# 不動産・歩ける街・気候変動対策のためのAI ― John Renne教授との対話 - 番組: [Super Data Science: ML & AI Podcast with Jon Krohn](https://ai-curator.jp/podcasts/shows/cmv3z5c0j000j5o10v3e8e8p9)（Jon Krohn） - 元のタイトル: 1039: AI for Real Estate, Walkable Cities and Climate Action, with Prof. John Renne - 配信日: 2026年10月27日 - 長さ: 1時間23分 - 要約作成日: 2026年10月27日 - トピック: [#AI](https://ai-curator.jp/topics/AI) [#バイブコーディング](https://ai-curator.jp/topics/%E3%83%90%E3%82%A4%E3%83%96%E3%82%B3%E3%83%BC%E3%83%87%E3%82%A3%E3%83%B3%E3%82%B0) [#都市計画](https://ai-curator.jp/topics/%E9%83%BD%E5%B8%82%E8%A8%88%E7%94%BB) [#不動産](https://ai-curator.jp/topics/%E4%B8%8D%E5%8B%95%E7%94%A3) [#コンピュータビジョン](https://ai-curator.jp/topics/%E3%82%B3%E3%83%B3%E3%83%94%E3%83%A5%E3%83%BC%E3%82%BF%E3%83%93%E3%82%B8%E3%83%A7%E3%83%B3) [#AI教育](https://ai-curator.jp/topics/AI%E6%95%99%E8%82%B2) - URL: https://ai-curator.jp/podcasts/cmvqlawcm000048103t23dco4 ## 要約 Tulane大学の不動産・都市計画の教授John Renneが、終身在職権を持つ身でAI修士課程に進んだ経緯と、AIによる研究規模の拡大を語る回。Excel/SPSSで扱った米国約4,500の鉄道駅分析は、Pythonとバイブコーディングで世界11万超の駅へ拡張された。ストリートビュー画像の評価、学部向けAI講義、AI口頭試験サービス oral exam.ai による検出ツールに代わる評価手法にも話が及ぶ。 ## ポイント - Renneは終身教授でありながらCOVID期にデータ分析スキルの陳腐化を痛感し、Florida Atlantic Universityの修士課程(AI)に進んだ。大規模言語モデル登場以前から学んでいたことがTulaneでの採用にも有利に働いたと述べている。 - TOD(公共交通指向型開発)は、実際には交通よりも歩きやすさが重要だと主張。ウォークスコア70以上かつ半径約0.5マイルに約4,000戸以上という基準で、米国の全駅を分類した。 - データ量がExcelやSPSSの限界を超えたためPythonへ移行し、OpenStreetMapなどから世界110,000超の鉄道駅のデータベースを構築。共著者とは「2時間の作業が50万ドル・数年規模の助成研究に相当する」と語った。 - ストリートビュー画像をAIで評価し、評価が高い通りほど小売店舗のリース価値が高いことを修士論文で示そうとしている。街路改善の費用対効果という従来は主観的だった問題を測定可能にするという見方。 - Tulaneでは非コーディングの学部生にバイブコーディングを教え、初回で動画ゲームを作らせた。学期プロジェクトは固定資産評価額を市民に説明するチャットボット。 - AI検出ツールは偽陽性が数％あり訴訟も起きていると指摘。論文提出後に5〜7分のAI面接を行う oral exam.ai を、より公正な代替策として紹介した。 ## 章立て - [04:08] **なぜ教授がAI修士に進んだか** — COVID期にSPSS中心のスキルの古さを実感し、Pythonを学ぶため修士課程に進んだ経緯。バイブコーディング時代に基礎知識が役立つという話。 - [13:25] **AIの進歩と気候変動への楽観** — AIの汎用化とバイブコーディングによる変化、AIの進歩は止められないという見方、気候変動への市場主導の期待を語る。 - [25:34] **TODとは何か** — 歩行都市から鉄道都市、郊外のスプロール、ニューアーバニズム、そしてTODが最も収益性の高い開発になるまでの歴史を解説。 - [36:51] **全米4,500駅の分析と街路評価AI** — ExcelやSPSSから出発して全米の駅を分類。ストリートビュー画像のAI評価と小売リースとの関係を研究している。 - [46:48] **Tulaneの共同授業と評価額チャットボット** — 非コーディングの学生向けAI授業の内容と、市民が固定資産評価を理解するためのツール作り。 - [59:19] **世界11万駅のデータベースと研究の未来** — 世界規模のTODデータベース、書籍Green TOD、助成金申請、AI時代の博士課程の在り方。 - [1:07:09] **AI口頭試験 oral exam.ai** — レポートの代筆問題とAI検出ツールの限界、AIによる口頭試験を使った解決策。 ## 解説記事 Super Data Science Podcast の第1039回では、司会のJon Krohnが、Tulane大学で不動産開発プログラムを率いるJohn Renne教授を迎えた。Renneは歩ける街とTOD(公共交通指向型開発)の世界的な研究者で、終身在職権を持つ教授でありながらAIの修士課程に進んだ人物だ。AIが研究・教育・不動産実務をどう変えるかが語られた。 #### 教授が「もう一度学生に戻った」理由 Renneは、COVID期に自分のデータサイエンスやAIの知識が時代遅れだと痛感したと述べている。それまで使っていたのはSPSSなどで、コーディングはできなかった。若手の学生がPythonを使うのを見て、同じスキルが必要だと感じたという。折よく勤務先のFlorida Atlantic Universityがフロリダ州初のAI修士課程を開設し、職員として授業を受けられたため進学した。キャリア上は必須ではなかったが、結果的にTulaneでの採用にも有利に働いたとしている。 バイブコーディング(自然言語でAIにコードを書かせる手法)の時代でも、PandasやGeopandas、機械学習モデルの仕組みを理解していることが重要だと強調した。車に例えて「運転できるだけでなく、トランスミッションやブレーキの仕組みが分かっているから、モデルがブラックボックスに感じない」と語る。Krohnは、Claude Opus 4.6以降、自分のキャリアにあった技術的な堀は無くなったと述べつつ、脅威であると同時に刺激的でもあるとの見方を示した。 #### TODとは何か、なぜ儲かる開発になったのか Renneは、TODを歴史の中に位置づける。中世の都市は歩いて横断できる規模で、鉄道が駅を中心とした小さな歩行都市を郊外に生んだ。第二次大戦後は高速道路と自動車中心の郊外開発(スプロール)が広がり、渋滞が深刻になった。道路を拡幅しても交通需要が誘発されて渋滞は戻る(誘発需要)という。1980年代のニューアーバニズム運動を経て、Peter Calthorpeが1990年代初頭にTODという用語を定義した。 Renneによれば、2007年の金融危機後に米国の不動産業界は郊外型開発を避けて新都市主義型に舵を切った。理由は「最も収益性の高い開発だから」である。一方で人気が高すぎて価格が高騰し、ジェントリフィケーション(高級化による住民の入れ替わり)が起きる問題もあり、供給を増やすことで解決すべきだと述べた。また、TODは名前に反して交通より歩きやすさが本質だと主張している。 #### 4,500駅から11万駅へ、そして街路の「美しさ」の数値化 Renneは博士論文で約104のTOD地区を分析し、その後、米国の全鉄道駅(約4,500)をウォークスコア70以上かつ半径0.5マイル内に約4,000戸以上という基準で分類した。結果は約3分の1がTODで、TODでは移動の6〜7割が徒歩・自転車・公共交通だという。経済活動も集中し、交通分野で難しい炭素削減に寄与すると述べている。 データが膨らんでExcelとSPSSの限界に達してPythonへ移行し、さらにChatGPTやバイブコーディングを使ってOpenStreetMapなどから世界110,000超の駅のデータベースを構築した。共著者のBilly Fieldsとは、直近2時間の作業が「50万ドルの助成金と2〜3年に相当した」と語り合ったという。書籍『Green TOD』をCambridge University Pressから出す予定である。 また、ストリートビュー画像を機械学習で評価し、通りの魅力を数値化する研究も進めている。修士論文では、評価の高い通りほど小売店のリースが高い価値を持つことを示そうとしている。街路への投資の費用対効果を、これまで主観的とされた領域で測れるようにするのが狙いだ。 #### 非プログラマーの学生にAIを教える RenneとKrohnは、Tulaneの学部生向けにAIと不動産の共同授業を行っている。受講生は15〜20人ほどで、コーディング経験者はほとんどいない。Cursorを使って初回で動画ゲームを作り、カンバンボードや個人サイトを経て、学期末プロジェクトでは固定資産評価額を市民が理解するためのチャットボットを作る。ニューオーリンズでは評価額が4年ごとに見直され、2023年には市全体で23%上昇したという。個別の変動幅は大きく、異議申立ての方法を含め、実データに基づいて説明するツールを目指している。 Renneは、米国では都市計画家が「計画」より「反応」を担い、実際の計画を作るのは開発業者だと指摘する。そのため不動産分野の学生にAIを教える意義が大きいという立場だ。 #### AI検出ツールではなくAI口頭試験を 学生のAI代筆が教育の危機になっているという話題で、Renneは共同創業した oral exam.ai を紹介した。学生がレポートを提出すると、AIが5〜7分ほど内容について質問し、学生は動画で回答する。教員は、学生が内容を理解しているかの評価を受け取る。口頭試問は本来ソクラテス式教育の中心だったが、人数が多いと実施できないので筆記が普及した、という歴史も語られた。 RenneはAI検出ツールを「信頼性が低い」と批判し、偽陽性が4〜5%に及ぶ可能性や、無実の学生が不正を疑われ、大学が訴えられた例もあると述べた。Krohnも、検出ツールよりこの方式の方が洗練されていると評価している。 #### まとめ この回の核心は、AIが研究や実務の規模とコストを桁違いに変えているという実感である。Renneは、従来は数年と多額の助成金が必要だった分析が数時間で可能になったと述べつつ、メンターとして学生と働く価値は残ると考える。日本の読者にとっては、非エンジニアでもバイブコーディングで実用ツールを作れること、基礎知識がAIの出力検証に効くこと、教育では検出より対話的評価へという発想が参考になる。人口減少や都市の持続可能性が課題の日本でも、駅周辺の歩きやすさをAIで大規模に測る手法は注目に値するだろう。 > この要約・解説記事は、元の音声の文字起こしをもとに AI（Claude）が日本語で作成したものです。出典: Super Data Science: ML & AI Podcast with Jon Krohn「1039: AI for Real Estate, Walkable Cities and Climate Action, with Prof. John Renne」