Solo puedo responder esta pregunta en el contexto de la investigación de IA en un entorno no académico (por ejemplo, Google, Facebook, Twitter, OpenAI), y estas son mis propias opiniones (no las de mi empleador). ¡No extrapoles a otros campos científicos o académicos!
Algo así como. La expectativa en la industria es que los ingenieros de investigación no tengan tantas calificaciones de investigación (en particular, un doctorado), por lo que trabajan en más infraestructura de software para apoyar a los investigadores. En un gran laboratorio tecnológico, podrían proporcionar conocimientos sobre cómo ampliar el código de un científico de investigación a gran escala, o escribir código personalizado para acelerar el ciclo interno de las simulaciones.
Sin embargo, en algunos equipos (Google Brain y otros equipos de investigación dentro de Google Inc. son un ejemplo notable), la distinción entre ingenieros de investigación y científicos de investigación es prácticamente inexistente en el trabajo diario.
- ¿Cuáles son algunas buenas propuestas de investigación sobre igualdad de género y empoderamiento de las mujeres?
- ¿Los profesores sienten que se pierde el tiempo que pasan escribiendo solicitudes de subvención?
- ¿Cuál es un buen tema de investigación para una tesis de gestión de riesgos?
- ¿Cuáles son los temas de investigación para estudiantes de derecho?
- ¿Cómo mantienen los grupos de investigación académica sus códigos?
Algunas razones por las que creo que es bueno no distinguir demasiado entre ingenieros de investigación y científicos:
- Los investigadores deben ser buenos ingenieros para saber cómo generar grandes impactos (el aprendizaje profundo es una disciplina pesada en ingeniería) y los ingenieros de investigación deben comprender la mentalidad del investigador para saber qué tipo de herramientas son valiosas, cuáles son las abstracciones de diseño correctas para el código.
- Cualquier persona con creatividad puede investigar.
- Durante mucho tiempo, la investigación de CS se pensó como una disciplina muy analítica y matemática. Sin embargo, la ciencia empírica está proporcionando la mayor parte del rápido progreso en la investigación de IA, aunque no todas las técnicas están matemáticamente justificadas. Los ingenieros de investigación tienden a ser muy buenos en la ciencia empírica; si depurar un sistema operativo de cosecha propia para una clase universitaria no es ciencia empírica, no sé qué es.
- Estas etiquetas limitan la creatividad para resolver problemas y realmente no tienen ningún propósito útil, por lo que es mejor dejar que las personas trabajen en lo que les parece interesante.
Es muy similar para muchas compañías financieras cuantitativas y fondos de cobertura. Si constantemente encuentra alfa (el equivalente de una “buena idea” en la investigación), le permitirán investigar.
