[發明專利]能力賦予數據生成裝置

在審

• 申請號: 201780010646.X
• 申請日: 2017-03-13
• 公開（公告）號: CN108701264A
• 公開（公告）日: 2018-10-23
• 發明（設計）人: 安藤丹一
• 申請（專利權）人: 歐姆龍株式會社
• 主分類號: G06N99/00
• 分類號: G06N99/00
• 代理公司: 北京康信知識產權代理有限責任公司 11240
• 代理人: 玉昌峰;吳孟秋

本發明涉及能力賦予數據生成裝置，提供一種提高用于向裝置追加新能力的開發業務的效率的結構。另外，提供能夠簡單地將新能力追加至其他裝置的結構。對象裝置具有通過能力獲得模型而模型化的架構，該能力獲得模型包含執行能力的能力部、作為進行所述能力部的輸入的接口的數據輸入部、以及作為所述能力部的輸出接口的數據輸出部。能力賦予數據生成裝置生成能力賦予數據，所述能力賦予數據包含：用于對所述對象裝置的所述能力獲得模型中的所述能力部設定功能的能力設定數據、用于對所述對象裝置的所述能力獲得模型中的所述數據輸入部設定功能的輸入設定數據以及用于對所述對象裝置的所述能力獲得模型中的所述數據輸出部設定功能的輸出設定數據。

關聯申請的交叉參考

本申請基于2016年3月14日提出的日本專利2016-049329號申請作成，并將其記載內容援引于此。

技術領域

本發明涉及用于提高利用機械學習的開發業務的效率的結構，尤其涉及一種生成用于對其他裝置追加新能力的數據的技術。

背景技術

(背景技術)

以前，廣泛開展關于人工智能和神經網絡的研究。例如，利用圖像識別對象物的技術不斷被改進，識別率不斷提高。通過被稱為Deep Learning(深度學習)的新的學習方式，近幾年識別率急速提高，圖像的分類已達到超過人的識別率的水平。Deep Learning的技術不僅可以用于識別圖像，還可以廣泛應用于聲音識別、個人認證、行動預測、文章的概括、自動翻譯、監視、自動運轉、故障預測、傳感器數據的分析、樂曲的風格判定、內容生成、安全系統等領域中。通過利用Deep Learning這樣的機械學習，不需要人的參與，機械能夠獲得新的能力。

目前，Deep Learning等AI技術是特殊的技術，為了將AI技術應用于特定領域中，需要具有特殊技能的人員進行研究和開發。例如具備AI技術的人員按照客戶的委托對客戶的裝置和希望進行分析，作成學習計劃，構建訓練系統，通過學習生成新的神經網絡，并開發將其嵌入客戶的系統中的系統。在使用Deep Learning等AI技術的學習中，多數情況下需要大規模的數據，進而重復運算次數較多，因而需要大規模的訓練系統。在訓練系統中，不僅安裝AI技術，而且使用處理大規模數據的結構、并行化或者運算程序的硬件化等與現有的Web應用程序不同的更為復雜的系統。現狀下，擁有AI技術的AI技術服務企業針對不太了解AI技術的客戶企業提供咨詢和進行系統開發這兩者的情況較多。

作為與對裝置安裝新能力的方法相關的技術，在專利文獻1、2中，公開了改寫打印機的固件的技術。另外，在專利文獻3、4中，公開了與機械學習相關聯的技術，專利文獻5中公開了利用Deep Learning的文字識別系統。

專利文獻1：日本專利特開2009-134474號公報

專利文獻2：日本專利特開2007-140952號公報

專利文獻3：日本專利特開2014-228972號公報

專利文獻4：日本專利特許5816771號公報

專利文獻5：日本專利特開2015-53008號公報

發明內容

今后，預計開發裝置的企業希望自身開發嵌入AI技術的產品這一需求將會提高。另外，預計在所使用的裝置中嵌入AI技術這一需求將會提高。尤其是在嵌入式設備中，這樣的希望較多。但是，機械學習(訓練)中需要高度的系統和大量的運算資源。因此，一般的制造商的技術人員自身很難實施機械學習。因此，考慮到機械學習的外部委托，但是，例如如嵌入式設備的開發人員一樣，對于對AI技術并不熟練的技術人員來說，很難將在外部實施的機械學習的結果嵌入自身的裝置中。另一方面，對于AI技術人員來說，開發特殊化為嵌入式設備或網絡服務等特定產品或服務的AI程序也不容易。另外，AI技術人員不足，也有可能導致開發期限變長。