特許ウォッチ

公開番号2025093410
公報種別公開特許公報(A)
公開日2025-06-24
出願番号2023209024
出願日2023-12-12
発明の名称情報処理装置、情報処理方法、及び、プログラム
出願人日本電気株式会社
代理人個人,個人,個人
主分類G06N 20/00 20190101AFI20250617BHJP(計算;計数)
要約【課題】機械学習モデルの開発や運用に関する知識や経験が必ずしも十分でない者であっても、機械学習モデルによる予測精度の低下要因を適切に分析可能とする。
【解決手段】情報処理装置において、プロンプト取得手段は、ユーザが入力したプロンプトを取得する。アルゴリズム取得手段は、プロンプトで指定された分析アルゴリズムを取得する。分析実行手段は、当該分析アルゴリズムに基づいて質問を出力し、当該質問に対するユーザの回答を取得することにより、分析アルゴリズムを対話的に実行し、分析結果を出力する。
【選択図】図4
特許請求の範囲【請求項１】
ユーザが入力したプロンプトを取得するプロンプト取得手段と、
前記プロンプトで指定された分析アルゴリズムを取得するアルゴリズム取得手段と、
当該分析アルゴリズムに基づいて質問を出力し、当該質問に対する前記ユーザの回答を取得することにより、前記分析アルゴリズムを対話的に実行し、分析結果を出力する分析実行手段と、
を備える情報処理装置。
続きを表示（約 1,000 文字）【請求項２】
前記分析アルゴリズムは自然言語で記述されており、
前記分析実行手段は、言語モデルを用いて前記質問を出力するとともに、前記言語モデルを用いて分析アルゴリズムを解釈して実行する請求項１に記載の情報処理装置。
【請求項３】
前記分析実行手段は、前記分析アルゴリズムに含まれる条件分岐毎に、当該条件分岐に関する質問を出力する請求項１に記載の情報処理装置。
【請求項４】
前記プロンプトは、前記分析アルゴリズムに含まれる条件が満足されているか否かを示す条件分岐関連情報を含み、
前記分析実行手段は、前記分析アルゴリズムに含まれる条件分岐のうち、前記条件分岐関連情報に対応する条件分岐以外の条件分岐について前記質問を出力する請求項３に記載の情報処理装置。
【請求項５】
前記プロンプトは、前記ユーザの知識レベルを示す情報を含み、
前記分析実行手段は、前記ユーザの知識レベルに応じた語句を用いた質問を出力する請求項１に記載の情報処理装置。
【請求項６】
前記プロンプトは前記分析アルゴリズムを示す記述を含み、
前記アルゴリズム取得手段は、前記プロンプトに含まれる前記分析アルゴリズムを取得する請求項１に記載の情報処理装置。
【請求項７】
前記分析アルゴリズムはプログラム言語で記述されており、
前記分析実行手段は、プログラム言語を解釈可能な言語モデルを用いて、前記分析アルゴリズムを解釈して実行する請求項１に記載の情報処理装置。
【請求項８】
コンピュータにより実行され、
ユーザが入力したプロンプトを取得し、
前記プロンプトで指定された分析アルゴリズムを取得し、
当該分析アルゴリズムに基づいて質問を出力し、当該質問に対する前記ユーザの回答を取得することにより、前記分析アルゴリズムを対話的に実行し、分析結果を出力する情報処理方法。
【請求項９】
ユーザが入力したプロンプトを取得し、
前記プロンプトで指定された分析アルゴリズムを取得し、
当該分析アルゴリズムに基づいて質問を出力し、当該質問に対する前記ユーザの回答を取得することにより、前記分析アルゴリズムを対話的に実行し、分析結果を出力する処理をコンピュータに実行させるプログラム。

発明の詳細な説明【技術分野】
【０００１】
本開示は、機械学習モデルの分析に関する。
続きを表示（約 1,600 文字）【背景技術】
【０００２】
機械学習モデルの継続的で低コストな運用を可能とする技術としてＭＬＯｐｓ（ＭａｃｈｉｎｅＬｅａｒｎｉｎｇＯｐｅｒａｔｉｏｎｓ）が知られている。ＭＬＯｐｓは、機械学習モデルを開発、展開及び運用するための技術である。特に、機械学習モデルを用いたシステムの実際の運用においては、機械学習モデルによる予測精度低下の要因を分析することが重要である。
【０００３】
実際に運用中のシステムにおける予測精度低下の要因を分析するためには、機械学習モデルの開発におけるプログラミングや、機械学習モデルの運用中のメインテナンスなどに関する十分な知識や経験が必要である。なお、特許文献１は、自然言語をプログラム言語に変換する手法を開示している。
【先行技術文献】
【特許文献】
【０００４】
特開２００２－１８２９１３号公報
【発明の概要】
【発明が解決しようとする課題】
【０００５】
本発明の１つの目的は、機械学習モデルの開発や運用に関する知識や経験が必ずしも十分でない者であっても、機械学習モデルによる予測精度低下の要因を適切に分析可能とすることにある。
【課題を解決するための手段】
【０００６】
本開示の一つの観点では、情報処理装置は、
ユーザが入力したプロンプトを取得するプロンプト取得手段と、
前記プロンプトで指定された分析アルゴリズムを取得するアルゴリズム取得手段と、
当該分析アルゴリズムに基づいて質問を出力し、当該質問に対する前記ユーザの回答を取得することにより、前記分析アルゴリズムを対話的に実行し、分析結果を出力する分析実行手段と、を備える。
【０００７】
本開示の他の観点では、情報処理方法は、コンピュータにより実行され、
ユーザが入力したプロンプトを取得し、
前記プロンプトで指定された分析アルゴリズムを取得し、
当該分析アルゴリズムに基づいて質問を出力し、当該質問に対する前記ユーザの回答を取得することにより、前記分析アルゴリズムを対話的に実行し、分析結果を出力する。
【０００８】
本開示のさらに他の観点では、プログラムは、
ユーザが入力したプロンプトを取得し、
前記プロンプトで指定された分析アルゴリズムを取得し、
当該分析アルゴリズムに基づいて質問を出力し、当該質問に対する前記ユーザの回答を取得することにより、前記分析アルゴリズムを対話的に実行し、分析結果を出力する処理をコンピュータに実行させる。
【発明の効果】
【０００９】
本開示によれば、機械学習モデルの開発や運用に関する知識や経験が必ずしも十分でない者であっても、機械学習モデルによる予測精度の低下要因を適切に分析可能となる。
【図面の簡単な説明】
【００１０】
本開示に係る情報処理装置を適用した分析システムの全体構成を示す。
情報処理装置のハードウェア構成を示すブロック図である。
端末装置のハードウェア構成を示すブロック図である。
情報処理装置の機能構成を示すブロック図である。
分析アルゴリズムの一例を示すフローチャートの例である。
自然言語で記述した分析アルゴリズムの例を示す。
ユーザが入力するプロンプトと情報処理装置が出力するメッセージの例を示す。
分析処理のフローチャートである。
第２実施形態の情報処理装置の機能構成を示すブロック図である。
第２実施形態の情報処理装置による処理のフローチャートである。
【発明を実施するための形態】
（【００１１】以降は省略されています）

関連特許