鋼板の傷を正確に見つける AI、『曲がった傷』に対応

『畳み込み層』って、画像認識の話で何度も出てくるけど、結局どういう仕組みなの？

畳み込み層というのは、要するに「小さな穴からのぞく」という仕組みなんです。 大きな画像全体を一度に見るのではなく、小さな窓（フィルタ）を用意して、その窓を画像の上でスライドさせながら移動させていく。窓の中に見える部分部分について「ここに傷っぽい模様があるか」「ここはテクスチャがどうか」を判定していくイメージです。 物体認識や顔認識も、実は同じやり方をしている。エッジ（輪郭）を探す小窓、曲線を探す小窓、色の変化を探す小窓……こうした複数の小窓を重ねて、パターンを層状に積み重ねていくから「層」という名前が付いてる。 今回の鋼板の傷検査の場合、これまでの標準的な畳み込み層は「どの方向の小窓でも同じ大きさで均等に見ていた」わけです。ところが傷は、場所によって横向きだったり曲がっていたりする。だから新しい手法では、傷の向きを先に判定して、その向きに合わせて小窓の形や角度を変える、という工夫をしたということになります。要は、のぞく窓を「かしこく動かす」ようにした、と言えそうです。

鋼板の傷を正確に見つけるって、結局うちらが買う製品の品質に直結するってこと？

直結するというより、むしろ見えない地層で支えてる感じですね。 鋼板って、建設機械、自動車、橋梁、家電の筐体など、ありとあらゆる製品の骨組みになっています。その鋼板の傷を工場段階で落とすことで、製品が出荷されたあとの予期せぬ破損や劣化を防ぐわけです。 あなたが買った家電が10年持つのか、5年で壊れるのか。自動車の足回りが安定してるのか、走行中に異音が出るのか。そういった「長期的な信頼性」の大部分は、実は製造元が材料段階でどれだけ厳しく傷を取り除いたかで決まっているんです。 これまでは「目立つ傷」だけ検出していたから、曲がった細い傷とか、方向が微妙なヒビは見落とされてた。見落とされた傷を持った鋼板が製品に組み込まれれば、数年後にそこから裂けることもあります。だから精度が 89.60% に上がるって、業界にとっては結構な改善なんです。 あなたが感じるのは「品質が良い」というより「静かに信頼できる」という感覚になるはずです。品質のいい製品は、実は裏側の検査の厳しさに支えられてる側面があるのかもしれません。

従来の AI が『どの方向の情報も同じ重さで見てる』って問題になった背景は、誰も方向性に気づかなかったってこと、それとも気づいてたけど対応できなかったってこと？

気づいていたけど対応できなかったというのが近いと思います。 画像認識の標準的な手法は、そもそも「すべての方向を等しく扱う」という設計思想で成り立ってる。それは、犬や猫を認識するとか、顔を検出するみたいな、方向性が重要じゃないタスクなら十分効果的でした。だから、長年その枠組みで問題が解決できてたわけです。 ところが鋼板検査の現場では「傷は横に走ったり斜めに走ったり、その向きで見え方が大きく変わる」という固有の問題がある。工場の人たちは当然それに気づいてたし、研究者だって気づいてた。でも、既存の標準的な枠組みの中でそれに対応しようとすると、複雑さが増してパフォーマンスが落ちるか、工場に入れられるような軽い計算量じゃなくなるかのどちらかに引っかかってた。 この論文は「傷の主な向きを先に認識して、その方向に合わせた畳み込み層を使う」という、方向性を正面から組み込む設計に踏み切った。そのおかげで、精度も高くて計算も軽い、実装可能な解に辿り着いたということなのかもしれません。

『傷の向きに合わせて検査する』って、人間の目が自動的にやってることを AI にもさせた、ってことなの？

人間の目が傷を見つけるのは、実はそこまで単純じゃないんですよね。 人間は意識せずに、傷の向き・太さ・光の当たり方を一度に処理できます。でも、従来の AI は「全方向を均等に見ている」ため、例えば横一文字の傷と斜めの傷が同じ強度で映っていても、かたち自体は全く違う情報として扱ってしまう。結果、見落とされやすくなっていました。 この新しい技術がやっているのは、人間が「無意識に」やっていることを「意識的に設計」した、という感じです。傷の主な向きを一度認識してから、その方向に合わせた特殊な計算を組み込む。つまり、人間のやり方を模倣するのではなく、「人間がなぜうまくいくのか」という理由を数学的に再現している。 精度が 89.60% で止まっているのも興味深くて、人間の検査官も 100% ではないので、ここが現実的な上限なのかもしれません。AI が人間と同じレベルに達するのではなく、人間ができていることの「理由」を機械に翻訳するプロセスなんだと言えそうです。

精度が 89.60% って書いてあるけど、残りの 10% の見落とされた傷が、あとで大問題になることもあるってことだよね。その時のリスク誰が被るの？

製造業で「完璧な精度は無い」という前提は、実は昔から存在してるんですよね。100%検査を人間がやってた時代も、熟練検査員でも見落としはあった。その時のリスクは、出荷後に欠陥が見つかれば顧客が被り、保証対象なら製造企業が被る。89.60%というのは、むしろ人間の目より正確だったりもする。 ただ、ここで面白いのは、AI が導入されると責任の所在が曖昧になるということ。「AI が見落とした」のか「AI を信頼しすぎた運用が悪いのか」という線引きが難しくなる。実務では、多くの工場が「AI で一次検査、人間で二次検査」という多段階の仕組みにして、責任を分散させようとしている。つまり、精度が 100%でなくても、それを前提に使い方を設計すれば成り立つということなんです。むしろ、精度の限界を知りながら使う側の運用責任が、これからは問われるようになってくるのかもしれません。