「生成AI」という新たな仲間を連れて。深海の謎に迫る、終わりなき探求国立研究開発法人海洋研究開発機構（JAMSTEC）ビジネス「新」スタイル - 就活支援

トップ
就活支援
ビジネス「新」スタイル
「生成AI」という新たな仲間を連れて。深海の謎に迫る、終わりなき探求

「生成AI」という新たな仲間を連れて。深海の謎に迫る、終わりなき探求

科学技術の現場では、生成AIの活用が進んでいます。文部科学省の「令和6年版科学技術・イノベーション白書　本文（HTML版）」によれば、バイオテクノロジーや材料科学など、さまざまな分野でAIの導入が加速し、研究の進め方や着眼点にも変化が見られるようになりました。

中でも注目されているのが、テキストを読み取り、意味をとらえながら自動で文章を組み立てる大規模言語モデル（Large Language Models）です。これまで人の手で行っていた観察や記録、分析といった工程の一部を生成AIが担うことで、研究者はより創造的な探究に時間を使えるようになっています。

こうした技術の広がりは、海を舞台にした研究においても例外ではありません。国立研究開発法人海洋研究開発機構（JAMSTEC）では、深海で長年記録されてきた写真や映像データに着目。深海生物や海底ごみの識別作業が、手作業からデジタル化へと移行し始めています。

今回は、JAMSTECの付加価値情報創生部門で、生成AIを用いた映像データ解析に取り組む川會悠生さんに、技術の可能性と研究の未来について話を聞きました。

プロフィール

川會悠生

国立研究開発法人海洋研究開発機構（JAMSTEC）
付加価値情報創生部門国際海洋環境情報センターデータ基盤技術開発グループ
2024年入社

深海映像や画像データを扱うシステムの開発・運用を担当。膨大な映像に映る生物やごみを自動で識別し、情報を付ける仕組みを、分類基準や被写体検出AIによる検出結果を使って構築している。また、開発中の各種システムにおけるデータベースツールと連携した検索機能の拡張にも取り組んでいる。

国立研究開発法人が担う
役割

非営利法人と営利法人の違い

私たちの暮らしを支える「研究開発」は、分野や目的に応じて、多様な場所で進められています。企業の研究所、大学の研究室、医療機関など、目的や役割によってその姿はさまざま。その中の一つに、国が設立した「国立研究開発法人」があります。

国立研究開発法人とは、これからの時代に起こりうる課題に向けて、中長期的な視点から研究開発に取り組む公的な機関です。令和6年4月時点で27法人あり、それぞれが環境、医療、エネルギーなどの分野で専門性を発揮しています。JAMSTECもその一つで、海洋と地球に関する科学技術の研究開発を専門とする機関です。

国立研究開発法人と民間企業とでは、どのような違いがあるのでしょうか。それぞれの特長を比べてみましょう。

上記のように、両者が異なる角度からアプローチすることで、日本の科学技術はより多角的に発展していくのです。

水族館の展示が興味のきっかけに

JAMSTECの研究や開発、業務の舞台となっているのは、海。水深数千メートルの深海から、環境変動や海底資源の探究まで、多岐にわたる研究が行われています。研究や活動の成果は、科学館や博物館などの展示施設で公開。川會さんが興味を持ったのも、そうした取り組みがきっかけだったそうです。

川會

私がJAMSTECを初めて知ったのは、水族館でした。もともと生物が好きで、よく足を運んでいたんです。そこで、JAMSTECが水族館と共同で研究していることや、有人潜水調査船で得られた成果が紹介されているのを見て「こんな機関があるんだ」と、ワクワクしました。

さらに、メディアや映像資料を通じて海底に広がる独自の環境や生態系を知るたびに、川會さんは深海の魅力に引きこまれていきました。

深海の世界を読み解く、
AIの映像解析技術

鮮やかな赤い傘を持つリンゴクラゲや半透明な体で水中を漂うユメナマコ……。深海には、いまだ解明されていない自然の営みや、目にしたこともない生物たちが無数に存在します。

JAMSTECでは、有人潜水調査船や無人探査機によって撮影された深海の映像を体系的に蓄積。収集された映像は、深海映像・画像アーカイブス「J-EDI（ジェダイ）」を通じて一般にも公開され、誰もが自由に見ることができます。

生成AIを用いた映像データの解析

J-EDIで公開されている映像の多くには、映り込む多様な生物やごみの情報が付与されています。そのためには映像を識別して整理する作業が必要ですが、全てを人の目で確認し、情報を付けていくには膨大な労力がかかります。

この課題に対し、川會さんが取り組んでいるのは、生成AIを用いた映像データの効率的な解析です。

川會

情報を付与するために、深海映像に映る魚類やエビ、そしてプラスチック片や漁具などの人工物を、自動で検出し分類できる仕組みを開発しています。現行の手法ではJAMSTECで蓄積された約5万時間分の映像から約8,000枚の画像を抽出し、これを「教師データ」として学習した被写体検出AIを用いています。この仕組みに生成AIを組み合わせることで誤検出を減らすような分類性能向上やこれまでの仕組みでは得られなかった新たな情報の抽出ができないか取り組んでいます。

教師データとは、AIが学ぶための「見本」のようなものです。たとえば、1枚の画像に対して「フレームの左端に写っているのはエビです」といった説明を付けて、どこに何があるのかをAIに伝えます。こうした見本をたくさん学ばせることで、AIは少しずつ正しく見分けられるようになっていきます。