GPT-4に「このバルコニーは安全か」と尋ねたら「安全」と答えた。物理は「崩れる」と告げた。

私の机の上に、あるレンダリング画像がある——正確にはプリントアウトだ。画面を挟まずにじっと見つめたかったからだ——片持ちのバルコニーを描いたものだ。すっきりとした線、パラメトリックな手すり、「都市生活の未来」を特集する建築雑誌の見開きで見かけそうなたぐいのものだ。私はその画像をGPT-4Vに読み込ませ、単純な質問をした——この構造は安全か?

返答は流暢で、自信に満ち、詳細だった。手すりの見た目の高さに触れ、目に見える支持条件について論評し、そのデザインは「十分な支持を備え、構造的に健全に見える」と結論づけた。

次に私は、同じ図面を自社の構造エンジニアに手渡した。彼女はおそらく15秒ほどそれを見た。「バックスパンの補強がない」と彼女は言った。「固定端のモーメントが断面の耐力を超えている。これは崩れる」。

AIはピクセルを見た。彼女は物理を見た。そしてその隔たり——安全に「見える」ものと、本当に安全なものとのあいだにこそ——私がVeriprajnaを立ち上げた理由がある。

「十分に良い」の誘惑

正直に打ち明けなければならないことがある。マルチモーダルLLMが工学図面を処理し始めた当初、私は興奮していた。心から興奮していた。ある晩遅く、小さなオフィスに座り、初期のGPT-4Vアクセスに設計図を次々と通し、それが驚くほどの語彙で構造要素を説明していくのを眺めていたのを覚えている。「鋼のI形梁」とそれは言う。「鉄筋コンクリートの柱」。それはそう聞こえた、まるで理解しているかのように。

その興奮は3週間ほどしか続かなかった。

転機となったのは、接合部の詳細——梁と柱が出会い、実際の荷重伝達が起こる継手——について行ったテストだった。私たちはモデルに一連の図面を与えた。一部の接合部は適切に詳細設計されており、他は微妙だが致命的な欠陥を抱えていた——欠落したスチフナープレート、寸法不足の溶接、不連続な荷重経路。建物が立ち続けるか崩れるかを分ける、まさにその種のものだ。

これらの欠陥を特定するモデルの精度は、本質的にランダムだった。それは、名を挙げることはできた——各部材の。目にしたものを説明することもできた。しかし、力が実際に点Aから点Bへと流れるかどうかを推論することはできなかった。それは、人体のあらゆる骨の名前を暗記した人に外科手術をさせるようなものだった。

あらゆる構造要素の名を挙げられても荷重経路を追跡できないAIは、工学ツールではない。自信に満ちた声を持つ、一つの負債だ。

なぜLLMは設計図をピクセルの寄せ集めとして見るのか?

内部で実際に何が起きているのかを説明しよう。技術者でなくとも、これは重要だ。

GPT-4VやGeminiが構造図面を「見る」とき、Vision Transformerと呼ばれるものを使う。モデルは画像を小さなパッチのグリッド——通常はそれぞれ16×16ピクセル——に切り分け、文中の単語を処理するのと同じように、それらを系列として処理する。パッチ間の統計的な関連を学習するのだ。垂直線(柱)を含むパッチは、水平線(梁)を含むパッチの近くに現れやすい。数百万枚の訓練画像を通じて、こうした相関が焼き付けられていく。

しかし、ここに決定的な違いがある——相関は因果ではない。モデルは、柱と梁が一緒に現れやすいことは学習する。だが学習しないのは——梁が支えられているのは柱によってだ、という事実だ。柱を取り除けば梁が落ちることを、モデルは知らない。内部に物理エンジンは存在しない。あるのはパターンの統計だけだ。

NeurIPSの研究は、これらのモデルを安全性が重要な作業に展開しようと考える誰もが警戒すべきことを示した——画像のピクセルパッチをスクランブルしても——文字通りトランプのカードのように切り混ぜても——Vision Transformerはしばしば高い分類精度を維持するのだ。それらは空間構造を読んでいない。読んでいるのはテクスチャと局所的なパターンだ。

工学において、空間構造こそがすべてだ。「ほぼ揃っている」が重要な荷重経路を欠いた接合部詳細は、90%安全なのではない。100%危険なのだ。

構造的推論についてLLMを実際にベンチマークすると、何が起こるのか?

私は、ベンチマークが私の誤りを証明してくれることを願い続けた。そうはならなかった。

DSR-Benchの研究は、構造的推論——実体間の複雑な関係を理解し操作する能力——を検証するために設計された4,140の問題インスタンスにわたって、10の最先端LLMを評価した。これはまさに、建物のフレームを解析するために必要なものだ——複数のノードを通じて関係を追跡し、厳格な制約を満たし、空間的な配置について推論すること。

最高峰のフロンティアモデルが記録したのは、1.0満点中0.498——難易度の高いインスタンスにおいて。本質的にはコイン投げだ。

失敗のモードは具体的で、決定的だった。マルチホップ推論——いくつかの中間ノードを通じて関係を追跡すること、これはまさに荷重経路解析が要求するものだ——は、一貫した弱点だった。そして、問題が形式的なコードに比べて自然言語で記述されると性能が低下し、モデルが実際に推論しているのではなく、訓練データから構文をパターンマッチングしていることを示唆していた。

これらの数字を検討したチームミーティングを覚えている。LLMを一次スクリーニングツールとして使うことに慎重ながらも楽観的だったエンジニアの一人が、長いあいだ黙り込んだ。それから彼はこう言った——「つまり、エンジニアが標準外の構造問題を平易な英語で説明すると、モデルは基本的に半分は当てずっぽうというわけだ」。それが、部屋の空気が変わった瞬間だった。徐々にではなく——一気に。

これとは別に、DesignQAベンチマークは、マルチモーダルLLMが「許容される最大たわみはいくらか?」(文書から数値を抽出する)には答えられても、「この特定の梁の設計は許容最大たわみを満たすか?」(その数値を視覚情報に適用する)には失敗することを見出した。抽出と適用。ルールを知ることと、それを執行すること。

この失敗モードについては、はるかに深く掘り下げて——私たちの研究のインタラクティブ版で書いた。そこには、私たちが見つけた奇妙な材料選択のバイアスも含まれる——標準的な構造用鋼が明らかに求められる文脈で、LLMがチタンや炭素繊維を推奨するのだ。ただ単に、風変わりな素材が訓練データの「ハイテク」な片隅を占めているという理由だけで。

私たちがLLMを直そうとするのをやめた瞬間

ある投資家との会合——どのファームかは言わないでおく——で、誰かが私たちの初期の研究を見てこう言った。「構造工学のためにGPTをファインチューニングすればいいのでは? そのほうが速い道に見えるが」。

その論理は理解できた。支配的なパラダイムを取り、それを特化させ、出荷する。だが私は、この問題を十分に長く見つめてきたので分かっていた——確率的なモデルをファインチューニングして決定論的な仕事をさせるのは、詩人をファインチューニングして算術をさせるようなものだ。数字を出させることはできる。だが、その数字が正しいと保証させることはできない。

物理法則は確率的ではない。構造要素に働く力の総和がゼロに等しくなければ、その要素は加速する。そこに「たいてい」はない。信頼区間もない。オイラー・ベルヌーイの梁方程式は、あなたの訓練データの分布など気にかけない。

そこで私たちは、当時は逆張りに感じられ、今では当然に思える決断を下した——画像を完全に捨てたのだ。

AIをではない——画像を、だ。私たちは、ニューラルネットワークに設計図を絵として理解させようとするのをやめた。代わりに、建物をその本来の姿——数学的なグラフ——へと変換し始めた。

建物は画像ではない。それは力のネットワークだ。それをピクセルとして扱った瞬間に、あなたはすでに物理を失っている。

建物をどうやってグラフに変えるのか?

数学的な意味でのグラフとは、ノードとエッジにすぎない。ノードはモノであり、エッジはモノとモノのあいだの接続だ。

私たちのシステムでは、あらゆる構造部材——梁、柱、スラブ、壁——がノードになる。だが、色データしか持たないピクセルとは異なり、私たちのノードはそれぞれ豊かな特徴ベクトルを持つ——ヤング率(材料がどれだけ硬いか)、断面二次モーメント(断面がどれだけ曲げに抵抗するか)、降伏強度(材料がいつ壊れるか)。何かが立つか崩れるかを計算するために必要な、実際の物理パラメータだ。

部材間のあらゆる物理的な接続がエッジになる。梁と柱のあいだのエッジは、接合剛性——それは剛なモーメント接合なのか、単純なピンなのか?——と相対的な向きを捉える。これらは学習された近似ではない。接続性が明示的に定義されているBIM(ビルディング・インフォメーション・モデリング)データから、直接抽出される。

この表現は、きわめて重要な性質を持つ——順列不変性だ。データベース内の梁のリストを並べ替えても、建物の物理は変わらない。グラフニューラルネットワークはこれを尊重する。系列を処理するTransformerベースのLLMは、入力の順序に敏感だ。技術的な細部のように聞こえるが、これは問題に整合したアーキテクチャと、それに抗うアーキテクチャとの違いなのだ。

私たちは、IFCファイル——BIMデータの標準フォーマット——を受け取り、それを計算グラフへと変換するパイプラインを構築した。LLMが設計図の画像を「読み」、接続を推測しようとするのに対し、私たちのパーサーは接続性を100%の忠実度で捉える。IFCスキーマがそれを明示的に定義しているからだ。推測はない。「これらの要素は接続されているように見える」もない。接続されているか、いないか、どちらかだ。

私たちがニューラルネットワークに物理を教えた部分

ここからが面白くなるところであり、私たちが本当に何か違うことをしていると思う部分だ。

標準的な機械学習はこう働く——モデルに多くの例を見せ、パターンを学習させ、それが一般化することを願う。構造工学における問題は、「一般化することを願う」が、許容できる安全基準ではないということだ。

物理情報ニューラルネットワーク——PINN——は、根本的に異なるアプローチをとる。AIに、発見させる——物理をデータから——のではなく、私たちは支配方程式をネットワークの損失関数に直接埋め込む。損失関数とは、ネットワークが訓練中に最小化しようとするもの——学習を駆動する「誤り」の定義だ。

標準的なニューラルネットワークでは、「誤り」とは「予測が訓練データと一致しない」ことを意味する。PINNでは、私たちは「誤り」の二つ目の定義を加える——「予測が物理法則に反する」ことだ。

梁が荷重の下でどのようにたわむかを支配する、オイラー・ベルヌーイの梁方程式を考えてみよう。私たちのネットワークが構造要素のたわみ形状を予測するとき、私たちは自動微分を用いて物理的な残差を計算する——本質的には、「この予測されたたわみは、静的平衡の微分方程式を満たすか?」と問うのだ。満たさなければ、物理損失項が跳ね上がり、ネットワークは自らを修正することを強いられる。

ネットワークは、ニュートンの法則に反する解を文字通り学習できない。「おそらく学習しないだろう」ではない。できない、のだ。

これを自明でない構造で初めて動かせたときのことを覚えている。私たちは何週間も収束の問題に苦しんでいた——物理損失とデータ損失が互いに争い、ネットワークは振動していた。主任のML技術者はオフィスで寝泊まりしていた(やめておけと言ったのに、彼は聞かなかった)。そしてある朝、彼が私を自分の画面のところへ呼んだ。予測されたたわみ曲線が、FEM(有限要素法)の解とぴたりと一致していたのだ。近似的にではなく。R²値は0.9999だった。

私たちは、AIの速度と従来の工学ソルバーの精度を兼ね備えたものを作り上げていた。私たちが基盤とするアーキテクチャ群——グラフ構造の物理情報DeepONet——に関する最近の研究は、7〜8倍の高速化を、その精度水準を保ちながら従来のFEMに対して実証している。私たちのアーキテクチャとベンチマークの完全な技術的解説については、メッセージパッシングの枠組みを支える数学も含めて、詳細な研究論文を公開した。

建物がどこで壊れるかを、実際に見ることはできるのか?

これは、エンジニアが最も気にかける問いであり、グラフベースの解析が肌で感じられるほど強力になる場面だ。

私たちのシステムは、構造が全体として合格か不合格かを確認するだけではない。私たちは、主荷重経路——力が作用点(たとえば、バルコニーに立つ人々)から構造を通って基礎まで下っていく経路——を追跡する。

私たちはこれを、内部のひずみエネルギー伝達と点間の相対剛性をマッピングする、U*指数(U* Index)と呼ばれる指標を用いて行う。U*勾配にルンゲ・クッタ積分を用いて、構造を通る力の「流線」を描く——天気図のようだが、風の代わりに荷重を対象とするものだ。

構造が安全なとき、流線は荷重を受ける要素から基礎まで連続的に流れる。そうでないとき——欠落した接合部、寸法不足の部材、不連続な荷重経路があるとき——流線は唐突に途切れるか、激しく発散する。

私の机の上のあのバルコニーのレンダリングに戻ろう。それを私たちのグラフパイプラインに通すと、片持ちスラブからの荷重経路の流線は、ただ……止まった。モーメントを支持構造へと伝えるバックスパンの接合が存在しなかったのだ。U*の等高線は、固定端に行き場のない巨大なひずみエネルギーの集中を示していた。その可視化は、どれほどのピクセル解析でも決してできない形で、破壊モードを明白にした。

途切れる荷重経路の流線とは、構造が自らの死について書いている一文だ。あとは、そのグラフの読み方を知りさえすればいい。

私たちはまた、進行性崩壊——柱を取り除いて「残りの構造は保つか?」と問うと何が起こるか——を、グラフからノードを体系的に削除して接続性を再評価することでシミュレートできる。媒介中心性(Betweenness Centrality)のような指標を用いて、その破壊がグラフを切り離された断片へと分断してしまうような、重要な部材のクラスターを特定する。この「グラフ攻撃」シミュレーションは数秒で走る。同等の非線形FEMによる崩壊解析は何時間もかかる。私たちは、エンジニアがコーヒーを飲み終える前に、何千もの破壊シナリオをスクリーニングできる。

いっそ両方を使えばいいのでは? 検証レイヤー

この点について、人々はいつも反論してくる。「アシュトシュ、生成AIは初期段階の設計には素晴らしい。無視できるものではない」。そして彼らは正しい——私も無視したくはない。建築家がMidjourneyのようなツールやパラメトリックな生成器を使って創造的なコンセプトを探求するのは、本当に刺激的だ。問題は生成ではない。問題は検証だ。

私たちが構築したのは、検証レイヤー(Verifier Layer)だ。生成モデルが設計を提案する。Veriprajnaはそれをグラフに変換し、位相的な接続性を確認し、荷重経路を追跡し、物理情報に基づく予測を実行する。物理チェックが失敗すれば、私たちは厳格な制約を返す——提案ではなく、制約だ。「梁の断面高さを200mm増やせ」あるいは「バックスパンの接合を追加せよ」。生成モデルは、その範囲内で再生成する。

物理によって制約された創造性。数学によって検証された想像力。それが、そのワークフローだ。

そして、私たちのモデルはインターネット全体で訓練されるのではなく物理方程式によって制約されているため、驚くほどデータ効率が高い。鋼構造フレームで訓練されたPINNは、新しい鋼構造フレームへと一般化する。フックの法則はプロジェクトごとに変わらないからだ。これはまた、モデルがオンプレミスで展開できるほど小さいことも意味する。機密性の高いインフラの設計図を、どのクライアントも公開APIに送る必要がない。

ガラスの箱 対 ブラックボックス

LLMベースの工学ツールについて、私を夜も眠らせないもう一つのことがある。それは精度ではない——説明可能性だ。

グラフニューラルネットワークが構造要素について予測を下すとき、どの隣接ノードがその予測に影響したのかを、アテンション重みを通じて正確に可視化できる。「梁Aと梁Bから伝達された合計荷重がその耐力を超えたため、この柱にフラグが立てられた」。これは追跡可能で、監査可能な推論の連鎖だ。技術者はそれを見て、「そうだ、正しい」あるいは「いや、負担面積を数え間違えている」と言える。技術者は議論することができる——モデルと。

構造評価に関するGPT-4の推論と議論してみるといい。そして尋ねてみてほしい——なぜバルコニーが安全だと結論づけたのか、と。返ってくるのは、もっともらしく聞こえるが、あなたが検証できるものには何一つ対応しない、流暢な一段落だ。その推論は、いかなる人間も精査できない形で、数十億のパラメータにわたって分散している。

ソフトウェアにおいて、ブラックボックスは設計上の選択だ。構造工学において、ブラックボックスは責任の放棄だ。

土台をめぐる問い

私は、建設業界における現在のAIの誇大宣伝がほとんど完全に生成モデルに関するものだと分かるだけの、十分な数の会議室と投資家会合に居合わせてきた。ピッチデッキは美しい。デモは印象的だ。その根底にある仮定——ピクセル予測によって構造的安全へと至れるという仮定——は、間違っている。

建設業界は、一つの決定的な点で、あらゆる業界の中で特異だ——私たちのバグは人を殺す。ソフトウェアのバグはパッチだ。構造のバグは、崩壊の調査であり、訴訟であり、慰霊碑だ。「たぶん正しい」に許される余地はゼロだ。

私たちがVeriprajnaをグラフ理論、幾何学的深層学習、微分方程式の上に築いたのは、それらが安全性の問いに決定論的な答えを与える唯一の土台だからだ。「安全に見える」ではない。「訓練データ内の類似構造に基づけば、これはおそらく妥当だ」でもない。そうではなく——物理残差はゼロであり、荷重経路は連続しており、応力は耐力の範囲内にある、と。

GPT-4があのバルコニーは安全だと言ったのは、何千枚ものバルコニーの写真を見てきて、それらの写真では床のピクセルがたいてい地面のピクセルより上にとどまっていたからだ。物理があれは崩壊すると告げたのは、固定端の曲げモーメントが断面のモーメント耐力を超えていたからだ。

私は、自分がどちらの上に築いているのかを知っている。