研究開発の業務効率化 アイデアの試行錯誤が 爆速になった話

Transcript

1. 【LT 初心者歓迎】AI を使った業務改善共有 LT 会 2026 年 11 月 5 日 研究開発の業務効率化 アイデアの試行錯誤が 爆速になった話 Convergence Lab.株式会社 代表取締役社長 博士（工学） 木村 優志 1 / 11
2. 自己紹介：木村 優志 Convergence Lab.株式会社 代表取締役社長 博士（工学） 大学在学時 AI の研究開発に従事 企業での開発 大手通信ベンダの音声認識器を開発 富士通で自然言語処理を開発 独立後 Convergence Lab.で AI の受託研究開発 研究する仕事にも、Codex を活用。 2 / 11
3. 低照度物体検出：暗い画像の「何が・どこに」 ExDark の暗い画像から、 物体の種類と位置を 見つける。 Bicycle この例なら「自転車」を囲む。 暗くて、物体と背景の境界が見分けにくい。 3 / 11
4. 共同研究の始まり：届いた論文案を改善する 低照度物体検出の、新しい手法と実験結果があった。 当時の成果 工夫を加える前より、精度は上がった。 ただ、他の研究の方法には届いていなかった。 共同研究者 著者として参加し、さらに改善できないか？ 私の方針 別のアイデアを試して、検出精度を高める。 4 / 11
5. 例 1：他の研究の方法と、実際に比べる 目指すのは、他の研究の方法より高い精度。 私から Codex へ 「比較相手の公式コードを動かして、 論文に書かれた精度が出るか確かめて。」 Codex が公開コードと学習済みモデルで精度を確認。 さらに、両方の方法を同じ条件で学習・比較した。 比較相手を確かめ、同じ条件で比べる。 5 / 11
6. 例 2：複数の課題を、同時に学習させる 私の発想 「関連する課題を一緒に学習させれば、 両方に役立つ手がかりを覚えられないか？」 学習内容 Codex 結果 物体検出と、物体のある領域の予測 同時に学習する版を実装し、検出だけの版と比較 今回の案では、一貫した精度向上は得られず 次は、画像の物理的な手がかりを探す。 6 / 11
7. 例 3：物理的な手がかりを使えないか 光と物体の性質を、検出の手がかりにできないか。 Codex：使うには、撮影時の条件を知る必要がある 「その条件を推定するのが最大の難所です。」 そこで、私から提案 「推定が難しいなら、 候補を用意して試せないか？」 この発想を、Codex が実装して実験した。 7 / 11
8. 一度の発想で終わらず、結果から考え直す 「候補を用意する」案を、さらに改良。 私の次のアイデア 比較相手に対する結果 候補を用意して試せないか？ そのままでは精度が悪化 適切な候補を、どう選ぶ？ 一部は改善、他は悪化 候補を増やしたらどうなる？ 比べた項目すべてで改善 そのたびに、Codex が実装・実験する。 8 / 11
9. 発想では、まだ人が強い 私の実感では、AI は発想力に劣る。 私が考えたこと Codex に任せたこと 比較の基準を問い直す 学習の仕組みを変える案を出す 難所の回避を発想する 公式コードで確かめる 試す案を実装する 学習と比較を繰り返す アイデアを試すスピードが、格段に上がった。 9 / 11
10. 試行錯誤から、改善結果の報告まで 約3日 AI 分野のトップ会議 複数の案を 実装・学習・比較 両方を同じ条件で学習させて比較し、 私たちの方法が検出精度で上回った。 NeurIPS 2024 の採択手法 改善結果を、共同研究者に報告。 考えて、試して、改善を確かめて返すまで。 10 / 11
11. 速くなったのは、アイデアの試行錯誤 今回、AI が自分で AI を改良したわけではない。 私が発想し、Codex で試す。 結果から、また次のアイデアを出す。 約 3 日で、アイデアを改善結果にできた。 11 / 11