MIT-IBM Watson AI Lab、若手教員の影響力を増幅する「seed to signal」プログラム

教員のキャリア初期は、研究者の進路を決定づける確固たる基盤を築くための形成期であり、同時に興奮に満ちた時期です。これには研究チームの構築が含まれ、革新的なアイデアと方向性、創造的な協力者、そして信頼できるリソースが求められます。 人工知能（AI）に関連して MIT の教員で構成されるグループにとって、MIT-IBM Watson AI Lab を通じたプロジェクトへの早期関与は、野心的な研究ラインを促進し、多産な研究グループを形成する上で重要な役割を果たしてきました。 **勢いを高める** 「MIT-IBM Watson AI Lab は私の成功に極めて重要でした。特にキャリアの初期段階において」と語るのは、自然言語処理（NLP）を専門とするジェイコブ・アンドレアス氏です。彼は電気工学およびコンピュータサイエンス学部（EECS）の准教授であり、MIT コンピュータサイエンス人工知能研究所（CSAIL）のメンバー、かつ MIT-IBM Watson AI Lab の研究者でもあります。MIT への着任直後、アンドレアス氏は MIT-IBM Watson AI Lab を通じて最初の主要プロジェクトを立ち上げ、低リソース言語における言語表現と構造化データ拡張手法に取り組みました。「これはまさに、私の研究室を立ち上げて学生を募集し始めたきっかけとなったものです。」 Andreas は、この出来事が NLP（自然言語処理）分野が言語モデルの理解において大きな転換期にあった「決定的な瞬間」に起こったと指摘しています。このタスクには大幅な計算リソースが必要であり、MIT-IBM Watson AI Lab によってそれが利用可能となりました。「私たちが最初のプロジェクトの下で行い、IBM 側のすべての人々と協力して行ったような仕事は、その移行をどのように乗り切るかを理解する上で非常に役立ったと感じています。」さらに、Andreas グループは、MIT-IBM コミュニティ内の計算リソースと専門知識のおかげで、事前学習、強化学習、信頼できる応答のためのキャリブレーションに関する数年にわたるプロジェクトを推進することができました。 他の多くの教員にとっても、MIT-IBM Watson AI Lab へのタイムリーな参加は非常に有益であることが証明されました。「知的な支援を受けられることに加え、MIT-IBM 内の計算リソースの一部を活用できることは、私の研究プログラムにとって完全に革新的であり、極めて重要でした」と語るのは、EECS および CSAIL の准教授であり、MIT-IBM Watson AI Lab の研究者でもある Yoon Kim です。Kim は自身の研究分野が軌道を変更したことも目撃しています。MIT への加入以前、Kim は MIT-IBM のポスドクポジションで将来の共同研究者と出会い、そこで神経記号的モデルの開発に取り組んでいました。現在では、Kim のチームは大規模言語モデル（LLM）の能力と効率を向上させる手法を開発しています。 彼が自らのグループの成功につながった要因の一つとして指摘しているのは、知的パートナーとのシームレスな研究プロセスです。これにより、MIT-IBM チームはプロジェクトへの応募から大規模実験、ボトルネックの特定、技術の検証、そして必要に応じて適応して、実世界での応用を視野に入れた最先端手法の開発までを一貫して行うことが可能になっています。「これは新たなアイデアに対する原動力であり、これがこの関係性の独自性だと思います」とキム氏は述べています。 **専門知識の融合** MIT-IBM ワトソン AI ラボの特徴は、AI 分野の研究者を集めて研究を加速させるだけでなく、学際的な取り組みも融合させている点にあります。ラボの研究員であり、EECS および CSAIL の MIT 准教授であるジャスティン・ソロモン氏は、自身の研究グループがラボと共に成長してきたと説明し、その協力は「初めから現在に至るまで『不可欠』だった」と述べています。ソロモン氏の研究チームは、コンピュータグラフィックス、ビジョン、機械学習に関連する理論指向の幾何学的問題に焦点を当てています。 ソロモンは、MIT-IBM の協力によって自身のスキルセットが拡大し、グループの研究の応用範囲も広がったと評価しています。この見解は、航空宇宙工学准教授であり情報意思決定システム研究所のメンバーであるチュチュ・ファン氏や、機械工学准教授のファエズ・アハメド氏といったラボの研究者たちも共有しています。「IBM 側は、エンジニアリングにおける非常に複雑な問題の一部を、私たちのチームが取り組めるような数学的な資産へと変換し、そのプロセスを完結させることができます」とソロモン氏は述べています。ソロモン氏にとってこれは、異なるデータセットで個別のタスク用に訓練された複数の AI モデルを融合させることを含むものです。「これらすべては非常にエキサイティングな分野だと思います」と彼は言います。 「MIT-IBM Watson AI Lab とのこれらの初期キャリア向けプロジェクトは、私の研究アジェンダを大きく形成したと思います」とファン氏は語ります。ファンの研究はロボット工学、制御理論、そして安全性が極めて重要なシステムと交差する領域にあります。キム氏、ソロモン氏、アンドレアス氏と同様に、ファン氏とアハメド氏も MIT での在籍初年度からこの協力体制を通じてプロジェクトを開始しました。ファン氏とアハメド氏が取り組む問題は制約条件や最適化によって支配されており、AI の分野以外の深い専門知識を必要とします。 MIT-IBM ワトソン AI ラボとの連携により、ファン氏のグループは形式手法と自然言語処理を組み合わせることができました。彼女によれば、これによってチームはロボットのための自己回帰型タスク・モーションプランニングの開発から、旅行計画、意思決定、検証のための LLM ベースのエージェント作成へと進化することができたそうです。「この研究は、自由な自然言語をロボットが理解し実行できる仕様に変換するために LLM を使用するという最初の探求でした。当時としては非常に困難なことでしたが、私はそれをとても誇りに思っています」とファン氏は語ります。さらに、共同調査を通じて、彼女のチームは LLM の推論能力の向上にも成功しました。「これは IBM の支援がなければ不可能だったでしょう」と彼女は述べています。 研究所を通じて、ファエズ・アフメッドの協力は、複雑な機械システム内での発見と設計を加速するための機械学習手法の開発を促進しました。例えば、彼らの [Linkages](https://decode.mit.edu/projects/links/) における取り組みでは、「生成最適化」を活用し、データ駆動型でありながら高精度な方法で工学問題を解決しています。より最近では、マルチモーダルデータや大規模言語モデル（LLM: Large Language Models）をコンピュータ支援設計に応用しています。アフメッドは、AI はすでに解決可能な問題に頻繁に適用されているが、速度や効率の向上によって恩恵を受けられると述べています。しかし、「ほとんど解けない」と見なされていた機械リンクのような課題も、今では手が届く範囲にあります。「これは間違いなく、私たちの MIT-IBM チームの特徴的な要素だと思います」とアフメッドは述べ、IBM のアカシュ・スリワスタバ氏とダン・ガットフロンド氏が共同リーダーを務める MIT-IBM グループの成果を称賛しています。 各 MIT 教員にとって当初の協力関係から始まったものは、双方が「科学に興奮し」、「学生主導」であるという持続的な知的関係へと進化しました。アフメッドはさらにこう付け加えます。ヤコブ・アンドレアス、ユン・キム、ジャスティン・ソロモン、チュチュ・ファン、そしてファエズ・アフメッドの経験は、永続的で実践的な産学連携が研究グループの確立や野心的な科学探求にどのような影響を与えうるかを示しています。

MIT-IBM Watson AI Lab、若手教員の影響力を増幅する「seed to signal」プログラム

背景や根拠まで確認しますか？

調べる

選ぶ

サイト

背景や根拠まで確認しますか？

ニュースの次に確認する

調べる

選ぶ

サイト