信息处理设备和非暂时性计算机可读介质制造技术

信息处理设备和非暂时性计算机可读介质。一种信息处理设备包括：接收单元，其接收学习数据；以及改变单元，其根据附加到学习数据并且指示是否允许人工智能对学习数据进行学习的信息来改变人工智能的学习处理。

【技术实现步骤摘要】
信息处理设备和非暂时性计算机可读介质
本公开涉及一种信息处理设备和一种非暂时性计算机可读介质。
技术介绍
通常，人工智能对学习数据进行学习。日本待审专利申请公开No.2010-223824描述了一种用于防止重复学习错误的新道路的设备。
技术实现思路
有时，某些学习数据不希望被人工智能学习。因此，本公开的目的是防止人工智能学习不希望被人工智能学习的学习数据。根据本公开的第一方面，提供了一种信息处理设备，其包括：接收单元，其接收学习数据；以及改变单元，其根据附加到学习数据并且指示是否允许人工智能对学习数据进行学习的信息来改变人工智能的学习处理。根据本公开的第二方面，根据本公开的第一方面的信息处理设备被配置为使得在信息指示不允许人工智能对学习数据进行学习的情况下，改变单元禁止人工智能对学习数据进行学习。根据本公开的第三方面，根据本公开的第二方面的信息处理设备被配置为使得在信息指示不允许人工智能对学习数据进行学习的情况下，改变单元在使用学习数据进行学习的目的满足标准的情况下允许人工智能对学习数据进行学习。根据本公开的第四方面，根据本公开的第二方面或第三方面的信息处理设备被配置为还包括输出单元，其在信息指示不允许人工智能对学习数据进行学习并且学习数据未经允许而将要改变的情况下输出警告。根据本公开的第五方面，根据本公开的第二方面或第三方面的信息处理设备被配置为还包括删除单元，其在信息指示不允许人工智能对学习数据进行学习并且学习数据未经允许而将要改变的情况下删除学习数据。根据本公开的第六方面，根据本公开的第一方面的信息处理设备被配置为使得在信息指示允许人工智能对学习数据进行学习的情况下，改变单元允许人工智能对学习数据进行学习。根据本公开的第七方面，根据本公开的第六方面的信息处理设备被配置为使得信息还包括指示允许人工智能对学习数据进行学习的时间段的信息。根据本公开的第八方面，根据本公开的第六方面的信息处理设备被配置为使得信息还包括指示对学习数据进行学习的次数的限制的信息。根据本公开的第九方面，根据本公开的第一方面至第八方面中的任一方面的信息处理设备被配置为使得信息还包括根据学习数据的用途指示是否允许人工智能对学习数据进行学习的信息。根据本公开的第十方面，根据本公开的第一至第九方面中的任一方面的信息处理设备被配置为使得信息还包括根据人工智能的系统指示是否允许人工智能对学习数据进行学习的信息。根据本公开的第十一方面，根据本公开的第一方面至第十方面中的任一方面的信息处理设备被配置为使得信息包括针对人工智能的每个使用领域指示是否允许人工智能对学习数据进行学习的信息。根据本公开的第十二方面，提供了一种信息处理设备，其包括：接收单元，其接收学习数据；以及禁止单元，其在学习数据附加有指示禁止人工智能对学习数据进行学习的信息的情况下禁止人工智能对学习数据进行学习。根据本公开的第十三方面，提供了一种信息处理设备，其包括：接收单元，其接收学习数据；以及允许单元，其在学习数据附加有指示允许人工智能对学习数据进行学习的信息的情况下允许人工智能对学习数据进行学习。根据本公开的第十四方面，提供了一种信息处理设备，其包括：附加单元，其将指示是否允许将内容数据用作人工智能的学习数据的信息附加到内容数据。根据本公开的第十五方面，提供了一种非暂时性计算机可读介质，其存储使计算机执行用于图像处理的处理的程序，该处理包括：接收学习数据；以及根据附加到学习数据并且指示是否允许人工智能对学习数据进行学习的信息来改变人工智能的学习处理。根据本公开的第十六方面，提供了一种非暂时性计算机可读介质，其存储使计算机执行用于图像处理的处理的程序，该处理包括将指示是否允许将内容数据用作人工智能的学习数据的信息附加到内容数据。根据本公开的第一方面、第二方面和第十二方面至第十六方面，可以防止人工智能学习不希望被人工智能学习的学习数据。根据本公开的第三方面，即使在不允许人工智能对学习数据进行学习的情况下，也允许人工智能在学习目的满足标准的情况下对学习数据进行学习。根据本公开的第四方面，可以向用户等通知学习数据未经允许而将要改变。根据本公开的第五方面，在学习数据未经允许而将要改变的情况下，可以防止改变。根据本公开的第六方面，允许人工智能对学习数据进行学习。根据本公开的第七方面，仅在允许学习的时间段内允许人工智能对学习数据进行学习。根据本公开的第八方面，允许人工智能仅对学习数据进行有限次数的学习。根据本公开的第九方面，根据学习数据的用途允许人工智能对学习数据进行学习。根据本公开的第十方面，根据人工智能的系统允许人工智能对学习数据进行学习。根据本公开的第十一方面，根据人工智能的使用领域允许人工智能对学习数据进行学习。附图说明将基于以下附图详细描述本公开的示例性实施方式，其中：图1是示出根据第一示例性实施方式的信息处理设备的配置的框图；图2示出了根据第一示例性实施方式的学习数据；图3示出了根据第一示例性实施方式的内容数据；图4是示出根据第二示例性实施方式的信息处理设备的配置的框图；图5示出了根据第二示例性实施方式的学习数据；图6示出了根据第二示例性实施方式的学习数据；图7示出了根据第二示例性实施方式的学习数据；图8示出了确定结果的数据库；图9示出了根据第二示例性实施方式的第一变型的学习数据；图10示出了根据第二示例性实施方式的第一变型的学习数据；图11示出了根据第二示例性实施方式的第一变型的学习数据；图12示出了确定结果的数据库；图13示出了根据第二示例性实施方式的第二变型的学习数据；以及图14示出了根据第二示例性实施方式的第二变型的学习数据。具体实施方式第一示例性实施方式参照图1描述根据本公开的第一示例性实施方式的信息处理设备。图1示出了根据第一示例性实施方式的信息处理设备的示例。根据第一示例性实施方式的信息处理设备10被配置为接收学习数据，并根据附加到学习数据且指示是否允许人工智能(即，AI)对学习数据进行学习的信息来改变人工智能的学习处理。信息处理设备10例如是个人计算机(以下称为“PC”)、平板PC、智能电话、移动电话或任何其它类型的设备(例如，具有诸如打印功能之类的功能的多功能打印机)。毋庸赘言，信息处理设备10可以是除这些设备以外的设备。用于人工智能的算法不受特别限制，并且可以是任何算法。该算法例如是机器学习。机器学习可以是监督式学习，或者可以是非监督式学习，或者可以是强化学习。具体来说，可以使用深度学习(例如，多层感知器、卷积神经网络、递归神经网络、自动编码器、受限玻尔兹曼机)、感知器、反向传播、关联器、支持向量机、决策树、k-最邻近算法、线性回归、自组织图、玻尔兹曼机、主成分分析、聚类分析或本文档来自技高网...

【技术保护点】
1.一种信息处理设备，所述信息处理设备包括：/n接收单元，所述接收单元接收学习数据；以及/n改变单元，所述改变单元根据附加到所述学习数据并且指示是否允许人工智能对所述学习数据进行学习的信息来改变人工智能的学习处理。/n

【技术特征摘要】
20190604 JP 2019-1041551.一种信息处理设备，所述信息处理设备包括：
接收单元，所述接收单元接收学习数据；以及
改变单元，所述改变单元根据附加到所述学习数据并且指示是否允许人工智能对所述学习数据进行学习的信息来改变人工智能的学习处理。


2.根据权利要求1所述的信息处理设备，其中，
在所述信息指示不允许所述人工智能对所述学习数据进行学习的情况下，所述改变单元禁止所述人工智能对所述学习数据进行学习。


3.根据权利要求2所述的信息处理设备，其中，
在所述信息指示不允许所述人工智能对所述学习数据进行学习的情况下，所述改变单元在使用所述学习数据进行学习的目的满足标准的情况下允许所述人工智能对所述学习数据进行学习。


4.根据权利要求2或3所述的信息处理设备，所述信息处理设备还包括输出单元，所述输出单元在所述信息指示不允许所述人工智能对所述学习数据进行学习并且所述学习数据未经允许而将要改变的情况下输出警告。


5.根据权利要求2或3所述的信息处理设备，所述信息处理设备还包括删除单元，所述删除单元在所述信息指示不允许所述人工智能对所述学习数据进行学习并且所述学习数据未经允许而将要改变的情况下删除所述学习数据。


6.根据权利要求1所述的信息处理设备，其中，
在所述信息指示允许所述人工智能对所述学习数据进行学习的情况下，所述改变单元允许所述人工智能对所述学习数据进行学习。


7.根据权利要求6所述的信息处理设备，其中，
所述信息还包括指示允许所述人工智能对所述学习数据进行学习的时间段的信息。


8.根据权利要求6所述的信息处理设备，其中，
所述信息还包括指示对所述学习数据进行学习的次数的限制的信息。


9.根...

【专利技术属性】
技术研发人员：得地贤吾，
申请(专利权)人：富士施乐株式会社，
类型：发明
国别省市：日本;JP