大学連携とAI研究 ── 移動空間AIに必要な文脈理解・推薦・エッジAIの研究テーマ

AIプロダクトをつくるうえで、見た目のデモは重要です。しかし、移動空間で本当に使えるAIをつくるには、それだけでは足りません。

飛行機、船舶、鉄道、ホテル、地域。移動と滞在の現場では、通信が不安定になり、情報が分断され、利用者の目的も状況も刻々と変わります。ここで必要になるのは、単なるチャットボットではなく、文脈理解、推薦、エッジAI、説明可能性、利用者行動の評価を組み合わせた研究と実装です。

MarsLinkは、京都大学・京都外国語大学との連携・共同研究を通じて、AI研究者と協働しながら、移動空間AIの研究テーマを検討しています。本記事では、MarsLinkがなぜ大学連携を重視しているのか、移動AIでどのような研究課題があるのかを整理します。

移動空間AIは、通常のWeb AIより難しい

Web上のAIサービスは、安定した通信、豊富な画面、即時検索、クラウド処理を前提にできます。一方、移動空間AIは条件が違います。

• 機内・船内・山間部・離島では通信が不安定になる
• 利用者は移動中で、長い入力をしにくい
• 到着時刻、天気、混雑、運行情報が変化する
• 目的が観光、出張、接待、家族旅行などで大きく変わる
• 事業者が持つ情報と外部データが分断されている
• AIの提案理由が見えないと、利用者も事業者も信頼しにくい

つまり、移動空間AIでは「LLMを入れたから完成」にはなりません。現場の制約を前提に、AIの役割を設計する必要があります。

研究テーマ1：文脈理解

移動AIで最初に必要なのは、利用者が置かれている文脈を読むことです。

同じ「羽田到着後に食事をする」でも、目的が友人との食事なのか、商談後の接待なのか、家族旅行なのかで、良い候補は変わります。評価が高い店でも、騒がしい口コミが多ければ接待には向かないかもしれません。雨が強ければ、徒歩距離や地下動線の有無が重要になります。

文脈理解では、次のような情報を組み合わせる必要があります。

• 現在地、到着予定、移動手段
• 目的、同行者、時間制約
• 天候、混雑、運行情報
• 口コミ本文、評価、価格帯、営業情報
• 避けたい体験、好み、過去の選択傾向

LLMは、口コミや自然文の要約、目的の理解に強みがあります。一方で、現在時刻、交通、天気、位置関係のような構造化データは別の処理が必要です。移動空間AIでは、この二つをどう接続するかが重要な研究テーマになります。

研究テーマ2：Context-aware Recommendation

推薦AIというと、「あなたへのおすすめ」を想像しがちです。しかし、移動空間で必要な推薦は、ECサイトや動画サービスの推薦とは異なります。

出張中の利用者に、人気の居酒屋を薦めれば良いわけではありません。商談後の会話を重視するなら、静かさ、席間、駅からの距離、雨天時の動線、相手への配慮が重要です。家族旅行なら、子ども連れで入りやすいか、待ち時間が短いか、移動負荷が小さいかが重要になります。

MarsLinkが検討する推薦は、広告順位ではありません。目的、時間、場所、交通、天候、口コミ文脈、利用者の避けたい体験を重ねて、候補を評価するものです。

推薦で評価すべき指標

• 文脈適合度
• 移動負荷
• 時間リスク
• 天候影響
• 混雑影響
• 会話しやすさ
• 価格帯の適合
• 利用者が避けたい条件との一致

「薦める」だけでなく、「避けるべき候補」を理由つきで出すことも重要です。移動中の失敗は、行かなければ起きなかった不満として現れるためです。

研究テーマ3：Journey Graph

移動AIに必要なのは、店舗や観光地の一覧ではありません。

空港、駅、ホテル、港、飲食店、観光地、イベント、天気、交通、利用者の目的を、移動の流れとして結びつける必要があります。MarsLinkでは、この考え方をJourney Graphとして捉えています。

Journey Graphは、単なる地図データではありません。

• 出発地から目的地までの経路
• 到着後の行動候補
• 移動中に取得できる情報
• 事業者が提供できる情報
• 利用者の目的と制約
• 過去の選択とフィードバック

これらをつなぐことで、AIは「人気の場所」ではなく、「今の移動文脈で判断すべき候補」を提示しやすくなります。

研究テーマ4：エッジAIとクラウドAIの分担

移動空間では、通信が常に安定しているとは限りません。機内、船内、山間部、離島、トンネル、混雑した駅では、クラウドAIだけに頼る設計は不安定になります。

そこで重要になるのがエッジAIです。

すべてのLLM処理をローカルで行う必要はありません。現実的には、接続できる時にクラウドで最新情報を取得し、通信が弱い時にはローカルのEdge Nodeが必要な情報を保持し、最低限の判断支援を続けるハイブリッド構成が重要になります。

研究テーマとしては、次のような問いがあります。

• どのデータをローカルに持つべきか
• どの処理をクラウドに任せるべきか
• 通信が戻った時にどう同期するか
• 古い情報をどう扱うか
• 安全側に倒すべき提案をどう設計するか

研究テーマ5：説明可能性と信頼

AIが「この店がおすすめです」と言っても、理由がなければ使われません。

移動中の判断では、利用者は短時間で納得する必要があります。事業者側も、AIがどの情報を根拠に提案したのかを理解できなければ、現場に導入しにくくなります。

MarsLinkでは、この説明可能性をAssurance Layerとして考えています。

• なぜ薦めるのか
• なぜ避けるのか
• どの情報が根拠か
• どの条件が不確実か
• 最終判断は人間に残っているか

AIは人の代わりに決めるものではありません。人が安心して判断できる状態をつくるものです。

大学連携の意味

大学連携の価値は、肩書きではありません。

移動空間AIには、実装と研究の両方が必要です。LLMの活用、推薦、行動分析、言語、観光、地域、交通、UI評価。これらは一社だけで閉じるより、研究者や現場と一緒に問いを立て、検証していく方が強くなります。

京都大学・京都外国語大学との連携・共同研究を通じて、MarsLinkは、移動AIに必要な学術的な視点と実装現場の視点を接続していきます。

現在のフェーズ

CabinTimeおよびJourney Intelligence Platformは、現在、開発・共同検証フェーズです。すでに広く提供しているものとしてではなく、移動空間で本当に使えるAIを検証している段階です。

MarsLinkは、大学・AI研究者、航空会社、船舶事業者、交通事業者、自治体、地域事業者とともに、移動空間AIの技術と評価方法を一歩ずつ磨いていきます。

関連リンク

• プロダクト：CabinTime ── 開発中の移動空間AIアシスタント
• 基盤：Journey Intelligence Platform
• 技術：Technology ／ 関連コラム：移動データとAI
• 共同検証：お問い合わせ