令和8年3月27日（金曜日）15時00分～17時00分
文部科学省東館17階 局4会議室 及び オンラインのハイブリッド形式
川原主査、相澤委員、合田委員、牛久委員、大上委員、桂委員、北野委員、小長谷委員、泰地委員、高橋委員、津田委員、松岡委員、溝口委員、横山委員
淵上 研究振興局長、坂下 大臣官房審議官、倉田 ライフサイエンス課長、服部 参事官（ナノテクノロジー・物質・材料担当）、阿部 参事官（情報担当）、栗原 計算科学技術推進室長、轟木 参事官補佐
赤池 科学技術・イノベーション推進事務局参事官（統合戦略担当）、水井 科学技術・イノベーション推進事務局参事官（統合戦略担当）参事官補佐、大西 総務省国際戦略局技術政策課技術革新研究官、戸佐 外務省経済局経済外交戦略課主査、徳増 経済産業省商務情報政策局情報技術利用促進課専門官、永野 科学技術振興機構研究開発戦略センターフェロー
【川原主査】 それでは、定刻となりましたので、AI for Science推進委員会の第3回会合を開催いたします。
委員の皆様におかれましては、お忙しいところお集まりいただきまして、ありがとうございます。
本日も、現地出席とオンライン出席のハイブリッドで開催しております。
本日の委員会は、事前に登録のあった報道関係者1社による撮影を認めております。撮影時間はこれより冒頭の3分程度といたします。撮影は会議の進行の妨げにならないように御配慮をよろしくお願いいたします。
なお、頭撮り終了時間となりましたら、報道関係者の皆様には御退室をいただき、その後、議事に入らせていただきます。
それでは、報道関係者の皆様は撮影をお願いいたします。
まず、出席者の御紹介、配付資料の確認と、ハイブリッド開催に当たっての注意事項について、事務局より説明をお願いいたします。
【轟木補佐】 事務局でございます。まず、本日の出席状況について御案内をいたします。
丹波委員が御欠席となりますが、SB Intuitions株式会社、井尻代表取締役社長兼CEOにオブザーバーとして、15時半頃から御参加をいただけると聞いてございます。
また、牛久先生におかれましても、15時半頃から途中参加というふうに聞いてございます。
また、オブザーバーといたしまして、関係各省及び関係機関より参加をいただいております。どうぞよろしくお願いいたします。
続きまして、議事次第に基づき、配付資料を確認させていただきます。現地出席の方は、お手元の配付資料、オンライン出席の方は、ダウンロードいただいている資料の御確認をお願いいたします。配付資料、資料番号0から1－1、1－2、1－3、2－1、2－2、参考資料が1から3となってございます。もし現時点でお困り事ですとか不具合などございましたらお知らせいただければと思います。なお、現地出席の委員の方は、机上配付資料2－1、2－2を配付させていただいています。こちらは非公開のところで扱わせていただければと思いますので、御承知おきいただければと思います。
続きまして、ハイブリッド開催に当たっての注意事項を申し上げます。運営の都合上、現地出席の方も含めて、御発言いただく際は、「手を挙げる」ボタンを押して御連絡をいただければと思います。御発言される際は、マイクをオンにした後、名前をおっしゃってから御発言いただければと思います。
事務局からの御案内は以上になります。よろしくお願いいたします。
【川原主査】 ありがとうございました。
本日は、AI for Scienceの推進に向けた基本的な戦略方針（案）について、それから、「AI for Scienceによる科学研究革新プログラム」についての2件の議題を予定しております。
なお、議事1、議事2について、公開の場にて行った後、AI for Science推進委員会運営要綱第2条に基づき、非公開の場でも意見交換をさせていただきます。
頭撮りについて、お時間となりましたので、報道関係者の皆様におかれましては、撮影を終了し、御退室をお願いいたします。
それでは、議事1に移ります。AI for Scienceの推進に向けた基本的な戦略方針（案）につきまして、事務局より御説明をお願いいたします。
【阿部参事官】 事務局より御説明申し上げます。まず、資料0を御覧ください。前回第2回でいただいた主なコメントをまとめているものでございます。
研究データにつきましては、データの量の見極めの話、データ化するメカニズムの導入の御指摘、どのぐらいのデータが蓄積されているか、調査・議論が必要ではないかといった点。また、スパコンとの連動性やデータファクトリー政策の御指摘、データの質を含めてどのようなデータが大量に取得できるかの検討であったり、時間軸、こういったものも含めて検討する必要があるのではないかという点。それから、他国の人は利用できるが日本人だけが利用できないという状況は避けるべきといった御指摘や、プラットフォーム整備やインセンティブの設計等について御指摘がありました。
人材育成につきましては、社会人ドクター等を明記したほうがいいのではないかという点と、国研等を加えるべきではないかという点。データベースの整備をするなどの研究者とは違った人たちの存在も重要と御指摘。
重点分野につきましては、日本として重点化したい領域は、データを取得できる仕組みを構築することも必要という御指摘。
アプリケーション・ソフトウエアにつきましては、ソフトウエアも非常に重要な点であること、開発されても埋没してしまうことが懸念されるため共有される場の形成についても検討すべきではないかという点。それから、積極的なインセンティブ政策も必要ではないかということ。ソフトウエア活用に関する要素が目標に上げられてもいいのではないかということ。データとソフトウエアは不可分であるというところで、ツールの品質保証の仕組みなどについての検討という御指摘がございました。
その他のところですけれども、出口として、論文数だけではなく、創出されたインパクトが重要ではないかということで、多産多種的な考え方の必要性や、研究を加速させるAIが必要という御指摘。それから、特定の分野をリードするためには、2,000人で100万GPUぐらいの規模感の計算資源が必要ではないかという御指摘をいただきました。
AI for Scienceにおける科学研究革新プログラムに関しまして、チャレンジ型については定常化する方向で発展させてほしい、チャレンジ型とプロジェクト型の差が非常に大きいため、ステップアップしていけるようなミドルクラスの事業も検討いただきたいといった御指摘。それから、データセット構築のための費用が重要ではないかといったこと、また、AI分野の成果はコンペティションから生まれてくる例もあるといった御指摘をいただいたところでございます。
続きまして、資料1－1、1－2、1－3を使って御説明をさせていただきます。
資料1－1、AI for Scienceの推進に向けた基本的な戦略方針（案）でございます。主な変更箇所を黄色に塗っていますので、その部分を中心に説明したいと思います。まず6ページ目、重点分野につきましては資料1－2を御覧ください。
資料1－2、重点分野について（案）となってございます。前回いろいろ御指摘いただいたところ、それから、今の政府の検討状況等を踏まえて再整理をさせていただいたというものでございます。AIが経済・社会を大きく変化させる中、AIに係る研究開発等を官民挙げて推進し、日本の自律性・不可欠性の確保及び将来性のある成長産業の創出を進める必要があるというところ。また、諸外国同様、経済成長、国家安全保障等の観点から技術領域を特定し、政策リソースを重点投資して、戦略的な支援を進める必要があるという、こういった考えから、今日の朝に閣議決定されました、第7期科学技術・イノベーション基本計画におきましては、重点技術領域として17領域が選定されている状況でございます。
具体的には、6ページ目を御覧ください。こちらにマル1から17とございますが、こういった領域が特定されているところでございます。見ていただきますと分かるとおり、AI for Scienceの文脈からは少し距離感がありそうなものも含んでいるところがございまして、そういった観点から1枚目に戻っていただきまして、2ポツ目になりますが、今後5年間を集中改革期間と位置づける本戦略方針においては、この考え方を踏まえ、当該17領域を重点分野として推進する。他方、その際、AI for Scienceの推進においては、日本がパワープレイできる領域なのか否か、できなくとも必須の領域なのか等の分析とともに、日本の強みを生かした研究開発の推進が必要であるとさせていただいておりまして、この観点から、具体的な事業の推進等においては、以下の点が重要となるということで4点挙げてございます。
1つ目が、現に世界トップレベルで研究がなされていることということで、具体的にはAI自体の強化を含め、AIを組み込むことで革新的な成果が出せることを補足に書いております。
2点目が当該分野（領域）において日本の強みを有しているということで、これまでも日本の強みは何ぞやという議論をしてきたところがございますが、情報基盤社会、研究基盤、社会基盤などの強みというところでございます。
3つ目がデータというところで、日本が強みを有するデータセットがある、もしくはそれが創出できることが重要ではないかという点。それから、補足で書いていますが、極めて先駆的な観測・実験を行う研究や、大量の高精度データを創出するノウハウや方法を有する研究等を含むということで記載してございます。
その上で、具体的な事業のターゲットを検討していくに当たりましては、こういった上記1、2、3に加えて、データ駆動型の研究やAI研究者とドメイン研究者の協働の取組、ここは重要な要素になるということで記載しております。
今申し上げたターゲットに関しまして、当面のターゲットの例を2枚目に記載してございます。春以降、これからスタートさせる予定で検討しておりますAI for Scienceによる科学研究革新プログラム、このプロジェクト型におきましては、1つ目として、従来型の分野区分にとどまらず、当面3年程度の野心的なターゲットを具体的に設定し、研究開発の加速及び社会実装を図る取組、もう一つが、新たな勝ち筋の探求を含め、分野横断的な融合領域や優れたアイデアを拾い、世界トップレベルの研究機関・研究者等の戦略的な国際連携等を図る取組、こういったものを両方推進してはどうかと考えてございます。
1つ目で申し上げました野心的なターゲットにつきましては、次のところに記載していますとおり、AI開発に求められるデータセットがあるかどうか、また、AI研究者とドメイン研究者の協働など、既に準備・試行に着手しているところ、そういったところを加速するというところが重要ではないかと。
さらに下の3点になりますけれども、いずれかに該当するものと書いておりますけれども、1つ目として、特に産業インパクトや国際競争力を発揮し得るものであって、世界的に未踏でありながらインパクトが大きく、相対優位を確立し得るものであったり、また、研究開発生産性の向上に大きく影響を及ぼし得る基盤的なものであったり、さらに公共性が高く、民間のみでは対応が困難なものや、国の自立性・不可欠性に係るもの、こういったところを狙っていくべきではないかということでまとめております。
これだけではなかなか分かりにくいところもありまして、ターゲット例というところで記載しておりますが、1つ目はマテリアルの関係になりますけれども、新素材開発速度10倍の潜在力を有するようなAI駆動ラボシステム、こういったものを開発することで、我が国企業が国際的サプライチェーン上不可欠なマテリアルを量産するというところを目指していくというものであったり、また、2つ目は、ライフ系になりますけれども、大規模なデータ取得を通じて、高機能なバイオ製品の高効率設計を実現するバイオ生成基盤モデルの開発、こういったものを進めることにより、高精度かつ高効率なバイオ製品開発や創薬等に貢献していくことを目指すというもの。3つ目は横断的になりますけれども、AIエージェント群による、世界最先端大型研究施設・研究装置からの大量・高品質データの産出や、仮説検証・実験の自動化・自律化を実現するというところで、新規性の高い研究を探索的に行うシステムの開発を通じて、科学研究の新しい方法論を示していくということを目指すということが、ターゲットの例ということで記載しております。
一番下のポツにありますとおり、なお書きになっていますが、事業における具体的なターゲットにつきましては、基金事業になりますので、並行して作業しております基金事業の基本方針において詳細化をしていくということで記載してございます。
以降のページは参考ということで、これまでの資料を入れておりますので、眺めていただければと思います。
続きまして、先ほどの資料1－1、戦略方針の案に戻っていただきまして、7ページ目になります。AI for Scienceの推進におけるAI利活用に係る研究データの取扱いに関する考え方ということで記載しています。まず、前提としまして、政府方針としてAI基本計画や第7期科学技術・イノベーション基本計画におきましては、オープンサイエンスをさらに推進するという観点で、オープン・アンド・クローズ戦略の下で研究データの管理・利活用を推進するとなってございまして、加えて、研究データの基本的な考え方というものが既に示されており、FAIR原則など国際的な潮流及び慣行等に留意して、研究データの特性等に応じて「公開」、「共有」、「非共有・非公開」を適切に判断することが求められてきたというところでございます。
こうしたことに加えて近年、AI技術の急速な進展等から、本来保護されるべき研究データや情報が予期せぬ目的に使用され、また第三者に提供される等、想定外の不利益を被る可能性が指摘されているところがございます。そのため、非公開とすべき研究データや、公開・非公開を慎重に検討すべき研究データ、こういったものにつきましては、AIサービス・システムを使用する場合に、使用の可否や契約等を慎重に検討する必要があろうと考えてございます。
そのため、この研究の促進とリスクの低減の両立を図ることが大切になるところですけれども、過度な制限を設けることは、研究や国際連携の抑制につながり、結果として研究力向上やイノベーション創出に影響を及ぼしかねないという面もございますので、生じ得るリスクに応じて適切な範囲で軽減することを基本的な考え方とするということで、別添2、具体的には18ページを御覧ください。
こちらに考え方を2ページにわたってまとめてございます。確認項目（チェックリスト）というタイトルになってございますが、オープン・アンド・クローズ戦略の下でという前提でございますけれども、研究データの特性に応じて適切に取り扱う必要があるということで、まず、研究データの適切な管理の責任者を明確にするという点と、利用者とAIシステム・サービス提供者間の責任の所在を明確にするというのは、基本的なところとしてあるのだろうと。その上で、囲っておりますとおり、原則公開とするもの、原則非公開とするもの、そして慎重に検討すべきものという分類をしてございます。
公開とすべきものにつきましては、論文のエビデンス等これまでも公開しているものであったり、また、国際合意等に基づいて公開を前提として研究を行っているものもございますし、これは今までどおりかと思っております。それから、非公開とするものにつきましても、輸出管理や個人情報等、国内法令やガイドライン等で既に制限があるものであったり、また、企業の秘密性、研究の新規性、また、安全保障等の観点から留意すべき研究データということもこれまで示されていたところでございます。これに加えて、少し慎重に検討すべきものありますよね、というところで、安全保障や産業競争力、科学技術・学術上の優位性、こういった観点から、重要な情報を含み得るということもありますので、そういった可能性があるものについては慎重に検討すべきだということを記載してございます。
そういったものについて、下にチェックリストでマル1から4まで記載しております。1つ目が、利用者が認めた者以外が当該研究データにアクセスできる環境になっていないかどうか、また、安全な通信手段が確保されているかどうかという点。2つ目が、想定している目的以外に使用されない形になっていないかという点。3つ目が、国内法以外の法令等及び規制が適用されることによって、データが強制的に開示されるリスクというものも指摘されているところがございますので、必要に応じて研究データ等の取り扱われる場所などをちゃんと指定するということも必要であろうということで記載してございます。それから、4つ目として、成果物から学習データが推測・復元されるリスクもあるという指摘がございます。そういったことから、成果物の公開・共有方法等について、リスクを適切に管理する対策が取られているかどうかという点の確認が必要かというところで、少し字が小さいですけど、米印のところで、例えばというところになりますが、データの量の制限だったり、入力するデータの匿名化であったり、モデル等についての公開・共有の適切な形態の設定等を確認するということがあり得るかと思っております。
上記マル1、2、3、4に関しまして、この辺りがなかなか確認できないという場合におきましては、研究データの特性等に留意しながら、公開データのみを使った研究をやってみるとか、データの量・質、それから時間軸含めてそういったことを制限するとか、秘密計算等のデータ保護技術などを活用するといった、保護されるべき研究データが予期せぬ目的に利用されたり、また、第三者に提供される等、想定外の不利益を被ることがないように適切に措置を講じていただきたいということを記載してございます。
あと、なお書きのところでございますけれども、国際共同研究等では、当然ながらギブ・アンド・テイクの中でやっていく部分があるわけでございますけれども、そういった部分におきましては、互恵的な関係を前提としつつ、プロジェクトリーダー等の確認の下で適切に共有の範囲を確認する等々、取扱いを確認してもらうというところが重要かと思ってございます。
今申し上げたところについて、具体的にチェックリスト化したものを一覧に載せているので、この辺りを参照していただきながら、大丈夫かなというものを見ていただければと思ってございます。
お手元、資料1－3を御覧ください。今御説明したところ、1枚目が前回お出しした資料で、めくっていただいた2枚目が、今と御説明しましたところを1枚に入れているものでございます。その際、2枚目の下に参考と小さく書いてございますけれども、研究データの管理・利活用のための中核的なプラットフォームとして、研究データ基盤システム（NII Research Data Cloud）が既にありますので、こういったものの活用を積極的にしていただくということも1つの方策としてあるかと考えておりまして、その参考資料を3ページ目に入れてございます。
それからまた、本文に戻っていただいて恐縮ですけれども、9ページ目以降、各論の部分になります。以降は、前回御指摘をいただいた点等をバージョンアップしているところでございます。
まず、9ページ目、（1）研究の部分につきまして、ソフトウエアの観点のところを追記してございます。
10ページ目、（2）人材につきましては、社会人ドクター等の御指摘ございましたので、そういったところを追加、修正しているところです。
（3）データにつきましても、キュレーションを含めたデータセットの構築、それからインセンティブ、こういったところを入れてございます。
11ページ目、基盤のところになりますけれども、データ創出基盤と計算基盤の連動であったり、計算基盤増強のための技術力を強化するといった点を入れております。
それから、研究データ基盤の強化の文脈のところでは、ライフサイエンス分野をはじめとしてというところで書いてございますが、AI時代に対応した一体的なデータ利活用推進基盤の整備であったり、専門家によるキュレーション体制の確立というのが喫緊の課題だということで、ナショナルセンター機能の強化といったものを進める必要があるという旨を追加してございます。
12ページ目、産学連携のところですけれども、イノベーションの創出の観点で、インパクトある成果の創出のためには、多産多種的なアプローチも必要というところ。官民一体となった計算機基盤やデータ基盤等を構築していく必要性について記載してございます。
13ページ目、国際連携のところでございますけれども、先般、日米首脳会談が行われたというところですが、アメリカのジェネシス・ミッションとの連携をはじめとした国際共同研究等々の推進、こういったことを意識した記載を追加してございます。
13ページ目の下の、今後の検討事項等というところですけれども、AI for Scienceにおける情勢変化・進展の方向性の調査・分析といったことが必要だろうと思っています。また、柔軟な変更、大胆な投資を含めた機動的な資源分配を実施していく必要があるという旨。
それから、14ページ目のところ、最後になりますが、人文社会科学の知見であったり国際的な動向、研究コミュニティーでの議論、国家安全保障の観点などを踏まえつつ、AIの科学研究への活用方法や科学研究の在り方、開発・活用が進む先にある課題等についての検討、こういったものを今後とも進めていく必要があるというものを記載してございます。
それと、16ページ目、本文のほうで少し飛ばしましたけれども、アクション項目を16、17ページ目にまとめてございます。第7期基本計画の5年間、この次の5年間を集中改革期間と位置づけ、スピード感を持って推進するために、具体的なアクションを設定して、大胆な投資により取組を加速するということを記載した上で、日本の資産とリソースを最大限に活用して、勝ち筋となるような分野の研究力を世界トップ水準に引き上げていくというところで、世界を先導する科学研究成果を創出していくといったことを上に書いておりますし、また、あらゆる分野でAI for Scienceを波及・振興していくということを冒頭に記載してございます。
その上で、研究面、人材面、計算資源、研究データという4項目に分けて、20項目のアクションを入れてございます。全部は読み上げませんけれども、例えば、2のところ、これは前回の御指摘も踏まえて、ちょっと書けるところまで頑張って書きましたというところですけれども、研究課題設定、仮説生成、計画立案、実験・観測等々、研究プロセス全体でAIを活用して、人とAIが競争して研究力を飛躍的に高める、そういった研究システムをしっかりとつくっていく必要があるという点。
3には、AI for Scienceの波及・振興のところで、ユースケースを3年間で3,000件創出するということと、継続的、ステップアップのための支援を行っていくということを明記してございます。
5、信頼できる（される）AIの開発に向けて、AIの基礎研究を含むAIそのものの研究を強化するという点。
6、科学研究プロセスを支える支援AIの実装、例えばここでは審査支援AIを例示しておりますけれども、こういったことについてもしっかりやっていくということ。
人材のところで、まず8ですけれども、AIを科学研究に高度に活用できる人材、これを5年間で3,000人以上、前回1,000人ということで出しておりましたけれども、ここを3,000人以上育成するということで記載してございます。
11番のところですが、GPU等計算資源利用に精通した人材、ここにつきましても、2030年度までに200人以上という記載にしてございます。
17ページ目、計算資源のところですけれども、13、AI for Scienceのための共用計算資源を2030年度までに10倍以上にするということ、併せてユーザーの利便性であったり、段階的にそういったものを高めていくということを記載してございます。
14は、「富岳NEXT」を2030年頃までにしっかりと稼働を目指していくということを明記してございます。
研究データのところにつきましては、例えば、15、大学等研究機関の実験観測等の研究活動により創出・取得される高品質な研究データについて、AI－Ready化した上で、可能な限りFAIR原則に準拠して利活用しやすい形で管理していくということ。
17、オートメーション／クラウドラボを5年間で少なくとも3拠点程度を形成していくということ。
18、ネガティブデータや未整理のデータ、こういったことについても、パイロット的なプログラムを実施して、利活用等をしていくことを進めていってはどうかということ。
19、2030年までにNII RDCの容量を現在の5倍に増強するとともに、AI機能の付与等の高度化をしていくという点。
最後20で、AI時代に即したSINETを2028年度までに現在の2倍に高速化するというところで記載してございます。
全体の説明が長くなって恐縮ですけれども、事務局からの説明は以上となります。よろしくお願いいたします。
【川原主査】 ありがとうございました。基本的な戦略方針の策定に向けた重要項目の確認と、それから、重点領域をどう設定するかという考え方、さらにデータの取扱いに関してどのように取り扱うべきかという案が示されております。
15時45分頃まで、この件に関して意見交換を行いたいと思います。時間限られておりますので1分程度で、文字数だと300文字程度になろうかと思いますが、挙手をお願いいたします。では、桂委員、お願いします。
【桂委員】 NIMSの桂です。前回話したデータ管理の資料1－1の18ページのデータ管理方針について、制限を弱めてくださるという意見が反映されたことはうれしく思います。
ただやっぱり前回も言いたかったんですけれども、公開データと公開・非公開を慎重に検討すべきものの中間にある一般のデータの話がないんです。それが結局、研究者にとってのデータの大部分なのに、そのデータというのが非公開を慎重に検討すべきものの例の一番下から2番目の行の、技術、資源、食料、水、インフラ、エネルギー、健康・医療、知財などについてと書いてあって、ほぼ全ての研究データがここに当てはまってしまうんです。なので、これはやっぱり研究者のデータの使い方に関してすごく強い制限になってしまっています。なので、一般のデータについてはそこまで要求しなくて、オープンデータにする人はすごくクオリティー高いフェアデータを提供して、それが正しく評価される形にして、慎重に検討すべきデータはきちんと定義を決めてくださると助かります。
【川原主査】 この点は恐らく実際にJST等から公募出された場合に、PO・PDとともにPIのほうで決めていく話になるのかなと、私は個人的に感じました。
それでは、合田委員、お願いいたします。
【合田委員】 2点あるんですけれども、手短に。
まず、1つ目が最後のチェックリスト、資料1－1の19ページなんですが、これはAIを使って研究する人が答える場合と、AIをつくる人が答える場合でちょっと書きぶりが変わってくると思います。どちらを対象としているのかという点をお伺いしたかったのが1点目で、もう1点が同じ資料の各論のところで、10ページですかね、計算資源とデータ基盤と流通基盤を強化する話があります。中身については全く異論ないんですけれども、実はこれら3つというのは、大量で質のいいデータを使えるようにして、計算資源に送って計算するという点では、3つともどれが欠けても駄目なものなので、強化においてもどれか1個をすればいいというものじゃなくて、一体的に全て強化していく必要があるといったような文言もあるほうが誤解がないかなと思ったところです。
以上です。
【川原主査】 御指摘ありがとうございます。
ほかにいかがでしょうか。北野委員、お願いいたします。
【北野委員】 全体の戦略として、アメリカのジェネシス・ミッションや、EUや英国、シンガポール等の国際的な連携をどのくらい書き込むか。おそらく単独でやる部分もあると思いますが、国際的なコラボレーションが軸になるところもあると思うので、そこをどう扱うのかお聞きしたい。
【川原主査】 この点、文科省、いかがでしょうか。
【阿部参事官】 具体的にできるところはある程度入れつつ、これからというところについては、今後必要性が具体化してきた中で、書き入れられるところは書いていくということもあると思いますし、そこは進捗に応じてになるかと考えております。
【川原主査】 ほかにいかがでしょうか。溝口委員、お願いいたします。
【溝口委員】 修正ありがとうございます。16ページ目の人材のところの人数のちょっと根拠がよく分からなかったんですけど、比較的具体的に5年間で3,000人、AIを科学研究に活用できる人を5年間で3,000人ということで、あと11で、GPUなどの計算機資源利用に精通した方を200人という、その辺の根拠というか、あえてこういうふうにした理由もちょっと知りたいんですけれども、どうでしょうか。
【阿部参事官】 まず、5年間で3,000人以上と言っているところは、一番大きく寄与できるだろうと思っているのは、これから公募事業を始めますAI for Scienceによる科学研究革新プログラム、これがチャレンジ型、プロジェクト型とありまして3年やっていくということ、1,000件やっていくということでありますので、また、ほかにも文科省で幾つか事業がございますので、そういったところを換算した上で、これぐらいはということをはじき出しているところでございます。
それから、GPUのところの2030年までに200人以上と言っているものも、これも別途事業が新しく立ち上がっているところがございまして、その辺りの進捗、それから、目標とすべきところを見定めたときに、これぐらいはというところで記載しているところです。
【溝口委員】 ほかの事業ともかなりリンクしたと。
【阿部参事官】 はい。
【溝口委員】 分かりました。ありがとうございます。
【川原主査】 ほかにいかがでしょうか。横山委員、お願いいたします。
【横山委員】 失礼いたします。簡単なことなんですが2点ございまして、1つ目なんですけれども、チェックリストのところに場所の制約を検討するというような項目があったんですが、できればなるべくよしてほしいというふうに思っております。ほかの文科省が借り受けているデータで、場所の制約があるデータを使っているんですが、共同研究は非常にやりにくいですし、そもそも場所を制約する意味がやはりほとんどないのではないかと感じていますので、なるべくこの項目は入れないほうが、研究としてはよろしいのかなというふうに感じております。
もう1点が人材に関することなんですが、AIを使うことによって従来教育がおろそかになりかねないということを心配しているかと思います。その辺の新しい教育体制の在り方というのは、1つ何らかの文言が入ったほうがよろしいのかなというふうに思っておりまして、要するに基礎的なトレーニングが必要な学生をどういうふうに教えていくのかというのは、今後も広い分野で研究も当然ですが、ほかの分野にもわたって広く重要な論点になってくるかと思いますので、その辺も少し補足していただくとよろしいかと思った次第です。
以上です。
【阿部参事官】 ありがとうございます。まず、データの御指摘いただいたところ、19ページ目の3のところかと思います。前提として、公開データのことをここでまず言っているわけではないということと、あとここではデータを必要に応じてということなので、データの所有者の方が、このデータは国内で扱わなきゃいけないと思われるときにはちゃんとそうなるように、契約のときに相手に指定するのか、確認をするのかということをしてほしいと言っているというところで、ここの文章として、必ず場所を指定しなさいと言っているわけではなくて、場所がどこにあるのかを意識して取り扱ってほしいという趣旨で書いているというところでございます。ちょっと分かりにくい表現かもしれないので、表現ぶりのところを検討できればと思います。
それから、人材につきましては、担当部署のほうとも連携して、書ける記載があるかどうか検討したいと思います。ありがとうございます。
【横山委員】 ありがとうございます。再度確認で恐縮ですが、私が今使っているデータは、例えば日本人の研究者であっても、海外諸国からアクセスは許されないであるとか、あるいは共同研究の国が厳しく制限されているとか、研究目的外でそういう制約がかかるデータはあるんですけれども、そのようになるかどうかは、チェックリストという形が好ましいのかどうかはちょっと要検討というふうに感じております。
以上です。ありがとうございます。
【川原主査】 横山委員、何が何でもというわけではなくて、そういう何かしらの法律的なことも含めて制限があった場合にという話なんだと思いますけれども、それでもないほうがいいですかね。
【横山委員】 もちろん状況によると思うんですけど、最初からそういう制限をかけるように仕組みづくりをつくるかどうかは、またちょっと別の話かなと思った次第です。あとはお任せします。
【川原主査】 ありがとうございます。
では、津田委員、お願いいたします。
【津田委員】 5番で、AIモデルなどについて、各種データ等が推測・復元される可能性を踏まえ、適切な体制で捉えているかなんですけど、具体的に対策というのはどういうものがあるのかというのが私も分からないので、何か具体的にこういうことをするべしみたいなのがあるのであれば、書いておいたほうがいいかなと思います。結構技術的にはとても難しいことを言っているので、不可能なことを書いているかもしれないなと思います。私が知らない何かがあるのかもしれませんが。
【川原主査】 一般論としてあまりなさそうな感じもしますが、かといって何も書かなくていいのかというと、なかなか難しいところが。
【津田委員】 対策を取られているかと言われても、対策そのものが。
【川原主査】 この点、どうしましょう。多分委員の方から、技術的な御意見を踏まえてアドバイスいただいたほうがいいような気がしますが。
【阿部参事官】 ここも先ほどと考え方は同じですけれども、そのデータが出たら困るとか、復元されたら困るというものだと認識されるのであれば、そこをちゃんとリスク管理しましょうというのが大前提としてありまして、場所をやっぱり考えなきゃいけないというものであれば、それをちゃんと確認してほしいということですし、復元されたら困るというんだったら、それをちゃんと意識した対応をしてほしいということで書いてございます。
その上で、19ページ、4につきましては、米印で例えばというとこになりますけれども、これはちょっとリスクがあって困るんだよなということでであれば、全部を出すのではなくてデータ量を制限するであったりとか、匿名化してみるとか、そういったことによって一定程度、そういった対策を取るということがあり得るのかなということで記載してございます。技術的にできる・できないというのがいろいろあるということの御指摘もありましたので、そういう可能性があったら困るという場合には、ちゃんとそういう対策を考えたほうがいいということで記載しているものになります。
【川原主査】 モデルのつくり自体は論文等で公開するかもしれないが、学習済みのモデルをやたらと公開するなという話。
【津田委員】 そもそもデータを使わなければもちろん復元されないので、だから、そういう復元されるかもしれないから、学習するデータには気を付けましょうという意味だと取ればいいということですか。
【川原主査】 それもありますし、私が申し上げた、つくったモデルが個人情報入っているかもしれないけれども、使えるのは非常に限られていて、もともとのデータにアクセスするものに限れば、恐らく問題はないのかなと。
【津田委員】 使うユーザーを制限するということもあり得るんですね。分かりました。
【川原主査】 そうですね。
本件に関して、またはほかの点に関していかがでしょうか。オンラインの高橋委員、お願いいたします。
【高橋委員】 ありがとうございます。重点分野についての考え方というところで、ほとんどこの17領域の中に、重点として考えなければならない領域というのは、幅広にという形だったり、視点を変えたりという形で入っていると思うんですが、基礎科学への発展という意味では、その辺りの文言というのがあまり見いだすことができない。例えば、野心的なターゲットというふうな話になったときに、割合やっぱり社会課題の解決、あるいは応用みたいなことが中心的に書いてあって、基礎科学に関連するところのブレークスルーに貢献できるかどうかに関しても妨げるものではないみたいな書き方は可能なものでしょうかというのが1つにございます。3年後ということがあるのでなかなか難しいかもしれないんですけれども、応用、あるいは社会的インパクトだけではない、サイエンスそのものに関する挑戦というのもあってもよろしいのかなと思いましたけど、いかがでしょうかという、そういうことでございます。
以上です。
【阿部参事官】 ありがとうございます。アクション項目の中でも、基礎研究部分についてしっかりとやらなきゃいけないと、強化していくんだということを掲げさせていただいております。その点は、非常にAI for Scienceの文脈でも重要かと思ってございます。
一方で、各分野の中でも基礎研究は一体的にされているというところもありますし、また、今回については、この事業趣旨が、そもそも基礎研究支援というよりは、プロジェクト型については世界と戦うと、端的に言うとそういう文脈でつくられている事業になりますので、今回こういった形で記載しております。ただ、この取組の中で、チームの中で、基礎的な部分が一体的になされている部分は、当然よくある競争的資金なんかでも同じだと思いますので、そういった取組は入っているんだと認識しています。
【北野委員】 つまり、どのような理解になりますか？
【川原主査】 私が資料を拝見した印象だと、17領域が結構具体的なので、それに引きずられて応用に見えはするものの、具体的な事業推進、以下の点が重要となると書かれている1から4というのは、かなり基礎から取り組まないと解けない内容になっているのかなと思っていますので、基本的には基礎研究を加速するものが、結果としてインパクトが大きくなるんじゃないのかなと把握しているんですけれども、いかがですかね。
【北野委員】 戦略の17領域は基本的に産業競争力の観点なので、基礎研究とは関係ないと思います。だから悪いというわけではなくて、それは国としてやらなければいけません。ではこれでカバーしているかというと、サイエンスにおいてカバーしていない重要な分野もたくさんあると思います。そこをどのようにカバーするかというのは、やはりポイントではないかと思います。
例えば、バイオ・ヘルスケアといっても、非常に幅広い生命科学の研究ではなくて、健康や創薬につながるものもあり、マンマリアンに関係するところにフォーカスすると思います。そのため、例えば酵母、微生物や海洋生物などは、なかなか盛り込まれにくい領域だと思います。ただし、そこから大きなイノベーションが起きることは今までもありましたし、これからも起き続けると思います。ですので、こうした分野をどのようにカバーするかというのは知恵の出しどころだと思います。他の分野もおそらくそうなのではと思います。戦略17分野は分かりやすく産業競争力であって、これが悪いわけでは全くないと思います。ただ、これ以外でも重要なところがあるので、それをどうするかです。
ムーンショット構想に携わった際には、ターゲット型でお金がついているものはあります。やり方はともかくとして、あのときによかったのは、JSTで創発的研究支援事業（FOREST）という、創発研究向けの仕組みがつくられた事が挙げられます。ムーンショットをやるのであれば、カウンターバランスとして創発的研究支援事業をやってくださいと提案して、つくられたという経緯があります。創発的研究支援事業はムーンショットのカウンターバランスなのです。だから、そういった仕組みというか、さじ加減をうまくやれると良いと思います。
ですので、例えばJSTの中でもボトムアップのところがありますが、それは別に戦略の17分野に限る必要もないし、17分野はある程度広いので、例えば海洋生物学であれば、戦略分野に海洋がありますから、これに海洋生物を入れるという読み込み方もできると思います。それ以外では、私はライフサイエンスが専門なのですが、ライフサイエンスのところも、農業や資源といった分野に関わってくる可能性があります。そういう読み込み方をすれば、ある程度広めには拾えるかとは思うものの、取り扱えないところもあるだろうな、というのは思います。
【川原主査】 例えば今、1－2の2ページ目にあるターゲット例というのは、そういう意味でいうとどっち寄りですか。
【北野委員】 3年後に、と書いてあるものですか？
【川原主査】 はい。
【北野委員】 これは応用ですよね。3年と短期ですし。3年で達成するということは、技術的に頑張ればできるものでないと設定できないと思います。だから、サイエンティフィックな発見をするかどうかというのは3年ではベットできないので、サイエンスではなくてエンジニアリングチャレンジとしてやるのが3年のターゲットです。なにしろ、場合によっては製品開発より短い期間ですから。
【川原主査】 そうですね。どうぞ。
【泰地委員】 やっぱりこのターゲット例の例えば最初のところというのは、ラボシステムを開発するということであって、ある意味これは基盤的な研究というふうにも読めますね。
【北野委員】 エンジニアリングプロジェクト。それ自体はやってはいけないわけではなく、やらないといけないことです。
【泰地委員】 でも、その先にこれというのは、結局、基礎的な研究にも十分役立つような基盤でもあるので、ここは応用をやるようなラボシステムだというふうに、新素材開発とかだと10倍とは書いてあるけれども、AI駆動ラボシステムというのはある意味で基礎研究にも使えるような基盤でもあるわけなんで。あと同時に、AI for Scienceについては、一応こういう応用分野というのはあるんですけれども、でも、実はかなり基礎のほうがより重視されているという流れになってきているとは思っていまして、例えばゲノムなんかだったらば、細かい疾患ターゲットみたいなところだけをやっているんじゃなくて、もう少し幅広い生物のゲノムを集めて学習したほうがいろいろいいんじゃないかとか、そういうデータの幅広さみたいなものを求めるようになってきたので、より基礎研究に近いところが重視されるような流れになっているんじゃないかなというふうには思っています。この文章でそこが明らかになっているかどうかというところは分からないかもしれないんですけれども。
【川原主査】 お願いいたします。
【オブザーバー・水井】 内閣府でございます。科学技術・イノベーション基本計画の担当をしております。どうぞよろしくお願いします。本日は、閣議決定いたしまして、大変ありがとうございました。
今まさに議論をしていただきました新興・基盤技術領域とか国家戦略技術領域とか、どういう考え方かということをちょっと簡単に御紹介したいと思っています。これは国家として、いわゆる社会実装とか、特にそういったところに注目して、重要な分野というのを選んだものがこの17分野になっています。ちょっとパワーポイントで文字書いていますけれども、一言で言いますと社会実装とかそういうところに関心を置いたものでございます。じゃあこの17分野以外の科学研究はないのかと言われたら、そういうわけでは全くないです。我々は1階、2階という言い方をよくしていたんですけれども、さらに土台となる部分に、自由な発想に基づく研究と。研究者が自由な発想に基づいてする研究、将来イノベーションの我々、基本計画の検討の中では苗床というような表現をしたんですけれども、そういった自由発想に基づく研究があって、そういったものがより社会実装に昇華していくと、新興・基盤技術領域とか国家戦略技術領域になっていくと、こういった考え方で基本計画の中で重要技術領域というのを定めたというところでございます。ですので、必ずしもこの17以外、研究は存在しないというわけじゃなくて、一見広い分野に見えますけど、外側にも研究者の自由な発想に基づく研究というのがあって、それが将来的にはこういうところに昇華されていくと、こういった書き方でつくっているということの御紹介をしたかったということであります。よろしくお願いします。
【川原主査】 ありがとうございます。
桂委員、お願いします。
【桂委員】 桂です。今のところなんですけれども、やっぱり今まで10年以上、ノーベル賞受賞者が出るたびに、基礎研究を支援してほしいと訴えてきたというのが、国に受け止めてもらっていないという感情をすごくいろんな人が持っていると思うんです。私とかその先生方とかが思っているのは、日本の強みが基礎研究にあると思っているんだと思うんです。今回も新しいものが出たけれども、やっぱり基礎研究は対象じゃないという印象を与えてしまうことは、やっぱりこの計画全体に対してちょっと失望につながる可能性もあって、一方で、基礎研究を支援したいという気持ちを心の底では皆さん持っているのかなというのも感じるので、基礎研究を支援しますと明言してしまったほうが、戦略的にいいのではないかというのを思いました。
【川原主査】 つまり、AIを使って基礎研究をアップデートしようというのがAI for Scienceですよね。なので、そこのメッセージを明確にという話だと理解しております。
【桂委員】 はい。なので、それを分かりやすく。
【川原主査】 ありがとうございます。
ちょうど次の議題のAI for Scienceによる科学研究革新プログラムについての話にもなりつつありますので、ここで阿部参事官より、そちらに関しても御説明をお願いいたします。
【阿部参事官】 ありがとうございます。次の資料の束になりますけれども、資料2－1と2－2を御覧ください。
まず、資料2－1になりますけれども、AI for Scienceによる科学研究革新プログラム、プロジェクト型、赤枠で囲っているところの資料になります。
2ページ目に、全体の方向性を記載してございます。AI for Scienceの推進に向けた基本的な戦略方針に定められた具体的なアクションを先導するフラッグシップ事業ということで、我が国の強みを最大限に活かせる重点分野及び戦略ターゲットへの集中投資により、世界を先導する研究開発成果の創出及び世界トップレベルの研究機関・研究者との戦略的な国際連携等を推進するというのが全体の目的としてございます。
その上で、具体的な事業内容として2つの大枠がございます。1つは戦略ターゲット型ということで、戦略ターゲットを設定し、複数の研究開発課題を束ねたポートフォリオからなる世界から顔が見えるフラッグシッププロジェクトとして、科学基盤モデル、AIエージェント、次世代AI駆動ラボシステムなどの開発を一体的に推進するということで、支援総額として1件当たり10から数十億程度ということ。それから、研究開発体制として、研究力の高い同志国・地域や産業界との連携、こういったことが行われることが大切かと思っているものでございます。
もう一つ右のほうにありますが、国際・融合型と書いている枠組みになりますけれども、こちらも先ほど議論がありましたところですけれども、重点分野を含むあらゆる分野を対象として、国際連携等により世界と伍する研究チームを構築して、独創的な研究やツール開発・高度化などを推進という点と、新たな勝ち筋の探求や、国際的なチャレンジへの参画や国際ベンチマークでの高スコアの達成などの国際トップリーグへの参画を目指す取組を進めるという枠組みで考えておりまして、支援総額として1件当たり数億円程度、また体制としまして、海外のFAや国立研究機関から財政支援を受けている海外研究機関・研究者との国際連携・協働を推奨してはどうかということを考えてございます。
下に記載のとおり、共通事項としまして、まず、支援スキームはJSTからの委託ということと、3年間の基金事業という枠組みの中で行うということ。それから、支援対象としては、研究者及びドメイン研究者ということ。それから、米印がありますけれども、既に準備を開始している取組が対象としてはどうかとしている点。それから、資金分配につきましても、研究の進捗に応じて追加するということも考え得るかと思っております。また、計算資源につきましては、必要な規模やその確保・利用の計画をつくっていただくことも必要ですし、また、データについても、データマネジメントプランをつくっていただくということは求めていかなければならない項目かと思ってございます。
先ほど基礎研究のお話がございましたが、その文脈で言いますと、右にあります国際・融合型のところでは、あらゆる分野という点と、独創的であったり、また新たな勝ち筋の探求といった文脈の中にも、そういった基礎研究要素は大いに入ってくるかと考えてございます。
それから、もう一つの資料、資料2－2を御覧ください。チャレンジ型の資料になります。赤枠で囲っているところになりますけれども、2ページ目、この辺りは前回までに資料を出しているので、繰り返しの説明は避けますけれども、全体の枠組み、それから、狙っている層、支援対象としている層がどの辺りなのかということを絵で描いてございます。
3ページ目は、様々な研究課題があり得るというところで例示的に書いているもの、4ページ目が全体の執行スキームのイメージ、大学や研究機関で一定取りまとめていただくという形、ほかの競争的資金と同じようなやり方をしますという点。5ページ目が計算資源の確保について、一定程度準備が必要になろうということで、前回お出しした資料を入れてございます。6ページ目は、研究データ基盤の活用も促したいということで入れております。
7ページ以降が新しい資料になります。7ページ、チャレンジ型のスケジュール（案）ということで、2回公募をする予定でおりますけれども、1回目の公募、4月に入りましたら、できるだけ早く公募を開始したいと考えております。2回目の公募につきましても、夏前には公募を開始したいということで、ここに書いておりますようなスケジュールを想定してございます。単年度の補正予算事業となりますので、3月末、年度末までに、成果報告であったり額の確認という作業を終わらなければならないという事情がありますので、そういったお尻がある中で、ぎりぎりできる限り研究期間を多く確保するということで、審査の期間や公募の期間を従来より少し短くした上で、審査についてもかなりの工夫をしていこうということを考えているものでございます。
その辺りの公募・審査の考え方について、次のページを御覧ください。まず、公募の対象につきましては、人文学、社会科学から自然科学まで、あらゆる分野の研究者等を対象と考えてございます。それから、なお書きのところにありますけれども、本事業につきましては、AI利活用に関心を有し、その導入により研究の高度化・加速化を目指す研究者層への波及を重視するということの考え方で動いておりまして、新たな研究展開を目指す萌芽的・探索的な提案等を積極的に対象としたいと思ってございます。
金額につきましては、1課題あたり500万円以下、間接経費30％込みということ。それから、研究期間、先ほどお示ししましたとおり半年程度と考えてございます。4ポツ目、審査の方法につきましては、本事業、AI技術の進展が極めて速いという中で、これに対応する研究課題について、時期を逸することなく支援していく必要があるということで立ち上げてございます。それを実現するには、やはり審査・採択に当たって機動的かつ挑戦的な手法を導入する必要があるということで記載してございます。審査結果の通知につきましても、AI分野の技術的潮流の変化が非常に早いという中で、機動的な支援を重視した事業でございます。そういったことから、審査・採択に当たっては迅速性と適切性の両立を図るということが重要な点となりまして、そのために審査結果に係る所見だったりコメント等の個別の審査内容については開示しない方向で考えてございます。
めくっていただきまして、9ページ目になります。応募資格、この辺りについては科研費等と同じかと思いますけれども、日本国内に所在する機関等に所属している方、それから、当該機関の研究活動に実際に従事している方、加えまして、研究インテグリティの確保に係る誓約状況をはじめとして、e-Radに必要な研究者情報に登録がされている方ということを資格として入れてございます。
それから、重複につきましては、AI for Scienceによる科学研究革新プログラムのプロジェクト型を除き、原則として重複制限は設けないということを考えてございます。
全体としての説明は以上になります。よろしくお願いいたします。
【川原主査】 議事1に関しても議事2に関しても公開と非公開分けて議論しようと思っていますが、まだ公開の状態が続いていまして、5分から10分弱ぐらい議題2に関しての公開を、御意見いただきたいと思います。多分、今日もまた傍聴が多くて、このプログラムの意図がちゃんと皆様に伝わるか、皆様のほうも情報欲しいというので多分興味をお持ちだと思うので、まず、この意図が伝わるかとか、こういう仕組みにしたほうがいいとか、そういうことを公開の場で議論できるといいかなと思いますが、いかがでしょうか。
溝口委員、お願いします。
【溝口委員】 こちらのチャレンジ型の出せる資格についてなんですけれども、e-Radに登録しているということで、大学だったり国立の研究機関の方は出せると思うんですけれども、例えば民間企業の方はどういうことになるんですか。ちょっとそれは状況が分からないんですけれども。
【阿部参事官】 民間企業の方も、e-Radに登録ができますので、そうなっていれば可能でございます。
【溝口委員】 それは特にどんな会社でも大丈夫？ 日本に本社のある会社に。
【北野委員】 JSTとJSPSはレギュレーションが少々違いますが、JSTは基本的に大丈夫で、JSPSは少し厳しいと思います。JSPSは研究に使うお金の割合で色々条件があるので、アカデミックインスティテューションか公益法人的なものでないと少々厳しいと思います。一方で、JSTは条件としては広いから、概ね大丈夫だと思います。
【溝口委員】 民間の方とかベンチャーの方も参画できる？
【北野委員】 JSTは大丈夫ですよね。
【阿部参事官】 それは確認が必要でございますけれども、詳細は公募要領で明記することになりますけれども、基本的なところは9ページに記載しているような考え方で進めたいというところでございます。
【北野委員】 e-Radというよりも、どこからお金が出るかのファウンディングエージェンシー側のレギュレーションの方で確認が必要ですね。
【溝口委員】 分かりました。ありがとうございます。
【松岡委員】 関連して1個前の8ページのところで、研究代表者1人で行う研究計画って、1人というのをあえて限定する必要、今、企業が使うというイメージをしているんですけれども、その場合、1人で行い切るということがない気がしているので、あえて限定する必要があるかと思っていました。
【阿部参事官】 ありがとうございます。研究者代表者個人を支援する事業になっていますので1人と書いていますので、研究費を2人に分けるということは想定しておりません。他方で、別々にお金を取られた方が研究協力者として一緒に行うということは大いにあると思いますし、あと別の予算を持っている人が、この予算を持っている人の研究協力者として一緒にやるということはあると思います。
【松岡委員】 チームの研究であっても1人に予算がつくという。
【阿部参事官】 基本的には研究代表者1人の方にお出しして、その方が主体的に研究を遂行するのが前提です。ただ大きな意味でもう少し広いチームの一員として活動しているということは当然ありますので、それを妨げているわけではなく、お金の流し方という意味です。
【川原主査】 さきがけのイメージだと思います。
【松岡委員】 ということですね。承知しました。
【北野委員】 ここはどちらかというと個人のスモールアイデアだけれども、独自にやってほしいからこのようにしている、といった意図ですよね。
【阿部参事官】 はい。
【川原主査】 ほかにいかがでしょうか。桂委員、お願いします。
【桂委員】 この500万円で、実験装置とかは買えるイメージですか。
【川原主査】 買おうと思ったら買える。
【桂委員】 というのは、パイを広げたいと思ったときに、今まで実験しかやってなかったという人に参入してもらうことを想定しているのかどうかということで、実験装置の購入がオーケーだったら、実験装置を買ってデータ科学やろうというふうに入ってくれる人がいる。でも、それはデータ科学じゃないからといってリジェクトする方針なのかとか、その辺がちょっと心配だったので、実験措置オーケーだと応募者増えると思います。
【阿部参事官】 ありがとうございます。3ページ目のところに研究テーマの分類イメージというものをこれまでもお示ししておりますけれども、この中に実験自動化・自律化ということの話であったり、高度データ解析・モデリングであったり、様々なものがあり得ると思っていますので、研究に必要な機器があれば、研究費として分配しますので、必要なものは整備いただけるんだと思っております。
【川原主査】 相澤委員、お願いします。
【相澤委員】 チャレンジ型について、2回公募されるようですけれども、スケジュールを拝見したところで、再応募可能、1回目で不採択でも、2回目チャレンジするということを想定していますか。
【阿部参事官】 ありがとうございます。そこを何とか確保したくて、ぎりぎりの線を描いているところがありまして、1回目の公募で不採択であった方も、何とか2回目の公募に間に合うような線を今、描いているところでございます。他方、1回目で採択された方につきましては、2回目は入っていただくということは無理だということで考えております。
【相澤委員】 ありがとうございます。
【北野委員】 これはすごく良いシステムだと思うのですが、1回目で採択されなかった人に対するフィードバックというのをきちんと行なうことが結構ポイントになるのかなと思っているのですけれども、そこをうまく実施するための何か時間的な余裕や、メカニズムがあると良いと思います。
【阿部参事官】 そこはすごく難しいところで、本来であればそういうことをしたいのですが、先ほど申し上げたとおり、審査のやり方とか時間的な観点から、一つ一つについて、科研費等で丁寧にフィードバックしているような同じようなやり方は多分無理だろうと思っています。ちょっと今後の検討課題かなと思っております。
【北野委員】 ただ、ぎりぎり採用されなかった人については、少し手厚くケアしても良いかもしれないですよね。明らかに採用水準に達していない場合と、ジャストミスの場合があると思いますが、後者に関してはインプルーブできる可能性があると思います。次のラウンドでインプルーブできそうな提案に関してはフィードバックしたほうが本当は良いかと思います。
ジャストミスの提案は、本当はサポートできると良いですよね。
【阿部参事官】 ありがとうございます。
【川原主査】 後半の議題になろうかと思います。
小長谷委員、お願いします。
【小長谷委員】 ありがとうございます、小長谷です。
今、北野先生おっしゃったように、本当に落ちてしまった研究課題に関して、フィードバックが1行でもいいからあると、本当はすごくまた次チャレンジしようとか、ぎりぎりボーダーだったということを知れるようなフィードバックのシステムがあるとないとではすごく違うと思うんですよね。特に今回、1年に2回公募があるということで、1回目の公募でどうなのかというフィードバックが本当にちょっとでもいいからあるのとないのとでは、2回目のものの来る数というのがまた変わるのかなというふうに思いました。
2つ目が、ちょっと私、ウェットのラボのところにいるので、ウェットのラボから、やっぱりチャレンジ型だったとしても、ちょっとどういうふうに応募していいか分からないとか、チャレンジ型で応募するときの例みたいなのを提示してほしいという声をすごくよく聞くんです。資料2－2にチャレンジ型プログラムに関して、例示がうまくされていると思うんですけど、こういうのをまだ見てない人が結構いるんじゃないかなと思うので、もうちょっと何かリーチアウトするような、本当はいろんな分野の人が出せる、AIをがっつりの人じゃなくてもいろんな分野の人が出せるんですよということをもう少しアピールしていく必要があるのかなというふうに思いました。
以上です。
【川原主査】 ありがとうございます。
大上委員、最後にお願いいたします。
【大上委員】 大上です。ちょっと2つあります。
チャレンジ型については、今までの御意見などもありますけれども、やっぱりどうやって進めていいか分からないという方を、教育というか裾野を広げる意味合いというのが多分強いので、伴走支援と書いてありますけど、その形をどうやって形づくるか、何か形式的なアドバイザーがいましてみたいな話だけではなくて、例えば分からないけど、具体的に何かプログラミングの指導を受けられるのかとか、そういう話まで何か見通せる話があるとよいなというふうに思いました。
もう一つはプロジェクト型の話なんですけれども、プロジェクト型については、今日初めて資料が出てきて、ターゲット型と国際・融合型でそれぞれ分けた募集をしそうだとか、そういう話が初めて表に出てきたかなと思うんですが、どちらかというと既存の既に進んでいる取組、さっきもトップの研究の支援みたいな話もありましたけど、そうなったときに、これは前回の議論でもありましたけれども、何をもってトップなのかみたいな、医学系のすごいトップの研究じゃないと、それをAIで推し進めるような話じゃないと駄目なのかみたいな感じにもちょっと見られてしまうおそれもあるかなというところと、あとはどういう分野を募集するかという話のときに、そこにも国際性みたいな話が書かれていますけれども、そういう国際連携みたいなのが大前提になっているみたいな書き方にどうしてもなってしまっているので、それで応募できる課題の数というのは結構制限されてしまうのかなという気もしましたので、この辺り目指すところと、どのくらいの広さを求めるかみたいなのは結構バランスだなと思いました。
あと、プロジェクト型のその次のページかな、ちょっとどこかに書いてあったと思うんですけど、その次のページの資料に、PI体制という話が書かれていたと思うんですけど、恐らくイメージされているのはCRESTの主たる共同研究者みたいなのが並んでいる感じなのかなと思うんですけれども、イメージとして研究者ベースでやるのか、何か大学・研究機関が主体となってやるのかみたいな話がちょっと分かりやすいと、これは募集要項に反映されるかなと思うんですけど、分かりやすいとよいのかなというふうに思いました。
以上です。
【川原主査】 どうもありがとうございました。
ちょっとお時間になってしまいましたので、以上にしたいと思いますが。
【阿部参事官】 1点だけ補足させていただいてよろしいでしょうか。
【川原主査】 お願いします。
【阿部参事官】 すみません。お手元の参考資料2を少し御覧いただきたいんですけれども、基礎研究の振興についてという資料になっていまして、文科省の中にある別の委員会でいろいろ議論がなされていて、検討状況についてまとめられた資料となっております。中ほどですが、ファンディング事業のやり方について様々な議論がなされておりまして、海外ではこういうやり方をしていますよというようなものが、例えば14ページ目や15ページ目のあたり、新しい公募・審査のやり方があるということの紹介がなされており、後ろのほうで文科省の様々な競争的資金においても、そういったことを参考にしてはどうかという指摘が書かれているところです。例えば、海外であれば抽選方式をとってみたりとか、また、AIを支援として使うやり方で行っているものであったり、そういうものもありますので、今回我々のチャレンジ型を機動的に動かすときには、こういったことも頭に置きながら制度設計できればと考えているところでございます。
【川原主査】 ありがとうございます。では、以降、非公開にて意見交換を行いたいと思いますので、非公開の準備を事務局のほう、お願いいたします。
------------------------------
以降は、AI for Science推進委員会運営要綱第2条に基づき非公開とした。
―― 了 ――
研究振興局参事官（情報担当）付