Comments
Description
Transcript
配付資料一式（議事次第、資料1及び資料3）
インテリジェント化が加速するＩＣＴの未来像に関する研究会 第４回 議事次第 日時：平成 27 年 5 月 15 日(金) 10:00～12:00 場所：中央合同庁舎 2 号館 7 階 総務省 省議室 １ 開 会 ２ 議 事 (1) ゲストスピーカーからの発表と意見交換 国立情報学研究所 新井紀子教授 「次世代の AI、ロボットとその課題・・・テクノロジーと人間」 (2) 報告書取りまとめについて ３ 閉 会 【配布資料】 資料１ 新井先生 ご発表資料 資料２ 報告書骨子案（構成員限り） 資料３ 第３回研究会議事概要 ḟୡ௦AI䞉䝻䝪䝑䝖䛸䛭䛾ㄢ㢟 䝔䜽䝜䝻䝆䞊䛸ே㛫 ᅜ❧ሗᏛ◊✲ᡤ ᪂⣖Ꮚ 2015/5/15 䜲䞁䝔䝸䝆䜵䞁䝖䛜ຍ㏿䛩䜛䠥䠟䠰䛾ᮍ᮶ ീ䛻㛵䛩䜛◊✲ 䝥䝻䝆䜵䜽䝖 • 䝻䝪䝑䝖䛿ᮾ䛻ධ䜜䜛䛛 – 䝍䝇䜽䛾䛯䜑䛾䝍䝇䜽䛷䛿䛺䛟䚸䝸䜰䝹䝕䞊䝍䜢⏝ 䛔䚸ே ேᕤ▱⬟30ᖺ䜢䝣䜵䜰䛺ホ౯䛾ಋୖ䛻䛫䚸 ┿䛾ᢏ⾡ⓗ䝤䝺䞊䜽䝇䝹䞊䛻ᣮᡓ䛩䜛䛸䛸䜒䛻䚸 ㏆ᮍ᮶AI䞉䝻䝪䝑䝖䛾ྍ⬟ᛶ䛸㝈⏺䜢᫂䜙䛛䛻䛩 䜛䛯䜑䛾䝧䞁䝏䝬䞊䜽䜢ᥦ౪䛩䜛䚹 – 䛂➨䛃䛜䛺䛬䞉䛹䛾䜘䛖䛻ኻᩋ䛧䛯䛾䛛䚸᳨ドྍ ⬟䛺㈨ᩱ䛜䜋䛸䜣䛹ṧ䛳䛶䛔䛺䛔䚹 – ➨୕䛾AI䞉䝻䝪䝑䝖䝤䞊䝮䜒ྠ䛨䛣䛸䛜㉳䛣䜛ྍ⬟ ᛶ䚹 • ᭱ప㝈䜚㉺䛘䜛䜉䛝⤫ྜⓗ▱ⓗ䝍䝇䜽䞉ே㛫䛸ẚ㍑ ྍ⬟䛺䝧䞁䝏䝬䞊䜽䛸䛧䛶䛾Ꮫධヨ 1 䝊䝻ᖺ௦᪥⡿䝻䝪䝑䝖䞉䠝䠥㛤Ⓨ䛾㐪䛔 • • 㻌 㻌 • 㻌 㻌 • ẚ㍑ⓗ༢⣧䛺せ⣲ᢏ⾡ 䝻䝪䝑䝖䞉AI䛾㝈⏺䜢ぢᐃ䜑䛯ᶵᲔ୰ᚰ䛾 㻌 䝡䝆䝛䝇䝰䝕䝹䠄ᶵᲔ䛻᭷䛺䛣䛸䜢ᶵᲔ 㻌 䛻䚸ᶵᲔ䛻ྍ⬟䛺䛣䛸䜢ே㛫䛻䠅 䝻䝪䝑䝖䞉AI䛜⬟ຊ䜢Ⓨ䛩䜛䜘䛖䛺⎔ቃ 㻌 タィ䠄䝕䞊䝍ᵓ㐀䛛䜙䝻䝆䝇䝔䜱䜽䝇䜎䛷 㻌 䛂䝻䝪䝑䝖䝞䝸䜰䝣䝸䞊䛃䛺䝡䝆䝛䝇タィ䠅 䜸䞊䝥䞁䜲䝜䝧䞊䝅䝵䞁䚸᳨ド䝍䝇䜽 • • • 㻌 • • • ୡ⏺䛻㢮䜢䜏䛺䛔㧗ᗘ䛺せ⣲ᢏ⾡ 䝻䝪䝑䝖䞉AI䛾↓㝈䛾ྍ⬟ᛶ䛻ᣮᡓ 䝁䝇䝖䛿㧗Ṇ䜎䜚䛩䜛୍᪉䚸㠀ᵓ㐀 㻌 ⎔ቃୗ䛷䛿ᶵ⬟䛫䛪䚹 ே䛾ክ䜢ྔ䛘䜛ே㛫୰ᚰ䛾䝻䝪䝑䝖 0䛛100䛛䚸䛾䝡䝆䝛䝇䝰䝕䝹 䜽䝻䞊䝈䜲䝜䝧䞊䝅䝵䞁䚸Ỵ䜑䜙䜜䛯䛣䛸 䜢䛩䜛䝕䝰䞁䝇䝖䝺䞊䝅䝵䞁 2 䝥䝻䝆䜵䜽䝖 • 䝻䝪䝑䝖䛿ᮾ䛻ධ䜜䜛䛛 – 2016ᖺᗘ䜎䛷䛻䝉䞁䝍䞊ධヨ䛷㧗ᚓⅬ䜢䛸䜛䚹 • ྵព㛵ಀㄆ㆑䚸ᶵᲔ⩻ヂ䚸῝䛟ṇ☜䛺ゝㄒฎ⌮䚸䝅 䝭䝳䝺䞊䝅䝵䞁䛻䜘䜛᭕ᛶᅇ㑊䚸䜸䞁䝖䝻䝆䞊䛻䜘䜛 㑅ᢥ⫥䛾⤠㎸䜏䚸⮬↛ゝㄒฎ⌮䛸᥋ྜྍ⬟䛺ᩘᘧฎ ⌮䚸 㻌 ➼ • 䝕䞊䝍ᩚഛ䚸ᩥἲ䞉㎡᭩ᩚഛ䚸UIMA◊✲ᇶ┙䛾㛤Ⓨ䚸 ᅜ㝿ホ౯䝍䝇䜽䛾㐠Ⴀ – 2021ᖺᗘ䛻ᮾྜ᱁䜢┠ᣦ䛩䚹 • ᩥ᭩せ⣙䚸᭕ᛶゎᾘ䚸䝯䝍▱㆑ᵓ㐀䛾ㄆ㆑䚸ពⓗ 㢮ఝᗘィ⟬䚸Ỵᐃ⬟䛺ᩘᏛศ㔝䛾ၥ㢟ゎỴ⌮ゎ䚸 ᐃᛶⓗ᥎ㄽ䚸⏬ീㄆ㆑䛸䛾᥋ྜ䞉䞉䞉 3 ゎ⟅ჾ䛾⢭ᗘྥୖ • せ⣲⤖ྜ • ඹཧ↷ゎᯒ • ศ㔝▱㆑䞉᥎ㄽ䛸ゝㄒ⌮ゎ䛾⤫ྜ せ⣲ᢏ⾡䛾㛤Ⓨ䠄ḟ䠅 • ᩥ᭩せ⣙ • 䝯䝍▱㆑ᵓ㐀䛾ㄆ㆑ • Ỵᐃ⬟䛺ᩘᏛศ㔝䛾ၥ㢟ゎỴ ⌮ゎ • ᭕ᛶゎᾘ • ⏬ീㄆ㆑䛸⮬↛ゝㄒฎ⌮䛸䛾᥋ྜ • ᐃᛶⓗ᥎ㄽ • ᐇୡ⏺⌮ゎ ⏺⌮ゎ ⏺⌮ ⌮ゎ 㻌 㻌 ….. 㛤Ⓨ せ⣲ᢏ⾡䛾㛤Ⓨ 䠄䝉䞁䝍䞊䠅 • ᵓᩥゎᯒ • ྵព㛵ಀㄆ㆑ • ≀⌮䝅䝭䝳䝺䞊䝅䝵䞁ᇶ┙ • ᩘ⌮⏝୰㛫ゝㄒ䛾タィ&ኚ ჾ䛾㛤Ⓨ ᪂せ⣲ᢏ⾡䜢⤌䜏㎸䜣䛰 ᪂せ⣲ᢏ⾡䜢 ᪂せ⣲ ᪂せ 䜢⤌ ⤌ end-to-end䝅䝇䝔䝮䛾 ᵓ⠏䛸⢭ᗘศᯒ䛚䜘䜃ᨵⰋ Watson, Tsubaki, Mathematica,QE... 䝕䞊䝍ᩚഛ ၥ㢟ศᯒ ホ ౯ ே㛫䛸ᶵᲔ䛾䝧䝇䝖䝞䝷䞁䝇䜔 䜲䞁䝍䝣䜵䜲䝇䛾᳨ウ䛸⢭ᗘศᯒ ᪤Ꮡᡭἲ䛻䜘䜛 䝧䞊䝇䝷䜲䞁䝅䝇䝔䝮䛾ᵓ⠏䛸 ⢭ᗘศᯒ 䝇䝍䞊䝖 2011ᖺ 2016 2013 4 ♫⛉䛸ⱥㄒ䠉 ゝㄒ⌮ゎ䛸▱㆑䛾ά⏝ ྵព㛵ಀㄆ㆑䛾◊✲䜢᥎㐍 䞉 Wikipedia䜔ᩍ⛉᭩䜢▱㆑※䛸䛧䛶♫⛉䛾ၥ㢟䛻⟅䛘䜛 Wikipedia䜔ᩍ⛉᭩䜢▱㆑※䛸䛧 э 䛒䜛䝔䜻䝇䝖 t1 䜢ᐇ䛸௬ᐃ䛧䚸ู䛾䝔䜻䝇䝖 t2 䛜ᐇ䛛䛹䛖䛛䜢ุ᩿䛩䜛 䛹䜜䛜ṇ䛧䛔䠛 1䠅䝫䜶䝙ᡓதᚋ䚸㔜Ṍර䛸䛧䛶ᚑ㌷䛧䛯㎰Ẹᒙ䛿⤒῭ ⓗ䛻㇏䛛䛻䛺䛳䛯䚹 2䠅ඵ䛿䚸㡰ᖇ䛜タ䛧䛯㌷㝲䛷䛒䜛䚹 3䠅䜲䜵䝙䝏䜵䝸䛿䚸䜸䝇䝬䞁ᖇᅜ䛾ᖖഛ㌷䛷䛒䛳䛯䚹 䕿 4䠅䝣䝷䞁䜽⋤ᅜ䛷䛿䚸䝔䝬ไ(㌷⟶ไ)䛾ୗ䛷ᒡ⏣රไ䛜 ⾜䜟䜜䛯䚹 㧗⢭ᗘ䛺ྵព㛵ಀㄆ㆑ ᡭἲ䜢㛤Ⓨ 䞉 ᩥ䛾ព䜢㞟ྜ㛫㛵ಀ 㻌 䛾௦ᩘᘧ䛷⾲⌧ 䞉 㞟ྜ㛫㛵ಀ䜢ㄽ⌮₇⟬ 㻌 䜔ᶵᲔᏛ⩦䛷ㄆ㆑ ⱥᩥㄞゎ 䛷䛒䜛 OBJ SBJ ARG 䜲䜵䝙䝏䜵䝸 ARG ᖖഛ㌷ POSS ARG 䜸䝇䝬䞁ᖇᅜ ᅜ㝿㆟ NTCIR-10,11 䛻䛚 䛔䛶ホ౯䝍䝇䜽䜢㛤ദ System Points (/100) DCU 74 Shizuoka U. 57 CMU1 55 CMU2 52 CMU3 48 YNU 46 CMU4 45 CMU5 43 Fujitsu Lab 41 Fujitsu R&D 37 Fujitsu Lab2 34 Hokkkaido U. 31 Fujitsu Lab3 23 Baseline 20 䞉 ᅜ㝿㆟ CLEF 2013, 2014 䛻䛚䛔䛶䚸ホ౯䝍䝇䜽䜢㛤ദ 5 ᅜㄒ䠖⾲ᒙⓗᡭ䛜䛛䜚䛷ഐ⥺㒊ၥ㢟䜢ゎ䛟 • 㑅ᢥ⫥䜢㑅䜆᰿ᣐ䛸䛺䜛㒊ศ䜢䚸ᮏᩥ䜘䜚ᢳฟ • ᩥᏐ䜸䞊䝞䞊䝷䝑䝥⋡䛷↷ྜ • ホㄽ䛻ᑐ䛧䛶50䠂䛾⢭ᗘ ᮏᩥ㻌 㻟㻟㻜㻜Ꮠ⛬ᗘ㻌 タၥᩥ ၥ䠑㻌 ഐ⥺㒊䠠䛂⾜Ⅽ䛸⾜Ⅽ䜢䛴䛺䛠䛣䛾✵㛫䛾ᐦᗘ䜢ୗ䛢䛶䛔䜛䛾䛜䚸⌧ ᅾ䛾ఫᏯ䛷䛒䜛䛃䛸䛒䜛䛜䚸䛭䜜䛿䛹䛖䛔䛖䛣䛸䛛䚹䛭䛾ㄝ᫂䛸䛧䛶᭱䜒㐺ᙜ 䛺䜒䛾䜢䚸ḟ䛾䠍䡚䠑䛾䛖䛱䛛䜙୍䛴㑅䜉䚹 㑅ᢥ⫥䐟 ⌧ᅾ䛾ఫᏯ䛷䛿䚸㒊ᒇ䜔Ꮚ䛹䜒㒊ᒇ䛺䛹┠ⓗ䛤䛸䛻✵㛫䛜ษ䜚ศ䛡䜙 䜜䛶䛚䜚䚸䛭䜜䛮䜜䛾⏝㏵䛸䛿䛛䛛䜟䜙䛺䛔」ᩘ䛾␗䛺䜛⾜Ⅽ䜢ྠ䛻 ⾜䛳䛯䜚䚸⪅䛸䛾㛵ಀ䜢స䜚ฟ䛧䛯䜚䛩䜛䜘䛖䛺ྍ⬟ᛶ䛜పୗ䛧䛶䛧䜎䛳 䛶䛔䜛䛣䛸䚹 㑅ᢥ⫥䐠 ⌧ᅾ䛾ఫᏯ䛷䛿䚸䝌䞊䝙䞁䜾䛜ᬑཬ䛩䜛䛣䛸䛷䛭䜜䛮䜜䛾✵㛫䛾⊂❧ᛶ 䛜㧗䜑䜙䜜䛶䛚䜚䚸ᐙ᪘䛷䛒䛳䛶䜒䛭䜜䛮䜜䛜⮬ᐊ䛷㐣䛤䛩㛫䛜ቑ䛘䜛 䛣䛸䛷䚸ே䛸ே䛸䛜ゐ䜜䛒䛔䚸㛵ಀ䜢῝䜑䛶䛔䛟䛣䛸䛜ᑡ䛺䛟䛺䛳䛶䛧䜎䛳䛶 䛔䜛䛣䛸䚹 㑅ᢥ⫥䐡 ⌧ᅾ䛾ఫᏯ䛷䛿䚸✵㛫䛾័⩦ⓗ䛺⏝つ๎䛻⦡䜙䜜䛺䛔タィ䛜䛺䛥䜜䛶 䛚䜚䚸ᒃఫ⪅䛯䛱䛜䛭䛾䛸䛝䛭䛾ሙ䛷ᛮ䛔䛴䛔䛯䛣䛸䜢ᐇ⌧䛷䛝䜛䜘䛖䛻䚸 ྛ⮬䛜䛭䜜䛮䜜䛾⾜Ⅽ䜢ྠ䛻⾜䛘䜛䜘䛖䛻䛺䛳䛶䛔䜛䛣䛸䚹 㑅ᢥ⫥䐢 ᮌ㐀ᐙᒇ䛺䛹䛛䛴䛶䛾ᒃఫ✵㛫䛷䛿䚸ᒃ㛫䜔ྎᡤ䛺䛹✵㛫䛤䛸䛾≉ᛶ䛜 㝿❧䛳䛶䛔䛯䛜䚸⌧௦䛾ఫᏯ䛷䛿䚸ᒃఫ⪅䛜㒊ᒇ䛾⏝㏵䜢䛷䛝䚸✵㛫 䛭䜜䛮䜜䛾≉ᛶ䛜䛺䛟䛺䛳䛶䛝䛶䛔䜛䛣䛸䚹 NTCIR-10 ྵពㄆ㆑ MC䝃䝤䝍䝇䜽䛷䝖䝑䝥 㑅ᢥ⫥䐣 ᮌ㐀ᐙᒇ䛺䛹䛛䛴䛶䛾ᒃఫ✵㛫䛷䛿䚸ேయ䛾㐠ື䛸㐃ື䛧䛶✵㛫䛜స䜚 ኚ䛘䜙䜜䜛䜘䛖䛺≉ᛶ䛜䛒䛳䛯䛜䚸✵㛫䛤䛸䛾ᙺ䜢᫂☜䛻䛧䛯⌧ᅾ䛾ఫ Ꮿ䛷䛿䚸ணእ䛾⾜Ⅽ䛻䜘䛳䛶✵㛫䛾⏝㏵䜢ከᵝ䛻䛩䜛䛣䛸䛜ᅔ㞴䛻䛺䛳 䛶䛔䜛䛣䛸䚹 ྡྂᒇᏛ బ⸨◊ 䛸䛾ඹྠ◊✲ ᰿ᣐ㒊ศ㻌 䛯䛸䛘䜀䚸ඛ㢌䛛䜙 ഐ⥺㒊䜢ྵ䜐ẁⴠ䜎䛷 ᭱䜒䜘䛟䛂ྵព䛩䜛䛃 㑅ᢥ⫥䜢㑅䜆 䠙ྵពㄆ㆑ၥ㢟 6 ᩘᏛ 䞊 ⮬↛ゝㄒฎ⌮䞉䝻䝆䝑䜽䞉ᩘᘧฎ⌮䛾᥋ྜ • ᵓᩥゎᯒ • ↷ᛂゎᯒ • ㄯヰᵓ㐀ゎᯒ ᩘᏛ▱㆑䝧䞊䝇 • 㝈㔞Ꮚᾘཤ • 䜾䝺䝤䝘ᇶᗏ etc. ၥ㢟ᩥ ゝㄒ⌮ゎ ݐ䛜ᐇᩘయ䜢ື䛟䛸䛝ǡ ✵ݖݕݔ㛫ෆ䛾Ⅼ ݐ ʹǡ ʹǡ ݐ䛜䛴䛟䜛┤⥺䜢݈䛸䛩䜛Ǥ ͵Ⅼܱ Ͳǡ Ͳǡ Ͳ ǡ ʹ ܣǡ ͳǡ Ͳ ǡ ͳ ܤǡ ʹǡ Ͳ 䜢㏻䜚ǡ ୰ᚰ䜢ܽ ܥǡ ܾǡ ܿ 䛸䛩䜛⌫㠃ܵ䛜݈䛸ඹ᭷Ⅼ䜢 䜒䛴䛸䛝ǡ ܽǡ ܾǡ ܿ䛾‶䛯䛩᮲௳䜢ồ䜑䜘Ǥ 䠄2011๓ᮇ⌮⣔䠅 ZF䛷䛾ព⾲⌧ ▱㆑䛻䜘䜛᭩䛝䛘 RCF䛷䛾ព⾲⌧ ᩘᘧฎ⌮ 䞞ᐩኈ㏻◊✲ᡤ 䛸䛾ඹྠ◊✲ ゎ⟅ 8 7 ᮾ䝻䝪䛟䜣䛾ゎ⟅㻌 ⌮⣔[5] ၥ㢟ᩥ ゝㄒゎᯒ ពྜᡂ ㄽ⌮ᙧᘧ ㄽ⌮ᘧ䛾᭩䛘 䝋䝹䝞䞊ධຊ ᩘᘧฎ⌮ ゎ⟅ 9 8 ≀⌮䠄⌮⛉䠅 䞊 ⮬↛ゝㄒ䛸≀⌮䝅䝭䝳䝺䞊䝅䝵䞁䛾᥋ྜ ᨭⅬ䛾㖄┤ୖ᪉䛷䛚䜒䜚䜢㟼䛛䛻 㞳䛩䛸䠈Წ䛿㔜ຊ䛻䜘䛳䛶㖄┤㠃 ෆ䛷ᅗ䛾䜘䛖䛻ィᅇ䜚䛻ᅇ㌿ 䛧ጞ䜑䛯䠊䠄୰␎䠅 ᅇ㌿ゅ䛸㏿ᗘ 䛾㛵ಀ䛸䛧䛶㐺ษ䛺≀䜢㑅䜉 %DUE 0DVVP +DQGK 5HOHDVHKP ͐ %DUE 0DVVP 5HOHDVHEP ͐ %DUE 0DVVP +DQGK 5HOHDVHKE ͐ ຊᏛ䞉Ἴື䛺䛹䛾ᇶ ᮏศ㔝䛻㛵䛩䜛ゝㄒ -䝅䝭䝳䝺䞊䝅䝵䞁䝰䝕 䝹䛾グ㏙ ၥ㢟 ண 䛧䛝䜜䛺 䛔䛂ᖖ㆑䛃➼ 䛔 䛜᭕ᛶ䛸䛧 䛜 䛶 䛶⾲ฟ ၥ㢟ᩥ䛻グ㏙䛥䜜䛯 ≧ἣ䛾⌧ ᙧᘧ⾲⌧ 䝅䝭䝳䝺䞊䝅䝵䞁䛻䜘䜛≧ἣ 䛾ண 䛸᭕ᛶ䛾ゎᾘ ௬ㄝ᳨ド䛻䜘䜛ᕪ䛧ᡠ䛧 䝅䝭䝳䝺䞊䝅䝵䞁⤖ᯝ ᩘ್䝕䞊䝍䛸ၥ㢟ᩥ䛷ᐃ⩏䛥䜜䜛๓ᥦ䛸䛾▩┪䜢᳨ド䛧 」ᩘ䛾ゎ㔘௬ㄝ䛛䜙ጇᙜ䛺䝰䝕䝹䜢㑅ᢥ 䝅䝭䝳䝺䞊䝅䝵䞁⤖ᯝ䛾ゎ㔘 ゎ⟅ 9 ⅏ᐖ⌧ሙ䛷䛾䝭䝑䝅䝵䞁グ㏙ ㄡ䛜䛣䜣䛺䛻⣽䛛䛟ᣦ ♧䜢䛩䜛䛾䠛 ᅗ䛾䜘䛖 ᅗ䛾䜘䛖䛻䠈ᮌ〇䛾ゅᮦ䛜䠔ಶ⨨䛛䜜䛶䛔䜛 㯤Ⰽ䛾㒊ศ䛻䛴䛔䛶䠈ゅᮦA䛿Ỉᖹ䛻䛚䛛䜜 㯤Ⰽ䛾㒊 䛶䛔䜛䠊ゅᮦB,C䛿ᖹ⾜䜢ಖ䛳䛯≧ែ䛷୍➃䜢 䛶䛔䜛䠊ゅ ᆅ㠃䛻䠈 ᆅ㠃䛻䠈䜒䛖୍➃䜢ゅᮦA䛾ୖ䛻䛫䛯≧ែ 䛻䛺䛳䛶䛔䜛䠊ゅᮦD,E䛿ᖹ⾜䜢ಖ䛳䛯≧ែ䛷 䛻䛺䛳䛶 ୍➃䜢ᆅ㠃䛻䠈䜒䛖୍➃䜢ゅᮦF䛻䛛䛡䛯≧ែ ➃䜢ᆅ 䛻䛺䛳䛶䛔䜛䠊 䛻䛺䛳䛶䛔䜛䠊BC㛫䛾㊥㞳䛿50cm, DE㛫䛾㊥㞳 䛿60cm䛸䛧䠈ゅᮦ䛾㛗䛥䛿1m䠈᩿㠃✚䛿10cm 䛿60cm䛸䛧䠈 㽢10cm 䛸䛩䜛 䛸䛩䜛䠊ゅᮦ䛾⨨䛿A(0,15,20)䠊䠊䠊䠊 䠊䠊䠊䠊䠊䠄୰␎䠅䠊䠊䠊䠊䠊 䠄୰␎ 䛶䛾ゅᮦ䜢᧔ཤ䛫䜘 䛶䛾ゅᮦ䜢 ゅᮦ䜢 䜢᧔ཤ䛫䜘 䜹䝯䝷䛾ᫎീ䛰䛡䛛䜙 䛣䛾䜘䛖䛺グ㏙䜢ฟຊ 䛩䜛䛾䜒ᅔ㞴 䛂᧔ཤ䛫䜘䛃䛸䛿 䛹䛖䛔䛖ព䠛 ゅᮦA䜢䛴䛛䜏䠈ྑഃ䛾ᯟእ䛻⛣ື䛥䛫䜛䛯䜑 䛻䛿䠈䛹䛾㡰ᗎ䛷ゅᮦ䜢᧔ཤ䛩䜜䜀Ⰻ䛔䛛䠛 䜎䛯䠈ゅᮦA䜢䛴䛛䜐䛻ᚲせ䛸䛺䜛ຊ䛿ఱN䛛 䜢ồ䜑䜘 ᮏ㉁ⓗ䛷ᢳ㇟ⓗ䛛䛴䝅䞁䝥䝹䛺 ⾲⌧䜈䛾ゝ䛔䛘 10 ᮾ䝻䝪䛟䜣㻌 ௦䝊䝭ᅜ䝉䞁䝍䞊ᶍヨᡂ⦼ ཷ㦂␒ྕ 㻝㻝㻢㻙㻡㻜㻜㻠㻱 Ặྡ ᮾ䝻䝪䜽䞁㻌䜲䝏䝂䜴 ⛉┠ ‶Ⅼ ᅜ ᖹᆒⅬ ⱥ ㄒ ᅜㄒ䠄⌧ᩥ㻗ྂᩥ䠅 ᅜㄒ䠄⌧௦ᩥ䠅 ᩘᏛ䊠䞉ᩘᏛ䠝 ᩘᏛ䊡䞉ᩘᏛ䠞 ୡ ⏺ ྐ 䠞 ᪥ ᮏ ྐ 䠞 ≀ ⌮ ᩥ⣔㻣⛉┠䝁䞊䝇 ᩥ⣔㻟ᩍ⛉೫ᕪ್ ⌮⣔㻟ᩍ⛉೫ᕪ್ 㻞㻜㻜 㻝㻡㻜 㻝㻜㻜 㻝㻜㻜 㻝㻜㻜 㻝㻜㻜 㻝㻜㻜 㻝㻜㻜 㻥㻜㻜 㻥㻟㻚㻝 㻢㻜㻚㻞 㻠㻡㻚㻥 㻠㻣㻚㻝 㻡㻜㻚㻠 㻠㻜㻚㻤 㻠㻣㻚㻞 㻟㻞㻚㻣 㻠㻞㻞㻚㻜 ᮏேᚓⅬ 䠄ᖺ䠅 95 (52) 69 (62) 49 (42) 40 (57) 55 (41) 52 (58) 44 (56) 31 (39) 386 (365) ᮏே೫ᕪ್ 䠄ᖺ䠅 50.5 (41.0) 54.2 51.9 46.9 51.9 56.1 48.2 49.0 47.3 53.6 49.7 (45.9) (44.7) (51.9) (47.2) (55.2) (56.1) (48.3) (45.1) (47.7) (46.2) ᩥ⣔㻣⛉┠䝁䞊䝇䛿ⱥㄒ䚸ᅜㄒ䚸ᩘᏛ㻞⛉┠䚸ᆅṔබẸ㻞⛉┠䚸⌮⛉㻝⛉┠䛾ྜィⅬ䚹 11 1 7⛉┠ᆺ䠄ᩥ⣔䠅ᡂ⦼䛾⨨ 500 ᖺ 450 400 450 ᩥ⣔䠓⛉┠㻌 ᮾ䝻䝪䛟䜣=365 䠄೫ᕪ್45.1䠅 Av.=432.0 350 350 ᩥ⣔䠓⛉┠㻌 ᖺ 400 ᮾ䝻䝪䛟䜣=386 䠄೫ᕪ್47.3䠅 Av.=422.0 300 300 250 250 ᚓⅬ ᚓⅬ 900 800 700 600 500 400 300 200 100 900 800 700 0 600 0 500 50 400 50 300 100 200 100 100 150 0 150 0 200 200 12 3 ᮾ䝻䝪䛟䜣䛜ྜ᱁䛷䛝䜛Ꮫ䛿䠛 ௦䚻ᮌ䝊䝭䝘䞊䝹䛂ᅜ䝉䞁䝍䞊ᶍヨ䛃ᡂ⦼䛻䜘䜛ྜ᱁ุᐃ⤖ᯝ ᖺ Ꮫᩘ Ꮫ䞉Ꮫ㒊ᩘ ᅜබ❧Ꮫ ⚾ ❧ Ꮫ ྜ ィ 㻝㻢㻡Ꮫ 㻡㻣㻥Ꮫ 㻣㻠㻠Ꮫ 㻡㻢㻢Ꮫ㒊 㻝㻘㻢㻣㻜Ꮫ㒊 㻞㻘㻞㻟㻢Ꮫ㒊 ྜ᱁ྍ⬟ᛶ 㻤㻜㻑௨ୖ䛾Ꮫ 㻝Ꮫ 㻞Ꮫ㒊 㻠㻜㻟Ꮫ 㻤㻝㻠Ꮫ㒊 㻠㻜㻠Ꮫ 㻤㻝㻢Ꮫ㒊 ᖺ Ꮫᩘ Ꮫ䞉Ꮫ㒊ᩘ ᅜ බ❧ Ꮫ ⮶ⷵ ⷵ捷 ⚾ ❧ Ꮫ ⮶ⷵ ⷵ捷 ィ ⮶ⷵ ⷵ捷 ྜ ྜ ᱁ྍ⬟ᛶ 㻤㻜㻑௨ୖ䛾Ꮫ ⮶ⷵ ⮶ⷵ ⮶ⷵ ⷵ捷 ⷵ捷 ⷵ捷 ᅜබ❧䛿䝉䞁䝍䞊ᚓⅬ䛻䜘䜛ุᐃ䚹⚾❧䛿ྛᏛ䞉ධヨ᪉ᘧ䛷ᚲせ䛺⛉┠䛾೫ᕪ್䛻䜘䜛ุᐃ䚹 13 4 ᚑ᮶䛾 䝁䞁䝢䝳䞊䝍 䞉䞉䞉 䞉䞉䞉 ㄪᰝ ሗせ⣙ ศᯒ ホุศᯒ タィ ᭱㐺 ⤌䜏❧䛶 3D䝥䝸䞁䝍䞊 Ⴀᴗ ሗ᥎⸀ ㈍ 䝟䞊䝋䝘䝷䜲㻌 䝊䞊䝅䝵䞁 14 ▱ⓗ䝁䞁䝢䝳䞊䝍䛻䜘䛳䛶ୖୗ䛻ศ᩿䛥䜜䜛ປാ ே㛫䛻ṧ䛥䜜䜛䛾䛿䚸㧗ᗘ▱ⓗປാ䞉⫗యປാ䞉ᩍ⫱䜢せ䛧䛺䛔 ప㈤㔠ປാ䠄䝁䞁䝢䝳䞊䝍䛾ୗฎ⌮䠅䛻䛺䜛ྍ⬟ᛶ䛜㧗䛔䚹 15 ᐃᆺⓗ⎔ቃ ༙ᐃᆺⓗ⎔ቃ ༙ᐃᆺⓗ⎔ቃ䛾୰䛷䚸䝻䝪䝑䝖䞉䠝䠥 䛜ᚓព䛺䛣䛸䜢Ⓨぢ䛧䚸䝻䝪䝑䝖䞉䠝䠥 䛜ാ䛝䜔䛩䛔⎔ቃ䜢ᩚ䛘䛯䛸䛝䛻䚸 ⏕⏘ᛶ䛜㣕㌍ⓗ䛻ྥୖ䛩䜛䚹 䝫䜲䞁䝖䠖 9 䝕䞊䝍ᵓ㐀䛛䜙䝻䝆䝇䝔䜱䜽䝇䞉䝯䞁䝔䝘䞁䝇䞉ே㛫䛛䜙䛾ሗ ྾䛔ୖ䛢䞉♫ᩚഛ䛻⮳䜛⥥ᐦ䛺䝡䝆䝛䝇䝕䝄䜲䞁 9 ୍⟠ᡤ䛷䜒AIၥ㢟ͤ䛜ΰධ䛩䜛䛸䚸䛩䜉䛶䛜ྎ↓䛧䛻 9 㔜せ䛺䛾䛿せ⣲ᢏ⾡௨ୖ䛻䚸せ せ⣲ᢏ⾡䛾㐃⤖ྍ⬟ᛶ 9 ㅉ䜑䜒⫢ᚰ䠖㐲㝸᧯స䞉ே㛫-䝻䝪༠ാ䞉⮬ື䛾ษ䜚ศ䛡 9 ປാ௦᭰䜒䚸✌䛞䛹䛣䜝䠄䝅䝇䝔䝮㍺ฟ䠅䜒䚸༙ ༙ᐃᆺⓗ⎔ቃ䛾 㻌 㻌 ᵓ㐀⌮ゎ䛻䛒䜛 …䞉 ͤ䠝䠥ၥ㢟䠖ே㛫䛸ྠ⛬ᗘ䛻▱ⓗ 䛺䝁䞁䝢䝳䞊䝍䠄ேᕤ▱⬟䠅䜢స䜛䛖䛘 䛷㞀ᐖ䛸䛺䜛ᢏ⾡ⓗ䛺ၥ㢟 䝻䝪䝑䝖䞉䠝䠥䛾⬟ຊ䠖 ᵓ㐀ⓗ⎔ቃ䛷䛿䠛㻌 ᭱㧗䛾ே㛫ఱ༑ேศ䚹 㠀ᵓ㐀ⓗ⎔ቃ䛷䛿䠛ṓඣ௨ୗ 䠄䝻䝪䝑䝖䛿ே㛫䛻Ṍ䜏ᐤ䜜䛺䛔䠅 16 㠀ᐃᆺⓗ⎔ቃ 䝝䞊䝗䞉䝋䝣䝖䞉⎔ቃ䛾୕୍య䛻䜘䜛 䛂䝻䝪䝑䝖䝞䝸䜰䝣䝸䞊䛃䛾᥎㐍 䝝䞊䝗ᢏ⾡ • 㧗㏿⢭ᐦ䝉䞁䝅䞁䜾 • ᑠᆺ䞉㧗ฟຊ䜰䜽䝏䝳䜶䞊䝍 • ேᕤ➽⫗䛺䛹᪂⣲ᮦ • • • • • 䝋䝣䝖ᢏ⾡ • ≧ἣ䞉ே䛾⾜ື䞉ゝㄒ䛾⌮ゎ • 䝻䝪-䝻䝪䚸ே-䝻䝪㐃ᦠᇶ┙ • ⤫ィ-ㄽ⌮䝝䜲䝤䝸䝑䝗▱ⓗฎ⌮ 䠝䠥䠄ேᕤ▱⬟䠅䛜⬟ຊ䜢Ⓨ䛷䛝䜛䜘䛖䛺≀⌮/ሗ⎔ቃ 䝻䝪䝑䝖䜈䛾≀⌮䞉ሗ䜲䞁䝍䝣䜵䞊䝇䜢ഛ䛘䛯ᮦᩱ䞉㒊ᮦ䞉⎔ቃタィ 䝭䝗䝹䜴䜵䜰䞉䝻䝪䝑䝖⎔ቃ㒊ᮦ䛾ᐇ䛸ᶆ‽ ᑐே㛫ඃᛶ䜢᳨ド䛩䜛䛯䜑䛾⤫ྜ䝍䝇䜽 せ⣲ᢏ⾡䛾㐃⤖ྍ⬟ᛶ䜢᳨ド䛩䜛䛯䜑䛾⤫ྜ䝍䝇䜽 䝻䝪䝑䝖䝞䝸䜰䝣䝸䞊⎔ቃ䜢᥎㐍䛩䜛ἲไᗘ䞉♫ไᗘ ⎔ቃタィ䜢ྵ䜑䛯䝷䝕䜱䜹䝹䛺䝻䝪䝑䝖䛜ྍ⬟䛺 䝍䝇䜽䞉⫋✀䞉㡿ᇦ䜢ୡ⏺䛻䛥䛝䛜䛡䛶Ⓨぢ䞉ᐇ⏝ 䝝䞊䝗䞉䝋䝣䝖䞉⎔ቃ䛾୕䛴ᥞ䛔䛻䜘䜛 䝻䝪䝑䝖䞉䝋䝸䝳䞊䝅䝵䞁䛾ໟᣓⓗᥦ౪ 17 䝯䝕䜱䜰ᥖ㍕ Wall Street Journal,Fortune Magazine, IEEE Spectrum, The New York Times, ㄞ䠈ᮅ᪥䠈᪥⤒䠈ẖ᪥, ᮾி, ᪥⤒BP䠈 䜶䝁䝜䝭䝇䝖䠈᪥⤒䝁䞁䝢䝳䞊䝍䠈⛉Ꮫ,…㻌 NHK䝇䝨䝅䝱䝹 䛂䝁䞁䝢䝳䞊䝍㠉㻌 ᭱ᙉ㽢᭱㏿䛾㢌⬻ㄌ⏕䛃 NHK 䝙䝳䞊䝇7㻌 䛂ேᕤ▱⬟ 䠐䠌䠌Ꮫ䛷ྜ᱁ ᅪෆ䛻䛃 BS ᪥䝔䝺䛂ᮾ䜢┠ᣦ䛩䛂ᮾ䝻䝪䛟䜣䛃Ⓩሙ䟿 㢌䛾䛔䛔䝻䝪䝑䝖䛷♫䛿䛹䛖ኚ䜟䜛䛃㻌 … 18 資料 3 「インテリジェント化が加速するＩＣＴの未来像に関する研究会」 第３回 1. 日 議事概要 時 平成 27 年 4 月 6 日(月) 16:00～18:00 2. 場 所 中央合同庁舎 2 号館 11 階 3. 総務省第 3 特別会議室 出席者（敬称略） 【構成員】村井座長、荒木構成員、岩田構成員、岩本構成員、江田構成員、川上構成員、下條 構成員（ＴＶ会議参加） 、関口構成員、西川構成員、森川構成員 【総務省】西銘総務副大臣、阪本総務審議官、鈴木情報通信国際戦略局長、南政策統括官（情 報通信担当） 、泉情報通信政策研究所長、小津調査研究部長 4. 議事要旨 (1) 総務省挨拶 第三回の開催に当たり、西銘総務副大臣より挨拶が行われた。 【要旨】 今回は ICT のインテリジェント化が今後のビジネスをどのように変えていくか、物事のデー タ化が究極まで進むと、その利活用がどうなっていくのかということについて議論すると聞 いている。これまでの議論と併せて、ICT のインテリジェント化の主な要素が揃うことで、 今後、課題の整理が進むのではないかと期待いたしている。 先般、参議院の総務委員会（平成 27 年 3 月 24 日）でシンギュラリティに係る将来展望につ いての質問がありました。高市総務大臣は本研究会における検討に言及した上、ICT の発展 が私たち国民に一層の恩恵をもたらすよう、議論を深めてまいりたい旨の答弁をされた。か ように各方面において関心が高まる中、本研究会でのご議論が進み、将来展望が開けること を強く期待する。 (2) 構成員からの発表 ○「ICT のインテリジェント化と今後のビジネス」（岩本構成員） 【要旨】 情報の 3 階層： Data、information、Intelligence の 3 階層で情報は飛翔していく。ビック データの時代になると、いろいろなデータが全てデジタル化し、集めて処理をしやすくなる。 しかし、ビッグデータがそのまま Information、Intelligence になるわけではなく、高度化 した ICT によるエンパワーされたフィルタがそれを可能にする。 ICT の指数関数的飛躍：ICT の飛躍的な世界で何が原動力になっているかというと、私が三大 要素技術と呼ぶ CPU、ストレージ、ネットワークの進化である。1993 年頃から上述 3 つのチ ャンピオンデータを取っているが、間違いなく指数関数的に伸びており、この 20 年で CPU は 300 倍、ストレージは 3,000 倍、ネットワークは 3 万倍かそれ以上のスピードで進化してい る。指数関数的に伸びていくというのは、初期の変化は気づかない程度であるが、あっとい う間に大きな変化になっているということである。 3 階層の進化の過程：三大要素技術が指数関数的な勢いでエンパワーしたときに、Data、 Information、Intelligence がどのように変わると認識するべきか。まず、Data は全ての物 が可視化されるということである。そこから必要な Information を抽出し、さらに判断の源 である Intelligence まで昇華することが出来る。現在では、更にその先の人間がやっていた 判断や行動までコンピュータが行うことが現実になってきている。 近未来のコンピューティング：あらゆる業種、業界の枠を超えて、デジタルの世界が驚異的 に進展する近未来では、エッジヘビーデータになると考えられる。いろいろなモノが全てイ ンターネットに繋がり、多くのセンサーや様々なデバイスが我々の周りを取り囲むようにな り、数ミリ秒のレイテンシーも無視できないリアルタイム処理をする時代になる。そうした ネットワーク全体が 1 つの大きな処理をするような形になる場合、クラウドだけでなく、エ ッジコンピューティングという考え方も重要となってくるだろう。 雇用の問題：過去に製造業の領域では機械化によって雇用が減り、それらの労働者はどこに 行ったかというと流通業、宿泊業、飲食サービス業等のサービス産業にシフトしていったと 考えられる。今回の ICT・AI の進展でホワイトカラーの労働者はどこにいくのかという問題 も出てくる。 AI の制御の問題：チェス・将棋など計算能力ではコンピュータは人間の能力を超え始めてい るが、人間の代替となるには、脳の仕組みについて更なる研究を行う必要があると考える。 ニューヨークの証券取引所で 2010 年に起きた フラッシュクラッシュのように、コンピュー タによって人間が意図しない事象が起きることも考えられる。必ずしもいいことばかりでは ないため AI の暴走を制御できる仕組みも必要と考える。 日本の競争力：ICT の活用に日本企業と米国企業で見ると圧倒的に差がある。日本企業はま だ業務の効率化やコスト削減が目的の一番にくるが、米国の企業は新しいサービスやビジネ スモデルの変革に活用をしている。これからデジタルの社会が進化していく中で、日本の CEO の ICT に対する理解を向上するべきで、教育・啓蒙も必要だと考える。ICT 人材がベンダー 側に多い日本では、企業と ICT ベンダーの共創モデルが大変重要と考える。 ○「あらゆるものごとの『データ化』とその利活用の展望」（森川構成員） データ駆動型経済：データ駆動型経済は、データドリブンエコノミーという言い方もされる。 データさえ集めれば、色々なものと連携して新しい価値を生み出していくという流れを google 等の企業は作っている。これからは新しいデータとして、モノのデータ、ヒトのデー タ、それを誰がどのように集めていくのか、ポイントになっていくと考える。 モノのデータ：モノのデータに関しては、IoT という形で言われているが、私見として、生 産性の低い分野にデータあるいは IoT を適用することによって価値も高めていくと考える。 ICT 関連企業は GDP の円グラフで言うと、10％の情報通信産業を対象に仕事をしてきたが、 これからの ICT はそれ以外の 90％の産業セグメントが非常に大きな市場になっていくのでは ないかと考える。特に医療領域ではデータを利活用して、生産性を高め、価値を作っていく ことが重要と考える。 ヒトのデータ：Google のコンタクトレンズとか NTT の hitoe など、少しずつヒトのデータを 集められるようになり、さらにコンピュータが身体の一部になり始めてきて、超人的な身体 強化という世界が生まれてくると考える。また、ナノテクノロジー、遺伝子工学、生物学、 情報通信技術が融合することによって、新しい形のコンピュータ、新しい形の人間とコンピ ュータのインタラクションがこれから始まっていくと考える。 日本の競争力：日本はユーザ企業での ICT 技術者がいない。したがって逆に考えると、ユー ザ企業をスマート化していくために色々なチャンスがまだまだたくさんあると考える。さら に人材面で、デザイン能力が求められる。デザイン能力とは「気づく」・「考える」・「試 す」・「伝える」能力で、特にこれから求められるのが「気づく」能力と「伝える」能力で、 農業にしてもシビルエンジニアリングにしても水道系にしても、そういった人たちに ICT、 IoT を使うと、こんなことが可能になるのだということを伝えられる「気づく」能力と「伝 える」能力の両方を兼ね備えていかなければいけない。 雇用の問題：アメリカでこれから小学校に入る学生の生徒が大人になって就く職業の 65％は、 今はない職業だと言っている。100 年前は全人口の半分が農業人口だったことを考えると、 職というのは時代によって生まれてくるのではないか。ICT あるいは IoT が全ての産業セグ メントに入っていくということを考えると、特に地方で新しい職が生まれていくのではない かと考えている。 制度設計に関して：新しい技術が入り込んでくるときには、どうしても制度との齟齬が発生 してくる。それに関しても技術屋とか研究者はしっかりと制度まで考えていかなければいけ ないのではないかと考える。よって新しい技術は制度とのバランスもしっかりと考えながら やっていかなければいけない。 ○「ICT インテリジェント化時代におけるグローバル社会での成長に向けて」（江田構成員） シンギュラリティへの過程：オリンピックの区切りで見ていくと、1964 年の頃メインフレー ムが始まってきて最終的に 2045 年にテクノロジー・シンギュラリティが起こると言われて いるが、その前にクラウド上である程度、人工知能の集約というものが起こりつつあるので はないか。それが恐らく 2020 年のオリンピックに向けて、ある程度の形になってくるのでは ないかと想像する。 ユーザ企業の積極性：米国西海岸の状況と比べ、ユーザ企業からのアグレッシブな姿勢が日 本の業界ではあまり見られない。事業を開発していくのは、事業会社であり、一番中身を知 っていて、どういうデータがあって、どういうことが可能になっていくというイマジネーシ ョンは一番もっているはずなので、こうしたユーザ企業側の積極性が求められると考える。 教育の問題：10 年前には存在しなかったが現在の人気職種というものが複数存在する。現在、 各国、各企業、色々なところにデジタル化であったり、新しい世界に対応していく 21 世紀 型のスキルであるとか、問題解決能力、提案力などの教育に注力している。そうした流れの 中で我が国の教育もついていくようにしなければならない。ICT 企業が革新を起こすよりも、 産業が ICT を利用していくこと、そして、どうやってトップレベルの人材を確保して、この 地でイノベーションを起してもらうか、こういったところが課題であると考える。 価値構造の変化：シンギュラリティの世界に向かっていくと、機械化が進んで、マニュファ クチャリングは人間が考え及ぶ以上の効率化が進んで、ここのバリューが出しにくくなって くるのではないか。そうなってくると、R＆D のところを各社で競い、マーケティングのとこ ろでもクラウド企業の協調、競争が起こっていくと考える。そうした世界になると、安価な マニュファクチャリングに依存してきた中国などは変革を迫られ、アジアを経済圏と考えた ときの日本の役割等も検討課題となると感じる。 国際的な課題：安価な労働力による生産というのが成長のエンジンではなくなった時に、人 口が伸びて、若い世代が多いアジアの国々はどうやって、この成長を考えていったらいいの か。そして彼らが今後の国の発展を考える上で、日本はどういう役割をできるのだろうかと いうことを考える必要がある。他にも、消費もマニュファクチャリングがかなり機械化され ることによって、安価になってくると、消費活動を支えてくる経済活動の基は何なのだろう ということも課題と考える。 ICT インテリジェント化時代におけるグローバル社会での成長：優秀な人が集まる仕組みを いかにつくるかに関して、データに近ければ近いほど、今そこにトップタレントが集まって いると聞いている。東京大学からも優秀なデータサイエンティスト候補が Google に引き抜 かれるような構造になってくると、人材が集まらない。これは今後の日本の経済活動を考え ていったときに大きな課題となる。 労働流動性の課題：継続的にイノベーションを起していくために多様性、労働流動性が求め られる。今、多様性が叫ばれてはいるもの、このスピードで社会が変わっていく中で、追い つくかということは不安材料である。また、労働流動性に関しては、職能横断的な知識や、 学問横断的な知識を醸成する環境の下に我々が経済活動をしできているかということも検討 課題としたい。 (3) 意見交換 （村井座長）今回、発表していただいたこと、あるいは今まで発表していただいたことを含めて ご議論いただければと思います。どなたからでも結構ですので、少し話題を提供していただ ければと思いますが、いかがでしょうか。 （岩田構成員）３点ほど皆様にお伺いしたい。人材と雇用の問題について、米国で最近発表され た論文では機械化の雇用に対する影響については厳しく見ている。技術革新のスピードが早 過ぎて、雇用の増加につながらず、技術的失業が発生する懸念があるのではないか。また、 ICT 人材が日本の場合にはベンダーに偏在している一方で、イノベーションはユーザサイド で起きている。CIO の整備を含め、企業がユーザサイドで ICT を戦略として活用するような 体制に変われるのか。さらに、グローバルに見て ICT に注力しているインドのような国が、 BPO（ビジネス・プロセス・アウトソーシング）分野でマネジメントや高度なコンサルティン グのような分野にまで力を伸ばすことを狙っている中で、日本が劣後するリスクがあるので はないか。 （岩本構成員）人工知能に関しても、俗に言うホワイトカラーの様々な職種も今後は効率化が進 むと考えられるので、新しいモデルを培っていくべきと考える。歴史を振り返ってみると、 新しい仕事ができてきて、その仕事にシフトしていっているので、新たな仕事が ICT で生ま れてくるとポジティブに考えたい。さらに、日本が再生していくためにはイノベーションが 重要で、日本は今の大きな企業の中でイノベーションが起きることが一番重要ではないかと 考える。そのイノベーションの元に、新しい労働のマーケット・仕事が生まれてくるのでは ないか。 （森川構成員）IoT という言葉が思った以上に広まってこれまでの ICT のバズワードと一線を画 している。今は東京を中心として大企業がメインだが、これが中小企業まで浸透すると大き な変化が起こると考える。ドイツは製造業分野に注力しているが、これからは全産業で進む はずで、そこは一種のイノベーションなのだろうと思う。それをプッシュしていくべきで、 そのためにこれをやるとこんなにいいのだというベストプラクティスを伝えていくことが重 要。 （江田構成員）雇用関連に話が及ぶと、悲観的な話になることも多いが、時代とともに革命のと きには仕事の内容が変わっていくので、大切なのはその変化に動じないような総合力を持っ た人材を育てること。また、日本人が得意とする細かなニーズを拾っていくところに可能性 を感じていて、それが今日本にこれだけ外国人に来たいと思うのもその一部だと思う。そう いったところに、新しい日本的なイノベーションが生まれてくるのではないかと楽観的に考 えている。 （村井座長）そもそも本当に歴史上、人間の仕事をコンピュータが奪ったのか。 （関口構成員）人工知能がホワイトカラーの部分を奪っていくという議論の中で、日本の競争力 の維持のためには、それに必要な技術を作る側に人間が回って、人材を育てなければいけな い。また、日本は垂直統合型ビジネスを水平分業型にできるようなものを製造業の世界でや らなければいけない。インターネットが出来てから 20 年、関連の標準化は全部アメリカに取 られ、ネット販売・検索・ソーシャルメディア・クラウドすべてアメリカが主導である。そ れを今度の 20 年は製造業でそれが進む中で同じことが起きると、日本の競争力は危機的なの で、国としても企業としても、もっと横断的にやらなければならない。 （村井座長）工場労働者がコンピュータで減ってしまったので困るのではないかというところか ら話が始まっているが、労働がどう変わるかという点について、新しいビジネスに取り組ん でおられる川上さんのお考えをお聞きしたい。 （川上構成員）ICT の発展によって仕事は増えている。実際には今まで無視していたデータをた くさん増やすことで、結果として仕事は増えている。これが将来、人工知能などの発展で維 持されるのかが課題で、現実問題としては、たくさんのデータを作り、それを処理しても結 局、解釈する部分で仕事が増えていたところが機械に置き換わってしまうのではないか。そ の中で人間がやれる部分として何が残っていくのかを考えていく必要がある。 （荒木構成員）新しい技術の導入によって仕事が減るのではないかという議論について、何か新 しい仕事を作らなければいけないという方に発想がいっているが、導入した技術を使うため の仕事もおのずと増えるはずである。もう一つ、この研究会内の議論の中で、雇用や日本の 競争力の問題が出るが、こういう未来が来たときにはこういう仕事が生まれているとか、使 いこなすためにこういう人が必要になるという、人間の必要性の展望を出すことが重要では ないか。 （下條構成員）職を奪うか、奪わないかということに関して、人口の比率と時間的なスケール、 一生の職業かどうかということを配慮すると、圧倒的に奪われていく方になる。それは悲観 的というわけでなく、仕事と仕事以外の区別というものの定義が変わっていくような世の中 になるのではないか。もう一点、ヒトとコンピュータが入り乱れて大規模なネットワークを 作って協調する、ないしは競合する時に、システム全体としての頑強性の議論も必要ではな いか。 （西川構成員）今のディープラーニングがヒトの脳を模倣できるかどうかと言うと、まだ当分、 先の未来だと思っている。自動運転で人よりも高い精度を出すというときに、人間と同じ思 考をして高い精度を出すのではなく、コンピュータ側は問題の解き方を変えて、たくさんの センシングデータを環境とインタラクションして、認識精度を上げる。それだけ特徴を広げ ることができれば、処理するアルゴリズム自体は別にそこまで複雑なものではなくても、人 間の脳を部分的には超えられるが、当分人間とコンピュータの棲み分けは続くのではないか と考える。 （村井座長）これまでの議論で最も重要なのは、人間のためにいかにテクノロジーが使われるか ということである。必ず人間が幸せになる方向にテクノロジーを使おうとするのではないか。 その中で人間ができること・考えることをコンピュータが行えるようになったとしても結果 的に人間の幸福につながるのではないか。では、次にどうすればいいかということをデザイ ンしなければいけない。技術的な壁を越えてシンギュラリティに近いような世界が来たとす ると、コンピュータ・ネットワークを使って何をするのかを考える必要があると思いますが、 この点いかがでしょうか。 （川上構成員）本当に人工知能が人間のためになるのかということに関して、まず人工知能が誰 に帰属するのかということが今後、問題になってくる。ある意味で人類の歴史で共産主義が 誕生したのは、産業革命が原因。産業革命で機械が大量に物を生産するとき、資本という媒 介物に辿りついたけれども、それをどう分配するかということで、共産主義というものが生 まれたのだと思う。それと同じように人工知能（革命）が起こったときに、確実に知的活動 をやっていることで好機を得ている人たちの収入というのを人工知能から得ることになった ときに、その収入はどう配分されるのか。資本主義のときのように、問題があるということ で共産主義が生まれたのと同じように、そういった議論が起こるのは避けられないと考える。 （関口構成員）人工知能と人間の関係を対極的というか、相反するものとして捉えるのは違うと 考える。主従関係がしっかりしていれば、人間を脅かすわけではなくて、むしろ人間がその 分、余暇の時間が生まれるなど豊かな社会が作れると思う。そうした「使う」側のフレーム ワークをどう作るかというところが大事だと考える。先々のネガティブな側面を憂慮して止 まっていると、国際競争の中で日本は敗れ、我々はまた他国が作った人工知能を使わざるを 得なくなってしまう。このことの方が私は問題と考える。 （岩本構成員）人間社会の平和と幸せのために作ったとしても意図しない負の側面が必ずどんな テクノロジーにも出る。自動車の交通事故や原子力もそうである。しかし、技術の進歩を絶 対に躊躇してはいけない。ただ、マイナスの側面が起こることだけは常に冷静に謙虚に意識 しなければいけない。 （村井座長）人工知能を開発する分野で日本は希望があるか、それとも悲観的か。 （森川構成員）IoT は希望があると考えていて、逆に日本的だというのが認識である。それは気 遣いみたいなものが絶対に必要な分野になるということと、社会の隅々まで入っていく地味 な分野が得意というのが強みの理由に関する私の見解。 （村井座長）基本的にネットワーク上でソフトウェアが提供するのはサービスであり、日本は人 間が要求するサービスのクオリティが高いのではないか。 （岩本構成員）IoT はあらゆる業種に入ってくる。スポーツや食など様々な分野に入ってくる。 そうなったとき、日本人が持っている特徴はものすごくいい形で出てくるのではないか。あ とは、日本のように災害が多いところでは、防災・減災の分野など、かなりやれることはあ る。 （江田構成員）ビジネスとしてスケールするためには日本だけを見ていてはダメで、グローバル にみていく必要がある。 （荒木構成員）かつて国産 OS を作ろうとか、国産コンピュータを作ろうという話があったが、既 に世の中に明らかに先行している技術がある場合には、同じものをゼロから作ったらもった いない。それであれば、その技術を先陣切って取り入れて世界一のユーザ国家になるのがい いのではないか。少子化も高齢化も進んでいて人が不足している中で、とにかく世界に先駆 けて導入し、課題やニーズが出てきたら自分たちで解決策を作る。まず技術を取り入れるこ とで、技術や製品などを使うための仕事が生まれてくると思われるので、その先陣を走って いくのが良いのではないかと考える。 （下條構成員）非常に肯定的な意見と不安とが両方ある中で思うのは、人間の想像力には案外限 界があるなということである。将来を予測しようとすると、現在の外挿（既知のデータを基 にしてそのデータの範囲の外側で予想される数値を求めること）しかできないということが あるので、それを前提に将来の話は近未来も含めて色々としないといけないと感じる。一方 で、まずはやってみないと倫理の問題もわからないということもある。よって、慎重であり つつ、かつ建設的なまとめをするべきと考える。 （村井座長）本日議論された産業や労働、そしてグローバルな視点と共に、下條先生のご指摘も 大変重要である。時間は限られているが、引き続きこの研究会の取りまとめにご協力いただ きたい。 (4)その他 次回会合については、別途総務省ホームページにて案内する。 以上。