メインコンテンツに移動
土木学会 構造工学委員会 構造工学でのAI活用に関する研究小委員会 土木学会 構造工学委員会
構造工学でのAI活用に関する研究小委員会

メインメニュー

  • 委員会サイトホーム
  • 土木学会ホーム

構造工学委員会 構造工学でのAI活用に関する研究小委員会メニュー

  • 構造工学委員会 構造工学でのAI活用に関する研究小委員会ホーム
  • お知らせ
  • AI・データサイエンスシンポジウム
  • AI・データサイエンス賞
  • 教材・チュートリアル

ユーザログイン

(共用パソコンではチェックを外してください)
  • パスワードの再発行

構造工学委員会 構造工学でのAI活用に関する研究小委員会

構造工学委員会 構造工学でのAI活用に関する研究小委員会サイトへようこそ!

  • 構造工学委員会 構造工学でのAI活用に関する研究小委員会 についてもっと読む

お知らせ

投稿者:阿部 雅人 投稿日時:木, 2022-06-02 14:46

〇AI・データサイエンスシンポジウム,AI・データサイエンス賞の最新の情報は
土木学会 構造工学委員会 AI・データサイエンス論文集編集小委員会
をご覧ください。

  • お知らせ についてもっと読む

2021年 AI・データサイエンス賞

投稿者:阿部 雅人 投稿日時:火, 2021-11-30 18:01

【AI・データサイエンス論文賞】
Intelligence, Informatics and Infrastructure Excellent Paper Award

pix2pixと腐食ひび割れ情報を用いた劣化RC部材内の2次元鉄筋腐食分布の推定および残存耐荷力の確率論的評価
 山田 大樹, 新谷 美菜, 辛 寄語, 秋山 充良

衛星データを活用した深層学習によるリアルタイム積雪深分布推定手法の研究
 荒木 健, 邱 騁, 一言 正之

点群の画像化とディープラーニングを用いた橋梁点群のセグメンテーション
 稲富 翔伍, 全 邦釘

高頻度路面調査データを用いたポットホール発生予測手法の検討
 川西 弘一, 髙畑 東志明, 林 詳悟, 橋本 和明

VRを活用した鋼橋の溶接施工性の確認
 大木 奎一, 照屋 光輝, 井上 麻子, 高田 佳則

敵対的生成ネットワークを用いた耐候性鋼材のさび画像生成に関する基礎的研究
 田村 晃一郎, 原田 隆郎

Three-dimensional tree monitoring in urban cities using automatic tree detection method with mobile LiDAR data
 Kenta ITAKURA, Fumiki HOSOI

 

【AI・データサイエンスデータ賞】
Intelligence, Informatics and Infrastructure Excellent Data Award

Physics-Informed Neural Networksによる1次元連続体の動的解析
J-STAGE Data
 宮本 崇, 西尾 真由子, 全 邦釘

時間・周波数領域の特徴量評価とニューラルネットワークを用いた打音法の感度向上と効率化
J-STAGE Data
 竹谷 晃一, 佐々木 栄一, 范 書舒, 伊藤 裕一

Semi-autopilot UAV flight path control for bridge structural health monitoring under GNSS-denied environment
J-STAGE Data
 Katrina Montes, Sal Saad Al Deen Taher, Ji Dang, Pang-Jo Chun

 

【AI・データサイエンス奨励賞】
Intelligence, Informatics and Infrastructure Outstanding Potential Paper Award

画像データを用いた構造物の維持管理技術の実装に向けたデジタル環境の構築
 楢崎 泰隆, Vedhus Hoskere, Billie F. Spencer Jr.

データ駆動型アプローチによる港湾RC構造物の表面塩化物イオン濃度に対する影響因子の抽出
 岡崎 慎一郎, 岡崎 百合子, 山路 徹

都市空間での人流解析における深層学習の応用
 髙森 真紀子, 大久保 順一, 藤井 純一郎

インフラ維持管理業務での機械学習活用に向けたモデリング試行と結果の解釈に関する一考察
 湧田 雄基, 山下 明美, 吉田 啓佑, 龍田 斉, 関 和彦, 有井 賢次, 熊谷 兼太郎, 中畑 和之, 長沼 諭

Attention機構を用いたDeep Learningモデルによるひび割れ自動検出
 泉 翔太, 全 邦釘

GANおよびFDTD法を用いたレーダ画像からの内部欠陥推定手法の高度化に関する検討
 山本 佳士, 光谷 和剛, 園田 潤, 木本 智幸

畳み込みニューラルネットワークを用いた盛土の締固め品質評価手法に関する基礎的研究
 寺本 昌太, 小林 泰三

アンサンブル学習による河川流量推定における弱学習器に対する考察
 坂口 大珠, 石田 桂, 横尾 和樹, 永里 赳義, 木山 真人, 尼崎 太樹

 

【AI・データサイエンス特別賞】
Intelligence, Informatics and Infrastructure Highlighted Paper Award

コンクリート締固め位置のリアルタイム解析システムの開発と現場試行
 宇野 昌利, 仲条 仁, 今井 龍一

深層学習によるセグメンテーション手法を用いたコンクリート表面の変状領域の検出
 青島 亘佐, 山本 拓海, 中野 聡, 中村 秀明

 

新着・お知らせ
  • 2021年 AI・データサイエンス賞 についてもっと読む

第3回 AI・データサイエンスシンポジウム 論文募集のお知らせ

投稿者:阿部 雅人 投稿日時:日, 2021-11-07 15:35

最新の情報は

AI・データサイエンスシンポジウム | 土木学会 構造工学委員会 AI・データサイエンス論文集編集小委員会

をご覧ください。

 

AI・データサイエンスの実社会への導入が進んでいます.土木工学における利活用も,構造・材料・建設関係のみならず,維持管理,防災,交通,環境等多彩な領域で活発に進められています. 

 構造工学委員会構造工学でのAI活用に関する研究小委員会では,AI・データサイエンスの発展に資することを目的として、多方面の研究・教育・開発、調査・試験・実践等の成果や現状について分野横断的・俯瞰的に議論する論文集を発行し,シンポジウムを開催します。

 展望・レビュー・オピニオン/コンセプト・将来ビジョン・ロードマップ/ニーズ・ユースケース/デジタルトランスフォーメーション(DX)/データ取得・センシング・モニタリング/データ管理・データベース/オープンデータ・データ共有/プラットフォーム・データ連携/モデリング・BIM・CIM・i-Construction/AI手法・データサイエンス手法・数理的手法/データ同化・シミュレーション/Physics-Informed Neural Networks(PINN)/自律システム・ロボット・UAV/画像・言語・時系列等の解析/分析・評価・予測/プログラミング/開発・実装・インテグレーション/利活用・運用/ビジネス・イノベーション・社会実装/事業構想・事業戦略/新事業・ベンチャー/スマートシティ・地域活性化/普及・啓発・人材育成/教材・カリキュラム・チュートリアル/事例・実務など,関連したあらゆる観点から,現在進行中の研究開発や実施例を含めて,幅広く募集します.

主催:構造工学委員会 構造工学でのAI活用に関する研究小委員会

協力:土木情報学委員会 IoT/AI活用モデル研究小委員会,地震工学委員会 防災・減災への AI・IoT 技術の利活用に関する研究小委員会,応用力学委員会 データ駆動型の信頼性設計およびリスク評価実装研究小委員会,岩盤力学委員会 岩盤力学におけるDX活用検討小委員会

後援(予定):(一社)人工知能学会,(一社)日本ロボット学会,インフラマネジメントテクノロジーコンテスト実行委員会

 

〇シンポジウム開催日程・場所

 2022年 11月16日(水),17日(木)

 土木学会 講堂、AB会議室(東京都新宿区四谷一丁目 外濠公園内)

 オンライン併用の予定です。

 

〇投稿案内

・査読に基づいて採否を決定します。

・採択された論文は、シンポジウムでご発表いただくとともに、「AI・データサイエンス論文集」として、J-STAGEに掲載されます.

 和文論文

 英文論文

 

〇掲載料 論文1件につき2万円

 

〇スケジュール

・投稿締め切り

 2022年6月末日までに,下記投稿サイトよりご提出ください.

 AI・データサイエンス論文集 投稿ページ

・採否の通知 2022年 7月末日

・最終原稿の提出 2022年 8月末日

 

〇論文の書式

・論文は、和文または英文とします。

・論文は,土木学会論文集の書式で作成してください。土木学会論文集の書式は下記のサイトでご覧になれます。

 http://committees.jsce.or.jp/jjsce/pform

・原稿には,ページ数は記載しないでください。

・受理年月日は2022年6月30日,採択日は2022年7月31日と記載してください。

 (Received June 30, 2022)

 (Accepted July 31, 2022)

 となります。

 

〇J-STAGE Dataへのデータ掲載

・論文で利用・生成されているデータを,「J-STAGE Data」に掲載して公開することができます。希望される方は、論文提出の際に、公開されたいデータを、投稿サイトより併せてご提出ください。

・データ公開にあたって許諾等が必要な場合は、著者において対応するものとします。

 

〇一般投稿

・速報性のある論文については,上記スケジュールにかかわらず通年で受け付けます。この場合、シンポジウムプログラムには含まれませんが、採択され次第、随時「AI・データサイエンス論文集」に掲載されます。

・上記投稿サイトにて、「一般投稿希望」をチェックの上、ご投稿ください。

・査読や書式・掲載料等はシンポジウム投稿の場合と同様です。ただし、受理年月日(Received)は、実際にサイトに投稿した日付をご記入ください。

 

〇表彰

・優秀な論文やデータを「AI・データサイエンス賞」として表彰します.

 

〇その他

・投稿された論文の著作権については、土木学会に譲渡することをご了解頂くものとします。

 

〇問い合わせ

AI・データサイエンスシンポジウム運営事務局

E-mail:aisymposium@jsce.or.jp

新着・お知らせ
  • 第3回 AI・データサイエンスシンポジウム 論文募集のお知らせ についてもっと読む

第2回 AI・データサイエンスシンポジウム 開催のお知らせ

投稿者:阿部 雅人 投稿日時:火, 2021-10-19 11:52

AI・データサイエンスシンポジウムに関する最新の情報は

 AI・データサイエンスシンポジウム | 土木学会 構造工学委員会 AI・データサイエンス論文集編集小委員会

をご覧ください。

 

 

・JSTAGE論文へのリンク付きのプログラムです。

 論文リンク付きプログラム

・JSTAGEDataにデータが掲載されました。

 J-STAGE Data

 

AI・データサイエンスの実社会への導入が進んでいます.土木工学における利活用も,構造・材料・建設関係のみならず,維持管理,防災,交通,環境等多彩な領域で活発に進められています. 

 構造工学委員会構造工学でのAI活用に関する研究小委員会では,AI・データサイエンスの発展に資することを目的として、多方面の研究・教育・開発、調査・試験・実践等の成果や現状について分野横断的・俯瞰的に議論するシンポジウムを開催します。

 コンセプト・将来ビジョン・ロードマップ/ニーズ・ユースケース/デジタルトランスフォーメーション(DX)/データ取得・センシング・モニタリング/データ管理・データベース/オープンデータ・データ共有/プラットフォーム・データ連携/モデリング・BIM・CIM・i-Construction/AI手法/データサイエンス手法/数理的手法/データ同化・シミュレーション/自律システム・ロボット・UAV/画像・時系列・言語等の解析/分析・評価・予測/プログラミング/開発・実装・インテグレーション/利活用・運用/ビジネス・イノベーション・社会実装/事業構想・事業戦略/新事業・ベンチャー/スマートシティ・地域活性化/普及・啓発・人材育成/教材・カリキュラム・チュートリアル/事例・実務など,関連したあらゆる観点から,現在進行中の研究開発や実施例を含めて,幅広く取り上げます.

主催:構造工学委員会 構造工学でのAI活用に関する研究小委員会

協力:土木情報学委員会 IoT/AI活用モデル研究小委員会,地震工学委員会 防災・減災への AI・IoT 技術の利活用に関する研究小委員会,応用力学委員会 データ駆動型の信頼性設計およびリスク評価実装研究小委員会,鋼構造委員会 鋼構造物の状態情報取得のためのイノベーション技術に関する調査研究小委員会、岩盤力学委員会 岩盤力学におけるDX活用検討小委員会

後援:(一社)人工知能学会,(一社)日本ロボット学会,インフラマネジメントテクノロジーコンテスト実行委員会

 

〇日時

 2021年 11月17日(水),18日(木)

〇プログラムは,以下よりダウンロードしてください。

 第2回 AI・データサイエンスシンポジウム プログラム

 なお、プログラムには第4著者までを掲載しております。

〇参加費 無料

〇シンポジウムはウェブセミナー形式となります。

〇参加申し込みは以下よりお願いいたします。

 http://www.jsce.or.jp/event/active/information.asp

・発表者・座長の方は,発表者・座長の申し込みから登録ください.

・ZOOMのアクセス先は一週間前を目処にお知らせします。

 

〇講演形式

・発表時間は12分,質疑応答は3分を目安とします.

・シンポジウムは,パワーポイントをZOOMで共有する形式で行います.

 第2回 AI・データサイエンスシンポジウム 注意事項

 

〇論文は,「AI・データサイエンス論文集」として,JSTAGEに掲載しています。

 和文論文

 英文論文

 J-STAGE Data

 

〇CPD ポイントについて

・本プログラムは土木学会CPD認定プログラムです(1日目 JSCE21-1295 7.9単位,2日目 JSCE21-1296 8.0単位)。

・CPD 受講証明は,事前参加登録者のうち,100 文字以上のアンケートを提出していただき,受講していたことが確認できた方に発行いたします.行事終了後下記URLよりアンケートをご回答ください。

・1日目: https://docs.google.com/forms/d/e/1FAIpQLSeBg_jT04OeYwsBzhm3y3alObNVe0Il...

・2日目: https://docs.google.com/forms/d/e/1FAIpQLSfOnnivoTT-rltBcNBKGHwijF5a4tjP...

・受講証明書アンケート回答期限:11月21日17時迄、回答期限以降の回答は受け付けません。

・受講証明書は事務局側で記入したものを、11月21日から2週間前後でメールにてお送りします。

 

〇各 CPD システム利⽤者への対応について

・土木学会 CPD システム利⽤者様:今回は,参加者ご自身による CPD システムへの「自己登録」をお願い致します.

・建設系 CPD 協議会加盟団体 CPD システム利⽤者様:各団体のルールに沿って,CPD 単位の申請をお願い致します.

 ※土木学会以外の団体に提出する場合の方法等は提出先団体に事前にご確認ください.土木学会で証明する単位が,各団体のルールにより認められないことがあります.土木学会では他団体の運営する CPD 制度に関しては回答いたしかねます.

 

〇事務局

〒160-0004 東京都新宿区四谷1丁目外濠公園内

土木学会 研究事業課 

担当:岡崎 寛輝

E-mail:okazaki@jsce.or.jp

 

新着・お知らせ
  • 第2回 AI・データサイエンスシンポジウム 開催のお知らせ についてもっと読む

第2回「AI・データサイエンスシンポジウム」論文募集のお知らせ

投稿者:阿部 雅人 投稿日時:日, 2021-03-28 20:35

AI・データサイエンスシンポジウムに関する最新の情報は

 AI・データサイエンスシンポジウム | 土木学会 構造工学委員会 AI・データサイエンス論文集編集小委員会

をご覧ください。

 

AI・データサイエンスの実社会への導入が進んでいます.土木工学における利活用も,構造・材料・建設関係のみならず,維持管理,防災,交通,環境等多彩な領域で活発に進められています. 
 構造工学委員会構造工学でのAI活用に関する研究小委員会では,AI・データサイエンスの土木工学における発展に資することを目的として、多方面の研究・教育・開発、調査・試験・実践等の成果や現状について分野横断的・俯瞰的に議論するシンポジウムを開催します。
 コンセプト・将来ビジョン・ロードマップ/ニーズ・ユースケース/デジタルトランスフォーメーション(DX)/データ取得・センシング・モニタリング/データ管理・データベース/オープンデータ・データ共有/プラットフォーム・データ連携/モデリング・BIM・CIM・i-Construction/AI手法/データサイエンス手法/数理的手法/データ同化・シミュレーション/自律システム・ロボット・UAV/画像・時系列・言語等の解析/分析・評価・予測/プログラミング/開発・実装・インテグレーション/利活用・運用/ビジネス・イノベーション・社会実装/事業構想・事業戦略/新事業・ベンチャー/スマートシティ・地域活性化/普及・啓発・人材育成/教材・カリキュラム・チュートリアル/事例・実務など,関連したあらゆる観点から,現在進行中の研究開発や実施例を含めて,幅広く募集します.

主催:構造工学委員会 構造工学でのAI活用に関する研究小委員会

協力:土木情報学委員会 IoT/AI活用モデル研究小委員会,地震工学委員会 AI・IoT技術の地震工学への有効活用検討小委員会,応用力学委員会 データ駆動型の信頼性設計およびリスク評価実装研究小委員会,鋼構造委員会 鋼構造物の状態情報取得のためのイノベーション技術に関する調査研究小委員会、岩盤力学委員会 岩盤力学におけるDX活用検討小委員会

後援:(一社)人工知能学会,(一社)日本ロボット学会,インフラマネジメントテクノロジーコンテスト実行委員会

〇日時

 2021年 11月17日(水),18日(木)

〇場所

 Web開催となりました。

〇原稿提出

・論文は「AI・データサイエンス論文集」として、J-STAGEに掲載されます。

 和文論文  英文論文

・優秀な論文を表彰します。

 AI・データサイエンス賞

・投稿論文は,土木学会論文集の書式で12ページ以内としてください。

・土木学会論文集の書式は下記のサイトでご覧になれます.

 http://committees.jsce.or.jp/jjsce/pform

・2021年6月末日(7月16日に延長になりました)までに,下記投稿サイトよりご提出ください.

 https://committees.jsce.or.jp/struct1001/node/9

 

〇採否の通知

 2021年 8月末日

 土木学会論文集に準じた査読を行います.

〇最終原稿の提出

 2021年 9月末日

〇掲載料

 論文1件につき2万円

 

〇その他

・論文は、和文または英文とします。

・原稿には,ページ数は記載しないでください。

・受理年月日は2021年6月30日,採択日は2021年8月31日と記載してください。

 (Received June 30, 2021)

 (Accepted August 31, 2021)

 となります。

・投稿された論文の著作権については、土木学会に譲渡することをご了解頂くものとします。

・論文掲載のデータを、J-STAGE Data(https://jstagedata.jst.go.jp/)に掲載して公開することができます。希望される方は、論文提出の際に、公開されたいデータを、投稿サイトより併せてご提出ください。データ公開にあたって許諾等が必要な場合は、著者において対応するものとします。優れたデータを表彰します。

 

〇事務局

〒160-0004 東京都新宿区四谷1丁目外濠公園内

土木学会 研究事業課 

担当:岡崎 寛輝

E-mail:okazaki@jsce.or.jp

  • 第2回「AI・データサイエンスシンポジウム」論文募集のお知らせ についてもっと読む

2020年 AI・データサイエンス賞

投稿者:阿部 雅人 投稿日時:日, 2021-03-28 20:31

【AI・データサイエンス論文賞】

Intelligence, Informatics and Infrastructure Excellent Paper Award                                                       

AI導入による維持管理業務改革コンセプト

 杉崎 光一, 阿部 雅人

AIを用いた冬用タイヤ自動判別システムの開発

 林 詳悟, 川西 弘一, 橋本 和明, 氏家 勲, 全 邦釘                                        

パターン認識と法則発見のデータサイエンス

 宮本 崇

体積含水率の現地計測データの予測に対するリカレントニューラルネットワークの適用性

 伊藤 真一, 小田 和広, 小泉 圭吾, 酒匂 一成

Semantic Segmentationを用いた橋梁3次元モデルへのひび割れ位置の反映

 山根 達郎, 上野 雄也, 叶井 和樹, 泉 翔太, 全 邦釘

 

【AI・データサイエンス奨励賞】

Intelligence, Informatics and Infrastructure Outstanding Potential Paper Award

苦手タイプ改善型ディープラーニングを用いたアスファルト舗装のひび割れ自動検出

 都築 幸乃, 全 邦釘, 山根 達郎

AIによる変状抽出機能の舗装路面簡易評価システムへの適用

 志賀 純貴, 江本 久雄, 馬場 那仰, 吉武 俊章

阪神高速サイバーインフラマネジメントの取り組みと価値創造の可能性

 伊佐 政晃, 茂呂 拓実, 金治 英貞

深層強化学習を用いたダム操作モデルのダム流入量予測誤差に対する影響評価

 一言 正之, 澤谷 拓海, 植西 清

UAVと画像認識AIによる河川巡視を補う地上画像の特徴量とその利用法検討

 高橋 悠太, 藤井 純一郎, 天方 匡純, 山下 隆義

DISPLACEMENT ESTIMATION OF NONLINEAR SDOF SYSTEM UNDER SEISMIC EXCITATION USING KALMAN FILTER FOR STATE-PARAMETER ESTIMATION

 Yaohua YANG, Tomonori NAGAYAMA, Di SU

STRUCTURE CONTEXT BASED PIXEL-LEVEL DAMAGE DETECTION FOR RUBBER BEARING

 Jiyuan SHI, Ji DANG, Rongzhi ZUO, Kazuhiro SHIMIZU, Akira TSUNODA, Yasuhiro SUZUKI

 

【AI・データサイエンス特別賞】

Intelligence, Informatics and Infrastructure Highlighted Paper Award

Wi-Fiパケットセンシングによるクルーズ旅客の観光周遊行動の捕捉とその特性分析 ~石川県金沢港を対象として~

 大澤 脩司, 藤生 慎, 小橋川 嘉樹, 高山 純一

  • 2020年 AI・データサイエンス賞 についてもっと読む

コンクリートひび割れ検出

投稿者:阿部 雅人 投稿日時:日, 2021-03-28 20:08

コンクリートひび割れ検出(全邦釘)

 

ひび割れ検出のチュートリアルです。Google colabで動くような形式にしております。以下よりダウロードできます。

コンクリートひび割れ検出のチュートリアル

 

〇参考文献

Crack detection from a concrete surface image based on semantic segmentation using deep learning
T Yamane, P Chun
Journal of Advanced Concrete Technology 18 (9), 493-504

  • コンクリートひび割れ検出 についてもっと読む

土木工学におけるAI応用チュートリアル(8)

投稿者:杉崎 光一 投稿日時:火, 2021-01-12 11:39

対話システムと文章生成(阿部,杉崎)

 

〇自然言語処理の目的

 自然言語処理の目的としては,機械翻訳,文書要約,文書分類,対話(質問応答)などがあります.近年ブームになっている深層学習では,入力と出力のデータがたくさん必要となりますが,機械翻訳を考えれば,ある言語を別の言語で言い替えた入力と出力データの対が多くできることがわかると思います.それに対して,文書要約などでは,ある文書を要約したデータというのはそれほど多くないと思われますので,深層学習を利用するためには一工夫必要となるでしょう.次に,対話システムについて考えると,近年はSNSやツイッターなど,誰かのつぶやきに対する応答データが多くあることがわかります.このようなつぶやきと回答のペアデータを利用した対話モデルなどが深層学習を利用して開発され,それらはアップルのSiriやグーグルやアマゾンなどのスピーカー機能などとして実用化されています.

 

〇対話システムの目的は

 それでは,グーグルやアマゾンなどの対話システムをそのまま専門的な知識を得るための対話システムとして利用することができるでしょうか?

 まず,みなさんはどのような質問をスピーカーにしているでしょうか?例えば,天気を聞くというようなことがあるかと思います.このような天気を知りたいなどの明確な目的がある対話システムはタスク指向対話システムと呼ばれています.天気を知りたいだけであれば,深層学習などを利用しなくても,天気を知りたい場所や時間などの特定の条件を入力して,天気予報などの情報を検索して回答することができると考えられますが,このような特定のルールに対して回答を作るルールベース方式の対話システムが検討されてきました.しかし,対話は天気の質問だけとは限りません,色々な質問に対して,何か答えを作る対話システムは,非タスク指向対話システムと言われますが,これはいわゆるチャットボットと呼ばれているものです.このような特定なタスクを伴わない対話にも,人間にとっての癒しなどの効果があると考えられ多く検討されています.

 また,対話を実現する際に,なんでもかんでも答えるような対話システムを作るためには,特定のドメインに特化しないデータ(open domain)を学習する必要がありますが,特定の対話にだけ答えるようなFAQシステムなどでは,適用分野と用途を絞り込んだ対話システムとして,絞り込んだ専門分野や,ある特定の領域のデータ(Closed domain)の学習を行うような対話システムが考えられます.

 土木の分野で期待されている対話システムというものはどのようなものでしょうか.

 

〇土木に必要な対話システムとは

 我々は専門的な情報を得るためには,各種の基準を参照することをします.専門的な知識を持っているということは,必要な情報がどこに書いてあるかを探せる能力であるともいえます.しかし,近年では,必要な情報は多く散在し,また個人や組織のやるべきタスクは特定されず,様々なものをこなす必要があります.このため,いわゆるエキスパートシステムのような対話システムが期待されています.用途を絞ることで,より専門的な対話を実現しようとするものがエキスパートシステムと言えますが,従来のエキスパートシステムはルールベースのものであり,基本的に予め用意した対話のシナリオ(スクリプト)等を利用して動作するものです.近年の深層学習の進展を考えれば,用例ベースや生成ベースの対話システムを考えてみることがよいと思われます.また土木の業務の遂行においては,技術的な知識だけではなく,受発注を効率化するための情報や,部外協議などの業務を円滑に進めるような知識も重要となります.また,施工や品質の管理などでは,必要な情報をあるべきところに入れておき,必要になったら取り出すような仕組みが重要となると考えられます.これらのエビデンスベースの情報管理においても,チャットボットのような仕組みは重要となると考えられます.

 

〇対話システムにおけるモデルと学習方法

 言葉を理解するとはどのようなことでしょうか?深層学習を利用しない手法では,例えば,品詞,単語分割,語義曖昧性解消,固有表現抽出,構文解析,述語項構造認識などの手順をモデル化する手法が検討されてきました.このような自然言語処理の手法はかなり敷居の高い分析だったと言えるでしょう.それに対して,深層学習では,入出力データをニューラルネットワークでつなげればよいと考えることができます.

 さてニューラルネットワークはどのように賢くなっていくのでしょうか.ニューラルモデルを利用した自然言語処理手法をして,BERT(Bidirectional Encoder Representations from Transformers)というのがあります.BERTでできることは,文章の感情分類,質問応答,文章から人名,組織名,地名などを抽出する固有表現抽出など様々ですが,教師なしデータで事前学習を行うのが特徴となっています.事前学習では,単語穴埋め問題と文の連続判定問題というのを行っています.文章に対して,ランダムに穴埋め問題を作って,入力と出力(答え)を学習していくことでニューラルネットワークを賢くしていきます.また,実際に連続した文,実際には連続していない二つの文を用意して,それらを学習して正答率を上げていくことで,あたかもAIが文脈を理解しているかのように賢くなっていきます.このような事前学習をしたモデルを目的に応じてファインチューニングすることで対話を実現します.

 次に,ニューラルネットワークの構造について考えてみましょう.文章は単語のつながりが重要になることは明白です.また,単語の共起というものが大事になります.同じ文脈で出てくる単語は関連があると言え,これらは関連がある単語としてベクトル化されます.入力と出力を繋ぐ際に単語の順番を考慮するためのモデルはRNNと言われ,時系列的な依存関係を隠れ層に持ったニューラルネットワークですが,このようなニューラルネットワークを上手に学習することができるようになり,機械翻訳の精度が上がったことが知られています.さらに長期的な記憶のような機構を入れるためにLSTMといったモデルが提案されています.「Attention Is All You Need(Transformer)」という論文以降は,attention機構「入力されたベクトルによって重みを計算し,その重みに基づいて索引ベクトルから任意のベクトルを出力するモデル」を利用した手法が構築され,Transformerモデルとして開発され,さらに効率よく学習するReformerモデルなどが開発され精度が向上しています.

 

 

〇点検基準を学習して言語生成してみよう

 対話システムを構築する際には,どのようなデータを利用して学習をすることができるでしょうか.ツイッターのようなつぶやきと回答のような対話データが多く得られるのであれば,対話の対関係を利用したモデルを構築するのがよいでしょう.このような問題では,OpenNMTなどの機械翻訳などのモデルが利用できます.土木の問題に対するQ&Aなどが多く得られるのであれば,このようなモデルを検討して対話システムを作ることもできるでしょう.

 それに対して,点検基準などのテキストデータは,小説などと同様の文章であり,この場合は,ある単語に対して近くによくでる単語,といった関係を利用したモデルにより生成を行うことになります.ある単語の次にどのような単語が来るかを予測する方法として,マルコフ過程を利用したマルコフ連鎖を利用したものなどが開発されてきましたが,近年では,ニューラルネットワークを利用したRNNモデルやLSTMモデルがあります.ここでは,LSTMモデルを利用した生成モデルを示します.

 LSTMモデルでは,文字のつながりを予測する場合と,単語のつながりを予測する方法が考えられます.例えば以下のようなものが考えられます.

・文字の予測

8文字単位(maxlen=8)で次の1文字を予測し,それを1文字(step=1)づつずらしながらデータセットを作る.つまり,入力8文字,出力1文字.

・単語の予測

 文章を分かち書きにより単語に分け,単語のつながりを学習する.例えば,5つの単語(maxlen=5)から次の単語を予測するなど.

 これらの予測結果は,スタートする単語によってその先の生成結果が相違しますが,学習ができているかを確認する上では,学習の進捗に対して,同じ単語でスタートして,生成結果が妥当になっているかを確認することが行われます.実際にプログラムを動作させることで,学習されていくことが確認できますが,まだまだ生成結果を実務で利用するレベルにはなっていないと考えられます.

 

〇よりよい言語生成結果を求めて

 よりよい言語生成結果にするためにできることを考えてみましょう.今すぐにでもできることはいくつかあります.まずは,学習する言語データを増やすのはどうでしょうか.例えば,定期点検マニュアルだけでなく,補修補強について書かれた言語データも学習すればより多様な結果が出るかと思います.他にも,学習する必要のない単語は前処理して置換してしまうことがあります.さらに重要なこととして,土木の用語を網羅した辞書を作るというのがあります.日本語の分析においては,単語の切れ目を見つける分かち書きということが行われますが,例えば「防護柵」などの単語は,通常は「防護」と「柵」が別々の単語と認識されますが,「防護柵」という単語を登録しておけば一つの単語として処理することができます.以上のことを行って,モデルを学習してみた結果を以下に示します.

 今回は,「鋼部材に疲労亀裂」の後の単語を生成してみましょう.エポックが小さい(学習が進んでいない)段階では同じ単語を羅列するような結果になっています.学習が進んでいくと,読んでも違和感のない文章が生成されるようになりますが,主に,「点検ルールに関する記述」,「詳細点検に言及したもの」,「損傷に対する措置や記録の方法」など,様々な観点から単語を生成していくことがわかります.ただし,鋼材の疲労亀裂という損傷の内容から,明らかにコンクリートの損傷の内容になってしまうものなども見られますので,まだまだ改善の余地はありそうです.

 さらに,よりよい生成モデルの構築のためには,近年精度の向上が著しいアテンション機構を利用したモデルを試してみることや,また,単語を予測するモデルでは,専門用語などの辞書を整備することで分かち書きの精度を上げることでよりよいモデルとなることが想定されます.また画像などの情報と合わせた生成モデルが期待されています.手法の理解を進めるとともに,業務改善に向けたユースケースを作っていけるかが鍵となるでしょう.

・学習が進んでいない段階

・点検ルールに関する記述

・詳細点検方法に関する記述

・措置や記録に関する記述

・コンクリートの記述に移行

  • 土木工学におけるAI応用チュートリアル(8) についてもっと読む

AI入門講座付属プログラムコード

投稿者:阿部 雅人 投稿日時:土, 2021-01-02 22:04

AI入門講座付属プログラムコード(宮本崇)

 

土木学会誌2021年1月号に掲載された「AI入門講座」のプログラムコードです。

■概要

「画像の分類」「画像の説明文生成」という2種類のタスク処理のプログラムコードを紹介します。各プログラムコードはプログラミング言語Pythonで記述されています.リンクを記載しましたので,ぜひ気軽に試行ください。

 

■Google Colaboratoryについて

プログラムコードは,Web上でプログラムコードの記述から実行までを行うことのできるクラウドサービスGoogle Colaboratory上で記述されています.Google Colabotaroty上では,ある1つのコンテンツはセルと称される複数のブロックから構成されています.セルには,説明を記述したテキストセルとプログラムコードを記述したコードセルの大きく2種類があり,コードセルは左端の実行ボタンを押すことでセル内のプログラムコードを実行することができます.リンク先では,実際にGoogle Colaboratoryを用いながらその使い方を解説しています.

Google Colaboratoryの使い方

https://colab.research.google.com/drive/1Tk92upYYNy1gjqiF46ZM1UqDWLsJ5r1K?usp=sharing

 

■コード事例1:AIによる画像の分類(「AI入門講座(2)」より)

画像の分類は,ある画像が全体として表しているものが,予め用意してある選択肢のどれに属するかを判断するタスクです.同タスクに対応するAIモデルは,画像を入力x,それぞれの選択肢に属するかという確率を出力yとして,入出力データペアを学習することによって実現されています.

画像の分類タスクの例としては,入力画像が犬を表しているか,それとも猫を表しているか,という判断を行わせるようなものがああります.この事例では,分類先の選択肢は犬か猫かという2種類が予め用意されており,選択肢以外の判断を行うことは出来ません.例えば,実際には画像が表すものがネズミであっても,AIモデルは犬か猫かという出力しか行えないことには注意する必要があります.

以下のプログラムコードでは,それぞれ手書き数字を分類するAIモデル,構造物の撮影画像から腐食のランクを判断・分類するAIモデルが構築されています. 共に,画像認識に特化したAIモデルである,畳み込みニューラルネットワークと呼ばれるモデルが利用されています.

画像分類のAIモデル例_その1・手書き数字を分類する

https://colab.research.google.com/drive/1Mf89852g6k-yDd2vFloKnHrQ6IYR0pZd?usp=sharing

画像分類のAIモデル例_その2・構造物の撮影画像から腐食のランクを判断・分類

https://colab.research.google.com/drive/1-IeR46lCmBrA4biDGDY5PXieaU8Elhwm?usp=sharing

 

■コード事例2:AIによる画像の説明文生成(「AI入門講座(3)」より)

画像の説明文(キャプション)生成は,画像を入力データとして与えると,その画像の内容を説明する文章を出力として生成するタスクです.同タスクに対応するAIモデルは,画像を入力x,対応する説明文を出力yとして,入出力データペアを学習することによって実現されています,

画像の説明文生成の例としては,写真のタイトルや解説を自動的に作成するようなものがあります.近年は,同様の概念が動画の説明文生成にまで拡張されており,画像認識や自然言語処理,情報の時系列性の認識など,複数の技術が総合的に利用された先端的な分野の一つとなっています.

以下のプログラムコードは,そのような入出力データのセットの一つであるMicrosoft COCO を元に,画像の説明文生成を行う深層学習モデルを作成し,その性能の評価を行うと共に,出力である説明文を生成する上でAIが着目した画像上の領域を可視化しています.

 

画像の説明文生成のAIモデル例

https://colab.research.google.com/drive/1x_erYexyQ1_bIO8UHH__28DJeCJ-AXIU?usp=sharing

 

  • AI入門講座付属プログラムコード についてもっと読む

ページ

  • 1
  • 2
  • 3
  • 次 ›
  • 最終 »
土木学会 構造工学委員会 構造工学でのAI活用に関する研究小委員会 RSS を購読

(c)Japan Society of Civil Engineers