教師データ不要で写真から空き家の傷み具合を判定、森ビルの生成AI実証

大量の教師データを集めてから始める、という前提を外したことが、この取り組みの起点になっています。従来型の機械学習ではなくマルチモーダルLLMを用い、建築用語を明示的にプロンプトへ書き込むことで、写真から基礎や外壁の状態を読み取らせる設計を採りました。学習データの整備という重い初期投資を経ずに検証へ進める構成にした判断が、実証そのものを成立させたと考えられます。

判定結果から根拠へ遡れる設計を要件に据えた点も見逃せません。空き家の危険度判定は、明らかにおかしい結果が一つ出るだけでシステム全体の信用が崩れる性質を持っています。なぜその判定になったのかを説明できる形にしておく、いわゆる責任あるAIの考え方を最初から組み込んだことが、精度の議論を「当たり外れ」から「検証できる仕組み」へと移したのではないでしょうか。

人間とAIの境目を、走りながら決めていく進め方も効いています。撮影ルールを最初から厳密に固めず、いま手元にある写真や撮りやすい方法でまず試し、AIに任せられる範囲を後から広げる。実際、玉石基礎と呼ばれる石の上に柱が立つ古い基礎の判定や、窓の黒い影を壁の穴と誤認識するケース、植物に覆われて屋根の状態が読み取れないケースが現れ、プロンプトの調整と条件式の追加で一つずつ詰めています。フロントエンドとバックエンド・AI部分の担当範囲を切り分け、インターフェースを早期に確定させた分担も、この試行錯誤を止めずに回す土台になりました。