JP7471602B2 - 情報処理装置及び情報処理方法 - Google Patents

Description

特許法第３０条第２項適用 取引先に資料を用いて情報処理装置に関する内容を説明した。（資料配布日：令和２年８月２５日、令和２年１１月３日、令和２年１２月１日、令和２年１２月４日、令和２年１２月７日、令和２年１２月８日、令和２年１２月１８日）

本発明は、人工知能モデルを用いる情報処理装置及び情報処理方法に関する。

従来、学習データセットを用いて深層学習を実施することにより、所望の処理を実行する人工知能モデルを作成する技術が知られている（例えば、特許文献１を参照）。

特開２０２０－６１０８８号公報

従来の技術を用いて人工知能モデルを作成する場合、深層学習に使用される学習データセットが同等であると、同等の動作を行う人工知能モデルが作成される。この場合、人工知能モデルを利用するユーザが、同等の人工知能モデルを利用する他のユーザと差別化することが難しいという問題が生じていた。

そこで、本発明はこれらの点に鑑みてなされたものであり、人工知能モデルを利用するユーザにカスタマイズされた人工知能モデルを提供可能な情報処理装置及び情報処理方法を提供することを目的とする。

本発明の第１の態様の情報処理装置は、それぞれ処理内容が異なる複数の人工知能モデルから選択された複数の選択モデルを特定するための選択情報を取得する情報取得部と、前記選択情報に対応する前記複数の選択モデルを含む人工知能モデルセットを作成する作成部と、前記人工知能モデルセットを出力するデータ出力部と、を有する。

前記情報取得部は、前記複数の人工知能モデルそれぞれの特徴を示す特徴情報に関連付けて前記複数の人工知能モデルを外部装置に提示し、前記特徴情報を前記外部装置に提示した後に、前記外部装置から前記選択情報を取得してもよい。

前記情報取得部は、前記人工知能モデルセットの使用目的を前記外部装置からさらに取得し、前記使用目的に基づいて複数の人工知能モデル候補から選択した前記複数の人工知能モデルを前記外部装置に提示してもよい。

前記情報取得部は、前記複数の人工知能モデルを前記外部装置に提示する前に、前記使用目的の候補である複数の使用目的候補を前記外部装置に提示し、前記複数の使用目的候補から選択された一以上の前記使用目的を取得してもよい。

前記情報取得部は、前記人工知能モデルセットに含む一以上の前記人工知能モデルを変更する要求を前記外部装置から受け付けた場合に、前記複数の使用目的候補を前記外部装置に提示してもよい。

前記情報取得部は、信用リスクを特定する対象となる企業の業種、信用リスクを特定する対象となる企業の売上高の範囲、信用リスクを特定する対象となる企業の規模、又は信用リスクを特定する対象となる企業の所在地の範囲の少なくともいずれかが異なる複数の前記特徴情報に関連付けて前記複数の人工知能モデルを前記外部装置に提示してもよい。

前記情報取得部は、投資対象とする金融資産の種別、投資対象とする金融資産の売買条件又は投資の目的の少なくともいずれかが異なる複数の前記特徴情報に関連付けて前記複数の人工知能モデルを前記外部装置に提示してもよい。

前記作成部は、前記選択情報が示す前記複数の選択モデルに基づいて、前記人工知能モデルセットを利用する料金を決定してもよい。

前記作成部は、前記複数の選択モデルそれぞれの単価を加算することにより、前記人工知能モデルセットを利用する料金を決定してもよい。

本発明の第２の態様の情報処理方法は、コンピュータが実行する、それぞれ処理内容が異なる複数の人工知能モデルから選択された複数の選択モデルを特定するための選択情報を取得するステップと、前記選択情報に対応する前記複数の選択モデルを含む人工知能モデルセットを作成するステップと、前記人工知能モデルセットを出力するステップと、を有する。

本発明によれば、人工知能モデルを利用するユーザにカスタマイズされた人工知能モデルを提供できるという効果を奏する。

情報処理システムの構成を示す図である。 人工知能モデルと人工知能モデルセットとの関係を示す概念図である。 情報処理装置の構成を示す図である。 人工知能モデルの特徴を示す特徴テーブルの一例を示す図である。 使用目的を選択するための画面である。 使用目的が選択された後に顧客端末に表示される画面の一例である。 「業種」が選択された後に顧客端末に表示される画面の一例である。 情報処理装置が実行する処理の流れを示すフローチャートである。

［情報処理システムＳの概要］
図１は、情報処理システムＳの構成を示す図である。情報処理システムＳは、情報処理装置１と、複数の顧客端末２（顧客端末２－１～顧客端末２－ｎ、ｎは２以上の整数）とを備える。情報処理装置１及び複数の顧客端末２は、インターネット又は公衆通信網等のネットワークＮに接続されている。

情報処理装置１は、顧客のニーズに合わせてカスタマイズされた人工知能（ＡＩ）モデルセットを顧客に提供するための装置であり、例えばコンピュータである。情報処理装置１は、１台のコンピュータにより構成されていてもよく、複数のコンピュータにより構成されていてもよい。

人工知能モデルセットは、機械学習をすることにより、入力されたデータに基づいて出力データを出力するためのルール又は数式等が記述された複数の人工知能モデルから構成されている。情報処理装置１が、複数の人工知能モデルのそれぞれにデータを入力し、人工知能モデルのルール又は数式等に基づいて演算処理を実行することにより、情報処理装置１は、入力したデータに対応する複数の出力データを算出することができる。情報処理装置１は、顧客端末２から取得した複数の入力データを、それぞれの入力データの処理に適した人工知能モデルに入力することにより算出した一以上の出力データを顧客端末２に提供する。

情報処理装置１は、それぞれ機能が異なる多数の人工知能モデルを使用することができ、顧客端末２を使用する顧客からの要求に応じて多数の人工知能モデルから選択した一以上の人工知能モデルを含む人工知能モデルセットを構成する。情報処理装置１は、顧客端末２から入力データを受信した場合、顧客端末２の顧客に対応する人工知能モデルセットを使用して演算した結果を顧客端末２に提供する。

図２は、人工知能モデルと人工知能モデルセットとの関係を示す概念図である。図２においては、ＡＩモデルａ～ＡＩモデルｉが示されているが、情報処理装置１が有する人工知能モデルの数は任意である。ＡＩモデルセットαは、ＡＩモデルａ、ｄ、ｆを含んでおり、Ａ社用として使用される。ＡＩモデルセットβは、ＡＩモデルｂ、ｅ、ｆ、ｉを含んでおり、Ｂ社用として使用される。

複数の人工知能モデルは、機械学習の方法（例えば強化学習、教師あり学習等）、入力データの内容、又は出力データの内容の少なくともいずれかが異なっている。複数の人工知能モデルは、例えば機械学習の方法が異なることにより、同一のデータが入力されたとしても異なるデータを出力するように構成されている。

複数の人工知能モデルが、例えば入力データに基づいて企業の信用リスクの度合いを示すデータを出力するモデルである場合、複数の人工知能モデルは、信用リスクを特定する対象となる企業の業種、信用リスクを特定する対象となる企業の売上高の範囲、信用リスクを特定する対象となる企業の規模、又は信用リスクを特定する対象となる企業の所在地の範囲の少なくともいずれかがそれぞれ異なる処理に対応する。複数の人工知能モデルが、例えば入力データに基づいて金融資産への投資の支援をするためのデータを出力するモデルである場合、複数の人工知能モデルは、投資対象とする金融資産の種別、投資対象とする金融資産の売買条件又は投資の目的の少なくともいずれかが異なる処理に対応する。

人工知能モデルセットは、人工知能モデルセットを構成する複数の人工知能モデルの組み合わせにより特徴付けられる。図２に示す例の場合、ＡＩモデルセットαが、日用品を製造販売している中小企業の信用リスクを特定することを目的としている場合、ＡＩモデルセットαは、日用品を製造販売している企業の分析に適したＡＩモデルａ、及び中小企業の分析に適したＡＩモデルｄを含む。ＡＩモデルセットβが、通信サービスを提供している大企業の信用リスクを特定することを目的としている場合、ＡＩモデルセットβは、通信サービスを提供している企業の分析に適したＡＩモデルｂ、及び大企業の分析に適したＡＩモデルｅを含む。

人工知能モデルセットの使用目的は任意であり、人工知能が使用される各種の領域に適用することができる。人工知能モデルセットの使用目的は、例えば、企業の信用リスクの管理、設備の故障リスクの管理、若しくは人材トラブル発生リスクの管理等のリスク管理、又は金融資産への投資の管理、設備投資の管理、若しくは企業への投資の管理等の投資に関する管理である。

情報処理装置１は、複数の顧客端末２に対して、複数の人工知能モデルそれぞれの特徴を示す情報を提供し、人工知能モデルセットを使用しようとする顧客は、顧客端末２を介して、使用を希望する一以上の人工知能モデルを使用する選択情報を情報処理装置１に送信する。情報処理装置１は、選択情報を受信すると、選択情報を送信した顧客用の人工知能モデルセットを作成する。その後、情報処理装置１は、顧客端末２から入力データを受信すると、受信した入力データを顧客用の人工知能モデルセットに入力し、当該人工知能モデルセットから出力される出力データを顧客端末２に提供する。

以上のとおり、情報処理装置１は、人工知能モデルセットから出力されるデータの使用目的に応じて顧客に最適な人工知能モデルセットを提供できるように、複数の人工知能モデルから一以上の人工知能モデルセットを選択する。したがって、情報処理装置１によれば、人工知能モデルセットを使用する顧客が、自社にとって最適な人工知能モデルセットを使用することができるとともに、競合他社が同一の人工知能モデルセットを使用する確率を下げることができるので、競合他社との差別化を図りつつ、目的を達成するために人工知能モデルを有効活用することが可能になる。

［情報処理装置１の構成］
図３は、情報処理装置１の構成を示す図である。情報処理装置１は、通信部１１と、記憶部１２と、人工知能処理部１３と、制御部１４と、を有する。人工知能処理部１３は、人工知能モデル群１３１と、出力部１３２とを有する。制御部１４は、情報取得部１４１と、作成部１４２と、データ取得部１４３と、データ出力部１４４とを有する。情報処理装置１は、全ての構成を１台の装置内に有してもよく、複数の装置に分散して有してもよい。

通信部１１は、ネットワークＮを介して複数の顧客端末２との間でデータを送受信するための通信インターフェースを有する。通信部１１は、顧客端末２から受信した選択情報を情報取得部１４１に入力する。また、通信部１１は、顧客端末２から受信した入力データをデータ取得部１４３に入力する。さらに、通信部１１は、データ出力部１４４から入力された出力データを顧客端末２に送信する。

記憶部１２は、ＲＯＭ（Read Only Memory）、ＲＡＭ（Random Access Memory）及びハードディスク等の記憶媒体を含む。記憶部１２は、制御部１４が実行するプログラムを記憶する。また、記憶部１２は、顧客端末２を使用する顧客に関連付けて、顧客が選択した人工知能モデルを特定するための情報をはじめとする各種の情報を記憶する。

また、記憶部１２は、複数の人工知能モデルそれぞれに関連付けて、複数の人工知能モデルそれぞれの特徴を示す特徴情報を含む特徴テーブルを記憶する。特徴情報は、人工知能モデルセットを使用したいと考えている顧客が、自身が使用する一以上の人工知能モデルを選択できるために使用される。特徴情報は、例えば、人工知能モデルの用途を示す情報、人工知能モデルへの入力データとして使用されるデータの種別を示す情報、人工知能モデルが出力するデータの種別を示す情報、又は人工知能モデルがデータを出力する頻度を示す情報である。

図４は、人工知能モデルの特徴を示す特徴テーブルの一例を示す図である。特徴テーブルにおいては、人工知能モデル名と、それぞれの人工知能モデルの特徴とが関連付けられている。図４においては、人工知能モデルが分析を得意とする企業の特徴が示されているが、特徴の内容はこれに限らず任意である。

信用リスクを推定するために使用できる人工知能モデルの場合、特徴情報は、例えば信用リスクを特定する対象となる企業の業種、信用リスクを特定する対象となる企業の売上高の範囲、信用リスクを特定する対象となる企業の規模、又は信用リスクを特定する対象となる企業の所在地の範囲である。金融資産への投資を支援するために使用できる人工知能モデルの場合、特徴情報は、例えば投資対象とする金融資産の種別、投資対象とする金融資産の売買条件又は投資の目的である。

人工知能処理部１３は、人工知能モデルセットを使用した処理を実行する。図３に示す例において、情報処理装置１は、複数の顧客それぞれに対応する複数の人工知能処理部１３（人工知能処理部１３－１、１３－２、・・・）を有するが、情報処理装置１が有する人工知能処理部１３の数は任意である。人工知能処理部１３は、例えばプロセッサ及びメモリを有しており、複数の人工知能モデルそれぞれに対して定義されたルール又は数式等に基づく演算処理を実行する。

人工知能モデル群１３１は、作成部１４２から入力された選択情報に基づいて、メモリに記憶された複数の人工知能モデルのうち使用する一以上の人工知能モデルを選択する。人工知能モデル群１３１は、選択した一以上の人工知能モデルそれぞれが出力するデータを出力部１３２に入力する。図３においては、人工知能モデル群１３１が有する複数の人工知能モデルのうち、モデルＭ－ａとモデルＭ－ｄが使用され、モデルＭ－ｂとモデルＭ－ｃが使用されないという場合を示している。

出力部１３２は、人工知能モデル群１３１が処理を実行した結果を出力データとして出力する。出力部１３２は、一以上の人工知能モデルが出力した一以上のデータをそのまま出力してもよく、一以上のデータに基づく演算を実行して得られるデータを出力してもよい。出力部１３２が出力したデータはデータ出力部１４４に入力される。

制御部１４は、例えばＣＰＵ（Central Processing Unit）を有する。制御部１４は、記憶部１２に記憶されたプログラムを実行することにより、情報取得部１４１、作成部１４２、データ取得部１４３及びデータ出力部１４４として機能する。

情報取得部１４１は、通信部１１を介して、顧客端末２から各種の情報を取得する。情報取得部１４１は、例えば、通信部１１が顧客端末２から受信した選択情報を取得する。選択情報は、上述したように、それぞれ処理内容が異なる複数の人工知能モデルから顧客によって選択された複数の選択モデルを特定するための情報である。選択情報は、例えば、複数の選択モデルを識別するための識別情報であるモデルＩＤを含む情報である。情報取得部１４１は、取得した選択情報を作成部１４２に入力する。

情報取得部１４１は、例えば、特徴情報に関連付けて複数の人工知能モデルを外部装置の一例である顧客端末２に提示し、特徴情報を顧客端末２に提示した後に、顧客端末２から選択情報を取得する。情報取得部１４１がこのように特徴情報を顧客端末２に提示することで、顧客端末２を使用する顧客が人工知能モデルを選択しやすくなるが、情報取得部１４１は、特徴情報を顧客端末２に提示することなく選択情報を取得してもよい。

情報取得部１４１は、複数の人工知能モデルを顧客端末２に提示する前に、人工知能モデルセットの使用目的を顧客端末２からさらに取得し、使用目的に基づいて複数の人工知能モデル候補から選択した複数の人工知能モデルを顧客端末２に提示してもよい。情報取得部１４１は、例えば、複数の人工知能モデルを顧客端末２に提示する前に、使用目的の候補である複数の使用目的候補を顧客端末２に提示し、複数の使用目的候補から選択された一以上の使用目的を取得する。

情報取得部１４１は、人工知能モデルセットの使用目的が企業の信用リスクの調査である場合、信用リスクを特定する対象となる企業の業種、信用リスクを特定する対象となる企業の売上高の範囲、信用リスクを特定する対象となる企業の規模、又は信用リスクを特定する対象となる企業の所在地の範囲の少なくともいずれかが異なる複数の特徴情報に関連付けて複数の人工知能モデルを顧客端末２に提示する。

情報取得部１４１は、人工知能モデルセットの使用目的が金融資産への投資である場合、投資対象とする金融資産の種別、投資対象とする金融資産の売買条件又は投資の目的の少なくともいずれかが異なる複数の特徴情報に関連付けて複数の人工知能モデルを外部装置に提示する。情報取得部１４１が、このように使用目的に対応する特徴情報を提示することで、顧客が、使用目的に適した人工知能モデルを選択しやすくなる。

図５から図７は、顧客が人工知能モデルを選択できるようにするために情報取得部１４１が顧客端末２に提示する画面の一例を示す図である。図５は、使用目的を選択するための画面である。図５においては、情報処理装置１が提供できる人工知能モデルセットを用いて実現できること（すなわち使用目的）が複数示されている。顧客は、表示された複数の使用目的から所望の使用目的を選択して「決定」を押すことにより、使用目的を決定することができる。

図６は、使用目的が選択された後に顧客端末２に表示される画面の一例である。図６には、顧客が使用する人工知能モデルセットの特徴を決定するための複数の属性が示されており、顧客が属性を選択すると図７の画面に移行する。図６（ａ）は、図５に示した画面において使用目的として「会社の信用リスクを調査したい」が選択された場合に表示される画面であり、人工知能モデルの選択に関連する属性として「業種」、「売上高」、「規模」、「所在地」が示されている。図６（ｂ）は、図５に示した画面において使用目的として「金融資産に投資したい」が選択された場合に表示される画面であり、人工知能モデルの選択に関連する属性として「金融資産の種別」、「売買条件」、「投資の目的」、「許容リスク」が示されている。

図７は、図６（ａ）の画面において「業種」が選択された後に顧客端末２に表示される画面の一例である。図７においては、人工知能モデル名とともに、それぞれの人工知能モデルが適する複数の業種が示されている。複数の業種から一以上の業種が選択された後に「決定」が押されると、顧客端末２は、選択された業種を示す情報又は人工知能モデル名を選択情報の一つとして情報処理装置１に送信して、図６（ａ）の画面に戻る。顧客端末２は、このような処理を繰り返して、「業種」、「売上高」、「規模」、「所在地」等のそれぞれの属性において選択された人工知能モデルを示す選択情報を情報処理装置１に送信する。

図３に戻って、情報取得部１４１が選択情報を取得した後に動作する制御部１４の他の各部の構成及び動作を説明する。作成部１４２は、情報取得部１４１から通知された選択情報に対応する複数の選択モデルを含む人工知能モデルセットを作成する。作成部１４２は、例えば、顧客を識別するための顧客ＩＤに関連付けて人工知能処理部１３を構築する。図３に示す例において、作成部１４２は、人工知能モデルＭ－ａ及び人工知能モデルＭ－ｄを選択した顧客用に人工知能処理部１３－１を作成する。作成部１４２は、顧客が選択した人工知能モデル名を記憶部１２に記憶させることにより人工知能モデルセットを作成してもよい。

作成部１４２は、選択情報が示す複数の選択モデルに基づいて、人工知能モデルセットを利用するための料金を決定してもよい。作成部１４２は、例えば人工知能モデルセットを構成する複数の人工知能モデル（複数の選択モデル）それぞれの単価を加算することによって、人工知能モデルセットの料金を決定する。人工知能モデルの単価は、例えば人工知能モデルに入力されるデータの数、人工知能モデルが出力するデータの数、又は人工知能モデルを用いて情報処理装置１が処理を実行するために要する時間に基づいて決定されている。

データ取得部１４３は、作成部１４２が人工知能モデルセットを作成した後に、当該人工知能モデルセットに入力する複数の入力データを取得し、取得した複数の入力データを人工知能モデルセットに入力する。データ取得部１４３は、例えば顧客端末２から入力データを取得するが、顧客が使用する他の端末から入力データを取得してもよい。

データ取得部１４３は、複数の人工知能処理部１３のうち、取得した複数の入力データを送信した顧客端末２を使用する顧客に対応する人工知能処理部１３が有する人工知能モデル群１３１に入力データを入力する。データ取得部１４３は、例えば、複数の人工知能モデルセットのうち、取得した複数の入力データを送信した顧客端末２を使用する顧客に対応する人工知能モデルセットに複数の入力データを入力する。この際、データ取得部１４３は、取得した複数の入力データから、複数の選択モデルそれぞれが使用する一以上の入力データを選択し、選択した一以上の入力データを複数の選択モデルそれぞれに入力する。

具体的には、入力データには、入力データの種別を示す種別情報が含まれており、データ取得部１４３は、種別情報に基づいて入力データの種別を特定し、種別に関連付けて記憶部１２に記憶されている人工知能モデルに入力データを入力する。入力データの種別は、売上データ、従業員数データ又は住所データ等のように、データの性質の違いにより表される。データ取得部１４３は、例えば売上データを使用する人工知能モデルに売上データを入力し、従業員数データを使用する人工知能モデルに従業員数データを入力する。このように、入力データの種別に応じて、入力データを入力する人工知能モデルをデータ取得部１４３が自動的に選択することで、人工知能モデルセットを使用する顧客が人工知能モデルごとに区別して入力データを作成する必要がない。

データ出力部１４４は、入力データが入力された人工知能モデルセットが出力する出力データを出力する。具体的には、データ出力部１４４は、通信部１１を介して、出力部１３２から入力されたデータを出力データとして顧客端末２に送信する。顧客端末２は、受信した出力データを表示する。

顧客端末２を使用する顧客は、表示された出力データを見た後に、出力データの内容に満足できないという場合、選択した人工知能モデルを変更してもよい。情報取得部１４１は、人工知能モデルセットに含む一以上の人工知能モデルを変更する要求を顧客端末２から受けた場合、図６及び図７に示した画面を顧客端末２に表示させて新たな選択情報を取得し、作成部１４２が、新たに選択された人工知能モデルから構成される人工知能モデルセットを作成する。顧客は、このような処理を繰り返すことにより、所望の人工知能モデルセットを完成させることができる。

図８は、情報処理装置１が実行する処理の流れを示すフローチャートである。図８は、人工知能モデルセットを使用したいと考えている顧客が、顧客端末２において、人工知能モデルセットを作成するための操作をした時点から開始している。

まず、情報取得部１４１は、図５に示したように、使用目的の候補を顧客端末２に提示する（Ｓ１１）。情報取得部１４１は、顧客端末２において顧客が選択した使用目的を示す情報を取得する（Ｓ１２）。続いて、情報取得部１４１は、図６及び図７に示したように、使用目的に基づいて選択した複数の人工知能モデル名をそれぞれの特徴とともに顧客端末２に提示する（Ｓ１３）。情報取得部１４１は、顧客が選択した人工知能モデルを示す選択情報を取得する（Ｓ１４）。

続いて、作成部１４２は、情報取得部１４１が取得した選択情報に基づいて人工知能モデルセットを作成する（Ｓ１５）。そして、作成部１４２は、顧客ＩＤに関連付けて、顧客の人工知能モデルセットを構成する一以上の人工知能モデル名を記憶部１２に記憶させる（Ｓ１６）。

人工知能モデルセットが作成された後、データ取得部１４３は、顧客から入力データを取得し（Ｓ１７）、取得した入力データを人工知能処理部１３に入力する（Ｓ１８）。データ出力部１４４は、人工知能処理部１３が出力する出力データを顧客が確認できるように出力する（Ｓ１９）。

その後、人工知能モデルセットを変更するためのモデル変更指示を情報取得部１４１が顧客端末２から取得した場合、情報処理装置１はＳ１３以降の処理を再度実行することにより、人工知能モデルセットを更新する。

［人工知能モデルのバージョンアップ（更新）］
情報処理装置１は、任意のタイミングで人工知能モデルを更新してもよい。情報処理装置１が人工知能モデルを更新することにより、更新された人工知能モデルが含まれる人工知能モデルセットも連動して更新される。このように、人工知能モデルセットが複数の人工知能モデルにより構成されることで、人工知能モデルセットの一部を更新する必要がある場合に、人工知能モデルセットそれぞれを更新することなく、更新する対象となる人工知能モデルを更新すればよい。したがって、人工知能モデルセットのバージョンアップに要するコストを抑制することができる。

なお、顧客によっては、人工知能モデルのバージョンアップを望まないという場合もある。そこで、情報処理装置１（例えば情報取得部１４１）は、人工知能モデルを更新した場合に、更新した人工知能モデルを含む人工知能モデルセットを使用している顧客に対して、更新した人工知能モデル名と更新内容を通知し、人工知能モデルセットの更新を実行する指示を受け付けてもよい。情報処理装置１は、更新した複数の人工知能モデルのうち、一部の人工知能モデルを更新するという指示を受け付けてもよい。情報処理装置１がこのように動作することで、顧客が必要性を判断した上で人工知能モデルを更新することができる。

［情報処理装置１による効果］
以上説明したように、情報処理装置１は、それぞれ処理内容が異なる複数の人工知能モデルから選択された複数の選択モデルを特定するための選択情報を取得する情報取得部１４１と、選択情報に対応する複数の選択モデルを含む人工知能モデルセットを作成する作成部１４２と、を有する。情報処理装置１がこのように構成されていることで、人工知能モデルセットを使用して各種の分析を行いたいと考える顧客が、自身のニーズに基づいてカスタマイズした人工知能モデルセットを使用することが可能になる。

人工知能モデルセットを構成する人工知能モデルが属性ごとに多数用意されている場合、情報処理装置１は非常に多くの種類の人工知能モデルセットを作成することができる。例えば、５つの属性それぞれに対して１０種類の人工知能モデルがある場合、情報処理装置１は、１０００００パターンの人工知能モデルセットを作成することができる。したがって、ある顧客用の人工知能モデルセットが、他の顧客用の人工知能モデルセットと一致する確率が低く、顧客は、人工知能モデルの選択の仕方によって、競合他社との差別化を図ることが可能になる。

また、従来、カスタマイズした人工知能モデルを作成する場合、ＰＯＣ（Proof of Concept）を実施して所望の人工知能モデルが完成するのかを確認し、次に当該人工知能モデルが実環境での使用に耐えられるかを確認するために既存システムと並行稼働させる実証実験を行う必要があった。このＰＯＣ及び実証実験を実行するためには長期間と高いコストを要するという問題があった。

これに対して、情報処理装置１を使用する場合には、顧客別にそれぞれ異なる人工知能モデルセットを提供するために顧客別に新規の人工知能モデルを作成する必要がない。したがって、人工知能モデルを作成したり更新したりする際に実施するべきＰＯＣの時間を大幅に短縮することができるので、情報処理装置１は、人工知能モデルを使用するためのコストを抑制することができる。

なお、以上の説明においては、情報処理装置１が、作成した人工知能モデルセットを外部に出力しないで、人工知能モデルセットから出力されたデータを外部に出力するという場合を例示したが、情報処理装置１は、作成した人工知能モデルセットとして機能するプログラムを外部に出力してもよい。情報処理装置１のデータ出力部１４４は、通信部１１を介して、作成部１４２が作成した人工知能モデルセットを外部に出力する。これにより、顧客は、自身が使用するコンピュータに人工知能モデルセットとして機能するプログラムを実行させることにより、人工知能モデルを利用することが可能になる。

以上、本発明を実施の形態を用いて説明したが、本発明の技術的範囲は上記実施の形態に記載の範囲には限定されず、その要旨の範囲内で種々の変形及び変更が可能である。例えば、装置の全部又は一部は、任意の単位で機能的又は物理的に分散・統合して構成することができる。また、複数の実施の形態の任意の組み合わせによって生じる新たな実施の形態も、本発明の実施の形態に含まれる。組み合わせによって生じる新たな実施の形態の効果は、もとの実施の形態の効果を併せ持つ。

１ 情報処理装置
２ 顧客端末
１１ 通信部
１２ 記憶部
１３ 人工知能処理部
１４ 制御部
１３１ 人工知能モデル群
１３２ 出力部
１４１ 情報取得部
１４２ 作成部
１４３ データ取得部
１４４ データ出力部

Claims (9)

1. それぞれ処理内容が異なる複数の人工知能モデルから選択された複数の選択モデルを特定するための選択情報を取得する情報取得部と、
   前記選択情報に対応する前記複数の選択モデルを含む人工知能モデルセットを作成する作成部と、
   前記人工知能モデルセットを出力するデータ出力部と、
   を有し、
   前記情報取得部は、前記データ出力部が前記人工知能モデルセットを出力した後に、前記人工知能モデルセットに含む一以上の前記人工知能モデルを変更する要求を外部装置から受け付けた場合に、前記人工知能モデルセットの使用目的の候補である複数の使用目的候補を前記外部装置に提示し、前記複数の使用目的候補から選択された一以上の前記使用目的を取得し、取得した前記使用目的に基づいて前記複数の人工知能モデルから選択した一以上の人工知能モデルを前記外部装置に提示する、
   情報処理装置。
2. 前記情報取得部が、前記一以上の人工知能モデルを前記外部装置に提示した後に、前記外部装置のユーザが選択した人工知能モデルを示す新たな選択情報を取得した場合に、前記作成部は、新たに選択された人工知能モデルから構成される新たな前記人工知能モデルセットを作成する、
   請求項１に記載の情報処理装置。
3. 前記情報取得部は、前記複数の人工知能モデルそれぞれの特徴を示す特徴情報に関連付けて前記複数の人工知能モデルを外部装置に提示し、前記特徴情報を前記外部装置に提示した後に、前記外部装置から前記選択情報を取得する、
   請求項１又は２に記載の情報処理装置。
4. 前記情報取得部は、信用リスクを特定する対象となる企業の業種、信用リスクを特定する対象となる企業の売上高の範囲、信用リスクを特定する対象となる企業の規模、又は信用リスクを特定する対象となる企業の所在地の範囲の少なくともいずれかが異なる複数の前記特徴情報に関連付けて前記複数の人工知能モデルを前記外部装置に提示する、
   請求項３に記載の情報処理装置。
5. 前記情報取得部は、投資対象とする金融資産の種別、投資対象とする金融資産の売買条件又は投資の目的の少なくともいずれかが異なる複数の前記特徴情報に関連付けて前記複数の人工知能モデルを前記外部装置に提示する、
   請求項３又は４に記載の情報処理装置。
6. 前記作成部は、前記選択情報が示す前記複数の選択モデルに基づいて、前記人工知能モデルセットを利用する料金を決定する、
   請求項１から５のいずれか一項に記載の情報処理装置。
7. 前記作成部は、前記複数の選択モデルそれぞれの単価を加算することにより、前記人工知能モデルセットを利用する料金を決定する、
   請求項６に記載の情報処理装置。
8. コンピュータが実行する、
   それぞれ処理内容が異なる複数の人工知能モデルから選択された複数の選択モデルを特定するための選択情報を取得するステップと、
   前記選択情報に対応する前記複数の選択モデルを含む人工知能モデルセットを作成するステップと、
   前記人工知能モデルセットを出力するステップと、
   前記人工知能モデルセットを出力した後に、前記人工知能モデルセットに含む一以上の前記人工知能モデルを変更する要求を外部装置から受け付けた場合に、前記人工知能モデルセットの使用目的の候補である複数の使用目的候補を前記外部装置に提示するステップと、
   前記複数の使用目的候補から選択された一以上の前記使用目的を取得するステップと、
   取得した前記使用目的に基づいて前記複数の人工知能モデルから選択した一以上の人工知能モデルを前記外部装置に提示するステップと、
   を有する情報処理方法。
9. 前記一以上の人工知能モデルを前記外部装置に提示した後に、前記外部装置のユーザが選択した人工知能モデルを示す新たな選択情報を取得した場合に、新たに選択された人工知能モデルから構成される新たな前記人工知能モデルセットを作成するステップをさらに有する、
   請求項８に記載の情報処理方法。

Images