「imaginative」AIを用いて過去および未来の地震による被害を調査する

研究者らは、地震被害を評価するための新しいツールを開発するのに人工知能を用いた。これは、最終的に初動対応者が重要な救助判断を下すのに役立つ可能性がある飛躍だとする新しい研究が示された。チームのAIは「LoRA-Enhanced Ground-view Generation（LEGG）拡散モデル」と呼ばれ、地上の高精細な3D復元を作り出すために利用する実際の航空ドローン画像で学習されている。この合成モデルの特徴は、地域の物理的特性を完全に捉えるのに十分に詳細な画像を生成できる点にある。これにより、複雑な視覚パターンを認識し、人口が密集した都市部であっても構造物がどこで被害を受ける可能性があるかを予測できるようになる。

「私たちのアルゴリズムが行うのは、建物が“上方から見たとき”と“地上から見たとき”の、半現実的な写真のペアを何千枚も生成することです」と、研究の共同著者であり、オハイオ州立大学（The Ohio State University）土木・環境・測地工学の教授であるRongjun Qin氏は述べた。「そうしたデータが重要なのは、ドローンが上空から重要な情報を集めてくれる一方で、人は実際には地上レベルの視点から緊急時の判断を下すからです。」

壊滅的な地震の発生後を対象にした同様の研究では、無人航空機（UAV）やライダーに基づく検出手法を用いて、上空から倒壊した建物や構造物を調査するものが中心だった。しかし、長期にわたる救助活動が始まる前に、地上では被害がどのように見えていたのかに焦点を当てた研究はこれまでなかった。さらに、地震の規模によっては、手作業での被害評価が完了までに数日または数週間かかることがあり、迅速な復旧任務には理想的ではない。

本論文でQin氏と同僚らは、AIが生成した画像を用いてこれらの隔たりを埋めるための枠組みを提案し、より正確な災害評価と、より良い地震への備えのための基盤を築くことを目指している。

「このシミュレーションは基本的には地図のようなものですが、経験を積んで適切に訓練されたAIなら、時計の針が刻んでいるときに、どこへ向かうべきかを迅速に判断するうえで、緊急対応チームにとって本当に役立つ追加の情報源を提供できるかもしれません」とQin氏は述べた。

研究はInternational Journal of Remote Sensing.に掲載された。

提案したアルゴリズムの適用可能性を検証するため、研究者らは現実の災害を対象にケーススタディを実施した。2023年トルコ・カフラマンマラシュ地震である。これはマグニチュード7.8の強い地震で、28万棟の建物を破壊し、少なくともさらに70万棟に損傷を与えた。揺れの後の数日間に撮影された写真と、2015年のドローン画像を比較すると、倒壊した建物や開けた場所に設置された仮設シェルターといった、地域の都市環境に劇的な変化があることが分かった。

これらの都市構造物のうちわずか3,000のデータセットだけをAIに提示した後、モデルは、建物の問題の認識を高める画像を作成できるようになった。具体的には、外壁のひび割れ、建物の傾き、部分的な倒壊などである。これは、複数の情報源から微妙な手がかりを抽出して、高解像度でフォトリアルなストリートレベルの視点を生成できることを示している。

この高度な能力は、研究者らがモデルに注入して学習させた、ドローン画像と地上画像の組み合わせから生まれている。これにより、想定される構造物の損傷と、それが地域社会にもたらす影響を理解するための強固な出発点をモデルが持てるようにしたのだとQin氏は述べた。

「良いデータがある限り、AIは過去と未来の結果を非常に寛大な（＝推定精度が高い）予測として役立てられます」と彼は言う。「非常に役に立つツールです。」

将来的には、チームの枠組みを新しい状況や地域に適用することで、政府や技術者がよりレジリエント（回復力の高い）なインフラを設計することを後押しできるだけでなく、災害後の評価や危機管理の方針を作り直すことにもつながる可能性がある。

「この取り組みは、技術者やその他の意思決定者が、災害直後に構造物の損傷を遠隔から評価するための大きな機会を提供しています」と、本論文の共同著者であり、オハイオ州立大学の土木・環境・測地工学における構造工学の教授であるHalil Sezen氏は述べた。

とはいえ、同氏（Qin氏）によれば、彼らのアルゴリズムは、他の緊急対応や資源計画のためのツールと併用されることになる可能性が高いという。「より踏み込んだ実験を行えば、日本やカリフォルニアのような他の地震リスクの高い環境における破壊の度合いを予測するのにも、モデルが役立つかもしれません。」と同氏は付け加えた。

「AIが提供するような視点を取り入れるには、まだやるべきことがたくさんあります」とQin氏は述べた。「しかし、質の良いデータが増えるほど、私たちの目標達成はより早く進むでしょう。」