2025大学2年

AIへの関心と、書ける手を用意しておく

東京大学松尾研究室の GCI を受講・修了して機械学習をPythonで学び、並行して AtCoder でアルゴリズムを解き続けています。派手な成果物があるわけではありませんが、いまの開発を支えている土台です。

GCI ─ 機械学習に触れたきっかけ

大学2年のときに東京大学松尾研究室の GCI を受講し、修了しました。Pythonを使って機械学習を一通り学ぶ内容で、講義を聞くだけでなく手を動かしてモデルを作り、データを扱うところまでやります。

それまで自分がやってきたのは、ロボットやWebサイトのように「動きが目に見えるもの」ばかりでした。データから傾向を取り出して予測する、という考え方に触れたのはこれが初めてで、ここでAI・機械学習への関心が一段深くなりました。大学でも統計・アルゴリズム・機械学習・データ分析を履修しています。

GCIで学んだ機械学習と、いまインターン先でやっているAIエージェント開発は、技術的には直接つながっていません。エージェント開発でモデルを自分で学習させているわけではないからです。

それでも書いているのは、「AIで何ができて、何ができないのか」を手を動かして確かめた経験があるかどうかで、エージェントの設計の仕方が変わると考えているからです。中身をブラックボックスのまま扱うのと、一度は自分で回してみたうえで扱うのとでは、どこまで任せてよいかの判断が違ってきます。

アルゴリズムの問題を継続的に解いていて、2026年1月時点でレートは801です。

コンテストは制限時間のなかで、問題を読み、方針を決め、実装し、デバッグまでを終わらせる必要があります。「考える時間」と「書く時間」の配分を間違えると解ききれないので、限られた時間での分析力と実装力がそのまま点数に出ます。この感覚は、実務で見積もりを立てて手を動かすときにも役立っています。

同じ時期に、塾講師として約1年間、生徒指導とカリキュラム作成を担当しました。目の前の生徒がどこでつまずいているかを見て、そこに合わせて教える順番を組み替える仕事です。

やっていることは、小学生向けワークショップで教本を穴埋め式に作り直したのと同じでした。「教える内容が正しいか」より「相手が実際にできるようになるか」が基準になる、ということを繰り返し確認した1年です。