Google tiene un ‘enfoque híbrido para la investigación’: la investigación está orientada al producto y se produce mediante cambios incrementales en las soluciones existentes. Google todavía puede tener objetivos de investigación a largo plazo, pero estos objetivos tan grandes deben ‘factorizarse’ en una secuencia de objetivos a corto plazo, cada uno de los cuales debe afectar los productos de Google.
Esta cultura de investigación no es atractiva para algunos talentos. Por ejemplo, muchos académicos de inteligencia artificial como Yoshua Bengio o Jürgen Schmidhuber no quieren unirse a un gigante tecnológico: prefieren mantener su agenda de investigación independiente, sin presión para impactar los productos de la compañía.
Además, esta política científica de Google es vulnerable a los cambios de paradigma. Gran parte del progreso tecnológico importante proviene de temas periféricos, que antes tenían poco impacto, y que de repente pasan al escenario central.
- ¿Puedo enviar correos electrónicos a los profesores durante el verano para oportunidades de investigación en el otoño?
- ¿Cuáles son los temas de investigación más importantes en seguridad de red?
- Cómo organizar la investigación y las notas de investigación de la ciencia de datos (informática, estadística, etc.)
- ¿Qué física necesito para comprender y explotar la investigación que combina la mecánica estadística y el análisis de redes sociales?
- ¿Es más probable que los autos personales o comerciales sean automatizados primero? ¿Por qué?
Un ejemplo de ello es el ascenso meteórico de la IA y las redes neuronales. En un par de años, esta curiosidad académica se convirtió en la columna vertebral de una nueva revolución industrial. Los tecnólogos convencionales no vieron venir la IA, y el fundador de Google, Sergey Brin, no fue diferente.
Google conoce los límites de su enfoque a corto plazo para la investigación. Es por eso que establecen divisiones separadas para proyectos a largo plazo. En IA, su principal es DeepMind, con sede en Londres. Sin embargo, el problema con esta política es que las ideas no circulan lo suficientemente bien entre DeepMind y el resto de Google. DeepMind permanece bastante aislado de la nave nodriza de Google. ¿Cuántos Googlers siguen realmente la investigación de DeepMind? Supongo que no mucho, y eso sería interesante para encuestar a los Googlers al respecto.
Para remediar esta falta de transferencia de conocimiento dentro de Google, DeepMind abrió un equipo dedicado en Google HQ en California, y el futuro dirá si es efectivo.
Los investigadores independientes pueden combinar mejor la investigación fundamental y la aplicada
Los estudiantes independientes más audaces pueden encontrar inspiración en esta situación. Pueden dedicar parte de sus recursos a la investigación fundamental. Cuando la investigación fundamental y aplicada es realizada por las mismas personas, con especializaciones duales, el ancho de banda entre los dos aumenta, lo que ayuda a provocar avances improbables pero de alto impacto. Esto lleva el ‘enfoque híbrido de la investigación’ de Google un paso más allá: los investigadores independientes no tienen presión para impactar los productos de la compañía.
Para ascender en la escala corporativa de una gran organización como Google, es una mala estrategia realizar investigaciones fuera de lo común. Por otro lado, para los investigadores independientes, no hay una escalera para subir y mucho menos incentivos para el conformismo.
Finalmente, como OpenAI, los investigadores independientes pueden proponer sus propias ‘Solicitudes de investigación’. Incluso pueden usar Startcrowd, una plataforma dedicada para investigadores independientes en IA.
