三菱ケミカル・浦本直彦氏が気づいた「会社が変わるタイミング」　化学の安定性とAIの掛け合わせで挑む

ベテランの技術をAIに　実現可能性「かなり高まっている」

森：化学業界には、具体的にどのような暗黙知が多いのでしょうか。

浦本：大きく二つです。一つは製品の処方レシピ。どのような配合や分子設計で製品を作るかです。もう一つは、そのレシピを安定して安く大量に作る製造ノウハウ。素晴らしい特性を持つ配合を開発できても、量産できなければ会社の成長につながりません。この二つが、化学会社における“力の源泉”です。これらのノウハウは暗黙知と形式知の塊で、研究開発や製造の現場に宿っています。化学製品の裾野は広く、作るものが違えば必要なノウハウも少しずつ異なります。

　製造時のトラブルへの対応も同様です。過去に近い事例があれば「こう対処すればいい」と分かりますが、まったく経験のないトラブルも起きる。その場合は過去の蓄積がないため、今のAIでは方向性を捉えにくいのです。例のない事態にどう対処するか、どう予防するかが、非常に重要となります。

森：起きたことのないトラブルでも、初動で的確に指示を出せる熟練者の方が各現場にいらっしゃいますよね。それをAIで再現することも、可能なのでしょうか。

浦本：いくつかやり方があるでしょう。たとえば、配管の図面を現場で囲みながら「この配管の圧力が下がったら何が起きるか」「原因はどこにあるか」「このバルブが閉じていたらどうなるか」と、将来起こり得るトラブルを洗い出し、安全性を評価することで将来のトラブルに備える。同じことをAIで行おうとする動きも出始めています。そのためには、テキストや数値データだけでなく、AIが配管の図面を読める必要があるため、AIを活用した図面理解に取り組む企業が増えているのです。

森：起こりうる事態を推論すること自体が、代々受け継がれてきた暗黙知だったわけですね。

浦本：そうです。教科書化されたものもあれば、人の頭の中にしかないものもある。それぞれを形式知化し、図面やフィジカルな現場から知恵を引き出す技術は、以前と比較してかなり実現可能性が高まっています。

　とはいえ、単純な因果関係のパターンでは作れないモデル化の難しさもあります。化学には化学工学があり、数式や原理原則をもとに、演繹的なアプローチが取られてきました。暗黙知を含むデータに基づく帰納的な手法やシミュレーションなどの技法を課題に応じて組み合わせられると、おもしろいのではないでしょうか。