Human?Interactive Annealingによる特許実験

本日、４名の被験者（技術者２名、営業２名）にて、検査・マーキングに関連する１０６件の特許（請求項）をデータベースに、Human-Interactive　Annealing手法を用いて、あらたな特許に関わるシナリオ創発の実験を行いました。
最初のクラスターの概念に関するコンテクストを考えるのに、時間が掛かりました。しかし、やはり各クラスターに関連する特許番号のタグを入れ、そのタグの該当特許に添付された図表を示して被験者に見せたことにより、クラスターのコンテクストがより明確になりました。
次に、被験者で「謎マップ」の「謎」に単語を入れる代わりに想起する概念を入れて、クラスター間の結合を行い、新たなシナリオを創発するように要請しました。
結果として新たな特許技術に関わるシナリオが６件創発できました。
実現性、新奇性の評価を行いましたが、非常に新奇性の高いシナリオが２件創出できました。
この実験結果は、CODATAの論文にて発表する予定です。

今日の研究室は面白かった

本日の研究室は、日経新聞に掲載された大田区ものづくり中小企業を支援する関東経済産業局の主催の理系学生の就職ガイダンスのビデオ鑑賞でした。
学生の中には、自分の思いを語る人は少なく、受け身な会話が多いようでした。
むしろ、中小企業や参加された先生の方が、熱く語っていて、中小企業経営者や熟高年層の特徴と最近の若者世代の特徴が如実に現れていました。
お互いにフェースを合わせた会話が出来ると、相互の価値観や将来の姿、自分なりの思いが語れてよいと思いました。でも、これが普通の姿でしょう。
我々は、このような状況を分析して、結果だけでなく新たな提案が出来るようにしたいと思います。
これからの解析結果と考察が楽しみです。

日本経済新聞（平成18年6月24日発行）
関東経済産業局、ものづくり人材確保に本腰・学生の行動分析
　関東経済産業局は若者の行動分析を通じて、ものづくり関連の中小企業と理工系学生との人材マッチングに取り組む。このほど大学生や高等専門学校生と管内（静岡を含む関東甲信越11都県）企業との交流会を実施。会場での学生の行動や意識の変化などを分析して、中小のものづくり企業に目を向けさせるノウハウを蓄積し、今後の産業振興策に生かす。 　関東経産局は6月中旬、東京都の大田区産業プラザで、ものづくりで高度な技術を持つ中小企業95社と理工系学生との交流会を初開催した。出席した学生は東京工業大の15人と都立産業技術高専の73人の計88人。企業側は自社の強みを書いたパネルを展示。代表者が前に立ち、訪れた学生に技術や会社概要などを紹介した。 　懇談の様子は逐一、ビデオで撮影したほか、交流会の前後には学生に詳細なアンケート調査を実施。彼らに気持ちの変化をもたらした要因や行動パターンなどを総合的に分析する。ビジネスの現場で意思決定を左右する事象や状況とは何かなどを研究している東京大学工学部の大沢幸生助教授に協力を仰ぐ。

CODATA学会発表の研究が更に進みました

昨日は、協同研究者のM氏と研究室で、来週本実験を行う前の最終打ち合わせを行いました。
クラスターの数が粒度をあげても７個以上には大きく変わらないこと、またリンク数を増やしたほうがクラスター内部の単語数が適度に多く、コンテキストを解釈しやすいこと、さらにPrecisionデータから謎のダミー数は１５?２０個で８０％以上をかくほできることから、データ処理に使うHuman-interactive annealingでの粒度を低密度で３０００リンク、謎のノー度数を１５個に設定することにしました。
シナリオマップ上のクラスター内部の単語が相互に重ならず全て見やすいようにするため、ノード間を調整しました。
謎のノードには、特許の請求項と貼付図表を参考できるように画像データを作成し、本実験中にノードに貼付できるようにしました。
また、謎ノードを結ぶ各クラスターの単語から、過去の顧客訪問レポートを検索し、関連報告書が示せるようにしました。
さらに、このような参考データは、最初に謎ノードを想起している拡散状況では示さず、ある程度シナリオが出尽くしたか、または出にくい場合に示し、収束状況の時に用いるようにします。
また、動詞と名詞の組み合わせの場合は、主語または目的語を想起するように誘導したりする工夫も考えました。
色々ノウハウが蓄積できてきましたので、本実験の結果が楽しみです。

CODATAのタイトルが決まりました

先週から、来週の本実験の準備を行い、Annealing後のシナリオマップ上の「謎のノード番号」に該当する特許の請求項の文章又は特許に添付された図面を貼付することにしました。
このような、新たな「謎のノード」に絵文字情報を示す手法を加えて、Pictogram(絵文字）でクラスター間の概念を結合する支援を行い、新たな概念を創発させるプロセスを開発しました。
これにより、シナリオマップ上のクラスター間の概念を結ぶ「謎のノード」の単語、又は文章をイメージしやすくなると期待しています。
この開発した手法で来週本実験を行い、その結果を論文に執筆する予定です。
論文のタイトルは、"Human-Interactive Annealing Process with Pictogram for Extracting New Scenarios for Patent Technology"ということにしました。
明日は、M氏と本実験前の最後の打ち合わせを行い、予備実験で課題であった項目の改善内容をリビューして見落としが無いようにしたいと思います。

Ｄａｔａ ＣｒｙｓｔａｌｌｉｚａｔｉｏｎにPictorial KeyGraphを活用

現在、来週の本実験に向けて特許検索のデータ前処理の準備中です。
知財部で検索した関連特許２８２件を読みながら、無関係な特許を除外して、最終的に１０５件になりました。
Ｄａｔａ　Ｃｒｙｓｔａｌｌｉｚａｔｉｏｎの処理後のシナリオマップに昨日チャンス発見コンソーシアムで研究発表したＰｉｃｔｏｒｉａｌ　ＫｅｙＧｒａｐｈの手法を取り入れることにしました。
そのため、特許の請求項の前後に特許番号をタグとしていれます。
これにより、Ｄａｔａ　Ｃｒｙｓｔａｌｌｉｚａｔｉｏｎ処理後のシナリオマップに特許番号が出現しますので、その特許番号に該当する図面を貼付できます。
Ｄａｔａ　Ｃｒｙｓｔａｌｌｉｚａｔｉｏｎ処理後のシナリオマップ上のクラスター内の単語間のネットワーク構造を示すために、出現単語数を間引いていますが、出現単語数が少なく、クラスターのコンテクスト解釈がしづらいという課題を解決できます。
また、特許番号間の関係も示せるので、パテントマップのような特許技術の相関を示すことも出来ます。
このアイデアで、新たな特許技術を創発する創造的認知を促すようなツールの完成度が上がってきました。

H18年チャンス発見コンソシアムに参加して

本日は、チャンス発見コンソシアムの発表講演者として参加しました。
題材は、「絵のあるシナリオマップ（?分散知からの物を産むデータ可視化?）」です。
専門知識や専門分野の異なる人々がグループディスカッションをするときに、問題となる語彙解釈の差異による解釈の相違、議論の齟齬が問題となります。その問題を解決する方法としてPictorial　KeyGraphを使う手法を提案しました。Pictorial　KeyGraphとは、Polarisによって出現したシナリオマップのノードに写真を貼付した図面です。この特徴を活用し、シナリオマップから想起されたシナリオを発言し、記述するときに、他の人がそのシナリオに使われた用語の意味解釈が困難な場合、想起した人にその単語に該当する写真を貼付してもらい、参加者間で用語の解釈を共通化する手法です。
この手法によって、新たなシナリオが１１件創出され、それを契機に５件の特許を申請することになりました。

本日嬉しかったのは、先輩の田口さんが同じ講演者でブランドイメージで想起する映像の構造化を発表していた事です。このマーケティング手法は、まさに専門知識、価値観、経験の異なる担当者間が言語の解釈の相違を超え、同次元で議論が出来るようになることです。

もう一つ嬉しい事は、M氏と共同研究している特定分野の特許技術の視覚化及び構造化。そして、それに基づく新たな特許技術の創発を促す手法について、特許会社が興味を持ってくれたことです。
現在、膨大な特許を短い時間で概要を解釈する。また、知財部、研究所、技術部、営業部に所属する異なる専門分野や専門知識をもつ担当者同士が、膨大な特許の構造を概観し、新たな特許技術の趨勢や、新たに発明研究しなければならない技術を齟齬がなく議論できる手法が要望されているとのことです。
この課題から、PictorialKeyGraphの特徴を活用して、特許に貼付された図面などをシナリオマップのノードに貼付することにより、用語の解釈を共通化できるのではないかと考えました。
本実験の中で進めて行きたいと思います。

ＩＷＥＳ及びＫＥＳ２００６の採択

本日、１０月にイギリスで開催されるＫＥＳ２００６のＳｐｅｃｉａｌ　Ｓｅｓｓｉｏｎでの論文発表の採択が決まりました。
また、８月日本で開催されるＩＷＥＳも論文発表の採択が決まりました。
７月２日からは、フランスで開催されるＩＰＵＭでの論文発表と、今年は世界中で学会発表です。
さらに、今月には１０月に北京で開催されるＣＯＤＡＴＡにも研究論文を発表するべく、実験の準備を進めており、超多忙な状態です。
でも、この多忙さでいよいよ気持ちが高まってきます。研究内容が第二段階へ進める可能性が出てきて、非常に気持ちが昂ぶる毎日です。
そのうち、査読付Ｊｏｕｒｎａｌの採択が決まれば、２本目となります。

特許データの下準備

本日は、知財部の担当者と打ち合わせし、特許データの検索単語と抽出特許の請求項のテクストデータ入手について要請しました。今週金曜日には、そのデーｔあがほしいのですが、現在特許問題勃発で多忙なためデータ入手は来週水曜日位になりそうです。一方、被験者も来週は出張が多く、実験が出来ないことが判明しました。
あわてても、しょうがないのでじっくり研究計画書の作成に取り組みます。
さらに、よい実験方法が無いか検討もしてみたいと思います。
知財部のコメントでは、最近特許のデータマイニングツールを活用した概念抽出や樹形図のようなものが出ており、特許の技術趨勢や特許技術の穴などを見つける事が可能なツールは出ているとの事です。しかし、今回の私の実験のような既存特許技術から新たな特許技術のシナリオを創出するという手法は無いようです。

本実験の開始

先週土曜日Ｍ氏との予備実験結果及び本実験の改善打ち合わせを行いました。
本実験に関する研究計画書の概要は以下の通りです。

1. フィルム用マーキング装置の関連特許データを集め、　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　請求項のみをテキストデータとする。　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　（現在、Ｓ社６件のみ）
2. Polarisでデータを処理し、シナリオマップをクラスター数　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　（３から７個程度）の異なる２枚-３枚作成する。
3. 上述１．のデータAnnealing（１０-１００の範囲）し、　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　クラスター数が１０個以下にData　Crystallization　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　したマップを作成する。
4. 上述３のマップのクラスター内部はネットワーク構造　　　　　　　　　　　　　　　　　　　　　　　　　　　　がわかるようにバネ計数と単語数を調整する。
5. Data　Crystallizationの謎のノードに連結するクラスター　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　内部の単語に関連する営業報告書、技術情報を事前に　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　準備する。
6. 被験者（営業、技術者）６名に上述２のシナリオマップを　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　提示し、ク゛ルーフ゜ディスカッションを通じてコンテクスト　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　を解釈し、シナリオを作成する。
7. 上述３のData　Crystallizationのマップを被験者に提示し、　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　ク゛ルーフ゜ディスカッションを通じてクラスターの解釈をして、　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　シナリオを作成する。
8. 謎の文章及び上述５の資料を参照しながら、ク゛ルーフ゜　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　ディスカッションを通じてクラスター間の概念を結合した　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　新たなシナリオを創出してもらう。
9. 創出したシナリオを、被験者で実用性、斬新性の観点　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　で10点満点で評価する。
10. 評価結果を分析し、考察する。

特許に関する本実験前の打ち合わせ

研究室でＭ氏と予備実験の打ち合わせの結果について打ち合わせを行い、本実験前の改善案の議論をした。

1. データベースの特許データを現在の6件からマーキング装置関連特許に拡大して使用する。
2. 取り込むデータは、請求項のみに絞り込む。
3. ＫｅｙＧｒａｐhによるシナリオマップは最大３枚までとし、クラスターの数の小、中、大とする。
4. 謎謎マップ（Ｄａｔａ　Ｃｒｙｓｔａｌｉｚａｔｉｏｎ）のクラスター数を５?８個程度に限定する。　　　　　　　　　　（一般の人が認知し、解釈できる範囲）
5. 謎々マップのばね係数とリンク数は見やすいように調整する。
6. 謎謎マップの謎の番号に関係する行数のデータを被験者に提示する。
7. 謎々マップの謎のノードの数が多い所からクラスター間を想起する。
8. 謎のノードに単語を入れるより、クラスター間の概念を結びつける文章やイメージを入れる。
9. 謎々マップのクラスターに入らないノードは、謎ノードに入らない単語の参照とする。
10. データのクロスファンクション機能として、謎ノードが結ぶ各クラスター間の単語に関連する技術データ及び営業報告書を参照にする。(フローチャートを作成）

この改善案に基づいて、以下の日程で本実験を進める予定である。

1. ６月１２日の週　マーキング装置の特許情報収集、全請求項データから、ＫｅｙＧｒａphによるシナ　　　リオマップと謎々マップを作成する。
2. ６月１９日の週　本実験実施　被験者６名（技術営業４名と技術者２名）
3. ６月２５日　　　　学会へ論文タイトル連絡
4. ６月２６日の週　結果考察、論文作成、学会提出

かなり短期間で厳しい日程であるが、何とか乗り越えたいと思います。

研究室での議論の後に根津で昼食を食べ、根津神社の側の「根津のたい焼き」でたい焼きを食べましたが、とっても美味しいのでもりもりやる気が沸いてきました。

認知論と創造性について

ヒトの認知は、過去に体験した知識構造によって影響を受ける。
また、認知した後のカテゴリ化は、基礎水準という世間常識として身に付けた知識によって行われ傾向がある。
すなわち、ものの認知は、全て過去の体験や知識に大きく依存するといえる。
一方、創造とは、そのような認知したものを探索し、そこに存在する稀な事象や不調和な状態に注目した後にイマジネーションによって起こると言える。イマジネーションも構造化された知識の影響を受けるといわれており、創造も何らかの過去の知識や体験などと関連付けながら行われている。
新たなアイデアやシナリオを創造するプロセスは、ある事象や概念から心の中にイメージされた形状や概念を認知した後にそれを探索し、新たな産出物を生み出すものである。しかし、必ずそのプロセスに制約条件を入れて考えることにより、新たな産出物であるアイデアやシナリオの現実性が向上する。
このようなFINKEによるジュネプロアモデルをベースに研究を進めることで、大きな発展が期待できる。

Ｆｉｎｋｅの「創造的認知」と「謎々マップ」について

ＦＩＮＫＥの「創造的認知」という題名の本を現在読んでいる。その本の第５章に「概念合成」について説明がある。
既存の概念と既存の概念との結合は、既存概念の特性の排除と新たな特性の創発を促す。この概念結合は、「斬新性」、「あいまい性」、「不調和性」という特徴により創造探索に有用であり、新しい発見と知識の構造化が起きる。
簡単に言えば、リンゴという概念と電車という概念を結合させると「リンゴ＋電車」から、なにかしっくり行かない感じがするし、余り明確な概念を意味する言葉では無いし、斬新すぎて既存の概念にはないような気がする。これから、例えば「青森リンゴ観光電車」などという新しい概念が生み出される。
現在Ｍ氏と、一緒に共同研究している内容は、まさにこのＦＩＮＫＥの「概念合成」の先行研究を基礎にしたものである。すなわち、データをＫｅｙＧｒａｐｈで処理したシナリオマップは、島と呼ばれるクラスターと橋と呼ばれる赤ノードで構成される。島は、ある概念や主張を示し、橋は島と島の関係を説明している。今までの私の研究では、この橋の単語による島と島の関係の希少性に着目し、新たなシナリオやアイデアを創発する実験を行い、その後特許申請まで結びつく新しい製品開発のシナリオを創発する事に成功した。この実験で得た結果を更に進展させ、実データにダミーデータを入れて、ＫｅｙＧｒａｐｈにてアニーリング（焼成）させ、実データだけを結晶化させ、いくつかのクラスターのみ結晶化する。
その結晶化したクラスター間を、ダーミーデータのノードで結合させたものから新たなシナリオやアイデアを創発させるものである。（呼称：データクリスタライゼーション）
すなわち、結晶化されたクラスターは、ある概念や主張を示している。そのクラスター間を結合するダミーデータ（謎）に想起される単語を挿入し、概念結合を行い合成するのである。それにより、新たな概念が創出できると共に、それを契機にその概念を探索して新たなシナリオやアイデアが創発される可能性を高めることを期待する。
先行研究では、概念結合による新たな概念を生成または創発するプロセスをモデル化することであったが、我々は新たなツールにより具体的な新たなアイデアやシナリオの創発を促進させることを試みる。

特許に関する予備実験の新たな課題について

本日、ゼミで予備実験の結果を報告しました。
課題であったData　Crystallizationによって出現したクラスター内部のネットワーク構造の表示は、黒ノードや赤ノードとリンク数の調整で可能になりました。
この改善で、高頻出言語のみで構成されたクラスターで、大きな概念を示すことはできます。
最初の予備実験では、５つのクラスターが出現しました。
このクラスター間の謎のノードを想起することで、新たな特許技術のシナリオを創発できることを期待しています。
現時点で最初の予備実験結果では、全被験者が、個別のクラスターの解釈が出来ました。
しかし、各クラスター間の概念を結合し、全体の図の解釈については、謎のノードに言語を入れずに特許技術の特定分野に知識のある被験者は出来ました。
更に、ノードとリンク数を削減し、クラスター内部のネットワーク構造を占めすようM氏が改善した謎々マップを作成してくれたので、それを2回目の予備実験で示したところ、謎のノードに言語を入れ、クラスター間の概念結合のシナリオを創出することが出来ました。
添付の図のように、M氏が更にクラスタ内部の構造が解釈しやすいよう改善した謎々マップを作成してくれたので、被験者がどのように謎のノードに言語を入れて、クラスター間の概念結合を行い、新たな概念のシナリオを創出をする３度目の予備実験を実施する予定です。
また、Ｏ先生より、謎のノードについている番号は、ダミーデータを入れた文章の行番号に相当するので、その文章を被験者に提示し、その謎の単語を想起させるのが良いのではとの助言を頂きました。
早速、その手法を取り入れて、被験者に試してみたいと思います。

予備実験結果の課題に対する対応について

前回の予備実験後、被験者と面談し、以下のような指摘があった。

1. 図１０の４つのクラスタに現れた言語は、非常に頻出する言語であった。
2. 図１０のデータは、マーキング装置の特許申請を行うにあたって極めて関連する６件の特許であった為、技術情報が限定されすぎている。
3. 図１０の４つのクラスターは、技術の異なる分野を記述しているものの、特許技術に間する目的または手段などに構造化されているとは断定しにくい。
4. 被験者毎に経験、知識、顧客の情報量が異なるのが、図１から図９までの解釈は同じような内容であった。図１０から個々人で新たなシナリオを創出するには、図１から図１０の解釈で時間を使いすぎて、中々集中できず難しかった。
5. 図１から図９まで、異なるコメントを考えたが、基本的には大きな違いがなかった。　　　　　　　　むしろ、もっとノード数の段階を大きくして、３枚程度にしたほうが解析しやすい。
   

改善案：

1. マーキング装置またはリニアCCD表面欠陥検査装置に関する特許を集める。
2. 請求項のみをデータとして取り入れる。
3. 特許の請求項の目的と手段を分別をする。
4. シナリオマップは大きく段階を分けた３枚程度に限定する。
5. ダーミーデータを入れたデータをPolarisで解析するときに、クラスタ毎の内部構造を明示できるようにする。
6. シナリオマップについては、個別に解釈するより、むしろグループ討議を行う。
   

上記のような改善案に対して共同研究者のM氏よりクラスター内部のリンク数を減少させて表示する対案が出された。早速、被験者へ提示し、意見を聞いてみたい。