研究課題の立て方
答えられる問いに絞り込む。
悪い: 「AI を良くしたい」 → 大きすぎて確かめられない
良い: 「手法 X は、条件 C のもとで
指標 M において Y を上回るか」 → 実験で決着がつく良い問いの条件#
| 条件 | 内容 |
|---|---|
| 反証可能 | 「違った」という結果がありうる |
| 具体的 | 何を測れば答えが出るか明確 |
| 未解決 | 調査で確認済み |
| 実行可能 | 手持ちの資源・時間で確かめられる |
| 意味がある | 答えが分かって何かが変わる |
最後が抜けやすい。 「誰も調べていない」ことと 「調べる価値がある」ことは別。
ギャップの見つけ方#
| 手がかり | 具体 |
|---|---|
| 論文の「今後の課題」 | 著者自身が認めた欠落 |
| 仮定が強い箇所 | その仮定を外せるか |
| 条件が限定的な結果 | 別の条件でも成り立つか |
| 手法どうしの未比較 | 公平な比較がされていない |
| 別分野の手法の転用 | 隣接分野で有効な技法 |
| 再現できない報告 | それ自体が結果になりうる |
絞り込む#
広い関心（最適化を良くしたい）
↓ 対象を限定
（連続最適化のうち、多峰性の強い問題で）
↓ 手法を限定
（[[最適化/進化計算/CMA-ES|CMA-ES]] の再スタート戦略について）
↓ 問いにする
（再スタート条件 X は、条件 C で成功率を改善するか）狭くすることを恐れない。 狭い問いに厳密に答える方が、 広い問いに曖昧に答えるより価値がある。
参考文献#
- Simon Peyton Jones. How to write a great research paper. https://www.microsoft.com/en-us/research/academic-program/write-great-research-paper/
- Karl Popper. The Logic of Scientific Discovery. Routledge, 1959.（反証可能性）
- John P. A. Ioannidis. Why Most Published Research Findings Are False. PLoS Medicine 2(8), 2005. https://doi.org/10.1371/journal.pmed.0020124