立憲民主党・無所属

これにて田村さんの質疑は終了いたしました。 　以上をもちまして本日の集中審議は終了いたしました。 　次回は、公報をもってお知らせすることとし、本日は、これにて散会いたします。 　　　　午後零時一分散会

立憲民主党・無所属の小山展弘です。 　ただいま議題となりました下請代金支払遅延等防止法及び下請中小企業振興法の一部を改正する法律案につきまして、会派を代表して質問いたします。（拍手） 　まず冒頭、お尋ねします。 　米国トランプ大統領による関税措置により、日本の輸出産業は大きな危機に直面しています。サプライチェーン全体、中小受託企業にも大きな影響が出ることが懸念されます。 　自動車産業を始めとする輸出産業並びに日本の物づくり産業を守るために、政府はどのような対策を考えていますか。経済産業大臣にお伺いをいたします。 　民主党政権では、閣議決定した中小企業憲章で、中小企業は経済を牽引する力であり、雇用の大部分を支え、地域社会と住民生活に貢献しているなど、中小企業の経済的、社会的機能と役割を高く評価しています。そして、政府が、力の大きい企業との間で実質的に対等な取引や競争ができず、中小企

立憲民主党・無所属の橋本慧悟です。 　本日、この質疑に立たせていただきまして、関係者の皆様、諸先輩方、本当にありがとうございます。そして、一言、地元、兵庫九区、明石市そして淡路島の皆様にもしっかりと感謝の気持ちを持ってこの質疑に挑んでいきたいと思います。城内大臣、どうぞよろしくお願いいたします。 　人工知能関連技術の研究開発及び活用の推進に関する法律案、いわゆるＡＩ推進法と呼ばせていただきます。先日の大臣からの提案理由にもございましたが、「人工知能関連技術は、その適正かつ効果的な活用によって行政事務及び民間の事業活動の著しい効率化及び高度化並びに新産業の創出をもたらすものとして経済社会の発展の基盤となる技術であるとともに、安全保障の観点からも重要な技術です。」とおっしゃっていました。 　利便性向上や技術革新、そして国内関連産業の国際競争力をしっかりと上げていくためにもこの分野の成長は

御答弁をいただきました。 　現状、外国産の生成ＡＩサービスがどうしても大きなシェアを占める現状なのですが、日本語をベースとした生成ＡＩを開発すること、先ほどの田中委員の質疑の中でも御答弁があって、日本語は難しいでありますとか、敬語があったりとか、なかなか難しいんだという話もありますが、この特有の課題、日本語をベースとした生成ＡＩを開発することに対する特有の課題を端的にお知らせください。

まさに、御答弁をいただきまして、日本語のデータが少ないということだと思います。 　生成ＡＩでは、大量のデータを学習させてモデルの規模を巨大化するほどその予測精度も向上することから、大規模言語モデル、ラージランゲージモデル、ＬＬＭと呼ばれたり、この開発が、モデルの大規模化を目指して熾烈な競争が繰り広げられていると認識をしております。 　この言語モデルというのは、人間が話したり書いたりする言葉や文章を基に単語の出現確率をモデル化する技術だと認識しています。 　具体的には、大量のテキストデータから学習をして、ある単語の後に続く単語がどのくらいの確率で出現するのかを予測するものです。例えば、私の職業は、というような文章の後に続く単語として、教師ですとかエンジニアですとか保育士ですというような、それは確率として高いなという判断が働き、ここにある机とか黒色とかスーツとかという言葉は可能性としては

御答弁をいただきました。 　官公庁のページでありますとか、この国会とかの、政府、行政の、ちょっとがちがちになり過ぎて、余りにもちょっとつまらないような生成ＡＩというか、データが収集されるんじゃないかなという懸念はちょっと感じますが。 　先ほど御答弁の中でも触れていただいたウィキペディア、広く国民はこのウィキペディアというのを使ったことがあると思います。その中で、確かに比較的信頼できる大量の情報が集まっているとは思いますが、悪意のある者が書き込んだ偽情報というのも学習データとして用いられる可能性もあると思います。それを、生成ＡＩに偽の情報を出力させられるということをデータポイズニングと言うようですけれども、これについての事例や対策についてお答えいただけますか。

御答弁をいただきました。確かに、そういった差別的な出力がされるようになるとか、本当にこれから防いでいかないといけないこともたくさんあると思います。これから議論が進んでいくと思います。 　済みません、一つ飛ばさせていただいて、ＡＩが抱えるリスクへの対応ということで移らせていただいてもいいですかね。先ほどの御答弁の中でもありましたので、こちらの方が有機的につながってくる質問かなと思うんですが。 　ＡＩは、過去のデータを機械的に学習して現在及び将来の予測に役立てるものであるという性質上、過去の学習データ自体に含まれているバイアス、偏見ですね、この影響を完全に排除することはできない、そして、結果的に人の意思決定自体がゆがめられてしまうこともあるんじゃないかなという、そんな懸念を持っています。 　平成三十一年三月に取りまとめられた、人間中心のＡＩ社会原則においては、ＡＩの情報リソースとなるデー

御答弁を丁寧にいただきました。調達チェックシートを定めるとか、いろいろな手法で適正な利用に向けて取り組まれると思いますが、本当にこの公的部門がしっかりと信頼性を維持していくためにもそういった取組は重要だと思いますので、是非今後もよろしくお願いします。 　そして、中間取りまとめにおきましては、ＡＩに関する意識調査の結果によると、日本では、現在の規則や法律でＡＩを安全に利用できると思う回答者は一三％と低く、逆に、七七％の人がＡＩには規制が必要だと考えていると記載されています。また、品質の不安定さとか、プロセスのブラックボックス化、見えないですね、そういった状況等についてリスクを感じているほか、政府に求めることとして、ＡＩの悪用や犯罪に対する法的対策の強化というのが挙げられています。 　これに対して、本法律案においては、リスクへの対応に係る措置に関する勧告、命令等の規定がございません。「不正

臨機応変に対応するためにもというお話がありましたが、やはり、我々は推進をしっかりしていく立場ではありますが、それと同時に、そういったリスクへの対応というのを国民に対してもしっかりと周知していく必要があると考えています。 　例えばＥＵのＡＩ法におきましては、ＡＩのリスクに応じて規制内容を変えるリスクベースアプローチという方針に基づいて、規制対象を四段階のリスクレベルのＡＩアプリケーション及びシステムというものに分類をして、それぞれに対して異なる規制を課すこととされていると思います。これに対して、本法案では、やはり、リスク対応に係る措置に関する勧告、命令等の規定が置かれていないなと、比較をして感じるところです。 　ＡＩのリスクは多様であるため、ハイリスクのＡＩについてのみ厳しい規制を課した上で、そうではないＡＩについては積極的に利活用を進めるといった硬軟織り交ぜた対策も必要じゃないかなと思

御答弁をいただきました。 　時間の関係で一つ飛ばさせていただいて、ＥＵの対策についても、我が国との比較についても述べていただきましたが、じゃ、ＥＵの一般データ保護規則、いわゆるＧＤＰＲについてです。 　これは、データ主体に関する法的効果を発生させる、又はデータ主体に対して同様の重大な影響を及ぼすプロファイリング、これは個人の経済状況でありますとか健康でありますとか興味、関心、行動や位置情報とかの一定の個人情報の側面の評価のことだと思いますが、このプロファイリングには規制がかけられ、個人の権利が保障されていると認識をしています。 　このように、意思決定がＡＩに操作されないように制度的な措置を講ずるべきだと考えますが、いかがでしょうか。