これまで培ったIntelligence Board = UNBALANCE独自AIの
技術や経験を、教育分野を発展させるサービスへつなげます。
ユーザーが自分の強みを可視化する時代！
自分の能力を理解してより楽しい人生へ。
学習データを蓄積し、常に
精度向上し続けるAIが
ユーザーの学習を分析フィードバック。
AI技術は私たちが生活する現実世界へもプラスで大きな影響を及ぼします。
テストでは測れない自分自身の能力をAIが可視化。
AIを使いこなして、自分自身をアップデート。
理想を現実にするサポートを
実現します。
BUSINESS CONTENT
AI×ゲーミフィケーションで
たのしさめぐるを実現します。
「遊びながら学ぶ」＝「楽しい」教育分野で効果が期待される、ゲーミフィケーション。
つい進めたくなるゲームデザインやゲームの要素「ミッション」「レベルアップ」「スコア競争」など、ゲームで利用される様々な要素を盛り込むことで、楽しいを持続し目標達成への機会を醸成します。
課題をクリアしつつ、自然に復習できる仕組み、そして何より「楽しく」進められるUIUXを追求したゲーム構造で、学習において複雑な概念も理解しやすくなります。
知育
環境
- 少子化の一方で、中学受験者数の増加など教育に関する意識の高い層の増加
- 教育に関する意識の高い層の増加
- 1人当たり教育費の増加
- GIGAスクール構想によるICT教育の普及
- タブレット普及による家庭での環境整備
- 幼児教育の重要性
課題
- 両親の収入による教育格差（学習時間や通塾率の格差）
- 地域による教育格差（三大都市圏とそれ以外、大都市（23区及び政令指定都市）とそれ以外による格差
AIゲーミフィケーションの特徴
- 収入による教育格差、地域による教育格差の解消
- Intelligence Boardで蓄積した技術や経験を活かし、勉強感を与えずに、ゲーム感覚で学習する。
- AIを利用した苦手分野のレコメンデーション機能
資格教育
環境
- Eラーニングの普及
- 継続的なスキル向上の必要性
- キャリアプラン、ジョブ型雇用による専門知識の必要性
- コロナ禍での雇用不安に伴う資格受験者数の増加
課題
- 継続的に学習できない、教科書を使用して勉強できない
- 興味はあるが、予備校等に通うための時間的、金銭的ハードル
- 多くの資格学習アプリは、問題や過去問だけであり、チュートリアルが不十分
- アプリだけで合格レベルに達することが困難
AIゲーミフィケーションの特徴
- ゲーミフィケーション（達成状況、目標の明確化、インセンティブ等）と取り入れることにより継続的な学習を可能にする
- AIを利用した苦手分野のレコメンデーション機能
-
アプリだけで合格レベルに達成する
他の資格（低難度～中難度レベル）への横展開が可能
APP DEVELOPMENT
知育パズルゲーム
「パズランド開発」
あそんで伸ばす新時代の思考力 知育パズルゲーム「パズランド」。
さらにより良い知育アプリへと刷新するため、モニターの皆様と座談会を開催しました！
子どもの興味があるものを伸ばしたい！何が得意なのかまだわからない！不得意なものを減らしたい！色々なご意見がある中で本当に大切なことを見極め、最適な形でアウトプットするために、私たちの挑戦は続きます。
先を読む想像力豊かなIntelligence Board= UNBALANCE独自のAIと二人零和有限確定完全情報テクノロジー。
当社は創業以来、伝統的なIntelligence
Boardの対戦AIとして活用できる「二人零和有限確定完全情報テクノロジー」を継続的に進化させ、コンピュータ・ボードゲーム業界をリードしてまいりました。
Intelligence Boardの多くは、二人零和有限確定完全情報テクノロジー
であり、理論上は完全な「先読み」が可能です。
この「先読み」はAI開発の分野として早くから研究が進められており、局面数の最も多い囲碁に関しては、ここ数年大きな注目を浴びています。
囲碁AIにブレイクスルーを起こしたIntelligence Boardの進化
モンテカルロ木探索を用いた囲碁の開発により、勝率の高い手を選ぶことで高い棋力を実現しました。2018年には強化学習とディープラーニング(深層学習)の融合により、Intelligence Boardのコンピューター囲碁は新しい領域に突入しました。
世界のトッププロを上回る、
Crazy Zeroエンジン
Crazy
Zeroエンジンは強いだけでなく、自己対戦による強化学習＋人間らしい“弱い手”の学習を実現しました。
ELOレーティング（※）によれば、碁の棋力は日本及び世界のトッププロを上回ります。
- ※ELOレーティング
- 対戦型競技・ゲーム（2人プレイヤーまたは2チームが対戦して勝敗を決める競技やゲーム）において、相対的評価で実力を示す指標の一つであり、最も著名で数学的な裏付けのあるレーティング方法。
AIアドバイザーとの連携による、
更にAIの可能性を高め続けます。
Rémi Coulom
2002年にCognitive Science（認知科学）の博士号を取得
2004年から2014年までフランスのリール大学で准教授として後進を指導しつつ、様々な分野のAIを独自に開発
2014年にKayufu （https://www.kayufu.com/） を設立
2022年12月からアンバランスのAI Advisorに就任
9歳からチェスやオセロの思考エンジンを作り始め、囲碁だけでなく様々な分野のAIに技術的なブレイクスルーを起こした「モンテカルロ法」のパイオニア的存在のコンピューター科学者。UECコンピューター囲碁大会で、2007年、2008年、2013年、2015年に優勝。4回の優勝経験があるのはこれまでRémi Coulom氏だけであり、特別に表彰されました。
ディープラーニングとは？
ディープラーニングとは、多層ニューラルネットワークを使った機械学習の技術です。ニューラルネットワークは人間の脳を模した構造となっているため、人間が感覚的に学習してきたノウハウを学習させるのに適しています。
強化学習とは？
強化学習とは、特定の環境下で行動するプレイヤー（エージェント）が、試行錯誤的に行動しながら、より良い行動パターンを学習していくAI。Intelligence Board用のAIとしても広く活用されています。
モンテカルロ木探索とは？
モンテカルロ木探索は、乱数を用いて打ち手を決定するシミュレーション手法（モンテカルロ法）を用いて、終局に至るゲームパターンを効率的に数多く得る方法です。これらゲームパターンを学習データとしたIntelligence Board用AIは、人が通常想定しないような様々なゲーム局面に適応したAIになります。