JP2005525609A - 知的エージェントを用いる問題解決装置および方法 - Google Patents

Abstract

ブレイン・エージェント、プロファイル・エージェント、パーソナリティ・エージェント、知識エージェント、エラー対処エージェント、のような知的エージェントを用いて、ユーザから提示された質問を解釈しユーザに応答を提供して、反復的問題解決を行う装置および方法である。装置および方法は、されに雰囲気エージェント、視覚エージェント、音響エージェント、触知エージェント、および嗅覚／味覚エージェント、ならびに外部データ資源への様々なコネクタを使用して、質問を解釈し応答を提供することとしてもよい。さらに装置および方法は、質問を概念様式で構文解析する。さらに装置および方法は、ユーザとの対話について進化し、またこれに反応して、システムの動作を最適化する。

Description

本発明は概略的に人工もしくは機械知能に関し、より詳細には知的エージェント(intelligent agent)を用いる問題解決システムおよび方法に関する。

最近においてインターネットの利用は急速に拡大していることから、日々の質問に対して更に整然とした自然言語の形態での答えを求めてコンピュータに頼ることが多い。人工もしくは機械知能は長年にわたり開発されてきたが、今や一般の注目を浴びているのは、所望の情報に対する質問をユーザが入力し得るAskjeeves.comなどのウェブ・サイトである。かかる別の例は、MITの人工知能研究所で開発されたSTART(可逆変換を使用する統語分析[SynTactic Analysis using Reversible Transformations])である。1993年の12月からワールド・ワイド・ウェブに接続されたSTARTは、自然言語により課された質問に答えるべく設計されたソフトウェア・システムである。STARTは、テキスト検索を実施する上で特殊形態のアノテーション(annotation)を使用する。テキスト検索を実施するかかるアノテーションの一例は、カッツ等(Katz et al.)に対する米国特許第5,309,359号において提供されている。別の同様のシステムは、Cycorpの“Cyc”システムである。Cycは、その独自の知識ベースを用いて自然言語質問に答える能力を提供している。Cycはエージェント式アーキテクチャを用いるが、その各知的エージェントは異なる“知識”空間をカバーすべく並列に作動する同一形式のものである。

しかし現在において利用可能な人工もしくはコンピュータ知能システムのいずれも、夫々が専用機能を備えた個別構成要素であって相互に協力することでユーザの入力を解釈して応答を構築するのを助力する個別構成要素を利用していない。現在利用可能な従来システムはまた、ユーザの入力を概念様式で構文解析するものでもない。これに加えて現在利用可能な従来システムは、質問を解釈して該質問に対する応答を構築するときにその質問を行う個人に特有な特性を含めない。

故に、固有タスクに専用とされた各構成要素であって相互に協力することでユーザの入力を解釈して該ユーザの入力に対する応答を生成することを助力する各構成要素を利用する人工知能システムを提供すれば好適であろう。同様に、文法様式でなく概念様式で入力を構文解析する人工知能システムを提供すれば好適であろう。さらに、ユーザの入力に対する応答を生成するときに個別ユーザに特有な特性を利用する人工知能システムを提供すれば好適であろう。

本発明は、知的エージェントを用いて反復的に問題解決を行う装置および方法である。本発明は入力として、自然言語構文で表現された質問、ビデオもしくは聴覚的データなど（但しこれらに限定されない）の付加的情報と連結された自然言語構文で表現された質問、または、応答が提供され得る他の任意の入力(“ユーザ質問”)を受け入れ得ると共に、出力として、上記質問に対する応答であって、これもまた自然言語構文であり、ビデオもしくは聴覚的データなど（但しこれらに限定されない）の付加的情報と連結された自然言語構文である応答、または、ユーザにより理解され得る他の任意の形態の出力(“ユーザ用回答”)を提供し得る。たとえば本発明と対話しているユーザはカメラに対して写真を呈示し、“この写真は誰ですか？”と尋ね得る。別の例としてユーザは、“次の交響曲の作曲家は誰ですか？”という質問をした後でマイクロフォンに向けてオーディオ・クリップを演奏し得る。

ユーザ質問に対してユーザ用回答を提供すべく本発明は、当業界において一般的にソフトウェア知的エージェント(software intelligent agent)(以下、“知的エージェント(intelligent agent)”)と称される種々の構成要素を採用する。これらの知的エージェントはユーザ質問を、応答を構築すべく該知的エージェントにより解釈され得る一個以上の基本要素へと分解する。上記各知的エージェントはユーザと対話することで、呈示されたユーザ質問を明瞭化または改善すると共に、上記知的エージェントにより内部的に解決され得ない一切のエラーもしくは曖昧性を明瞭化し得る。本発明に従いユーザ質問を受け入れてユーザ用回答を以て応答するプロセスは典型的に、ユーザが質問を行うことで開始される。次に上記質問は典型的には構文解析され、“S”と称される構造化形態へと変換される。次に本発明は典型的に、本発明の質問事項データベース内においてマッチ済エントリ(matched entry)“M”と称される別の構造化形態エントリに対してSをマッチさせることを試行する。本発明は次に典型的に、予めMにリンクされた一群の改善された質問を決定する。これは当業界において一般的に分解ステップ(decomposition step)と称される。次にこの一群の質問は典型的には内部的に対処されまたは外部システムへと外部委託されて答えが準備され、この答えはユーザに戻し送信される。

本発明は従来のソフトウェア知的エージェントの制限を克服する。なぜなら、本発明は、固有機能に専用とされたひとつ以上の知的エージェントを使用すると共に、個々の知的エージェントが相互に対話するように連携調整を行い、従来方法により取得される応答よりも典型的には更に適切な応答を提供するからである。本発明はまた従来のソフトウェア知的エージェントの制限を克服する。なぜなら、本発明は入力を概念様式で構文解析するからである。本発明は更に従来のソフトウェア知的エージェントの制限を克服する。なぜなら、本発明は、本発明と対話する個別ユーザに特有のパーソナリティおよび他の特性を利用してユーザの入力を更に良好に解釈して応答するからである。

本発明のひとつの形態では、上記知的エージェントは相互に対話し、ユーザの固有特性と、各知的エージェント間の対話の結果としての他の文脈的な情報とに従い、課された質問の最良の解釈を提供することで上記制限を克服する。これに加えて上記知的エージェントはユーザに対し、間接参照による複雑な質問を課す手段を提供し得る。間接参照によるかかる複雑な質問の例として、ユーザはカメラに対して写真を呈示し、“この写真は誰ですか？”と尋ね得る。本発明はまたユーザにより課されたユーザ質問を解釈する上での付加的情報もしくは支援に対して外部データ資源にアクセスし得る。本発明はまたユーザとの対話を介して本発明自体を適合かつ改良し得る。なぜなら、本発明は各セッション毎に情報を収集するからである。

本発明は、言語エージェント、知識エージェント、および、これらのエージェントの活動を連携調整すべく機能するブレイン・エージェントであってユーザにより提供された入力を解釈し且つユーザの入力に対する応答を提供するブレイン・エージェントを含む、ひとつ以上の知的エージェントを備える。本発明は更に、パーソナリティ・エージェント、プロファイル・エージェント、エラー対処エージェント、雰囲気エージェント、視覚エージェント、音響エージェント、触知エージェントおよび嗅覚／味覚エージェントなど（但し、これらに限定されない）の付加的な知的エージェント、ならびに、ユーザの入力に対して応答を提供する上で用いられる外部データ資源に対するコネクタを備え得る。

上記ブレイン・エージェントの連携調整の下で動作することで、各知的エージェントは所定分野の専門的知識に特化する。たとえば上記知識エージェントは(たとえばラサはチベットの首都であり且つドードーはアフリカのモーリシャスから絶滅した鳥であるなどの)事実情報の知識蓄積を提供する。別の例として、上記言語エージェントは、語彙、構文、語法、言い換えおよび熟語など（但し、これらに限定されない）の、言語の全ての側面をカバーする。個々の知的エージェントの詳細な検討は以下に提供される。これに加えて本発明の作用は、上記各知的エージェント間における通信に対して用いられる言語およびプロトコルの選択に左右されない。当業界においては、KIF、KQML、および、参照により本明細書中に援用される、1999年3月／4月におけるIEEE知的システム、第45〜52頁のヤニス・ラブロウ、チム・フィニンおよびユング・ペングによる“エージェント通信言語：現在の展望”(Yannis Labrou, Tim Finin, and Yung Peng, Agent Communication Languages: The Current Landscape, IEEE Intelligent Systems, March/April 1999, at 45-52)において論じられた他の言語など（但し、これらに限定されない）の、インテリジェント通信に利用可能な幾つかの言語およびプロトコルがある。

本発明は、自然言語構文による質問、付加的情報と結合された自然言語構文で表現された質問、または、応答が提供され得る他の任意の入力(“ユーザ質問(human question)”)を受けるシステムおよび方法であって、同様に自然言語構文で、付加的データと結合された自然言語構文で、または、ユーザにより理解され得る他の任意の出力形態で応答(“ユーザ用回答(human answer)”)を出力するシステムおよび方法である。上記入力は、任意の言語で行われ得ると共に、音響、ビデオ、光学式文字認識(“OCR”)およびテキストなど（但し、これらに限定されない）の種々の媒体で行われ得る。テキストの形態の入力としては、キーボードを用いて入力されたデータ、ファイルの内容、および、ファイル名もしくはポインタ(たとえばwww.gd-es.com)を用いてのファイルの内容に対する参照（但し、これらに限定されない）が挙げられる。本発明により用いられるテキスト入力も同様に、“pdf”ファイル、Microsoftドキュメントおよび構造化ファイルなど（但し、これらに限定されない）の種々のフォーマットとされ得る。上記出力も同様に任意の言語とされ得ると共に、音声、ビデオおよびテキストなど（但し、これらに限定されない）の種々の媒体で提供され得る。

以下に詳述されるように本発明は、ユーザによるユーザ質問入力に応じてユーザ用回答を出力する一個以上の知的エージェントを利用する。各知的エージェントは固有タスクを実施すべく機能するが、全ての知的エージェントは、“ユーザ質問を、機械知能が答え得る一個以上の“単純化された”質問(“機械実行可能質問”)へと分解する”という同一の基本原理に従い動作する。以下に詳述される如く各知的エージェントは自身の固有機能に従いユーザ質問の分解に専念し、ブレイン・エージェントは他の知的エージェントの活動を連携調整する。

上記ユーザ質問は、該質問の“ユーザ”用解釈要素を除去することで該質問を機械知能により解決され得る事実的照会(factual inquiry)へと変形する様式で分解される。各知的エージェントは、ユーザ質問におけるエラーもしくは曖昧性を補正するエラー対処エージェントを採用し得る。これに加えて各知的エージェントは、該知的エージェントが外部データ資源と通信するのを可能とする一個以上のコネクタを採用し得る。各知的エージェントは自身のコネクタを用いて外部資源に接続され得るが、上記ブレイン・エージェントに対して一群のコネクタが接続されると共に他の知的エージェントは上記ブレイン・エージェントと接続された上記コネクタを介して外部資源にアクセスするのが好適である。

図１を参照すると本発明は、ブレイン・エージェント1010と、以下の知的エージェント、言語エージェント1020、プロファイル・エージェント1030、パーソナリティ・エージェント1040、知識エージェント1050、雰囲気エージェント(mood agent)1060、視覚エージェント1070、音響エージェント1080、触知エージェント1083、嗅覚／味覚エージェント1085、およびエラー対処エージェント1090のうち一つ以上と、を備える。本発明は更に、システム1000を外部データ情報資源にリンクすべく一個以上のコネクタを備え得る。これらのコネクタは、データベース・コネクタ1110、人工知能(“AI”)エンジン・コネクタ1120、知識交換フォーマット(“KIF”)プロトコル・コネクタ1130および知識照会／操作言語(“KQML”)プロトコル・コネクタ1140を含み得る（但し、これらに限定されない）。本発明はまた、質問事項データベース(questionnaire database)1210および分解質問群データベース(decomposition question set database)1220も備え得る。当業者には公知であるように、データベース1210および1220は別体的に示されるが、適切であればそれらは両者ともに同一構成要素の一部とされ得る。以下において詳細に規定されるように、ブレイン・エージェント1010は入力としてユーザ2000からユーザ質問を受信し、種々のエージェントの活動を連携調整してユーザ用回答をユーザ2000に対して出力する。

以下に続くのは、本発明の個々の構成要素の詳細な説明である。その後、本発明の用法に関する記述が示される。

１．ブレイン・エージェント
ブレイン・エージェント1010は、本発明において採用される種々の知的エージェントの活動およびそれらの間の通信を連携調整すべく用いられる。ブレイン・エージェント1010は、ユーザ2000からの入力を受信し、その入力を適切な知的エージェントへと配信し、必要な場合にはユーザのユーザ質問のフィードバックに対するもしくは更なる改善に対する要求を出力し、種々の知的エージェント間の通信を連携調整して種々の知的エージェントと対話(interact)し、かつ、ユーザ2000に対してユーザ用回答を出力する。ブレイン・エージェント1010は更に、他のデータベースに対して一個以上の知的エージェントをデータベース・コネクタ1110を用いて接続すべく使用され、他の人工知能(“AI”)エンジンに対して一個以上の知的エージェントをAIコネクタ1120を用いて接続すべく使用され、KIFプロトコルを用いる他のシステムに対して一個以上の知的エージェントをKIFコネクタ1130を用いて接続すべく使用され、且つ、KQMLプロトコルを用いる他のシステムに対して一個以上の知的エージェントをKQMLコネクタ1140を用いて接続すべく使用され得る。

以下に続くのは、ブレイン・エージェント1010の典型的動作の要約である。ブレイン・エージェント1010はユーザ質問を受信する。次にブレイン・エージェント1010は種々の知的エージェントに通知を行う。上記種々の知的エージェントの内の一個以上は、上記質問を検証する。適切であれば、一個以上の知的エージェントはブレイン・エージェント1010に戻し通信し、上記ユーザ質問を解釈する上でブレイン・エージェント1010を支援し得る情報を伝達する。

図２を参照すると、ブレイン・エージェント1010がユーザ質問を解釈すべく動作する好適様式のフローチャートが示される。当業者には公知である様に、本発明は図２に示されたフローチャートに限定されない。なぜなら、本発明によればユーザ質問を解釈する任意の適切な方法が使用され得るからである。ステップ100において、ブレイン・エージェント1010はユーザ2000により入力されたユーザ質問を受信する。上記ユーザ質問は、ステップ100において“未構造化入力”と称される。ステップ200において、上記ユーザ質問は構文解析される。ステップ300において、構文解析された上記情報は“S”と称される構造化形態へと変換される。ステップ400において、ブレイン・エージェント1010は(図１に示された)質問事項データベース1210内の他の構造化形態エントリに対してSをマッチさせることを試行する。もしあるなら、ステップ400の間においてSと別の構造化形態エントリとの間で発見されたマッチは“マッチ済エントリ”もしくは“M”と称される。ステップ500において、ブレイン・エージェント1010はMにリンクされた一群の改善済質問を決定する。ステップ500は当業界において一般的に、“分解ステップ”と称される。ステップ200、400および500は、以下において更に詳細に記述される。図２に示された各ステップの間においてブレイン・エージェント1010は、適切であれば一個以上の他の知的エージェントと対話し得る。

ａ．構文解析
図３を参照すると、図２のステップ200で行われる構文解析を実施する好適実施例が示される。当業者には公知であるように、ステップ200は図３に示されたフローチャートに限定されない、と言うのも、本発明によれば任意の適切な構文解析方法が使用され得るからである。構文解析のひとつの従来方法の例は、カッツ等(Katz et al.)に対する米国特許第5,309,359号において提供される。

図３は、本発明に従い実施され得る“概念的構文解析”の一例を提供する。本発明に係る概念的構文解析によれば、ユーザ質問(もしくは未構造化入力)は、そのユーザ質問の文法的構造ではなくそのユーザ質問中に示された概念に基づいて断片へと構文解析される。従来の構文解析は典型的に、ユーザ質問の文法的構造に基づいている。従来の構文解析は本発明に従い使用され得るが、以下において詳細に論じられるように本発明の好適実施例は概念的構文解析を使用する。以下に記述される各構文解析ステップは、(英語、ドイツ語およびスペイン語などの)各言語に対して再現され得る。代替的に、ユーザ質問は構文解析ステップへと進展する前に(たとえば英語などの)ひとつの“標準的”言語へと翻訳されることとしてよい。

構文解析する場合ならびに概念的に構文解析する場合、ユーザ質問は断片へと分解され、各断片は典型的には夫々のタグの右側に取付けられる。従来の構文解析で用いられるタグは、当業者に公知である。ユーザ質問を構造化形態へと概念的に構文解析する上で用いられるタグは、関係、原因／結果、いつ、どこで、なぜ、どのように、条件文、どの、だれ、および参照、を含んでいる（但し、これに限定されない）。以下で論じられるように、単一質問によりマップされる複数個の構造化形態“センテンス”が在り得ることを銘記されたい。以下に続くのは、本発明に係る概念的構文解析プロセスの幾つかの例である。以下の例において疑問符(？)は、質問の主題を表している。

ユーザ質問：
1. なぜ、空は青いか？
構文解析プロセス：
1(a). 原因／結果：？／青い空
1(b). なぜ：？青い空
(1(a)および1(b)は同一のユーザ質問1からの２つの可能的な構文解析の結果であることを銘記されたい。)

ユーザ質問：
2. 最も近い空港はどこか？
構文解析プロセス：
2. どこ：？最も近い空港 条件文：＜現在位置＞
(鉤括弧はポインタを意味することを銘記されたい。)
ユーザ質問：
3. この写真は誰の顔か？
構文解析プロセス：
3. だれ：？ 条件文：＜ビデオ＞中の顔
(<ビデオ>はビデオ資源を指すことを銘記されたい。)

図３を参照すると、図２のステップ200を実施する好適実施例が説明される。ステップ202においてユーザ質問からは一個以上の“参照項目”が先ず抽出され、次にステップ204において参照項目は後時の処理のために記憶される。ステップ206においては上記ユーザ質問の“だれ”部分が抽出され、次にステップ208において該“だれ”部分は後時の処理のために記憶される。ステップ210においては上記ユーザ質問の“どこで”部分が抽出され、次にステップ212において該“どこで”部分は後時の処理のために記憶される。ステップ214においては上記ユーザ質問の“どのように”部分が抽出され、次にステップ216において該“どのように”部分は後時の処理のために記憶される。ステップ218においては上記ユーザ質問の“いつ”部分が抽出され、次にステップ220において該“いつ”部分は後時の処理のために記憶される。ステップ222においては上記ユーザ質問の“条件文”部分が抽出され、次にステップ224において該“条件文”部分は後時の処理のために記憶される。ステップ226においては上記ユーザ質問の“関係”部分が抽出され、次にステップ228において該“関係”部分は後時の処理のために記憶される。ステップ230におおいては上記ユーザ質問の“原因／結果”部分が抽出され、次にステップ232において該“原因／結果”部分は後時の処理のために記憶される。ステップ234においては上記ユーザ質問の“どの”部分が抽出され、次にステップ236において該“どの”部分は後時の処理のために記憶される。ステップ238においては上記ユーザ質問の“なぜ”部分が抽出され、次にステップ240においてギア“なぜ”部分は後時の処理のために記憶される。ステップ242においては上記ユーザ質問が分析され、更なる構文解析が必要か否かが決定される。更なる構文解析が必要であれば、構文解析プロセスはステップ202にて再び継続する。更なる構文解析が必要でなければ、上記プロセスはステップ244へと移動し、上記ユーザ質問から抽出された各部分は其処で処理されてタグが付加される。上記構文解析プロセスの間、適切であればブレイン・エージェント1010は一個以上の他の知的エージェントと対話し得る。

図２を参照すると、ステップ200においてユーザ質問が構文解析されたあと、その結果はステップ300において典型的に(“S”と称される)構造化形態で出力される。

ｂ．マッチング
図２に示された如くステップ400の間において本発明は典型的に、(図１に示された)質問事項データベース1210からの別の構造化形態エントリに対してSをマッチさせることを試行する。図４を参照すると、別の構造化形態エントリに対してSをマッチさせる好適方法が示される。当業者に公知のように、本発明のマッチング・プロセスは図４に示されたものに限られない。本発明によれば、両者ともに言及したことにより本明細書中に援用される1980年9月、IEEEコンピュータの41〜56頁におけるジェラルド・サルトンの“自動情報読出し”(Gerard Salton, Automatic Information Retrieval, IEEE Computer, September 1980, at 41-56)、および、IEEEコンピュータ協会の第2回国際コンピュータソフトウェアおよびアプリケーション会議録の458〜63頁(1978年)におけるチュン・シュー・ヤンおよびジェラルド・サルトンによる“汎用データベースシステムにおけるベストマッチ照会−言語手法”(Chung-Shu Yang and Gerard Salton, Best-Match Querying in General Database Systems--A Language Approach, IEEE Computer Society's Second International Computer Software and Applications Conference, at 458-63 (1978))において論じられた他の種々のマッチング方法（但し、これらに限定されない）が使用され得る。

ステップ405において、Sは(図１に示された)質問事項データベース1210に記憶された各エントリと比較される。各エントリがSと比較されるにつれ、ステップ410においては各エントリに対してスコアが割当てられる。ステップ415において本発明は、質問事項データベース1220からの全てのエントリがSと比較されたか否かを決定する。もし全てのエントリが比較されていれば、マッチング・プロセスはステップ420へと進展する。もし全てのエントリが比較されているのでなければ、マッチング・プロセスはステップ405へと戻る。全てのエントリがSと比較されたあと、ステップ420においては全てのエントリのスコアが“しきい値”スコアと比較される。もしいずれのエントリのスコアも上記しきい値スコアを超えなければ、上記マッチング・プロセスはステップ425へと継続する。ステップ425においてブレイン・エージェント1010は、上記しきい値スコアを超えるエントリが発見されるようにユーザ2000からの説明を求め得る。もし一個以上のエントリに対するスコアが上記しきい値を超えるなら、上記マッチング・プロセスはステップ430へと継続する。ステップ430において、最高のスコアを有するエントリは“勝者(winner)”として宣言され、“勝利”エントリは“M”と称される。

ｃ．分解
図２を参照すると、ユーザ質問を解釈するプロセスはステップ500へと継続し、ここで、Mに関連する質問群が発見される。当業界においてステップ500は一般的に、分解と称される。典型的に分解ステップの目的は、質問の複雑さを減少し、且つ、適切で有用な一群の質問を構築することで知識を付加することである。当業者には公知であるように、この分解ステップを実施する幾つかの手法がある。したがって、本発明の分解プロセスは図５に示されたプロセスに限定されない。なぜなら、任意の適切な分解方法も使用され得るからである。

図５を参照すると、(以下で更に論じられる)分解プロセスの好適実施例が示される。該分解プロセスの好適実施例は、テーブル・ルックアップ手法を用いる。たとえば該テーブルは、(図１に示された)分解質問群データベース1220の形態とされ得る。ステップ505において、上記テーブルに対する入力キーはM(ユーザ2000により課されたユーザ質問の構文解析済構造化要素)である。ステップ510においてテーブル出力は、それに対する一群の更に簡素な質問もしくはポインタの構文解析済構造化要素を含む。次にブレイン・エージェント1010は、上記テーブル出力に対する答えを読み出すべきことを各知的エージェントに対して通知する。たとえば、“米国の最新の人口は？”(M)という質問は、テーブル・ルックアップから以下の一群の質問出力、

“米国の2000年<最新>の国勢調査におけるアジア系の人口は？”
“米国の2000年<最新>の国勢調査におけるヒスパニック系の人口は？”
“米国の2000年<最新>の国勢調査におけるアフリカ系の人口は？”
“米国の2000年<最新>の国勢調査におけるインディアン系の人口は？”
“米国の2000年<最新>の国勢調査における白人の人口は？”
を生成する。

この例においてブレイン・エージェント1010は次に知識エージェント1050と対話することで、上記ルックアップ・テーブルから出力された上記各質問に対する答えを獲得する。典型的に、ユーザ2000に対して出力されたユーザ用回答は、ルックアップ・テーブルからの上記各質問に対して出力された答えである。

上記質問は、読み取りを容易とすべく自然言語フォーマットで書き込まれる。実際、かつ当業者であれば明らかなように、上記質問は容易な検索および読み出しのために構造化フォーマットで記憶される。

分解質問群データベース1220の実施方式は典型的に、種々の分野の熟練者による手動入力を必要とする。上記プロセスは、熟練者が自然言語フォーマットで質問をタイプ入力すると共にそれらをエンジンが自動的に構造化フォーマットのエントリへと変換することで半自動化され得る。分解質問群データベース1220はまた、主題適用範囲を段増することで区分的にも構築され得る。上記プロセスはおそらく、将来において進化したソフトウェア実施方式により完全に自動化され得るであろう。

上記プロセスの最終ステップにおいてブレイン・エージェント1010は、種々の知的エージェントから受信した全ての情報を繋ぎ合わせてユーザ用回答を形成し且つユーザ2000からのフィードバックを獲得する。

代替実施例において本発明は、上記システムの答え部分は完全に他の外部システムに任せてユーザ質問の構文解析専用としてよい。この実施例において各構成要素は依然として図１に示されたままであるが、それらはユーザ質問の構文解析に対してのみ利用される。上記ユーザ質問に対するユーザ用応答を構成すべく、外部構成要素が使用されるであろう。組み合わせ手法を利用する本発明の別実施例において、上記システムは外部システムと対話することで、ユーザ質問に対するユーザ用回答を協働して構築する。この実施例もまた、図１に示されたような外観を示す。更に別の実施例において本発明は、構文解析プロセスの間においてのみ外部システムを用い、ユーザ質問に対するユーザ用回答を内部的に構成する。この実施例もまた、図１に示されたような外観を示す。

２．言語エージェント
言語エージェント1020は、ユーザ2000により課されたユーザ質問の言語特性に対処すべく機能する。言語エージェント1020は、ユーザ質問を入力するためにユーザ2000により採用された言語(たとえば英語、フランス語、中国語またはアラビア語)を決定すべく、ユーザ質問を入力するためにユーザ2000により採用された言語を別の言語へと翻訳すべく、ユーザ質問の文法を構文解析すべく、ユーザ質問において採用された技術用語を解釈すべく、且つ、ユーザ質問において採用された熟語および格言を解釈すべく使用され得る。言語エージェント1020はまた、(質問における冠詞などの)非重要語句から重要語句を区別したり、語句配列および代名詞参照の重要性を理解するなど（但し、これらに限定されない）の他の言語的機能を実施するためにも使用され得る。

３．プロファイル・エージェント
プロファイル・エージェント1030は、ユーザ2000によるシステム1000の使用のプロフィルに対処すべく機能する。プロファイル・エージェント1030は、本発明のユーザ2000による使用の履歴を記憶し得る。たとえばプロファイル・エージェント1030は、本発明を用いる間にユーザ2000により関与された全ての活動の“クリック毎の”履歴を維持し得る。プロファイル・エージェント1030はまた、ユーザ2000により関与された活動の“クリック・ストリーム分析”を実施することで、ユーザ2000の嗜好性と、本発明を用いるユーザ2000の基本意図とを決定し得る。

プロファイル・エージェント1030はエラー対処エージェント1090と対話することで、ユーザ2000が明瞭化を催促される前に適切なエラー補正を決定し得る。プロファイル・エージェント1030はまた、ユーザ2000により課された過去の質問に基づきユーザ2000に対する関心カテゴリ、および、ユーザ2000の感覚は更に視覚的であるか聴覚的であるかに基づきユーザ2000に対する好適な呈示形態など（但し、これらに限定されない）の、ユーザ・プロフィル情報を収集するためにも使用され得る。

４．パーソナリティ・エージェント
パーソナリティ・エージェント1040は、ユーザ2000に関する長期的特性および経歴データを取り扱う。パーソナリティ・エージェント1040により取り扱われるかかる長期的特性としては、パーソナリティ形式(たとえばAもしくはB)、先入観、偏見、危険回避性(もしくはその欠如)、政治的傾向および宗教的信仰（但し、これらに限定されない）などが挙げられる。パーソナリティ・エージェント1040により取り扱われる長期的特性の更なる例としては、身長、体重、髪の色、目の色、網膜パターン、指紋およびDNAなど（但し、これらに限定されない）のユーザに関するバイオメトリック・データが挙げられる。パーソナリティ・エージェント1040により取り扱われるユーザ2000の経歴データの例としては、学歴、職歴、ユーザ2000が居住する場所、および美的嗜好性（但し、これらに限定されない）が挙げられる。

パーソナリティ・エージェント1040は、(以下で論じられる)ログイン・プロセスの間にユーザ2000を識別すべく使用するために(以下で論じられる)登録プロセスの間にユーザ2000に関する長期的性格特性および経歴データを収集し得る。パーソナリティ・エージェント1040はまた、ユーザ2000による本発明の使用の間においてもユーザ2000に関する長期的性格特性および経歴データを収集し得る。パーソナリティ・エージェント1040はまた、ユーザ2000のパーソナリティ・プロフィルの劇的変化が検出された時点をブレイン・エージェント1010に通知するためにも使用され得る。

５．知識エージェント
知識エージェント1050は、ユーザ2000に対して特有でない事実情報を取り扱う。知識エージェント1050により取り扱われるかかる事実情報としては、限定的なものとしてで無く、数学、科学、歴史、地理、文学、時事、および、同義語、反意語および同音異義語に関する事実（但し、これらに限定されない）が挙げられる。たとえば知識エージェント1050は、“7月4日”は米国の休日であり且つボストン茶会事件(Boston Tea Party)は重要な歴史的状況であることを認識している。

６．雰囲気エージェント
雰囲気エージェント1060は、ユーザ2000が本発明と対話している間にユーザ2000の一時的感情状態に関する情報を取り扱う。雰囲気エージェント1060は他の知的エージェントと対話することで、ユーザ2000の一時的感情状態に関する情報を収集する。雰囲気エージェント1060は、皮肉な言葉、抑揚および口調に対するユーザ2000からの入力を分析してユーザ2000の一時的感情状態を決定し得る。雰囲気エージェント1060はまた、ユーザ2000の顔の表情を分析することでもユーザ2000の一時的感情状態を決定し得る。雰囲気エージェント1060は、ユーザ質問を解釈してユーザ2000に対してユーザ用回答を提供する上で使用されるためにユーザ2000の一時的感情状態に関する情報を他の知的エージェントに対して提供すべく使用され得る。たとえばユーザ2000が注意散漫もしくは神経質であることを雰囲気エージェント1060が検出したときに該雰囲気エージェント1060は、ユーザ2000の心理状態から帰着し得る可能的な誤解を回避すべくユーザ2000に対して情報を急がずに繰り返して伝達することをブレインエージェント1010もしくは一個以上の他の知的エージェントに対して信号通知する。

７．視覚エージェント
視覚エージェント1070は、ユーザ2000により入力された視覚的情報を取り扱う。視覚エージェントは、物体認識、情景分析、顔面識別、色認識、形状認識、テクスチャ認識、照明認識、年齢検出および性別識別などの機能を実施し得る（但し、これらに限定されない）。たとえば“一番近い空港は？”というユーザ2000の質問により視覚エージェント1070は、(利用可能であれば)ユーザ2000のビデオ画像の背景の情景分析を実施し始め得る。かかる分析によればユーザ2000が居る場所に関する地理的目印の情報および他の手掛かりが得られることから、ユーザ2000により課されたユーザ質問に対する答えが助力される。

８．音響エージェント
音響エージェント1080は、ユーザ2000により入力された可聴情報を取り扱う。音響エージェント1080は、音声／テキスト変換、アクセント検出、性別識別、年齢検出、発話速度検出、音声識別、音響認識および音量検出など（但し、これらに限定されない）の機能を実施し得る。たとえばブレイン・エージェント1010は、ユーザ2000が音声入力を提供したときに音響エージェント1080を立ち上げる。音響エージェント1080は、ユーザ2000からの音声入力をテキストへと変換し、適切であれば次に該テキストを他の知的エージェントへと提供すべく使用され得る。別の例として音響エージェント1080は、ユーザ2000が訛り(アクセント)を以て話しているか否かを検出すべく使用され得ると共に、可能であれば、検出された訛りが由来する地理的地域を決定し得る。ユーザ2000の訛りを検出する上で、音響エージェント1080はひとつ以上の他の知的エージェントと協力し得る。たとえば音響エージェント1080は知識エージェント1050と協力することで、ユーザ2000の訛りが由来する地域を決定し得る。音響エージェント1080はまたパーソナリティ・エージェント1040と協力することで、検出された訛りに典型的に関連する性格特性に対してユーザ2000の長期的性格特性がマッチするか否かも決定し得る。これに加えて音響エージェント1080は、雷鳴、爆発音、音楽および動物音などの無生物音（但し、これらに限定されない）を認識するためにも使用され得る。

９．触知エージェント
触知エージェント1083は、ユーザ2000により入力された触感情報を取り扱う。触知エージェント1083は、圧力検知、温度検知、水分検知およびテクスチャ検知（但し、これらに限定されない）の機能を実施し得る。たとえばユーザ2000は圧力検知パッドもしくは動作位置検出装置上に書き込むことでテキスト、データおよび線画を入力し得ると共に、触知エージェント1083はこの入力を判読すべく使用され得る。触知エージェント1083はまた、ユーザ2000の署名に関連する一切の圧力および時的情報と共に該署名を登録するためにも使用され得る。以下の質問、“部屋の温度は？”、“亀裂はこの物体の何処にあるのか?”、“この部屋の湿度は72％より高いか?”、は触知エージェント1083が本発明に従いどのように使用され得るかの例を提供する。上記の如き質問により触知エージェント1083は、適切であれば他の知的エージェントの全部もしくは一部における適切な触知処理を実施し始める。

１０．嗅覚／味覚エージェント
嗅覚／味覚エージェント1085は、ユーザ2000により入力された嗅覚的なまたは他の化学的な情報を処理すべく使用され得る。嗅覚／味覚エージェント1085は、香り検出、臭い識別および化学分析など（但し、これらに限定されない）の機能を実施し得る。たとえばユーザ2000は、呼気分析用の管内へと息を吹き込むことで嗅覚的情報を入力しても良い。この嗅覚的情報は本発明によれば、ユーザ2000の嗅覚的署名を登録し且つ／又はユーザ2000の身体内におけるアルコールもしくは他の薬物の量を検出する目的で利用され得る。本発明による嗅覚／味覚エージェント1085の用法の他の例は以下の質問、 “部屋の中に毒性気体は在るか？”、“私の息は臭うか？”、“カバン内に非合法物質は在るか？”、“彼女はどんな香水を着けているか？”、により説明される。これらの質問により嗅覚／味覚エージェント1085は、適切であれば他の知的エージェントの全部もしくは一部における適切な嗅覚的もしくは他の化学的な処理を実施し始める。

１１．エラー対処エージェント
エラー対処エージェント1090は、ユーザ2000から受信した入力内に存在するエラーを補正すべく機能する。かかるエラーとしては、タイプミス、ノイズのある画像もしくはビデオ・データ、重なり合う画像もしくはビデオ・データ、および、文法的エラー（但し、これらに限定されない）が挙げられる。図１においてエラー対処エージェント1090は別体の構成要素として示されるが、エラー対処エージェントは好適には他の知的エージェントの各々内に取入れられる。

たとえば言語エージェント1020は、(不図示の)エラー対処エージェントを取入れることで、言語エラーを補正し得る。(不図示の)上記エラー対処エージェントを利用して補正し得る言語エラーとしては、綴りおよび文法的エラー、タイプミス、ならびに、二重否定の使用、漠然とした先行詞による代名詞、もしくは俗語などの不明瞭な言語表現（但し、これらに限定されない）が挙げられる。

エラー対処エージェント1090は典型的には、補正を為す上で高い確信レベルが在るときにはユーザ2000からの更なる明瞭化なしで誤りを自動的に補正する。エラー対処エージェント1090はプロファイル・エージェント1030およびパーソナリティ・エージェント1040などの他の知的エージェントと対話することで、エラー補正に対する確信レベルを決定し得る。エラー対処エージェント1090は、エラー補正における確信度が低いとき又はエラーに対する補正が決定され得ないときには、ブレイン・エージェント1010を介してユーザ2000に明瞭化を催促し得る。

他の知的エージェントもまた、ユーザ2000から受信したデータにおけるエラーを補正する個々のエラー対処エージェントを含み得る。言語エージェント1020に取入れられたエラー対処エージェントの例と同様に、他の知的エージェントに取入れられたエラー対処エージェントは別の知的エージェントと通信することで、エラーに対する訂正が自動的に為されるべきか否かを決定する。自動訂正に関する確信レベルが低いとき、典型的には、そのエラーがどのようにして訂正されるべきかを決定する付加的情報がユーザ2000に対して催促される。

１２．コネクタ
本発明はまた、ユーザ2000に対して出力を提供する上での支援となる外部データ資源（本発明の他の類似の実施形態などを含む。但し、これに限定されない）に対してシステム1000が通信するのを可能とする一個以上のコネクタも含み得る。これらのコネクタによれば各知的エージェントは、それらの知的エージェント内に包含された情報を補い得ると共に、ユーザ2000により課されたユーザ質問に対処する上でシステム1000内に包含された情報が不十分であるときに外部データ資源からの支援を求め得る。これらのコネクタはまた、上述の本発明の代替実施例においても使用され得る。個々のエージェントは外部資源と通信すべくエージェント自体の単一もしくは複数のコネクタを含み得るが、図１に示されたようにブレイン・エージェント1010と接続された一個以上のコネクタを配備することで、各知的エージェントが外部データ資源と通信するための集中型インタフェースを配備することが好適である。

本発明に従い使用され得るコネクタとしては、データベース・コネクタ1110、AIエンジン・コネクタ1120、KIFコネクタ1130およびKQMLコネクタ1140（但し、これらに限定されない）が挙げられる。上記コネクタの各々によれば、上記知的エージェントの任意のものが外部データ資源と通信し得る。当業者には公知である様に、本発明によれば外部データ資源に対する種々の他のコネクタも採用され得る。データベース・コネクタ1110によれば、上記知的エージェントの任意のものが外部データベースと通信し得る。AIコネクタ1120によれば上記知的エージェントの任意のものが、上記で論じられたCycシステム（但し、これに限定されない）などの外部AIエンジンと通信し得る。KIFコネクタ1130によれば上記知的エージェントの任意のものが、KIFプロトコルを用いる外部データ資源と通信し得る。KQMLコネクタ1140によれば上記知的エージェントの任意のものが、KQMLプロトコルを用いる外部データ資源と通信し得る。1999年3月／4月におけるIEEE知的システム、第45〜52頁のヤニス・ラブロウ、チム・フィニンおよびユング・ペングによる“エージェント通信言語：現在の展望”(Yannis Labrou, Tim Finin, and Yung Peng, Agent Communication Languages: The Current Landscape, IEEE Intelligent Systems, March/April 1999, at 45-52)によれば、外部データベースに対し且つ相互に対して通信を行うときに本発明の各知的エージェントにより採用され得る種々の通信言語に関する情報が提供される。

１３．ログイン・プロセス
次に図６を参照すると、本発明に従い用いられ得る種々のログイン・モードに対するフローチャートが示される。当業者に公知のように、種々の他のログイン・モードが用いられ得ると共に、本発明は図６に示された各モードに制限されない。これに加え、図６に示されたログイン・プロセスは示されたステップもしくは順序のいずれに対しても限定されない。ステップ610において本発明は、本発明を使用すべくユーザ2000が既にユーザ固有アカウントを有するか否かを決定する。もしユーザ2000が既にユーザ固有アカウントを有するなら、ステップ615においてユーザ2000は本発明にログインする。このログイン・プロセスは以下に記述される。

本発明を使用すべきユーザ固有アカウントをユーザ2000が有していなければ(すなわち新規ユーザであれば)、ステップ620においてユーザ2000に対してはゲスト・ログイン・アカウントを用いる選択肢が与えられる。もしユーザ2000がゲスト・ログイン・アカウントを使用することを選択したなら、ステップ625においてはユーザ2000に対し、ゲスト・ログイン・アカウントにより本発明に対するアクセスが提供される。ゲスト・ログイン・アカウントを用いる場合にユーザ2000は、ユーザ質問を解釈し且つユーザ用回答を構築する上で、何らかの個人用適合化(personalization)に依る利益を得られない。

もしユーザ2000がゲスト・ログイン・アカウントを選択しなければ、ステップ630においてユーザ2000に対しては役割依存式ログイン・アカウント(role-based login account)を用いる選択肢が与えられる。もしユーザ2000が役割依存式ログイン・アカウントを使用することを選択したなら、ステップ635においてユーザ2000に対しては役割依存式ログイン・アカウントにより本発明に対するアクセスが提供される。役割依存式アカウントを用いる場合にユーザ2000は代表的な役割パーソナリティのリストから役割を選択し得るものであり、これにより、ユーザ質問を解釈してユーザ用回答を構築する上で使用されるユーザ2000の型どおりの部分的な個人用適合化が為される。
もしユーザ2000が役割依存式アカウントの使用を選択しなければ、ステップ640においてユーザ2000に対しては、本発明に対し登録することでユーザ固有アカウントを獲得するという選択肢が与えられる。ステップ640の登録プロセスは以下に詳述される。ユーザ2000がユーザ固有アカウントを獲得することを登録した後、または、登録しないことをユーザ2000が選択したとき、上記ログイン・プロセスはステップ610に戻る。

ステップ640の登録プロセスは典型的に種々の媒体を利用すると共に、該登録プロセスは好適には、ユーザ2000に関する情報であって、後時使用の間においてユーザ2000の同一性を確認し且つ本発明を用いる間に他者がユーザ2000を装うのを防止することを本発明に許容する情報を収集する役割を果たす。ステップ640の登録プロセスはまた典型的に、パーソナリティ・エージェント1040により用いられる情報を収集するためにも用いられ得る。ブレイン・エージェント1010を介し、各知的エージェントは新規ユーザ2000に対する種々の質問および他の情報要求を以て、該ユーザ2000がシステム1000に登録することを催促する。登録プロセスの間においてユーザ2000に課される質問としては、ユーザの氏名、アドレス、誕生日および学歴（但し、これらに限定されない）が挙げられる。上記システムはまた、ユーザの性格特性を識別すべく使用され得る、ユーザの政治信念、宗教的信仰および他の主題に関する質問など（但し、これらに限定されない）のパーソナリティ検証質問も行い得る。

上記登録プロセスの間において本発明はまた新規ユーザ2000に対し、システム1000に対する引き続く対話の間に該新規ユーザの同一性を確認する上で使用される情報を提供することも要求し得る。ユーザに対しては、音声サンプル、指紋サンプル、ユーザの顔のスナップ写真、ユーザの網膜の血管の画像、脳波の走査資料、またはDNAサンプルなど（但し、これらに限定されない）のバイオメトリック情報の提供が催促され得る。識別目的で用いられることに加えて該情報は、ユーザのパーソナリティ・プロフィルを補足するために且つ他の目的で各知的エージェントにより利用され得る。

システム1000に対する引き続く対話の間において新規ユーザの同一性を確認するに十分な情報を該ユーザが提供したなら、該新規ユーザに対してはその後の使用のためにユーザ固有ログイン・アカウントおよびパスワードが発行される。

１４．ユーザ対話
新規ユーザ2000に対してユーザ固有ログイン・アカウントおよびパスワードが発行されたなら、該ユーザ2000はシステム1000と対話し得る。ユーザ2000は、自身のユーザ固有ログイン・アカウントおよびパスワードを入力する。システム1000はまたユーザ2000に対し、該ユーザ2000の同一性を確認する上で使用され得る指紋、網膜走査資料、リアルタイム顔面スナップ写真、音声サンプル、または他の情報などの付加的情報を提供することも要求し得る。ユーザ2000の同一性が確認されたならシステム1000はユーザに対し、テキスト、音声または他の聴覚的なもしくは視覚的な入力などの入力モードを選択することを催促する。次にシステム1000はユーザ2000に対し、ユーザ質問の入力を催促する。ユーザ2000はまた、上記で論じられたようなゲスト・ログインまたは役割依存式ログインのいずれかを用いても本発明と対話し得る。但しゲスト・ログイン・アカウントを用いる場合、ユーザ2000は何らかの個人用適合化による利益を得られない。これに加え、役割依存式ログインを用いる場合にユーザ2000は、型どおりの部分的な個人用適合化による利益のみしか得られない。

ブレイン・エージェント1010は、ユーザ2000により入力されたユーザ質問を受信する。ユーザ質問が受信されたならばブレイン・エージェント1010は、(上記で論じられたように)ユーザ質問を解釈する上で且つ後時においてユーザ用回答を構築する上で用いられるべき適切な知的エージェントを立ち上げる。適切な知的エージェントは、上記ユーザ質問を受信すると共に、該質問を、機械知能を用いて解釈され得る一個以上の更に簡素な質問へと改善する。上記ユーザ質問が解釈されるとき、各知的エージェントは相互に対して対話し得る。本発明のひとつの形態においてパーソナリティ・エージェント1040、プロファイル・エージェント1030および雰囲気エージェント1060は典型的に、ユーザ質問を解釈する上で他の知的エージェントを支援する重要な役割を果し得る。なぜなら、これらのエージェントはユーザ質問をユーザ2000の見方からの文脈に置くために使用され得るからである。上記で論じられたようにブレイン・エージェント1010は、種々の知的エージェント間の対話を連携調整すべく機能する。

ひとつ以上の知的エージェントによりユーザ質問が解釈される間、ひとつ以上の知的エージェントはユーザ2000に対し、ユーザ質問を明瞭化するための、または、エラー対処エージェント1090により自動的には訂正され得ないエラーを訂正するための付加的情報を催促し得る。これに加えてひとつ以上の知的エージェントは、システム1000の外部にて利用可能な情報もしくは支援を獲得すべくデータベース・コネクタ1110、AIエンジン・コネクタ1120、KIFコネクタ1130またはKQMLコネクタ1140などの一個以上のコネクタを利用し得る。

ユーザ2000により入力されたユーザ質問に応じ、種々の知的エージェントの対話を通してユーザ用回答が構築される。ブレイン・エージェント1010はユーザ用回答をユーザ2000に対し、該ユーザ2000により要求された媒体フォーマットで送信する。ユーザ2000がユーザ用回答を受信した後でシステム1000はユーザに対し、本発明の性能を評価すべく用いられ得る明快さ、適切性および他の要因に関してユーザ用回答を評価することを催促し得る。

システム1000は次にユーザ2000に対し、別のユーザ質問を入力するか当該システムをログオフすることを催促し得る。ユーザ2000との対話の間にまたはユーザ2000がログオフした後でシステム1000は、プロファイル・エージェント1030、パーソナリティ・エージェント1040および他の知的エージェントの任意のものに記憶された情報であってユーザ2000との対話の間において授受されたデータから利益を獲得し得る情報を更新し得る。

故に、知的エージェントを用いて問題解決を行う装置および方法が記述された。本発明のひとつの形態において、固有機能に専用とされた知的エージェントはブレイン・エージェントと対話することで、ユーザ質問に応じてユーザ用回答を提供する。本発明の別の形態において、ユーザ質問は概念様式で構文解析される。本発明の更に別の形態において、本発明と対話する個別ユーザに固有のパーソナリティおよび他の特性は、ユーザ用回答を構成するときに利用される。

本発明はその特定実施例に関して記述されたが、当業者に対しては種々の変更および改変が示唆されたことは理解される処であり、且つ、本発明は添付の各請求項の有効範囲内である変更および改変を包含することが意図される。

本発明の全体的概略図である。 本発明がユーザ質問をどのように解釈するかを示すフローチャートである。 本発明に係る概念的構文解析のフローチャートである。 本発明に係るマッチングのフローチャートである。 本発明に係る分解方法のフローチャートである。 本発明に係るユーザ・ログインのフローチャートである。

Claims (56)

1. 言語エージェントと、
   知識エージェントと、
   ブレイン・エージェントとを備え、
   前記ブレイン・エージェントは、入力を受信し得ると共に、前記言語エージェントおよび前記知識エージェントと選択的に対話して、前記入力を解釈して該入力に応じて出力を提供し得る、問題解決システム。
2. 前記ブレイン・エージェントは更に、前記言語エージェントおよび前記知識エージェントと選択的に対話して、前記入力を概念的に構文解析し得る、請求項１記載のシステム。
3. 一個以上の外部データ資源と、
   前記一個以上の外部データ資源に対する一個以上のコネクタとを更に備え、
   前記ブレイン・エージェントは更に前記一個以上のコネクタと選択的にやりとりを行い得る、請求項１記載のシステム。
4. 一個以上の外部データ資源と、
   前記一個以上の外部データ資源に対する一個以上のコネクタとを更に備え、
   前記言語エージェントおよび前記知識エージェントのひとつ以上は前記一個以上のコネクタと選択的にやりとりを行い得る、請求項１記載のシステム。
5. パーソナリティ・エージェントを更に備え、
   前記ブレイン・エージェントは更に、前記パーソナリティ・エージェントと選択的に対話することで前記入力を解釈して該入力に応じて出力を提供し得る、請求項１記載のシステム。
6. 前記ブレイン・エージェントは更に、前記言語エージェント、前記知識エージェントおよび前記パーソナリティ・エージェントと選択的に対話することで前記入力を概念的に構文解析する、請求項５記載のシステム。
7. 一個以上の外部データ資源と、
   前記一個以上の外部データ資源に対する一個以上のコネクタとを更に備え、
   前記パーソナリティ・エージェントは前記一個以上のコネクタと選択的にやりとりを行い得る、請求項５記載のシステム。
8. エラー対処エージェントを更に備え、
   前記ブレイン・エージェントは更に、前記エラー対処エージェントと選択的に対話することで前記入力を解釈して該入力に応じて出力を提供し得る、請求項１記載のシステム。
9. 前記ブレイン・エージェントは更に、前記言語エージェント、前記知識エージェントおよび前記エラー対処エージェントと選択的に対話することで前記入力を概念的に構文解析し得る請求項８記載のシステム。
10. 一個以上の外部データ資源と、
    前記一個以上の外部データ資源に対する一個以上のコネクタとを更に備え、
    前記エラー対処エージェントは前記一個以上のコネクタと選択的にやりとりを行い得る、請求項８記載のシステム。
11. プロファイル・エージェントを更に備え、
    前記ブレイン・エージェントは更に、前記プロファイル・エージェントと選択的に対話することで前記入力を解釈して該入力に応じて出力を提供し得る、請求項１記載のシステム。
12. 前記ブレイン・エージェントは更に、前記言語エージェント、前記知識エージェントおよび前記プロファイル・エージェントと選択的に対話して前記入力を概念的に構文解析し得る、請求項１１記載のシステム。
13. 一個以上の外部データ資源と、
    前記一個以上の外部データ資源に対する一個以上のコネクタとを更に備え、
    前記プロファイル・エージェントは前記一個以上のコネクタと選択的にやりとりを行い得る、請求項１１記載のシステム。
14. 雰囲気エージェントを更に備え、
    前記ブレイン・エージェントは更に、前記雰囲気エージェントと選択的に対話することで前記入力を解釈して該入力に応じて出力を提供し得る、請求項１記載のシステム。
15. 前記ブレイン・エージェントは更に、前記言語エージェント、前記知識エージェントおよび前記雰囲気エージェントと選択的に対話することで前記入力を概念的に構文解析し得る、請求項１４記載のシステム。
16. 一個以上の外部データ資源と、
    前記一個以上の外部データ資源に対する一個以上のコネクタとを更に備え、
    前記雰囲気エージェントは前記一個以上のコネクタと選択的にやりとりを行い得る、請求項１４記載のシステム。
17. 視覚エージェントを更に備え、
    前記ブレイン・エージェントは更に、前記視覚エージェントと選択的に対話することで前記入力を解釈して該入力に応じて出力を提供し得る、請求項１記載のシステム。
18. 前記ブレイン・エージェントは更に、前記言語エージェント、前記知識エージェントおよび前記視覚エージェントと選択的に対話することで前記入力を概念的に構文解析し得る、請求項１７記載のシステム。
19. 一個以上の外部データ資源と、
    前記一個以上の外部データ資源に対する一個以上のコネクタとを更に備え、
    前記視覚エージェントは前記一個以上のコネクタと選択的にやりとりを行い得る、請求項１７記載のシステム。
20. 音響エージェントを更に備え、
    前記ブレイン・エージェントは更に、前記音響エージェントと選択的に対話することで前記入力を解釈して該入力に応じて出力を提供し得る、請求項１記載のシステム。
21. 前記ブレイン・エージェントは更に、前記言語エージェント、前記知識エージェントおよび前記音響エージェントと選択的に対話することで前記入力を概念的に構文解析し得る、請求項２０記載のシステム。
22. 一個以上の外部データ資源と、
    前記一個以上の外部データ資源に対する一個以上のコネクタとを更に備え、
    前記音響エージェントは前記一個以上のコネクタと選択的にやりとりを行い得る、請求項２０記載のシステム。
23. 触知エージェントを更に備え、
    前記ブレイン・エージェントは前記触知エージェントと選択的に対話することで前記入力を解釈して該入力に応じて出力を提供し得る、請求項１記載のシステム。
24. 前記ブレイン・エージェントは更に、前記言語エージェント、前記知識エージェントおよび前記触知エージェントと選択的に対話することで前記入力を概念的に構文解析し得る、請求項２３記載のシステム。
25. 一個以上の外部データ資源と、
    前記一個以上の外部データ資源に対する一個以上のコネクタとを更に備え、
    前記触知エージェントは前記一個以上のコネクタと選択的にやりとりを行い得る、請求項２３記載のシステム。
26. 嗅覚／味覚エージェントを更に備え、
    前記ブレイン・エージェントは更に、前記嗅覚／味覚エージェントと選択的に対話することで前記入力を解釈して該入力に応じて出力を提供し得る、請求項１記載のシステム。
27. 前記ブレイン・エージェントは更に、前記言語エージェント、前記知識エージェントおよび前記嗅覚／味覚エージェントと選択的に対話することで前記入力を概念的に構文解析し得る、請求項２６記載のシステム。
28. 一個以上の外部データ資源と、
    前記一個以上の外部データ資源に対する一個以上のコネクタとを更に備え、
    前記嗅覚／味覚エージェントは前記一個以上のコネクタと選択的にやりとりを行い得る、請求項２６記載のシステム。
29. 入力を受信する段階と、
    ブレイン・エージェントを用いて言語エージェントおよび知識エージェントと選択的に対話することで、入力を解釈し且つ該入力に応じて出力を提供する段階と、
    を有する、問題解決方法。
30. 前記ブレイン・エージェントを用いて前記言語エージェントおよび前記知識エージェントと選択的に対話して前記入力を概念的に構文解析する段階を更に有する、請求項２９記載の方法。
31. 前記ブレイン・エージェントを用い、一個以上の外部データ資源に対する一個以上のコネクタと選択的にやりとりする段階を更に有する、請求項２９記載の方法。
32. 前記言語エージェントおよび前記知識エージェントのひとつ以上を用い、一個以上の外部データ資源に対する一個以上のコネクタと選択的に相互作用する段階を更に有する、請求項２９記載の方法。
33. 前記ブレイン・エージェントを用いてパーソナリティ・エージェントと選択的に対話することで前記入力を解釈して該入力に応じて出力を提供する段階を更に有する、請求項２９記載の方法。
34. 前記ブレイン・エージェントを用いて前記言語エージェント、前記知識エージェントおよび前記パーソナリティ・エージェントと選択的に対話することで前記入力を概念的に構文解析する段階を更に有する、請求項３３記載の方法。
35. 前記言語エージェント、前記知識エージェントおよび前記パーソナリティ・エージェントのひとつ以上を用いることで、一個以上の外部データ資源に対する一個以上のコネクタと選択的にやりとりする段階を更に有する、請求項３３記載の方法。
36. 前記ブレイン・エージェントを用いてエラー対処エージェントと選択的に対話することで前記入力を解釈して該入力に応じて出力を提供する段階を更に有する、請求項２９記載の方法。
37. 前記ブレイン・エージェントを用いて前記言語エージェント、前記知識エージェントおよび前記エラー対処エージェントと選択的に対話することで前記入力を概念的に構文解析する段階を更に有する、請求項３６記載の方法。
38. 前記言語エージェント、前記知識エージェントおよび前記エラー対処エージェントのひとつ以上を用いることで、一個以上の外部データ資源に対する一個以上のコネクタと選択的にやりとりする段階を更に有する、請求項３６記載の方法。
39. 前記ブレイン・エージェントを用いてプロファイル・エージェントと選択的に対話することで前記入力を解釈して該入力に応じて出力を提供する段階を更に有する、請求項２９記載の方法。
40. 前記ブレイン・エージェントを用いて前記言語エージェント、前記知識エージェントおよび前記プロファイル・エージェントと選択的に対話することで前記入力を概念的に構文解析する段階を更に有する、請求項３９記載の方法。
41. 前記言語エージェント、前記知識エージェントおよび前記プロファイル・エージェントのひとつ以上を用いることで、一個以上の外部データ資源に対する一個以上のコネクタと選択的にやりとりする段階を更に有する、請求項３９記載の方法。
42. 前記ブレイン・エージェントを用いて雰囲気エージェントと選択的に対話することで前記入力を解釈して該入力に応じて出力を提供する段階を更に有する、請求項２９記載の方法。
43. 前記ブレイン・エージェントを用いて前記言語エージェント、前記知識エージェントおよび前記雰囲気エージェントと選択的に対話することで前記入力を概念的に構文解析する段階を更に有する、請求項４２記載の方法。
44. 前記言語エージェント、前記知識エージェントおよび前記雰囲気エージェントのひとつ以上を用いることで、一個以上の外部データ資源に対する一個以上のコネクタと選択的にやりとりする段階を更に有する、請求項４２記載の方法。
45. 前記ブレイン・エージェントを用いて視覚エージェントと選択的に対話することで前記入力を解釈して該入力に応じて出力を提供する段階を更に有する、請求項２９記載の方法。
46. 前記ブレイン・エージェントを用いて前記言語エージェント、前記知識エージェントおよび前記視覚エージェントと選択的に対話することで前記入力を概念的に構文解析する段階を更に有する、請求項４５記載の方法。
47. 前記言語エージェント、前記知識エージェントおよび前記視覚エージェントのひとつ以上を用いることで、一個以上の外部データ資源に対する一個以上のコネクタと選択的にやりとりする段階を更に有する、請求項４５記載の方法。
48. 前記ブレイン・エージェントを用いて音響エージェントと選択的に対話することで前記入力を解釈して該入力に応じて出力を提供する段階を更に有する、請求項２９記載の方法。
49. 前記ブレイン・エージェントを用いて前記言語エージェント、前記知識エージェントおよび前記音響エージェントと選択的に対話することで前記入力を概念的に構文解析する段階を更に有する、請求項４８記載の方法。
50. 前記言語エージェント、前記知識エージェントおよび前記音響エージェントのひとつ以上を用いることで、一個以上の外部データ資源に対する一個以上のコネクタと選択的にやりとりする段階を更に有する、請求項４８記載の方法。
51. 前記ブレイン・エージェントを用いて触知エージェントと選択的に対話することで前記入力を解釈して該入力に応じて出力を提供する段階を更に有する、請求項２９記載の方法。
52. 前記ブレイン・エージェントを用いて前記言語エージェント、前記知識エージェントおよび前記触知エージェントと選択的に対話することで前記入力を概念的に構文解析する段階を更に有する、請求項５１記載の方法。
53. 前記言語エージェント、前記知識エージェントおよび前記触知エージェントのひとつ以上を用いることで、一個以上の外部データ資源に対する一個以上のコネクタと選択的にやりとりする段階を更に有する、請求項５１記載の方法。
54. 前記ブレイン・エージェントを用いて嗅覚／味覚エージェントと選択的に対話することで前記入力を解釈して該入力に応じて出力を提供する段階を更に有する、請求項２９記載の方法。
55. 前記ブレイン・エージェントを用いて前記言語エージェント、前記知識エージェントおよび前記嗅覚／味覚エージェントと選択的に対話することで前記入力を概念的に構文解析する段階を更に有する、請求項５４記載の方法。
56. 前記言語エージェント、前記知識エージェントおよび前記嗅覚／味覚エージェントのひとつ以上を用いることで、一個以上の外部データ資源に対する一個以上のコネクタと選択的にやりとりする段階を更に有する、請求項５４記載の方法。

Images