AI and Remote Sensing for Resilient and Sustainable Built Environments: A Review of Current Methods, Open Data and Future Directions

現代の社会におけるインフラ（道路、橋、高層ビル）を、私たちの現代社会の骨格であり筋肉であると考えてみてください。人間の体と同じように、これらの構造物も疲弊し、ひび割れが生じ、嵐や地震、あるいは単なる時間の経過による摩耗によって大きな怪我を負うことがあります。長い間、これらの怪我をチェックするということは、エンジニアのチームを派遣し、クリップボードとヘルメットを携え、時には近くまで観察するために危険な装備を使って登ってもらうことを意味していました。しかし、もしこれらの構造物に「スーパービジョン（超視力）」を与えることができたらどうでしょう？ここで、人工知能（AI）とリモートセンシングが登場します。AIを、何百万枚もの写真を見て、人間の目では見逃してしまうかもしれない小さなひび割れやポットホール（路面の穴）を瞬時に見つけ出す超スマートな探偵だと考えてください。リモートセンシングは、その探偵の望遠鏡であり顕微鏡です。それは、地面に触れることなく、衛星を使って高い空から、あるいはドローンを使って上空から地面の写真を撮ることができる技術です。私たちがこれを重視するのは、私たちの道路や橋が古くなっており、天候も激しくなっているからです。ダメージを早期に発見できなければ、小さなひび割れが大きな崩落へと変わり、数十億ドルのコストと人命のリスクを招くことになります。

さて、この物語の探偵たちを紹介しましょう。彼らは、AIが現在のインフラ修復にどのように使われているかという全体像を振り返るために、大きな一歩を踏み出した研究者チームです。彼らは単に新しいツールを作ったのではありません。彼らは、他の人々が何をしていたのかを知るために、2018年から2026年までに発表された244件もの異なる研究をレビューしました。彼らの使命は、シンプルだが難しい問いに答えることでした。「私たちは、橋や道路を守るためにAIを使う技術を本当に向上させているのだろうか、それとも、現実世界では重要ではないパズルを解くことに長けているだけなのだろうか？」

彼らが発見した内容は、少し意外な展開（プロットツイスト）を含んでいます。最も「スマート」なAIモデルが勝利を収めていると予想するかもしれません。しかし、研究者たちは、AIモデル自体が主役ではなく、データこそが主役であることを発見しました。それは、世界クラスのシェフ（AI）を持っているのに、料理させる材料としてジャガイモしか与えていないようなものです。シェフがいかに優秀であっても、作れるのはジャガイモ料理だけです。この研究は、ほとんどの研究者が、ドローンで撮影された道路のひび割れ写真のような、入手しやすい特定のデータセットという、同じ限られた食材を使って料理することに固執していることを示しています。これらのデータセットは非常に人気があるため、ほぼ全員が同じ種類のAI（「CNN」や「YOLO」検出器と呼ばれるもの）を使用して、同じ小さな問題を解決しようとしているのです。

研究者たちは、AIが機能している3つの異なる「近所（ネーバーフッド）」を特定しました。それぞれが異なるルールに従っています。

1. 道路パトロール（UAVおよびドローン）： ここは最も賑やかなエリアです。道路の上をドローンで飛ばして写真を撮ることが容易であるため、ほとんどの研究がここに集中しています。AIは超高速のスキャナーのように機能し、ズームしてポットホールやひび割れを見つけ出します。これは局所的な小さな問題を見つけるのには優れていますが、一つの街路だけを見て国全体の地図を作ろうとするようなものです。
2. 橋の監視者（衛星と時間）： 橋は一筋縄ではいきません。ドローンを使ってひび割れを探す研究者もいれば、衛星を使って数ヶ月、あるいは数年にわたって橋の動きを観察する研究者もいます。これは、風に揺れる橋の様子をスローモーション映画のように見ているようなものです。ここでのAIは、ひび割れを探しているのではなく、橋が崩壊する兆候を示す「動きのパターン」を探しています。これには、単なる画像ではなく、時間を理解する異なる種類のAIが必要です。
3. 建物の守護者（衛星による事後調査）： 地震や洪水のような災害が発生すると、衛星が急行して都市全体の「ビフォー・アフター」の写真を撮影します。ここでのAIは、フォレンジック・アーティスト（鑑識官）のように機能し、2枚の写真を比較して、どの建物が立っており、どれが破壊されたかを判別します。これは救助隊にとって極めて重要ですが、主に被害が出た「後」に行われます。

この論文の大きな啓示は、私たちは壁に突き当たっているということです。研究の数は爆発的に増加しているにもかかわらず（2018年の年間約15件から2025年には61件へ）、これらのツールを実際のエンジニアが使用している割合は依然として非常に低いままです。なぜでしょうか？それは、AIがしばしば「ブラックボックス」だからです。AIは答えを出しますが、なぜその答えになったのかを説明できません。想像してみてください。医師があなたに「手術が必要です」と言いながら、レントゲン写真を見せたり診断理由を説明したりすることを拒む場面を。橋の安全を守る法的責任を負っているエンジニアは、理解できないツールを信頼することはできません。さらに、AIは特定の場所（特定の国や特定の種類の道路など）のデータで学習されています。もしその同じAIを、異なる天候や道路素材を持つ別の国で使おうとすれば、多くの場合失敗します。それは、カリフォルニアの晴れた日だけに運転を教わった学生に、カナダの雪の森へ放り込むようなものです。彼らはどうすればよいか分からなくなります。

この論文は、今必要なのは「よりスマートな」AIモデルではなく、「より良いデータ」と「より良いルール」であると主張しています。私たちは単にコンピュータ上のテストで高得点を狙うことをやめ、これらのツールを混沌とした現実世界でテストする必要があります。著者たちは、人間があらゆるレベルでAIを活用できる「3層（スリーティア）」のシステムという、新しい進むべき道を提案しています。

• ティア1： ドローンが迅速かつ至近距離でのチェックを行い、最終的な判断は人間のエンジニアが行う。
• ティア2： 衛星が災害後の全地域をスキャンし、人間のアナリストがそのマップを解釈する。
• ティア3： 衛星が長年にわたって橋を監視し、人間のエンジニアがAIによる長期的な傾向に基づいて修理を承認する。

要約すると、この論文は、インフラを救うための技術は存在しているものの、現在は「簡単なデータ」と「証明されていないモデル」のループの中に閉じ込められていると示唆しています。都市のレジリエンス（回復力）を真に高めるためには、このループを打破しなければなりません。私たちは、AIにより多様なデータを供給し、AIにその推論過程を説明させ、AIが自律的なボスではなく、有能なアシスタントとして機能するシステムを構築する必要があります。未来とは、橋を独力で修理するロボットを作ることではありません。AIと人間のエンジニアが協力し合い、世界をしっかりと支え続けるためのパートナーシップを築くことなのです。