第221回国会の発言まとめ

チームみらいの安野貴博でございます。 　冒頭、ちょっと通告外となるのですが、本日、ＡＩ分野で大きな報道数点ございましたので、そちらについて一点、大臣にお伺いしたいと思います。今、ＡＩによって日本のサイバーセキュリティーの状況大きく変わってきておりまして、大変な危機感を持たなければならないのではないかというお話でございます。 　今から八時間ほど前になりますが、本日、四月の十五日、オープンＡＩが防衛的なサイバーセキュリティー業務向けに調整を加えたＧＰＴ５・４サイバーというものを発表したと。これは、先週の四月七日にアンソロピック社がクロード・ミュトスと呼ばれるモデルを発表したものに抗する形であると言われております。 　もう一つのニュースが、本日の報道でございましたのが、アメリカの財務省がこのアンソロピックのミュトスへのアクセスの要請をしたという、そういった発表もございました。 　これらの

危機の認識は共有しているところなんですけれども、多分、木原官房長官は国家安全保障の法案の中での答弁だったと思うので、そのときに官房長官としてお答えしたものを私が同様の認識ですというのはちょっと、所管外かなというのでなかなかお答えしづらいところでありますが、危機感は非常に共有しております。

危機感を共有いただいているというところで、是非今後もリーダーシップを発揮いただければと期待をしております。 　こちらは、国としてＡＩを保有していくということが非常に重要な話であるという中で、特に重要なプロジェクトとなってくるのが、本日御質問予定の経産省がやっているＡＩロボット・フィジカルＡＩを見据えたマルチモーダル基盤モデル開発事業でございます。 　本プロジェクトは、フィジカルＡＩの実現に向けた国産ＡＩ基盤開発モデルの開発を目指すものでございます。報道によると、約五年間で一兆円の予算が計上されると承知しております。大規模な国家予算を投下する以上、プロジェクトを成功に導くための制度設計、極めて重要ではないかと考えておりますが、その観点から幾つかお伺いしたいと思います。 　ＡＩ開発の国際競争激化する中で、日本の製造業が持つ質の高い産業データを生かしてフィジカルＡＩに投資していくという方向

お答え申し上げます。 　ソフトウェア関連ですと、例えば、過去、ソフトウェア開発支援システムの構築を目指した国家プロジェクトでシグマプロジェクト、御指摘のものあるわけですけれども、十分な成果が得られなかったという評価です。 　一つは、ユーザーのニーズとちょっとマッチしていない部分があった。更に言うと、技術動向がＵＮＩＸをめぐってかなり変わっていた、そういった中で計画を見直さないでそのまま事業を継続してしまった。それがかなり大きい問題だったんじゃないかというふうに認識をしています。 　一方で、御指摘をいただきました「富岳」プロジェクト、これ技術動向に応じた設計変更、例えば半導体の微細加工技術が変化したことを踏まえて即座にそれに対応するとか、あと、ユーザーニーズに応じた試行的な計算資源の提供などをやりながら使ってもらっていく、こういうような柔軟なやり方で、当初決めた計画から必要な見直しを途

おっしゃっていただいた点、非常に重要なポイントだと思います。ユーザーニーズの把握と、あとは変わっていく技術環境にいかに迅速に対応できるような柔軟な変更ができるのかというところだと思っています。 　続いて、こちらデータの確保についてもお伺いしたいと思います。 　ロボット等の学習のためには大量のデータ収集必要だと考えておりまして、特にフィジカルＡＩの領域では、実世界での動作データというものを専用に収集していくということも不可欠だと考えております。例えばロボットの視点から撮影したエゴセントリックなデータというものであるとか、あとＡＬＯＨＡというものがありますが、これは遠隔操作ロボットでございまして、そういったものを使いながら作業データを人手を掛けて収集していくというものが世界的に見るとやられているわけですが、この必要なデータの量、質を確保するためにどういうことをしていくのか、具体的な計画につ

競争力あるフィジカルＡＩ、ロボットでも汎化させた形で使えるようにするためには、かなり物理に関するいろいろなデータ使う必要があると思っています。逆に、日本はここは強みがあるかなと。高齢者のそれこそヘルスケアのようなところも物理的なデータになります。災害対応、製造現場、あと福島第一原発の廃炉の現場、こういったところで蓄積されたデータというのは非常に有望、これを活用していきたいということです。 　一方で、こうした現場データはそのままＡＩに学習させるのは難しいものですから、データの意味付けとかそれぞれのデータの関係性を整理して、いわゆるＡＩレディー化させて使えるようにしていかないといけないと。したがいまして、こういったことを踏まえて、ＡＩ開発の支援プログラム、ＧＥＮＩＡＣの中で、製造現場などの現場データの整備手法、いわゆる手法論を確立して標準化する、この手法論を使ってデータセットをつくっていくと

御答弁いただき、ありがとうございます。 　まさに、そのＮＨＫが保有するデータの活用まで踏み込んで御答弁いただいたこと、これ具体的な検討が進んでいるものとして心強く受け止めたいと思います。まさに、ＮＨＫのアーカイブデータは質の高い映像や音声のデータの蓄積でございますので、是非御検討を続けていただければと思います。 　最後に、先ほどおっしゃっておられました機動的な方針変換の仕組みとガバナンスについてお伺いしたいと思います。 　ＡＩ分野、非常にスピードも速い、極めて速いような領域でございますので、技術動向や市場環境の変化に応じて、どこの部分に注力していくべきかというところを機動的に変えなければならないと思います。基盤モデルといっても、どの分野にも一律にということではなくて、恐らくこの部分はやや重点であろうというような、そういった重み付けであるとか、そういったものもありますし、あるいは、これ

お答え申し上げます。 　まず、今回、マルチモーダル基盤モデル開発ということで取り組みますけれども、物理領域を意識していますので、工場の自律制御とかロボットの自律制御、そういったものに貢献できるものをつくっていきたいと思っています。 　そうすると、特にロボットの自律制御なんかは汎用的な性能必要なので、したがって、かなり汎化させることはやりますが、一方で、例えば過酷環境で稼働できるようにするとか、あと、高信頼性みたいなものになってくると、日本のデータがかなり、日本だけが持っているところ、ここを学習すると、かなり特化したモデルの開発にも貢献できると、こんなようなところでバランスを取られています。 　こういったものをしっかりと軌道修正を掛けながら進めていけるようにしないといけないと思っています。先ほども少し述べましたけれども、四半期ごとにモニタリングをすると。そのモニタリングの中の目標設定の

御答弁いただき、ありがとうございます。 　この汎化というところなんですけど、ＬＬＭの世界でも、最初はどこに注力するというものがなかった中で、例えばアンソロピック社はコーディングエージェントというところに徐々に徐々にユースケースを見付けて、市場を見付けて特化させてきたというところがありまして、同じような、最初はいろいろ試してみるというのは大事だと思いますが、何か見付けたときにどんどん特化させていくということは必要になっていくのではないかと思います。 　時間になりましたので、以上で終わりにします。ありがとうございました。

本件に対する質疑はこの程度にとどめます。 　　　　─────────────