マサチューセッツ工科大学（MIT）などの研究チームが、2次元の画像からCADのプログラムを自動で書き起こすAIを鍛える枠組み「GIFT」を開発した。従来の手法より正確なCADプログラムを出しながら、計算量は約2割で済む。成果は機械学習の国際会議ICMLで発表し、大学が2026年7月16日に公表した。
設計の現場では、画像と文章から新しい形を出すAIが使われ始めている。ただし、そこで出てきた形を衝突試験や耐久試験にかけるには、CADソフトで3次元のモデルにしなければならない。研究チームが目指すのは、2次元の画像と説明文を受け取り、CADソフトで実行できるPythonのコードを出すAIだ。コードを走らせれば3次元のモデルができる。
行き詰まりは学習データにあった。多様で質の高いCADのデータセットが足りない。そこで研究チームは、データを水増しする手法に目を付けた。通常の水増しは、画像の色や大きさ、形を無作為にいじって数を増やす。GIFTはそうではなく、鍛えたいAIの得手不得手を調べてから、その弱点に効くデータだけを作る。
作り方はこうだ。まず同じ課題を何度も並行して解かせ、正解できたかどうかを見る。筆頭著者でMITのDeCoDE Labに所属するGiorgio Giannone氏によると、CADのコードを「ほぼ正しく」書くのは難しくないが、そのまま実行できるほど完全に正しく書くのは、いまのAIには難しい。そこでGIFTは、あと一歩で正解だった答えを修正して正解に直し、もとから正解だった答えと一緒に新しいデータセットに入れる。
肝は選び方にある。同氏は、10回試して10回とも正解するような問題からは学ぶものがなく、半分しか解けないような中間の問題こそ重要だと説明する。正解が複数ある場合はそれもまとめて入れ、CADのコード生成全般の知識を広げる。人が誤りを直す手間はいらない。
計算の節約も設計に組み込んだ。GIFTは、学習済みのモデルを再学習させず、推論時に計算を足して出力を改善する手法でデータを作る。使う計算量は利用者が決められるため、時間と予算に合わせられる。比較では、競合する手法を上回る正確さのCADプログラムを出しながら、計算量は約20％で済んだ。できた3次元モデルは、正解の形とよく一致したという。
同じくMIT機械工学准教授でDeCoDE Labを率いるFaez Ahmed氏は、身の回りの物理的な製品はほぼすべてCADモデルから始まると述べる。産業側はAIによる設計の高速化を求めているが、いまのモデルは実務に使えない単純な形しか出せないことが多い。人が作ったデータを待つのではなく、モデルが自分の誤りから学んで改善する道を与えた点に意義があるとしている。
研究チームは今後、形の正しさだけでなく、部品の性能や作りやすさまで高めるCADプログラムを出せるようGIFTを広げる。より大きなモデルや、多様なCAD生成の課題にも適用したいとしている。