WO2004032045A1 - 発想モデル装置、自発感情モデル装置、その方法、およびプログラム - Google Patents

Abstract

本発明の発想モデル装置は、自発感情部、知識データベース、および着想部を備える。自発感情部は、人間の感情をモデル化した感情状態をデータとして予め用意し、シュレディンガー方程式の確率モデルに従い、これら感情状態の間で状態遷移を繰り返す。知識データベースでは、外部から収集された知識データを感情状態との相関の強さに関連付けて分類蓄積することによって、感性に影響される人間の発想源をシミュレーションする。着想部は、外部入力が与えられると、この外部入力と自発感情部の感情状態とを組み合わせ、その組み合わせなどを検索キーにして、知識データベースから知識データを検索することによって、人間の着想行為をシミュレーションする。

Description

明細書 発想モデル装置、 自発感情モデル装置、

その方法、 およびプログラム 技術分野

本発明は、人間の着想行為をシミュレーションする発想モデル装置、その方法、 およびそのプログラムに関する。

本発明は、 その発想モデル装置の主要部分である自発感情モデル装置、 その方 法、 およびそのプログラムに関する。

特に、 本発明は、 下記のような製品分野などに適用される技術である。

( 1 ) コンピュータやロボッ トを用いた、 より自然な質疑応答システム

( 2 ) 人間的な感性を反映するアイデア検索システム

( 3 ) 人間の心理状態の実験モデル

( 4 ) より人間らしい感情や動きを反映するゲームシステム

( 5 ) エージェントシステム

( 6 ) 自発感情による着想 （いわゆる直感） により、 膨大な情報源から的確な答 えを高速検索する情報検索方法 . ' 背景技術

本発明と関連のある従来技術としては、 特許文献 1 (日本出願の特開平 1 1— 2 6 5 2 3 9号公報） に開示された 「感情生成装置及び感情生成方法」 が知られ ている。 人問などの内部状態を表す感情は、 そのときの状況に応じて様々に変化 する。 この特許文献 1においては、 予測不可能な状況における感情の生成を実現 するための技術を開示している。 すなわち、 予測可能な状況に照らして状況を評 価し、 装置自身の感情を発生させる。 また、 実際に発生した過去の感情とそのと きの状況とを分析し、 それぞれの状況に特有な予測不可能な付帯条件及びそれに 対応する感情を学習する。 新たに入力された状況が学習した付帯条件を満足する 場合には、 その付帯条件に対応する感情を出力する。 また、 本願発明者は、 特許文献 2 (日本出願の特開 2 0 0 2— 2 1 5 1 8 3号 公報） において 「感性発生方法及び感性発生装置並びにソフトウェア」 を開示し ている。 この従来技術では、 対話相手の感情状態などの入力情報に基づいて、 快 さ、 危険度、 達成度を表す本能パラメータを動機付け情報として生成し、 その本 能的な動機付け情報に基づいて、 喜ぴゃ怒りなどの基本感情を発生制御する。 特 に、 この従来技術では、 基本感情の発生制御に際して、 理性や意志といった個性 を制御ルール （人間で言えば性向） に反映することにより、 より人間的な感情状 態の生成に成功している。

ところで、 人間の脳は、 多数のニューロンからなる巨大な並列処理マシンであ ると考えられている。 その結果、 脳による問題解決は、 並列処理による総当たり 的な情報検索処理として捉えられる。

しかしながら、 このような総当たり的な情報検索処理をコンピュータなどで実 現するには、 膨大な検索辞書を用意しなければならず、 かつ多大な検索時間がか かるなどの問題が生じる。 また、 総当たり的な情報検索では、 一定の検索条件に 合致する平均的な解を検索範囲内から見つけているに過ぎず、 意表をつく解 （ひ らめき） を出力することは不可能である。

人間の脳は、 ひらめきという類い稀な能力を有している。 このひらめきという 能力は、 総当たり的な情報検索処理とは異質な能力である。

発明の開示

本願発明者は、 本発明にあたり、 このひらめきという心理的現象に着目するこ とによって、 上述した総当たり的な情報検索処理の問題点を改善することを考え た。

すなわち、 本発明の目的は、 ひらめきに類似するプロセスを加味することによ り、 効率的な情報検索 （言い換えれば人間に近い着想行為） を実現することであ る。

本発明の別の目的は、 ひらめきを生み出す感性や感情の揺らぎを実現する自発 感情モデルを実現することである。

以下、 本発明について説明する。

[ 1 ] 本発明の発想モデル装置は、 自発感情部、 知識データベース、 および着想部を 備 る。

この自発感情部は、 人間の感情をモデル化した感情状態をデータとして予め複 数用意し、 シュレディンガー方程式の確率モデルを表現する演算処理に従って、 これら感情状態の間で状態遷移を繰り返す。 その結果、 自発感情部は、 人間の自 発感情の創発をシミュレーションする。

知識データベースでは、 外部から収集された知識データを感情状態との相関の 強さに関連付けて分類蓄積することによって、 感性に影響される人間の発想源を シミュレーションする。

着想部は、 外部入力が与えられると、 この外部入力と自発感情部の感情状態と を組み合わせ、 その組み合わせまたは組み合わせにより生じる干渉状態を検索キ 一にして、 知識データベースから関連する知識データを検索する。 その結果、 着 想部は、 人間の着想行為をシミュレーションする。

以下、 この発想モデル装置について説明する。

本願発明者は、 ひらめきと呼ばれる着想行為をモデル化するため、 次のような 理論をまず考えた。 すなわち、 ひらめきは、 表層意識下においてコントロールす ることが困難であって、 不確実な心理現象である。 このようなひらめきの不確実 性は、 思考を規範する感性や感情の揺らぎに強く影響されるためと考えられる。 そこで、 本発明では、 この感情の揺らぎをシミュレーションするために、 まず 自発感情部を開発した。 この自発感情部を構築するにあたり、 人間の感情をモデ ル化した感情状態を設定する。 この感情状態は、 喜怒哀楽その他の基本感情を座 標軸にとった仮想的な座標空間 （以下 『感情空間』 という） を運動する運動体と して捉えることができる。 すなわち、 この座標空間における感情状態の位置を、 感情のポテンシャル （喜怒哀楽の度合い） と捉える。 また、 この座標空間におけ る感情状態の運動量を、 人間の感情変化の勢いと捉える。

仮に、 この感情状態の運動を完全なランダム運動と考えると、 支離滅裂な感情 変化となり、 合理性や整合性を有するひらめきとは結びつかない。

逆に、 この感情状態の運動をニュートン力学に従う運動とすると、 全て予測可 能な感情変化となり、 不確実性を有するひらめきとは結びつかない。 そこで、 本願発明者は、 ひらめきを生む際の適度な不確実性を実現するため、 シュレディンガー方程式に着目した。 すなわち、 量子化した感情状態を予め複数 想定し、 シュレディンガー方程式の波動関数 Φの二乗が示す存在確率を満足する ように、 これら感情状態の間で状態遷移が生じると設定した。

このような感情状態の運動は、 例えば、 波動関数、 フーリエ変換、 行列力学、 経路積分、 生成消滅演算子、 演算子、 微分方程式、 または交換関係その他の既知 の演算処理により算出することができる。

ちなみに、 シュレディンガー方程式を採用することにより、 感情状態を粒子性 (感情空間における位置と運動量） だけではなく、 波動性という性質でも捉える ことが可能になる。 この感情状態の波動性によって、 人間の感情が生成消滅した り、 感情が互いに干渉し合ったり、 共鳴するなどのシミュレーションが可能にな るため、 シュレディンガー方程式の採用は更に好都合である。

続いて、 本願発明者は、 ひらめきの発想源として、 知識データベースを開発し た。 通常、 人間は、 知識や経験の積み重ねを発想源とする。 しかしながら、 人間 がひらめきを感じる場合、 この発想源全てについて総当たり検索を行っていると は考えにくレ、。 このような総当たり検索では、 平均的な当たり前の答えしか見つ からず、 また膨大な思考時間が常に必要となるからである。 これらは、 いずれも ひらめきとは相容れない結果である。

そこで、 本願発明者は、 ひらめきに際して、 人間は発想源を適度に限定してい るのではないかと考えた。 発想源を限定すれば、 限られた範囲から平均的とは言 えない意表をつく答えを得る可能性が高くなる。 また、 発想源が狭く限定される ため、 情報検索に要する思考時間を直感と呼べるレベルまで短縮することができ る。

このような発想源の範囲限定には、 知識経験に基づく知性面の限定作用も勿論 重要である。 しかしながら、 知性面における範囲限定は、 情報検索の正解率向上 や思考時間の短縮には有効であるが、 意表をつく答えを得るという点では不十分 である。 特に、 天啓とも言うべき芸術家のひらめきは、 知性面における範囲限定 だけでは到底説明がつかない。

そこで、 本願発明者は、 芸術家が感性や感情を重視して創造活動を行っている 点に着目し、 この感性や感情によって発想の範囲が無意識に限定されていると考 ん†こ。

本発明の知識データベースは、 このような機能を実現するため、 外部から収集 された知識データを感情状態との相関の強さに関連付けて分類蓄積する。 このよ うな分類蓄積によって、 感性や感情に影響される人間の発想源をシミュレーショ ンすることが可能になる。

さらに、 本願発明者は、 ひらめきを着想する場として、 着想部を開発した。 こ の着想部は、 自発感情部から感情状態を取得する。 また、 この着想部には、 ひら めきのトリガーとなる外部入力 （刺激） も与えられる。

着想部は、 この外部入力と感情状態とを組み合わせる。 着想部が、 この組み合 わせを検索キーにして知識データベースを検索することにより、 感情状態による 検索範囲の限定が実行される。 この検索範囲の限定により、 感情状態に合致しつ つ、 かつ意表をつく検索結果を高速に得ることが可能になる。

なお、 着想部は、 外部入力と感情状態との組み合わせによって生じる干渉状態 を検索キーに加味してもよい。 この場合の動作は、 外部入力を感情状態によって 変容させた上で、 検索キーを新たに生成している動作に相当する。

簡単な例をあげると、 外部入力 『バラ』 力 感情状態 『強い喜びの状態』 に干 渉することにより、 互いに強め合う方向の干渉が生じる。 この干渉状態により、 単なる 『バラ』 力 より華やかな 『赤いバラ』 という検索キーに変容する。

(具体的な変容ルールについては、 例えば、 心理実験によって決定することがで きる。 例えば、 ローシャッハテストによって実験者の感情状態を推定したのち、 その感情状態において外部入力をどのように解釈したかを実験者にアンケート調 査すればよい。 ）

これは、 人間が外部入力 （他人からの話など） を感性や感情によって独自解釈 する状態をシミュレーションしている。 この場合、 良い面で言えば独創的解釈、 悪い面で言えば思い込みを含んだ人間らしい検索キーを生成することができる。 このように検索キーが感情状態に影響されて変容することにより、 人間のひらめ きに一層近い状態をシミュレーションすることが可能になる。

また、 着想部は、 継続的に与えられる外部入力を波動として捉え、 外部入力と 感情状態との間で干渉状態を求め、 その干渉状態を検索キーにして、 知識データ ベースの検索を行ってもよい。 この場合の動作は、 両者間の干渉や同期によって 新たに生み出される変化 （人間で言えば、 気分の上がり下がりや感性のうなりの ようなもの） から検索キーを生成することに相当する。 この場合、 外部入力とは 感性のレベルで合致するが、 外部入力の意味内容からはおよそ思い付かない検索 結果を得ることができる。

[ 2 ]

なお好ましくは、 本発明の着想部は、 表層記憶部おょぴ深層意識更新部を備え る。

この表層記憶部は、 外部入力と感情状態との組み合わせを、 所定期間記憶して 忘却する。

一方、 深層意識更新部は、 表層記憶部に記憶される外部入力と感情状態との組 み合わせの頻度が所定頻度以上になると、 外部入力または干渉状態が 『奨励』 に 該当する場合には、 自発感情部における感情状態への状態遷移確率を増加させ、 外部入力または干渉状態が 『抑制』 に該当する場合には、 状態遷移確率を低減さ せることにより、 深層意識の成長をシミュレーションする。

上述したように、 本発明の自発感情部は、 自発感情の状態遷移確率を変更する ことによって、深層意識の成長（自発感情部の癖付け）をシミュレーションする。 このような成長により、穏和な自発感情部や、激昂しゃすい自発感情部といった、 より個性的な自発感情部を実現できる。

ただし、 自発感情部の個性に該当する部分であるため、 安易に成長させること は好ましくない。 そこで、 外部入力および感情状態の組み合わせの頻度が所定頻 度以上になった場合のみ、 成長 （状態遷移確率の変更） させることとした。

さちに、 外部入力または干渉状態が 『奨励』 に該当する場合には、 その感情状 態への状態遷移確率を増加させる。 逆に、 外部入力または干渉状態が 『抑制』 に 該当する場合には、 その感情状態への状態遷移確率を低減させる。 このような成 長の方向付けにより、 外部入力と調和のとれた成長を促すことが可能になる。 なお、 ここでの 『奨励』 および『抑制』 の判断については、 システム開発者な どの教師役が、自発感情部を教育する観点からルールを決定することが好ましレ、。 以上のような成長 （自発感情部の癖付け） により、 個性的で人間に近い着想行 為をシミュレーションすることが可能になる。

[ 3 ]

本発明の自発感情モデル装置は、 自発感情部、 表層記憶部、 および深層意識更 新部を備える。

この自発感情部は、 人間の感情をモデル化した感情状態をデータとして予め複 数用意し、 シュレディンガー方程式の確率モデルを表現する演算処理に従って、 これら感情状態の間で状態遷移を繰り返すことにより、 人間の自発感情の創発を シミュレーションする。

表層記憶部は、 感情状態に対する直接的または間接的な外部の反応を外部入力 として取り込み、 この外部入力と感情状態との組み合わせを所定時間記憶して忘 却する。

深層意識更新部は、 表層記憶部に記憶される外部入力と感情状態との組み合わ せの頻度が所定頻度以上になると、 外部入力または 「組み合わせの干渉状態」 が 『奨励』 に該当する場合には、 自発感情部における感情状態への状態遷移確率を 増加させ、 外部入力または干渉状態が 『抑制』 に該当する場合には、 状態遷移確 率を低減させることにより、 深層意識の成長をシミュレーションする。

この自発感情モデル装置は、 上述した発想モデル装置から、 自発感情部と、 そ の成長に係わる構成とを抽出したものである。 この自発感情モデル装置を機能部 品として使用することにより、 種々の応用製品に、 自発感情の創発および成長機 能を付加することが可能になる。

[ 4 ]

本発明の発想のシミュレーション方法は、 コンピュータに次のステップを実行 させる。

( a ) 人間の感情をモデル化した感情状態をデータとして予め複数用意し、 シ ュレディンガー方程式の確率モデルを表現する演算処理に従って、 コンピュータ が感情状態の間で状態遷移の演算を繰り返すことにより、 人間の自発感情の創発 をシミュレ——ンョンするステップ。

( b ) コンピュータ上のデータベースに、 外部から収集された知識データを感 情状態との相関の強さに関連付けて分類蓄積することにより、 感性に影響される 人間の発想源をシミュレーションするステップ。

( c ) 外部入力が与えられると、 コンピュータが、 感情状態と外部入力とを組 み合わせ、 その組み合わせまたは組み合わせの干渉状態を検索キーにして、 デー タベースから関連する知識データを検索することにより、 人間の着想行為をシミ ュレーションするステップ。

この発想のシミュレーション方法は、 上記 [ 1 ] の発想モデル装置が実施する 発想手順を、 方法のカテゴリーとしてクレーム化したものである。

[ 5 ]

なお好ましくは、 本発明の発想のシミュレーション方法は、 次のステップを更 に備える。

( d ) コンピュータが、 外部入力と感情状態との組み合わせの頻度が所定頻度 以上になったと判定すると、 外部入力または干渉状態が 『奨励』 に該当する場合 には、感情状態への状態遷移確率を増加させ、外部入力または干渉状態が『抑制』 に該当する場合には、 状態遷移確率を低減させることにより、 深層意識の成長を シミュレーションするステップ。

この発想のシミュレーション方法は、 上記 [ 2 ] の発想モデル装置が実施する 発想手順を、 方法のカテゴリーとしてクレーム化したものである。

[ 6 ]

また、 本発明の自発感情のシミュレーション方法は、 コンピュータに次のステ ップを実行させる。

(A ) 人間の感情をモデル化した感情状態をデータとして予め複数用意し、 シ ユレディンガー方程式の確率モデルを表現する演算処理に従って、 コンピュータ が感情状態の間で状態遷移の演算を繰り返すことにより、 人間の自発感情の創発 をシミュレーションするステップ。

( B ) コンピュータが、 感情状態に対する直接的または間接的な外部の反応を 外部入力として取り込み、 外部入力と感情状態との組み合わせを所定時間記憶し て忘却するステップ。

( C ) コンピュータが、 外部入力と感情状態との組み合わせの頻度が所定頻度 以上になったと判定すると、外部入力または 「組み合わせの干渉状態」 が『奨励』 に該当する場合には、 感情状態への状態遷移確率を増加させ、 外部入力または干 渉状態が 『抑制』に該当する場合には、 状態遷移確率を低減させることにより、 深層意識の成長をシミュレーションするステップ。

この自発感情のシミュレーション方法は、 上記 [ 3 ] の自発感情モデル装置が 実施する手順を、 方法のカテゴリーとしてクレーム化したものである。

[ 7 ]

また、 本発明のプログラムは、 コンピュータを、 上述した発想モデル装置を構 成する自発感情部、 知識データベース、 および着想部として機能させるためのプ ログラムである。

このプログラムをコンピュータで実行することにより、 コンピュータ上におい て上述した発想モデル装置を実現することができる。

[ 8 ]

さらに、 本発明の別のプログラムは、 コンピュータを、 上述した自発感情モデ ル装置を構成する自発感情部、 表層記憶部、 および深層意識更新部として機能さ せるためのプログラムである。

このプログラムをコンピュータで実行することにより、 コンピュータ上におい て上述した自発感情モデル装置を実現することができる。 図面の簡単な説明

なお、 本発明における上述した目的およびそれ以外の目的は、 以下の説明と添 付図面とによって容易に確認することができる。

図 1は、 本実施形態における発想モデル装置 （自発感情モデル装置を含む） を 示すプロック図である。

図 2は、 量子化された基本感情の一例を示す図である。

図 3は、 感情状態の状態遷移の様子を説明する図である。

図 4は、 発想モデル装置 1 1の着想動作を説明する図である。 発明を実施するための最良の形態 以下、 図面に基づいて、 本発明の実施形態を説明する。

図 1は、本実施形態における発想モデル装置 1 1 (自発感情モデル装置を含む） を示すブロック図である。

図 1において、 発想モデル装置 1 1は、 自発感情部 1 2、 着想部 1 3、 知識デ ータベース 1 4、 およびインターフェース部 1 7を備えて構成される。 さらに、 この着想部 1 3は、 深層意識更新部 1 5および表層記憶部 1 6を備えて構成され る。

例えば、 このような発想モデル装置 1 1の動作をプログラムコード化すること により、 プログラムを作成してもよい。 このプログラムをコンピュータで実行す ることにより、 コンピュータ上において発想モデル装置 1 1をソフトウェア的に 実現することができる。 また、 発想モデル装置 1 1の一部または全部をハードウ エアにより構成してもよい。

[自発感情部 1 2の初期設定]

まず、 自発感情部 1 2の初期設定について説明する。

発想モデル装置 1 1の開発者は、 人間が有する代表的な基本感情を選定する。 次に、 開発者は、 これら基本感情の強弱レベルを設定することにより、 基本感情 の量子化レベルを決定する。 図 2は、 このように決定された基本感情の一例を示 す図である。

開発者は、 このように量子化された基本感情を組み合わせることにより、 人間 が実際に経験する感情状態を複数定める。これら感情状態の一つ一つは、例えば、 喜び = 4， 怒り = 0 , 哀しみ = 1， 愛情 = 5 , 嫌悪 = 0 ■ ■ といった具合に、 複 数の基本感情が入り混じった複雑な現実的感情状態を表す。

このように定めた感情状態は、 基本感情を軸にとった座標空間 （以下 『感情空 間』 という） 上に座標位置として存在する。 人間の感情は、 これら感情状態の間 を移動することによって感情空間内を運動する一種の量子的存在としてモデル化 できる。

次に、 開発者は、 感情状態を構成する基本感情の作用を考える。 例えば、 強い 嫌悪と強い愛情とを有する感情状態は、 これらの基本感情が互いに相反するため に極めて不安定な感情状態となる。 そのため、 より安定した別の感情状態に移動 する確率が高い。

また例えば、 強い怒りを有する感情状態は、 その強い怒りがやがて哀しみ （諦 観） の波動を強め、 哀しみを有する感情状態へと移動する確率が高い。

このように、 開発者は、 基本感情の相互作用を考慮することによって、 各感情 状態の存在確率を定め、 その存在確率を成立させるための状態遷移確率を初期設 定する。

なお、 最終目的であるひらめき動作に量子論的な不確実性を加味するため、 各 感情状態の存在確率は、 シュレディンガー方程式の波動関数 の二乗に略一致す る必要がある。 そのための調整は、 基本感情の量子化レベルの再設定や、 シユレ ディンガー方程式の定数変更や、 存在確率それ自体の再設定などによって実施で きる。

図 3は、 このように定めた状態遷移確率に従う状態遷移を説明する図である。 この図 3では、 感情状態 A〜Cなどの間で、 状態遷移確率 P 0〜P 8などに従つ て状態遷移が発生している様子を示す。

[知識データベース 1 4の作成]

続いて、 知識データベース 1 4の作成について説明する。

ここでは、 一例として S D法を用いた知識データベース 1 4の作成について説 明する。

S D法では、 被験者に 「海」 などの知識データを示し、 その知識データについ て受ける印象を、 「楽しい〜つまらない」 や 「怖い〜怖くない」 などの基本感情 の評定尺度を使って答えてもらう。 開発者は、 複数の被験者について求めた S D 法の結果から、 基本感情を軸にとった感情空間において、 知識データの印象がど のように空間分布するかを求める。 この空間分布を各感情状態に分割してそれぞ れに総和を求めることにより、 知識データと各感情状態との相関の強さが得られ る。

開発者は、 知識データを、 強い相関を示す感情状態に分類した上で、 知識デー タ相互間の関連付けを行う。 このような知識データの感情状態による分類と、 知 識データ相互間の関連付けを行うことにより、 感性の影響に配慮した知識データ ベースが完成する。 [発想モデル装置 1 1による着想動作の説明]

図 4は、 発想モデル装置 1 1の着想動作を説明する図である。

以下、 図 4中に示すステップ番号に沿って、 発想モデル装置 1 1の着想動作を 説明する。

ステップ S 1 : 自発感情部 1 2では、 予め設定された状態遷移確率に従って、 複数の感情状態の間で状態遷移を逐次実行する。 ここでの処理は、 シュレディン ガー方程式の確率モデルに沿った処理であるため、 例えば、 波動関数、 フーリエ 変換、 行列力学、 経路積分、 生成消滅演算子、 演算子、 微分方程式、 または交換 関係その他の既知の演算処理を用いても実施できる。

このような感情状態の状態遷移を逐次実行することにより、 人間の自発感情が 創発する様子をシミュレーションすることができる。

ステップ S 2 : 表層記憶部 1 6は、 オペレータから外部入力が与えられると、 自発感情部 1 2から現在の感情状態を取得し、 外部入力と感情状態との組み合わ せを作成する。 表層記憶部 1 6は、 この組み合わせを一定期間記憶したのち、 忘 却する。

続いて、 表層記憶部 1 6は、 この組み合わせから検索キーを作成する。 ここで • は次のような検索キーの選択が可能である。

( 1 ) 外部入力と感情状態の組み合わせをそのまま検索キーとする。

( 2 ) 外部入力と感情状態の干渉状態に応じて、 外部入力を変容して検索キーと する （詳細については、 発明の開示の欄を参照） 。

( 3 ) 外部入力と感情状態の干渉状態を検索キーとする。 具体的には、 外部入力 と強い相関を示す感情状態を求める。 求めた感情状態と現在の感情状態とを波動 レベルで合成することにより、 別の感情状態を生成する。 この合成処理を簡易に 行う場合は、 各基本感情の相互作用ルールに基づいて、 双方の感情状態が有する 基本感情ごとに合成レベルを決定すればよい。 このように求めた別の感情状態を 検索キーとする。

ステップ S 3 ： 着想部 1 3は、 ステップ S 2で求めた検索キーを知識データべ ース 1 4に照会する。 まず、 知識データベース 1 4は、 この検索キーに従って感 情状態による検索範囲の限定を実施する。 次に、 知識データベース 1 4は、 限定 された検索範囲において、 外部入力と関連する知識データを情報検索する。

このような情報検索により、 例えば、 外部入力 「花」 に対する検索結果が、 明 るい感情状態では 「綺麗」 「いい香り」 「若い女の子」 となり、 暗い感情状態で は 「葬式」 「幽霊」 「奇妙な香り」 となる。

ステップ S 4 : ' 着想部 1 3は、 これらの検索結果と現在の感情状態とを出力す る。 図 1に示すインターフェース部 1 7は、 これらの検索結果と現在の感情状態 を反映した音声出力や映像出力などを選択または生成して出力する。

ステップ S 5 ： 通常は、 ステップ S 4までの動作により、 発想モデル装置 1 1 の着想動作は完結する。

このステップ S 5は、 表層記憶部 1 6に記憶される 『外部入力と感情状態との 組み合わせ』 の頻度が所定頻度を超えた場合の条件的動作である。 この場合、 深 層意識更新部 1 5は、 外部入力または組み合わせの干渉状態が『奨励』 と 『抑制』 のいずれに該当するかを判別する。 ' 『奨励』 に該当する場合、 深層意識更新部 1 5は、 自発感情部 1 2の設定を書 き換えて、 現在の感情状態への状態遷移確率を増加させる。

逆に、 『抑制』 に該当する場合、 深層意識更新部 1 5は、 自発感情部 1 2の設 定を書き換えて、 現在の感情状態への状態遷移確率を低減させる。

このような自発感情部 1 2の更新動作により、 外部入力と調和のとれる方向へ 自発感情部 1 2を成長させることが可能になる。

[本実施形態の効果など]

以上説明した動作により、 本実施形態では、 自発感情部 1 2の感情状態に応じ て、 知識データベース 1 4の検索範囲が適切に限定される。 その結果、 感情状態 に合致しつつ、 かつ感情状態の揺らぎに影響された意表をつく検索結果を高速に 得ることが可能になる。

また、 本実施形態では、 ステップ S 5で述べた動作によ'り、 外部入力と調和の とれた方向へ、 自発感情部 1 2の成長（癖付け） を促すことができる。その結果、 より、 個性的で人間に一段と近い着想行為をシミュレーションすることが可能に なる。

なお、 本発明は、 その精神または主要な特徴から逸脱することなく、 他のいろ いろな形で実施することができる。 そのため、 前述の実施例はあらゆる点で単な る例示に過ぎず、 限定的に解釈してはならない。 本発明の範囲は、 特許請求の範 囲によって示すものであって、 明細書本文には、 なんら拘束されない。 さらに、 特許請求の範囲の均等範囲に属する変形や変更は、 すべて本発明の範囲内のもの である。 産業上の利用可能性

本発明では、 シュレディンガー方程式の確率モデルに従って、 感情状態を状態 遷移させる。 その結果、 ひらめきを生むために適度な不確実性を有する感情の摇 らぎをシミュレーションすることが可能になる。

また、 本発明では、 外部から収集された知識データを感情状態との相関の強さ に関連付けて分類蓄積する。 このような分類蓄積により、 感性に影響される人間 の発想源をシミュレーションすることが可能になる。

さらに、 本発明では、 ひらめきのトリガーとなる外部入力 （刺激） と感情状態 とを組み合わせる。 本発明は、 この組み合わせまたは組み合わせにより生じる干 渉状態を検索キーにして知識データの検索を行う。 その結果、 感情状態の揺らぎ に応じて知識データの検索範囲が限定され、 感情状態に則しつつ、 かつ意表をつ く検索結果を得ることが可能になる。 その結果、 着想部では、 人間のひらめきに 近い行為をシミュレーションすることが可能になる。

以上説明したように、 本発明では、 膨大な検索辞書を高速に情報検索しつつ、 ひらめきに近い着想結果を出力できるシステムを構築することが可能になる。

Claims

請求の範囲

1 . 人間の感情をモデル化した感情状態をデータとして予め複数用意し、 シュ レディンガー方程式の確率モデルを表現する演算処理に従って、 前記感情状態の 間で状態遷移を繰り返すことにより、 人間の自発感情の創発をシミュレーシヨ ン する自発感情部と、

外部から収集された知識データを前記感情状態との相関の強さに関連付けて分 類蓄積することにより、 感性に影響される人間の発想源をシミュレーショ ンする 知識データベースと、

外部入力が与えられると、 前記自発感情部の前記感情状態と前記外部入力とを 組み合わせ、 その組み合わせまたは組み合わせにより生じる干渉状態を検索キー にして、 前記知識データベースから関連する前記知識データを検索することによ り、 人間の着想行為をシミュレーションする着想部と

を備えたことを特徴とする発想モデル装置。

2 . 請求項 1に記載の発想モデル装置において、

前記着想部は、

前記外部入力と前記感情状態との組み合わせを、 所定期間記憶して忘却する表 層記憶部と、

前記表層記憶部に記憶される前記外部入力と前記感情状態との組み合わせの頻 度が所定頻度以上になると、 前記外部入力または前記干渉状態が 『奨励』 に該当 する場合には、 前記自発感情部における前記感情状態への状態遷移確率を増加さ せ、 前記外部入力または前記干渉状態が 『抑制』 に該当する場合には、 前記状態 遷移確率を低減させることにより、 深層意識の成長をシミュレーションする深層 意識更新部とを備えた

ことを特徴とする発想モデル装置。

3 . 人間の感情をモデル化した感情状態をデータとして予め複数用意し、 シュ レディンガー方程式の確率モデルを表現する演算処理に従って、 前記感情状態の 間で状態遷移を繰り返すことにより、 人間の自発感情の創発をシミュレーション する自発感情部と、

前記感情状態に対する直接的または間接的な外部の反応を外部入力として取り 込み、 前記外部入力と前記感情状態との組み合わせを所定時間記憶して忘却する 表層記憶部と、

前記表層記憶部に記憶される前記外部入力と前記感情状態との組み合わせの頻 度が所定頻度以上になると、 前記外部入力または 「前記組み合わせの干渉状態」 が 『奨励』 に該当する場合には、 前記自発感情部における前記感情状態への状態 遷移確率を増加させ、 前記外部入力または前記干渉状態が 『抑制』 に該当する場 合には、 前記状態遷移確率を低減させることにより、 深層意識の成長をシミュレ ーシヨンする深層意識更新部と

を備えたことを特徴とする自発感情モデル装置。

4 . コンピュータによる発想のシミュレーション方法であって、

人間の感情をモデル化した感情状態をデータとして予め複数用意し、 シユレデ ィンガー方程式の確率モデルを表現する演算処理に従って、 前記コンピュータが 前記感情状態の間で状態遷移の演算を繰り返すことにより、 人間の自発感情の創 発をシミュレーションするステップと、

前記コンピュータ上のデータベースに、 外部から収集された知識データを前記 感情状態との相関の強さに関連付けて分類蓄積することにより、 感性に影響され る人間の発想源をシミュレーションするステップと、

外部入力が与えられると、 前記コンピュータが、 前記感情状態と前記外部入力 とを組み合わせ、 その組み合わせまたは組み合わせにより生じる干渉状態を検索 キーにして、 前記データベースから関連する前記知識データを検索することによ り、 人間の着想行為をシミュレーションするステップと

を備えたことを特徴とする発想のシミュレーション方法。

5 . 請求項 4に記載の発想のシミュレーション方法において、

前記コンピュータが、 前記外部入力と前記感情状態との組み合わせの頻度が所 定頻度以上になったと判定すると、 前記外部入力または前記干渉状態が 『奨励』 に該当する場合には、 前記感情状態への状態遷移確率を増加させ、 前記外部入力 または前記干渉状態が 『抑制』 に該当する場合には、 前記状態遷移確率を低減さ せることにより、 深層意識の成長をシミユレーションするステップを有する ことを特徴とする発想のシミュレーション方法。

6 . コンピュータによる自発感情のシミュレーション方法であって、 人間の感情をモデル化した感情状態をデータとして予め複数用意し、 シユレデ ィンガー方程式の確率モデルを表現する演算処理に従って、 前記コンピュータが 前記感情状態の間で状態遷移の演算を繰り返すことにより、 人間の自発感情の創 発をシミュレーションするステップと、

前記コンピュータが、 前記感情状態に対する直接的または間接的な外部の反応 を外部入力として取り込み、 前記外部入力と前記感情状態との組み合わせを所定 時間記憶して忘却するステップと、

前記コンピュータが、 前記外部入力と前記感情状態との組み合わせの頻度が所 定頻度以上になったと判定すると、 前記外部入力または 「前記組み合わせの干渉 状態」 が 『奨励』 に該当する場合には、 前記感情状態への状態遷移確率を増加さ せ、 前記外部入力または前記干渉状態が 『抑制』 に該当する場合には、 前記状態 遷移確率を低減させることにより、 深層意識の成長をシミュレーションするステ ップと

を備えたことを特徴とする自発感情のシミュレーション方法。

7 . コンピュータを、 請求項 1または請求項 2に記載の前記自発感情部、 前記 知識データベース、 およぴ前記着想部として機能させるためのプログラム。

8 . コンピュータを、 請求項 3に記載の前記自発感情部、 前記表層記憶部、 お よび前記深層意識更新部として機能させるためのプログラム。