丸山宏のレビュー一覧

新 企業の研究者をめざす皆さんへ

工学は物を作る設計型学問のため難しい。工学研究の成功は、社会がどのようなモノに価値を見出すかという社会的価値観すなわち哲学に依存する。工学は科学と哲学の要素を同時に内包するdisciplineであり、双方の洞察が不可欠。なお設計型研究は論文は書きにくい。
日本発Chainerは、当初製品価値や差別化要因のため社内に留める説とOSS化説があったが、後者が取られ、結果として技術力で差別化したいPFNに世界から優秀な研究者が集まるに至り、その意味で正解だった。
IBM、キャノン、PFNのような研究開発力の高い企業においても研究を「まとめる」力を持つ人は少ない。論文、製品化、標準化、OSSなどいずれかのアウトプットにつなげる力が求められており博士はそうした一定の力の保証になっているはず、という著者の見解(ただ、この認識は個人的に甘いと思う。博士号取得にはビジネス(製品化・事業化)や標準化の観点まで意識するインセンティブ設計は無い)。PFN Valuesの Motivation Driven / Learn or Die / Proud, but Humble / Boldly do what no one has done beforeは４つとも強く共感。各人が常に学習意欲を持っていればその組織は外の変化に追従できる。
知の鎖国と言われる日本。英語力はもちろん、異なる意見を取り入れてより高いレベルの合意を創り出す議論力が不足。日本では英語力だけでグローバル人材と勘違いされがちだが、その上でビジネス力が当然必須。多様性を受け入れるには努力が必要、自分の詳しくない考えは、自分が詳しいものより優れていると考える(=アファーマティブアクション)。解が存在しないならあらゆる前提条件を疑う。変化の速い情報通信では年初に立てた達成目標にこだわっても無意味なので人事評価は多元的・主観的な加点法にならざるを得ない。人事評価におけるマネジメントグループの総意を部下に伝えるときは自分の考えとして伝えないと後に禍根を残しかねない。（うちも部門単位での研究開発のポートフォリオマネジメントすべきでは。）結局フロー経営が成功の秘訣（Motivation Drivenと関係が深そう）。
特許制度の弱点として、利用にペナルティがあること、無制限の請求を認めていることの2点がある。パテント・トロールの手に特許が渡るとユーザに高額な賠償請求をしてくる。この対策としてLOTという概念がある。
SOX法。研究者は専門家として技術にできること・できないことを等身大で伝えていく義務がある。

新 企業の研究者をめざす皆さんへ

研究を始めたばかりの方や研究者というキャリアを考える方にとって非常に有用な書籍であると思います。また、研究者としてキャリアを積んだ方についても改めて自身の研究の意義や貢献について考える機会を与えてくれる内容だと思います。

新 企業の研究者をめざす皆さんへ

研究者ならずとも、企業という枠組みでキャリアを形成する人間にとっての重要な考え方が詰まっている一冊。
研究者向けとしても、R&Dポートフォリオの組み方や知財の重要性などポイントがおさえられている。
若手エンジニア必読といってもいいだろう。

新 企業の研究者をめざす皆さんへ

まさに事業会社の研究部門で働いてる身なので、首肯しながら読み進めた。
書籍内でも語られている人事評価のエピソードは人ごとじゃなく考えさせられる。
ポートフォリオマネジメントについてはR&D投資予算にも深く関係するので今読めてよかった。

人工知能～その到達点と未来～

AI(人工知能）に関する最新の情報がわかりやすく概念で理解できお薦め。語句解説や研究者名と参考書籍が掲載されており便利。また具体的応用例についてもヒントあり面白かった。ディープラーニングへの期待がこの分野の専門でない私にもよく理解できた。「人間は環境との相互作用の中で生活している。脳だけを独立してシミュレートしても、知能は再現できないであろう。」奥深い世界に興味深々。

企業の研究者をめざす皆さんへ：Research That Matters

企業研究職の自分としてはとても参考になった．
仕事の進め方，キャリア，プレゼン，コミュニケーション，などなど

企業の研究者をめざす皆さんへ：Research That Matters

マター：人が動く、世の中が変わる
パスツールの四象限
研究の成果が出たらどういうデモをしたいのかを考える
デモで「どうやって動いてるの？」と聞かれることはよくあるが、本当によいデモは「これいくら？」と聞かれる
「説得」と「納得」の違い
ファシリテーションの「タイムマシン」
-- 10年後を想像してみてください
社内Web電話帳に写真や業績を書く
-- 見えないのはいないのと同じ
お客様に内部構造を意識させない
企業における研究は「面白いから」やるのではなく「必要だから」やる
人は命令されて動くのではなく、必要な仕事だとわかって動く
ガバナンスとエンパワメント
2人の靴メーカーのマーケティングがアフリカに
2001年宇宙の旅
社内の機密情報、部門外秘ってどうなの
「客観的な評価軸」じゃなく、主観的で透明な判断
上長には言いたいことの1/10しか伝わらない
レターが元になっているので、内容が非常に濃い

企業の研究者をめざす皆さんへ：Research That Matters

就職活動中に読めて良かった。先月の他の研究所インターンの振り返りのような形になった。
大学の研究と企業の研究、民間の研究所での研究の違いをよく考えた期間だったため、読み終わってなかなか腑に落ちた。中盤後半は普遍的なことを言うのではなく、IBMでの具体例をさまざま出していた。想像しやすかった。博士進学しましょう。
塞翁が馬的な人生観は自分が前から持っていたもので著者に言語化してもらえて良かった

データサイエンティスト・ハンドブック

本書が出版されたのは2015年なので、この分野の書籍としてはやや古め。最新の解析手法に関する記載はないが、データ活用のありかたについては、現在でも十分に通用する内容。この本の帯には「データサイエンティストを目指す人、育てる人、活用する人に！」と書かれているが、特にこれからデータサイエンスに関わる入門者の方にお薦めしたい。

企業の研究者をめざす皆さんへ：Research That Matters

IBM東京基礎研究所所長を勤めた著者が企業における研究のあり方について述べている。研究だけでなく、国際化する組織の中で創造的な仕事をしていくのに必要なアドバイスに溢れている。

企業の研究者をめざす皆さんへ：Research That Matters

IBM東京基礎研究所長を務めた丸山先生（現在は統計数理研究所の副所長）の本。IBM在籍時、所長として全研究員に向けて発信したレターから29件を厳選し、解説付きで掲載している。特定の企業文化に依存しない（ある意味、模範的な）訓示が多いものの、IBMの伝統や企業文化が垣間見える記述も少なからずあって面白い。なお、本書の内容は、著者の個人的な思いを記述したものであり、必ずしもIBMやIBMの基礎研究部門の方針や戦略を反映したものではない、とのことである。

人工知能～その到達点と未来～

理論や構成などの専門的な部分は省いて、AIがこれからの社会にどう組み入れられていくのかを焦点化して読んだ。

結果、面白い。

この書では、社会がAIに飲み込まれるのではなくて、働き方とか休み方とか、これまでの生き方を見直すきっかけになるとしている。
かつての自動車の誕生は馬車を無くしたけど、代わりに自動車製造業や運転手といった新しい働き方を産んだ。
医療のように新薬や症例の情報更新が目まぐるしい分野では、既にAIが巧みに使われている。教育においても、学習者の理解度に応じた個別対応が可能になる、という点ではAIの波及はあり得る。
障がいに応じた対応も行えるのかという部分について、読みながら思考した。

社会が考えるべきなのは、AIの使い方だ。道徳の判別のないAIに世の中を託すのではなくて、道具としてのAIを使う人類が、社会のより良いあり方を検討すことが必要と感じた。

企業の研究者をめざす皆さんへ：Research That Matters

人は時々、「この仕事がうまくいかなければ、俺の人生も終わりだ」と思いがちですが、その裏には、自分の成功・不成功をあるモノサシに当てはめて考えている自分があるはずです。一歩引いて「こんなの、大したことではないよ」と思おう、それが"Rule Number 6"だと思います。