工学AIの配備前ゲートは、生成と承認を分け、較正と検証の分母を分けて読む
·254 文字·2 分
今日のご案内 ☕✨ # 前回は、物理残差を「どこが怪しいか」の信頼信号として使い、認定クラスやリメッシュ条件を数字の分母として読んだ。今回はもう一歩手前、配備の直前に「誰が承認するのか」と「その合格はどのデータで測ったのか」に軸を移す。機械の試運転では、言語モデルに候補を作らせ、リリースの権限は外部の決定的なゲートに置く設計が、事前に封印した基準で測られた。仮想試運転では、140件すべて正しく判定した一方で、正常側の30件は閾値の較正に使った同じデータだと著者自身が明記している。パワーモジュールでは、最適化が探索空間の端に行ったところでサロゲートが最大26％楽観的だったことが、FEAの再確認で見えた。
産業側では、ホンダとRescaleの「共同ベンチマーク検証」、CL-415の積層造形スクープの航空当局承認、AFRYの「定義したベースライン比」の改善率、NVIDIAの半導体向け加速ライブラリの速度比が並ぶ。いずれも数字や承認の中身より先に、何を基準にした合格なのかを確かめて読む。後半はターボ機械の非定常荷重、非一様メッシュの乱流超解像、検証付きCAD編集、橋梁ひび検出の検出確率を、同じ見方で並べる。
1. 機械の試運転、言語モデルは候補だけ作り、リリースは外部ゲートが決める # イスタンブールのユルドゥズ工科大学の研究は、センサー座標と極性の割り当てという試運転の一判断について、候補生成とリリース権限を分けた受入プロトコルを報告した。パーサーで読めない要件だけを凍結した40億パラメータのローカルモデル（4ビット量子化のQwen3）に回し、計画は、封印した文法で両方の事実を要件文から導ける場合に限って外部の決定的ゲートがリリースする。評価は、ゲートや文法を知らない別のエージェント文脈が書いた144タスク（回答可能96、回答不能48、24構成）で、基準はベンチマーク作成前に固定し、1回だけ適用した。回答不能タスク22件のうち21件でモデルは「準備完了」の捏造計画を出したが、すべてゲートが却下した。リリース83件で誤リリースは0件、片側95％のClopper–Pearson上限は0.0354で、封印した5％基準を下回った。ゲートなしの別実行では18件中9件が誤りだった。一方、モデル呼び出しなしの再生でも同じ83件がリリースされ、モデルの寄与は限られていた。封印後に新しい252タスクで行った確認では146件中1件の誤リリースが出て、事前登録の停止規則で中断している。
💡 注目しておきたい理由: 「AIが自分で確認した」ではなく、承認する主体をモデルの外に置き、その誤り率を事前に固定した基準で測っている。ただし上限は独立同分布を仮定した診断値で、利用者の回答は常に正しい「ゴールドユーザー」に置き換えている。要件文が事実を決めていないタスクでは、誤った回答が431組中169組でそのまま通った。閉ループの制御性能も評価外だ。
🔗 情報源: arXiv 🕰️ 公開日時: 2026-09 🗂️ 分類: 試運転・リリース権限 2. 仮想試運転の双方向検証、140件全一致でも正常側は較正と同じデータ # 長春理工大学の研究は、PLCの制御状態をUnityの仮想動作に写し、別にYOLO11のカメラ映像から実ワークの工程段階イベントを作って、両者を同じ段階定義で突き合わせる仮想試運転の検証法をMachines誌で報告した。実ライン30回分の映像では、真値150イベントに対し段階イベント認識のF1が98.33％（適合率98.66％、再現率98.00％）、平均生成遅れが104.21ミリ秒だった。正常運転での仮想と実の時間差は段階ごとに平均86〜153ミリ秒で、平均＋3標準偏差の最大値を切り上げた210ミリ秒を一律の許容窓にした。正常30・遅れ30・先行30・イベント欠落25・不正遷移25の計140判定は、すべて事前のラベルと一致した。