AIとガバナンス 東京大学共同シンポジウム

東京大学未来ビジョン研究センター 知的財産権とイノベーション研究ユニットと東京大学大学院法学政治学研究科 先端ビジネスロー国際卓越大学院プログラムによる共同シンポジウム「AIの知財とガバナンスの論点」（２月２９日実施）の後半「AIとガバナンス」では、渡部俊也 東京大学未来ビジョン研究センター 教授の話、福岡真之介 西村あさひ法律事務所・外国法共同事業 パートナー弁護士の話、江間有沙 東京大学国際高等研究所東京カレッジ 准教授の話がありました。
渡部俊也教授は、機械学習や生成AIなどのAI技術の進展、AIとデータガバナンス、AIとデータガバナンスと知的財産制度の交差点、効果的なAIおよびデータガバナンスフレームワークの実装における課題と考慮事項について述べ、AIおよびデータ利用に関連するリスクを管理し、利害関係者の受け入れを確保し、革新を促進するために、ガイドラインとガバナンス基準の重要性を強調しています。
AI・データガバナンスは、「AIやデータによって発生するリスクをステークホルダーの受容可能な水準に維持し、AIやデータのもたらす価値を最大化することを目的とした規範（技術的、組織的手段を含む）の策定及び運用」と定義されていました。
福岡真之介弁護士は、「AIのガバナンス – 事業者と知的財産の視点から」で、AIガバナンスの基本概念、目的、プレイヤー、および方法論について説明し、信頼できるAIの実現に向けた国際的な議論の重要性を強調し、生成AIにおける法的リスク、事業者から見たAIガバナンスの手法、法令順守、社内ルール、契約によるガバナンス等について詳細に論じ、AIによる知的財産のガバナンスにおける多様な手法の必要性を強調していました。
生成AIに関連する法的リスクとして以下の点が挙げられていました。
1.  知的財産権の侵害・帰属問題：他人の著作権やその他の知的財産権を侵害するリスクや、生成AIによって生み出された成果物の知的財産権の帰属が不明確になる問題。
2.  人格権関連の権利・利益の侵害：肖像権やパブリシティ権、個人のプライバシー等が侵害される可能性。
3.  パーソナルデータの不適切利用：個人情報保護法に違反して個人情報を不適切に取り扱うこと。
4.  秘密情報の漏洩：自社や他社の秘密情報を漏洩するリスク。
5.  誤情報の利用：生成AIが生成した誤った情報を基に判断を下したり、その情報を利用者に提供すること。
6.  バイアスによる差別や不公平な取り扱い：生成AIが生み出した情報に基づいて差別的な判断をしたり、その情報を利用者に提供すること。
7.  フェイクニュースの流布やマルウェアの作成：生成AIを使ってフェイクニュースやマルウェアを作成し、流布するリスク。
8.  各種業法への違反：弁護士法、医師法、金融商品取引法などの業法に違反するサービスを提供するリスク。
これらのリスクは、生成AIの開発や利用の段階で慎重な検討と対策が必要とされています。
 
AIとガバナンスというテーマからはそれますが、渡部俊也教授の話の中で、２０万件を超える大量のデータをAIに読ませ、特許になったものと特許にならなかったものを教師データとして機械学習させ、特許の質を議論していた話、なつかしく聴きました。この渡部教授とIBMの研究をベースに「特許の質」に関する研究を行い、その後実務にも役立ったことを思い出しました。同じような考えで生成AIに学習させるともっと凄い結果が出てくるかもしれません。
 
 
Modeling patent quality: A system for large-scale patentability analysis using text mining
https://www.jstage.jst.go.jp/article/ipsjjip/20/3/20_655/_pdf
 
特許の質への取組みとその客観的指標の活用の可能性に関する一考察
知財管理61巻 9号 1325頁 (2011年)
https://www.jipa.or.jp/kikansi/chizaikanri/search/detail.php?chizai_id=8e4463c408c698c51779ecc91bda60c6
 
東京大学共同シンポジウム
https://ablp.j.u-tokyo.ac.jp/pdf//29Feb2024_IFIandABLP_Symposium.pdf
 
Session2　■AIとガバナンス
渡部 俊也 （東京大学未来ビジョン研究センター 教授）
知財制度とガバナンス規範の境界-AIによる学習を例として-
https://ablp.j.u-tokyo.ac.jp/pdf//29Feb2024_S2_Watanabe
福岡真之介（西村あさひ法律事務所・外国法共同事業 パートナー弁護士）
AIのガバナンス– 事業者と知的財産の視点から
https://ablp.j.u-tokyo.ac.jp/pdf//29Feb2024_S2_Fukuoka
江間 有沙 （東京大学国際高等研究所東京カレッジ 准教授）
AIガバナンスと知財
（資料アップなし）
 
 
 
AI and Governance: Joint Symposium by the University of Tokyo
 
The University of Tokyo's Future Vision Research Center's Intellectual Property and Innovation Research Unit, together with the Graduate Schools of Law and Politics' Advanced Business Law International Excellence Program, held a joint symposium titled 'Issues of AI Intellectual Property and Governance' on February 29th. In the latter part, focusing on 'AI and Governance', there were talks by Professor Toshiya Watanabe of the University of Tokyo's Future Vision Research Center, Shinnosuke Fukuoka, a partner lawyer at Nishimura & Asahi Law Office's Foreign Law Joint Enterprise, and Associate Professor Arisa Ema from the University of Tokyo's Institute for Advanced Studies on Asia, Tokyo College.
 
Professor Toshiya Watanabe discussed the advancement of AI technologies such as machine learning and generative AI, AI and data governance, the intersection of AI and data governance with the intellectual property system, and the challenges and considerations in implementing an effective AI and data governance framework. He emphasized the importance of guidelines and governance standards for managing risks related to AI and data use, ensuring stakeholder acceptance, and promoting innovation.
 
AI and data governance were defined as 'the formulation and operation of norms (including technical and organizational measures) aimed at maintaining risks arising from AI and data at an acceptable level for stakeholders and maximizing the value derived from AI and data.'
 
Lawyer Shinnosuke Fukuoka, in his talk on 'AI Governance - From the Perspective of Businesses and Intellectual Property', explained the basic concepts, objectives, players, and methodologies of AI governance. He highlighted the importance of international discussions towards realizing trustworthy AI, detailed legal risks in generative AI, approaches to AI governance from the perspective of businesses, compliance, internal rules, and governance through contracts, emphasizing the necessity of diverse approaches in the governance of intellectual property by AI.
 
The legal risks related to generative AI included:
 
Infringement and attribution issues of intellectual property rights: The risk of infringing someone else's copyrights or other intellectual property rights and the problem of unclear attribution of intellectual property rights for outcomes produced by generative AI.
Infringement of rights and interests related to personality rights: The possibility of infringing rights such as the right to portrait, publicity rights, and individual privacy.
Improper use of personal data: Handling personal information in violation of personal information protection laws.
Leakage of confidential information: The risk of leaking one's own or others' confidential information.
Use of misinformation: Making decisions based on incorrect information generated by generative AI or providing that information to users.
Discrimination and unfair treatment due to bias: Making discriminatory decisions based on information produced by generative AI or providing that information to users.
Dissemination of fake news and creation of malware: The risk of creating and spreading fake news or malware using generative AI.
Violations of various industry laws: The risk of providing services that violate industry laws such as the Lawyers Law, Medical Practitioners Law, and Financial Instruments and Exchange Law.
These risks require careful consideration and measures at the stages of development and use of generative AI.
Although deviating from the theme of 'AI and Governance,' Professor Toshiya Watanabe's talk included a nostalgic discussion about feeding AI more than 200,000 pieces of data, using outcomes that were and were not patented as training data for machine learning, and debating the quality of patents. This reminded me of research on 'patent quality' based on the work of Professor Watanabe and IBM, which later proved useful in practice. Similar approaches might produce even more incredible results when applied to generative AI.