![見出し画像](https://assets.st-note.com/production/uploads/images/136780212/rectangle_large_type_2_f3d4efed365aae14a66fbbd8bd2d19b5.png?width=1200)
生成AIにフルコミットします
新卒で入った会社を退社しました。そして転職します。
前職ではフロントエンドエンジニアだったのですが、転職先では AI エンジニアになります。生成 AI に特化して研究開発を行うチームにジョインし、プロダクト開発と研究・調査の両方に取り組んでいく予定です。
これまでも副業や GENIACプロジェクトなどで生成 AI 分野には関わっていましたが、そのポテンシャルやコミュニティの熱量に魅せられ、本業としてフルコミットしたい気持ちが強くなり転職するに至りました。今は背中を押してくれた同僚、知人、友人のみなさんに感謝しています。
AI に関しては学術的な興味、ビジネス的な興味、技術的な興味がそれぞれ自分の中で入り乱れていて、その全てに関わっていけたらいいなーと思っています。とはいえ、エンジニアとしてジョインすることになるので、目下のところでは How の専門家として頑張っていきたいと思ってます。そんな中で特に興味を持っている領域は以下の通りです。
LLMOps の実践
プロンプトエンジニアリングを初めとした LLM に関連するテクニックは「黒魔術」と揶揄されるように、工学的な取り扱いをできていない現場が多いのが現状です。今後AIの社会実装を進めるにあたり、工学的にAIを取り扱うため基盤の構築、言い換えれば MLOps(LLMOps) が非常に重要だと考えています。また個人的にはAIの品質保証およびアライメントも Ops に含まれると考えています。AIの品質保証の難しさはこれまでも議論されてきましたが、LLMの台頭に伴い、一層その難しさが増したように思います。品質保証およびアライメントに対しても前向きに取り組みたい所存です。
ベストプラクティスが業界的にも定まっていない状況なので、実践して得た知見はブログや登壇を通して積極的にアウトプットし、技術コミュニティに貢献していきたいと思ってます。
効率的なLLMの学習方法に関する研究開発
LLMに対して効率的に学習を行う方法、そしてその理論的解明に興味があります。転移学習、継続事前学習、ファインチューニング、固有ドメイン知識や論理推論能力を高める方法、学習データと創発現象との関係の分析など(特に日本語に関する研究)はまだ十分になされていないと思うので探求していきたいです。学会発表などのチャンスも多いと思うので機会あれば手を挙げて積極的にやっていきたいです。
また、しばらくはキャッチアップや新しい環境に慣れるので精一杯かもしれませんが、落ち着いてきたら MLOps に関する OSS へのコントリビュートや、llm-jp などのオープンソース日本語 LLM に対しても何らかの貢献をしていきたいと思ってます。
やりたいことをつらつらと述べましたが、エンジニアやリサーチャーとしての経験が乏しいので、まずは目の前の仕事できるように精進していきたいと思ってます。AI の社会実装やっていきます💪
以上
この記事が気に入ったらサポートをしてみませんか?