「我々はショックを受けた」から始まった話
会場の空気がわずかに締まったのは、登壇者が「我々はChatGPTに、正直なところ衝撃を受けた」と切り出した瞬間だった。
Humanoids Summit Tokyoで行われた経済産業省 奥家敏和氏の講演『AI Robotics Policy in Japan』。サイバーセキュリティからAI、データ連携、そしてロボティクスまでを一つの所管で束ねるという、行政としてはやや異例の立場から、奥家敏和氏は日本がいまPhysical AIへ国家規模の投資を進めている理由を語っていった。
印象的だったのは、ロボティクスの担当部署を自分のチームに統合した理由だ。AI政策、データ利活用政策、ロボティクス政策──この三つを別々に走らせていては、本当の意味でのAIロボティクスは実現できない。だから一つにまとめた。彼はそう述べた。政策の縦割りを内側から崩したという話を、淡々と、しかし確かな熱量で語る人だった。
役所の講演にありがちな、抑揚のない政策の棚卸しではなかった。ここ数年で日本のAI政策がどんな順序で組み上がってきたのか、その思考のプロセスがそのまま開示されていくような時間だった。
そして聞き終えたあと、私の中には小さな引っかかりが残った。技術の話は、確かにあった。投資の話も、データの話も、十分にあった。けれど、ある一点について、まだ誰も正面から話していないのではないか。その違和感の正体は、この記事の終わりで書く。
出発点は思想ではなく、GPUの不足だった
奥家敏和氏の説明は、2022年末のChatGPT登場から始まった。
生成AI政策をどう前に進めるか。そう議論を始めた経済産業省が、まず突き当たったのはモデルの賢さでも倫理でもなかった。GPUが、足りない。AIを開発するための計算資源そのものが、ごく一部の海外の巨大開発者に握られていた。日本のAI政策の出発点は、高邁な思想ではなく、きわめて即物的な「計算能力の確保」だったのだと彼は振り返る。
そこで経済産業省が取った手は具体的だった。GPUを調達し、さくらインターネット、KDDI、ソフトバンクといった国内事業者を通じて日本企業が使えるようにする。MicrosoftやGoogleのクラウドにも、日本のスタートアップが計算資源を使えるよう働きかける。2023年には、有望なスタートアップに計算資源を供給するプログラムを立ち上げた。
その先には、当然の問いが待っていた。借り物のクラウドで戦い続けるのか、それとも日本独自のFoundation Modelを自ら持つのか。昨年、経済産業省の内部では大きな議論があったという。結論は「持つ」。莫大な投資を要することは分かっていた。それでも、マルチモーダルな基盤モデルを自国で構築するプロジェクトを、いま準備している段階だと奥家敏和氏は明かした。
ここまでは、多くの国がたどってきた道筋とそう変わらない。話が日本固有の色を帯びてくるのは、ここからだ。
なぜ日本は「Physical AI」に賭けるのか
奥家敏和氏が繰り返し口にした言葉が、Physical AIだった。
チャットの中で言葉を返してくるAIではなく、現実の物理空間で動き、ものを扱い、設備を診るAI。これこそが日本の産業の未来を握る、という確信である。理由はシンプルだ。日本には製造業という分厚い蓄積がある。ファナック、安川電機、川崎重工をはじめ、世界に冠たる産業ロボティクスのサプライヤーが揃っている。この強みとAIをつなげられなければ、せっかくの優位を失いかねない。逆につなげられれば、Physical AIの領域で世界の先頭に立てる。
そのために経済産業省が動かそうとしているのが、Robotics Foundation Modelの構想だ。ロボットの動作や物理世界の挙動を学習した基盤モデルを、ゼロから国内で育てる。すでに2025年からロボットの動作データセット構築に着手した事業者があり、来年には最初のロボティクス向けモデルが世に出るかもしれない、という見通しも語られた。
ただ、ここで一つ厄介な問題が立ちはだかる。Physical AIは、インターネット上に転がっている公開データだけでは作れない。
鍵を握る「Data Refinery」と、熟練者の経験
文章や画像のAIなら、ネット上の膨大なデータをかき集めれば、ある程度のところまで学習が進む。だがPhysical AIは違う。製造現場や試験環境でしか得られない、固有で specific なデータが要る。しかも、そのデータはただ集めただけでは使い物にならない。
奥家敏和氏が講演の中で「最も重要なポイント」と強調したのが、このData Refineryだった。
物理データは、生のままでは意味を持たない。何が正常で何が異常なのか、この振動は劣化の兆候なのか単なるノイズなのか──それを判別し、適切な注釈（アノテーション）を与えて初めて、AIが学べるデータになる。そしてその判別には、現場を知り尽くした熟練者の経験が要る。深い経験のない者がいくらデータを眺めても、物理世界の意味は読み取れない。だからこそ、どれほど巨大なAI開発者であっても、製造現場の経験なしには物理領域のデータセットを作れない、と彼は言い切った。
例として挙がったのが、修理すべき箇所を見つけ出すモデルを作り込んでいる企業の話だった。そのモデルが到達した能力は、ベテランのスキル（Veteran Skill）にほとんど匹敵する、と。熟練者の頭の中にあった暗黙知を、Data Refineryを通じてデータに翻訳し、AIに移していく。いくつかの企業やコンソーシアムは、データ設計に特殊な技能を持つスタートアップと組み、この精製の工程そのものを共同で立ち上げ始めている。
つまりPhysical AIの競争力は、モデルの上流にあるData Refineryと、そこに注ぎ込まれる熟練者の経験で決まる。ここは記憶に留めておいてほしい。
ロボット国家戦略と、自律化が連れてくる問い
講演の後半は、産業ロボティクスから先の話だった。
日本は産業用ロボットでは強い。しかしサービスロボットの領域ではまだ伸びしろがある。そしてその普及を後押しする最大の動機が、深刻な人手不足だ。製造、建設といった現場で人が足りない。だからロボットを入れる。これは経済産業省だけの話ではなく、国土交通省をはじめ複数の省庁が関わるロボット国家戦略として組み立てられている、と奥家敏和氏は説明した。
安全技術や安全概念の標準化、人材育成のための拠点づくりまで含めた、かなり広い射程の構想だ。Humanoids Summit Tokyoという場で語られたこの絵は、単発の補助金政策ではない。日本の産業構造そのものを、Physical AIを軸に組み替えようとする青写真だった。
ここで一つ、技術の話とは少し毛色の違う論点が顔を出す。ロボットやAIエージェントが現場で自律的に動くようになるほど、「どこまでをAIに任せ、どこから人間が引き受けるのか」という線引きが避けられなくなる。
政府は、自律的に動くAIエージェントに対して、誤作動やプライバシー侵害のリスクを念頭に「人間の判断を必須とする仕組み」づくりを開発企業などに求めている。この考え方は総務省・経済産業省が公表している『AI事業者ガイドライン（第1.2版）』にも明記されている。Human Oversight──人間による監督を、設計の中に組み込めという要請だ。
Physical AIは、まさにこの要請が最も重くのしかかる領域だ。チャットの誤答なら謝って訂正すれば済む。だが現場で動くロボットの判断ミスは、設備の破損や人身の危険に直結する。自律化が進むほど、人間の判断をどこに残すかという問いが、技術と同じ重さで効いてくる。
違和感の正体
ここで、冒頭に書いた引っかかりに戻りたい。
奥家敏和氏の講演は、Physical AIを実現するための技術の話としては、非常に充実していた。GPUを確保し、Foundation Modelを自前で持ち、Data Refineryで熟練者の経験をデータに変え、Robotics Foundation Modelを育てる。実現の筋道は、はっきりと描かれていた。
けれど、聞き終えてなお埋まらなかった部分がある。Physical AIを「どう作るか」の話は、ここまで来た。では、出来上がったそのAIが現場で動くとき、「誰が決めるのか」という話は──まだ始まったばかりではないか。
AIが異常を検知する。AIが対応策を提案する。AIが、やがて自分で実行する。そのとき、最後にラインを止める判断を下すのは誰なのか。どこまでをAIに委ね、どこからを人間が引き受けるのか。その境界は、誰がどう設計するのか。
技術の議論は前に進んでいる。だが、この「判断の側」の議論は、まだ言葉すら十分に与えられていない。私が会場で感じた違和感は、たぶんそこにあった。
Decision Designへ ── 判断そのものを設計する
この空白を埋めるための考え方がある。
それが Decision Design（判断の設計）である。
Decision Designは、判断という行為そのものを設計対象とする思想だ。
その中心にあるのが Decision Boundary（判断の境界）という概念である。
誰が決めるのか。
どこまでを任せ、どこからを引き受けるのか。
Physical AIが社会に入り込むほど、この問いは抽象的な倫理論ではなく、現場で運用可能な「設計」として答えを出さなければならなくなる。以下のパートでは、Decision DesignとDecision Boundaryが具体的に何を設計するものなのか、そして工場の設備保守AIを例に、その線引きが実際どう実装されるのかまで踏み込んで描いていく。
詳細版について
本稿は、公開範囲を基に構成したInsynergyの日本語サイト版です。詳細な議論と実装上の考察はnoteの詳細版で解説しています。