top of page

検索結果

「」に対する検索結果が84件見つかりました

  • テックブログ vol.2 -「キャッチコピー感性評価」を行うBERTの多次元回帰モデル構築-

    はじめに 感性AIでエンジニアをしている本村です。 弊社の「感性AIアナリティクス」というツールでは「キャッチコピー感性評価」という機能があり、キャッチコピーに対して定量的に印象評価を行うことが可能になっております。 このキャッチコピーからの定量的な印象評価を実現するために用いられているのが、BERT(Bidirectional Encoder Representations from Transformers)という言語モデルになっています。 この記事ではBERTによるキャッチコピーの印象評価の予測を目的とした、Pythonによる学習モデルの実装について、実際に弊社が独自に収集しているアンケートデータの一部を用いて説明していきます。 なお、実際のサービス上では、この記事で作成したモデルが動作しているわけではなく、別途調整されたモデルが動作しております。 印象評価尺度の予測について 「感性AIアナリティクス」では印象評価尺度として43個の尺度を使用しています(例:「明るい - 暗い」「冷たい - 温かい」など)。キャッチコピーを入力するとそれらの43尺度についての印象評価値を予測するモデルが必要です。そのため、今回使用するモデルのタイプとしては多次元の回帰モデルということになります。 学習データ 弊社が開発したアンケート収集ツールにより収集した、キャッチコピーに対する印象評価値を答えてもらうアンケート、単語に対する印象評価値を答えてもらうアンケートの2種類のデータを用います。今回は、キャッチコピー50個に対して111名、単語100個に対して294名の回答を参考に説明していきます。データは継続的に収集していっているので、今回はその一部でのご紹介です。 キャッチコピーに対する印象評価値を答えてもらうアンケートのデータの一部 単語に対する印象評価値を答えてもらうアンケートのデータの一部 (一部の)尺度ごとの分布を可視化すると以下のようになります。 多次元の尺度を一度に学習するにあたり尺度ごとに分散が異なっていると、分散の大きな尺度におけるロスに大きく学習が左右されるという懸念点があります。そのため、すべての尺度の分散が1になるように調整し、その値を学習することにします。 これをキャッチコピーと単語のアンケートの両方で行うことで、機械学習の入力となるキャッチコピー・単語のテキストと、出力となる感性尺度のベクトルが出来上がります。 今回はキャッチコピーを予測するモデルを作るため、キャッチコピーのデータのうち一部をテストデータとして用い、それ以外のキャッチコピーと単語のデータを訓練データとして割り当てます。 BERTのファインチューニング 大規模データによる事前学習済みモデルを、手持ちのデータで分類器・予測器として学習させることをファインチューニングと呼びます。BERTを用いた学習モデル構築の一般的な手法になります。 Hugging Face社のtransformerというライブラリ(執筆時のバージョンは4.25.1)を使用します。BertForSequenceClassificationというクラスを利用することで、分類や回帰のためのファインチューニングが簡単に実装できるようになっています。 今回は43尺度の回帰予測であるため、以下のようにモデルを初期化して使用します。 なお、BERTの学習済みモデルとしてcl-tohoku/bert-base-japanese-whole-word-maskingを使用しています。 from transformers import BertForSequenceClassification model = BertForSequenceClassification.from_pretrained( "cl-tohoku/bert-base-japanese-whole-word-masking", num_labels=43, problem_type="regression" ) 学習は以下のようにTrainerとTrainingArgumentsを利用すると簡潔に書くことができます。 from transformers import Trainer, TrainingArguments from transformers import EarlyStoppingCallback training_args = TrainingArguments( output_dir=output_dir, num_train_epochs=epochs, learning_rate=lr, per_device_train_batch_size=batch_size, per_device_eval_batch_size=batch_size, save_total_limit=1, load_best_model_at_end=True, metric_for_best_model=metric, greater_is_better=False, save_strategy="epoch", evaluation_strategy="epoch", logging_strategy="epoch", ) trainer = Trainer( model=model, args=training_args, train_dataset=train_dataset, # torch.utils.data.Datasetオブジェクト eval_dataset=val_dataset, # torch.utils.data.Datasetオブジェクト compute_metrics=compute_metrics, callbacks=[EarlyStoppingCallback(early_stopping_patience=early_stopping_patience)] ) Trainerオブジェクトを用意すれば、 trainer.train() で、学習が始まります。 検証データのロスが下がらなくなったところで学習をストップ(Early Stopping)。 このモデルの予測性能を確かめるために、テストデータ全体を予測した際の正解の値と予測の値の相関係数を計算します。 今回は相関係数が0.67ということになりました。 最後にテストデータ1件だけを取り出して、そのキャッチコピーを入力した時のモデルの予測と、アンケートにおける印象評価の結果の違いを尺度ごとに可視化してみます。 このようにして新たなキャッチコピーに対しても自動で印象評価が可能なモデルが構築できました。 おわりに 以上、BERTを用いた「キャッチコピー感性評価」モデルの構築の取り組みを紹介いたしました。 実際のサービス上では性年代別に異なる評価や、キャッチコピーに関連した連想語マップを表示、評価結果のレポート生成などの機能もご利用いただけます。 感性AIではこのような技術を元に、HAPPINESSを実感できる社会を目指しております。 ご興味がありましたら、ぜひお問い合わせください。Facebookでも情報更新しています!

  • テックブログ vol.1 -日々の気持ちを可視化・記録するアプリケーション「Kansei-kimochi」-

    感性AIのエンジニアの鷲尾です。 本記事では、気持ちの記録・可視化アプリケーション(Kansei-kimochi)を開発した際に気をつけた点や、どのような場面で使ってもらいたいかを書いていきます。 Kansei-kimochi とは 微細な感情や心の動きなどを言い表すときには 「すっきり」、「わくわく」、「ゆったり」、「ぐったり」、「いらいら」、「ドキドキ」などのようなオノマトペを多用する傾向にあります。 一言のオノマトペから、より簡易に、かつより精緻に体と心の健康状態をチェック・記録し、定量化・データ化することが可能です。 例えば、 2022 年 12 月 25 日:しゃきーん 2022 年 12 月 26 日:るんるん 2022 年 12 月 27 日:ぐだぐだ 2022 年 12 月 28 日:すっきり を記録した場合の、「明るさ」「嬉しさ」「快適さ」「楽しさ」「陽気さ」を AI を用いて定量化すると以下のようになります。 上記のグラフで、プラスの数値ではポジティブな印象、 マイナスの数値ではネガティブな印象と読み取ります。 「しゃきーん」「るんるん」「すっきり」は、 「明るい」「嬉しい」「快適」「楽しい」「陽気」な印象があると評価された一方、「がっかり」は反対に「暗い」「悲しい」「不快」「つまらない」「陰気な」印象があると評価されました。 個人的には、直感的に納得感のある評価結果だと思いました。 その他にも、記録した一言のオノマトペから連想される色も評価されます。 オノマトペから連想される色を AI が例えてくれるため、 色から新たな気づきを得られ、アイディアや日常の生活に広がりが出ることも考えられます。 以下の画像では、先程の記録(2022 年 12 月 25 日~2022 年 12 月 28 日)を基に評価された色です。 個人的にはポジティブなオノマトペが多かったこともあり、評価される色も 比較的明るめなものが多いと思いました。 Kansei-kimochi を開発する際に気をつけたポイント Kansei-kimochi を開発する際には、以下のポイントに気をつけました。 使用する技術 感性AIでは、以下の技術に合わせることで社内の他のエンジニアでも改修や機能追加を担当できるようにしています。 フロントエンド:NuxtJS バックエンド:Python ※ インフラは AWS 上で構築 様々な新しい技術が出てきているため、新しいサービスを開発する場合に新しい技術を採用したい気持ちになることがあります。 しかし、学習にあたってコストが掛かったり、引き継ぎしづらくなったりするなどのデメリットが多いため慎重に技術選定をおこないます。 各画面のレイアウト Kansei-kimochi は、パソコンのブラウザだけではなくスマートフォンのブラウザからの利用も想定しております。 そのため、比較的画面のサイズが小さい iPhone SE(第 1 世代)の画面サイズ相当で表示した際に、1 画面内に収まるようにレイアウトを調整しつつ、ボタンなどの入力する項目を小さくしすぎないようにしました。 一方、レポートの画面ではグラフが重要なため 1 画面内に収めていないなどの例外があります。 どのような場面で利用して欲しいか 企業などの組織や高齢者のコミュニティで簡易的にメンタルの状態を把握したい状況で利用いただきたいと思います。 Kansei-kimochi では、メンタルの状況を手軽に知りたい場合にはとても重宝すると考えております。 1 日に複数回評価することができ、1 回あたり数分程度で評価ができます。 企業の場合では年に 1 度ほど実施される、質問票や Web サイトで回答されるメンタル状態の検査に加えて、 Kansei-kimochi で日々の記録をとったり、特定期間内で記録をとったりすることでお手軽にメンタルの状態を 把握する使い方が考えられます。 高齢者のコミュニティでは多くの質問に答えてもらうと負担がかかることも想定されますが、 Kansei-kimochi を使いオノマトペで回答することによって、気持ちの評価を少ない負担で行うことができます。 Kansei-kimochi は 2023 年 1 月現在 β 版を開発しており、企業様と協力・連携をしながらより良いサービスを提供していきたいと考えております。ご興味がございましたら是非弊社までご連絡ください。 最後までお読みいただき、ありがとうございました。 感性AIではこのような技術を元に、HAPPINESSを実感できる社会を目指しております。 ご興味がありましたら、ぜひお問い合わせください。Facebookでも情報更新しています!

  • 調布市ふるさと納税返礼品出品開始のお知らせ

    調布市ふるさと納税における寄付返礼品出品をはじめました。 感性AIでは、国立大学法人電気通信大学坂本研究室で長年培った、言葉と五感・感性との関係性に着目した応用範囲の広い特許技術・知財、心理・分析データ、ノウハウに、AI関連技術を融合させ、ものづくりやウェルネスの分野におけるさまざまな課題・ニーズに合わせた最適な感性活用のソリューションを多くの企業様に提供しています。 今回のふるさと納税返礼品出品により、より広く一般のお客さまにも、感性AIの技術・ソリューションを体感していただくことができますので、ご興味を持っていただけましたらぜひご検討ください。 ①  AIカラー花束 https://www.furusato-tax.jp/product/detail/13208/5672862 色は、イメージ・雰囲気・感情などを喚起させる効果があります。 言葉やメッセージをAIが色に変換し、その色合いをもとに作った花束をお届けします。 大切な人へのメッセージや、思い出の言葉・手紙・作文を色に変換し、その色合いをもとに作った花束をつくりませんか。 ②  写真からAIポエム作成(写真10枚分) https://www.furusato-tax.jp/product/detail/13208/5672856 感性AIの「画像からフレーズを生成するAI」を活用し、写真画像からAIがポエムを作成します。 例えばフォトブックを作成するときに、写真にあう文章を添えたいけれど、どんな文章にすればいいか迷って時間がかかりませんか? 大切な想い出のワンシーンの切り取った写真から、AIが何とも言えない情緒的なエモいポエムを作成します。 ③  オノマトペAI日記(プロトタイプ版・6カ月利用) https://www.furusato-tax.jp/product/detail/13208/5672861 喜びやうれしい気持ち、悲しみや疲れ、悩みなど、微細な感情や心の動き、感覚などを言い表す際に、オノマトペ(擬音語・擬態語)を用います。 感性AIでは、毎日の気持ちをオノマトペで記録する今までにない「オノマトペAI日記」を開発しています。このサービスのプロトタイプ版を6か月間ご活用いただき、気持ちの変化を記録することができます。 AIが気持ちのオノマトペ表現を「明るさ」「あたたかさ」「安心感」「良さ」「嬉しさ」「落ち着き」「快さ」「やわらかさ」「整然度」「爽やかさ」「軽快さ」「楽しさ」「穏やかさ」「陽気さ」「若々しさ」などの尺度で数値化し、推移をグラフ化し、また、気持ちのイメージカラーを色彩グラフで表現します。 オノマトペ一言で表現するだけなので記録はとってもらくちん。日々の気持ちの変化をグラフや色でわかりやすくまとめることができます。 日々のジャーナリングに、 お子さんのAIへの興味関心醸成に、 マタニティダイアリーとしての記念に・・・

  • 【クリエイティブAIによる歌詞生成の取り組み】 感性AIの文章生成AI技術を活用したAI作詞家 VTuber「fuwari(ふわり)」、作詞曲第4弾が 11/30 リリース

    感性AIの文章生成AI技術を活用して作詞するAI作詞家VTuber「fuwari(ふわり)」の第4弾作詞楽曲が、11月 30 日にリリースします。 感性AI株式会社では、国立大学電気通信大学坂本研究室で長年培った、人の感性に関する 応用範囲の広い特許技術・知財、心理・分析データ、ノウハウにAI関連技術を融合させた 「感性評価AI」及び「クリエイティブAI」をコア技術としながら、感性価値創造をサポー トする幅広いサービスメニュー開発を進めています。 AIによる歌詞生成の取組みは「クリエイティブAI」のひとつとして取り組んでおり、クリエイターの創作活動の効率化に寄与し、 新たな作品創出の活性化を促進することができると考えています。 今回の楽曲では、“クリスマス”から連想されるキーワードをSNSで募集、そのキーワードを使ってAI作詞に挑戦しています。なお、同曲のミュージックビデオでは、文章を分析して色彩を提案する、感性AIの「テキスト色彩システム」を使って歌詞を分析・提案された色彩を活用しており、ミュージックビデオの色彩が随時変わっていくのも見どころです。 詳細は以下のニュースリリースをご覧ください。 【AI作詞方法】

  • 感性AIが連携する「DIC 五感と感性の研究所」が新設

    DIC株式会社は、ヒトの感性を理論的に数値化し、感性にもとづいた製品・サービスの社会実装とビジネス創出を目指す「DIC 五感と感性の研究所」を11月24日に立ち上げました。 本研究所は、刺激を感知するための感覚機能である「五感」と、習慣や経験、環境要因などのバックグラウンドに裏打ちされる「感性」について科学的に解き明かし、理論的に数値化することで、製品やサービス開発に活用できる「感性テクノロジープラットフォーム」を構築することを目指すもので、 感性AIは、2022年6月から「素材の感性価値定量化による新しい開発手法の研究」を共同で進めています。(参考: https://www.kansei-ai.com/post/news20220615  ) 立ち上げに伴い、ブランドサイトがオープンすると共に、ローンチイベントが開催されました。 ブランドサイト https://human-sensitivity.dic.co.jp (感性AI 取締役COO 坂本真樹 インタビュー記事 「オノマトペ」を使って感性AIを開発。まったく新しいものづくりの扉を開く https://human-sensitivity.dic.co.jp/contents/39/ ) ローンチイベントでは、当社代表取締役CEO 秋山正晴が、 共同プロジェクト発表として「感性価値定量化による素材開発分野における新たな手法の取り組み」というテーマで登壇いたしました。 ローンチイベント詳細 https://human-sensitivity.dic.co.jp/news/171/ 詳細はこちらをご覧ください。 https://www.dic-global.com/ja/news/2022/products/20221125082515.html

  • マーケティングソリューション「感性AIアナリティクス」がバージョンアップ!

    マーケティングソリューション「感性AIアナリティクス」のバージョンアップを9月30日(金)に実施します。 評価項目が好意度、共感性、品質感、インパクトの4項目に拡大 キャッチコピー・パッケージ分析について、「共感性」「品質感」「インパクト」の評価が新たに可能 となります。これにより、性別・年代ごとに「好意度」「共感性」「品質感」「インパクト」の4評価及 び43の感性尺度の数値化が可能になります。 SNS 感性分析β版機能追加 商品名などキーワードに対する Twitter 上の消費者のリアルタイムの反応を取得し、感性を分析す る新機能β版を追加します。SNS のデータを感性の切口で分析することで、新商品開発、既存商品 リニューアル時のブランディング・販促活動の効果測定や、新たなニーズ把握につながります。 詳細は以下のニュースリリースをご覧ください。 ニュースリリースはこちら

  • 10/8、9に調布市商工まつり「スマートシティ展示会」に出展

    10月8日(土)~9日(日)に開催される「スマー トシティ展示会@調布市商工まつり」に出展し、「感性AIアナリティクス・感性AIブレスト」などの展示を行います。 ぜひお越しください! 詳細はこちらをご覧ください。 https://www.keio.co.jp/news/update/news_release/news_release2022/nr20220915_chofusmartcity.pdf

  • コンバーテック2022年9月号に感性AI技術についての取材記事が掲載

    加工技術研究会出版コンバーテック2022年9月号(発売日2022年09月15日)に、弊社の技術について取材いただいた記事が掲載されます。 (「感性AI オノマトペを定量化、色彩や素材の質感をAIが提案」) 掲載内容はこちらをご覧ください。

  • 10/6 無料セミナー『感性データ分析がもたらす発見と開発の世界』実施(COO坂本)

    2022年10月6日(木)に一般社団法人日本マーケティング・リテラシー協会様と共催で無料オンラインセミナー『感性データ分析がもたらす発見と開発の世界』を行います。 【1】14:00~14:20 壁を突き破るフリーワード分析 ~収益拡大・組織の活性化~ 【2】14:20~15:00 システマティック商品開発・事業開発法           ~Neo P7・ニーズ発掘から検証までの失敗なきプロセス~ 【3】15:05~16:00 感性×AIによるものづくり・サービス開発 ~AIを活用した感性価値向上~ 【4】16:00~16:15 ご案内・質疑応答 第三部にて、感性AI株式会社取締役COO坂本が講演を行います。 参加無料のオンラインセミナーとなっておりますので、ぜひご参加ください。 詳細・お申込みはこちらをご覧ください。 https://www.marketing-literacy.org/free-seminar-20221006/

  • ラベル新聞9月1日号に感性AIアナリティクス・ブレスト紹介記事が掲載

    ラベル新聞社様発刊のラベル新聞2022年(令和4年)9月1日号に、感性AIアナリティクス・ブレストを紹介いただきました。(「感性AI 人の感性情報×AIツール “なんとなく”を数値化し販促など支援」) 掲載内容はこちらをご覧ください。 感性AIアナリティクスについては製品紹介ページはこちらをご覧ください。 https://www.kansei-ai.com/marketingsolution-analytics

  • ものづくりにおける感性データ利活用の推進|感性AI技術紹介

    <このコラムの内容>  1.感性データ利活用の重要性 2.人の感性を理解するAIの開発・支援 3.感性データ利活用の推進 1.感性データ利活用の重要性 第4次産業革命により、大量・多様なデータを利活用し社会的価値を生み出す「データ駆動型社会」への変革が進む中、データは新たな天然資源とも言われています。 感性AIでは、感性を定量化する技術をもとに、「感性データ」の活用を推進しています。 出典:2015年5月 経済産業省「CPSによるデータ駆動型社会の到来を見据えた変革」 2030年に向けて経済産業省が策定した日本の成長戦略「新産業構造ビジョン」によると、 技術革新・データ利活用による第4次産業革命への対応は、 第1幕(ネット上のデータ競争)においては 欧米がGAFAをはじめとした大規模なプラットフォームを先行して形成し急激に進展していたのに対し、 第2幕は 実世界における個々人の生活情報や製品の稼働状況等をネットワークに接続されたセンサーを介して直接的に収集するリアルな世界でのデータを巡る競争であり、 リアルデータをかち合う形で利活用し革新的製品・サービス実現につなげるための プラットフォームの創出・発展が必要であるとしています。 そのための戦略として、日本の強みを活かした戦略的取組を行うことが必要であるとし、 活かすべき強み・機会として掲げられたのが、 1⃣ データを丁寧に拾い上げることができる力を活かしてリアルデータを蓄積し新たな価値を生み出していくこと 2⃣ 世界シェアの高い日本の「モノ」の強みを活かしたプラットフォームを創出していくこと 3⃣ 世界的に見て課題先進国であること活かし、課題解決のためのプラットフォームを創出し社会実装をいち早く進めていくこと です。 その中で、当社が目指しているのは、 AIにより曖昧な感性を定量化・データ化する技術を活用することで、 ものづくりにおける感性価値を創造していくための感性データ利活用プラットフォームを実現していくこと です。 これは、AIの学習元として質の高い教師データを取得が可能であり、社会実装先として高品質なモノを理解できる消費者が存在している日本ならではの強みを活かして推進することで、 ものづくりにおいて機能的価値を超え感性に働きかける新たな価値を生み出していくことができる分野です。 出典:平成29年5⽉30⽇産業構造審議会新産業構造部会 事務局「新産業構造ビジョン」 これにより、グローバルな産業競争において差別化できる高付加価値商品を生み出すことが可能になり、日本の感性産業を振興していくことにつながると考えています。 2.人の感性を理解するAIの開発・支援 感性データの利活用に向けて必要となるのが 感性データの取得ですが、 感性価値判断は主観的で個人差があるため正解不正解がなく回答は無限となり、 データの獲得と処理は困難です。 そこで、国立大学法人電気通信大学坂本研究室では、 感性の定量化技術と深層学習への適用について長年研究をしてきました。 五感を通して感じたことを表すオノマトペをはじめとする様々な言語情報から、 感性的印象を精緻に数値化・定量化するシステムを開発しています。 また、多様な質感に対する物理特徴、知覚表現、言語や多次元尺度値として記述される感性データを、実社会における様々な実例から掘り起こし、 それらの対応関係を蓄積することで共有化する仕組みや、 経験や嗜好,価値判断などに起因する感性データの個人差を表現可能な 物理特徴―知覚表現―オノマトペを紐づけるモデルを構築することによる感性的質感に基づく素材推薦など、 ものと感性を結ぶ技術を開発してきました。 この技術を活用した人の感性を理解するAIを活用し、 当社では、感性的アプローチによるAIを用いたものづくりを支援しています。 また、コンサルティングとして専用のAIモデル開発を行うほか、 感性データ活用に関するクラウドサービス提供によって、 より多くの企業において感性データの活用、感性価値創造の機会の創出を目指しています。 それが、感性価値創造支援のためのマーケティングソリューション「感性AIアナリティクス」です。 3.感性データ利活用の推進 感性AIアナリティクスは、 消費者データを学習したAIが、ネーミング、キャッチコピー、パッケージデザインの感性データを瞬時に出力します。 あいまいな感性情報をAIにより数値化・データ化、活用することで、より消費者の感性に働きかけやすいコミュニケーションの実現に向けた分析・検討が可能になり、 消費者の印象調査等の市場調査の回数を減らすなどコストや期間を軽減・業務効率化推進に貢献するとともに、 「感性データ」の活用を推進し、ものづくりにおける感性価値創造を推進しビジネスを成功へ導きます。 (感性AIブレスト活用のユースケースはこちら ) 感性をデータ化することで、定量データと結び付けたデータ分析も可能になります。 例えば、商品Aについて、 過去のリニューアル時のパッケージデザインの感性評価結果とリニューアル後一定期間の売上高との相関を見ることによって、 どの感性評価項目が売り上げと相関が高いのか、などを分析をすることが可能です。 それにより、データに基づいて今後のデザイン・コミュニケーションの方向性検討に繋げることが可能です。 ●商品Aのパッケージ①、②、③、④、⑤の販売一週間の売上と各尺度の感性評価値 この例だと、「明るさ」「現代風」「シンプルな」の感性尺度値と売上の相関が高いあることがわかります。 これにより、コミュニケーションコンセプトやブランディング・販促活動の検討において重視すべき感性が明らかになり方向性が明確化します。 今後も、コンサルティングによる伴走とともに様々な知見を活かしたサービス展開を行うことにより、 感性データの利活用推進を強力にサポートし、ものづくりにおける感性活用のプラットフォーマーを目指します。 少しでもご興味がありましたら、デモを用いてご説明をさせていただきます。 ぜひお問い合わせください。 弊社ではこのような技術等を紹介するメールマガジンを発行しています。 購読をご希望される場合は、Contactページからご連絡をお願いします。 Facebookでも情報更新しています!

  • 気持ちの可視化・記録システムα版をリリース 微細な感情や心の動きを簡易・精緻に定量化・記録 ~協業・連携先募集中!~

    いきいきと自分らしく生きるためには、「身体の健康」と「心の健康」を保つことが重要であり、個人・企業で健康増進に取り組むことが大切です。 特に昨今は、新型コロナウイルス感染症拡大による健康問題の増加や、テレワークの普及によって従業員の心身の変調に気づきにくくなっています。 このような新しい生活様式の中で、従業員・消費者などステークホルダー全体のウェルビーイングの創出が、企業にとってより真剣に取り組むべき課題として注目されおり、 このようなウェルビーイング経営の実現は、SDGs(目標3「すべての人に健康と福祉を」目標8「働きがいも経済成長も」)の達成にもつながっています。 当社では、身体の痛みや不調の質や状態を定量化・記録する「痛み可視化・記録システム β版」をすでにリリースしていますが、 このたび、微細な感情や心の動きを定量化・記録する「気持ちの可視化・記録システム(オノマトペAI日記)α版」 を開発しました。 身体の痛みや不調など言い表すときには 「ズキズキ」、「ガンガン」、「ギシギシ」、「ズーン」、「ギューン」、「チクチク」など、 微細な感情や心の動きなどを言い表すときには 「すっきり」、「わくわく」、「ゆったり」、「ぐったり」、「いらいら」、「ドキドキ」など、 オノマトペを多用する傾向にあります。 「痛み可視化・記録システム β版」「気持ちの可視化・記録システム(オノマトペAI日記)α版」は、 当社の、オノマトペ表現を数値化・定量化する技術により、 日々の体の不調や心理状態をオノマトペ一言から簡易になおかつ精緻にデータ化することが可能です。 それにより、 ・いつ、なぜ、どのように、痛みや気持ちの状態が変化したのかが把握しやすくなる ・痛みや気持ちの状態を最適にするための個々人に最適な改善プランをAIが学習・提案できるようになる ・痛みや気持ちの状態の推移から、将来の状態をAIが予測・アラートが出せるようになる などが可能になり、セルフケアや改善施策、早期発見や予防対策がしやすくなります。 現在、α版の開発において協業・連携を検討していただける企業様を広く募集しております。 連携を通じて、実際にご利用いただいたお客様の声を反映させつつ、よりニーズに即した機能拡充をスピーディーに実施していきたいと考えております。 ご興味がございましたら、お気軽にご連絡ください。 ウェルネスに関するその他技術はこちらをご覧ください。

感性AI株式会社
bottom of page