台湾、中国軍の艦船や航空機を衛星画像から自動検出するAIを導入へ、日台合弁企業が受注

台湾国防部が、中国軍の艦船や航空機などを衛星画像から検出するAIシステムの調達を進めている。10月13日に公表された落札公告によると、日台合弁企業のThinkTron（興創知能）が4,655万5,741台湾ドルで受注し、契約の履行期限は2027年4月25日を予定している。過去の衛星画像との比較を自動化し、軍事活動の変化を分析官が迅速に把握できるようにすることが目的だ。防災や農業分野で培われた画像認識AIを軍事情報の分析に応用する今回の計画では、画像解析の高速化が早期警戒や意思決定にどこまで貢献できるかが注目される。

2027年4月の履行期限を予定、民間企業による開発が具体化

今回ThinkTronが落札したのは「衛星画像AI自動認識システム」で、納入先は台湾国防部の電訊発展室となる。台湾政府の電子調達システムに掲載された公告には、予算額として4,996万台湾ドル、落札額として4,655万5,741台湾ドルがそれぞれ記載されている。実際の契約規模を示すのは後者の金額だ。

この計画は2025年から進められていた。台湾国防部は2025年2月24日の発表で、国防創新小組（DIO）が民間企業から技術提案を募集すると説明していた。衛星画像AIは、倉庫管理の高度化や拡張現実（AR）を利用した戦闘支援システムとともに、最初の公募対象に選ばれている。その後、2026年9月21日にThinkTronが落札し、10月13日に落札公告が公表された。

国防部の公募発表と案件番号HP15077L182の落札公告を基に、計画の経緯を整理すると次のようになる。なお、台湾の公文書で使われる民国暦の日付は、西暦に換算している。

時期	計画の進捗
2025年2月24日	DIOが民間企業から技術提案を募集
2026年9月21日	ThinkTronが落札
2026年9月25日	公告に記載された履行期間の開始予定日
2026年10月13日	落札公告を公表
2027年4月25日	公告に記載された履行期限の予定日

公告では、2026年9月25日から2027年4月25日までの履行期間全体に「予定」と付記されており、実際に作業が開始された日を確認できるものではない。また、当初の企画公募と今回の契約では案件番号が異なるため、この時系列は同じ衛星画像AI計画について、公募から契約までの経緯を整理したものだ。

今回の落札によって、民間企業から技術提案を募る段階から、受注企業と履行期間を定める段階へと計画が進んだことになる。国防部は試作開発に関する案内で、システムに求める機能や開発目的を説明している。ただし、2027年4月25日はあくまで契約上の履行期限の予定であり、実戦配備の開始日や要求性能の達成を保証するものではない。

AIが衛星画像を比較し、軍事活動の変化を自動検出

台湾国防部が想定するシステムの主な役割は、衛星画像から敵部隊や軍事基地の動きを検出し、過去の画像と自動的に比較することだ。画像間で変化が生じた場所を抽出し、分析官が重点的に確認すべき情報を絞り込むことで、軍事活動の兆候を早期に把握し、警戒態勢の判断に役立てることを目指している。

具体的な処理能力については、台湾メディアの自由時報が10月13日、匿名の政府高官の説明として、10キロ四方（100平方キロメートル）の衛星画像を複数枚、数分以内に解析できると報じた。検出対象には全長10メートル以上の艦船のほか、航空機、ミサイル発射車、レーダー車などが含まれるという。ただし、これらは報道された計画上の性能であり、実際の試験で達成されたことを示す公開データはない。

また、100平方キロメートルという数字は、一度に処理する画像の範囲を示している。目標物をどの距離から発見できるか、あるいは同じ地点をどの程度の頻度で監視できるかを表すものではない。報道では、処理時間の測定に用いた画像の解像度やコンピューターの構成、誤検出率なども明らかにされていない。そのため、実際の監視能力を評価するには、さらに詳しい性能情報が必要になる。

システムの利用方法としては、例えば異なる日時に撮影された港湾の衛星画像を比較し、停泊している艦船が増えた可能性のある場所をAIが抽出して、分析官が確認するという流れが考えられる。これは機能を説明するための例であり、実際の操作画面や処理手順が公開されているわけではない。それでも、人間が広範囲の画像を最初から調べる場合と、AIが抽出した候補を重点的に確認する場合とでは、分析に必要な作業量を減らせる可能性がある。

ただし、画像から艦船や車両を検出することと、その動きが軍事的に何を意味するのかを判断することは別の問題だ。特定の場所で物体の増減を確認できたとしても、それだけで演習の目的や部隊の意図、警戒態勢を変更する必要性まで判断できるわけではない。国防部が説明するシステムも、AIが情報を選別し、その結果を人間による分析と意思決定に活用することを想定している。

防災・農業で培った画像認識AIを軍事分析に応用

今回受注したThinkTronは、2018年に日本の国際航業と台湾のサイノテックが共同設立した企業だ。同社の公式サイトによると、地理空間情報と土木・水利分野の専門知識を組み合わせ、防災、交通、水管理などの領域で事業を展開している。今回の受注には、民間分野で培ってきた画像解析や地理情報処理の技術を軍事情報の分析に応用するという側面がある。

同社が開発する画像認識技術「Tron Eyes」は、畳み込みニューラルネットワーク（CNN）を中核に採用している。CNNは画像の局所的な特徴を学習し、物体や地表の状態などを識別する技術で、Tron Eyesは斜面崩壊の判読や作物の分類などに利用されている。同社はこのほか、道路施設の点検や交通・物流の監視などにも画像認識技術を応用している。

こうした民間用途と軍事情報の分析には、画像内の物体を識別し、過去の画像からの変化を検出するという共通点がある。しかし、防災や農業向けに開発したAIが、軍事目標についても同等の精度を発揮できるとは限らない。今回のシステムがTron Eyesをそのまま利用するのか、別のモデルを開発するのか、どのような学習データを用いるのかも明らかになっていない。そのため、同社が公表している既存技術の説明だけで、今回の軍事向けシステムの性能を判断することはできない。

一方、ThinkTronが2022年に公表した技術紹介では、AIモデルそのものだけでなく、画像解析を実際の業務に役立てるための工程も重視されている。画像の収集・整理、正解ラベルの付与、学習データの作成に加え、分野ごとの専門知識を使って認識結果を解釈し、検出した物体を正確な地理的位置と結び付ける必要があるという。

こうした技術や経験は、今回の調達でも重要になると考えられる。軍事情報を分析する際には、単に画像内で車両らしい物体を見つけるだけでなく、それがどの地点に存在し、いつからどのように変化したのかを把握する必要があるためだ。画像認識と地理空間情報を組み合わせてきたThinkTronの経験は、そのための技術的な基盤となり得る。ただし、軍事目標の分類精度や実際の運用環境での信頼性については、今回の用途に即した検証が欠かせない。

画像解析が数分でも、早期警戒までの時間は別問題

衛星画像の解析を数分で終えられたとしても、それだけで軍事情報を迅速に入手できるとは限らない。衛星が対象地域を撮影し、その画像が地上の分析システムに届くまでには、別の時間が必要だからだ。欧州宇宙機関（ESA）の地球観測ガイドでは、衛星が同じ地点を再び観測できるまでの間隔を「再訪時間」として説明している。実際に画像を取得できる時期は、衛星の軌道やほかの撮影要求、雲などの気象条件にも左右される。

そのため、軍事活動の変化を把握するまでには、衛星による撮影、画像の転送、AIによる解析、人間による照合・判断という一連の工程がある。AIが画像を数分で処理できても、撮影の機会を待つ時間やデータの転送に長くかかれば、全体の所要時間はそれほど短縮されない可能性がある。反対に、画像はすでに取得できているものの、人間による確認が追いついていない場合には、AIによる自動検出や候補の絞り込みが大きな効果を発揮し得る。今回のシステムの実用性は、画像の解析速度だけでなく、撮影から最終的な判断までの時間をどれだけ短縮できるかで評価する必要がある。

利用する衛星画像の種類によっても、監視能力は変わってくる。一般的な光学衛星画像は、可視光を利用するため日照が必要で、雲に覆われた地表を直接観測することは難しい。一方、合成開口レーダー（SAR）は衛星から電波を照射し、その反射を測定するため、夜間や雲のある条件でも地表を観測しやすいという特徴がある。ただし、ESAも説明しているように、使用する電波の波長によっては強い雨の影響を受ける場合がある。光学画像とSARでは取得できる情報や解析方法が異なるが、今回のシステムがどちらに対応するのかは明らかになっていない。

過去の画像との比較にも、技術的な課題がある。例えば、同じ場所を撮影した画像でも、衛星の撮影角度が異なれば建物の見え方や位置関係が変化し、太陽の高さが違えば影の形も変わる。こうした違いをそのまま変化として検出してしまうと、実際には移動していない物体を誤って検出する可能性がある。そのため、画像上の差異を抽出するだけでなく、それが実際の物体の増減や移動によるものなのか、撮影条件の違いによるものなのかを見極める処理も重要になる。

実用化の焦点は、検出精度と分析官の負担軽減

台湾国防部はAI技術の応用構想で、衛星画像だけでなく、レーダーや電磁スペクトルなど異なる種類の情報を分析し、衛星や無人システムから得られる情報を統合する方向性を示している。また、AIによる判断結果や信頼度を操作する人間に提示し、最終的な意思決定と任務の管理責任は人間が担うという考え方も説明している。ただし、これは国防部によるAI活用全般の構想であり、今回調達する衛星画像AIシステムが、これらすべての機能を備えるという意味ではない。

この方針を踏まえると、今回のシステムの導入効果を測るうえでは、AIが処理した画像の枚数や解析速度だけでなく、分析官の確認作業がどれだけ減るかも重要になる。AIが大量の候補を検出しても、誤検出が多ければ人間による再確認の負担が増えてしまう。反対に、誤検出を減らそうとして検出条件を厳しくしすぎれば、重要な目標を見逃す危険性が高まる。検出の速さと精度を両立させながら、分析官の作業負担を実際に軽減できるかが問われる。

実用性を評価するには、艦船や航空機など対象の種類が変わっても安定した精度を維持できるか、撮影条件によって検出結果がどの程度変動するかを確かめる必要がある。誤検出率や見逃し率に加え、分析官がAIの検出結果をほかの情報と照合し、警戒態勢の変更が必要かどうかを判断するまでの時間も重要な指標となる。現在報じられている処理面積や解析時間だけでは、こうした実際の運用上の効果までは判断できない。

2027年4月25日の履行期限予定に向けて注目されるのは、AIが衛星画像から抽出した情報を、分析官がどれだけ迅速かつ正確に判断へ結び付けられるかという点だ。画像から軍事目標を探す負担を減らすだけでなく、誤検出の確認作業も抑えられれば、民間で培われた画像認識AIが早期警戒の効率化に役立つ可能性がある。今回の調達が実際の監視・分析業務にどの程度の改善をもたらすのかは、今後の性能検証と運用実績によって明らかになるだろう。