识别信息分配系统、识别信息分配方法及其程序技术方案

为了提供对于作为执行机器学习的学习过程的结果而获取的能力来识别执行什么种类的学习并适当管理关系的技术，一种识别信息分配系统包括：生成部，该生成部被配置为对于通过机器学习的预定学习过程得到预定能力而获得的学习结果，生成用于识别预定学习过程的识别信息；和分配部，该分配部被配置为向学习结果分配所生成的识别信息。

Identification Information Distribution System, Identification Information Distribution Method and Procedure

In order to provide a technique for identifying what kind of learning is performed and managing relationships appropriately as a result of the learning process of executing machine learning, an identification information allocation system includes a generation unit configured to generate learning results obtained by obtaining predetermined capabilities through the predetermined learning process of machine learning and to generate learning results for identifying predetermined learning. The identification information of the process; and the allocation unit, which is configured to allocate the generated identification information to the learning results.

【技术实现步骤摘要】
【国外来华专利技术】识别信息分配系统、识别信息分配方法及其程序
本专利技术涉及识别信息分配系统、识别信息分配方法及其程序。
技术介绍
传统上，广泛执行与诸如神经网络这样的人工智能技术(下文中，被称为“AI技术”)有关的研究(例如，参见专利文献1)。具体地，随着被称为深度学习的AI技术的兴起，例如，基于图像识别目标的技术的识别速率近来快速变得更高，并且在分类图像方面的识别速率即将达到超过人类的识别速率的水平。深度学习技术被预期为不仅应用于图像识别，还应用于各种其他领域，诸如语音识别、个人认证、行为预测、概要写作、机器翻译、采购预测、推荐、金融衍生品、监测、自主驾驶、故障预测、传感器数据分析、音乐类型确定、内容生成、以及安全系统。引用列表专利文献PTL1：日本专利No.5816771
技术实现思路
技术问题在诸如深度学习这样的机器学习中，机器可以通过执行学习来获取预定能力。作为学习的结果获取的能力可以例如通过在将该能力转换成如与学习后的神经网络结构有关的信息和参数的数据，经由存储介质或通信装置而由另一个设备使用。然而，如果执行学习的学习设备与使用作为学习的结果获取的能力的设备不同，则学习结果的用户无法看到使用什么种类的学习数据，且执行什么种类的学习来获取学习结果。如果各种类型的机器学习变得在具有AI技术的将来拓宽使用的各种位置中执行，则将更难以看到机器学习与学习结果之间的关系。本专利技术的目的是提供一种如下技术，其用于对于作为由机器学习执行学习的结果获取的各能力识别执行什么种类的学习并适当管理关系。技术方案本专利技术的方面致力于一种识别信息分配系统，该识别信息分配系统包括：生成部，该生成部被配置为对于通过机器学习的预定学习过程得到预定能力而获得的学习结果，生成用于识别预定学习过程的识别信息；和分配部，该分配部被配置为向学习结果分配所生成的识别信息。凭借该配置，使用识别信息，对于特定学习结果识别被执行的学习过程。因此，可以对于各所获取的能力识别执行什么种类的学习，并且可以适当管理关系。此外，可行的是生成部被配置为：对于通过执行第一学习过程得到第一能力而获得的第一学习结果，生成用于在特定识别范围内识别第一学习过程的第一识别信息，并且对于通过执行第二学习过程得到第二能力而获得的第二学习结果，生成第二识别信息，该第二识别信息用于以在特定识别范围内区分开第一学习过程和第二学习过程的方式识别第二学习过程。凭借该方面，识别信息被分配给学习结果，使得识别在预定识别范围内是可行的。因此，识别不必在预定范围之外，由此，可以减小识别信息的信息量。此外，可行的是生成部被配置为，基于在当执行第一学习和第二学习时给出的条件当中的、在特定识别范围内对学习结果具有影响的因素，来生成识别信息。凭借该方面，从识别信息排除与对学习结果没有影响的条件有关的信息，由此，可以在不降低识别对于所获取能力执行什么种类的学习的质量的情况下，减小识别信息的信息量。此外，可行的是可由识别信息识别的学习信息包括从以下选择的至少一个因素：学习设备、学习程序、学习数据、学习的次数、学习的时间、学习的对象、学习的方法、学习请求者、学习数据的获取源、以及学习数据的获取方法。此外，可行的是识别信息分配系统还包括被配置为执行机器学习的学习设备。可行的是学习设备被配置为根据执行待添加至对象设备的能力的学习是必要的学习请求信息来执行机器学习。此外，可行的是识别信息分配系统还包括影响确定部，该影响确定部被配置为基于学习请求信息，从可以应用于由学习设备执行的学习过程的所有条件中，提取对学习过程的学习结果具有影响的那些条件。凭借该方面，影响确定部可以从可以应用于由学习设备执行的学习过程的所有条件中，提取对学习结果具有影响的那些条件。因此，生成部可以从识别信息排除与对学习结果没有影响的条件有关的信息，由此，可以减小识别信息的信息量。此外，可行的是生成部被配置为通过加密、压缩或列出数据序列来生成识别信息，该数据序列列举出对学习结果具有影响的条件。凭借该方面，不具有用于解密识别信息的装置的人无法从识别信息看到对学习结果有影响的条件。因此，识别信息分配系统可以具有更高水平的安全性。此外，本专利技术的方面致力于一种识别信息分配方法，该识别信息分配方法用于使得计算机执行以下步骤：对于通过机器学习的预定学习过程得到预定能力而获得的学习结果，生成用于识别预定学习过程的识别信息；以及向学习结果分配所生成的识别信息。本专利技术的方面致力于一种程序，该程序用于使得计算机起以下装置的作用：如下装置，该装置用于对于通过机器学习的预定学习过程得到预定能力而获得的学习结果，生成用于识别预定学习过程的识别信息；和如下装置，该装置用于向学习结果分配所生成的识别信息。本专利技术的有益效果根据本专利技术，可以提供一种如下技术，其对于作为由机器学习执行学习的结果获取的各能力识别执行什么种类的学习并适当管理关系。附图说明图1是示意性示出了该实施方式中的、提供学习服务的整个系统的图。图2是概念地示出了该实施方式中的学习服务的流程的图。图3是示出了学习数据准备设备的构造的示例的框图。图4是示出了学习请求设备的构造的示例的框图。图5是示出了学习结果使用设备的构造的示例的框图。图6是示出了学习数据库的构造的示例的框图。图7A是示出了基本因素的示例的表。图7B是示出了影响因素的示例的图。图8是示出了学习请求接受设备的构造的示例的框图。图9是示出了学习设备的构造的示例的框图。图10是示出了学习管理设备的构造的示例的框图。图11是示出了识别范围列表的示例的图。图12是示出了学习请求系统的处理的示例的流程图。图13是示出了学习服务分配系统的处理的示例的流程图。具体实施方式下文中，将参照附图详细描述本专利技术的实施方式。注意，相同的构成元素由相同的附图标记来表示，并且可以不重复其描述。以下实施方式仅为了说明而例示，并且不旨在将本专利技术限于此。可以在不偏离本专利技术的主旨的情况下进行各种修改。1.系统概述下文中，将参照图1和图2描述该实施方式中的系统的概述。图1是示意性示出了整个系统的图。该系统包括经由诸如因特网这样的网络N连接到彼此的学习服务分配系统1和学习请求系统2。该系统的构造不限于附图所示的构造，并且例如，学习服务分配系统1和学习请求系统2可以一体形成。如图1所示，学习服务分配系统1包括经由局部网络连接到彼此的学习数据库11、学习请求接受设备12、一个或多个学习设备13、以及学习管理设备14。学习请求系统2包括：经由局部网络连接到彼此的学习数据准备设备21、学习请求设备22、以及一个或多个学习结果使用设备23。学习数据准备设备21和学习结果使用设备23分别连接到学习数据输入设备24。下面，将假定在学习服务分配系统1和学习请求系统2中包括的设备由诸如PC(个人计算机)或服务器设备这样的计算机来构造给出描述，但不限于此，例如，设备可以由使用处理器的任意嵌入式设备来实现。在设备中实施的功能不限于由软件实现的构造。在设备中包含的任意功能可以具有由硬件实现的构造。例如，稍后描述的神经网络132和233可以由电子电路(诸如定制LSI(大规模集成)或FPGA(现场可编程门阵列))来构造。此外，设备的一部分可以具有由使用物理密匙的识别装置、诸如DNA这样的生物化学方法、或诸如全息图这样的光学方法来本文档来自技高网...

【技术保护点】
1.一种识别信息分配系统(14)，该识别信息分配系统(14)包括：生成部(146)，该生成部(146)被配置为对于通过机器学习的预定学习过程得到预定能力而获得的学习结果，生成用于识别所述预定学习过程的识别信息；以及分配部(142)，该分配部(142)被配置为向所述学习结果分配所生成的识别信息。

【技术特征摘要】
【国外来华专利技术】2016.10.12 JP 2016-2012011.一种识别信息分配系统(14)，该识别信息分配系统(14)包括：生成部(146)，该生成部(146)被配置为对于通过机器学习的预定学习过程得到预定能力而获得的学习结果，生成用于识别所述预定学习过程的识别信息；以及分配部(142)，该分配部(142)被配置为向所述学习结果分配所生成的识别信息。2.根据权利要求1所述的识别信息分配系统(14)，其中，所述生成部(146)被配置为：对于通过执行第一学习过程得到第一能力而获得的第一学习结果，生成用于在特定识别范围内识别所述第一学习过程的第一识别信息，以及对于通过执行第二学习过程得到第二能力而获得的第二学习结果，生成第二识别信息，该第二识别信息用于在特定识别范围内以区分开所述第一学习过程和所述第二学习过程的方式识别第二学习过程。3.根据权利要求2所述的识别信息分配系统(14)，其中，所述生成部(146)被配置为，基于在执行第一学习和第二学习时给出的条件当中的、在所述特定识别范围内对学习结果具有影响的因素，来生成所述识别信息。4.根据权利要求1至3中任意一项所述的识别信息分配系统(14)，其中，能够由所述识别信息识别的学习信息包括从以下中选择的至少一个因素：从学习设备、学习程序、学习数据、学习的次数、学习的时间、学习的对象、学习的方法、学习请求者、学习数据的获取源、以...

【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