平 成２ ９年度文部科学省 専修学校による地域産業中核的人材養成事業
報告書
平成３０年２月
学校法人 中央情報学園
早稲田文理専門学校
人工知能（AI）分野中核的人材教育のための
首都圏産学連携協議会構築事業
本報告書は、文部科学省の生涯学習振興事業委託費による委託事業とし て、学校法人 中央情報学園 早稲田文理専門学校が実施した平成２９年度 「専修学校による地域産業中核的人材養成事業」の成果をとりまとめたも のです。
目 次
第１章 本事業の概要
１．１ 本事業の概要と目的 P２ １．２ 実施内容 P７第２章 今年度の活動
２．１ 人工知能（ＡＩ）教育調査の概要 P２３ ２．１．１ 今年度の調査の方針 P２４ ２．２ 人工知能（ＡＩ）分野有識者聞き取り調査 P２６ ２．２．１ 第１回会議における委員聞き取り P３０ ２．２．２ 第２回会議における委員聞き取り P４２ ２．３ 参考文献による調査 P６２ ２．３．１ ITSS+（プラス）、データサイエンティスト協会 P６２ ２．３．２ AI 白書 P７８ ２．３．３ G 検定 P８７ ２．３．４ その他参考文献 P９１ ２．４ 人工知能（ＡＩ）教育の実態調査 P９５ ２．４．１ 国内における調査 P９５ ２．４．２ 海外における調査 P１１１第３章 今後の活動
３．１ 次年度活動の方針 P１１４第１章 本事業の概要
第１章 本事業の概要
１．１
本事業の概要と目的
本事業は、平成２９年度文科省委託事業「専修学校による地域産業中核的人材 養成事業」にて早稲田文理専門学校が主管となり実施した。今年度から３か年継 続予定の委託事業である。 １．１．１．事業計画
下記に当初の事業計画を示す。当事業は３か年（平成２９年・平成３０年・平 成３１年）の採択である。よって当事業計画には、次年度以降の計画分について も言及・記載しているところもある。 (1) 事業概要 委 託 事 業 の 内容 機動的な産学連携体制の整備 事業名称 人工知能(ＡＩ)分野中核的人材教育のための首都圏産学連 携協議会構築事業 代表機関 学校法人中央情報学園 早稲田文理専門学校 (2) 構成機関・構成員等 今年度（平成２９年度）は、教育機関５校、企業団体６社、行政機関４団体の 参加となった。 ■教育機関５校 ＊ 学校法人中央情報学園 早稲田文理専門学校 ＊ 学校法人中央情報学園 中央情報専門学校 ＊ 学校法人三橋学園 船橋情報ビジネス専門学校 ＊ 学校法人情報文化学園 アーツカレッジヨコハマ ＊ 公立大学法人首都大学東京 産業技術大学院大学 ■企業・団体６（企業４社、団体３） ＊ 日本マイクロソフト株式会社 ＊ 富士通株式会社 ＊ メタデータ株式会社 ＊ 一般社団法人 コンピュータソフトウェア協会第１章 本事業の概要 ＊ ＮＰＯ法人 ＩＴコーディネータ協会 ＊ 一般社団法人 全国専門学校情報教育協会 ■行政機関４ ＊ 文部科学省国立教育政策研究所 ＊ 埼玉県教育局総合教育センター ＊ 千葉県教育庁教育振興部指導課 ＊ 神奈川県教育局 上記の学校、企業・団体、行政機関から委員として参加して頂き、次年度以降 に委員を「人工知能（ＡＩ）調査委員会」、「人工知能教育（ＡＩ）産学連携教育 委員会（技術教育分科会、ビジネス教育分科会）」、「人工知能（ＡＩ）教育プログ ラム開発委員会」に分けて活動を行う。
第１章 本事業の概要 (3) 事業の実施体制 当委託事業の実施体制図を示す
人工知能（ＡＩ）分野産学連携教育体制構築委員会
人工知能教育（ＡＩ）産学連携教育委員会（技術教育分科会、ビジネス教育分 科会） 人工知能教育（ＡＩ）教育プログラム開発委員会人工知能（ＡＩ）調査委員会
□人工知能（ＡＩ）分野産学連携教育体制の構築 人工知能（ＡＩ）分野教育のための産学連携体制構築のため、専修学校、人工知能（ＡＩ） 関連企業による協議体制作りを行うことを目的として委員会会議を実施する □将来的に産学連携体制が継続できるように組織化を検討する □人工知能（ＡＩ）分野現状調査 ○日本取組現状確認 ○海外での取組状況確認 □人工知能（ＡＩ）分野有識者聞き取り調査 ○人工知能（ＡＩ）分野大学有識者 ○人工知能（ＡＩ）分野企業有識者 □人工知能（ＡＩ）教育カリキュラム・ポリシーの構築 産学連携による人工知能（ＡＩ）教育カリキュラム基準を構築 □人工知能（ＡＩ）教育デュプロマ・ポリシーの構築 産学連携による人工知能（ＡＩ）教育の学修成果基準を構築 □人工知能（ＡＩ）教育アドミッション・ポリシーの構築 産学連携による人工知能（ＡＩ）教育を受けたい人へ教育内容の理解ができる基準を構築 □人工知能（ＡＩ）教育カリキュラムをもとに産学連携によるテスト授業を実施する □人工知能（ＡＩ）教育カリキュラムテスト授業後、学修成果を産業界にて検証してもらい 必要に応じて改善する第１章 本事業の概要 (4) 事業の趣旨・目的 急速に進む社会変化の中、近年では産学連携による人材育成が求められる。そ のような中「人工知能（ＡＩ）人材育成」が特に最重要視されている。日本の省 庁（文部科学省、経済産業省、厚生労働省等）に於いても、あらゆるモノをネッ トにつなぐ「ＩｏＴ」や「人工知能（ＡＩ）」の専門人材を短期間で育成するプ ログラムの構築を計画している。ＩｏＴとＡＩの両方に通じた専門人材は国内に 数百人程度しかいないとされることから、企業のエンジニア、大学院生が受講し、 ＩｏＴで求められるビックデータ解析やＡＩの深層部を学ばせるとされている。 しかしながら、専修学校や大学でも情報分野にて「ＡＩ系学科」が既に始まって はいるが、教育内容、教育方法等はまだまだ確立されていない。 この度提案する事業は、人工知能（ＡＩ）分野の企業（メーカー企業、ベンチ ャー企業）が集積する首都圏にて産学連携協議会を構成し、人工知能（ＡＩ）分 野の求める「人材像（知識・スキル・コンピテンシー）」を明確化し、今後の専 修学校として「ＡＩ人材育成」のスタンダード化を図ることを目的として本事業 を行う。 特に「人工知能（ＡＩ）の技術者育成」だけでは無く、社会的にニーズが高ま る「人工知能（ＡＩ）を活用したビジネスを創造できる人材の育成」をテーマと し今協議会を設立するものである。特に海外では人工知能（ＡＩ）の統合化が進 んでおり、教育内容も後者の「人工知能（ＡＩ）を活用したビジネスを創造でき る人材の育成」へとシフトしている。首都圏の先進的に人工知能（ＡＩ）へ取り 組でいる企業との連携体制を取りながら、急速に変化する業界の求める人材像を 反映しながら、人工知能（ＡＩ）を取り巻く環境と共に明確にして整備する。ま た、当協議会が取り纏める人工知能（ＡＩ）分野の教育カリキュラム等を、参加 して頂く団体と連携し多くの専修学校に反映できるようにする。 (5) 設置する人材育成協議会の役割 協議会役割 人工知能（ＡＩ）分野中核的人材教育のための首都圏産学連携協議会では、首 都圏（東京、埼玉、千葉、神奈川）を中心として開発が進められている人工知能 （ＡＩ）分野の産業界、専修学校、一部大学、行政と連携し、国内外の開発状況、 教育状況を基に業界の求める人材教育を平成29 年度～平成 31 年度に渡り協議会 体制を構築する。
第１章 本事業の概要 を取り纏め、専修学校にて業界に適した人材育成方法を確立する。また、同協議 会が委託事業終了後も参加団体を活用し、継続できる体制を構築するものである。 協議会の目的・役割・成果物イメージ 協議会の今後 人工知能(ＡＩ)分野中核的人材教育のための首都圏産学連携協議会は、事業終 了までに、一般社団法人コンピュータソフトウェア協会様又は、ＮＰＯ法人ＩＴ コーディネータ協会様と連携したサポート体制を構築し、継続的に活用できるよ うに整備する。
第１章 本事業の概要
１．２
実施内容
１．２．１． 事業を実施する上での設置する会議 今後３年間に渡って実施する会議を掲載する。会議種類や構成員は予定であり、 今後の推移により変更になる可能性がある。 会議名① 人工知能（ＡＩ）分野産学連携体制構築委員会(全体会議) 役割・目的 人工知能（ＡＩ）分野教育のための産学連携体制構築のため、 専修学校、人工知能（ＡＩ）関連企業による協議体制作りを 行うことを目的として委員会会議を実施する。 検討の 具体的内容 ■人工知能（ＡＩ）分野有識者聞き取り調査(H29 年度) ○人工知能（ＡＩ）分野大学有識者、企業有識者の選出 ■人工知能（ＡＩ）教育の実態調査(H29 年度、H30 年度、 H31 年度) ①国内における人工知能（ＡＩ）教育（技術基礎、ビジネス プラン）のサンプル調査概略を検討 ②世界各国における人工知能（ＡＩ）教育（技術基礎、ビジ ネスプラン）のサンプル調査概略を検討 ■人工知能（ＡＩ）の先進的開発状況調査(H30 年度、H31 年度) ①国内における人工知能（ＡＩ）開発状況調査概略を検討 ②米国における人工知能（ＡＩ）開発状況調査概略を検討 ③欧州における人工知能（ＡＩ）開発状況調査概略を検討 ④アジアにおける人工知能（ＡＩ）開発状況調査概略を検討 ■人工知能（ＡＩ）教育骨格検討(H30 年度、H31 年度) ○カリキュラム・ポリシー基礎を検討 ○デュプロマ・ポリシー基礎を検討 ○アカデミー・ポリシー基礎を検討 ■人工知能（ＡＩ）教育テスト概略を検討 ■人工知能（ＡＩ）分野産学連携体制継続案を検討 上記、調査・検討項目を基に「人工知能(AI)分野最新人材育第１章 本事業の概要 会議での 議論結果の 活用方法 □調査結果の活用 調査結果の内容を検討事項(人工知能（ＡＩ）教育のカリキ ュラム・ポリシー、デュプロマ・ポリシー、アドミッション・ ポリシー)へ活用する。 □検討結果の活用 ■カリキュラム・ポリシーの活用 産学連携による人工知能（ＡＩ）教育カリキュラム基準を構 築 ■デュプロマ・ポリシーの活用 産学連携による人工知能（ＡＩ）教育の学修成果基準を構築 ■アドミッション・ポリシーの活用 産学連携による人工知能（ＡＩ）教育を受けたい方へ、教育 内容の理解ができる基準を構築 □成果物の活用 ◎「人工知能(AI)分野最新人材育成報告書」を一般社団法人 コンピュータソフトェア協会を通じて、全国人工知能(AI)分 野教育を実施する専修学校に提供できるように整備する。 委員数 １６人 開催頻度 年間２回 【構成員（予定）】 岡本 比呂志 学校法人中央情報学園 早稲田文理専門学校 理事長・校長 渡邊 俊仁 学校法人中央情報学園 早稲田文理専門学校 岩田 俊裕 学校法人中央情報学園 中央情報専門学校 副校長 鳥居 高之 学校法人三橋学園 船橋情報ビジネス専門学校 理事長・学校長 伊藤 淳 学校法人情報文化学園 アーツカレッジ横浜 課長 小山 裕司 公立大学法人首都大学東京 産業技術大学院大学 専攻長・教授 千葉 慎二 日本マイクロソフト株式会社 エバンジリスト 河合 美香 富士通株式会社 AI エバンジリスト 野村 直之 メタデータ株式会社 代表取締役 木田 徳彦 一般社団法人 コンピュータソフトェア協会 理事 赤羽 幸雄 ＮＰＯ法人 ＩＴコーディネータ協会 理事 吉岡 正勝 一般社団法人 全国専門学校情報教育協会
第１章 本事業の概要 千々布 敏弥 文部科学省 国立教育政策研究所 総括研究官 大沼 潤一 埼玉県教育局総合教育センター 指導主事 村上 英輝 千葉県教育庁教育振興部指導課 指導主事 倉前 正 神奈川県教育局 指導主事 会議名② 人工知能（ＡＩ）調査委員会 役割・目的 人工知能（ＡＩ）分野の技術的調査、ビジネス的調査を基に、 専修学校に明ける人工知能（ＡＩ）分野教育（技術基礎、ビ ジネス）の可能性を国内調査、国外調査を基に取り纏める。 検討の 具体的内容 ■専修学校における人工知能（ＡＩ）分野教育調査内容を取 り纏める ○人工知能（ＡＩ）分野技術基礎調査方法及び調査データの 活用計画の立案 ○人工知能（ＡＩ）分野ビジネス系調査方法及び調査データ の活用計画の立案 ■人工知能（ＡＩ）分野企業の取り組み状況調査を取り纏め る ○国内人工知能（ＡＩ）分野開発状況データを取り纏め活用 計画を立案する ○海外人工知能（ＡＩ）分野開発状況データを取り纏め活用 計画を立案する 会議での 議論結果の 活用方法 □調査結果の活用 産学連携教育委員会（技術教育分科会）及び、産学連携教育 委員会（ビジネス教育分科会）へ調査結果の内容を報告する。 委員数 ７人 開催頻度 年間２回（H30 年度、H31 年度） 【構成員（予定）】 渡邊 俊仁 学校法人中央情報学園 早稲田文理専門学校 岩田 俊裕 学校法人中央情報学園 中央情報専門学校 副校長 鳥居 高之 学校法人三橋学園 船橋情報ビジネス専門学校 理事長・学校長 小山 裕司 公立大学法人首都大学東京 産業技術大学院大学 専攻長・教授
第１章 本事業の概要 木田 徳彦 一般社団法人 コンピュータソフトェア協会 理事 赤羽 幸雄 ＮＰＯ法人 ＩＴコーディネータ協会 理事 会議名③ 人工知能（ＡＩ）産学連携教育委員会（技術教育分科会） 役割・目的 人工知能（ＡＩ）分野の技術的な基礎教育を洗い出し、産学 連携にて、専修学校における人工知能（ＡＩ）技術基礎教育 の在り方について検討し、専修学校での人工知能（ＡＩ）技 術基礎教育の体系化を技術教育分科会にて協議する。 検討の 具体的内容 ■海外における人工知能（ＡＩ）分野技術基礎教育の実態を 調査する ○人工知能（ＡＩ）分野米国における取り組み調査結果を受 け検討 ○人工知能（ＡＩ）分野欧州における取り組み調査結果を受 け検討 ■人工知能（ＡＩ）分野技術基礎カリキュラムの検討 ○専修学校での技術基礎教育カリキュラムの絞り込み ○専修学校教員での技術基礎教育カリキュラム実施の可能 性を検討 ○技術基礎カリキュラム実施のための環境検討 会議での 議論結果の 活用方法 □調査結果の活用 調査結果の内容を検討事項として、専修学校にて可能と思わ れる人工知能（ＡＩ）分野技術基礎教育の洗い出しをし、技 術基礎教育カリキュムを検討する。 □検討結果の活用 ■人工知能（ＡＩ）技術基礎教育カリキュラムの策定 産学連携による人工知能（ＡＩ）技術基礎教育カリキュラム 基準を構築 ■専修学校人工知能（ＡＩ）教員の育成 産学連携による人工知能（ＡＩ）技術基礎教育のための教員 養成プランを策定 ■専修学校人工知能（ＡＩ）教育のための環境を定義 産学連携による人工知能（ＡＩ）技術基礎教育のための学修 環境定義を実施。 委員数 ７人
第１章 本事業の概要 開催頻度 年間２回（H30 年度） 【構成員（予定）】 渡邊 俊仁 学校法人中央情報学園 早稲田文理専門学校 岩田 俊裕 学校法人中央情報学園 中央情報専門学校 副校長 鳥居 高之 学校法人三橋学園 船橋情報ビジネス専門学校 理事長・学校長 木田 徳彦 一般社団法人 コンピュータソフトェア協会 理事 赤羽 幸雄 ＮＰＯ法人 ＩＴコーディネータ協会 理事 千葉 慎二 日本マイクロソフト株式会社 エバンジリスト 河合 美香 富士通株式会社 AI エバンジリスト 会議名④ 人工知能（ＡＩ）産学連携教育委員会（ビジネス教育分科会） 役割・目的 人工知能（ＡＩ）分野を活用したビジネスプラン教育のため の必要要件を洗い出し、産学連携にて、専修学校における人 工知能（ＡＩ）ビジネス教育の在り方について検討し、専修 学校での人工知能（ＡＩ）ビジネスプラン教育の体系化をビ ジネス教育分科会にて協議する。 検討の 具体的内容 ■海外における人工知能（ＡＩ）分野ビジネスプラン教育の 実態を調査する ○人工知能（ＡＩ）分野米国における取り組み調査結果を受 け検討 ○人工知能（ＡＩ）分野欧州における取り組み調査結果を受 け検討 ■人工知能（ＡＩ）分野技術基礎カリキュラムの検討 ○専修学校でのビジネスプラン教育カリキュラムの絞込み ○専修学校教員でのビジネスプラン教育カリキュラム実施 の可能性を検討 ○人工知能（ＡＩ）ビジネスプラン教育カリキュラム実施の ための環境検討 会議での 議論結果の 活用方法 □調査結果の活用 調査結果の内容を検討事項として、専修学校にて可能と思わ れる人工知能（ＡＩ）分野ビジネスプラン教育の洗い出しを し、ビジネスプラン教育カリキュムを検討する。 □検討結果の活用
第１章 本事業の概要 産学連携による人工知能（ＡＩ）ビジネスプラン教育カリキ ュラム基準を構築 ■専修学校人工知能（ＡＩ）教員の育成 産学連携による人工知能（ＡＩ）ビジネスプラン教育のため の教員養成プランを策定 ■専修学校人工知能（ＡＩ）のための環境を定義 産学連携による人工知能（ＡＩ）ビジネスプラン教育のため の学修環境定義を実産学連携による人工知能（ＡＩ）技術基 礎教育のための学修環境定義を実施。 委員数 ７人 開催頻度 年間２回（H30 年度） 【構成員（予定）】 渡邊 俊仁 学校法人中央情報学園 早稲田文理専門学校 岩田 俊裕 学校法人中央情報学園 中央情報専門学校 副校長 小山 裕司 公立大学法人首都大学東京 産業技術大学院大学 専攻長・教授 木田 徳彦 一般社団法人 コンピュータソフトェア協会 理事 赤羽 幸雄 ＮＰＯ法人 ＩＴコーディネータ協会 理事 千葉 慎二 日本マイクロソフト株式会社 エバンジリスト 河合 美香 富士通株式会社 AI エバンジリスト 会議名⑤ 人工知能（ＡＩ）教育プログラム開発委員会 役割・目的 平成３０年度までに纏めた人工知能（ＡＩ）教育カリキュラ ム基準を基にテストカリキュラムを構築し、専修学校の学生 に対して試験的に産学連携カリキュラム授業を実施するた めの協議をする。また、テスト結果を基に標準カリキュラム を整備する。 検討の 具体的内容 ■産学連携カリキュラム授業内容 ○受講する学生の前提知識・スキルの確定 ○実施するテストカリキュラムの確定 ○受講人数の確定 ■産学連携カリキュラム授業テストプランの検討 ○テスト実施専修学校の確定 ○テスト実施時期の確定 ○受講学生知識・スキル調査の確定※出身校も合わせ 会議での □テスト結果の活用
第１章 本事業の概要 議論結果の 活用方法 ■産学連携カリキュラム 産学連携による人工知能（ＡＩ）教育カリキュラムサンプル 例として構築したものを 受講学生の学修成果と合わせて確認 「人工知能（ＡＩ）教育カリキュラム・ポリシー」へ反映 ■受講学生の学修成果測定 受講学生アンケートおよび、産学連携企業による学生評価を 基に学修成果を測定する。 「人工知能（ＡＩ）教育デュプロマ・ポリシー」へ反映 ■受講学生知識・スキル調査 人工知能（ＡＩ）教育は高度とされているため、今後専修学 校にて人工知能（ＡＩ）教育を実施する際の受講学生レベル を想定できるようにする。 「人工知能（ＡＩ）教育アドミッション・ポリシー」へ反映 委員数 ６人 開催頻度 年間２回（H31 年度） 【構成員（予定）】 渡邊 俊仁 学校法人中央情報学園 早稲田文理専門学校 鳥居 高之 学校法人三橋学園 船橋情報ビジネス専門学校 理事長・学校長 伊藤 淳 学校法人情報文化学園 アーツカレッジ横浜 課長 吉岡 正勝 一般社団法人 全国専門学校情報教育協会 千葉 慎二 日本マイクロソフト株式会社 エバンジリスト 河合 美香 富士通株式会社 AI エバンジリスト
第１章 本事業の概要 １．２．２． 実施する調査等（目的、対象、手法、調査項目の概要を記載） (1) 人工知能（ＡＩ）分野産学連携教育構築のための調査 「人工知能（ＡＩ）分野教育」は新しい教育分野であるため、国内外における 人工知能（ＡＩ）の実態を把握する必要がある。そのため、今回提案する事業で は下記に記す２つの調査を実施する。なお今回調査対象とする地域は、国内だけ にでは無く、先進的な世界地域も対象とするものである。 ※現行の世界基準となる教育の質を保証する目的で実施、下記「（2）調査の項 目」内容を調査する。 □人工知能（ＡＩ）分野有識者聞き取り調査 ① 人工知能（ＡＩ）分野大学有識者による委員知識レベル合わせ ② 人工知能（ＡＩ）分野企業有識者による委員知識レベル合わせ □人工知能（ＡＩ）教育の実態調査 ① 国内における人工知能（ＡＩ）教育(技術基礎、ビジネスプラン)のサンプル調 査をインターネット・参考文献を活用した調査及び聞き取り調査(5 校程度) を取り纏め ② 世界各国における人工知能（ＡＩ）教育(技術基礎、ビジネスプラン)のサンプ ル調査をインターネット・参考文献を活用した調査及び聞き取り調査(3 校程 度)を取り纏め □人工知能（ＡＩ）の先進的開発状況調査 ① 国内における人工知能（ＡＩ）開発状況調査を委員企業よりご紹介頂き聞き 取り調査（5 社程度）を実施し纏め ② 米国における人工知能（ＡＩ）開発状況調査を委員企業よりご紹介頂き聞き 取り調査（2 社程度）を実施し纏め ※グーグル等 ③ 欧州における人工知能（ＡＩ）開発状況調査を委員企業よりご紹介頂き聞き 取り調査（2 社程度）を実施し纏め ※ＵＢＩ等 ④ アジアにおける人工知能（ＡＩ）開発状況調査を委員企業よりご紹介頂き聞 き取り調査（2 社程度）を実施し纏め ※アリババ等 (2) 調査の項目 現状における人工知能（ＡＩ）教育事例 国内における人工知能（ＡＩ）開発利用例 米国における人工知能（ＡＩ）開発利用例
第１章 本事業の概要
欧州における人工知能（ＡＩ）開発利用例 アジアにおける人工知能（ＡＩ）開発利用例 人工知能（ＡＩ）教育環境
第１章 本事業の概要 １．２．３． 取組の年次計画 (1) 平成２９年度 人工知能（ＡＩ）分野中核的人材教育のための首都圏産学連携協議会の設立 【調 査】 ■人工知能（ＡＩ）分野有識者聞き取り調査 人工知能（ＡＩ）分野大学有識者による委員知識レベル合わせ 人工知能（ＡＩ）分野企業有識者による委員知識レベル合わせ ■人工知能（ＡＩ）教育の実態調査 ① 国内における人工知能（ＡＩ）教育（技術基礎、ビジネスプラン）のサンプ ル調査をインターネット・参考文献を活用した調査を取り纏め ② 世界各国における人工知能（ＡＩ）教育（技術基礎、ビジネスプラン）のサ ンプル調査をインターネット・参考文献を活用した調査を取り纏め 【開 発】 人工知能（ＡＩ）教育調査報告書 【会 議】 人工知能（ＡＩ）分野産学連携教育体制構築委員会(全二回) (2) 平成３０年度 人工知能(ＡＩ)分野中核的人材教育のための首都圏産学連携協議会の拡充 【調 査】 ■人工知能（ＡＩ）教育の実態 ① 国内における人工知能（ＡＩ）教育（技術基礎、ビジネスプラン）のサンプ ◎人工知能（ＡＩ）全国教育課程編成委員会を構築 産学が連携し専修学校における人工知能（ＡＩ）教育の在り方を検討開始する。 ◎人工知能（ＡＩ）全国教育課程編成委員会を組織 産学が連携し専修学校における人工知能（ＡＩ）教育の在り方を整備する。
第１章 本事業の概要 ルの聞き取り調査（5 校程度）を実施取り纏め ② 世界各国における人工知能（ＡＩ）教育（技術基礎、ビジネスプラン）のサ ンプルの聞き取り調査（3 校程度）を実施取り纏め ■人工知能（ＡＩ）の先進的開発状況 ① 国内における人工知能（ＡＩ）開発状況調査を委員企業よりご紹介頂き聞き 取り調査（5 社程度）を実施し纏め ② 米国における人工知能（ＡＩ）開発状況調査を委員企業よりご紹介頂き聞き 取り調査（2 社程度）を実施し纏め ③ 欧州における人工知能（ＡＩ）開発状況調査を委員企業よりご紹介頂き聞き 取り調査（2 社程度）を実施し纏め 【開 発】 人工知能（ＡＩ）調査報告書 人工知能（ＡＩ）教育カリキュラム基準（技術、ビジネス別） 【会 議】 人工知能（ＡＩ）分野産学連携教育体制構築委員会(全三回) 人工知能（ＡＩ）分野調査委員会(全二回) 人工知能（ＡＩ）分野技術基礎分科会会議(全二回) 人工知能（ＡＩ）分野ビジネス分科会会議(全二回) (3) 平成３１年度 人工知能(ＡＩ)分野中核的人材教育のための首都圏産学連携協議会の運営 【調 査】 ■人工知能（ＡＩ）の先進的開発状況 ① アジアにおける人工知能（ＡＩ）開発状況調査を委員企業よりご紹介頂き聞 き取り調査（2 社程度）を実施する ◎人工知能（ＡＩ）全国教育課程編成委員会を運営 産学が連携し専修学校における人工知能（ＡＩ）教育を開始する。
第１章 本事業の概要 人工知能(AI)分野最新人材育成報告書 人工知能（ＡＩ）調査報告書 人工知能（ＡＩ）標準教育カリキュラム（技術、ビジネス別） 人工知能（ＡＩ）教員養成カリキュラムプラン 人工知能(AI)分野産学官連携組織の運営計画 【テスト】 学生に対して産学連携による標準カリキュラムをテスト運営する ※５校程度 【会 議】 人工知能（ＡＩ）分野産学連携教育体制構築委員会(全三回) 人工知能（ＡＩ）分野調査委員会(全二回) 人工知能（ＡＩ）分野産学連携教育委員会会議(全二回) 人工知能（ＡＩ）分野教育プログラム開発委員会会議(全二回)
第１章 本事業の概要 １．２．４． 事業の実施に伴い得られる成果物（成果報告書を除く。） (1) 平成２９年度 ■人工知能（ＡＩ）教育調査報告書 人工知能（ＡＩ）分野の大学有識者、企業有識者に対する聞き取り調査や人 工知能（ＡＩ）分野における日本取り取り組み事例、海外での取り組み事例を 調査し報告書を作成する (2) 平成３０年度 ■人工知能（ＡＩ）調査報告書 人工知能（ＡＩ） の国内・世界各国における教育サンプル例や、人工知能（Ａ Ｉ） の国内、米国、欧州における開発状況を調査し報告書を作成する ■人工知能（ＡＩ）教育カリキュラム基準（技術、ビジネス別） 人工知能（ＡＩ） 調査を元に、人工知能（ＡＩ） 教育に必要とされるカリ キュラムの基準を策定して纏め上げる (3) 平成３１年度 ■人工知能（ＡＩ）分野最新人材育成報告書 人工知能（ＡＩ）分野における、専修学校が可能とする人材育成を業界情報、 教育方法と合わせて取り纏め作成する ■人工知能（ＡＩ）調査報告書 平成３０年度に調査した国内、米国、欧州にアジアを加えた調査報告書を作 成する ■人工知能（ＡＩ）標準教育カリキュラム 平成３０年度に纏め上げた「人工知能（ＡＩ）教育カリキュラム基準」を基 に専修学校が教育可能な標準教育カリキュラム（第一版）を作成する ■人工知能（ＡＩ）教員養成カリキュラム
第１章 本事業の概要 養成カリキュラム（第一版）を作成する (4) その他 ■人工知能（ＡＩ）分野教育課程編成委員会 産学連携体制の継続的運営体制の確立し継続的な運用を目指す。 （参考）調査について (1) 目的 「人工知能（ＡＩ）分野教育」は新しい教育分野であるため、国内外における 人工知能（ＡＩ）の実態を把握する。人工知能（ＡＩ）における「技術面」、「ビ ジネス面」の２つの調査を実施し、専修学校で教育が可能な知識・スキル等を明 確にする。今回調査対象とする地域は、国内だけにでは無く、先進的な世界地域 も対象とするものである。 ※現行の世界基準となる教育の質を保証する目的で実施する (2) 調査対象及び調査内容 (ア) 調査対象 人工知能（ＡＩ）の先進的開発状況 ① 国内における人工知能（ＡＩ）開発状況調査 ② 米国における人工知能（ＡＩ）開発状況調査 ※グーグル等 ③ 欧州における人工知能（ＡＩ）開発状況調査 ※ＵＢＩ等 ④ アジアにおける人工知能（ＡＩ）開発状況調査 ※アリババ等 人工知能（ＡＩ）教育の実態 ① 国内における人工知能（ＡＩ）教育のサンプル調査 ② 世界各国における人工知能（ＡＩ）教育のサンプル調査 (イ) 調査項目 現状における人工知能（ＡＩ）教育事例 国内における人工知能（ＡＩ）開発利用例 米国における人工知能（ＡＩ）開発利用例
第１章 本事業の概要 欧州における人工知能（ＡＩ）開発利用例 アジアにおける人工知能（ＡＩ）開発利用例 人工知能（ＡＩ）教育環境 人工知能（ＡＩ）教育の学修成果基準 人工知能（ＡＩ）教育に必要な教員知識・スキル基準 など (ウ) 調査手法 文献調査(インターネット調査含む) 聞き取り調査 アンケート調査等 （当初の事業計画と実際の実施報告）
第２章 今年度の活動
第２章 今年度の活動
2.1 人工知能（ＡＩ）教育調査の概要
第１章で述べたとおり、当委託事業は３か年の継続事業となっている。今年度 の採択時期が平成２９年１２月で活動期間は３か月であった。短期間の活動を前 提に、今年度は主に人工知能（ＡＩ）に関しての事前調査を行った。調査のポイ ントとしては、次年度以降に深掘り調査で取りこぼしがないよう幾つかの手法で 幅広く浅く調査する。 調査活動の具体的内容は、事業計画書「第１章 1.2.2 実施する調査等（目的、 対象、手法、調査項目等の概要を記載）」に今後の３か年分を記載している。３か 年ではあるが、実質は２年間強の事業である。今年度の調査で、平成３０年度以 降の実態調査の参考になる項目を洗いだす必要がある。 H29 年 度 H30 年 度 H31 年 度 H32 首都圏産学連携 協議会の設立 有識者聞き取り調査 教育の実態調査 事 業 終 了 後 も 継 続 を 目 指 す ■国内実態調査 教育サンプル5 校 企業AI 先進取組 5 社 ■海外実態調査 教育サンプル3 校 企業AI 先進取組 4 社 （米国2 社、欧州 2 社） ■海外実態調査 教育サンプル3 校 企業AI 先進取組 2 社 （アジア2 社） カリキュラム 報告書 学生にテスト運用5 校第２章 今年度の活動
2.1.1 今年度の調査の方針
(1) 人工知能（ＡＩ）に関連する知識・分野の洗い出し 会議や執筆物など有識者、専門家からの聞き取り調査により、人工知能（ＡＩ） に関連する知識・分野を洗い出す。次年度に本格的に調査するにあたり、調査対 象とすべきかの検討資料とする。（2.2 節にて記載する） 目的 AI 教育プログラム構築のため必要と思われる知識・分野を洗い出 し、次年度に調査すべきかの資料とする。 手段 文科省会議での委員参考意見 委員の執筆物 インターネット 調査項目 AI・IoT・ビックデータ教育に関連するだろうと思われるキーワー ドと概要 【例】IT スキル標準、統計モデル、ROI（投資効果）、ITLT（IT サービスマネジメント） 第１回会議の様子第２章 今年度の活動 (2) 人工知能（ＡＩ）に関連する専門学校、大学、大学院の調査 現時点で、人工知能（ＡＩ）を教育に組み込んでいる高等教育機関（専門学校、 大学、大学院）を調査し、どのようなシラバス・カリキュラムで教育しているか、 システム系・ビジネス系なのかなどを調べ、次年度以降の人工知能（ＡＩ）教育 プログラム構築のための参考材料とする。（2.3 節にて記載する） 目的 現状のAI・IoT・ビックデータに関する教育の現状を知ることで、 委員間でイメージを共有する。また、次年度以降の実地調査する際 の具体的な調査すべき内容の目安を付ける。 手段 インターネット 調査手法 Google エンジンにて、キーワード（学校種別×専門用語、【例】専 門学校 AI）で調査する。 調査概要 国内 以下キーワード検索結果トップ10 ページ程度から関連するものを ピックアップ 学校種別： 専門学校、大学、大学院 専門用語： AI、マシンラーニング、機械学習、IoT、ビック データ 調査項目： 学校、学部、学科、課程の一覧 シラバス・カリキュラム内容 国外 以下キーワード検索結果トップ数ページ程度から特に有名な大学 をピックアップ
学校種別： vocational school、university、graduate school 専門用語： AI、machine learning、IoT、big data
調査項目： 学校種別ごとに２～３校を調査する 教育概要（次年度、海外調査の参考）
調査項目 名称（学校、学部、学科、課程）一覧
シラバス、カリキュラム内容（インターネット公開のもの） ➢ 育成する人材像、講義科目（技術系、ビジネス系）
第２章 今年度の活動
2.2 人工知能（ＡＩ）分野有識者聞き取り調査
今年度の委託事業では、各業界、関連団体から有識者を委員としてお招きして いる。今年度の会議は２回実施し、会議ごとに講演をして頂き、また貴重なご意 見を頂いた。さらに専門分野において著作物を出版している方もおり、それらか ら、次年度以降の人工知能（ＡＩ）教育プログラム構築に参考となる点をまとめ ることとする。2.2.1 第１回会議における委員聞き取り
１月１２日（金）東京にて第１回会議を実施した。最初の会議であり、委員自 己紹介、本協議会の概要説明の後、富士通株式会社エバンジェリスト河合様から 講演をして頂いた。その都度、委員の方々から大変参考となるご意見を頂いたの で、重要と思われる点を整理して掲載する。 (1) 有識者の専門分野、領域 今回参加して頂いた委員の方々の専門分野や領域をポジショニング・マップで 表示する。勝手に割り当てたところもあり正確ではないが、今後（特にカバーし ていない範囲について意識し）、調査を進めていく上での参考とする。 エンジニア スペシャリスト 教育関連の 行政、協会 ビジネス ゼネラリスト 教育 エンジニア系 教育機関 実務 業界団体 ＩＴ系 専門企業 ビジネス系 教育機関 IT 系企業教育 カバーしていない範囲第２章 今年度の活動 (2) 概要説明資料 会議冒頭で、事業計画を委員に説明した際のポイントと PPT 概要資料を一部 掲載する。 ----[説明ポイント]--- 各省庁では大学院・企業などを対象とした高いレベルの AI 教育が多いが、当 事業は高等教育の専修学校として「人工知能人材・人工知能を活用したビジネス の明確化」という側面からテーマを設定している。 以下の点も今後の検討事項である。 行政の方々も加え、産学連携から産学官連携の形で進めていく。委託事業３ 年だけでなく、その後の産学官連携組織の継続についても議題にしたい。 専門学校カリキュラム、ディプロマ、アドミッションポリシーを AI に関して どう定義していくか。 専門高校への委託事業成果の反映可能性についても議論にあげたい。 教育課程編成委員会（継続的に審議していく会）も立ち上げ産学官連携で議 論する。今後継続的に運営していくことを模索する。 教育カリキュラムの構築 日本のみならず海外の状況を調査対象とする。平成３０年、３１年度で海外 調査を行う予定とする。 教員養成カリキュラムまで３か年で取り組みたい。 活動の方向性（予定） AI 教育ビジネスモデルを専門学校にどのような形で導入していくか。 専門学校、専門職大学、専門職大学院それぞれできる範囲を明確にする。 AI ビジネスは「あらゆる産業・分野での業務経験をベースにした社会人を前 提とした教育モデルであっても良い」という意識からビジネスにフォーカス した教育モデルを考えている。 サイエンス、理論のレイヤーは、大学の基礎研究や巨大企業に任せる。図で 示したレイヤー、全体的な枠組みについて、専門の委員の方からメールなど で意見を頂きたい。
第２章 今年度の活動
第２章 今年度の活動
第２章 今年度の活動
第２章 今年度の活動 (3) 講演によるサジェスチョン 富士通株式会社エバンジェリスト河合様から講演をして頂いた。講演は、河合 様が携わった出版物「ビックデータ利活用概論」の内容にそって行って頂いた。 ----[講演ポイント]--- 本をベースに話を進めていく。この本は、ビックデー タ研究会を実施して何かを残そうとして企画した本であ る。非売品となっている。現場で何が起きているかを伝 える本となっている。 第１章 データ活用の動向 P12 ビックデータの歴史 ビックデータ、IoT、AI は深く関わっており、AI 単 独では成立しない。 AI は第３次ブームであり、技術的特異点（シンギュラリティ）は人がコント ロールすべきもの。 AI はキャッチーなので「AI」露出が多いが、裏にはビックデータなどの技術 が存在していることを理解すべき。 IEEE のビックデータカンファレンスに出席したが、昨年は Hadoop などの インフラ系が多かったが、今年は数学者が多い。AI 研究者は数学者が多くな
第２章 今年度の活動 っている。この国際会議では日本の企業はほとんど来ておらず、日本の遅れ 感がある。 データハッカソン（1 日で 90GB）1 位は京都大学のマスター生。90GB は汚 いデータで作業時間の80%で綺麗にし、その後数理モデルを適用する。 P21 ビジネス活用の考え方 泥臭い部分を記載している。泥臭い部分（データを収集・整理）を担当する 人材、データサイエンティスト、データ分析結果をインプリメンションでき る人材がそれぞれ必要である。 データサイエンティストにキャッチアップするだけではなく、ゼネラリスト も必要であると思っている。 P24 ビジネス活用における進め方 企業で抱えているデータが使われていない。既存データを組み合わせて価値 を生む視点が必要である。 P30 プラットフォーム 従来のシステム・データをどう繋げるかをクリアしないと、AI を生かすこと にはならない。 POC、少しのデータで試してアジャイル手法で繰り返す。 データの置き場所やセキュリティ問題も出て来ている。 世の中の事象を分析する統計手法も色々あり、データサイエンティストも多 種多様である。テキスト、映像、数理などの得意分野を持っており深掘りし ている。 第３章 業務別実社会・ビジネスへの適用 P79 ものづくり センサーでデータを取得していたが捨てていた。見える化で時間データを活 用することが注目されている。 プロセス産業は、データサイエンティストが多い。深掘りしているので、横 連携がない。
第２章 今年度の活動 P110 交通データ 自動車、IC データをマーケティングに使う。データは時間概念を持っており 分析により地図と時間を活用できる。 P133 大学 IR 大学教育でデータを使う。大学も多々データが取得できる。 P151 流通 POS データはもともとあっった。 買わない分析もあり、視線データにより解析し、マーケティングに活用する。 P153 デジタルマーケティング 第４章 業務共通・ビジネスへの適用 P166 ナレッジマネジメント ナレッジマネジメント、形式知、暗黙知、AI で研究が進んでいる P187 SNS 上の式は、流行り廃りを直接会話か SNS が強いのか分析する。衆議院選挙、 ピコ太郎など。 今まではアンケートだったが、機械で自動的に収集して分析できる。 ----[講演後の意見・質問]--- 最後に河合氏より、「データ分析の延長線上で、AI を捉えても良いのでは。ど こまでがデータ分析、AI かは線引きしなくて良い。」という意見が出された。 講演後に、委員から感想・意見があった。 何千何万種類の AI があるということが伝わる本である。AI には、テキスト、 画像、数字の世界があるが、弊社はそれをブリッジする仕事もしている。 日本はマルチな専門家が少ない。たった一つの分野で世界一になるのは難し いが、２〜３の分野でTOP1000 程度になると世界で活躍できる人材となる。 自分の専門性を深めるだけでなく、広くキャリアの視点を持つとう意味でも
第２章 今年度の活動 良い本である。 人文科学、社会科学も重要、AI ははるかに人間におよばない。AI は３歳児 であるが、人間とは随分違う。日本は人間にフューチャーすべき。従来型の IT は０か１で、非人間的な機械の元に人間を使う。人間は人間らしくのびの びとした部分を伸ばすのがAI の役割とすべき。 従来型の IT と AI を組み合わせる視点、UI の勉強、心理学、言語学、生物の 心理の解明、科学の境界線はない、「理系的」に騙されないこと。 ディープラーニング・AI のためには、中等教育では論理的思考を伸ばすべき。 公式丸暗記はだめ、国語が重要、日本語を客観的に教えて、産業言語や、起 承転結から統括型の文章変換の訓練などをすべき。 委員から AI について質問があった。 文系の統計解析に似ている。仮説を立ててから立証できるデータを集める。 AI は仮説を立てないでデータを集めるのか。人間と AI の作業の違いが聞き たい。 質問対する回答 仮説検証は AI でも行う（教師あり、教師なし）。人間に必要なものは、仮説 検証型AI である。 AI は処理するデータ量が多い。要素の多いモデルは、AI で検証できる。 教師なし AI は、全くの新仮説を発見する、人間の仮説発見を誘発する。 将棋は勝ち負けゴールがあり、人間社会は枠組みがない世界である。 AI は道具であり、人間を超えることはない。
第２章 今年度の活動 (4) 委員、オブザーバーによる意見 会議の終わりに各委員、オブザーバーから意見を頂いた。（敬称略） 井上 導入する企業に対して、AI は新入社員と同じだという認識を持ってもらう。 AI が万能だと思われると放ったらかしにされるので、このような認識を持っ てもらうことで企業の方に協力してもらう必要がある。 AI の定義線引きが曖昧でもあるが、ビジネスで広めるという目的なら IoT な ども含めて教育カリキュラムでも広く捉えても良いと思う。またAI も時代の 変化により普通のIT になることもあり得るので、委託事業も３年という長丁 場であるなら時代の変化にキャッチアップしていく必要性も出てくると思わ れる。 太田 人工知能の技術者育成、人工知能を活用したビジネスを創造できる人材の育 成は全く違う。調査委員会もこの視点で２つに分ける必要を感じる。 文系の大学生・院生に AI の必要性を感じているかのアンケートをしたが結果 は寂しいものであり、日本では理系文系が別れている弊害であり、文系こそ 学んでいく必要がある。国策としても、もう少し若うちからこういう分野も 学べるようにすべきである。
第２章 今年度の活動 赤羽 ２年前から中小企業への IT 活用の導入ため経営指導員の研修を進めている。 IT 導入ガイドを出し IT コーディネータ向けの研修をしている。続いて IoT、 共通EDI の普及のため導入相談員、導入コーディネータの育成を進めて行く。 AI も同じ流れで導入相談員・導入コーディネータが必要となり、今後も中小 企業庁、IT コーディネータ協会でも進めていくと思われる。今年の国の概算 要求に盛り込むなど組織的に進めていく必要性を感じている。 小山 今回の目的は教育カリキュラムを作ることなので、育成する人材を明確化し 議論していく必要がある。AI はツールであり手段なので、目的が何なのかを 考えるのがビジネスアナリストの役割なのでバランスを取っていくべきであ る。 海外では AI よりマシンラーニングという言い方が多いので、インターネット で調査する際は「マシンラーンング」でも検索した方が良い。 木下 現在、AI で銘打ったコースは多く集まる。２年前に AI コースでは富士通内 部のみが多く集まったが、今はコモディティ化して一般企業も集まっており、 もっと細かい教育を提供する必要性を感じている。ビックデータ分析、AI、 制御系など、どこまでを教育ターゲットとするのがいつも議論となる。 SIer が文系の学生を採用する例が多く、ネットワーク基礎、データベース基 礎などもっと優しくわかる言葉で教育してほしいというニーズがある。文系 もAI をやらざる得ないことすると、企業でも求めるものと採用する人材との ギャップを感じて、新人教育でも悩まれている。新人研修としては、IT 基礎 も必要であるし、どこまでAI も教育として入れるかが検討事項である。 河合 2020 年までは基幹システムが中心のままだろう。AI、IoT は数字的にもメイ ンストリームではない。10 年後はコモディティ化して全てクラウドに乗れば アプリケーションの違いでしかなく、データを抱えるプラットフォーマー・ ビジネスが伸びてくると考えられる。 伊藤
第２章 今年度の活動 ない技術を身につける、学生自身で時代の流れで考える術を身につけるとい う観点があるが、何に絞るのかはAI も含めて大事なポイントになると思う。 木田 AI の技術者か、ビジネス活用人材向けの教育カリキュラムなかの議論が最初 にあるべきである。有効度という点からも、AI を活用してビジネスを考えら れる人が今後のIT 人材として必要であるということはその通りだが、教育プ ログラムまで落とすのは非常に難しい。 技術者集団や IT 業界の団体にとっては、技術者育成も必要で数学、統計が避 けて通れない。今回はこの点をどうするかが大きな問題で、専門学校レベル でどうするかが課題となる。 経済産業省 IPA のスキル標準、今の IT ディクショナリーは学校教育でも参 考にしているところがある。その中でAI のタスクはないが、データサイエン ティストのタスクは昨年追加された。こんな仕事であればこんなスキルが必 要という定義があり、データ加工・整形も定義されており、今後のカリキュ ラムを考える際も参考になると思う。 倉前 20 年後に仕事の半数以上が AI に取って変わられるとのことだが、論理的思 考力などどういった生徒を育てて行くべきか興味がある。 今後３年間でカリキュラム構築する際に、AI 知識、ビジネスの構築ノウハウ などレベルを詳しく聞いてみたい。 村上 人工知能システムの構築、活用する際に悪意のある人もいると思うので、カ リキュラムの中に技術・活用だけでなく、倫理の観点も教える必要があると 感じた。 大沼 最終的には専門学校カリキュラムを作ることであれば、AI を活用する人材を 育てるのが狙いだと思う。教員も論理的思考力がなく、教育で論理国語も発 展させる必要があると自分のフィールドでも感じた。 千々布 AI で何ができるのかは共通認識を持つ必要があり、河合さんの講演は役に立 った。AI と人間との関わりは将来構想として持つべき、AI に関わる人間に
第２章 今年度の活動 何が必要かを議論するべき。 専門学校で AI に関するコースを開設することが目的であるなら、専門学校で これなら出来るという考え方も必要である。現在、存在している民（たみ） 事例を調査し関わっている方に聞くことで、これなら専門学校でできるとい う発想も出てくる。どちらに絞るというより、目的から考えて発想を逆にし た方が、結論が早く出ると思われる。 岡本 専門学校２年、３年、４年があり、また大学、専門職大学、専門職大学院の マップを俯瞰してメタデータ的カリキュラムも考慮しつつ、専門学校がフォ ーカスして行うべき教育カリキュラムを今後の成果物として出していきたい。 この成果が、専門職大学、専門職大学院のカリキュラムにつながるようなも のにしたい。 --- (5) 共通認識、課題・検討事項 会議をとおして委員からの多くの意見を頂いたが、ここでは次年度以降の活動 において参考となる「共通認識や課題・検討事項」をまとめる。 共通認識 AI は万能ではなく、ツールの一つという認識が必要である。 AI を知るには、ビックデータ、IoT も含め幅広く捉えて良い。 AI に関わる職種も、上流工程～下流工程まで幅広い人材が存在する。 専門学校の AI 教育は、技術よりビジネス的側面を前面に出し、文系的知識も 必要である。 課題・検討事項 AI の定義とターゲットとする教育の範疇を決めるのが難しい。 方向性としてビジネスよりの教育を目指すが、技術的観点をどこまで取り入 れるか。 ビジネスよりの AI 教育は事例も少なくカリキュラムに落とし込めるか。
第２章 今年度の活動
2.2.2 第２回会議における委員聞き取り
２月１４日（水）東京にて第２回会議を実施した。この会議では委員からの講 演（プレゼン）を３つ実施して頂き、その後自由討論を行った。今回も委員の方々 から大変参考となるご意見を頂いたので、重要と思われる点を整理して掲載する。 （第２回会議の様子） プレゼン１ 「ＡＩビジネスと人材育成」 未来デジタル研究所長 堀切 達也 様 プレゼン２ 「中堅・中小企業での導入事例を踏まえた課題と人材育成」 ＩＴコーディネータ協会 井上 研一 様 プレゼン３ 「AI エンジニア（データサイエンティスト）について」 中央情報学園 小菅 厚 様 三者三様のプレゼン内容であり、それぞれ異なる視点から人材育成について述 べて頂いた。 堀切様のプレゼン： AI を取り巻く環境・現状を概観し人材育成を捉える 井上様のプレゼン： 正に現場からの AI の導入から必要人材を捉える 小菅様のプレゼン： 現状の AI 教育や産業界の検定から人材育成を捉える第２章 今年度の活動 (1) 講演によるサジェスチョン ① 堀切様プレゼン「AI ビジネスと人材育成Ⅰ」 人材育成についてはプレゼン最後の方に述べる。適応分野が拡大している AI についての概要および未来について主に発表する。 【P1】日本経済は 2016 年以降、 横ばいマイナス成長だが ICT 分 野は大幅拡大が予想されている。 【P2】富士通フォーラムのブース展示、Meta Arc（*1）におけるサービスをみ てもAI ビジネスが昨年末から本格的にテイクオフしている。
第２章 今年度の活動 【P3】大企業では既存システム （特に IoT、ビックデータ）連携 で、AI ビジネスを展開している。 ただし、AI については誤解がまだ あり、100 社のうち 30 社程度が 具体的に検討しているのが実態で ある。 【P4】アメリカ巨大企業（GAFA）は M&A により AI ビジネスを急成長させて いる。日本はBtoB から AI ビジネスを進めている。アメリカは BtoC から進めて いる。 【P5】AI により各産業のビジネ ス転換を進め、各産業の課題・問 題点を解決する可能性がある。 【P6】ICT 産業の成立・発展によ り、21 世紀は知識資本主義の時代。 【P7】認識の深さと加工度により、 単なる情報から知識から知恵へ。
第２章 今年度の活動 【P8】インターネット革命を上手く利用したアメリカ ICT 産業の興隆、日本産 業の衰退 【P9】知識資本主義経済は、企業から消費者によった特性を持つ。 【P10】知識職業人の特性、労働 者とは違う。 【P11】AI にとって変わる職業は ホワイトカラー中心ではあるが、 知識職業人の仕事も一部対象とな る。 【P12】日本は、知識職業人、ホワイトカラーが半分を占める。 【P13】人口減少を AI&ロボット がカバー 【P14】知識職業人と AI＆ロボッ トの協業
第２章 今年度の活動 【P15】AI により産業間の壁が崩壊する。例えば自動車産業、Google 自動運転 の参入など。 【P16】シンギュラリティは来な い。歴史は終わらない。 【P17】認識の深さ＋加工度、AI は身体的経験、歴史認識を持って いない。 【P18】リカレント教育の必要 性。人材不足による社会人教育。 アーティスト教育、学際的教育 の必要性。３階層のAI・ICT 教 育体系の創出。会社にクローズ しないオープンイノベーション へ。
第２章 今年度の活動 ② 井上様プレゼン「中堅・中小企業での導入事例を踏まえた課題と人材育成」 自分自身エンジニアでもあり、エンジニアの実際の現場の様子も交えて話をし ていきたい。 AI の用途とビジネスの現状 AI に関して、大手・ベンチャーはあるが中堅・中小から相談を受ける事がなか なかない。 AI の活用事例をおさらい。 画像認識・顔認識を使ったサ ービスのケースがある。言葉 を使っての場合、チャットボ ットが多い。コールセンター、 人材採用マッチング、人の書 いた文章から判断。 予測、マーケティング、IoT の組み合わせ。
第２章 今年度の活動 具体例（中堅・中小の場合） パンのレジ。 金属探知機を組み合わせて産 廃の仕訳、人が見て判断して いたものをAI で行う。 オートバックスでタイヤの摩 耗チェック確認。
Azure Cognitive や Watson を活用している。
Microsoft のりんなの技術を 使用して、ローソンのあきこ ちゃんへ。
第２章 今年度の活動 IT コーディネータで全国 IoT 選出事例 30 件を調査 https://www.jmfrri.gr.jp/event/seminar/618/ AI を理解して取り組む企業、ブーム載せられて AI に取り組む企業がある。 IoT＋AI 活用のステップ IoT と AI を組み合わせて取 り組む流れ。IoT が普及して きた先にAI を考える。 AI を導入する壁（中堅・中小） AI は何ができるか、自身の企 業でなにができるか、使いこ なす人材がいない。費用感が 分からない、セキュリティが 不安である。 AI ビジネスを担う人材の育成 そもそも AI とは - 過去の AI は単なる IT になっている、現在の AI も 20 年、30 年後に変わる
第２章 今年度の活動 AI の教育 - AI を教えるのか、第 3 次ブームの流れマシンラーニングを教えるのか。 - AI は、IT だけの知識だけでなく広範囲な知識が必要。 - AI とマシンラーニングと違い、得意なところを理解する。ビジネスへの活用 シーンの訓練。 データの重要性 ビックデータの扱い方、量だ けではなく質を理解すること が必要である。 AI を使うための選択肢 マシンラーニングの開発では、 階層的に幾つかの手法が用意 されている。 - 機械学習（コーディング）：Python, TensorFlow、Caffe、どうやってデータ から学習するのか。学習機をプログラミングする部分。 - 機械学習（GUI）：学習機の組み合わせ。 - ユースケースレベル API：使いみちを限定して、学習機モデルがあり訓練デ ータだけを用意するタイプ。
第２章 今年度の活動 AI ビジネスを担う人でも、AI 技術を知る必要がある。 - 知るレベル（範囲）：AI を導入する知識、通常の IT 導入との違いを理解する。 AI/ML の何を知れば良いか？ ソート（整列）を例えにした AI の理解の範囲は、立場（研 究者・開発者・利用者）によ って異なる。 - 研究者は、最新の知識を追求する。ライブラリ開発者は最新論文を実現する。 - 通常の開発者は、提供されたライブラリを使うための知識があれば良い。AI ビジネスへの当てはめ。データを見る目が重要である。 - ユーザは、人間が AI に教えて真似ができるレベルなので、業務自体の知識が あることが重要である。 どのように AI を導入するか決める - 自分の会社が持っているデータ、自分のスキル、AI ビジネスを展開する競争 条件などを考慮して導入を決められる人材が必要。 AI 導入の進め方 企画、開発に間に学習という フェーズがある。データの蓄 積と継続的な学習を構築でき るか。
第２章 今年度の活動 AI を使うために必要な知識・技術 - 想像できる力。今までの IT でできなかったことを AI で行う。AI で何ができ るかをきちんと把握して想像できる力が必要である。 - 与えられたデータを学習して確率論で判断、論理的な部分は人間が行う。 - 人間が AI に何かを教える。 - ベテランが AI に教えると、新人は学ぶ必要があるかという不安要素がある。 - AI のユーザとして、アーリーアダプターとして導入するための知識を教える 事が重要である。マシンラーニングとは何かを教える。 質疑応答 【質問】 別な AI が出現する可能性があるとするなら、ニューラルネットとは違 うAI とは何か。 【返答】 汎用的な人工知能 AI が該当すると思われる。 【質問】 ニューラルネットという技術ベースが突然変わることがあるのか。 【返答】 別の技術が出てくる可能性はあると思う。 ③ 小菅委員プレゼン「AI エンジニア（データサイエンティスト）について」 来年度カリキュラムを検討する上でのたたき台を目的に、現状について調べた ことを述べる。
第２章 今年度の活動
参考文献の紹介
IT 開発の流れと人材像は明確である。AI の場合は、開発の流れと必要とされ るスキルを明示した。
第２章 今年度の活動 ディープラーニング協会の検定 - G 検定ゼネラリスト、E 資格エンジニアで分けており、検定を用意している。 河合先生の著作による分け方。 - 既存の IT とは違う開発手法をどの程度まで教えるのか 井上先生、人工知能導入プロジェクトの進め方 Yahoo CTO 安宅氏、適応する場面ごとでのスキルを分類している。 - ベースになる統計的な概念／知識 - 活動目的別スキル - 活動の個別ステップ別スキル - 情報処理分野別のスキル
第２章 今年度の活動 アカデミアに向けた期待（安宅） - 現代の基礎共用としてのデータリテラシーを持つ人材数を抜本的に拡大 - 「現実社会の課題」とアカデミアを近づける - 実生活でインパクトを出すことの価値と面白さを認識した人材を励まし育成 - データサイエンス側と話せ、協働できる力のあるエンジニアを育てる - 実験環境だけでなく本番実装に耐えうる基礎素養を持つ人材を育成 - ミドル・マネジメント層の再教育の場も用意 データサイエンティスト協会のスキルセット
第２章 今年度の活動
４つのレベル感。
第２章 今年度の活動
滋賀大学データサイエンス学部の卒業要件
第２章 今年度の活動 DS 学部 専門科目カリキュラムマップ (2) 委員、オブザーバーによる意見 岡本 大学、大学院は学問体系に基づく教授の専門分野に寄った教育となる傾向が ある。一方、専門職大学、大学院は産学連携による教育を目指す。 AI は、従来の IT 開発プロセスとは違い、特に経営企画人材、実際に実装す る人材と分かれると考えられる。G 検定、E 資格、この協会の検定は、機械 学習＋ディープラーニングにフォーカスしている人材像を考えている。基礎 的なコンピュータサイエンス知識をカバーしていない（それが前提とはなっ ているかもしれない）が、このディープラーニング協会のG 検定は参考にな ると思われる。 河合 専門学校サイドとしては、どういう人材像を作るかが重要と思われる。G 検 定、E 資格に沿った人材を作るというのはありかもしれない。しかしながら、 G 検定を保持しても企業側として重要視しない可能性がある。
第２章 今年度の活動 岡本 フレームワークとして参考になるのではないか、検定を前提とした教育は考 えていない。 河合 実際のプロジェクトではビジネス、データサイエンティスト、データエンジ ニアリングを備えた一流どころ３人を揃えても成功しないことがある。ビジ ネス力、リーダシップ、パッション（何を解決するのか）は、教育に落とし 込む事が難しいと思われ、教育のベースとして捉えた方が良いと思う。 岡本 専門教育は、高卒のみならず社会人を対象とした教育があり、社会人は目的・ 課題をもって教育を受ける傾向がある。高卒および社会人学び直しも視野に 入れつつ、専門学校の特徴を出して自由に発想して考えていきたい。 赤羽 企業で成功している事例は、「内製化している」かつ「データを読める人」 がいること。AI 活用も内製化するエンジニアリングが注目されており、社長 が一人でスマート工場を作ってしまった例もある。 教育を受ける対象は、コンサルや IT ベンダーよりも、中小であれば利用する 側の経営マネジメント側であり、学校教育する対象者はサプライヤーより利 用者側にニーズが有ると思う。 井上 社会人が学び直しで AI、IoT を学ぶ際に、全ての知識を学ぶ必要があるのか。 １年間程度学んで現場に戻る、４年間学ぶ必要はあるのか、導入するAI によ って変わってくると思う。 岡本 大学・大学院は研究者レベルが目標、専門学校は一般の開発者とユーザレベ ルであろうと思われる。IT 技術者も専門特化しており、AI 次関連技術者もグ ルーピング・職種的な分け方をする必要がある。 井上
