海洋工学における生成AI：独自のデータセットが不十分なため、実用化が制限されている

現代のコンピューティングは造船や海洋工学における設計および建設プロセスを大幅に改善していますが、限られたデータセットがさらなる統合を妨げています。

造船学と海洋工学 (NAME) の分野の歴史はわずか数百年ですが、その起源は、人類が世界を探検し、商業を行うために船を建造していた古代文明の数千年前にまで遡ることができます。アルキメデス、ブーゲー、チャップマンを含む多くの人々が、浮力、安定性、船舶設計の概念を科学的な方法と理論に洗練させました。

造船学と海洋工学は、海洋船舶や構造物の設計、建造、試験、調査、保守、運用を網羅する専門的な工学分野です。私（著者）は、米国沿岸警備隊士官学校を卒業し、海洋建設と海洋工学の学士号を取得し、カリフォルニア大学バークレー校で修士号を取得しました。私は過去 22 年間、民間の海洋コンサルタント会社で造船技師として働き、客船、海洋調査船、はしけ、その他の船舶の設計に携わってきました。

浮きドックの設計から、全長 1,200 フィートの複雑なクルーズ船、さらには海上の小さな町のような航空母艦まで、造船学は包括的な分野です。専門家は、洋上風力発電プラットフォーム、潜水艦、コンテナ船、自律型船舶、および水中または水上で稼働するほぼすべてのものの設計を担当することもよくあります。

私を含め、今日の造船技師は大学の授業で鉛筆やスケッチ、小型模型を使って技術を学んできましたが、実際の設計プロセスにはすでに機械学習に基づく高度なコンピューター アプリケーションが完全に組み込まれています。

授業では線画を使って船体形状を描き、船の設計と建造プロセスを評価します。鉛筆を使って線を引くときは、何度も描いて消す必要があり、曲線が十分に滑らかかどうかを目視で判断する必要があります。しかし今では、多くのソフトウェアが船体線図を素早く描き、アルゴリズムを使用して収集された履歴データで現在の計画を検証するのに役立ちます。

現代のコンピューティング能力により、エンジニアは数秒で変数をテストし、その有効性を評価できるようになりました。これは、以前は数時間、場合によっては数日かかっていた作業です。この効率向上が達成できた理由は、過去数百年にわたる人々の科学的原理と計算式のたゆまぬ探求と切り離せないものです。さらに、ソフトウェアには、満たさなければならない最低限のセキュリティ標準とコンプライアンス要件も含まれています。

海洋産業では新しい技術の導入が遅いとよく言われます。しかし、現代の造船所やエンジニアリング設計会社に足を踏み入れると、3D モデリング、数値流体力学、有限要素解析、ロボット製造が日常的に使用されているのがわかるので、このステレオタイプは必ずしも正確ではありません。今こそ、造船業界が機械学習や AI などのより高度なツールの導入を検討する時期です。

今日、造船および海洋エンジニアは、設計と開発の効率と精度を大幅に向上させる高度なソフトウェア パッケージを使用しており、これらのツールの一部は、機械学習や AI との組み合わせに特に適しています。たとえば、数値流体力学 (CFD) では、主にナビエ・ストークス方程式を使用して、船舶が移動する流体をモデル化します。

現代の計算能力のおかげで、計算を通じて物理現象を評価することができます。しかし、今日入手可能な最も強力なコンピュータを使用したとしても、このようなシミュレーションには多くの時間とかなりの投資が必要になることがよくあります。そのため、船体の形状や性能を評価・測定するために、曳航タンクは現在でも広く使用されています。しかし、数値流体力学を使用すると、「仮想」曳航タンクセッションを作成して、船体の形状を最適化する方法を AI と話し合い、実際のシナリオを通じてさらにテストと検証を行うこともできます。理想的には、物理​​的な牽引タンクテストを行わなくても最適な設計を見つけることができます。機械学習は、これらのシミュレーションの実行にかかる時間を短縮し、エラーの可能性を減らしながら顧客のコスト削減につながる可能性があります。

しかし、基本的な機械学習アルゴリズムを超えて AI をさらに適用する上での主な障害は、AI に利用できる独自のデータセットがあまりにも限られていることです。 AI が成功するには、多くの場合、AI システムはクエリに対する効果的な応答を抽出して構築するために大量のデータを必要とします。強力なデータセットがなければ、AI によって生成された結果は造船や海洋工学の分野では役に立ちません。当社でも、複数年にわたる実績データの収集と活用が、ミスの低減や設計の改善に重要な前提条件となっていることに気づき、積極的にこれらのデータを整理し、今後の設計に活用する取り組みを始めました。

造船学や海洋工学の特定の分野には、工学設計の改善に使用されている大規模なデータセットがあります。これには、波や流れの測定、船舶の操縦記録、海洋機器の性能ログなどが含まれます。しかし、このような活動に関するデータは豊富に存在するものの、通常は政府機関、事業者、機器メーカーによって管理されており、すべての関係者が簡単にアクセスできるグローバルなデータセットは現在のところ存在しません。

船舶設計データの実用化は、さまざまな理由により、まだかなり限られています。これらには、民間または政府の資金による設計（データが所有者のみ利用可能）、特殊な船舶設計（特定の種類の船舶のみを対象としているため適用範囲が非常に限られている）、実際の使用可能なデータを収集、検証、提供するための資金不足などが含まれます。

オーストラリアの船舶設計会社Austalは、DeepMorpherツールの詳細を明らかにした。このツールは船体の形状を最適化するためにAIと機械学習の技術を使用しており、同社はプレスリリースで、3D船体設計データセットを操作しながら計算流体力学の実行時間を短縮するために高性能コンピューティングを使用していると述べた。 Austal には船体形状の大規模なライブラリがあり、テストと検証の結果、DeepMorpher が他のいくつかの既存モデルよりも数桁優れていることがわかりました。

プロセス全体を通じてデータの匿名性が保証され、データへのオープンアクセスが所有者に定量化可能な利益をもたらすことができるのであれば、現在厳しい独自データ制限は将来的に緩和されるはずです。さらに、特定のユースケースや顧客のニーズに合わせて設計されたマスタープランなどの特定の設計上の決定は、独自のまま公開されない場合があります。

ただし、全体的な設計に適用される数学的な確実性や規制要件を満たすために、他の多くの設計上の決定が行われます。政府機関を含む所有者が、データと AI システムが設計作業にもたらす効率性の向上を理解できれば、積極的にデータセットを提供するようになる可能性があります。

しかし、さまざまな特殊な船種に対しては、これより良い解決策はありません。ここでの応用領域は、異なる船舶に共通する部品がいくつかある可能性があるため、対応するデータをマイニングできるということです。しかし、それでも、データを検証し、再利用できるかどうかを確認するプロセスには多くの時間とコストがかかるため、コストを抑制し、実際の適用性を高めるために、データを「クリーンにする」方法を見つける必要があります。

造船学と海洋工学は、生命を維持し、乗組員がプラットフォーム上で作業を完了するのを支援することができる海上の浮遊プラットフォームを形成するために、船体の形状、内部構造、発電、配電、インテリアデザイン、生活と作業の配置、人間工学などを慎重に設計する必要がある興味深い工学分野です。

すべての空間およびシステムの設計には相当の時間がかかり、複数の関係者のニーズを満たす必要があり、また潜在的な設計エラーを迅速に特定して解決する必要があります。 AI を使用すると、エラーを減らし、コンプライアンスを確保し、人間工学的なニーズに対応し、電気システムと機器のレイアウトに「問題なく機能する」設計を提供できます。

今日の近代的な船舶には広範な電気および制御システムがあり、コンピューターが船全体を制御しています。また、新しい全電気式/ハイブリッドフェリーには、高度な制御および監視システムが必要です。 AI は、設計段階でこれらのシステム間の競合を人間の専門家よりも速く発見して解決するのに役立ち、判断ミスを減らす可能性もあります。

貿易品の約90%は水上輸送されており、何百万人もの人々がフェリーやその他の客船で世界中を旅しています。海洋産業では優秀な人材の需要が高く、資格のある乗組員が不足しているため、多くの船舶の定期航海が延期またはキャンセルを余儀なくされています。米国では造船学や海洋工学の学位を提供している大学はわずかしかなく、この分野で機械学習や AI 技術の探究と応用を進めるのに適した人材を見つけることが困難になっています。

人材問題は強力な AI テクノロジーによって解決できますが、これは鶏が先か卵が先かという悪循環につながります。政府プロジェクトは複数の船舶の契約を伴うことが多く、（船舶の安全性に影響しない限り）ある程度の設計の自由度を維持する用意があり、比較的潤沢な研究開発資金の蓄えがあることを考えると、造船業界はまず米国沿岸警備隊や米国海軍と協力し、AI技術の応用の可能性を探ることができると思われる。

アメリカ海軍は大規模な艦隊を保有しており、AI と機械学習を探求するための出発点として特に適しています。 2021年に発足したタスクフォース・ホッパーは、海軍の水上艦隊全体のAI能力の向上を目指しているが、主に運用レベルに重点を置いている。しかし、利用可能な大量のデータと一連の船舶設計のサポートにより、将来的には実際の船舶設計に AI が適用される可能性が高いと考えています。