G-SHARE: ヒューマンファクター事象診断のためのガイドラインベース構造化推論フレームワーク

原子力発電所で何か問題が起きたとき、「なぜこんなことが？」を調べるのは本当に大変です。膨大なレポートを読んで、作業員の判断ミスや疲労、勘違いなどの「人間的な原因」を見つけ出す必要があります。この作業は今まで、経験豊富な専門家が時間をかけて手作業で行ってきました。

でも、ここに大きな問題がありました。専門家の判断は、その人の解釈に左右されやすいんです。同じレポートを読んでも、Aさんとしてはこう思うけど、Bさんはああ思う、みたいなことが起きます。また、最近のAI（大規模言語モデル）を使ったやり方も登場していますが、これらも「根拠なく結論を出してしまう」「診断の筋道がメチャクチャ」といった問題を抱えていました。

今回の研究が提案するのは、「ガイドラインに沿って、ステップバイステップで診断する」というAIシステムです。イメージとしては、医者が患者を診察するとき「まず症状を聞いて、次に検査をして、それから診断を下す」という流れがありますよね。それと同じ考え方です。

このシステムは三つの段階で動きます。まず、レポートから「証拠」となる情報を抽出します。次に、公式な診断ガイドライン（中国の原子力業界で使われている9段階の判断基準）に従いながら、段階的に理由を積み重ねていきます。最後に、導き出した結論が矛盾していないかをチェックして、おかしなところを直します。つまり、AIが「なぜこう判断したのか」を人間にも説明できるようになる、ということです。

実際の事象レポートを使ったテストでは、専門家が正解を決めた問題を何百件も用意して、このシステムがどれだけ正確に診断できるかを調べました。単なるAIの出力ではなく、「ガイドラインを守りながら、根拠を示しつつ、矛盾がない診断」を目指しているので、原発のような安全が最重要な業界では大変意味があります。

日本の原発でも同じような課題を抱えています。事故調査の質を高める、調査時間を短縮する、人間の判断ミスを減らすといったメリットが期待できます。テクノロジーが社会の信頼回復のツールになり得る、いい例かもしれません。