最新の研究が示す不動産AIの未来：東京大学とestieの協力

不動産AIの新たな時代：東京大学とestieの共同研究

株式会社estieが運営する「不動産AI Lab」と東京大学の山崎研究室が行った共同研究が、国際的な会議「IEEE MIPR 2026」に採択され、不動産価格予測モデルの自動改善に関する注目の成果を発表しました。この研究は、最新の大規模言語モデル（LLM）を利用して、不動産価格予測の精度を高める新たな枠組み「CARRE」を提案しています。これにより、これまでの専門的な知識を要するモデル改良を自動化することが期待されています。

研究の背景

不動産市場において、価格や賃料の正確な予測は非常に重要であり、これにより投資判断や価格設定が容易になります。しかし、価格決定には多様な要素が絡み合っており、これを高精度で予測することは長らく難しい課題でした。特に立地や築年数、面積など、数多くの要因が相互に影響し合っています。

従来の価格予測手法は専門家の評価に依存していますが、最近の機械学習技術の進展により、機械による価格予測が可能になってきました。それでもなお、モデルの最適化には膨大な時間と専門知識が必要です。ここで「CARRE」が登場し、改善プロセスを自動化し、効率的に精度向上を目指すことが可能となりました。

CARREの特徴

発表された「CARRE」は、「Comprehensive Automated Refinement for Real Estate Using Large Language Models」の略称であり、不動産価格予測モデルに特化した自動改善の仕組みです。このアイデアは、次の4つのステップから構成されます：
1. 改善案の提案：LLMがモデルの改善案を提案します。
2. 自動実装：提案された改善案を基にPythonコードを自動で生成します。
3. 評価：新しいモデルを検証データで評価し、効果を測定します。
4. 診断：LLMが結果を基にさらなる改善点を検討します。

このプロセスは、LLMが自身の知識を活用して連続的に回るため、過去の試行を踏まえた効率的な最適化が可能です。さらに、物件の属性に合わせた細かな対応も行えるため、従来のブラックボックス的な手法との違いがあります。

研究成果と今後の展望

今回の研究によって、ベースモデルと比較してすべての評価指標において統計的に有意な改善が確認されました。特に、日本の賃貸データを用いた場合には、すべてのパフォーマンス指標で最高のパフォーマンスを達成。これにより、様々な不動産データに基づいた自動化された改善の可能性が示されました。

これを受けて、株式会社estieの取締役CTO、岩成達哉氏は「専門家の経験を持ち寄らずとも、LLMが自律的にモデル改善ができることを示しました。今後もこの研究の成果を不動産業に活かしていく予定です」とコメントしています。