学习服务提供装置制造方法及图纸

提供使为了将新的能力追加至装置中的开发业务更有效率的机制。另外，提供即使是不具有关于机器学习的知识、系统的人也可将通过机器学习而已获得的新的能力简单地追加到自己的装置中的机制。请求接受部从请求人接受用于进行追加至对象装置中的能力的机器学习所需的信息作为学习请求信息。学习模拟器根据从所述请求人接受的所述学习请求信息来进行机器学习。能力赋予数据生成部根据由所述学习模拟器产生的学习结果来生成能力赋予数据，该能力赋予数据是将作为所述学习结果而已获得的新的能力追加至所述对象装置中的数据。服务提供部将所述能力赋予数据提供给所述请求人。

【技术实现步骤摘要】
【国外来华专利技术】学习服务提供装置相关申请的交叉参考本申请是基于在2016年3月14日申请的日本申请号2016-049236号而做出的，将其描述引用于此。
本专利技术涉及用于使利用了机器学习的开发业务更有效率的机制。
技术介绍
从前，关于人工智能和神经网络的研究已被广泛地进行。例如，基于图像的对象物识别技术不断进行改良而识别率正在逐渐提高上来。由于被称为深度学习的新的学习方式，在这几年中，识别率迅速地提高，在图像分类上已达到了超过人的识别率的水平。深度学习技术不仅能够应用于图像识别，还能够应用于声音识别、个人认证、行动预测、文章的摘要、自动翻译、监视、自动驾驶、故障预测、传感器数据的分析、乐曲的流派判定、内容生成、安全系统等广泛的领域。通过利用深度学习这种机器学习，机器无需人工干预即可获得新的能力。目前，深度学习等AI技术是特殊的技术，要将AI技术应用于特定领域，需要由具有特殊技术的人员进行研究和开发。例如，具有AI技术的人员针对每个顾客的请求而分析顾客的装置和要求来制作学习计划，构建训练系统，通过学习来生成新的神经网络，进行了用于将该神经网络嵌入客户的系统中的系统开发。在使用了深度学习等AI技术的学习中，大都需要大规模的数据，并且反复运算次数多，因此需要大规模的训练系统。在训练系统中，不仅是AI技术的实现，处理大规模数据的机制、并行化或运算程序的硬件化等都与现有的Web应用程序不同，使用了更复杂的系统。在现状下，大多情况是拥有AI技术的AI技术服务企业对不熟悉AI技术的顾客企业进行咨询和系统开发双方。作为与将新的能力安装到装置的方法关联的技术，在专利文献1、2中已经公开有一种重写打印机的固件的技术。另外，在专利文献3、4中，已经公开有与机器学习关联的技术，在专利文献5中已经公开有利用了深度学习的文字识别系统。现有技术文献专利文献专利文献1日本特开2009－134474号公报专利文献2日本特开2007－140952号公报专利文献3日本特开2014－228972号公报专利文献4日本专利第5816771号公报专利文献5日本特开2015－53008号公报预测，今后开发装置的企业想亲自开发嵌入有AI技术的产品这样的需求会提高。特别是在嵌入式设备中这种要求多。但是，机器学习(训练)需要高度的系统和能够维护该系统的人员。因此，一般厂商的技术员亲自实施机器学习并不容易。
技术实现思路
本专利技术鉴于上述实际情况而做出，其目的在于提供用于即使是不具有关于机器学习的知识和系统的人员也简单地将新能力追加到自己装置中的机制。为了达到上述中的至少任一个目的，本专利技术采用以下的构成。本专利技术的第一方面是一种学习服务提供装置，其特征在于，具有：请求接受部，从请求人接受用于进行追加至对象装置中的能力的机器学习所需的信息作为学习请求信息；学习模拟器，根据从所述请求人接受的所述学习请求信息而进行机器学习；能力赋予数据生成部，根据由所述学习模拟器产生的学习结果来生成能力赋予数据，该能力赋予数据是将作为所述学习结果而已获得的新能力追加至所述对象装置的数据；以及服务提供部，将所述能力赋予数据提供给所述请求人。对对象装置的开发者(请求人)来说，具有如下这样的优点。首先，如果利用该学习服务提供装置，则请求人本身就无需实施机器学习，所以能够使用于将新能力追加至对象装置的开发业务更有效率。另外，请求人只提供机器学习所需的信息即可，所以即使是不具有关于机器学习的知识和系统的人员，也容易利用学习服务提供装置。另外，学习结果以能力赋予数据(将新能力追加至对象装置的数据)的形式提供，所以请求人能够将通过机器学习而已获得的新能力简单地追加至自己的装置中。另一方面，对实施机器学习的人员(服务提供者)来说，具有如下这样的优点。由于为进行机器学习所需的信息由请求人提供，所以能够确保执行按照请求的机器学习。另外，能够使从请求人接受请求、实施机器学习等处理尽可能地自动化、省力化。并且将学习结果转换为能力赋予数据而提供给请求人，所以也能够对学习结果的提供和向对象装置的安装尽可能地自动化、省力化。所述对象装置可以具有用于将新能力嵌入所述对象装置的架构，所述模拟器可以进行所述机器学习以获得与所述对象装置具有的所述架构匹配的能力。通过对象装置预先具有这种架构，新能力的嵌入变容易。另外，学习模拟器实施机器学习以与对象装置的架构匹配，从而将作为机器学习的结果而已获得的能力嵌入对象装置变得容易。所述架构可以是通过能力获得模型来模型化的架构，而该能力获得模型包括：执行能力的能力部、作为所述能力部的输入接口的数据输入部以及作为所述能力部的输出接口的数据输出部，所述学习模拟器可以使用与所述对象装置的能力获得模型一致的能力获得模型来进行所述机器学习。通过像这样使对象装置与学习模拟器之间的能力获得模型一致，从而保证对象装置的能力部和学习模拟器的能力部能够执行同等的能力以及同等的数据被输入输出至各能力部。另外，能够容易实现在学习模拟器中已获得的能力向对象装置的嵌入。此时，能力赋予数据可以是将功能设定于对象装置的能力获得模型中的能力部、数据输入部以及数据输出部各个上的数据。所述学习接受部可以从所述请求人接受指定所述对象装置的能力获得模型的信息。所述学习模拟器可以在所述机器学习的过程中模拟所述对象装置的动作。此时，所述学习模拟器可以在所述机器学习的过程中使用将所述对象装置模型化而得的对象装置模型来模拟所述对象装置的动作。另外，所述学习模拟器可以在所述机器学习的过程中还使用将所述对象装置具有关系的对象模型化而得的对象模型来模拟所述对象装置的动作。通过使用对象装置模型和对象模型，即使没有对象装置的实机，也能够进行考虑了对象装置和对象的行为、影响等的机器学习。如果不需要对象装置的实机，则代行机器学习就变得极其容易实现。特别是在像生产设备这样大型的装置或正在运转的装置的情况下，在机器学习中利用实机并不现实。即使在那种事例中，也能利用本专利技术的学习服务，应用的自由度和便利性优异。所述学习接受部可以从所述请求人接受指定所述对象装置或所述对象装置模型的信息。另外，所述学习接受部可以从所述请求人接受指定所述对象或所述对象模型的信息。可以还具有训练信息数据库，该数据库预先存储按可接受请求的机器学习的每个种类描述了用于进行机器学习所需的信息的训练信息，所述请求接受部可以使所述请求人指定请求的机器学习的种类，使用对应于所述已指定的机器学习种类的所述训练信息来生成所述学习请求信息。根据该构成，装置开发者(请求人)能够对实施机器学习的人(服务提供者)简单地委托想追加至自己的装置中的能力的学习请求。另外，具有即使对服务提供者而言也能够无遗漏地取得用于进行机器学习所需的信息这样的优点。所述训练信息中的一部分项目可以是由参数定义的参数型项目，所述请求接受部可以要求由所述请求人对所述参数型项目输入信息。通过预先准备请求人可指定的参数，从而能够进行按照请求人的希望的机器学习。需要注意的是，具有当请求人必须输入的项目增加时请求程序变困难这样的缺点。因此，参数型项目可以限定于训练信息中的一部分项目。所述请求接受部可以对所述参数型项目向所述请求人提示多个选择项，使所述请求人从所述多个选择项中选择输入的信息。由此，能够减轻请求人的输入负担。所述服务提供部可以通过本文档来自技高网...

【技术保护点】
1.一种学习服务提供装置，其特征在于，包括：请求接受部，从请求人接受为了进行追加至对象装置中的能力的机器学习所需的信息作为学习请求信息；学习模拟器，根据从所述请求人接受的所述学习请求信息而进行机器学习；能力赋予数据生成部，根据基于所述学习模拟器的学习结果来生成能力赋予数据，所述能力赋予数据是将作为所述学习结果而获得的新的能力追加至所述对象装置的数据；以及服务提供部，将所述能力赋予数据提供给所述请求人。

【技术特征摘要】
【国外来华专利技术】2016.03.14 JP 2016-0492361.一种学习服务提供装置，其特征在于，包括：请求接受部，从请求人接受为了进行追加至对象装置中的能力的机器学习所需的信息作为学习请求信息；学习模拟器，根据从所述请求人接受的所述学习请求信息而进行机器学习；能力赋予数据生成部，根据基于所述学习模拟器的学习结果来生成能力赋予数据，所述能力赋予数据是将作为所述学习结果而获得的新的能力追加至所述对象装置的数据；以及服务提供部，将所述能力赋予数据提供给所述请求人。2.根据权利要求1所述的学习服务提供装置，其特征在于，所述对象装置具有用于将新的能力嵌入所述对象装置的架构，所述学习模拟器进行所述机器学习以获得与所述对象装置具有的所述架构匹配的能力。3.根据权利要求2所述的学习服务提供装置，其特征在于，所述架构是通过能力获得模型而模型化的架构，所述能力获得模型包括：执行能力的能力部；作为所述能力部的输入接口的数据输入部；以及作为所述能力部的输出接口的数据输出部，所述学习模拟器使用与所述对象装置的能力获得模型匹配的能力获得模型来进行所述机器学习。4.根据权利要求1至3中任一项所述的学习服务提供装置，其特征在于，所述学习模拟器在所述机器学习的过程中使用将所述对象装置模型化而得的对象装置模型来模拟所述对象装置的动作。5.根据权利要求4所述的学习服务提供装置，其特征在于，所述学习接受部从所述请求人接受指定所述对象装置或所述对象装置模型的信息。6.根据权利要求4或5任一项所述的学习服务提供装置，其特征在于，所述学习模拟器在所述机器学习的过程中还使用将所述对象装置具有关系的对象模型化而得的对象模型来模拟所述对象装置的动作。7.根据权利要求1至6中任一项所述的学习服务提供装置，其特征在于，所述学习服务提供装置还具有训练信息数据库，所述数据库预先存储按能接受请求的机器学习的每个种类描述了用于进行机器学习所需的信息的训练信息，所述请求接受部使所述请求人指定请求的机器学习的种类，使用对应于已指定的所述机器学习种类的所述训练信息来生成所述学习请求信息。8.根...

【专利技术属性】
技术研发人员：安藤丹一，
申请(专利权)人：欧姆龙株式会社，
类型：发明
国别省市：日本,JP