災害の直後にしか採れないデータを、機械学習にすぐ使える形で残す ― 片付けられる前の現場をどう記録するか

1片付けられたら二度と採れない

地震や洪水が起きた直後の現場には、実験室でも計算機でも再現できない情報が残っています。どの擁壁が倒れ、どの盛土が沈み、地面がどう割れたか。ところがその証拠は、復旧作業が始まれば数日で消えます。本課題が「消えやすい（perishable）」データと呼ぶのはこの種の記録で、集めるべき時期が事象の直後に限られるという性質を持ちます。GEER はその調査を20年以上にわたり組織してきた枠組みです。

2現地に行く人と、行かない人

1. 1現地展開チーム被災地に入り、実地の性能データを収集する
2. 2仮想データマイニングチーム群衆から寄せられる情報、ソーシャルメディアの流れ、衛星リモートセンシングを使い、現地計画を支え、公開の事象クリアリングハウスを埋める
3. 3中央通信ユニット両者をつなぎ、情報の流れを整理する
4. 4科学諮問グループ極端気象・地震・地盤とインフラの不安定化・新興技術の各分野を担当する

三層に分ける設計は、現地に入れる人数が限られるという制約から出ています。衛星画像や公開情報から分かることは現地に行かずに集め、限られた現地の時間を、そこでしか採れないものに充てる。災害対応の限られた資源をどう配分するかという問題に、組織の構造で答えています。学生や技術者、一般の関係者が仮想の展開チームに広く参加できるようにすることも狙いに含まれます。

3「AI-ready」であるということ

本課題の眼目は、集めることではなく、集めたものをそのまま機械学習に使える形にすることにあります。見つけやすく、入手でき、相互に運用でき、再利用できるという原則にすべてのデータを従わせ、大がかりな前処理なしに機械学習モデルへ直接取り込めるようにするとされています。研究データが公開されていても、形式がばらばらであれば、実際に使うまでに多大な労力がかかります。その労力を最初に払っておくという設計です。

4州の分布のなかで

2026年9月2日時点で当サイトが保持するNSF助成120件は37の州にまたがり、カリフォルニア州が24件で最も多くなっています。次いでテキサス州13件、マサチューセッツ州8件、イリノイ州6件と続きます。期間は2026年10月1日から2031年9月30日までの5年で、同じ時点の期間の中央値3年より長い部類にあたります。

データの標準化と組織の運用を伴う課題であり、単発の研究とは異なる時間の掛け方が要ることが分かります。金額は確認時点の交付額であり、追加交付や改定で変わることがあります。