Collaboration

人工知能に関する課題をワンストップで解決

複合的で難易度の高い課題の解決に特化したチーム基盤

AI研究を先導してきた最新の論文も実装可能な技術力

AIの基礎研究を牽引してきた松尾研だからこそ、企業の状況に合わせて最新技術の実装が可能です。
日進月歩のAIの技術の最新の研究状況を踏まえた上で、最適なソリューションを提案・提供します。また、企業のR&D支援のご相談も受け付けています。

10年以上の共同研究を通じて培った社会実装力

松尾研ではビジネスインパクトの創出を志向し、10年以上前から産業界との共同研究を実施してきました。
提供先の企業へのビジネスインパクトのために必要な技術提供を行います。
AIの活用の方向性に悩まれている企業へのコンサルテーションや、PoCのご相談も受け付けています。

ウェルスナビ

ウェルスナビ株式会社との共同研究で、人間が心理的な罠に陥らず、長期の資産運用を成功させられるよう、AIによってサポートすることを目的としています。

だいこう証券ビジネス

だいこう証券ビジネスとの共同研究で、超高速取引の普及などで複雑化する証券売買の実態に合わせ、証券売買を自動で審査する技術を研究・開発しています。

みずほ銀行

AIによる外国為替取引高度化に関するみずほ銀行との共同研究です。
本研究では、AIを活用した外国為替取引データの分析によって外国為替取引執行を精緻化させ、取引の迅速化、取引ボリュームの増強、為替リスクの極小化と収益の極大化を目的としています。

日本経済新聞社

日本経済新聞社との共同研究で, 上場企業が定期的に発行する決算短信から速報記事を自動で生成するアルゴリズムを研究・開発しています。

CCC

CCCの大量のID付きposデータを元に、単に似たような商品の推薦アルゴリズムを考えるのではなく、顧客の趣味趣向と定番化、成熟度を考慮した推薦アルゴリズムの構築し、消費インテリジェンスの解明に向けて取り組みました。

DeepZenGo

Deep Zen Goは、深層学習を利用した囲碁AIに関するプロジェクトです。
もともと囲碁AI zenの開発を続けてきた尾島氏・加藤氏を中心に、株式会社ドワンゴ、日本棋院、そして松尾研究室が共同で研究開発を行っています。

スタディサプリ

リクルートとの共同研究で、進行中のプロジェクトの一つです。
大学受験の学習支援サービス「受験サプリ」における学習者のモデル分析を行っています。
機会学習などを用いた継続的学習に寄与するサービス要素の特定や、継続的利用を促す仕組みの実現を目指しています。

ウエルネス

ウェブ上にある医療福祉関連情報を集め、構造化しています。
一般に公開されていますが様々な形式で提供されているために取得が難しいデータをマイニング・処理し、データベース化することを目指します。
株式会社ウェルネスとの共同研究で現在進行中のプロジェクトです。

スーモ

スーモプロジェクトはリクルートとの共同研究プロジェクトの一つです。
スーモ内のアクセスログを元にしたデータマイニングを行いました。
本研究では、不動産という商材の特徴（検討期間が長い，家はすべて別の商品）に注目して、それに合わせた推薦アルゴリズムの提案を行いました。

選挙分析

国政選挙としてはじめてインターネット選挙運動が解禁された2013年の参議院議員選挙における候補者のTwitter利用分析です。
フォロワーの共起分析に基づいた候補者関係のネットワーク可視化や、候補者の拡声力の数値化を行いました。朝日新聞社との共同研究で、分析結果はビリオメディアに掲載され全国に報道されました。

ゼクシィ.net

国内最大の結婚情報サイト「ゼクシィ」の利用ログデータを用いて、商品の種類をまたいだユーザの嗜好を的確に捉える推薦エンジンの研究開発に取り組みました。
研究成果は実際サイトでの推薦エンジンの開発に活用されただけではなく、電子情報通信学会誌に採録されました。

WACUL

人工知能によるウェブサイト解析を行う株式会社 WACUL と共同で、高度なウェブサイト改善提案を行う機械学習システムの研究を行いました。
ウェブページごとの成約率を比較するだけではなく、ウェブページの特徴を捉えたウェブサイト最適化を目指しています。

social gear

Facebook広告のlog情報から、それぞれのAdsetのConversion数などの将来予測を行っています。
Adsetのパフォーマンスの将来予測により、予算のポートフォリオや、広告運用の最適化を行うことを目指しています。
kaggleなどのコンペティションを参考に、より高い精度を出せるように日々研究しています。

ドワンゴ

ニコニコ動画の動画のログを用いて様々なデータ分析を行っています。
具体的には、マクロなユーザの視聴の遷移の可視化や、ユーザ遷移のパターンの仮説検証、次に見る動画のコンテンツ予測などを行っています。

ASIA TREND MAP

WikipediaやTwitterといった大規模なソーシャルメディアデータを用いて、エンタメコンテンツが各国でどのように流行しているのかを分析しています。
また、ビッグデータの中から、トレンドを引き起こす予兆を発見し、将来のトレンドを予測することを目的としています