【研究者との対話】【21卒】島津製作所の技術職の2次面接詳細 体験記No.9470（大阪大学大学院/女性）（2020/7/22公開）

研究について、話がまとまっていることと、難しい言葉を簡単に言い換えられることが重要だと思った。
面接官が同じ分野の研究者であったため、逆質問（研究職と開発職の違い）でも詳しく答えてくれ、実際に自分が入社したらどうなっていけるのか、どうしていきたいのかがより明確になった。

web面談だった。1次面談と変わらず終始和やかな雰囲気で、1対1だったのもあり、とても話しやすかった。逆質問の時間をとってくれると先に言ってくれた。

研究職と開発職の違い、基盤技術研究所と面接官が所属している総合デザインセンターで行っている事業の違いは何か（逆質問）

研究職で人工知能技術を発展させていきたいという趣旨の志望動機・やりたいことを述べた後の逆質問。1次面接で、研究職にこだわるのではなくある事業について研究職として携わった後に開発職としてさらに発展させていく場合もあると言われた、さらに情報が欲しくなった。

研究職は3年先や１０年先に使えるかもしれないものを探す仕事で、最先端の技術を扱うもの。開発職はある程度知られている技術を製品にしていく仕事で、研究職は事業部の垣根はなく開発職は事業部別に仕事をしている。
基盤技術研究所は10年先を、総合デザインセンターは３年先を見据えているので、やりたいことに応じて拠点が変わっていく。
人工知能の研究職であれば、画像処理だけではなく、自然言語処理も両方扱うだろうから、前処理を学んでおくと後で楽だと思う。

自身の研究内容を説明してください（スライドA4１枚要提出）

　人工知能を用いた絵画の視覚特徴についての研究をしています。絵画において、新しい流派が生まれるとき、既存の流派との変化は一部分で全てが大きく変わることはないという仮説を検証するためです。
　具体的な研究内容としては、画像識別ネットワーク「VGGNet」を用いて流派間の違いを解明する研究をしています。VGGNetからの出力をどう検証するかという問題に対して、絵画の視覚特徴についての研究で、目的は異なりますが人工知能を用いた研究を参考にしました。VGGNetの各層の出力の平均をとることで、流派間の比較を行いました。結果として、VGGNet各層の出力パターンは流派間で違いが見られました。
　また、画像生成ネットワーク「style-based GAN」を用いて絵画画像が生成できるかどうかという検証をしました。style-based GANは入力ベクトルと出力画像が1対1で対応しており、また、入力ベクトルに線形性があるため、絵画画像が生成できると、ベクトル空間で流派間の関係性を見ることができると考えました。結果として、絵画画像は生成できますが、ネットワーク学習精度は学習枚数に依存することが分かりました。
（実際はスライドを提示しながら話し、質疑応答もありました）