AISA：AIで高速道路建設の安全を強化する新システム

高速道路建設の安全管理にAIを導入

建設現場の安全確保は最優先事項です。特に高速道路の建設では、Job Safety Analysis（JSA）という作業安全分析や、作業前の計画が非常に重要になります。これらの計画をより確実にするためには、過去の事故記録を参考にすることが不可欠です。

しかし、これまでの事故データは、多くが unstructured な記述、つまり決まった形式ではない文章として保存されてきました。このため、必要な時に過去の記録を素早く探し出し、計画に役立てるのが難しいという課題がありました。私は、この非効率な状況を長年見てきました。この課題を解決するため、大規模言語モデル（LLM）を中心とした新しいフレームワーク「AISA」が提案されました。

AISAの具体的な機能と仕組み

AISAは、将来的なAIエージェント、つまり自律的に動作するAIアプリケーションの基盤となることを目指しています。特に、ローカルでの確定的な推論（deterministic, local inferencing）を重視しています。これは、外部に依存せず、現場で確実に推論を行う設計のことです。

AISAの主な目標は二つあります。一つ目は、既存および将来の事故報告書について、その内容を分類し、品質を評価することです。具体的には、職業上の負傷および疾病分類システム（OIICS）の4つの多クラスフィールドと2つの二値フィールドに沿って事故を分類し、全体の品質スコアを算出します。

二つ目は、関連する過去の事故記録、関連画像、そして信頼できる業界の文書を効率的に検索し、日々の安全計画に組み込むことです。これにより、計画担当者は必要な情報を最速で手に入れられます。

実証結果と今後の展望

AISAの性能は、15,000件以上の事故記述と、100件の著者ラベル付き記録で評価されました。その結果、OIICS分類の精度は75%に達しました。ただし、二値の分類については課題も見られました。品質スコアは、特定のデータベースでは有効でしたが、異なるデータセット（out-of-distribution）では歪むこともありました。

過去の事故検索については、偶然よりもはるかに高い精度で関連する事故を回収できました。特に、言葉で明確に区別できる建設活動において、その効果が顕著でした。文書からの質問応答では、オープンなデコーダー埋め込みモデルが、独自のモデルよりも優れた性能を示しました。

この研究は、ローカル推論とテキスト埋め込みモデルに基づく新しいフレームワークを提供します。外部データをJSA報告書に橋渡しする仕組みは、建設現場の安全性を大きく向上させる可能性を秘めています。私の見方では、これは現場のデータを最大限に活かすための第一歩です。