Successfully reported this slideshow.
We use your LinkedIn profile and activity data to personalize ads and to show you more relevant ads. You can change your ad preferences anytime.
ConfidentialConfidential
いま社会から求められている情報処理と
将来のキャリア構築に向けたヒント
株式会社リジー
代表取締役/博士(工学)
藤田 肇
東大人工知能開発学生団体 HAIT 講演
自己紹介
藤田 肇
⚫ 1978年生まれ、奈良先端科学技術大学院大学(NAIST)
博士後期課程修了(専門は機械学習・統計的学習)
⚫ 「データサイエンティスト」 という言葉がなかった2000年代中盤
(人工知能 冬の時代)に 機械学習を用いた...
人工知能ブームの変遷
3
今回は 市場の要請で民間企業が牽引する「第3次 AI ブーム」
出所:総務省情報通信白書, 国際学会IDEMのシンポジウムにおけるインテル基調講演の資料
時間2004 2005 2006 2007 2008 2009 ...
「冬の時代」 からブームまでのマイルストーン
年
「人工知能」 に対する
世の中の反応
2002 2018
⚫ 「機械学習」 を誰も知らない
⚫ ネットワークの研究が最盛期
⚫ 一部の大手外資系企業で 「機
械学習優遇」 という採用要項
⚫ 「...
各企業が AI の導入を急ぐ理由
5
「AI 導入」をとおして「働き方改革」を成功させるため
経営課題
⚫ 少子化による深刻な人手不足
⚫ 経営環境の急激な変化
➢ ビジネスサイクルが急速に短くなった
➢ 技術・知識の更新スピードが高まり 知識...
働き方改革とは何か
6
働き方改革=組織の生産性を高める(=長期利益を確保する)ための取り組み
「組織のあり方」「既存業務の進め方」 にメスを入れなければならない
⚫ エンゲージメントの強化(社員満足度・定着率・帰属意識の向上 など)
⚫ 人材...
データサイエンティスト時代の藤田の経験談
タイヤの空気圧異常を検知する特殊システム(TPMS)の研究開発
直接式TPMS
⚫ ホイールに空気圧センサを装着
⚫ コストが高い(数千円/台)
間接式TPMS
⚫ 車輪の回転速度信号をリアルタイム解析...
利益を出すために民間企業が人材に期待すること
8
「課題を解決する」 能力(誰かの課題を解決すれば利益が出るから)
AIが代替・支援すべき
知的作業はどこに存在するか?
技術ニーズの把握・明確化
代替・支援するには
どのような製品機能が必要か?...
社会から求められている情報処理
9
課題解決に実効的な情報処理技術が望まれている
誤
り
率
(
%
)
ILSVRC
実施回数
28.2
25.8
16.4
11.7
6.7
人間の誤り率(5.1%)
4.94 3.82
3.57 3.08
...
キャリア構築に対する心構え
10
「自分の幸せ」 と 「他人の役に立つ」 の領域が重なる部分を探す
自分の幸せ
他人の役に立つ
(=仕事)
努力が娯楽になる領域
趣味 苦役
⚫ どの企業に就職しても
「仕事」 を知ることになる
⚫ 有名・人気の...
「最適なキャリアパス」 について
11
いまの気分に忠実に 正々堂々と好きな道を選んでください
⚫ まずは目の前の仕事に正面から誠実に取り組むことが大切
⚫ 判断の成否は 「その後に何をするか」 で事後的に決まる
ありがちな思考パターン
1. ...
藤田の例(やや自慢が含まれます)
12
自分の幸せを優先して生きてきたが 思い通りにいかないことだらけ(凡人には普通のこと)
キャリア・コンセプト:「アート」 を言語化・構造化して客観視できるようにする(サイエンス)
芸風:研究者(厳密な意味で...
インターン・就職先選びの基準
13
下記はあくまでも 藤田の価値観に基づく例です(自分の頭で基準を考えてください)
好材料
✓ 職場全体の雰囲気がよい
✓ 周囲の人たちが仲良し
✓ 職場ですれ違うときに自然と挨拶がある
✓ 同僚の知的レベルが高...
推薦図書
14
ビジネス系
スキル系 AI 専門書
推薦図書
15
起業系 読み物系
モテ系
藤田が本を出します
16
「言語化する」 ための方法を正しく身につければ
研究開発がグイグイ進むよ!
……というコンセプトの本(研究者・エンジニア向け)
2018年冬に発売予定
※1:いま必死で書いてます
※2:左図はイメージです
Upcoming SlideShare
Loading in …5
×

【東大人工知能開発学生団体 HAIT 講演】いま社会から求められている情報処理と将来のキャリア構築に向けたヒント

200 views

Published on

(1) 冬の時代からブームまでのマイルストーン
(2) 民間企業が求めていること
(3) データサイエンティストとしての経験談
(4) キャリア構築に対する心構え
(5) 最適なキャリアパス
(6) 講演者の具体例
(7) 学生に薦めたい書籍

Published in: Career
  • Be the first to comment

  • Be the first to like this

【東大人工知能開発学生団体 HAIT 講演】いま社会から求められている情報処理と将来のキャリア構築に向けたヒント

  1. 1. ConfidentialConfidential いま社会から求められている情報処理と 将来のキャリア構築に向けたヒント 株式会社リジー 代表取締役/博士(工学) 藤田 肇 東大人工知能開発学生団体 HAIT 講演
  2. 2. 自己紹介 藤田 肇 ⚫ 1978年生まれ、奈良先端科学技術大学院大学(NAIST) 博士後期課程修了(専門は機械学習・統計的学習) ⚫ 「データサイエンティスト」 という言葉がなかった2000年代中盤 (人工知能 冬の時代)に 機械学習を用いたデータ分析者と して 大手自動車部品メーカーの研究開発部門で活躍 ⚫ その後 AI関連企業の技術戦略チームの責任者として 研究開 発部門の体制強化, 共同研究・産学連携の企画推進, AI製品 の導入に向けた製品企画など CTO直下で経営課題の解決に 向けたプロジェクトを統率 ⚫ 2014年に独立、2017年に法人化、「企業価値の再発見」 をと おした課題解決の支援を得意とする 株式会社リジー 代表取締役 / 博士(工学) 2 http://lisi.jp/
  3. 3. 人工知能ブームの変遷 3 今回は 市場の要請で民間企業が牽引する「第3次 AI ブーム」 出所:総務省情報通信白書, 国際学会IDEMのシンポジウムにおけるインテル基調講演の資料 時間2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 20181960 第1次ブーム 推論・探索 第2次ブーム エキスパート システム 第2次ブーム エキスパート システム データトラヒック (Gbps) 0 5 10 15 20 25 30 35 0 1000 2000 3000 4000 5000 6000 7000 8000 トランジスタ密度 (ユニット/nm) 第3次ブーム 機械学習(統計的学習・ディープラーニング) 1956 1964 1980 1987 2012 ディープラーニング 初登場 簡単な問題しか 解けずに終了 汎化能力が限定的で 実用困難のため終了 画像認識で ディープラーニングが 既存手法に圧勝
  4. 4. 「冬の時代」 からブームまでのマイルストーン 年 「人工知能」 に対する 世の中の反応 2002 2018 ⚫ 「機械学習」 を誰も知らない ⚫ ネットワークの研究が最盛期 ⚫ 一部の大手外資系企業で 「機 械学習優遇」 という採用要項 ⚫ 「データサイエンス」 は存在しない 2004 2006 2008 2010 ⚫ ディープラーニングの 論文発表 ⚫ iPhone 3G 発売 ⚫ Watson がクイズ 番組でチャンピオン に勝利 2012 ⚫ ILSVRC でディー プラーニングが従 来手法を圧倒 ⚫ Google 「アルファ碁」 がイ・セドルに勝利 2016 ⚫ おそらくいまが絶頂期 2013 第3次 人工知能ブーム 出所:各記事・各資料から抜粋 4 いま思えば 「冬の時代」 の冷遇は半端なかった
  5. 5. 各企業が AI の導入を急ぐ理由 5 「AI 導入」をとおして「働き方改革」を成功させるため 経営課題 ⚫ 少子化による深刻な人手不足 ⚫ 経営環境の急激な変化 ➢ ビジネスサイクルが急速に短くなった ➢ 技術・知識の更新スピードが高まり 知識・ノウハウが早期に陳腐化する ⚫ 市場のグローバル化と新興国企業の台頭 ⚫ 既存の事業はすぐには無くならない。しかし、限りある資源を未来に振り向けなくては企業そのものの存在が 危うくなってしまう。事業管理(卓越したオペレーション)と未来づくり(イノベーション)とを両立させるには、 桁違いの従業員生産性が必要である(F社副社長) ⚫ うちの研究者は、与えられた目標の達成に向けて、いまだ内にこもって仕事をする傾向にある。異質の知との 交流・協働を通じて、イノベーションの当事者意識を高め、目的を自ら定めて自発的に働く人を増やしたい (T社 研究所長) 出所:技術情報協会 「R&D部門の働き方改革と業務効率化、生産性向上の取り組み」
  6. 6. 働き方改革とは何か 6 働き方改革=組織の生産性を高める(=長期利益を確保する)ための取り組み 「組織のあり方」「既存業務の進め方」 にメスを入れなければならない ⚫ エンゲージメントの強化(社員満足度・定着率・帰属意識の向上 など) ⚫ 人材の最適配置と業務プロセスの刷新による経営効率の向上 これらをとおして 最終的には 「イノベーションが生まれる創造的な組織」 に作り替えたい 働き方改革を実現するために 売上 コスト 利益 人工知能を開発する側の企業 (インターンの人気が高い) 人工知能を利用する側の企業 (日本の製造業が中心)
  7. 7. データサイエンティスト時代の藤田の経験談 タイヤの空気圧異常を検知する特殊システム(TPMS)の研究開発 直接式TPMS ⚫ ホイールに空気圧センサを装着 ⚫ コストが高い(数千円/台) 間接式TPMS ⚫ 車輪の回転速度信号をリアルタイム解析 ⚫ コストが安い(数百円/台) 「ABS メーカの製造コストを減らす」 という課題を解決して 会社の売上を増やす ことに貢献 7 1. 正常時と異常時とでタイヤが回転 するダイナミクスが変化する 2. 「回転速度の周期の変化」 という 形で その情報が現れる 3. 信号のリアルタイム解析で正常時 と異常時とを比較
  8. 8. 利益を出すために民間企業が人材に期待すること 8 「課題を解決する」 能力(誰かの課題を解決すれば利益が出るから) AIが代替・支援すべき 知的作業はどこに存在するか? 技術ニーズの把握・明確化 代替・支援するには どのような製品機能が必要か? ニーズに基づく製品企画 どのような要素技術が必要か? ニーズを捉えた基礎研究 特に 「何が課題か」 を適切に定義し 周囲を巻き込みながら 解決に向けて行動を起こせること 「どんな課題を解くのが得意か・好きか」 を抽象化して 「キャリア・コンセプト」 に昇華する すぐに役立つ知識・スキルは すぐに役立たなくなる ⚫ 機械学習の専門知識 ⚫ 英会話・TOEIC スコア ⚫ 資格・検定・学歴 利益を出す(=誰かの役に立つ)ために必要となる 具体的なスキルはすぐに陳腐化する
  9. 9. 社会から求められている情報処理 9 課題解決に実効的な情報処理技術が望まれている 誤 り 率 ( % ) ILSVRC 実施回数 28.2 25.8 16.4 11.7 6.7 人間の誤り率(5.1%) 4.94 3.82 3.57 3.08 ILSVRC top-5 Classification Error on ImageNet 出所:CNET Japan 「AIとビッグデータが人間の仕事を奪う?」(2017年10月13日) ⚫ 誤り率0%(正解率100%)を目指すことに意味はない ⚫ 目の前の 「課題」 を確実に解決できる情報処理 (+その情報処理をうまく扱える人材) ディープラーニングの 出現
  10. 10. キャリア構築に対する心構え 10 「自分の幸せ」 と 「他人の役に立つ」 の領域が重なる部分を探す 自分の幸せ 他人の役に立つ (=仕事) 努力が娯楽になる領域 趣味 苦役 ⚫ どの企業に就職しても 「仕事」 を知ることになる ⚫ 有名・人気の企業が 「自 分の幸せ」 と重なるとは 限らない ⚫ 他人の意見に流されない ⚫ 「やりたいことが無い」 のは 普通です ⚫ 「何に幸せを感じるか」 を 考えましょう ⚫ 思考を抽象化してキャリア コンセプトを追求する 「自分の価値基準」 をしっかりと養ってください もちろんすぐに答えは出ません 粘り強く考え続けることが重要です
  11. 11. 「最適なキャリアパス」 について 11 いまの気分に忠実に 正々堂々と好きな道を選んでください ⚫ まずは目の前の仕事に正面から誠実に取り組むことが大切 ⚫ 判断の成否は 「その後に何をするか」 で事後的に決まる ありがちな思考パターン 1. 「一流大学」 に入学して ここまでうまくやってきた 2. これからも最高の環境で 最適なキャリアパスを進んでいこう 3. そのためのキャリア計画は・・・(云々)!! ⚫ 「自分にとっての善し悪し」 は 事後的にしか分からない ⚫ したがって 最高の環境・最適なキャリアパスなど あり得ない ⚫ もちろん 長期的なキャリア計画にも 意味はない ※ 「夢に日付を入れろ」 とか 「やりたいことを探せ」 とか 「ピカピカの経歴」 とか無意味
  12. 12. 藤田の例(やや自慢が含まれます) 12 自分の幸せを優先して生きてきたが 思い通りにいかないことだらけ(凡人には普通のこと) キャリア・コンセプト:「アート」 を言語化・構造化して客観視できるようにする(サイエンス) 芸風:研究者(厳密な意味での 「研究者」 は辞めたが 結局芸風は研究者 ) 現時点での自己認識 NAIST 研究者・ポスドク 2002 2007 周りの先輩・後輩が 優秀すぎて断念 DUNLOP データサイエンティスト 2007 2010 よい環境だったが ヌルすぎて離脱 特許事務所 弁理士 2011 2014 「だいぶ違う感」 がして 弁理士はやめた フリーランス・会社設立 コンサルタント 2014 2018 途中で某AI関連企業の社員に なったが すぐに辞めていまに至る たくさん内定をもらいましたが 全部蹴って地元に帰りました たくさん内定をもらいましたが せっかく資格を取ったので 全部蹴りました 社員を辞めるときにたくさん内定を もらいましたが 全部蹴って 会社を設立しました
  13. 13. インターン・就職先選びの基準 13 下記はあくまでも 藤田の価値観に基づく例です(自分の頭で基準を考えてください) 好材料 ✓ 職場全体の雰囲気がよい ✓ 周囲の人たちが仲良し ✓ 職場ですれ違うときに自然と挨拶がある ✓ 同僚の知的レベルが高い ✓ 労務の自由度が高い ✓ 財務体質が健全 ✓ キャリア・コンセプトと一致した価値観 ✓ PDCA が健全に廻っている ✓ 「最初に手を上げた奴が偉い」 悪材料 ✓ IT の環境が貧弱・硬直的 ✓ 不必要に労務管理が厳しい ✓ PDCA が廻っていない ✓ 責任の押し付け合い ✓ 殺伐とした雰囲気 ✓ 駅からオフィスまで遠い ✓ 若手の目が死んでいる ✓ 財務体質がヤバい ✓ 廊下にゴミが落ちたまま放置されている
  14. 14. 推薦図書 14 ビジネス系 スキル系 AI 専門書
  15. 15. 推薦図書 15 起業系 読み物系 モテ系
  16. 16. 藤田が本を出します 16 「言語化する」 ための方法を正しく身につければ 研究開発がグイグイ進むよ! ……というコンセプトの本(研究者・エンジニア向け) 2018年冬に発売予定 ※1:いま必死で書いてます ※2:左図はイメージです

×