Upgrade to Pro
— share decks privately, control downloads, hide ads and more …
Speaker Deck
Features
Speaker Deck
PRO
Sign in
Sign up for free
Search
Search
いまAI組織が求める企画開発エンジニアとは?
Search
Yamato.OKAMOTO
June 25, 2024
Science
1
830
いまAI組織が求める企画開発エンジニアとは?
Kyoto Tech Talk #5 (2024.6.25)
いまAI組織が求める企画開発エンジニアとは?
Yamato.OKAMOTO
June 25, 2024
Tweet
Share
More Decks by Yamato.OKAMOTO
See All by Yamato.OKAMOTO
Slide ICCV2023 Constructing Image Text Pair Dataset from Books
roadroller
0
16
第11回 全日本コンピュータビジョン勉強会 CVPR2022 "A Self-Supervised Descriptor for Image Copy Detection"
roadroller
0
430
第9回 全日本コンピュータビジョン勉強会 発表資料
roadroller
0
510
第七回全日本コンピュータビジョン勉強会 A Multiplexed Network for End-to-End, Multilingual OCR
roadroller
1
840
部下のマネジメントはAI開発に学べ
roadroller
0
79
iclr2020deepsemi-supervisedanomalydetectionyamatookamoto-200531022507.pdf
roadroller
0
45
Domain Generalization via Model-Agnostic Learning of Semantic Features NeurIPS’19 読み会 in 京都
roadroller
0
150
ICML’2019 読み会in京都 Federated Learningの研究動向
roadroller
0
33
CVPR2019@Long Beach 参加速報(本会議)
roadroller
0
62
Other Decks in Science
See All in Science
文系出身でも「アルゴリズム×数学」はスッキリ理解できた!話
wakamatsu_takumu
0
270
Design of three-dimensional binary manipulators based on the KS statistic and maximum empty circles (IECON2023)
konakalab
0
290
Introduction to Graph Neural Networks
joisino
4
1.6k
PRML Chapter 1 (1.3-1.6)
snkmr
1
140
はじめての「相関と因果とエビデンス」入門:“動機づけられた推論” に抗うために
takehikoihayashi
16
6.1k
拡散モデルの原理紹介
brainpadpr
3
3k
AI(人工知能)の過去・現在・未来 —AIは人間を超えるのか—
tagtag
0
250
Machine Learning for Materials (Lecture 2)
aronwalsh
0
630
スポーツメトリクス設計に対比較法を使いまくる / Sports metrics design using pairwise comparison method (spoana#14)
konakalab
1
870
20分で分かる Human-in-the-Loop 機械学習におけるアノテーションとヒューマンコンピューターインタラクションの真髄
hurutoriya
3
1.1k
統計的因果探索の方法
sshimizu2006
1
960
PRML Chapter 9
snkmr
1
110
Featured
See All Featured
The Art of Programming - Codeland 2020
erikaheidi
46
12k
A Philosophy of Restraint
colly
198
16k
Intergalactic Javascript Robots from Outer Space
tanoku
266
26k
Web development in the modern age
philhawksworth
203
10k
Distributed Sagas: A Protocol for Coordinating Microservices
caitiem20
323
21k
Building Applications with DynamoDB
mza
89
5.8k
Typedesign – Prime Four
hannesfritz
36
2.2k
Building an army of robots
kneath
300
42k
Large-scale JavaScript Application Architecture
addyosmani
505
110k
The Success of Rails: Ensuring Growth for the Next 100 Years
eileencodes
34
6.2k
The Straight Up "How To Draw Better" Workshop
denniskardys
228
130k
Debugging Ruby Performance
tmm1
70
11k
Transcript
Kyoto Tech Talk #5 いまAI組織が求める 企画開発エンジニアとは? 2024/06/25 Yamato.OKAMOTO
登壇者自己紹介:岡本大和(おかもとやまと) • 2024.04~ 株式会社サイバーエージェント AI Lab(現職) • 2023.09~ NAVER Cloud • 2023.04~ LINE
WORKS • 2021.07~ LINE株式会社 • 2013.04~ オムロンソーシアルソリューションズ株式会社 • 2007.04~ 京都大学, 工, 情報 → 大学院, 情報学研究科 ビジネス職と技術職の両利きのキャリアを歩んでいます。 技術面ではエンジニアよりもAIリサーチャー がメインキャリアです。 Xアカウント @RoadRoller_DESU
画像の引用元 • https://cyberagent.ai/blog/pr/notice/18986/ • https://www.cyberagent.co.jp/news/detail/id=28959 • https://research.cyberagent.ai/kyoto/ サイバーエージェント京都オフィス
今日お話しすること 企業のAI研究組織ではどんなエンジニアが いま求められているのか??
大前提① 本日のお話では、私の所属組織についてではなく、 複数社を渡り歩いて見えた共通課題 を述べます
大前提② 本プレゼンでは、研究所のリサーチャーはプロダクト開発とは疎結合だと仮定します。 リサーチャー:研究をする エンジニア:開発をする 商品が定まってない場合もある 商品イメージが明確 成果までの時間が読みにくい スケジュールやターゲットが明確 細く長くマネジメントする 集中的に着手する
課題解決のアプローチを創造する 実際に動くモノを創造する
企業のAI研究組織でよく耳にする悩み 「ラボのやってることはカネにならない」と言われる 「私の研究は素晴らしいのに、なぜわかってもらえない !?」
なぜそうなる? 研究成果の 社会実装ができていないから
社会実装ってなに?? 研究所で誕生した技術を実環境に導入し実用的な問題解決に役立てる こと 具体的には次のステップを踏む 1. 研究開発: 新しい技術を開発 2. プロトタイピング :
実験的なモデルやシステムを作成 3. 検証: 実際の環境で技術の効果をテスト 4. 製品化: 実用的な製品やサービスとして開発 5. 導入: 市場に展開してユーザーに提供
ここでクイズ 研究所の担当範囲 とプロダクト部門の担当範囲 はどこでしょう?? なお、技術は最終的にはプロダクト部門に移管されるものとする。 1. 研究開発: 新しい技術を開発 2. プロトタイピング
: 実験的なモデルやシステムを作成 3. 検証: 実際の環境で技術の効果をテスト 4. 製品化: 実用的な製品やサービスとして開発 5. 導入: 市場に展開してユーザーに提供
1. 研究開発: 新しい技術を開発 2. プロトタイピング : 実験的なモデルやシステムを作成 3. 検証: 実際の環境で技術の効果をテスト
4. 製品化: 実用的な製品やサービスとして開発 5. 導入: 市場に展開してユーザーに提供 研究所 プロダクト部門 こうかな〜?🧐🤔
1. 研究開発: 新しい技術を開発 2. プロトタイピング : 実験的なモデルやシステムを作成 3. 検証: 実際の環境で技術の効果をテスト
4. 製品化: 実用的な製品やサービスとして開発 5. 導入: 市場に展開してユーザーに提供 研究所 プロダクト部門 それともこうかな〜?😁😚
1. 研究開発: 新しい技術を開発 2. プロトタイピング: 実験的なモデルやシステムを作成 3. 検証: 実際の環境で技術の効果をテスト 4.
製品化: 実用的な製品やサービスとして開発 5. 導入: 市場に展開してユーザーに提供 研究所 プロダクト部門 残念、正解はこちら!!💀 ´・ω・`).;:…(´・ω...:.;::..(´・;::: .:. ウワァァァーーッ ※画像提供:いらすとや なぜか、だいたいこうなる、、、、
どうしてこうなった、、、、 • 研究所 ◦ ターミナルで学習済みモデルの PATHを指定してpython実行すれば処理が走るまでは整える。 ◦ しかし、それ以上に形を綺麗に仕上げたプロトタイプを作成するケースは少ない。 ◦ これはサボっているのではなく、そもそも
スキルセットが異なることが要因 と言える。 • プロダクト部門 ◦ 製品化に直結するタスクを主に担う。 ◦ 技術的な実現可能性や、市場での受容性などの 仮説検証はスコープ外になりがち 。
そこで、この穴を埋めるポジションが求められる 期待役割 • 事業ニーズを踏まえて作るべきものを定義する。 • 研究所のAI技術を実際に動く形に仕上げる。 • プロト検証やPoC検証を通して、事業や技術の実現性を評価する。 1. 研究開発:
新しい技術を開発 2. プロトタイピング : 実験的なモデルやシステムを作成 3. 検証: 実際の環境で技術の効果をテスト 4. 製品化: 実用的な製品やサービスとして開発 5. 導入: 市場に展開してユーザーに提供 研究所 プロダクト部門 企画開発エンジニア 事業開発では "幾多のプレゼン"よりも"1分のデモ"が 正しいコミュニケーションを生む !! 超重要な役割です
まとめ ・多くのAI研究組織が社会実装の推進に課題を抱えている ・その原因は仮説検証を担うポジションの整備不十分である ・AI理解、事業ニーズに基づく要検定義、動くモノを作る開発力が求められる ⇨ 私はこのポジションを勝手に企画開発エンジニア と名付けました Thank you~♪
最後に 本日ご紹介したような、仮説検証を担当するポジションを募集しています。 https://hrmos.co/pages/cyberagent-group/jobs/1994715660961296386