北海道大学のGCOEでの特別招待講演。Ph.D.コースの学生を中心に若手研究者へ、企業研究と海外での活動ためのメッセージを話してほしいというお題で。

1. Toward Research That Matters
Ryohei Fujimaki (NEC Laboratories America)
北海道大学GCOEシンポジウム

2. 自己紹介
 藤巻遼平（フジマキリョウヘイ）●
 略歴
– 2006年 東京大学工学系研究科航空宇宙工学専攻を卒業
– 2006年 NEC 中央研究所へ入社
– 2011年 東京大学工学系研究科航空宇宙工学専攻から博士号取得
– 2011年 NEC Laboratories America, Inc.へ出向
 現在のポジションと役割
– 異種混合学習技術開発チーム 技術リーダー
– データマイニング基盤開発チーム 技術リーダー
– 大学連携／リクルート／その他
2

3. チームの紹介
 Data Mining and Business Analysis Technology Group●
– 歴史：1990年から約20年にわたり機械学習・データマイニングの研
究
• 伝統的には情報理論をベースとする学習理論が得意。最近は機械学習理
論から、機械学習に基づくデータマイニングに研究の方向がシフト
• 卒業生（敬称略）：安倍（IBM Watson），Hang Li（Huawei），山西（
東京大学），馬見塚（京都大学），中村（北海道大学），竹内（九州大
学）など
– 現在のメンバーは１０名弱。最近はダイバーシティを高めるため、いろいろ
な分野の人が融合しつつある。機械学習／データマイニング（半分くらい）
、分散並列計算、ソフトウェアアーキテクチャ、支援システム、女子０
 Department of Media Analytics●
– 北米西海岸のComputer Visionチーム
– 機械学習をベースにした、画像認識で、世界トップの成果を出し続けてい
る
• 2009 PASCAL Visual Objects Classes Challenge Winner
• 2010 ImageNet Challenge Winner
– 現在のチームメンバーは８名。Recognitionと3D Reconstruction。 3

4. 研究経歴
データマイニング／機械学習
修士 宇宙機の異常検出 との出会い
様々な応用研究と
１−３年目 故障診 応用研究に
の出会い 傾倒
断 ネットワーク／ヘル
異常解 スケア／金融／な
３−５年目 析 どなどなど 数理技術
への回帰
博士
取得 北米へ出向
５−７年目 データマイニン 異種混合学習 開発／研究／分析
グ基盤開発 技術とビジネス
4

5. 現在の主な研究開発活動マップ
5

6. 今日のキーメッセージ
 Research practices in industry
– 最も重要な事は、現場の問題にわくわくし、それとともに研究する事
– 技術はいつでも問題を解くためにある
 Things useful for Ph.D. candidates to consider
– グローバルに活躍するためには、世界を広げていく推進力と責任が
重要
– Ph.D.はプロへの第一歩。修士卒企業研究員の入社３年間。スキル
に大きな差がつく時期。勉強しよう！研究しよう！
 Heterogeneous Mixture Learning Project
– 今日は時間がないと思うので、また次の機会に。
– ちょっとその前に。。。●
6

7. 企業研究の楽しいところ／難しいところ
 問題は目の前に
– 「Real World Application」は目の前にある。わくわくしよう。
– 研究者の興味と、真のニーズには多くの場合ギャップがある
 人材／人種の多様性●
– バックグラウンドの違う人と仕事するのは楽しい。一方で衝突も。。
– 考え方の違いを楽しむ。自分と違う考えに出会うのは成長のチャンス
 プロフェッショナル
– 周りはみんなプロ。高いプロ意識が必要。最前線で戦い続けるのは大
変なときもある。
– 大企業に勤めても、個のプロフェッショナル。個のコラボレーションとし
てのチーム。
 技術追求と応用のバランス●
– 真のインパクトの裏には強い技術や理論が必要。一方で、シンプルな
応用で似た事が実現できるケースも多い。バランスの最適化をどこに
もってくるのか？
7

8. 研究者の興味と真の問題のギャップ
Kiri L. Wagstaff, ICML2012より抜粋
8

9. いい技術が生まれる背景には必ず問題があ
る
 シリコンバレーでは先端サービスのニーズに迫られて技術イ
ノベーションがおこる
– MapReduceが流行っているから研究するのではない。MapReduce
が必要だから研究する ●
9

10. Machine Learning that Matters
 今回の話をいただいたときに、最初に頭に浮かんだ論文
– ICML2012（機械学習の最難関国際会議の１つ）のinvited paper
– 機械学習コミュニティへの警鐘●
 Machine learning for machine learner’s sake
– Hyper-focus on Benchmark Datasets
– Hyper-focus on Abstract Metrics
– Lack of Follow Through
 Making Machine Learning Matter
– Meaningful Evaluation Methods
– Involvement of the World Outside ML
– Eyes on the Prize
10

11. Machine Learning that Matters
 Machine Learning Impact Challenges●
– 機械学習の分析結果に基づいた法的判断か法案を通す （法律）
– 機械学習システムに基づく意思決定で１００万ドルを貯める （経済）
– 高精度機械翻訳によって、国家間の衝突を回避する （政治）
– 機械学習によってネットの不正侵入を５０％削除する （セキュリティ）
– 機械学習に基づく診断や医療介入によって人命を救う （医療）
– 機械学習によって、人間開発指数を１０％向上させる （教育）
11

12. デスバレー
 基礎研究から製品化までの間に存在するギャップ
– 多くのすばらしい研究がこの壁を越えられずに死んでいく
基礎研究 適用技術 製品
中央研究所 魔の川 応用部門 死の谷 製品開発部門
– 橋渡し不在、利害関係の発生、お互いへの敬意喪失
 シリコンバレーの企業
R＆D プロダクト化
– 橋渡し不要（RとDが区別なくプロダクトまでの距離が近い）
• Googleではほとんどがエンジニア。リサーチサイエンティストはごく少数
 自分の技術の面倒は誰がみるのか？●
– 研究者が歩み寄らない限り、技術を世に出す事はできない
12

13. 論文について、コアコンピタンスについて
 Papers/publications are not purposes. Not things to
pursuit. They are results.●
– 北米に出向してすぐに当時のチームリーダーからいわれた事
 The easiest way to publish papers is following future
work described in famous papers. But, it makes your
research impact smaller. I don’t like such researches.
– NECLAの社長とのディスカッションでいわれた事
 藤巻君、いろいろやるのもいいが、コアを作りなさい
– 入社後に当時のチームリーダーからいわれた事
13

14. グローバルに活躍する人の特徴（キャラ）
 自分で考える、決定する、そして責任をとる
– 責任範囲を見極め自分で決断する。失敗を恐れない。
 わくわくする、世界（活動）を広げる
– 問題にわくわくする。面白そうな事に首をつっこむ。自分の活動の幅を
制限せず、どんどん世界を広げよう。議論を恐れない。
 行動に目的意識を持つ事
– なぜその技術が重要なのか、なぜ論文を書くのか、なぜ、なぜ。。
– ３年スパンで行動を考える。自分は世界をどうしていきたいのか。今す
べき事は何か。そして小さな目標を作る。
– 活躍する人は種まき上手。目的が明確なので各行動が繋がっていく
 コミュニケーション、自分をアピールし、相手を理解する
– 一人でできる事は限られている。コミュニケーションできない人は、ど
んなに技術力があっても活躍できない
– 常に自分をアピールする、一方で相手を知り理解する。 14

15. 求められる人材
 加速する技術革新と求められる力
– 下がる技術習得コスト。修士レベルの研究は、「誰でもできる」時代
• オンライン教育素材／無料ジャーナル、最先端技術のOSS化、ベンチマ
ークデータセットの整備●
– 強力な専門知識と領域の２歩外と議論ができる広い知識
– 「のびる人」は、アドバイスをに自分なりの解釈を与え、必要な技術を
必要に応じて吸収する。その積み重ねが大きな差になる
 問題を発見する力と解決する力
– 問題を自分から見つけにいく。ただし、問題を作らない。一流研究者
は、問題への嗅覚と判断力が優れている
– 解決する力とは、数学が得意とか実装が得意という意味ではない。高
い壁にあたったときに、直進するのか迂回するのかを判断する力。
 やりきる事の重要さ
– 小さな事でもよい。やりきったときに技術は自分のものになる
– やりきった成功体験が成長を加速する
15

16. Ph.D.コースの学生の差（US vs 日本）
 技術の差
– 修士課程で日米の学生間に技術力に大きな差はない。日本の学生は優
秀。ただし、米国は母数が圧倒的に多いので目に見える学生の平均値が
非常に高い。
– 博士課程の３年間で大きな差が生まれる場合がある。これは基本能力だ
けではなく、環境と意識の差によって生まれるように見える
– 「論理構成力」には大きな差がある。日本の学生は苦手な人が多い
 意識の差
– 米国のPh.D.学生は、給料をもらいながら研究しているためセミプロ意識
が強い。「指示を待つ」という事がない
– トップ会議は「通したらすごい」ではなく、「通さないと卒業できない」
 環境の差
– Ph.D.を受け入れる環境がIndustry側で整っている。逆に技術職はPh.D.
を持っている事が前提ともいえる。
– トップの学生はインターンシップにいくのが当たり前。インダストリーにおけ
る問題を理解し、front lineの研究者のメンタリングでさらに成長する
– 北米では人材が流動しており、就職したら安泰ではなく、そこから勝負。
日本もだいぶ人材の流動性はでてきている。これからの時代は日本でも
個人のキャリアが重要な時代になるはず。 16

17. 今日からはじめよう
 外へでよう
– 留学、インターンシップ、共同研究、研究／技術セミナー、研究コンテ
スト、国際会議、海外旅行。「外」を知り、世界の動きを感じる
 論文を書こう、ソースコードを書こう、研究体力をつけよう
– 論文やソースコードは、自分を証明する一つの方法。
– 勉強、勉強、勉強。。。読んだ論文、Rejectされた論文、書いたコード
は、必ず自分の財産になる。漫然とせず、必ず目的意識を持ってとり
くむ。
 英語はコミュニケーションの第一歩●
– 言葉はコミュニケーションの第一歩。英会話に苦手意識がある人は、
逃げずに博士課程のうちに克服しよう。オンライン英会話●やTED●
など、教育素材はいくらでもある。
– 上手な英語をしゃべれる必要はない。一生懸命しゃべれば、伝える意
識があれば、相手が聞いてくれる。大事なのはコミュニケーション力
 「自分の」研究を楽しむ！出会いを大切に！●
17

18. 今日のキーメッセージ
 Research practices in industry
– 最も重要な事は、現場の問題にわくわくし、それとともに研究する事
– 技術はいつでも問題を解くためにある
 Things useful for Ph.D. candidates to consider
– グローバルに活躍するためには、世界を広げていく推進力と責任が
重要
– Ph.D.はプロへの第一歩。修士卒企業研究員の入社３年間。スキル
に大きな差がつく時期。勉強しよう！研究しよう！
 Heterogeneous Mixture Learning Project
– 今日は時間がないと思うので、また次の機会に。
18

19. Toward Research That Matters
Ryohei Fujimaki (NEC Laboratories America)
ご清聴ありがとうございました
NEC-Jでインターン、新卒、中途募集中です
rfujimaki@nec-labs.comまでご連絡ください
北海道大学GCOEシンポジウム