Embed Size (px)
Citation preview
邁向實現「Connected Industries」經濟產業省的措施
～AI・數據活用的規則整備～
2018年9月
經濟產業省
Connected Industries在重點領域的措施
在CeBIT的「Connected Industries」宣揚
日本以合作夥伴國的身分，參加2016年3月舉辦的德國漢諾威數位科技展（CeBIT）。安倍總理與世耕經濟產業大臣等官員都列席參加。也有118間日本企業參展（有史以來最大規模）。
當時安倍總理傳達了日本產業目標的「Connected Industries」概念。並演講闡述三大主旨：①達到人與機械、系統協同合作的嶄新數位社會②透過合作及協同工作解決各項課題③積極推動與數位技術之進展相搭配的人才培育方式。
此外，世耕經濟產業大臣、高市總務大臣、德國經濟暨能源部長齊普里斯三人共同署名，並發表了關於第四次工業革命之日德共同聲明「漢諾威宣言」。宣言中便提到，將透過連接人、機械、技術跨越國境的「Connected Industries」為目標邁進。
安倍總理的演說 世耕經濟產業大臣與齊普里斯經濟能源部長的會談
2
第1次工業革命動力取得（蒸氣機）
第2次工業革命動力革新
（電力、馬達）
第3次工業革命自動化加速（電腦）
第4次工業革命實現自主性的最佳化根據大量資訊，人工智慧可自行思考採取最佳行動
狩獵社會 農耕社會 工業社會 資訊社會
Society 5.0超智慧社會
網路空間與實體空間的高度融合
＜社會的變化＞
＜技術變化＞
＜產業模式變化＞
連結Society 5.0的Connected Industries
Connected Industries
物×物人類×機械、系統
企業×企業人類×人類
（知識及技能的傳承）
生產×消費大企業×中小企業
日本的現場力×數位多樣化合作
形成全新社會以人為主課題解決型
各產業個別發展
・透過各種連結創造出全新附加價值・過去，獨立、對立的關係開始融合、變化
→全新的經營模式誕生
3
4
「Connected Industries」的5個重點措施領域
智慧生活
自動駕駛與移動服務
製造與機器人學 生物技術、材料
設備與基礎建設安全
盡速整理數據協調的應有做法 強化AI開發、人才培育 目標措施為展望包含物流等移動服務，
及電動車的未來
達成協同領域間的數據合作 建構實用化的AI技術平台 確保社會的接受度
將數據格式國際標準化 強化網路安全、人才培育等在
協同領域進行企業間合作 針對中小企業整備IoT工具基礎
活用IoT以提升自主安全技術 針對企業間的數據協調整備方
針等 推動更進一步的管制制度改革
發現需求，使服務具體化 透過企業聯盟進行數據合作 建立活用數據之相關規定
盡早完善支持上述措施的跨領域支援策略
「Connected Industries」東京倡議2017的籌畫、公布（2017年10月2日）
安倍總理對德國總理梅克爾的演說
世耕大臣於東京倡議的演說
世耕大臣與大臣懇談會的成員
5
「Connected Industries」的跨領域政策
共享、利用及活用真實數據
針對數據活用整建基礎＜研究開發、人才培育、網路安全＞
進一步展開＜國際企業、創投公司、地區及中小企業＞
創設數據共享企業的認證制度，並以稅制等制度支援 與擁有真實數據的大型、中堅企業，及AI創投公司合作，支援開發AI系統 透過實證事業創造標準模型，完善規範 修訂「數據契約方針」
促進革新性的AI晶片開發 加強培育跨足網路×現實的多元人才、AI人才 檢討自世界各地招募優秀人才之框架架構 強化網路安全對策
強化與歐洲、亞洲等世界各國的合作 透過國際合作WG強化系統輸出 於品質、數量上擴充國際標準化人才 實現日本版的創業生態系統 透過專家培育、派遣，強化對地區及中小企業的
支援
以日本強項的實際數據為核心，強化支援
「Connected Industries」東京倡議2017的籌畫、公布（2017年10月2日）
6
Connected Industries 今後的日程表
自2017年10月，東京倡議協議2017發表後，各分科會要針對今後的行動加深檢討。
關於報告的場所，從5/21開始，分3次舉辦大臣懇談會。之後，除了在成長戰略等等加入分科會的成果外，在CEATEC與相關的國際展示會等場合也會發表活動成果。
2017年3月 2017年10月 2018年10月
國內
國外
3/20-24
CeBIT
（漢諾威）
大臣懇談會・5/29
・7/6
・8/31
10/3-6
CEATEC
＜東京倡議協議2017發表＞
＜發表「Connected
Industries」＞
10/16-19
CEATEC
＜以CEATEC為中間目標對外發布消息＞
4/23-27
漢諾威工業展（漢諾威）
6/15
成長策略
4/19-20
生物經濟高峰會（柏林）
6/11-15
CeBiT
（漢諾威）
透過5分科會深化檢討
（自動駕駛／製造與機器人學／生物科技材料／設備基礎建設安全／智慧生活）
2018年1月
【日德】
大臣懇談會
5/21：生物科技材料／設備基礎建設安全5/28：製造與機器人學／自動駕駛
6/8：智慧生活
6月
10/10-12
Bio Japan
10/19
RRI國際研討會
製造與機器人學分科會① 活動整體概況
・雖然對數據活用的關注日漸提升，但對於具體的活用仍有所煩惱
・分享先進案例，支援體驗學習，提出看、摸、嘗試場域的重要性
・市場高度需求同時熟悉製造與IT的人才，與能夠系統思考的人才
・除了與文科省檢討、採取措施外，也與經產省、產業界合作推動具體措施
②人才培育、研究開發
①協同領域的最大化
・將數據活用最大化的數據流通機制
→ 平台間的合作系統
・國際標準化、網路安全
③中小企業支援
【製造與機器人學分科會的議論論點】
○製造與機器人學分科會
以RRI（機器人革命倡議協議會）為共同事務局，並以CI大臣懇談會成員中的製造類企業成員為中心討論。
【主要參與企業、團體】
DMG森精機、日本商工會議所、日立製作所、發那科、三菱重工、三菱電機、RRI、IVI、東京大學
現場工作人員，還有現場上優質且豐富的實際數據
透過建構讓民間企業數據流通之機制，讓現場上優質的實際數據發揮最大價值
為了將日本現場上優質的實際數據優勢最大化，主要針對橫向連結民間企業平台，建構出可最大化活用數據的機制等檢討。
【日本製造業面臨的問題】
【日本於製造領域的強項】
【目標勝利的途徑】
問題1：獲得附加價值・生產「物品」意義下的競爭力泉源已相對化，已經從「物品」轉移到「服務、解決方案」的附加價值上。・因應新環境變化，獲得附加價值之必要性
問題2：確保人才・在人手不足越趨嚴重下仍須維持並強化現場力，以及確保並培育數位領域等人才之必要性
活用數據才是推動智慧製造的關鍵！
7
①將數據活用最大化的數據流通機制
• 為了推動在工廠發生的數據共享，設置工作小組以建構邊緣運算、霧運算之階層機制。
• 使競爭與協同合作維持平衡，同時檢討建構平台間的和緩聯繫。
• 具體來說，除了規定數據記述方式的「Data Profile」外，透過制定「Service Profile」，規定寄送數據的處理條件，目標為建構出一套如同附加配送證明的郵局一般之系統。
• 除了共享概念外，為了一邊設想具體案例加以檢討，還要擬定使用案例與實施展示裝設。今後會活用政府的開發與實證預算，目標開發數據流通系統。
• 同時也必須考量與德國（「Industrial Data Space」）、美國（也關注IIC）之合作。
8
（參考）製造與機器人學分科會② 檢討成果以及今後的方向
②國際標準化、網路安全
• 國際標準是互相聯繫的共同基礎，關於網路安全部分，透過日德合作的專家集會（日本窗口：RRI）、以日德合作為中心進行活動。
• 整理、公布關於國際標準與網路安全合作成果的共同文件。
• 今後將在ISO/IEC發表這些合作成果，目標引領國際議論目光。
8
③人才培育、研究開發
• 經產省中為了因應數位時代的製造，正檢討組成繼90年代IMS（Intelligent Manufacturing System）計畫之後，正式的研究開發國家計畫。（2019年度正式檢討國家計畫）
• 在該國家計畫中，也會檢討如何在產官學合作與承諾當中，培育今日所需的人才。
9
（參考）製造與機器人學分科會③ 檢討成果以及今後的方向
9
④中小企業支援
更加充實、活用「智慧製造應援隊」（增加據點，與補助金合作等）
• 除了改善現況之外，更在各地區推動人才培育，培育具備能指導導入IoT、機器人能力的人才。目標在2018年度約增加到40個據點。
• 在製造補助金（2017追加預算）變更用途，將活用專門人才之人事費用另計為其他費用。
強化支援機構間的合作
• 首次舉辦讓許多智慧製造相關人士齊聚一堂，互相介紹彼此活動的聚會（去年12/1）。（RRI、智慧製造應援隊、地區版IoT推動實驗室、商工會議所、IVI、IT協調者協會等）
• 為了讓地區上的活動從點變成面，今後將再度強化合作。
共享先進案例，並從使用者的角度再次整理資訊
• 在日德合作一環的RRI中，將收集到的Online Use Cases Map（收集了210個案例）整理並系統化。以活用IoT之目的與高度化等級為中心進行整理，並進一步將其可視化，使之有助於促進活動。
• 此外，也推動檢討讓使用者可隨時登錄新使用案例的機制。
10
（參考）製造與機器人學分科會④ 檢討成果以及今後的方向
10
④中小企業支援
共享工具資訊，並從使用者的角度再次整理資訊
• RRI公開招募適用於中小企業的IoT工具資訊。將2016年使用的106件，2017年使用的124件依使用狀況整理並公布。去年也公開招募並公布了記載如何連接各工具的使用方法（28件）。
• 此外又細查、分析收集來的工具資訊，針對約30件的優良工具，再次進行更簡單明瞭的資訊整理。
• 除了有影片者會放上影片連結之外，為了促進影片製作，也製作了影片製作的範本指南。影片方面，日商也製作了導入IoT的活用案例的影片。
試驗平台（展示櫃、體驗區）
• 關於試驗平台的設置，4月於茨城縣開設公設試驗機構，並預計今年秋天也將開設東京都的公設試驗機構，其他在九州地區也一邊與經產局密切聯繫，在熊本、佐賀與北九州等地檢討推動。在岐阜縣等也同樣進行中。
• 日本政府方面預計在產總研下，建立完善的全球研究據點，融合人工智慧技術與製造技術，並推動具有社會實踐的模擬實證環境（包含模擬工廠等）。
設立「FA、機器人系統整合協會」
• 想要促進中小企業導入FA與機器人，系統整合者（SIer）的培育與強化相當重要。
• 對此，預定於7月正式設立「FA、機器人系統整合協會」，並於5月開始招募會員，目標為設立SIer的共同基礎組織，負責建構SIer業界的網路並強化經營基礎、決定業界標準、確保人才、支援人才培育等。
AI・數據活用的規則整備
AI・數據活用的相關契約方針
根據針對舊方針提出的意見等，除了大幅擴充數據交易相關的類型、各領域的使用案例外，亦修增AI開發、活用相關的新契約範本等。
資料的使用權限相關契約方針 ver.1.0（2017.5）數據的使用權限相關
契約方針
ver.1.0（2017.5）
「創造資料型」契約此類型從取得新資料開始「創造數據型」契約從取得新數據開始的類型
「提供資料型」契約此類型向對方提供持有的資料「提供數據型」契約
將持有數據提供給對方的類型
「共用資料型」契約此類型使用平台共用資料
「共用數據型」契約
使用平台共用數據的類型
舊數據契約方針
新契約方針「AI、數據使用相關契約方針」
「AI開發」契約從AI的技術特性與開發方式開始仔細說
明
「AI開發」契約從AI的技術特性與開發方式開始仔細說明
「AI利用」契約「AI利用」契約
12
＜改訂重點＞
● 新增AI開發、活用相關的契約實務
● 以例子說明契約的多樣選擇或範本項目
● 收錄眾多具體使用案例
（舊方針中為2個案例⇒新方針中增加為10
個案例）
● 記載海外數據移轉規定（中國網路安全法、
歐洲GDPR）等因應國際交易
追加
擴充
AI・數據契約方針研究會・工作小組會議的研究體制
AI・數據契約方針研究會
期 間：2017/12～2018/3次 數：共舉辦３次進行方式：①研討方針的修訂方向
②討論工作小組會議內部檢討內容③討論、研討工作小組會議統整之方針（草案）
營 運：原則上公開秘 書 處：NTT DATA經營研究所
提出方針草案
期 間：2017/12～2018/3 共舉辦５次進行方式：①討論業者提出的具體案件
（煩惱諮詢所方式）②參酌討論內容，製作方針草案
營 運：原則上不公開案 例 數：數據６、AI５經手領域：汽車、產業機械、素材、物流等
招募多數成員律師。由以企業法務、契約、智慧財產等專業、年輕有為的律師・專利律師・學者所構成
檢討案件（應用案例）的論點等收載至方針中，製作成應用案例集
AI・數據契約方針研究會 工作小組會議
業者
研究會
工作小組會議
●成員（敬稱省略）【主席】 渡部俊也（東京大學教授）
●委員（敬稱略）【主席】渡部俊也（東京大學教授）【委員】〇佐藤智晶（青山學院大學准教授）
西岡靖之（法政大學教授）〇岡田淳 （律師）〇柿沼太一（律師）
正林真之（專利律師）〇福岡真之介（律師）
●觀察員相關部會、業界團體、NEDO、東京中企投育 等
（〇為兼任工作小組會議）
岡田陽介（ABEJA）○齊藤友紀（Preferred Networks）
藤瀬浩史（豐田汽車）木村守邦（日本工具機工業會）林健一郎（JEITA）春山豊 （日本化學工業協會）若目田光生（經團連）
個別案件諮詢
案例提出
13
【數據組】◎岡田淳 （律師）
阿久津匡美（律師）內田誠 （律師)尾城亮輔 （律師)佐藤智晶 （准教授）殿村桂司 （律師）中崎尚 （律師）
【AI組】◎福岡真之介（律師）
大坪くるみ（律師）柿沼太一（律師）齊藤友紀（律師）波多江崇（律師）松下外 （律師）渡辺知晴（專利律師）
（◎為審查主任）
契約方針工作小組會議中的檢討應用案例一覽表
在工作小組會議中，具體諮詢案例方面，業者和業界團體提供以下數據及AI相關案例，並進行了檢討。
類別 次 應用案例 應用案例的特徵等
國際 契約類型 業態・交易類型 其他特徴等
數據
1 IoT數據資訊合作平台 PF 業界內PF 禁止在PF外應用等
2 業界橫貫型物流數據合作平台 PF 日用品廠商 物流上的課題
3 租賃公司的租賃設備數據應用案例 外國人數據
提供・創出・PF
租賃 三方問題、個人數據的處理
4 工具機製造業者的數據應用案例 海外銷售
創出・提供 工具機 個人數據的處理
5 汽車領域的數據應用案例 － 提供 輸送機械 個人數據的處理
5 使用區塊鍊技術的資訊合作 － 提供・PF 金融 分散帳簿技術（區塊鍊）
AI 1 PoC及開發階段已完成學習模型的權利歸屬相關案例
海外交易
POC・開發 產險 智慧財產處理、
Open Close
2 針對AI開發商開發系統的權利等案例 － 開發 開發商 機械學習開發成果的經驗技術及其應用範圍
3 機器製造業者開發的AI責任等案例 － 開發 機器製造 已完成學習模型相關責任分擔
4 產學合作推動AI開發的權利關係 － POC・開發 工具機・大學 產學合作、中小企業
4 供作已完成學習模型開發的數據利用權限及逆向工程因應
－ 開發 開發商 學習數據集的應用權限、蒸餾問題
14
數據篇的概要
【數據篇的目的】
在契約階段，關於其價值多半不明確的數據流通或應用為對象的契約，以減少契約簽訂時的交易費用，促進數據契約普及・數據有效活用為目的。
【4個基本觀點】
①數據流通・利用及活用的重要性與課題僅單純保有數據並沒有太大的價值，只有透過開發使用方法才能創造出價值。在議定契約時，適當分配數據的使用權限及產生的利益相當重要。另一方面，亦需考量數據外流和非法使用的風險。
②契約高度化本方針僅止於說明契約中應事先制定的事項。因此，契約當事人進行協議，並參考本方針的同時考量對創造、利用及活用數據的貢獻度等，根據交易的實際狀況制定高度化契約。
③促進創新藉由提出考量多種立場的數據契約思考模式及契約條款範例等，期待促進數據使用，促進開放式革新。
④國際協調在跨境交易越來越普遍的情況下，亦須考量數據跨境相關問題。
將契約類型彙整成三項，整理各自的結構・法律性質、課題、法律論點、適當協定方法、範本契約書草案等 15
提供數據型契約
如何決定從提供數據衍生的數據使用權限１
數據品質不夠時，責任在誰
３
因使用數據而產生的損害應由誰負擔
2
如何制止提供數據之目的外的使用４
課 題 方針
針對衍生數據的種類・性質進行說明，並表示其使用權限和智慧財產處理、利益分配的約定方法和要點。
說明責任歸屬和公平分擔的理想模式。介紹損害賠償責任和責任限制等規定的條款範例。
彙整數據品質問題的想法，針對保證責任和免責等的決定方法提出範例。
「目的外利用」係指任何狀況皆以案例為基礎彙整想法。亦介紹目的外使用限制的規定案例。
何謂提供數據型契約在保持僅一方當事人（數據提供者）成為交易對象的數據之事實狀態下，數據提供者將數據提供給另一方當事人時，約定另一當事人的使用權限及其他數據提供條件等的契約
數據提供者
數據收受者
數據提供者
數據收受者
數據轉讓
數據的使用授權
轉移與數據相關的所有權限
賦予數據的使用權限
數據的使用權限
失去與數據相關的所有權限
數據的使用權限
數據的使用權限
跨境交易應注意的事項５
擔憂提供數據的應用將造成經驗技術的外流
６
彙整並說明各國的數據・本土化、跨境轉移管制。
說明防止數據外流或非法利用的各種手段，並表達採取契約上・技術上的適當措施，以將風險降至最低的意義。
創造數據型契約
有多數當事人參與創造，但使用權限的調整規則不明確
雖然創造出數據，但使用方法多半不明確
是否有考量個人資訊及隱私權
依據應規定的使用條件等，具體上應如何約定
課 題 方針
針對創造出的交易相關數據，釐清當事人間應規定的事項、使用條件（使用目的・範圍、第三方提供的限制、數據內容的保證、成本負擔等），並彙整相關想法。
說明就個人資訊及穩私權的觀點來看應注意的事項，提醒大家注意。
舉出創造型的應用案例，建立共識，同時說明以何種基準分配利益等應注意事項等。
彙整並說明契約中應規定的具體條款內容。
何謂「創造數據型」契約藉由多名當事人參與，新創造出過去不存在的數據時，協定創造數據相關當事人之間使用該數據的權限
工具機使用者
工具機製造業者取得
建議・維護
活用於自己公司產品的開發上
運轉數據運轉數據
其他案例
・從穿戴式裝置上取得的生物數據案例
・從設施、車輛上設置的環境感測器取得的氣
象數據案例
３
2
１
４
共用數據型契約
如何建立用數據共用的平台，究竟PF是什麼呢
由於前例很少，因此不知利用規約應規定什麼的事項
當事人關係複雜化，但建立值得信賴的PF，應注意什麼事項呢
2
課 題 方針
顯示幾個圖案，做為PF的結構，之後彙整說明建立PF的方式、當事人間的法律關係、數據流程圖・使用機制。
就以下的觀點，彙整整備PF體制的英有內容。①目的②提供者的人數・參加者的範圍③數據的種類・範圍④數據的使用範圍⑤促進使用的機制⑥競爭・國際化的觀點 等
確保中立性・信賴性，檢討實現適當利益分配和權利歸屬等的使用規約應有內容。應規定的事項①利用範圍②提供者的責任③衍生數據等成果物的權利・利益分配④監査、抱怨・紛爭處理⑤PF的義務・責任⑥結束時的因應 等
何謂「共用數據型」契約平台接受數據提供者提供數據，收集・保管後，再將該數據直接當成一次數據，或做為經過加工・分析的二次數據，提供給數據利用者，共用・活用的契約
數據提供者
數據使用者
PF
收集保管
加工分析
※有時依據提供數據的加工・分析結果，開發、提供利用服務。
１
３
『限定提供數據』的概念
數據提供業者
限定提供數據
機械數據
氣象數據
零件材料數據
ID、密碼
加密
專用線路 禁止
複製、提供容易→ 損害擴大迅速
→ 為防患未然，必須有救濟措施
分析、管理 提供收集
施以ID、密碼等技術性管理並提供之數據，以不當手段取得、使用【限定提供數據】之行為，
將認定為『不當競爭行為』，新增可對此進行禁止請求權等的民事措施。
預測可多加活用的數據，透過多家企業間彼此提供、共享，創造出嶄新之事業，或是提高服務與產品之附加價值等。
不當競爭防治法是為了促進業者間適當之競爭，而針對『不當競爭行為』的救濟措施，是有制定民事措施（禁止請求權等）及刑事措施之法律。此次法律修訂，新增可對不當取得數據之行為採取民事措施。（5月23日成立）
地方政府等：社會基礎設施管理
汽車製造商：自動駕駛用
自動駕駛汽車使用者：地圖（更新等）
收集、分析、加工
・道路形狀測量數據・車道資訊數據・建造物資訊數據 等
利用、活用創造出嶄新的價值
ID／密碼管理
加密
專用線路
【施行日期】自公布（2018年5月30日）後1年6個月以內
3D高精確度地圖數據
禁止
不當存取、詐欺不具有存取權之人取得、
使用、提供數據
禁止
使用、提供不當數據
知道有不當介入之使用、提供
侵占、瀆職未經同意使用、提供
建立對不當取得數據等行為的救濟措施 ──不當競爭防制法（2018年修訂）──
19
AI的契約的論點與
契約方針 AI篇
20
性能保證
驗收・瑕疵擔保
權利・
智慧財產責任
（依據方針研究會委員 柿沼律師的資料，由經濟產業省製作而成）
21
（１）一般系統開發與AI開發的差異
一般系統開發 AI開發
開發手法 演繹型 歸納型
性能保證 可能
由於無法避免訓練數據包含統計的偏差，因此針對未知數據難以
保證性能
性能不足時的事後驗證 可能原因的區分（數據的品質、超參數設定、原始碼的缺陷等）困難
性能測試 可能① 需要不使用於學習的獨立
數據集② 無法進行未知數據的測試
性能保證 責任
Ⅰ 性能保證、驗收・瑕疵擔保
權利・智慧財產
22
（２）開發流程及契約的分割：探索型階段型開發方式
→本質是「若不試著開發，則無法知道是否順利」→為了讓使用者・提供者彼此能夠避險而逐漸推動開發的構想
摘錄自方針（AI篇）
性能保證 責任
評估 開發 追加學習
・設定課題・設定KPI・設定必要數據・判斷可否製作模型
・判斷KPI達成可行性・判斷移轉至開發的可行性・判斷已完成學習模型的歸屬（如果有的話）
・判斷已完成學習模型的歸屬及利用條件
・判斷KPI達成度・具體運用於事業中
權利・智慧財產
23
一般系統開發 AI開發
契約的法律性質 因工程而異（上游工程為準委任型、越往下游則屬承包型）
所有工程採準委任型，具親和力
完成義務 適用承包型的工程有完成義務
無（範本開發契約7條）。但亦可簽訂成果完成型的
準委任契約。
性能保證適用承包型的工程
可達成協議無（範本開發契約7條）。
但若為使用一定的已知數據時的性能，則有時可保證。
瑕疵擔保責任 適用承包型的工程，提供者有瑕疵擔保責任
無
（３）契約內容的設計
性能保證 權利・智慧財產 責任
24
（１）一般系統開發與AI開發的差異
①AI開發包括多數材料、中間成果物、成果物②材料、中間成果物、成果物價値很高，使用者・提供者皆存在希望獨占/再利用的需求
→必須以契約協調使用者・提供者的利害衝突
性能保證 責任
Ⅱ 權利・智慧財產
【一般的系統開發】 【AI的系統開發】
開發過程開發過程
勞力
經驗技術 勞力
經驗技術
第一手資料
學習用程式程式
學習用數據集 發明 經驗技術
已學習參數
已完成學習模型
權利・智慧財產
文書類
25
（２）應採取的對策
① 關於材料・中間成果物・成果物，事先掌握何者是、何者不是智慧財產權的對象。
② 關於①，事先掌握誰擁有什麼權利等預設規則（＝法律上的規則）
③ 事先掌握如何將契約條款設計成對自己公司有利（不拘泥「權利歸屬」，而是透過「使用條件」，獲得「成果」）
④ 掌握契約的界限
性能保證 責任權利・智慧財產
26
▼事先知道如何將契約條款設計成對自己公司有利（不拘泥「權利歸屬」，而是透過「使用條件」，獲得「成果」）
■雙方若拘泥於「哪一方擁有權利」（權利歸屬），則將永久無法弭平鴻溝。■交涉需耗費極大的勞力與時間，結果會失去競爭力。
→「權利歸屬」需要其他觀點
→原本數據提供者（使用者）與範本生產者（提供者）的事業結構並不相同，可同時滿足雙方需求的契約條件應該很多，超過雙方當事人的想像。
→並非對象物的「權利歸屬」，而是以「使用條件」獲得「成果」
性能保證 責任權利・智慧財產
27
性能保證 權利・智慧財產 責任
■原則關於所有材料、中間成果物、成果物，皆以契約規定「權利歸屬」
和「使用條件」。
第一手資料
學習用數據集
已完成學習模型
使用者歸屬
提供者歸屬
共享
範本開發契約16條、17條
利用條件1
利用條件2
利用條件10
範本開發契約13條、18條
使用條件權利歸屬對象
28
性能保證 責任
（１）執行AI開發之際產生的損害責任
例：由於提供者犯下擁有一般技術水準的AI提供者不會犯的初級錯誤，導致學習需要一般意想不到的期間，因此趕不上交期。
①當然並非「準委任契約＝不負任何責任」→提供者負起「善良管理人注意義務」（民法644條。依據委任的宗旨，需克盡善良管理人注意義務，處理委任事務）。
②關於「執行開發之際產生的責任」，缺少區分AI開發與一般系統開發的合理性。→範本開發契約22條第1項中設有與範本契約2007相同的規定。
Ⅲ 責任 ～AI開發中成為問題的3種責任
權利・智慧財產
29
→一般認為提供者負責的案例很少。→範本開發契約條款原則上會否定提供者的責任。
性能保證 權利・智慧財產 責任
（２）使用成果物的AI產生之損害相關責任例：提供者開發工廠半成品異常檢測AI，交貨給使用者，使用者在自家公司的工廠中使用該AI後，AI軟體未能發現異常，使用者將不良品出貨給客戶，蒙受巨大損害。
① 完全不保證的型態② 僅保證著作權非侵害的型態③ 保證所有智慧財產權非侵害的型態
（３）因利用AI，而侵害第三方的智慧財產權時例：因提供者向使用者提供的已完成學習模型侵害第三方的專利，因此使用者接到專利權人的損害賠償請求
【結語】AI・數據利用相關契約方針
30
１ 性能保證、驗收、瑕疵擔保（１）AI特性與界限的相互理解：方針的活用（２）分割流程・契約（３）設計開發契約的內容
２ 權利・智慧財產（１）關於材料・中間成果物・成果物，事先掌握何者是、何者不是智慧財產權的對象（２）關於①，事先掌握誰擁有什麼權利等預設規則（＝法律上的規則）（３）事先掌握如何將契約條款設計成對自己公司有利（不拘泥「權利歸屬」，而是透過「使用條件」，獲得「成果」）（４）掌握契約的界限
３ 責任了解AI開發的「責任」種類，以契約控制
任意的影像數據
新需求的案例：透過AI的深度學習
大量的影像數據
讓AI讀取大量影像數據進行學習（此處為貓的特徵）
學習前AI 已完成學習AI
這是貓
這不是貓
學習過的AI即使是過去未讀取過的影像數據仍可理解其特徵加以識別
31
在AI中輸入大量資訊進行分析的學習方法。
著作權法修訂 ～因應AI利用的新需求
① 一般不會損害權利人利益的行為類型
② 對權利人造成輕微不利的行為類型
提高網路功能所需的快取伺服器
所在處搜尋服務
資訊解析所需的複製等
AI開發（深度學習）
因應新需求的著作權法修訂 ～使著作權的權利限制規定更有彈性
etc…
資訊解析服務
① 一般不會損害權利人利益的行為類型
應用目的並非享受著作物中表現的思想或情感
附屬於電腦的著作物利用之應用等
② 對權利人造成輕微不利的行為類型
附屬於透過創造新見解・資訊的電腦提供資訊處理結果之輕微應用等
許多權利限制規定分散 概括因應「彈性的權利限制規定」
（2018年5月修訂）
培育AI新創企業的政策
發那科與Preferred Networks等合作
共同開發出專為製造業設計之IoT平台「FIELD system」。
系統融合發那科所提供的機器人，與Preferred Networks的人工智慧技術，將機器收集到的數據即時處理，藉此使機器更彈性、更智慧地互相協同，讓製造業達到前所未有的更高水準。
合作成功的要點在於，得到資金並藉此取得經營自由度，建構出以成長為第一優先的關係。
33
AI系統共同開發支援事業 合作案例
MUJIN與SoftBank Robotics合作
SyntheticGestalt與KIRIN等公司合作cinnamon與昭和電工合作
GRID與千代田化工建設合作
透過工業機器人AI系統，共同開發全自動物流中心。於SoftBank Robotics所擁有的物流中心中，利用AI進行提升容積效率的技術驗證、數據收集。透過本次開發，提升自動倉庫的揀貨收納效率，可望減少運送成本。
［出處］MUJIN資料
為了能在設備運轉中，使用深度學習、深度強化學習預測運轉狀態並將運轉最佳化，開發了所需的AI模型、系統。此並非只有兩間公司共同開發，還有阿拉伯國營石油公司的集團企業ADNOC
LNG成為第一位使用者，提供了開發AI所必需的數據。
透過本次的系統開發，解決了設備老舊與維修費用增加等問題，並提升了生產力。因提高效率增加了3%的生產量時，工廠營運者可望一年增加1500億日圓以上的營業額。
［出處］GRID資料
開發運用AI技術的文書活用系統。Cinnamon利用獨創的AI文字辨識技術，將昭和電工過去數十年累積的手寫技術文件電子化，並建成數據庫。建成數據庫後，原本需要花30分鐘尋找的技術文件，縮短至10秒鐘，可望藉此提升技術員的生產力，並活化技術傳承。
［出處］cinnamon資料
開發支援生物科技研發之AI系統，並將其事業化。建構生物程序的關鍵，是將酵素反應作為觸媒，製造出新的酵素，使用開發出的AI系統進行深度學習，以判別模型和生成模型進行基因、蛋白質功能的預測與產生排列。與KIRIN實施了PoC，進行了驗證及確認。透過使用AI進行虛擬篩選，提升了研究開發的效率，不需要再投資約100億日圓於現有的設備上。
［出處］SyntheticGestalt資料
除了現有技術外，新開發2項技術
cinnamon擁有的技術 於本事業中新開發的技術
1. AI-OCR
2. 使用字典數據庫的自動修正技術
3. 擷取非定型格式項目
1. 擷取特殊關鍵字
2. 使用Deep Learning的
自動修正技術
J-Startup誕生出能在世界競爭中獲勝的新創企業，
以革新的技術與商業模式為世界帶來嶄新的價值。那就是「J-Startup」。
透過創造成功模式，更加強化日本的創業生態系統。
Select Go Global
Connect
Select Connect Go Global
約10000家新創公司
在民間頂尖支援者的推薦下，
選出具有潛力的企業
形成支援社群
連結政府、民間支援
作為日本代表
支援全球化開發
大企業、VC、
創業加速器、
政府機關
約100家
資優生
進軍海外
（參展等）
35
J-Startup企業
ArchiTek株式会社株式会社ispaceAWAKENS, Inc.株式会社アクセルスペース株式会社アストロスケール株式会社ABEJA株式会社アラヤAlpacaJapan株式会社Idein株式会社Inagora株式会社InstaVR株式会社株式会社インフォステラWHILL株式会社株式会社エイシングエーアイシルク株式会社株式会社エクサウィザーズエディジーン株式会社エルピクセル株式会社エレファンテック株式会社株式会社O: (オー)株式会社お金のデザイン株式会社Origami株式会社オルツ株式会社カウリス株式会社キュア・アップ株式会社QPS研究所株式会社Kyulux
SORABITO株式会社株式会社チャレナジー株式会社tsumugテラモーターズ株式会社テレイグジスタンス株式会社株式会社TrigenceSemiconductorトリプル・ダブリュー・ジャパン株式会社株式会社ナノエッグ日本環境設計株式会社株式会社PKSHA Technology株式会社バイオーム株式会社パネイル株式会社P・マインドピクシーダストテクノロジーズ株式会社株式会社ビザスクVISITS Technologies 株式会社BizteX 株式会社株式会社ビズリーチ株式会社Finc株式会社Photo electron Soul株式会社Preferred
NetworksFringe81株式会社株式会社FLOSFIAペプチドリーム株式会社
※以50音順序排列（2018年6月11日現在）
Kyoto Robotics株式会社クオンタムバイオシステムズ株式会社株式会社クラウドワークスGROOVE X株式会社Global Mobility Service 株式会社株式会社 Cogent Labsココアモーターズ株式会社コネクテックジャパン株式会社CYBERDYNE株式会社株式会社GRA株式会社JTOWER株式会社Studio OusiaSpiber株式会社スペースリンク株式会社株式会社SmartHR株式会社スマートドライブ株式会社すららネットセブン・ドリーマーズ・ラボラトリーズ株式会社株式会社ZMP
Holoeyes株式会社マイクロ波化学株式会社株式会社マネーフォワードMAMORIO株式会社株式会社MUJIN株式会社メガカリオン株式会社mediVR株式会社メルカリ株式会社メルティンMMI株式会社ユーグレナ株式会社ユーザベースライフイズテック株式会社ラクスル株式会社リーズンホワイ株式会社LeapMind株式会社株式会社Liquidリバーフィールド株式会社株式会社リプロセル株式会社ルートレック・ネットワークスレキオ・パワー・テクノロジー株式会社レグセル株式会社WAmazing株式会社
