JP6600858B1 - 貢献度算出システム、貢献度算出装置、貢献度算出方法、貢献度算出プログラム及び貢献度算出プログラムを記憶する記憶媒体 - Google Patents

Abstract

【課題】 人工知能モジュール又は人工知能モジュールを構成する単位モジュールが、人工知能の研究領域や市場に対してどれほど貢献しているものであるのかを客観的に知ることができる貢献度算出システムを提供する。【解決手段】 内部モジュールを選択する又は組み合わせることで構成される単位モジュールを登録する単位モジュール登録手段１１と、登録された単位モジュールを、選択する又は複数接続することで構成される人工知能モジュールを登録する人工知能モジュール登録手段１２と、複数の人工知能モジュールのそれぞれから特徴データを収集する特徴データ収集手段１３と、特徴データを演算処理し、特徴データの傾向を表す特徴データ傾向値を求める特徴データ演算処理手段１４と、特徴データ傾向値に基づいて、登録された単位モジュールのうち１又は複数の単位モジュールの貢献度を算出する貢献度算出手段１５と、を備える。【選択図】図１

Description

本発明は、学習及び／又は推論を行う人工知能モジュール及び当該人工知能モジュールを構成する単位モジュールの貢献度を算出する貢献度算出システムに関する。

近年、人工知能を用いた異常検出技術や最適制御技術等が研究開発され、実用化されている。一般的に、人工知能技術を実システムに適用する流れは、まず、ＡＥ（自己符号化器）、ＣＮＮ（畳み込みニューラルネットワーク）、ＬＳＴＭ（ディープラーニングの原理処理）、Ｆ−ＣＮＮ（順伝番型ニューラルネットワーク）、ＳＶＭ（サポートベクターマシン）などの学習機能及び推論機能を担う１又は複数の学習推論モジュール、並びに、データ読取モジュールや正規化モジュール等の前処理モジュール及び推論結果分類モジュールや入力寄与度算出モジュール等の後処理モジュールなどの学習機能及び推論機能以外の演算処理を担う演算処理モジュールを適宜に組み合わせて学習及び推論を行うためのデータが入力可能な人工知能モジュールを構成する。そして、構成された人工知能モジュールを用い、準備された学習用データセットに対して学習を実施し、検証用データセットに対して推論を実施して有効性を検証する。その後、有効だと判断された人工知能モジュールのうち、当該人工知能モジュールに含まれる、有効だと判断された学習済みモデルを選定し、当該学習済みモデルを、実システムへ適用することになる。

前述のとおり、人工知能モジュールは、前処理モジュール及び後処理モジュールのような演算処理モジュールや、学習推論モジュールなどの様々な内部モジュールによって構成されており、それら内部モジュールの組み合わせによって得られる学習の効果や推論の効果も様々である。人工知能モジュールを実システムに適用する研究者や開発者は、様々な内部モジュールを組み合わせた人工知能モジュールの性能について検証を行い、経験を重ねている。そして、研究者や開発者は、得られた経験に基づいて、自身の適用対象に最適な人工知能モジュールを選択し、設計を行なっている。

そのような背景のもと、例えば、特許文献１においては、複数の機械学習アルゴリズム候補を比較する手段を提供するための機械学習システムが開示されている。

特許文献１に記載された機械学習システムの発明は、機械学習アルゴリズムライブラリと、データセットを受信するとともに、機械学習アルゴリズムライブラリから得られる機械学習モデルのセレクションを受信するためのデータ入力モジュールと、各機械学習モデルに対してトレーニング及び評価を行って、機械学習モデル毎に性能結果を生成するように構成される実験モジュールと、機械学習モデルの全ての性能結果を集計して、性能比較統計を作成するように構成される集計モジュールとを含むものであり、データセットを受信し、機械学習モデルのセレクションを受信し、各機械学習モデルをトレーニング及び評価して、機械学習モデル毎に性能結果を生成し、性能結果を集計して、性能比較統計を作成し、性能比較統計を表示するものである。

特開２０１７−４５０９号公報

しかしながら、特許文献１に記載された機械学習システムの発明は、ユーザが人工知能モジュールを適用しようとしている適用対象に対して、どのような機械学習アルゴリズムが有効であるのか知ることはできても、人工知能モジュール又は当該人工知能モジュールを構成するモジュールのそれぞれが、どれほど多くの研究者や開発者などのユーザに利用され、受け入れられ、支持されているものであるのか、つまり、人工知能モジュール又は当該人工知能モジュールを構成するモジュールのそれぞれが、人工知能の研究領域や市場に対してどれほど貢献しているものであるのかを客観的に知ることはできないという課題がある。

かかる課題を解決するため、本発明の第一態様によれば、データを入力して学習及び／又は推論を行う人工知能モジュールを構成する単位モジュールの貢献度を算出する貢献度算出システムであって、当該貢献度算出システムが、学習機能及び／又は推論機能を担う１又は複数の学習推論モジュール、学習機能及び推論機能以外の演算処理機能を担う１又は複数の演算処理モジュールのうちいずれかを選択すること又は適宜組み合わせることで構成される単位モジュールを登録する単位モジュール登録手段と、前記単位モジュール登録手段によって登録された単位モジュールを、１つ選択する又は複数接続することで構成される人工知能モジュールを登録する人工知能モジュール登録手段と、前記人工知能モジュール登録手段によって登録された異なる複数の人工知能モジュールのそれぞれから特徴データを収集する特徴データ収集手段と、前記特徴データ収集手段が収集した前記特徴データを演算処理し、前記特徴データの傾向を表す特徴データ傾向値を求める特徴データ演算処理手段と、前記特徴データ傾向値に基づいて、前記単位モジュール登録手段によって登録された単位モジュールのうち１又は複数の単位モジュールの貢献度を算出する貢献度算出手段と、を備えることを特徴とする貢献度算出システムが提供される。

また、本発明の第二態様によれば、データを入力して学習及び／又は推論を行う人工知能モジュールを構成する単位モジュールの貢献度を算出する貢献度算出装置であって、当該貢献度算出装置が、学習機能及び／又は推論機能を担う１又は複数の学習推論モジュール、学習機能及び推論機能以外の演算処理機能を担う１又は複数の演算処理モジュールのうちいずれかを選択すること又は適宜組み合わせることで構成される単位モジュールを登録する単位モジュール登録手段と、前記単位モジュール登録手段によって登録された単位モジュールを、１つ選択する又は複数接続することで構成される人工知能モジュールを登録する人工知能モジュール登録手段と、前記人工知能モジュール登録手段によって登録された異なる複数の人工知能モジュールのそれぞれから特徴データを収集する特徴データ収集手段と、前記特徴データ収集手段が収集した前記特徴データを演算処理し、前記特徴データの傾向を表す特徴データ傾向値を求める特徴データ演算処理手段と、前記特徴データ傾向値に基づいて、前記単位モジュール登録手段によって登録された単位モジュールのうち１又は複数の単位モジュールの貢献度を算出する貢献度算出手段と、を備えることを特徴とする貢献度算出装置が提供される。

また、本発明の第三態様によれば、コンピュータを用いて、データを入力して学習及び／又は推論を行う人工知能モジュールを構成する単位モジュールの貢献度を算出する貢献度算出方法であって、当該貢献度算出方法が、学習機能及び／又は推論機能を担う１又は複数の学習推論モジュール、学習機能及び推論機能以外の演算処理機能を担う１又は複数の演算処理モジュールのうちいずれかを選択すること又は適宜組み合わせることで構成される単位モジュールを登録する単位モジュール登録ステップと、人工知能モジュール登録手段によって、前記単位モジュール登録ステップによって登録された単位モジュールを、１つ選択する又は複数接続することで構成される人工知能モジュールを登録する人工知能モジュール登録ステップと、特徴データ収集手段によって、前記人工知能モジュール登録ステップによって登録された異なる複数の人工知能モジュールのそれぞれから特徴データを収集する特徴データ収集ステップと、特徴データ演算処理手段によって、前記特徴データ収集ステップにおいて収集した前記特徴データを演算処理し、前記特徴データの傾向を表す特徴データ傾向値を求める特徴データ演算処理ステップと、貢献度算出手段によって、前記特徴データ傾向値に基づいて、前記単位モジュール登録手段によって登録された単位モジュールのうち１又は複数の単位モジュールの貢献度を算出する貢献度算出ステップと、を備えることを特徴とする貢献度算出方法が提供される。

また、本発明の第四態様によれば、前記第三態様の貢献度算出方法を、コンピュータによって実行させるための貢献度算出プログラムが提供される。

また、本発明の第五態様によれば、前記第四態様の貢献度算出プログラムを記憶する記憶媒体が提供される。

また、本発明の第六態様によれば、学習及び／又は推論を行う人工知能モジュールの貢献度を算出する貢献度算出システムであって、当該貢献度算出システムが、学習及び／又は推論を行う人工知能モジュールを登録する人工知能モジュール登録手段と、前記人工知能モジュール登録手段によって登録された異なる複数の人工知能モジュールのそれぞれから特徴データを収集する特徴データ収集手段と、前記特徴データ収集手段が収集した前記特徴データを演算処理し、前記特徴データの傾向を表す特徴データ傾向値を求める特徴データ演算処理手段と、前記特徴データ傾向値に基づいて、前記人工知能登録手段によって登録された人工知能モジュールのうち１又は複数の人工知能モジュールの貢献度を算出する貢献度算出手段と、を備えることを特徴とする貢献度算出システムが提供される。

また、本発明の第七態様によれば、学習及び／又は推論を行う人工知能モジュールの貢献度を算出する貢献度算出装置であって、当該貢献度算出装置が、学習及び／又は推論を行う人工知能モジュールを登録する人工知能モジュール登録手段と、前記人工知能モジュール登録手段によって登録された異なる複数の人工知能モジュールのそれぞれから特徴データを収集する特徴データ収集手段と、前記特徴データ収集手段が収集した前記特徴データを演算処理し、前記特徴データの傾向を表す特徴データ傾向値を求める特徴データ演算処理手段と、前記特徴データ傾向値に基づいて、前記人工知能登録手段によって登録された人工知能モジュールのうち１又は複数の人工知能モジュールの貢献度を算出する貢献度算出手段と、を備えることを特徴とする貢献度算出装置が提供される。

また、本発明の第八態様によれば、コンピュータを用いて、学習及び／又は推論を行う人工知能モジュールの貢献度を算出する貢献度算出方法であって、当該貢献度算出方法が、人工知能モジュール登録手段によって、学習及び／又は推論を行う人工知能モジュールを登録する人工知能モジュール登録ステップと、特徴データ収集手段によって、前記人工知能モジュール登録手段によって登録された異なる複数の人工知能モジュールのそれぞれから特徴データを収集する特徴データ収集ステップと、特徴データ演算処理手段によって、前記特徴データ収集手段が収集した前記特徴データを演算処理し、前記特徴データの傾向を表す特徴データ傾向値を求める特徴データ演算処理ステップと、貢献度算出手段によって、前記特徴データ傾向値に基づいて、前記人工知能登録手段によって登録された人工知能モジュールのうち１又は複数の人工知能モジュールの貢献度を算出する貢献度算出ステップと、を備えることを特徴とする貢献度算出方法が提供される。

また、本発明の第九態様によれば、前記第八態様の貢献度算出方法を、コンピュータによって実行させるためのプログラムが提供される。

また、本発明の第十態様によれば、前記第九態様のプログラムを記憶する記憶媒体が提供される。

本発明によれば、人工知能モジュール又は当該人工知能モジュールを構成する単位モジュールが、どれほど多くの研究者や開発者などのユーザに利用され、受け入れられ、支持されているものであるのか、つまり、人工知能の研究領域や市場に対してどれほど貢献しているものであるのかを客観的に知ることができる。そして、その貢献度を客観的に把握することにより、貢献度に応じて、人工知能モジュールを利用することで得られた市場における経済的な利益や社会的な評価等を、人工知能モジュール又は当該人工知能モジュールを構成する単位モジュールのそれぞれを設計開発した者に対して、適切に還元する仕組みを構築することができる。

本発明における人工知能モジュールを構成する単位モジュールの貢献度を算出する貢献度算出システムを示した図である。 本発明における単位モジュールのうち１又は複数の単位モジュールの貢献度を算出するフローチャートを示した図である。 本発明における人工知能モジュールのうち１又は複数の人工知能モジュールの貢献度を算出するフローチャートを示した図である。 本発明における単位モジュールのうち１又は複数の単位モジュールの貢献度を算出する概念図である。 本発明における単位モジュールのうち１又は複数の単位モジュールの貢献度を算出する概念図である。 本発明における単位モジュールのうち１又は複数の単位モジュールの貢献度を算出する概念図である。 本発明における人工知能モジュールのうち１又は複数の人工知能モジュールの貢献度を算出する概念図である。 本発明における人工知能モジュールのうち１又は複数の人工知能モジュールの貢献度を算出する概念図である。

以下、図面を参照して本発明を実施するための形態について説明する。なお、以下では本発明の目的を達成するための説明に必要な範囲を模式的に示し、本発明の該当部分の説明に必要な範囲を主に説明することとし、説明を省略する箇所については公知技術によるものとする。

図１は、本発明における人工知能モジュールを構成する単位モジュールの貢献度を算出する貢献度算出システム１のシステム構成図を表すものである。
貢献度算出システム１は、キーボード、マウス、表示装置等のユーザインターフェースを備えたコンピュータや、クラウドシステムを提供するサーバコンピュータによって実現可能なシステムであり、単位モジュール登録手段１１、人工知能モジュール登録手段１２、特徴データ収集手段１３、特徴データ演算処理手段１４、貢献度算出手段１５から構成される。

また、貢献度算出システム１の全体の機能は、単位モジュール登録手段、人工知能モジュール登録手段、特徴データ収集手段、特徴データ演算処理手段、貢献度算出手段の各手段を備える単一の装置、つまり、貢献度算出装置として実現してもよい。
すなわち、以下、貢献度算出システム１として説明する各技術的事項は、貢献度算出装置としても同様の機能を実現し得るものであると考えることができる。

以下、各手段の機能について説明を行う。
＜単位モジュール登録手段１１の機能＞
単位モジュール登録手段１１は、１又は複数の学習推論モジュール及び１又は複数の演算処理モジュールのような内部モジュールについて、それらのうちのいずれかを選択するか、又は、いずれかを適宜組み合わせることで単位モジュールを構成し、構成された単位モジュールについて、貢献度算出システム１や貢献度算出装置の図示しない単位モジュールライブラリや記憶装置に登録を行う機能を有する。

ここで、単位モジュールについて説明を行う。単位モジュールとは、前述のとおり１又は複数の内部モジュールを選択又は適宜組み合わせることで、１又は複数の機能を実行することができる部分プログラムやアプリケーションのことを表し、その機能を流用や流通が可能な状態で実現することができるものを表す。また、単位モジュールは、後述のとおり、貢献度算出システム１のユーザインターフェースに対するユーザからの操作によって、適宜の内部モジュールを１又は複数選択し又は組み合わせることで登録されるものである。

また、演算処理モジュール及び学習推論モジュールのそれぞれについて説明を行う。
演算処理モジュールは、大きくわけて、前処理モジュールと、後処理モジュールと、データフロー制御モジュールとに整理される。前処理モジュールは、例えば、人工知能モジュールが学習や推論を行う際に用いるデータセットを読み取る機能を有する読取モジュール、データセットを正規化するための正規化モジュール、データセットのデータ集合を分割する機能を有するデータ分割モジュール、データセットから所望のデータを抽出する機能を有するデータ抽出モジュール、データセットのデータを結合する機能を有するデータ結合モジュール、画像データのリサイズを行う機能を有する画像データリサイズモジュール、画像データのフィルタ処理を行う機能を有する画像データフィルタモジュール、データセットに正常／異常のラベル付けを行う機能を有するデータラベリングモジュール等、学習推論モジュール又はその他の後段の情報処理のために利用されるデータセットの加工や演算処理を行う機能を実行する部分プログラムやアプリケーションのことであり、前記機能を流用や流通が可能な状態で実現する機能単位を表す。
前処理モジュールは、単一の前処理モジュールのみで目的の機能を実現するものや、複数の前処理モジュールの並列的・直列的な適宜な組み合わせによって所望の機能を実現するもの等が考えられる。

後処理モジュールは、例えば、学習推論モジュールの推論結果に対する正常／異常の判定結果を分類する機能を有する推論結果分類モジュール、判定結果に対する入力寄与度を算出する機能を有する入力寄与度算出モジュール等、学習推論モジュール又はその他の前段の情報処理の結果を利用して演算処理を行う機能を実行する部分プログラムやアプリケーションのことであり、前記機能を流用や流通が可能な状態で実現する機能単位を表す。
後処理モジュールは、単一の後処理モジュールのみで目的の機能を実現するものや、複数の後処理モジュールの並列的・直列的な適宜な組み合わせによって所望の機能を実現するもの等が考えられる。

データフロー制御モジュールは、例えば、複数の内部モジュールが並列して接続される場合に、並列する内部モジュールの直前に配置され、並列する内部モジュールに対してデータをどのように受けわたすかを制御するデータ分岐制御モジュール、並列して接続された内部モジュールのそれぞれが一つの内部モジュールに接続される場合に、前記並列して接続された内部モジュールの直後に配置され、前記並列して接続された内部モジュールのそれぞれから前記一つの内部モジュールに対してデータをどのように受けわたすかを制御するデータ合流制御モジュール、前記並列して接続された内部モジュールのそれぞれから前記一つの内部モジュールに対してデータを受け渡す際に、前記並列して接続された内部モジュールのそれぞれの直後に配置され、前記並列して配置されたモジュールのそれぞれから出力されるデータの待ち合わせを制御するデータ待ち合わせ制御モジュール、内部モジュールからのデータ出力を前段にフィードバックするデータループ制御モジュール等、互いに接続された内部モジュールの間のデータフローを制御する機能を実行する部分プログラムやアプリケーションのことであり、前記機能を流用や流通が可能な状態で実現する機能単位を表す。
データフロー制御モジュールは、単一のデータフロー制御モジュールのみで目的の機能を実現するものや、複数のデータフロー制御モジュールの並列的・直列的な適宜な組み合わせによって所望の機能を実現するもの等が考えられる。

一方、学習推論モジュールは、例えば、ＡＥ（自己符号化器）、ＣＮＮ（畳み込みニューラルネットワーク）、ＬＳＴＭ（ディープラーニングの原理処理）、Ｆ−ＣＮＮ（順伝番型ニューラルネットワーク）、ＳＶＭ（サポートベクターマシン）、決定木学習、ＧＰ（遺伝的プログラミング）等、学習及び／又は推論を行うための機能を実現するアルゴリズムについて、流用や流通が可能な状態で実現する機能単位を表す。
学習推論モジュールは、単一の学習推論モジュールのみで目的の機能を実現するものや、複数の学習推論モジュールの並列的・直列的な適宜の組み合わせによって所望の機能を実現するもの等が考えられる。

また、前処理モジュールの具体的な例として挙げた読取モジュールや正規化モジュール等は、開発者や研究者によって、適用対象や目的等に応じて様々な処理アルゴリズムが開発されており、例えば、前処理モジュールの具体例として挙げた、データセットを正規化するという正規化モジュールについては、扱うデータセットの種類や特性に応じて、異なる正規化アルゴリズムや正規化の原理を有する複数種類の正規化モジュールが存在し得るものである。このことは、学習推論モジュールの具体例として挙げたもの、後処理モジュールの具体例として挙げたものやデータフロー制御モジュールの具体例として挙げたものについても同様である。

貢献度算出システム１の図示しない記憶装置や内部モジュールライブラリには、貢献度算出システム１の提供者、開発者、研究者、その他のユーザが任意の環境で開発・設計した、複数の種類の学習推論モジュール及び複数の種類の演算処理モジュールが記憶されている。

単位モジュール登録手段１１は、ユーザからのユーザインタフェースの操作によって、１又は複数の学習推論モジュール及び１又は複数の演算処理モジュールについて、それらのうちのいずれかを選択すること又は適宜組み合わせることで単位モジュールを構成し、貢献度算出システム１の単位モジュールライブラリや記憶装置に対して登録を行う。

このとき、ユーザによって選択される又は適宜組み合わされる学習推論モジュール及び演算処理モジュールのそれぞれは、貢献度算出システム１の提供者、開発者や研究者によって開発されたものであって、前記記憶装置や前記内部モジュールライブラリに記憶されたものであってもよいし、前記記憶装置や前記内部モジュールライブラリに記憶されておらず、ユーザが新たに開発したものであって、インターネットや外部記憶媒体等を通じて貢献度算出システム１に取り込むことによって前記記憶装置や前記内部モジュールライブラリに記憶されたものであってもよい。

そして、単位モジュール登録手段１１がユーザからのユーザインタフェースの操作を受け付ける際には、前記記憶装置や前記内部モジュールライブラリに記憶された学習推論モジュールや演算処理モジュールをユーザに対して提示するものであってよい。
このとき、本発明においては、ユーザに内部モジュールを提示する際に、ユーザにとって使用可能な部品にどのようなものがあるかソートして提示することができれば十分であり、貢献度算出システム１の提供者、開発者や研究者によって開発された内部モジュールと、ユーザが新たに開発した内部モジュールとを区別して同時に提示する必要はない。

単位モジュール登録手段１１によって登録された単位モジュールは、貢献度算出システム１によって、過去に登録された同一の構成を有する単一モジュールの有無が調査され、同一の単一モジュールが発見された場合には、登録が抹消され、登録を行ったユーザに対して、登録が抹消された旨が通知される。
貢献度算出システム１が、同一の構成を有する単位モジュールの有無を調査するタイミングは、登録しようとする単位モジュールが登録された後でなくてもよく、ユーザが登録を行おうとする際に、登録済みの単位モジュールと照合を行うものであってもよい。この場合、登録しようとする単位モジュールと同一の単位モジュールが登録済みの単位モジュールの中から発見された場合には、登録が拒否され、登録を行おうとするユーザに対して登録が拒否された旨が通知される。

また、登録された単位モジュールは、単位モジュールそれぞれの種類を一意に識別できる識別符号と、登録を行ったユーザ又はユーザＩＤと、登録された単位モジュールがどのような内部モジュールをどのように接続することで構成されるのかという情報である構成情報や、登録日時等の必要な情報とが関連づけられ、貢献度算出システム１の図示しない記憶装置又は単位モジュールライブラリに記憶される。

＜人工知能モジュール登録手段１２の機能＞
人工知能モジュール登録手段１２は、ユーザからのユーザインタフェースの操作によって、単位モジュール登録手段１１によって貢献度算出システム１や貢献度算出装置の図示しない単位モジュールライブラリや記憶手段に登録された単位モジュールを、１つ選択する又は複数接続することで人工知能モジュールを構成し、構成された人工知能モジュールについて、貢献度算出システム１や、貢献度算出装置に登録を行う機能を有する。

そして、人工知能モジュール登録手段１２がユーザからのユーザインタフェースの操作を受け付ける際には、前記記憶装置や前記単位モジュールライブラリに記憶された単位モジュールをユーザに対して提示するものであってよい。

人工知能モジュール登録手段１２を利用して人工知能モジュールを貢献度算出システム１や貢献度算出装置に登録するユーザは、単位モジュール登録手段１１を用いて貢献度算出システム１に対して単位モジュールの登録を行うユーザと同一でもよいし、異なるユーザでもよい。

本発明において、人工知能モジュール登録手段１２がユーザからのユーザインタフェースの操作を受け付ける際、前記記憶装置や前記単位モジュールライブラリに記憶された単位モジュールをユーザが参照可能に表示するにあたり、ユーザに単位モジュールを提示する際に、ユーザにとって使用可能な部品にどのようなものがあるかソートして提示することができれば十分であり、貢献度算出システム１の提供者、開発者や研究者によって登録された単位モジュール、つまり、ユーザ以外によって登録された単位モジュールと、ユーザ自身が登録した単位モジュールとを区別して同時に提示する必要はない。

単位モジュールを１つ選択する又は複数接続することで構成される人工知能モジュールは、外部からの入力に対して必ずしも前処理モジュールが受け付ける構成をとらなくてもよく、外部への出力に対して必ずしも後処理モジュールが吐き出す構成をとらなくてもよい。例えば、人工知能モジュールの入力や出力として、学習推論モジュールが配置されていてもよい。

人工知能モジュール登録手段１２によって登録された人工知能モジュールは、貢献度算出システム１によって、過去に登録された同一の構成を有する人工知能モジュールの有無が調査され、同一の人工知能モジュールが発見された場合には、登録が抹消され、登録を行ったユーザに対して、登録が抹消された旨が通知される。
貢献度算出システム１が、同一の構成を有する人工知能モジュールの有無を調査するタイミングは、登録しようとする人工知能モジュールが登録された後でなくてもよく、ユーザが登録を行おうとする際に、登録済みの人工知能モジュールと照合を行うものであってもよい。この場合、登録しようとする人工知能モジュールと同一の人工知能モジュールが登録済みの人工知能モジュールの中から発見された場合には、登録が拒否され、登録を行おうとするユーザに対して登録が拒否された旨が通知される。

また、登録された人工知能モジュールは、人工知能モジュールのそれぞれの種類を一意に識別できる識別符号と、登録を行ったユーザ又はユーザＩＤと、登録された人工知能モジュールを構成する単位モジュールについての数、単位モジュールの種類（単位モジュールに付された識別符号）、単位モジュール間の接続情報など人工知能モジュールの構成を特定するのに必要な情報と、登録された人工知能モジュールの登録日時等の情報とが関連づけられ、貢献度算出システム１の図示しない記憶装置に記憶される。

貢献度算出システム１に記憶された人工知能モジュール、又は、人工知能モジュールから選定され生成される学習済みモデルは、人工知能モジュール登録手段１２を用いて貢献度算出システム１に対して人工知能モジュールの登録を行うユーザと同一のユーザ又は異なるユーザによって適用対象に対して適用される。
学習済みモデルの選定、生成、適用過程については、例えば以下のように行われる。
１又は複数の人工知能モジュールに学習用のデータ、例えば学習用データセットを入力すると、人工知能モジュールのそれぞれが学習を行う。つまり、１又は複数の人工知能モジュール内にそれぞれ含まれる１又は複数のモデルがそれぞれ学習を行う。学習がすすむことで、例えばモデル内部の重みパラメータ等を変更させていくことで、各人工知能モジュールの１又は複数のモデルのそれぞれが、別のデータセットに対しても、学習結果を踏まえた推論を行うことができる状態になる。そして、このような状態の前記１又は複数のモデルのそれぞれに検証用のデータセットを入力し、モデルそれぞれの推論値の検証を行う。つまり、人工知能モジュールを用いて検証を行う。そして、検証結果の優れた１又は複数のモデルが選定されることで、選定された１又は複数のモデルが適用対象に適用可能に排出され、つまり、学習済みモデルとして生成され、生成された学習済みモデルが適用対象に適用されることになる。学習済みモデルは、人工知能モジュールのうち学習がすすんだ１又は複数のモデルの中から１又は複数選定され、排出されるものであるから、学習済みモデルは、人工知能モジュールが生成するものであるといえる。

学習済みモデルの適用対象の具体例としては、例えば、異常監視システム、最適制御システム、工程管理システム等である。これら人工知能モジュールの適用対象は、実システムでもよいし、シミュレーションを行うための仮想システムであってもよい。

人工知能モジュール、又は、人工知能モジュールから選定され、生成される学習済みモデルの適用は、適用対象のシステムの一部又は全部を貢献度算出システム１に取り込むことによって、貢献度算出システム１の内部で行われてもよいし、一部を貢献度算出システム１の内部で行うこと、例えば、学習済みモデルの一部の機能を適用対象システムに渡して外部で行うこととしてもよいし、学習済みモデルの全部の機能を適用対象システムに渡してもよい。

より詳細には、貢献度算出システム１は、内部に、図示しない、人工知能モジュールにデータセットを与えて学習を行わせることができる人工知能モジュール学習手段、人工知能モジュールに検証用データセットを与えて推論及び／又は検証を行うことができる人工知能モジュール検証手段、検証後の人工知能モジュールから学習済みモデルを生成することができる学習済みモデル生成手段、適用対象のシステムの一部又は全部の機能を貢献度算出システム１の内部システムとして受け入れて機能させることができる適用対象システム受け入れ手段、適用対象システムに対して学習済みモデルを適用することができる学習済みモデル適用手段を備えることが可能である。

人工知能モジュール学習手段は、人工知能モジュールの種類（人工知能モジュールごとに付された識別符号）ごとに、学習を行った日時、学習を行ったユーザ又はユーザＩＤ等必要な情報を記憶する機能も備えている。

また、人工知能モジュール検証手段は、人工知能モジュールの種類（人工知能モジュールごとに付された識別符号）ごとに、検証を行った日時、検証を行ったユーザ又はユーザＩＤ等必要な情報を記憶する機能も備えている。

また、学習済みモデル生成手段は、人工知能モジュールの種類（人工知能モジュールごとに付された識別符号）ごとに、学習済みモデルを生成した日時、学習済みモデルを生成したユーザ又はユーザＩＤ等必要な情報を記憶する機能も備えている。

また、学習済みモデル適用手段は、人工知能モジュールの種類（人工知能モジュールごとに付された識別符号）ごとに、学習済みモデルを適用した日時、学習済みモデルを適用したユーザ又はユーザＩＤ、学習済みモデルの適用先の情報等必要な情報を記憶する機能も備えている。

＜特徴データ収集手段１３の機能＞
特徴データ収集手段１３は、貢献度算出システム１に登録された複数の人工知能モジュール、貢献度算出システム１の人工知能モジュール学習手段や人工知能モジュール検証手段において学習／推論が行われた複数の人工知能モジュール、貢献度算出システム１の学習済みモデル生成手段において学習済みモデルを生成した複数の人工知能モジュールや、貢献度算出システム１の中で適用対象システムに適用される複数の人工知能モジュールのそれぞれから、特徴データを収集し、貢献度算出システム１の図示しない記憶装置にそれらを記憶する機能を有する。

特徴データ収集手段１３が収集する、複数の人工知能モジュールのそれぞれから収集する特徴データとしては、例えば次のようなものが挙げられる。
（１）所定の期間及び／又は所定のユーザ等の所定の条件で人工知能モジュールの登録が行われた人工知能モジュールの種類（人工知能モジュールごとに付された識別符号）ごとのそれぞれに含まれる単位モジュールの種類ごとの出現回数
（２）人工知能モジュールの種類（人工知能モジュールごとに付された識別符号）ごとの、人工知能モジュールが学習及び／又は推論に利用される利用回数、並びに、利用される前記人工知能モジュールに含まれる単位モジュールの種類（単位モジュールごとに付された識別符号）ごとの出現回数
（３）人工知能モジュールの種類（人工知能モジュールごとに付された識別符号）ごとの、人工知能モジュールから選定され生成された有効な学習済みモデルの生成数及び当該学習済みモデルの生成を行う人工知能モジュールに含まれる単位モジュールの種類（単位モジュールごとに付された識別符号）ごとの出現回数
（４）人工知能モジュールの種類（人工知能モジュールごとに付された識別符号）ごとの、人工知能モジュールが学習及び／又は推論に利用される利用回数
（５）人工知能モジュールの種類（人工知能モジュールごとに付された識別符号）ごとの、人工知能モジュールが生成する学習済みモデルの生成数

上記（２）〜（５）についても、必要に応じて、人工知能モジュールや単位モジュールが登録された所定の期間、登録を行った所定のユーザ又はユーザＩＤ、人工知能モジュールが利用された所定の期間、利用した所定のユーザ又はユーザＩＤ、人工知能モジュールが学習済みモデルを生成した所定の期間、生成した所定のユーザ又はユーザＩＤ等、所定の条件に当てはまる特徴データのみを収集することとしてよい。

＜特徴データ演算処理手段１４の機能＞
特徴データ演算処理手段１４は、特徴データ収集手段１３が収集した特徴データを演算処理し、特徴データの傾向を表す特徴データ傾向値を求める機能を有する。
また、求められた特徴データ傾向値は、特徴データ演算処理手段１４によって、貢献度算出システム１の図示しない記憶装置に記憶される。

特徴データ傾向値は、特徴データ収集手段１３が収集する特徴データに対応して演算される、次のようなものである。
（１−１）前記（１）の特徴データに対しては、単位モジュールの種類（単位モジュールごとに付された識別符号）ごとの出現頻度が演算処理され、それらが特徴データ傾向値として求められる。
ここで、出現回数から出現頻度を求めるにあたっては、例えば単位時間あたりの出現回数を出現頻度としてもよい。

（２−１）前記（２）の特徴データに対しては、人工知能モジュールの種類（人工知能モジュールごとに付された識別符号）ごとの利用頻度と、単位モジュールの種類（単位モジュールごとに付された識別符号）ごとの頻出度とに基づいて特徴データ傾向値が求められる。例えば、人工知能モジュールの種類（人工知能モジュールごとに付された識別符号）のうち利用頻度が高いものによって集合を生成し、当該集合のうちで、単位モジュールの種類ごとの頻出度を求め、それらを特徴データ傾向値として求めることもできる。また例えば、人工知能モジュールの種類（人工知能モジュールごとに付された識別符号）について利用頻度が高い順に割り当てられた重み係数と単位モジュールの種類（単位モジュールごとに付された識別符号）について頻出度が高い順に割り当てられた重み係数とを乗算又は加算し、その演算結果を単位モジュールの種類ごとにまとめた値を特徴データ傾向値として求めることもできる。
ここで、利用回数から利用頻度を求めるにあたっては、例えば単位時間あたりの利用回数を利用頻度としてもよい。また、出現回数から頻出度を求めるにあたっては、例えば単位時間あたりの出現回数を頻出度としてもよい。

（３−１）前記（３）の特徴データに対しては、人工知能モジュールの種類（人工知能モジュールごとに付された識別符号）ごとの学習モデルの生成頻度と、単位モジュールの種類（単位モジュールごとに付された識別符号）ごとの頻出度とに基づいて特徴データ傾向値が求められる。例えば、人工知能モジュールの種類（人工知能モジュールごとに付された識別符号）のうち学習モデルの生成頻度が高いものによって集合を生成し、当該集合のうちで、単位モジュールの種類（単位モジュールごとに付された識別符号）ごとの頻出度を求めてそれらを特徴データ傾向値として求めることが考えられる。また例えば、人工知能モジュールの種類（人工知能モジュールごとに付された識別符号）について学習モデルの生成頻度が高い順に割り当てられた重み係数と単位モジュールの種類（単位モジュールごとに付された識別符号）について頻出度が高い順に割り当てられた重み係数とを乗算又は加算し、その演算結果を単位モジュールの種類ごとにまとめた値を特徴データ傾向値として求めることもできる。
ここで、生成数から生成頻度を求めるにあたっては、単位時間あたりの生成数を生成頻度としてもよい。また、出現回数から頻出度を求めるにあたっては、例えば単位時間あたりの出現回数を頻出度としてもよい。

（４−１）前記（４）の特徴データに対しては、人工知能モジュールの種類（人工知能モジュールごとに付された識別符号）ごとの利用頻度が特徴データ傾向値として求められる。
ここで、利用回数から利用頻度を求めるにあたっては、例えば単位時間あたりの利用回数を利用頻度としてもよい。

（５−１）前記（５）の特徴データに対しては、人工知能モジュールの種類（人工知能モジュールごとに付された識別符号）ごとの学習モデルの生成頻度が特徴データ傾向値として求められる。
ここで、生成数から生成頻度を求めるにあたっては、単位時間あたりの生成数を生成頻度としてもよい。

＜貢献度算出手段１５の機能＞
貢献度算出手段１５は、特徴データ演算処理手段１４によって求められた特徴データ傾向値に基づいて、貢献度算出システム１に登録された単位モジュールのうち１又は複数の単位モジュールの貢献度を算出する機能を有する。

貢献度算出手段１５が算出する貢献度については、特徴データ演算処理手段１４によって求められた特徴データ傾向値について、前記（１−１）、前記（２−１）及び前記（３−１）では、単位モジュールの種類ごとに比較し、特徴データ傾向値の大きさに比して、単位モジュールの種類ごとに貢献度が大きくなるように算出する。また、前記（４−１）では、人工知能モジュールの種類ごとの利用頻度が高い人工知能モジュールほど貢献度が高くなるように設定するものであり、前記（５−１）では、人工知能モジュールの種類ごとの学習モデルの生成頻度が高い人工知能モジュールほど貢献度が高くなるように設定するものである。
また、貢献度の算出については、上述の方法に限らず、特徴データ演算処理手段１４によって求められた特徴データ傾向値についての単位モジュールの種類又は人工知能モジュールの種類ごとの相関と、算出する貢献度についての単位モジュールの種類又は人工知能モジュールの種類ごとの相関とが同じ傾向を有するものとなるように算出するものであれば、適宜の方法を採用してもよい。

貢献度算出手段１５が算出する貢献度は、例えば、新たに人工知能モジュールを登録する際に頻繁に用いられる単位モジュールが何であるか、利用頻度の高い人工知能モジュールの中で頻繁に用いられる単位モジュールが何であるか、頻繁に学習済みモデルの生成を行う人工知能モジュールの中で頻繁に用いられる単位モジュールが何であるか、利用頻度の高い人工知能モジュールが何であるか、学習モデルの生成頻度が高い人工知能モジュールが何であるか等を客観的に把握することができる。

つまり、本発明によれば、人工知能モジュール又は当該人工知能モジュールを構成する単位モジュールが、どれほど多くの研究者や開発者などのユーザに利用され、受け入れられ、支持されているものであるのか、人工知能の研究領域や市場に対してどれほど貢献しているものであるのかを、算出した貢献度に基づいて客観的に知ることができる。そして、求められた貢献度に応じて、人工知能モジュールを利用することで得られた市場における経済的な利益や社会的な評価等を、人工知能モジュール又は当該人工知能モジュールを構成する単位モジュールのそれぞれを設計開発した者に対して、適切に還元する仕組みを構築することができる。

次に、貢献度算出システム１がコンピュータとして実現される場合に、前記コンピュータが実行する部分プログラムとして機能する単位モジュール登録手段１１、人工知能モジュール登録手段１２、特徴データ収集手段１３、特徴データ演算処理手段１４、および、貢献度算出手段１５のそれぞれをどのように作用させるかを説明する。
まず、貢献度算出システム１が、特徴データ傾向値に基づいて、単位モジュール登録手段１１によって登録された単位モジュールのうち１又は複数の単位モジュールの貢献度を算出する場合に、どのように作用させるかという方法について、図２のフローチャートを示しつつ、また、必要に応じて図４〜６の概念図を示しつつ説明を行う。

図２において、ステップ２−１として、単位モジュール登録手段１１によって、前述したように、１又は複数の学習推論モジュール及び１又は複数の演算処理モジュールのうちのいずれかを選択すること又は適宜組み合わせることで構成される単位モジュールを登録することが行われる。

続いて、ステップ２−２として、人工知能モジュール登録手段１２によって、前述したように、前記単位モジュール登録ステップによって登録された単位モジュールを、１つ選択する又は複数接続することで構成される人工知能モジュールを登録することが行われる。

続いて、ステップ２−３として、特徴データ収集手段１３によって、前述したように、前記人工知能モジュール登録ステップによって登録された異なる複数の人工知能モジュールのそれぞれから特徴データを収集することが行われる。

このとき、特徴データ収集手段１３が収集する、複数の人工知能モジュールのそれぞれから収集する特徴データとしては、例えば次のようなものが挙げられる。
（１）所定の期間及び／又は所定のユーザ等の所定の条件で人工知能モジュールの登録が行われた人工知能モジュールの種類ごとのそれぞれに含まれる単位モジュールの種類ごとの出現回数（図４を参照）

（２）人工知能モジュールの種類ごとの、人工知能モジュールが学習及び／又は推論に利用される利用回数、並びに、利用される前記人工知能モジュールに含まれる単位モジュールの種類ごとの出現回数（図５を参照）

（３）人工知能モジュールの種類ごとの、人工知能モジュールから選定し、生成する学習済みモデルの生成数及び学習済みモデルの生成を行う人工知能モジュールに含まれる単位モジュールの種類ごとの出現回数（図６を参照）

上記（２）及び上記（３）についても、必要に応じて、人工知能モジュールや単位モジュールが登録された所定の期間、登録を行った所定のユーザ、人工知能モジュールが利用された所定の期間、利用した所定のユーザ、人工知能モジュールが学習済みモデルを生成した所定の期間、生成した所定のユーザ等、所定の条件に当てはまる特徴データのみを収集することとしてよいことは、上述したとおりである。

続いて、ステップ２−４として、特徴データ演算処理手段１４によって、前述したように、前記特徴データ収集ステップにおいて収集した前記特徴データを演算処理し、前記特徴データの傾向を表す特徴データ傾向値を求めることが行われる。
特徴データ傾向値は、特徴データ収集手段１３が収集する特徴データに対応して演算される、次のようなものである。

（１−１）前記（１）の特徴データに対しては、単位モジュールの種類ごとの出現頻度が演算処理され、特徴データ傾向値として求められる（図４を参照）。

（２−１）前記（２）の特徴データに対しては、人工知能モジュールの種類ごとの利用頻度と、単位モジュールの種類ごとの頻出度とに基づいて特徴データ傾向値が求められる（図５を参照）。例えば、人工知能モジュールの種類のうち利用頻度が高いものによって集合を生成し、当該集合のうちで、単位モジュールの種類ごとの頻出度を求めることが考えられる。

（３−１）前記（３）の特徴データに対しては、人工知能モジュールの種類ごとの学習モデルの生成頻度と、単位モジュールの種類ごとの頻出度とに基づいて特徴データ傾向値が求められる（図６を参照）。例えば、人工知能モジュールの種類のうち学習モデルの生成頻度が高いものによって集合を生成し、当該集合のうちで、単位モジュールの種類ごとの頻出度を求めることが考えられる。

続いて、ステップ２−５として、貢献度算出手段１５によって、前述したように、前記特徴データ傾向値に基づいて、前記単位モジュール登録手段によって登録された単位モジュールのうち１又は複数の単位モジュールの貢献度を算出することが行われる。

貢献度算出手段１５が算出する貢献度については、特徴データ演算処理手段１４によって求められた特徴データ傾向値について、前記（１−１）、前記（２−１）及び前記（３−１）では、単位モジュールの種類ごとに比較し、特徴データ傾向値の大きさに比して、単位モジュールの種類ごとに貢献度が大きくなるように算出する。
また、貢献度の算出については、上述の方法に限らず、特徴データ演算処理手段１４によって求められた特徴データ傾向値についての単位モジュールの種類ごとの相関と、算出する貢献度についての単位モジュールの種類ごとの相関とが同じ傾向を有するものとなるように算出するものであれば、適宜の方法を採用してもよいことは、上述したとおりである。

以上の処理を行うことで、貢献度算出システム１が、単位モジュール登録手段１１によって登録された単位モジュールのうち１又は複数の単位モジュールの貢献度を算出することができる。

次に、貢献度算出システム１が、特徴データ傾向値に基づいて、人工知能モジュール登録手段１２によって登録された人工知能モジュールのうち１又は複数の人工知能モジュールの貢献度を算出する場合に、どのように作用させるかという方法について、図３のフローチャートを示しつつ説明を行う。

図３において、まず、ステップ３−１として、人工知能モジュール登録手段１２によって、前述したとおり、学習及び／又は推論を行う人工知能モジュールを登録することが行われる。

続いて、ステップ３−２として、特徴データ収集手段１３によって、前述したとおり、前記人工知能モジュール登録手段１２によって登録された異なる複数の人工知能モジュールのそれぞれから特徴データを収集することを行う。
このとき、特徴データ収集手段１３が収集する、複数の人工知能モジュールのそれぞれから収集する特徴データとしては、例えば次のようなものが挙げられる。

（４）人工知能モジュールの種類ごとの、人工知能モジュールが学習及び／又は推論に利用される利用回数（図７を参照）

（５）人工知能モジュールの種類ごとの、人工知能モジュールが生成する学習済みモデルの生成数（図８を参照）

上記（４）及び上記（５）について、必要に応じて、人工知能モジュールや単位モジュールが登録された所定の期間、登録を行った所定のユーザ、人工知能モジュールが利用された所定の期間、利用した所定のユーザ、人工知能モジュールが学習済みモデルを生成した所定の期間、生成した所定のユーザ等、所定の条件に当てはまる特徴データのみを収集することとしてよいことは、上述したとおりである。

続いて、ステップ３−３として、特徴データ演算処理手段１４によって、前述したように、前記特徴データ収集ステップにおいて収集した前記特徴データを演算処理し、前記特徴データの傾向を表す特徴データ傾向値を求めることが行われる。
特徴データ傾向値は、特徴データ収集手段１３が収集する特徴データに対応して演算される、次のようなものである。

（４−１）前記（４）の特徴データに対しては、人工知能モジュールの種類ごとの利用頻度が特徴データ傾向値として求められる（図７を参照）。

（５−１）前記（５）の特徴データに対しては、人工知能モジュールの種類ごとの学習モデルの生成頻度が特徴データ傾向値として求められる（図８を参照）。

続いて、ステップ３−４として、貢献度算出手段１５によって、前述したように、前記特徴データ傾向値に基づいて、前記人工知能登録手段によって登録された人工知能モジュールのうち１又は複数の人工知能モジュールの貢献度を算出することが行われる。

貢献度算出手段１５が算出する貢献度については、特徴データ演算処理手段１４によって求められた特徴データ傾向値について、前記（４−１）では、人工知能モジュールの種類ごとの利用頻度が高い人工知能モジュールほど貢献度が高くなるように設定するものであり、前記（５−１）では、人工知能モジュールの種類ごとの学習モデルの生成頻度が高い人工知能モジュールほど貢献度が高くなるように設定するものである。
また、貢献度の算出については、上述の方法に限らず、特徴データ演算処理手段１４によって求められた特徴データ傾向値についての人工知能モジュールの種類ごとの相関と、算出する貢献度についての人工知能モジュールの種類ごとの相関とが同じ傾向を有するものとなるように算出するものであれば、適宜の方法を採用してもよいことは、上述したとおりである。

以上の処理を行うことで、貢献度算出システム１が、人工知能登録手段１２によって登録された人工知能モジュールのうち１又は複数の人工知能モジュールの貢献度を算出することができる。

さらに、図２において示したステップ２−１からステップ２−５までのフローチャートによって実現される方法を、コンピュータによって実行するためのプログラムとして流通可能となるように構成してもよい。

同様に、図３において示したステップ３−１からステップ３−４までのフローチャートによって実現される方法を、コンピュータによって実行するためのプログラムとして流通可能となるように構成してもよい。

また、それらのプログラムのそれぞれを流通可能となるように構成する際は、プログラムのそれぞれを、ＵＳＢメモリ、ＣＤ−ＲＯＭや、ＤＶＤ−ＲＯＭ等の各種の記憶媒体に記憶させてもよい。

また、貢献度算出システム１として、例えば、単位モジュールや人工知能モジュールを複数のユーザ間で流通させ、売買を行うことができるエコシステムの全部又は一部として実現することも可能である。
その際においても、算出された貢献度に基づき、人工知能モジュールによって得られた経済的利益や、社会的な評価について、単位モジュール又は人工知能モジュールのそれぞれに対して適切に分配することが可能となる。

なお、本発明は上述した実施形態に限定されるものではなく、本発明の主旨を逸脱しない範囲内で種々変更して実施することが可能である。そして、それらはすべて、本発明の技術思想に含まれるものである。

１ 貢献度算出システム
１１ 単位モジュール登録手段
１２ 人工知能モジュール登録手段
１３ 特徴データ収集手段
１４ 特徴データ演算処理手段
１５ 貢献度算出手段

Claims (9)

1. データを入力して学習及び／又は推論を行う人工知能モジュールを構成する単位モジュールの貢献度を算出する貢献度算出システムであって、
   当該貢献度算出システムが、
   学習機能及び／又は推論機能を担う１又は複数の学習推論モジュール、学習機能及び推論機能以外の演算処理機能を担う１又は複数の演算処理モジュールのうちいずれかを選択すること又は適宜組み合わせることで構成される単位モジュールを登録する単位モジュール登録手段と、
   前記単位モジュール登録手段によって登録された単位モジュールを、１つ選択する又は複数接続することで構成される人工知能モジュールを登録する人工知能モジュール登録手段と、
   前記人工知能モジュール登録手段によって登録された異なる複数の人工知能モジュールのそれぞれから特徴データを収集する特徴データ収集手段と、
   前記特徴データ収集手段が収集した前記特徴データを演算処理し、前記特徴データの傾向を表す特徴データ傾向値を求める特徴データ演算処理手段と、
   前記特徴データ傾向値に基づいて、前記単位モジュール登録手段によって登録された単位モジュールのうち１又は複数の単位モジュールの貢献度を算出する貢献度算出手段と、
   を備えることを特徴とする貢献度算出システム。
2. 前記特徴データが、所定の条件に当てはまる前記人工知能モジュールに含まれる単位モジュールの種類ごとの出現回数であり、
   前記特徴データ傾向値が、単位モジュールの種類ごとの出現頻度であることを特徴とする請求項１記載の貢献度算出システム。
3. 前記特徴データが、人工知能モジュールの種類ごとの、人工知能モジュールが学習及び／又は推論に利用される利用回数、並びに、利用される前記人工知能モジュールに含まれる単位モジュールの種類ごとの出現回数であり、
   前記特徴データ傾向値が、人工知能モジュールの種類ごとの利用頻度と、単位モジュールの種類ごとの頻出度とに基づいて求められることを特徴とする請求項１記載の貢献度算出システム。
4. 前記特徴データが、人工知能モジュールの種類ごとの、人工知能モジュールが生成する学習済みモデルの生成数及び学習済みモデルの生成を行う人工知能モジュールに含まれる単位モジュールの種類ごとの出現回数であり、
   前記特徴データ傾向値が、人工知能モジュールの種類ごとの学習モデルの生成頻度と、単位モジュールの種類ごとの頻出度とに基づいて求められることを特徴とする請求項１記載の貢献度算出システム。
5. 前記演算処理モジュールが、データ読取モジュール、データ正規化モジュール、データ分割モジュール、データ抽出モジュール、データ結合モジュール、画像データリサイズモジュール、画像データフィルタモジュール、データラベリングモジュール、推論結果分類モジュール、入力寄与度算出モジュール、データ分岐制御モジュール、データ合流制御モジュール、データ待ち合わせ制御モジュール、データループ制御モジュールのうちから１つ又は複数選択されるものである
   ことを特徴とする請求項１〜４いずれか１つに記載の貢献度算出システム。
6. データを入力して学習及び／又は推論を行う人工知能モジュールを構成する単位モジュールの貢献度を算出する貢献度算出装置であって、
   当該貢献度算出装置が、
   学習機能及び／又は推論機能を担う１又は複数の学習推論モジュール、学習機能及び推論機能以外の演算処理機能を担う１又は複数の演算処理モジュールのうちいずれかを選択すること又は適宜組み合わせることで構成される単位モジュールを登録する単位モジュール登録手段と、
   前記単位モジュール登録手段によって登録された単位モジュールを、１つ選択する又は複数接続することで構成される人工知能モジュールを登録する人工知能モジュール登録手段と、
   前記人工知能モジュール登録手段によって登録された異なる複数の人工知能モジュールのそれぞれから特徴データを収集する特徴データ収集手段と、
   前記特徴データ収集手段が収集した前記特徴データを演算処理し、前記特徴データの傾向を表す特徴データ傾向値を求める特徴データ演算処理手段と、
   前記特徴データ傾向値に基づいて、前記単位モジュール登録手段によって登録された単位モジュールのうち１又は複数の単位モジュールの貢献度を算出する貢献度算出手段と、
   を備えることを特徴とする貢献度算出装置。
7. コンピュータを用いて、データを入力して学習及び／又は推論を行う人工知能モジュールを構成する単位モジュールの貢献度を算出する貢献度算出方法であって、
   当該貢献度算出方法が、
   学習機能及び／又は推論機能を担う１又は複数の学習推論モジュール、学習機能及び推論機能以外の演算処理機能を担う１又は複数の演算処理モジュールのうちいずれかを選択すること又は適宜組み合わせることで構成される単位モジュールを登録する単位モジュール登録ステップと、
   人工知能モジュール登録手段によって、前記単位モジュール登録ステップによって登録された単位モジュールを、１つ選択する又は複数接続することで構成される人工知能モジュールを登録する人工知能モジュール登録ステップと、
   特徴データ収集手段によって、前記人工知能モジュール登録ステップによって登録された異なる複数の人工知能モジュールのそれぞれから特徴データを収集する特徴データ収集ステップと、
   特徴データ演算処理手段によって、前記特徴データ収集ステップにおいて収集した前記特徴データを演算処理し、前記特徴データの傾向を表す特徴データ傾向値を求める特徴データ演算処理ステップと、
   貢献度算出手段によって、前記特徴データ傾向値に基づいて、前記単位モジュール登録ステップによって登録された単位モジュールのうち１又は複数の単位モジュールの貢献度を算出する貢献度算出ステップと、
   を備えることを特徴とする貢献度算出方法。
8. 請求項７に記載の貢献度算出方法を、コンピュータによって実行させるための貢献度算出プログラム。
9. 請求項８記載の貢献度算出プログラムを記憶する記憶媒体。