私が情報学に興味を持ったきっかけは、「パソコンはどのような仕組みで動いているのだろう」という疑問でした。そこからプログラミングやアルゴリズム、コンピュータの仕組みを学び、次第に人工知能や機械学習へと関心が広がっていきました。
機械学習を学ぶ中でも、単にモデルを使って予測結果を出すだけではなく、「内部ではどのような計算が行われているのか」が気になりました。そのため、NumPyを使ってニューラルネットワークの順伝播や誤差逆伝播、最適化手法などを実装し、数式とコードを対応させながら理解を深めてきました。
さらに学習を続けるうちに、「何がその結果に貢献しているのか」「そもそも、その推論には妥当性があるのか」という疑問にも関心が広がりました。現在は機械学習や統計学、データ分析、強化学習などを学んでおり、今後は因果推論についても理解を深めていきたいと考えています。
大学では、授業を通してコンピュータビジョンや画像認識、QGISを使った地理空間情報、3DCGなどにも触れました。これらは授業の中で学んだ経験が中心ですが、情報学にはさまざまな分野があることを知る機会になりました。
情報学とは並行して、自然科学についても学んできました。最初は、「物理では自然現象をどのように説明するのか」「化学ではどのような反応が起こるのか」「生物はどのような仕組みで成り立っているのか」といった素朴な疑問から始まりました。
化学も初歩から学び始めましたが、早い段階でシュレディンガー方程式が登場し、当時はその意味を理解できず、一度学習に行き詰まりました。生物学にも興味がありましたが、深く学ぼうとすると化学の知識が多く必要になります。そして化学を理解しようとすると、原子や電子の振る舞いを扱う物理にも向き合う必要があると感じました。
そこで、分からない部分をそのままにせず、物理を基礎から学び直しました。そこから力学、電磁気学、量子力学、統計力学などへと学習が広がり、化学では有機化学をより深く学ぶようになりました。その結果、当初興味を持っていた生物学からは次第に離れ、物理と有機化学を深掘りするようになりました。
物理を学ぶ過程では、微分積分、線形代数、微分方程式、確率などの数学を具体的な現象と結びつけて考える機会が増えました。そして、この物理を通じて身につけた数学の理解は、そのまま機械学習やAIを学ぶ際にも役立ちました。ニューラルネットワークで使われる微分や線形代数、確率的な考え方についても、単なる計算手順ではなく、「何を表しているのか」を意識して考えるようになりました。
振り返ると、最初から学ぶ分野を細かく決めていたわけではありません。「なぜこうなるのか」「これを理解するためには何が必要なのか」と疑問を追いかけ、その前提まで遡っていった結果、情報学、数学、物理、化学へと学ぶ範囲が広がってきました。
今後も、特に知能システムや統計について理解を深めながら、「何が結果に影響しているのか」「その推論は本当に妥当なのか」といった疑問を掘り下げていきたいと考えています。その延長として、因果推論についても学び、単なる予測だけではなく、結果が生じる背景や要因まで考えられるようになりたいです。分からないことを一つずつ理解し、その過程で新しい仕組みや関係を発見していくことを大切にしています。
