェント145も同様に、より知識豊富になり、効果的に学習する。
一実施形態では、パーソナル知的パーソナルエージェント145は、学習アルゴリズム133を呼び出すことによって、ユーザの挙動についての予測を行い、予測モデル132(例えば、ユーザの現在の場所を考慮して、ユーザがいるであろう次の場所を予測するためのモデル)を学習することができる。学習アルゴリズムは、ユーザモデル132を入力として取得し、予測モデル(例えば、場所Aから場所Bに行く確率の隠れマルコフモデル)を学習する。パーソナル知的パーソナルエージェント145は、入力として分析サービス120またはセンサデータ記憶装置170からリアルタイムデータ(例えば、ユーザが現在どこにいるか、ユーザがどの活動を行っているか)を取得し、ユーザモデル132(例えば、学習された予測モデル)を使用し、予測(例えば、現在の場所および活動を考慮して、ユーザが次にどこに行くか)を返す。
留意されるように、知的パーソナルエージェント145によって使用されるモデルは、ドメインテンプレートデータベース180内に記憶されるテンプレートのセットから選択され得る。代替として、モデルは、学習サービス130によって作成されてもよい。本実施形態では、学習サービスは、そのユーザのために知的パーソナルエージェント145によって使用され得る、所与のユーザに関連するある側面について学習されたユーザモデルを作成または生成する。しかしながら、いったんそのようなモデルが作成されると、これは、他のユーザまたは知的パーソナルエージェント145のためのテンプレートとしての使用のために、ドメインテンプレートデータベース180内に記憶され得ることを理解されたい。多種多様なそのようなモデルが作成され得るが、以下は、そのようなモデルが作成され得る方法の説明である。本具体的実施例は、ユーザが頻繁に訪れる所与のユーザの重要な場所のモデル、ならびにいつユーザがこれらの場所に行き、どの程度ユーザがこれらの場所のそれぞれにいるかのユーザのスケジュールの学習されたユーザモデルの作成を対象とする。例えば、特定のユーザに関して、学習サービスは、特定のスケジューリングされた瞬間に以下のアルゴリズムを実施することによって、ユーザの重要な場所モデルを学習し、ドメインテンプレートデータベース180内のユーザの重要な場所モデルの学習されたユーザモデルを改良する。場所学習アルゴリズム133は、分析サービス120からある時間周期(例えば、1ヶ月)にわたってユーザのGPS位置のタイムラインを要求する。このタイムラインを生成するために、分析サービス120は、類似するGPS座標をクラスタ化する。これは、集約場所タイムラインとして公知である。場所学習アルゴリズム133は、ユーザが特定の場所を訪れる頻度を把握するために、集約場所タイムラインを取得し、場所クラスタリングアルゴリズムを適用する。これらは、クラスタ化された場所である。クラスタ化された場所を考慮して、ユーザプロキシエージェント131は、ここで、特定の瞬間にユーザがいる可能性が最も高いであろう場所のタイプについての事前定義された挙動ルールを適用し(これは、場所挙動テンプレート132である)、これは、ドメインテンプレートデータベース180内にユーザに関する重要な場所の改良されたモデルをもたらす。次に、新しく学習された重要な場所を考慮して、予測アルゴリズム133が、標準的な機械学習アルゴリズムを適用し、(例えば、場所Aから場所B、場所C等に行くマルコフモデルを学習するための学習アルゴリズムを使用して)いつユーザが重要な場所にいたかのユーザ場所スケジュールモデルを学習する。学習サービスは、ユーザモデルデータベース132内にこれを記憶する。
図7は、本発明の一実施形態による、知的パーソナルエージェントプラットフォームにおいて使用される相互作用サービスおよび相互作用サービスのコンポーネント間のデータフローを例証する、ブロック図である。相互作用サービス150は、ユーザとプラットフォーム100との間の相互作用を管理するサービスまたはソフトウェアモジュールである。
相互作用サービス150は、ユーザの作成、削除、および修正または更新を可能にする。相互作用サービス150は、ユーザデータ記憶データベース900(図3もまた参照)内の情報に基づいて、ユーザに関する知的パーソナルエージェント145を作成および削除する。これはまた、ユーザとユーザの知的パーソナルエージェント145との間の相互作用を管理する。
相互作用サービス150はまた、ユーザおよびユーザの知的パーソナルエージェントが、種々のデバイス上で任意の数のユーザ相互作用アプリケーション160(図3参照)を使用して相互作用することを可能にする。相互作用サービス150は、エージェントサービス140によって供給されるデータを使用し、適切なユーザ相互作用アプリケーション160に(例えば、ユーザが屋外にいるとき、ユーザの携帯電話上で起動するモバイルアプリケーションに、またはユーザが自動車内にいるとき、自動車ディスプレイアプリケーションに)情報をルーティングするために、ユーザが(コンテキスト、場所等に応じて)どのデバイスを使用し得るかを追跡する。これはまた、ユーザ相互作用アプリケーション160へのデータおよび情報の表示を管理する。
例えば、図7に示されるように、相互作用サービス150は、ユーザがプラットフォーム100と相互作用することを可能にする、種々のサンプルユーザ相互作用アプリケーション161、162、164、165、166、167と通信する。これらの種々のユーザ相互作用アプリケーションは、ユーザがウェブブラウザを介してプラットフォーム100と相互作用することを可能にする、ウェブアプリケーション161と、ユーザが携帯電話またはタブレット等のモバイルデバイス上でプラットフォーム100と相互作用することを可能にする、モバイルアプリケーション162と、ユーザがモバイル無線または単純に無線上でプラットフォーム100と相互作用することを可能にする、モバイル無線アプリケーション164と、ユーザがヘッドアップディスプレイを介してプラットフォーム100と相互作用することを可能にする、ヘッドアップディスプレイアプリケーション165と、ユーザが車両ディスプレイを介してプラットフォーム100と相互作用することを可能にする、車両ディスプレイアプリケーション166と、ユーザがAPIを介してプラットフォーム100と相互作用することを可能にする、アプリケーションプログラミングインターフェース167とを含むことができる。相互作用サービス150とこれらのユーザ相互作用アプリケーション161、162、164、165、166、167のそれぞれとの間には、認証プロセス163が存在する。認証プロセス163は、相互作用サービス150への接続を確立するために使用され、これは、ユーザおよび/またはプラットフォーム100とインターフェースをとるために使用されているユーザのデバイスを識別、認証、および承認するために実施される。本プロセスでは、データは、ユーザまたはユーザのデバイスから相互作用サービス150に伝達され、これは、ユーザデータ記憶データベース900内に記憶されるデータと比較される。このデータは、ユーザが把握するもの(例えば、パスワード、PIN)、ユーザが所有するもの(例えば、ユーザが電子メールアドレスを制御している証明、デバイスUUID、ソフトウェアトークン)、またはユーザが生成するもの(バイオメトリクス、ユーザによって生成されるセンサデータまたは活動のパターン)を含み得る。
図8は、本発明の一実施形態による、知的パーソナルエージェントプラットフォームとインターフェースをとるためのユーザ相互作用プラットフォームを例証する、ブロック図である。ユーザ相互作用アプリケーション160(モバイルアプリケーションとして図8に示される)は、ユーザが、例えば、グラフィカルユーザインターフェース、タッチディスプレイ、キーボード、マウス、ジェスチャ、または音声相互作用を介して、デバイスと相互作用し、入力を入力し、出力を受信することを可能にする、ユーザのデバイス(例えば、電話、タブレット、コンピュータ、ウォッチ、TV、自動車)上で起動する。
図8に示される実施形態では、携帯電話上のモバイルアプリケーション162は、携帯電話上の音声インターフェースおよびタッチディスプレイによって、ユーザがプラットフォーム100と相互作用することを可能にする。モバイルアプリケーション162は、ユーザ相互作用アプリケーション(この場合では、ウェブアプリケーション161として示される)を埋設し、また、センササービス110(図3参照)を介してプラットフォームとインターフェースをとる、外部および内部の両方のセンサを含み得る、電話上のセンサ300から(または電話に接続される他のデバイスから)データを収集する。外部センサは、モバイルアプリケーションが実行されるデバイスの外部のセンサハードウェアプラットフォームであるセンサであることを理解されたい。このセンサハードウェアプラットフォームは、有線通信または無線通信、例えば、Bluetooth(登録商標)を介して、モバイルアプリケーションが起動するデバイスに接続および通信する。内部センサは、モバイルアプリケーションが起動するデバイス内に埋設されるセンサハードウェアプラットフォームである。内部センサデータは、デバイスのセンサアプリケーションプログラミングインターフェース内からモバイルアプリケーションに利用可能である。内部センサは、加速度計、ジャイロスコープ、またはGPS等、電話内に埋設されるセンサである。留意されるように、本システムは、外部および内部の両方のセンサからのデータを受信、収集、および監視することが可能である。
相互作用サービス150またはエージェントサービス140内で起動する知的パーソナルエージェント145は、スクリーンまたは音声インターフェース164を介して、ユーザへ、およびそれからデータおよび通知を送受信することができる。音声インターフェースによって受信される音声データは、本デバイス上で起動する別のアプリケーション、プラットフォーム100上で起動するアプリケーション、または別のサードパーティサービスであり得る、自然言語処理(NLP)サービス165に送信される。NLPサービス165は、音声データを処理または解釈された音声データに翻訳する。
図9は、本発明の一実施形態による、知的パーソナルエージェントプラットフォームにおいて使用される分析サービスおよび分析サービスのコンポーネント間のデータフローを例証する、ブロック図である。上記に説明されるように、分析サービス120は、センサデータ記憶データベース170から、分析されることが必要なセンサデータを受信するソフトウェアを含む。より具体的には、分析サービス120は、分析コーディネータ121を介して、センササービス110からセンサデータ350を、エージェントサービス140から分析要求902を、相互作用サービス150からユーザデータ904を、および外部データベース103から任意の他のデータを受信する。分析コーディネータ121は、受信されたデータに対してどのタイプの分析が要求されるかを判定し、これに基づいて、データおよび要求をデータアナリスト122または機械学習装置123に送信する。データアナリスト122は、例えば、データ集約906、傾向908、履歴910、およびリアルタイム分析912を含む、異なる分析を実施することができる。機械学習装置123は、当分野で公知の機械学習アルゴリズムを適用し、学習サービス130によって使用され得る予測モデル914を作成する。
以下は、全体的システムが、この場合では遠隔患者監視である所与のドメインに対して動作する方法の例示的説明である。ユーザであるHankは、慢性心不全(CHF)によって退院した後に監視されている患者である。病院は、自宅に持ち帰るセンサのキットを彼に与え、彼は、本システムにリンク付けし得る、彼自身のデバイスのいくつかを自宅または自動車内に有する。これらは、連続的データをストリーミングする受動センサ(例えば、ウェアラブル心拍数監視装置)、あるアクションでトリガするセンサ(例えば、冷蔵庫が開いていることを示すドアスイッチセンサ)、またはデータを取得するためにユーザが測定を行う(例えば、血圧測定用カフを装着する、体重計に乗る)ことを要求するセンサであり得る。センサは、家屋、自動車、または環境内にあり、生理、電化製品の使用、部屋内の存在、あるデバイスまたは人々への近接、環境条件等を測定し得る。患者は、患者を連続的に監視している(エージェントサービス内の)知的パーソナルエージェントを有する。エージェントは、センササービスからのセンサデータ、テンプレートモデルおよび治療計画(目標およびタスクを伴う計画)とともに分析サービスからの分析データ、ならびに患者が現在何をしているか、および患者の健康ステータスがどうであるかを推測するスケジュールを使用し、将来の患者の活動および健康ステータスを予測し、患者が自身の治療計画に規定される目標をどのように順守しているかを分析する。加えて、患者のエージェントは、自身の介護者(自身の家族、友人、および医療提供者)の知的パーソナルエージェントに接続される。本システムを通して、患者の治療チームの各メンバーは、患者の活動を監視し、治療チームネットワークを形成するために協働および連携することができる。この遠隔患者監視ドメイン実施例において本システムがもたらす種々の相互作用およびプロセスが、以下により詳細に説明される。
Hankの治療計画によると、彼は、毎日(起床し、トイレに行った後、朝食前に)同一の時間に体重を計ることになっている。Hankがトイレにいるとき、彼の知的パーソナルエージェントは、エージェントが体重計が位置している場所であると把握しているトイレから彼が出る前に、体重を計るようにHankにリマインダを送信することができる。Hankが朝食とともに薬を1回服用する必要がある場合、知的パーソナルエージェントは、彼が朝食を作っている可能性が高いと判断するために十分な情報を有しているため、エージェントは、彼がキッチンにいるときに自身の薬を服用するように彼を促すであろう。知的パーソナルエージェントは、これが受信するセンサデータから活動を推測する(例えば、これは、例えば、時刻、Hankがキッチンに存在すること、Hankのリスト装着センサが彼が飲食をしていることを示すこと、冷蔵庫が開いていること、コーヒーポットがオンになっていることに基づいて、Hankが朝食を摂っていると推測することができる)。適切なディスプレイまたはインターフェースが、利用可能なコンテキストおよびデバイスに応じて使用される(例えば、メッセージが、彼が屋外にいる場合は彼のウォッチまたは電話に、彼のキッチンタブレットに、彼が居間にいる場合はTVに、または彼が自動車内にいる場合はカースピーカ等に送信される)。
選好が、異なる事象に関する段階的通知または措置を作成するために設定されることができる。例えば、リマインダは、知的パーソナルエージェントが、(錠剤または錠剤容器内のセンサを使用して)彼が自身の薬を服用したと推測するまで段階的に拡大する。最初に、彼は、視覚リマインダを取得し得る(錠剤容器または錠剤容器に近接する光が発光する)が、彼が続けて薬を服用しない場合、次いで、彼は、家庭用インターホンを経由して音声リマインダを取得する。彼が依然として薬を服用し損なう場合、さらなる段階的拡大選好が、Hankに電話をかけるように設定され得る。さらなる一連の段階的拡大は、他者(例えば、彼の妻、次いで、妻が利用可能ではない場合は彼の娘)、医療提供者、または緊急事態サービスに通知することを伴うことができる。
加えて、通知が、Hankの活動を監視することを目的として他者に送信されることができる。例えば、Hankの友人が、将来的に、Hankが自宅を出て、1時間以内に戻らないとき、通知を受けるように求めることができる。代替として、Hankは、この友人が職場を出たときに通知を受けることを要求し、この友人がHankに電話することを要求することができる。Frankの医師は、Frankの健康ステータスが悪化していると観察もしくは予測されるとき、またはFrankの健康ステータスが治療計画に規定される目標もしくはタスクから逸脱しているとき、通知を受けることを要求することができる。
さらに、治療チームネットワーク内の誰かが、追跡されているメトリックおよび推測されている活動についての質問を行い得る。これらの質問は、本システムと相互作用するために使用されているデバイスに応じて、テキストまたは音声によって行われ、テキストまたは音声またはある他の機構によって回答されることができる(例えば、ウェブサイト、携帯電話、家屋内もしくは自動車内マイクロフォンを通して、またはデバイス内に埋設されたマイクロフォンを介して、テキストクエリを作成する、もしくは自然言語音声で質問することによって、およびエージェントは、ユーザに利用可能なインターフェースに応じて、音声またはテキストによって応答するであろう)。Hankの娘は、彼女自身のパーソナルエージェントに「父は元気か?」、「父はもう自分の薬を服用したか?」、「父はどこにいるか?」、「今日誰かが父を訪ねたか?」、「その人物はどのくらい彼と過ごしたか?」等の質問をし得る。そして、医師は、彼自身のパーソナルエージェントに「私はいつHankの処方箋を変更した?」、「前回彼の薬の投薬量を増加させてからHankは増量したか?」、または「Hankは自身の投薬スケジュールをどのように順守しているか?」等の質問をし得る。Frankの娘のエージェントまたは医師のエージェントは、Frankのエージェントにこれらの質問を行い得、これは、Frankのその観察に基づいて、その最良の知識をもってエージェントに応答するであろう。それぞれの知的パーソナルエージェントは、次いで、これがFrankのエージェントから受信した情報に基づいて、その関連付けられるユーザに応答することができる。
知的パーソナルエージェントはまた、アラートを作成する、または質問に回答するために、分析サービスからのデータ分析を使用することができる。ユーザは、「私の体重は適切か?」と質問をすることができ、知的パーソナルエージェントは、事前定義された目標を満たす傾向および可能性を応答するであろう、またはエージェントは、ユーザが定義された目標を満たすために計画に追いつくように役立つことができる。
本システムはまた、単純な閾値に到達すると、アラートを送信することができる(例えば、CHF患者に関して、1週間に5ポンドを上回って増量すると、心不全の指示である体液貯留を検出するように医師にアラートする)。加えて、本システムは、単純な閾値を使用するのではなく、分析サービスおよび(例えば、この個人に関する、または類似する個人のグループにわたる生理学的、社会的、および環境データと組み合わせられる体重データの履歴データを分析することによる)種々の分析技法ならびに(上記に説明されるような)学習および予測技法を使用し、いつアラートが送信されるべきかを判定し得る。これは、閾値に到達する前に、リスクの増加した確率の早期検出、すなわち、問題悪化の予測または指示を可能にし得る。
知的パーソナルエージェントはまた、ユーザのいずれかに、例えば、「Hank、息切れしているようですね?」、「不快感または痛みを感じますか?」、または「Hank、自分の薬は服用しましたか?」と質問を行うことができる。回答は、分析サービスにおける機械学習を拡張または改良するために使用され、これは、本システムが機械学習アルゴリズムによって使用されるデータセットを「標識化」または注釈付け、ドメインテンプレートまたはユーザモデルにおけるルールを改良するためにヒトからの応答を使用し得るため、「教師あり機械学習」と称される。例えば、アラートが1日に2ポンド増量した患者に対して送信される場合、エージェントは、アラートが患者に対して否定的な転帰と関連付けられるかどうか、またはこれが「偽陽性」アラートであるかどうかを医師に質問することができる。経時的に、エージェントは、例えば、1日に2ポンドの体重変動は特定の患者に対して正常であることを学習することができ、患者が1日に3ポンドを上回って増量した場合のみアラートが送信されるようにアラートルールを変更することができる。
知的パーソナルエージェントはまた、スケジュール、どの措置を講じるかを推測する条件を伴う規定されたルール、または人々もしくは他のエージェントからの要求に基づいて、措置を講じることができる。例えば、知的パーソナルエージェントは、自動車サービスを注文する、薬局から薬を注文し、これを配達させる、参加可能性に応じて複数の参加者間の会議をスケジューリングする、またはHankについての情報を他の人々に連携して通信することができる。
Hankの治療に関する具体的状況のさらなる実施例は、本システムの動作を例証する。例えば、Hankおよび彼の娘であるJessicaが、昼食を摂った後に屋外を歩いている。Hankの心拍数、呼吸数、GSR等が、ウェアラブルセンサを通して監視されている。センサからのデータは、クラウド内の本システムに送信され、彼の知的パーソナルエージェントは、センサデータを監視し、何か問題が起きた場合にアラートおよびサポートを提供するであろう。Hankが心臓異変を起こすと、クラウド内で起動する知的パーソナルエージェントは、これを認識し、HankおよびJessicaに通信し、Hankが問題を有していることを彼らに知らせるであろう。知的パーソナルエージェントは、さらなる検査のために、自動的に自動車、例えば、救急車をスケジューリングし、HankおよびJessicaのところに来させる。本シナリオにおいて本システムが機能する方法が、図に対応する参照番号とともに、以下に説明される。
Hank200およびJessica200は、昼食を摂った後に屋外を歩いており、そのとき、Hankは、不規則な心拍数を経験する。彼の心拍数監視装置310は、心拍数信号を検出し、Bluetooth(登録商標)を使用して心拍数センサデータ350をHankのスマートフォンに通信する。モバイルアプリケーション162は、心拍数センサデータ350を受信する心拍数ネイティブセンサAPI321を含む。心拍数ネイティブセンサAPI321は、このデータをセンサAPI322に送信し、これは、このデータをセンサデータ350を含有するAPIメッセージに翻訳する。最後に、センサデータ350を伴うAPIメッセージは、センササービス110に送信され、これは、センサデータ記憶データベース170内に記憶される。
センササービス110は、受信されたセンサデータを分析サービス120に送信する。分析サービス120は、心拍数データがHankに関する閾値を超過していると判定する。分析サービス120は、心拍数データを伴う心拍数超過メッセージをHankの知的パーソナルエージェント145に送信する。Hankの知的パーソナルエージェント145は、Hankの場所情報、活動、心拍数、および他の生理学的センサに基づいて、これが悪化の兆候であり得、自動車が派遣されるべきであることを推測する。知的パーソナルエージェント145は、Hankの場所に行くように自動車をスケジューリングする。これは、次いで、JessicaがHankの近くにいるため、彼女が自分のモバイル電話で呼び出されるべきであることを推測する。エージェントサービス140内で起動するHankの知的パーソナルエージェント145は、次いで、Hankを乗せるように自動車をスケジューリングする。
Jessicaは、彼女の知的パーソナルエージェント145から、これがHankを診療所、救急処置室に搬送する、または付加的ポイントオブケア検査デバイスを提供し得る自動車が近くにいることを検出した通知および電話着信を受ける。Hankの知的パーソナルエージェント145は、彼のモバイルアプリケーション162を介して、彼が大丈夫かどうかHankに質問する。Hankは、音声インターフェース164を介して、知的パーソナルエージェント145に回答する。音声インターフェース164は、Hankの音声を分析するためにNLPサービス165を使用する。音声インターフェース164は、NPLサービス165から戻される分析された音声を受信し、Hankの知的パーソナルエージェント145に送信されるべき回答メッセージを作成する。
Jessicaは、彼女の知的パーソナルエージェント145に、彼女のモバイルアプリケーション162を介して、Hankが元気かを質問する。音声インターフェース164は、Jessicaの音声を分析するためにNLPサービス165を使用する。音声インターフェース164は、NPLサービス165から戻される分析された音声を受信し、エージェントサービス140内で起動するJessicaの知的パーソナルエージェント145に送信されるべき要求メッセージを作成する。Jessicaの知的パーソナルエージェント145は、Hankの最新の心拍数および活動を質問するために、要求をHankの知的パーソナルエージェント145に送信する。Hankの知的パーソナルエージェント145は、Jessicaの知的パーソナルエージェント145に回答を返信し、これは、順に、応答メッセージをJessicaのモバイルアプリケーション162に返信する。音声インターフェース164は、これが受信する応答メッセージから音声を生成する。
いったんHankが自動車に乗ると、本システムは、継続して動作することができる。本状況では、自動車は、医療センサと統合される。センサは、クラウドと統合される。自動車がHankの場所に到着すると、HankおよびJessicaの両方が、自動車に乗り込む。知的パーソナルエージェント145は、医師に電話し、自動車内の異なる医療センサを適用するようにHankに求める。センサデータは、解釈のために当直医に直ちに送信される。本システムが機能する方法が、以下に説明される。
HankおよびJessicaが自動車に乗り込むと、自動車内の近接センサ310が、モバイルアプリケーション300によってBluetooth(登録商標)を介して通知される。モバイルアプリケーション300は、近接センサデータ350を受信する近接センサネイティブセンサAPI321を含む。近接ネイティブセンサAPI321は、このデータをセンサAPI322に送信し、これは、このデータをセンサデータ350を含有するAPIメッセージに翻訳する。最後に、センサデータ350を伴うAPIメッセージは、センササービス110に送信され、これは、センサデータ記憶データベース170内に記憶される。
自動車は、血中酸素飽和レベルを確保するためのパルスオキシメトリセンサ310を有する。このセンサデータ350は、自動車内のアプリケーション300に送信される。アプリケーションは、パルスオキシメトリセンサデータ350を受信するパルスオキシメトリネイティブセンサAPI321を含む。パルスオキシメトリネイティブセンサAPI321は、このデータをセンサAPI322に送信し、これは、このデータをセンサデータ350を含有するAPIメッセージに翻訳する。最後に、センサデータ350を伴うAPIメッセージは、センササービス110に送信され、これは、センサデータ記憶データベース170内に記憶される。
本発明の種々の実施形態が、上記に説明された。しかしながら、代替実施形態が、可能であり、本発明は、上記に説明される具体的実施形態に限定されないことを理解されたい。特に、本発明は、所与のユーザの文脈において説明されたが、複数のユーザが、同時に本システムを使用し得ることを理解されたい。同様に、プラットフォーム100は、複数のユーザをサポートする能力を有し、テンプレートデータベース180内の種々のテンプレートは、複数の知的パーソナルエージェント145をサポートし、ひいては、複数のユーザをサポートするために使用され得ることを理解されたい。さらに、プラットフォーム100は、その後、複数のユーザのそれぞれについて学習し、知的パーソナルエージェント145によって使用されるモデルを修正し、ユーザ毎に個人的な、または調整された体験を提供する能力を有する。
さらに、本発明は、本システムおよび方法が、医療、保険、ソーシャルネットワーキング、軍事、緊急応答、患者監視、ウェルネス、自動車、計画、スケジューリング、ナビゲーション、診断、アドバイス付与、サポート等の多くの異なるドメインにおける人々のチームのサポート等、多くの異なるドメインまたは用途において使用され得る点で、事実上無制限の使用法を有することを理解されたい。故に、本発明は、具体的用途またはドメインまたは設定と関連して上記に説明されたが、そのようなものは、限定するものとして見なされるべきではない。例えば、医療ドメインでは、本システムは、患者がどこにいる場合でも、患者の健康および挙動を連続的に監視、学習、および予測するために、環境内(例えば、自動車および家屋内)の患者のウェアラブルセンサおよび複数のセンサからセンサデータが収集されることを可能にし、患者がどこにいる場合でも、措置が講じられ(例えば、薬を注文する、室温を調節する、再入院のリスクを動的に計算する、ガイダンス、コーチング、リマインタ、およびアラートを提供する)、患者がその治療計画に規定された目標を達成することに役立つことを可能にする一方、チーム(例えば、患者、介護者、医療提供者)が患者を監視し、患者のために治療するとき、協働、連携、および通信することを可能にする。軍事ドメインでは、本システムは、兵士がどこにいる場合でも、兵士の健康および挙動を連続的に監視、学習、および予測するために、環境内(例えば、車両内、戦場内)の兵士のウェアラブルセンサおよび複数のセンサからセンサデータが収集されることを可能にし、措置が講じられ(例えば、状況認識をサポートするためにマップを表示する、最も近接する兵士へのルートを動的に計算する、ガイダンス、コーチング、リマインタ、およびアラートを提供する)、兵士がミッション計画に規定された目標を達成することに役立つことを可能にする一方、チーム(兵士、小隊長、指揮官等)が兵士を監視し、兵士、チーム、およびミッションの目標をサポートする際に協働、連携、および通信することを可能にする。同様に、緊急応答者のドメインでは、本システムは、本質的に、軍事ドメインと同一の方法で使用されることができ、第1応答者は、兵士と置換されるであろう。別の実施例として、保険ドメインでは、本システムは、被保険者または被保険物がどこにいる場合でも、被保険者または被保険物の健康および挙動を連続的に監視、学習、および予測するために、環境内(例えば、自動車および家屋内)の被保険者または被保険物のウェアラブルセンサおよび複数のセンサからセンサデータが収集されることを可能にし、被保険者または被保険物がどこにいる場合でも、措置が講じられ(例えば、電化製品をオフにする、リスク予測に基づいて保険料の価格を動的に計算する、ガイダンス、コーチング、リマインタ、およびアラートを提供する)、保険証券に規定される目標を達成することを可能にする一方、チーム(例えば、被保険者、その家族、保険業者、サービス提供者)が被保険者または被保険物を監視し、被保険者または被保険物のサポートにおいて協働、連携、および通信することを可能にする。
Claims (20)
- ユーザについての情報を収集および使用するための方法であって、
ユーザと関連付けられる少なくとも1つのソースからデータを収集するステップと、
少なくとも1つのルールと関連付けられる少なくとも1つの条件を有するソフトウェアモデルを含む、ソフトウェアベースの知的パーソナルエージェントを実行するステップと、
前記少なくとも1つの条件が満たされるかどうかを判定するために、前記データを前記少なくとも1つの条件と比較するステップと、
いったん前記少なくとも1つの条件が満たされると、前記少なくとも1つのルールに基づいて応答を提供するステップと、
を含む、方法。 - 前記ソフトウェアモデルおよび前記条件は、前記ユーザに特有である、請求項1に記載の方法。
- 前記少なくとも1つのソースは、少なくとも1つのセンサ、少なくとも1つのデータベース、第2のソフトウェア知的パーソナルエージェント、少なくとも1人の人物、少なくとも1つの機械、およびそれらの組み合わせから成る群から選択される、請求項1に記載の方法。
- 前記収集するステップは、前記ユーザと関連付けられる複数のソースからデータを収集するステップを含む、請求項1に記載の方法。
- 前記応答を提供するステップは、機械にある措置を講じさせるステップを含む、請求項1に記載の方法。
- 前記応答を提供するステップは、予測を行うステップを含む、請求項1に記載の方法。
- 前記応答を提供するステップは、ある人物に連絡するステップを含む、請求項1に記載の方法。
- 前記人物は、前記ユーザである、請求項7に記載の方法。
- 前記データに基づいて前記ソフトウェアモデルを修正するステップをさらに含む、請求項1に記載の方法。
- 複数のドメインに関する複数のテンプレートから前記ソフトウェアモデルを選択するステップまたは前記データに基づいて前記ソフトウェアモデルを作成するステップをさらに含む、請求項1に記載の方法。
- カテゴリ化され、前記少なくとも1つのソースと関連付けられる処理されたデータを作成するために、前記データを処理するステップであって、前記比較するステップは、前記少なくとも1つの条件が満たされるかどうかを判定するために、前記処理されたデータを前記少なくとも1つの条件と比較するステップを含む、ステップ
をさらに含む、請求項1に記載の方法。 - 少なくとも1つの第2のルールと関連付けられる少なくとも1つの第2の条件を有する第2のソフトウェアモデルを含む、第2のソフトウェアベースの知的パーソナルエージェントにデータを提供するステップと、
前記第2のソフトウェアベースの知的パーソナルエージェントを実行するステップと、
前記少なくとも1つの第2の条件が満たされるかどうかを判定するために、前記データを前記少なくとも1つの第2の条件と比較するステップと、
いったん前記少なくとも1つの第2の条件が満たされると、前記少なくとも1つの第2のルールに基づいて第2の応答を提供するステップと、
をさらに含む、請求項1に記載の方法。 - 少なくとも1つのルールと関連付けられる少なくとも1つの条件を有するソフトウェアモデルを含む、ソフトウェアベースの知的パーソナルエージェントを起動することと、前記少なくとも1つの条件が満たされるかどうかを判定するために、ユーザについてのデータを前記少なくとも1つの条件と比較することと、いったん前記少なくとも1つの条件が満たされると、前記少なくとも1つのルールに基づいて応答を提供することとを行うための第1のモジュールを備える、ユーザについての情報を収集および使用するためのシステム。
- 前記ユーザについてのデータを収集するための第2のモジュールをさらに備える、請求項13に記載のシステム。
- 前記第1のモジュールは、前記第2のモジュールから遠隔に位置する、請求項14に記載のシステム。
- 複数のドメインに関する前記ソフトウェアベースの知的パーソナルエージェントのための複数のテンプレートを備える、第2のモジュールをさらに備える、請求項14に記載のシステム。
- 前記第1のモジュールから遠隔に位置するエンティティをさらに備え、前記エンティティは、前記第1のモジュールによって提供される応答によって命令されるような措置を講じる、請求項14に記載のシステム。
- 前記ソフトウェアモデルを修正する、または前記データに基づいて前記ソフトウェアモデルを作成するための第2のモジュールをさらに備える、請求項14に記載のシステム。
- 少なくとも1つの第2のルールと関連付けられる少なくとも1つの第2の条件を有する第2のソフトウェアモデルを含む、第2のソフトウェアベースの知的パーソナルエージェントを起動することと、前記少なくとも1つの第2の条件が満たされるかどうかを判定するために、前記データを前記少なくとも1つの第2の条件と比較することと、いったん前記少なくとも1つの第2の条件が満たされると、前記少なくとも1つの第2のルールに基づいて応答を提供することとを行うための第2のモジュールをさらに備える、請求項14に記載のシステム。
- コンピュータメモリデバイスであって、
ユーザと関連付けられる少なくとも1つのソースからデータを収集することと、
少なくとも1つのルールと関連付けられる少なくとも1つの条件を有するソフトウェアモデルを含む、ソフトウェアベースの知的パーソナルエージェントを実行することと、
前記少なくとも1つの条件が満たされるかどうかを判定するために、前記データを前記少なくとも1つの条件と比較することと、
いったん前記少なくとも1つの条件が満たされると、前記少なくとも1つのルールに基づいて応答を提供することと
を行うための前記コンピュータメモリデバイス上に記憶される命令を備える、コンピュータメモリデバイス。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201462096453P | 2014-12-23 | 2014-12-23 | |
US62/096,453 | 2014-12-23 | ||
PCT/US2015/067213 WO2016106250A1 (en) | 2014-12-23 | 2015-12-21 | Intelligent personal agent platform and system and methods for using same |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2018503208A true JP2018503208A (ja) | 2018-02-01 |
Family
ID=56129831
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2017553047A Pending JP2018503208A (ja) | 2014-12-23 | 2015-12-21 | 知的パーソナルエージェントプラットフォームおよびそれを使用するためのシステムおよび方法 |
Country Status (3)
Country | Link |
---|---|
US (1) | US20160180222A1 (ja) |
JP (1) | JP2018503208A (ja) |
WO (1) | WO2016106250A1 (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2021174058A (ja) * | 2020-04-20 | 2021-11-01 | トヨタ紡織株式会社 | 制御装置、情報処理システム、および制御方法 |
Families Citing this family (40)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20240144131A1 (en) * | 1924-11-09 | 2024-05-02 | Zoho Corporation Private Limited | Virtualization and instantiation of workflow assets |
WO2016191653A1 (en) * | 2015-05-27 | 2016-12-01 | Orion Labs | Intelligent agent features for wearable personal communication nodes |
US10438695B1 (en) * | 2015-09-30 | 2019-10-08 | EMC IP Holding Company LLC | Semi-automated clustered case resolution system |
US10270881B2 (en) * | 2015-11-19 | 2019-04-23 | Adobe Inc. | Real-world user profiles via the internet of things |
US20170277993A1 (en) * | 2016-03-22 | 2017-09-28 | Next It Corporation | Virtual assistant escalation |
US20170289069A1 (en) * | 2016-03-30 | 2017-10-05 | Microsoft Technology Licensing, Llc | Selecting an Autonomous Software Agent |
EP3583555A1 (en) * | 2017-02-15 | 2019-12-25 | InterDigital CE Patent Holdings | Good time to call |
US20180232840A1 (en) * | 2017-02-15 | 2018-08-16 | Uber Technologies, Inc. | Geospatial clustering for service coordination systems |
US11276395B1 (en) | 2017-03-10 | 2022-03-15 | Amazon Technologies, Inc. | Voice-based parameter assignment for voice-capturing devices |
US10708265B2 (en) | 2017-03-13 | 2020-07-07 | Amazon Technologies, Inc. | Batch registration and configuration of devices |
US10972556B1 (en) | 2017-03-22 | 2021-04-06 | Amazon Technologies, Inc. | Location-based functionality for voice-capturing devices |
US20180285829A1 (en) * | 2017-03-31 | 2018-10-04 | Sony Corporation | Agent apparatus and method |
WO2018178207A1 (en) | 2017-03-31 | 2018-10-04 | Sony Corporation | Apparatus and method |
US20180293359A1 (en) * | 2017-04-10 | 2018-10-11 | International Business Machines Corporation | Monitoring an individual's condition based on models generated from e-textile based clothing |
CN108874638B (zh) * | 2017-05-12 | 2023-05-30 | 微软技术许可有限责任公司 | 基于画像信息的智能云管理 |
US11331019B2 (en) | 2017-08-07 | 2022-05-17 | The Research Foundation For The State University Of New York | Nanoparticle sensor having a nanofibrous membrane scaffold |
CA2982930A1 (en) | 2017-10-18 | 2019-04-18 | Kari Saarenvirta | System and method for selecting promotional products for retail |
US11605447B2 (en) * | 2017-10-27 | 2023-03-14 | Siemens Healthcare Gmbh | Intelligent agents for patient management |
US10771463B2 (en) * | 2017-10-30 | 2020-09-08 | International Business Machines Corporation | Third-party authorization of access tokens |
US11568273B2 (en) | 2017-11-14 | 2023-01-31 | International Business Machines Corporation | Multi-dimensional cognition for unified cognition in cognitive assistance |
US11443196B2 (en) | 2017-11-14 | 2022-09-13 | International Business Machines Corporation | Unified cognition for a virtual personal cognitive assistant when cognition is embodied across multiple embodied cognition object instances |
US11544576B2 (en) * | 2017-11-14 | 2023-01-03 | International Business Machines Corporation | Unified cognition for a virtual personal cognitive assistant of an entity when consuming multiple, distinct domains at different points in time |
US10621533B2 (en) * | 2018-01-16 | 2020-04-14 | Daisy Intelligence Corporation | System and method for operating an enterprise on an autonomous basis |
CN109033350B (zh) * | 2018-07-25 | 2021-03-26 | 北京宏诚创新科技有限公司 | 基于云端服务器的液态生化材料管理方法及*** |
US11521753B2 (en) * | 2018-07-27 | 2022-12-06 | Koninklijke Philips N.V. | Contextual annotation of medical data |
US11379487B2 (en) * | 2018-08-27 | 2022-07-05 | International Business Machines Corporation | Intelligent and interactive knowledge system |
WO2020071402A1 (ja) * | 2018-10-02 | 2020-04-09 | パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカ | 情報提供方法 |
US12020123B2 (en) | 2018-11-20 | 2024-06-25 | Koninklijke Philips N.V. | User-customisable machine learning models |
US20200185107A1 (en) * | 2018-12-05 | 2020-06-11 | Koninklijke Philips N.V. | Digital twin operation |
US20210398412A9 (en) * | 2018-12-18 | 2021-12-23 | Bonny Banerjee | Multi-sensor device for environment state estimation and prediction by sampling its own sensors and other devices |
US11182214B2 (en) * | 2019-06-25 | 2021-11-23 | Vmware, Inc. | Allocating computing resources based on properties associated with location |
TWM589338U (zh) * | 2019-09-23 | 2020-01-11 | 緯創資通股份有限公司 | 緊急照護裝置 |
KR20210047707A (ko) * | 2019-10-22 | 2021-04-30 | 현대자동차주식회사 | 대화형 군집 주행 정보를 제공하는 군집 주행 관리 장치, 군집 주행 이력을 관리하는 서버 및 그 방법 |
US11887138B2 (en) | 2020-03-03 | 2024-01-30 | Daisy Intelligence Corporation | System and method for retail price optimization |
US11665118B2 (en) | 2020-06-25 | 2023-05-30 | Kpn Innovations, Llc. | Methods and systems for generating a virtual assistant in a messaging user interface |
US11847724B2 (en) * | 2020-07-21 | 2023-12-19 | Verint Americas Inc. | Near real-time visualizations for intelligent virtual assistant responses |
US20230061961A1 (en) * | 2020-08-07 | 2023-03-02 | The Boeing Company | Real time multiple agent engagement decision system |
US11676574B2 (en) | 2020-09-04 | 2023-06-13 | International Business Machines Corporation | Duration based task monitoring of artificial intelligence voice response systems |
US11783338B2 (en) | 2021-01-22 | 2023-10-10 | Daisy Intelligence Corporation | Systems and methods for outlier detection of transactions |
CN116701499A (zh) * | 2022-02-25 | 2023-09-05 | 北京沃东天骏信息技术有限公司 | 一种处理请求的方法和装置 |
Family Cites Families (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5727174A (en) * | 1992-03-23 | 1998-03-10 | International Business Machines Corporation | Graphical end-user interface for intelligent assistants |
US6757362B1 (en) * | 2000-03-06 | 2004-06-29 | Avaya Technology Corp. | Personal virtual assistant |
US20030036683A1 (en) * | 2000-05-01 | 2003-02-20 | Kehr Bruce A. | Method, system and computer program product for internet-enabled, patient monitoring system |
US10684350B2 (en) * | 2000-06-02 | 2020-06-16 | Tracbeam Llc | Services and applications for a communications network |
US6988088B1 (en) * | 2000-10-17 | 2006-01-17 | Recare, Inc. | Systems and methods for adaptive medical decision support |
US7044911B2 (en) * | 2001-06-29 | 2006-05-16 | Philometron, Inc. | Gateway platform for biological monitoring and delivery of therapeutic compounds |
US7248171B2 (en) * | 2004-05-17 | 2007-07-24 | Mishelevich David J | RFID systems for automatically triggering and delivering stimuli |
US7689253B2 (en) * | 2005-06-13 | 2010-03-30 | E-Lane Systems, Inc. | Vehicle immersive communication system |
US20070043687A1 (en) * | 2005-08-19 | 2007-02-22 | Accenture Llp | Virtual assistant |
KR101855179B1 (ko) * | 2011-12-21 | 2018-05-09 | 삼성전자 주식회사 | 질환 진단을 위한 최적의 진단 요소 셋 결정 장치 및 방법 |
US9690635B2 (en) * | 2012-05-14 | 2017-06-27 | Qualcomm Incorporated | Communicating behavior information in a mobile computing device |
US8825510B2 (en) * | 2012-09-12 | 2014-09-02 | International Business Machines Corporation | Smart reminder management |
-
2015
- 2015-12-21 US US14/977,585 patent/US20160180222A1/en active Pending
- 2015-12-21 WO PCT/US2015/067213 patent/WO2016106250A1/en active Application Filing
- 2015-12-21 JP JP2017553047A patent/JP2018503208A/ja active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2021174058A (ja) * | 2020-04-20 | 2021-11-01 | トヨタ紡織株式会社 | 制御装置、情報処理システム、および制御方法 |
JP7443908B2 (ja) | 2020-04-20 | 2024-03-06 | トヨタ紡織株式会社 | 制御装置、情報処理システム、および制御方法 |
Also Published As
Publication number | Publication date |
---|---|
WO2016106250A1 (en) | 2016-06-30 |
US20160180222A1 (en) | 2016-06-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20160180222A1 (en) | Intelligent Personal Agent Platform and System and Methods for Using Same | |
US11363953B2 (en) | Methods and systems for managing medical anomalies | |
US20200295985A1 (en) | Context based notifications using multiple processing levels in conjunction with queuing determined interim results in a networked environment | |
Aranki et al. | Real-time tele-monitoring of patients with chronic heart-failure using a smartphone: lessons learned | |
US9293023B2 (en) | Techniques for emergency detection and emergency alert messaging | |
Osmani et al. | Human activity recognition in pervasive health-care: Supporting efficient remote collaboration | |
Wang et al. | From personalized medicine to population health: a survey of mHealth sensing techniques | |
US20150286787A1 (en) | System and method for managing healthcare | |
US20150019462A1 (en) | Systems and methods for semantic reasoning | |
EP2751771A1 (en) | Health management system | |
US11914784B1 (en) | Detecting emotions from micro-expressive free-form movements | |
US11404156B2 (en) | Methods for managing behavioral treatment therapy and devices thereof | |
WO2015143085A1 (en) | Techniques for wellness monitoring and emergency alert messaging | |
Triantafyllidis et al. | Framework of sensor‐based monitoring for pervasive patient care | |
João da Silva et al. | Commercial devices-based system designed to improve the treatment adherence of hypertensive patients | |
Garibaldi-Beltran et al. | Personal mobile health systems for supporting patients with chronic diseases | |
Theilig et al. | Employing environmental data and machine learning to improve mobile health receptivity | |
Brugués de la Torre | Contributions to interoperability, scalability and formalization of personal health systems | |
Rahman et al. | Context-aware multimedia services modeling: an e-Health perspective | |
Avilés-López et al. | Developing ambient intelligence applications for the assisted living of the elderly | |
Rossi | Introduction to Internet of intelligent robotic things for healthy living and active ageing | |
Ghorbani et al. | Development of a Framework for Augmented Reality and Iot-Based Ambient Assisted Living Systems: A Feasibility Study | |
Santos12 et al. | Personalizable ICT-based service provision: the SocialRobot solution | |
Corno et al. | IoT for Ambient Assisted Living: Care4Me–A Healthcare Support System | |
Suruliraj | A MOBILE SENSING APP FOR MENTAL HEALTH TO SUPPORT FEDERATED LEARNING |