企業と学生の二人三脚で世界トップレベルの成果を狙う - メンターの岡田、阪田が語るAI有給インターン

私は2013年度入社で、最初は家電同士をつなげるクラウドのプラットフォーム開発に1年間取り組みました。その翌年から、AIの開発に特化した「知能研究室」という部署が新設され、そちらで2年ほどAIをパナソニックの既存事業に導入する取り組みを始めました。2016年頃、「AIによる制御技術がこれから盛り上がる」ということで、アメリカのUCバークレーで当該分野の研究をしている教授の論文を調査する仕事に携わることに。幸運にもその教授と直接お会いする機会があり、私が論文調査を通じて着想した新しい技術を紹介したところ、高く評価してくださり、「今すぐ論文を書いて、3日後が締切の国際会議に提出したほうが良い」との言葉をいただきました。ありがたいことに、そこから「AI制御といえば岡田」という評判が広まり、今もAI制御の研究を仕事として続けています。

私は入社後に情報システム部門のデータ分析を担う部署に配属されました。入社当時はちょうどIoTが注目を浴びはじめた頃で、「機械や家電から採ったデータの活用ニーズが高まる」という見立てから、データ分析の部署が新設されたのです。そこでは主に、製造工場の機械から得られたデータを分析し、不良品を減らしたり品質を向上させたりといった仕事をしていました。家電から集められたデータから、ユーザーが製品をどう使うかという情報をもとに、新たな機能を提案することも。新設の部署なので、自分たちで組織を牽引しなければならず、機械学習やデータ分析の手法は自学自習する必要がありました。その中で、Kaggleという分析系のプラットフォームに出会って趣味で触れていたため、それが業務に役立ったと感じます。

Kaggleを始めたのは4年半ほど前で、職場に新しく入ってきた後輩に教えてもらったことがきっかけです。一回やってみたらものすごく面白くて、後輩よりも私のほうがハマってしまい、それからは仕事が終わった後や土日にゲーム感覚でのめり込んでいきました。そこで得たノウハウや知識は仕事にも活きている、という感じです。

当時は、音がモノの裏に回り込む「回折」という現象のシミュレーションに関する研究をしていました。それまで、回折はシミュレーションが非常に難しいとされていたのに対し、レイトレーシングと呼ばれる考え方の枠組みで計算を行うことで、安定的かつ高速にシミュレーションできることを発見したんです。その研究成果をまとめた論文は音響分野における著名な論文誌に採択され、学会から論文賞もいただきました。以上を含めた学生時代のさまざまな取り組みが総合的に評価されての受賞だったと指導教授から伺っています。しかし研究が順調に進んだわけではありません。修士に上がったとき、それまで自分の研究を担当してくれていた講師の先生が異動してしまい、一人で研究を進めていました。修士の2年間のうち半分以上は何も成果が出ず、ただひたすらできないながらに手を動かすしかありませんでしたね。

インターンへの参加が決定したら、本プログラムのリーダーである谷口先生と、メンターの私や阪田と相談をして個々人の取り組みを決めていきます。学生の専門性とわれわれの業務とをコラボレーションをさせることが狙いです。参加者に対して一方的に業務を教えるのではなく、私たちと参加者がお互いに学び合い、教え合うようなプログラムになるのではないかと思います。

AIの分野は本当に進化が速く、誰かに教えてもらう「待ち」のスタンスだと絶対に置いていかれます。上司も先輩も頼りにしない、攻めの姿勢で臨むくらいがいいんじゃないかな、と思いますね。むしろ、どんな最先端の研究やってるのか、インターンに来てくれる学生から私たちが教えてもらいたいです……（笑）。

社内のAI研究者を集め、谷口先生主導で個々人の取り組みや研究、論文などを紹介する勉強会を定期的に行っています。AIと一口に言っても分野は幅広く、画像系の人もいれば、データ分析や統計を専門としている人、私のような制御系研究者もいます。分野間の垣根を超えての交流が活発なので、インターンに参加する学生にもこうしたプロジェクトにぜひ参加してもらえたらいいな、と思います。パナソニックの面白さをより深く知ることができるはずです。

「初心に返ること」ですね。私は、データ分析に関する社内の人材育成プログラムの講師も担当していますが、自分にとっては当たり前のことが初心者にとっては当たり前でないことに気付かされることが多々あります。「分からなかった頃の気持ちや視点」を忘れないことが、指導において欠かせないと感じますね。

私は大学で共同研究をしていることもあり、普段から学生と接する機会が多いのですが、実務経験から得られる学びを共有することが、インターンにおける企業の役割だと感じます。企業の研究開発は、製品への実装だけでなく運用と保守までを視野に入れるため、効率的なデバッグやコーディングも行う必要があります。研究開発の生産性を向上させるこうした手法は、インターン生が自身の研究活動を進める上でもプラスになると思います。

深層学習の研究は既に応用段階にきています。弊社は家電からバッテリー関連製品まで幅広い電機製品を既に持っているので、それらにユーザー視点でAIをどんどん組み込んでいく意欲のある人にぜひ参加してほしいですね。家電製品は「こんなところにAIが使えたんだ！」というイノベーションの可能性が、まだたくさん埋まっているのではないかと思います。また、大規模計算環境に関する知見や実際に環境構築をした経験をお持ちの方がいたら、ぜひいろいろと教えていただきたいです。深層学習には大きなマシンパワーを使うので、今後は社内にスパコンのような専用機を構築する必要がある。現在は各個人が保有するマシンを用いて行っている状況なので、その効率化を図りたいと考えています。

データ分析や機械学習と、現場の課題とを結びつける力のある人が欲しいですね。例えば、お客さまから「こんな課題をAIで解決できないだろうか？」と相談がきた際に、どのようなデータを集め、どのような手法を使ってその課題を解決するのか。課題の同定から改善までの道筋が立てられる人が理想的ですね。

研究発表の場では、「自分の研究内容をいかに分かりやすく話すか」ということが重視されますが、面接の場では「自分がいかにすごい人材であるか」を語れるか、ということが重要であると思います。 自分自身、就活を通して「自分にはこういうスキルがあって、こう考えてこんなアイデアを出してこうしたら、こういう結果が出た」ということをうまく話せないと、就活ではなかなかうまくいかないんだなっていうことを痛感しました。成果だけでなく、その成果を生んだ自分自身をアピールしてほしいと思います。

仕事に対して誇りを持ち、真剣に取り組む人と巡り合えるところです。パナソニックは、創業者である松下幸之助の精神に共感する人が多く集まっている会社。人として尊敬できる上に、「こんな人と一緒に働きたい」と思える魅力的な社員がたくさんいます。

大学の研究で用いられるオープンデータセットとは違い、生産工場や、家電や住宅、自動車という広範囲にわたる製品から得られる生データがパナソニックには潤沢にあります。そうした生データを分析して、成果をものづくりに還元できて、しかもその社会的インパクトは日本トップクラスです。社会に大きな影響を与えているというこの実感は、やりがいにつながりますね。自分の研究が家電という形で人々の生活を豊かにする場面を想像すると、本当にワクワクします。