空の中での信頼構築：航空安全のための知識に基づくLLMベースの枠組み

要旨: 大規模言語モデル（LLMs）を航空安全の意思決定に統合することは重要な技術的進歩ですが、内在する事実誤認、幻覚、検証可能性の欠如といった制約により、それらを単独で適用する場合には重大なリスクが伴います。これらの課題は、誤りが壊滅的な結果につながり得る安全性重視の環境で要求される信頼性を損ないます。そこで本論文では、LLMと知識グラフ（KG）を相乗的に組み合わせる新しいエンドツーエンドの枠組みを提案し、安全アナリティクスの信頼性を高めます。提案枠組みはデュアルフェーズのパイプラインを導入します。まず、LLMを用いてマルチモーダルなソースから航空安全知識グラフ（ASKG）の構築と動的な更新を自動化します。次に、厳選したこのKGを検索拡張生成（RAG）アーキテクチャ内で活用し、LLMが生成した応答を根拠づけ、検証し、説明します。実装されたシステムは、LLMのみの手法に比べて精度とトレーサビリティが向上しており、複雑なクエリに有効に対応し、幻覚を抑制します。結果は、本枠組みが文脈を考慮した、検証可能な安全インサイトを提供できることを確認しており、航空業界の厳格な信頼性要件に対応します。今後の課題として、関係抽出の強化およびハイブリッド検索メカニズムの統合に取り組みます。