北大、AIレコメンドの偏り解明

電子商取引や動画配信の「おすすめ」機能を支える推薦AIは、閲覧・購入履歴を時間順に並べ、次の商品を予測するのが一般的だ。研究対象となった代表的なモデルでは、履歴内の複数商品の情報を組み合わせ、直前に閲覧した商品に対応する情報に基づいて予測する。北海道大学のグループは、企業が提供する電子商取引と音楽ストリーミングに関連する9つのデータセットを使い、代表的な推薦モデル5つがその最後の情報にどれだけ依存しているかを調べた。

モデルの内部を調べたところ、AI学習の安定化に広く使われる残差接続（前処理情報を処理済みデータに加え戻す仕組み）が関与していることが分かった。残差接続が直前商品に基づく予測手法と組み合わさることで、直近の商品の影響が際立つ。チームが残差接続の効果を弱めると、直前に閲覧した情報の影響は弱まったが、推薦精度も低下した。

長谷山美紀教授は、この知見がユーザーの閲覧・購入履歴全体にわたる興味を反映する推薦技術の設計・改善につながる可能性があると述べた。成果は9月に米国で開催された国際会議RecSys 2026で発表された。