Independent紙の記事によれば、タイタニック探索観光の潜水艇沈没事故、カーボンファイバーの疲労破壊が起因になった可能性が高そうです。異常発生を検知すべく、船体からのデータは潜水中は常時監視されていたようですが、残念ながらそれは役に立ちませんでした。一応異常検知の専門家として思うに、この “real-time hull health monitoring system” に、AIなりビッグデータへの過信が寄与しているとすれば、由々しき事態かと思います。
私はカーボンファイバーという素材に知識がないので間違っているかもしれませんが、一般的には疲労破壊は、微細な亀裂が急速に進展することで起こります。亀裂は原子レベルの結晶構造の不整合に起因したりしますので、その存在自体は不可避で、かつ、無数の亀裂のどこが成長するのかは確率的な現象なので、予測は非常に難しいです。できるとしたら、原子レベルからミクロン単位の動的な現象をとらえる計測装置が必要かと思います。たぶんそういうものはない。
以前、こういうことを書きました。
しかし、実際には、データ取得に関する人間の偏見ないし限界という問題が常に付きまとい、長い研究の歴史の結果として「何をデータとして集めるか」という点に合意が確立している分野（画像認識、音声認識、自然言語処理）以外では、特徴量工学を不要にした、という深層学習支持者たちの主張が、どれだけ工学的・実用的に妥当なのかを結論を出すべく、今でも研究の努力が続けられています。これは当然でしょう。普通のカメラで飛行機の写真を撮っても、金属疲労による微細な亀裂は見つかりません。飛行機の破壊を予知するのが目的であれば、相応の計測装置が必要になります。ビッグデータは物理学の壁を超えることはできないのです。特徴量工学を不要にしたとしても、データをどう取得するかについての問い（しいて言えば観測工学）を避けて通ることは絶対にできません。
タイタン号に付けられていたセンサーは、おそらく、ひずみとか圧力とか温度とかそういうマクロ的なセンサーなんだと思います。そういうもので原子レベルの、しかもミリ秒単位で急速に進展する現象をとらえることは原理的にできないと思います。この困難に直接的に対処する手段は、産業応用のレベルでは現代の科学技術をもってしても大変乏しく、たとえば航空機の設計においては、疲労破壊を招かないよう設計上のあらゆる工夫をするのは当然として（窓を丸くするなど）、安全率を大きめにとりつつ、保守において部品を定期的に交換することで何とか対応する、ということになっていると思います。
最近、大規模言語モデルの成功から、AIで何でもできるという楽観が再び世間を席巻しているようです。しかし人間の思考の結果として高度にフィルターされた言語というデータと、物理学的現象からのデータは質が違います。疲労破壊の検知が難しいのは、それがミクロ的スケールからマクロ的スケールまでまたぐ現象だからです。ビッグデータが物理学の壁を越えられない以上、「何を検知しようとしているのか」に対する考察は不可欠で、したがって、計測手段に対する工夫は不可欠です。
今回の痛ましい事故が、AIに対する適切な理解が世間に広まる一助になることを祈ります。
