株式会社サイバーコア（本社：岩手県盛岡市　代表取締役：玉木 由浩、以降「サイバーコア」）はこのたび、ジャパンラーニング株式会社（本社：東京都千代田区　代表取締役社長：加来 勝正、以降「ジャパンラーニング」）が提供する、EQ（Emotional Intelligence）検査結果の評価プロファイリングを自動作成するシステムを開発、2025年8月より提供を開始いたしましたことをお知らせいたします。

◆JapanEQとは

EQ（Emotional Intelligence）とは、心の知能指数とも呼ばれ、「自分の感情を的確に把握し、その場に応じた適切な行動をとるために自分の心を調整する能力」であり、ビジネスパフォーマンスと強い相関があります。また、EQは、後天的に育成される能力であり、教育やトレーニングにより高められるスキルです。

ジャパンラーニングは、約30年間にわたるビジネスパーソン向け研修を通じて、EQと業績との関係、EQを高める行動変容などの知識データを蓄積してまいりました。 EQ診断サービス「JapanEQ」は2016年より提供を開始し、受験者数は、ビジネスパーソンを中心に累計50万人に達しています。

◆JapanEQプロファイル生成AI　サービス概要

これまでは弊社認定の有資格者「JapanEQコーチ」が、独自のノウハウと経験則から、分析レポートを作成、提供してまいりましたが、今後は、生成AIを活用したプロファイリングおよびレポートを提供すべく、サイバーコアが共同開発を進めてまいりました。

今回開発したシステムは、ジャパンラーニングが有する分析知識や行動変容アドバイス手法をデータベース上に蓄積し、それらの知識を元にしたRAG（Retrieval Augmented Generation：検索拡張生成）によって、生成AIがJapanEQコーチと同等のプロファイリング・レポートを自動で出力します。AIプロファイリング・レポートは、被験者ごとに約10ページ（A4サイズ）のレポートを出力します。

これまで、JapanEQコーチによるプロファイリングレポート作成には１被験者ごとに20〜30分程度がかかっておりましたが、このほど開発した生成AIを用いたプロファイリングサービスは5分で作成が終了し、被験者へのスピーディなフィードバックを可能にしました。

◆生成AIを活用し、データを「つかえる化」

サイバーコアは創業以来、画像解析アルゴリズムを強みとした産業用AIソリューションを多く手掛けてまいりました。近年、LLM（大規模言語モデル）の目覚ましい発展により、サイバーコアが得意とする「みえる化」「わかる化」によって獲得したデータを「つかえる化」するニーズを多くいただいております。生成AIを活用したデータ要約配信システムの開発も進めております。

画像AIにとどまらず、お客様が蓄積してきたデータを「つかえる」ようにすべく、技術の研鑽を進めてまいります。

◇ジャパンラーニング株式会社について

ジャパンラーニング株式会社は、日本で初めて「EQ理論」を企業教育コンテンツとして導入し、1996年の創業以来1000社50万名を超えるビジネスパーソンのパフォーマンスを高める伴走型の人材教育サービスを提供してきました。経営の根幹は「人」であると考え、社員一人ひとりが自ら考えて行動する仕組みづくりを、教育によって実現していきます。

ジャパンラーニング公式コーポレートサイト

◇株式会社サイバーコアについて

2007年の創業以来、画像AI技術の開発に特化し鮮明化や軽量化などの独自技術を確立。セキュリティ、リテール、公共交通（鉄道等）、FA（ファクトリーオートメーション）、自動車など、様々な業界・分野で独自技術を納入してまいりました。CVPR*1で行われた2021年及び2022年のAI国際コンペティションで部門優勝、NIST*2が実施した顔認証技術のベンチマークテストでも2022年にカテゴリで世界9位、日本企業中1位、その他論文サイトでReID技術*3で世界1位にランクインするなど、その技術力の高さは世界的に認められております。また、AIだけでなくHI（ハードウェア組み込み）技術およびSI（システム連携）技術をかけあわせるAIソリューションプロバイダです。電気興業株式会社（DKK）グループ。

サイバーコア公式ホームページ

*1 コンピュータービジョンに関する世界最大級のカンファレンス
*2 米国国立標準技術研究所
*3 再認識（Re Identification）技術。異なるカメラや、一度画角から消失した同一の物体や人物を再認識する技術

生成AIを活用したサイバーコアのRe-ID（人物再認識）アルゴリズム「CORE-ReID」が論文掲載サイト「Papers with Code」の該当カテゴリで1位にランクイン

サイバーコアのUnsupervised Domain Adaptation（UDA、教師なしドメインアダプテーション）Re-ID（Re Identification、人物や対象物の再認識）アルゴリズムであるCORE-ReIDが、世界中の研究者が集まる論文掲載サイト、Papers with Codeで該当カテゴリ1位にランクされました。

CORE-ReIDアルゴリズムの名前は、サイバーコアに由来しています。本研究は、当社と岩手県立大学のプリマ オキ ディッキ アルディアンシャー博士および研究室と共同で、当社のAIエンジニアが実施しました。

CORE-ReIDの特長：
CORE-ReIDの特長は、以下の4つの点になります：
1. CycleGANによる学習データ生成:　CycleGANを利用して、事前学習段階で多様なデータを作成し、さまざまなカメラソースからの画像特性を調和させました。
2. Teacher-Student Networks for Multi-View Features:　異なる画角の特徴量学習のためのTeacher-Student（教師-生徒）ネットワークの活用。
3. Innovative Efficient Channel Attention Block (ECAB):　特長のチャネル間の関係を活用し、入力画像内の意味のある構造に焦点を当てて学習を強化し、特徴抽出を強化。
4. COREフレームワーク:　効率的なチャネルアテンションブロック:　 CORE(Comprehensive Optimization and Refinement through Ensemble Fusion)フレームワークは、グローバルとローカル(上部と下部)の特徴の適応的融合を実行可能にします。

広く用いられている3つのUDA Person ReIDデータセットでベンチマークを実施した結果、CORE-ReIDの性能は、他の最先端アプローチよりも優れている点が示されました。

論文タイトル: “CORE-ReID: Comprehensive Optimization and Refinement through Ensemble fusion in Domain Adaptation for person re-identification”.

Related URLs:
Papers with code – Unsupervised Domain Adaptation’s benchmark – https://paperswithcode.com/task/unsupervised-domain-adaptation
Papers with code – https://paperswithcode.com/paper/core-reid-comprehensive-optimization-and
Paper – https://www.mdpi.com/2674-113X/3/2/12
Project Page – https://trinhquocnguyen.github.io/core-reid-homepage