しくみ
「自分好みのチャイ」を見つけるのは難しい。
だからAIが、あなたの味覚を科学的に分析します。
従来のチャイ体験
- メニューを見ても違いがわからない
- 「辛すぎた」「甘すぎた」の繰り返し
- 店員さんに好みを伝えるのが難しい
- 毎回イチから説明が必要
ChaiHolicの体験
- 8つの質問で味覚を数値化
- AIが好みにぴったりのブレンドを提案
- レーダーチャートで違いが一目瞭然
- フィードバックで次回はさらに的確に
7軸味覚プロファイリング™
アーユルヴェーダの伝統的なラサ（味）理論と、現代のフレーバーサイエンスを融合。 チャイの味わいを8つの軸で科学的に数値化します。
なぜ「7軸」なのか？
チャイの味わいは複雑です。「おいしい」「まずい」だけでは表現できない微妙なニュアンスがあります。 私たちは3000杯以上のチャイを分析し、味わいを構成する要素を8つの独立した軸に分解しました。
温感
Warming体を内側から温める効果の強さ
シナモンやジンジャーに代表される「温める」感覚。アーユルヴェーダでは「消化の火（アグニ）」を高め、代謝を促進すると考えられています。
辛味
Heatピリッとした刺激的な辛さの度合い
ブラックペッパーやジンジャーがもたらすスパイシーな刺激。血行促進や発汗作用があり、体を活性化させます。
甘味
Sweetness自然な甘さや心地よいまろやかさ
シナモンやスターアニスが持つ自然な甘み。砂糖を加えなくても感じられる、スパイス本来の優しい甘さです。
苦味
Bitterness深みのある苦味やほろ苦さ
クローブやフェヌグリークに見られる大人の苦味。チャイに複雑さと深みを与え、後味をすっきりさせます。
香り
Aroma芳醇で華やかな香りの強さ
カルダモンやローズに代表される華やかな芳香。飲む前から広がる香りが、リラックス効果や気分転換をもたらします。
清涼感
Cooling爽やかな冷涼感やすっきり感
ペパーミントやフェンネルがもたらす清涼感。暑い季節や食後のすっきり感を求める時に効果的です。
渋味
Astringency収斂感のある渋味やタンニン感
茶葉やクローブに含まれるタンニンがもたらす渋味。口の中をキュッと引き締め、後味をすっきりさせる効果があります。
官能評価学に基づく科学的アプローチ
ChaiHolicの味覚分析は、100年以上の研究に基づく官能評価学（Sensory Evaluation）の理論を実装しています。
ウェーバーの法則（Weber's Law）
知覚感度に基づく重み付け
1834年にエルンスト・ウェーバーが発見した心理物理学の基本法則。人間の感覚は刺激の絶対量ではなく、相対的な変化に反応することを示しています。
JND = k × I
JND = 弁別閾（Just Noticeable Difference）
k = Weber分数（感度を表す定数）
I = 刺激強度
ChaiHolicでは、各味覚軸のWeber分数に基づいて知覚重みを設定。 人間が敏感に感じる味ほど、推薦アルゴリズムで重視されます。
軸ごとの知覚感度（Weber分数）
苦味は低濃度でも検知可能なため最高重み。香りは個人差が大きいため最低重み。
スティーブンスの冪法則（Stevens' Power Law）
非対称な知覚調整
1957年にスタンリー・スティーブンスが提唱。知覚される強度は物理的強度の冪乗に比例するという法則です。味覚では「増やす」と「減らす」で効果が非対称になります。
S = k × In
S = 知覚される感覚強度
k = 定数
I = 刺激の物理的強度
n = 冪指数（モダリティごとに異なる）
味覚調整への応用
甘味（n=1.3）: 「もっと甘く」は強く効く
辛味（n=1.1）: 増加がより強く感じられる
清涼感（n=0.85）: 「もっとスッキリ」は控えめに調整
香り（n=0.6）: 嗅覚は最も圧縮的
ユーザーの「もっと○○」フィードバックを、知覚に合った適切な調整量に変換します。
学術的根拠と参考文献
ChaiHolicの味覚分析アルゴリズムは、以下の学術研究に基づいています。
感覚閾値研究
苦味の弁別閾（Weber分数 k≈0.10）は甘味（k≈0.17）より低く、 人間が苦味に最も敏感であることを示す。
適応的パネル訓練
5杯のキャリブレーションブレンドで7軸すべてを複数回サンプリング。 Latin Square実験計画法に基づく効率的な学習。
ベイズ更新
フィードバックごとに事後確率を更新。 評価が高いほど学習率を上げる信頼度重み付け。
時間減衰
古いフィードバックの影響を半減期30日で減衰。 味覚の変化に適応的に追従。
あなたの味覚を探る旅
「好みを言葉で説明する」のは難しい。だからChaiHolicは、
実際に飲んで、感じて、学ぶアプローチを採用しています。
なぜ「診断だけ」では不十分なのか？
味覚の自己認識問題：「辛いの苦手」と思っていても、実際に飲むと「意外と好きかも」と感じることがある。
言語化の限界：「香り高い」「複雑」といった抽象的な概念は、人によって解釈が異なる。
コールドスタート問題：AIは最初、あなたのデータを持っていない。8問の診断だけでは情報が足りない。
解決策：最初の数杯で「実際の反応」を観察し、8次元空間でのあなたの位置を特定する。
4つのフェーズで味覚を解き明かす
味覚診断
8つの質問で初期プロファイルを推定。約2分で完了。
まだ「自己申告」の段階。実際の好みはこれから探ります。
はじめての一杯
診断結果に基づく「安全な選択」。まずは成功体験を。
あなたの診断結果に最も近いブレンドを提案。
境界を探る冒険
1つの軸を意図的にずらして、あなたの「限界」を探ります。
「辛味+20」や「香り+30」など、特定の軸を強調。
完全パーソナライズ
5杯のデータから、8次元空間でのあなたの位置が確定。
高精度なAI提案が可能に。
能動学習（Active Learning）アルゴリズム
ChaiHolicのAIは、単にデータを待つのではなく、最も情報量の多い質問を自ら選ぶことで効率的に学習します。
信頼度が最も低い軸を優先的に探索。
1杯の体験から最大限の情報を得られるブレンドを選択。
各フィードバックで事後確率を更新。
70%は「安全な選択」、30%は「冒険」。
AIブレンド生成の仕組み
単なるランダム生成ではありません。科学的なスコアリングと 創造的なAIの二層構造で、あなただけの最適解を導き出します。
科学的スコアリング
1ベクトル類似度計算
あなたの7軸プロファイルと、各スパイスの7軸プロファイルを比較。
2コンテキスト調整
3履歴学習
過去の注文・フィードバックを分析。高評価スパイスはスコアUP、低評価はスコアDOWN。
創造的AI（GPT-4o）
コンテキスト理解
「疲れた」「リフレッシュしたい」など自然言語の意図を理解し、Layer 1のスコアに反映。
創造的なネーミング
スパイスの組み合わせから、魅力的なブレンド名と説明文を生成。
理由の言語化
「なぜこのブレンドがあなたに合うのか」をわかりやすい言葉で説明。
パーソナライズの具体例
Aさん（28歳・会社員）
甘味高め・辛味控えめ・香り重視
シチュエーション
仕事終わりのリラックスタイム
AIの提案
カルダモンたっぷりの「夜のご褒美ブレンド」
AIの思考プロセス
香り重視の傾向から、カルダモンを通常の1.5倍に増量。辛味控えめなのでジンジャーは最小限に。甘味が高いのではちみつとの相性も◎
ブレンド内容
Bさん（42歳・経営者）
辛味高め・温感高め・渋味しっかり
シチュエーション
朝の集中タイム
AIの提案
ブラックペッパー効かせた「覚醒スパイスブレンド」
AIの思考プロセス
辛味と温感が高いため、ジンジャーとブラックペッパーをしっかり配合。しっかりした渋味を求める傾向から、クローブとナツメグで深みを追加。
ブレンド内容
使えば使うほど、賢くなる
ChaiHolic AIは一度きりの提案では終わりません。 あなたのフィードバックを学習し、回を重ねるごとにより的確な提案ができるようになります。
学習の流れ（例）
初回注文時
信頼度: 30%味覚診断の結果から初期プロファイルを生成。まだデータが少ないため、提案は標準的。
1回目のフィードバック
信頼度: 45%「もう少し辛くても良かった」
2回目のフィードバック
信頼度: 60%「甘さはちょうど良い」
5回目以降
信頼度: 85%「いつも完璧！」
プロファイルが安定し、高精度な提案が可能に。あなた専用のチャイマスターの完成です。
「信頼度スコア」とは？
AIがあなたの好みをどれだけ正確に把握しているかを示す指標です。
0-40%
学習中
40-70%
成長中
70%+
マスター
会話でブレンドを作る
難しい操作は一切不要。チャットで「今日の気分」を伝えるだけで、 AIがあなたにぴったりのブレンドを作成します。
こんにちは！今日はどんな気分ですか？
体調や気分を教えてください。
今日は仕事で疲れたから、リラックスしたいな。でも甘すぎるのは苦手かも。
お疲れ様です！リラックスしたい時は、カルダモンの華やかな香りがおすすめです。
甘さ控えめとのことなので、シナモンは少なめに、代わりにフェンネルで自然な甘さを出しましょう。
「夜のほっとリラックスブレンド」はいかがですか？
※ 実際のAIコンシェルジュは、あなたの味覚プロファイルと過去の注文履歴を参照して応答します