世界中で日々新たなテクノロジーが誕生している情報技術分野。富士フイルムは2016年、最先端の情報技術を研究する組織を立ち上げた。新素材探索の加速から、次世代のIoT関連製品やサービスを開発するための情報基盤技術の研究、企業活動の効率化を実現するシステムやソフトウエアの開発、大学や研究所などとの連携、そしてデータサイエンティストの育成まで、そのミッションは多岐にわたる。
富士フイルムと情報技術、その結びつきに「？」と思う読者もいるかもしれない。しかしながら、デジタルカメラで撮った写真や医療用X線画像を見やすく・使いやすく再現するには、情報科学系の領域、特にAI（人工知能）の一手法である「機械学習」の活用が不可欠であった。
「ヒト」と「空」が写ったデジカメ画像を例に説明してみよう。まずは、あらかじめ「ヒトらしさ」「空らしさ」とはどういうものか、それぞれの要素についてコンピュータに学習させておく（機械学習）。次に、そのコンピュータに撮影した画像を取り込む。すると、コンピュータが「ヒト」と「空」を自動で認識し、それぞれ適した明るさや色調などに修正してくれる（画像処理）。これが機械学習による画像処理技術だ。
「機械学習や画像処理に興味を持ったのは大学2年生のときです」と語るのが、この分野で若き研究者として活躍している彼だ。
「大学院では医療用の画像処理を研究していました。臓器などの形状や色を機械に学習させることで、撮影画像から医療従事者が求める病変をコンピュータが見つけ出す、という研究です。そこで得た知識やスキルを活かしたいと思い、富士フイルムに就職しました」
新卒で入社した2012年から3年間、彼は当初の希望どおり、医療用画像処理の研究開発に従事。やりがいに満ちた日々を送っていた。そんな折、彼は設立直前の新研究所への異動を告げられる。集められたのは、さまざまな事業分野で情報系の業務に携わる若手エンジニア。彼もまたその一人だった。
「画像処理はとても面白い仕事でしたが、機械学習のスキルを活かし、別の分野に挑戦したいという気持ちもありましたので、異動に対してはとても前向きでした。しかし、そこで私に与えられるミッションを聞いた途端、正直戸惑いました。というのも……」
なぜ彼は戸惑ったのか。それは、彼のミッションが画像処理とは異なる「化学分野」での機械学習の研究だったからだ。「ある化学物質がどのような性質を持つのか、過去の実験データ（化学構造式や物性値）から自動的に計算するプログラムを作る、それが私の研究です。これができれば、リアルな化学実験をせずとも、生成しようとしている化合物がどんな物質なのか、ある程度予測できるようになります。また、何千とおりものシミュレーションが簡単にできる、ということも大きなメリットと言えます。以前から一部の研究者はその開発に取り組んでいましたが、難易度が高い研究領域でした。未知なる挑戦にワクワクしましたが、実は私、理系に進んだものの化学だけはどうしても苦手で。それが戸惑いの最大の理由でした」
こうした中で、彼がまず始めに取り組んだこと。それは当時、情報科学の専門家の誰もが驚いた「ディープラーニング」という機械学習手法の習得だった。ディープラーニングは、ヒトの脳が行う情報処理の仕組みをアルゴリズムに取り入れた、現在AI分野で主流となりつつある技術だ。
「先ほどの画像処理における機械学習では、まず人間がコンピュータに『これがヒトだよ』『これが空だよ』と教え込むプロセスが必要でした。しかし、ディープラーニングでは、一定量の画像さえコンピュータに取り込めば、あとは勝手にコンピュータがヒトや空を判断してくれるのです。なぜ、どのようにしてコンピュータが画像に映った要素を分析、判断しているのか、本当のところはまだわかっていません。しかしながら、要素を一つずつコンピュータに教え込ませるのが機械学習のセオリーと思っていた私にとって、ディープラーニングのインパクトは大きかった。今まで自分がやってきたことが何だったのか、根本から見直すとともに、化学分野で機械学習によるプログラミングを成功させるには、ディープラーニングを理解し、活用することが第一と考えたのです」
こうして彼は当時、富士フイルムでも取り組み事例が少なかった「ディープラーニング」の研究を始め、機械学習のエキスパートとしての知見を深めていった。もちろんその後、化学分野の知識の習得にも努めたことは言うまでもない。
「私が相手とする当社の社員は、大学で高度な知識を得た一流の化学研究者ばかり。プロジェクト開始当初は全くついていけませんでしたね。初心者向けの化学参考書を読みあさり、時間があれば社内で活躍しているその道のプロに教えを請うなど、勉強をしていきました」
ディープラーニングの研究と、化学分野の知識の蓄積。その二つに真摯に取り組む彼のうわさを聞きつけ、数か月後には化学研究に従事する社員から相談が頻繁に来るようになった。
しかし、彼が化学分野への機械学習応用の真の難しさに直面するのは、この後だった。
「先ほども申し上げたとおり、私の最終的なゴールは、まだこの世に存在しない物質が、どんな色や形、素材感、生体への作用などを持っているのか、化学構造式や物性値などのデータを手がかりに明らかにしてくれるプログラムを作ること。これにより、実験にかかる時間やコストが大幅に削減されるだけではなく、新素材や新薬につながる未知なる化合物の早期発見が可能となります。
しかし、私が社内の化学研究者から預かるデータは、一見するとよく分からない実験データばかり。この素材を、どのような形でディープラーニングに入力すべきか、前例がないだけに初めは見当もつかなかったんです。しかも、画像と違い化学の実験データは世の中にはほとんど出回っておらず、参照させることのできるデータの絶対数が少ない。公表されているわずかな学術論文や社内での実績を頼りに、手探りでシミュレーションを行うしかありません。すぐに成果が求められるようなミッションではないことは承知していましたが、何度試してもうまくいかない日が続くこともありました。そのときはさすがに少し落ち込みましたね」
もちろんこうした挫折や困難は、新領域に挑む研究者には必ず訪れるもの。このような状況を見越して、彼の所属する研究所では定期的に社員が集まる場を設けていた。機械学習の化学分野への応用は彼がメインで担当しているテーマだが、機械学習の研究自体はそのほかの分野でも同時に進められている。それらに従事する研究者が現状の課題を話し合い、成功事例や失敗事例を持ち寄ることで成果を出そうというのが、定例会の目的だ。皆で協力し合い、これまでの知見を生かして新しいイノベーションを生み出していく、という正攻法のやり方は、未知の領域に挑むこの研究所では特に不可欠なのだ。
「うまくいかない、と思ったらまず相談すること。ブレークスルーの鍵はこれだと思います。事実、最近も思いどおりの成果が出ないことがあったのですが、仲間に相談したところ、『その問題、今の君のアプローチだけでなく、別のアプローチで検討してみたら？』とアドバイスしてくれました。研究職ですから、ロジカルに課題を解決するのは当たり前ですが、本当に多角的な発想は、一人の思考だけでは決して生まれてこない。そのときも、仲間の指摘から得られた気付きによって、課題を一つずつ解決することができました」
当初、彼が独学で始めた化学分野における機械学習プロジェクトは、今や部門横断型の大プロジェクトになっている。
「とはいうものの、まだまだテスト段階です。画像であれば、スキャンしたデータをピクセル値という統一のフォーマットを用いてすべて処理できますが、この分野にはそうしたフォーマットが現段階では存在しません。そのため、ある実験データについては予想どおりの結果が出せても、別のものではうまくいかないのです。成功する場合と失敗する場合で何が違うのか――この課題を乗り越えて、最終的には、あらゆる実験データに対応可能なプログラムを開発してみたいですね」
ゴールにたどり着くまではもう少し時間がかかるが、一方で確かな手応えも感じていると言う。
「社内からの期待の声が、予想以上に大きいんです。実験せずにコンピュータでそこまで分かるようになるのか、と。かつて医療用画像処理の開発に携わった経験から、新製品の開発スタッフが試行錯誤の繰り返しで多忙なことは身をもって知っていました。彼らの負担を少しでも軽減できるこのプログラムを、1日でも早く完成させたいと思っています」
画像処理から化学分野へ。新たな領域で挑戦を続ける彼に、最後に一つ、意地悪な質問をぶつけてみた。情報技術のプロではあっても化学分野のエキスパートではない――そんな彼の作ったプログラムが、化学合成の達人たちを完璧に満足させることができる日は、本当に来るのだろうか？
「難しい質問ですね」と苦笑しながらも、彼は力強く答えてくれた。
「確かに私は、この研究に携わるまで化学の知識をほとんど持っていませんでした。でも、逆に化学研究者が抱きがちな先入観とも無縁です。だからこそ、化学の長い歴史で培われた発想とは全く異なるアプローチを試すことができると思っています。弱点を強みに変えることができれば、きっとイノベーションが起こせるはずです」
そう、彼こそは「機械学習」という名のパスポートで、化学の世界に切り込む研究者なのだ。化学の世界の住人の前に立ちはだかる壁も、異邦人の彼ならば乗り越えられる。そしていつの日か実現するに違いない、住人たちが長い間待ち望んでいたプログラムを。
- * インタビュー内容などは、2017年10月時点の取材内容に基づきます。