学術的に意味があるとは

引き続き論文を書く。主に関連研究と結論部分を充実させる。

どのようにストーリーを書くかについて少し悩んだ。あまり独善的になってはならず、かといってこうするべきと言う主張が含まれているのでそういう主観的なものも必要で。なかなか難しい。

原稿の修正版を送って、追加でやりたい実験について先生に了承をもらう。早めにMTurkで行うつもり。

もう一つの研究ではマルチタスク学習をどのように行うかを検討する。いろいろ関連研究を調べて、学習方法やロス関数の定義は大体決定した。

正直こういうモデルをいじる系の研究はあまりやってこなかったので、やれてうれしい。やっと周りのみんなと話せるような研究ができるのかなという感じ。引き続きこういうことをやっていきたいと思う。（でもやはり、エンジニアリング的側面が大きすぎるのかなあと思った。ハイパーパラメータやFeature、その他学習手法をいじってベンチマークの精度が上がりましたといのはコンペに近く、これはと言う感じ。。。それはやればやるほど感じる（実装したのはこの2週間くらい後だが）。エンジニアリングとサイエンスの境目はどこにあるのかわからないが、個人的にはその成果が10年後に読まれているかどうかが1つの目安なのかなぁと思ったりする。しかし短期的にでも学術界に貢献できればそれはそれで良い研究なわけで（今のモデルのリファインメントの研究はそういうものだと思う。モデルの改良からいろいろ見えてくるものが確かにある）。よくわからない。）→ なのでどちらもやることが大切なのだという結論に達した。

後はこれを実装に落とし込むだけだが今はちょっと時間がないかなと言うことで後回しにすることにした。

アノテーション指示も出しておく。今のアノテーションは以前のアノテーションと違って結果に向かっている感が強いので、作業者と密に連絡をとっても苦痛ではない。むしろ楽しい。意味のあるデータとの向き合いは有意義だなと思う。