2020.06.27
本気で解説！AIアシスタント「ココちゃん」の頭の中。
ココシニアのAIアシスタント「ココちゃん」。ココちゃんは、ご検討されている入居者さまについての質問を通して、おひとりおひとりの性格や条件を理解し、幸せになる可能性の高い施設を紹介してくれるAIです。
このページでは、ココちゃんがどうやって幸せになる可能性の高い施設を紹介しているのか、その頭の中について解説します。
index
1.ココちゃんが行っていること
大きく、以下の3つの流れです。
- 1ご検討されている入居者さまに関する、「お住まいの部屋の数」や「趣味」、「家にいるときの格好」「長く勤めていた職種」などのさまざまな質問への回答を、データとしてインプットします。
- 2インプットしたデータを、AIモデルの「Light GBM」を応用した独自構築のアルゴリズムで解析を行います。
- 3 解析の結果、ご検討されている入居者さまが幸せになる傾向が高いと想定される施設を提示します。
2.AIアシスタント「ココちゃん」が構築された流れ
ここからは、ココちゃんが構築された流れを紹介します。構築は、大きく「データの収集」「AIモデル試験実装」「AIモデル選定」で行われました。
1. データの収集
まず、AIモデルを構築するために必要な情報を用意しました。今回は、「自分／配偶者の親が高齢者向け住宅施設に入居している／していた40~60代の男女」が対象です。
その対象者に聞く項目を介護施設選びの専門家の方とともに設計し、設計した項目をインターネットで対象者に回答してもらうリサーチを行いました。その結果集まった、1,029件の回答が今回のインプットとなる情報です。
2. AIモデル試験実装
次に、集めた情報を元に、AIモデルを試験実装しました。確率モデルを使う手法、決定木をベースとした手法それぞれを用いていくつかのAIモデルを構築しました。結果、確率モデルを使う手法としては、「ナイーブベイズ」を採用しました。ナイーブベイズは、データが与えられたときの全ての推定の確率を計算し、最も確率の高いものを推定結果として出力するというシンプルなものですが、従来より、様々なデータに対して安定して良い性能を発揮するモデルとして知られています。その特性から、電車の混雑状況などリアルタイムでの処理や、文書データなど応用先は多岐に渡ります。
決定木をベースとした手法では、「Light GBM」を用いました。LightGBMは決定木アルゴリズムに基づいた勾配ブースティングの機械学習フレームワークで、2016年にリリースされた近年注目度が高いモデルです。
これらのフレームワークをそれぞれベースにしたアルゴリズムのモデルを、インプットデータから作成しました。
3. AIモデル選定
それぞれのアルゴリズムに対して、入力のデータの形式を変更したり、モデルのパラメーターを変更するなどし、いくつかのモデルを作成しました。これらのモデルについて精度比較を行った結果、LightGBを採用することとしました。ある人物の性質データと入居した施設のデータをペアとして入力し、その人が、「幸せになるか」「不幸になるか」について予測した際、75%で正解することができたなど、総合的に優秀であると判断したため、採用しました。
この正解率は、1,029件のデータを7割がモデル実装用、3割がテストデータ用として、テストデータを予測した際の数値です。
このように選定したモデルを、実際に利用できるようにしたものが、AIアシスタントの「ココちゃん」になります。ぜひ、ココちゃんに相談して、ご検討されている入居者の方の幸せになる可能性の高い施設を確認してみてください。
facebook
twitter
LINE
