インフラマネジメントのAI Transformation： インフラ空間AI・インフラOS・インフラ専門知
DOI:
https://doi.org/10.51094/jxiv.5566キーワード:
インフラ空間AI、 インフラOS、 インフラ専門知、 インフラマネジメント、 AI transformation、 基盤モデル、 physics-informed machine learning抄録
土木インフラの老朽化が進む一方で維持管理の担い手は減り続けており，インフラマネジメントへのAIの活用は避けて通れない．求められるのは個別の効率化ではなく，AI を前提に業務と仕組みを描き直すAX(AI Transformation)である．本稿は，AX へ向けた将来構想として3 つの要素を提唱する．第一は「インフラ空間AI」，3 次元空間と工学的な意味を直接扱う基盤モデルを中核とするインフラ特化のAI である．第二は「インフラOS」，個別性の高い構造物を共通の表現へ抽象化し，診断などの機能を構造物によらず動かす実行基盤である．第三は「インフラ専門知」，点検要領や技術者の判断に宿る知識をAI が使える形に構造化し，人とともに育て続ける知識基盤である．本稿では，3 つの要素が描く将来像と研究課題も述べる．
利益相反に関する開示
利益相反はありませんダウンロード *前日までの集計結果を表示します
引用文献
内閣府：人工知能基本計画 ―「信頼できるAI」による「日本再起」（令和7年12月23日 閣議決定）, 2025.
内閣府：人工知能基本計画（案）～日本AX、より強く、より豊かに～（人工知能戦略本部（第5回）資料1-2，令和8年7月10日）, 2026. https://www8.cao.go.jp/cstp/ai/ai_hq/5kai/5kai.html（2026年7月閲覧）.
国土交通省：i-Construction 2.0 ～建設現場のオートメーション化～（令和6年4月）, 2024.
Spencer, B. F., Hoskere, V. and Narazaki, Y.: Advances in computer vision-based civil infrastructure inspection and monitoring. Engineering, Vol.5, No.2, pp.199–222, 2019.
Sun, L., Shang, Z., Xia, Y., Bhowmick, S. and Nagarajaiah, S.: Review of bridge structural health monitoring aided by big data and artificial intelligence: From condition assessment to damage detection. Journal of Structural Engineering, Vol.146, No.5, 04020073, 2020.
Chun, P. J., Izumi, S. and Yamane, T.: Automatic detection method of cracks from concrete surface imagery using two-step light gradient boosting machine. Computer-Aided Civil and Infrastructure Engineering, Vol.36, No.1, pp.61–72, 2021.
Chu, H. and Chun, P. J.: Fine-grained crack segmentation for high-resolution images via a multiscale cascaded network. Computer-Aided Civil and Infrastructure Engineering, Vol.39, No.4, pp.575–594, 2024.
Hattori, K., Oki, K., Sugita, A., Sugiyama, T. and Chun, P. J.: Deep learning-based corrosion inspection of long-span bridges with BIM integration. Heliyon, Vol.10, No.15, 2024.
Chun, P. J., Yamane, T. and Maemura, Y.: A deep learning-based image captioning method to automatically generate comprehensive explanations of bridge damage. Computer-Aided Civil and Infrastructure Engineering, Vol.37, No.11, pp.1387–1401, 2022.
Wu, X., Xiao, L., Sun, Y., Zhang, J., Ma, T. and He, L.: A survey of human-in-the-loop for machine learning. Future Generation Computer Systems, Vol.135, pp.364–381, 2022.
Chun, P. J.: The future of 3D spatial AI: Large-scale Spatial Models (LGSM) for next-generation infrastructure maintenance. Proc. IABMAS 2026 (in press), 2026.
Inadomi, S. and Chun, P. J.: Spatially aware Markov chain-based deterioration prediction of bridge components using a Graph Transformer. Computer-Aided Civil and Infrastructure Engineering, Vol.40, No.14, pp.1932–1955, 2025.
Ha, D. and Schmidhuber, J.: World Models. arXiv:1803.10122 (NeurIPS 2018), 2018.
Guan, Y., Liao, H., Li, Z., Hu, J., Yuan, R., Li, Y., Zhang, G. and Xu, C.: World models for autonomous driving: An initial survey. IEEE Transactions on Intelligent Vehicles (early access), doi:10.1109/TIV.2024.3398357, 2024.
Li, F.F.: From Words to Worlds: Spatial Intelligence is AI’s Next Frontier, 2025. https://drfeifei.substack.com/p/from-words-to-worlds-spatial-intelligence（2026年7月閲覧）.
Szwarcman, D., et al.: Prithvi-EO-2.0: A versatile multi-temporal foundation model for Earth observation. arXiv:2412.02732, 2024.
内閣府：バーティカルAI領域別戦略 中間とりまとめ（人工知能戦略本部（第5回）資料2-2，令和8年7月10日）, 2026. https://www8.cao.go.jp/cstp/ai/ai_hq/5kai/5kai.html（2026年7月閲覧）.
杉崎光一，阿部雅人，全邦釘：大規模言語モデルの専門領域への適用に関する検討. AI・データサイエンス論文集，Vol.4, No.3, pp.474–481, 2023.
青島亘佐，宮内芳維：大規模言語モデルの活用による橋梁点検調書作成の省力化に関する検討. AI・データサイエンス論文集，Vol.4, No.3, pp.274–284, 2023.
關太博，北岡貴文，坂井一雄，宮永隼太郎：生成AIを活用した山岳トンネル切羽評価AIのクラス不均衡対応手法の検討. AI・データサイエンス論文集，Vol.6, No.2, pp.102–107, 2025.
浜崎進，全邦釘，渡邊祥庸，高見澤拓哉：MMSによる3次元点群データ及び大規模言語モデルを活用した市町村における道路点検への実装に関する研究. AI・データサイエンス論文集，Vol.7, No.1, pp.221–239, 2026.
国土交通省道路局：道路橋定期点検要領（平成26年6月）, 2014.
龍田斉，長井宏平：複数地方の橋梁維持管理データを用いた床版の劣化傾向分析およびリスク指標の検討. AI・データサイエンス論文集，Vol.5, No.3, pp.394–402, 2024.
河原達哉，大屋誠：OpenAI CLIPによる点検者所見を活用した橋梁の損傷診断. AI・データサイエンス論文集，Vol.5, No.3, pp.103–110, 2024.
Lin, C., Abe, S., Zheng, S., Li, X. and Chun, P. J.: A structure-oriented loss function for automated semantic segmentation of bridge point clouds. Computer-Aided Civil and Infrastructure Engineering, Vol.40, No.6, pp.801–816, 2025.
Lin, C., Chen, Y., Itakura, K., Maharjan, S. and Chun, P. J.: Bridge inspection using image–point cloud fusion with image filtering, damage detection and 3D registration. Automation in Construction, Vol.180, 106538, 2025.
Chen, Y., Lin, C., Li, X., Kubo, S., Yamane, T. and Chun, P. J.: Automated dimension estimation of bridge components using semantic segmentation and geometric fitting of point cloud data. Engineering Structures, Vol.342, 120837, 2025.
Lin, C., Chen, Y., Itakura, K. and Chun, P. J.: From raw point clouds to industry foundation classes-compliant bridge information models: An end-to-end framework. Computer-Aided Civil and Infrastructure Engineering, Vol.48, 100123, 2026.
Anthropic：Introducing the Model Context Protocol, 2024. https://www.anthropic.com/news/model-context-protocol（2026年7月閲覧）.
Yamane, T., Chun, P. J., Dang, J. and Honda, R.: Recording of bridge damage areas by 3D integration of multiple images and reduction of the variability in detected results. Computer-Aided Civil and Infrastructure Engineering, Vol.38, No.17, pp.2391–2407, 2023.
Maharjan, S. and Chun, P. J.: A large language model-driven framework for automated bridge specification generation and simulation validation. Computer-Aided Civil and Infrastructure Engineering, Vol.41, 100014, 2026.
山本忍，今井龍一，中村健二，塚田義典，麻生紀子：点群のプロダクトモデルの構築に向けた道路地物の領域データの自動生成に関する研究. AI・データサイエンス論文集，Vol.5, No.1, pp.159–171, 2024.
山根達郎，陳瑜，久保栞，浅野和香奈，片山直道，岩城一郎，全邦釘：360度カメラ画像を活用したインフラ構造物の点検情報管理システムの構築. AI・データサイエンス論文集，Vol.6, No.1, pp.340–348, 2025.
龍田斉，飯島悠介，東和田真之，樋口祐治，天方匡純，都築幸乃，唐木拓己，阿部雅人：基盤モデルおよび点群データをインフラ施設データ管理に活用する検討. AI・データサイエンス論文集，Vol.6, No.3, pp.1124–1133, 2025.
経済産業省：データ連携のためのモデル規約 解説と論点整理（インフラ管理DX），第1版（令和7年8月）, 2025.
宮本文穂，河村圭，中村秀明，山本秀夫：階層構造ニューラルネットを用いたコンクリート橋診断エキスパートシステムの開発. 土木学会論文集，No.644，pp.67–86, 2000.
河村圭，宮本文穂，中村秀明，小野正樹：Bridge Management System (BMS)における維持管理対策選定システムの開発. 土木学会論文集，No.658，pp.121–139, 2000.
Brown, T., Mann, B., Ryder, N. et al.: Language models are few-shot learners. Advances in Neural Information Processing Systems, Vol.33, pp.1877–1901, 2020.
Lewis, P., Perez, E., Piktus, A. et al.: Retrieval-augmented generation for knowledge-intensive NLP tasks. Advances in Neural Information Processing Systems, Vol.33, pp.9459–9474, 2020.
Rebedea, T., Dinu, R., Sreedhar, M. N., Parisien, C. and Cohen, J.: NeMo Guardrails: A toolkit for controllable and safe LLM applications with programmable rails. Proc. EMNLP 2023 System Demonstrations, pp.431–445, 2023.
中島佑，前田圭介，藤後廉，小川貴弘，長谷山美紀：データ拡張を用いたin-context learning導入による道路構造物の点検画像からの損傷程度分類. AI・データサイエンス論文集，Vol.6, No.1, pp.224–232, 2025.
佐藤雅也，前田圭介，藤後廉，小川貴弘，長谷山美紀：点検調書作成支援のための生成AIを用いた所見の自動生成 －クラスタ分析を通じた類似画像検索に基づくin-context learningの導入－. AI・データサイエンス論文集，Vol.6, No.1, pp.124–139, 2025.
ダウンロード
公開済
投稿日時: 2026-07-15 05:41:44 UTC
公開日時: 2026-07-17 06:54:28 UTC
ライセンス
Copyright（c）2026
全, 邦釘
この作品は、Creative Commons Attribution 4.0 International Licenseの下でライセンスされています。
