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

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。

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。 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。 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。 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。 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。 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。 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。 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。 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。

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)

1. 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。
2. 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。
3. 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。
4. 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。
5. 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。
6. 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。
7. 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。
8. 前記人物は、前記ユーザである、請求項７に記載の方法。
9. 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。
10. 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。
11. 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。
12. 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。
13. 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。
14. 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。
15. 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。
16. 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。
17. 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。
18. 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。
19. 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。
20. 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。