奥家敏和

お答え申し上げます。 　まず、委員御指摘のとおり、いわゆるデジタル赤字は二〇二五年に約六・六兆円となっております。クラウドなどのデジタルサービスが社会活動の基盤としての役割を増す中、いわゆるデジタル赤字が拡大し続けることは、我が国の経済成長や経済安全保障の観点から好ましくないと考えています。 　こうした認識の下、経済産業省としては、例えば、特に、進展著しいＡＩについては、国内事業者によるＧＰＵ購入などへの支援を通じた国内データセンターの整備、日本の勝ち筋であるフィジカルＡＩに不可欠な国産の基盤モデルの開発、国内スタートアップなどが行う領域特化モデルの開発への支援など、国内のいわゆるサービス、体制を拡張するための取組を進めてきているところであります。 　こうした取組を通じて、デジタル赤字の拡大抑止や改善につなげていきたいと考えております。

お答え申し上げます。 　御指摘のデジタル人材スキルプラットフォームは、令和六年度補正予算において措置された予算を活用して構築を進めているものであります。 　その目的としましては、デジタルに関するリスキリングを含めた学びを促進すること、個人のデジタルスキル情報の蓄積、可視化や証明を可能にすることということであります。 　その機能としては、個人ごとにＩＤを発行し、個人の情報処理技術者試験の合否情報やキャリア目標、スキル情報、民間のデジタル関連講座の受講状況などをひも付けるとともに、受けるべき試験、講座情報など分析して提供することを目指しています。 　スケジュールとしては、令和八年度末のサービス提供開始を目標として取り組んでいるところです。

お答え申し上げます。 　本プラットフォームに登録する方ということですけれども、まずは国家試験である情報処理技術者試験の応募者の登録というものを想定しています。こちらの試験の応募者数というのはかなり多うございまして、昨年度は約七十四万人ということであります。 　できるだけ早期に登録者百万人に到達することを目指していきたいというふうに考えています。

お答え申し上げます。 　デジタル人材スキルプラットフォームにつきましては、まずは当該プラットフォームでの個人ＩＤを基としたシステムの構築を進めています。令和八年度末のサービス開始を目指して、まずは構築を急いでいるということです。 　構築が最優先ということになりますので、現在はマイナポータルやマイナンバーカードなどのデジタル庁の施策との連携について、議論に着手はまだしておりません。ただ、今後、プラットフォームの利用状況やニーズなどを勘案して、必要な検討は進めてまいりたいというふうに考えています。

お答え申し上げます。 　委員御指摘の、ＡＩが現実世界を理解して行動を生成することで物理的タスクを遂行するフィジカルＡＩ、これは日本が持ちます世界に誇れる製造業等の現場に蓄積されたデータ、それと産業用ロボットなどの技術基盤が生かせる領域であり、日本の勝ち筋だと考えています。 　まず、フィジカルＡＩの実現に不可欠なデータ、これをデータセットとして整備を進めます。それとともに、こうしたデータを活用してフィジカルＡＩモデルを開発する取組であって、ＡＩロボットとしてハードウェアの開発も一体として行う取組、これに対する支援を事業として開始します。 　こうしたフィジカルＡＩを活用したＡＩロボットを様々な分野で実装していくために、先般、ＡＩロボティクス戦略を取りまとめて公表したところでもあります。当該戦略では、国土交通省とか農林水産省とかそういったいわゆる事業分野、これを担っている各省庁とも連携して

お答え申し上げます。 　ポスト５Ｇ情報通信システム基盤強化研究開発事業における競争力ある生成ＡＩ基盤モデルの開発事業、いわゆるＧＥＮＩＡＣ事業の令和七年三月公募分において、楽天グループ株式会社に対する支援額は約十二億円となっております。

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

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

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

お答え申し上げます。 　フィジカルＡＩ、これを日本の強みとしていくため、そして、日本が強みを持つ製造業等の現場データをＡＩに学習させてできるだけ早くＡＩを実装するためにも、製造現場などのそういった、日本が豊富に収得しているデータ、これを意味づけ、関係づけなどを行いながら、ＡＩが理解しやすいデータとして整備していく、これが必要であります。 　委員御指摘のとおり、これまで各企業はデータに関する連携については慎重であったわけですけれども、フィジカルＡＩの可能性が少しずつ理解されてきているなと思います。姿勢に変化の兆しも見られてきているところでありまして、今こそ、データを持つ企業にもメリットがある形でデータの取得、利活用を進めるユースケースづくりが重要になっているなというふうに考えています。 　そういった観点から、経済産業省といたしましては、ＡＩ開発の支援プログラムにおいて、現場データの整備