腐食評価に大規模言語モデルを検証

ビンチェンツォ・ボンジョルノ(Vincenzo Bongiorno)、ミケーレ・クリオーニ(Michele Curioni)、ニーク・ハイネン(Niek Hijnen)らは、2026年に「Corrosion Engineering, Science and Technology」で発表した研究で、大規模言語モデル（画像や文章を扱う大規模なAIモデル）を使った腐食関連画像の分析を検証しました。大規模言語モデルとあらかじめ記述した論理規則を組み合わせ、塗膜画像の「ふくれあり／なし」の分類、腐食の深刻さによる試料の順位付け、画像の深刻度別分類という3つの課題を試しました。「ふくれあり／なし」の分類では、精度が最高0.93に達しました。

研究チームによると、大規模言語モデルは自然言語の指示で動作を導けるため、モデルの訓練やデータの前処理をせずに利用でき、従来の機械学習に代わる利用しやすい選択肢になります。腐食評価の各課題で、この手法は訓練済みの機械学習モデルと同程度の性能を示しました。研究は、専門家の知見に基づく方法と組み合わせた大規模言語モデルを、実用的で規模を拡大しやすい腐食評価ツールと位置づけています。

ビンチェンツォ・ボンジョルノ(Vincenzo Bongiorno)、ミケーレ・クリオーニ(Michele Curioni)、ニーク・ハイネン(Niek Hijnen)らは、2026年に「Corrosion Engineering, Science and Technology」で発表した研究で、大規模言語モデル（画像や文章を扱う大規模なAIモデル）を使った腐食関連画像の分析を検証しました。大規模言語モデルとあらかじめ記述した論理規則を組み合わせ、塗膜画像の「ふくれあり／なし」の分類、腐食の深刻さによる試料の順位付け、画像の深刻度別分類という3つの課題を試しました。「ふくれあり／なし」の分類では、精度が最高0.93に達しました。

研究チームによると、大規模言語モデルは自然言語の指示で動作を導けるため、モデルの訓練やデータの前処理をせずに利用でき、従来の機械学習に代わる利用しやすい選択肢になります。腐食評価の各課題で、この手法は訓練済みの機械学習モデルと同程度の性能を示しました。研究は、専門家の知見に基づく方法と組み合わせた大規模言語モデルを、実用的で規模を拡大しやすい腐食評価ツールと位置づけています。