[发明专利]可扩展性持有装置

说明书

一种可扩展性持有装置。提供一种使用于向装置追加新能力的开发业务效率化的机构。另外，提供一种可扩展性良好的装置，具有能够简单地追加从外部提供的新能力的机构。可扩展性持有装置具有：架构，用于向本装置的基本结构以追加方式编入新能力，并通过能力获得模型而模型化，所述能力获得模型包括执行能力的能力部、作为进行所述能力部的输入的接口的数据输入部以及作为进行所述能力部的输出的接口的数据输出部；以及能力设定部，基于包含能力设定数据、输入设定数据以及输出设定数据的能力赋予数据，为所述能力部、所述数据输入部以及所述数据输出部中的每个设定功能，由此为本装置追加新能力。

本申请基于2016年3月14日提交的日本专利申请第2016-049438号，在此引用其记载内容。

技术领域

本发明涉及一种对装置追加新能力的技术。

背景技术

(背景技术)

以往，广泛地进行了与人工智能、神经网络相关的研究。例如，基于图像的对象物的识别技术正在不断改进，识别率逐步提高。通过被称为深度学习的新的学习方式，近年来识别率迅速提高，对图像的分类已经超过了人的识别率的水平。深度学习的技术不仅应用于图像识别，还能够应用于声音识别、个人认证、行为预测、文章摘要、自动翻译、监控、自动驾驶、故障预测、传感器数据分析、乐曲类型确定、内容生成和安全系统等广泛的领域。通过利用像深度学习那样的机器学习，不需要人参与，机器就能够获得新能力。

目前，深度学习等AI技术是特殊技术，为了将AI技术应用于特定领域，需要由具有特殊技能的人员进行研究和开发。例如，具有AI技术的人员来进行如下系统开发：针对每个顾客的委托来分析顾客的装置和需求，制作学习计划并构建训练系统，通过学习来生成新的神经网络并将其编入在客户的系统中。在使用深度学习等AI技术的学习中，由于通常需要大量的数据，并且反复计算次数较多，所以需要大规模的训练系统。在训练系统中，不仅需要安装AI技术，还使用处理大量数据的机构、并行化以及计算程序的硬件化等与以往Web应用程序不同的更复杂的系统。目前，具有AI技术的AI技术服务企业通常向不熟悉AI技术的客户企业提供咨询和系统开发两者。

作为与向装置安装新能力的方法相关的技术，在专利文献1、2中公开了一种改写打印机固件的技术。另外，在专利文献3、4中公开了一种与机器学习相关的技术，并且在专利文献5中公开了一种利用了深度学习的文字识别系统。

现有技术文献

专利文献

专利文献1：日本特开2009-134474号公报

专利文献2：日本特开2007-140952号公报

专利文献3：日本特开2014-228972号公报

专利文献4：日本专利第5816771号公报

专利文献5：日本特开2015-53008号公报

发明内容

发明所要解决的技术问题

今后，可以预想到的是开发装置的企业自身想要开发编入有AI技术的产品的需求不断提高。特别是在嵌入式设备中这种需求较多。但是，在机器学习(训练)中，需要高端的系统和大量的计算资源以及能够对它们进行维护的人员。因此，一般的制造厂商的技术人员自身也难以实施机器学习。由此，可以考虑机器学习的外包，但是对于例如不像嵌入式设备的开发人员那样熟悉AI技术的技术人员来说，难以将在外部实施的机器学习的结果编入于自身的装置。

另外，从家用设备到工业设备和基础设施，在大多数的装置和设备中利用顺序控制。但是，以神经网络为代表的人工智能并不擅长顺序控制，目前的技术难以利用机器学习来获得基于复杂的顺序控制的工作。因此，为了将机器学习应用于利用顺序控制的装置，重要的是如何将由机器学习得到的功能编入(如何协同工作)按照人(技术人员)制作的程序来进行工作的顺序控制的部分。