教員のキャリアの最初の数年間は、研究者の進路を決定するのに役立つ強固な基盤を確立できる、形成的で刺激的な時期です。これには、革新的なアイデアと方向性、創造的な協力者、信頼できるリソースが必要な研究チームの構築が含まれます。
人工知能に取り組む MIT 教員のグループにとって、プロジェクトを通じて MIT-IBM ワトソン AI ラボに早期に関与することは、野心的な研究分野を前進させ、実りある研究グループを形成する上で重要な役割を果たしました。
勢いを高める
「MIT-IBM Watson AI Lab は、特に仕事を始めたときの私の成功にとって非常に重要でした」と、電気工学およびコンピュータ サイエンス学科 (EECS) の准教授、MIT コンピュータ サイエンスおよび人工知能研究所 (CSAIL) のメンバー、MIT-IBM Watson AI Lab の研究員であり、自然言語処理を研究している Jacob Andreas 氏は言います。 MIT に入社して間もなく、アンドレアスは MIT-IBM Watson AI Lab を通じて最初の主要プロジェクトを独立させ、低リソース言語の言語表現と構造化データの拡張手法に取り組みました。 「それがきっかけで、私は研究室を立ち上げ、学生を募集し始めました。」
アンドレアス氏は、これは NLP の分野が言語モデルの理解に大きな変化をもたらした「極めて重要な瞬間」に起こったと指摘しています。このタスクには、MIT-IBM Watson AI Lab を通じて利用できる、より重要なコンピューティングが必要でした。 「その下で我々がやったような仕事をしたような気がする」 [first] このプロジェクトは、IBM 側のすべてのスタッフと協力して、この移行をどのように乗り越えるかを理解するのに非常に役立ちました。」さらに、アンドレアス グループは、MIT-IBM コミュニティのコンピューティング リソースと専門知識のおかげで、事前トレーニング、強化学習、信頼性の高い応答のための調整に関するプロジェクトを複数年にわたって継続することができました。
他の何人かの教員にとって、MIT-IBM Watson AI Lab に時間内に参加することは非常に有益であることが判明しました。 「MIT-IBM 内の知的サポートと一部の計算リソースを活用する能力の両方を得られたことは、私の研究プログラムにとって完全に変革的であり、非常に重要でした」と、EECS、CSAIL の准教授であり、MIT-IBM ワトソン AI ラボの研究員でもあるユン・キム氏は言います。彼もまた、自分の研究分野が方向転換するのを見てきました。 MIT に入社する前、キムは MIT と IBM の博士研究員の職で将来の共同研究者たちと出会い、そこで神経象徴モデルの開発を続けました。現在、Kim 氏のチームは大規模言語モデル (LLM) の機能と効率を向上させる方法を開発しています。
彼のグループの成功につながった要因の 1 つは、知的パートナーとのスムーズな研究プロセスであると彼は指摘しています。これにより、彼の MIT-IBM チームはプロジェクトに適用し、大規模な実験を行い、ボトルネックを特定し、技術を検証し、必要に応じて現実世界のアプリケーションに組み込める高度な手法を開発するために適応することができました。 「それは新しいアイデアを後押しするものであり、それがこの関係のユニークなところだと思います」とキムは言う。
専門知識の融合
MIT-IBM Watson AI Lab の性質は、AI 研究者を集めて研究を加速するだけでなく、分野を超えた研究を統合することです。 EECS および CSAIL の研究室研究者であり MIT 准教授のジャスティン・ソロモン氏は、彼の研究グループは研究室とともに成長しており、その協力は「最初から現在に至るまで非常に重要」であると述べています。ソロモンの研究チームは、コンピューター グラフィックス、ビジョン、機械学習に関連した理論指向の幾何学的問題に焦点を当てています。
ソロモン氏は、MIT と IBM の協力が彼のスキルセットと彼のグループの研究の応用を拡大したと信じています。これは、研究室の研究者である航空宇宙学准教授で情報システム意思決定研究所のメンバーである Chuchu Fan 氏と、機械工学准教授の Faz Ahmed 氏も同じ意見です。 “彼らは [IBM] 「これらの厄介なエンジニアリングの問題の一部を、私たちのチームが取り組むことができるある種の数学的資産に変換することができ、一周することができました」とソロモン氏は言います。ソロモンの場合、これには、個別のタスクのために異なるデータセットでトレーニングされた異なる AI モデルを統合することが含まれます。 「これらはすべて本当にエキサイティングな空間だと思います」と彼は言います。
「これらのプロジェクトは彼らのキャリアの初期段階にあると思います」 [with the MIT-IBM Watson AI Lab] 「私の研究課題は主に私の研究課題を形作ってきました」とパン氏は語ります。彼の研究はロボット工学、制御理論、安全性が重要なシステムにまたがっています。キム、ソロモン、アンドレアスと同様に、パンとアーメッドはMITでの最初の成功した年に共同研究を通じてプロジェクトを開始しました。制約と最適化はパンとアーメッドが取り組む問題の大半を占めているため、AI以外の分野における深い知識が必要です。
MIT-IBM Watson AI Lab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、これによりチームはタスク計画やロボットの自動動作の開発から、旅行計画、意思決定、検証用のLLMベースのエージェントの作成に移行できるようになったと彼女は述べている。 「この研究は、LLM を使用して、任意の自然言語をロボットが理解して実行できる仕様に自由に翻訳するという初めての試みでした。これは私にとって非常に誇りに思うことであり、同時に非常に難しいことでもあります。」と Pan 氏は言います。さらに、共同調査を通じて、彼女のチームは LLM 推論を改善することができました。これは「IBM のサポートがなければ不可能だったでしょう」と彼女は言います。
このラボを通じて、ファズ アーメッド氏のコラボレーションにより、複雑な機械システム内での発見と設計を加速する機械学習手法の開発が可能になりました。たとえば、彼らのリンク作業では、「生成的最適化」を使用して、データ駆動型かつ正確な方法でエンジニアリングの問題を解決します。最近では、マルチモーダル データと LLM をコンピュータ支援設計に適用しています。アーメド氏は、人工知能はすでに解決可能な問題に適用されることが多いが、速度や効率の向上によって恩恵を受ける可能性があると述べています。しかし、かつては「事実上解決不可能」と考えられていた機械的リンクなどの課題が今、目の前に迫っています。 「それは間違いなく特徴だと思います [of our MIT-IBM team]」とアーメド氏は述べ、IBMのアカシュ・スリヴァスタヴァ氏とダン・ガットフロイント氏が共同リーダーを務めるMIT-IBMグループの業績を称賛した。
MIT の各教員による最初のコラボレーションとして始まったものは、双方が「科学に興奮」し、「学生主導」で継続的な知的関係に発展しました、とアーメッド氏は付け加えました。ジェイコブ・アンドレアス、ユン・キム、ジャスティン・ソロモン、チュチョ・パン、ファズ・アーメッドの経験は、永続的で実践的な学術と産業界の関係が研究グループの設立や野心的な科学研究に与える影響を物語っています。
