前回見たように、「世界標準」のサービスが上陸しながらも、真剣な交際を目指す「Omiai（オミアイ）」から気軽なデートに使える「Dine（ダイン）」まで、幅広いモデルが生まれている国内のマッチングアプリ。その裏側で各社がしのぎを削るのが、サービスの基本となる「最適なパートナーとの効率的な出会い」だ。ただそこには、技術的なカベが立ちはだかっている。

　「一人からたどれるデータが少ない。マッチングアプリのアルゴリズムには他にない難しさがある」。「ペアーズ」を運営するエウレカ（東京・港）の奥村純・執行役員データディレクターはこう話す。

マッチングアプリ「ペアーズ」の画面イメージ。パートナー候補との「相性」が数値で示されている

[画像のクリックで拡大表示]

　マッチングアプリが利用者に最適な相手をレコメンド（推薦）する際、年齢や仕事、趣味や休日が合うかどうかなどの基本的な情報に加え、アプリにログインする時間帯やアプリ内に滞在している時間、プロフィルの文章がある程度の分量まで書かれているか、といったさまざまなデータで判断している。こうした点を踏まえて「相性60％」「相性90％」などとはじき出す。

　しかし事はそう簡単ではない。「相性が50％でもお互いに『いいね！』を押してマッチングするケースもあり、完全に人工知能（AI）だけのマッチングは難しい」（奥村氏）という。

　理由の1つが、インターネット通販など商品が介在するサービスと違い、人と人を結びつけるマッチングアプリでは取得できるデータ数が限られることだ。ネット通販の場合、例えばあるユーザーが経済小説を買ったとする。同じ経済小説を買った人の購入履歴から、そのユーザーが買いそうな本をレコメンドできる。この経済小説の購入者は多数存在するため、そこから派生する何十万ものデータを集められる。

　だがマッチングアプリでは事情が異なる。利用者1人につき押せる「いいね！」の数や、交際できる人数は限られる。AさんとBさんがお互いにメッセージのやり取りをする関係に発展したからといって、そのAさんがプロフィル上はBさんとよく似たCさんに「いいね！」を押すとは限らない。

　なぜなら、人間には本音と建前が存在するからだ。例えばパートナーの条件として「年収にはこだわらない」としている利用者が、実際には一定以上の年収の相手ばかり「いいね！」することもある。それがなぜなのか、プロフィルに登録している情報だけで分析できるとは限らない。

　十分や量と種類のデータが集まらない──。このエウレカの抱える悩みの打開策となったのが、東京大学大学院との共同研究だ。エウレカは2018年12月、東京大学大学院情報理工学系研究科の山崎俊彦准教授の研究室（山崎研）と、アプリ内で活用するアルゴリズムの共同研究を開始した。

　SNSに投稿された動画や音声のデータを使った基礎研究などが専門の山崎研からのアドバイスが、「グラフ深層学習の活用」だった。グラフ深層学習とは、ネットワークの中を自在に動き回り、情報を集めるというもの。化合物の特性の予測などに使われている手法で、写真共有サイトの米ピンタレストは「関連のある写真」をレコメンドする際、写真のトーンや撮影された文脈などをくみ取るためにこの技術を使っている。