METHODOLOGY / AI / ADAPTIVE MANAGEMENT

AI時代の地域研究は、完成形より更新能力を設計する

Local Depth × Global Comparison × Adaptive Management

SETOUCHI ATLASは、現地を歩いて得るローカルな問いを、国内外の比較事例とデータで検証し、その結果を再び瀬戸内へ戻す。AIはこの往復の探索・翻訳・整理・モニタリングのコストを下げるが、地域の価値判断を代替しない。計画は一度で完成させるのではなく、測定・実施・評価・修正を反復する。

01|Local Depth × Global Comparison

比較対象は「見た目が似ている都市」ではなく、同じ課題に対して異なる地域がどのような土地利用転換を行ったかで選ぶ。海外事例から事業そのものを輸入するのではなく、制度・所有・資金・管理・モニタリングを含むメカニズムを抽出する。

現地観察→ローカル仮説→国内比較→世界比較→メカニズム抽出→瀬戸内で再検証

似た景観を探さない

干拓地なら「干拓地同士」ではなく、農業を維持しながら湿地を増やした地域など、課題と介入の構造で比べる。

移植可能性を分ける

土地所有、法制度、財政、自治体権限、人口密度など、瀬戸内へ移植できない前提条件も記録する。

一次資料へ降りる

AIを翻訳・探索支援に使い、英語圏だけでなく各国自治体、公社、大学、研究機関等の一次資料まで確認する。

02|Adaptive Management|計画は仮説として実装する

Adaptive Managementは、単なる「試行錯誤」ではない。目的、代替案、予測、モニタリングを明示し、実施結果から学んで次の意思決定を更新する構造化された反復型管理である。特に自然環境や人口減少のように不確実性が大きく、管理行為の結果を後から観測できる対象に適している。

目標設定→仮説・代替案→小さく実施→モニタリング→評価→管理強度・計画を更新

管理行為を後から変更できない場合、モニタリングから意思決定に役立つ情報を得られない場合、失敗時の不可逆的損失が大きすぎる場合には、Adaptive Managementは適さない。

03|AIが変えるのは「判断」より「更新コスト」

AI・衛星画像・センサー・公開GIS・自動分類の普及によって、異なるデータの収集、翻訳、時系列比較、異常検知、仮説候補の抽出に要する限界費用は下がりつつある。生物多様性研究でもAIは画像・音声・動画・DNAなど異質なデータを統合し、知識ギャップを埋める可能性が論じられている。

Collect

行政オープンデータ、衛星、写真、センサー、文献を継続的に集める。

Compare

時系列・地域間・世界事例を同じ項目で比較し、変化点や例外を見つける。

Update

新しいデータが入るたび、仮説、土地管理密度、研究優先順位を更新する。

原則:AIは「何を大切にするか」を決めない。AIが下げるのは探索・整理・比較・監視のコストであり、地域の価値判断、住民合意、権利調整、不可逆的リスクの受容判断は人間側に残る。

04|ネイチャーポジティブでは、管理密度を可変にする

戦略的再自然化では、最初から「この土地は永久に湿地」「この土地は永久に農地」と固定するのではなく、管理結果を観測しながら人工利用密度を調整する。例えば粗放管理した果樹園で生物多様性・景観・防災・収益がどの程度維持されるかを確認し、草刈り頻度や維持範囲を変える。

維持・集約↔低密度管理↔生態系復元↔自然遷移

したがって最終成果は固定的な「再自然化適地マップ」ではなく、条件変化に応じて更新される土地管理密度マップとする。

05|ATLASの研究サイクル

現場の違和感→エッセイで仮説形成→研究ノートで検証→世界比較→小規模な政策・管理仮説→データで追跡→仮説・管理を更新

この循環では、完成したマスタープランを成果物としない。仮説を修正できること、誤りを早く発見できること、管理強度を変えられること自体を地域の能力として扱う。

Research Base