【AIで未来を切り拓く】【23卒】 富士通 研究開発職の通過ES(エントリーシート) No.84368（非公開/非公開）（2022/6/15公開）

私が研究で活かせそうなスキル，専門性は大学での様々な活動にてプログラムを作成するよう過程で培ってきたプログラミングスキルと研究での方式を検討する際に深まった機械学習手法への知識になります． 前者では，私は研究室に入る以前から大学でゲーム制作サークルに入部し，ゲームの制作を通じてC#でのプログラミングスキルを4年間学んできました． 研究室に入った後でもMatlabやPythonといった言語を通じてプログラミングを行い，予測シナリオの作成やシミュレーション評価を行うプログラムを作成することで,提案手法の有効性の検証を確かめました．どちらの制作でも，プログラムが作動するかどうかの検証は一人で全て行う必要があったため，正常に動作をするまで何度も試行錯誤を繰り返す必要があります．これにより私はプログラミングスキルと共に問題があっても諦めない粘り強さが身につきました． 　後者では，研究において方式を検討する際に身についたものです．研究では従来手法としてSVR(Support Vector Regression)，提案手法としてLSTM (Long Short Term Memory)を用いたものを比較しています．両手法の適切な実装と評価を行い，有効性の原因を考察していくために，両者を含めた様々な機械学習の特徴や強み，適応方法を学んできました．これらの知識は貴社での研究活動においても役に立つ専門性であると私は考えております． 続きを読む

私が学生時代の取り組みでやり遂げたエピソードにはサークルの経験があります・私はサークル内で渉外とイベント担当として，サークルの外部の方とのやりとりやサークルにまつわるイベントの管理を一手に引き受けておりました． 部員数が100人を超えるサークルということもあり，情報の伝達がなかなかスムーズに行えなかったり，部員の意見の食いにより意思決定が遅れてしまったり等のトラブルが存在しました．例えば，サークル内でイベントを開催する際，イベントに必要なスタッフを部員から募るのですが，ただアナウンスするだけでは手を挙げてくれる人はおらず，結局サークルで役職についている人が本来の役割を超えて仕事をするということが常態化していました．これをなんとかするために，私は幽霊部員でない部員と普段からコミュニケーションをとるようにして，イベント等で人手が必要な際は，全体へのアナウンスと共に，該当する仕事ができそうな人物と直接交渉し，時には仕事内容を相手に合わせて柔軟に変更させながら様々な人間に仕事を分配させて，一部の人に負担が行き過ぎないように努力しました．その結果，サークルでのイベントを適切なスタッフと共に完遂し，特定の人物に負担が集中してしまう状態を解決することができました． 続きを読む

私が貴社で挑戦したいことは「AI技術を用いた少子高齢化に伴う労働力不足の改善」です．近年，国内の労働者人口は減少の一途を辿っており，業界によっては人材不足が問題となっています．この問題を解決し，社会を持続可能なものとしていくためには,人間が行わなくてはならない作業と人間が行う必要のない作業を切り分け，後者を人間の代わりにAIに行わせることにより一人あたりが負担する仕事量を減らし，より人間の行う仕事をよりクリエイティブなものにしていくことが必要であると私は考えています．近年では顔認証システムや自動翻訳サービス等，目覚ましい勢いでAIを使ったサービスが成長し，私の研究にも取り入れております．しかしながら，現状AI技術があらゆる業務で汎用的に実用可能であるかといえば，そうではないと私は考えています．理由としては，外部環境の変化によるモデル精度低下や判断基準のブラックボックス化がありますが，現在のAI技術は運用の際での細かな需要に臨機応変に対応することはできず，AIの立ち位置は人間にとっての便利な道具程度であると思います．これを人間の代わりのレベルにまで性能を引き上げるには実際に運用する現場の声を聞き現場に上手くフィットさせていくことが重要になると考えています．長年ものづくり行ってきたノウハウと世界有数のスーパーコンピュータを持ち合わせた貴社なら私の目標を実現できると考えています． 続きを読む

私の研究は深層学習を使用した車両による高精度歩行者測位方式の検討というものです．自動運転の実現に向けて，見通し外の歩行者との事故を回避するために，歩行者が自身の所有する端末から位置情報を含むパケットを送信し周囲の車両に知らせる歩車間通信が提案されています．車両からの信号の電波強度と位相を歩行者の所持するスマートフォン等の端末で受け取り，端末内でそれらの情報を入力として，距離測定モデルを使い歩行者―車両間の距離の推測値を算出し歩行者の位置を割り出してその情報を周囲の車両同士で情報を共有することで歩行者と車両の衝突事故を防ぐことができます． この手法による効果の最大化には歩車間距離を正確に測定する必要があります．しかし，先行方式ではこの課題について深い考慮はされておらず，線形回帰やSVRを用いた学習による単純な機械学習がされておりました．私の研究では，深層学習手法の一つであるLSTMを用いた学習を利用することで 入力データを独立したものから，時系列的な変化も合わせてとらえることで測位精度を向上させることに成功しました．今後の展望としては測位精度を向上させるとともに，実際にモデルの運用する際の問題として存在している，あらかじめ入力しておいた学習データの内容に依存してしまうため外部環境の変化により測位精度が劣化してしまうという点を解決するために改良を重ねていきたいと考えております． 続きを読む