人工知能(AI) ・ 機械学習による不動産の賃料推計

Gate.の人工知能は5000万件を越える膨大なデータを処理することで、不動産がもつ多次元的な特徴をとらえています。

たくさんの情報を取り込み、分析することで人工知能は賃料の特性を学習していきます。たくさんの不動産を見ていくことで「経験を積んだ不動産のエキスパート」になっていくのに似ています。学習の結果、賃料の査定ができるようになりますが、人工知能は学習のプロセスが分かりにくいとの指摘もあります。

人工知能と機械学習

Gate.の人工知能をご説明する前に、人工知能や機械学習について一般的なご説明をします。

機械学習とは、人工知能の分野における一つの領域で、生データの背後にある何らかの規則性をコンピューターが見出すことです。今脚光を浴びている深層学習(ディープラーニング)も機械学習に含まれます。

人工知能ができることは、基本的にはコンピューターによる計算で、理論と確率と統計の世界です。多くのデータを用いた非線形の回帰分析や判別分析を繰り返すことによって、与えられた情報から何らかの規則性を見出し、最も確度が高いと思える答えを返すのが人工知能の役割です。

人工知能の悩ましいところ

人工知能が出す答えは精度が高いものの、答えを出すプロセスを説明しにくい点が悩ましいところです。ディープラーニングでは、脳内のニューロンを模した仕組みで答えを出します。ニューロンの役割を果すのは数学的な関数ですが、それらの関数は互いに連結することで複雑となり、人工知能が出す結果のプロセスを説明するのは非常に困難となります。

画像認識で「猫」と分類された画像が、「なぜ猫に分類されたのか」の理由を問われ、答えに困る状況といえます。なお、説明性の高さに対する問題は、ディープラーニングに限らず、人工知能や機械学習の共通した悩みであり、人工知能の最先端を行く米国でも議論が続いています。

不動産の賃料を決める要素

ここからはGate.の人工知能による賃料査定についてご説明します。賃料を決定づける要因はたくさんあります。たとえば築年数、駅からの距離、専有面積、部屋の向き、所在階数、季節性、周辺環境、人口動態、街の雰囲気などです。これらの変数をできるだけ多く取り込み、網羅的な分析を行うのが理想です。ただし、ここでは専有面積、駅からの徒歩分数、築年数に絞って、査定の概略をご説明します。

専有面積と賃料単価の関係

東京都内の「三軒茶屋」駅の周辺をモデルケースにします。

上の図は、横軸が専有面積、縦軸が㎡あたりの共益費込み賃料(賃料単価)の水準です。青い点は、実際のデータが存在する点です。濃い点線は、データから推計される曲線です。

20㎡近辺のコンパクトな物件では賃料単価が高めで、専有面積が広くなるにつれて単価は低下していくことが分かります。

曲線は、エリアによって変わります。一般的には、専有面積が広くなるにつれて単価は低下していきますが、六本木や麻布十番のように、外国人や富裕層向けの高級物件があるエリアでは、100㎡を超えるあたりで単価が上がる傾向があります。

Gate.の人工知能では、データを大量に処理することによって、三軒茶屋駅周辺における曲線、六本木駅周辺における曲線など、それぞれのエリアに適した曲線を認識しています。

徒歩分数と賃料単価の関係

一般的には駅に近い方が賃料単価は高く、駅から遠くなると低くなる傾向があります。

三軒茶屋駅周辺では、駅からの徒歩分数の影響は比較的小さめです。駅が密集している都心部では、ある駅から遠くなると別の駅に近づくこともあり、必ずしも駅徒歩分数が増えれば賃料が低下するとは言えないこともあります。

一方、都心の周辺部では駅から遠くなるほど賃料が低下する傾向が強く出るエリアもあり、駅徒歩の影響はエリアによって異なります。

築年数と賃料単価の関係

一般的には、築年数が増えれば、賃料は低下していきます。

三軒茶屋駅の近辺では、比較的穏やかに賃料が低下していきます。

この曲線は物件の特性やエリアによって変わります。同じエリアでも単身向けの物件とファミリー向けでは賃料の低下の曲線は異なりますし、同じ単身向け物件でも、都心部と周辺部では賃料の低下に違いがあります。

賃料の決定

三軒茶屋駅周辺にある物件で、最寄り駅から5分、広さ30㎡、築7年について、人工知能は賃料単価を3,900円と査定しました。

賃料は3,900円×30㎡で11万7千円となります。

人工知能が賃料単価を3,900円と査定するのは、専有面積や徒歩分数、築年数の要素から、人工知能が最も確度の高いと思える答えを返した結果です。

人工知能の得意分野

単身向けやファミリー向けなどのデータ、立地条件の異なるデータなど、特性の異なる大量のデータを取り込むことで、Gate.の人工知能はそれぞれの特性に応じた関係性を学習します。

なお、これまでに示した賃料に関わる3つの図は、専有面積と賃料単価、徒歩分数と賃料単価、築年数と賃料単価といった、1対1の関係を平面に落とした概念図です。

実際の人工知能は、最寄り駅から5分、広さ30㎡、築7年、所在階が4階・・・などの複合的な要素を、同時に取り扱って賃料を推計します。先ほどの図をバラバラに認識するのではなく、関係性を全体として把握している、とも言えます。

複雑な関係性を把握するためには、大量のデータを分析する計算力が必要になります。Gate.では既に大量のデータを保有し、これから収集するデータも加え、絶えず学習していくことで査定の精度を高めています。

賢い不動産投資を始めよう

賢い不動産投資を始めよう

2018年5月25日 4:51 PM カテゴリー: おすすめ, テクノロジー

Gate. から不動産投資のオススメ情報を受け取る

Gate.メールマガジンに登録すると、 Gate.の査定システムと、エージェントとの両者から評価の高いおすすめの物件や、 Gate. Channelのおすすめ記事が届くほか、今なら巻口成憲の著書「不動産投資は出口で決まる」の電子書籍を登録者全員に無料プレゼント!

関連記事