AIは工場の異音を聞き分けられるか――三菱電機の「タスク汎用音源分離技術」に総務大臣賞

騒音のなかで、本当に必要な音を探す

工場の稼働音が重なるとき、熟練作業者は周囲のざわめきに埋もれた異音に気づくことがある。金属が擦れる音、回転機器のいつもと異なる振動、離れた場所からの呼びかけ。目では見えない変化を、耳が知らせる。こうした現場の「聞き分け」を人工知能に担わせようとする研究が、幕張メッセで開かれるCEATEC 2026で総務大臣賞に選ばれた。

受賞したのは三菱電機グループの「タスク汎用音源分離技術（TUSS）」。2026年8月31日に三菱電機株式会社が開発を発表し、10月のCEATEC AWARD 2026で表彰対象となった。複数の音を一つのマイクで収音しても、取り出したい音を指示すれば単一のAIモデルで抽出するという。

ただし、音をきれいに取り出すことと、設備故障を正しく予測したりロボットを安全に動かしたりすることは同義ではない。賞の受賞は重要な節目だが、実稼働での誤検知率、費用、運用成績を示すものではない。

「音源分離」は何をしているのか

音は空気の振動として重なり、マイクには混合された波形として届く。人の声と機械の音が同時に聞こえる場所で、特定の話者や設備音を取り出す処理を「音源分離」と呼ぶ。騒音を一律に小さくする処理とは違い、どの成分を残し、どの成分を抑えるかが問題になる。

従来の音声強調、複数話者の分離、機械音の抽出では、対象や用途に応じて別々のモデルを用意することが多かった。現場が変わるたびに構成を作り直すのでは、システムの導入と保守の負担が重くなる。

TUSSは、分離したい音源の種類や数をプロンプトで指定し、単一モデルで複数のタスクに対応する設計だ。三菱電機と米国の研究拠点Mitsubishi Electric Research Laboratories（MERL）が共同開発した。ここでいうプロンプトは作業目的を与える指定であり、AIが音の意味を完全に理解したと断定するものではない。

総務大臣賞の選評が評価した点

主催者が発表したCEATEC AWARD 2026の総務大臣賞は、三菱電機グループの展示案件に与えられた。審査側が強調したのは、異なる音源や利用目的に専用モデルを作り分けず、一つの仕組みにまとめた柔軟性である。ロボット、監視機器、産業設備などへの応用が想定されている。

主催者は処理の高速化と、複数マイクに依存しない設計も評価している。ただし公開資料からは、さまざまな工場の全騒音条件で常に正確に分離できること、すべての機器に低遅延で組み込めることまでは確認できない。

CEATECのブース番号は8H412。10月13～16日の開催期間中、工場機械、楽器、複数人の声などが混じる音を分離するデモを予定している。本稿は開幕前の発表に基づくもので、当日の実演が成功したと確認した報告ではない。

10年以上の研究を支えた「現場の注文」

同社が2026年9月に公開した研究紹介では、音を扱うAI技術を10年以上研究してきた過程が紹介されている。研究者が直面したのは、単なる音声の聞き取りを超える要求だった。現場から求められるのは、「この装置の音だけを取りたい」という、仕事の経験に根ざした具体的な要望である。

熟練者は微妙な音色や運転状況を手掛かりにしている。しかし研究者側はまず、どの設備のどんな状態の音を目標とするかを定義しなければならない。モデルの統一は、この目標設定を不要にするわけではない。対象音が明確でなければ、分離結果の良し悪しも測れない。

会社が説明する研究の歴史と賞の評価は一次情報だが、現場導入後の独立した比較試験として読むことはできない。技術が「聞こえる音」を改善しても、判断に必要な情報を欠落させていないかは検証すべきだ。

映像中心のフィジカルAIに「耳」を加える

フィジカルAIとは、カメラやセンサーなどで物理環境をとらえ、機械の判断や動作につなげる技術群を指す。映像では見えない故障の兆候が音には現れる場合がある。一方、音だけでは発生場所、原因、危険度が判別しにくい。

製造現場では、異音の抽出結果を異常検知モデルと組み合わせることが考えられる。人が混在する作業場なら、音声認識や音声操作の入力として使う可能性もある。駅や公共施設の案内なども想像できるが、各用途で実証が行われたとは限らない。

本当に有用なシステムは、音を抽出する段階だけでなく、設備の停止判断までの一連の流れで評価しなければならない。騒音の種類が変化したとき、誤って警報を見落としたとき、ネットワークが止まったときに安全側へ動作する設計も欠かせない。

三菱電機の長い産業技術史につながる

三菱電機は1921年に三菱造船（現在の三菱重工業につながる企業）から分離して発足し、電動機、発電機などの電気機器を基盤に事業を広げた。戦後は工場自動化、電力、交通、通信、空調、エレクトロニクスなどへ領域を拡大した。

現場のモーターや制御装置を扱う企業が、そこから聞こえる音をAIに読ませようとするのは、研究室だけで発想された流行語とは異なる。稼働する機械や保守の実務に近い場所で、センサー情報をどう役立てるかという長い産業上の課題に位置づけられる。

MERLとの共同研究も重要だ。米国の研究拠点と日本のものづくり事業の接点には、音響信号処理を実機の問題へ移す可能性がある。ただし共同開発の事実と、既に大規模な販売実績があるという主張は明確に分けて考えたい。

導入企業が確認すべきこと

技術導入の判断で最初に問うべきは「精度は何％か」ではない。どの録音条件で、どの音源を、どの評価方法で測った精度なのかである。マイクの位置、残響、複数の似た機械の同時稼働、突発的な騒音、対象音が非常に小さい場合などで結果は変わる。

さらに処理の遅延、計算資源、端末上で動かせるか、学習や更新が必要か、誤警報による停止費用、音声データをどう保管するかも確認したい。作業者の会話が録音される環境では、プライバシーと労務管理の問題も生じる。

公開の発表はこれらすべてへの定量的な回答を示していない。主催者の選評を第三者による長期運用試験と取り違えてはいけない。産業用AIでは、派手なデモの次に、現場ごとの比較試験と保守体制が問われる。

耳のある機械が日常になる前に

TUSSが開く可能性は、ある特定の音だけを聞く装置の発明ではなく、音の種類や目的が変わっても一つのAIを使い回せるという設計思想にある。もし用途ごとのモデル開発が減れば、導入できる現場は広がるだろう。

一方で、機械が「聞いた」ときに何をすべきかは人間が定義しなければならない。異音を検出したら設備を止めるのか、点検を勧めるのか、記録だけを残すのか。ここで求められるのはAIの認識能力だけでなく、責任の所在と安全設計だ。

10月の受賞が示すのは、音源分離技術が研究課題から産業用途の検討対象へ近づいていることだ。次のニュースになるのは、賞の数ではない。騒音の激しい実際の職場で、どの問題を、どれだけ確実に解決したのかという実績である。