CTO of the year 2018で発表した資料。 Lean AI開発により、３ヶ月でプロダクトマーケットフィット、1年で大手塾の2割に導入するまで至った話。

1. Lean AI開発により、
3ヶ月でプロダクトマーケットフィット、
1年で大手塾の2割に導入するまで至った話
atama plus株式会社
CTO 川原尊徳

2. 2006年 東京大学大学院 情報理工学系研究科修了
新卒でMicrosoft入社後、Hotmail、IME開発、データサイ
エンティストなどを経て2017年atama plus社を共同創業
川原 尊徳 CTO
設立： 2017年4月3日
株主： 創業メンバー、DCM Ventures（在シリコンバレー）
資金調達： 5億円（2018年1月）
事業内容： AIを活用し、中高生一人ひとりにカスタマイズした学
びを提供。全国の塾・予備校にて導入。

3. プロダクト紹介
教育のパーソナライゼーション
生徒一人ひとりの得意、苦手、伸び、つまづき、集中状態などの
データを分析し、その子だけの最短ルートの学びを提供

4. インフラ構成図
Amazon
S3
Amazon
RDS
heroku
Amazon
CloudFront
REST API コール講義動画リクエスト
タブレットアプリ

5. 開発手法
創業時点
「3か月後の夏期講習までにアルゴリズムをプロダクト
マーケットフィットさせよう！」
超高速のAIアルゴリズ
ムの検証+改善
= Lean AI開発
超高速なアイディア
や仮説の検証
= Lean UX

6. アーキテクチャ
今日お話しすること
Lean AI開発
プロセス

7. Lean AI開発を支えるアーキテクチャ
達成すべきこと
● 多次元のデータを入力として取れる
● ブラックボックスが少ない
● 変更や修正が簡単
● 壊れにくい
上記を実現する設計の秘訣
1. 「一つの大きなアルゴリズム」よりも
「多数の小さなアルゴリズム」を。
2. 「ルールベースアルゴリズムの拒絶」よりも
「ルールベースアルゴリズムとの共存」を。

8. 秘訣1: 「多数の小さなアルゴリズム」を。
●問題データ
●正誤情報
●所要時間
●...
生徒が学習
すべき教材
習熟度
推定
単元間の
関連性
学習
優先度
出力
・・・
入力
● ブラックボックスが少ないので、動作の全体像を把握可
能であり、変更すべき場所が明確になる
● 変更の影響を局所化できるので壊れにくい

9. 秘訣2:「ルールベースアルゴリズムとの共存」を。
習熟度
推定
単元間の
関連性
モデルベースアルゴリズムを使用
(ベイズ理論と隠れマルコフモデ
ルに基づく)
ルールベースアルゴリズムを使用
(依存関係グラフを用いる)
● 様々なモデルの強力な力を活用しつつ、変更の容易さを確保
柔軟性、変更の容易さが必
要
多次元の入力データに対応
することが必要

10. 依存関係グラフ(数学と物理の一部)
ある単元を学習するのに、どの単元を事前に理解しているべきかの依存性を記述
角度
三角関数
波
θ = 60°

11. 結果
● 創業3か月でプロダクトマーケットフィット
● 4か月目から収益化
● 10か月目で、講習(2週間)受講者のセンター試験得点
+50%up達成
● 1年で大手塾の2割に導入
⇛今後のアルゴリズム改善予定
● 学習すべき単元を推定するのに、ベイズ理論による確率計
算に加えて、情報量（エントロピー）の概念を導入するこ
とで強化したレコメンドエンジンをリリース