読者です 読者をやめる 読者になる 読者になる

NAISTオープンキャンパス

NAIST 研究室

今年も開催されました。去年の様子はこちら。

去年はめっちゃ人が多かった印象があるけど、今年は雨が降っていたこともあってか(?)去年よりは人数が少なめ。しかし、それでも多くの受験生がNAISTにきてくれました。

若干眠いので、特にまとまりなく(gccのコンパイルをしながら)あれこれ書いてみる。

去年は研究室にいて受験生の人に入試のこととか研究室での生活のことについて話していたりしたけど、今年は研究室ツアーのガイドというのをやっていました。松本研、中村研、鹿野研を15分くらいづつで案内する簡単なお仕事。そういうわけで去年ほど研究室にあまりおれず受験生の人とお話はできなかったですが、午後くらいから@mrcarrot君、@keiskS君といったM1の人たちが受験生の人たちと話をしてくれているようでよかったかな(@mrcarrot君は模擬面接までやっていたw)。小論文の締切はあと一週間くらいということで受験生の人たちはラストスパート頑張ってくださいー。

IJCNLPの締切前ということもあってか、博士の先輩は@shirayuさんくらいしかいなかったので、labの研究紹介に四苦八苦...。自分の研究は紹介できるけど*1、他人の研究をうまく紹介するのは難しいなー。id:smlyさんの研究とかも紹介してみたが、ちょっと詳しいところはどんな感じだったか思い出せずうまく説明できなかった*2。うーむ。1階のうちのポスターの前に誰も説明する人がいなかったので、ピンチヒッターで説明してみたもののこちらもなかなかうまい具合に説明できていなかった気がする(自然言語処理の研究室にいると「自然言語処理とは」みたいな話を自分でする機会ってなかなかない)。

受験生の人たちは例えば「機械翻訳をやりたい」とか「質問応答システムを作りたい」っていうのはある程度決まってたように思うんだけど、「自分はどういうところを問題と思っているか」をもっと考えてみるといいんじゃないかなと思った。機械翻訳とかだったらGoogleの翻訳のシステムで実際に使ってみてどういうところができていないのかを知ることができるし、分かち書きだったらMeCabインストールしてみればいいし、そういう事例を観察しながら「実際のデータだとこういう問題がある。でも、こういう風にやるとうまくできるんじゃないか」というのが動機付けとなって研究が始まっていくんじゃないかと思う(とか偉そうに書いてみる。もちろん違うアプローチもあるとは思う)。うちの言語教育のグループとかはまさにそんな感じだなーと思うし*3。「具体的にどう解くか」については入ってから考えれば十分だし(分かってるなら入る前にやればいいしw)、NAISTの修士の入試ならそこを詰めてなくても落ちることはないと思う(知識がないと研究できないなんてことはない。自分も去年のインターンのときに実感した。理論系はまた別かもしれないけど、工学は問題意識drivenだと思う。自然言語処理は機械学習なりでdata-drivenな分野になりつつはあるけど、(当たり前ながら)それはdataのことを見なくっていいってことじゃなくって、データを違う側面から見るってことなんだと思う。この辺は正しい正しくないというより自分の信念というか哲学というか譲れないところだと思っている。詳しくはこの辺参照)。うちの研究室は上からタスクが降ってくるタイプの研究室ではないし、ある意味で自分で課題を見つる能力が問われるところだと思うので、小論文のときからそういうこと考える癖を付けておくといいんじゃないかなと思います(偉そうに書いたけど、半分くらい自戒を込めて)。

無駄に熱く語ってしまった感がありますが、全てgccのコンパイルが終わらないのが悪いんです。

*1:就活なり、年次大会で発表してなかったらこっちも四苦八苦だったかもしれない

*2:ハブどう消していくんだったか思い出せず

*3:そういう意味で色々勉強になるので、言語教育の勉強会にも最近は参加している