AI研究者、1969年の最初のAIの冬が始まる

機械知能を支えるアルゴリズムを設計・検証する仕事。今やその研究プロセス自体の自動化を競う分野になりつつある。 AI研究者は、画像認識や言語生成、計画立案や意思決定をソフトウェアが行えるようにするアルゴリズムを設計・訓練・評価する。多くの場合は機械学習と呼ばれる手法で、人が手で書いたルールに従うのではなく、大量のデータを処理することでモデルがタスクを上達させていく。仕事の範囲は、新しいアーキテクチャを発明する大学の研究室から、実証済みの手法を大規模化する企業の研究グループ、さらには「モデルがごく少量のデータからどう学習するか」といった一つの狭い領域に生涯を捧げる専門家まで幅広い。

この分野は一般に思われているよりもはるかに若い。「人工知能」という言葉は1955年に作られ、1956年にダートマス大学で開かれた夏季ワークショップのために用意されたものだ。それ以来、この分野はブームと「冬の時代」――初期の期待が実現せず資金が枯渇する時期――を二度経験してきた。今日主流のアプローチである深層学習も、2012年のある画像認識コンテストと2017年の「アテンション」に関する論文が分野全体を作り変えるまで、何十年も少数派の立場に甘んじていた。 AI研究がこのサイトで扱う職業の中でも異例なのは、その研究対象と道具立てが同じ技術だという点だ。この分野自身の成果から作られたツールが今や文献レビューの草稿を書き、実験を提案し、訓練実行用のコードを書いている。いくつかの研究所は研究プロセスの一部を自動化しようと公然と試みている。その圧力に何が耐え、何が耐えないのか――このプロフィールの残りの部分は、その問いに安心材料としてではなく、正直に答えようとするものだ。

多くの日は、最近の論文を読むこと、訓練コードを書いてデバッグすること、長時間走らせた実験の結果を待って分析すること、同僚と発見を議論することに費やされる。世間のイメージとは裏腹に、仕事の大部分はゼロから新しいアーキテクチャを発想することではなく、なぜモデルの性能が振るわないのか、なぜ結果が再現しないのかを突き止めることだ。 大学やトップクラスの産業研究所で独立した研究職に就くには、事実上必要だ。免許試験が存在しないため、博士号がこの分野の実質的な資格であり続けている。博士号を持たない優秀なエンジニアが、企業のレジデンシープログラムや、オープンソースでの実績・被引用プレプリントの公開記録を通じて参入するケースは増えているが、「リサーチサイエンティスト」といった肩書きは依然として博士号保持者に大きく偏っている。